Avaliação do Modelo OLAMv.3.3 na Simulação da Precipitação sobre o Nordeste Setentrional Brasileiro

O modelo global de previsão numérica de tempo e clima, Ocean Land Atmosphere Model, atualmente é considerado como o novo estado-da-arte em modelagem numérica devido a sua capacidade de representar fenômenos de escalas global e regional simultaneamente. Deste modo, a pesquisa tem como objetivo avalia...

Full description

Bibliographic Details
Published in:Anuário do Instituto de Geociências - UFRJ
Main Authors: Silva, Maria Leidinice da, Lima, Kellen Carla, Oliveira, Cristiano Prestrelo de, Barbosa, Augusto Cesar Barros, Santos, Antônio Carlos Santana dos
Other Authors: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, Conselho Nacional de Desenvolvimento Científico e Tecnológico
Format: Article in Journal/Newspaper
Language:English
Published: Universidade Federal do Rio de Janeiro 2020
Subjects:
Boa
Online Access:https://revistas.ufrj.br/index.php/aigeo/article/view/36143
https://doi.org/10.11137/2020_3_475_487
id ftufriodejaneiro:oai:www.revistas.ufrj.br:article/36143
record_format openpolar
institution Open Polar
collection Portal de Periódicos da UFRJ (Universidade Federal do Rio de Janeiro)
op_collection_id ftufriodejaneiro
language English
topic Simulação global
Desempenho
Esquemas de radiação
spellingShingle Simulação global
Desempenho
Esquemas de radiação
Silva, Maria Leidinice da
Lima, Kellen Carla
Oliveira, Cristiano Prestrelo de
Barbosa, Augusto Cesar Barros
Santos, Antônio Carlos Santana dos
Avaliação do Modelo OLAMv.3.3 na Simulação da Precipitação sobre o Nordeste Setentrional Brasileiro
topic_facet Simulação global
Desempenho
Esquemas de radiação
description O modelo global de previsão numérica de tempo e clima, Ocean Land Atmosphere Model, atualmente é considerado como o novo estado-da-arte em modelagem numérica devido a sua capacidade de representar fenômenos de escalas global e regional simultaneamente. Deste modo, a pesquisa tem como objetivo avaliar o desempenho deste modelo em relação ao melhor esquema de radiação (Chen ou Harrington) para representar a precipitação na área Setentrional do Nordeste do Brasil. Assim, o modelo foi configurado com uma grade global e outra grade mais refinada e centrada na América do Sul. A condição atmosférica inicial ocorreu para o dia 01 de janeiro de 1982 às 06 UTC, proveniente das Reanálises II do National Center for Environmental Prediction. O modelo foi integrado até 31 de dezembro de 2012 às 18 UTC. Para as condições de contorno inferior foram utilizados dados de Temperatura da Superfície do Mar obtidos da segunda versão do Optimum Interpolation Sea Surface Temperature. Os resultados das simulações, para os dois diferentes tipos de parametrizações de radiação, foram comparados com os dados de precipitação do ClimateResearch Unit Time-Series Version 3.22 para o período de 1982 a 2012. Os resultados das simulações mostraram que o modelo, para as duas parametrizações, conseguiu acompanhar a climatologia da precipitação ao longo do ciclo anual, mas subestimando as médias observadas. No trimestre junho-julho-agosto, o experimento com parametrização Harrington obteve melhor correlação (0,855). Por outro lado, para o trimestre março-abril-maio, o experimento com parametrização Chen apresentou maior correlação (0,842). Quanto aos erros de vieses, ambos os experimentos subestimaram a precipitação nos trimestres março-abrilmaio e junho-julho-agosto, em maior grau o experimento Chen, o qual superestimou os trimestres setembro-outubro-novembro e dezembro-janeiro-fevereiro. De acordo com o índice de eficiência, nenhum dos experimentos obteve boa precisão em comparação ao dado observacional. Em geral, os experimentos representaram os aspectos de grande escala, porém para obter melhorias significativas na estimativa de precipitação, faz-se necessário adotar grades de maior resolução espacial.
