Avaliação de redes ConvLSTM para a previsão de temperatura da superfície do mar na costa catarinense
Year: 2026
Type: dissertation
Abstract: AGRADECIMENTOSAgradeço à minha família por sempre incentivar os meus estudos e me apoiar incondicionalmente.À minha namorada, por todo o carinho e parceria ao longo desta jornada.Estendo meus agradecimentos às amizades que fiz durante a graduação, que tornaram esse percurso mais leve.Ao meu orientador, agradeço pelo suporte essencial durante o desenvolvimento deste projeto.Por fim, agradeço aos ótimos professores que tive durante o curso e à Universidade Federal de Santa Catarina (UFSC) pela excelente formação proporcionada. RESUMOA temperatura da superfície do mar (Sea Surface Temperature, SST) é uma variável de interesse prático na costa catarinense, onde apoia decisões de pescadores e oceanógrafos.Prever sua evolução nos próximos dias é relevante para a região, mas as simulações numéricas tradicionais têm custo computacional elevado, e modelos orientados por dados são uma alternativa, por aprenderem a dinâmica diretamente das observações.Este trabalho avalia a viabilidade de prever a SST de 1 a 7 dias com redes Convolutional Long Short-Term Memory (ConvLSTM), que tratam de forma conjunta sua estrutura espacial e sua dinâmica temporal.A partir do produto OSTIA (Operational Sea Surface Temperature and Sea Ice Analysis), recortado para a costa catarinense, foram treinadas 14 variantes de uma arquitetura ConvLSTM que combinam diferentes componentes arquiteturais, otimizadas por uma função de perda mascarada sobre os pixels oceânicos.As variantes foram avaliadas no conjunto de teste, por horizonte, com RMSE, Bias, Skill Score, Anomaly Correlation Coefficient (ACC) e atividade relativa, tomando a previsão por persistência (a repetição da última observação de SST) como referência.Todas superaram essa referência, com margem crescente ao longo do horizonte, e as variantes mais simples igualaram as mais completas, que reúnem todos os componentes avaliados.A previsão reproduz a estrutura de larga escala da SST, mas subestima sua variabilidade, com resultados progressivamente mais suaves.Conclui-se que, apesar do ganho consistente sobre a persistência, a utilidade da abordagem para a previsão de curto prazo da SST na região é limitada, pois a suavização e a alta autocorrelação temporal da SST, que muda pouco ao longo dos sete dias, restringem o que ela acrescenta.
Author: Ramos, Henrique Pereira
Institution: Universidade Federal de Santa Catarina
Language: Portuguese
Subfield: Environmental Engineering
Field: Environmental Science
Domain: Physical Sciences
SDG: Climate action
Open Access status: green
OpenAlex ID: W7213568857
