Using a Hydrologic Model to Assess the Performance of Regional Climate Models in a Semi-Arid Watershed in Brazil

Abstract

This study assessed the impact of climate change on the hydrological regime of the Paraguaçu river basin, northeastern Brazil. Hydrological impact simulations were conducted using the Soil and Water Assessment Tool (SWAT) for 2020–2040. Precipitation and surface air temperature projections from two Regional Climate Models (Eta-HadGEM2-ES and Eta-MIROC5) based on IPCC5—RCP 4.5 and 8.5 scenarios were used as inputs after first applying two bias correction methods (linear scaling—LS and distribution mapping—DM). The analysis of the impact of climate change on streamflow was done by comparing the maximum, average and reference (Q90) flows of the simulated and observed streamflow records. This study found that both methods were able to correct the climate projection bias, but the DM method showed larger distortion when applied to future scenarios. Climate projections from the Eta-HadGEM2-ES (LS) model showed significant reductions of mean monthly streamflow for all time periods under both RCP 4.5 and 8.5. The Eta-MIROC5 (LS) model showed a lower reduction of the simulated mean monthly streamflow under RCP 4.5 and a decrease of streamflow under RCP 8.5, similar to the Eta-HadGEM2-ES model results. The results of this study provide information for guiding future water resource management in the Paraguaçu River Basin and show that the bias correction algorithm also plays a significant role when assessing climate model estimates and their applicability to hydrological modelling.

Correção de tendência das projeções climáticas futuras simuladas pelo modelo regional Eta-Hadgem2-Es para a Bacia Hidrográfica do Rio Mundaú, Nordeste do Brasil

“…A melhoria também foi observada para a estação Maceió-AL, com valor bruto de Pméd de 3,20 mm e observado de 4,23 mm, passando a ser de 4,26 mm após a correção de tendência pelo LS. Esta abordagem demonstrou ser eficaz para o estudo de dados de precipitação em estudos anteriores (Teutschbein & Seibert, 2012;Oliveira et al, 2017;Zhang et al, 2018;Santos et al, 2019). Observando-se o desvio padrão médio diário (Tabela 1), percebe-se que para os dados brutos, os valores estão mais próximos de zero, indicando uma certa homogeneidade dos dados.…”

“…Os maiores valores dos fatores de correção foram encontrados para o período de maio a setembro, correspondendo aos meses de altos índices pluviométricos na bacia do Rio Mundaú. Santos et al (2019) encontraram fatores de correção mais altos para o período de maio a agosto, que correspondem aos meses de baixa precipitação na bacia do Rio Paraguaçu, na Bahia. De acordo com Chou et al (2014a), os ciclos anuais de precipitação nas simulações Eta, conduzidas pelo HadGEM2-ES, produzem menos precipitação na estação chuvosa e geralmente mais na estação seca.…”

“…Observa-se ainda que, para o percentil de 90%, houve um ajuste das curvas ligeiramente melhor entre os dados corrigidos e observados pelo método DM (Figura 6cd, gh), quando comparado ao método LS (Figura 4cd, gh). Santos et al (2019) encontraram que tanto o LS quanto DM foram capazes de corrigir a tendência dos dados de projeção climática dos modelos regionais Eta-HadGEM2-ES e Eta-MIROC5, mas o método DM mostrou maior distorção quando aplicado aos cenários futuros. Zhang et al (2018) verificaram que todos os métodos de correção de tendência dos dados históricos de temperatura (DM, LS e Variance Scaling) melhoraram significativamente o ajuste entre os dados corrigidos e observados.…”

“…Dentro deste contexto, uma das formas de avaliar tais efeitos é por meio da inclusão dos dados das previsões de modelos climáticos globais/regionais em modelos hidrológicos. De acordo com Santos et al (2019), os modelos climáticos regionais (RCMs) representam o primeiro passo para verificar a vulnerabilidade dos recursos hídricos às mudanças climáticas e às necessidades de adaptação. No entanto, os dados oriundos de modelos climáticos geralmente possuem erros sistemáticos, e não devem ser utilizados diretamente na modelagem hidrológica (Chen et al, 2016;Oliveira et al, 2017).…”

“…No entanto, os dados oriundos de modelos climáticos geralmente possuem erros sistemáticos, e não devem ser utilizados diretamente na modelagem hidrológica (Chen et al, 2016;Oliveira et al, 2017). Estudos apontam que um dos fatores que aumenta a incerteza dos efeitos das previsões climáticas sobre os recursos hídricos é o procedimento de correção de tendência dos dados de saída dos modelos climáticos (Teutschbein & Seibert, 2012;Zhang et al, 2015;Santos et al, 2019). Rathjens et al (2016)…”