Sistema de Validação de Precipitação por Satélite (SVPS) MERGE-RADAR
Objetivos e Questões Científicas
Este estudo tem dois objetivos principais: a criação de uma plataforma de validação para o Brasil e o desenvolvimento de modelos avançados de estimativa de precipitação.
1. Criação de uma Plataforma de Validação para o Brasil e Desenvolvimento do MERGE-RADAR
Atualmente, não existe um framework padronizado para validação de estimativas de precipitação no Brasil e na América do Sul, dificultando a adoção de metodologias consistentes por instituições governamentais, acadêmicas e privadas. Este trabalho visa preencher essa lacuna com o desenvolvimento de uma plataforma de validação que permitirá a comparação sistemática entre diferentes produtos de estimativa de chuva.
Como parte desse esforço, será desenvolvido o MERGE-RADAR, um novo produto do INPE que integrará dados de radar meteorológico e pluviômetros para criar um conjunto de referência confiável. O objetivo do MERGE-RADAR não é a calibração dos radares, mas sim a fusão dos dados disponíveis para gerar estimativas mais robustas de precipitação. Esse produto servirá como base para a avaliação de modelos de estimativa de chuva e para a validação de algoritmos baseados em aprendizado de máquina.
Além disso, ao disponibilizar dados validados em tempo real, essa plataforma poderá ser utilizada para previsão de desastres naturais, auxiliando órgãos de defesa civil e planejamento urbano na mitigação de enchentes e outros eventos extremos.
2. Desenvolvimento de Modelos de Estimativa de Precipitação Utilizando o Pacote IPWGML
O pacote IPWGML fornece um benchmark consolidado para treinamento e validação de modelos de aprendizado de máquina aplicados à estimativa de precipitação via satélite. Neste estudo, modelos baseados em abordagens avançadas, como Transformers, e bem estabelecidas, como MLP, serão treinados e validados utilizando os dados dos Estados Unidos. O objetivo é explorar a eficácia dessas arquiteturas na modelagem da precipitação e identificar qual delas oferece melhor desempenho para diferentes regimes de chuva.
Os modelos desenvolvidos serão posteriormente validados no Brasil utilizando o MERGE-RADAR como referência, avaliando sua capacidade de generalização por meio de transfer learning.
Questões Científicas
As principais questões que guiam este estudo são:
- Transferibilidade dos modelos: Modelos treinados com dados do IPWGML nos EUA podem ser ajustados para o Brasil por meio de transfer learning? Isso seria possível se houvesse similaridade estatística entre as distribuições dos dados de entrada e saída.
- Desempenho de modelos avançados: Modelos baseados em Transformers superarão abordagens convencionais (como MLP) na estimativa de precipitação e modelos já existentes (e.g., IMERG, HIDROESTIMADOR, GSMAP, CMORPH, etc.)? Especialmente em eventos extremos e precipitação convectiva?
