CONSIDERAES ESTATSTICAS

Slot M. Robeson
Introduo:
O valor das estatsticas
Os meteorologistas tm grandes quantidades de dados para explorar. Ar,
temperatura e precipitao, medies dirias, por exemplo, so tomadas em milhares de
locais em todo o mundo, resultando em milhes de observaes cada ano. As
observaes de satlites e modelos de computador podem produzir quantidades ainda
maiores de informao para digerir.
Mesmo com a vasta quantidade de dados, no entanto, para os climatologistas,
muitas vezes, no possvel produzir respostas definitivas quando solicitado com
perguntas aparentemente simples (por exemplo, ter o ordenamento das alteraes feitas
nos EUA mais quentes e secos?).
Alguns dos resultados de uma menos do que completa compreenso do sistema
climtico e alguma incerteza est associado com insuficincias de dados,
particularmente a incapacidade de resolver todas as escalas espaciais e temporais
relevantes da variabilidade climtica. Enquanto anlise estatstica, muitas vezes no
possvel fornecer respostas definitivas, mas pode ser grande ajuda em estabelecer
relacionamentos e quantificar as incertezas dentro de dados climticos. Anlise
estatstica, por exemplo, fornece mtodos objectivos (por exemplo, anlise de
correlao e regresso) para quantificar as relaes entre variveis climticas
importantes tais como cobertura de radiao e nuvem solar. Uma vez que o sistema
climtico extremamente complexo e muitos de seus componentes no so bem
compreendidos, a anlise estatstica e modelos so particularmente importantes no
fornecimento de simplificaes significativas e teis da variabilidade do sistema.

Anlise de Sries cronolgicas

Quase todos os dados climatolgicos podem ser encomendados como uma srie
de tempo. No se trata do que acontece no caso de algumas cincias ambientais, tais
1

como determinadas reas da geologia, onde o valor de uma varivel em um determinado

local no muda com escalas de tempo humanas. Estes processos climatolgicos operam
sobre uma vasta gamas de escalas de tempo (por exemplo, diariamente, sinptico, anual,
etc.), anlise de sries de tempo que oferecem grandes oportunidades para detectar,
descrever e modelar impactos e variabilidade climtica. O nmero de valores em uma
srie de tempo (n) e a etapa de intervalo ou tempo de amostragem (por exemplo, um
dia) determinam a durao da validade da durao da srie. Em anlises de turbulncia
atmosfrica, por exemplo, so necessrias medidas de tempo de 0,1 segundos para
resolver toda a variabilidade em micro-escala, associados a variveis como a
temperatura do ar, humidade e velocidade do vento. Se o tempo adequado passa no
usado, informaes, em seguida, que variam em escalas de tempo mais curtas podem
aparecer como informaes em mais tempo em escalas de tempo mais longos; se
necessrio, o tempo passado no usado e, em seguida, informaes que variam em
escalas de tempo mais curtas podem aparecer como informaes em escalas de tempo
mais longos, fenmeno conhecido como serrilhado (Figura 3.1; Hamming, 1983). Outra
propriedade importante de uma srie de tempo saber se a srie estacionria ou no.
Sries de tempo no-fixas possuem propriedades de estatstica (por exemplo, mdia e
varincia) que embora Alterar tempo. Desde tempo mais climatolgica srie tem ciclos
diurnos e anuais mais contm alguma quantidade de no estacionrio.
Representao grfica
O mais bsico e s vezes mais poderoso, nas anlises estatsticas so queridos
grficos. Uma vez tradicional srie enredo fornece um mtodo rpido para visualizao
de padres temporais de dados, incluindo tendncias e ciclos (Figura 3.2 (a)). Grficos
de srie de tempo tradicional tambm podem ajudar a identificar descontinuidades em
dados que podem ser resultado de factores no climticos como movimentos de estao
(por exemplo, uma mudana de estao elevao muitas vezes apreciada em duas
sries de tempo de temperatura e precipitao de ar) ou mudana de instrumentao.
claro, vrias sries de tempo podem ser plotados no mesmo grfico para examinar como
variveis se relacionam atravs do tempo (Figura 3.2 (b)). Plota sries cronolgicas
menos tradicionais, tais como um espao de state abordagem (Lorenz, 1993), so
teis em identificando a evoluo do sistema e histerese.
Autocorreco

Scatterplots de componentes de srie de tempo desfasados so semelhantes a

diagramas de estado-espao e pode ser usados para identificar relacionamentos entre
valores sucessivos em uma srie de tempo (Figura 3.2(c)).Correlao entre valores
sucessivos em uma srie de tempo uma propriedade conhecida como Auto correlao
temporal (por exemplo, velocidade do vento todas semelhante velocidade do vento
em yesterdays). A maioria das sries cronolgicas climticas apresenta Auto correlao
temporal, resultando em uma tendncia para valores semelhantes (acima ou abaixo da
mdia) para ocorrer em srie. Em outras palavras, o sistema climtico apresenta
persistncia ou inrcia (por exemplo, ondas de calor, perodos das chuvas, etc.).
Temperatura do ar por hora apresenta forte Auto correlao; no entanto, o ciclo diurno
de temperatura do ar mais apropriadamente considerado um tipo de no
estacionariedade uma vez que produz mudanas sistemticas nas propriedades
estatsticas da srie (o valor mdio da temperatura do meio-dia diferente do valor de
18.00 horas). Em geral, no stationarities, como o ciclo diurno e anual devem ser
removidos antes de estimativa de autocorrelations. No-estacionariedade em mdia
pode ser removido, subtraindo o valor mdio para cada hora ou dia da srie de tempo ou
por instalao e remoo de uma funo analtica, como uma srie de sinuside ou de
polinmios.
A maneira mais natural de Visualizar Auto correlao em uma srie de tempo
traando a Auto correlao em funo do tempo de latncia, que a funo de auto
correlao (por exemplo, a Figura 3.2 (d)). Uma funo de auto correlao (acf) mostra
claramente a quantidade de persistncia em uma srie de tempo e tambm revela nostationarities (por exemplo, o aumento da acf perto de GAL 24 na Figura 3.2 (d)
causado pelo ciclo diurno na velocidade do vento). Acfs quase todos os derivados de
sries cronolgicas climatolgicas exibem uma deteriorao constante com tempo de
desfasamento, pelo qual a quantidade de tempo que tem a funo de auto correlao
para chegar a um valor prximo de zero indica quanto menor' apresenta um sistema.
Velocidades de vento em muitos locais estes muitas vezes tm funes Auto correlao
por hora que chegar a valores prximos de zero depois de aproximadamente 36 horas
(brett e tuller, 1991), acelera a acepo que so quase independentes para as actuais
condies de vento a influenciar as condies que influenciam a velocidades de vento
36 horas (em geral).
Modelos de srie temporal
3

Uma vez identificada a variabilidade de uma srie de tempo climatolgicas,

til desenvolver um modelo matemtico explcito para as sries cronolgicas. Um
modelo de srie temporal fornece uma representao concisa que pode conter apenas
um punhado de parmetros, ao contrrio dos valores de srie de tempo original n . Alm
disso, o modelo de srie temporal pode ser pensado como a processa de generativa de
dados, permitindo valores de srie de tempo no observado em todas as condies para
ser simulado (wilks), 1995. A climatologista aplicada, portanto, pode-se deduzir
aspectos estatsticos da srie que no foram observados (por exemplo, a probabilidade
de ter trs dias consecutivos abaixo de 00C na regio central da Flrida).
Um mtodo til para as sries cronolgicas modelizao a decomposio do
componente. Mais climatolgicas srie temporal pode ser decomposta em uma srie de
tempo aditivo que pode conter (1) uma tendncia linear, (2) um ciclo anual, (3) um ciclo
diurno, Auto correlao (4) e (5) um componente aleatrio. Nem todas as sries
cronolgicas climticas contm todos esses componentes, mas muitas o fazem (dados de
temperatura de ar por hora, por exemplo). Imagine uma srie de tempo de temperatura
mdia do ar diria que contm uma tendncia linear a longo prazo. A maioria dos dirios
ar temperatura tempo srie tambm contm um ciclo anual distinto associado ao ciclo
anual da radiao solar. Alm disso, a srie de tempo de temperatura do ar normalmente
exibem uma grande quantidade de auto correlao. Abaixo, uma srie de tempo de
temperatura mdia do ar diria de Bloomington, Indiana, usada para ilustrar como
uma srie de tempo pode ser decomposta (mais de 100 anos de dados dirios esto
disponveis da estao climtica Bloomington; no entanto, apenas 5 anos so usados
aqui para simplificar os grficos).
A srie de tempo temperatura de ar de Bloomington (figure3.3 (a)) apresenta
vrios componentes discutidos acima: ciclo anual, Autocorreco e um componente
aleatrio. O ciclo anual uma forma de no-estacionariedade e pode ser modelado
como uma srie de funes seno e cosseno (tambm conhecido como harmnicos em
uma srie de Fourier; Figura 3.3 (b)).)).
Onde tt , a srie de tempo de temperatura do ar diariamente em dia t,

ak

e bk so

chamados de coeficientes de Fourier e et, a srie de tempo parado (ou residual).

