Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/3158
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorDelgado, Rafael Coll-
dc.contributor.authorJesus, Carolina Souza Leite de-
dc.date.accessioned2018-08-23T14:59:16Z-
dc.date.available2018-08-23T14:59:16Z-
dc.date.issued2017-06-23-
dc.identifier.urihttps://rima.ufrrj.br/jspui/handle/20.500.14407/3158-
dc.description.abstractAs mudanças climáticas induzem alterações de condutas da comunidade em geral e órgãos de gestão territorial em todo mundo. Previsões climáticas apontam principalmente redução significativa da pluviosidade, favorecendo ainda mais os processos de desertificação. Este trabalho tem como objetivo a predição de áreas susceptíveis à desertificação para o Estado do Rio de Janeiro. Para elaboração da predição de desertificação, foram testados anteriormente os modelos climáticos Canadian Centre for Climate Modelling and Analysis (CCCMA) e Geophysical Fluid Dynamic Laboratory (GFDL) para o cenário intermediário A1B, a partir de dados de radiação solar global no período baseline (1961-1990) gerados pelos modelos, dados de Estações Meteorológicas Convencionais e do sensor orbital Moderate Resolution Imaging Spectroradiometer (MODIS) MODIS Land Cover Type (MCD12Q1). Foram realizados testes para os modelos gaussiano, esférico e exponencial. Foram utilizados para a predição de áreas susceptíveis à desertificação posteriormente, dados futuros (2046-2065) do modelo Canadian Centre for Climate Modelling and Analysis (CCCMA), o Índice de Aridez e focos de incêndio. Os valores de grau de dependência espacial (GDE) obtidos para o modelo CCCMA foram 0,15 para o modelo exponencial; 23,09 para o esférico e 36,31 para o modelo gaussiano. Já para o modelo GFDL os GDE encontrados foram 43,95 para o modelo exponencial; 54,48 para o esférico e 59,67 para o modelo gaussiano. O modelo CCCMA utilizando a equação exponencial foi o que resultou no menor valor de GDE, sendo classificado com forte dependência espacial para o estado do Rio de Janeiro, sendo assim o mais indicado para realização de predições. O município Porciúncula foi o único que apresentou classe climática como Subúmido Seco, enquanto todos os outros foram classificados como Subúmido Úmido, também foi o que apresentou maior caráter árido. Cambuci, Porciúncula e Campos dos Goytacazes obtiveram maiores caráteres áridos enquanto Angra dos Reis, Paraty e Resende obtiveram os menores caráteres áridos. O mesmo ocorreu em relação aos focos de incêndios, os quais estarão em sua maioria no município de Campo dos Goytacazes, ocupado por vegetação savânica, e em sua minoria em Angra dos Reis e Paraty, ocupados por Floresta Ombrófila. Toda a metodologia proposta foi eficiente na predição de áreas susceptíveis à desertificação e a Região Norte Fluminense foi tida como a mais susceptível à ocorrência de incêndios.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectMudança de paisagempt_BR
dc.subjectModelos numéricos de previsão climáticapt_BR
dc.subjectDesertificaçãopt_BR
dc.titleValidação da radiação solar global do passado e cenário futuro de desertificação para o estado do Rio de Janeiropt_BR
dc.typeTCCpt_BR
dc.contributor.membersDelgado, Rafael Coll-
dc.contributor.membersCorreia, Tamíres Partélli-
dc.contributor.membersCarvalho, Daniel Costa de-
dc.degree.levelbachareladopt_BR
dc.description.abstractOtherClimate change induces changes in community conduct in general and territorial management bodies around the world. Climatic forecasts pointing mainly to significant reduction of rainfall, further favoring desertification processes. This work aims to predict areas susceptible to desertification for the State of Rio de Janeiro. In order to elaborate the prediction of desertification, the climate models of the Canadian Center for Climate Modeling and Analysis (CCCMA) and Geophysical Fluid Dynamic Laboratory (GFDL) for the intermediate scenario A1B were analyzed from data of global solar radiation in the baseline period (1961 -1990) generated by the models, data from Conventional Weather Stations and the MODIS Land Cover Type (MCD12Q1) orbital Moderate Resolution Imaging Spectroradiometer (MODIS) sensor. Tests were performed for the gaussian, spherical and exponential models. For the prediction of areas susceptible to desertification, future data (2046-2065) of the Canadian Center for Climate Modeling and Analysis (CCCMA), the Aridity Index and fire outbreaks were used. The spatial dependence degree (GDE) values obtained for the CCCMA model were 0.15 for the exponential model; 23.09 for the spherical and 36.31 for the Gaussian model. For the GFDL model, the GDE found were 43.95 for the exponential model; 54.48 for the spherical and 59.67 for the Gaussian model. The CCCMA model using the exponential equation resulted in the lowest GDE value, being classified with a strong spatial dependence for the state of Rio de Janeiro, being the most suitable for prediction. The Porciúncula municipality was the only one that presented climatic class as Dry Subhumid, while all others were classified as Wet Subhumid, was also the one that presented greater arid character. Cambuci, Porciúncula and Campos dos Goytacazes obtained larger arid characters while Angra dos Reis, Paraty and Resende obtained the smallest arid characters. The same occurred in relation to the outbreaks of fires, which will be mostly in the municipality of Campo dos Goytacazes, occupied by savanna vegetation, and in its minority in Angra dos Reis and Paraty, occupied by Ombrophylous Forest. All the proposed methodology was efficient in predicting areas susceptible to desertification and the Northern Fluminense Region was considered the most susceptible to the occurrence of fires.pt_BR
Appears in Collections:TCC - Engenharia Florestal

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_CAROLINA.pdf1.79 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.