Projeções Climáticas no Brasil

Como consumir a API?

Guia do Usuário

O Guia do Usuário é um material de auxílio para entendimento (passo a passo) das informações contidas na plataforma PCBr, em particular na elaboração de mapas e gráficos referentes às simulações e projeções da mudança do clima sobre o Brasil (até o final do século XXI) disponíveis na seção “Projeções Climáticas”. Clique no arquivo abaixo (Guia do usuário) e tenha acesso às explicações simplificadas a respeito das funcionalidades e opções disponíveis. 

Guia do Usuário – Click na Imagem para abrir em nova janela ou em Download para baixar o arquivo

Projeções Climáticas

Uma projeção climática é a resposta simulada do sistema climático a um cenário de emissão ou concentração futura de gases de efeito estufa (GEE) e aerossóis, geralmente derivados de modelos climáticos. As projeções climáticas são diferenciadas das previsões climáticas por sua dependência a um cenário de emissão/concentração/forçamento radiativo utilizado, que por sua vez se baseia em suposições relativas, por exemplo, a futuros desenvolvimentos socioeconômicos e tecnológicos que podem ou não ser realizados (IPCC 2018).

As principais opções do menu Projeções Climáticas presente no portal PCBr são apresentadas a seguir (Figura 1), bem como uma breve descrição de cada item presente no mesmo.

O conjunto de dados atualmente disponível na plataforma PCBr são proveniente de modelos climáticos globais, como do projeto de pesquisa internacional HELIX (https://helixclimate.eu/), e de modelos regionais como do projETA (http://etamodel.cptec.inpe.br/).

As informações que compõem o conjunto de simulações oriundas desses projetos, como os modelos climáticos utilizados, a resolução espacial desses modelos, os cenários e o período das simulações disponibilizadas nesta plataforma podem ser obtidos nas Tabelas 1 a 3 a seguir.

São uma representação numérica do sistema climático com base nas propriedades físicas, químicas e biológicas de seus componentes (atmosfera, oceano, gelo, superfície terrestre) e suas interações. Os modelos climáticos são aplicados como uma ferramenta de análise e pesquisa para estudar e simular o clima (IPCC, 2018).

Os resultados apresentados a partir dos cálculos dos modelos climáticos são  geralmente chamados de projeções climáticas (ou cenários climáticos). Vale ressaltar, no entanto, que projeções climáticas não são previsões meteorológicas.  Diferentemente dos modelos de previsão do tempo (previsão para alguns dias e  semanas) ou dos modelos de previsão climática sazonal (previsão para alguns  meses), os modelos de projeção climática simulam o clima futuro para uma escala temporal de anos a décadas, com base em suposições sobre este futuro como, por exemplo, os efeitos de uma possível trajetória de aumento, ou redução, nas  concentrações dos Gases de Efeito Estufa (GEE) na atmosfera (cenários de emissões de GEE). 

Tanto os modelos climáticos globais quanto regionais têm tido grandes avanços nos últimos anos em termos da representação de processos e fenômenos críticos para estudo dos impactos, mitigação e adaptação devido as mudanças climáticas globais. Parte do avanço vem do aumento da resolução espacial desses modelos e, parte, da inclusão de novas componentes do sistema climático e da interação entre eles.

Conforme já mencionado, confira nas Tabelas 1, 2 e 3 desta seção a lista dos modelos climáticos regionais e globais e seus respectivos modelos forçantes, utilizados para a geração das projeções climáticas disponíveis no portal PCBr. 

Os modelos climáticos são “alimentados” com dados provenientes de outros modelos globais (técnica chamada de condição de contorno), sobretudo informações de concentração de gelo marinho, temperatura da superfície do mar, vento, umidade entre outras. Nesse sentido, para um mesmo modelo de projeção climática são utilizadas condições de contorno de diversos outros modelos globais (neste caso, referidos como modelos forçantes) denominando, assim, o termo Experimento. Com isso, é possível avaliar a variabilidade entre as projeções obtidas através de diferentes experimentos e, assim, conhecer e interpretar todos os possíveis cenários futuros, levando em conta a dispersão entre os diferentes resultados. Dessa maneira, é possível quantificar a incerteza das projeções considerando não só uma, mas várias projeções a partir de diferentes experimentos.

Para a realização de projeções futuras do clima, os modelos climáticos são forçados por um conjunto de condições de contorno, como os já citados anteriormente, e, por determinados cenários de emissões de GEE, denominados de RCPs (Representative Concentration Pathways).

