TESTE DE CONFIGURAÇÕES DO MODELO RAMS6.0 ATRAVÈS DA TÉCNICA DE DOWNSCALING DINÂMICO COM OS DADOS DO ERA-INTERIM.

Transcrição

1 TESTE DE CONFIGURAÇÕES DO MODELO RAMS6.0 ATRAVÈS DA TÉCNICA DE DOWNSCALING DINÂMICO COM OS DADOS DO ERA-INTERIM. Domingo Cassain Sales¹ ² ³, Alexandre Araujo Costa¹, Francisco das Chagas Vasconcelos Júnior 4, Sullyandro Oliveira Guimarães¹. ¹Universidade Estadual do Ceará UECE Brasil Ceará - domingosales@gmail.com² ³Fundação Cearense de Meteorologia e Recursos Hídricos FUNCEME Brasil - Ceará 4 Departamento de ciências atmosféricas DCA IAG USP - São Paulo Brasil RESUMO: Neste trabalho foi realizado a técnica de downscaling dinâmico, forçando o modelo RAMS6.0 com os dados de reanálise do ECWMF, ERA-interim, para o período de 1989 a 2007, na região das Américas tropicais para a validação do modelo no âmbito do projeto CORDEX. Foram utilizados quatro tipos de configurações do modelo (utilizando entre duas parametrizações de convecção Kuo e Kain-Fritsch - e o uso ou não de nudging central na assimilação de dados) para serem comparadas com dados observacionais. Foi comparado o ciclo anual da taxa de precipitação diária de cada configuração com dois bancos de dados (CMAP e GPCP) calculando a correlação, erro quadrático médio e viés entre modelado e observado para quatro sub-regiões: Amazônia, Nordeste do Brasil (NEB), México-América Central e Caribe. Percebeu-se que a configuração Kain-Fritsch com nudging, foi a que teve melhor desempenho no teste realizado. ABSTRACT: This work was performed the technique of dynamical downscaling, forcing the model RAMS6.0 with the ECWMF reanalysis data, ERA-Interim, for the period from 1989 to 2007, in the Tropical Americas, for validating the model under the CORDEX project. We used four types of model configurations (alternating between two convection parameterizations Kuo and Kain-Fritsch and use or not of central nudging in the data assimilation) to be compared with observational data. We compared the annual cycle of rainfall rate for each configuration with two databases (CMAP and GPCP) calculating the correlation, mean square error, and bias between modeled and observed data for four sub-regions: Amazon, Northeast Brazil (NEB), Mexico-Central America and Caribbean. It was noticed that the configuration Kain-Fritsch with nudging that it had best performance in the test done. 1. INTRODUÇÃO Os estudos de mudanças climáticas possuem grande suporte de resultados de Modelos de Circulação Global Oceano-Atmosfera Acoplados (MCGOAAs) e Earth System Models (ESMs),

