Dissertação

An artificial learning biophysical model for the evolution of land use and greenhouse gases emissions EVALUATED

Modelos quantitativos de emissões de gases com efeito de estufa (GEE) ajudam a avaliar políticas sustentáveis para limitar o aquecimento global, respeitando o Acordo de Paris. Os sectores agrícola e energético são particularmente importantes, representando mais de dois terços das emissões globais. Esta tese utiliza redes neuronais recorrentes, convolucionais e híbridas para desenvolver um modelo biofísico para o uso do solo e emissões de GEE associadas em Portugal. O ajuste dos hiperparâmetros utiliza a optimização Bayesiana e é proposto um novo algoritmo de estimativa de erros baseado numa abordagem de janela de crescimento fora da amostra. O uso do solo foi modelado em função da exergia final no sector agrícola e do Produto Interno Bruto (PIB), e as emissões em função do uso do solo, da exergia final total e do PIB. Os modelos foram treinados para o período 1961-2016 e aplicados em 2017-2030 sob dois cenários económicos plausíveis com e sem influência da COVID-19. Mostra-se que o uso do solo está correlacionado com o PIB, e as emissões de GEE estão correlacionadas com a exergia final total. Crescimento económico leva à redução da área cultivada, ao aumento do consumo de energia, e a variações nas emissões sectoriais de GEE. A COVID-19 poderá abrandar a redução de área agrícola e mitigar o aumento de emissões de CO2e até 2030. Apesar da complexidade do modelo, os erros estimados excederam a gama de variação prevista das variáveis. A incerteza é crítica para a avaliação de cenários, lançando dúvidas sobre modelos mais simples.
Agricultura, Otimização Bayesiana, Exergia, Portugal, Redes Neuronais Recorrentes, Redes Neuronais Convolucionais

Janeiro 25, 2021, 15:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Ricardo Filipe De Melo Teixeira

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar Convidado

ORIENTADOR

João Carlos Carvalho de Sá Seixas

Departamento de Física (DF)

Professor Associado