Machine Translated by Google

CARTA • ACESSO ABERTO você pode gostar

- Regionalização de mudanças
Sobre o uso de índices para estudar antropogenicamente forçadas em
precipitação extrema de 3 horas sobre a Europa
precipitação extrema em escalas de tempo diárias e subdiárias Parisa Hosseinzadehtalaei, Hossein
Tabari e Patrick Willems

- Intensificação da precipitação de verão com

Para citar este artigo: Lisa V Alexander e outros 2019 Aproximadamente. Res. Tornou-se. 14 125008 escalas de tempo mais curtas na
Europa Ø Hodnebrog, L Marelle, K Alterskjær
et al.

- Intensificação das chuvas em regiões semiáridas

tropicais : o caso do Sahel
Veja o artigo on-line para atualizações e melhorias. Panthou G, Label T, Vischel T et al.

Este conteúdo foi baixado do endereço IP 201.79.211.198 em 21/05/2023 às 19:50

Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008 https://doi.org/10.1088/1748-9326/ab51b6

CARTA

Sobre o uso de índices para estudar precipitação extrema em escalas de tempo diárias e subdiárias
ACESSO LIVRE

RECEBIDO

29 de julho de 2019
Lisa V Alexander1,2 , Hayley J Fowler3 , Margot Bador1,2 , Ali Behrangi4 , Markus G Donat2,5 ,
REVISADO Robert Dunn6 , Chris Funk7 , James Goldie1,2 , Elizabeth Lewis3 , Marinho Rogé1,2 , Sonia I Seneviratne8 e
4 de outubro de 2019

V Venugopal9,10
ACEITO PARA PUBLICAÇÃO
1
28 de outubro de 2019 Centro de Pesquisa de Mudanças Climáticas, UNSW Sydney, NSW 2031, Austrália
2
Centro de Excelência ARC para Extremos Climáticos, UNSW Sydney, NSW 2031, Austrália
PUBLICADOS
3
6 de dezembro de 2019 Escola de Engenharia, Universidade de Newcastle, NE1 7RU, Reino Unido
4
Universidade do Arizona, Departamento de Hidrologia e Ciências Atmosféricas, Estados Unidos da América
5
Centro de Supercomputação de Barcelona, Barcelona, Espanha
O conteúdo original deste 6
Met Office Hadley Centre, Exeter, EX1 3PB, Reino Unido
trabalho pode ser usado 7
sob os termos do Creative Centro de Pesquisa Geológica dos EUA para Observações e Ciência de Recursos Terrestres e Centro de Riscos Climáticos da UC Santa Barbara, Estados Unidos
Atribuição Comum 3.0 da América
licença. 8
Instituto de Ciências Atmosféricas e Climáticas, ETH Zurich, Suíça
9
Qualquer distribuição posterior deste Centro de Ciências Atmosféricas e Oceânicas e Divecha Center for Climate Change, Instituto Indiano de Ciências, Bangalore 560012, Índia
trabalho deve manter a atribuição ao(s) 10
Centro Interdisciplinar de Pesquisa de Água, Instituto Indiano de Ciência, Bangalore 560012, Índia
autor(es) e o título do

trabalho, citação de periódico e DOI. E-mail: l.alexander@unsw.edu.au

Palavras-chave: índices climáticos, extremos de precipitação, observações

Resumo
Embora existam obstáculos para a troca de dados de precipitação de alta resolução temporal de longo
prazo, tem havido menos barreiras para a troca dos chamados 'índices'. Estes são derivados de dados diários
e subdiários e medem aspectos da frequência, duração e intensidade da precipitação que podem ser usados
para o estudo de extremos. Este artigo descreve a história da lógica e uso desses índices, os tipos de índices
que são frequentemente usados e as vantagens e armadilhas em analisá-los. Avançando, os produtos de
precipitação por satélite estão agora mostrando o potencial de fornecer índices climáticos globais para
complementar os produtos existentes usando registros de medição in situ de longo prazo, mas sugerimos que,
para avançar nesta área, as diferenças entre produtos de dados, limitações nos processos de
estimativa baseados em satélite e os desafios inerentes de escala precisam ser melhor compreendidos.

1. Introdução consistência e acessibilidade são limitadas (Alexan der 2016,

Os extremos de precipitação muitas vezes podem levar a
inundações, trazendo destruição generalizada. Por outro
lado, eles podem rejuvenescer paisagens áridas, restaurar
a vitalidade do ecossistema e recarregar rios e represas.
Compreender como e por que os extremos de precipitação
variam é, portanto, vital para a preparação para desastres
e para permitir a gestão adequada dos recursos hídricos
em múltiplas escalas de espaço e tempo. Isso requer
compreensão de como os extremos variaram no passado
e a capacidade de fornecer estimativas robustas de como
eles podem mudar no futuro. Em relação ao primeiro, em
um mundo ideal teríamos observações de precipitação
para todas as escalas de espaço e tempo sobre o globo da
mais alta qualidade e consistência durante o maior período de longo
tempoprazo
possível.
em extremos em todo o mundo (Zwiers et al
Infelizmente, no mundo real, a qualidade dos dados,
Thorne et al 2017) e isso se aplica igualmente a observações
baseadas em pontos (in situ) e aquelas observações que
são detectadas remotamente (por exemplo, de satélites e
radar terrestre). Para referência, a área coberta por
pluviômetros de alguns dos conjuntos de dados globais mais
abrangentes caberia em menos de meio campo de futebol
(Kidd et al 2017), embora com a representatividade de uma
área maior. Embora técnicas estatísticas possam ser
empregadas para lidar com qualidade (por exemplo,
verificações de alcance) e consistência (por exemplo,
detecção e homogeneização de pontos de interrupção), o
acesso a observações brutas de estações em escalas de
tempo diárias e subdiárias continua sendo um dos maiores
obstáculos à nossa capacidade de avaliar mudanças de
2013, Alexan der 2016). Embora a Organização Meteorológica Mundial (O

