Caio A. S. Coelho Centro de Previs ã o de Tempo e Estudos Clim á ticos (CPTEC)
24
Caio A. S. Coelho Centro de Previsão de Tempo e Estudos Climáticos (CPTEC) Instituto Nacional de Pesquisas Espaciais (INPE) [email protected] XIV CBMET, Florianópolis, 27 Nov – 1 Dez 2006 Estrutura da apresentação 1. Introdução 2. Sistema integrado 3. Desempenho desse sistema para DJF 4. Resumo e conclusões Análise do desempenho de um sistema integrado de previsões climáticas sazonais para a América do Sul
-
Upload
savannah-sargent -
Category
Documents
-
view
31 -
download
1
description
Análise do desempenho de um sistema integrado de previsões climáticas sazonais para a América do Sul. Caio A. S. Coelho Centro de Previs ã o de Tempo e Estudos Clim á ticos (CPTEC) Instituto Nacional de Pesquisas Espaciais (INPE) [email protected]. Estrutura da apresentação 1. Introdução - PowerPoint PPT Presentation
Transcript of Caio A. S. Coelho Centro de Previs ã o de Tempo e Estudos Clim á ticos (CPTEC)
Caio A. S. CoelhoCentro de Previsão de Tempo e Estudos Climáticos (CPTEC)
Instituto Nacional de Pesquisas Espaciais (INPE)[email protected]
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
