Precipitação e temperatura do ar simuladas pelo modelo ETA/CPTEC - HADCM3 para o estado do Rio de Janeiro

FERNANDA DA SILVA PINHEIRO, EDNALDO OLIVEIRA DOS SANTOS, GUSTAVO BASTOS LYRA, GILBERTO FERNANDO FISCH, HENDERSON SILVA WANDERLEY

Resumo


O trabalho avaliou simulações de precipitação e temperatura do ar do modelo Eta-CPTEC para o Rio de Janeiro de 1961-1990. Nas simulações, considerou-se resolução espacial de 40 km para uma grade que compreendeu a América do Sul, com o Eta-CPTEC inicializado com o modelo HadCM3. As séries climáticas observadas das variáveis estudadas foram obtidas de estações meteorológicas do INMET distribuídas no estado do Rio de Janeiro. Estas séries foram comparadas com aquelas extraídas dos pontos de grade do modelo mais próximas das estações. Nas avaliações considerou-se o coeficiente de determinação (r²) da regressão linear simples entre dados observados e simulados; o índice de concordância de Willmott (d), o índice de desempenho (c) e a Raiz do Quadrado Médio do Erro (RQME) e seus componentes sistemático (RQMEs) e não sistemático (RQMEu). As simulações de precipitação apresentaram r² menores do que 0,32, o que indicou baixa precisão, enquanto que a exatidão (d) foi superior a 0,50, com exceção de Bangu (0,16). A baixa precisão comprometeu o desempenho (c) das simulações, com 0,07 <= c <= 0,42, classificados entre “péssimo” e “ruim”. A RQME variou entre 76,2 e 133,4 mm, que correspondeu a um erro de 78,1 e 115,5% em relação à precipitação média. As simulações de temperatura do ar mostraram desempenho melhor do que a precipitação, com maior precisão (0,39 <= r² <= 0,53), exatidão (0,50 <= d <= 0,79) e desempenho (0,36 <= c <= 0,52). A RQME ficou entre 1,9 e 5,7oC, representando 9 e 26% da média da temperatura do ar. Na maior parte das estações, o RQMEs se sobressaiu em relação ao RQMEu, indicando que as simulações podem ser corrigidas usando técnicas estatísticas.


Palavras-chave


modelo climático, séries de dados meteorológicos, downscaling

Referências


Aloysius, N.R., Sheffield, J., Saiers, J.E., Li, H., Wood, E.F., 2016. Evaluation of historical and future simulations of precipitation and temperature in central Africa from CMIP5 climate models. Journal of Geophysical Research: Atmospheres 121, 130-152. https://doi.org/10.1002/2015JD023656

Alvares, C.A. et al., 2013. Köppen's climate classification map for Brazil. Meteorologische Zeitschrift 22, 711-728. https://doi.org/10.1127/0941-2948/2013/0507

Almagro, A., Oliveira, P.T.S., Rosolem, R., Hagemann, S., Nobre, C.A., 2020. Performance evaluation of Eta/HadGEM2-ES and Eta/MIROC5 precipitation simulations over Brazil. Atmosphere Research 244. https://doi.org/10.1016/j.atmosres.2020.105053

Alves, L.M., Chou, S.C., Marengo, J.A. Avaliação das previsões de chuvas sazonais do modelo ETA climático sobre o Brasil. In: XIII Congresso Brasileiro de Meteorologia, 2004.

Ambrizzi, T., Rocha, R.P., Marengo, J.A., Pisnitchenco, I., Nunes, L.A., Fernandez, J.P.R., 2007. Cenários regionalizados de clima no Brasil e América do Sul para o Século XXI: Projeções de clima futuro usando três modelos regionais. Ministério do Meio Ambiente., Brasília (Relatório 3: CPTEC/INPE; IAG/ USP; FBDS. Secretaria de Biodiversidade e Florestas. Diretoria de Conservação da Biodiversidade).