© 2019 O(s) autor(es). Publicado por IOP Publishing Ltd

Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008
para a livre troca de dados e metadados meteorológicos, na
prática, poucos Serviços Hidrológicos e Meteorológicos
Nacionais têm capacidade ou mandato para divulgar dados
diários livremente, especialmente séries históricas. No geral, algumas das informações valiosas extraídas dos índices,
enfrentamos uma substancial 'crise de relatórios' internacional particularmente em escalas globais, mas também
na qual até mesmo o número de observações mensais
globais rotineiramente disponíveis está diminuindo
substancialmente, caindo cerca de dois terços desde a
década de 1980 até os dias atuais (por exemplo, ftp: //
ftp.chg.ucsb . edu/pub/org/chg/products/CHIRPS-2.0/
diagnostics/stations-perMonth-byRegion/pngs/all.
station.count.CHIRPS-v2.0.png). Discutiremos isso mais
adiante na seção 6.
Dados diários baseados em estações em escala global
estão disponíveis, por exemplo, no conjunto de dados
Global Historical Climatology Network Daily (GHCN-Daily) da
NOAA (Menne et al 2012). No entanto, muitos locais têm
apenas registros relativamente curtos, com muitos dados
ausentes e cobertura muito pobre em grandes áreas
terrestres, como África e América do Sul (Donat et al 2013b,
Funk et al 2015, 2019). Outros conjuntos de dados globais,
como os fornecidos pelo Global Precipitation Climatology
Center (GPCC), são construídos acessando alguns dos
maiores volumes de dados de estações diárias de longo
prazo (por exemplo, Becker et al 2013), mas são produtos
em grade e as licenças são em vigor que restringem o
acesso aos dados e metadados subjacentes. A situação é
ainda pior para dados subdiários, embora esforços tenham
sido feitos recentemente para construir o primeiro conjunto
de dados Global Sub-Daily Rainfall (GSDR), compreendendo
mais de 23.000 medidores horários (Lewis et al 2019a),
embora com registros relativamente curtos em muitos locais .
Os produtos de satélite geralmente têm menos restrições
sobre os dados que podem ser compartilhados, mas
fornecem apenas medidas indiretas de precipitação e
podem ser tendenciosos se não forem ajustados por
medições in situ em grade (Behrangi et al 2011) . Mesmo
essas correções de viés provavelmente não removerão todos
os problemas em toda a distribuição de frequência. Além
disso, o período relativamente curto de registro que cobre a
era dos satélites torna difícil fazer inferências robustas sobre
mudanças de longo prazo. Avaliações precisas de mudanças
podem ser ainda mais difíceis ao examinar eventos úmidos,
porque o número de amostras é inerentemente baixo e as
estimativas de satélite podem ser menos consistentes na captura1998 a 2017.
Com o compartilhamento de dados e outras questões
destacadas acima, as avaliações de longo prazo dos relacionados a extremos de precipitação (discutidos
extremos de precipitação geralmente se baseiam em 'índices', posteriormente). Devido a esta padronização, as avaliações
pois há menos obstáculos impedindo sua troca. Esses
índices condensam informações da distribuição de dados
diários ou subdiários para fornecer medidas de intensidade,
frequência e duração geralmente em escalas de tempo
mensais, sazonais ou anuais. Embora seja preferível ter
acesso à distribuição total da precipitação, ao contrário dos
dados brutos (sub) diários in situ, os índices nos forneceram
um quadro mais longo e espacialmente completo das
mudanças globais. O objetivo deste artigo é fornecer contexto
para por que e como esses índices são usados e destacar
alguns de seus usos e
2
usos indevidos. Começamos descrevendo a história da
necessidade de índices junto com exemplos daqueles mais
comumente usados. Passamos a focar não apenas em
descrevemos algumas das questões associadas a como eles
são usados e sua interpretação. Finalmente, esperamos ver
como grandes projetos liderados pela comunidade podem
reunir observações multifacetadas (in situ, satélite, reanálises)
para abordar questões de pesquisa anteriormente inatingíveis
relacionadas à incerteza observacional de extremos de
precipitação usando esses índices.
2. A história do uso de índices
Embora as informações sobre certos tipos de extremos,
incluindo o número de dias acima e abaixo dos limites fixos,
tenham sido coletadas por séculos, muito do progresso na
definição de índices ocorreu nas últimas décadas (Zhang et
al 2011) . A motivação por trás disso seguiu o Segundo
Relatório de Avaliação (SAR) do Painel Intergovernamental
sobre Mudanças Climáticas (IPCC) em 1995 (IPCC 1995).
Naquela época, estava claro que nós, como comunidade
global, tínhamos dados inadequados para determinar se
mudanças globais consistentes em extremos haviam ocorrido
ao longo do século 20 (consulte as páginas 22–23 do IPCC
SAR). Tendo em mente as questões relacionadas à
disponibilidade de dados, o ímpeto da comunidade foi reunir
séries temporais consistentes e de alta qualidade de
variáveis-chave. Isso aconteceu por meio de uma série de
reuniões e workshops de alto nível, de modo que, na época
dos relatórios subsequentes do IPCC, havia análises muito
melhores dos extremos de precipitação nas escalas regional
e global (por exemplo, Zhang et al 2011, Alexander 2016,
Klein Tank et al 2009 ).
Um ator principal neste esforço tem sido a Equipe de
Especialistas em Detecção e Índices de Mudanças
Climáticas (ETCCDI). Eles eram um grupo co-patrocinado
pela Comissão de Climatologia (CCl) da Organização
Meteorológica Mundial (OMM), o Programa Mundial de
Pesquisa Climática (WCRP) e a Comissão Técnica Conjunta
para Oceanografia e Meteorologia Marinha (JCOMM) e
existiam em vários encarnações por cerca de 20 anos, de
de taxas O ETCCDI
intensas liderou a compilação
de precipitação (Wen et al de um .conjunto
2018)
padrão de índices (Peterson e Manton 2008), 10 dos quais
regionais podem ser intercomparadas e os mesmos índices
podem ser calculados e comparados entre as observações
e os resultados do modelo climático (por exemplo, Sillmann
et al 2013 ). Paralelamente ou subsequentemente a esses
esforços, outros grupos também definiram conjuntos de
índices (diários ou mensais) para projetos ou análises
regionais e globais (Lloyd-Hughes e Saunders 2002, Giorgi
et al 2011, Du et al 2019 ) que têm flexibilidade mentaram
ou complementaram os recomendados pela ETCCDI (embora
estes permaneçam no centro de muitas listas de índices).
Mais importante, impactos mais relevantes
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008
agora estão sendo desenvolvidos índices que podem ser
usados para aplicações em setores como saúde e agricultura
(Alexander e Herold 2015). Surpreendentemente, no entanto, o
progresso ainda é limitado e há regiões importantes do globo,
como a África, onde permanece a questão do acesso muito
limitado aos dados. Por exemplo, um estudo de Omondi et al
2014, que se concentrou na África Oriental, encontrou apenas
três estações para o Quênia, quatro estações para a Tanzânia
e dez estações para a Etiópia – uma região com uma área
combinada de mais de dois milhões de quilômetros quadrados.
De fato, houve pouca melhoria na cobertura de extremos de
precipitação de longo prazo em conjuntos de dados 'globais'
entre as avaliações do IPCC, uma vez que os aumentos na
quantidade de dados de estações disponíveis
geralmente não ocorre em regiões com redes esparsas
(Alexander 2016). No entanto, várias iniciativas regionais
usando a abordagem ETCCDI (Peterson e Manton 2008)
garantiram que muitas regiões anteriormente não analisadas
pudessem contribuir para avaliações internacionais gerais (por
exemplo, Aguilar et al 2009, Skansi et al 2013, McGree et al
2019), incluindo dados extensos esforços de resgate, como
Reconstruções da Circulação Atmosférica sobre a Terra (Allan
et al 2011) e I-DARE da OMM (www.idare-portal.org). Em
muitos casos, embora os dados coletados a partir dessas
abordagens não sejam atualizados em tempo real, permanece
a questão da disponibilidade de dados nas últimas décadas.
Mais recentemente, o foco mudou para o uso de índices
para dados subdiários. O acesso e a disponibilidade de dados
subdiários da estação são ainda mais limitados do que os dados
diários, mas alguns conjuntos de dados foram ou estão sendo
desenvolvidos, por exemplo, o Integrated Surface Database (ISD)
(Smith et al 2011), HadISD (Dunn et al 2016, Dunn 2019) e o
conjunto de dados Global Sub-Daily Rainfall (GSDR) (Lewis et
al 2019a). Como exemplo, o GSDR foi coletado como parte do
projeto INTENSE (Blen kinsop et al 2018) – o primeiro grande
esforço internacional para se concentrar nos extremos globais
de precipitação subdiária.
O INTENSE contribuiu substancialmente para os esforços de
