Use of self organizing map to identify precipitation patterns and assess their impact on hydrographic basins in Brazil

ABSTRACT In this study, we used neural networks known as self-organizing maps (SOMs) to identify clusters of spatial synoptic precipitation patterns. These clusters were compared with the precipitation regime of the ten main hydrographic sub-basins in Brazil. Sixty years of daily precipitation data obtained from over 389 weather station in Brazil were used as input data for the SOMs, with a number of six clusters being prescribed as the optimal number according to the elbow and silhouette methods. The six precipitation patterns identified by the SOMs reflect the typical synoptic conditions associated mainly with the cold frontal systems (CF), South American Monsoon System (SAMS) and Inter-tropical Convergence Zone (ITCZ). In conclusion, SOMs perform well using interpolated precipitation data as the input data to identify synoptic precipitation patterns, which could be used to monitor the spatial distribution of precipitation, which affects the hydrographic basins in Brazil and hence hydropower plant performance. RESUMO Neste estudo, utilizamos uma técnica de redes neurais conhecida como Mapa Auto Organizável (SOM, em inglês), para identificar e agrupar padrões espaço-temporal de precipitação. Esses grupos foram comparados com o regime de precipitação de dez principais sub-bacias hidrográficas do Brasil. Sessenta anos de dados de precipitação diária foram obtidos de uma rede de 389 estações meteorológicas no Brasil onde foram utilizados como entrada de dados para o SOM, com um número de seis grupos pré-definidos através dos métodos de Elbow e Silhoette. Os seis padrões espaço-temporal de precipitação foram identificados pelo SOM o qual conseguiu identificar condições sinóticas típicas como o Sistema de Frentes Frias (FF) Sistema de Monção da América do Sul (SMAS) e a Zona de Convergência Intertropical (ZCIT). Assim, concluímos que o SOM teve um bom desempenho utilizando dados interpolados de precipitação para identificar padrões espaço-temporal de precipitação, sendo que essa técnica de SOM pode ser promissora para monitorar os padrões espaço-temporal de precipitação que causam consideráveis impactos nas bacias hidrográficas e usinas hidroelétricas no Brasil.