AVALIAÇÃO DE DESEMPENHO DOS MODELOS DE MUDANÇA CLIMÁTICA DO CMIP5 QUANTO A REPRESENTAÇÃO DA SAZONALIDADE DA PRECIPITAÇÃO SOBRE AMÉRICA DO SUL

Tamanho: px
Começar a partir da página:

Download "AVALIAÇÃO DE DESEMPENHO DOS MODELOS DE MUDANÇA CLIMÁTICA DO CMIP5 QUANTO A REPRESENTAÇÃO DA SAZONALIDADE DA PRECIPITAÇÃO SOBRE AMÉRICA DO SUL"

Transcrição

1 AVALIAÇÃO DE DESEMPENHO DOS MODELOS DE MUDANÇA CLIMÁTICA DO CMIP5 QUANTO A REPRESENTAÇÃO DA SAZONALIDADE DA PRECIPITAÇÃO SOBRE AMÉRICA DO SUL Cleiton da Silva Silveira 1, Francisco de Assis de Souza Filho 1 1 Universidade Federal do Ceará (UFC), Departamento de Engenharia Hidráulica e Ambiental (DEHA) cleitonsilveira16@yahoo.com.br RESUMO --- Os modelos globais do Coupled Model Intercomparison Project Phase 5 (CMIP5) são avaliados para o América do Sul quanto à representação da precipitação para o período de 1901 a Essa avaliação é realizada utilizando-se os dados do Climatic Research Unit (CRU) e a reanálise 20th Century Reanalysis V2 do National Oceanic and Atmospheric Administration (NOAA). Os modelos são classificados através de índices de correlação e erro quadrático médio. Propõe-se a criação de um índice de desempenho para avaliação sazonal. Os melhores modelos segundos esses critério foram: na região da Amazônia o HADGEM2_ES, no Nordeste Setentrional do Brasil o CANESM e na Bacia da Prata o CNRM_CM5. Palavras-chave: CMIP5, América do Sul e século XX. ABSTRACT --- The global models of the Intergovernmental Coupled Model Intercomparison Project Phase 5 (CMIP5) are evaluated for the representation of the precipitation in South America for the period from 1901 to This evaluation is performed using data from the Climatic Research Unit (CRU) and the 20th Century Reanalysis V2 of the National Oceanic and Atmospheric Administration (NOAA). A performance index based on measures of correlation and mean squared error is proposed for evaluation and ranking of the models. According to the evaluation using the proposed performance index, the best models were: HADGEM2_ES for the Amazon region; CANESM for the Northern northeastern Brazil; and CNRM_CM5 for the Plata Basin. Keywords: CMIP5, South America e 20th century. 1. Introdução Diversos autores identificam aumento da temperatura do planeta e sobre o Brasil nas últimas décadas combinados com modificações nos campos de precipitação associado estas ocorrências as Mudanças Climáticas (Marengo e Valverde, 2007). Essas têm sido alvo de discussões e pesquisas científicas em todo mundo com vistas ao entendimento de sua ocorrência (IPCC, 2007(a)), assim como, a identificação e a avaliação dos possíveis impactos ambientais, sociais e econômicos (IPCC, 2007(b)) e a elaboração de medidas que minimizem as conseqüências adversas das mesmas. Desde 1988 o Intergovernmental Panel on Climate Change (IPCC) publicou quatro relatórios de Avaliação: em 1990, 1995, 2001 e Espera-se que algumas das questões científicas que surgiram durante a preparação do quarto relatório do IPCC possam ser tratadas no CMIP5, para a publicação do Quinto Relatório AR5, prevista para publicação no final de 2013.