pesquisa do Painel de Hidroclimatologia (GHP) do Global
Energy and Water Exchanges (GEWEX) e do Programa Mundial
de Pesquisas Climáticas 'Grand Challenge' sobre extremos
(Alexander et al 2016) . Parte desse esforço foi realizar uma
coleta única em escala global de dados de precipitação
subdiária e aplicar um conjunto de métodos de controle de
qualidade para construir um novo conjunto de dados global de
alta qualidade. O conjunto de dados GSDR (Lewis et al 2019a)
atualmente compreende mais de 23.000 observações de
medidores por hora. A duração média do registro é de 13 anos,
com os primeiros registros na década de 1950, mas, como seria
de esperar, é altamente variável em sua cobertura espacial,
extensão do registro, completude e qualidade (por exemplo,
consulte a figura 2) .
Os índices agora também estão sendo calculados para
produtos de sensoriamento remoto (por exemplo, Herold et al
2017, Cattani et al 2018, Alexander et al 2019, Bador et al
2019), bem como produtos de reanálise (por exemplo, Donat et
al 2016, Bador et al 2019, Alexander e outros 2019). Isso está
revelando alguns recursos interessantes nesses produtos, como um válido
3
atributo de intervalo no GPCP que, se aplicado, limita o valor
máximo de qualquer caixa de grade a 100 mm dÿ1 (Badoret al
2019, Roca et al 2019) e, portanto, representa incorretamente
a distribuição de frequência dos máximos diários de precipitação,
por exemplo. Essas diferenças nem sempre são aparentes ao
avaliar a precipitação média (Herold et al 2016, 2017, Alexander
et al 2019, Bador et al 2019, Timmermans et al 2019), e suas
implicações precisam ser melhor compreendidas. O primeiro
passo, porém, é identificar esses problemas comparando
produtos semelhantes; isto é, usando as mesmas medidas de
extremos nas mesmas escalas espaciais. Isso agora está se
tornando possível por meio de grandes projetos liderados pela
comunidade (por exemplo, o Programa Mundial de Pesquisa
Climática, Grande Desafio em Extremos, o Grupo de Trabalho
Internacional sobre Precipitação (IPWG) e o Painel de Dados
e Análise GEWEX (GDAP); consulte também a seção 6) .
3. Tipos de índices
Existe uma infinidade de índices baseados em dados diários
de precipitação. Estudos individuais geralmente escolhem os
máximos anuais ou limites arbitrários, como o 95º, 99º e 99,9º
percentil acima do qual definir um valor extremo. No entanto,
pode haver consequências não intencionais de usar tais limiares
e a interpretação associada dos resultados (consulte a seção
5). Também dificulta a intercomparação e leva ao descompasso
entre estudos que utilizam índices diferentes. Por esse motivo,
grande parte da pesquisa disponível nos últimos anos se
concentrou no conjunto de índices ETCCDI calculados a partir
de conjuntos de dados in situ, de satélite e de reanálise, e
também na produção de modelos climáticos globais em escalas
regional e global (por exemplo, Donat et al 2013a , Sillmann et
al 2013, Skansi et al 2013, Dunn et al 2014, Donat et al 2016,
Herold et al 2016, 2017, Supari et al 2017, Cattani et al 2018).
A Figura 1 mostra uma ilustração idealizada dos índices
ETCCDI com base em uma série temporal de precipitação
diária. Os dez índices ETCCDI mostrados são dias secos
consecutivos (CDD), dias úmidos consecutivos (CWD),
precipitação total em dias úmidos (PRCPTOT), número de dias
de precipitação intensa (R10mm), número de dias de
precipitação muito intensa (R20mm), precipitação muito dias
(R95p), dias extremamente úmidos (R99p), quantidade máxima
de precipitação em 1 dia (R×1dia), quantidade máxima de
precipitação em 5 dias (R×5dia), índice de intensidade diária
simples (SDII) (ver Zhang et al 2011) . Pode-se ver este
esquema como representando um ponto de estação, uma caixa
de grade de satélite ou uma média regional, por exemplo, caso
em que a interpretação dos índices pode diferir ligeiramente.
Os índices ETCCDI são todos derivados de dados diários de
precipitação e medem aspectos de frequência (por exemplo,
dias acima de limites fixos), intensidade (por exemplo, dia mais
chuvoso, intensidade média diária) e duração (por exemplo,
dias chuvosos e secos consecutivos). Em geral, um valor de
índice é fornecido para cada ano, mas alguns índices, chuva
máxima de 1 d (R × 1 dia) e chuva máxima
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008
Figura 1. Índices esquemáticos de destaque em uma série temporal anual de precipitação diária usando índices ETCCDI como exemplo. Os índices
mostrados são dias secos consecutivos (CDD), dias úmidos consecutivos (CWD), precipitação total em dias úmidos (PRCPTOT), número de dias de
precipitação intensa (R10mm), número de dias de precipitação muito intensa (R20mm), dias muito úmidos ( R95p), dias extremamente úmidos
(R99p), quantidade máxima de precipitação em 1 dia (Rx1dia), quantidade máxima de precipitação em 5 dias (Rx5dia), índice de intensidade diária
simples (SDII) (ver Zhang et al 2011) .
chuvas consecutivas de 5 dias (R×5dias) estão disponíveis
como um valor por mês.
No entanto, esses valores quantitativos de precipitação
(em mm) representam apenas um subconjunto dos tipos de
índices que são usados. Outros, incluindo o Índice de
Precipitação Padronizada (SPI), o Índice de Precipitação e
Evapotranspiração Padronizada (SPEI) e o Índice de Severidade
de Seca de Palmer (PDSI), alguns dos quais incorporam
variáveis meteorológicas adicionais, são amplamente utilizados
em estudos de seca (uma pesquisa Scopus revela mais de
2.000 documentos que se concentraram em um ou mais desses
índices). Além disso, eles têm uma vantagem sobre índices
como CDD, que não são adequados para uso em climas
sazonalmente secos. Além disso, alguns outros índices podem
caracterizar propriedades específicas da série temporal de
precipitação, como secura diária ou persistência de umidade
(por exemplo, Moon et al 2018 , Du et al 2019), e alguns são
mais focados nos impactos do setor com especificações do
usuário limiares (Alexander e Herold 2015).
Além disso, está ficando cada vez mais claro que os índices
baseados em dados diários irão perder ou mascarar alguns dos
eventos mais intensos que podem levar a inundações
repentinas. Este é particularmente o caso de extremos
convectivos em escala pontual, que foram subestimados
substancialmente por redes operacionais em um experimento
regional (Schroeeret al 2018). Embora tenhamos um
conhecimento limitado dos processos que causam precipitação
extrema subdiária e sua intermitência inerente (Lewiset al
2019a), iniciativas como INTENSE (Blen kinsop et al 2018)
fornecem um impulso adicional para criar grandes conjuntos de
dados de índices derivados de sub -dados diários.
Os índices que o INTENSE propõe (ver tabela 1) são
semelhantes aos já disponíveis em escalas de tempo diárias
(figura 1), por exemplo, máximos mensais de acumulações de
chuva horárias e multi-horas, contagens mensais de
4
excedências dos limiares e índices que refletem o ciclo diurno
(por exemplo, índice mensal da hora mais chuvosa).
Esses índices foram identificados após discussões com as
observações climáticas e comunidades de modelagem (Lewiset
al 2019b) e correspondem, quando possível, aos índices
diários ETCCDI existentes (Zhang et al 2011, Donat et al
2013a) , incluindo nomenclatura padrão e convenções
metodológicas e Programas. Os dados serão disponibilizados
gratuitamente para fins de pesquisa através de www.climdex.org
que é o portal da web que também fornece índices de estações
e grades de HadEX2 (Donat et al 2013b) e GHCNDEX (Donat
et al 2013a).
4. O valor dos índices
O principal valor dos índices é que eles permitem que
quantidades muito maiores de informações sobre extremos
sejam coletadas, compartilhadas e avaliadas do que estariam
disponíveis de outra forma. As fortes restrições ao
compartilhamento de dados diários e subdiários em alguns
países (apesar de uma resolução da OMM em contrário - OMM
2016) normalmente não se aplicam ao compartilhamento de
índices. Software gratuito padronizado também foi desenvolvido,
por exemplo, RClimDEX (Zhang e Yang 2004) e ClimPACT
(Alexander e Herold 2015), para garantir uma definição e cálculo
consistentes dos índices para que possam ser perfeitamente
integrados em vários produtos. Essa consistência também
significa que os pesquisadores em países com restrições de
compartilhamento de dados podem executar o software por
conta própria e compartilhar a saída dos índices sem violar
suas respectivas políticas de dados. Esses dados contribuíram
para conjuntos de dados em escala global, como a família
HadEX (HadEX—Alexander et al 2006, HadEX2— Donat et al
2013b) , que são conjuntos de dados estáticos que contêm
dados de 1951–2003 e 1901–2010
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008

