Assimilação de Dados no Clima Espacial, Aplicações Estatísticas.

Slides:



Advertisements
Apresentações semelhantes
DISTRIBUIÇÕES AMOSTRAIS
Advertisements

Estatística amintas paiva afonso.
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010
Estatística Dados valores (amostras) de variáveis aleatórias X1, X2, ..., Xn, cuja distribuição conjunta é desconhecida, inferir propriedades desta distribuição.
Prof. André Laurindo Maitelli DCA-UFRN
Filtros de Kalman.
ANÁLISES DE REGRESSÃO.
Sistemas de Posicionamento Global Introdução e Fundamentos
ESTATÍSTICA ESPACIAL Fenômeno natural
MÉTODOS QUANTITATIVOS
Amintas engenharia.
Introdução a teoria de erros Alexandre Suaide Notas de aula
Sistema de Informações Geográficas
DIM102 1 Curvas e Superfícies 35T56 – Sala 3F4 Bruno Motta de Carvalho DIMAp – Sala 15 – Ramal 227.
Geoprocessamento na Agricultura de Precisão
GERAÇÃO DE MAPAS DIGITAIS NO PROGRAMA COMPUTACIONAL GS+ (Gamma Design)
Geoestatística Aplicada à Agricultura de Precisão II
Métodos Numéricos e Estatísticos
SISTEMA DA INFORMAÇÃO GEOGRÁFICA
CoKrigagem Procedimento geoestatístico segundo o qual diversas variáveis regionalizadas podem ser estimadas em conjunto, com base na correlação espacial.
IE733 – Prof. Jacobus 13 a Aula Cap. 4 A Estrutura MOS de Quatro Terminais (parte 3)
Mosaico e Registro de Imagens
Apresentação da disciplina
A Contribuição da Econometria para a Análise Econômica
BIO Métodos Quantitativos Aplicados à Ecologia
Métodos Numéricos Computacionais
CÁLCULO NUMÉRICO Introdução Prof. Esp. Geonir Paulo Schnorr
FATORES E PRINCIPAIS ELEMENTOS DO CLIMA
Os erros envolvidos nas medições de Eratóstenes
Laís Araújo Lopes de Souza
Fundamentos de Análise de Sinais
Uso da Computação Evolutiva na calibração de modelos dinâmicos espacialmente explícitos para a simulação de fenômenos geográficos Larissa Maiara Fraga.
Cálculo Numérico / Métodos Numéricos
Rastreamento de Sistemas Convectivos FORTRACC
Regressão Múltipla Profas: Gardênia da Silva Abbad Elaine Rabelo Neiva
Campus de Caraguatatuba Aula 12: Sistemas de Equações Lineares (2)
Aula 6 - Método não-experimental ou de seleção não-aleatória
Introdução ao GPS Prof. Dr. Nelson Wellausen Dias.
PLANEJAMENTO DO EXPERIMENTO
Análise de Incertezas Introdução.
Teoria Geral de Sistemas
Modelos Hidrológicos.
Maria Aparecida Salles Franco
MEDIDAS ELÉTRICAS Prof. Samuel Bettoni.
Estimativas de Custos e Orçamentação
MÚLTIPLOS GRAUS DE LIBERDADE
Avaliação de Desempenho UFABC Pós-graduação em Engenharia da Informação Professor: Carlos Alberto Kamienski ( ) Santo André, Fevereiro.
Interpolação e Ajuste de Curvas
2.3 Experimentos Fatoriais 22 Efeitos das Interações
Gerência de Projetos 5ºSemestre Aula 8 Prof
Modelagem Estatística
Probabilidade e Estatística para Avaliação de Desempenho
Regressão e Previsão Numérica.
7 Ajuste de Curvas UFSC.PósMCI.FME.Ajuste de curvas. (11.1)
Laboratório de Mecatrónica/IST - COPPE Elétrica/UFRJ
Ana Cecília Soja Maio Mecanismos de Transporte de Energia - Principais Mecanismos: - condução; - convecção; - radiação. Todos eles são dependentes.
Disciplina: TRABALHO DE CAMPO INTEGRADO Curso: Geografia
Avaliação Econômica de Projetos - TAMANHO
Sobre Geoestatística e Mapas. (Paulo M. Barbosa Landim)
Abordagem Sociotécnica
Modelos Hidrológicos EHD222 - Modelagem Hidrológica Aplicada
PPGTI AULA 3 Prof. Dr. Márcio A. Fiori –
Regressão Linear Simples
Ajustamento de Observações
Resultados Neste estudo de caso, a análise de riscos foi feita no TerraMA 2 utilizando a precipitação acumulada nas últimas 24 horas fornecida pelo Hidroestimador.
Geoprocessamento em Recursos Hídricos - HIP 23 - Aluno: Rafael Siqueira Souza Análise geoestatística para interpolação de chuva: integração entre dados.
LOGÍSTICA-FABRICIO RIBEIRO
ESTUDO DA ELETRODINÂMICA DA IONOSFERA BASEADO EM DADOS DE RADARES COERENTES E SONDADORES DIGITAIS – SICINPE 2008 Daroit, C. A. 1 ; Abdu, M. A. 2 ; Schuch,
Variância/ Covariância, Correlação Regressão. Variância.
Como construir modelos empíricos. Nos modelos estudados, cada fator foi fixado em dois níveis Por esta razão temos que nos contentar com uma visão limitada.
Transcrição da apresentação:

