Visualización, predicción y análisis de variables climáticas del océano Atlántico mediante técnicas de aprendizaje automático
NAGIOS: RODERIC FUNCIONANDO

Visualización, predicción y análisis de variables climáticas del océano Atlántico mediante técnicas de aprendizaje automático

DSpace Repository

Visualización, predicción y análisis de variables climáticas del océano Atlántico mediante técnicas de aprendizaje automático

Show simple item record

dc.contributor.advisor Geraldo Ferreira, Antonio
dc.contributor.advisor Gómez Sanchis, Juan
dc.contributor.advisor Vila Francés, Joan
dc.contributor.author Carrasco Fernández, Juan José
dc.contributor.other Departament d'Enginyeria Electrònica es_ES
dc.date.accessioned 2020-02-24T06:59:23Z
dc.date.available 2020-02-25T05:45:05Z
dc.date.issued 2019 es_ES
dc.date.submitted 06-03-2020 es_ES
dc.identifier.uri https://hdl.handle.net/10550/73195
dc.description.abstract El clima del océano Atlántico tropical está caracterizado por un gran ciclo estacional, que presenta una significativa variabilidad océano-atmosférica a escalas interanuales y decadales. Existen dos fenómenos principales que explican estas variaciones climáticas, el denominado modo ecuatorial y el modo meridional o dipolo. El primero se caracteriza por fases cálidas, con vientos alisios débiles y temperaturas en la superficie del mar anormalmente altas, así como por fases frías con vientos fuertes y temperaturas del mar inusualmente bajas. El segundo de estos modos se define como la oscilación en el gradiente de temperatura del mar entre el norte y el sur (dipolo), y está relacionado con los desplazamientos de la zona de convergencia intertropical. Ambos modos de variabilidad afectan de manera importante al régimen de precipitaciones de las regiones tropicales. El alto coste socioeconómico que implica estas fluctuaciones, justifica el interés de la comunidad científica en estudiar dichos procesos climáticos. La red de boyas fijas en el Atlántico tropical denominada PIRATA (Prediction and Research Moored Array in the Tropical Atlantic), adquiere variables atmosféricas y oceánicas en diferentes localizaciones del Atlántico. La finalidad de esta monitorización del océano es proporcionar un conjunto de datos que permita mejorar el conocimiento sobre los diferentes procesos que afectan a la variabilidad climática y, por tanto, posibiliten la mejora de los modelos de predicción. En esta Tesis Doctoral, con la finalidad de mejorar la comprensión de estos fenómenos climáticos, se plantea el análisis de los datos PIRATA mediante diferentes técnicas estadísticas y algoritmos de aprendizaje automático. En concreto, se propone el análisis de la relación entre el dipolo y las anomalías de lluvia, la identificación de patrones en los conjuntos de datos, así como la obtención de predicciones diarias y mensuales de la temperatura en la superficie del mar. Además, se presenta una herramienta diseñada para descargar y visualizar los datos PIRATA, que permite también la obtención de predicciones de la temperatura en la superficie del mar y la observación del modo dipolo. es_ES
dc.format.extent 236 p. es_ES
dc.language.iso es es_ES
dc.subject Aprendizaje automático es_ES
dc.subject Océano Atlántico es_ES
dc.subject Proyecto PIRATA es_ES
dc.title Visualización, predicción y análisis de variables climáticas del océano Atlántico mediante técnicas de aprendizaje automático es_ES
dc.type info:eu-repo/semantics/doctoralThesis es_ES
dc.subject.unesco UNESCO::CIENCIAS TECNOLÓGICAS::Tecnología electrónica es_ES
dc.description.abstractenglish The climate of the tropical Atlantic ocean is characterized by a large seasonal cycle, whith a significant ocean-atmospheric variability at interannual and decadal timescales. There are two main phenomena that explain these climatic variations, the so-called equatorial mode and the meridional or dipole mode. The first is characterized by warm phases, with weak trade winds and unusually high sea surface temperatures, as well as cold phases with strong trade winds and unusually low temperatures. The second of these modes is defined as the gradient oscillation of the sea surface temperature between the north and the south (dipole), and is related to the displacements of the intertropical convergence zone. Both modes of variability significantly affect the precipitation regime of the tropical regions. The high socioeconomic cost that these fluctuations imply, justifies the interest of the scientific community in studying these climatic processes. The Prediction and Research Moored Array in the Tropical Atlantic (PIRATA) acquires atmospheric and oceanic variables in different Atlantic locations. The purpose of this ocean monitoring is to provide a dataset that allows to improve the knowledge on the different processes that affect the climatic variability and, therefore, make possible the improvement of the forecast models. This Doctoral Thesis proposes the application of different statistical techniques and machine learning algorithms in the PIRATA data to improve the understanding of these climatic events. Specifically, it is proposed the analysis of the relationship between the dipole and rainfall anomalies, the identification of patterns in the datasets, as well as obtaining daily and monthly forecasts of the sea surface temperature. In addition, a software tool designed to download and display PIRATA data is presented, which also allows to obtain sea surface temperature forecasts and observe the dipole mode. es_ES
dc.embargo.terms 0 days es_ES

View       (21.97Mb)

This item appears in the following Collection(s)

Show simple item record

Search DSpace

Advanced Search

Browse

Statistics