Riscos: Meteorologia e Clima Pedro Viterbo Instituto de Meteorologia Agradecimentos: Vanda Costa, João Ferreira, Fátima Espírito Santo, Olivier Nussier, Florian Pappenberger 64º Aniversário do Instituto de Meteorologia, Lisboa, 6 de Outubro de 2010
Plano Uma nota optimista: Qualidade da previsão meteorológica Optimismo moderado: Eventos extremos O erro nas previsões: Uma fonte de informação Alterações climáticas: Médias, extremos e riscos Conclusões
Plano Uma nota optimista: Qualidade da previsão meteorológica Uma nota de pessimismo: Eventos extremos O erro nas previsões: Uma fonte de informação Alterações climáticas: Médias, extremos e riscos Conclusões
Evolução da qualidade da previsão 1981 198 199 2001 2008
Evolução da resolução horizontal: Distância média entre pontos do modelo 1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 208 km 12 km 62 km 39 2 km 16 km k m 2 k m 16 k m
Modelos operacionais no IM Modelo ECMWF (Global) ALADIN (LAM) AROME - PTG (Alta resolução LAM) AROME - MAD (Alta resolução LAM) Malha (km) # pontos # níveis Alcance Cond Fronteir a 16-91 +240h - 9 439 x 277 46 +48h ARPEGE 2, 360 x 20 46 +30h ALADIN 2, 200 x 192 46 +30h ALADIN ECMWF ARPEGE ALADIN AROME European Centre for Medium-range Weather Forecasts Action de Recherche Petite Echelle Grand Echelle Aire Limitée Adaptation dynamique Développement InterNational Applications of Research to Operations at MEsoscale
Modelos operacionais no IM: Evolução 2000: ALADIN 12,7 km 2009: 0xALADIN 12,7 km 2000 12,7 km x0 2008: ALADIN 9 km Jan 2010: AROME 2, km 2008 9 km
Plano Uma nota optimista: Qualidade da previsão meteorológica Optimismo moderado: Eventos extremos O erro nas previsões: Uma fonte de informação Alterações climáticas: Médias, extremos e riscos Conclusões
Erro da previsão de precipitação superior a 10 mm/dia Dia 2 Dia 3 Dia 4 Dia
Erro da previsão de precipitação superior a 20 mm/dia Dia 2 Dia 3 Dia 4 Dia
Incertezas na previsão: Lorenz 1963 A natureza caótica da dinâmica da atmosfera conduz a uma incerteza na Previsão Numérica do Tempo Incertezas ligadas às condições iniciais (inferiores à precisão dos instrumentos de medida) crescem durante a previsão Efeito borboleta: O bater das asas duma borboleta no Japão pode conduzir à formação dum furacão nas Caraíbas Os erros da previsão crescem mais depressa para Escalas espaciais mais pequenas Fenómenos mais intensos Maior crescimento dos erros nas escalas espaciais mais pequenas conduz a um limite finito da predictabilidade da atmosfera Na origem das incertezas podem estar Erros nas condições iniciais Erros nas condições fronteira Erros na representação dos processos físicos
Incertezas na previsão: A escala convectiva Erros às escalas mais pequenas crescem mais depressa Erros amplificam mais rapidamente em simulações numéricas que resolvem a convecção ( x ~00 m -3 km) Processos de geração de precipitação (convecção) são os principais mecanismos para o crescimento dos erros A assimilação de dados na meso-escala pode, em certos casos, conduzir a melhores previsões Mas a predictabilidade nas escalas convectivas é um assunto científico em aberto Nussier 2010
Plano Uma nota optimista: Qualidade da previsão meteorológica Optimismo moderado: Eventos extremos O erro nas previsões: Uma fonte de informação Alterações climáticas: Médias, extremos e riscos Conclusões
Sistemas de previsão de ensemble Paralelamente a um modelo a alta resolução podemos integrar N vezes um modelo de baixa resolução (ensemble), perturbando as condições iniciais ou condições fronteira A dispersão dos membros do ensemble pode ser usada para uma estimativa da incerteza da previsão Se conseguirmos também saber o clima do modelo, podemos fazer previsões de anomalias, i.e., previsões calibradas O IM integra 0x o modelo ALADIN a 12,7 km, forçado pelas 0 previsões de ensemble (P) Para além disso, integra o mesmo modelo para o mesmo dia do ano nos 20 anos precedentes, para obter o clima do modelo (C) Informação sobre a incerteza da previsão representa uma quantificação do risco associado e permite aos diferentes sectores afectados uma decisão fundamentada sobre as A diferença P-C representa o ensemble das previsões das anomalias É por definição um sistema calibrado, i.e., os erros sistemáticos do medidas modelo foram a tomar eliminados
