Novo estudo: deep learning revela padrões históricos e futuros de bloqueio atmosférico

São PauloEventos de bloqueios atmosféricos são padrões climáticos importantes onde sistemas de alta pressão permanecem na mesma área por longos períodos, interrompendo o fluxo da corrente de jato e o caminho das tempestades. Em 2023, esses eventos causaram condições climáticas extremas, como inundações severas e ondas de calor, especialmente na Europa. Pesquisas recentes conduzidas por Christina Karamperidou, da Universidade do Havaí em Manoa, utilizam aprendizado profundo para estudar esses fenômenos ao longo dos últimos mil anos e prever eventuais ocorrências futuras.

Estudo de Karamperidou utiliza modelo de aprendizado profundo treinado com dados históricos e simulações climáticas extensivas para identificar a frequência de eventos de bloqueio atmosférico. Analisando anomalias de temperatura dos últimos 1.000 anos, o modelo se baseia em dados de temperatura obtidos por anéis de árvores, oferecendo perspectivas sobre padrões climáticos passados.

Título: Avanços no estudo do clima: modelos de aprendizado profundo e registros paleoclimáticos

Alguns elementos essenciais deste estudo incluem:

• Desenvolver um modelo de aprendizado profundo para identificar frequências de bloqueio a partir de dados históricos de temperatura.
• Relacionar registros paleoclimáticos com sinais paleoclimáticos por meio de aprendizado de máquina.
• Oferecer novas perspectivas sobre fenômenos climáticos e aprimorar as previsões de modelos climáticos.

Leia também:

Hoje · 04:06

Novo estudo: órgãos de tubo podem afinar música automaticamente em salas de concerto?

A compreensão da frequência e intensidade dos bloqueios atmosféricos é fundamental, especialmente com o avanço das mudanças climáticas. Esses fenômenos influenciam extremos climáticos locais e globais, impactando regiões como o Havaí, o Noroeste do Pacífico e a Europa. Com possíveis efeitos associados a eventos como o El Niño e as temperaturas da superfície do mar no Pacífico tropical, reconstruções e previsões precisas são essenciais.

A pesquisa de Karamperidou vai além do simples estudo da história. Ao relacionar a frequência de eventos de bloqueio com as mudanças no clima do Pacífico tropical, seu modelo contribui para aumentar a precisão dos modelos climáticos. Essa abordagem ajuda a diminuir as incertezas nas previsões climáticas futuras, proporcionando uma valiosa contribuição para a capacidade da comunidade científica de prever os efeitos climáticos com mais precisão.

Estudo destaca a aplicação de métodos de pesquisa aberta. Estudantes da UH Manoa ajudaram no desenvolvimento de uma interface web para explorar o modelo e os seus resultados. Esse sistema está hospedado no Jetstream-2 e ressalta a importância de um acesso claro e fácil às pesquisas climáticas, especialmente com o crescente papel da inteligência artificial e do aprendizado de máquina em estudos científicos.

No futuro, há planos para aprimorar o modelo e talvez aplicá-lo a mais do que apenas eventos de bloqueio atmosférico. Isso poderia incluir o estudo de outros fenômenos climáticos que têm grande impacto na sociedade e na economia, ampliando assim o conhecimento obtido com o uso de deep learning na ciência climática.