Meteorologia https://repositorio.ufsc.br/handle/123456789/7503 2026-04-30T08:26:23Z 2026-04-30T08:26:23Z Guarda, Jhonny Clayton https://repositorio.ufsc.br/handle/123456789/273261 2026-04-14T13:35:34Z 2026-02-25T00:00:00Z

Variabilidade do ciclo anual da precipitação em Santa Catarina a partir da análise de EOFs Cicloestacionárias Guarda, Jhonny Clayton O estado de Santa Catarina (SC) apresenta uma climatologia de precipitação intrinsecamente complexa, resultante da interação de múltiplos sistemas meteorológicos e fenômenos de grande escala, com destaque para o El Niño– Oscilação Sul (ENOS). Dada a necessidade premente de dados pluviométricos confiáveis em regiões caracterizadas por baixa densidade de estações de superfície e com um histórico de dados longo, este estudo teve como objetivos centrais a validação do produto Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) para o território catarinense, a caracterização detalhada da climatologia de precipitação estadual e a decomposição de sua variabilidade espaço-temporal por meio das Funções Ortogonais Empíricas (EOFs) e Funções Ortogonais Empíricas Cicloestacionárias (CSEOFs). A validação do CHIRPS foi conduzida mediante comparação com dados observacionais de estações de superfície do Instituto Nacional de Meteorologia (INMET). Os resultados demonstraram elevada correlação (coeficientes superiores a 0,80),um viés reduzido e ausência de tendências nas series, atestando a adequação do CHIRPS para investigações climatológicas em Santa Catarina na escala mensal. A caracterização climatológica, baseada na série histórica de 44 anos (1981-2024), reafirmou a complexidade do regime pluviométrico catarinense. A média anual de 1.721 mm e a ausência de uma estação seca definida foram corroboradas, destacando-se os núcleos de máxima precipitação no ExtremoOeste (influenciados por Complexos Convectivos de Mesoescala e Jatos de Baixos Níveis) e no Litoral Norte (pela interação entre a circulação marítima e a orografia da Serra do Mar). A análise integrada de EOF demonstra que a variabilidade climática em Santa Catarina é governada por uma hierarquia de padrões. A maior parte da variância anual (79,6%) responde de forma homogênea e anual ao Pacífico (EOF1). No entanto, a decomposição cicloestacionária, quando somados, os 5 modos da CSEOF estes representaram 53% da variabilidade da precipitação no estado. A decomposição cicloestacionária revela que a influência do Oceano Pacífico (índices climáticos) não é constante, sendo fortemente modulada pelas estações do ano, com respostas específicas no verão/inverno (CSEOF1) e um pico agudo em novembro (CSEOF3). Adicionalmente, o estado apresenta uma variabilidade regional significante, baseada no contraste entre o interior e o litoral, capturada tanto na média anual (EOF2) quanto em sua janela de atividade no outono/inverno (CSEOF2), esta última correlacionada com o SOI. Os modos de menor variância (CSEOF4 e 5) complementam o sistema, detalhando dinâmicas sazonais específicas do verão e transições de fase entre junho e outubro.; Santa Catarina (SC), in Southern Brazil region, possesses a highly complex precipitation climatology, shaped by the interplay of various meteorological systems and large-scale phenomena—most notably, the El Niño–Southern Oscillation (ENSO). Given the urgent need for accurate rainfall data in areas with sparse surface stations and extensive historical records, this study primarily aimed to validate the Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) product throughout Santa Catarina, deliver a detailed characterization of the state's precipitation climatology, and examine its spatiotemporal variability using Empirical Orthogonal Functions (EOFs) and Cyclostationary Empirical Orthogonal Functions (CSEOFs). CHIRPS was validated by comparing it with INMET surface station observations. Results indicated strong correlations (coefficients above 0.80), low bias, and no evident trends in the series, confirming that CHIRPS is suitable for monthly-scale climatological analysis in Santa Catarina. Using a 44-year data set (1981–2024), the climatological assessment highlighted the region's intricate rainfall patterns. The findings confirmed an annual average precipitation of 1,721 mm and the absence of a distinct dry season, with maximum rainfall centers observed in the Far West, affected by Mesoscale Convective Complexes and Low Level Jets, and on the North Coast, where oceanic circulation interacts with the Serra do Mar's orography. An integrated EOF analysis revealed that Santa Catarina’s climate variability is dominated by hierarchical patterns; the leading mode (EOF1) accounts for 79.6% of annual variance and reflects a broad, Pacific-driven response. The CSEOF analysis showed that five cyclostationary modes together explained 53% of precipitation variability. Seasonal decomposition demonstrated that the Pacific Ocean’s influence varies, being strongly linked to summer/winter events (CSEOF1), peaking sharply in November (CSEOF3). Moreover, significant regional differences appear between the state’s interior and coastal zones, as shown both in annual averages (EOF2) and in autumn/winter activity (CSEOF2), which is associated with the SOI. The lowest-variance modes (CSEOF4 and CSEOF5) further describe summer-specific dynamics and phase changes, occurring from June to October. TCC (graduação) - Universidade Federal de Santa Catarina, Centro de Ciências Físicas e Matemáticas, Meteorologia.