3 6 3 3 3 3 9 9 3 9 6 9 3 6 3 Mapas de probabilidade de precipitação (ECMWF ensemble) T+36-60 Sunday 13 April 2008 00UTC ECMWF Forecast probability t+036-060 VT: Monday 14 April 2008 12UTC - Tuesday 1 April 2008 12UTC Surface: Total precipitation of at least 1 mm 60 W 40 W 20 W 0 0 20 E 40 E 60 E 100 Sunday 13 April 2008 00UTC ECMWF Forecast probability t+036-060 VT: Monday 14 April 2008 12UTC - Tuesday 1 April 2008 12UTC Surface: Total precipitation of at least mm 60 W 40 W 20 W 0 0 20 E 40 E 60 E 100 6 6 9 3 6 6 3 6 100 9 100 9 3 6 6 3 3 6 60 N 9 3 6 9 3 3 60 N 9 3 6 9 6 3 6 3 6 6 6 9 3 0 N 6 6 3 6 3 0 N 6 3 3 6 3 3 6 9 3 6 9 6 6 3 40 N 3 9 3 3 3 3 6 40 N 3 3 9 6 60 W 40 W 20 W RR>1mm 0 20 E 40 E 60 E 30 N 3 6 60 W 40 W 20 W RR>mm 0 20 E 40 E 60 E 30 N Sunday 13 April 2008 00UTC ECMWF Forecast probability t+036-060 VT: Monday 14 April 2008 12UTC - Tuesday 1 April 2008 12UTC Surface: Total precipitation of at least 10 mm 60 W 40 W 20 W 0 0 20 E 40 E 60 E 100 Sunday 13 April 2008 00UTC ECMWF Forecast probability t+036-060 VT: Monday 14 April 2008 12UTC - Tuesday 1 April 2008 12UTC Surface: Total precipitation of at least 20 mm 60 W 40 W 20 W 0 0 20 E 40 E 60 E 100 3 3 9 9 60 N 60 N 6 3 3 3 3 0 N 6 0 N 6 3 40 N 3 3 40 N 3 6 3 60 W 40 W 20 W RR>10mm 0 20 E 40 E 60 E 30 N 60 W 40 W 20 W RR>20mm 30 N 0 20 E 40 E 60 E
Previsão (não-calibrada) da temperatura à superfície
Impactos de eventos meteorológicos : Incerteza e riscos A quantificação do risco associado aos impactos de eventos meteorológicos deve ser feita sectorialmente Por exemplo, as consequências hidrológicas dum evento de precipitação excessiva podem ser estimadas utilizando um ensemble do modelo hidrológico, onde cada membro é forçado pela precipitação dos membros do ensemble meteo Diferentes actores para cada passo da cadeia EPS Hydrology Hydraulics Pre-Processor Warning Post-Processor Ensemble Flood Forecasting: A Review, Cloke H.L., and Pappenberger, F., forthcoming, Journal of Flood Risk Management
TIGGE case study Bulgaria 7 different forecasts for the October 2007 floods in Romania Florian Pappenberger
TIGGE case study Bulgaria Warning maps: Some individual centres clearly over predict others significantly under predict Florian Pappenberger
TIGGE case study Bulgaria Florian Pappenberger
Plano Uma nota optimista: Qualidade da previsão meteorológica Optimismo moderado: Eventos extremos O erro nas previsões: Uma fonte de informação Alterações climáticas: Médias, extremos e riscos Conclusões
Temperatura do ar à superfície Valor médio global Diferenças da média 1961-90 180 1900 190 2000 Ano Nos últimos ~100 anos (1901-200) a temperatura aumentou 0.74 ºC Temperatura IPCC 2007
Variações regionais da tendência Variação 1901-200 Variação 1979-200 IPCC AR4, 2007
Temperatura do ar à superfície, Portugal (continente) Tmax 23 estações Tmean Tmin Ramos et al 2010, submitted
Modos de alteração climática Aumento da média Aumento da variância Aumento da média e variância
Construção de cenários Cenários sócio-económicos Emissões Concentrações Modelos de clima Modelos biogeoquímicos
Cenários e projecções até 2100 Emissões Temperatura De notar as barras de erro para cada um dos cenários, representando a dispersão dos membros do ensemble de multi-modelos do IPCC AR4 A quantificação do risco associado aos impactos das alterações climáticas deve ser feita sectorialmente (Energia, agricultura, florestas, recursos hídricos,...) Diferentes actores para cada passo da cadeia
