CMIP6: Modelagem Climática e Como Trabalhar com os Dados

Os modelos climáticos são um dos principais meios para os cientistas entenderem como o clima mudou no passado e pode mudar no futuro. Esses modelos simulam a física, a química e a biologia da atmosfera, terra e oceanos em grande detalhe e requerem alguns dos maiores supercomputadores do mundo para gerar suas projeções climáticas.

Os modelos climáticos estão em constante atualização, pois diferentes grupos de modelagem ao redor do mundo incorporam maior resolução espacial, novos processos físicos e ciclos biogeoquímicos. Esses grupos de modelagem coordenam suas atualizações de acordo com o cronograma dos relatórios de avaliação do Painel Intergovernamental sobre Mudanças Climáticas (IPCC), divulgando um conjunto de resultados de modelos – conhecidos como “execuções” – antes de cada um.

O sexto relatório de avaliação do IPCC (AR6) acaba de apresentar ao público os novos modelos de última geração CMIP6.

O CMIP6 consiste nas “execuções” de cerca de 100 modelos climáticos distintos sendo produzidos em 49 grupos de modelagem diferentes. Foram produzidos diversos cenários para diferentes faixas de emissão de carbono na atmosfera. Esses cenários adicionais atualizados são chamados de SSP1-2.6, SSP2-4.5, SSP4-6.0 e SSP5-8.5. Esses cenários incluem variáveis sociais como aumento populacional, econômicos e bioecológicos. Estão incluídos no gráfico abaixo, que mostra as emissões anuais de CO2 assumidas em cada cenário até o ano de 2100. Os novos cenários incluem SSP1-1.9 (linha roxa), SSP4-3.4 (azul sólido), SSP5-3.4OS (azul tracejado ) e SSP3-7.0 (laranja).


Fonte: Cenários futuros de emissões de CO2 apresentados no CMIP6, bem como emissões históricas de CO2 (em preto). A área sombreada representa o intervalo de cenários de linha de base sem política. Dados do banco de dados SSP; gráfico por Carbon Brief usando Highcharts.

O CMIP6 adicionou um novo cenário – SSP3-7.0 – que fica bem no meio da faixa de resultados de emissão de carbono. Muitos consideram esta faixa a mais provável de ser real no futuro, com um pouco de mitigaçào mas sem alcançar todos as metas. Agora, os modeladores podem examinar os resultados do pior caso (SSP5-8.5), do meio do caminho (SSP3-7.0) e mais otimistas (SSP4-6.0) ao modelar como o mundo pode aquecer no futuro.

Os dados no WorldClim

Baixar os dados das projeções diretamente do site do IPCC é possível mas extremamente complicado e em formato NetCDF. Tente aqui: cmip6 Data Search | cmip6 | ESGF-CoG (llnl.gov)

O WorldClim, que é um banco de dados de dados climático e meteorológico global de alta resolução espacial comecou a disponibilizar estes dados de uma forma mais simples. Esses dados podem ser usados ​​para mapeamento e modelagem espacial. Os dados são fornecidos para uso em pesquisas e atividades relacionadas; e algumas habilidades e conhecimentos especializados são necessários para usá-los.

Os dados disponíveis são projeções climáticas futuras reduzidas do CMIP6. O downscaling e calibração (correção de viés) foi feito com o WorldClim v2.1 como clima de linha de base.

Valores mensais de temperatura mínima, temperatura máxima e precipitação foram processados ​​para nove modelos climáticos globais (GCMs): BCC-CSM2-MR, CNRM-CM6-1, CNRM-ESM2-1, CanESM5, GFDL-ESM4, IPSL- CM6A-LR, MIROC-ES2L, MIROC6, MRI-ESM2-0 e para quatro Caminhos Socioeconômicos Compartilhados (SSPs): 1-26, 2-45, 3-70 e 5-85.

Os valores mensais foram médias em períodos de 20 anos (2021-2040, 241-2060, 2061-2080, 2081-2100). As seguintes resoluções espaciais estão disponíveis (expressas em minutos de um grau de longitude e latitude): 10 minutos, 5 minutos, 2,5 minutos.

Clique aqui para acessar e baixar os dados do CMIP6 do site do Worldclim

Veja termos de uso e como citar os dados do CMIP6 em artigos

Os dados para o Brasil

Com base nos dados acima, podemos rodar análises GIS, efetuando álgebra entre mapas para termos dados de diminuição e aumento na temperatura e precipitação para qualquer área do mundo. Veja um exemplo abaixo que elaboramos para o Brasil, usando dois SSPs distintos, em dois períodos, usando o modelo GCM (Global Circulation Model) do grupo de simulação do MRI-ESM2-0 do Japão.

