Towards a Definition for Extreme Weather Events in Rio de Janeiro City
Resumo
Eventos climáticos extremos é uma nova área de pesquisa que recentemente tem atraído a atenção de pesquisadores de diferentes domínios. Neste artigo, investigamos este fenômenos do ponto de vista da predição e baseados em dados de chuvas severas que ocorreram na cidade do Rio de Janeiro. Buscamos uma definição formal para o que compreende um evento climático extremo o qual possa esclarecer seu conceito e auxiliar na condução das pesquisas. Nosso resultado inicial é uma caracterização do problema inspirada na reformulação de um framework de previsão baseado em modelos numéricos.
Palavras-chave:
Aprendizado de Máquina, Eventos extremos, Previsão de chuva, extreme events
Referências
M. Aires, J. L. F. de Oliveira, J. M. de Castro Junior, M. M. F. de Oliveira, and N. F. F. Ebecken. Numerical simulation of the atmosphere related to landslides triggered by heavy rainfalls. Engevista, 19(1):37–64, 2017.
T. Buch-larsen, J. P. Nielsen, M. Guillén, and C. Bolancé. Kernel density estimation for heavy-tailed distributions using the champernowne transformation. Statistics, 39(6): 503–516, 2005. doi: 10.1080/02331880500439782.
F. daSilva. Projeto pesquisa operacional, 2019. Internal Report, in PT.
C. Dereczynski, R. Calado, and A. Barros. Extreme rainfall in the city of rio de janeiro: History from the 19th century. Anuário do Instituto de Geociências - UFRJ, 40:17–30, 09 2017. doi: 10.11137/2017_2_17_30.
R. N. d’Orsi, N. M. Paes, M. A. Magalhães, R. da Silva Coelho, L. R. da Silva Junior, and L. R. S. Valente. Os 50 maiores acidentes geológico-geotécnicos na cidade do rio de janeiro entre 1966 e 2016. [link]., 2017. Accessed: 2022-06-24.
M. Farazmand and T. Sapsis. Extreme events: Mechanisms and prediction. Applied Mechanics reviews, 71(5), Sept. 2019. doi: https://doi.org/10.1115/1.4042065.
B. Gates. How to avoid a Climate Disaster: The Solutions We Have and the Breakthroughs We Need. Random House Large Print Publishing, 2021.
L. Haans and A. Ferreira. Extreme Value Theory An Introduction. Springer, 2006. ISBN 978-0-387-34471-3.
V. Lucarini, D. Faranda, A. de Freitas, J. de Freitas, J. Holland, T. Kuna, M. Nicol, M. Todd, and S. Vaienti. Extremes and Recurrence in Dynamical Systems. Wiley, 2016. ISBN 978-1-118-63219-2.
A. Luiz-Silva, W.and Oscar-Júnior. Climate extremes related with rainfall in the state of rio de janeiro, brazil: a review of climatological characteristics and recorded trends. Nat Hazards, (10), 2022. doi: https://doi.org/10.1007/s11069-022-05409-5.
M. Mudelsee. Extreme Value Time Series. Springer, 2010.
F. Porto, M. Ferro, E. Ogasawara, T. Moeda, C. D. Tenorio de Barros, A. Chaves Silva, R. Zorrilla, R. Silva Pereira, R. Nascimento Castro, J. V. Silva, R. Salles, A. J. Fonseca, J. Hermsdorff, M. Magalhães, V. Sá, A. A. Simões, C. Cardoso, and E. Bezerra. Machine learning approaches to extreme weather events forecast in urban areas: Challenges and initial results. Supercomputing Frontiers and Innovations, 9(1):49–73, May 2022. doi: 10.14529/jsfi220104.
H. Touchette. A basic introduction to large deviations: Theory, applications, simulations. 2011. doi: 10.48550/ARXIV.1106.4146.
Y. Wang, E. Coning, A. Harou, W. Jacobs, P. Joe, L. Nikitina, R. Roberts, J. Wang, J.Wilson, A. Atencia, B. Bica, B. Brown, S. Goodmann, A. Kann, P.-w. Li, I. Monterio, F. Schmid, A. Seed, and J. Sun. Guidelines for Nowcasting Techniques. 11 2017. ISBN 978-92-63-11198-2.
G. S.Watson. Extreme values in samples from m-dependent stationary stochastic processes. The Annals of Mathematical Statistics, 25(4):798–800, 1954.
