Show simple item record

Spring drought forecasting in mainland Portugal based on large-scale climatic indices

dc.contributor.authorSantos, J. F.
dc.contributor.authorPortela, M. M.
dc.contributor.authorPulido Calvo, Inmaculada 
dc.date.accessioned2015-12-11T12:50:20Z
dc.date.available2015-12-11T12:50:20Z
dc.date.issued2015
dc.identifier.citationSantos, J.F., Portela; M.M., Pulido Calvo, I.; "Previsão de secas na primavera em Portugal Continental com base em indicadores climáticos de larga escala". Ingeniería del Agua. Vol. 19, n., 4, págs. 211-227, (2015). DOI: 10.4995/ia.2015.4109en_US
dc.identifier.issn1134-2196
dc.identifier.issn1886-4996 (electrónico)
dc.identifier.urihttp://hdl.handle.net/10272/11481
dc.description.abstractO sucesso de uma estratégia de mitigação dos efeitos da seca passa pela implementação de um sistema de monitorização e previsão eficaz, capaz de identificar os eventos de seca e de seguir a sua evolução espácio-temporal. Neste artigo demonstrase a eficiência de redes neuronais artificiais na previsão, para Portugal, do índice de precipitação padronizada, SPI, relativo à primavera. A validação dos modelos recorreu ao hindcasting, designando-se, por tal, a técnica através da qual um dado modelo é testado mediante a sua aplicação a períodos temporais históricos, com comparação dos resultados obtidos com as respectivas observações. O índice SPI foi calculado à escala temporal de 6 meses tendo o hindcast utilizado como indicadores climáticos a oscilação do Atlântico Norte e temperaturas da superfície do mar. O estudo evidenciou a mais valia da inclusão dos anteriores predictores externos no modelo de previsão. Elaboraram-se, ainda, mapas de probabilidade de ocorrência de seca os quais constituem importantes ferramentas no planeamento integrado e na gestão de recursos hídricos.en_US
dc.description.abstractThe success of a strategy of mitigation of the effects of the droughts requires the implementation of an effective monitoring and forecasting system, able to identify drought events and follow their spatiotemporal evolution. This article demonstrates the capability of the artificial neural networks in predicting the spring standardized precipitation index, SPI, for Portugal. The validation of the models used the hindcasting, which is a technique by which a given model is tested through its application to historical data followed by the comparison of the results thus achieved with the data. The SPI index was calculated at the timescale of six months and the climate indices used as external predictors in the hindcasting were the North Atlantic Oscillation and temperatures of the sea surface. The study showed the added value of the inclusion of previous predictors in the model. Maps of the probabilities of the drought occurrences which may be very important for integrated planning and management of water resources were also developed.en_US
dc.language.isoporen_US
dc.publisherUniversidad Politécnica de Valenciaen_US
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subject.otherRedes neuronais artificiaisen_US
dc.subject.otherHindcastingen_US
dc.subject.otherSPIen_US
dc.subject.otherNAOen_US
dc.subject.otherSSTen_US
dc.subject.otherSPIen_US
dc.subject.otherArtificial neural networksen_US
dc.titlePrevisão de secas na primavera em Portugal Continental com base em indicadores climáticos de larga escalaen_US
dc.titleSpring drought forecasting in mainland Portugal based on large-scale climatic indices
dc.typeinfo:eu-repo/semantics/articleen_US
dc.identifier.doi10.4995/ia.2015.4109
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessen_US


Files in this item

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España

Copyright © 2008-2010. ARIAS MONTANO. Repositorio Institucional de la Universidad de Huelva
Contact Us | Send Feedback |