Assimilação de Dados no Clima Espacial, Aplicações Estatísticas. Everson Mattos CRS/INPE www.inpe.br/crs/lcce everson.mattos@inpe.br Santa Maria-RS, Jun/2013

Resumo 1 – Instituto Nacional de Pesquisas Espaciais; 2 – Clima Espacial; 3 – Modelo Matemático; 4 – Assimilação de Dados; 5 – Interpolação Espacial. 2 2 2 2

Instituto Nacional de Pesquisas Espaciais(INPE) Missão: Produzir ciência e tecnologia nas áreas espacial e do ambiente terrestre e oferecer produtos e serviços singulares em benefício do Brasil. 3 3 3

Instituto Nacional de Pesquisas Espaciais(INPE) Visão: Ser referência nacional e internacional nas áreas espacial e do ambiente terrestre pela geração de conhecimento e pelo atendimento e antecipação das demandas de desenvolvimento e de qualidade de vida da sociedade brasileira. 4 4 4

Instituto Nacional de Pesquisas Espaciais(INPE) 1961 DP cria o GOCNAE (Grupo de Organização da Comissão Nacional de Atividades Espaciais), embrião do INPE. 1993 Lançado SCD-1, primeiro satélite brasileiro, totalmente desenvolvido pelo INPE, da base de Cabo Canaveral, na Flórida (EUA). ... www.inpe.br/institucional/sobre_inpe/historia.php 5 5 5

Instituto Nacional de Pesquisas Espaciais(INPE) http://www.inpe.br/crs/lcce/

www2.inpe.br/climaespacial/ Missão: monitorar o ambiente de espaço sol-terra, ionosfera e o solo, e prever possível influência na atividade tecnológica e econômica. www2.inpe.br/climaespacial/ 7 7

Clima Espacial Estuda os fenômenos da interação Sol-Terra. Aeronomia é o estudo das relações físico-químicas da alta atmosfera. FONTE: http://www2.inpe.br/climaespacial/workshop2011usuarios/files/ 8 8 8

Clima Espacial Os Fenômenos estudados pelo clima espacial são “caóticos” Sistemas do clima espacial (Santa Maria/Clusters) 9 9

Ionosfera e 3D; densidade eletrônica em altitude. Clima Espacial Ionosfera e 3D; densidade eletrônica em altitude. 10 10

Clima Espacial Campo magnético. 11

Interferências da Ionosfera, cotidiano. Clima Espacial Interferências da Ionosfera, cotidiano. 12 12