author2 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Conselho Nacional de Desenvolvimento Científico e Tecnológico
format Article in Journal/Newspaper
author Silva, Maria Leidinice da
Lima, Kellen Carla
Oliveira, Cristiano Prestrelo de
Barbosa, Augusto Cesar Barros
Santos, Antônio Carlos Santana dos
author_facet Silva, Maria Leidinice da
Lima, Kellen Carla
Oliveira, Cristiano Prestrelo de
Barbosa, Augusto Cesar Barros
Santos, Antônio Carlos Santana dos
author_sort Silva, Maria Leidinice da
title Avaliação do Modelo OLAMv.3.3 na Simulação da Precipitação sobre o Nordeste Setentrional Brasileiro
title_short Avaliação do Modelo OLAMv.3.3 na Simulação da Precipitação sobre o Nordeste Setentrional Brasileiro
title_full Avaliação do Modelo OLAMv.3.3 na Simulação da Precipitação sobre o Nordeste Setentrional Brasileiro
title_fullStr Avaliação do Modelo OLAMv.3.3 na Simulação da Precipitação sobre o Nordeste Setentrional Brasileiro
title_full_unstemmed Avaliação do Modelo OLAMv.3.3 na Simulação da Precipitação sobre o Nordeste Setentrional Brasileiro
title_sort avaliação do modelo olamv.3.3 na simulação da precipitação sobre o nordeste setentrional brasileiro
publisher Universidade Federal do Rio de Janeiro
publishDate 2020
url https://revistas.ufrj.br/index.php/aigeo/article/view/36143
https://doi.org/10.11137/2020_3_475_487
long_lat ENVELOPE(-66.867,-66.867,-68.167,-68.167)
ENVELOPE(15.532,15.532,66.822,66.822)
geographic Nordeste
Boa
geographic_facet Nordeste
Boa
genre Arctic
genre_facet Arctic
op_source Anuário do Instituto de Geociências; v. 43, n. 3 (2020); 475_487
1982-3908
0101-9759
op_relation https://revistas.ufrj.br/index.php/aigeo/article/view/36143/pdf
Alves, J.M.B.; Barbosa A.C.B.; Silva, E.M.; Junior, F.C.V.; Silva, M.L.; Santos, A.C.S.; Lira, M.A.T. & Sombra, S.S. 2018. Oscilações Intrassazonais Convectivas entre as regiões Indico-Pacífico e o Nordeste do Brasil: Algumas Características Observacionais e de Modelagem. Revista Brasileira de Meteorologia, 33(1): 193-206.
Ambrizzi, T.; Reboita, M.S.; Llopart, M.P. & Rocha, R.P. 2019. The state of the art and fundamental aspects of regional climate modeling in South America. Annals of the New York Academy of Sciences. Hoboken: Wiley, 1436: 98-120.
Avissar, R. & Pielke, R.A. 1989. Parameterization of heterogeneous land surfaces for atmospheric numerical-models and its impact on regional meteorology. Monthly Weather Review, 117(10): 2113-2136.
Barbosa, A.C.B. 2012. Oscilações Intrassazonais no INDI-PAC e na Zona de Convergência do Atlântico Sul: Estudo observacional e numérico. Doutorado em Meteorologia, IAG, USP, São Paulo.
Chen, C. & Cotton, W.R. 1983. A one-dimensional simulation of the stratocumulus-capped mixed layer. Boundary-layer Meteorology, 25: 289-321.
Chen, C. & Cotton, W.R. 1987. The physics of the marine stratocumulus-capped mixed layer. Journal of the Atmospheric Sciences, 44(20): 2951-2977.
Cohen, J.C.P.; Silva Dias, M.A.F. & Nobre, C. 1995. Environmental conditions associated with amazonian squall lines: A case study. Monthly Weather Review, 123: 3163-3174. Costa, M.S.; Lima, K.C.; Andrade, M.M. & Gonçalves, W.A. 2019. Sistemas Convectivos de Mesoescala Associados a Eventos Extremos de Precipitação Sobre o Semiárido do Nordeste do Brasil. Anuário do Instituto de Geociências, 42: 317-328.
