Previsões climáticas sazonais sobre o Brasil: avaliação do RegCM3 aninhado no modelo global CPTEC/COLA

• Autor(a) principal: Machado,Rubinei Dorneles
• Data de Publicação: 2011
• Outros Autores: Rocha,Rosmeri Porfírio da
• 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=S0102-77862011000100011
• topic: previsão sazonal; modelo climático regional; validação objetiva

Este trabalho avalia o desempenho de previsões sazonais do modelo climático regional RegCM3, aninhado ao modelo global CPTEC/COLA. As previsões com o RegCM3 utilizaram 60 km de resolução horizontal num domínio que inclui grande parte da América do Sul. As previsões do RegCM3 e CPTEC/COLA foram avaliadas utilizando as análises de chuva e temperatura do ar do Climate Prediction Center (CPC) e National Centers for Enviromental Prediction (NCEP), respectivamente. Entre maio de 2005 e julho de 2007, 27 previsões sazonais de chuva e temperatura do ar (exceto a temperatura do CPTEC/COLA, que possui 26 previsões) foram avaliadas em três regiões do Brasil: Nordeste (NDE), Sudeste (SDE) e Sul (SUL). As previsões do RegCM3 também foram comparadas com as climatologias das análises. De acordo com os índices estatísticos (bias, coeficiente de correlação, raiz quadrada do erro médio quadrático e coeficiente de eficiência), nas três regiões (NDE, SDE e SUL) a chuva sazonal prevista pelo RegCM3 é mais próxima da observada do que a prevista pelo CPTEC/COLA. Além disto, o RegCM3 também é melhor previsor da chuva sazonal do que da média das observações nas três regiões. Para temperatura, as previsões do RegCM3 são superiores às do CPTEC/COLA nas áreas NDE e SUL, enquanto o CPTEC/COLA é superior no SDE. Finalmente, as previsões de chuva e temperatura do RegCM3 são mais próximas das observações do que a climatologia observada. Estes resultados indicam o potencial de utilização do RegCM3 para previsão sazonal, que futuramente deverá ser explorado através de previsão por conjunto.