Fonte: Análises da Forest-GIS. De 2041 a 2099, no SSP mediano (3-7.0), as chuvas deverão diminuir bastante (quase 1k mm ano) na região amazônica e aumentar no centro sul do Brasil. No SSP mais pessimista (5-8.5), as chuvas seguem a mesma tendência, mas de forma bem mais irregular.
https://forest-gis.com/wp-content/uploads/2022/01/Cmip6_Temperatura_Brasil-1024x560.jpg
Fonte: Análises da Forest-GIS. De 2041 a 2099. As temperaturas médias anuais também deverão aumentar bastante, principalmente no centro oeste com o passar dos anos.

O conjunto multi-modelo CMIP6 é um recurso extremamente importante com informações de cientistas e grupos de modelagem de todo o mundo. [CMIP6 que significa Projeto de Intercomparação de Modelos Acoplados, 6 por que está em sua 6ª Fase]. Porém modelos são modelos apenas e, para muitos lugares, não se adaptam bem a realidade local. É preciso utilizá-los com cuidado.

Leia mais sobre os SSPs, comentários sobre os modelos e cenários clicando aqui

Fontes: CarbonBrief, WorldClim, IPCC e WCRP

CMIP6 – Modelos no ArcGIS Living Atlas

A ESRI adicionou ao Living Atlas os modelos publicados pela WorldClim. Eles fornecem modelos climáticos confiáveis e de alta resolução para serem usados para uma variedade de problemas sociais e ecológicos – ou apenas para entender melhor nossas mudanças climáticas. Com fácil acesso aos dados climáticos mais atualizados, os usuários são capacitados para realizar análises e pesquisas científicas robustas na facilidade de ambientes da web e desktop usando rasters multidimensionais (veja aqui como trabalhar com eles). Abaixo o link para os modelos publicados no LivingAtlas. Eles estão em formato raster mutidimencionais, ou seja, várias variáveis em um mesmo arquivo:

Raster Multidimensionais – Exemplo

No ArcGIS PRO, é possível converter os rasters multidimensionais em camadas raster normais para fazer os mapas. Para isto adiciona as camadas abaixo do LivingAtlas no seu PRO e use as ferramentas de geoprocessamento para extrair os dados.

Extrair subconjuntos de dados dos testes Multidimensionais no ArcGIS PRO
Como Extrair sub conjuntos de dados dos rasters Multidimensionais no ArcGIS PRO. Veja o exemplo acima para um cenário de emissões (SSP2-4.5) e um ano (2050). Selecionar “por valores” como a definição dimensional é a maneira ideal de extrair subconjuntos de uma dimensão de tempo. O raster resultante não será multidimensional e conterá apenas dados para o subconjunto selecionado. (Fonte em inglês)

Links para os Dados no Living Atlas


Link: Living Atlas of the World | ArcGIS

Imagery Layer

Bioclimate Projections: (01) Annual Mean Temperature

By esri_environment

Imagery Layer

Bioclimate Projections: (12) Annual Precipitation

By esri_environment

Imagery Layer

Bioclimate Projections: (05) Max Temperature of Warmest Month

By esri_environment

Imagery Layer

Bioclimate Projections: (10) Mean Temperature of Warmest Quarter

By esri_environment

Imagery Layer

Bioclimate Projections: (11) Mean Temperature of Coldest Quarter

By esri_environment

Imagery Layer

Bioclimate Projections: (08) Mean Temperature of Wettest Quarter

By esri_environment

Imagery Layer

Bioclimate Projections: (06) Min Temperature of Coldest Month

By esri_environment

Imagery Layer

Bioclimate Projections: (07) Temperature Annual Range

By esri_environment

Imagery Layer

Bioclimate Projections: (15) Precipitation Seasonality

By esri_environment

Imagery Layer

Bioclimate Projections: (13) Precipitation of Wettest Month

By esri_environment

Imagery Layer

Bioclimate Projections: (19) Precipitation of Coldest Quarter

By esri_environment

Imagery Layer

Bioclimate Projections: (03) Isothermality

By esri_environment

Imagery Layer

Bioclimate Baseline 1970-2000

By esri_environment

Imagery Layer

Bioclimate Projections: (04) Temperature Seasonality

By esri_environment

Imagery Layer

Bioclimate Projections: (09) Mean Temperature of Driest Quarter

By esri_environment

Imagery Layer

Bioclimate Projections: (16) Precipitation of Wettest Quarter

By esri_environment

Imagery Layer

Bioclimate Projections: (14) Precipitation of Driest Month

By esri_environment

Imagery Layer

Bioclimate Projections: (18) Precipitation of Warmest Quarter

By esri_environment

Imagery Layer

Bioclimate Projections: (02) Mean Diurnal Range

By esri_environment

Imagery Layer

Bioclimate Projections: (17) Precipitation of Driest Quarter

By esri_environment

Gostou? Compartilhe

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *