Caio A. S. CoelhoCentro de Previsão de Tempo e Estudos Climáticos (CPTEC)

Instituto Nacional de Pesquisas Espaciais (INPE)caio@cptec.inpe.br

XIV CBMET, Florianópolis, 27 Nov – 1 Dez 2006

Estrutura da apresentação1. Introdução2. Sistema integrado3. Desempenho desse sistema para DJF4. Resumo e conclusões

Análise do desempenho de um sistema integrado de previsões climáticas sazonais para a América do Sul

1. O que são previsões climáticas sazonais:

•

Como são produzidas:• Modelos empíricos/estatísticos• Modelos dinâmicos atmosféricos• Modelos dinâmicos acoplados (oceano+atmosfera)

Previsões das condições climáticas para os próximos (3-6) meses

• • •• • •Nov Dez Jan Fev MarAbr Mai

DJF

Principais setores usuários:• Agrícola• Hidro-elétrico

0 1 2 3 4 5 6

Previsão por conjunto de modelos

DEMETER DEMETER Development of a European Multi-Model Ensemble

System forSeasonal to Interannual Prediction

Solução: Vários-modelos Conjunto

Errors: Formulação Condições iniciais

http://www.ecmwf.int/research/demeter

Modelos acoplados País

ECMWF International

Meteo-France França

UKMO Reino Unido

Modelo empíricoPreditores: TSM Atlântico e PacíficoPreditando: Precipitação

Conjunto de 9 membrosPeríodo de “hindcasts”: 1959-2001

2. Sistema integrado (conjunto de modelos)

INT

Esquema conceitual para calibração e combinação de previsões

)y(p

)x(p)x|y(p)y|x(p

i

iiiii

Assimilação de dados“Assimilação de previsões”

)x(p

)y(p)y|x(p)x|y(p

f

fffff

Espaço observacional

Espaço do modelo

EMP CON INT

3. Mapas de correlação de anomalias de precip.

Comparável nível determinísticos de desempenhoMelhor qualidade nos trópicos e sudeste da América do Sul

Defasagem de 1 mês: Nov DJF

Anomaly Correlation Coefficient (ACC) médio

Baixo nível de skill (ACC<0.31) Melhor (maior) skill em anos de ENOS do que em anos neutros Calibração e combinação melhora o skill

CON

Brier Skill Score para precipitação

limcBS

BS1BSS )0YPr(p tt

EMP ENS INTCON

Assimilação de previsões melhorou o Brier Skill Score (BSS) nos trópicos

Porque melhorou?

• Quão bem calibradas são as previsões (confiabilidade)

• Habilidade em detectar diferentes situações (resolução)

Qualidade das previsões depende:

Decomposição do Brier Score

1BS0)op(n

1BS

n

1k

2kk

)o1(o)oo(Nn

1)op(N

n

1BS

l

1i

2ii

l

1i

2iii

iNkk

ii1i o

N

1)p|o(po

n

1kkon

1o

confiabilidade resolução incerteza

Componente de confiabilidade do BSS

limc

confconf BS

BSBSS

EMP CON INT

Assimilação de previsões melhorou a confiabilidade em várias regiões

Componente de resolução do BSS

limc

resolresol BS

BSBSS

INTCONEMP

Assimilação de previsões melhorou a resolução nos trópicos

• A análise do desempenho de um sistema integrado de previsões climáticas para a América do Sul baseado no conceito de assimilação de previsões mostrou:

previsões empíricas e integradas apresentam nível determinístico comparável de desempenho

melhoria da confiabilidade e resolução nos trópicos melhoria da confiabilidade em várias regiões melhor desempenho em anos de ENSO do que em

anos neutros regiões mais previsíveis: tropical e sudeste Amér. Sul

• Este sistema integrado de previsões climáticas para a América do Sul será implementado no CPTEC como parte do projeto EUROBRISA

4. Resumo e conclusões:

O projeto EUROBRISA Idéia chave: Melhorar a qualidade das previsões climáticas sazonais para a America do Sul: uma região com potencial previsibilidade climática e grande demanda

Objetivos• Fortalecer a colaboração e troca de conhecimentos, experiências e informações entre previsores de clima Europeus e Sul Americanos na escala de tempo sazonal

•Produzir previsões sazonais probabilísticas calibradas e combinadas em tempo real para a América do Sul

•Desenvolver produtos de previsão para atividades governamentais aplicadas sem fins lucrativos (ex. manejamento de reservatórios, produção de energia elétrica, agricultura, etc...)