Tabela 1. Conjunto proposto de índices de precipitação subdiários acordados na comunidade internacional de observação e modelagem do clima (Lewiset al 2019b).

Tipo de índice Índice

Índices máximos mensais Rx1h máximo mensal de 1 h de precipitação

Rx3h máximo mensal de 3 h de precipitação
Rx6h máximo mensal de 6 h de precipitação
Rx1hP por cento do total diário que caiu na precipitação máxima mensal de 1 h
Índices do ciclo diurno LW1H hora mais chuvosa mensal provável em um dia
LD1H mensal provavelmente a hora mais seca dentro de um dia

Dispersão de DLW1H em torno da hora mais chuvosa mensal dentro de um dia

S1HII índice de intensidade de precipitação horária simples
CW1H duração máxima do período de chuva
Índices de frequência/limiar R10mm1h contagem mensal de horas quando PRCP 10 mm
R20mm1h contagem mensal de horas quando PRCP 20 mm
Rxmm1h contagem anual de horas quando PRCP nnmm, nn é um limite definido pelo usuário
índices gerais PRCPTOT1h precipitação anual total em horas húmidas

Figura 2. Coluna da esquerda: localizações das estações em (a)GSDR (Lewiset al 2019a) (c)GHCN-diário (Menne et al 2012) e (e) HadEX2 (Donatet al
2013a). Observe que os locais das estações do GSDR são incluídos apenas onde as coordenadas lat/lon e 'dados de comprimento de registro real' (consulte
Lewiset al 2019a) estão disponíveis e para GHCN-Daily e HadEX2 os locais das estações são incluídos apenas onde pelo menos um valor anual de Rx1day
pode ser calculado. Coluna da direita (b), (d),(f): estações que têm pelo menos 20 anos de dados que terminam em ou após 2000 (no caso de (d)GHCN-Daily e
(f) HadEX2, o critério se aplica a Cálculos Rx1day). Os números em cada mapa indicam o número de estações no Hemisfério Norte (NH), Trópicos (Trop)
e Hemisfério Sul (SH), incluindo o total (n) para cada produto de dados. Os círculos amarelo, verde, laranja, vermelho e azul nos painéis à direita indicam estações
com 20–30, 30–40, 40–50, 50–100 e mais de 100 anos de observações.

respectivamente, e GHCNDEX (Donat et al 2013a) , que não tem
uma cobertura tão boa quanto HadEX2, mas é atualizado quase em
tempo real e está disponível em www. climdex.org. As análises dos
dados da estação que contribuíram para esses conjuntos de dados
globais mostram tendências crescentes na precipitação diária
máxima anual que
não pode ser explicada por acaso (por exemplo, Westra et al 2013).
Esses tipos de conjuntos de dados também têm contribuído
consistentemente para os Relatórios de Avaliação do IPCC desde
o Quarto Relatório de Avaliação em 2007. Em particular, eles
ajudaram a formar afirmações importantes sobre mudanças nos
extremos de precipitação observados, por exemplo, 'Há probabilidade

5
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008
mais regiões terrestres onde o número de eventos de precipitação
intensa aumentou do que onde diminuiu' (IPCC SPM 2013). No entanto,
mesmo com o uso de índices, algumas regiões permanecem mal
cobertas. Em particular, dados de longo prazo e de alta qualidade estão
disponíveis em menos da metade das regiões áridas do mundo (Donat
et al 2019), indicando que é difícil estimar com robustez as mudanças
nas áreas mais secas do globo.
Um exemplo do benefício dos índices é mostrado na figura 2. Para
um conjunto de dados sub-diário (GSDR), um conjunto de dados diário
(GHCN-Daily) e um conjunto de dados de índices (HadEX2), mostramos
o que está disponível em termos de rede de estações ( coluna da
esquerda) e compare com o que está disponível se você restringir a
solicitação aos dados de longa duração (>20 anos) e mais recentes
(2000).
Embora HadEX2 tenha o menor número de estações no geral, ele tem a
cobertura de rede mais bem espalhada, especialmente nos trópicos e no
Hemisfério Sul, e perde a menor porcentagem de estações ao filtrar os
dados usando esses critérios. HadEX2 também tem a série temporal de
dados mais longa (>100 anos). Com os índices propostos pelo
INTENSE, espera-se que a rede de índices de precipitação baseada em
dados de estações subdiárias melhore enormemente.
Um novo caminho em potencial é que alguns produtos de satélite
agora têm períodos de registro longos o suficiente para permitir que eles
contribuam para avaliações em escala climática de extremos de
precipitação (Roca et al 2019 ). Isso pode fornecer uma adição valiosa
às análises existentes de mudanças de longo prazo nos extremos de
precipitação, especialmente ao usar índices padrão. A maioria dos
produtos de satélite fornece acumulações diárias, embora muitos (por
exemplo, TRMM, CMORPH) também estejam disponíveis em escalas de
tempo subdiárias (Roca et al 2019). O papel dos produtos de precipitação
por satélite é particularmente crítico nos oceanos, regiões remotas sobre
a terra ou regiões com cobertura muito pobre. Por exemplo, os dados do
CHIRPS foram usados para examinar as inundações severas e mortais
no Quênia em 2018 (Kilavi et al 2018), enquanto os produtos CHIRPS e
o Global Satellite Mapping of Precipitation (GSMaP) foram usados para
explorar as inundações na Indonésia (Narulita e Nin grum 2018). Os
índices podem ajudar a permitir uma intercomparação objetiva e
significativa de uma gama mais ampla de produtos e extremos de chuva.
Os índices podem nos fornecer informações úteis sobre médias,
tendências, variabilidade e outras estatísticas.
Eles também reduzem a quantidade de dados que precisam ser
analisados, o que os torna computacionalmente atrativos. Além disso,
alguns dos índices (como Rx1day) também nos permitem derivar outras
estatísticas relacionadas ao
distribuição de extremos usando a teoria dos valores extremos.
Isso pode nos fornecer informações sobre parâmetros estatísticos
relacionados à média, variabilidade e assimetria da distribuição de
Rx1day e, assim, nos fornecer algumas medidas adicionais pelas quais
podemos comparar produtos. Como exemplo, a figura 3 mostra os
parâmetros de localização, escala e forma derivados do
6
Distribuição de valor extremo generalizada ajustada aos dados
de dois conjuntos de dados usando uma abordagem de blocos máximos.
Os resultados são comparados de 50 °S a 50 °N para um conjunto de
dados em grade baseado in situ REGEN (Contractor et al 2019) e um
produto derivado de satélite CHIRP (Funk et al 2015) para o período de
1981–2013, quando ambos os conjuntos de dados tem dados
disponíveis. A Figura 3 indica que REGEN tem uma média e variabilidade
mais altas em extremos de precipitação do que CHIRP e que existem
grandes diferenças coerentes entre os produtos (mostrados na coluna
da direita) para os parâmetros de localização e escala. As diferenças
parecem ser maiores em regiões com dados escassos, como a
Amazônia e a África Ocidental, onde os produtos de satélite divergem
mais das observações in situ e onde as densidades das estações são
muito baixas. O parâmetro de forma não apresenta tais diferenças
coerentes. Na verdade, muitas vezes é mais sensível a outliers e mais
difícil de interpretar do que localização e escala (por exemplo, Brown et
al 2008, Gross et al 2018). Isso não significa que um conjunto de dados
seja necessariamente "mais correto" do que o outro, mas, avançando,
precisamos entender esses tipos de diferenças se quisermos fazer
afirmações robustas sobre extremos de precipitação e seus mecanismos
de condução e, particularmente, mudanças no primeiro causado pelo
segundo. É possível que tal compreensão possa levar ao conhecimento
e à capacidade preditiva. Por exemplo, se sabemos que as estimativas
de satélite sistematicamente sub-representam os extremos de precipitação
observados, então podemos inferir que um aumento de 10% nos
extremos de satélite pode mapear para um aumento de 10% nos
extremos observados (assumindo que o aumento relativo é independente).
5. Potenciais problemas e má interpretação dos
índices
Como os índices condensam as informações de uma distribuição
contínua maior em estimativas discretas baseadas em pontos que são
então interpoladas e agrupadas em grade, isso geralmente pode levar a
idiossincrasias não intencionais nas séries temporais de saída. Por
exemplo, as não homogeneidades relacionadas ao início e ao fim dos
períodos climatológicos e sua avaliação podem estar sujeitas a
interpretações errôneas.
Isso acontece particularmente com (mas não está limitado a) índices de
limite baseados em percentil.
Os índices geralmente medem a intensidade ou excedências de
valores percentuais específicos (como o percentil 95 ou 99 nos índices
ETCCDI R95p e R99p), mas as mudanças na intensidade da precipitação
podem diferir para diferentes partes da função de distribuição (Contractor
et al 2018 , Pendergrass 2018). Isso ilustra que os resultados dos índices
podem ser sensíveis à escolha do limite específico se as mudanças
forem desproporcionais para diferentes partes da distribuição. Além
disso, se os dados forem compartilhados entre os pesquisadores, a
escolha do período de referência precisa ser padronizada e ter duração
suficiente para garantir que vieses não sejam introduzidos (por exemplo,
Badoret até 2019).
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008

Figura 3. Parâmetros de localização, forma e escala entre 50°S a 50°N derivados do ajuste de uma distribuição GEV ao índice Rx1day
(máximos anuais de precipitação diária) para REGEN (Contactoret al 2019; coluna da esquerda) e CHIRP (Funk et al 2015; coluna do meio)
entre 1981 e 2013 (quando ambos os produtos têm dados disponíveis). A coluna da direita mostra as diferenças nesses parâmetros CHIRP-
REGEN. As regiões onde as médias totais anuais de precipitação <150 mm são excluídas do cálculo.