Tais cenários de emissões são suposições sobre futuras emissões de GEE, com base em estimativas do desenvolvimento da economia mundial, crescimento populacional, globalização, etc. A quantidade de gases de efeito estufa emitida depende da evolução global. Esses cenários são propostos pelo IPCC (Painel Intergovernamental sobre Mudanças Climáticas) através de seu Relatório Especial sobre Cenários de Emissões (SRES, na sigla em inglês).

Nesse contexto, as simulações disponibilizadas no portal PCBr apresentam os seguintes cenários:

1. Histórico – o período Histórico (também chamado de período de referência) corresponde ao período no qual as simulações se utilizam de concentrações de gases de efeito estufa em valores atuais.

2. RCP4.5  –  nesse cenário em que o CO2 atinge cerca de 650 ppm até o final do século XXI, as estratégias para reduzir as emissões de GEE fazem com que as forças radiativas se estabilizem em 4,5 W/m² antes do ano 2100.

3. RCP8.5  –  corresponde a um cenário de alta emissão das concentrações de GEE, em que em que o CO2 equivalente excede a 1000 ppm até o final do século XXI e, com isso, o forçamento radiativo atingirá 8,5 W/m² até o ano 2100. Esse cenário é o mais próximo das tendências observadas nas medições atuais das concentrações de gases de efeito estufa na atmosfera.

4. SWL – o conceito de Nível de Aquecimento Específico (Specific Warming Level – SWL), representa a variação da anomalia da temperatura média global em relação ao período pré-industrial (aproximadamente 1870-1899). Nesse sentido, as siglas SWL 1.5, SWL 2.0 e SWL 4.0, representam o período no qual se tem um aumento da temperatura média global em 1,5°C , 2°C e 4°C, respectivamente, acima dos níveis pré-industriais.

A partir das projeções climáticas disponibilizadas no Portal, é possível a visualização e interpretação de diversas variáveis meteorológicas como precipitação, temperatura, umidade relativa do ar, dentre outras, conforme é listado na Tabela 4.

Além disso, também estão disponíveis uma gama de índices de extremos climáticos (Tabela 5) calculados a partir das variáveis de precipitação e temperaturas máxima e mínima do ar.

A plataforma PCBr possui diversas ferramentas para visualização dos mapas e gráficos estatísticos dessas variáveis e índices climáticos para todo o Brasil. É possível visualizar os mapas da média anual, sazonal e mensal, para o período histórico – 1961-1990 (ProjETA), 1976-2005 (projeto BESM) e 1981-2010 (projeto Helix) –, e período futuro (até o final do século XXI). E também, os mapas de anomalias (diferença entre a média do período futuro e a média do período histórico).  Para cada item do menu é oferecida a opção de baixar os resultados dos mapas em 2 extensões diferentes: .png e .tif. Além disso, há outros recursos disponíveis na barra de ferramentas que podem ser explorados pelo usuário, conforme descritos no documento Guia do Usuário disponível no início desta seção. 

As variáveis meteorológicas e os índices climáticos (Tabelas 4 e 5, respectivamente) estão disponíveis no PCBr nas seguintes frequências temporais: Anual, Sazonal (verão, outono, inverno, primavera) e Mensal. Com uma exceção aos índices climáticos oriundos do projETA, os quais estão disponíveis apenas na frequência anual.

Tabelas

Tabela 1 – Conjunto de simulações oriundas do ProjETA a partir do Modelo Regional Eta do Instituto Nacional de Pesquisas Espaciais (INPE) em combinação com alguns modelos globais, usados como modelos forçantes do projeto CMIP5¹

Mais detalhes a respeito desse conjunto de dados e do projEta podem ser obtidos no site: https://projeta.cptec.inpe.br/#/dashboard

Tabela 2 – Conjunto de simulações oriundas do Projeto HELIX a partir dos modelos globais HadGEM3 do Met Office Hadley Centre (MOHC) e EC-Earth3 do Swedish Meteorological and Hydrological Institute (SMHI) em combinação com alguns modelos globais (forçantes) do projeto CMIP5. O cenário e períodos em que um SWL (Nível de Aquecimento Específico) é alcançado, também são mostrados.

Mais detalhes a respeito desse conjunto de dados e do projeto HELIX podem ser obtidos no sítio de Internet: https://helixclimate.eu/

Tabela 3 – Simulações oriundas do projeto Modelo Brasileiro do Sistema Terrestre (BESM) do Instituto Nacional de Pesquisas Espaciais (INPE). (a) Cenário Futuro RCP 4.5 e (b) RCP 8.5.

Mais detalhes a respeito do projeto BESM podem ser obtidos no sítio de Internet: https://dm2.cptec.inpe.br/projects/esgf-inpe/, e em Nobre et al. (2013) J. Climate e em Veiga et al. (2019) Geosci. Model Dev.

