Análise de dados utilizando observações e modelagem numérica para estimar trocas de carbono em áreas de floresta na Amazônia

• Processo: 24/01383-5
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de abril de 2024
• Data de Término da vigência: 30 de setembro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Geociências - Meteorologia
• Acordo de Cooperação: Fundação Nacional de Ciências Naturais da China (NSFC)
• Pesquisador responsável: Luiz Augusto Toledo Machado
• Beneficiário: Ivan Mauricio Cely Toro
• Instituição Sede: Instituto de Física (IF). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 22/07974-0 - Efeitos sinergéticos das mudanças climáticas e do uso do solo nas fontes e sumidouros de carbono na Amazônia, AP.PFPMCG.TEM
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Climate modeling | Data analysis | machine learning | Analise de Dados e Modelagem

Resumo

Este plano de pesquisa faz parte do projeto FAPESP/NSFC 2022/07974-0, intitulado: "Synergistic effects of climate change and land use on carbon source and sink of Amazon Forest ecosystem". Esse projeto pretende aumentar a escala de representatividade das medidas locais para a escala regional, bem como avaliar a importância relativa de diferentes processos na interação floresta-atmosfera-nuvens. O modelo WRF-GHG será usado para downscale para diferentes cenários de uso da terra e clima na região amazônica. Simulações de desmatamento e degradação na Amazônia com modelos numéricos globais para cenários de 50 anos servirão como cenários de base para downscale por períodos de 5 anos. Os modelos regionais serão usados para avaliar como as mudanças no uso da terra afetam os ciclos de carbono e água. Essas simulações gerarão uma enorme quantidade de dados que terão de ser analisados com aprendizado de máquina e análise convencional de grandes séries de dados especializados e séries temporais. A preparação de execuções de modelos, bem como a análise e a combinação com dados observacionais serão as principais tarefas.