Cotton, W.R.; Pielke, R.A.S.R.; Walko, R.L.; Liston, G.E.; Tremback, C.J.; Jiang, H.; Mcanelly, R.L.; Harrington, J.Y.; Nicholls, M.E.; Carrio, G.G. & Mcfadden, L.P. 2003. RAMS: Current Status and future directions. Meteorology Atmospheric Physics, 82: 5-29.
Ferreira, A.G. & Mello, N.G.S. 2005. Principais sistemas atmosféricos atuantes sobre a Região Nordeste do Brasil e a influência dos Oceanos Pacífico e Atlântico no clima da região. Revista Brasileira de Climatologia, 1(1): 15-28.
Harrington, J.Y. & Olsson, P.Q. 2001. A method for the parameterization of cloud optical properites in bulk and bin microphysical models. Implications for arctic cloudy boundary layers. Atmospheric Research, 57(1): 51-80.
Harris, I.; Jones, P.D.; Osborn, T.J. & Lister, D.H. 2014.Updated high-resolution grids of monthly climatic observations - the CRU TS3.10 Dataset. International Journal of Climatology, 34(3): 623-642.
Kousky, V.E. & Gan, M.A. 1981. Upper tropospheric cyclonic vortices in the tropical South Atlantic. Tellus, 36(6): 538-551.
Madden, A.R. & Julian, P.R. 1994. Observations of the 40-50-day tropical oscillation - A review. Monthly Weather Review. 22: 814-837. Mellor, G.L. & Yamada, T. 1982. Development of a turbulence closure-model for geophysical fluid problems. Reviews of Geophysics, 20(4): 851-875.
Meyers, M.P.; Walko, R.L.; Harrington, J.Y. & Cotton, W.R. 1997. New RAMS cloud microphysics parameterization 2. The two-moment scheme. Atmosphere Research, 45: 3-39.
Nash, J.E. & Sutcliffe, J.V. 1970. River flow forecasting through conceptual models part I - A discussion of principles. Journal of Hydrology. 3: 282-290.
New, M.; Lister, D.; Hulme, M. & Makin, I. 2001. A high-resolution data set of surface climate over global land areas. Climate Research, 21: 1-25. Oliveira, P.T.; Silva, C.S. & Lima, K.C. 2017. Climatology and trend analysis of extreme precipitation in subregions of Northeast Brazil. Theoretical and Applied Climatology, 130(2): 77–90.
Palharini, R.S.A. & Vila, D.A. 2017. Climatological Behavior of Precipitating Clouds in the Northeast Region of Brazil. Advances in Meteorology, 2017: 1-12.
Pielke, R.A.; Cotton, W.R.; Walko, R.L.; Tremback, C.J.; Lyons, W.A.; Grasso, L.D.; Nicholls, M.E.; Moran, M.D.; Wesley, D.A.; Lee, T.J. & Copeland, J.H. 1992. A comprehensive meteorological modeling system-RAM. Meteorology and Atmospheric Physics, 49: 69-91.
Ramos Da Silva, R.; Dias, P.L.S.; Moreira, D.S. & Souza, E.B. 2009. Modelo Olam (Ocean-Land-Atmosphere-Model): Descrição, Aplicações, e Perspectivas. Revista Brasileira de Meteorologia, 24(2): 144-157.
Ramos Da Silva, R.; Gandú, A.W.; Cohen, J.C.; Kuhn, P. & Mota, M.A. 2014. Weather forecasting for Eastern Amazon with OLAM model. Revista Brasileira de Meteorologia, 29: 11-22.
Reboita, M.S.; Gan, M.A.; Rocha, R.P. & Ambrizzi, T. 2010. Regimes de precipitação na América do Sul: uma revisão bibliográfica. Revista Brasileira de Meteorologia, 25(2): 185- 204.
Reboita, M.S. & Santos, I.Z. 2014. Influência de alguns padrões de teleconexão na precipitação no norte e nordeste do Brasil. Revista Brasileira de Climatologia, 15: 28-48.
