1. O documento discute cenários de mudanças climáticas gerados por modelos numéricos ao longo das décadas e seus relatórios de avaliação do IPCC. 2. É apresentada a evolução dos cenários, desde projeções iniciais de dupla concentração de CO2 até os mais recentes Caminhos Representativos de Concentração. 3. O texto também descreve a hierarquia dos modelos climáticos, desde os globais até os regionais de alta resolução, e exemplo de sua aplicação para projeções sobre a América

1. Ministério da Ciência, Tecnologia e Inovação
Instituto Nacional de Pesquisas Espaciais
CENÁRIOS DE MUDANÇAS CLIMÁTICAS
Sin Chan Chou
André Lyra, Jorge Gomes, Josiane Bustamante, Gustavo Sueiro, Priscila
Tavares, Adan Silva, Gracielle Chagas, Caroline Mourão, Isabel Pilotto
chou@cptec.inpe.br
+55-12-3186-8424

2. A Primeira Projeção Climática
• Cenário: 2 X CO2
• Arrhenius quantificou em
1896 as mudanças na
temperatura (aprox. 5° C)
que deveriam ser
esperadas ao dobrar o CO2,
baseado no conceito do
efeito de ”glass bowl”
introduzido em 1824 por
Joseph Fourier

3. Cenários de mudanças climáticas em modelos numéricos
FAR – First Assessment Report (IPCC, 1990)
2 x CO2
A
B
C
D
2010
2025
2040
2050
2100
Os cenários consideram desenvolvimento econômico, mudanças
de uso de fontes de energia e crescimento demográfico.

4. Special Report on Emission Scenarios (SRES,2000)
AR4

5. Representative Concentration Pathway – RCP
AR5
Integrated
Assessment
Models –
IA Models
Land use included

6. Cadeia de Incertezas
Projeção dos Impactos das Mudanças Climáticas
Emissões
Concentrações
CO2, metano, sulfatos, etc.
Mudança Climática Global
Cenários de população,
energia, modelos econômicos
Modelos do ciclo do carbono e
química
Modelos Climáticos Globais
Temperatura, precipitação, pressão, etc.
Detalhamento Regional
Topografia, vegetação, evento extremo, etc.
Impactos
Enchentes, Secas, energia, produtividade
agricola etc.
Modelos Climáticos Regionais
Modelos de Impactos

7. Porque gerar novas simulações de mudanças climáticas?
1. Em geral, foram introduzidos melhorias nos modelos globais que acrescentaram
processos importantes para mudanças climáticas, como ciclos biogeoquímicos (“Earth
System Model”);
2. A simulação da temperatura da superfície melhorou com correlaçãp espacial de 0.99; e
da precipitação de 0.77 em AR4 para 0.82 em AR5.
3. etc

8. Projeções na América do Sul a partir de 42 modelos globais, RCP 4.5 (IPCC, 2013)
AMZ
NEB
DJF
Temperatura
25%
50%
75%
2016-2035
2046-2065
2081-2100

9. Projeções na América do Sul a partir de 42 modelos globais, RCP 4.5 (IPCC, 2013)
AMZ
NEB
JJA
Temperatura
25%
50%
75%
2016-2035
2046-2065
2081-2100

10. Projeções na América do Sul a partir de 42 modelos globais (IPCC, 2013)
AMZ
NEB
ONDJFM
Precipitação
25%
50%
75%
2016-2035
2046-2065
2081-2100

11. Projeções na América do Sul a partir de 42 modelos globais, RCP 4.5 (IPCC, 2013)
AMZ
NEB
AMJJAS
Precipitação
25%
50%
75%
2016-2035
2046-2065
2081-2100

12. Média de 42 modelos
(IPCC, 2013)

13. Avaliação do ciclo anual da precipitação período 1980-1999 de 44
modelos do AR5, ( produzida pela equipe do Modelo Eta/INPE)
TSA
12
10
TSA
PRECIP
CMIP5
CMIP3
8
6
4
2
0
J F M A M J J A S O N D
RMSE
2,00
1,80
1,60
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
J F M A M J J A S O N D
CMIP5
CMIP3
1. Ciclo anual da precipitação correlaciona melhor com as OBS em CMIP5
2. RMSE da precipitação menor em CMIP5

