Sábado, Abril 13, 2024

Estimation of rainfall by neural network over a neotropical region

BIBLIOTECA CPI – La lluvia es el elemento clave en el balance hídrico regional y tiene una influencia directa sobre la actividad económica. La cuantificación de las precipitaciones a escala espacial y temporal en regiones donde las estaciones meteorológicas son escasas es importante para la agricultura, la gestión de los recursos naturales y la ciencia de las interacciones tierra-atmósfera. Por lo tanto, evaluamos el desempeño de la red neuronal para estimaciones de lluvia sobre el estado de Mato Grosso, ubicado en la región del Medio Oeste de Brasil. Se utilizó un conjunto de datos de 12 estaciones meteorológicas para entrenar la red neuronal y luego se ejecutó para realizar estimaciones, lo que permitió la comparación con las estimaciones del satélite TRMM. La red neuronal realizó estimaciones de lluvia en función de la latitud y la longitud para el modelo 1 (NN1) y la latitud, longitud y altitud para el modelo 2 (NN2). En general, los valores de precipitación fueron más sobreestimados por NN1 en enero (18,7%) y septiembre (1501%) que por NN2 en enero (6,8%) y septiembre (0%). Las malas estimaciones de lluvia utilizando la red neuronal en el estado de Mato Grosso se debieron a (i) un conjunto de datos temporal corto, (ii) pocas estaciones con poca variabilidad espacial, (iii) pocas variables auxiliares para construir la red neuronal, que podría capturar mejor el fenómeno de la lluvia sobre regiones neotropicales. El siguiente paso será analizar las precipitaciones y otras estimaciones climáticas realizadas por la red neuronal para todo el año durante varios años en la Región Centro-Oeste de Brasil, incluidas otras variables auxiliares además de la latitud, la longitud y la altitud.

  • Autores: Nadja Gomes Machado, Thiago Meirelles Ventura, Victor Hugo de Morais Danelichen, Carlos Alexandre Santos Querino, Marcelo Sacardi Biudes.
  • Revista: Revista Brasileira de Climatologia

Le invitamos a revisar el artículo aquí

Fuente: Novedades Biblioteca CPI, Jueves 16 de Marzo de 2023

BIBLIOTECA CPI – La lluvia es el elemento clave en el balance hídrico regional y tiene una influencia directa sobre la actividad económica. La cuantificación de las precipitaciones a escala espacial y temporal en regiones donde las estaciones meteorológicas son escasas es importante para la agricultura, la gestión de los recursos naturales y la ciencia de las interacciones tierra-atmósfera. Por lo tanto, evaluamos el desempeño de la red neuronal para estimaciones de lluvia sobre el estado de Mato Grosso, ubicado en la región del Medio Oeste de Brasil. Se utilizó un conjunto de datos de 12 estaciones meteorológicas para entrenar la red neuronal y luego se ejecutó para realizar estimaciones, lo que permitió la comparación con las estimaciones del satélite TRMM. La red neuronal realizó estimaciones de lluvia en función de la latitud y la longitud para el modelo 1 (NN1) y la latitud, longitud y altitud para el modelo 2 (NN2). En general, los valores de precipitación fueron más sobreestimados por NN1 en enero (18,7%) y septiembre (1501%) que por NN2 en enero (6,8%) y septiembre (0%). Las malas estimaciones de lluvia utilizando la red neuronal en el estado de Mato Grosso se debieron a (i) un conjunto de datos temporal corto, (ii) pocas estaciones con poca variabilidad espacial, (iii) pocas variables auxiliares para construir la red neuronal, que podría capturar mejor el fenómeno de la lluvia sobre regiones neotropicales. El siguiente paso será analizar las precipitaciones y otras estimaciones climáticas realizadas por la red neuronal para todo el año durante varios años en la Región Centro-Oeste de Brasil, incluidas otras variables auxiliares además de la latitud, la longitud y la altitud.

  • Autores: Nadja Gomes Machado, Thiago Meirelles Ventura, Victor Hugo de Morais Danelichen, Carlos Alexandre Santos Querino, Marcelo Sacardi Biudes.
  • Revista: Revista Brasileira de Climatologia

Le invitamos a revisar el artículo aquí

Fuente: Novedades Biblioteca CPI, Jueves 16 de Marzo de 2023

TITULARES