2 A América do Sul apresenta clima com intensa variabilidade temporal e espacial de chuvas, devido a atuação de diversos sistemas. Essa complexidade torna a região vulnerável às condições de tempo e clima, que são associadas a significativos impactos sociais e econômicos em diversos setores. Desta forma, torna-se relevante para o desenvolvimento de políticas públicas a identificação das alterações na ocorrência do clima nesta região e os possíveis impactos no regime de vazões. O objetivo do presente estudo é desenvolver uma metodologia de avaliação da habilidade dos modelos do CMIP5 de prever o regime de sazonal de chuvas e aplicar esta a América do Sul. 2. METODOLOGIA 2.1. Região de Estudo Utilizaram-se três grades uma de 0º a 10ºS de latitude e 33º O a 44º O de longitude sobre o Nordeste Setentrional Brasileiro assim como uma porção do Oceano Atlântico, conforme mostra a Figura 1 na grade 1. A segunda grade de inclui a região 3,5ºN a 12ºS de latitude 75,50 ºO a 49 ºO de longitude sobre a Amazônia, conforme mostra a Figura 1 na grade 2. A terceira grade vai de 36ºS a 16,5ºS de latitude e longitude 64 ºO a 44 ºO, incluindo a Bacia da Prata, conforme a Figura 1 na grade 3. Figura 1 América do Sul, destaque para as grades 1, 2 e 3. Estas representam, respectivamente, o Nordeste Setentrional brasileiro, Amazônia e Rio Prata Dados observacionais A base de dados observacionais utilizadas para verificar a destreza dos modelos do IPCC sobre o continente são proveniente da University of East Anglia/Climate Research Unit (CRU) (New et. al, 1999 e New et. al, 2001) ( Enquanto na porção da grade sobre oceano são usadas as reanálises 20th CenturyReanalysis V2 (Compo, 2004; Whitaker, 2006)(NOAA/OAR/ESRL PSD, Boulder, Colorado, EUA, a partir do seguinte site:

3 fornecidos pelo National Oceanic and Atmospheric Administration (NOAA). O conjunto de dados utilizado corresponde à climatologia de precipitação de 1901 a 1999, com resolução de 0,5 graus para o continente (CRU TS 3.0) e 2,0 graus para oceano (20th Century Reanalysis V2) Modelos do CMIP5 Os dados provenientes do CMIP5 são resultados de simulações de modelos globais de alguns centros de pesquisa que contribuem para confecção dos relatórios dos IPCC (conforme Tabela 1), forçadas pelas concentrações observadas de gases de efeito estufa durante o século XX. Tabela 1 Modelos do CMIP5 utilizados. Modelos HadGEM2-ES GISS-E2-H GISS-E2-H IPSL-CM5A-LR CCCMA/CanESM2 CNRM-CM5 INM_CM4 Instituição Met Office Hadley Centre NASA Goddard Institute for Space Studies NASA Goddard Institute for Space Studies Institut Pierre-Simon Laplace Canadian Centre for Climate Modelling and Analysis Centre National de Recherches Meteorologiques/ Centre Europeen de Recherche et Formation Avancees en Calcul Scientifique (CNRM/CERFACS) Institute of Numerical Mathematics, Russian Academy of Science 2.4. Critérios de Avaliação do Desempenho dos modelos do CMIP5 quanto à representação da sazonalidade Para avaliação dos modelos foi feita a climatologia mensal média sobre a região de estudo para todos os modelos dos IPCC e a observação (CRU continente e NOAA oceano, sem interpolação), em seguida é feita uma comparação com base em alguns índices estatísticos para que possam ser definidos que modelos possuem melhor comportamento para América do Sul. As medidas estatísticas utilizadas, cujas definições estão indicadas a seguir, são: raiz do erro quadrático médio da contribuição percentual mensal em relação às chuvas anuais (RMSE_PC) e a correlação (CORREL) (Silveira et.al, 2011). Ao final do cálculo desses dois índices é feita uma avaliação ponderada para que os modelos possam ser classificados, dada por:

