Uma equipe de pesquisadores das Universidades de Lincoln, Sheffield e Reading desenvolveu um novo método para melhorar a previsão das condições climáticas sazonais no Reino Unido e no noroeste da Europa.



O modelo oferece uma ferramenta poderosa na busca por compreender melhor as mudanças na circulação atmosférica, bem como fazer previsões meteorológicas sazonais mais precisas. Também poderia beneficiar muitos setores, incluindo as indústrias agroalimentar, energética, de lazer e turística.

O estudo resultou em dois artigos publicados, um deles em Aplicações Meteorológicas e outro no International Journal of Climatology .

Para prever o clima sazonal no noroeste da Europa, os principais centros de previsão meteorológica baseiam-se atualmente em caros modelos de supercomputadores. Para complementar esses métodos convencionais, o grupo usou um método de IA e aprendizado de máquina conhecido como NARMAX (modelos de média móvel não linear autoregressiva com entradas eXógenas) para prever o estado da corrente de jato do Atlântico Norte e da circulação atmosférica, ambos fortemente ligados à superfície. temperatura do ar e anomalias de precipitação.

O NARMAX tem sido utilizado com sucesso em muitos outros campos de investigação e, neste caso, foram feitas previsões antecipadas tanto para o Verão como para o Inverno, para vários padrões diferentes de circulação de ar que normalmente afectam a região do Atlântico Norte e subsequentes condições meteorológicas sazonais do Noroeste Europeu.

Os resultados do estudo mostraram alta precisão para ambas as estações e para todos os três padrões de circulação examinados. Isto é importante porque os modelos de supercomputadores convencionais e mais caros lutam para prever com precisão as condições atmosféricas sazonais nesta área no verão, tendendo a subestimar as variações anuais para ambas as estações.

Além disso, o método NARMAX tem sido utilizado para analisar possíveis causas de alterações na circulação atmosférica. Esta informação poderia ser usada para interpretação e para ajudar a melhorar os resultados do modelo do supercomputador.

Este avanço poderá desempenhar um papel crucial na melhoria da previsão sazonal, bem como informar o desenvolvimento de futuros modelos de previsão meteorológica, especialmente durante os meses de verão.

Ian Simpson, pesquisador associado de pós-doutorado na Universidade de Lincoln, comentou:"Demonstramos fortes ligações entre a circulação e os padrões de corrente de jato e as condições climáticas sazonais da superfície no noroeste da Europa.

"Assim, tendo utilizado modelos NARMAX para produzir previsões sazonais de padrões de circulação, podemos traduzi-los em previsões de padrões climáticos sazonais, por exemplo, anomalias de temperatura e precipitação, no noroeste da Europa, que serão de interesse para uma gama diversificada de partes interessadas.

"Por exemplo, o fornecimento de previsões sazonais mais precisas ajudará a indústria agroalimentar, ajudando a fornecer aos agricultores uma ideia dos rendimentos prováveis ​​para a época e a melhor forma de otimizar os sistemas de cultivo e planear a colheita."

Edward Hanna, professor de Ciência do Clima e Meteorologia na Universidade de Lincoln, acrescentou:"Este é um projeto interessante que reuniu diversas disciplinas e especialistas em ciência meteorológica e aprendizado de máquina com o objetivo de melhorar a previsão do tempo sazonal e aplicar os resultados a usuários finais.

"Nossos artigos publicados demonstram um grande potencial para a modelagem NARMAX desempenhar um papel significativo no auxílio ao refinamento da próxima geração de modelos de previsão de supercomputadores, que historicamente têm sido exigentes em termos computacionais, e no aprimoramento das previsões sazonais."

Yiming Sun, pesquisador associado da Universidade de Sheffield, disse:“Desenvolvemos e aplicamos um método de aprendizado de máquina NARMAX para prever o estado sazonal da circulação atmosférica e da corrente de jato do Atlântico Norte.

"O modelo demonstrou um alto grau de precisão preditiva em comparação com os modelos dinâmicos. Portanto, o NARMAX pode ser usado para ajudar a melhorar a habilidade de previsão sazonal e informar o desenvolvimento de modelos dinâmicos de supercomputadores."

Mais informações: Yiming Sun et al, Previsões sazonais probabilísticas da circulação atmosférica do Atlântico Norte usando modelagem de sistemas complexos e comparação com modelos dinâmicos, Aplicações Meteorológicas (2024). DOI:10.1002/met.2178
Ian Simpson et al, Índices de circulação atmosférica do Atlântico Norte:Links com a temperatura e precipitação de verão e inverno no noroeste da Europa, incluindo persistência e variabilidade, International Journal of Climatology (2024). DOI:10.1002/joc.8364

Fornecido pela Universidade de Lincoln