Abstract The use of climate models with emphasis on precipitation simulation is strategic for climate and water resources studies. The objective of this work was to evaluate the precipitation simulated by the RegCM regional climate model in the São Francisco River basin, according to the cumulus parameterization and the domain. Our evaluation, using several statistical indices and their combination, show that RegCM showed greater performance in simulating precipitation patterns when Emanuel or Tiedke parameterization was prescribed (activated). The other parameterizations evaluated, Kain-Fritsch and Grell, underestimated precipitation considerably. Emanuel stood out for the better representation of the temporal variability of precipitation, while Tiedke presented a higher correlation and lower mean errors. The Low São Francisco was the region in which RegCM showed the lower skill in simulating precipitation from May to July (rainy season), indicating the difficulty of the model in representing the moisture transport from the ocean to the continent and the occurrence of Easterly Waves disturbances. Finally, the model prescribed with a larger domain simulated better the precipitation patterns probably because it contemplates the region where the meteorological systems of larger scales act in the basin.

Resumo O uso de modelos climáticos com ênfase na simulação de precipitação é estratégico para estudos climáticos e de recursos hídricos. O objetivo deste trabalho foi avaliar a precipitação simulada pelo modelo regional climático RegCM na bacia hidrográfica do Rio São Francisco, conforme a parametrização de cúmulos e o domínio. Nossa avaliação, com uso de diversos índices estatísticos e a combinação desses, mostram que o RegCM apresentou maior destreza em simular os padrões de precipitação quando neste foi prescrito (acionado) nele a parametrização de Emanuel ou de Tiedke. As outras parametrizações avaliadas, Kain-Fritsch e a de Grell, subestimaram consideravelmente a precipitação. Emanuel se destacou pela melhor representação da variabilidade temporal da precipitação, enquanto Tiedke apresentou maior correlação e menores erros médios. O baixo São Francisco foi a região em que o RegCM apresentou a menor destreza em simular a precipitação durante maio a julho (período chuvoso), indicando a dificuldade do modelo em representar o transporte de umidade do oceano para o continente e a ocorrência dos distúrbios ondulatórios de leste. Por fim, o modelo prescrito com um domínio maior simulou melhor os padrões de precipitação provavelmente por contemplar a região de atuação dos sistemas meteorológicos de escalas maiores atuantes na bacia.

Abstract The use of climate models with emphasis on precipitation simulation is strategic for climate and water resources studies. The objective of this work was to evaluate the precipitation simulated by the RegCM regional climate model in the São Francisco River basin, according to the cumulus parameterization and the domain. Our evaluation, using several statistical indices and their combination, show that RegCM showed greater performance in simulating precipitation patterns when Emanuel or Tiedke parameterization was prescribed (activated). The other parameterizations evaluated, Kain-Fritsch and Grell, underestimated precipitation considerably. Emanuel stood out for the better representation of the temporal variability of precipitation, while Tiedke presented a higher correlation and lower mean errors. The Low São Francisco was the region in which RegCM showed the lower skill in simulating precipitation from May to July (rainy season), indicating the difficulty of the model in representing the moisture transport from the ocean to the continent and the occurrence of Easterly Waves disturbances. Finally, the model prescribed with a larger domain simulated better the precipitation patterns probably because it contemplates the region where the meteorological systems of larger scales act in the basin.

Resumo O uso de modelos climáticos com ênfase na simulação de precipitação é estratégico para estudos climáticos e de recursos hídricos. O objetivo deste trabalho foi avaliar a precipitação simulada pelo modelo regional climático RegCM na bacia hidrográfica do Rio São Francisco, conforme a parametrização de cúmulos e o domínio. Nossa avaliação, com uso de diversos índices estatísticos e a combinação desses, mostram que o RegCM apresentou maior destreza em simular os padrões de precipitação quando neste foi prescrito (acionado) nele a parametrização de Emanuel ou de Tiedke. As outras parametrizações avaliadas, Kain-Fritsch e a de Grell, subestimaram consideravelmente a precipitação. Emanuel se destacou pela melhor representação da variabilidade temporal da precipitação, enquanto Tiedke apresentou maior correlação e menores erros médios. O baixo São Francisco foi a região em que o RegCM apresentou a menor destreza em simular a precipitação durante maio a julho (período chuvoso), indicando a dificuldade do modelo em representar o transporte de umidade do oceano para o continente e a ocorrência dos distúrbios ondulatórios de leste. Por fim, o modelo prescrito com um domínio maior simulou melhor os padrões de precipitação provavelmente por contemplar a região de atuação dos sistemas meteorológicos de escalas maiores atuantes na bacia.

Resumo O cultivo de milho em regime de sequeiro no estado de Alagoas é determinado pela variabilidade climática, especialmente sob as recorrentes secas que influenciam a recarga dos recursos hídricos em toda a região Nordeste do Brasil. Uma das formas de minimizar o risco de perdas é estabelecer uma janela climática ótima para o plantio. Nessa pesquisa utilizou-se um modelo agrometeorológico de penalização por déficit hídrico para simular a produtividade em todos os municípios de Alagoas no período de 1980 a 2015. A alta correlação entre simulações e observações, e o erro médio absoluto baixo para estações de referência validaram o modelo. Há diferentes janelas favoráveis ao plantio, mais curta no sertão durante o mês de abril, entre o terceiro decêndio de março e o terceiro decêndio de maio no agreste, e entre o primeiro decêndio de março e o segundo decêndio de junho no leste alagoano. Em média, as perdas relativas de produtividade no sertão são de 45%, no agreste de 40% a 45%, e em torno de 20% no leste. Estes resultados podem auxiliar o Zoneamento Agrícola de Risco Climático de Culturas do Ministério da Agricultura, Pecuária e Abastecimento, a estabelecer um calendário mais criterioso para a semeadura do milho no estado de Alagoas.