Tabela 4 – Variáveis Meteorológicas disponibilizadas  para visualização no portal PCBr.

Índices de Extremos Climáticos

O estudo dos eventos meteorológicos e climáticos extremos é um tema atual de grande interesse científico e social. Estes eventos ocorrem em escalas temporais que variam de horas, dias, anos e até mesmo milênios, sendo que os mais importantes para as atividades humanas são os extremos de curto prazo (relacionados com o tempo) e os de médio prazo (relacionados com o clima), pois são eventos com potencial para causar impactos significativos aos sistemas naturais. Os eventos extremos de tempo e clima são também associados à variabilidade climática, e suas frequências e intensidades podem também variar de acordo com a mudança climática, sejam elas naturais (como El Niño e La Niña), ou aquelas devido às ações antrópicas. Estes eventos podem causar impactos severos como  inundações e secas, entre outros, em diversos setores da sociedade em geral.

Abaixo segue as definições dos índices climáticos calculados a partir de dados diários de precipitação e temperaturas máxima e mínima do ar, de acordo com as definições do projeto European Climate Assessment (ECA), sendo que cada índice descreve uma característica particular das condições do clima no período analisado.

Tabela 5 – Conjunto de Índices de Extremos Climáticos calculados a partir das variáveis de precipitação e temperaturas máxima e mínima do ar obtidas das simulações realizadas pelos modelos climáticos utilizados no portal PCBr.

O cálculo dos índices climáticos tiveram como base as metodologias descritas no documento Climate Data Operators (CDO) https://code.mpimet.mpg.de/projects/cdo/embedded/cdo_eca.pdf. A definição desses índices climáticos é do projeto European Climate Assessment (ECA), enquanto que o software CDO foi desenvolvido no Instituto Max Planck de Meteorologia, da Alemanha, e representa um conjunto de operadores para processamento padronizado de dados climáticos.

Como Consultar - API 

A ferramenta API (Application Programming Interface, em inglês) tem como objetivo facilitar, para o usuário setorial, o acesso amplo e automatizado de diversos parâmetros de dados das projeções climáticas para o Brasil, de forma flexível quanto ao formato e volume dos dados.

O processo de requisição e extração dos dados seguirão os passos a seguir:

1. Cadastramento do TOKEN

Para uso em API ‘s o método de autenticação mais recomendado é o base-ado em token. Onde, uma vez que o usuário forneça suas credenciais, o servidor gera um token que autentica o usuário que está fazendo as requi-sições. No portal PCBr, o cadastramento será necessário apenas no primei-ro uso da ferramenta API no portal.

Método para a geração do token

1 – Acessar o formulário disponível no endereço:

http://pclima.inpe.br/analise/API/cadastro.html

2 – Após acessar o link acima, preencher os campos necessários (Username, Email, etc.), e em seguida clicar no botão POST , conforme é mostrado na figura abaixo (Figura 1). 

Em seguida, você receberá uma página de retorno com a sua chave token – valor mostrado no campo ‘Key’ (Figura 2 ). 

Guarde bem esta chave, você irá usá-la sempre que fizer novas requisições de dados através da aplicação API neste portal.

3 – Você receberá um e-mail de confirmação. Favor, acessar o l i n k recebido em seu e-mail para a confirmação de seu cadastro. O acesso e realização de download dos dados só será possível após a finalização desta etapa.

Pronto! Agora você já pode acessar o Menu API e fazer a requisição dos dados de seu interesse.

2. Menu API (http://pclima.inpe.br/analise/API/)

O item API na página inicial da plataforma, apresenta o seguinte Menu:

Em cada item do MENU, há diversas opções mostradas em azul claro. Selecione a combinação desejada em cada item, adicione o Token e clique em “GERAR URL”.

Após essa etapa será gerado os comandos no formato Wget, no formato cURL e no formato JSON. Os comandos Wget e cURL são mostrados abaixo. 

Escolha o formato Wget ou cURL e execute-o em sua janela de comandos para iniciar o download dos dados. 

Pronto! Verificar em sua janela de comando se o download foi 100% concluído com sucesso.

Escolha o formato JSON para a utilização no Pacote Python 

Utilizando o Pacote PCLIMA Python

O que é um biblioteca Python?

Uma Biblioteca do Python é uma coleção de módulos de script acessíveis a um programa Python para simplificar o processo de programação e remover a necessidade de reescrever os comandos mais usados. Eles podem ser usados chamando-os / importando-os no início de um script.

Como instalar e utlilizar uma biblioteca Python?

