Cálculo das incertezas climáticas sobre América do Sul utilizando modelos do CMIP5: aferição através das redes neurais artificiais ; 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 ...