Monitoramento e previsão de atividade convectiva usando abordagens de mineração de dados

• Main Author: Cesar Strauss
• Other Authors: Stephan Stephany
• Language: Portuguese
• Published: Instituto Nacional de Pesquisas Espaciais (INPE) 2013
• Online Access: http://urlib.net/sid.inpe.br/mtc-m19/2013/11.28.14.11

Neste trabalho são propostas algumas abordagens de mineração de dados para o monitoramento e previsão de atividade convectiva atmosférica. Os dados meteorológicos são referentes a descargas elétricas atmosféricas, radares meteorológicos e modelos numéricos de previsão de tempo. Uma primeira abordagem é a geração de campos de densidade de ocorrência de descargas para identificar as regiões mais densas, correspondentes a células de tempestade eletricamente ativas, implementada pelo software EDDA. Foi desenvolvida uma funcionalidade extra deste software, a qual também executa o agrupamento espaço-temporal das descargas, identificando assim células elétricas com mais precisão. Testes em ambiente operacional demonstraram que esses campos de densidade de descargas podem monitorar de maneira mais efetiva a atividade convectiva em comparação a outras técnicas correntes que empregam imagens de satélites meteorológicos. Naturalmente, os radares meteorológicos são mais efetivos, porém sua cobertura espacial é muito limitada no território brasileiro. A segunda abordagem baseia-se na identificação de padrões associados à atividade convectiva em saídas de um modelo numérico de previsão de tempo, de forma a prever a ocorrência e distribuição de chuva forte e convectiva a partir as previsões desse modelo. Essa abordagem foi implementada no software EPPA, ainda em desenvolvimento, que utiliza uma técnica de aprendizado de máquina, uma árvore de decisão. Testes preliminares demonstraram que esse software tem potencial para melhorar a previsão de chuva, uma vez que os modelos numéricos são sabidamente imprecisos nesse aspecto. === In this work, some data mining approaches are proposed for the monitoring and prediction of atmospheric convective activity. The related meteorological data include atmospheric electrical discharges, weather radar images and numerical weather forecast outputs. A first approach is the generation of fields of density of occurrence of discharges in order to identify the denser areas that correspond to electrically active storm cells. This approach is implemented by the EDDA software. An extra funcionality of this software performs the spatio-temporal clustering of the electrical discharges allowing a more precise identification of the electrical cells. Tests performed in an operation environment show that these fields of density of discharges are more effective for the monitoring of convective activity in comparison to other current techniques that use satellite images. Naturally, weather radar are more effective, but their spatial coverage is very limited in the Brazilian territory. The second approach is based on the identification of patterns associated to convective activity in the outputs of a numerical weather forecast model, in order to predict the occurrence and distribution of intense and convective rain from the model forecasts. This approach was implemented in the EPPA software that is being developed. It employs a machine learning technique, a decision tree. Preliminary tests show that this sofware may potentially improve rain prediction, since numerical models are known to be imprecise for such task.