No desenvolvimento de projetos Python, precisemos instalar diversas bibliotecas para diferentes necessidades. Porém, não é viável que a instalação dessas bibliotecas seja feita de forma manual, já que o processo de cada uma delas podem ser, no mínimo, complicadas. Para isso, o Python possui uma ferramenta para gerenciamento de pacotes chamado PIP.

PIP é um gerenciador de pacotes para projetos Python. É com ele que instalamos, removemos e atualizamos pacotes em nossos projetos.

O PIP possui uma página (https://pypi.org/) onde nós conseguimos buscar os pacotes disponíveis para a utilização. Nela podemos pesquisar por um pacote específico ou até uma palavra chave. 

Para a instalação do pacote PClima utilizando o PIP, temos o seguinte comando:

pip install apipclima

Após a instalação da biblioteca, basta utilizar o comando import.

Instalação do Token para a biblioteca PCLIMA.

Copiar o Token, no arquivo $HOME/.pclimaAPIrc (em ambiente Unix/ Linux/Mac).

Em Windows colocar o arquivo .pclimaAPIrc no diretório inicial do usuário (ex. C:\User\Cliente)

Conteúdo do arquivo:

Comando HELP

Ele nos fornece uma breve explicação de como implementar o método e informar qual a utilidade dele.

import pclima as pcl
help(pcl) 

Exemplo de uso da API Python 

import pclima as pcl
Client = pcl.Client()
data = Client.getData( { “formato”: “CSV”, “conjunto”: “PR0002”, “modelo”: “MO0003”, “experimento”: “EX0003”, “periodo”: “PE0000”, “cenario”: “CE0001”, “variavel”: “VR0001”, “frequenciaURL”: “Anual”, “frequencia”: “FR0001”, “produto”: “PDT0001”, “localizacao”: “Ponto”, “localizacao_pontos”: “-23.56/-46.62”, “varCDO”: “tasmax” } )
Client.save(data,”file.csv”) 

Utilização da biblioteca Python para intervalo de tempo

Em alguns casos de utilização do Wget e cURL é necessário a recuperação de dados somente definindo um ano ou um mês específico. Utilizando a Biblioteca Python é possível a recuperação de intervalos de tempos, como veremos no exemplo:

Alterar o ano do JSON gerado na Plataforma (“http://pclima.inpe.br/ analise/API/”)

{ “formato”: “NetCDF”, “conjunto”: “PR0002”, “modelo”: “MO0003”, “experimento”: “EX0003”, “periodo”: “PE0000”, “cenario”: “CE0001”, “variavel”: “VR0001”, “frequenciaURL”: “Diario”, “frequencia”: “FR0004”, “produto”: “PDT0001”, “localizacao”: “Area”, “localizacao_pontos”: “-54.39/-42.39/-26.62/-18.23”, “varCDO”: “tasmax”, “ano”: “1961” }

Para

{ “formato”: “NetCDF”, “conjunto”: “PR0002”, “modelo”: “MO0003”, “experimento”: “EX0003”, “periodo”: “PE0000”, “cenario”: “CE0001”, “variavel”: “VR0001”, “frequenciaURL”: “Diario”, “frequencia”: “FR0004”, “produto”: “PDT0001”, “localizacao”: “Area”, “localizacao_pontos”: “-54.39/-42.39/-26.62/-18.23”, “varCDO”: “tasmax”, “ano”: “1961-1963” } 

Nos Casos de CSVPontos e CSVPontosT (Transposta) com a frequência diária é necessário para a recuperação de dados a definição do ano e do mês. Nesses casos também podemos utilizar o intervalo de datas como abaixo:

{ “formato”: “CSVPontos”, “conjunto”: “PR0002”, “modelo”: “MO0003”, “experimento”: “EX0003”, “periodo”: “PE0000”, “cenario”: “CE0001”, “variavel”: “VR0001”, “frequenciaURL”: “Diario”, “frequencia”: “FR0004”, “produto”: “PDT0001”, “localizacao”: “Area”, “localizacao_pontos”: “-54.39/-42.39/-26.62/-18.23”, “varCDO”: “tasmax”, “ano”: “1961-1962“, “mes”: “01-05” } 

Informações Complementares:

• Frequência

Os dados das variáveis meteorológicas estão disponíveis via API nas seguintes frequências temporais:

– ANUAL

– MENSAL

– DIÁRIO

• Formato dos dados As opções de Formato dos dados estão listadas abaixo. Uma breve descrição da forma como esses dados são disponibilizados em cada opção de formato, também são apresentadas: 

• Localização 

Para cada tipo de formato dos dados, terão diferentes opções para a escolha da localização da qual se deseja extrair os dados.