Sales, D.C.; Costa, A.A.; Silva, E.M.; Vasconcelos Júnior, F.C.; Guimarães, S.O.; Araújo Junior, L.M.; Pereira, J.M.R.; Cavalcante, A.M.B.; Medeiros, S.S. & Marin, A.M.P. 2015. Projeções de mudanças na precipitação e temperatura no Nordeste Brasileiro utilizando a técnica de downscaling dinâmico. Revista Brasileira de Meteorologia, 30(4): 435-456.
Silveira, C.S.; Souza Filho, F.A.; Costa, A.A. & Cabral, S.L. 2013. Avaliação de desempenho dos modelos do CMIP5 quanto à representação dos padrões de variação da precipitação no século XX sobre a região Nordeste Do Brasil, Amazônia e Bacia do Prata e análise das projeções para o cenário RCP8.5. Revista Brasileira de Meteorologia, 28(3): 317-330.
Timmermann, A.; An, S-I.; Kug, J-S.; Jin, F-F.; Cai, W.; Capotondi, A.; Cobb, K.; Lengaigne, M.; McPhaden, M.J.; Stuecker, M.F.; Stein, K.; Wittenberg, A.T.; Yun, K-S.; Bayr, T.; Chen, H-C.; Chikamoto, Y.; Dewitte, B.; Dommenget, D.; Grothe, P.; Guilyardi, E.; Ham, Y-G.; Hayashi, M.; Ineson, S.; Kang, D.; Kim, S.; Kim, W.; Lee, J-Y.; Li, T.; Luo, J-J.; McGregor, S.; Planton, Y.; Power, S.; Rashid, H.; Ren, H-L.; Santoso, A.; Takahashi, K.; Todd, A.; Wang, G.; Wang, G.; Xie, R.; Yang, W-H.; Yeh, S-W.; Yoon, J.; Zeller, E. & Zhang, X. 2018. El Niño-Southern Oscillation complexity. Nature, 559: 535-545.
Uvo, C.R.B. & Nobre, C.A. 1989. A ZCIT e a precipitação no norte do Nordeste do Brasil. Parte I: A posição da ZCIT No Atlântico Equatorial. Climanálise, 4(7): 34-34.
Uvo, C.R.B.; Repelli, C.A.; Zebiak, S.E. & Kushnir, Y. 1998. The relationships between tropical Pacific and Atlantic SST and northeast Brazil monthly precipitation. Journal Climate, 11: 551-562.
Tremback, C. J. 1990. Numerical simulation of a mesoscale convective complex: Model development and numerical results. Ph.D. Dissertation, USA, 217p.
Walko, R.L.; Cotton, W.R.; Meyers, M.P. & Harrington, J.Y. 1995. New RAMS cloud microphysics parameterization 1. The single-moment scheme. Atmospheric Research, 38: 29-62.
Walko, R. L. & Avissar, R. 2006. Predicting hurricane landfall location and timing with the Ocean-Land-Atmosphere Model (OLAM). Geophysical Research Abstracts, 8: 4344.
