Aplicação de DTW para processamento espaço-temporal de séries de precipitação obtidas por sensores remotos

Transcrição

1 Aplicação de DTW para processamento espaço-temporal de séries de precipitação obtidas por sensores remotos Gracyeli Santos Souza Guarienti 1, César Eduardo Guarienti 1, Josiel Maimone de Figueiredo 2, José De Souza Nogueira 1, Jéssica Da Silva Linhares Frederico 1, Victória Santos Souza 3 ¹Programa de Pós-Graduação em Física Ambiental, Universidade Federal de Mato Grosso, Cuiabá, Mato Grosso, Brasil, gracyeli@gmail.com, cesar.guarienti@ic.ufmt.br, nogueira@ufmt.br, linharesengamb@gmail.com ²Instituto de Computação, Universidade Federal de Mato Grosso, Cuiabá, Mato Grosso, Brasil, josiel@ic.ufmt.br ³ Departamento de Agronomia, Universidade do Estado de Mato Grosso, Nova Xavantina, Mato Grosso, Brasil, victoriasouza@gmail.com RESUMO Variáveis climatológicas podem ser estudadas a partir de seu comportamento temporal. Nesse sentido, este trabalho aplicou uma técnica de análise temporal de variáveis climatológicas, que utiliza busca por similaridade em dados com resolução temporal de quinze anos. O enfoque deste trabalho é a aplicação da técnica Dynamic Time Warping (DTW) em séries de precipitação obtidas por sensores remotos provenientes do projeto Tropical Rainfall Measuring Mission (TRMM). Para a análise espaço-temporal executada neste estudo foram utilizados dados de precipitação provenientes dos biomas Amazônia, Cerrado, Pantanal e Mata Atlântica. Os resultados do DTW aplicado nos dados originais mostraram ser esta uma ótima ferramenta quando o objetivo é procurar similaridades entre séries temporais. Acreditase que a partir da identificação de padrões de semelhança entre séries temporais, tais informações possam auxiliar os estudos de previsões por meio de modelagens hidrológicas, subsidiando o planejamento e otimização da produção. PALAVRAS-CHAVE: Variáveis climatológicas, TRMM, Séries Temporais. ABSTRACT Climatological variables can be studied from its temporal behavior. This work applied a temporal analysis technique of the weather, which uses similarity search data with temporal 1

2 resolution of fifteen. The focus of this work is the application of the technique Dynamic Time Warping (DTW) precipitation series obtained by remote sensing from the project Tropical Rainfall Measuring Mission (TRMM). For the spatio-temporal analysis performed in this study precipitation data were used from the Amazon biome, the Cerrado, Pantanal and Atlantic Forest. The DTW results applied to the original data showed that this is a good tool when the goal is to look for similarities between time series. It is believed that by identifying patterns of similarity between time series, such information can help study forecasts through hydrological modeling, supporting the planning and optimization of production. KEYWORDS: TRMM, Time Series, precipitation. INTRODUÇÃO A precipitação está entre os principais fatores climáticos atuantes nas variações do regime hidrológico de uma região (LI; DING; WU, 2015). Tais variações influenciam fortemente o desempenho das atividades desenvolvidas no campo. Portanto, a otimização da produção depende da captura e tratamento de dados hidrológicos que subsidiem o planejamento das culturas, como o início do plantio, necessidade de irrigação e previsão de colheitas. Em função da crescente demanda por estudos que possibilitem a previsão da dinâmica hidrológica, os meios e técnicas de monitoramento da precipitação têm se desenvolvido utilizando-se inclusive das tecnologias de sensoriamento remoto. Um exemplo é o satélite Tropical Rainfall Measuring Mission (TRMM) construído e operado em parceria pelas Agências Aeroespaciais Norte-americana e Japonesa, que tem estimado a precipitação nos trópicos desde janeiro de 1998 (KUMMEROW et al., 1998). Pesquisas que comparam e avaliam a acurácia dos dados obtidos pelo satélite TRMM revelam que os sensores remotos utilizados produzem bons resultados quando comparados com os dados observados in loco (ADLER et al., 2001; FISHER, 2004; LAYBERRY et al., 2006). Estudos na bacia Amazônia concluem que a modelagem hidrológica valendo-se das estimativas de precipitação por TRMM foi comparável à obtida utilizando dados pluviométricos (COLLISCHONN et. al., 2008). Em estudos de natureza semelhante no bioma Cerrado, Silva e Ferreira (2013) consideraram a precipitação estimada pelo TRMM uma ferramenta de grande eficiência, fácil aquisição e processamento. Tais resultados demonstram 2

3 que esta ferramenta remota pode ser uma alternativa prática e viável para a obtenção de dados de precipitação em locais que não possuem redes convencionais de monitoramento, ou mesmo quando a análise requer dados contínuos e sem falhas. Considerando o grande potencial de utilização destes dados, o processamento espaçotemporal das séries temporais de precipitação TRMM é fundamental para a extração de informações nelas contidas. Essas informações vão auxiliar o entendimento da sua dinâmica e a análise de sua relação com outros fenômenos naturais, auxiliando o planejamento dos setores influenciados, como a agricultura e o abastecimento. Dentre os métodos frequentemente utilizados nas análises de séries temporais verificase uma característica em comum, a função de similaridade como principal meio de comparação. As medidas de similaridade são muito utilizadas nos estudos de previsões, para se estimar valores futuros a partir de dados passados e atuais, e na recuperação por conteúdo também chamada de consulta por exemplo, para encontrar séries similares a partir de um exemplo selecionado (SORJAMAA et al., 2007). Diversos estudos na área evidenciam que a medida de distância Dynamic Time Warping (DTW) é uma das medidas mais adequadas para comparação séries temporais, possibilitando a identificação de padrões e a recuperação por conteúdo (RATANAMAHATANA E KEOGH, 2004; ALON et al., 2009; BERNDT E CLIFFORD, 1994). Neste contexto, o objetivo deste trabalho foi aplicar a análise de similaridade Dynamic Time Warping (DTW) para identificação de padrões e sazonalidade em séries temporais de precipitação pluviométrica obtida pelo projeto TRMM em quatro biomas diferentes, Amazônia, Cerrado, Pantanal e Mata Atlântica. MATERIAL E MÉTODOS Este trabalho utiliza séries temporais de precipitação com granularidade de tempo de quinze anos, para realização do processamento dos dados utilizando a análise de similaridade DTW para recuperação por conteúdo e identificação de padrões de pontos situados em quatro biomas brasileiros. Para o desenvolvimento da análise, foram utilizados os dados de precipitação mensal acumulada do período de 1998 a 2013 do projeto TRMM. A manipulação dos dados envolve a aquisição, processamento e técnicas de integração em banco de dados. Tais dados são disponibilizados pela National Aeronautics and Space Administration (NASA) no formato 3

4 NetCDF, portanto foi realizada a conversão dos arquivos NetCDF em forma de matriz para um arquivo CSV, por meio um script Python TM desenvolvido durante o presente estudo. Este script é executável independente de plataforma, e transformou os dados matriciais em uma tabela que contém os atributos data, latitude, longitude e a precipitação em milímetros. A tabela resultante foi replicada no Sistema Gerenciador de Banco de Dados (SGBD) PostgreSQL na versão 9.1, que possui código aberto, confiabilidade e integridade na transação de dados. O processo realizado no presente estudo (Figura 1) consiste na análise de similaridade dos dados de precipitação. Os dados utilizados no processo estão armazenados no banco de dados. Figura 1 Diagrama de desenvolvimento da técnica espaço-temporal proposta. O processo consistiu em aplicar a técnica nos dados brutos, sendo realizada em quatro etapas. Sendo assim, A etapa (1B) inicia-se com a delimitação da granularidade de tempo. Assim, para o processamento realizado com periodicidade de quinze anos foi utilizada a precipitação acumulada mensal. Na etapa (2B), foi executada a análise de similaridade DTW diretamente nos dados precipitação. Na etapa (3B) foi executada a delimitação espacial, retirando os pontos próximos ao ponto de referência. E por fim, na última etapa (4B), todos os resultados da análise nos dados brutos foram avaliados. RESULTADOS E DISCUSSÃO A análise de similaridade DTW foi aplicada nos dados de precipitação, em uma série histórica de quinze anos que é metade de uma série histórica que define o clima de uma região (AYOADE, 1998). Foram geradas séries temporais com a precipitação acumulada mensal, para cada ponto da grade do TRMM, com a granularidade de quinze anos. A Figura 2 4

