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 e temperaturas médias mensais/trimestrais. 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, juntamente com dados de Temperatura média das estações do INMET. Também serão usados
dados de análises gradeadas disponibilizadas por XAVIER, Delaware, 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 que será usada neste trabalho a combinação do
conhecimento estatístico com a modelagem dinâmica, resultando no termo chamado: modelos acoplados
híbridos.