Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/2132
Título: Avaliação de métodos para interpolaçãoespacial de dados de precipitação
Autor: Neris, Airton Martins
Endereco Lattes do autor: http://lattes.cnpq.br/7254010025661115
Orientador: Gonçalves, Glauco Estácio
Endereco Lattes do orientador : http://lattes.cnpq.br/6157118581200722
Co-orientador : Medeiros, Victor Wanderley Costa de
Endereço Lattes do Co-orientador : http://lattes.cnpq.br/7159595141911505
Palavras-chave: Interpolação;Precipitação (Meteorologia);Teoria da aproximação;Aprendizado do computador
Data do documento: 2019
Citação: NERIS, Airton Martins. Avaliação de métodos para interpolaçãoespacial de dados de precipitação. 2019. 26 f.Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação)- Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2019.
Abstract: AbstractInformation on the amount of rainfall is essential for the most varied sectors, such asagriculture and agroforestry. Despite this importance many areas are still not coveredby meteorological stations, which causes the lack of data. To meet this need there aremethods of spatial interpolation, which use the information of correlated points to esti-mate the value that does not exist in a certain area. Thus, this work aims to evaluatemethods for the interpolation of daily precipitation data. The interpolation techniquesused in the experiments were the methods: Inverse Distance Weighting; Ordinary Krig-ing; Random Forest. For the Random Forest two different configurations were used, onethat receives as input the coordinates, and another that receives thebufferdistance,which is one of the most recent pre-processing used in the literature for the RandomForest to estimate its values based on geographical reference. We used rainfall datafrom the 46 meteorological stations from the state of Pernambuco in the period from2013 to 2018, and to compare the precision of the generalization of the methods, weused theleave-one-outcross validation. In the results, the Inverse Distance Weightingpresented a better performance in its estimates, for all the metrics, and the RandomForest using coordinates obtained the second best result. Random Forest usingbufferdistance had a lower result in terms of its metrics, but the quality of visual spatializationproved to be superior by offering a visually smoother result than offered by RandomForest using coordinates.
Resumo: Informação sobre a quantidade de precipitação de chuva é essencial para os mais va-riados setores, como agrícola e agroflorestal. Apesar dessa importância, muitas áreasainda não possuem estações meteorológicas, o que ocasiona a falta de dados. Parasuprir essa necessidade existem os métodos de interpolação espacial, que utilizam asinformações de pontos correlatos para estimar o valor inexistente em determinada área.Assim, este trabalho tem como objetivo avaliar métodos para a interpolação de dadosdiários de precipitação. As técnicas de interpolação utilizadas nos experimentos foramos métodos: Ponderação pelo Inverso da Distância; Krigagem Ordinária; Floresta Ale-atória. Para a Floresta Aleatória foram usadas duas configurações distintas, uma querecebe como entrada as coordenadas, e outra que recebe a distância debuffer, que éum dos mais recentes pré-processamentos utilizados na literatura para que a FlorestaAleatória estime seus valores com base no seu referencial geográfico. Foram utilizadosdados de precipitações de chuva provenientes das 46 estações meteorológicas do es-tado de Pernambuco referentes ao período de 2013 a 2018, e para comparar a precisãoda generalização dos métodos, foi utilizado a validação cruzadaleave-one-out. Nos re-sultados, a Ponderação pelo Inverso da Distância apresentou um melhor desempenhoem suas estimativas, para todas as métricas, e a Floresta Aleatória utilizando coorde-nadas obteve o segundo melhor resultado. A Floresta Aleatória utilizando a distânciadebuffer, teve um resultado inferior em termos de suas métricas, mas a qualidade daespacialização visual mostrou-se superior por oferecer um resultado visualmente maissuave do que aquele oferecido pela Floresta Aleatória utilizando coordenadas.
URI: http://hdl.handle.net/123456789/2132
Aparece nas coleções:(CDIBSI) Trabalho de conclusão de curso

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_airtonmartinsneris.pdf1,5 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.