Input de Dados em Modelos Climáticos

Algumas premissas devem ser consideradas no momento de se efetuar a entrada de dados em modelos climáticos, uma das mais importantes sendo a não-linearidade (EDWARDS, 2010). Nos dados climáticos ou mesmo nas ciências geofísicas existe ampla ausência de dados constantes e suaves, portanto a não-linearidade é carro chefe da complexidade matemática (quanto menor o intervalo de tempo nas análises melhor é a aproximação matemática). A interpolação de dados do mundo real para os modelos atuais se mantem como etapa crucial nas práticas meteorológicas, e um dos fatores que auxilia na compreensão das grandes massas de ar e seu acoplamento aos modelos climatológicos são os dados coletados em altos níveis da atmosfera. Estes dados coletados em sua maioria no Hemisfério Norte forneceram eficazmente as primeiras informações detalhadas das principais características dos elementos químicos, e de circulação espacial em mesoescala, servindo de janela para os modelos de circulação global tridimensionais (EDWARDS, 2010).

Como segunda premissa para o input de dados na modelagem climática contempla- se o balanço de energia que atua nos modelos. O elemento responsável pelo balanço de energia é a temperatura, que é capturada pelo modelo por meio do agrupamento de certas variáveis responsáveis pelo balanço de energia no planeta, sendo elas: a radiação solar recebida pela Terra, a radiação solar que é emitida de volta para o espaço, a reflectância do efeito albedo e a absorção atmosférica radioativa. Esse conjunto de dados é necessário para medir e computar dados de radiação da temperatura global.

Quanto às técnicas de análises climáticas em grande escala, exige-se que os dados sejam homogêneos, e que variâncias ocorram apenas devido a influências naturais nos padrões climatológicos e meteorológicos. Infelizmente os dados coletados até hoje possuem muitas falhas, seja devido a mudanças ambientais no local de coleta, seja devido aos diferentes métodos empregados nas tecnologias de coleta (EDWARDS, 2010).

CAPÍTULO 1 - INTRODUÇÃO À MODELAGEM CLIMÁTICA EM ESTUDOS INTERDISCIPLINARES

Inúmeros fatores podem reduzir a estabilidade das séries históricas. Mover um instrumento de uma área abrigada para uma área aberta, ou movê-lo do sentido sul de uma colina para o sentido norte pode facilmente alterar os dados de registro. As árvores por exemplo podem reduzir a velocidade do vento, as influências de ambientes industriais, automóveis, calefação e pavimentação do solo criam efeitos chamados de ilhas urbanas ou rurais; ambos afetam consideravelmente a leitura dos dados de uma série histórica e podem ocasionar falsas leituras ou rupturas de tendências em séries climáticas (Figura 10).

Figura 10 Duas estações meteorológicas: uma bem posicionada na parte superior da figura e outra má

posicionada na parte inferior. Na parte má posicionada a influência do asfalto, telecomunicações, ar condicionados etc. prejudicam a confiabilidade dos dados indicando um aumento excessivo das tempraturas. Fonte: NASA e NOAA, 2012.

CAPÍTULO 1 - INTRODUÇÃO À MODELAGEM CLIMÁTICA EM ESTUDOS INTERDISCIPLINARES

As mudanças nas estações provaram ser extremamente comuns, com um percentual alto de 80% de bias nos registros. Fatores mais simples como a calibração errônea de instrumentos para uma metodologia estandarte também é outra fonte de erro.

No caso da precipitação a introdução de captores cobertos geralmente produz leituras maiores de chuva no mundo inteiro. Vale lembrar que em escala continental e global o efeito dessas mudanças é muito provavelmente equilibrado.

A partir dos anos 1980 os computadores já assimilavam e reproduziam dados consistentes de forma rotineira para diversas partes do globo. Contudo, coletar dados do planeta inteiro só teria sucesso se os erros fossem aceitos e melhorados. Esses dados melhorados se tornaram a imagem mais próxima e acurada da realidade da circulação de massas de ar em curtos períodos de tempo, servindo como base para os demais modelos e cientistas do clima.

