Geração de séries temporais de dados meteorológicos utilizando algoritmos de aprendizado de máquina.

RESUMO - Este trabalho objetivou desenvolver uma metodologia baseada em algoritmos de Aprendizado de Maquina para gerar series espaco-temporais de precipitacao e temperatura. Foi definida uma regiao de estudo de formato retangular, entre as latitudes de -18o e -22o e as longitudes de -52o e -39o, incluindo a metade norte do Estado de Sao Paulo e parte do sul de Goias, a metade sul de Minas Gerais e o Estado do Espirito Santo. A regiao foi escolhida por ser climaticamente bastante heterogenea e por conter muitas estacoes meteorologicas de diversas instituicoes, principalmente ANA e INMET. Foram utilizadas as series temporais de precipitacao e de temperatura maxima e minima disponiveis na regiao, compreendendo o periodo de 01/01/1999 a 31/12/2013. Tambem foram utilizadas as bases externas TRMM e Nasa Power, cujos dados estao espacialmente dispostos em grades que cobrem a regiao de estudo. A regiao de estudo foi subdividida em formato de grade regular com resolucao de 0,5o (latitude e longitude), resultando em 280 quadriculas, sendo 28 na horizontal e 10 na vertical. Para cada quadricula foram ajustados modelos preditivos de precipitacao diaria, acumulada de 10 dias, temperatura maxima e temperatura minima. Os resultados revelaram um bom ajuste dos modelos em relacao aos valores previstos e observados, indicando um grande potencial da metodologia proposta tanto para a imputacao de dados ausentes quanto para a geracao de series espaco-temporais em regioes sem a presenca de dados medidos.