https://revistas.ufrj.br/index.php/aigeo/article/view/36143
doi:10.11137/2020_3_475_487
op_rights Direitos autorais 2020 Anuário do Instituto de Geociências - UFRJ
http://creativecommons.org/licenses/by/4.0
op_rightsnorm CC-BY
op_doi https://doi.org/10.11137/2020_3_475_487
container_title Anuário do Instituto de Geociências - UFRJ
container_volume 43
container_issue 3
_version_ 1766302611442499584
spelling ftufriodejaneiro:oai:www.revistas.ufrj.br:article/36143 2023-05-15T14:28:27+02:00 Avaliação do Modelo OLAMv.3.3 na Simulação da Precipitação sobre o Nordeste Setentrional Brasileiro Silva, Maria Leidinice da Lima, Kellen Carla Oliveira, Cristiano Prestrelo de Barbosa, Augusto Cesar Barros Santos, Antônio Carlos Santana dos Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Conselho Nacional de Desenvolvimento Científico e Tecnológico 2020-09-30 application/pdf https://revistas.ufrj.br/index.php/aigeo/article/view/36143 https://doi.org/10.11137/2020_3_475_487 eng eng Universidade Federal do Rio de Janeiro https://revistas.ufrj.br/index.php/aigeo/article/view/36143/pdf Alves, J.M.B.; Barbosa A.C.B.; Silva, E.M.; Junior, F.C.V.; Silva, M.L.; Santos, A.C.S.; Lira, M.A.T. & Sombra, S.S. 2018. Oscilações Intrassazonais Convectivas entre as regiões Indico-Pacífico e o Nordeste do Brasil: Algumas Características Observacionais e de Modelagem. Revista Brasileira de Meteorologia, 33(1): 193-206. Ambrizzi, T.; Reboita, M.S.; Llopart, M.P. & Rocha, R.P. 2019. The state of the art and fundamental aspects of regional climate modeling in South America. Annals of the New York Academy of Sciences. Hoboken: Wiley, 1436: 98-120. Avissar, R. & Pielke, R.A. 1989. Parameterization of heterogeneous land surfaces for atmospheric numerical-models and its impact on regional meteorology. Monthly Weather Review, 117(10): 2113-2136. Barbosa, A.C.B. 2012. Oscilações Intrassazonais no INDI-PAC e na Zona de Convergência do Atlântico Sul: Estudo observacional e numérico. Doutorado em Meteorologia, IAG, USP, São Paulo. Chen, C. & Cotton, W.R. 1983. A one-dimensional simulation of the stratocumulus-capped mixed layer. Boundary-layer Meteorology, 25: 289-321. Chen, C. & Cotton, W.R. 1987. The physics of the marine stratocumulus-capped mixed layer. Journal of the Atmospheric Sciences, 44(20): 2951-2977. Cohen, J.C.P.; Silva Dias, M.A.F. & Nobre, C. 1995. Environmental conditions associated with amazonian squall lines: A case study. Monthly Weather Review, 123: 3163-3174. Costa, M.S.; Lima, K.C.; Andrade, M.M. & Gonçalves, W.A. 2019. Sistemas Convectivos de Mesoescala Associados a Eventos Extremos de Precipitação Sobre o Semiárido do Nordeste do Brasil. Anuário do Instituto de Geociências, 42: 317-328. Cotton, W.R.; Pielke, R.A.S.R.; Walko, R.L.; Liston, G.E.; Tremback, C.J.; Jiang, H.; Mcanelly, R.L.; Harrington, J.Y.; Nicholls, M.E.; Carrio, G.G. & Mcfadden, L.P. 2003. RAMS: Current Status and future directions. Meteorology Atmospheric Physics, 82: 5-29. Ferreira, A.G. & Mello, N.G.S. 2005. Principais sistemas atmosféricos atuantes sobre a Região Nordeste do Brasil e a influência dos Oceanos Pacífico e Atlântico no clima da região. Revista Brasileira de Climatologia, 1(1): 15-28. Harrington, J.Y. & Olsson, P.Q. 2001. A method for the parameterization of cloud optical properites in bulk and bin microphysical models. Implications for arctic cloudy boundary layers. Atmospheric Research, 57(1): 51-80. Harris, I.; Jones, P.D.; Osborn, T.J. & Lister, D.H. 2014.Updated high-resolution grids of monthly climatic observations - the CRU TS3.10 Dataset. International Journal of Climatology, 34(3): 623-642. Kousky, V.E. & Gan, M.A. 1981. Upper tropospheric cyclonic vortices in the tropical South Atlantic. Tellus, 36(6): 538-551. Madden, A.R. & Julian, P.R. 1994. Observations of the 40-50-day tropical oscillation - A review. Monthly Weather Review. 