As diversas paisagens da África – de florestas tropicais a margens do deserto e platôs nas montanhas – sustentam ecossistemas igualmente diversos, zonas agrícolas e meios de subsistência. No entanto, os dados climáticos de alta resolução confiáveis para orientar os esforços de planejamento, adaptação e conservação permanecem difíceis de acessar e geralmente inconsistentes entre os limites nacionais.
Climateaf foi criado para preencher essa lacuna. A plataforma oferece dados climáticos gratuitos e de alta resolução para o continente africano, incluindo uma ampla gama de variáveis bioclimáticas (Fig. 1). Inclui dados históricos interpolados e projeções futuras em vários cenários de emissão de gases de efeito estufa, cobrindo os anos de 1901 a 2100.
Projetado para acessibilidadeClimateaf suporta a extração de pontos e cliques para locais individuais, consultas de lote baseadas em planilhas e a geração de conjuntos de dados climáticos em grade em resoluções personalizadas.
Figura 1. Uma seleção de variáveis padrão e bioclimáticas que podem ser geradas pelo software program ou baixadas como grades de alta resolução, disponíveis em http://tinyurl.com/climateaf.
O que há sob o capô?
Usos climáticos Aprendizado de máquina avançado– Especificamente, redes neurais profundas – para mapear padrões climáticos complexos, especialmente em áreas montanhosas onde os métodos tradicionais de interpolação ficam aquém.
Treinamos redes neurais para avanços em 18 preditores espaciais, incluindo características topográficas (por exemplo, inclinação, aspecto) e variáveis atmosféricas (por exemplo, força do vento e direção), para gerar estimativas mensais de temperatura e precipitação. Esses modelos aprendem relações espaciais entre dados da estação meteorológica e preditores baseados em terrenos para produzir superfícies altamente precisas.
Figura 2. Resumo visible da nova abordagem metodológica de três etapas da interpolação climática. As estrias de placa fina permitem uma primeira aproximação de variáveis climáticas mensais (Etapa 1). Posteriormente, a precipitação orográfica, as sombras de chuva, os efeitos do lago e costeiras são modelados por uma profunda rede neural (etapa 2). Por fim, a taxa de lapso baseada em escala é aplicada para gerar grades de alta resolução de variáveis mensais, sazonais e bioclimáticas.
A validação estatística e as avaliações visuais mostraram que a abordagem pode modelar com segurança os padrões climáticos conhecidos, como elevador orográfico e sombras de chuva (veja a Fig. 3 abaixo). Isso torna o Climateaf não apenas um novo conjunto de dados, mas um avanço metodológico na ciência dos dados climáticos.
Figura 3. Mapas de precipitação de janeiro: Comparação de interpolações aprimoradas da rede neural com imagens de cobertura de terra baseadas em satélite, mostrando que a alta precipitação coincide com a cobertura florestal.
Aplicativos e casos de uso
Nossos pacotes de software program climático para a América do Norte, Europa e Ásia -Pacífico já foram amplamente adotados por pesquisadores e profissionais que trabalham em:
Restauração e reflorestamento florestal, onde a seleção de espécies de dados de dados climáticos no nível do native;
Planejamento agrícola, onde normais climáticos históricos e cenários futuros informam a adequação da colheita e as avaliações de riscos;
Biodiversidade e modelagem de distribuição de espécies, especialmente para espécies endêmicas ou ameaçadas;
Estratégias nacionais de adaptação e planejamento de resiliência climática.
Para apoiar ampla adoção, o Climateaf inclui uma interface amigável para extrair locais específicos de dados e baixar grades climáticas completas. Um pequeno vídeo de introdução para o banco de dados e o software program está disponível aqui (6 min):
A clima atinge alta precisão espacial, especialmente em regiões montanhosas onde os padrões de temperatura, em specific, são resolvidos através de ajustes de taxa de lapso, produzindo detalhes na escala do sub-quilômetro. Por outro lado, características como sombras de chuva e precipitação orográfica são inerentemente mais amplas em escala e são modeladas em uma resolução mais grossa de aproximadamente quatro quilômetros.
Também é importante observar que o conjunto de dados é baseado nos dados padrão da estação meteorológica (temperatura do ar 2 m acima do solo em condições sombreadas). Isso significa que os microclimatos locais – como aqueles moldados por vegetação, ilhas urbanas de calor ou cavidades topográficas – não estão representadas.
Além disso, enquanto o Climateaf fornece dados históricos como médias mensais, eles podem ser combinados com conjuntos de dados diários como o ERA5 usando uma abordagem de fator de mudança para aplicações temporais mais finas.
Olhando para o futuro
O Climateaf faz parte de uma iniciativa mais ampla para democratizar o acesso a informações climáticas de alta resolução globalmente, especialmente para regiões sub-representadas. As atualizações futuras incluirão novos GCMs do CMIP7 à medida que estiverem disponíveis. Da mesma forma, atualizamos o software program com opções de dados históricos da Cru-TS e ERA5 à medida que eles estão disponíveis.
Esperamos que a Climateaf sirva como uma ferramenta de pesquisa e um recurso prático para o desenvolvimento resiliente ao clima em toda a África. Incentivamos os usuários a explorar o conjunto de dados, citar a publicação associada e compartilhar suggestions ou estudos de caso usando a ferramenta.