Muitas vezes, alguns harmnicos (k o ndice refere-se ao nmero harmnico) so
suficientes para modelar o ciclo anual da temperatura do ar (Epstein, 1991). Depois de
4

remover o ciclo anual, o et srie (Figura 3.2 (c)) deve ser parado, no entanto, mais de
sua variabilidade temporal-especificamente, seu Autocorrelao-podem ser descritos e
modelados usando um componente autoregressive, tais como
et

t -1 + t

Onde um coeficiente autoregressive, a srie de tempo parado no dia anterior,

e

rt

uma srie de tempo aleatrio (coeficiente de autoregressive nica Figura 3.3 (d))

desde usado, este um modelos de primeira ordem autoregressive; (por exemplo,

incorporando um termo), por vezes, so necessrios (Karts e Skaggs, 1981).Se a srie s r
normalmente distribuda (que frequentemente) e, em seguida, pode ser descrito por
dois parmetros: sua mdia e desvio padro. A srie de tempo inteiro, em seguida, pode
ser modelada como segue:
O modelo de srie temporal fornece uma representao conceitual til a
variabilidade da temperatura do ar; no entanto, ele tambm pode ser usado para produzir
previses probabilsticas e cenrios de temperatura do ar alterar. Uma vez que a srie de
tempo r aleatria, um gerador de nmeros aleatrios pode ser usado para simular
valores de srie de tempo realista. Utilizando os outros componentes da srie tempo
junto com as sries r gerado aleatoriamente, uma srie de tempo sinttico que tem
exactamente as mesmas propriedades estatsticas como a srie original do tempo pode
ser produzida. A srie temporal sinttica pode ser de qualquer durao, permitindo que o
climatolgica aplicada inferir propriedades estatsticas da srie original que no foram
observadas. Suponha que um climatologista est interessado em estudar a probabilidade
e o impacto de execues de temperaturas do ar extremamente alta (por exemplo,
temperatura do ar acima de 35 para cinco dias consecutivos). Uma srie de curto
perodo de tempo (como o 5 ano na Figura 3.3) no pode conter quaisquer eventos dessa
magnitude. Using o modelo de srie temporal, no entanto, vrios milhares de anos de
variabilidade de temperatura do ar poderiam ser gerados e a probabilidade de uma
variedade de eventos extremos poderia ser facilmente analisada. Alm disso, o modelo
que fornecem informaes sobre quando durante o ano, os eventos podem accur.
Outro uso de modelos de srie de tempo seria gerar cenrios de mudana
climtica (Mearns et al., 1984 Chen e Robinson, 1991, Wilks, 1992). Climticas
condies que contm maior variabilidade podem ser simuladas ser modificando o
5

desvio-padro das sries roda mesma forma, se o clima de uma regio esperado para
expor mais persistncia em um cenrio de mudana climtica, o coeficiente de
autoregressive poderia ser aumentado, e as propriedades estatsticas da srie de tempo
poderiam ser examinadas. Anlogos histricos de variabilidade climtica futura
(Henderson-vendedores, 1986) tambm podem ser incorporados em uma variedade de
elementos de modelo de srie temporal. Por exemplo, as propriedades estatsticas dos
anos com acima de temperatura mdia do ar podem ser estimadas e sries cronolgicas
destas condies anmala poderiam ser sintetizadas.
Alm de gerar cenrios (ou endereamento e se questiona), modelos de srie
temporal tambm podem ser usados para gerar previses probabilsticas. Em estudos de
variabilidade de poluio do ar, climatologistas aplicadas muitas vezes necessitam
estimar a probabilidade das concentraes de poluentes superior a normas federais. Um
simples exame da funo de densidade de probabilidade observados (pdf) pode
responder a essa pergunta, mas o pdf agrupa todos os dados e no fornece informao
directa sobre a probabilidade excelncias esto em um determinado momento do ano.
Estratificao dos dados por ms uma soluo, mas em algum nvel de estratificao,
dados tornam-se limitados (por exemplo, no h suficiente observaes para comparar
condies em 21 de Julho e 22july). the modelo de srie temporal pode gerar um pdf
para qualquer dia do ano (se dados horrios so usados no modelo, um pdf para
qualquer hora de qualquer dia do ano poderia ser gerada). In adio, o modelo de srie
temporal pode gerar pdf condicionais que incorporam no s informaes sobre a poca
do ano, mas tambm incorporar informaes sobre como as ltimas condies podem
afitar condies futuras (Robeson e Steyn, 1989). No estudo do ozono urbano, por
exemplo, um pdf condicional poderia responder seguinte pergunta: qual a
probabilidade uma concentrao de ozono de 120 partes por bilho em 9 de Julho se a
concentrao de ozono mxima diria em 8 de Julho foi 119 partes por bilho. O
modelo de srie temporal e pdf condicional, portanto, no s produz uma estimativa
probabilstica de atingir qualquer concentrao de ozono determinado, mas essa
estimativa dependente na poca do ano e na concentrao de ozono de outrora. A
abordagem de decomposio do componente til para uma grande variedade de
variveis de srie de tempo em Climatologia aplicada. Pode-se imaginar decomposies
teis e simulaes que utilizam variveis hidrolgicas, radiao solar, energia elica,
grau dias e quase qualquer outra varivel climatolgica.
6

Mtodos de domnio da frequncia

A outra abordagem fundamental para anlise de sries de tempo analisar dados
no domnio da frequncia. O domnio do tempo abordagens discutidas acima retm os
dados no formulrio que eles foram observados (isto , organizado por hora). Domnio
da frequncia abordagens transformam os dados em uma srie de peridicos (por
exemplo, seno e cosseno) funciona, cada um com uma caracterstica amplitude e
frequncia. A frequncia das funes representa a escala de tempo (por exemplo, um
ciclo por dia) e a amplitude indica a quantidade de informaes (ou varincia) a srie
de tempo em que escala de tempo (figura 3.4). Matematicamente, simples para
transformar dados de domnio do tempo para a frequncia domnio (e vice-versa)
usando a transformada de Furriel. Muitas anlises em Climatologia aplicada so
naturalmente feitas no domnio da frequncia, uma vez que muitos dos processos
forando dominantes em climatologia so peridicos (por exemplo, os ciclos diurnos e
anuais da radiao solar). Alm disso, muitos clculos de tempo do domnio (por
exemplo, e3 estimativa da Auto correlao funcionar, nivelamento de sries temporais,
etc.) so mais simples quando os dados de domnio do tempo so transferidos para o
domnio da frequncia. Bloomfield (1976, Hamming (1983, Holloway (1958) e Rayner
(1972) fornecem mais discusso sobre mtodos de domnio da frequncia.
Anlise espacial
Embora muitos interessantes questes cientficas podem ser abordados atravs
de anlise de sries de tempo, anlise espacial - usando dados de muitos locais
diferentes-pode enderea um leque de questes adicional (por exemplo, quais locais no
estado do Texas tm o maior potencial para gerao de energia solar? ' Que locais no
estado do Texas tm a maior variabilidade interactuai em recursos de energia solar?
etc.). A organizao espacial de dados uma caracterstica importante de dadas mais
climatolgicas; no entanto, muitos mtodos estatsticos no foram desenvolvidos com
dados espaciais em mente (Cressie, 1993).
Como resultado, muitas tcnicas estatsticas comuns (tais como testes de
significncia) no podem ser aplicadas aos dados espaciais sem algumas modificaes
ou qualificao. Mais climatolgicos dados recolhidos na irregularmente espao locais
como redes de estaes de superfcie clima (embora retalhados dados de sensores de
satlite e modelos de computador tambm so disponveis).
7

