Aplicando aprendizado de máquina para melhoria da previsão de tempo: o problema da chuva quente na costa leste do nordeste do Brasil
Integrantes do ICAT: Helber Barros Gomes / Maria Cristina Lemos da Silva
Coordenador: Helber Barros Gomes
Integrantes: Alan James Peixoto Calheiros / Maria Cristina Lemos da Silva / Henrique M. J. Barbosa / Dirceu L. Herdies / Janaina P. Nascimento / Pallav Ray/ Georg Grell / Haiquin Li.
Descrição: Este projeto investiga os processos físicos associados às nuvens quentes e à convecção rasa na costa leste do Nordeste do Brasil, com foco na melhoria da previsão quantitativa de precipitação. Serão utilizadas simulações numéricas de alta resolução com o modelo WRF e técnicas de aprendizado de máquina com objetivo de otimizar parametrizações físicas relacionadas aos processos convectivos, microfísicos e ao transporte de calor e umidade na atmosfera. Serão avaliados diferentes casos de precipitação intensa e persistente, característicos da região, com ênfase na representação dos hidrometeoros, dos perfis de aquecimento latente e das interações entre nuvens e ambiente. Os resultados contribuirão para uma descrição mais realista dos sistemas precipitantes associados às nuvens quentes, aprimorando a qualidade das previsões de tempo e avanço no conhecimento sobre os mecanismos físicos responsáveis pela ocorrência de eventos extremos de chuva no Nordeste brasileiro.
Financiador: Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq.