Downscaling Dinâmico através do Modelo RegCM para Diferentes Inicializações Utilizando Dados do CFSv2

• Autor(a) principal: Freitas,Ismael Guidson Farias de
• Data de Publicação: 2020
• Outros Autores: Gomes,Helber Barros, Mariano,Glauber Lopes, Silva,Maria Cristina Lemos da, Lyra,Matheus José Arruda, Nova,Thayna Silva Vila, Silva,Fabrício Daniel dos Santos, Ribeiro,Laurizio Emanuel, Oliveira,Cristiano Prestrelo de
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Revista Brasileira de Meteorologia (Online)
• Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862020000500813
• topic: RegCM; CFSv2; previsão climática; downscaling dinâmico

Resumo O objetivo deste trabalho é avaliar as previsões climáticas regionais de precipitação sobre o Brasil durante a estação do inverno de 2018 através do modelo RegCM4.7 com diferentes inicializações, tanto espacial como em 5 áreas específicas. Para realizar alertas de possíveis anomalias abaixo/acima da normal climatológica, é necessário verificar a habilidade destes modelos em prever de forma antecipada a precipitação. O modelo RegCM4.7 foi conduzido com dados do modelo Global Climate Forecast System Version 2. As destrezas das previsões foram avaliadas de forma qualitativa e quantitativa, comparando resultados com os dados do Climate Prediction Center (CPC). Os resultados mostraram que o RegCM4.7 conseguiu prever de forma coerente a precipitação com alguns meses de antecedência para o trimestre junho, julho e agosto (JJA), com menores erros sobre as regiões Nordeste e Sudeste do Brasil, onde maiores erros foram identificados sobre os subdomínios AMZ e SUL. Observou-se que as correlações das previsões foram inferiores a 0,8 durante todos os experimentos e subdomínios, exceto para região do Nordeste que apresentou os maiores valores de correlação. De maneira geral, destaca-se que o modelo foi hábil em prever a distribuição espacial de precipitação com antecedência sobre todo domínio, porém com tendência de subestimar o observado.