Estimativa dos componentes do balanço de radiação a partir de sensoriamento remoto, observação de superfície e redes neurais artificiais
| Ano de defesa: | 2016 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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 |