Melhoria da acurácia dos dados de temperatura do ar da reanálise ERA5 utilizando redes neurais artificiais

Resumo

A temperatura do ar é um dos elementos climáticos cruciais no planejamento agrícola e ambiental. No entanto, a rede de monitoramento em países em desenvolvimento possui baixa densidade, requerendo o desenvolvimento de métodos para estimá-la em locais sem medição. Uma opção é utilizar dados de reanálise, como o ERA5, que possuem vieses e necessitam de correção. O objetivo deste estudo foi estimar a temperatura do ar em locais sem monitoramento a partir de dados diários de reanálise ERA5, utilizando redes neurais artificiais (RNAs) para melhorar a precisão e a acurácia dos dados, baseando-se em medições de superfície. Foram utilizados dados de temperatura do ar de 34 estações meteorológicas automáticas do Instituto Nacional de Meteorologia. O download da grade de reanálise ERA5 foi realizado com auxílio do Google Earth Engine. A arquitetura das RNAs utilizada foi o Perceptron de Múltiplas Camadas. A partir dos resultados obtidos, concluiu-se que é possível melhorar expressivamente a precisão e a acurácia dos dados de temperatura do ar da reanálise ERA5 utilizando dados medidos em estações meteorológicas automáticas da área de estudo, combinados com modelagem por redes neurais artificiais. Essa abordagem permite analisar a variabilidade espacial da temperatura do ar e estimar essa variável em locais sem monitoramento meteorológico. Os dados gerados poderão ser empregados em estudos relacionados à climatologia da temperatura do ar, zoneamento de culturas, gestão de riscos e cálculo da soma térmica para previsão do ciclo das culturas.