Institutições envol. País Parceiros

CPTEC Brasil Coelho, Cavalcanti, CostaSilva Dias, Pezzi

ECMWF EU Anderson, Balmaseda, Doblas-Reyes, Stockdale

INMET Brasil Moura, Silveira, Lucio

Met Office Reino Unido Graham, Davey, Colman

Météo France Franca Déqué

UFPR Brasil Guetter

Uni. de Reading Reino Unido Stephenson, Challinor

Uni. de Sao Paulo Brasil Ambrizzi, Silva Dias

http://www.cptec.inpe.br/~caio/EUROBRISA/index.html

CIIFEN Equador Camacho

IRI EUA Baethgen

UFRGS Brasil Bergamaschi

Institutições afiliadas

Prévia:

a) Caso univariado

),(N~Y 2t0t0t

)V,Y(N~Y|X tttt

'

2X

t m

m

m

sV

),(N~X|Y 2tttt

t

t

2

2t0

t02t

t

t

2

2t0

2t

X

V

V

11

)X(p

)Y(p)Y|X(p)X|Y(p

t

ttttt

Posterior:

Likelihood:

Teorema de Bayes

Modelando a “likelihood” p(X|Y)

y

)C,Y(N~Y b

1TT

111T

obba

)SGCG(CGL

C)LGI()CGSG(D

)]YY(GX[LYY

)S],YY[G(N~Y|X o

Prévia:Likelihood:

Posterior:

1YYXYSSG

YGXGYo T

YYXX GGSSS

)D,Y(N~X|Y a

b) Caso Multivariado

viés

qq:D

qn:Y

pn:X

qq:C q1:Yb

pp:S qn:Ya

Matrizes

Exemplo 3: Anomalias de precip. América do Sul

Obs CON INT

(mm/dia)

DEMETER: 3 modelos acoplados

CON (ECMWF, CNRM, UKMO)

Defasagem (1 mês)

Início: Nov DJF

Composições (ENSO): 1959-2001

• 16 anos de El Niño

• 13 anos de La Niña

r=0.51

r=0.28

r=0.97

r=0.82

Anomalias de precip. DJF 1975/76 e 1982/83Obs CON INT

(mm/dia)

r=-0.09

r=0.32

r=0.59

r=0.56

Anomalias de precip. DJF 1991/92 e 1998/99 Obs CON INT

(mm/dia)

r=0.04

r=0.08

r=0.32

r=0.38

•Coelho C.A.S., 2005: “Forecast Calibration and Combination: Bayesian Assimilation of Seasonal Climate Predictions”. PhD Thesis. University of Reading, 178 pp. • Coelho C.A.S., D. B. Stephenson, F. J. Doblas-Reyes and M. Balmaseda, 2005a: “From Multi-model Ensemble Predictions to Well-calibrated Probability Forecasts: Seasonal Rainfall Forecasts over South America 1959-2001”. CLIVAR Exchanges No 32, Vol. 10, No 1, 14-20.• Coelho C.A.S., D. B. Stephenson, M. Balmaseda, F. J. Doblas-Reyes and G. J. van Oldenborgh, 2005b: “Towards an integrated seasonal forecasting system for South America”. Submitted to J. Climate.

•Stephenson, D. B., C.A.S. Coelho, F. J. Doblas-Reyes, and M. Balmaseda, 2005:“Forecast Assimilation: A Unified Framework for the Combination of Multi-Model Weather and Climate Predictions.” Tellus A, Vol. 57, 253-264.• Coelho C.A.S., S. Pezzulli, M. Balmaseda, F. J. Doblas-Reyes and D. B. Stephenson, 2004: “Forecast Calibration and Combination: A Simple Bayesian Approach for ENSO”. Journal of Climate. Vol. 17, No. 7, 1504-1516.

• Coelho C.A.S., S. Pezzulli, M. Balmaseda, F. J. Doblas-Reyes and D. B. Stephenson, 2003: “Skill of Coupled Model Seasonal Forecasts: A Bayesian Assessment of ECMWF ENSO Forecasts”. ECMWF Technical Memorandum No. 426, 16pp. Disponível em http://www.met.rdg.ac.uk/~swr01cac

Mais informações …

Reliability diagram (Multi-model)

(pi)

(oi)

o

Reliability diagram (FA 58-01)

o

(pi)

(oi)

Operational Seasonal forecasts for S. America• Coupled models

U.S.A: http://iri.columbia.edu

• Atmospheric models forced by persisted/forecast SSTs

Brazil: http://www.cptec.inpe.br

Europe: http://www.ecmwf.int

U.K: http://www.metoffice.com