2026-02-25T00:00:00Z Oliveira, Roseli de https://repositorio.ufsc.br/handle/123456789/273260 2026-04-14T13:34:51Z 2016-12-09T00:00:00Z

Tornado de Xanxerê - 2015: Análise Sinótica e Caraceterização das Condições Atmosféricas Usando o Modelo WRF Oliveira, Roseli de A ocorrência de tornados em SC e a escassez de estudos das características sinóticas das tempestades severas usando modelos numéricos, mostram a importância da realização do presente trabalho. Neste sentido, foi realizada uma investigação das condições atmosféricas favoráveis à formação de tornados, para isso foram usados dados de radar meteorológico, cartas sinóticas e reanálise do modelo ECMWF. A análise refere-se ao evento tornádico ocorrido em Xanxerê–SC, por volta das 18 UTC (15h00min, horário local) do dia 20 de abril de 2015. O período da análise sinótica foi de 48 horas, abrangendo o antes e durante a ocorrência da tempestade. Já o estudo do ambiente atmosférico local foi feito usando modelagem numérica. Com o modelo WRF foram realizados quatro experimentos numéricos. Os experimentos decorreram na mudança de parametrizações que influenciam nas condições de meso e escala local. As condições iniciais e de contornos foram usadas a partir das análises do modelo global Global Forecast System (GFS) do NCEP, com resolução espacial de 0.25° de latitude-longitude, resolução temporal de 6h (0h, 6h, 12h, 18h UTC), e 27 níveis na vertical. A análise sinótica mostrou que na região Sul, atuava em altos níveis o JST e em baixos níveis um JBN III que associados formam regiões favoráveis a ocorrência de tempestades severas. Ainda mostrou a atuação de uma frente fria que se encontrava entre o Paraguai e o Rio Grande do Sul no dia do tornado. Com relação aos experimentos numéricos com o WRF, o experimento que obteve os valores mais próximos dos valores de referência (Reanálise) foi o Exp04, o qual foi feitas mudanças na Camada Limite Planetária, inferindo que o ambiente atmosférico local foi influenciado significativamente pela camada limite. Os índices de instabilidade, calculados para o Exp04 apresentaram condição de instabilidade muito forte, apresentando valores compatíveis com a literatura, sugerindo que o ambiente atmosférico apresentou condições favoráveis à ocorrência de tempestades severas, o que inclui a possibilidade de eventos tornádicos.; The occurrence of tornadoes in State of Santa Catarina (Brazil) and the scarcity of using numerical models for severe storms synoptic studies, demonstrate the importance of performing the present work. In this work an investigation of favorable atmospheric conditions to tornado formation was done using data of meteorological radar, synoptic charts, and reanalysis of the ECMWF model was carried out. The analysis refers to the Tornadic event that occurred in Xanxerê-SC, around 18 UTC (15:00 local time) on April 20, 2015. The period of the synoptic analysis was 48 hours, covering the before and during the occurrence of the storm, in which data were used as satellite images The study of the local atmospheric environment was done using numerical modeling. Numerical simulations were performed WRF model, for four different experiments. The experiments took place on influencing parametrizations change on the meso and local scale conditions. The initial and contour conditions were used through the global NCEP Global Forecast System (GFS) with spatial resolution of 0.25 ° latitude-longitude, temporal resolution of 6h (0h, 6h, 12h, 18h UTC), and 27 levels vertically. Three relevant results were obtained in this research. The synoptic analysis showed that in the Brazilian South Region, Sub-Tropical Jet Stream was acting at high levels, and Low-Level Jet III at low levels that associated, forming favorable regions to the occurrence of severe storms. Also was showed the action of a cold front between the Country of Paraguay and the State of Rio Grande do Sul on the tornado day. In relation to the WRF numerical experiments, the experiment that obtained the closest values to the reference values (Reanalysis) was Exp04, which were made changes in the Planetary Limit Layer, suggesting that the local atmospheric environment was significantly influenced by the boundary layer. The instability index computed to Exp04 presented the very strong instability condition, acoording to literature , suggesting that the atmospheric environment presented conditions favorable to the severe storms occurrence, which includes the possibility of tornadic events. TCC(graduação) - Universidade Federal de Santa Catarina. Centro de Ciências Físicas e Matemáticas. Meteorologia.

