A century of monthly rainfall in the Senegal River Basin (1895–2020): automated quality control, machine learning gap-filling, and the cost of network attrition

A Grande História do Detetive da Chuva

Imagine a Terra como uma máquina gigante e respirante. Um de seus órgãos mais vitais é o clima, especificamente a chuva que cai no solo. Na ciência, isso é chamado de hidrologia — o estudo de como a água se move através da terra, rios e nuvens. Para entender como essa máquina funciona, os cientistas precisam de um diário longo e ininterrupto de chuvas. Eles chamam isso de "séries temporais". Pense nisso como um álbum de fotos de família: se você tiver uma foto a cada ano durante cem anos, pode ver como a família cresceu, quem se mudou e como estava o tempo durante os grandes eventos. Mas o que acontece se alguém arrancar páginas, escrever números errados nas margens ou parar de tirar fotos inteiramente? Esse é o problema que os cientistas enfrentam na África Ocidental.

Por décadas, a região sofreu com uma rede de pluviômetros (os dispositivos que captam a chuva) cada vez menor e registros antigos cheios de erros de digitação. Isso importa porque a Bacia do Rio Senegal é uma linha de vida para milhões de pessoas. Ela fornece água para beber, para a agricultura e para manter enormes reservatórios cheios. Se o "diário" da chuva estiver quebrado ou cheio de mentiras, as pessoas que gerenciam a água podem cometer erros terríveis — como abrir uma represa quando está prestes a inundar, ou fechá-la quando as plantações estão morrendo. A grande questão é: podemos consertar o diário quebrado? Podemos usar truques modernos de computador para preencher as páginas perdidas e corrigir os erros de digitação sem inventar uma chuva nova que nunca caiu?

A Missão de Resgate da Chuva de um Século

Este artigo é uma enorme missão de resgate para a Bacia do Rio Senegal, uma vasta área compartilhada por Guiné, Mali, Mauritânia e Senegal. Os autores, uma equipe de pesquisadores, decidiram reunir todos os registros mensais de chuva que conseguissem encontrar de 1895 a 2020. Eles não apenas os coletaram; eles construíram um sistema automatizado super inteligente para limpar a bagunça. Imagine um bibliotecário que não apenas encontra livros, mas também percebe quando alguém escreveu "1000" em vez de "10,00" em um livro de registros, ou quando duas pessoas diferentes escreveram duas histórias diferentes para o mesmo dia.

A equipe reuniu uma biblioteca de 138 estações e mais de 80.000 observações. Mas antes de poderem usar esses dados, eles tiveram que jogar "encontre o erro". Seu sistema automatizado descobriu que 1,4% dos registros estavam errados. Alguns erros eram absurdos: uma estação no Mali registrou 111.622,8 mm de chuva em um único mês (isso é mais de 111 metros de chuva, o que é fisicamente impossível!), e outra registrou 90.120 mm. O sistema percebeu que eram apenas erros de ponto decimal e os corrigiu dividindo por 100. A lição aqui é assustadora, mas importante: deixar apenas um desses erros sem correção pode deslocar toda a história de chuvas da região em dezenas de desvios padrão. É como se uma pessoa em uma sala de 100 de repente pesasse 10 toneladas; o peso médio de toda a sala pareceria completamente errado.

Depois que os dados foram limpos, os pesquisadores fizeram a próxima grande pergunta: Como preenchemos as lacunas? Ao longo dos anos, muitas estações de chuva fecharam, deixando grandes buracos no registro, especialmente após a década de 1990. Os autores testaram seis métodos diferentes para adivinhar qual foi a chuva durante esses meses ausentes. Eles usaram desde matemática simples (olhando para o que seus vizinhos receberam) até aprendizado de máquina sofisticado (programas de computador que aprendem padrões).

É aqui que a história fica interessante. Os pesquisadores realizaram milhares de simulações, fingindo esconder partes dos dados e depois vendo qual método conseguia adivinhá-los melhor.

• Para lacunas aleatórias (como alguns meses faltando aqui e ali) ou lacunas de bloco (anos inteiros faltando), os métodos mais simples venceram. Uma técnica clássica chamada de método da "razão normal" e uma regressão linear simples foram os campeões. Eles recuperaram a chuva ausente com um índice de habilidade (eficiência de Kling-Gupta) próximo de 0,90. Os modelos de aprendizado de máquina sofisticados, como Random Forest e XGBoost, tiveram um desempenho tão bom quanto os modelos simples, mas nunca os superaram. Acontece que, quando você tem uma rede densa de vizinhos, não precisa de um supercomputador; você só precisa de um bom mapa de quem mora ao lado.
• No entanto, há uma pegadinha. O artigo descobriu que, quando as lacunas ocorrem no final do registro (porque as estações fecharam durante um período em que o clima estava mudando), os métodos simples falham. Eles começam a supor que estava mais úmido do que realmente estava. Isso é chamado de "viés úmido" (wet bias). Como os modelos foram treinados em anos mais úmidos do passado, eles continuavam supondo "está chovendo!", mesmo quando a seca havia começado. Nesses "intervalos terminais" específicos, o viés poderia chegar a 9,4 mm por mês com os métodos simples.

Mas os modelos de aprendizado de máquina salvaram o dia nesse cenário específico. Quando os pesquisadores agruparam todas as estações e deram ao computador uma dica de "ano de calendário" (dizendo a ele: "Ei, estamos nos anos 1990, as coisas estão ficando mais secas"), os modelos de aprendizado de máquina puderam corrigir o viés. Eles reduziram o erro para apenas 2,0 mm por mês. Portanto, o aprendizado de máquina não é mágica para todos os problemas, mas é a única ferramenta que funciona quando o clima está mudando e a rede de dados está desmoronando.

A equipe também verificou seu trabalho em comparação com dados de satélite. Os satélites confirmaram que a região está, de fato, se recuperando de uma longa seca que durou de 1968 a 1993. No entanto, os dados de satélite mostraram que a recuperação foi mais suave do que os dados dos pluviômetros sugeriam. Isso provou que o encolhimento da rede de pluviômetros estava fazendo a chuva recente parecer mais forte do que realmente era — um caso clássico de "viés de atrição".

No fim, este artigo nos entrega um diário de chuva de um século, limpo e corrigido, para a Bacia do Rio Senegal. Ele nos diz que, para dados faltantes rotineiros, a matemática simples baseada em vizinhos ainda é a rainha. Mas quando a rede encolhe e o clima muda, precisamos de modelos de aprendizado de máquina agrupados e mais inteligentes para evitar nos enganarmos. Os autores disponibilizaram este banco de dados limpo e corrigido ao público, dando aos quatro países que compartilham o rio uma base confiável para gerir sua água, planejar inundações e negociar a paz. É um lembrete de que, na ciência, limpar o passado é tão importante quanto prever o futuro.