14. REGIONALIZAÇÃO
(‘DOWNSCALING’)
Modelo global, cenário A1B
(HadCM3 ~400kmx300km)
Modelo Regional Eta
40km, 20 km
Para os modelos globais simularem
vários séculos, e captarem as
mudanças climáticas globais,
necessitam utilizar grades de tamanhos
grandes (baixa resolução espacial).
Entretanto, para estudos de impactos,
vulnerabilidade e adaptação, é
necessário maior detalhe pois estes
estudos tem caráter local.
Os modelos atmosféricos regionais
provem o detalhamento do modelo
global (regionalização) para um
determinado período de tempo e para
uma determinada região.
14

15. 1961-1990 simulations
using Eta Model forced by HadCM3
historical 4-member runs
(Chou et al 2012, Climate Dynamics)
15

16. Eta Model
Operational characteristics
• Domains
•Most part of South America
•Southeast Brazil
•Northeast Brazil
•
Resolution:
40 km/38 layers;
•15km/50 layers;
• 5km/50 layers NH
• Grid-point model
•Arakawa E grid and Lorenz grid
• Refined Eta vertical coordi (Mesinger,
1984; Mesinger et al 2012)
•Prognostic variables: T, q, u, v, ps, TKE,
cloud water/ice, hydrometeors
•Time integration:
•2 level, split-explicit
•Adjustmet: forward-backward
•Horiz.Advection: first forward and
then centered
•Vert Advection: Piecewise Linear
Scheme
> finite volume Model
•Convection:
1. Betts-Miller-Janjic scheme,
2. Kain-Fritsch + Mom Flux,
Precip partition parameter
• Stratiform rain: 1. Zhao scheme
2. Ferrier scheme
• Turbulence: Mellor Yamada 2.5, MO
surface layer, Paulson functions
• Radiation: GFDL package
• Land surface scheme:
•NOAH scheme, 4 soil layers,
• Initial conditions
•NCEP T126L28, T213L42 analyses
• L.B.C.
• CPTEC T126L28 T213L42 GCM,
• Initial soil moisture :monthly climatology
• Initial albedo: seasonal climatology
•SST 0.25x0.25 degree lat/lon
•Changes in calculations of Ps, fluxes over
ocean, 10-m winds.
16

17. HADCM3
113x243x38
Pope et al, 2000, Gordon et al, 2000.
(Hadley Centre OAGCM )
variables: u, v, q, theta, surf press
•1960-2099
•LBC: 6/6h
•flux adjustments and sulphur cycle
included
Present climate: [all-forcing run antropogenic (greenhouse gases,
sulphates, ozone) + natural (solar and
volcanic)]
•Data domain : 106.875 W a 1.875 W e
78.75 S a 18.75 N
•Resolution: dx=3.75o and dy=2.75o
•Number of files for LBC= 44640 (31 years)
17

18. from Weather to Climate Change version
1. 360-day year calendar;
2. Equivalent CO2 concentration, update every 5 years;
3. HadCM3 Monthly Sea Surface Temperature, daily update
4. Monthly Vegetation Greeness, daily update;
5. Interface to read HadCM3, output
Veg greeness
18

19. Mudança de precipitação do
período de 2071-2099 em
relação ao período de 19611990 a partir do conjunto das
rodadas do HadCM3
Somente estes membros foram escolhidos para
alimentar o modelo Eta
Summer
© Crown copyright Met Office

20. 1961-1990 PRECIPITATION
CRU
CRU
low
low
DJF
mid
high
unprtrb
JJA
mid
high
unprtrb
CIC PLATA, Uruguai, 2013
20

21. DJF
TEMPERATURE
CRU
CRU
low
low
mid
high
unprtrb
JJA
mid
high
unprtrb
AGU, Foz do Iguaçu, 2013
CIC PLATA, Uruguai, 2010
21

22. Mean Errors
DJF
Ens Mean + Spread
DJF
JJA
DJF
JJA
JJA
precip
DJF
JJA
Temp
mean errors > spread
22

23. Projeções regionalizadas sobre o Brasil
cenário A1B 2011-2100
(Marengo et al 2012, Climate Dynamics)
23

24. A1B-Low
DJF
JJA
A1B-Medium
DJF
JJA
A1B-High
DJF
JJA
A1B-Unperturbed
DJF
2010-40
2041-70
2071-2100
CIC PLATA, Uruguai, 2013
o
C
JJA

