Mestrado: Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil

 

Esse estudo avaliou a previsão sazonal de precipitação dos modelos acoplados (oceano-atmosfera) que compõem o projeto North America Multi Model Ensemble (NMME). A fim de identificar e corrigir erros sistemáticos nas previsões de cada modelo, foram considerados dois períodos: hindcasting (1981/1982 – 2010) e forecasting (2011 – 2018). Para os dados observados considerou-se a análise de precipitação mensal do Climate Predicition Center (CPC), que foi interpolada bilinearmente para o mesmo espaçamento de grade dos modelos do NMME. Em função de atualizações do projeto NMME, foram avaliadas previsões dos modelos NCEP-CFSv2, ECC-CanCM4i, ECC-GEMNEMO, GFDL-aer04, GFDL-FLORa06, GFDL-FLORb01, NASA-GEOS5v2 e a respectiva média linear entre eles (MME). As avaliações concentraram-se nas regiões Amazônica (AMZ), Centro-Oeste (BC), Nordeste (NE), Sudeste (SE) e Sul (SUL) do Brasil. As correlações de anomalias (e outros índices estatísticos) entre a chuva prevista e observada mostram que nas regiões AMZ e NE há uma maior habilidade de previsão dos modelos principalmente nas estações de DJF, MAM e JJA. Para a região SUL, há uma maior habilidade de previsão sobre áreas do PR para as estações MAM e JJA, e um deslocamento das maiores correlações para áreas do RS entre SON e DJF. As previsões de precipitação nas regiões SE e BC apresentam baixas correlações com as observações, indicando baixa previsibilidade sazonal dos modelos do NMME. As chuvas nas regiões AMZ, NE e SUL apresentam uma maior dependência, em termos de correlação, com o padrão de anomalia de temperatura da superfície do mar do Oceano Pacífico Equatorial, resultando em maior correlação dos modelos sobre essas regiões. Essa dependência com os padrões oceânicos não ocorre nas regiões SE e BC. Apesar do MME apresentar erros climatológicos mais suavizados em algumas estações do ano e LEADs de previsão, previsões individuais de modelos se destacam como melhores previsores de chuva do que o MME para todas as estações do ano. Essas informações estão sintetizadas neste estudo e poderão auxiliar os centros de previsão climática do país.