2 mas devido à baixa resolução desses modelos, que é da ordem de centenas de quilômetros, alguns fenômenos regionais e locais não são identificados, dificultando assim estudos de mudança climática regional (Le Treut et al., 2007). Assim, torna-se necessário o uso de técnicas de regionalização desses dados, como a de downscaling dinâmico, para ter um detalhamento da informação fornecida por tais modelos. Essa técnica consiste em forçar um Modelo de Circulação Regional (MCR) com os dados do global (Maurer, 2006). Mas, para que o MCR seja confiável para conduzir tais dados modelados globais, deve antes passar por um teste de validação com dados de reanálise. 2. OBJETIVOS Na perspectiva do projeto CORDEX -Coordinated Regional Climate Downscaling Experiment (Giorgi et al., 2009), este trabalho tem o objetivo de fazer um teste das configurações do modelo RAMS6.0 (Regional Atmospheric Modeling System, Version 6), para utilizá-lo posteriormente em estudos de mudanças climáticas, alimentando-o com dados de um modelo global participante do CMIP5 (Coupled Model Intercomparison Project, Phase 5). 3. MATERIAL E MÉTODOS O downscaling dinâmico realizado utilizou o modelo regional RAMS6.0 forçado com os dados de reanálise do ECWMF (European Centrer for Medium range Weather Forecasting), ERAinterim, para o período de 1989 a 2007, na região das Américas Tropicais do projeto CORDEX (Figura 01). Quatro tipos configurações no modelo regional foram utilizadas (utilizando entre as parametrizações de convecção Kuo e Kain-Fritsch e a utilização ou não da forçante de dados de entrada no centro do domínio do modelo nudging central), detalhado na tabela 01. No teste, foram comparados os ciclos anuais da precpitação das quatro configurações com dois banco de dados, CMAP e GPCP, em quatro regiões (Amazônia, Nordeste Brasileiro NEB, Caribe e México-América Central), mostradas na Figura 01. Foram calculados a correlação, o erro quadrático médio, e o viés entre os dados observados e modelados. 4. RESULTADOS A Figura 02 mostra o ciclo anual da taxa de precipitação diária, a esquerda, e o ciclo anual da porcentagem dessa taxa, a direita, nas quatro sub-regiões de estudo, comparando-os com os banco de dados do CMAP e GPCP. Na Amazônia, KFCN teve a melhor correlação (0,99 com CMAP e 0,98 com GPCP), seguido de KUCN (0,83 com CMAP e 0,79 com GPCP), KUSN (0,74 com CMAP e 0,70 com GPCP) e KFSN (0,5 com CMAP e 0,54 com GPCP). O erro quadrático médio da precipitação diária

3 manteve a sequencia anterior: KFCN (0,49mm/dia e 0,20mm/dia), KUCN (2,65mm/dia e 3,14mm/dia), KUSN (3,40mm/dia e 3,89mm/dia) e KFSN (3,64mm/dia e 4,13mm/dia) comparados com CMAP e GPCP. Essa sequência também se reflete no viés, onde todas as configurações possuem um viés seco, exceto entre KFCN e o CMAP, onde o viés é de 0,45mm/dia. Para o NEB, a configuração KFCN possui a melhor correlação (0,97 com CMAP e 0,98 com GPCP), mas não tão distante da KUCN (0,93 com CMAP e 0,96 com GPCP). KUSN e KFSN tiveram correlações também muito próximas (para a primeira 0,52 e 0,58, e para a segunda, 0,44 e 0,50, com CMAP e GPCP respectivamente para ambas).o menor erro quadrático é apresentado pela configuração KFCN (0,58mm/dia e 0,55mm/dia comparado ao CMAP e GPCP), seguido de KUCN (1,23mm/dia e 1,19mm/dia), KUSN (2,25mm/dia e 2,23mm/dia) e KFSN (2,26mm/dia e 2,24mm/dia). Essas últimas 3 configurações possuem um viés seco, enquanto que KFCN possui um viés relativamente úmido (0,04mm/dia e 0,08mm/dia, em relação ao CMAP e ao GPCP). Na América Central, as configurações com nudging central, tiveram uma correlação positiva, KFCN obteve correlação 1,0 e KUCN correlação 0,99, com ambos os bancos de dados; enquanto as outras duas configurações, tiveram uma anti-correlação (KUSN com -0,60 e -0,58, e KFSN com -0,69 e -0,67, com CMAP e GPCP, respectivamente para ambas configurações). A sequencia do erro quadrático médio observado nesta região, teve como menor KFCN (1,37mm/dia e 1,46mm/dia) e é seguido por KUCN (1,84mm/dia e 1,94mm/dia), KUSN (2,15mm/dia e 2,22mm/dia) e KFSN (2,64mm/dia e 2,73mm/dia) todos em relação ao CMAP e GPCP. Nesta região, todos os modelos possuem um viés seco. Para a última região de estudo, Caribe, as duas configurações com nudging obtiveram correlação positiva (KFCN com 1,0 e 0,98, e KUCN com 0,97 e 0,95, para o CMAP e GPCP), enquanto as outras duas são negativas (KUSN, com -0,12 e -0,11, e KFSN com -0,60 e -0,55, para o CMAP e GPCP). Para o erro quadrático médio, KFCN teve o menor índice (1,51mm/dia e 0,86mm/dia), e em seguida KUSN (1,81mm/dia e 1,15mm/dia, em relação ao CMAP e GPCP), KUCN (2,32mm/dia e 1,62mm/dia) e KFSN (2,94mm/dia e 2,21mm/dia, em relação ao CMAP e GPCP). Todas as configurações possuem um viés negativo para essa região. 5. CONCLUSÕES Percebe-se que a configuração que melhor se aproxima dos dados observados é a KFCN, que além de possuir uma boa correlação para as quatro regiões de estudo, supera as outras três configurações em todos os índices estatísticos calculados nas quatro regiões. Assim, essa

