Resumo Técnico: Downscaling de ERA5 via Aprendizado de Máquina nos Planaltos Centrais do Vietnã

Definição do Problema

Conjuntos de dados de reanálise atmosférica de baixa resolução, como o ECMWF Reanalysis v5 (ERA5) do Centro Europeu de Previsão Meteorológica a Médio Prazo, são essenciais para a pesquisa climática, mas sofrem de vieses sistemáticos significográficos em regiões com topografia complexa. Os Planaltos Centrais do Vietnã (Tay Nguyen), uma zona agrícola crítica que produz a maior parte das exportações de café do país, são altamente vulneráveis a secas na estação seca e precipitações extremas localizadas. No entanto, a região carece de redes densas e de longo prazo de estações meteorológicas terrestres. Consequentemente, pesquisadores frequentemente dependem de conjuntos de dados globais em grade como o ERA5 (~31 km de resolução), que falham em capturar processos físicos em subgrades, gradientes orográficos íngremes e precipitação convectiva tropical localizada. Esses conjuntos de dados frequentemente subestimam eventos de precipitação extrema e representam incorretamente os gradientes de temperatura, tornando-os insuficientes para o planejamento agrícola e hidrológico regional.

Metodologia

Este estudo propõe um framework de aprendizado de máquina (ML) fisicamente informado para realizar o downscaling de temperatura e precipitação mensal da grade de 0,25° do ERA5 para uma resolução de escala de estação, utilizando dados de 13 estações hidrometeorológicas (1984–2019).

Fontes de Dados

• Observações: Precipitação mensal e temperatura média diária de 13 estações geridas pela Administração Meteorológica e Hidrológica do Vietnã (VNMHA).
• Reanálise: Dados mensais do ERA5 (temperatura a 2m, precipitação total, umidade relativa, componentes do vento, radiação solar, evaporação).
• Características Estáticas: Modelo Digital de Elevação (DEM) SRTM de 30m para elevação, declividade, aspecto e distância do mar; dados de cobertura de solo MODIS.

Engenharia de Atributos (Feature Engineering)

Para preencher a lacuna entre as coordenadas geográficas estáticas e os processos atmosféricos dinâmicos, os autores projetaram vários preditores variáveis no tempo:

1. Índice Orográfico (OI): Quantifica a interação vento-declividade ($Velocidade do Vento \times \sin(Declividade) \times \cos(Direção do Vento - Aspecto)$) para representar ascensão mecânica (barlavento) ou subsidência (sotavento).
2. Fluxo de Umidade (MF): Um proxy para a disponibilidade de umidade ($Umidade Relativa \times Velocidade do Vento$).
3. Déficit de Pressão de Vapor (VPD): Representa o poder de secagem atmosférica, crítico para o acoplamento temperatura-umidade.
4. Índice de Precipitação Padronizado (SPI3): Uma métrica de janela de 3 meses para capturar a memória da umidade do solo antecedente e condições de seca.
5. Duração da Estação Seca: Contagem cumulativa de meses onde a precipitação é menor que a evapotranspiração potencial.
6. Índice Oceânico de El Niño (ONI): Representação categórica das fases do ENSO (El Niño, La Niña, Neutro) para capturar oscilações climáticas interanuais.

Arquitetura do Modelo e Validação

Cinco algoritmos de regressão foram avaliados: Random Forest (RF), XGBoost, LightGBM, CatBoost e um Ensemble Empilhado (combinando RF, CatBoost e XGBoost via regressão Ridge).

• Configurações: Dois setups foram comparados:
  • Padrão: Características topográficas estáticas + variáveis brutas do ERA5.
  • Melhorado: Características padrão + índices meteorológicos projetados (OI, MF, VPD, SPI3, DryLength, ONI).
• Validação: Um método de TimeSeriesSplit foi utilizado, treinando em 1984–2005 e testando em 2006–2019 para garantir a generalização para janelas temporais não vistas.
• Métricas: Erro Quadrático Médio (RMSE), Erro Médio Absoluto (MAE), Coeficiente de Determinação ($R^2$) e Eficiência de Kling-Gupta (KGE).