Existem duas maneiras de calcular campos gradeados de
índices que representam uma 'ordem de operação' diferente
para cálculo de extremos e que podem exibir características
bastante diferentes (por exemplo, Avila et al 2015). A primeira
maneira é gradear os índices extremos que foram calculados
pela primeira vez a partir dos dados (sub)diários da estação (o
que muitas vezes tem que ser feito para os produtos baseados
in situ devido à disponibilidade de dados) e a segunda maneira
é gradear diariamente / dados sub-diários para a resolução
necessária (por exemplo, 1 grau) e, em seguida, calcule os
índices do produto gradeado de resolução aproximada (como
seria produzido em um produto baseado em satélite ou saída
de modelo climático). Isso leva a uma incompatibilidade, com
índices extremos em grade de medidores in situ geralmente
produzindo valores muito mais altos em média do que produtos
de satélite ou reanálise (por exemplo, Herold et al 2016) e
criando uma comparação de 'maçãs e laranjas' com a saída do modelo climático
vezes
há relatórios insuficientes de pequenas quantidades de
Sillmann et al 2013, Avila et al 2015). Enquanto alguns índices
são muito menos sensíveis a esta ordem de operação (por
exemplo, SDII), outros são muito sensíveis (por exemplo,
Rx1day, R20mm) e isso pode levar a diferentes estimativas de
tendência para alguns índices em diferentes produtos (por
exemplo, Herold et al 2016) . No caso de Rx1day, isso pode
levar a estimativas de tendência regional de sinal oposto.
Uma questão diferente é a sensibilidade à amostra a partir
da qual os percentis são calculados. Se os percentis forem
calculados apenas a partir de dias úmidos (tipicamente
precipitação diária de 1 mm), então as mudanças em tais índices
(medindo a intensidade dos percentis ou a frequência ou
quantidade de excesso de precipitação) também podem ser
afetadas por mudanças na frequência de chuvas
dias e, portanto, não pode ser atribuído apenas a mudanças
na intensidade da precipitação (por exemplo, Schär et al 2016).
A análise e a interpretação das mudanças são mais diretas se
os percentis forem calculados a partir de todos os valores diários
de precipitação, incluindo dias úmidos e secos, pois essa
abordagem garante um tamanho de amostra constante e,
portanto, quaisquer alterações seriam devidas apenas a
mudanças na intensidade. Uma possível desvantagem dessa
abordagem, no entanto, é que em algumas regiões secas a
grande maioria dos dias são secos e a distribuição consiste em
valores de 0 mm além do percentil 90 (muitas vezes
considerado como um limiar moderadamente extremo). No caso
de alteração da frequência de dias úmidos, as alterações de
infinito serão analisadas para valores percentuais que são secos
em um período, mas úmidos em outro. A definição de um dia
chuvoso em si também pode ser problemática, pois muitas
(por exemplo
precipitação em locais manuais ou, inversamente, pequenos
relatórios espúrios (por exemplo, de orvalho) em locais automáticos (por exem
Os índices também nem sempre contam a história completa
e, às vezes, precisam ser investigados em conjunto com outros
indicadores. Por exemplo, CDD e SPI são usados como índices
para a seca meteorológica, mas para uma análise abrangente
da seca deve-se também considerar o uso de indicadores e
variáveis que levem em conta a baixa idade da umidade do
solo, fluxo de água e águas subterrâneas que também são
afetados por mudanças na temperatura e, portanto,
evapotranspiração (por exemplo, Seneviratne et al 2012,
Orlowsky e Seneviratne 2013, Gudmundsson et al 2018,
Humphrey et al 2018). Outro exemplo é que Rx1day descreve
os máximos anuais de

