Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/14/14133/tde-31052021-115217/ |
Resumo: | 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. |
id |
USP_d6dca1902e9c25e99ff1a11d1c8485fd |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-31052021-115217 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o BrasilEvaluation of the seasonal precipitation of the North America Multi-Model Ensemble (NMME) over Brazilanomaly correlationBrasil.Brazilchuvacorrelação de anomaliaíndices estatísticosNMMENMMEPrevisão Sazonalrainseasonal forecaststatistical indicesEsse 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.This study evaluated the seasonal precipitation forecast of the coupled models (ocean-atmosphere) of the North America Multi Model Ensemble (NMME) project. In order to identify and correct systematic errors in the predictions of each model, two periods were considered: hindcasting (1981/1982 - 2010) and forecasting (2011 - 2018). For the observed data, monthly precipitation analysis from the Climate Predicition Center (CPC) were used, which were interpolated bilinearly to the same grid spacing of the NMME models. Due to updates of the NMME project, were evaluated the forecasts of the models NCEP-CFSv2, ECC-CanCM4i, ECC-GEMNEMO, GFDL-aer04, GFDL-FLORa06, GFDL-FLORb01, NASA-GEOS5v2 and their linear average (MME). The evaluations concentrated in the regions Amazônica (AMZ), Centro-Oeste (BC), Nordeste (NE), Sudeste (SE) e Sul (SUL) of Brazil. The anomalies correlations (and other statistical indices) of the predicted and observed rain show that in the AMZ and NE regions there is a greater forecast ability of the models, mainly in the DJF, MAM and JJA. For the SUL region, there is a greater forecast ability in PR areas for MAM and JJA, which shifts to RS areas between SON and DJF. The rainfall forecasts in the SE and BC regions show low correlations with the observations, indicating low seasonal predictability of the NMME models. The precipitation in the AMZ, NE and SUL regions have a greater dependence, as indicated by correlation patterns, with the sea surface temperature anomaly pattern of the Equatorial Pacific Ocean, resulting in a greater correlation of the models over these regions. This dependence on oceanic patterns does not occur in the SE and BC regions. Although in MME the biases are smoothed in some seasons and forecasting LEADs, individual model forecasts stand out as better precipitation forecasting than MME for all seasons. This information is synthesized in this study and may be useful to the Brazilian climate forecast centers.Biblioteca Digitais de Teses e Dissertações da USPRocha, Rosmeri Porfirio daFlores, José Paulo de Oliveira2021-04-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/14/14133/tde-31052021-115217/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2021-06-04T22:12:04Zoai:teses.usp.br:tde-31052021-115217Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212021-06-04T22:12:04Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil Evaluation of the seasonal precipitation of the North America Multi-Model Ensemble (NMME) over Brazil |
title |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil |
spellingShingle |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil Flores, José Paulo de Oliveira anomaly correlation Brasil. Brazil chuva correlação de anomalia índices estatísticos NMME NMME Previsão Sazonal rain seasonal forecast statistical indices |
title_short |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil |
title_full |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil |
title_fullStr |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil |
title_full_unstemmed |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil |
title_sort |
Avaliação da previsão sazonal de precipitação do projeto North America Multi-Model Ensemble (NMME) sobre o Brasil |
author |
Flores, José Paulo de Oliveira |
author_facet |
Flores, José Paulo de Oliveira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rocha, Rosmeri Porfirio da |
dc.contributor.author.fl_str_mv |
Flores, José Paulo de Oliveira |
dc.subject.por.fl_str_mv |
anomaly correlation Brasil. Brazil chuva correlação de anomalia índices estatísticos NMME NMME Previsão Sazonal rain seasonal forecast statistical indices |
topic |
anomaly correlation Brasil. Brazil chuva correlação de anomalia índices estatísticos NMME NMME Previsão Sazonal rain seasonal forecast statistical indices |
description |
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. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-04-08 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/14/14133/tde-31052021-115217/ |
url |
https://www.teses.usp.br/teses/disponiveis/14/14133/tde-31052021-115217/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809091220551499776 |