Um sistema integrado de previsões climáticas para a América do Sul Caio A. S. Coelho e-mail: c.a.d.s.coelho@reading.ac.uk Agradecimentos: D. B. Stephenson, F. J. Doblas-Reyes (*) and M. Balmaseda (*) Departamento de Meteorologia, Universidade de Reading e ECMWF (*)
• Objetivo: Estratégia: Melhorar a qualidade das previsões probabilísticas de precipitação para a América do Sul • Estratégia: Estágio 1: índice Nino-3.4, 1 modelo (Coelho et al. 2003,2004) Estágio 2: TSM Pac. Equatorial, 7 modelos (Stephenson et al.2005) Estágio 3: precip. América do Sul, 3 modelos (Coelho et al.2005a,b)
Organização do seminário Principais tópicos abordados Esquema conceitual (“Assimilação de previsões”) DEMETER Exemplos de aplicação: 0-d (índice Niño-3.4) 1-d (TSM Pac. Equat.) 2-d (precip. Amér. Sul) Downscaling Resumo e conclusões Trabalho futuro
1. Tópicos Calibração Porque calibrar previsões? Como calibrar? Como obter previsões probabilísticas? Combinação Porque combinar previsões? Como combinar?
2. Esquema conceitual Assimilação de dados “Assimilação de previsões” Espaço do modelo Espaço observacional Assimilação de dados “Assimilação de previsões”
3. Previsão por conjunto de modelos Errors: Formulação Condições iniciais Solução: Vários-modelos Conjunto DEMETER Development of a European Multi-Model Ensemble System for Seasonal to Interannual Prediction The multi-model approach allows to estimate the uncertainty in the model formulation, while the ensemble approach assesses the initial condition uncertainty. The seasonal hindcasts carried out in the DEMETER experiment use the multi-model ensemble approach, which estimates the uncertainty due to both sources, model formulation and initial conditions. http://www.ecmwf.int/research/demeter
Sistema de conjunto de modelos do DEMETER 7 modelos acoplados Modelo País ECMWF Internacional LODYC França CNRM CERFACS INGV Itália MPI Alemanha UKMO Reino Unido Conjunto de 9 membros Condições iniciais: ERA-40 Perturbações de TSM e vento Início em 4 datas por ano (Fev, Mai, Ago e Nov) Defasagem máxima : 6 meses The DEMETER multi-model prediction system comprises seven global coupled ocean-atmosphere models. The hindcasts (retrospective forecasts) were started four times a year from 1st February, 1st May, 1st August and 1st November. The forecasts were integrated for at least 180 days with ensembles of nine members each. The seven models and nine ensemble members per model gives a total of 63 hindcasts for each start date. Forecasts have been produced over the period 1958-2001, although the common period to the seven models is 1980-2001. Período de “hindcasts” : 1980-2001 (1959-2001)
• 4. Exemplos de aplicação índice Niño-3.4 (0-d) TSM Pacífico Equatorial (1-d) precip. América do Sul (2-d)
Exemplo 1: previsões do índice Niño-3.4 Previsões empíricas I.P. 95% Maioria das observações dentro do intervalo de previsões (I.P.) de 95% bem calibradas
Previsões do modelo acoplado do ECMWF DEMETER: defasagem (5 meses) m=9 Várias observações fora do I.P. 95% Previsões do modelo acoplado necessitam calibração
a) Caso univariado Prévia: Likelihood: Posterior: Teorema de Bayes
Modelando a “likelihood” p(X|Y)
Previsão integrada (calibrada e combinada) Maioria das observações dentro do I.P. 95%
Todas as previsões Empírica ECMWF Integrada Previsão MAE (C) MAESS (%) BS BSS (%) Incert. Climatol. 1.16 0.25 1.19 Empírica 0.53 55 0.05 79 0.61 ECMWF 0.57 51 0.18 29 0.33 Integrada 0.31 74 0.04 81 0.32 MAESS = [1- MAE/MAE(clim.)]*100% BSS = [1- BS/BS(clim.)]*100%
b) Caso Multivariado Prévia: viés Likelihood: Matrizes Posterior:
Exemplo 2: TSM Pacífico Equatorial DEMETER: 7 modelos acoplados (CON); defasagem (6 meses) OBS OBS CON INT Previsão Brier Score (BS) BSS (%) Climatol p=0.5 0.25 Conjunto (CON) 0.19 24 Integrada (INT) 0.17 31 BSS = [1- BS/BS(clim.)]*100% Anomalias TSM: Y (°C) Previsões de probabilidades: p
Brier Score em função da longitude CON - - - INT Assimilação de previsões reduziu (melhorou) o Brier score no Pacífico equatorial leste e oeste