25. A1B-Low
DJF
JJA
A1B-Medium
DJF
JJA
A1B-High
DJF
JJA
A1B-Unperturbed
DJF
JJA
2010-40
2041-70
2071-2100
CIC PLATA, Uruguai, 2013
% of change

26. Cenários futuros de clima
As projeções sugerem que as
mudanças do clima apresentam
variabilidade regional
%
Mudanças na chuva
(%) em 2071-2100
relativo a 1961-90.
Amazonia e Noreste
do Brasil
deficiencia de
chuvas
Sudeste da America
do Sulraumento
nas chuvas
Projeções até finais do Século XXI
mostram mudanças nos extremos de
chuva, com chuvas mais intensas ou
com mais áreas com seca extrema
Aumento na
freqüência de
chuvas intensas
em 2071-2100
relativo a 1961-90
Aumento no
número de
dias secos
consecutivos
em 20712100 relativo
a 1961-90
26

27. % Mudanças na chuva
de DJF relativo a 196190
Década
2010-40
8%
10%
19%
4%
+1.3 °C
418 ppm
+2.5 °C
523 ppm
+3.3 °C
638 ppm
Concentrações
de CO2
equivalente
+3.0 °C
AMZ:+4.9°C
SF: +4.1°C
PAR: +4.1°C
25%
26%
3%
AMZ:+2.0°C
SF: +1.9°C
PAR: +1.8°C
AMZ:+3.6°C
SF: +3.2°C
PAR: +3.8°C
28%
2071-2100
Mudanças na
temperatura
anual global
+1.7 °C
=
2041-70
Mudanças na
temperatura
anual no Brasil
+4.2 °C
CIC PLATA, Uruguai, 2013
Projeções geradas pelo Eta-CPTEC/HadCM3 40 km -A1B (Marengo et al 2012)

28. New scenarios
&
Eta model developments
28

29. Desenvolvimento de novas simulações de
mudanças climáticas regionalizadas (‘downscaling’)
- MCTI/PNUD
• Simulações com Modelo Eta-20km
Região: América do Sul, Central e Caribe
Período: 1960-2100
Cenários: RCP 4.5 e RCP 8.5
A partir dos modelos globais: BESM e HadGEM2-ES
• Simulação com Modelo Eta-5km, não-hidrostático
Região: Sudeste do Brasil
Período: 1960-2100
Cenários: RCP 4.5
A partir do modelo: Eta-20km
Aplicação: em estudos de megacidades, eventos extremos

30. Hierarquia dos Modelos Numéricos Atmosféricos
Globais: Acompanhamento dos padrões
de escala sinótica para todo o globo.
Regionais: Aplicação semelhante aos
modelos globais, mas com resolução
maior sobre uma área limitada de
interesse.
Mesoescala: Acrescenta detalhes aos
padrões de escala sinótica previstos no
modelo regional.
Interação entre os modelos
Global
ci
ci
cc
BESM, HadGEM
200km
TSM
Regional
Eta-20km
ci
cc
Mesoescala
Eta-5km

31. CICLO ANUAL DA PRECIPITAÇÃO (mm/dia); 40km x 20km; HadCM3
CRU
E40km
E20km
BR
N
SE
S

32. FREQUÊNCIA RELATIVA vs PRECIPITAÇÃO (mm/dia); 40km x 20km
%
Distribuição do
Eta-20km mais
próxima da
distribuição dos
dados CRU
América do Sul
%
%

33. NON-HYDROSTATIC VERSION for HIGH RESOLUTION
Projection of rainfall extremes (R10) and impacts in
the Greater São Paulo city
R10
Changes in R10 from the Eta model, relative to 196190, driven by HadCM3, A1B scenario
(Marengo)
2020-2030
2050-60
2080-90

34. Caroline Mourão, 2010
Change of land use:
Urban vegetation at 5km >>
increase of convective precipitation,
stronger land-sea breeze circulation
34

35. Eta-20km
315 x 625 x 38 pontos
1961-2100
6h/6h ou 3h/3h
RCP 4.5 e RCP 8.5
Eta-5km
4 simulações Eta-20km
para abril 2014
1 simulação Eta-5km
para maio 2014

36. Gilvan Sampaio analisou a tendencia de 9 modelos do IPCC AR5 de precip para NEB
CCSM4, CSIRO-Mk-3-6-0, GFDL-ESM2M, GISS-E2-R, HadGEM2-ES, IPSL-CM5A-LR, MIROC5, MRI-CGCM3 e NorESM1-M.
IPSL-CM5A-LR 8.5
IPSL-CM5A-LR 2.6
IPSL-CM5A-LR 4.5
MIROC5 4.5