Irregularmente dados espao geralmente so interpolados para uma grade regular antes
de mais anlises espaciais. Interpolao necessria tanto para mapeamento e evitar
ponderao espacial desigual. For instante, se um grande nmero de estaes est
localizado na parte sul de uma regio e poucos esto no norte 8e.g. a rede de estaes de
clima no Canad), em seguida, anexar o peso igual a cada estao seria vis quaisquer
clculos estatsticos para a parte sul da regio (as estatsticas provavelmente tambm
teria um vis para baixa. -locais de altitude e reas urbanas).
Consideraes sobre mapeamento
Como dados temporais, algumas das formas mais poderosas para anlise de dados
espaciais so grficas. Para dados espaciais, isso muitas vezes se traduz em criar um
mapa. Meteorologistas devem estar familiarizadas com os princpios de mapeamento
temtico (Robinson et al, 1978), incluindo estilos de mapa, simbolizaro e o uso da cor.
Uma das consideraes cartogrficas mais fundamentais, no entanto, a escolha de
projeco de mapa. Ao analisar a maioria dos mapas, climatologistas esto interessadas
na comparao de uma regio para outra; Portanto, os mapas que preservar a relao
rea normalmente so mais teis.
Projeces do mapa de igualdade-rea incluem a projeco de cnicas Albers para
mapas de escala continental (por exemplo, essa projeco comumente usada para
mapas dos EUA) e o lambert cilndrica e projeces de Molleweide para mapas de
escala global. Para ilustrar a importncia das projeces do mapa, considere clima
global simulaes de modelo de cenrios globais de aviso, que muitas vezes mostram as
maiores mudanas. Umas projeces de Mercator faria as regies polares aparecem
muito maior do que reas tamanhos em outro lugar no mapa, exagerando os impactos
das mudanas simulados.
Alguns dos mais fundamentais clculos espaciais que podem ser executados com dados
climticos so clculos de distncia. Em muitos casos, so realizadas anlises
climatolgicas sobre grandes reas da superfcie da terra. Portanto, a distncia (dij) entre
dois locais I e j (especificado por sua latitude e longitude: (quer e) no podem ser
tratados como planar (por exemplo, como um dois - dimensional distncia euclidiana)
ou calculado na superfcie de uma esfera ou como uma distncia grande crculo, do
seguinte modo:

Onde r o raio da terra. Distncias esfricas e planares divergem com o aumento da

distncia clculo tm implicaes particularmente importantes para interpolao
espacial (Willmott et al, 1985). Mapeamento e interpolao espacial, no entanto, so
indissociveis. Ao mapear dados climticos continentais, hemisfrica - ou -escala
global, importante realizar no mapa projeces vo estar em erro. Alm disso,
projeco de mapa da Terra vai produzir um mapa diferente (por exemplo, isolinhas ser
em diferentes localizaes) desde cada um ter sua prpria caracterstica de deformao
e erros.
Autocorreco espacial
Uma das propriedades fundamentais das variveis climatolgicas sua coerncia
espacial, que como uma varivel que muda rapidamente com a distncia de um local.
Uma maneira de examinar a coerncia espacial estimar a correlao de uma varivel
de medida em um local com dados de vrios locais. Expressar essa correlao como
uma funo da distncia produz a auto correlao espacial. Quase todas as variveis
climatolgicas tm uma funo de auto correlao espacial que decai com distncia
(Figura 3.5). Em outras palavras, instalaes prximas tem variabilidade climtica mais
semelhante do que locais distantes. Como rapidamente uma funo de auto correlao
espacial decai indica sobre uma varivel climtica, incluindo (1) as escalas espaciais
fundamentais de variabilidade, (2) se a variabilidade climtica espacial bem resolvido
pela rede de estao e (3) como de confiana interpolao espacial ser um bom
negcio. Alm disso, estimar Auto correlao espacial funes usando por hora, dirios,
mensais e anuais de dados podem ajudar a determinar a escala de tempo ideal para a
realizao de anlises espaciais (Figura 3.5).
Em climatologia, funes de auto correlao espacial so estimadas utilizando sries
temporais de um nmero de locais (por exemplo, a correlao pode ser estimada
utilizando dados de temperatura do ar mensais de um nmero de estaes de clima ao
longo de um perodo de 30 anos). Se a srie de tempo contm no-stationarities (e.g. the
anual cycle) e, em seguida, Autocorreco espaciais funes podem ser tendenciosa
(Rare Books, 1995). For exemplo, dois locais podem produzir alto espaciais
autocorrelations simplesmente porque ambos tm valores elevados em Julho e valores
baixos em Janeiro. Em qualquer ponto no tempo, tendo em conta, no entanto, os locais
podem no ser agir de forma semelhante. Como dados de srie de tempo, dados
9

espaciais devem ter todos os no-stationarities removidas antes de autocorreco

espaciais funes so estimadas (isso no foi feito na Figura 3.5 para mostrar os
impactos de incluindo no-stationarities). Um nmero de variveis climatolgicas
tambm tem funes de auto correlao espacial que dependem da direco (Thiebaux
1976), uma propriedade conhecida como anisotropia. Temperaturas do ar, por exemplo,
podem ser mais altamente correlacionadas em direces este-oeste do que nas direces
norte-sul.
Mais uma vez, essas informaes fornecem importantes insights sobre como
climatologistas melhor resolver variabilidade climtica espacial (por exemplo, uma
maior densidade de estaes pode ser necessrios em direces norte-sul do que nos
sentidos este-oeste).
Interpolao espacial
Interpolao espacial geralmente necessrio analisar a variabilidade espacial
totalmente

das

observaes

climatolgicas. Apesar

de

interpolao

espacial

frequentemente usada para gerar campos retalhados (por exemplo, para comparao
com sada de modelo de circulao geral ou para mapeamento), todos os mapas de
curvas produzidos a partir de dados obrigacionais requerem interpolao.
De forma geral, todos os mtodos de interpolao espacial estimam valores de uma
varivel (em locais desacelerao) por meio de uma combinao de valores em pontos
de amostra (zeu). Como exemplo, ponderao de distncia inversa explicitamente
fornece os pesos (wij) entre pontos amostrais que eu e grade ponto j como
Wij = d ij-y
Onde y geralmente um ou dois. Novamente, para dados mais climatolgicos, d ij deve
ser estimados esfericamente. Os pesos seriam usados para valores estimados em
qualquer grade ponto j usando gerados.

Outros mtodos de interpolao espacial (por exemplo, fina chapa splines,

decomposio triangular, etc. consulte Bennett et al., 1984; Lam, 1983) so
10

implementados de maneiras diferentes, mas so tambm funes fundamentais de

distncia. Alguns mtodos, tais como anlise objectiva e kriging, fazem uso explcito de
funes espaciais decadncia (Auto correlao espacial, por exemplo, funes ou
variograms) para determinar o melhor ponderao espacial (Thiebaux e Pedder, 1987;
Cressie, 1993). Nas regies ricas em dados, a maioria dos mtodos de interpolao
espacial produzem resultados semelhantes; no entanto, dados-pobres regies podem
produzir vastamente diferentes representaes espaciais (Robeson, 1994).
Tal como acontece com a maioria dos mtodos de anlise de dados, importante
expressar a incerteza associada com interpolao espacial, embora isso raramente
feito. Um mtodo para expressar a incerteza espacial um mtodo reajustarem
conhecido como Cruz-validao. Cruz-validao envolve a remoo de uma
determinada parte dos dados e tentar estimar seus valores usando os dados restantes
(Isaaks e Srivastava, 1990; Robeson, 1994).
Erros derivados de validao cruzada, portanto, indicar a incerteza associada com
interpolao espacialmente dados de uma rede de determinada estao. Outros mtodos
de reajustarem, tais como inicializao e flectir de amostras (Efron e Gong, 1983),
tambm fornecem medidas teis de incerteza para dados climticos espaciais (Robeson,
1995).

Quase todos os mtodos de interpolao espacial usado em climatologia e noutros locais

uma varivel que s utilizam informaes relativas a uma varivel de interesse (por
exemplo, concentraes de dixido de enxofre). No entanto, muitas variveis
climatolgicas esto intimamente associadas com outras variveis que podem ser
observados com resoluo mais alta e, portanto, fornecem maiores detalhes geogrficos.
Uma das variveis auxiliares mais teis para incorporar interpolao espacial
topografia. Temperatura do ar, por exemplo, est muito intimamente relacionada
elevao; Portanto, adicionar correco de elevao em interpolao espacial pode
melhorar muita interpolao espacial (Guindou e Bicho, 1983; Ishida e Kawashima,
1993. WILLMOTT e Matsuura, 1995). Tambm, se um campo mdio detalhado est
disponveis (por exemplo, a longo prazo mdias de temperatura do ar), em seguida,
anomalias do campo mdio para qualquer ms ou ano podem ser interpoladas confivel
(como anomalias no so dependentes de altitude) e, em seguida, adicionadas
novamente no campo mdio (Willmott e Robeson, 1995). Uma abordagem semelhante
11

seria usar as observaes do satlite de informaes estreitamente relacionadas ajuda

interpolao espacial de outras variveis de superfcie clima.
Concluses
Os principais objectivos da anlise estatstica so para resumir e quantificar as relaes
dentro de dados e especificar incerteza com essas relaes. Alm de incerteza estatstica,
climatologistas tambm precisam considerar as incertezas de observacional erro, tais
como preconceito observadores, mudanas nas prticas de observao (por exemplo, de
uma meia-noite-para-midnight para agendamento de observao 07.00-19.00 para
temperatura mxima e mnima diria), mudanas em instrumentao (por exemplo,
mudar de termmetros de mercrio em vidro para termistores) e estao se move (por
exemplo, do centro para locais de Aeroporto). s vezes esses erros podem ser
removidos a partir dos dados (Mitchell (1953) e Karl et al. (1989) fornecem uma
discusso desses erros e tcnicas), mas muitas mudanas importantes em observar as
prticas no esto bem documentadas. Outras incertezas com dados observacionais
esto relacionadas com a representatividade espacial e temporal de um determinado
conjunto de observaes. Air observaes de temperatura, por exemplo, pode ser
descrito como 'ponto' dados (em oposio aos areal dados obtidos a partir de
observaes de satlite); no entanto, a temperatura do ar medida em local especfico
deve representar condies em alguma rea. Tpico, esta rea aumenta quando a mdia
de temperaturas do ar so calculadas atravs do tempo. Temperaturas dos ares
anualmente mdios so representativas de reas maiores (ou seja, eles so menos
espacialmente varivel) de temperaturas do ar horrias ou dirias. Da mesma forma, a
representatividade temporal dos dados, por vezes, difcil de avaliar. 'Horrios' vento
observaes nos EUA, por exemplo, normalmente so tomadas por 5 minutos no final
de uma hora, e no mais a toda hora e com vantagem. Temperatura mdia do ar diria
muitas vezes a mdia simples da diria mxima e diria mnima temperatura, em vez de
uma verdadeira mdia tomadas ao longo de todo o dia. As implicaes da
representatividade espacial e temporal so essenciais para qualquer anlise estatstica
em climatologia.
Uma vez que a climatologia uma disciplina onde uma grande quantidade de
variabilidade (espacial e temporal) regulada por leis fsicas bem compreendidas (por
exemplo, do ar diminui de temperatura com altitude devido aos princpios
12

termodinmicos bem conhecidos), consideraes cientficas devem prevalecer sobre

consideraes estatsticas ao analisar dados climatolgicos. O conceito de significncia
estatstica menos relevante do que a questo dos cientficos importantes. Por exemplo,
se 87.600 observaes (10 anos x 365 dias x 24 horas) da concentrao de uma poluente
e velocidade do vento produzem um coeficiente de correlao de 0.1, do que a
correlao seria estatisticamente significado em quase qualquer nvel. Uma correlao
de 0.1, no entanto, no tem muita importncia cientfica em climatologia desde que
apenas 1 por cento da variabilidade em poluente pode ser atribudo variabilidade na
velocidade do vento (medida pelo r). Em outras palavras, um estatisticamente o
resultado de significado no necessrio um resultado importante cientificamente. Por
outro lado, uma anlise estatstica que no produz resultados significativa (devido a
um tamanho de amostra muito pequena) pode ser cientificamente importante se for
suportado pelo raciocnio fsica slida.
Uma vez que muitos pressupostos padres estatsticos no so conformes dados
climatolgicos, climatologista tambm precisa ter cuidado quando aplicar padro
anlises estatsticos e interpretao dos resultados associados (Bayley e Hammersley,
1946; Wong et al., 1989). Raramente so dados climatolgicos aleatoriamente amostras
ou independentes um do outro. Uma vez que muitas anlises usam dados histricos ou
redes de dados j existentes, mais dados climatolgicos so 'amostras de convenincia'
(Freedman et al., 1978) e o processo de amostragem no pode ser controlado. Mtodos
estatsticos padro, portanto, muitas vezes no so adequados, fazendo o uso criativo de
anlise de dados grfica (Tukey, 1977; Tufte, 1983), a utilizao de mtodos alternativos
(Efron e Gong, 1983; Marca e Igreja, 1977; Wong et al., 1989) e o desenvolvimento de
novos mtodos (Willmott, 1981; Hanson et al., 1992) fundamental para o avano da
climatologia estatstica.
Mtodos estatsticos so utilizados para resumir padres dentro de dados; no entanto, o
resumo mais til nem sempre uma mdia temporal ou espacial. Variabilidade
climtica, sob a forma de variaes temporais e variaes espaciais, geralmente mais
importante do que as alteraes em valores mdios. Grande parte do debate de
aquecimento global, por exemplo, concentra-se em alteraes em anomalias de
temperatura global mdia do ar; no entanto, estas l so sempre importante variabilidade
interactuai, alterao no necessariamente sistemtica, na temperatura do ar que tem
implicaes importantes para a investigao aplicada climatolgica (Katz e Brown,
13

1992). Alm disso, as mdias globais e hemisfricas desconsiderar a distribuio

espacial da variabilidade e mudanas climticas. Muitas vezes h anos, com
temperatura mdia global semelhante do ar ou precipitao no entanto, as distribuies
espaciais dessas variveis (e seus impactos climticos) podem ser muito diferentes. Ao
usar a anlise estatstica em investigao aplicada climatolgica, portanto, preciso
considerar no as condies 'mdias' em um determinado local, mas tambm pode ser
expandido a variabilidade das variveis climatolgicas importantes ao longo de uma
vasta gama de temporal e espacial.
Ann Henderson-vendedores anda Kendal McGuffie
Introduo: Sistema de modelagem climtica
Modelos climticos como ferramentas
Modelagem de Clima uma disciplina jovem, no tem ainda 30 anos de idade. Apesar
desta juventude, ele tem tido grande responsabilidade imposta a ele pela ratificao da
Conveno Quadro das Naes Unidas para Mudana do Clima. O objectivo final da
presente Conveno alcanar estabilizao das concentraes de gases com efeito de
estufa na atmosfera a um nvel que evite uma interferncia antropognica perigosa no
sistema climtico. Este nvel dever ser conseguido num perodo de tempo suficiente
para permitir ao ecossistema adaptar-se naturalmente mudana do clima, para garantir
que a produo de alimentos no seja ameaada e para permitir que o desenvolvimento
econmico prossiga de forma sustentvel. (Artigo 2).
Este objectivo exige a previso do clima futuro e de seus impactos nos sistemas
naturais e humanos. Os modelos climticos tornaram-se ferramentas essenciais na
prtica da Climatologia Aplicada.
Forcings e Feedbacks
O clima um sistema dinmico em equilbrio. Fluxos transitrios (int. de vectores e
fora do sistema) podem atingir diferentes oramentos em diferentes escalas de tempo e
espao. Este conceito, que fundamental para todos os modelos climticos, pode ser
ilustrado em termos de movimento de veculos dentro e fora da ilha de Manhattan, Nova
Iorque. Durante perodos de tempo maiores do que alguns dias, Manhattan tem um