The cultivation of corn under a rainfed regime along the state of Alagoas is deeply influenced by climate variability, especially when considering the recurring droughts affecting the entire Northeast region of Brazil. One way of minimizing the risk of losses is establishing a climate window that is optimal for the sowing time. This study resorted to an agrometeorological model of damages by water deficit to simulate the productivity in every municipality of Alagoas from 1980 to 2015. The high correlation between simulations and observations, and the low absolute mean error for reference stations validated the model. There are different windows favourable to planting, shorter in the hinterland during the month of April, between the third ten days of March and the third ten days of May in the wild, and between the first ten days of March and the second ten days of June in eastern Alagoas. On average, relative productivity losses are about 45% in “Sertão”, 40-45% in “Agreste”, and around 20% in the coast. Such results can aid the Brazilian Ministry of Agriculture, Livestock, and Supply, in the elaboration of its Agricultural Climate Risk Zoning of Crops, potentially resulting in a more considerate calendar for corn sowing in Alagoas.

Resumo O objetivo geral desse estudo foi analisar as características físicas dos Complexos Convectivos de Mesoescala (CCM) na região Nordeste do Brasil entre os anos de 2008 e 2017. Para criar uma previsão do tempo a curto prazo, é necessário entender e detalhar esses sistemas, pois os CCM costumam causar fenômenos adversos, levando a perdas socioeconômicas para toda a sociedade. A identificação e escolha dos casos, assim como todos os cálculos de suas características físicas, foram realizadas com o auxílio de um algoritmo de análise e detecção automática de CCM, tomando como base as normas propostas por Maddox. Imagens do satélite METEOSAT no canal infravermelho realçado foram utilizadas como fonte de processamento do algoritmo. Foram identificados 65 sistemas, que ocorreram especialmente nas estações de outono e verão. Os CCM começaram a se desenvolver entre o final da noite e início da madrugada (entre 00 e 03 UTC). Houve um intervalo de aproximadamente quatro horas entre a gênese e o desenvolvimento máximo, quando atingem sua área de extensão máxima. A área de cobertura média destes CCM foi de aproximadamente 120.000 km2, havendo registro de um caso com área total em torno de 427.926 km2.

Abstract The main purpose of this study was to analyze the Mesoscale Convective Complexes (MCC) physical characteristics over the Northeastern Brazil between 2008 to 2017. To create a short-term weather forecast, understanding and detailing of these systems is necessary. This is of great importance for the population, since MCC often cause adverse phenomena leading to socio-economic losses for the whole society. The MCC identification and all calculations of their physical characteristics were performed with the aid of an MCC automatic analysis and detection algorithm, based on the standards proposed by Maddox. METEOSAT satellites Infrared enhanced images were used for the processing algorithm. Sixty-five MCCs occurred mainly in the autumn and summer seasons were identified. MCC development started between late evening and early morning (between 00-03 UTC). An interval of approximately four hours was observed between genesis and maximum development, when MCC reach maximum extension area. The average coverage area of these MCCs was 120,000 km2, the largest of the reported cases had a total area of about 427,926 km2.

Resumo O objetivo deste trabalho é avaliar as previsões climáticas regionais de precipitação sobre o Brasil durante a estação do inverno de 2018 através do modelo RegCM4.7 com diferentes inicializações, tanto espacial como em 5 áreas específicas. Para realizar alertas de possíveis anomalias abaixo/acima da normal climatológica, é necessário verificar a habilidade destes modelos em prever de forma antecipada a precipitação. O modelo RegCM4.7 foi conduzido com dados do modelo Global Climate Forecast System Version 2. As destrezas das previsões foram avaliadas de forma qualitativa e quantitativa, comparando resultados com os dados do Climate Prediction Center (CPC). Os resultados mostraram que o RegCM4.7 conseguiu prever de forma coerente a precipitação com alguns meses de antecedência para o trimestre junho, julho e agosto (JJA), com menores erros sobre as regiões Nordeste e Sudeste do Brasil, onde maiores erros foram identificados sobre os subdomínios AMZ e SUL. Observou-se que as correlações das previsões foram inferiores a 0,8 durante todos os experimentos e subdomínios, exceto para região do Nordeste que apresentou os maiores valores de correlação. De maneira geral, destaca-se que o modelo foi hábil em prever a distribuição espacial de precipitação com antecedência sobre todo domínio, porém com tendência de subestimar o observado.

Abstract The main objective of this study was to evaluate the regional climate forecasts of precipitation over Brazil during the winter season of 2018 through the RegCM4.7 model. It was used with different initializations, both spatial and in five specific areas. To emit alerts of possible below/above climate normal anomalies is necessary the verification these model abilities in predicting precipitation. The RegCM4.7 model was used with Global Climate Forecast System Version 2 global model data. The forecast quality was evaluated qualitatively and quantitatively, comparing its results with Climate Prediction Center (CPC) analysis data. The RegCM4.7 model was able to predict precipitation consistently a few months in advance for the june, july and august quarter (JJA), with minor mistakes over the northeastern and southeastern Brazil. However, the biggest errors were identified over the northern and southern regions. Prediction correlations were less than 0.8 during every experiments and subdomains, except for the Northeast region that presented the highest correlation values. In general, it stands out that RegCM4.7 was able to predict the spatial distribution of precipitation in advance over every domain, but with a tendency to underestimate what was observed.