Climate uncertainties in South America: measuring the IPCC-AR5 models through artificial neural networks

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Neste trabalho objetivamos analisar as incertezas envolvidas nas projeções de mudanças climáticas na América do Sul (AS) simuladas por inúmeros modelos numéricos de circulação geral acoplado oceano-atmosfera (MCGOA) da Quinta Fase do Projeto do Modelo Intercomparação Acoplado (CMIP5) para a América do Sul. As incertezas nas projeções das mudanças climáticas futuras surgem a partir de fontes diferentes e são introduzidos na sequência de passos no processo de modelação, produzindo assim uma cascata de incertezas (Knutti et al. de 2010;. Giorgi 2005). Essas incertezas projetadas pelos modelos climáticos serão calculadas através do método Reliability Ensemble Averaging (REA) desenvolvido por Giogi e Mearns (2002) que é utilizado para calcular o intervalo de incerteza e uma medida de confiabilidade das mudanças climáticas simuladas por um conjunto de diferentes modelos de circulação geral da atmosfera. O método leva em conta dois critérios de confiabilidade; i) o desempenho do modelo em reproduzir o clima atual e, ii) convergência das mudanças simuladas entre os modelos. O REA será aplicado para os séculos XX e XXI em diferentes cenários do IPCC (Intergovernmental Panel on Climate Change ou Painel Intergovernamental sobre Mudanças Climáticas). Em uma segunda fase, será aplicado também Redes Neurais Artificias (RNA) juntamente com o cálculo das incertezas, para avaliarmos se uso das RNA serão uma boa ferramenta para diminuir as incertezas geradas pelos modelos, melhorando assim a precisão dos mesmos. Assim sendo, com o estudo proposto espera-se avaliar e quantificar detalhadamente os intervalos de incerteza nas mudanças climáticas apresentadas no CMIP5 para a AS, com e sem a utilização de RNA, relacionadas ao uso de diferentes modelos numéricos e futuras emissões de gases de efeito estufa. Avaliando os níveis de incerteza, disponibilizaremos uma ferramenta muito útil para os estudos de impacto, adaptação e vulnerabilidade. Os resultados preliminares deste estudo mostraram que a variação REA para a precipitação é um pouco menor sobre a América Sul em comparação com a média simples conjunto de modelos. A confiabilidade do conjunto de modelos foi satisfatória para toda a América do Sul, indicando boa simulação dos modelos nessa região