14

saldo de veicular (aproximado), enquanto durante perodos de poucas horas, h grandes

fluxos positivos e negativos dos veculos.
Se as autoridades fecharem todas as pontes e tneis ou fecharem todos os parques de
estacionamento e probam o estacionamento de rua, os fluxos de veculos alteraria
consideravelmente e o oramento veicular lquido mudaria nesta parte do subsistema de
Nova York. No entanto, estas mudanas drsticas em Manhattan no teria nenhum efeito
sobre o oramento veicular dos EUA como um todo. Os fluxos mais importantes no
sistema climtico so aqueles de radiante (solar e calor) energia, mas os fluxos de gua
e, em menor medida, massa (assunto) tambm afectam o clima. Fluxos lquidos diferem
consideravelmente em funo do tempo e espao, perodo considerado e oramentos
diferentes, o resultado de fluxos lquidos so estabelecidos quando alteram as condies
de controlo. Uma mudana climtica ocorre porque as foras impostas sobre a mudana
do planeta ou porque a dinmica do sistema que causa variaes internas em fluxos e
oramentos. Foras so causados por variaes de agentes fora do sistema de clima,
como as flutuaes da radiao solar ou variaes nas componentes do sistema
climtico tais como erupes vulcnicas, as alteraes do manto de gelo, aumentos de
dixido de carbono (CO2) e desmatamento. Tais alteraes nas foras so, modificadas
por efeitos de comentrios dentro do sistema climtico
Tipos de modelo de clima
O objectivo do clima modelar similar aos processos de predizer os efeitos de
mudanas impostas e interaces internas. possvel classificar o clima modelar como
pertencendo a um de trs tipos que reflectem os grupos de operao usados pelo painel
de intergovernamental em mudana de clima (IRC): modelo de clima global; modelos
de impacto de clima; e avaliao do modelo de clima (al. de et de Houghton.,
1990;1992;1996; et de tegart al 1990).
Os dois tipos de modelos subsequentes digitam tipicamente e eles dependem dos
resultados do clima modelar global (figura 4.1). Estes modelos descrevem o sistema de
clima em termos bsicos fsico, substncia qumica, biolgico e talvez tambm
princpios sociais. Consequentemente um modelo de clima pode ser considerado de
equaes que expressam isto e, como as leis os modelos inteiros, do uma simplificao
do Real mundo. A maior combinao e a representao mais cara que o modelo permite

15

usar, at mesmo nos computadores mais rpidos, os resultados s podem ser

aproximaes.
A avaliao dos efeitos potenciais da mudana de clima que usa um sistema de
avaliao linear que inclui uma sucesso em ordem de modelos de clima, qualquer dizer
que pode ser administrada, modelos de impacto e social (por exemplo econmico),
modelos de resposta ou usando um nico modelo de avaliao integrado, isso cercado
de todas estas caractersticas e as suas interaces (os Henderson-vendedores e faz
resumo de, 1996).
A interface mais crtica est entre a mudana predita him/it dentro (fsico) clima e a
resposta de sociedade. Mais aquela avaliao processa um pedido que isto conecta
acures aproximadamente a uma balana espacial comensurvel com o tamanho de um
estado de nao, uma balana frequentemente livremente termed regional. Infelizmente,
o clima global actual modela (GCMs) e/se no tem qualquer habilidade de predio
regional, (machenhauer, 1995). As demandas ainda no podem ser realizadas terminado
de modelos de clima, para predies de impactos regionais e as suas consequncias,
porque o modelamento de tcnicas no so, porm, o que bastante preciso ser usado
para estudos de impacto significantes. Esta falta crnica de habilidade negligenciada,
revisado aqui, surpreendentemente em muitos modelos de aplicaes de clima.

Modelos climticos globais

Modelos de clima global foram derivados de modelos de previso meteorolgica, com
as comunidades de modelizao para compartilhar conhecimentos na dinmica dos
fluidos e transferncias radioactivas (Washington e Parkinson, 1986; McGuffie e
Henderson vendedores, 1996). Embora a modelagem numrica do clima tenha, na
ltima dcada, incorporado indivduos de outras disciplinas, ainda fiel ao dizer que a
experincia, quadro de referncia, tcnicas, entusiasmo e preconceitos neste ramo de
modelagem climtica derivam de matemtica e fsica atmosfrica, focada
principalmente em dinmica e radiao (Trenberth, 1992). Estes modeladores de
clima usam computadores de alto desempenho como uma ferramenta diria
(semtner, 1995) e eles esto conscientes do carcter potencialmente catico dos sistemas
altamente no-lineares que eles modelam (Lorenz, 1993). Eles so usados para
16

avaliao detalhada de seus prprios modelos numricos, vendo isso como condio
necessria para quaisquer alteraes na parametrizao. No entanto, o valor de intercomparaes entre os resultados do modelo numrico e avaliao em grupo so somente
se apenas aceite (Gates, 1992; Henderson-Sellers et al., 3).
Modelos totalmente dissociados
Existe alguma ambiguidade sobre o significado da sigla GCM. Duas condies
possveis so a mais recente clima global modelo e os mais velhos circulao geral ou
global modelo. Como este ltimo refere-se tambm a um modelo de previso
meteorolgica, em estudos de clima GCM entendido como modelo climtico de
circulao geral. Outra distino frequentemente desenhada entre modelos de
circulao geral ocenica e atmosfricos gneros l circulao por denomin-los OGCMs
e AGCMs. Os processos que cada simular so acoplados para desenvolver um modelo
global combinada oceano-atmosfera (OAGCM ou CGCM). Foi sugerido que, como
caractersticas que actualmente so fixadas vem a ser incorporada no GGCMs, o
acoplamento ser mais completo. Por exemplo, estes incluem a mudana biomas (uma
AOBGCM) ou alteraes em oceano atmosfrica e at mesmo solo qumica (McGuffie
e Henderson-vendedores, 1996).
Modelos de clima global em grande escala, projectados para simular o clima do planeta,
devem ter em conta o sistema climtico todo (Figura 4.1(a)). Simplificaes precisam
ser feitas porque as interaces operam em outro horrio e ritmo acelerado escalas
(Washington e Parkinson, 1986; Trenberth, 1992). Essas simplificaes podem ser
abordadas de diversas maneiras, resultando em vrios tipos diferentes de modelos
climticos de escala global. So componentes importantes a serem considerados na
construo ou na compreenso de um modelo do sistema climtico: (1) radiao
(entrada e absoro de radiao solar e a emisso de radiao infravermelha); (2)
dinmica (movimento ao redor do globo por ventos e correntes ocenicas e movimentos
verticais: conveno e formao em guas profundas); (3) processos superfcie (mar e
terra de gelo, neve, vegetao); (4) qumica (por exemplo, bolsas de carbono entre
oceano, terra e atmosfera); e (5) resoluo no tempo e no espao (a etapa de tempo do
modelo e as escalas horizontais e verticais resolvidas). Alguns processos devem ser
tratados de forma aproximada, por causa da nossa compreenso incompleta ou devido
falta de recursos do computador. A importncia relativa desses processos pode ser
17

discutida em termos de um clima modelagem pirmide (parte inferior da Figura 4.2).