Porque melhorou? Qualidade das previsões depende: Quão bem calibradas são as previsões (confiabilidade) Habilidade em discriminar diferentes situações observadas (resolução)
Decomposição do Brier Score confiabilidade resolução incerteza
Confiabilidade em função da longitude - - - INT Assimilação de previsões melhorou a confiabilidade no Pacífico oeste
Resolução em função da longitude CON - - - INT Assimilação de previsões melhorou a resolução no Pacífico leste
Exemplo 3: Anomalias de precip. América do Sul Obs CON INT 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=0.97 r=0.28 r=0.82 (mm/dia)
Anomalias de precip. DJF 1975/76 e 1982/83 Obs CON INT r=-0.09 r=0.59 r=0.32 r=0.56 (mm/dia)
Anomalias de precip. DJF 1991/92 e 1998/99 Obs CON INT r=0.04 r=0.32 r=0.08 r=0.38 (mm/dia)
Brier Skill Score para precipitação CON INT Assimilação de previsões melhorou o Brier Skill Score (BSS) nos trópicos
Componente de confiabilidade do BSS INT Assimilação de previsões melhorou a confiabilidade em várias regiões
Componente de resolução do BSS CON INT Assimilação de previsões melhorou a resolução nos trópicos
Mapas de correlação de anomalias de precip. EMP CON INT Comparável nível determinísticos de desempenho Melhor qualidade nos trópicos e sudeste da América do Sul
Anomaly Correlation Coefficient (ACC) médio CON 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
Brier Skill Score para precipitação EMP CON ENS INT Assimilação de previsões melhorou o Brier Skill Score (BSS) nos trópicos
Componente de confiabilidade do BSS EMP CON INT Assimilação de previsões melhorou a confiabilidade em várias regiões
Componente de resolução do BSS EMP CON INT Assimilação de previsões melhorou a resolução nos trópicos
Exemplo 4: Downscaling de anomalias de precip. Conjunto de modelos (CON) 3 modelos acoplados (DEMETER) ECMWF, CNRM, UKMO Defasagem (1 mês) Início: Nov DJF Período 1959-2001
Caixa sul: anomalias de precipitação DJF CON - - - Observação Previsão Previsão Correlação Brier Score CON 0.57 0.22 INT 0.74 0.17 INT Assimilação de previsões melhorou substancialmente o skill
Caixa norte : anomalias de precipitação DJF CON - - - Observação Previsão Previsão Correlação Brier Score CON 0.62 0.21 INT 0.63 0.18 INT Assimilação de previsões melhorou marginalmente o skill
5. Resumo e conclusões: Desenvolvimento de um sistema integrado de previsões climáticas para a América do Sul Calibração e combinação : conceito de “assimilação de previsões” Método capaz de melhorar a qualidade de previsões Exemplo 1: Niño-3.4 melhoria na previsão do valor médio melhoria na estimativa de incerteza Exemplo 2: TSM Pacífico Equatorial melhoria confiabilidade (oeste) e resolução (leste)
5. Resumo e conclusões: Exemplo 3: Precipitação sobre a América do Sul 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 passos iniciais para um sistema integrado de previsões climáticas para a América do Sul EUROBRISA
A EURO-BRazilian Initiative for Improving South American Seasonal Forecasts
Objetivos Produzir previsões sazonais probabilísticas calibradas e combinadas em tempo real para a América do Sul Desenvolver produtos de previsão para atividades governamentais aplicadas (ex. manejamento de reservatórios, produção de energia elétrica, agricultura, etc...) Disponibilizar essas previsões para uso em atividades governamentais sem fins lucrativos
Parceiros Instituição Participantes CPTEC Coelho (P.I.), Cavalcanti, Silva Dias, Pezzi ECMWF Anderson, Balmaseda, Doblas-Reyes, Stockdale INMET Moura, Silveira Met Office Graham Météo France Deque SIMEPAR Guetter Univ. Reading Stephenson USP Ambrizzi, Silva Dias
Mais informações … 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
Reliability diagram (Multi-model) (oi) o (pi)
Reliability diagram (FA 58-01) (oi) o (pi)
Operational Seasonal forecasts for S. America • Coupled models Europe: http://www.ecmwf.int U.K: http://www.metoffice.com • Atmospheric models forced by persisted/forecast SSTs U.S.A: http://iri.columbia.edu Brazil: http://www.cptec.inpe.br
Moment measure of skewness Measure of asymmetry of the distribution