Y. Xiang, J. Ma, and X. Wu. A precipitation nowcasting mechanism for real-world data based on machine learning. Mathematical Problems in Engineering, 2020:1–11, 11 2020. doi: 10.1155/2020/8408931.
T. Buch-larsen, J. P. Nielsen, M. Guillén, and C. Bolancé. Kernel density estimation for heavy-tailed distributions using the champernowne transformation. Statistics, 39(6): 503–516, 2005. doi: 10.1080/02331880500439782.
F. daSilva. Projeto pesquisa operacional, 2019. Internal Report, in PT.
C. Dereczynski, R. Calado, and A. Barros. Extreme rainfall in the city of rio de janeiro: History from the 19th century. Anuário do Instituto de Geociências - UFRJ, 40:17–30, 09 2017. doi: 10.11137/2017_2_17_30.
R. N. d’Orsi, N. M. Paes, M. A. Magalhães, R. da Silva Coelho, L. R. da Silva Junior, and L. R. S. Valente. Os 50 maiores acidentes geológico-geotécnicos na cidade do rio de janeiro entre 1966 e 2016. [link]., 2017. Accessed: 2022-06-24.
M. Farazmand and T. Sapsis. Extreme events: Mechanisms and prediction. Applied Mechanics reviews, 71(5), Sept. 2019. doi: https://doi.org/10.1115/1.4042065.
B. Gates. How to avoid a Climate Disaster: The Solutions We Have and the Breakthroughs We Need. Random House Large Print Publishing, 2021.
L. Haans and A. Ferreira. Extreme Value Theory An Introduction. Springer, 2006. ISBN 978-0-387-34471-3.
V. Lucarini, D. Faranda, A. de Freitas, J. de Freitas, J. Holland, T. Kuna, M. Nicol, M. Todd, and S. Vaienti. Extremes and Recurrence in Dynamical Systems. Wiley, 2016. ISBN 978-1-118-63219-2.
A. Luiz-Silva, W.and Oscar-Júnior. Climate extremes related with rainfall in the state of rio de janeiro, brazil: a review of climatological characteristics and recorded trends. Nat Hazards, (10), 2022. doi: https://doi.org/10.1007/s11069-022-05409-5.
M. Mudelsee. Extreme Value Time Series. Springer, 2010.
F. Porto, M. Ferro, E. Ogasawara, T. Moeda, C. D. Tenorio de Barros, A. Chaves Silva, R. Zorrilla, R. Silva Pereira, R. Nascimento Castro, J. V. Silva, R. Salles, A. J. Fonseca, J. Hermsdorff, M. Magalhães, V. Sá, A. A. Simões, C. Cardoso, and E. Bezerra. Machine learning approaches to extreme weather events forecast in urban areas: Challenges and initial results. Supercomputing Frontiers and Innovations, 9(1):49–73, May 2022. doi: 10.14529/jsfi220104.
H. Touchette. A basic introduction to large deviations: Theory, applications, simulations. 2011. doi: 10.48550/ARXIV.1106.4146.
Y. Wang, E. Coning, A. Harou, W. Jacobs, P. Joe, L. Nikitina, R. Roberts, J. Wang, J.Wilson, A. Atencia, B. Bica, B. Brown, S. Goodmann, A. Kann, P.-w. Li, I. Monterio, F. Schmid, A. Seed, and J. Sun. Guidelines for Nowcasting Techniques. 11 2017. ISBN 978-92-63-11198-2.
G. S.Watson. Extreme values in samples from m-dependent stationary stochastic processes. The Annals of Mathematical Statistics, 25(4):798–800, 1954.
Y. Xiang, J. Ma, and X. Wu. A precipitation nowcasting mechanism for real-world data based on machine learning. Mathematical Problems in Engineering, 2020:1–11, 11 2020. doi: 10.1155/2020/8408931.
Publicado
19/09/2022
Como Citar
FERRO, Mariza; BEZERRA, Eduardo; OGASAWARA, Eduardo; MORAES, Nilton; PORTO, Fabio.
Towards a Definition for Extreme Weather Events in Rio de Janeiro City. In: WORKSHOP ON DATA-DRIVEN EXTREME EVENTS ANALYTICS (DEXEA) - SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 37. , 2022, Búzios.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 181-186.
DOI: https://doi.org/10.5753/sbbd_estendido.2022.21862.