22: 814-837. Mellor, G.L. & Yamada, T. 1982. Development of a turbulence closure-model for geophysical fluid problems. Reviews of Geophysics, 20(4): 851-875. Meyers, M.P.; Walko, R.L.; Harrington, J.Y. & Cotton, W.R. 1997. New RAMS cloud microphysics parameterization 2. The two-moment scheme. Atmosphere Research, 45: 3-39. Nash, J.E. & Sutcliffe, J.V. 1970. River flow forecasting through conceptual models part I - A discussion of principles. Journal of Hydrology. 3: 282-290. New, M.; Lister, D.; Hulme, M. & Makin, I. 2001. A high-resolution data set of surface climate over global land areas. Climate Research, 21: 1-25. Oliveira, P.T.; Silva, C.S. & Lima, K.C. 2017. Climatology and trend analysis of extreme precipitation in subregions of Northeast Brazil. Theoretical and Applied Climatology, 130(2): 77–90. Palharini, R.S.A. & Vila, D.A. 2017. Climatological Behavior of Precipitating Clouds in the Northeast Region of Brazil. Advances in Meteorology, 2017: 1-12. Pielke, R.A.; Cotton, W.R.; Walko, R.L.; Tremback, C.J.; Lyons, W.A.; Grasso, L.D.; Nicholls, M.E.; Moran, M.D.; Wesley, D.A.; Lee, T.J. & Copeland, J.H. 1992. A comprehensive meteorological modeling system-RAM. Meteorology and Atmospheric Physics, 49: 69-91. Ramos Da Silva, R.; Dias, P.L.S.; Moreira, D.S. & Souza, E.B. 2009. Modelo Olam (Ocean-Land-Atmosphere-Model): Descrição, Aplicações, e Perspectivas. Revista Brasileira de Meteorologia, 24(2): 144-157. Ramos Da Silva, R.; Gandú, A.W.; Cohen, J.C.; Kuhn, P. & Mota, M.A. 2014. Weather forecasting for Eastern Amazon with OLAM model. Revista Brasileira de Meteorologia, 29: 11-22. Reboita, M.S.; Gan, M.A.; Rocha, R.P. & Ambrizzi, T. 2010. Regimes de precipitação na América do Sul: uma revisão bibliográfica. Revista Brasileira de Meteorologia, 25(2): 185- 204. Reboita, M.S. & Santos, I.Z. 2014. Influência de alguns padrões de teleconexão na precipitação no norte e nordeste do Brasil. Revista Brasileira de Climatologia, 15: 28-48. Sales, D.C.; Costa, A.A.; Silva, E.M.; Vasconcelos Júnior, F.C.; Guimarães, S.O.; Araújo Junior, L.M.; Pereira, J.M.R.; Cavalcante, A.M.B.; Medeiros, S.S. & Marin, A.M.P. 2015. Projeções de mudanças na precipitação e temperatura no Nordeste Brasileiro utilizando a técnica de downscaling dinâmico. Revista Brasileira de Meteorologia, 30(4): 435-456. Silveira, C.S.; Souza Filho, F.A.; Costa, A.A. & Cabral, S.L. 2013. Avaliação de desempenho dos modelos do CMIP5 quanto à representação dos padrões de variação da precipitação no século XX sobre a região Nordeste Do Brasil, Amazônia e Bacia do Prata e análise das projeções para o cenário RCP8.5. Revista Brasileira de Meteorologia, 28(3): 317-330. Timmermann, A.; An, S-I.; Kug, J-S.; Jin, F-F.; Cai, W.; Capotondi, A.; Cobb, K.; Lengaigne, M.; McPhaden, M.J.; Stuecker, M.F.; Stein, K.; Wittenberg, A.T.; Yun, K-S.; Bayr, T.; Chen, H-C.; Chikamoto, Y.; Dewitte, B.; Dommenget, D.; Grothe, P.; Guilyardi, E.; Ham, Y-G.; Hayashi, M.; Ineson, S.; Kang, D.; Kim, S.; Kim, W.; Lee, J-Y.; Li, T.; Luo, J-J.; McGregor, S.; Planton, Y.; Power, S.; Rashid, H.; Ren, H-L.; Santoso, A.; Takahashi, K.; Todd, A.; Wang, G.; Wang, G.; Xie, R.; Yang, W-H.; Yeh, S-W.; Yoon, J.; Zeller, E. & Zhang, X. 2018. El Niño-Southern Oscillation complexity. Nature, 559: 535-545. Uvo, C.R.B. & Nobre, C.A. 1989. A ZCIT e a precipitação no norte do Nordeste do Brasil. Parte I: A posição da ZCIT No Atlântico