dc.creator | Rodríguez, Lissette Guzmán | |
dc.date.accessioned | 2021-07-29T13:25:27Z | |
dc.date.available | 2021-07-29T13:25:27Z | |
dc.date.issued | 2016-07-15 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/21634 | |
dc.description.abstract | In this paper was used kernel density estimation (KDE), a nonparametric method to estimate
the probability density function of a random variable, to obtain probabilistic precipitation
forecasts from an ensemble prediction with the Weather Research and Forecasting
(WRF) model. The nine members of the prediction system (EPSm) were obtained by
varying only the convective parameterization of the model. The cases of study corresponded
with heavy precipitation events in southern Brazil. In spatial assessment of the results,
probability estimates obtained for 24 h periods for different rainfall thresholds were compared
with precipitation estimated by the MERGE product, which combines precipitation
estimates from the Tropical Rainfall Measuring Mission (TRMM) with surface observations.
The performance of these probabilistic forecasts obtained with KDE did not prove to be
better to the individual deterministic forecasts of the EPSm, or than the mean precipitation
product (MPP) or the basic probability (PS) of the EPS. However, the local evaluation of
the KDE product in places with observations of ANA stations obtained better results, and
in general KDE forecasts with >25% and >50% of probability had better values of the skill
scores (PC H, TS, F, B, PSS, CSS and HSS) that the EPSm individual forecasts and the
MPP. These results seem to indicate that some of the KDE deficiencies found in the spatial
assessment can be consequences of the comparison to the MERGE product, since is
the local assessment against real observations, KDE results clearly superior to EPSm and
MPP. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | KDE (Estimativa de Densidade do Kernel) | por |
dc.subject | Previsão probabilística | por |
dc.subject | Precipitação intensa | por |
dc.subject | EPS (Ensemble Prediction System) | eng |
dc.subject | Probabilistic forecast | eng |
dc.subject | Heavy rainfall | eng |
dc.title | Estimativa da probabilidade de ocorrência da precipitação, a partir de métodos estatísticos não paramétricos aplicados a simulações numéricas de um sistema de previsão por conjunto | por |
dc.title.alternative | Estimation of rainfall probability, through the use of nonparametrics statistical methods, applied to numerical simulations of an ensemble prediction system | eng |
dc.type | Dissertação | por |
dc.description.resumo | No presente trabalho emprega-se a estimativa de densidade do kernel (KDE), um método
não paramétrico para estimar a função densidade de probabilidade de uma variável aleatória,
na obtenção de prognósticos probabilísticos de precipitação, a partir de previsões
por conjunto do modelo Weather Research and Forecasting (WRF). Os nove membros da
previsão por conjunto (EPSm) foram obtidos variando apenas a parametrização convectiva
do modelo. Os casos de estudo correspondem a eventos de precipitação intensa na
região Sul do Brasil. Na avaliação espacial dos resultados, estimativas de probabilidade
obtidas para vários limiares de precipitação para períodos de 24 h, foram comparadas com
os valores da precipitação estimada do produto MERGE, o qual combina estimativas de
precipitação do Tropical Rainfall Measuring Mission (TRMM) com observações de superfície.
O desempenho destas previsões probabilísticas obtidas com KDE não mostrou-se
superior ao das previsões determinísticas individuais dos EPSm, nem às dos produtos da
precipitação media do conjunto (MPP) e a probabilidade simples (PS). Porém, na avaliação
pontual do produto KDE nos lugares com observações das estações da ANA foram
obtidos melhores resultados, sendo que em geral as previsões do KDE com >25% e >50%
de probabilidades apresentaram melhores valores das medidas de desempenho (PC, H,
TS, F, B, PSS, CSS e HSS) que as previsões do EPSm e que o MPP. Esses resultados
parecem indicar que uma parte das deficiências do KDE achadas na avaliação espacial
podem ser relativas à comparação com o produto MERGE, já que na avaliação pontual
contra observações reais o KDE resulta evidentemente superior aos EPSm e o MPP. | por |
dc.contributor.advisor1 | Anabor, Vagner | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/5770274675104746 | por |
dc.contributor.advisor-co1 | Puhales, Franciano Scremin | |
dc.contributor.referee1 | Teixeira, Mateus da Silva | |
dc.contributor.referee2 | Dal Piva, Everson | |
dc.creator.Lattes | http://lattes.cnpq.br/3221280674577172 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Meteorologia | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Meteorologia | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::METEOROLOGIA | por |
dc.publisher.unidade | Centro de Ciências Naturais e Exatas | por |