2016-12-09T00:00:00Z Cattelan, Luis Gustavo Prates https://repositorio.ufsc.br/handle/123456789/263549 2025-02-24T13:58:57Z 2024-12-16T00:00:00Z

Ensemble ponderado de modelos climáticos para projeções de precipitação na Amazônia Cattelan, Luis Gustavo Prates A Amazônia é essencial para o equilíbrio climático global, funcionando como uma das principais fontes de evapotranspiração e armazenamento de carbono do planeta. No entanto, modelos climáticos frequentemente apresentam grandes vieses ao representar o clima amazônico, devido à complexidade dos processos atmosféricos e da interação entre vegetação e clima na região. Este estudo visa melhorar a confiabilidade das projeções climáticas para a Amazônia, construindo um conjunto (“ensemble”) de 24 modelos de última geração, ponderados pela acurácia em representar precipitação média anual, sazo- nalidade e variabilidade interanual. Para comparação, foi criado um ensemble de média democrática, onde todos os modelos têm o mesmo peso, como é usualmente feito. Levando em conta a heterogeneidade da bacia, a análise considera quatro sub-regiões amazônicas: norte, sul, leste e oeste. Ao investigar os cenários de emissões SSP2-4.5 e SSP5-8.5, observam-se projeções de maior secura e aumento de variabilidade interanual, especialmente no ensemble ponderado, sugerindo maior risco de eventos climáticos extremos, como secas e enchentes, sobretudo nas regiões sul e oeste. Além disso, as projeções indicam um aumento na sazonalidade, o que agrava o estresse hídrico durante períodos secos prolongados, afetando especialmente a vegetação adaptada a regimes de chuva mais estáveis, com destaque para a vulnerabilidade da região oeste. A diversidade nos resultados dos modelos, especialmente na precipitação, reforça a importância de integrar mais variáveis e processos fisiológicos para aprimorar as previsões e reduzir as incertezas sobre o futuro climático da Amazônia. TCC (graduação) - Universidade Federal de Santa Catarina, Centro de Ciências Físicas e Matemáticas, Meteorologia.

2024-12-16T00:00:00Z Rodrigues, Gabriel Luan https://repositorio.ufsc.br/handle/123456789/263548 2025-02-24T13:57:12Z 2022-12-19T00:00:00Z