Pdf da temperatura do ar à superfície: 1961-1990 vs 2071-2100 61-90 Março-Maio Tmin Tmax Probabilidade de ocorrência 2071-2100 Probabilidade de ocorrência Temperatura Temperatura Ramos et al 2010, submitted
Precipitação no Inverno (DJF) em Lisboa, Inst. Geofísico Precipitação DJF (mm) O Inverno de 2004/0 (38 mm) é o mais seco nos registos e o de 2009/10 é o mais chuvoso (776 mm)
Cenários climáticos e riscos O IM participa no consórcio Europeu EC-EARTH, para Desenvolvimento dum modelo global do Sistema Terra: Atmosfera, Oceanos, Superfície da Terra e vegetação, criosfera, biogeoquímica Produção de cenários para o próximo relatório do IPCC (Painel Intergovernamental para as Alterações Climáticas), em 2013 O consórcio vai produzir um ensemble de 10 membros (1 dos membros do ensemble está a ser produzido em Portugal) O IM está a desenvolver um sistema de modelação do clima regional, que funcionará a jusante do sistema global e permitirá obter um maior detalhe espacial no continente e ilhas Informação sobre a incerteza do cenário climático representa uma quantificação do risco associado e permite aos diferentes sectores afectados uma decisão fundamentada sobre as medidas a tomar
Conclusões A qualidade da previsão meteorológica aumentou significativamente nos últimos 30 anos Mas a qualidade das previsões de eventos extremos tem uma evolução muito mais lenta Limites de predcitabilidade: As incertezas associadas à previsão, em particular dos eventos extremos, são grandes Sistemas de ensemble: Previsão da incerteza e informação sobre os riscos de situações com condicionantes meteorológicos O grande desafio da meteorologia será comunicar a incerteza As alterações climáticas manifestam-se frequentemente como uma variação na média e na variabilidade (desvio padrão) As variações nos extremos são, para muitas aplicações (p. Ex., climatização de edifícios), mais importantes que variações na média As variações nos extremos podem causar aparentes paradoxos: A precipitação pode ter tendência negativa, mas se a variabilidade estiver a aumentar, pode levar a um aumento de anos chuvosos A avaliação sectorial dos riscos associados a alterações climáticas deve ser feita em parceria com os sectores afectados: Uma cultura de diálogo terá que ser posta em prática
Verão 2003: Anomalia de temperatura a 80 hpa (normal 1961-1990) Anomalia de temperatura Junho-Julho-Agosto 2003 Cor:Anomalia da temperatura Isolinhas: Anomalia normalizada pelo desvio padrão ºC (Ferranti and Viterbo, 2006) CIENCIA 2010, 4-7 Julho 2010, Lisboa
Anomalia de precipitação Verão 2003 Dados GPCP % (Ferranti and Viterbo, 2006) CIENCIA 2010, 4-7 Julho 2010, Lisboa
Estimação de períodos de retorno Swiss Temperature Series 1864-2003 (mean of 4 stations) 100 y 10 y 10 y 100 y Acontecimento muito raro 1000 y mean 1000 y (Schär et al. 2004, Nature, 427, 332-336) CIENCIA 2010, 4-7 Julho 2010, Lisboa
Variabilidade no Verão em cenários climáticos Greenhouse-Gas Scenario (IPCC SRES A2) Coupled GCM (HadCM3, ~300 km) Atmospheric GCM (HadAM3, ~120 km) Regional Climate Model (RCM) (CHRM / ETH, 6 km) Time slice experiments CTRL (1961-1990) SCEN (2071-2100) (EU-Project PRUDENCE, NCCR Climate)
Temperaturas de Verão simuladas Ponto perto de Zurich CTRL 1961-1990 Simulado: T = 16.1 ºC σ = 0.97 ºC Observado: Τ = 16.9 ºC σ = 0.94 ºC T=4.6 ºC σ/σ=100% SCEN 2071-2100 Forte Aumento da variabilidade (Schär et al. 2004, Nature, 427, 332-336)
Comparação de anomalias de Temperatura e Precipitação (em relação a 1961-1990) OBS: Swiss Series 1864-2003 SIM: CTRL and SCEN. OBS: 2003 As simulações sugerem que, no final do séc. XXI, 1 em cada 2 verões é tão quente ou mais quente do que 2003 (Schär et al. 2004, Nature, 427, 332-336)