A DESTREZA DAS PREVISÕES CLIMÁTICAS SAZONAIS RETROSPECTIVAS DO MODELO DE CIRCULAÇÃO GERAL DA ATMOSFÉRICA DO CPTEC

Transcrição

1 A DESTREZA DAS PREVISÕES CLIMÁTICAS SAZONAIS RETROSPECTIVAS DO MODELO DE CIRCULAÇÃO GERAL DA ATMOSFÉRICA DO CPTEC Caio A. S. Coelho 1, Christopher A. Cunningham 1, Carlos R. Souza 1, Lincoln Muniz Alves 1 e José Fernando Pesquero 1 Centro de Previsão de Tempo e Estudos Climáticos, Instituto Nacional de Pesquisas Espaciais (CPTEC/INPE), Cachoeira Paulista, SP, Brasil. caio.coelho@cptec.inpe.br ABSTRACT: Seasonal climate forecasts are currently produced by operational climate predicion centers. The Center for Weather Forecasts and Climate Studies (CPTEC) produces these operational forecasts since 1995 using a global atmospheric general circulation model (AGCM). An important aspect of this operational procedure is forecast verification, which addresses forecast quality. This study aims to assess the skill of retrospective global precipitation forecasts (hindcasts) for the period from 1979 to 2001, produced with CPTEC AGCM using persisted sea surface temperature anomalies as boundary conditions. These forecasts were produced as part of CPTEC s application for recognition as a World Meteorological Organization (WMO) Global Producing Center for Long-range Forecasts (GPC). Forecast skill is assessed using a determinis tic and a probabilistic meassure. The study also shows an example of operational global precipitation forecast for the last summer (DJF 2009/2010) produced by CPTEC AGCM. Palavras-chave: Previsão climática sazonal, modelo de circulação geral da atmosfera, verificação de previsões de precipitação. 1. INTRODUÇÃO Desde 1995 o CPTEC produz operacionalmente previsões climáticas sazonais com um modelo de circulação geral da atmosfera (MCGA) (Cavalcanti et al., 2002; Marengo et al., 2003) originalmente derivado do modelo do NCEP (National Centers for Environmental Prediction) pelo COLA (Center for Ocean -Land-Atmosphere Studies). Em uma de suas implementações a climatologia do modelo foi produzida para um período de 50 anos ( ) em modo de simulação climática, empregando como condição de contorno a temperatura da superfície do mar (TSM) observada durante o período de integração do modelo. Dessa forma, a destreza dessas simulações climáticas indica a habilidade do modelo em simular as condições atmosféricas globais assumindo-se conhecimento absoluto da condição de contorno (TSM), fato este fora da realidade operacional, uma vez que para as previsões operacionais a condição de contorno é desconhecida durante o período de integração do modelo. Logo, para quantificar a destreza real do modelo, em modo de previsão, é necessário produzir sua climatologia da mesma maneira como são realizadas as previsões operacionais, ou seja, utilizando-se previsão da condição de contorno durante o período dos seis meses futuros de integração do modelo. A forma mais simples de prever a condição de contorno assume a persistência da anomalia de TSM observada no mês anterior ao primeiro mês de previsão durante todos os meses futuros previstos, sendo essa conhecida como previsão climática sazonal com TSM persistida. Esse estudo tem como objetivo avaliar a destreza das previsões climáticas sazonais retrospectivas de precipitação global com TSM persistida para o período de 1979 a 2001, produzidas recentemente como parte da candidatura do CPTEC como centro mundial de previsão de longo-prazo da Organização Meteorológica Mundial (OMM). Essa avaliação fornece informações sobre a destreza real das previsões climáticas sazonais produzidas operacionalmente pelo CPTEC uma vez que o uso de informações futuras de TSM é vetado no processo de produção das previsões retrospectivas.

