Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Zuluaga Aristizábal, Cristian Felipe
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Viçosa
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://www.locus.ufv.br/handle/123456789/9264
Resumo: Restingas são ecossistemas costeiros localizados no domínio da Mata Atlântica que hospedam uma grande diversidade de plantas, incluindo muitas espécies endêmicas. Atualmente, encontram-se altamente ameaçados devido à expansão da infraestrutura de transporte e desenvolvimento imobiliário. Para tomar medidas mitigatórias é necessário desenvolver estudos que permitam compreender o funcionamento deste ecossistema. Como parte deste esforço, o presente trabalho teve como objetivo estudar os componentes do balanço de radiação na restinga de Marambaia –RJ, obtidos a partir de medições em campo, sensoriamento remoto e redes neurais artificias. Os dados de campo foram coletados e avaliados no período de março de 2015 a fevereiro de 2016. Os resultados mostraram que a rede neural para calcular a radiação de onda longa atmosférica, foi mais eficiente que os modelos clássicos (r 2 > 0,83, RMSE < 6 W m -2 , MAE < 5 W m -2 e d > 0,94). No cálculo do balanço de radiação, a rede mostrou melhor desempenho para dias de céu claro (r 2 = 0,90, RMSE = 81,67 W m -2 , MAE = 64,96 W m -2 , d = 0,96) do que para dias de céu nublado (r 2 = 0,74, RMSE = 74,30 W m -2 , MAE = 40,51 W m -2 , e d = 0,83). Os resultados de sensoriamento remoto, mostraram uma subestimação no cálculo dos componentes do balanço de radiação. No entanto, no cálculo do ciclo diurno do balanço de radiação, este apresentou desempenho similar da rede neural artificial para dias de céu claro, r 2 = 0,93, RMSE = 85,81 W m -2 , MAE = 74,50 W m -2 , e d = 0,96. De modo geral, consideram-se ambas as metodologias como alternativas interessantes no esforço de calcular os componentes do balanço de radiação, a partir de um mínimo de variáveis meteorológicas ou para áreas sem nenhuma instrumentação.
id UFV_344d285e1ef65bf8b769a28de5f2c441
oai_identifier_str oai:locus.ufv.br:123456789/9264
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str
spelling Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiaisEstimate of the radiation balance components from remote sensing, surface observation and artificial neural networksRadiação solarRestingasSensoriamento remotoRedes neurais artificiaisAgronomiaRestingas são ecossistemas costeiros localizados no domínio da Mata Atlântica que hospedam uma grande diversidade de plantas, incluindo muitas espécies endêmicas. Atualmente, encontram-se altamente ameaçados devido à expansão da infraestrutura de transporte e desenvolvimento imobiliário. Para tomar medidas mitigatórias é necessário desenvolver estudos que permitam compreender o funcionamento deste ecossistema. Como parte deste esforço, o presente trabalho teve como objetivo estudar os componentes do balanço de radiação na restinga de Marambaia –RJ, obtidos a partir de medições em campo, sensoriamento remoto e redes neurais artificias. Os dados de campo foram coletados e avaliados no período de março de 2015 a fevereiro de 2016. Os resultados mostraram que a rede neural para calcular a radiação de onda longa atmosférica, foi mais eficiente que os modelos clássicos (r 2 > 0,83, RMSE < 6 W m -2 , MAE < 5 W m -2 e d > 0,94). No cálculo do balanço de radiação, a rede mostrou melhor desempenho para dias de céu claro (r 2 = 0,90, RMSE = 81,67 W m -2 , MAE = 64,96 W m -2 , d = 0,96) do que para dias de céu nublado (r 2 = 0,74, RMSE = 74,30 W m -2 , MAE = 40,51 W m -2 , e d = 0,83). Os resultados de sensoriamento remoto, mostraram uma subestimação no cálculo dos componentes do balanço de radiação. No entanto, no cálculo do ciclo diurno do balanço de radiação, este apresentou desempenho similar da rede neural artificial para dias de céu claro, r 2 = 0,93, RMSE = 85,81 W m -2 , MAE = 74,50 W m -2 , e d = 0,96. De modo geral, consideram-se ambas as metodologias como alternativas interessantes no esforço de calcular os componentes do balanço de radiação, a partir de um mínimo de variáveis meteorológicas ou para áreas sem nenhuma instrumentação.Restingas are coastal ecosystems located in the area of Atlantic Forest that host a wide variety of plants, including many endemic species. Currently, they are highly threatened due to expansion of the transport infrastructure and real estate development. To take mitigation measures is necessary to develop studies to understand the functioning of this ecosystem. As part of this effort, this study aimed to study the radiation balance components in the restinga of Marambaia -RJ obtained from field measurements, remote sensing and artificial neural networks. Field data were collect and evaluated from March 2015 to February 2016. The results showed that the neural network to calculate the atmospheric longwave radiation was more efficient than the classical models (r 2 > 0.83, RMSE < 6 Wm- 2 , MAE < 5 Wm-2, and d > 0.94). In calculating the net radiation, the network showed better performance for a clear day (r 2 = 0.90, RMSE = 81.67 Wm- 2 , MAE = 64.96 Wm- 2 , d = 0.96) than for days of cloudy sky (r 2 = 0.74, RMSE = 74.30 Wm- 2 , MAE = 40.51 Wm- 2 , d = 0.83). The results of remote sensing showed an underestimation in the calculation of the components of the radiation balance. However, in calculating the diurnal cycle of net radiation, it showed similar performance of the artificial neural network for a clear day, r2 = 0.93, RMSE = 85.81 Wm- 2 , MAE = 74.50 Wm- 2 , d = 0.96. In general, both methods were consider as interesting alternatives in an effort to calculate the radiation balance components from a minimum of meteorological variables or areas without any instrumentation.