Equatorial. Climanálise, 4(7): 34-34. Uvo, C.R.B.; Repelli, C.A.; Zebiak, S.E. & Kushnir, Y. 1998. The relationships between tropical Pacific and Atlantic SST and northeast Brazil monthly precipitation. Journal Climate, 11: 551-562. Tremback, C. J. 1990. Numerical simulation of a mesoscale convective complex: Model development and numerical results. Ph.D. Dissertation, USA, 217p. Walko, R.L.; Cotton, W.R.; Meyers, M.P. & Harrington, J.Y. 1995. New RAMS cloud microphysics parameterization 1. The single-moment scheme. Atmospheric Research, 38: 29-62. Walko, R. L. & Avissar, R. 2006. Predicting hurricane landfall location and timing with the Ocean-Land-Atmosphere Model (OLAM). Geophysical Research Abstracts, 8: 4344. https://revistas.ufrj.br/index.php/aigeo/article/view/36143 doi:10.11137/2020_3_475_487 Direitos autorais 2020 Anuário do Instituto de Geociências - UFRJ http://creativecommons.org/licenses/by/4.0 CC-BY Anuário do Instituto de Geociências; v. 43, n. 3 (2020); 475_487 1982-3908 0101-9759 Simulação global Desempenho Esquemas de radiação info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion 2020 ftufriodejaneiro https://doi.org/10.11137/2020_3_475_487 2022-03-27T10:24:33Z O modelo global de previsão numérica de tempo e clima, Ocean Land Atmosphere Model, atualmente é considerado como o novo estado-da-arte em modelagem numérica devido a sua capacidade de representar fenômenos de escalas global e regional simultaneamente. Deste modo, a pesquisa tem como objetivo avaliar o desempenho deste modelo em relação ao melhor esquema de radiação (Chen ou Harrington) para representar a precipitação na área Setentrional do Nordeste do Brasil. Assim, o modelo foi configurado com uma grade global e outra grade mais refinada e centrada na América do Sul. A condição atmosférica inicial ocorreu para o dia 01 de janeiro de 1982 às 06 UTC, proveniente das Reanálises II do National Center for Environmental Prediction. O modelo foi integrado até 31 de dezembro de 2012 às 18 UTC. Para as condições de contorno inferior foram utilizados dados de Temperatura da Superfície do Mar obtidos da segunda versão do Optimum Interpolation Sea Surface Temperature. Os resultados das simulações, para os dois diferentes tipos de parametrizações de radiação, foram comparados com os dados de precipitação do ClimateResearch Unit Time-Series Version 3.22 para o período de 1982 a 2012. Os resultados das simulações mostraram que o modelo, para as duas parametrizações, conseguiu acompanhar a climatologia da precipitação ao longo do ciclo anual, mas subestimando as médias observadas. No trimestre junho-julho-agosto, o experimento com parametrização Harrington obteve melhor correlação (0,855). Por outro lado, para o trimestre março-abril-maio, o experimento com parametrização Chen apresentou maior correlação (0,842). Quanto aos erros de vieses, ambos os experimentos subestimaram a precipitação nos trimestres março-abrilmaio e junho-julho-agosto, em maior grau o experimento Chen, o qual superestimou os trimestres setembro-outubro-novembro e dezembro-janeiro-fevereiro. De acordo com o índice de eficiência, nenhum dos experimentos obteve boa precisão em comparação ao dado observacional. Em geral, os experimentos representaram os aspectos de grande escala, porém para obter melhorias significativas na estimativa de precipitação, faz-se necessário adotar grades de maior resolução espacial. Article in Journal/Newspaper Arctic Portal de Periódicos da UFRJ (Universidade Federal do Rio de Janeiro) Nordeste ENVELOPE(-66.867,-66.867,-68.167,-68.167) Boa ENVELOPE(15.532,15.532,66.822,66.822) Anuário do Instituto de Geociências - UFRJ 43 3