MODELAGEM COMPUTACIONAL DA CONCENTRAÇÃO ATMOSFÉRICA DE CO2 e CH4 NO BRASIL CENTRAL

• Processo: 24/12884-5
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de dezembro de 2024
• Data de Término da vigência: 30 de novembro de 2025
• Área de conhecimento: Ciências Agrárias - Agronomia - Ciência do Solo
• Pesquisador responsável: Alan Rodrigo Panosso
• Beneficiário: Pedro Henrique Marucio de Oliveira
• Instituição Sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
• Assunto(s): Mudança climática Sensoriamento remoto
• Palavra(s)-Chave do Pesquisador: Efeito estufa adicional | Mudanças Climáticas | razão Xch4:Xco2 | Sensoriamento Remoto | Mitigação das emissões de gases estufa

Resumo

As mudanças climáticas globais são uma preocupação mundial crescente, sendo a principal causa o aumento da concentração de gases de efeito estufa (GEE) na atmosfera, especialmente o dióxido de carbono (CO2) e o metano (CH4). Para implementar medidas eficientes de mitigação das emissões de GEE, é fundamental compreender a dinâmica desses gases na atmosfera e estabelecer relações com outras variáveis associadas ao sistema solo-planta-atmosfera. Nesse contexto, diversos esforços têm sido realizados para aprimorar as técnicas de monitoramento de GEE em escala global e regional. Esta proposta tem como objetivo descrever a variabilidade espaçotemporal das concentrações atmosféricas de CO2 e CH4 em áreas do Brasil Central, identificando fontes e possíveis sumidouros desses gases ao longo dos anos de 2015 a 2023. Serão adquiridos dados das concentrações atmosféricas de CO2 (XCO2) e CH4 (XCH4) a partir dos sensores orbitais GOSAT e OCO-2. Adicionalmente, dados das variáveis climáticas serão obtidos na plataforma da Agência Espacial Americana (NASA). Para todos os setores emissores de GEE, os dados serão obtidos a partir dos relatórios da plataforma Climate TRACE, coalizão sem fins lucrativos capaz de rastrear e fornecer informações sobre as emissões de GEE globalmente. A aquisição dos dados será sistematizada para redução das diferenças entre as resoluções espaciais dos dados de sensoriamento remoto, com posterior remoção da tendência mundial de XCO2 e XCH4. A variabilidade espacial e interpolação em locais não amostrados, será realizada por meio de técnicas geoestatísticas. Para exploração dos dados adquiridos, serão utilizados ferramentas e algoritmos de aprendizado de máquina estatístico implementados em linguagem R. As técnicas que serão empregadas são: redes neurais artificiais, Random Forest e Extreme Gradient Boosting. De maneira geral 70-80% das observações serão utilizadas para aprendizagem (processo de treinamento) dos modelos e 30-20% para validação. A acurácia dos modelos será determinada por meio da correlação de Pearson (r), coeficiente de determinação (R²), erro quadrático médio (RMSE), erro médio (ME), índice de concordância (d), coeficiente de confiança (c) e menor erro percentual absoluto médio (MAPE). Espera-se que essa abordagem contribua para a compreensão da dinâmica dos gases de efeito estufa na atmosfera e suas interações com variáveis climáticas e de uso da terra no Brasil Central, fornecendo subsídios importantes para a formulação de políticas públicas voltadas para a mitigação das emissões de GEE e a adaptação às mudanças climáticas.