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversidade Federal de ViçosaJustino, Flávio Barbosahttp://lattes.cnpq.br/0813654134174210Gleriani, José MarinaldoZuluaga Aristizábal, Cristian Felipe2016-12-22T16:08:32Z2016-12-22T16:08:32Z2016-07-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfZULUAGA ARISTIZÁBAL, Cristian Felipe. Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais. 2016. 43 f. Dissertação (Mestrado em Meteorologia Aplicada) - Universidade Federal de Viçosa, Viçosa. 2016.http://www.locus.ufv.br/handle/123456789/9264porinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFV2024-07-12T08:46:48Zoai:locus.ufv.br:123456789/9264Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452024-07-12T08:46:48LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.none.fl_str_mv Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
Estimate of the radiation balance components from remote sensing, surface observation and artificial neural networks
title Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
spellingShingle Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
Zuluaga Aristizábal, Cristian Felipe
Radiação solar
Restingas
Sensoriamento remoto
Redes neurais artificiais
Agronomia
title_short Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
title_full Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
title_fullStr Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
title_full_unstemmed Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
title_sort Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
author Zuluaga Aristizábal, Cristian Felipe
author_facet Zuluaga Aristizábal, Cristian Felipe
author_role author
dc.contributor.none.fl_str_mv Justino, Flávio Barbosa
http://lattes.cnpq.br/0813654134174210
Gleriani, José Marinaldo
dc.contributor.author.fl_str_mv Zuluaga Aristizábal, Cristian Felipe
dc.subject.por.fl_str_mv Radiação solar
Restingas
Sensoriamento remoto
Redes neurais artificiais
Agronomia
topic Radiação solar
Restingas
Sensoriamento remoto
Redes neurais artificiais
Agronomia
description Restingas são ecossistemas costeiros localizados no domínio da Mata Atlântica que hospedam uma grande diversidade de plantas, incluindo muitas espécies endêmicas. Atualmente, encontram-se altamente ameaçados devido à expansão da infraestrutura de transporte e desenvolvimento imobiliário. Para tomar medidas mitigatórias é necessário desenvolver estudos que permitam compreender o funcionamento deste ecossistema. Como parte deste esforço, o presente trabalho teve como objetivo estudar os componentes do balanço de radiação na restinga de Marambaia –RJ, obtidos a partir de medições em campo, sensoriamento remoto e redes neurais artificias. Os dados de campo foram coletados e avaliados no período de março de 2015 a fevereiro de 2016. Os resultados mostraram que a rede neural para calcular a radiação de onda longa atmosférica, foi mais eficiente que os modelos clássicos (r 2 > 0,83, RMSE < 6 W m -2 , MAE < 5 W m -2 e d > 0,94). No cálculo do balanço de radiação, a rede mostrou melhor desempenho para dias de céu claro (r 2 = 0,90, RMSE = 81,67 W m -2 , MAE = 64,96 W m -2 , d = 0,96) do que para dias de céu nublado (r 2 = 0,74, RMSE = 74,30 W m -2 , MAE = 40,51 W m -2 , e d = 0,83). Os resultados de sensoriamento remoto, mostraram uma subestimação no cálculo dos componentes do balanço de radiação. No entanto, no cálculo do ciclo diurno do balanço de radiação, este apresentou desempenho similar da rede neural artificial para dias de céu claro, r 2 = 0,93, RMSE = 85,81 W m -2 , MAE = 74,50 W m -2 , e d = 0,96. De modo geral, consideram-se ambas as metodologias como alternativas interessantes no esforço de calcular os componentes do balanço de radiação, a partir de um mínimo de variáveis meteorológicas ou para áreas sem nenhuma instrumentação.
publishDate 2016
dc.date.none.fl_str_mv 2016-12-22T16:08:32Z
2016-12-22T16:08:32Z
2016-07-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ZULUAGA ARISTIZÁBAL, Cristian Felipe. Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais. 2016. 43 f. Dissertação (Mestrado em Meteorologia Aplicada) - Universidade Federal de Viçosa, Viçosa. 2016.
http://www.locus.ufv.br/handle/123456789/9264
identifier_str_mv ZULUAGA ARISTIZÁBAL, Cristian Felipe. Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais. 2016. 43 f. Dissertação (Mestrado em Meteorologia Aplicada) - Universidade Federal de Viçosa, Viçosa. 2016.
url http://www.locus.ufv.br/handle/123456789/9264
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1855045763349872640