caio a. s. coelho e-mail: c.a.d.s.coelho@reading.ac.uk agradecimentos: d. b. stephenson, f. j....

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 (*)

Um sistema integrado de previsões climáticas para a América do Sul

Objetivo:

•

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)

Melhorar a qualidade das previsões probabilísticas de precipitaçãopara a América do Sul

Organização do seminário

1. Principais tópicos abordados2. Esquema conceitual (“Assimilação de previsões”)3. DEMETER4. Exemplos de aplicação: 0-d (índice Niño-3.4)

1-d (TSM Pac. Equat.) 2-d (precip. Amér. Sul) Downscaling

5. Resumo e conclusões6. Trabalho futuro

1. Tópicos

• Porque calibrar previsões?• Como calibrar?• Como obter previsões probabilísticas?

Calibração

Combinação• Porque combinar previsões?• Como combinar?

2. Esquema conceitual

)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

3. 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

Sistema de conjunto de modelos do DEMETER

Período de “hindcasts” : 1980-2001 (1959-2001)

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

Modelo País

ECMWF Internacional

LODYC França

CNRM França

CERFACS França

INGV Itália

MPI Alemanha

UKMO Reino Unido

7 modelos acoplados

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

Maioria das observações dentro do intervalo de previsões (I.P.) de 95% bem calibradas

I.P. 95%julhodeValorY

dezembrodeValorY

),Y(N~Y|Y

5t

t

2t05t1o5tt

Previsões empíricas

Previsões do modelo acoplado do ECMWF

Várias observações fora do I.P. 95% Previsões do modelo acoplado necessitam calibração

m=9

2X

2ttt

2ttt sˆ;Xˆ);,(N~X

DEMETER: defasagem (5 meses)

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

t02

t

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

Previsão integrada (calibrada e combinada)

Maioria das observações dentro do I.P. 95%

Todas as previsões

Previsão MAE

(C)

MAESS (%)

BS BSS

(%)

Incert.

(C)

Climatol. 1.16 0 0.25 0 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%

Empírica ECMWF

Integrada

BSS = [1- BS/BS(clim.)]*100%

)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 2: TSM Pacífico Equatorial

Previsão Brier Score (BS)

BSS

(%)

Climatol p=0.5 0.25 0

Conjunto (CON) 0.19 24

Integrada (INT) 0.17 31

)0YPr(p tt

Anomalias TSM: Y (°C)Previsões de probabilidades: p

DEMETER: 7 modelos acoplados (CON); defasagem (6 meses)

BSS = [1- BS/BS(clim.)]*100%

Y 0Y OBSOBS CON INT

1BS0)op(n

1BS

n

1k

2kk

Brier Score em função da longitude

Assimilação de previsões reduziu (melhorou) o Brier score no Pacífico equatorial leste e oeste

1BS0)op(n

1BS

n

1k

2kk

CON - - - INT

Porque melhorou?

• Quão bem calibradas são as previsões (confiabilidade)

• Habilidade em discriminar diferentes situações observadas (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

iNk

ki

i1i oN

1)p|o(po

n

1kko

n

1o

confiabilidade resolução incerteza

Assimilação de previsões melhorou a confiabilidade no Pacífico oeste

Confiabilidade em função da longitude

CON

- - - INT

Resolução em função da longitude

Assimilação de previsões melhorou a resolução no Pacífico leste

CON - - - INT

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

Brier Skill Score para precipitação

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

limcBS

BS1BSS

)0YPr(p tt

CON INT

Componente de confiabilidade do BSS

Assimilação de previsões melhorou a confiabilidade em várias regiões

limc

confconf BS

BSBSS

CON INT

Componente de resolução do BSS

Assimilação de previsões melhorou a resolução nos trópicos

limc

resolresol BS

BSBSS

CON INT

EMP CON INT

Mapas de correlação de anomalias de precip.

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

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

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

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

Previsão Correlação Brier Score

CON 0.57 0.22

INT 0.74 0.17

Caixa sul: anomalias de precipitação DJFCON

INT

Assimilação de previsões melhorou substancialmente o skill

- - - Observação Previsão

Previsão

Previsão Correlação Brier Score

CON 0.62 0.21

INT 0.63 0.18

Caixa norte : anomalias de precipitação DJFCON

INT

- - - Observação

Assimilação de previsões melhorou marginalmente o skill

• 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

5. Resumo e conclusões:

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

ParceirosInstituição 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

•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

Moment measure of skewness

n

1i

3

y

i1 s

yy

n

1b

Measure of asymmetry of the distribution