Nome do Projeto
Modelagem Estatística da Variabilidade Climática Sazonal no Rio Grande do Sul
Ênfase
Pesquisa
Data inicial - Data final
15/04/2023 - 15/04/2026
Unidade de Origem
Coordenador Atual
Área CNPq
Ciências Exatas e da Terra
Resumo
As principais causas de perda na produtividade de grãos no Rio Grande do Sul (RS) são as oscilações climáticas, especialmente as relacionadas a eventos extremos, como por exemplo, as estiagens prolongadas e grandes excessos. Esses períodos de grandes oscilações caracterizam riscos à agricultura, especialmente as culturas de ciclo de primavera-verão, período de grande demanda evaporativa da atmosfera e, por consequência, elevado risco de ocorrer deficiências hídricas. Alguns manejos adequados podem minimizar as perdas e ou potencializar os ganhos, no entanto, a previsibilidade destes ventos extremos ainda possui incertezas. Os modelos de previsão climática têm abordagem dinâmica ou estatística. A primeira inclui o desenvolvimento de modelos climáticos global utilizando condições iniciais e de contorno oriundas de modelos de circulação geral atmosfera desenvolvidos via modelagem dinâmica de processos nos oceanos e/ou atmosfera. Tais modelos têm grande capacidade de representar fenômenos meteorológicos locais na escala sinótica (alguns dias), no entanto, não possui precisão nos fenômenos locais nas escalas mensais ou sazonais. Na abordagem, estatística ou estocástica, são utilizados métodos estatísticos para estimar relações quantitativas entre preditores relacionados a fatores de larga escala e variáveis prognósticas dependentes regionais (características fisiográficas locais). A principal vantagem do estatístico em relação ao uso de modelos dinâmicos é quanto ao requerimento de recursos computacionais, no entanto requerer a existência de séries longas de dados regionais e de indicadores de grande escala. Dentre os indicadores climáticos de grande escala que influenciam o comportamento atmosférico, a camada superficial dos oceanos tem papel importante. A associação entre a variabilidade climática da atmosfera e as condições oceânicas é justificada pela alta capacidade térmica da água (oceanos) e pela grande importância dos processos físicos de interação com a atmosfera. O padrão principal das correntes oceânicas é gerado pela interação com a atmosfera, assim, a atmosfera e o oceano formam um sistema complexo, acoplado com processos de retroalimentação que contribuem para modular o clima do planeta. Esta proposta de pesquisa tem por foco principal operacionalizar modelos estatísticos regionais para prever anomalias da precipitação, temperaturas máxima, temperatura mínima e evaporação, nas escalas mensais e sazonais para o Rio Grande do Sul.
Objetivo Geral
O projeto proposto tem como meta criar rotinas na linguagem de programação Python e R para desenvolver modelos de previsão estatística para as anomalias das variáveis mais relevantes no clima do RS. A previsão climática é tratada como um dos principais insumos da agricultura no Estado. O Centro de Pesquisas e Previsões Meteorológicas da Fac. Meteorologia desenvolve atualmente atividades de previsão de tempo, no entanto, as previsões climáticas ainda são experimentais. Com a evolução das observações sobre os oceanos, bem como maior poder de processamento e associado a fundamentação teórica da iteração atmosfera-oceano, acredita-se que seja possível descrever tais relações a partir aplicação de técnicas estatísticas multivariadas.
Justificativa
A associação entre a variabilidade climática da atmosfera e as condições oceânicas é justificada pela alta capacidade térmica da água (oceanos) e pela grande importância dos processos físicos de interação com a atmosfera. O próprio sistema de correntes oceânicas é gerado pela interação com a atmosfera, assim, a atmosfera e o oceano formam um sistema complexo, acoplado com processos de retroalimentação que contribuem para modular o clima do planeta. Regiões de latitudes médias, a qual está inserido o RS apresentam maiores variabilidades climáticas, apresentando também maior previsibilidade.
Metodologia
No trabalho serão utilizados dados regionais mensais de precipitação acumulada, temperatura mínima e máxima de 28 estações meteorológicas, obtidos no INMet (Instituto Ncional de Neteorologia). Os dados Globais de Temperatura da Superfície do Mar (TSM) e Concentração de Gelo (CG) são disponibilizados no format NetCDF pela Agencia NOAA (National Oceanic & Atmospheric Administration http://www.esrl.noaa.gov/psd/data/gridded/). Os dados utilizados serão todos no período mensal de janeiro de 1982 até o presente (máximo disponível de TSM e CG). Sobre as séries mensais das variáveis TSM e CG serão aplicadas a decomposição espectral no modo S. A técnica de decomposição espectral chamada de análise de Funções Ortogonais Empíricas (EOF) fundamentam-se em transformar um conjunto de variáveis em outro de menor dimensão, preservando a maior parte da variabilidade da série original. A representação espacial das magnitudes dos autovetores em cada autovalor (dipolo espacial) é definida de Padrão de Oscilação Principal (POP). O escore (índice) do primeiro POP é definido pelo produto linear dos autovetores do modo de maior explicação da variância (primeiro autovalor) e a matriz padronizada dos dados originais. As oscilações principais (Anomalias) das variáveis regionais de precipitação, temperatura mínima e máxima mensal serão ajustadas aos Padrões Principais das variáveis TSM e CG. Os modelos sazonais de ajustes serão individuais (Cada estação Meteorológica) considerando as defasagens temporais de dois, três e quadro meses. Para definir os coeficientes de ajuste será usada a regressão por Redes Neurais. O período de treinamento, validação e numero de Padrões Principais usados serão definidos após testes estatísticos de significância. O poder de ajuste (skiil) será calculado pelo coeficiente de correlação entre as variáveis regionais observadas e a previstas (reanalise). A partir do poder de previsibilidade das variáveis regionais serão desenvolvidas rotinas na linguagem de programação Python, a fim de gerar possibilidades de operacionalizar a previsibilidade da variabilidade climática sazonal no RS.
Indicadores, Metas e Resultados
Conhecer a relação dos grandes indicadores oceânicos (teleconecções) com as variações climáticas regionais pode contribuir para melhorar os ajustes nos modelos climáticos preditivos, principalmente no período de primavera-verão, período de grande demanda evaporativa da atmosfera e, por consequência, elevado risco de ocorrer deficiências hídricas no Rio Grande do Sul. Espera-se no final do trabalho obter uma estimativa mais detalhada da relação das variáveis regionais com os principais padrões de oscilação das TSM e CG e suas possíveis defasagens temporais. Acredita-se que os resultados possam vir a contribuir significativamente nas previsões climáticas no RS.
Equipe do Projeto
| Nome | CH Semanal | Data inicial | Data final |
|---|---|---|---|
| FERNANDO LEMOS DA SILVA | |||
| JULIO RENATO QUEVEDO MARQUES | 8 | ||
| RAFAEL LIBERO BUSCHINELLI MAGALHAES |