Este gráfico mostra os estudos da NASA sobre os altos níveis de ozônio na primavera no Canadá e no Ártico. Crédito:Kurt Severance / NASA Langley Research Center
Para avaliar os riscos de longo prazo para os alimentos, agua, energia e outros recursos naturais críticos, os tomadores de decisão muitas vezes confiam em modelos do sistema terrestre capazes de produzir projeções confiáveis de mudanças ambientais regionais e globais ao longo de décadas.
Um componente chave de tais modelos é a representação da química atmosférica. Simulações atmosféricas utilizando mecanismos químicos complexos de última geração prometem as simulações mais precisas da química atmosférica. Infelizmente, seu tamanho, complexidade, e os requisitos computacionais tendem a limitar tais simulações a curtos períodos de tempo e um pequeno número de cenários para contabilizar a incerteza.
Agora, uma equipe de pesquisadores liderada pelo Programa Conjunto do MIT sobre Ciência e Política de Mudança Global elaborou uma estratégia para incorporar mecanismos químicos simplificados em simulações atmosféricas que podem corresponder aos resultados produzidos por mecanismos mais complexos para a maioria das regiões e períodos de tempo. Se implementado em um modelo tridimensional do sistema terrestre, a nova estratégia de modelagem pode permitir que cientistas e tomadores de decisão trabalhem de baixo custo, simulações de química atmosférica rápidas que cobrem longos períodos de tempo em uma ampla gama de cenários. Essa nova capacidade pode melhorar a compreensão dos cientistas sobre a química atmosférica e fornecer aos tomadores de decisão uma ferramenta poderosa de avaliação de risco.
Em um novo estudo publicado na revista European Geosciences Union Geoscientific Model Development, a equipe de pesquisa conduziu três simulações de 25 anos da química do ozônio troposférico usando mecanismos químicos de diferentes níveis de complexidade dentro da estrutura de modelagem CESM CAM-chem amplamente utilizada, e comparou seus resultados às observações. Eles investigaram as condições sob as quais esses mecanismos simplificados combinaram com a saída do mecanismo mais complexo, bem como quando eles divergiram. Os pesquisadores mostraram que, para a maioria das regiões e períodos de tempo, as diferenças na química do ozônio simulado entre esses três mecanismos são menores do que as próprias diferenças de observação do modelo. Eles encontraram resultados semelhantes para simulações de monóxido de carbono e óxido nitroso.
"O mecanismo mais simplificado que testamos, chamado Super-Fast, correu três vezes mais rápido que o mais complexo (MOZART-4), produzindo amplamente os mesmos resultados, "diz Benjamin Brown-Steiner, o principal autor do estudo e ex-pós-doutorado no Programa Conjunto do MIT e no Departamento da Terra, Ciências Atmosféricas e Planetárias (EAPS). "Este nível de eficiência poderia, por exemplo, permitem que os cientistas estudem um aspecto da química atmosférica ao longo do século 21, executando o modelo simplificado por 100 anos, e verificar sua precisão executando o modelo complexo no início, meados e final do século. "
Brown-Steiner e seus colaboradores também exploraram como a utilização simultânea de mecanismos químicos de diferentes complexidades pode ampliar nossa compreensão da química atmosférica em várias escalas. Eles determinaram que os cientistas poderiam agilizar as investigações da química atmosférica, desenvolvendo simulações que incluem mecanismos químicos complexos e simplificados. Em tais simulações, mecanismos complexos forneceriam uma representação mais completa da química atmosférica complexa, e mecanismos simples simulariam com eficiência períodos de tempo mais longos para entender melhor os papéis da variabilidade meteorológica e outras fontes de incerteza.
"Ao observar onde os resultados produzidos por mecanismos simples e complexos divergem em regiões específicas, estações ou períodos de tempo, você pode determinar onde e quando as simulações exigem uma química mais complexa, e aumentar a complexidade da modelagem conforme necessário, "Brown-Steiner diz.
É uma estratégia de modelagem que promete aumentar a compreensão dos cientistas sobre a atmosfera da Terra e a capacidade dos tomadores de decisão para avaliar as políticas ambientais, dizem os pesquisadores.
"Nosso estudo mostra que modelos mais complexos nem sempre são mais úteis para a tomada de decisões, "diz Noelle Selin, um co-autor do estudo, professor associado do Institute for Data do MIT, Sistemas e Sociedade e EAPS, e afiliado do corpo docente do Programa Conjunto. "Os pesquisadores precisam pensar criticamente sobre se abordagens simples e eficientes como essa podem ser igualmente informativas a um custo mais baixo."
Finalmente, o estudo pode levar à inclusão de mecanismos de química atmosférica simplificados em estruturas de modelagem de sistemas terrestres tridimensionais. Essa capacidade ajudaria a permitir que cientistas e tomadores de decisão trabalhassem a longo prazo, grande conjunto (cobrindo vários cenários para representar uma gama de incertezas nos principais parâmetros de modelagem) simulações 3-D da atmosfera da Terra dentro de um período razoável de tempo de relógio.
"Atualmente representamos o ozônio, aerossóis de sulfato, e outros contribuintes importantes para o forçamento radiativo no sistema terrestre em modelos bidimensionais que não fornecem o nível de precisão que desejamos, "diz Ronald Prinn, Professor da EAPS e codiretor do Programa Conjunto, que é co-autor do estudo.
"Para esse fim, gostaríamos de representá-los em modelos tridimensionais e executar conjuntos [cenários múltiplos], mas uma vez que colocamos em um pacote químico 3-D completo, o tempo do computador se torna inacessível, "Prinn acrescenta." Este estudo mostra que, para cálculos de forçamento radiativo, incorporar um pacote químico rápido em um sistema de modelagem pode obter um acordo confiável entre os mecanismos e observações químicas simples e complexas. "
Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.