09/12/2009 - Ao utilizar
uma técnica de redes neurais artificiais,
um pesquisador do Instituto Nacional de Pesquisas
Espaciais (Inpe/MCT) desenvolveu uma ferramenta
de modelagem estatística que permite aplicar
os modelos climáticos globais do Painel Intergovernamental
de Mudanças Climáticas (IPCC) em escalas
regionais.
A redução de escala
torna possível a construção
de um modelo empírico de diagnóstico
voltado para o estudo de possíveis mudanças
no regime climático sobre a América
do Sul.
O estudo, que foi capa da seção
de ciências atmosféricas do boletim
da União Geofísica Norte-Americana,
é resultado da pesquisa de pós-doutorado
de David Mendes, do Centro de Previsão de
Tempo e Estudos Climáticos (CPTEC/Inpe).
O trabalho também gerou
um artigo escrito em parceria com o orientador José
Antonio Marengo, coordenador do Grupo de Estudos
e Pesquisas em Mudanças Climáticas
do Inpe e integrante do IPCC, publicado na revista
Theoretical and Applied Climatology.
O novo método permite identificar
relacionamentos não-lineares entre o clima
local e a circulação em grande escala.
“A principal conclusão foi que o processo
de redução de escala dos modelos climáticos
por meio do uso de RNA se mostrou ótima ferramenta
para aprimorar a precisão dos modelos – tanto
em análise climática como para previsão
do tempo”, explica Mendes.
Usando o método, o pesquisador
avaliou cinco modelos do IPCC que simulavam o clima
global entre 1976 e 2000. Segundo ele, a redução
de escala dos modelos por meio de redes neurais
mostrou resultados realistas – isto é, muito
semelhantes aos dados observados empiricamente.
“Conseguimos criar uma ferramenta
consistente de previsão climática
e de diagnóstico das mudanças no clima
sobre a América do Sul. Isso permitirá
estudar possíveis alterações
no regime climático sobre o continente, especialmente
em relação ao regime de precipitação”,
apontou.
Mendes conta que modelos climáticos
globais têm resoluções que variam
de 300 quilômetros a 400 quilômetros
e que, por isso, não são capazes de
fazer uma boa representação do clima
em uma região menor. Por isso, uma solução
seria aplicar a rede neural artificial, que é
uma técnica de inteligência artificial,
para reduzir as escalas.
“Podemos trazer um modelo global
para uma escala regional – temos condições
de fazer isso no Inpe –, mas esse procedimento requer
recursos computacionais imensos. Ao utilizar as
redes neurais artificiais, conseguimos fazer essa
redução com base em uma análise
estatística, o que requer uma carga computacional
muito menor”, explicou.
Os modelos globais podem indicar,
por exemplo, que a temperatura da Amazônia
aumentará 5º C em determinado cenário.
Mas essa alteração climática
não deverá ocorrer de forma homogênea
em toda a imensa região amazônica.
O método proposto por Mendes
possibilita refinar esses prognósticos. “Os
métodos estatísticos melhoram sensivelmente
a validação do modelo e sua acurácia,
trazendo informações mais próximas
do real”, disse.
A chuva convectiva, que dura de
40 a 50 minutos, também é efeito local
que não pode ser captado pelos modelos globais.
“O tempo e a escala de ocorrência desses fenômenos
são pequenos, por isso os modelos globais
não conseguem captá-los. É
aí que entra o papel dos modelos regionais”,
disse.
Modelos aprimorados
O trabalho publicado enfatiza
a aplicação da ferramenta para a região
amazônica. Mas o pesquisador do Inpe testou
a aplicação do método para
outras regiões também e o erro foi
sempre menor que 5%.
“Fizemos o trabalho com cinco
modelos e agora estamos passando para dez. Verificamos
que o erro é um pouco maior quando o método
é aplicado ao Nordeste, em comparação
às demais regiões da América
do Sul. Achamos que isso pode ter relação
com a maior variabilidade de chuva sobre essa região”,
disse.
Ao fim do trabalho, os 10 modelos
serão submetidos à aplicação
da análise estatística a partir de
um cenário pessimista e um otimista do IPCC,
projetando-os regionalmente sobre toda a América
do Sul. A partir dos dois cenários, os pesquisadores
do Inpe tentarão entender melhor o mecanismo
climático regional e produzir uma linha de
diagnóstico para o futuro.
“As redes neurais artificiais
são ferramentas indispensáveis para
aprimorar os modelos. É possível adquirir
pacotes com redes neurais já prontas. Não
são caras e não demandam grande capacidade
computacional. Esperamos que nos próximos
anos a própria rotina dos modelos já
contenha uma análise estatística que
tente corrigir os erros”, disse Mendes.
O artigo Temporal downscaling:
a comparison between artificial neural network and
autocorrelation techniques over the Amazon Basin
in present and future climate change scenarios,
de David Mendes e José Marengo, pode ser
lido por assinantes da Theoretical and Applied Climatology
em http://www.springerlink.com/content/p663n4576586350w.
Com informações da Agência Fapesp