Principais Resultados

Viés de Linha de Base

Os dados brutos do ERA5 exibiram erros sistemáticos:

• Precipitação: Subestimou a chuva mensal com uma média geral de 13,58 mm (RMSE: 94,76 mm). Os erros foram particularmente severos em áreas de alta altitude (ex: subestimação de 44,56 mm em Bao Loc) e superestimação em outras (ex: Da Lat).
• Temperatura: MAE geral de 0,78°C, com vieses variando conforme a elevação (superestimação em Da Lat, subestimação em vales de baixa altitude).

Comparação de Desempenho dos Modelos

• Temperatura: Modelos de ensemble baseados em árvores superaram significativamente os baselines lineares. O modelo CatBoost melhorado alcançou o maior desempenho com um $R^2$ de 0,955 e RMSE de 0,451°C sob configurações padrão.
• Precipitação: Sob configurações de atributos padrão, a regressão linear simples superou os modelos complexos de ML (RF $R^2$: 0,557 vs. Linear $R^2$: 0,614). Os autores atribuem isso à falta de descritores físicos nas características estáticas, fazendo com que os modelos de árvore sofram overfitting das coordenadas geográficas.

Impacto dos Atributos Melhorados

A inclusão de atributos dinâmicos projetados melhorou drasticamente o desempenho, particularmente para precipitação:

• Precipitação: O modelo Random Forest melhorado elevou o $R^2$ de 0,669 (padrão) para 0,706 e reduziu o RMSE de 98,98 mm para 93,34 mm.
• Temperatura: O modelo melhorado elevou o $R^2$ de 0,944 para 0,949 e reduziu o RMSE de 0,582°C para 0,555°C.
• Eventos Extremos: Durante a seca do El Niño de 2015–2016, o modelo melhorado manteve um RMSE estável de 87,42 mm para precipitação e 0,552°C para temperatura, capturando com sucesso os déficits de chuva e anomalias de SPI3.

Importância dos Atributos

A análise revelou que o Índice Orográfico (OI) e o Déficit de Pressão de Vapor (VPD) foram os preditores mais críticos. O OI capturou influências topográficas locais na precipitação (ascensão de barlavento vs. sombra de chuva), enquanto o VPD capturou o acoplamento termodinâmico entre a demanda atmosférica e a temperatura de superfície, particularmente durante a estação seca.

Análise de Sensibilidade

Quando os lags observados das estações foram substituídos por lags derivados do ERA5 para gerar grades espacialmente contínuas, o $R^2$ do modelo diminuiu ligeiramente (0,706 para 0,672), mas ainda superou o modelo padrão baseado apenas em topografia, confirmando a viabilidade desta estratégia para a geração de produtos em grade.

Significância e Alegações

O artigo alega que a integração do acoplamento hidrometeorológico (via VPD, Fluxo de Umidade) e índices de anomalia climática (SPI3, ONI) em frameworks de aprendizado de máquina melhora significativamente o downscaling estatístico em terrenos complexos.

• Representação Física: O estudo demonstra que ir além das coordenadas geográficas estáticas para incluir atributos dinâmicos projetados permite que os modelos de ML representem melhor os processos físicos que impulsionam os extremos climáticos locais, como a ascensão orográfica e o particionamento de energia atmosfera-superfície.
• Aplicação: Os dados climáticos históricos de alta fidelidade e escala de estação resultantes abordam a escassez de observações terrestres nos Planaltos Centrais. Isso fornece uma base confiável para:
  • Planejamento de recursos hídricos e gestão de reservatórios.
  • Gestão agrícola, especificamente para a produção de café, que é sensível às secas da estação seca e anomalias de temperatura.
  • Desenvolvimento de sistemas localizados de alerta precoce para secas.

Os autores concluem que, embora o framework seja robusto, trabalhos futuros devem abordar a não-estacionaridade sob mudanças climáticas, integrar dados de cobertura de solo variáveis no tempo (para considerar o desmatamento e a expansão do café) e estender a abordagem para resolução temporal diária usando arquiteturas de deep learning.