O objectivo do GCMs o clculo de carcter tridimensional do clima que inclua, pelo
menos, a atmosfera global e os oceanos (fig:4.1(a)). A soluo de uma srie de equaes
(tabela 4.1) que descrevem o movimento da energia, impulso e vrios marcadores (por
exemplo, vapor de gua na atmosfera) e sal nos oceanos e a conservao da massa,
portanto necessria. A dinmica regida pela quantidade de radiao disponvel na
superfcie, pelas posies e as formas dos continentes e, para o oceano, o vento,
solicitaes impostas pela atmosfera (fg: 4.1(a)). O primeiro passo na obteno de uma
soluo para especificar as condies ocenicas e atmosfricas em um nmero de
pontos, obtida, se dividindo a superfcie da terra em uma srie de reas, para que resulte
de uma grade (fg:4.1(a)). As condies so especificadas em cada ponto de grade para a
superfcie e muitas camadas no oceano e atmosfera. O conjunto resultante de
acoplamento de equaes no-lineares, em seguida, resolvido em cada ponto de grade
usando tcnicas numricas. Vrias tcnicas esto disponveis, mas todos usam uma
abordagem de passo de tempo e um regime de interpolao entre pontos de grade
(Trenberth, 1992; Semtner, 1995).
Uma hierarquia de modelos climticos globais
As bordas da pirmide baixa na Figura 4.2 representam os elementos bsicos destas
GCMs e a complexidade mostrada aumentando para cima.
Ao redor da base da pirmide esto os modelos de clima mais simples que incorporam
apenas um processo primrio. Por exemplo, os modelos de equilbrio de energia (ebms)
so modelos unidimensionais prevendo a variao da temperatura superficial com a
latitude (vendedores, 1969).
Tambm os modelos (rc) radioactivos conectivos unidimensionais computam o perfil
vertical de temperatura (geralmente globalmente mdia) pela modelagem explcita de
processos radioactivos e um ajustamento conectivo, que restabelece uma taxa de lapso
pr-determinado (Andem et al., 1981) modelos estatsticos de (sd) dinmicas. Duas
dimenses (2d) computam processos superficiais e dinmica em um quadro zonal mdia
com uma atmosfera verticalmente resolvido (potter e portes 1984) mais recentemente,
desenvolvimentos significaram que modelos 2-d podem fazer clculos detalhados de
reaces qumicas em uma atmosfera zonal mdia (Garcia e Salomo, 1994). Gcms
captar a natureza tridimensional da atmosfera e do oceano e tentam representar todos os
18

delicies processos climticos para ser importante (Washington e Meehl, 1993; penner et
al 1996).
Uma hierarquia semelhante pode ser vista em modelos de clima do oceano. Primeiros
modelos de oceano incluam o modelo de pntano, com nenhuma capacidade de
armazenamento de calor e os modelos da superfcie ou camada (slab) ocenica de
profundidade fixa que tm capacidade de calor, mas no dinmica. O uso da
profundidade de camada misto predefinido (normalmente entre 70 e 100 m), sem
qualquer subsdio para movimento horizontal e vertical, inadequado para a simulao
do ciclo anual de armazenamento de calor zonal, especialmente nos trpicos.
Consequentemente, a maioria das implementaes dos oceanos laje fazer um trabalho
muito pobre prevendo distribuies de temperatura e gelo marinho. Um ajustamento dos
fluxos superficiais em cada ponto do oceano pode ser usado como um substituto para
transferncia horizontal de energia e pode improvisar grandemente a sazonalidade das
temperaturas e gelo marinho. A modelagem da camada mista ocenica foi aprimorada
por alguns modeladores pelo uso de tratamentos mais complexos de difuso vertical de
calor longe da superfcie que tambm encontraram aplicao em simples modelos
globais, como os utilizados pelo ipcc na segunda avaliao cientfica (wigley e raper,
1992;Houghton et al., 1996). Full ogcms calcular as evolues temporais de variveis
ocenicas (velocidade, temperatura e salinidade) em grade tridimensional (3-d) de
pontos abrangendo o oceano global domnio (bryan, 1969). A formao de guas
profundas ocenica estreitamente acoplada para a formao de um crescimento de mar
de gelo para que o pleno oceano dinmica demanda efectiva incluso da dinmica do
gelo do mar e termodinmica.
Limitaes e restries nos modelos globais
Grade de belos modelos pode ser usada para Previso do tempo, porque o tempo de
integrao curto e simulao de apenas os aspectos de curto prazo do sistema.
GCMs, por outro lado, so projectados para simulaes longas e muitas integraes
GCM devem ser executadas, e seus resultados em mdia, para gerar um "ensamble"
antes de um clima "predio" pode ser louco. Desde que a preciso do modelo dependa
parcialmente da resoluo espacial de pontos de grade e o comprimento do passo de
tempo, um compromisso e os recursos computacionais disponveis. No gris presente,
atmosfricos pontos normalmente so espaados entre 2 e 3 de latitude e longitude
19

distante e tempos de etapas de aproximadamente 10-30 minutos so usados (gates),

1995. Resoluo vertical entre 5 e 50 nveis, com cerca de 20 nveis sendo tpico.
Restries computacionais conduzem a problemas para todos os GINS. Com uma grade,
grossos movimentos atmosfrica e ocenica de pequena escala de espaamento (tais
como formao de nuvem de trovo e eddy) no podem ser modelados, porm
importantes podem ser para a dinmica do clima real.
Originalmente, restries computacionais ditaram que os modelos de circulao global
podem executar somente por perodos muito curtos. Para a atmosfera, isso significava
apenas simulando um determinado ms ou temporada, em vez de um completo sazonal,
reciclar, embora agora todos os modelos incluem um ciclo sazonal e a maioria inclui um
ciclo diurno. Para os oceanos, restries de energia do computador significava que os
modelos foram usados antes que eles tenham totalmente equilibrado, produzindo uma
deriva do clima oceano longe de condies actuais que muitas vezes foi corrigida pela
aplicao de regulao fluxos na superfcie do oceano. Este um problema especfico
para acoplamento OAGCMs (Mc Guffie e Henderson-vendedores, 1996. Houghton et
al., 1996). A importncia de reduzir (ou remoo de preferncia) tais ajustamentos
arbitrrios e de forma realista, incluindo recursos dependentes de tempo est agora bem
estabelecido. Modeladores tm lutado para incluir um nmero crescente de fenmenos,
bem como usando o poder de computador cada vez mais disponveis para fornecer a
simulao de resoluo mais alta.
Impacto modelos climticos
Modelagem de impacto do clima muito mais interdisciplinar do que a modelagem
global, abrangendo temas to diversos como a ecologia, a equidade social e economia
(parte superior da Figura 4.2). Os modelos climticos usados por avaliadores de impacto
so geralmente mais simples (em construo matemtica) do que GCMs aps cuja
produo eles desenham. Por outro lado, avaliao de segurana (da ONU) de modelos
de impacto, geralmente baseados em anlise de sensibilidade, provavelmente mais
desenvolvida do que para GCMs (Shugart et al., 1986; Casca et al., 1992). Em contraste
com os modelos climticos globais, modelos de impacto so principalmente
empiricamente com base e, portanto, explicitamente (ou implicitamente) dependente
muito tempo informaes de srie de tempo. Aplicao destes dados tem sido
cuidadosamente avaliada e, portanto, tipicamente concentrado regionalmente ou at
20