2 2. METODOLOGIA A versão do MCGA utilizada é codificada como T062L28, onde T refere-se ao tipo de truncamento espectral horizontal utilizado, sendo empregado truncamento triangular com 62 ondas, gerando uma resolução horizontal de aproximadamente dois graus de latitude e longitude (200 x 200 km), e L refere-se ao número de camadas (níveis) na vertical, neste caso 28 níveis em coordenada sigma (21 na troposfera e 7 na estrat osfera). A parametrização de nuvens convectivas profundas utiliza o esquema desenvolvido por Kuo (1974). Emprega-se como condição de contorno a persistência da anomalia de TSM (Reynolds et al., 2002) observada no mês anterior ao primeiro mês de previsão. Por exemplo, para a previsão feita em Novembro de 2009 e válida para os próximos seis meses (de Novembro de 2009 a Abril de 2010), a anomalia de TSM de Outubro de 2009 é adicionada ao campo da média climatológica de TSM de cada um dos seis meses de previsão para determinar a condição de contorno. As condições iniciais para a produção das previsões operacionais são obtidas de 15 análises diárias do NOAA/OAR/ESRL PSD, Boulder, Colorado, EUA, no horário das 12 TMG, com intervalo de 24 horas entre as análises utilizadas. No exemplo acima, um total de 15 condições iniciais de Agosto de 2009, representando 15 diferentes dias do mês de Agosto, são utilizados para produzir a previsão operacional por conjunto ( ensemble ). Dessa forma, em seu procedimento operacional de previsão para o próximo trimestre o CPTEC produz mensalmente mapas de previsões globais de precipitação, temperatura, altura geopotencial em 500 hpa e pressão ao nível médio do mar, com defasagem de um mês (por exemplo, em Novembro de 2009 produziu-se os mapas de previsão para o trimestre dezembro de 2009, janeiro e fevereiro de 2010, DJF 2009/2010). Neste trabalho serão avaliadas as previsões retrospectivas de precipitação para o trimestre DJF durante o período produzidas exatamente da mesma maneira que as previsões operacionais são produzidas, com um conjunto de 10 membros (ou seja, utilizando-se 10 condições iniciais para cada mês de Agosto de 1979 a 2001). 3. RESULTADOS E DISCUSSÕES A Figura 1 mostra mapas de correlação entre a anomalia de precipitação prevista pelo modelo do CPTEC (média do conjunto de 10 membros) e a anomalia de precipitação observada (Adler et al., 2003) em cada ponto de grande para o período para a previsão produzida em Novembro e válida para DJF (painel a), a previsão produzida em Fevereiro e válida para MAM (painel b), a previsão produzida em maio e válida para JJA (painel c), e a previsão produzida em Agosto e válida para SON (painel d). O modelo apresenta destreza útil destacáv el sobre o oceano Pacífico tropical, onde manifesta-se o fenômeno El Niño Oscilação Sul (ENOS), que apresenta índices de correlação superiores a 0.8, em particular para DJF, MAM e SON. Esses resultados indicam uma forte associação entre os valores previstos e observados, em resposta a boa habilidade do modelo reproduzir os padrões de circulação tropical e consequentemente a precipitação sobre a região do Pacífico tropical. Destaca-se também os índices positivos de correlação superiores a 0.4 no Atlântico tropical, na região da Zona de Convergência Inter Tropical (ZCIT) e sobre parte das regiões norte, nordeste e sul do Brasil, regiões estas comumente afetadas pelas anomalias climáticas associados ao fenômeno ENOS. Esses resultados indicam que o modelo é capaz de reproduzir as anomalias positivas de precipitação sobre a região sul do Brasil e as anomalias negativas de precipitação sobre as regiões norte e nordeste do Brasil, comumente observadas durante eventos de El Niño. Esses resultados indicam também que o modelo é capaz de reproduzir as anomalias negativas de precipitação sobre a região sul do Brasil e as anomalias positivas de precipitação sobre as regiões norte e nordeste do Brasil, comumente observadas durante eventos de La Niña. Sobre a região sudeste do Brasil a destreza do modelo é geralmente pobre. A correlação é uma medida determinística da qualidade das previsões que mede o grau de associação entre as anomalias previstas e observadas. Ou seja, a correlação indica quão bem a variablidade inter-anual é representada nas previsões quando comparada as observações. Um outro aspecto de qualidade importante para um modelo climático é a verificação das previsões probabilísticas produzidas pelo conjunto de previsões. Uma das medidas de qualidade para previsões probabilísticas é o ROC skill score, que mede a habilidade do modelo de previsão em

