Variabilidade intrassazonal no Brasil: padrões de chuva e previsibilidade

• Ano de defesa: 2024
• Autor(a) principal: Sapucci, Camila Ribeiro
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Eventos extremos de precipitação; Extreme precipitation events; Índices regionais de precipitação; Intraseasonal variability; Madden-Julian Oscillation (MJO); Oscilação de Madden-Julian (OMJ); Previsão subsazonal a sazonal (S2S) no Brasil; Regional precipitation indices; Sub-seasonal to seasonal (S2S) forecasts over Brazil; Variabilidade intrassazonal
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/14/14133/tde-13022025-171909/

Esta tese apresenta uma análise aprofundada da variabilidade intrassazonal no Brasil, sua influência em eventos extremos de precipitação e a previsibilidade de chuva na escala subsazonal a sazonal (S2S) em regiões brasileiras importantes do ponto de vista socioeconômico. Devido à vasta extensão territorial do Brasil, combinada à heterogeneidade dos regimes de precipitação e à carência de uma rede ampla de pluviômetros, uma avaliação de diferentes bases de dados de precipitação de sensoriamento remoto foi realizada para determinar a base de dados mais adequada em captar a variabilidade intrassazonal no Brasil. A base de dados Integrated Multi-satellitE Retrievals for the Global Precipitation Measurement (IMERG) foi selecionada devido à sua alta resolução espacial e por fornecer atualizações em quase tempo real, permitindo sua utilização tanto acadêmica quanto operacional. Para avaliar os aspectos das oscilações intrassazonais sobre a América do Sul, quatro índices regionais são desenvolvidos utilizando dados de precipitação do IMERG e de Radiação de Onda Longa Emergente, filtrados na banda intrassazonal de 30 a 90 dias. Para construção dos índices, foram consideradas a tradicional técnica linear de Funções Ortogonais Empíricas (EOF) e a técnica de machine learning não linear Self-Organizing Maps (SOM). De modo geral, os índices regionais propostos fornecem uma melhor representação dos impactos das oscilações intrassazonais em eventos extremos de precipitação na América do Sul, principalmente quando comparados aos índices globais da Oscilação de Madden-Julian (OMJ), como o índice Real-Time Multivariate MJO (RMM). Os índices regionais também demonstram eficácia em capturar as teleconexões trópico-trópico e trópico-extratropical na forma de trens de ondas de Rossby, os quais modulam a precipitação intrassazonal na América do Sul. Além disso, a propagação não linear das oscilações intrassazonais é melhor representada pelos índices derivados da técnica de SOM. O desempenho das previsões de chuva do modelo do European Centre for Medium-Range Weather Forecasts (ECMWF) também foi avaliado para regiões específicas no Brasil, bem como a avaliação da qualidade das previsões do índice regional da oscilação intrassazonal. De modo geral, o modelo do ECMWF demonstra forte habilidade de previsão na costa norte do Nordeste do Brasil para até quatro semanas de previsão. Esse desempenho deve-se a uma representação mais precisa das teleconexões trópico-trópico associadas à OMJ. No entanto, em regiões subtropicais e extratropicais, como a região da Zona de Convergência do Atlântico Sul e o Sul do Brasil, o desempenho do modelo diminui significativamente após duas semanas, principalmente devido aos desafios na simulação de sistemas de escala sinótica e das interações trópico-extratropical. A previsibilidade do índice regional da oscilação intrassazonal é adequada até 10 dias, oferecendo informações cruciais para o planejamento e a tomada de decisões em relação a eventos extremos de precipitação. Esse nível de previsibilidade não é igualmente alcançado utilizando índices globais da OMJ, como o RMM. Os resultados demonstram que os índices regionais da variabilidade intrassazonal propostos nesta tese podem ser aplicados de modo operacional pelos centros de previsão do tempo no Brasil, auxiliando no monitoramento mais eficiente da evolução da oscilação intrassazonal e seus possíveis impactos em eventos extremos.