mesmo localmente (raiz e Schneider, 1995) aplicativo para reas muito grandes
(digamos compatvel com o tamanho actual dos elementos de grade GCM) suscita
preocupaes.
Embora os modeladores de impacto inicialmente feitas solicitaes bastante modestas
de seu global modelagem colegas (8Robinson e Finkelstein, 1991), eles esto se
tornando mais exigentes (EPA, 1989; Henderson-Sellers e Howe, 1996). No entanto,
eles vem a mesmos e so vistos, como estar preparados para usar informaes
"antigas" e "fazer fazendo", com resultados do modelo fora de data ou menos completas
explicaes de sada oferecidos (Tegart e Sheldon, 1993; Henderson-Sellers, et al.,
1995). Quase todas as avaliaes de impacto relataram na avaliao cientfica do
primeiro IPCC (Tegart et al., 1990 Tegart e Sheldon, 1993) foram predominantemente
single-sector, local e regional e avaliaes de equilbrio s. No entanto tambm houve
tentativas para avaliar os possveis efeitos no nico sector na escala global: por
exemplo, florestas (Smith e shugart), ecologia terrestre (Henderson-vendedores, 1990.
Melillo et al., 1993); Agricultura (Kane et al., 1992; Rosenzweig e parry, 1994). E a
sade humana (CURSON, 1996). Tem sido relativamente pouco a tentativa, at agora,
para comparar os resultados de modelos diferentes de impacto (casca et al., 1992; Tegart
et al., 1990; Tegart e Sheldon, 1993).
Um dos grandes problemas enfrentados pelos modeladores de impacto que desejarem
aplicar projeco GCM para avaliao de impacto regional a escala de espaciais
grosseiros os resultados do modelo numrico". Reduo de escala", tem produo de
climas de maior resoluo temporal e/ou espacial da GCM resultados como vir a ser
denominado como rvore actual forma nomeadamente estatstico, modelagem regional e
simulaes de fraco de tempo (Figura 4.1b). NA reduo de escala com base em
modelo, um modelo de zona limitada alta resoluo executado fora de linha usando o
limite forando a partir da GCM. Como alternativa, um modelo atmosfrico global um
por tempo limitado "fatias" em alta resoluo espacial usando a temperatura da
superfcie do mar e distribuio de gelo do mar predito por um OAGCM de
acoplamento de muito baixa resoluo (George e Mearns, 1991; Mearns, 1995; Cubasch
et al, 1994). Downscaling estatstico pode assumir vrias formas, que vo desde uma
interpolao padro (por exemplo, filtragem Gaussiano, Kriging) ou a aplicao do
modelo de sadas estatsticas (MOS). Mtodos estatsticos incluem a atribuio da
estimativa de caixas de grade mais prxima (Croley, 1990); interpolao objectiva
21

(Parre e Crter 1988; Cohen, 1991); anlise estatstica de campos climticos locais
(Wilks, 1992; Barros e Lettenmaier, 1993). E a fuso de vrios cenrios com base no
parecer de peritos (Pearman 1993; CIG, 1992). Embora GCMs geralmente tm altas
resolues temporais, "downscaling" tambm foi aplicado no domnio do tempo porque
GCN resultados ou so encontrados, caractersticas temporais bastante pobre quando
examinado et escalas de tempo inferior a aproximadamente um ms (Reed, 1986).
Todos os meios disponveis no momento de reduo de escala e, portanto, de produzir o
clima mudar cenrios em um "til" (resoluo espacial regional tm problemas srios.
Por exemplo, uma recente CE-patrocinado do Hadley Centre (RegCM), The Max
Planck institute (HIRHAM) e resoluo varivel Mto-France/s GCM, com alta
resoluo sobre a Europa, concluiu que "onde h pobres climas regionais (na resoluo
grosseira OAGCM) as dinmica incorporao mead coisas piores" (Machenhauer,
1995). Esta avaliao foi schoed em 1995 por Leonard Bengtsson (director do Instituto
Max Planck e ex-diretor do ECMWF) que disse: "previso climtica regional exige em
primeiro lugar e para todos os bons previso global pelo clima acoplados modelos
situa-lo simulaes regionais ou intil".

Modelos de avaliao integrada

A necessidade de assegurar a coerncia entre o social, poltico e econmico e os
aspectos de andbiochemical fsica do clima alteram under-pins o desenvolvimento de
'modelos de avaliao integrada' (lAMs) (Rotmans et al., 1994; Dowla-tabadi, prxima)
(Figura 4.1 (c)). LAMs so alegou ter pelo menos duas caractersticas de identificao
que distinguirem-lhos dos outros tipos de modelos de clima: eles oferecem mais valor
do que as abordagens single-disciplinares e eles fornecem informaes teis para os
decisores polticos. A construo do IAMs varia de algumas equaes, representar
superfcies

de

resposta

simples,

muito

grandes

conjuntos

complexos

de

equationspurporting para capturar todos os processos (humanos e fsicos) envolvidos na

mudana climtica. Em de2001, o modelo climtico de entrada normalmente uma
mudana de temperatura mdia global seguindo forando a someprescribed, mas no
ltimo, um GCM pode tornar-se um componente de IAM (Figure4.1 (c)).

22

 provvel que as avaliaes integradas tm a capacidade de remover alguns dos

pressupostos thesimplistic que sustentam os modelos actuais de impacto, por exemplo o
ofdemographics de negligncia ou economia nas avaliaes da sade humana (Rotmans
et al., 1994). Alm disso, eles poderiam ser usados para tentar identificar escalonamento
(ou escalada) em segurana (un) (Dowlatabadi, prxima). Por outro lado, enquanto
integrando os efeitos sobre as comunidades andhuman naturais, estes modelos tm o
potencial para advertncias de mscara e uncertaintiesresulting de interaces
sinrgicos. Identificao descuidada ou incompleta ou balanceamento de gabaritos
lineares dentro lAMs pode representar um problema grave. Este modelo tambm digitar
shareswith o impacto no clima modela a dificuldade fundamental da obteno de
previses de clima local-escala de GCMs actuais
Avaliao do modelo de clima
Previses-modelo clima foram agrupados como: razoveis; razovel e bem conhecido;
novos resultados que desafiam teorias actuais (skiles, 1995). Como modelo normal
desenvolvimento seria afastado verses modelo produzindo resultados razoveis e h
poucas vantagens em comparao dos resultados que so bem conhecidos,
intercomparisons de modelo e avaliaes sobre a ltima dcada focalizar novas
previses que so consistentes com a teoria e aqueles que desafiam ideias existentes.
Estes interlaboratorial esto contribuindo para improvise avaliaes das incertezas
associadas a simulao de modelo que as alteraes climticas.
Internacional interconparisons
Avaliao quantitativa das projeces de modelo de clima uma tarefa desafiadora. No
passado, a tcnica mais comum para a avaliao de simulaes de modelo foi a
comparao dos resultados de um modelo com um conjunto de dados obrigacional,
muitas vezes de validade incerta. Desde o desenvolvimento de projectos
interlaboratorial (Gates, 1992; Randall et al, 1994, Henderson vendedores et al 1995 a,
b), as prticas e tcnica mudaram. A qualidade dos dados observacionais aumentou,
como tem a qualidade da informao correlativas associado tcnica e protocolos so
aplicados para modelos e observaes para que a compreenso dos modelos e processos
importantes dentro deles continua a desenvolver.

23

O processo de comparao das previses-modelo e avaliao em grupo complexo,

como ele tem de abranger modelos e grupos de modelagem de todo o mundo e tem de
ser organizada para que resultados semelhantes so comparados. Para facilitar o
processo de avaliao em grupo, o World Climate Research programas Working group
on experimentao numrica tem estratificado intercomparisons em trs nveis (Figura
4.3+a)). Nvel 1, o mais simples, usa apenas resultados do modelo disponvel e um
conjunto comum de diagnstico. At a dcada de 1990, todos os intercomparisons
foram conduzidos em level1.O Painel Intergovernamental sobre as avaliaes do climas
change (IPCC) level1 intercomparisons.Level2 requer que simulaes so feitas de
acordo com condies predefinidas, idnticas, que diagnstico comum um trabalhador
assalariado e que h um conjunto de dados comum contra a qual todas as previses so
avaliadas.Level3, o melhor processo interlaboratorial, exige, para alm das exigncias
dos dois nveis inferiores, de que todos os modelos de empregam o mesmo
Resoluo e que a comparao inclui o uso de sub-rotinas comuns ou mdulos de
cdigo.
Entre os mais importantes intercomparisons actuais so AMIP, o projecto
interlaboratorial modelo atmosfrico, criado em 1998 e agora mover-se em sua segunda
fase, a comparao de radiao dos cdigos de modelos climticos (ICRCCM) e anlise
de feedback de GCMs e comparao com observaes (FANGIO). AMIP enfoca
estruturado (level2 no intercomparisons de 4.3(a)) figura da componente atmosfrica de
GCMs. Participam o uso de modelos observados temperatura da superfcie do oceano e
extenses de gelo do mar valores acordados, bem como da constante solar (1365 W m2) e uma concentrao atmosfrica de CO2 (345 ppmv) como entradas para simulaes
de comprimento fixo.
Estas operaes a partir de 1 de Janeiro de 1979 para 31 de Dezembro de 1988 para
AMIP em 1 de Dezembro de 1978, a 1 de Dezembro de 1995 para AMIP II.
ICRCCMs mandato consiste em comparar resultados de participantes cdigos de
radiao nas regies de curto comprimento de onda longo e do espectro para os casos
de cu claro e nublado. Estes intercomparisons so ento comparados com a mais
transferncia radioactiva clculos disponveis, denominados por linha clculos
detalhados e com dados observacionais de satlite e programas de campo baseado em
superfcie. Estes incluem a terra radiao oramento Experimenta (ERBE), o projecto
24