Aplicação de Métodos de Aprendizado de Máquina para Downscaling de Reanálises Atmosféricas e Previsão de Safras de Trigo no Estado de Santa Catarina Rodrigues, Gabriel Luan Compreender as relações entre o clima e a produtividade agrícola é, cada vez mais, essencial dentro dos modelos de produção e comercialização de commodities nos dias atuais. Poder prever os impactos que as lavouras de Trigo em Santa Catarina podem sofrer a partir das variáveis climáticas, pode auxiliar os triticultores a tomar decisões mais assertivas acerca dos tratos culturais e manejo em campo. A fim de criar um modelo especialista, capaz de prever essas condições, o presente trabalho faz o uso de métodos de aprendizado de máquina para o downscaling de reanálises atmosféricas e previsão de safras de trigo no Estado de Santa Catarina. Os principais objetivos envolvidos no desenvolvimento deste modelo estão em: a) Refinar dados de reanálises (downscaling) a partir de métodos de regressão, via algoritmos de aprendizado de máquina; b) avaliar o desempenho do resultado do downscaling para as estações de referência.; c) elaborar um modelo de aprendizado de máquina capaz de prever a produtividade em quilogramas por hectare por município, a partir das variáveis meteorológicas. Os métodos utilizados para este estudo envolveram o uso de redes neurais artificiais para downscaling, sendo estas alimentadas com o conjunto de 6 reanálises diferentes para as variáveis de temperatura, precipitação, umidade e radiação em valores representativos diários. Os dados de referência foram obtidos a partir de 24 estações meteorológicas automáticas dispostas em todo o Estado de Santa Catarina. A partir dos resultados de downscaling foram elaborados os modelos de rede neural recorrente Long Short-Term Memory previsores de produtividade média em quilogramas por hectare para 130 municípios com produção contínua de trigo em uma série entre 1981 e 2021. O resultado dos modelos de downscaling apresentaram os melhores desempenhos para as variáveis de temperatura, indicando coeficientes de correlação de até 0.99 e desvios médios muito próximos de zero. O pior desempenho foi observado para a variável de umidade mínima, com pontos de referência indicando correlações negativas. Para precipitação e para as variáveis de radiação, a melhora do desempenho foi observada, principalmente na diminuição do desvio padrão. Os modelos previsores de produtividade, foram capazes de prever os valores com erros entre ±10% em relação ao valor real para os anos de 2020 e 2021. A utilização de redes neurais artificiais se mostraram como uma excelente ferramenta para o downscaling dos valores de temperatura. Já para os modelos de redes neurais recorrentes Long Short-Term Memory, apresentaram resultados satisfatórios, mas que carecem de avaliações mais robustas.; Understanding the relationship between climate and agricultural productivity is increasingly essential within the models of production and commercialization of commodities today. Being able to predict the impacts that the Wheat crops, in Santa Catarina, can suffer from climatic variability can help triticulturists to make more assertive decisions about cultural treatments and field management. In order to create an expert model capable of predicting these conditions, this paper makes use of machine learning methods for downscaling atmospheric reanalysis and forecasting wheat crops in Santa Catarina State. The main objectives involved in the development of this methodology are: a) downscaling the data with regression methods, via machine learning algorithms; b) evaluating the performance of the downscaling results for the reference stations; c) developing a machine learning model capable of predicting the productivity in kilograms per hectare per municipality, based on meteorological variables. The methods used for this study involved the use of artificial neural networks for downscaling, these being fed with the set of 6 different reanalyses for the variables of temperature, precipitation, humidity and radiation in daily values. The reference data were obtained from 24 automatic weather stations arranged throughout the State of Santa Catarina. From the downscaling results, Long Short-Term Memory recurrent neural network models were developed to predict average yield in kilograms per hectare for 130 municipalities with continuous wheat production in a series between 1981 and 2021. The best downscaling performances were detected for the temperature variables, with correlation coefficients up to 0.99 and mean deviations very close to zero. The worst performance was observed for the minimum humidity variable, with reference points indicating negative correlations. For precipitation and radiation variables, improved performance was observed, mainly in the decrease of the standard deviation. The yield prediction models were able to predict the values with errors between ±10% compared to the actual value for the years 2020 and 2021. The use of artificial neural networks proved to be an excellent tool for downscaling temperature reanalysis values. As for the Long Short-Term Memory recurrent neural network models, they showed satisfactory results, but need more robust evaluations. TCC (graduação) - Universidade Federal de Santa Catarina, Centro de Ciências Físicas e Matemáticas, Meteorologia.

2022-12-19T00:00:00Z