Essas opções (Ponto, Área, Áreas Definidas) se encontram no item Localização, e estão descritas abaixo: Tipo Exemplo

– PONTO:

nesta opção, você poderá extrair os dados de uma certa localização através de sua latitude/longitude (graus decimais). Para tanto, preencher os campos correspondentes ou usar a ferramenta “Mapa” para escolher a localização desejada (no mapa).

– ÁREA:

nesta opção, você poderá extrair os dados de uma área retangular qualquer. Para tanto, informar, nos campos correspondentes, as coordenadas (graus decimais) dessa área.

Uma outra maneira de escolher a área de interesse é através da ferramenta “Mapa”. Através dela, é possível desenhar sobre o mapa do Brasil a área da qual se deseja extrair os dados. Neste caso, após clicar em “Mapa”, seguir os passos abaixo:

1 – selecionar o ícone “cortar” que aparece no topo do mapa.

2 – Clicar uma vez sobre o mapa, para iniciar o retângulo.

3 – Arrastar e clicar novamente para fechar o retângulo.

– ÁREAS DEFINIDAS :

esta opção estará disponível no item Localização quando o formato CSV for selecionado. Ao selecionar AREA DEFINIDA, você poderá utilizar a ferramenta “Mapa” para escolher as regiões de seu interesse.

Neste caso, clicar em “Mapa” e em seguida no ícone “globo” que aparece no topo do mapa, e então escolher a região de interesse.

As opções de regiões disponíveis, são:

Bacias,
Biomas,
Estados
Brasileiros,
Regiões Brasileiras e
Brasil.

Após selecionar uma das opções acima, clicar sobre a região mostrada no mapa, e em seguida em clicar em “Colar” para ativar as informações de Tipo e Id no menu.

As informações das Bacias disponíveis são mostradas abaixo:

As informações dos Biomas são mostradas abaixo:

• Mapa

Sempre que um Ponto, Area ou Área Definida for escolhido com a ferramenta “Mapa”, deve-se no final da escolha, clicar em colar para que as informações sejam carregadas nos campos correspondentes no menu. 

• Esqueceu sua password?

Caso tenha esquecido a password da conta, será necessário acessar o link abaixo e seguir os passos indicados no mesmo:

http://4cn-api.cptec.inpe.br/accounts/password_reset/

• Esqueceu sua chave TOKEN?

A maneira de recuperar o token devera ser através de um API client. Uma vez que você tenha a ferramenta Postman API Client já instalado em seu computador, seguir as seleções mostradas abaixo, e inserir o seu username e password no local onde está sinalizado com o termo (dados). Por fim, clicar em Send e, então, a sua chave será informada logo abaixo, no campo “token”. 

Caso você não possua o programa Postman API client instalado em seu computador, clique no link abaixo para acessar a documentação oficial de instalação:

https://learning.getpostman.com/docs/postman/launching-postman/ installation-and-updates/

• Wget e cURL

São programas bastante conhecidos na internet e ambos são usados para obter arquivos e documentos.

Wget é uma ferramenta GNU Project. Você pode usá-la para recuperar conteúdos e arquivos de vários servidores na internet. Ela foi desenvolvida em linguagem C e executável em qualquer sistema Unix. Também é possível implementá-lo no Mac OS X, Microsoft Windows. Mais informações podem ser obtidas em: https://www.gnu.org/software/wget/

O cURL é uma ferramenta de linha de comando que possibilita que desenvolvedores e usuários façam solicitações a partir do shell.

Sistemas operacionais são baseados em Linux ou MacOSX possuem cURL instalado nativamente, porém, quando estamos trabalhando em plataformas diferente das citadas, por exemplo na plataforma Windows, é necessário instalar previamente alguma ferramenta capaz de simular comandos Unix para ter acesso à cURL. Plataforma como CygWin Open Source – https:// curl.se/download.html. 

Referências

IPCC, 2018: Annex I: Glossary [Matthews, J.B.R. (ed.)]. In: Global Warming of 1.5°C. An IPCC Special Report on the impacts of global warming of 1.5°C above pre-industrial levels and related global greenhouse gas emission pathways, in the context of strengthening the global response to the threat of climate change, sustainable development, and efforts to eradicate poverty [Masson-Delmotte, V., P. Zhai, H.-O. Pörtner, D. Roberts, J. Skea, P.R. Shukla, A. Pirani, W. Moufouma-Okia, C. Péan, R. Pidcock, S. Connors, J.B.R. Matthews, Y. Chen, X. Zhou, M.I. Gomis, E. Lonnoy, T. Maycock, M. Tignor, and T. Waterfield (eds.)]. In Press