Modelos de previsão a curto prazo para variáveis meteorológicas

Abstract

Nos últimos anos, devido às alterações climáticas, os períodos de seca têm sido mais frequentes e prolongados e, portanto, torna-se essencial uma gestão sustentável da água, em particular, nos sistemas de rega. Este estudo tem como principal objetivo desenvolver modelos de previsão a curto prazo (com horizonte temporal até 6 dias), para as diferentes variáveis meteorológicas que têm impacto no processo de evapotranspiração. Assim, são propostos os modelos de espaço de estados que permitem lidar com séries temporais com um comportamento instável, que é uma característica predominante nos dados meteorológicos. Estes modelos são muito flexíveis permitindo incorporar componentes estocásticas bastante úteis na previsão a curto prazo, melhorando, assim, a qualidade preditiva das previsões obtidas. Os modelos propostos estão associados ao filtro de Kalman na obtenção das predições ótimas das variáveis não observáveis, uma vez que é um algoritmo recursivo que atualiza e melhora as previsões do vetor de estados em tempo real, sempre que novas observações ficam disponíveis. Neste estudo são analisadas duas bases de dados distintas: a primeira corresponde a registos diários de variáveis meteorológicas, temperaturas máxima e mínima do ar, registadas numa estacão meteorológica instalada numa quinta em Carrazeda de Ansiães, situada em Bragança, região Norte de Portugal, recolhidas no período de 20 de fevereiro a 11 de outubro de 2019; a segunda base de dados é referente às previsões provenientes do website weatherstack.com com horizonte temporal até 6 dias relativas às mesmas variáveis meteorológicas e no mesmo período temporal. Apresenta-se uma comparação entre modelos de previsão, nomeadamente os modelos de espaço de estados associados ao filtro de Kalman, em particular o modelo de calibração, e os modelos de regressão linear simples, que constituem uma classe particular do modelo de calibração, considerando o estado determinístico. Esta dissertação foi realizada no âmbito de uma Bolsa de Investigação (BI) do Projeto “TO CHAIR - Os Desafios Ótimos na Irrigação”, cofinanciado pelo Fundo Europeu de Desenvolvimento Regional (FEDER), através do SA&ICT do Programa Operacional de Competitividade e Internacionalização (POCI) - COMPETE 2020, do Portugal 2020, pela Fundação para a Ciência e a Tecnologia (FCT), através de Fundos Nacionais.

Dry periods have been more frequent and prolonged in recent years due to climate change and, therefore, sustainable water management has become essential, particularly in irrigation systems. This study’s main goal is to develop short-term forecasting models (with a time horizon of up to 6 days) for the different meteorological variables that have an impact on the evapotranspiration process. Thus, we propose state space models that allow dealing with time series with unstable behavior, which is a predominant feature in meteorological data. These models are very flexible and allow incorporating stochastic components, which are very useful in the short-term forecast, thus improving the predictive quality of the obtained forecasts. The proposed models are associated to the Kalman filter for obtaining the unobservable variables’ optimal predictions, since it is a recursive algorithm that updates and improves the state vector forecasts in real time whenever new observations become available. In this study, two distinct databases are analyzed: the first one corresponds to daily records of meteorological variables, maximum and minimum air temperatures recorded at a weather station installed in a farm in Carrazeda de Ansiães, in Bragança, in the northern region of Portugal, collected in the period between February 20, 2019 and October 11, 2019; the second database refers to the forecasts from the weatherstack.com website with a time horizon of up to 6 days for the same meteorological variables and same time period. We present a comparison of the forecast models, namely the state space models associated with the Kalman filter, particularly the calibration model, and the simple linear regression models, which constitute a particular class of the calibration model when considering the deterministic state. This dissertation was carried out as part of a Research Grant (RG) from Project “TO CHAIR – The Optimal Challenges in Irrigation”, co-funded by the European Regional Development Fund (FEDER), through the SA&ICT of the Operational Program of Competitiveness and Internationalization (POCI) - COMPETE 2020, Portugal 2020, by the Foundation for Science and Technology (FCT), through National Funds.