7
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008
precipitação, mas não dá nenhuma indicação sobre o momento
desses extremos anuais. Portanto, conjuntos de dados diferentes
podem apresentar valores de R×1dia semelhantes, mas sua
ocorrência ao longo do ano e, portanto, seus mecanismos de
ocorrência ou impactos associados podem ser muito diferentes
(Bador et al 2019) . Isso pode fazer uma diferença especial nas
projeções futuras de mudança.
Mesmo na ausência de viés substancial, muitos produtos
de satélite têm problemas para recriar a verdadeira frequência
de eventos de chuva e/ou representar com precisão a distribuição
das intensidades de chuva. Por exemplo, enquanto o conjunto
de dados CHIRPS2.0, por construção, acompanha bem a média
de longo prazo na maioria dos locais, as comparações com os
dados das estações indicam uma tendência a subestimar a
frequência de eventos de chuva de baixa intensidade,
contribuindo para uma tendência de superestimação. estimar a
intensidade de eventos mais úmidos (Funk et al 2019). Não está
claro como isso afetará o cálculo dos índices ou as
intercomparações, portanto, é necessário cuidado para as
análises futuras, especialmente no que diz respeito à análise de
tendências de longo prazo.
6. Olhando para frente
Apesar dos registros disponíveis mais curtos, os produtos de
satélite podem fornecer uma parte essencial da avaliação de
extremos de precipitação no futuro, pois podem preencher
algumas das principais lacunas regionais e alguns deles agora
são longos o suficiente para contribuir para avaliações em
escala climática (Alexander et al 2019, Bador et al 2019, Roca et
al 2019). Para avaliações em escala climática, no entanto, é
fundamental garantir que essas longas séries temporais sejam
homogêneas em relação à mudança de instrumentos, satélites
e também em relação à deriva - em particular, sendo este último
um problema específico dos dados de satélite, mas não da
estação observações e, portanto, exigindo abordagens estatísticas (C3S 311a Lote 2—https://climate.copernicus.eu/node/562) está
específicas para garantir a homogeneidade.
No entanto, a disponibilidade contínua de qualidade
climática in situ e observações de satélite permanece crítica,
em particular em vista da importante perda de dados in situ nas
últimas décadas (Lorenz e Kunstmann 2012 ).
No entanto, parece haver razões complexas para esse declínio.
Para alguns conjuntos de dados (por exemplo, GPCC), a 'perda'
de dados nas últimas décadas (por exemplo, figura 1 em
Schneider et al 2016) reflete principalmente a quantidade de
tempo que leva para inserir dados no arquivo, em vez de um
declínio substancial na rede da estação ( comunicação pessoal
Andreas Becker). Para outros conjuntos de dados globais que
dependem de atualizações em tempo real, a história é diferente.
No caso do CHIRPS (Funk et al 2015, 2019), por exemplo, a falta
de observações disponíveis é produzida tanto pela erosão das
redes de observação, em alguns países, combinada com o relato
limitado de observações existentes em outros países. No geral,
as interações com colegas na África e na América Latina e do
Sul sugerem que a última questão é uma questão muito maior.
Embora o relatório de dados diários versus mensais seja
certamente uma
8
Uma preocupação importante é que o número de observações
relatadas para os produtos CHIRPS (e outros) concentra-se em
observações mensais. Assim, pelo menos neste caso, certamente
há um declínio substancial no número de observações mensais
relatadas. Existem alguns países, como Haiti, Afeganistão e
Tanzânia, onde parece que o número de observações mensais
disponíveis é muito baixo. Para muitos países, no entanto, essas
observações existem. Em muitos casos, as agências
meteorológicas estão buscando objetivos de recuperação de
custos e esperam monetizar esses recursos. Infelizmente, isso
pode levar a situações em que as agências meteorológicas não
maximizam o valor social de seus dados, o que pode levar a uma
relutância em compartilhar dados. Em geral, esta parece ser uma
situação comum, embora seja muito difícil generalizar, pois a
situação de cada país será diferente. Finalmente, embora com
um contributo muito reduzido, é a racionalização das redes
nacionais para uma cobertura espacial mais uniforme, levando
ao encerramento de algumas estações.
O que fazer sobre esse problema e como utilizar o
os dados que são atualmente transmitidos e distribuídos através
do Sistema Global de Telecomunicações (GTS)/Sistema de
Informação da OMM (WIS), por exemplo, exigiriam negociações
complexas e ponderadas entre a OMM, Serviços Nacionais de
Hidrologia e Meteorologia, Centros de Dados Globais e
Organizações de Pesquisa, especialmente dado o impulso para
comercializar o fornecimento de dados em alguns países.
Atualizações recentes nos acordos de compartilhamento de
dados entre as nações da OMM avançaram na direção de mais
compartilhamento (WMO Res 60 https://library.wmo. int/index.php?
lvl=notice_display&id=20146), mas pararam de exigir acesso
aberto aos acervos de dados. Sob o Copernicus Climate Change
Service (C3S), trabalhe em um banco de dados global de
observações terrestres e marinhas para observações in situ
intermediando o acesso a bancos de dados, coleções e arquivos
existentes; nacional, regional e globalmente para inclusão em um
único banco de dados de participações mensais, diárias e
subdiárias. O objetivo deste serviço é construir um único ponto
de acesso para reunir o atual estado fraturado das observações
da superfície terrestre (Thorne et al 2017) de maneira semelhante
ao conjunto internacional abrangente de dados oceânicos e
atmosféricos no domínio marinho (Freeman e outros 2017). Isso
poderia permitir que um mecanismo atualizasse rotineiramente
dados climáticos de alta resolução temporal que atualmente não
existem e fornece um caminho para compartilhar índices de
uma forma menos ad hoc
maneiras.
No mínimo, é necessário manter a estação terrestre atual e
os sistemas de observação por satélite, considerando
cuidadosamente a consistência, à medida que novos tipos de
sistemas de observação são adicionados ou substituídos, mas
também adicionando ou fornecendo acesso a medições terrestres
em regiões que não possuem um conjunto representativo de
medidores e em que os dados de satélite só podem ser mal validados (por exe
África). Um bom exemplo para otimizar in situ
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008
medições é a substituição de pluviômetros manuais por automáticos.
No entanto, os instrumentos automáticos podem não ser confiáveis,
sofrendo interrupções e problemas de manutenção, levando a uma
rápida degradação da qualidade e integridade dos dados nos anos
seguintes à instalação. Os produtos de precipitação por satélite de
longo prazo utilizam sensores infravermelhos e de micro-ondas. A
disponibilidade contínua de sensores com características
semelhantes é necessária para manter um registro consistente de
dados climáticos. Isso envolve a manutenção de
satélites meteorológicos geoestacionários e o conjunto de
plataformas de monitoramento de satélite assíncronas baseadas em
micro-ondas.
Esperamos, como resultado desta Coleção Focus, que os
produtos baseados em satélite possam ser usados mais
extensivamente na comunidade de extremos climáticos e, além
disso, que a comunidade de sensoriamento remoto possa identificar
caminhos para o desenvolvimento futuro de produtos dedicados à
pesquisa de extremos. Um banco de dados global—Frequent Rain
fall Observations on Grids (FROGs)—de pluviômetros, produtos de
satélite e reanálises produzidos ou retificados em uma resolução
diária de 1° × 1° já foi desenvolvido (Roca et al 2019) . Os conjuntos
de dados incluídos estão sendo usados para muitos estudos e
intercomparações e índices formam uma parte importante dessas
intercomparações (por exemplo, Bador et al 2019, Golian et al
2019).
Também esperamos que os índices de precipitação de conjuntos de
dados em grade (in situ, satélite, reanálises) formem uma parte
importante dos projetos de avaliação de modelos coordenados
daqui para frente. Por exemplo, um conjunto de índices relevantes
para o modelo está sendo desenvolvido para a avaliação de
simulações que permitem a convecção, em primeira instância para
a Europa em colaboração com o COR DEX Flagship Pilot Study
(Coppola et al 2018) .
Por fim, ecoamos os sentimentos expressos em Thorne et al
