Utilização do método Bluecat para correção de viés e estimação de incertezas na previsão de variáveis hidroclimáticas na região metropolitana de Belo Horizonte

Leonardo Rodrigues Santos

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/80016

Type:	Dissertação
Title:	Utilização do método Bluecat para correção de viés e estimação de incertezas na previsão de variáveis hidroclimáticas na região metropolitana de Belo Horizonte
Authors:	Leonardo Rodrigues Santos
First Advisor:	Veber Afonso Figueiredo Costa
First Referee:	Francisco Eustáquio Oliveira e Silva
Second Referee:	Luiz Rafael Palmier
Third Referee:	Eduardo Mario Mendiondo
Abstract:	Mudanças climáticas têm sido uma preocupação crescente devido aos riscos que apresentam, especialmente em áreas vulneráveis. O Painel Intergovernamental sobre Mudanças Climáticas (IPCC) é uma fonte importante de pesquisas sobre mudanças climáticas, fornecendo uma base de informações relacionadas a cenários de emissões, além de revisões de modelos climáticos por terceiros e recomendações de abordagens para documentar projeções futuras. Esses cenários são obtidos em função de condições de emissão de poluentes atmosféricos e gases do efeito estufa, ou seja, fatores que influenciam na variação da temperatura global. O clima futuro em função destes cenários é normalmente projetado em modelos climáticos de circulação global (GCMs), que são modelos matemáticos que representam de forma integrada a dinâmica dos sistemas terrestres e atmosféricos, incluindo os efeitos das atividades humanas (CMIP 6). Ressalta-se que os modelos são elaborados em escalas globais, o que pode resultar em saídas enviesadas quando aplicados a áreas de menor magnitude, ou seja, projeções de modelos climáticos necessitam correção de viés pois, normalmente, não são aderentes aos dados observados. Quando usados para fins de engenharia e pesquisa científica, a quantificação das incertezas e a inferência estatística dos resultados de um modelo GCM se faz necessária para tomadas de decisão adequadas tanto do ponto de vista da segurança quanto econômico. Como uma maneira prática e rápida de quantificar as incertezas de um modelo determinístico, Koutsoyiannis e Montanari (2021) apresentam o modelo Bluecat (Brisk Local Uncertainty Estimator for Generic Simulations and Predictions), capaz de transformar modelos determinísticos em estocásticos, com base nos dados observados de uma dada variável hidrológica. Este trabalho tem como objetivo avaliar a eficácia do método Bluecat para quantificar incertezas, avaliar a capacidade do modelo de correção de viés sobre diferentes cenários de emissão do IPCC, além de investigar a influência de cada modelo determinístico GCM (i.e., cenários de evolução de temperatura e precipitação) para a Região Metropolitana de Belo Horizonte. Foram estudados os cenários SSP1-2.6, SSP2-4.5 e SSP5-8.5 do CMIP 6 para chuva e temperatura média mensal. Ao aplicar o método Bluecat verificou-se indiferença nas projeções de chuva mensal e pouca representatividade dos cenários de temperatura ao processo estocástico real.
Abstract:	Climate change has been an increasing concern due to the risks it presents, especially in vulnerable areas. The Intergovernmental Panel on Climate Change (IPCC) is a significant source of information and research on climate change, providing a foundation of information related to emission scenarios, as well as reviews of third-party climate models and recommendations for approaches to document future projections. These emission scenarios are obtained based on conditions of atmospheric pollutant and greenhouse gas emissions, that is, factors that influence global temperature variation. Future climate based on emission scenarios is typically projected in global circulation climate models (GCMs), which are mathematical models that integrally represent the dynamics of terrestrial and atmospheric systems, including the effects of human activities (CMIP6). It is emphasized that the models are developed on global scales, which can result in biased outputs when applied to areas of smaller magnitude, meaning climate model projections need bias correction since they usually do not adhere to observed data. When used for engineering and scientific research purposes, the quantification of uncertainties and the statistical inference of GCM model results are necessary for appropriate decision-making from both safety and economic viewpoints. As a practical and rapid way to quantify the uncertainties of a deterministic model, Koutsoyiannis and Montanari (2021) present the Bluecat model (Brisk Local Uncertainty Estimator for Generic Simulations and Predictions), capable of transforming deterministic models into stochastic ones, based on observed data of a given hydrological variable. The present work aims to evaluate the effectiveness of the Bluecat method in quantifying uncertainties, assess the model's bias correction capability across different IPCC emission scenarios, and investigate the influence of each deterministic GCM model (i.e., scenarios of temperature and precipitation evolution) for the Metropolitan Region of Belo Horizonte. The SSP1-2.6, SSP2-4.5, and SSP5-8.5 scenarios of CMIP6 for monthly average rain and temperature were studied. Upon applying the method Bluecat, indifference was observed in the monthly rain projections and little representativeness of the temperature scenarios to the real stochastic process.
Subject:	Engenharia sanitária Recursos hídricos Climatologia Modelos estocásticos
language:	por
metadata.dc.publisher.country:	Brasil
Publisher:	Universidade Federal de Minas Gerais
Publisher Initials:	UFMG
metadata.dc.publisher.department:	ENG - DEPARTAMENTO DE ENGENHARIA SANITÁRIA E AMBIENTAL
metadata.dc.publisher.program:	Programa de Pós-Graduação em Saneamento, Meio Ambiente e Recursos Hídricos
Rights:	Acesso Aberto
URI:	http://hdl.handle.net/1843/80016
Issue Date:	19-Feb-2024
Appears in Collections:	Dissertações de Mestrado

Files in This Item:

File	Description	Size	Format
Dissertacao_biblioteca.pdf		10.59 MB	Adobe PDF	View/Open

Show full item record