Rélations hydrométéorologiques sur les côtes du Golfe de Guinée: influence de l'orientation de la côte

The Gulf of Guinea is remarkable for its abundant precipitations and negative anomalies of the surface water temperature. This originality comes from the southern monsoon which transfers the cold season to the middle of northern summer up to latitude 10 degrees North. Yearly precipitations, which can vary along the coast, are well in correlation with coast crossing air flow (r=0.71) and with the sea-air temperature difference (r=0.72). Precipitations provide a better correlation with surface temperatures (0.72) than with salinities (-0.63). The wind influence upon negative anomaly of the surface temperature is more clear on N-S coast (r=0.98) than on W-E coast (r=0.73) of the Gulf. Temporal correlations calculated on 16 years of observations in Pointe-Noire are in connection with previous spatial correlations. Coastal hydroclimates are thus likely to be deduced from meteorology.

Emissões atmosféricas e implicações potenciais sobre a biota terrestre devido as atividades antrópicas na Baía do Almirantado/ Ilha Rei George Antártica

Neste trabalho foi realizado um estudo sobre o impacto sobre a atmosfera e a biota terrestre devido às emissões antrópicas na Baia do Almirantado/Ilha Rei George Antártica. Foram monitoradas as emissões dos compostos orgânicos voláteis e semi-voláteis, tanto nas fontes emissoras como no entorno da Estação Antártica Comandante Ferraz e estimadas as emissões dos navios, dos geradores a diesel e da incineração de lixo. Na avaliação do entorno, coletaram-se amostras de ar, neve e penas de aves. Com os resultados das emissões, do estudo topográfico e da meteorologia, realizou-se uma modelagem de plumas gaussiana para avaliar os impactos. Quatro cenários foram avaliados: dois com a presença dos navios NApOc Ary Rongel e Maximiano apresentaram concentrações máximas de até 356 g m-3 de COV e 18 g m-3 de material particulado, enquanto os demais, sem a presença dos navios, apenas considerando as estações de pesquisa EACF e Arctowski, apresentaram concentrações máximas de até 2,5 g m-3 de COV e 1,3 g m-3 de material particulado. Amostras de COV coletadas foram compatíveis com o cenário mais crítico. O estudo de correlação para carbonilas e HPA atmosférico e Carbono elementar e HPA, depositados em neve, apontaram a EACF como a principal fonte de emissão. As concentrações de levoglucosano detectadas a aproximadamente 2 km da EACF apontaram para a prática de incineração de lixo da EACF. Todas as áreas de interesse biológicos, anteriormente mapeados, dentro da AAEG, são vulneráveis às emissões antrópicas, como sugeriu o modelo de dispersão e a sobreposição dos resultados encontrados.

Aperfeiçoamento da previsão global em séries temporais caóticas

A previsão de valores futuros em séries temporais produzidas por sistemas caóticos pode ser aplicada em diversas áreas do conhecimento como Astronomia, Economia, Física, Medicina, Meteorologia e Oceanografia. O método empregado consiste na reconstrução do espaço de fase seguido de um termo de melhoria da previsão. As rotinas utilizadas para a previsão e análise nesta linha de pesquisa fazem parte do pacote TimeS, que apresenta resultados encorajadores nas suas aplicações. O aperfeiçoamento das rotinas computacionais do pacote com vistas à melhoria da acurácia obtida e à redução do tempo computacional é construído a partir da investigação criteriosa da minimização empregada na obtenção do mapa global. As bases matemáticas são estabelecidas e novas rotinas computacionais são criadas. São ampliadas as possibilidades de funções de ajuste que podem incluir termos transcendentais nos componentes dos vetores reconstruídos e também possuir termos lineares ou não lineares nos parâmetros de ajuste. O ganho de eficiência atingido permite a realização de previsões e análises que respondem a perguntas importantes relacionadas ao método de previsão e ampliam a possibilidade de aplicações a séries reais.

Proposal and validation of methodologies for the categorisation of continuous variables in the development of prediction models

158 p.

Estudo de níveis de ozônio troposférico usando métodos de estatística univariada e multivariada para duas localidades da cidade do Rio de Janeiro

Com cada vez mais intenso desenvolvimento urbano e industrial, atualmente um desafio fundamental é eliminar ou reduzir o impacto causado pelas emissões de poluentes para a atmosfera. No ano de 2012, o Rio de Janeiro sediou a Rio +20, a Conferência das Nações Unidas sobre Desenvolvimento Sustentável, onde representantes de todo o mundo participaram. Na época, entre outros assuntos foram discutidos a economia verde e o desenvolvimento sustentável. O O3 troposférico apresenta-se como uma variável extremamente importante devido ao seu forte impacto ambiental, e conhecer o comportamento dos parâmetros que afetam a qualidade do ar de uma região, é útil para prever cenários. A química das ciências atmosféricas e meteorologia são altamente não lineares e, assim, as previsões de parâmetros de qualidade do ar são difíceis de serem determinadas. A qualidade do ar depende de emissões, de meteorologia e topografia. Os dados observados foram o dióxido de nitrogênio (NO2), monóxido de nitrogênio (NO), óxidos de nitrogênio (NOx), monóxido de carbono (CO), ozônio (O3), velocidade escalar vento (VEV), radiação solar global (RSG), temperatura (TEM), umidade relativa (UR) e foram coletados através da estação móvel de monitoramento da Secretaria do Meio Ambiente (SMAC) do Rio de Janeiro em dois locais na área metropolitana, na Pontifícia Universidade Católica (PUC-Rio) e na Universidade do Estado do Rio de Janeiro (UERJ) no ano de 2011 e 2012. Este estudo teve três objetivos: (1) analisar o comportamento das variáveis, utilizando o método de análise de componentes principais (PCA) de análise exploratória, (2) propor previsões de níveis de O3 a partir de poluentes primários e de fatores meteorológicos, comparando a eficácia dos métodos não lineares, como as redes neurais artificiais (ANN) e regressão por máquina de vetor de suporte (SVM-R), a partir de poluentes primários e de fatores meteorológicos e, finalmente, (3) realizar método de classificação de dados usando a classificação por máquina de vetor suporte (SVM-C). A técnica PCA mostrou que, para conjunto de dados da PUC as variáveis NO, NOx e VEV obtiveram um impacto maior sobre a concentração de O3 e o conjunto de dados da UERJ teve a TEM e a RSG como as variáveis mais importantes. Os resultados das técnicas de regressão não linear ANN e SVM obtidos foram muito próximos e aceitáveis para o conjunto de dados da UERJ apresentando coeficiente de determinação (R2) para a validação, 0,9122 e 0,9152 e Raiz Quadrada do Erro Médio Quadrático (RMECV) 7,66 e 7,85, respectivamente. Quanto aos conjuntos de dados PUC e PUC+UERJ, ambas as técnicas, obtiveram resultados menos satisfatórios. Para estes conjuntos de dados, a SVM mostrou resultados ligeiramente superiores, e PCA, SVM e ANN demonstraram sua robustez apresentando-se como ferramentas úteis para a compreensão, classificação e previsão de cenários da qualidade do ar