(2017) em relação à necessidade de melhorar o compartilhamento
de dados, especialmente nas resoluções de tempo mais alto.
As medições in situ são vitais para validar produtos de reanálise,
satélite e modelo global, mas também permitem uma avaliação
independente das mudanças na precipitação extrema dessas outras
abordagens.
7. Conclusões
Embora existam protocolos para ampla divulgação de dados
meteorológicos, na realidade, existem grandes questões em torno
da disponibilidade de dados in situ de alta resolução temporal
necessários para estudar os extremos de precipitação. Os índices
de precipitação, que são derivados de dados diários ou subdiários e
medem aspectos de frequência, intensidade e duração, geralmente
sofrem menos com essas barreiras de troca de dados. Embora os
índices tenham sido coletados por séculos, foi somente em meados
da década de 1990 que um esforço comunitário coordenado foi
realizado para padronizá-los, compará-los e analisá-los em escala
global. Os índices nos permitem monitorar mudanças nos extremos
de precipitação, para produzir futuros possíveis para padronizar
cenários,
9
intercomparação entre produtos e, mais importante, poder analisar
dados que, de outra forma, não estariam disponíveis. Seguindo em
frente, enquanto ainda buscamos um mecanismo para atualizar
rotineiramente os dados in situ de qualidade climática, os produtos
de sensoriamento remoto, que estão amplamente disponíveis em
altas escalas temporais e espaciais, podem oferecer um complemento
útil aos conjuntos de dados de extremos baseados in situ existentes.
No entanto, muito mais precisa ser feito para garantir que seus
dados possam satisfazer os requisitos necessários para avaliar
variações e tendências climáticas de longo prazo. Embora não haja
substituto para o acesso a dados diários e subdiários de precipitação,
os índices nos forneceram uma estrutura para entender a precipitação
extrema na ausência de tais informações.
Agradecimentos
O LVA foi apoiado pelo Centro de Excelência para Extremos
Climáticos do Conselho de Pesquisa Australiano (ARC)
(CE170100023). HJF e EL são apoiados pelo projeto INTENSE
financiado pelo European Research Council (concessão ERC-2013-
CoG-617329) e HJF pela Wolfson Foundation e pela Royal Society
como titular do Royal Society Wolfson Research Merit Award
(WM140025). MB foi suportado pelo ARC Discovery Project
DP160103439. A MGD reconhece o financiamento do Ministério da
Economia, Indústria e Competitividade de Espanha para Ramón y
Cajal 2017 (referência RYC-2017-22964). O RJHD foi apoiado pelo
Met Office Hadley Center Climate Program financiado por BEIS e
Defra, e pelo Copernicus Climate Change Service sob o Contrato
de Serviço C3S 311a Lot2. O SIS é apoiado pelo projeto DROUGHT-
HEAT financiado pelo Conselho Europeu de Pesquisa (acordo de
subvenção FP7-IDEAS-ERC 617518). VV reconhece o apoio do
Ministério das Ciências da Terra, Govt. da Índia através do projeto
'Pesquisa Hidrológica Avançada e Disseminação de
Conhecimento' (concessão MOES/PAMC/H&C/41/2013-PC-II).
Declaração de disponibilidade de dados
O compartilhamento de dados não é aplicável a este artigo, pois
nenhum dado novo foi criado ou analisado neste estudo.
IDs ORCID
Lisa V Alexander https://orcid.org/0000-0002- 5635-2457
Margot Bador https://orcid.org/0000-0003-3976-6946
Markus G Donat https://orcid.org/0000-0002- 0608-7288
James Goldie https://orcid.org/0000-0002-
5024-6207
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008
Elizabeth Lewis https://orcid.org/0000-0002-7471-9988
Referências
Aguilar E et al 2009 Mudanças na temperatura e precipitação
extremos na África central ocidental, Guiné Conacri e Zimbábue, 1955–
2006 J. Geophys. Res. Atmos. 114 D02115 Alexander L e Herold N 2015
ClimPACTv2 Índices e Software.
Um documento preparado em nome da Comissão para
Equipe de Especialistas em Climatologia (CCl) em Clima Setorial Específico
Listas (ET-SCI)
Alexander L, Zhang X, Hegerl G, Seneviratne SI, Behrangi A,
Fischer E, Martius O, Otto F, Sillmann J e Vautard R 2016 Plano de
implementação para o grande desafio WCRP sobre compreensão
e previsão de clima e extremos climáticos.
Relatório do Programa Mundial de Pesquisa Climática: Genebra, Suíça
Alexander LV 2016 Global observou mudanças de longo prazo em
extremos de temperatura e precipitação: uma revisão do progresso e limitações
nas avaliações do IPCC e além do Weather Clim. Extremos 11 4–16
Alexandre LV, Bador M, Roca R, Empreiteiro S, Donat MG e
Nguyen PL 2019 Intercomparação de extremos de precipitação em áreas
terrestres globais de produtos in situ, baseados no espaço e de reanálise
Environ. Res. Carta (enviada)
Alexander L Vet al 2006 Mudanças globais observadas no clima diário
extremos de temperatura e precipitação J. Geophys. Res.— Atmos. 111
D05109
Allan R, Brohan P, Compo GP, Stone R, Luterbacher J e Brönnimann S
2011 A iniciativa internacional de reconstruções da circulação
atmosférica sobre a Terra (ACRE) Bull. Sou. Meteorol. Sociedade 92 1421–5
Avila FB, Dong S, Menang KP, Rajczak J, Renom M, Donat MG e
Alexander LV 2015 Investigação sistemática de efeitos de escala relacionados
à grade em estatísticas anuais de temperatura diária e máximos de precipitação:
um estudo de caso para o sudeste da Austrália Weather Clim. Extremos
9 6–16 Bador M, Alexander LV, Roca R e Contractor S 2019
Diversos
estimativas de precipitação diária máxima anual em uma variedade de
observações terrestres quase globais Environ. Res. Deixe (submetido)
Becker A, Finger P, Meyer-Christoffer A, Rudolf B, Schamm K, Schneider U e
Ziese M 2013 Uma descrição dos produtos globais de dados de
precipitação da superfície terrestre do Centro Global de Climatologia
de Precipitação com aplicativos de amostra, incluindo análise centenária
(tendência) de 1901–presente Sistema da Terra. ciência Dados 5 71–99
Behrangi A, Khakbaz B, Jaw TC,
AghaKouchak A, Hsu K e Sorooshian S 2011 Avaliação hidrológica de produtos
de precipitação de satélite em uma bacia de tamanho médio J.
Hydrol. 397
225–37
Blenkinsop S et al 2018 O projeto INTENSE: usando observações e modelos para
entender o passado, presente e futuro de chuvas extremas subdiárias Adv.
ciência Res. 15 117–26 Brown SJ, Caesar J e Ferro CAT
2008 Mudanças globais na temperatura diária extrema desde 1950 J. Geophys. Res.
Atmos. 113 D05115
Cattani E, Merino A, Guijarro JA e Levizzani V 2018 África Oriental Tendências e
variabilidade das chuvas 1983–2015 usando três produtos de satélite de
longo prazo Sensor remoto 10 931 Empreiteiro S, Donat
MG e Alexander LV 2018 Intensificação da distribuição diária de chuvas em dias
chuvosos na Austrália Geophys. Res. Deixe 45 8568–76 Contractor
S, Donat MG, Alexander LV, Ziese M,
Meyer-Christoffer A, Schneider U, Rustemeier E, Becker A, Durre
I e Vose RS Estimativas de precipitação de 2019 em uma rede em grade
(REGEN)—Um conjunto de dados em grade terrestre global de precipitação
diária de 1950-2013 Hydrol. Terra Sist. ciência
Discutir. em revisão (https://doi.org/10.5194/hess-2018-595)
Coppola E et al 2018 Uma convecção multimodelo inédita
permitindo ensemble para investigar fenômenos convectivos sobre a Europa e
o Mediterrâneo (2018) Clim. Din. 1–32
10
Donat MG, Alexander LV, Herold N e Dittus AJ 2016
Extremos de temperatura e precipitação em observações em grade de
um século, reanálises e simulações de modelos atmosféricosJ. Geophys.
Res. 121 11174–11189.
Donat MG, Alexander LV, Yang H, Durre I, Vose R e Caesar J 2013a Conjuntos de
dados terrestres globais para monitoramento de extremos climáticos Bull.
Sou. Meteorol. Sociedade 96 997–1006 Donat M Get al
2013b Análises atualizadas de índices extremos de temperatura e precipitação
desde o início do século XX: O conjunto de dados HadEX2 J. Geophys.
Res.
Atmos. 118 2098–118
Donat MG, Angelil O e Ukkola AM 2019 Intensificação dos extremos de
precipitação nas regiões úmidas e com escassez de água do mundo
Environ. Res. Deixe 14 065003 Du H et al 2019 A
precipitação de extremos persistentes está aumentando na maioria das regiões e
globalmente Geophys. Res. Deixe 46 6041–9 Dunn RJH 2019 HadISD
versão 3: atualizações mensais Nota Técnica HCTN_103_2019P Hadley Center Dunn
RJH, Donat MG e Alexander LV 2014
Investigando
incertezas em conjuntos de dados globais em grade de extremos climáticos
Clim. Passado 10 2171–99
Dunn RJ, Willett KM, Parker DE e Mitchell L 2016 Expansão
HadISD: dados de estações subdiárias com controle de qualidade de 1931