5 apresenta o ponto de referência escolhido para análise e os três pontos que possuem as séries temporais originais. Figura 1 Mapa dos pontos de referência e os pontos similares. Na análise dos dados do bioma Amazônia (Figura 3) observa-se que o comportamento dos dados é semelhante, e a similaridade está nos períodos em que não ocorrem eventos de precipitação. Nos períodos em que ocorre precipitação há variação apenas no volume precipitado, sendo este um comportamento recorrente em todas as séries temporais apresentadas. A análise de similaridade DTW, também foi realizada para o bioma Cerrado (Figura 4), esta busca retorna as séries de dados similares, ou seja, com esta análise é possível verificar a sazonalidade analisando o comportamento da série. 5

6 Figura 2: Resultado do DTW aplicado aos dados originais do bioma Amazônia. Figura 3: Resultado do DTW aplicado aos dados originais do bioma Cerrado. A análise também foi realizada para a série de dados de quinze anos do bioma Pantanal. O resultado é apresentado na Figura 5, observa-se que as séries temporais têm comportamento similar, sendo que a precipitação ocorre nos mesmos meses em todas as séries temporais. 6

7 O último ponto escolhido para análise está no bioma Mata Atlântica (Figura 6), é possível verificar que existe um comportamento que se repete em todas as séries temporais, como no caso da série temporal representada pelo Ponto 2 que possui maior similaridade de valores precipitados ao Ponto 1. Figura 4: Resultado do DTW aplicado aos dados originais do bioma Pantanal. Figura 5: Resultado do DTW aplicado aos dados originais do bioma Mata Atlântica. 7

8 CONCLUSÕES O uso de técnicas de análise de similaridade em dados climatológicos permite que locais diferentes possam ter seus comportamentos temporais comparados e com isso facilita as possibilidades de análise como um todo e consequente tomada de decisão. Com a análise de similaridade DTW aplicada nos dados de precipitação, é possível visualizar o comportamento dos dados. Conforme observado nas análises efetuadas observase que o comportamento dos dados a análise por similaridade DTW aplicado aos dados é eficiente. A metodologia utilizada neste estudo não se limita aos pontos escolhidos para análise, sendo possível aplicar a técnica a qualquer outro ponto da grade do TRMM armazenada no banco de dados. Portanto, a técnica desenvolvida neste trabalho acrescenta aos processos de tomada de decisão de monitoramento ambiental novas perspectivas de comparação dos dados e suas análises. AGRADECIMENTOS Agradecemos ao Programa de Pós-graduação em Física Ambiental (PGFA), seu corpo docente, direção е administração por todo auxílio oferecido. À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), pelo apoio financeiro. REFERÊNCIAS ADLER, R. F.; KIDD, C.; PETTY, G.; MORISSEY, M.; GOODMAN, H. M; Intercomparison of global precipitation products: the third precipitation intercomparison project (PIP-3). Bull. Amer. Meteor. Soc., 82, , ALON, J.; ATHITSOS, V.; YUAN, Q.; YUAN, Q.; SCLAROFF, S; A unified framework for gesture recognition and spatiotemporal gesture segmentation. IEEE transactions on pattern analysis and machine intelligence, v. 31, n. 9, BARRETT, E. C. et al; The first wetnet precipitation intercomparison project: interpretation of results. remote sens. rev., BERNDT, D.; CLIFFORD, J; Using dynamic time warping to find patterns in time series. In: aaai-94 workshop on knowledge discovery in databases, COLLISCHONN, B.; ALLASIA, D.; COLLISCHONN, W.; TUCCI, C.E.M; Desempenho do satélite TRMM na estimativa de precipitação sobre a bacia do paraguai superior. Revista brasileira de cartografia, 59,

