Uma abordagem híbrida dinâmico-estatística para a previsão climática do Nordeste do Brasil
Previsões climáticas, NMME, Precipitação, Temperaturas Médias, ENOS.
A crescente demanda por previsões climáticas sazonais precisas nos ramos de energia,
agricultura, transporte, lazer, entre outros, podem salvar vidas, apoiar gerenciamento de
emergências e melhorar o planejamento de respostas aos efeitos advindos do clima,
evitando perdas econômicas de alto impacto na sociedade. Diante disso, o presente
estudo tem como principal objetivo calibrar previsões brutas de saídas diretas de
modelos do projeto internacional North-Amerian MultiModel Ensemble (NMME) para
o Nordeste do Brasil (NEB), reduzindo os vieses sistemáticos e aumentando a
assertividade para fins de prognósticos operacionais de precipitação mensal/trimestral.
A justificativa para este estudo se dá diante do questionamento da capacidade preditiva
da previsão do clima pelos modelos em áreas específicas, como é o caso do NEB, pois
apresenta padrões de resposta climática associados a modos de variabilidade como o
ENOS (El Niño Oscilação Sul). Será utilizado dados de precipitação das estações do
Instituto Nacional de Meteorologia (INMET) e centros estaduais de Meteorologia do
Nordeste. Também foram usados dados de análises gradeadas disponibilizadas por
XAVIER, CHIRPS e ERA5Land. Para correção dos erros sistemáticos no modelo
NMME, será usada o método de Análise de correlações canônicas (ACC) que consiste
em associar índices a cada um dos 2 conjuntos de dados de forma a maximizar a
correlação entre os dois índices, retendo ao máximo a informação contida nas variáveis
originais. Devido aos aspectos da não linearidade do clima a representação por modelos
estatísticos simples, ou seja, baseados em relações lineares, com os que utilizam
regressões lineares múltiplas, chama-se análise de correlações canônicas e por isso seu
uso neste trabalho a combinação do conhecimento estatístico com a modelagem
dinâmica, resultando no termo chamado: modelos acoplados híbridos.