4 configuração se adéqua para ser utilizada na técnica de downscaling para modelos globais participantes do CMIP5, nesta região. Foi verificado que, ao comparar as duas configurações que não utilizam o nudging central, a parametrização de convecção Kuo (KUSN) representou melhor o ciclo anual em duas regiões, Amazônia e NEB. Deve ser destacada a importância de ser feita também uma comparação entre a precipitação desses dados modelados e observados apenas na região continental, e com outros bancos de dados, visto que regiões como o Caribe, definida neste trabalho, possuem uma extensão continental menor que a oceânica. É importante também verificar outros gráficos, como mapas sazonais da distribuição de precipitação nesta região, assim como, estudar outras variáveis importantes, como temperatura. 6. AGRADECIMENTOS O primeiro autor agradece à Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico (FUNCAP), pela concessão de bolsa junto a Fundação Cearense de Meteorologia e Recursos Hídricos (FUNCEME). Este trabalho é financiado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e pela FUNCAP através dos projetos MUVUCA (Mudanças Climáticas, Variabilidade Climática e seus Impactos no Semi-Árido: Recursos Hídricos, Energias Renováveis, Ambiente e Agricultura) Edital N.:09/2010 e MOREA (Modelagem Climática (Downscaling) e suas Aplicações em Energias Renováveis) Edital N.: 05/2010 (Processo /2010-6) 7. REFERÊNCIA Giorgi, F.; Jones, C.; Asrar, G. R. Addressing climate information needs at the regional level: the CORDEX framework. WMO Bulletin, n58, v. 3, Le Treut, H., Somervill, R., Cubasch, U., Ding, Y., Mauritzen, C., Mokssit, A., Peterson, T., Prather, M. Historical Overview of Climate Change. In: Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA Maurer, E. P. Downscaling climate models. in AccessScience, McGraw-Hill Companies, 2006 Tabela 01: Configurações testadas em cada simulação Sigla da configuração Parametrização de Convecção Uso de nudging central KFCN Kain-Fritsch Sim KFSN Kain-Fritsch Não KUCN Kuo Sim KUSN Kuo Não

5 Figura 01: Região de estudo que compreende a região das Américas Tropicais do CORDEX, enfatizando 4 sub-regiões: Amazônia (azul), NEB (preto), Caribe (vermelho) e América Central (verde). Figura 02: A esquerda estão os gráficos do ciclo anual da taxa de precipitação diária (em mm/dia), e a direita os gráficos do ciclo anual da taxa de precipitação diária, para as regiões da: (a, b) Amazônia, (c, d) Nordeste Brasileiro, (e, f) México e América Central, e (g, h) Caribe. Cada configuração do modelo é representada por uma linha: KFCN (azul escuro), KFSN (azul claro), KUCN (verde escuro) e KUSN (verde claro); e cada banco de dado por uma linha tracejada: CMAP (laranja) e GPCP (vinho).