3 detectar eventos, habilidade esta também conhecida como resolução na literatura de verificação de previsões (Jolliffe e Stephenson, 2003). O ROC skill score pode assumir valores entre 1 e 1. Um modelo (estatístico ou dinâmico) de previsão de desempenho pobre, por exemplo, que produza previsões aleatórias ou sempre produza a mesma previsão (constante), terá o ROC skill score igual a zero. Valores de ROC skill score superiores a zero indicam previsões de qualidade superior a essas previsões aleatórias/constantes. A Figura 2 mostra mapas de ROC skill score com o intuito de medir a habilidade do modelo do CPTEC em detectar o evento anomalia positiva ou negativa de precipitação para o período para a previsão produzida em Novembro e válida para DJF (painel a), a previsão produzida em Fevereiro e válida para MAM (painel b), a previsão produzida em Maio e válida para JJA (painel c), e a previsão produzida em Agosto e válida para SON (painel d). Nota -se que, em consistência com a Figura 1, o modelo apresenta boa habilidade de detecção de eventos sobre o Pacífico tropical assim como sobre parte das regiões norte, nordeste e sul do Brasil. A Figura 3a mostra o mapa de previsão probabilística (tercil mais provável) para a previsão do modelo do CPTEC produzida em Novembro de 2009 e válida para DJF 2009/2010. Regiões em azul indicam que o tercil superior (precipitação na categoria acima do normal) é previsto como o mais provável. Regiões em amarelo, laranja e vermelho indicam que o tercil inferior (precipitação na categoria abaixo do normal) é previsto como o mais provável. Regiões em branco indicam que o tercil central (precipitação na categoria próximo ao normal) é previsto como o mais provável. A comparação subjetiva entre a previsão da Figura 3a e a anomalia de precipitação observada (Figura 3b) indica que houve boa aderência entre a previsão e a observação na região do Pacífico tropical oeste, África, América do Norte e América do Sul, destacando-se a boa habilidade do modelo em indicar condições de precipitação abaixo do normal ao longo da Zona de Convergência Inter Tropical (ITCZ) no Atlântico e sobre o Brasil central, assim como indicar condições de precipitação acima do normal sobre a Bolívia, Paraguai, nordeste da Argentina, sul do Brasil e Uruguai. 4. CONCLUSÕES Esse estudo apresentou a avaliação da destreza das previsões climáticas sazonais retrospectivas do modelo de circulação geral da atmosfera do CPTEC produzidas recentemente como parte da candidatura do CPTEC como centro mundial de previsão de longo-prazo da Organização Meteorológica Mundial (OMM). O índice de verificação determinístico (correlação entre anomalias previstas e observadas) e o índice de verificação probabilístico ( ROC skill score, medindo a habilidade do modelo em detectar o evento anomalia positiva ou negativa de precipitação) indicaram que o modelo apresenta destreza útil na região do Pacífico tropical, destacando-se também a destreza encontrada sobre parte das regiões norte, nordeste e sul do Brasil. Esses resultados refletem a boa habilidade do modelo em reproduzir padrões tropicais e extratropicais de circulação atmosférica típicos de anos de ENOS e consequentemente os padrões de precipitação associados a esse fenômeno. Nesse contexto, a previsão para DJF 2009/2010 produzida pelo modelo do CPTEC durante o atual evento El Niño 2009/2010 apresentou aderência razoável com a observação, destacando a boa habilidade do modelo em indicar condições de precipitação abaixo do normal ao longo da Zona de Convergência Inter Tropical (ITCZ) no Atlântico e sobre o Brasil central, assim como indicar condições de precipitação acima do normal sobre a Bolívia, Paraguai, nordeste da Argentina, sul do Brasil e Uruguai. Previsões determinísticas e probabilísticas a partir de 2009, assim como produtos de verificação das previsões de precipitação e temperatura a dois metros para o período de previsões retrospectivas desde 1979 a 2001 produzidas pelo modelo do CPTEC de acordo com normas da Organização Meteorológica Mundial (OMM) encontram -se disponíveis em Avaliações da habilidade do modelo do CPTEC utilizado no presente estudo em reproduzir os padrões de teleconexão de precipitação de verão associados ao fenômeno ENOS podem ser encontradas em Farias et al. (2010) e Silva e Coelho (2010). AGRADECIMENTOS: CASC agradece o auxílio da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP), processos 2005/ e 2006/ , durante a realização desse estudo.