Geosci. Instrum. Métodos Data Syst. 5 473–91
Freeman E et al 2017 ICOADS Release 3.0: uma grande atualização para o
registro climático marinho histórico Int. J. Climatol. 37 2211–37
Funk Cet al 2015 Os riscos climáticos precipitação infravermelha com estações -
um novo recorde ambiental para monitoramento de extremos Sci.
Dados 2 1–21
Funk Cet al 2019 Algoritmo e melhorias de dados para a versão 2.1 do Conjunto de
Dados de Estações de Precipitação Infravermelha do Climate Hazards
Center. Medição de Precipitação por Satélite ed V Levizzaniet
al(Dordrecht: Springer Nature) no prelo
Giorgi F, Im ES, Coppola E, Diffenbaugh NS, Gao XJ,
Mariotti L e Shi Y 2011 Maior intensidade hidroclimática com aquecimento
global J. Clim. 24 5309–24 Golian S, Javadian M e
Behrangi A 2019 Sobre o uso de produtos de precipitação por satélite, medidor e
reanálise para estudos de seca Environ. Res. Deixe 14 075005 Gross
MH, Donat MG, Alexander LV e Sisson SA
2018 A sensibilidade da variabilidade diária da temperatura e extremos para a
escolha do conjunto de dados J. Clim. 31 1337–59
Gudmundsson L, Do HX, Leonard M e Westra S 2018 Earth Syst.
ciência Dados 10 787–804
Hennessy KJ, Suppiah R e Page CM 1999 Mudanças na precipitação australiana,
1910–1995 Aust. Meteorol. Mag. 48 1–13 Herold N, Alexander
LV, Donat MG, Empreiteiro S e Becker A
2016 Quanto chove sobre a terra?Geophys. Res. Deixe 43 341–8
Herold N, Behrangi A e Alexander LV 2017 Grandes incertezas
em extremos diários de precipitação observados sobre a terra J. Geophys.
Res. Atmos. 122 668–81
Humphrey V, Zscheischler J, Ciais P, Gudmundsson L, Sitch S e
Seneviratne SI 2018 Sensibilidade da taxa de crescimento de CO2
atmosférico às mudanças observadas no armazenamento de água terrestre
Natureza 560 628–31
Painel Intergovernamental sobre Mudanças Climáticas (IPCC) 1995 O
Science of Climate Change ed JT Houghton et al Contribuição do Grupo de
Trabalho I para o Segundo Relatório de Avaliação do IPCC
(Cambridge: Cambridge University Press)
Resumo do IPCC 2013 para formuladores de políticas Mudanças Climáticas 2013: o
Bases de Ciências FísicasContribuição do Grupo de Trabalho I para o Quinto
Relatório de Avaliação do Painel Intergovernamental sobre Mudanças
Climáticas ed TF Stockeret al(Cambridge, and New York, NY: Cambridge
University Press)
Kidd C, Becker A, Huffman GJ, Muller CL, Joe P, Skofronick-
Jackson G e Kirschbaum DB 2017 Então, quanto da superfície da Terra é
coberto por pluviômetros? Touro.
Sou. Meteorol. Sociedade 98 69–78
Kilavi M, MacLeod D, Ambani M, Robbins J, Dankers R, Graham R, Helen T, Salih AAM
e Todd MC 2018 Chuvas extremas e inundações no centro do Quênia,
incluindo a cidade de Nairóbi
Machine Translated by Google
Ambiente. Res. Deixe 14 (2019) 125008
durante a temporada de chuvas longas de 2018: causas, previsibilidade
e potencial para alertas e ações antecipadas Atmosfera 9 472
Klein Tank AMG, Zwiers FW e Zhang X 2009 Diretrizes sobre análise de
extremos em um clima em mudança 1495 em apoio a decisões
informadas para adaptação WCDMP-72, WMO-TD/ No.1500 WMO,
Genebra p 56
Lewis E, Fowler HJ, Alexander L, Dunn R, McClean F, Barbero R, Guerreiro
S, Li XF e Blenkinsop S 2019a GSDR: um conjunto de dados de
precipitação subdiária global J. Clim. 32 4715–29
Lewis E, Guerreiro S, Blenkinsop S e Fowler HJ 2019b Controle de qualidade
de um conjunto de dados globais de precipitação subdiária e
índices derivados de precipitação extrema. Resumos de pesquisa
geofísica vol. 21, EGU2019-16634, 2019, EGU General Assembly
2019 Lloyd-
Hughes B e Saunders MA 2002 Uma climatologia de seca para a Europa Int. J.
Climatol. 22 1571–92 Lorenz C e
Kunstmann H 2012 O ciclo hidrológico em três reanálises de última geração:
intercomparação e análise de desempenhoJ.
Hidrometeorol. 13 1397–420
McGree S et al 2019 Mudanças recentes na média e extrema
temperatura e precipitação nas ilhas do Pacífico Ocidental J. Clim. 32
4919–41 Menne MJ,
Durre I, Vose RS, Gleason BE e Houston TG 2012 Uma visão geral do banco
de dados diário da rede de climatologia histórica global J. Atmos.
Oceano. Tecnol. 29 897–910 Moon H, Gudmundsson L e
Seneviratne SI 2018 Seca
erros de persistência em modelos climáticos globais (2018) J. Geophys.
Res. Atmos. 123 3483–96
Narulita I e Ningrum W 2018 Análise de evento de inundação extrema em
Indonésia com base na intensidade da chuva e capacidade de
recarga IOP Conf. Série: Ciências da Terra e do Meio Ambiente (Bristol)
(IOP Publishing) vol 118 p 012045
Omondi PA et al 2014 Mudanças na temperatura e precipitação
extremos na região do Grande Chifre da África de 1961 a 2010 Int. J.
Climatol. 34 1262–77
Orlowsky B e Seneviratne SI 2013 Seca indescritível: incerteza nas tendências
observadas e projeções CMIP5 de curto e longo prazo
Hydrol. Terra Sist. ciência 17 1765–81 Pendergrass A
2018 Que precipitação é extrema? Ciência 360
1073–1073
Peterson TC e Manton MJ 2008 Monitorando mudanças em extremos
climáticos: um conto de colaboração internacional Bull. Sou.
Meteorol. Sociedade 89 1266–
71 Roca R, Alexander LV, Potter G, Bador M, Jucá R, Contractor S,
Bosilovich MG e Cloché S 2019 FROGs: um banco de dados diário
de precipitação em grade 1° × 1° de pluviômetro, produtos de
satélite e reanálise Earth Syst. ciência Dados 11 1017–35
Schär Cet al 2016 Índices percentuais para avaliar mudanças em peso pesado
eventos de precipitação Clim. Mudança 137 201–16
Schneider U, Ziese M, Meyer-Christoffer A, Finger P,
Rustemeier E e Becker A 2016 O novo portfólio de produtos de dados
globais de precipitação do Centro Global de Climatologia de
Precipitação adequado para avaliar e quantificar o ciclo global da água
e os recursos Proc. IAHS 374 29–34
11
Schroeer K, Kirchengast G e Sungmin O 2018 Forte dependência das
intensidades extremas de precipitação convectiva na densidade
da rede de mediçãoGeophys. Res. Deixe 45 8253–63
Seneviratne S Iet al 2012 Mudanças nos extremos climáticos e suas
impactos sobre o ambiente físico natural. Gerenciando os riscos de
eventos extremos e desastres para promover a adaptação às
mudanças climáticas ed CB Field et al Um Relatório Especial
dos Grupos de Trabalho I e II do Painel Intergovernamental sobre
Mudanças Climáticas pp 109–
230 Sillmann J, Kharin VV, Zhang X, Zwiers FW e Bronaugh D 2013 Índices de
extremos climáticos no conjunto multimodelo CMIP5: I.
Avaliação do modelo no clima atual J. Geophys. Res.—Atmos.
118 1716–33 Skansi MM et al 2013 Sinais
de aquecimento e umidade emergentes de uma análise de mudanças nos
índices climáticos extremos na América do SulGlob. Planeta. Mudança
100 295–307 Smith A, Lott N e Vose R 2011 O
banco de dados de superfície integrado:
RECENTES desenvolvimentos e parcerias Bull. Sou. Meteorol.
Sociedade 92
704–8 Supari, Tangang F, Juneng L e Aldrian E 2017 Mudanças observadas
na temperatura extrema e precipitação sobre a Indonésia Int.
J. Climatol. 37 1979–97
Thorne PW et al 2017 Rumo a um conjunto integrado de observações
meteorológicas de superfície para ciência do clima e
aplicações Bull. Sou. Meteorol. Sociedade 98 2689–702
Timmermans B, Wehner M, Cooley D, O'Brien T e Krishnan H 2019 Uma
avaliação da consistência de extremos em conjuntos de dados de
precipitação em grade Clim. Din. 52 6651–70 Wen Y,
Behrangi A, Chen H e Lambrigtsen B 2018 Quão bem foram os eventos de
precipitação do rio atmosférico da Califórnia no início de 2017
capturados por produtos de satélite e radares terrestres?J.
Encontro Real. Sociedade 144 344–59
Westra S, Alexander LV e Zwiers FW 2013 Tendências crescentes globais
na precipitação diária máxima anual J. Clim. 26
3904–18
WMO 2016 Política e prática da OMM para o intercâmbio de
dados e produtos meteorológicos e relacionados, incluindo
diretrizes sobre relacionamentos em atividades meteorológicas
comerciais OMM, Genebra
Zhang X, Alexander L, Hegerl GC, Jones P, Klein Tank A,
Peterson TC, Trewin B e Zwiers FW 2011 Índices para monitorar
mudanças em extremos com base na temperatura diária e dados de
precipitação WIREs Clim. Mudança 2 851–70 Zhang X e Yang
F 2004 RClimDex 1.0 manual do usuário. Climate Research Branch,
Environment Canada, Downsview, Ontário, Canadá Zwiers FW
et al 2013 Desafios
em estimar e entender mudanças recentes na frequência e intensidade de
eventos climáticos e climáticos extremos ed GR Asrar e JW Hurrell
Climate Science for Serving Society: Research, Modeling e
Prioridades de Previsão (Dordrecht, Heidelberg, Nova York, Londres:
Springer) pp 339–89