4 CORREL CORREL MIN MAX AVAL s c CORREL CORREL r MAX MIN MAX RMSE _ PC MIN (1) (2) c r 1 Sendo, CORREL MIN a menor correlação obtida entre os modelos do IPCC e CORREL MAX a máxima correlação. Assim como, RMSE_PC MAX é o máximo erro quadrático médio percentual dos modelos do IPCC e RMSE_PC MIN o mínimo. 3. Resultados Na tabela 2 são mostrados a Classificação e AVAL dos modelos do CMIP5 para α c igual 0,5 para as três regiões avaliadas.. O modelo canadense CANESM apresentou correlações superiores a 0,97 e RMSE_PC inferior a 2,4% para região Nordeste Setentrional do Brasil, o que o classifica como o melhor modelo segundo a avaliação proposta neste trabalho para seguido pelo modelo HADGEM2_ES. igual a 0,5 para essa região, Tabela 2 Classificação e AVAL dos modelos do CMIP5 para α c igual 0,5 e para as três regiões avaliadas. Modelos NEB AMA PRATA AVAL CLAS AVAL CLAS AVAL CLAS canesm_run1 0, , , canesm_run2 0, , , canesm_run3 0, , , canesm_run4 0, , , canesm_run5 1, , , cnrm_cm5_run1 0, , , giss_e2h_run1 0, , , giss_e2h_run2 0, , , giss_e2h_run3 0, , , giss_e2h_run4 0, , , giss_e2h_run5 0, , , giss_e2r_run1 0, , , giss_e2r_run2 0, , , giss_e2r_run3 0, , , giss_e2r_run4 0, , , giss_e2r_run5 0, , , hadgem2_es_run1 0, , , Incm4_run1 0, , , ipsl_cm5a_lr_run1 0, , , ipsl_cm5a_lr_run2 0, , , ipsl_cm5a_lr_run3 0, , , ipsl_cm5a_lr_run4 0, , ,

5 O modelo CNRM_CM5 apresentou correlação superior a 0,99 e RMSE_PC inferior a 1% para região da bacia da Prata, o que o classifica como o melhor modelo para igual a 0,5 para essa região, seguido pelos modelos GISS_E2R e GISS_E2H. O modelo HADGEM2_ES apresentou o maior AVAL para região amazônica. Porém, os modelos CANESM, GISS_E2R, E GISS_E2H apresentaram também AVAL superiores a 0, CONCLUSÃO Os modelos globais do CMIP5 apresentam correlações elevadas em relação à climatologia observada no período de 1901 a 1999 para regiões do Nordeste Setentrional do Brasil, Bacia da Prata e Amazônia, mostrando que os modelos são capazes de capturar os padrões de variações sazonais. A avaliação feita com os dados médios apontou o modelo CANESM como àquele com mais altos valores de AVAL para o Nordeste Setentrional Brasileiro, seguido pelo modelo HADGEM2_ES. Enquanto o modelo CNRM_CM5 apresentou o maior AVAL para região da Prata, seguido pelos modelos GISS_E2R e GISS_E2H. Já para Amazônia, o modelo HADGEM2_ES é o melhor classificado, segundo o método de avaliação deste trabalho. 5. REFERÊNCIAS COMPO,G.P.; J.S. WHITAKER; P.D. SARDESHMUKH: Feasibility of a 100 year reanalysis using only surface pressure data.bull. Amer. Met. Soc., 87, , 2006 MARENGO J.A., VALVERDE, MARIA C. Caracterização do clima no Século XX e Cenário de Mudanças de clima para o Brasil no Século XXI usando os modelos do IPCC-AR4. Revista Multiciência Campinas Ed. No. 8 Maio NEW, M., HULME, M., JONES, P.D.,: Representing twentieth century space-time climate variability. Part 1: development of a mean monthly terrestrial climatology. Journal of Climate 12, , NEW, M., LISTER, D., HULME, M., MAKIN, I.,: A high-resolution data set of surface climate over global land areas. ClimateResearch 21, 1-25, SILVEIRA, C.S., SOUZA FILHO, F. A, COSTA, A.A., COUTINHO, M.M., LÁZARO, Y.M.C, SALES, D.C. Avaliação da sazonalidade da precipitação no Nordeste brasileiro simulada pelos modelos do IPCC-AR4. Revista Brasileira de Recursos Hídricos, 2011 (em submissão). WHITAKER, J.S., G.P.COMPO, X. WEI, AND T.M. HAMILL: Reanalysis without radiosondes using ensemble data assimilation.mon. Wea. Rev., 132, , 2004.