Análise Comparativa de Modelos Climáticos com Dados do INMET Usando Métricas Hidrológicas e Interpretação por IA

• Wesley de Sousa Costa Unifesspa
• Gustavo Paixão Unifesspa
• Warley Junior Unifesspa
• Maurílio Monteiro Unifesspa
• Aline Oliveira Unifesspa
• Elton Alves Unifesspa

DOI: https://doi.org/10.5753/wcama.2025.9109

Resumo

No contexto das mudanças climáticas, há a necessidade de validar modelos climáticos globais, o que consequentemente surge o desafio de comparar dados simulados com observações reais, especialmente em regiões complexas como a Amazônia Legal. Sendo assim, este artigo propõe o CDA (Climate Dataset Analyzer), uma ferramenta baseada em IA que utiliza métricas hidrológicas (KGE, NSE) para comparar dados do CEDA e do INMET. Os resultados revelam que os modelos do CEDA capturam tendências gerais de precipitação, mas apresentam limitações em eventos extremos e microclimas, com variações significativas em cidades como Tarauacá e Palmas. Conclui-se que o CDA é uma solução eficaz para análise climática, embora requeira aprimoramentos, como a inclusão de múltiplos modelos simultâneos, para ampliar sua aplicabilidade em estudos climáticos.

Referências

Bock, L., Lauer, A., Schlund, M., Barreiro, M., Bellouin, N., Jones, C., Meehl, G., Predoi, V., Roberts, M., and Eyring, V. (2020). Quantifying progress across different cmip phases with the esmvaltool. Journal of Geophysical Research: Atmospheres, 125(21):e2019JD032321.

Davini, P. and dAndrea, F. (2020). From cmip3 to cmip6: Northern hemisphere atmospheric blocking simulation in present and future climate. Journal of Climate, 33(23):10021–10038.

Duc, L. and Sawada, Y. (2023). A signal-processing-based interpretation of the nash–sutcliffe efficiency. Hydrology and Earth System Sciences, 27(9):1827–1839.

Eyring, V., Gillett, N. P., Achuta Rao, K. M., Barimalala, R., Barreiro Parrillo, M., Bellouin, N., Cassou, C., Durack, P. J., Kosaka, Y., McGregor, S., et al. (2021). Human influence on the climate system (chapter 3).

Harris, I., Osborn, T. J., Jones, P., and Lister, D. (2020). Version 4 of the cru ts monthly high-resolution gridded multivariate climate dataset. Scientific data, 7(1):109.

INMET (2024). Banco de dados meteorológicos.

IPCC (2021). Climate Change 2021 The Physical Science Basis: Working Group I Contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.

O’Neill, B. C., Tebaldi, C., Van Vuuren, D. P., Eyring, V., Friedlingstein, P., Hurtt, G., Knutti, R., Kriegler, E., Lamarque, J.-F., Lowe, J., et al. (2016). The scenario model intercomparison project (scenariomip) for cmip6. Geoscientific Model Development, 9(9):3461–3482.

Townsend, P. and Wilkinson, C. (2021). Gathering evidence of impact from research support services: Examining impact in the context of the centre for environmental data analysis. Research Evaluation, 30(2):169–178.

Vrugt, J. A. and de Oliveira, D. Y. (2022). Confidence intervals of the kling-gupta efficiency. Journal of Hydrology, 612:127968.