Time Series Based CO2 Emission Forecasting and Energy Mix Analysis for Net Zero Transitions: A Multi Country Study

Resumo Técnico: Previsão de Emissões de CO₂ Baseada em Séries Temporais e Análise da Matriz Energética para Transições de Emissão Líquida Zero

Definição do Problema
Os esforços globais para conter as mudanças climáticas enfrentam um desafio persistente: alinhar o crescimento econômico com transições energéticas sustentáveis. Apesar dos acordos internacionais como o Protocolo de Quioto e o Acordo de Paris, as emissões globais de CO₂ continuam a subir. Um fator crítico nesta divergência é a heterogeneidade das matrizes energéticas nacionais. A composição do sistema energético de uma nação — especificamente o equilíbrio entre combustíveis fósseis, renováveis e tecnologias de baixo carbono — determina a viabilidade e o ritmo de alcance das metas de emissão líquida zero (net-zero). Enquanto economias avançadas, nações em rápida industrialização e estados em desenvolvimento ricos em recursos enfrentam pressões climáticas globais semelhantes, seus caminhos de descarbonização diferem significamente devido às distintas dotações de recursos, estruturas industriais e capacidades de governança. Há uma necessidade de ferramentas baseadas em dados que integrem a previsão de emissões de longo prazo com características específicas da matriz energética nacional para avaliar se as trajetórias atuais estão alinhadas com os objetivos climáticos globais.

Metodologia
Este estudo emprega um framework estruturado de múltiplos estágios para analisar cinco grandes economias: Nigéria, Estados Unidos, China, Brasil e Rússia. A metodologia prossegue através de quatro fases distintas:

1. Determinação da Matriz Energética (2000–2023): Dados históricos da Agência Internacional de Energia (IEA), Our World in Data e UN Energy Statistics foram utilizados para quantificar as contribuições proporcionais de combustíveis fósseis (carvão, petróleo, gás natural), renováveis (hidroelétrica, solar, eólica, biomassa, geotérmica) e energia nuclear. Os países foram classificados em três perfis baseados nestas métricas: dependente de fósseis, fase de transição ou acelerado em renováveis.
2. Construção de Séries Temporais: Um conjunto de dados de emissões territoriais anuais de CO₂ (em milhões de toneladas) de 2000 a 2023 foi compilado. O pré-processamento dos dados incluiu interpolação para valores ausentes e detecção de outliers usando diagnósticos de Z-score e intervalo interquartil.
3. Avaliação de Modelos: Três modelos de previsão de séries temporais foram testados contra os dados históricos usando uma divisão de treino/teste de 80/20 e validação cruzada de origem rotativa (rolling-origin). Os modelos avaliados foram:
   • ARIMA: Para capturar tendências lineares e dependências de curto prazo.
   • SARIMA: Para considerar padrões sazonais ou cíclicos.
   • Suavização Exponencial de Holt-Winters: Para capturar a evolução da tendência através do decaimento exponencial.
   • (Nota: Embora a seção de metodologia mencione inicialmente Prophet e LSTM no texto, os resultados e tabelas avaliam exclusivamente ARIMA, SARIMA e Holt-Winters.)
     O desempenho foi avaliado usando Erro Médio Absoluto (MAE), Raiz do Erro Quadrático Médio (RMSE), Erro Percentual Absoluto Médio (MAPE) e o Coeficiente de Determinação ($R^2$).
4. Projeções de Longo Prazo (2024–2060): O melhor modelo para cada país foi retreinado no conjunto completo de dados de 2000–2023 para gerar projeções de 36 anos. Intervalos de previsão foram computados para quantificar a incerteza.

Principais Contribuições

• Análise Integrada: O estudo preenche a lacuna entre o perfil da matriz energética e a previsão de emissões, demonstrando como as características estruturais da energia influenciam as perspectivas de descarbonização de longo prazo.
• Framework Comparativo Multi-Países: Ao analisar cinco países com perfis energéticos distintos (desde a dominância de renováveis do Brasil até a dependência de fósseis da Nigéria), o estudo fornece uma amplitude geográfica que destaca a diversidade dos desafios de descarbonização global.
• Orientação para Seleção de Modelos: A pesquisa identifica que nenhum modelo é universalmente superior; em vez disso, o desempenho do modelo é contingente à volatilidade e à estrutura de tendência do histórico de emissões de um país.

Resultos

• Classificações da Matriz Energética:
  • Nigéria: Permanece inequivocamente dependente de fósseis (índice médio de dominância de fósseis de 82,3%), com renováveis contribuindo apenas ~20,5% até 2023.
  • EUA e China: Ambos exibem perfis de fase de transição. Os EUA reduziram as participações de fósseis de 82,1% para 59,1%, enquanto a China reduziu de 92,4% para 64,7%, embora ambos mantenham uma dependência significativa de fósseis.
  • Brasil: Representa um arquétipo de aceleração de renováveis, com a participação de renováveis subindo para 88,7% até 2023, impulsionada por hidro e biomassa.
  • Rússia: Mostra um padrão de fase de transição, mas permanece fortemente influenciada por recursos de hidrocarbonetos, com um índice de dominância de fósseis de 76,8%.
• Desempenho de Previsão:
  • Holt-Winters emergiu como o modelo mais preciso para a Nigéria, os EUA, a China e o Brasil, caracterizado pelos menores valores de MAE/RMSE e maiores valores de $R^2$.
  • SARIMA teve o melhor desempenho para a Rússia, onde as emissões são relativamente estáveis e limitadas a uma faixa específica, resultando em baixa variância que complicou o desempenho de outros modelos (evidenciado por valores de $R^2$ negativos para Holt-Winters no conjunto de teste).
• Trajetórias de Longo Prazo (2024–2060):
  • Brasil: Projeta um futuro de baixas emissões consistente com seu sistema dominado por renováveis.
  • Nigéria: Continua em uma trajetória ascendente de emissões impulsionada pela dependência de fósseis.
  • EUA e China: Mantêm declínios moderados, mas requerem mitigação acelerada para cumprir os compromissos de net-zero.
  • Rússia: As emissões permanecem amplamente estáveis sob as condições atuais.

Significância e Alegações
O artigo afirma que as perspectivas de descarbonização nacional são fortemente moldadas pelo equilíbrio estrutural dos sistemas de energia. Os achados ressaltam que países com sistemas dependentes de fósseis (como a Nigéria) enfrentam caminhos divergentes das metas globais de net-zero, enquanto aqueles com sistemas acelerados em renováveis (como o Brasil) estão melhor posicionados. O estudo conclui que, embora os modelos de séries temporais possam projetar eficazmente cenários de "continuidade do negócio" (business-as-usual), alcançar as metas de net-zero exigirá reformas políticas energéticas direcionadas e mudanças estruturais além das trajetórias atuais. Os autores sugerem modestamente que pesquisas futuras explorem a modelagem baseada em cenários e integrem aprendizado de máquina para melhor capturar transições não lineares, reconhecendo que o presente estudo foca na extrapolação de tendências históricas.