Estimando las Temperaturas Diarias en Andhra Pradesh, India, Usando Redes Neuronales Artificiales
Autores: Satyanarayana, Gubbala Ch.; Sambasivarao, Velivelli; Yasaswini, Peddi; Ali, Meer M.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Estimando las Temperaturas Diarias en Andhra Pradesh, India, Usando Redes Neuronales Artificiales
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Cambio climático
GFDL-ESM2G
IMD
Red neuronal artificial
SAT
Andhra Pradesh
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
En el pasado reciente, Andhra Pradesh (AP) ha experimentado tendencias crecientes en la temperatura media del aire en superficie (SAT a una altura de 2 m) debido al cambio climático. En este artículo, intentamos estimar la SAT utilizando el GFDL-ESM2G (Modelo del Sistema Terrestre del Laboratorio de Dinámica de Fluidos Geofísicos versión 2G), disponible en el Proyecto de Comparación de Modelos Acoplados Fase-5 (CMIP5). Este modelo presenta una discrepancia con las observaciones del Departamento Meteorológico de India (IMD) durante abril y mayo, que son los meses más propensos al calor en el estado. Por lo tanto, además de la SAT del modelo, el presente artículo considera otros parámetros, como la presión media a nivel del mar, los vientos en superficie, la humedad relativa en superficie y la radiación solar en superficie hacia abajo, que han influido en la SAT. Dado que los cinco parámetros meteorológicos del modelo GFDL-ESM2G influyen en la SAT del IMD, se ha utilizado una técnica de red neuronal artificial (ANN) para predecir la SAT utilizando los cinco parámetros meteorológicos mencionados como predictores (entrada) y la SAT del IMD como el resultado (salida). El modelo se desarrolló utilizando datos de 1981-2020 con diferentes retrasos temporales, y los resultados se probaron para 2021 y 2022, además de las pruebas aleatorias realizadas para 1981-2020. Los parámetros estadísticos entre las observaciones del IMD y las estimaciones de la ANN utilizando las predicciones del GFDL-ESM2G como entrada confirman que la SAT se puede estimar con precisión, como se describe en la sección de análisis. El análisis realizado para diferentes regiones de AP revela que las variaciones diurnas de la SAT en las observaciones del IMD y las predicciones de la ANN en tres regiones (Norte, Centro y Sur de AP) y en AP en general se comparan bien, con un error cuadrático medio que varía entre 0.97 grados C y 1.33 grados C. Así, las predicciones de SAT proporcionadas en las simulaciones del modelo GFDL-ESM2G podrían mejorarse estadísticamente utilizando la técnica de ANN en la región de AP.
Descripción
En el pasado reciente, Andhra Pradesh (AP) ha experimentado tendencias crecientes en la temperatura media del aire en superficie (SAT a una altura de 2 m) debido al cambio climático. En este artículo, intentamos estimar la SAT utilizando el GFDL-ESM2G (Modelo del Sistema Terrestre del Laboratorio de Dinámica de Fluidos Geofísicos versión 2G), disponible en el Proyecto de Comparación de Modelos Acoplados Fase-5 (CMIP5). Este modelo presenta una discrepancia con las observaciones del Departamento Meteorológico de India (IMD) durante abril y mayo, que son los meses más propensos al calor en el estado. Por lo tanto, además de la SAT del modelo, el presente artículo considera otros parámetros, como la presión media a nivel del mar, los vientos en superficie, la humedad relativa en superficie y la radiación solar en superficie hacia abajo, que han influido en la SAT. Dado que los cinco parámetros meteorológicos del modelo GFDL-ESM2G influyen en la SAT del IMD, se ha utilizado una técnica de red neuronal artificial (ANN) para predecir la SAT utilizando los cinco parámetros meteorológicos mencionados como predictores (entrada) y la SAT del IMD como el resultado (salida). El modelo se desarrolló utilizando datos de 1981-2020 con diferentes retrasos temporales, y los resultados se probaron para 2021 y 2022, además de las pruebas aleatorias realizadas para 1981-2020. Los parámetros estadísticos entre las observaciones del IMD y las estimaciones de la ANN utilizando las predicciones del GFDL-ESM2G como entrada confirman que la SAT se puede estimar con precisión, como se describe en la sección de análisis. El análisis realizado para diferentes regiones de AP revela que las variaciones diurnas de la SAT en las observaciones del IMD y las predicciones de la ANN en tres regiones (Norte, Centro y Sur de AP) y en AP en general se comparan bien, con un error cuadrático medio que varía entre 0.97 grados C y 1.33 grados C. Así, las predicciones de SAT proporcionadas en las simulaciones del modelo GFDL-ESM2G podrían mejorarse estadísticamente utilizando la técnica de ANN en la región de AP.