37. (Gilvan Sampaio)
*
**
5 modelos
4 modelos
3 modelos
Realce: modelos que apresentam tendência positiva
Realce claro: modelos que apresentam *fraca* tendência positiva
Interessante notar que com aumento do nível de emissão, diminui o numero de modelos
com tendencia positiva de chuvas no NEB
IPSL- CM5A-LR tendencia positiva em todos os cenários

38. GCM que dispomos no INPE para alimentar o Eta
1.
2.
3.
4.
5.
6.
MOHC
IPSL
CCCma
CSIRO
NIES
INPE
HadGEM2-ES RCP4.5/RCP8.5
IPSL-CM5A-LR RCP4.5/RCP8.5
CanESM2
RCP4.5/RCP8.5
CSIRO-Mk3-6-0 RCP4.5/RCP8.5
MIROC5
RCP 4.5
BESM
RCP 4.5 / RCP 8.5
Avaliando o ciclo sazonal destes modelos no periodo 1980-2005, para a região tropical da
America do Sul
BIAS
MAE
RMSE
R2
MOHC HadGEM2-ES
0.64
0.64
0.69
0.9836
melhor desempenho em TSA
IPSL
IPSL-CM5A-LR
-1.19
1.19
1.37
0.9635
CCCma CanESM2
-1.88
1.88
1.90
0.9848
erros muito grandes para TSA
CSIRO
CSIRO-Mk3-6-0
-156
1.56
1.63
0.9361
erros muito grandes para TSA
NIES
MIROC5
0.58
0.94
1.08
0.9714
<<
Outros
MRI
0.80
0.80
0.90
0.9599
GFDL-ESM-EM
-1.25
1.25
1.48
0.9750
Combinando disponibilidade imediata dos dados, erro de magnitude mediano para a região
tropical da América do Sul, e a necessidade de rodar 1 membro com chuva do futuro (futuro
próximo) acima da média atual, então pode-se optar pelo MIROC5.

39. Obrigada!
chou@cptec.inpe.br
12-3186-8424
39

40. IPCC, 2013: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment
Report of the Intergovernmental Panel on Climate Change [Stocker, T. F., D. Qin, G.-K. Plattner, M. Tignor, S. K. Allen, J.
Boschung, A. Nauels, Y. Xia, V. Bex and P. M. Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom
and New York, NY, USA, in press.
Chou SC, Marengo JA, Lyra A, Sueiro G, Pesquero J, Alves LM, Kay G, Betts R, Chagas D, Gomes JL, Bustamante J,
Tavares P (2012) Downscaling of South America present climate driven by 4-member HadCM3 runs. Climate
Dynamics. Vol. 38 n. 3-4, 635-653. DOI 10.1007/s00382-011-1002-8
Marengo, J. A.; Chou, S. C; Kay G.; Alves, L.; Pesquero, J. F Soares, W.R; Santos, D.C.; Lyra, A. A.; Sueiro, G.; Betts, R.;
Chagas, D. J.; Gomes, J. L.; Bustamante, J. F.; Tavares, P. Development of regional future climate change scenarios in
South America using the Eta CPTEC/HadCM3 climate change projections: Climatology and regional analyses for the
Amazon, São Francisco and and the Parana River Basins. Climate Dynamics. Vol 38, n 9-10, 1829-1848. 2012. DOI
10.1007/s00382-011-1155-5
Mesinger F, Chou SC, Gomes JL, Jovic D, Bastos P, Bustamante JF, Lazic L, Lyra AA, Morelli S, Ristic I, Veljovic K. (2012)
An upgraded version of the Eta model. Meteorology and Atmospheric Physics. Vol 116 (3), 63-79. DOI:
10.1007/s00703-012-0182-z

42. Média de 42 modelos
(IPCC, 2013)

43. Porque gerar novas simulações regionalizadas?
1. Porque a regionalização permite maior detalhamento das simulações dos modelos globais
a partir da inclusão de informação de topografia, vegetação etc. mais detalhada;
2. Processos físicos, por exemplo nuvens, podem ser representadas mais explicitamente;
3. A maior resolução horizontal permite representar fenômenos de maior intensidade;
4. Foram introduzidas melhorias no modelo regional;