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.