de climatologia de nuvem de satlite internacional (ISCCP) e o programa de oramento

climatologia de radiao superfcie. O projecto FANGIO procura melhorar
Entendendo do processo de feedback em modelos climticos que envolvem clculos
nuvem e radiao. Os investigadores FANGIO tem calculado o valor de um parmetro
de comentrios de modelo clima para seus modelos nos casos de cu nublado cu limpo
e para a resposta global (CESS et al., 1993). O intervalo dos valores sky clara muito
pequeno, sublinhando a principal concluso do presente interlaboratorial: que a variao
de te-dobra entre AGCMs sensibilidade para uma mudana climtica prescrita quase
inteiramente a processos de feedback de nuvem. Os resultados mais importantes da
intercomparisons internacionais de desempenho do modelo de clima so: (quer 1) a
identificao de outliers grupo; (2) a estimativa de derange de confiana (ou incerteza)
inerente em previses de qualquer um dos modelos razoveis e (3) o desenvolvimento e
a divulgao de conjuntos de dados para avaliao de modelo e de testes para o clima do
modelo resultados. Na prxima sesso, esses atributos so ilustrados com referncia a
um interlaboratorial de particular importncia Climatologia aplicada.

A comparao de projecto dos regimes de parametrizao da superfcie terrestre

(PILPS)
PILPS uma actividade de investigao do programa de investigao do clima mundial,
patrocinada em conjunto pela Global de energia e gua ciclo Experimenta (GEWEX) e
o grupo de trabalho sobre numrica experimentao (WGNE), que se concentra em
avaliar e melhorar regimes superfcie de terra para previso de clima. Testes PILPS terra
esquemas de superfcie que diferentes conjuntos de dados representativos das diferentes
condies climticas.
Documentao (fase 0) uma actividade contnua para PILPS (Pitman et al, 1993; Shao
et al 1994). Fase 1 usa os resultados da GCM, fase 2 emprega dados observados com
base em ponto de uma variedade de sites em todo o mundo e fases 3 e 4 examinar o
desempenho de sistemas em diferentes tipos de acoplamento a outros componentes do
modelo de clima (Figura 4.3 (b)).
Figura 4.4 (a) mostra a mdia anual sensata e latente ouvir fluxos calculados em PILPS
(Fase2 (a), para Cabauw, nos Pases Baixos (51 58N4 56). Disperso longe a linha
25

est associada com diferenas no valor calculado da superfcie lquida radiao,

enquanto o particionem de superfcie de energia entre o fluxo de calor latente e fluxo de
calor sensvel. Fase 2 mostra um intervalo de cerca de 10W m-2 em radiao lquida
mdia anual em esquemas e um intervalo de cerca de Figura 4.4 (b) mostra o
particionamento anual de gua de chuva entre escoamento e evapotranspirao. Todos
os resultados encontram-se na linha, uma interceptao igual precipitao anual (776
mm), confirmando que os esquemas de conservar a gua. A disperso ao longo da linha
reflecte a diferena no particionamento de gua.
O intervalo de cerca de 320 mm de evapotranspirao e escoamento superficial (Figura
4.4 (b)) compatvel com o intervalo de 25 Wm-2 em dois fluxos de calor latente e
sensata mdia anual (Figure) 4.4(a).
As concluses gerais que podem ser extradas dos resultados da intercomparisons
PILPS at data (Henderson-vendedores et al., 1996) so os seguintes:
* Regimes de superfcie de terra diferentes atingir diferentes equilbrios anuais quando
forados com os mesmos dados forando atmosfricos e ao usar os mesmos parmetros
de superfcie de terra.
* Regimes de superfcie de terra diferentes lidam com precipitao entrada diferente,
particionamento em segundo turno plus drenagem, armazenamento de solo e
evaporao diferentemente em diferentes momentos e (diferente) dependendo das
condies antecedentes
* Regimes de superfcie de terra diferentes descrevem o ciclo sazonal de umidade do
solo e hidrologia de superfcie diferente com a maior ocorrncia de disperso quando
vegetao contribui para o fluxo total por evaporao, existe uma grande demanda
atmosfrica e a humidade do solo disponvel limitada.
* Interaces entre terra de superfcie e modelos atmosfricos diferem em funo das
caractersticas de esquemas, o local, poca do ano e condies antecedentes.
* A maior parte dos esquemas de superfcie de terra pode ser ajustado para observaes,
mas nenhum regime nico prev todas as variveis que descrevem a climatologia de
superfcie de terra e hidrologia bem. Na verdade o consenso (mdia nico) de todos os
regimes participantes geralmente out-performs todos os regimes individuais.
26

* Actual avaliaes de humidade do solo so provavelmente no confiveis, a menos

que houve cuidado na especificao dos parmetros de superfcie de terra e l preciso
forar atmosfrico e, portanto, previses de humidade do solo futuros e drenagem so
ainda mais incerto, se para nenhum outra razo que porque forando atmosfrica ser
diferente.
* A grande incerteza em simulaes indica que resulta da "vegetao interactiva" ou
modelos de oramentao de carbono que dependem de humidade do solo (incerto) e
transpirao (dependente) deve ser interpretada com muita cautela.
No h nenhum teste nico ou o procedimento de avaliao que pode demonstrar o
"mrito" de previses de regimes de superfcie de terra; em vez disso necessrio um
conjunto de procedimentos de avaliao que vo desde simples conservao atravs de
requisitos especficos de suite performances.
Estas concluses so muito semelhantes aos resumos genricos sendo desenhados de
outras intercomparisons internacionais de modelos climticos e seus resultados. Eles
indicam alguns dos pontos fortes e fracos dos actuais modelos climticos
Concluses
Este captulo introduziu modelos climticos, as tcnicas que empregam e avaliaes de
seu sucesso. Como ferramentas preditivas, modelos climticos so muito bons em
algumas tarefas. A circulao global da atmosfera e oceano capturada como so os
sinais de temperaturas diurnos e sazonais. Em uma bacia hidrogrfica conhecida, ser
bem a mudana no segundo turno causada por CAM uma grande tempestade simulada e
impacto econmica de um Inverno muito frio ou uma fraca colheita podem ser avaliada.
Esses trs aplicativos derivam os trs tipos de modelos que so analisados os modelos
climticos ou seja globais do clima, impacto modelos e modelos de avaliao integrada.
As diferenas entre os resultados surgem quando estes para que eles no foram
especificamente desenvolvidos ou para dados de entrada que so pobres. Uma
dificuldade particularmente irritante o fracasso dos modelos globais para entregar
muito bem suficiente Previses de escala em que se podem basear as avaliaes de
impacto e avaliao. Estes problemas so o foco dos actuais esforos internacionais que
ser esperanosamente lide para melhorias em todos os tipos de modelos climticos e

27

aumento da confiana nas suas aplicaes para uma ampla gama de climatolgico e
prticas ambientais.

28