Evaluating the performance of GCM trajectories using Weather Type frequencies for persistence and transitions: the Iberian Peninsula and Lamb classification

1. Declaração do Problema

A Península Ibérica é um ponto crítico de mudanças climáticas, altamente vulnerável a ondas de calor extremas e secas no verão, impulsionadas por padrões persistentes de circulação atmosférica em grande escala. Para projetar com fiabilidade os impactos climáticos futuros, os Modelos Climáticos Globais (GCM) devem reproduzir com precisão essas dinâmicas de circulação.

No entanto, a avaliação tradicional de GCMs foca frequentemente apenas na distribuição de frequência diária de padrões de tempo. Esta abordagem falha em capturar as dinâmicas temporais (persistência e transições dia a dia) da circulação atmosférica, que são críticas para compreender a duração e a intensidade de eventos extremos como ondas de calor. Existe uma falta de quadros objetivos e sistemáticos que avaliem os GCMs com base tanto na frequência dos tipos de tempo quanto na sua evolução condicional (transições).

2. Metodologia

Os autores propõem um novo quadro metodológico para avaliar e selecionar trajetórias de GCMs com base nos Tipos de Tempo de Lamb (WTs) (especificamente a classificação Jenkinson–Collison, que gera 27 categorias). O estudo foca nos meses de verão (junho a setembro) de 1979 a 2005 sobre a Península Ibérica (30 pontos de grelha).

Componentes Principais:

• Fontes de Dados:
  • Referência: Dados de reanálise ERA5.
  • Modelos: 36 trajetórias históricas de GCMs do CMIP6.
• Quadro Estatístico:
  • Frequência Relativa Conjunta (rf): Calcula a probabilidade de um WT específico ocorrer no dia $d$ e um WT específico no dia $d-1$.
  • Distribuição Diária: A probabilidade marginal de um WT ocorrer ($P(WT_d = i)$).
  • Distribuição Condicional (Transições): A probabilidade de um WT ocorrer no dia $d$ dado um WT específico no dia $d-1$ ($P(WT_d = i | WT_{d-1} = j)$). Isto inclui a persistência ($i=j$).
• Medidas de Semelhança:
  • O estudo compara três métricas: coeficiente de sobreposição, coeficiente de Bhattacharyya e distância de Hellinger.
  • Seleção: O coeficiente de sobreposição foi selecionado como a métrica principal porque demonstrou poder discriminatório superior e robustez contra tipos de tempo raros em comparação com as outras medidas.
• Algoritmo de Filtragem e Seleção:
  1. Filtragem Local: Uma trajetória é mantida apenas se atingir uma pontuação de Sobreposição $\ge 0,8$ ($t_{sim}$) para ambas as distribuições diária e condicional em pelo menos 10 dos 30 pontos de grelha ($k$).
  2. Classificação Regional: As trajetórias sobreviventes são classificadas usando três métricas integradas:
     • Reprodução Diária (DR): Soma das pontuações de sobreposição para frequências diárias.
     • Reprodução Condicional (CR): Soma ponderada das pontuações de sobreposição para probabilidades de transição (ponderação local e regional).
     • Reprodução de Persistência (PerR): Mede a precisão na reprodução da probabilidade de um WT persistir por dois dias consecutivos.

3. Contribuições Principais

1. Avanço Metodológico: O artigo vai além da análise estática de frequências para avaliar as dinâmicas atmosféricas de 24 horas. Introduz um quadro rigoroso para avaliar probabilidades de transição e persistência, que são frequentemente negligenciadas na seleção de GCMs.
2. Critérios de Seleção Objetivos: Estabelece um processo de filtragem que descarta modelos que falham em reproduzir quer as frequências diárias ou as dinâmicas de transição, garantindo que os modelos selecionados sejam robustos tanto nos aspetos estáticos como dinâmicos.
3. Poder Discriminatório: O estudo demonstra que as métricas condicionais (transições/persistência) são muito mais discriminativas do que as métricas de frequência diária isoladamente. Muitos modelos que passam nos controlos de frequência diária falham significativamente quando as dinâmicas de transição são avaliadas.
4. Código de Código Aberto: O código associado a este quadro é disponibilizado publicamente via GitHub, permitindo a aplicação a qualquer região globalmente.

4. Resultados

• Resultados da Filtragem:
  • Pool Inicial: 36 trajetórias do CMIP6.
  • Filtro Diário: 20 modelos foram rejeitados por não reproduzirem adequadamente as frequências diárias de WT (Sobreposição < 0,8 em >1/3 dos pontos de grelha). 16 permaneceram.
  • Filtro de Transição: 4 modelos adicionais foram rejeitados por não reproduzirem distribuições condicionais (transições/persistência).
  • Seleção Final: 12 trajetórias foram mantidas para análise adicional.
• Desempenho do Modelo:
  • Melhor Desempenho: A família EC-Earth3 superou consistentemente os outros modelos. Especificamente, a trajetória ec earth3 aerchem exibiu o melhor e mais consistente desempenho em toda a Península e em todas as métricas (DR, CR, PerR).
  • Disparidades Geográficas:
    • Nordeste: Os modelos geralmente performaram bem na reprodução de padrões de circulação.
    • Centro e Sul do Mediterrâneo: Foram observadas lacunas significativas de desempenho. Os modelos lutaram para representar com precisão as dinâmicas de circulação nestas regiões, independentemente da família.
  • Comportamentos Específicos de Modelos:
    • mpi esm 1 2 hr performou bem no Noroeste.
    • Modelos da família cnrm mostraram domínio localizado no Sudeste sob condições específicas.
    • taiesm1 e hadgem3 gc31 mm mostraram desempenho pobre em regiões específicas (Sudoeste) e foram considerados menos adequados para análises locais.
• Correlação de Métricas:
  • As pontuações de Reprodução Diária (DR) e Reprodução Condicional (CR) foram altamente correlacionadas.
  • A Reprodução de Persistência (PerR) foi encontrada como sendo largamente independente de DR e CR, fornecendo uma dimensão única e crítica para a classificação de modelos.

5. Significado e Conclusão

Este estudo estabelece que avaliar a persistência e as transições de Tipos de Tempo é uma ferramenta superior para a seleção de GCMs em comparação com a avaliação de distribuições diárias isoladamente.

• Implicação para Estudos de Impacto: Uma vez que o calor extremo e as secas na Península Ibérica são impulsionados por padrões de circulação persistentes, selecionar modelos que apenas acertam a frequência "média" mas falham em capturar a "persistência" desses padrões pode levar a uma subestimação significativa dos riscos de eventos extremos.
• Seleção de Modelos: A família EC-Earth3, particularmente a variante aerchem, é identificada como a mais fiável para estudar o clima de verão da Península Ibérica.
• Aplicação Futura: O quadro é concebido para ser agnóstico à região. Pode ser aplicado a outras regiões (por exemplo, a região de Niño) e estendido a cenários climáticos futuros, desde que os modelos passem primeiro no filtro de desempenho histórico. Isto garante que as projeções de mudanças futuras sejam baseadas em modelos que provaram ser capazes de reproduzir as dinâmicas fundamentais do clima atual.

Em resumo, o artigo fornece uma metodologia robusta, objetiva e dinâmica para filtrar modelos climáticos, enfatizando que a evolução temporal (transições) é tão crítica quanto a frequência espacial na avaliação de modelos climáticos.