9 COLLISCHONN, B.; COLLISCHONN, W.; TUCCI, C. E. M; Daily hydrological modeling in the amazon basin using TRMM rainfall estimates journal of hydrology, 360(1 4): DOI: /J.JHYDROL , EBERT, E. E.; MANTON, M. J.; ARKIN, P.A.; ALLAM, R.J.; HOLPIN, G. E.; GRUBER, A.; Results from the GPCP algorithm. Intercomparison programme. Bull. Amer. Meteor. Soc., 77, , SILVA, D. P.; FERREIRA, L.G.; Geoscience and remote sensing symposium (IGARSS), IEEE international , DOI: /IGARSS , FISHER, B. L; Climatological validation of TRMM tmi and pr monthly rain products over Oklahoma. J. APPL. Meteor., 43, , KUMMEROW, C.; BARNES, W.; KOZU, T.; SHIUE, J.; SIMPSON, J. The Tropical Rainfall Measuring Mission (TRMM) sensor package. J. Atmos. Oceanic Technol., 15, , KUMMEROW, C.; SIMPSON, J.; THIELE, O.; BARNES W.; CHANG A.T.C.; STOCKER E.; ADLER, R.F.; HOU A., KAKAR, R.; WENTZ, F.; ASHCROFT, P.; KOZU, T.; HONG, Y.; OKAMOTO, K.; IGUCHI, T.; KUROIWA, H.; IM, E.; HADDAD, Z.; HUFFMAN, G.; FERRIER, B.; OLSON, W.S.; ZIPSER, E.; SMITH, E.A.; WILHEIT, T.; NORTH, G.; KRISHNAMURTI, T.; NAKAMURA, K. The status of the Tropical Rainfall Measuring Mission (TRMM) after two years in orbit journal of applied meteorology, 39 PP., , LI, D.; DING, X. ; WU, J. Simulating the regional water balance through hydrological model based on TRMM satellite rainfall data hydrol. Earth syst. sci. discuss., 12, , DOI: /HESSD , LAYBERRY, R.; KNIVETON, D. R.; ET AL. Daily precipitation over southern africa: a new resource for climate studies. Journal of Hydrometeorology. 7, , RATANAMAHATANA, C.; KEOGH, E. Everything you know about dynamic time warping is wrong. in 3rd workshop on mining temporal and sequential data, in conjunction with 10th acm sigkdd international conference on knowledge discovery and data mining, SEATLE, WA, USA. ACM, SILVA, D. P. DA & FERREIRA, M.E. Uso de imagens do satélite TRMM para quantificação do regime de chuvas e nebulosidade no bioma cerrado, brasil anais XVI Simpósio Brasileiro de Sensoriamento Remoto SBSR, Foz do Iguaçu, PR, BRASIL, 13 A 18 DE ABRIL INPE, PP , SORJAMAA, A., HAO, J., REYHAMI, N., JI, Y. AND LENDESSE, A. Methodology for long-term prediction of time series, neurocomputing, SOUSA, S.B.; ARANTES, A. E.; CARDOSO, M.R.D.; FERREIRA, L.G. Análise comparativa entre dados TRMM e estações pluviométricas no pantanal brasileiro: ano base 9

10 2006. PP ANAIS XVI Simpósio Brasileiro De Sensoriamento Remoto SBSR, Foz do Iguaçu, PR, BRASIL, 13 A 18 de abril INPE,