Banca de DEFESA: EMERSON DA SILVA FREITAS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: EMERSON DA SILVA FREITAS
DATA: 27/09/2024
HORA: 14:00
LOCAL: https://meet.google.com/mei-nzst-yhw
TÍTULO: MELHORAMENTO DE PRODUTO DE PRECIPITAÇÃO BASEADO EM DADOS DE SATÉLITES PARA O BRASIL POR MEIO DE TÉCNICAS DE MACHINE LEARNING E DEEP LEARNING APLICADOS A DADOS HIDROMETEOROLÓGICOS DE REANÁLISE
PALAVRAS-CHAVES: Machine Learning, dados de reanálise, KNN.
PÁGINAS: 89
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Civil
RESUMO: A precipitação é um dos principais componentes do ciclo hidrológico e sua quantificação precisa é essencial para fornecer informações para a compreensão e previsão de processos físicos. As observações de ocorrência baseadas em dispositivos terrestres (pluviômetros manuais e automáticos) são altamente precisas, mas têm cobertura espacial limitada. Por outro lado, os produtos de sensoriamento remoto cobrem grandes áreas, mas com menor precisão. Neste contexto, este estudo tem como objetivo avaliar modelos de aprendizado de máquina para criar um produto com melhor estimativa de ocorrência, com menor latência que outros produtos e sem depender diretamente de dados de campo. A metodologia consiste em escolher o melhor modelo de aprendizado de máquina (classificação e regressão) e aplicá-lo a dados de sensoriamento remoto baseados em satélite (produto IMERG Early Run) e variáveis baseadas em reanálise (MERRA-2). O método foi aplicado em todo o território brasileiro, em escalas mensais e diárias, que apresenta uma grande variedade de regimes de abastecimento. Esta metodologia primeiramente resultou no desenvolvimento de um produto IMERG ajustado na escala mensal (IMERG-BraMaL) e posteriormente um produto melhorado na escala diária com uma técnina de múltiplos machine leraning (IMERG- BraMMaL). Comparado aos produtos originais do IMERG (Early Run e Final Run) e produtos de estimativas globais (MSWEP, CHIRPS e PERSIANN-CDR), o IMERG-BraMaL melhorou as análises avaliadas entre dados terrestres e de satélite em quase todas as análises. Por exemplo, o KGE (Eficiência Kling-Gupta) passou de valores mais baixos (0.70, 0.82, 0.09, 0.60 e 0.81 para IMERG Early, IMERG Final, PERSIANN, MSWEP e CHIRPS, respectivamente) para valores acima de 0.86 no IMERG-BraMal na escala mensal. Na escala diária, o IMERG BraMMAL se mostrou mais eficiente, apresentando melhores resultados, com CC de 0,79 comparado a 0,68 do IMERG BraMaL. As principais conclusões do estudo foram: (i) disponibilidade muito mais rápida para os usuários finais; (ii) não dependência de quaisquer dados de campo, permitindo sua aplicação em áreas onde os dados pluviométricos não estão disponíveis ou são de baixa qualidade; (iii) a não relação dos erros com as características locais; e (iv) estimativas muito melhoradas em regiões do Brasil onde, historicamente, os produtos baseados em satélites frequentemente subestimam os dados observados.
MEMBROS DA BANCA:
Externo à Instituição - ANA PAULA MARTINS DO AMARAL CUNHA
Presidente - 1550262 - CRISTIANO DAS NEVES ALMEIDA
Interno - 3057892 - DAVI DE CARVALHO DINIZ MELO
Interno - 1375747 - GUILLAUME FRANCIS BERTRAND
Externo à Instituição - SAULO AIRES DE SOUZA
Interno - 1067435 - VICTOR HUGO RABELO COELHO