Devido a fricção3 _{de dados, diversos métodos de reanálises tornaram-se ferramenta}

importante na assimilação de dados inconsistentes. Apesar dos modelos evoluírem de conceitos empíricos para mais matemáticos, ainda assim existe a necessidade de se reutilizar de conhecimento empírico para melhor acoplar os dados ao sistema. Os modeladores então aumentam a resolução em detrimento da complexidade ou fazem o inverso, entretanto não conseguem fazer ambas coisas ao mesmo tempo. As reanálises provêm dados fisicamente consistentes para todas as variáveis climáticas, e simulam sua interdependência, permitindo em larga escala a correção por meio da correlação de dados.

A assimilação de dados funciona como uma interpolação de previsões para as localidades que estão sendo observadas. Posteriormente a essa interpolação os dados são comparados com os valores das observações atuais das localidades. Essa comparação permite validar o banco de dados das estações, e esse banco de dados então é embutido e considerado pelos modelos físicos na fase da modelagem. Inúmeros problemas surgem na assimilação de dados, como por exemplo o histórico das estações meteorológicas e o ambiente ao seu redor que está em constante mutação. Nas áreas onde não existem estações ou instrumentação de coleta de dados os cientistas do clima se utilizam dos dados de satélites e de aeronaves. Os satélites a princípio auxiliaram no suprimento de dados locais e regionais na década de 1980 por meio da ciência da nefanálise (estudo das nuvens por meio de radiância espectral). Os radiômetros ou sondas foram os primeiros equipamentos acoplados aos satélites e auxiliaram na compreensão de diversos gases na atmosfera. A somatória dos dados da radiância e dos dados in situ (estações meteorológicas) tornaram possível o desenvolvimento das técnicas espectrais. Vale

3 _{A fricção é causada por conta das diversas fontes de informações heterogêneas que se utilizam de formas de} metodologia distintas para coletar dados, como por exemplo os satélites que têm dados convertidos do formato espectral para o de grade (fatores como o movimento de queda dos satélites na órbita terrestre e suas radiâncias precisam ser parametrizados para inclusão na modelagem computacional).

CAPÍTULO 1 - INTRODUÇÃO À MODELAGEM CLIMÁTICA EM ESTUDOS INTERDISCIPLINARES

salientar que os dados fornecidos por satélites esfriaram a proliferação de estações meteorológicas mundo afora.

Apesar dessas dificuldades os cientistas já são capazes de homogeneizar séries com falhas ou lacunas. Na verdade, apenas 10% dos dados utilizados na modelagem climática são coletados por meio de instrumentos, os 90% restantes são sintetizados por um modelo computacional. Esse modelo de 4 dimensões de assimilação de dados, coleta previsões do tempo antigas e as corrige de acordo com as previsões climáticas atuais, produzindo valores de pontos geográficos em escala espacial. Outros métodos de verificação e homogeneização como a reanálises são também utilizados frequentemente (EDWARDS, 2010).

A evolução da matemática estatística e computacional alavancou o desenvolvimento das plataformas de modelagem. Os mapas sinóticos formados por isolinhas que primavam por uma abordagem qualitativa foram substituídos por formatos quantitativos digitalizados (números e pontos). A organização de cientistas Joint Numerical Weather Prediction (Junta Numérica para a Previsão do Tempo) mudou radicalmente a meteorologia. Primeiro porque reduziu a fricção que havia no cálculo das previsões, e em segundo lugar se engajou na criação de um corpo técnico experiente nas áreas matemáticas e físicas, substituindo profissionais com experiência nula nas ciências exatas (os chamados meteorologistas intuitivos).

Atualmente as simulações do clima testam repetidamente variâncias nas forçantes climáticas, enquanto a modelagem garante a criação e o controle de parâmetros físicos e químicos como a introdução de gases da era pré-industrial nas simulações. A utilização de aviões e a coleta de dados efetuada em altas camadas da atmosfera possibilita compilar informação decisiva na modelagem. Os fenômenos dos altos jatos da atmosfera também chamados em inglês de jet streams auxiliam na compreensão das movimentações das massas de ar em grandes altitudes, e em latitudes entre 50 e 60 graus. De outra forma, os padrões de circulação da célula Farrel e as ondas longas de Rossby permitem o melhor entendimento dos fenômenos climáticos que atuam nas camadas atmosféricas mais próximas do solo.