4 5. REFERÊNCIAS ADLER, R.F.; E CO-AUTORES. The Version 2 Global Precipitation Climatology Project (GPCP) Monthly Precipitation Analysis (1979-Present). J. Hydrometeor., 4, , CAVALCANTI, I. F. A., CO-AUTORES. Global climatological features in a simulation using the CPTEC- COLA AGCM. J. Climate, 15, , FARIAS, P.; C. A. S. COELHO; C. R. SOUZA. A habilidade do modelo de previsão climática sazonal do CPTEC em prever o padrão de teleconexão de precipitação de verão associado ao fenômeno El Niño-Oscilação Sul. XVI CBMET, Belém, JOLLIFFE I. T. and D. B. STEPHENSON. Forecast Verification: A Practitioner's Guide in Atmospheric Science. Wiley. 240pp., KUO, H. L. Further studies of the parameterization of the influence of cumulus convection on large-scale flow. J. Atmos. Sci., 31, , MARENGO, J. A.; E CO-AUTORES. Assessment of regional seasonal rainfall predictability using the CPTEC/COLA atmospheric GCM. Climate Dyn., 21, , REYNOLDS, R. W., N. A. RAYNER, T. M. SMITH, D. C. STOCKES, and W. WANG. An improved in situ and satellite SST analysis for climate. J. Climate, 15, , SILVA, F. S.; E C. A. S. COELHO. Avaliação da teleconexão atmosférica de verão associada a Oscilação Sul nas previsões climáticas retrospectivas do modelo climático do CPTEC. XVI CBMET, Belém, ( a ) ( b ) ( c ) ( d ) Figura 1: Mapa de correlação entre a anomalia de precipitação prevista pelo modelo do CPTEC (média do conjunto de 10 membros) e a anomalia de precipitação observada em cada ponto de grande para o período para a) previsão produzida em Novembro e válida para DJF, b) previsão produzida em Fevereiro e válida para MAM, c) previsão produzida em Maio e válida para JJA, e d) previsão produzida em Agosto e válida para SON.

5 ( a ) ( b ) ( c ) ( d ) Figura 2: Mapa de ROC skill score para o período para previsão produzida pelo modelo do CPTEC em a) Novembro e válida para DJF, b) Fevereiro e válida para MAM, c) Maio e válida para JJA, e d) Agosto e válida para SON. ( a ) ( b ) Figura 3: a) Previsão de probabilidade do tercil mais provável de precipitação produzida em Novembro de 2009 pelo modelo climático do CPTEC e válida para DJF 2009/2010. Regiões em azul indicam que o tercil superior (precipitação na categoria acima do normal) é previsto como o mais provável. Regiões em amarelo, laranja e vermelho indicam que o tercil inferior (precipitação na categoria abaixo do normal) é previsto como o mais provável. Regiões em branco indicam que o tercil central (precipitação próximo na categoria normal) é previsto como o mais provável. b) anomalia de precipitação (mm) observada em DJF 2009/2010.