Modelo Matemático “ Um modelo matemático de um sistema real é um análogo matemático que representa algumas das características observadas em tal sistema. ... mas não todas.” FONTE: AGUIRRE, L. A – Introdução à identificação de sistemas – Editora UFMG 13

Modelo Matemático Tipos de modelos matemáticos: Modelagem caixa branca – Conhece-se bem Modelagem caixa preta – Pouco ou nenhum conhecimento previu do sistema (identificação). Modelagem caixa cinza – Meio termo, usa informações auxilares. FONTE:AGUIRRE, L. A – Introdução à identificação de sistemas – Editora UFMG 14

Fenômeno atmosféricos são caóticos!!!! Modelo Matemático O Clima Espacial do INPE utiliza um modelo Físico- Quimico. Modelo de primeiros princípios, 8 milhões de pontos simulados por hora. Fenômeno atmosféricos são caóticos!!!! 15 15

A assimilação de dados é uma generalização da teoria da estimação. A teoria da estimação é um ramo da estatística que permite obter estimativas de certas variáveis e parâmetros, conhecendo-se apenas as observações e supondo que essas sejam afetadas por erros de natureza aleatória. FONTE: Assimilação de Dados em Modelos do Sistema Terra – 2o ciclo MOG – FCUL – Prof. Carlos Pires 16 16

Assimilação de Dados Modelo de primeiro princípios, usa dados de diversos outros modelos, como entrada. 17 17

Assimilação de Dados Os principais métodos de assimilação são: Método de Correções Sucessivas Interpolação Ótima Ajuste Polinomial - Relaxação Newtoniana - 3D-Var - Assimilação Estatística no Espaço Físico (PSAS) - Filtro de Kalman - 4D-Var 18

Assimilação de Dados 19

Equação geral da Assimilação de Dados 20

Assimilação de Dados Métodos empíricos, em geral, não distinguem boas observação de dados espúrios. A solução é o uso de Assimilação com técnicas estatísticas .

Assimilação de Dados Suponha que precisamos medir a temperatura de um aparelho. Possuímos dois termômetros cada qual com seu erro, conhecido. Como estimar a temperatura verdadeira sem excluir nenhuma informação? Considerando medidas não tendenciosas (unbiased)

Assimilação de Dados Considerando que a variância do erro: Considerando o erro não correlacionado Objetivo é estimar . Podemos usar uma combinação linear para melhorar a estimava da temperatura verdadeira.

Assimilação de Dados A análise não deve ser tendenciosa, isso é: será a melhor estimativa de quando os coeficientes da equação linear forem tais que minimize o erro médio quadrático de

Assimilação de Dados

Assimilação de Dados Minimizando a função:

Assimilação de Dados Substituindo os coeficientes na equação (1)... a precisão (definida como inverso da variância) da análise é a soma das precisões das medidas.

Assimilação de Dados Método de Interpolação Ótima: A análise (Ta) tenderá a aproximar-se da distribuição que possui a menor variância.

Assimilação de Dados Fazendo troca de variáveis Resulta:

Interpolação Espacial Interpolação é um processo matemático que tem por objetivo estimar valores intermediários inexistentes tomando com base os dados existentes. 30

Interpolação Espacial

Interpolação Espacial “A melhor forma de representação da variabilidade espacial de um elemento meteorológico é por meio de mapas de isolinhas (contorno), entretanto, na sua confecção é necessária à realização de uma interpolação.” FONTE: INTERPOLAÇÃO ESPACIAL NA CLIMATOLOGIA: ANÁLISE DOS CRITÉRIOS QUE PRECEDEM SUA APLICAÇÃO REVISTA GEONORTE, Edição Especial 2, V.1, N.5, p.606 – 618, 2012 32

Interpolação Espacial

Interpolação Espacial Há vários métodos, dois serão comentados: Inverse Distance Weighting (IDW) Krigagem (método ótimo, MSE)

Obrigado! Everson Mattos CRS/INPE www.inpe.br/crs/lcce everson.mattos@inpe.br Santa Maria-RS, Jun/2013