Ao utilizar uma técnica de redes neurais artificiais, um pesquisador do Instituto Nacional de Pesquisas Espaciais (Inpe) desenvolveu uma nova 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) do Inpe, que tem apoio da FAPESP na modalidade Bolsa de Pós-Doutorado.

O trabalho também gerou um artigo feito 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”, disse Mendes à Agência FAPESP.

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.

As chuvas convectivas, que duram de 40 a 50 minutos, também são efeitos locais que não podem ser captados pelos modelos globais. “O tempo e a escala de ocorrência desses fenômenos são pequenos, por isso os modelos globais não conseguem capta-los. É aí que entra o papel dos modelos regionais”, disse.

Modelos aprimorados
O trabalho publicado na Theoretical and Applied Climatology 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 do Brasil, em comparação às demais regiões da América do Sul. Achamos que isso pode ter relação com a maior variabilidade de chuvas sobre essa região”, disse.

Ao fim do trabalho, os dez 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.

(Por Fábio de Castro, Agência Fapesp, 09/12/2009)