Defesa de Tese de Doutorado
Estudante: Gabriel Elias Mandanda
Programa: Meteorologia
Título: "Previsibilidade das tempestades elétricas na América do Sul"
Orientador: Profa. Dra. Maria Assunção Faus da Silva Dias
Comissão Julgadora:
- Profa. Dra. Maria Assunção Faus da Silva Dias - Presidente e Orientadora - IAG
- Profa. Dra. Rachel Ifanger Albrecht - IAG
- Dr. Ernani de Lima Nascimento - CPTEC/INPE (por videoconferência)
- Prof. Dr. Antonio José Homsi Goulart - ESALQ/USP (por videoconferência)
- Prof. Dr. Vagner Anabor - UFSM (por videoconferência)
Resumo:
A América do Sul é uma região propensa a tempestades elétricas, o que torna essencial a previsão antecipada de sua ocorrência para a redução de seus impactos. Esta pesquisa tem como objetivo prever descargas elétricas a partir de parâmetros atmosféricos, visando uma previsão espacial e temporal em horizontes de até 24 horas. Para isso, foram uti- lizados dados do GLM (Geostationary Lightning Mapper) a bordo do satélite GOES-16 (Geostationary Operational Environmental Satellite), dados de reanálise ERA5 (Fifth Ge- neration of ECMWF Atmospheric Reanalyses of the Global Climate) e previsões do GFS (Global Forecast System). A metodologia baseou-se na análise do ciclo diurno e anual das descargas elétricas, utilizando o algoritmo K-means para a identificação de regiões ho- gêneas na América do Sul. Para cada região, foram treinados modelos de classificação probabilística e regressivos de inteligência artificial para prever o acumulado de descargas elétricas in 6, 12 e 24 horas, utilizando parâmetros atmosféricos derivados das reanálises ERA5 e dados de raios do GLM. Os modelos foram treinados, validados e testados em períodos independentes e, posteriormente, foram avaliados por meio de previsões do GFS, para garantir sua aplicabilidade operacional. Os parâmetros mais relevantes para a pre- visão de descargas elétricas na América do Sul incluem a temperatura do ar a 2 metros (T2M), identificada como o principal preditor da atividade elétrica na maior parte das regiões tropicais. A CAPE (Convective Available Potential Energy) apresentou a maior contribuição nas regiões com maior incidência de raios na América do Sul (Bacia do Prata, norte da Colômbia e Lago Maracaibo), destacando-se também em todas as demais regiões, o que evidencia sua importância central na previsão da atividade elétrica. Além disso, o índice TT (Total Totals Index) também apresentou um bom desempenho. Os testes com ERA5 indicaram bom desempenho dos modelos probabilísticos em todos os períodos de previsão (6, 12 e 24 horas), com destaque para as previsões de 24 horas, que apresentaram uma média de POD (Probability of Detection) superior a 70%. O modelo regressivo apresentou NMAE (Normalized Mean Absolute Error) inferior a 40% na maioria das regiões e estações, enquanto as previsões de 6 horas exibiram elevados valores de falsos alarmes (FAR, do inglês False Alarm Ratio), que diminuem com o aumento do horizonte de previsão. Na avaliação operacional com o GFS, a POD atingiu valores médios superiores a 75% nas previsões de 24 horas, enquanto as previsões de 6 horas apresentaram os maiores erros, que diminuem com o aumento do horizonte de previsão. O modelo regressivo superou o produto de CAPE e Precipitação (CAPExP) na representação dos padrões de descargas elétricas na maior parte das regiões e estações do ano, demonstrando robustez para aplicação operacional.
Palavras-chave: Previsão das descargas elétricas; Inteligência artificial; América do Sul.