Ambrizzi, T., Reboitta, M.S., Rocha, R.P.D., Llopart, M., 2019. The state of the art and fundamental aspects of regional climate modeling in South America. Annals of the New York Academy of Sciences 1436, 98-120. https://doi.org/10.1111/nyas.13932

Brito, T.T., Oliveira-Júnior, J. F., Lyra, G.B., Gois, G., Zeri, M., 2017. Multivariate analysis applied to monthly rainfall over Rio de Janeiro state, Brazil. Meteorology and Atmospheric Physics 129, 469-478. https://doi.org/10.1007/s00703-016-0481-x

Camargo, A.P., Sentelhas, P.C., 1997. Avaliação do desempenho de diferentes métodos de estimativa da evapotranspiração potencial no Estado de São Paulo, Brasil. Revista Brasileira de Agrometeorologia 5, 89-97.

Cavalcanti, I.F.A., Marengo, J.A., Alves, L.M., Costa, D.F., 2017. Projections of Precipitation Changes in Two Vulnerable Regions of São Paulo State, Brazil. American Journal of Climate Change 6 (2), 268-293. https://doi.org/10.4236/ajcc.2017.62014

Chou, S.C., Lyra, A., Mourão, C., Dereczynski, C.P., Pilotto, I.L., Gomes, J.L., Bustamante, J.F., Tavares, P. S., Silva, A., Rodrigues, D.C., Campos, D., Chagas, D., Medeiros G.S., Siqueira, G., Nobre, P., Marengo, J.A., 2014. Evaluation of the Eta simulations Nested in Three Global Climate Models. American Journal of Climate Change 3, 438-454. https://doi.org/10.4236/ajcc.2014.35039

Chou, S.C., Marengo, J.A., Silva, A.J., Lyra, A.A., Tavares, P., Souza, C.R.G., Harari, J., Nunes, L.H., Greco, R., Hosokawa, E.K., Aragão, L.E.O.C., Alves, L.M., 2019. Projections of Climate Change in the Coastal Area of Santos, in: Nunes L., Greco R., Marengo J. (Eds.), Climate Change in Santos Brazil: Projections, Impacts and Adaptation Options. Springer, Cham, Heidelberg, pp. 59-73. https://doi.org/10.1007/978-3-319-96535-2_4

Dereczynski, C., Silva, W.L., Marengo, J., 2013. Detection and Projections of Climate Change in Rio de Janeiro, Brazil. American Journal of Climate Change 2, 25-33. https://doi.org/10.4236/ajcc.2013.21003

Holbig, C.A., Mazzonetto, A., Borella, F., Pavan, W., Fernandes, J.M.C., Chagas, D.J., Gomes, J.L., Chou, S.C., 2018. PROJETA platform: accessing high resolution climate change projections over Central and South America using the Eta model. Agrometeoros 26, 71-81.

Imbach, P., Chou, S.C., Lyra, A., Rodrigues, D., Rodriguez, D., Latinovic, D., Siqueira, G., Silva A., Garofolo, L., Georgiou, S., 2018. Future climate change scenarios in Central America at high spatial resolution. PLoS ONE 13(4). https://doi.org/10.1371/journal.pone.0193570

IPCC. Intergovernmental Panel on Climate Change, 2007. Climate change 2007: The physical science basis. IPCC, AR4, WGI Report. Cambridge Univ. Press.

Kharin, V.V., Zwiers, F.W., Zhang, X., 2005. Intercomparison of Near-Surface Temperature and Precipitation Extremes in AMIP-2 Simulations, Reanalyses, and Observations. Journal of Climate 18, 5201-5223. https://doi.org/10.1175/JCLI3597.1

Kite, G.W., 1988. Frequency and Risk Analyses in Hydrology. Water Resources Publications, Littleton, CO.

Lumbreras, J.F., Naime, U.J., Carvalho Filho, A., Wittern, K.P., Shinzato, E., Dantas, M.E., Palmieri, F., Fidalgo, E.C.C., Calderano, S.B., Medina, A.I. M., Pimentel, J., Chagas, C.S., Goncalves, A.O., Martorano, L.G., Santos, L.C.O., Tôsto, S.G., Brandão, E.S., Anjos, G.T., Amaral, F.C.S., Lima, J.A.S., Valle, L.C.S., Pereira, N.R., Baruqui, A.M., Prado, R.B., Oliveira, R.P., Aglio, M.L.D., 2003. Zoneamento agroecológico do Estado do Rio de Janeiro. Embrapa Solos, Rio de Janeiro (Boletim de Pesquisa e Desenvolvimento, 33).

Lyra, A., Tavares, P., Chou, S.C., Sueiro, G., Dereczynski, C.P., Sondermann, M., Silva, A., Marengo, J.A., Giarolla, A., 2018a. Climate change projections over three metropolitan regions in Southeast Brazil using the non-hydrostatic Eta regional climate model at 5-km resolution. Theoretical and Applied Climatology 132, 663–682. https://doi.org/10.1007/s00704-017-2067-z

Lyra, G.B., Correia, T.P., Oliveira-Júnior, J.F., Zeri, M., 2018b. Evaluation of methods of spatial interpolation for monthly rainfall data over the state of Rio de Janeiro, Brazil. Theoretical and Applied Climatology 134, 955-965. https://doi.org/10.1007/s00704-017-2322-3

Marengo, J.A., 2007. Mudanças Climáticas Globais e seus Efeitos sobre a Biodiversidade- Caracterização do Clima Atual e Definição das Alterações Climáticas para o Território Brasileiro ao longo do Século XXI. 2ª Ed., Brasília: Ministério do Meio Ambiente, V.1, p.214.

Marengo, J.A., Rusticucci, M., Penalba, O., Renom, M, 2010. An Intercomparison of observed and simulated extreme rainfall and temperature events during the last half of the twentieth century: part 2: historical trends. Climatic Change 98, 509-529. https://doi.org/10.1007/s10584-009-9743-7

Marengo, J.A., Chou, S.C., Kay, G., Alves, L.M., Pesquero, J.F., Soares, W.R., Santos. D.C., Lyra, A.A., Sueiro, G., Betts, R., Chagas, D.J., Gomes, J.L., Bustamente, J.F., Tavares, P., 2012. Development of Regional Future Climate Change Scenarios in South America Using the Eta CPTEC/HadCM3 Climate Change Projections: Climatology and Regional Analyses for the Amazon, São Francisco and the Parana River Basins. Climate Dynamics 38, 1829-1848. https://doi.org/10.1007/s00382-011-1155-5

Moura, R.G., Herdies, D.L., Mendes, D., Mendes, M.C.D., 2010. Avaliação do Modelo Regional Eta utilizando as Análises do CPTEC e NCEP. Revista Brasileira de Meteorologia 25, 46-53. https://doi.org/10.1590/S0102-77862010000100005

Mourão, C., Chou, S.C., Marengo, J., 2016. Downscaling Climate Projections over La Plata Basin. Atmospheric and Climate Sciences 6, 1-12. https://doi.org/10.4236/acs.2016.61001

Nunes, L.H., Greco, R., Marengo, J.A., 2019. Climate Change in Santos, Brazil: projections, impacts and adaptation options. Springer Publisher, Switzerland. https://doi.org/10.1007/978-3-319-96535-2_4.

Oliveira, G.G., Pedrollo, O.C., Castro, N.M.R., 2015. As Incertezas associadas às Condições Climáticas obtidas pelo Modelo ETA CPTEC/HADCM3: Avaliação Comparativa entre os Dados Simulados e Observados de Precipitação, Evapotranspiração e Vazão na Bacia Hidrográfica do Rio Ijuí, Brasil. Revista Brasileira de Meteorologia 30, 101-121. https://doi.org/10.1590/0102-778620140041

Palerme, C., Genthon, C., Claud, C., Kay, J.E., Wood, N.B., L’Ecuyer, T., 2017. Evaluation of current and projected Antarctic precipitation in CMIP5 models. Climate Dynamics 48, 225–239. https://doi.org/10.1007/s00382-016-3071-1

Park, C., Min, S., Lee, D., Cha, D.H., Suh, M.S., Kang, H.S., Hong, S.Y., Lee, D.K. Baek, H.J., Boo, K.O., Kwon, W.T., 2016. Evaluation of multiple regional climate models for summer climate extremes over East Asia. Climate Dynamics 46, 2469-2486. https://doi.org/10.1007/s00382-015-2713-z

PBMC. Painel Brasileiro de Mudanças Climáticas, 2014. Base científica das mudanças climáticas. Contribuição do Grupo de Trabalho 1 do Painel Brasileiro de Mudanças Climáticas ao Primeiro Relatório da Avaliação Nacional sobre Mudanças Climáticas, in: Ambrizzi, T., Araujo, M. (Orgs.), Rio de Janeiro, 464 pp.

Ploszai, R., Mine, M.R.M., Fill, H.D.O.A., 2015. Comparação de métodos de correção de bias das chuvas geradas por modelos climáticos regionais, in: XXI Simpósio Brasileiro de Recursos Hídricos, Brasília.

Pesquero, J.F., Chou, S.C., Nobre, C.A., Marengo, J.A., 2010. Climate Downscaling over South America for 1961- 1970 Using the Eta Model. Theoretical and Applied Climatology 99, 75-93. https://doi.org/10.1007/s00704-009-0123-z

Rong, X., Li, J., Chen, H., Xin, Y., Su, J., Hua, L., Zhou, T., Qi, Y., Zhang, Z., Zhang, G., Li, J., 2018. The CAMS Climate System Model and a Basic Evaluation of Its Climatology and Climate Variability Simulation. Journal of Meteorological Research 32, 839–861. https://doi.org/10.1007/s13351-018-8058-x

Sachindra, D.A., Huang, F., Barton, A.F., Perera, B.J.C., 2015. Statistical Downscaling of General Circulation Model Outputs to Evaporation, Minimum Temperature and Maximum Temperature Using a Key-Predictand and Key-Station Approach. Journal of Water and Climate Change 6, 241-262. https://doi.org/10.2166/wcc.2014.145

Santiago, G.A.C.F., Giarolla, A., Randow, C.V., Menezes, R.S.C., Ometto, J.P.H.B., Nóbrega, R.S., 2016. Avaliação de destreza e das projeções do cenário de mudanças climáticas A1B-Eta-HadCM3 para o estado de Pernambuco. Revista de Geografia 33, 29-45.

Silva, W.L., Dereczynski, C.P., Chou, S.C., Cavalcanti, I., 2014. Future Changes in Temperature and Precipitation Extremes in the State of Rio de Janeiro (Brazil). American Journal of Climate Change 3, 353-36. https://doi.org/10.4236/ajcc.2014.34031

Silva, J.G., Wanderley, H.S., Santos, E.O., Lyra, G.B., 2020. Avaliação e correção das simulações do modelo Eta/CPTEC – HADCM3 para o estado do Rio de Janeiro. Revista Brasileira de Geografia Física 13, 350-363. https://doi.org/10.26848/rbgf.v13.1.p350-363

Vaittinada Ayar, P., Vrac, M., Bastin, S., Carreau, J., Déqué, M., Gallardo, C., 2016. Intercomparison of statistical and dynamical downscaling models under the EURO and MED-CORDEX initiative framework: Present climate evaluations. Climate Dynamics 46, 1301-1329. https://doi.org/10.1007/s00382-015-2647-5.

Valverde, M.C., Marengo, J.A., 2010. Mudanças na circulação atmosférica sobre a América do Sul para cenários futuros de clima projetados pelos modelos globais do IPCC AR4. Revista Brasileira de Meteorologia 25, 125-145. https://doi.org/10.1590/S0102-77862010000100011

Wang, Y.Q., 2014 MeteoInfo: GIS software for meteorological data visualization and analysis. Meteorological Applications 21, 360-368. https://doi.org/10.1002/met.1345

Willmott, C.J., 1981 On the validation of models. Physical Geography 2, 184-194.

Willmott, C.J., Ackleson, S.G., Davis, R.E., Davis, R.E., Feddema, J.J., Klink, K.M., Legates, D.R., O’Donnell, J., Rowe, C.M., 1985. Statistics for the evaluation and comparison of models. Journal of Geophysical Research: Oceans 90, 8995-9005. https://doi.org/10.1029/JC090iC05p08995




DOI: https://doi.org/10.26848/rbgf.v13.4.p%25p

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License