Downscaling Dinâmico através do Modelo RegCM para Diferentes Inicializações Utilizando Dados do CFSv2

Abstract

Resumo O objetivo deste trabalho é avaliar as previsões climáticas regionais de precipitação sobre o Brasil durante a estação do inverno de 2018 através do modelo RegCM4.7 com diferentes inicializações, tanto espacial como em 5 áreas específicas. Para realizar alertas de possíveis anomalias abaixo/acima da normal climatológica, é necessário verificar a habilidade destes modelos em prever de forma antecipada a precipitação. O modelo RegCM4.7 foi conduzido com dados do modelo Global Climate Forecast System Version 2. As destrezas das previsões foram avaliadas de forma qualitativa e quantitativa, comparando resultados com os dados do Climate Prediction Center (CPC). Os resultados mostraram que o RegCM4.7 conseguiu prever de forma coerente a precipitação com alguns meses de antecedência para o trimestre junho, julho e agosto (JJA), com menores erros sobre as regiões Nordeste e Sudeste do Brasil, onde maiores erros foram identificados sobre os subdomínios AMZ e SUL. Observou-se que as correlações das previsões foram inferiores a 0,8 durante todos os experimentos e subdomínios, exceto para região do Nordeste que apresentou os maiores valores de correlação. De maneira geral, destaca-se que o modelo foi hábil em prever a distribuição espacial de precipitação com antecedência sobre todo domínio, porém com tendência de subestimar o observado.

Evaluation of the RegCM regional model driven by CFSv2 in intra-seasonal forecasts for the Alcântara Launch Center

“…The predictability generated by the model will depend not only on the model, but will also intrinsically depend on the boundary and initialization conditions to be applied (Phan Van et al, 2014). The global climate model to be used in the following work is the "Climate Forecast System" (CFSv2), this configuration has already been used in several studies around the world: (Freitas, et al, 2020;Sangelantoni, et al, 2019 ;de Souza., 2021).…”