Pesquisadores do MIT desenvolveram um algoritmo inovador que melhora a precisão das previsões de eventos climáticos extremos, corrigindo simulações de modelos climáticos globais. Este algoritmo combina aprendizado de máquina com teoria de sistemas dinâmicos, ajustando as simulações de modelos climáticos para padrões mais realistas em larga escala. Quando combinado com modelos de menor escala, a precisão das previsões de eventos como ciclones tropicais e inundações é significativamente aprimorada.
O método, aplicado inicialmente ao modelo de Sistema Terrestre Exascale de Energia (E3SM) do Departamento de Energia dos EUA, utiliza dados históricos para treinar o algoritmo. Este algoritmo ajusta as previsões do modelo climático, resultando em padrões climáticos mais próximos das observações reais. Testes mostraram que as correções melhoraram as previsões de frequência de eventos extremos em locais específicos, proporcionando dados mais confiáveis para planejamentos futuros.
A abordagem do MIT é única pois não tenta corrigir as equações dinâmicas dos modelos, mas sim ajustar suas saídas para refletirem melhor a realidade. Este método pode ser aplicado a qualquer modelo climático global, fornecendo previsões mais precisas sobre a frequência e intensidade de eventos climáticos extremos conforme as temperaturas globais aumentam.
Os resultados desta pesquisa, publicados no Journal of Advances in Modeling Earth Systems, demonstram o potencial do algoritmo para informar e preparar melhor as comunidades para enfrentar desastres naturais futuros. Com projeções mais precisas, os engenheiros e planejadores podem desenvolver soluções mais eficazes para mitigar os impactos das mudanças climáticas.
Fonte: https://news.mit.edu/2024/mit-derived-algorithm-helps-forecast-frequency-extreme-weather-0326