Técnica de aprimoramento de previsões climáticas sazonais

• Processo: 21/15088-7
• Modalidade de apoio: Bolsas no Brasil - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Vigência (Início): 01 de janeiro de 2022
• Vigência (Término): 30 de setembro de 2022
• Área do conhecimento: Ciências Exatas e da Terra - Geociências - Meteorologia
• Pesquisador responsável: Camila Cossetin Ferreira
• Beneficiário: Camila Cossetin Ferreira
• Empresa Sede: Wetterlab Ltda
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais
• Vinculado ao auxílio: 21/09647-3 - Técnica de aprimoramento de previsões climáticas sazonais, AP.PIPE
• Assunto(s): Climatologia Modelos matemáticos Transformada de Fourier Previsão climatológica Previsão (análise de séries temporais) Sazonalidade
• Palavra(s)-Chave do Pesquisador: Assinaturas espectrais | Correção de viés | Ensemble temporal | previsão climática sazonal | Previsão de longo prazo | Climatologia, Modelagem Numérica

Resumo

As mudanças climáticas que experimentamos nas últimas décadas e que estão presentes em grande parte das projeções do clima futuro têm evidenciado a necessidade de um planejamento da sociedade em diversas esferas: de cidades mais resilientes, a empresas que respondam às flutuações do clima. A variabilidade climática em escala sazonal, em especial, tem um grande impacto para agricultura, geração de energia, gerenciamento dos recursos hídricos, entre outros. Apesar dessa importância, previsões climáticas sazonais ainda são pouco utilizadas e isso se deve ao descompasso entre as necessidades dos usuários e as informações disponíveis. Fatores como a falta de confiança nas previsões, a complexidade para obtenção e interpretação dos dados e a ausência de produtos que atendam as particularidades de cada setor, são os principais responsáveis pela dificuldade na difusão das previsões de longo prazo. Neste projeto, pretendemos explorar essas questões através de metodologias inovadoras e, assim, oferecer um produto adequado às demandas do mercado. Especificamente, propomos o desenvolvimento de um método de correção para previsões climáticas sazonais de um modelo dinâmico e uma forma distinta de comunicação e disponibilização dos dados. Geralmente, as técnicas de correção adotadas para previsões de tempo e clima são baseadas na comparação dos dados a serem corrigidos com dados de referência. Existem inúmeras formas para o ajuste entre duas séries temporais, das mais simples, como uma regressão linear, passando pela comparação entre as distribuições de probabilidade dos dois conjuntos, até o uso de algoritmos de inteligência artificial. A maioria dessas técnicas têm um ponto em comum, elas relacionam as séries como um todo, generalizando o erro do modelo e sugerindo uma correção universal. O diferencial da metodologia que propomos é fragmentar a série temporal a ser corrigida em pequenas partes e buscar padrões semelhantes no passado, para então, selecionar os dados de referência correspondentes a esses períodos específicos e fazer a aplicação de uma técnica estatística de correção. Dessa forma, cada tipo de fenômeno tem uma correção adaptada de acordo com a particularidade do seu erro. Por exemplo, a correção para precipitação decorrente de uma frente fria durante o inverno, seria diferente da correção para a precipitação desencadeada por um sistema convectivo no verão. Para otimizar o processo de busca pelos padrões similares no período histórico, o reconhecimento será feito no domínio das frequências, utilizando a Transformada Rápida de Fourier. Os dados de entrada para o algoritmo de reconhecimento de padrões serão provenientes de um ensemble temporal, definido por meio de uma avaliação prévia. Os métodos estatísticos para a correção também serão testados e, de acordo com seu desempenho, será feita a seleção do mais adequado. É preciso destacar que a confiança do usuário não depende somente da acurácia das previsões, mas também da forma de comunicação dos erros. Mostrar onde e quando o modelo erra é um ponto crucial para o uso adequado das previsões de longo prazo. Desse modo, tão importante quanto desenvolver um método para melhorar a qualidade das previsões, é desenvolver um sistema de validação para as mesmas e, a partir daí, transmitir essa informação com clareza. Para atender essa necessidade e apresentar uma abordagem mais atual de interação com o usuário, desenvolveremos uma plataforma web para solicitação e entrega dos dados, desburocratizando e automatizando esses processos. Em síntese, como resultado deste projeto, pretendemos oferecer produtos de fácil acesso e interpretação, que simplifiquem e estimulem o uso de previsões de longo prazo na gestão de áreas estratégicas, suprindo, dessa forma, uma lacuna identificada no mercado e apresentando novos paradigmas em termos de prognósticos climáticos. (AU)