Estimação da Cobertura de Gelo Marinho nos Mares Antárticos de Weddell, Belingshausen e Amundsen com Redes Neurais Artificiais

• Main Authors: Tenorio, Ricardo Bruno de Araújo, Fernandez, José Henrique, Mendes, David, da Silva Júnior, José Pedro
• Format: Article in Journal/Newspaper
• Language: English; Portuguese
• Published: Universidade Federal do Rio de Janeiro 2022
• Subjects: Aprendizado profundo; CNN-LSTM; TensorFlow; Antártica
• Online Access: https://revistas.ufrj.br/index.php/aigeo/article/view/40763

O gelo marinho desempenha um papel fundamental na regulação térmica das regiões polares. Observações de satélites evidenciam que na Antártica o gelo apresentava, na série histórica, tendências positivas em cobertura e extensão. Em 2019 houve um padrão de inversões entre os valores da normal climatológica e dos dados de reanálise. Nesse contexto, este estudo teve como principal objetivo avaliar o potencial de previsibilidade de cobertura de gelo marinho com a aplicação de técnicas de RNAs em 3 mares que banham o continente Antártico, a saber: Weddell, Bellingshausen e Amundsen. Para tanto, foram utilizados como previsores a temperatura da superfície do mar, a temperatura do ar a 2 metros, a velocidade do vento a 10 metros, o albedo e os fluxos de calor latente e sensível, no período de 1979 a 2019. Os dados foram particionados em 70% para treinamento e 30% para testes. Modelos SARIMAX serviram como valores de referência para aferição da precisão das previsões com RNAs. Em todos os meses com anomalias absolutas superiores a 15% de concentração, o modelo de RNA CNN-LSTM superou os modelos MLP e SARIMAX.