Climate Change Impacts on Reference Evapotranspiration in Arid and Semi-Arid Regions under CMIP6 Scenarios using ERA5-Land and Machine Learning

Resumo Técnico: Impactos das Mudanças Climáticas na Evapotranspiração de Referência em Regiões Áridas e Semiáridas sob Cenários CMIP6

Definição do Problema
As mudanças climáticas estão perturbando significativamente o ciclo hidrológico, particularmente em regiões áridas e semiáridas como a Província de Semnan, Irã, que enfrenta severo estresse térmico e hídrico. A evapotranspiração de referência ($ET_0$) é um indicador crítico para estimar os requisitos de água das culturas e o escalonamento da irrigação. No entanto, estudos existentes no Irã frequentemente dependem de conjuntos de dados climáticos de resolução grosseira, observações baseadas em estações com cobertura espacial esparsa ou modelos de Circulação Geral (GCMs) de gerações anteriores. Essas limitações dificultam a capacidade de capturar gradientes climáticos locais e a variabilidade espacial necessária para um planejamento eficaz dos recursos hídricos. Além disso, as projeções futuras estão sujeitas a uma incerteza substancial decorrente da variabilidade entre modelos, trajetórias de emissão e técnicas de downscaling. Este estudo aborda a necessidade de projeções de $ET_0$ de alta resolução e confiáveis sob cenários climáticos futuros para apoiar a gestão adaptativa da água em regiões de topografia complexa e escassez de dados.

Metodologia
O estudo emprega uma estrutura híbrida integrando modelagem climática física, dados de reanálise e aprendizado de máquina para projetar a $ET_0$ em toda a Província de Semnan a uma resolução de 1 km.

1. Área de Estudo e Dados: A pesquisa foca na Província de Semnan, caracterizada por uma transição das Montanhas Alborz para desertos centrais. O estudo utiliza cinco Modelos de Circulação Geral do CMIP6 (ACCESS-CM2, BCC-CSM2-MR, CAMS-CSM1-0, MIROC6, Tai_ESM1) sob dois Caminhos Socioeconômicos Compartilhados (SSP2-4.5 e SSP5-8.5) através de três horizontes temporais: próximo (2025–2050), médio (2051–2075) e futuro distante (2076–2099).
2. Processamento de Linha de Base e Reanálise:
   • FAO-56 Penman-Monteith: A $ET_0$ diária foi calculada em 10 estações sinóticas usando dados meteorológicos observados (1990–2014) para estabelecer uma linha de base.
   • Downscaling e Correção de Viés: Dados de reanálise ERA5-Land (originalmente de 9 km) foram submetidos a downscaling para 1 km usando krigagem ordinária com elevação como um drift externo. Esses dados submetidos a downscaling foram então corrigidos quanto ao viés contra observações de estações usando um modelo de aprendizado de máquina de Floresta Aleatória (Random Forest - RF). Este conjunto de dados corrigido serviu como uma referência em grade de alta resolução.
3. Downscaling de GCM e Correção de Viés: Os outputs do CMIP6 foram reamostrados para 1 km e corrigidos quanto ao viés usando o método do Fator de Mudança Delta (DCF), utilizando os dados corrigidos do ERA5-Land como referência para o período histórico (1990–2014).
4. Análise de Sensibilidade e Projeção: Uma análise de sensibilidade da equação FAO Penman-Monteith foi realizada para determinar a influência das variáveis climáticas. Dada a alta incerteza nas projeções de vento e umidade, o estudo focou na temperatura como o principal motor. A $ET_0$ futura foi projetada aplicando os coeficientes de sensibilidade de temperatura derivados às projeções de temperatura corrigidas quanto ao viés.
5. Espacialização: Um modelo RF foi treinado para espacializar a $ET_0$ a uma resolução de 1 km, utilizando a $ET_0$ baseada em estações como alvo, e variáveis de temperatura em grade, DEM (Modelo Digital de Elevação) e ERA5-Land como preditores.

Principais Resultados

• Desempenho do Modelo: A correção de viés melhorou significativamente a precisão dos dados de temperatura do ERA5-Land, reduzindo o Erro Quadrático Médio (RMSE) de 2,35°C para 1,00°C e o viés de 1,70°C para -0,01°C. O ensemble CMIP6 corrigido quanto ao viés mostrou forte concordância com os dados de referência (coeficiente de correlação $r$ > 0,97).
• Projeções de Temperatura: Projeta-se uma tendência de aquecimento constante em todos os horizontes. Sob o cenário intermediário (SSP2-4.5), espera-se que as temperaturas aumentem aproximadamente 1,0°C a cada 30 anos. Sob o cenário de altas emissões (SSP5-8.5), a taxa acelera para aproximadamente 2,0°C a cada 30 anos. No futuro distante (2076–2099), as temperaturas médias podem aumentar em até 5°C em relação à linha de base sob o SSP5-8.5.
• Sensibilidade: A análise de sensibilidade confirmou que a temperatura média é o principal motor da $ET_0$ neste ambiente árido, com um coeficiente de sensibilidade anual de 0,6. Isso implica que um aumento de 10% na temperatura do ar leva a um aumento aproximado de 6% na $ET_0$.
• Projeções de $ET_0$:
  • SSP2-4.5: Projeta-se que a $ET_0$ aumente em média 2,85 mm/ano, resultando em um aumento total de aproximadamente 6,5% até o final do século.
  • SSP5-8.5: Projeta-se que a $ET_0$ aumente em 5,2 mm/ano, culminando em um aumento total de até 16% em relação à linha de base.
• Heterogeneidade Espacial: A análise revela que as áreas montanhosas do norte, com cobertura vegetal mais densa, devem experimentar aumentos absolutos mais intensos de $ET_0$ em comparação com as regiões desérticas do sul. Isso sugere que as zonas agrícolas, em vez das áreas desérticas mais áridas, enfrentam maior vulnerabilidade aos futuros déficits de umidade.

Significância e Alegações
O artigo afirma que sua principal contribuição reside na integração metodológica de dados de reanálise corrigidos quanto ao viés com aprendizado de máquina para produzir projeções de $ET_0$ de alta resolução (1 km) em uma região com redes de observação esparsas. Ao utilizar o ERA5-Land corrigido quanto ao viés como uma referência em grade, o estudo supera as limitações de depender apenas de dados de estações ou saídas de GCM grosseiras.

Os autores afirmam que seus achados fornecem uma base robusta para a gestão de água adaptada ao clima. Os aumentos projetados na demanda evaporativa, particularmente nas zonas agrícolas do norte, necessitam de ajustes urgentes no escalonamento da irrigação e no planejamento dos recursos hídricos. O estudo enfatiza que, embora a abordagem foque em mudanças impulsionadas pela temperatura (uma aproximação de primeira ordem), ela oferece uma avaliação pragmática e confiável para regiões onde as projeções de umidade e velocidade do vento carregam alta incerteza. Em última análise, a pesquisa destaca a necessidade de estratégias de irrigação otimizadas e ajustes localizados nos padrões de cultivo para mitigar o estresse de seca acelerado e manter a produtividade agrícola no século XXI.