Professional Documents
Culture Documents
Revista Brasileira de
Geografia Física
ISSN:1984-2295
Homepage: https://periodicos.ufpe.br/revistas/rbgfe
1
Mestre em Meio Ambiente e Recursos Hídricos, bolsista, Universidade Federal de Itajubá, 2 Professora Doutora do Instituto de Recursos Naturais
(IRN) - Universidade Federal de Itajubá, Av. BPS, 1303, Bairro Pinheirinho, Itajubá, MG, Brasil, Autor correspondente E-mail:
cassia_dias08@hotmail.com
Introdução
A necessidade de sistematizar as análises dos Os modelos climáticos globais (GCMs) do
modelos acoplados de oceano e atmosfera de vários CMIP forneceram informações úteis aos relatórios do
centros de modelagem climática levou o World Climate Painel Intergovernamental sobre Mudanças Climáticas
Research Program (WCRP) a criar o Coupled Model (IPCC) ao longo dos anos. As projeções são realizadas
Intercomparison Project (CMIP) em setembro de 1995 por diferentes grupos de pesquisa e estão disponíveis
(Eyring et al., 2016; Carlson e outros, 2017). Em gratuitamente para todos em uma página da web. Em
seguida, o CMIP desenvolveu protocolos de seguida, os pesquisadores produzem artigos científicos
experimentação de modelos climáticos para garantir a com esses dados e o IPCC os coleta e sintetiza. Assim,
disponibilidade de saída do modelo para uma ampla é publicado nos relatórios do IPCC. O último relatório
comunidade de pesquisa (Carlson et al., 2017). publicado foi o IPCC-AR5 em 2013. Além disso, os
Atualmente, o CMIP encontra-se na sexta fase (CMIP6) resultados do CMIP foram usados como condições
e seus outputs são disponibilizados gratuitamente pela iniciais e de contorno em modelos climáticos regionais
Earth System Grid Federation (ESGF).
1282
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
(RCMs; Elguindi et al., 2014; Gutowski Jr. et al., 2016; Análise estatística
Ambrizzi et al., 2018). a) Representação espacial: O primeiro passo deste
Diferentes estudos avaliaram a confiabilidade das estudo é apresentar os mapas sazonais e anuais
simulações para o clima atual na América do Sul (Gulizia e de precipitação e temperatura do ar a 2 m para a
observação e o conjunto (média dos 46 GCMs) e
Camilloni, 2014; Tian e Dong, 2020, Vasconcellos et al.,
2020), enquanto outros se concentram nas projeções o viés espacial entre eles (eq. 1 ).
climáticas (Blázquez e Nuñez, 2013; Torres e Marengo,
2013; Llopart, Reboita e da Rocha, 2020). Em geral, eles Viés = P ÿ O (eq. 1)
mostram que os modelos representam as principais
características do clima sul-americano em termos de em que P e O são, respectivamente, o ensemble CMIP6-
precipitação e temperatura do ar. GCMs e a observação.
Um requisito básico em estudos que utilizam os Também calculamos a correlação espacial (r)
GCMs do CMIP é mencionar por que determinados (equação 2) e o viés da média sazonal do conjunto e das
observações. Os valores obtidos estão incluídos no título
modelos foram selecionados para o estudo. Nesse sentido,
o desempenho dos GCMs precisa ser avaliado antes de das figuras.
aplicá-los, como no downscaling dinâmico. Nesse contexto,
o objetivo deste estudo é identificar os GCMs do CMIP6 ÿ (=1ÿ )( ÿ )
= (eq.2)
que melhor representam o clima tropical sul-americano em ÿ (=1ÿ )2
ÿÿ (=1ÿ )2
termos de precipitação e temperatura do ar.
1283
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
ACESSO-ESM1-
192 x 145 Ziehn et ai. (2019) FGOALS-g3 180x80 Isso (2019)
5
AWI-CM-1-1-
SENHOR
384x192 Semmler et al. (2018) FIO-ESM-2-0 288x192 Song et ai. (2019)
AWI-ESM-1-1-
192 x 96 Danek et ai. (2020) GFDL-ESM4 288x180 Krasting et ai. (2018)
LR
CanESM5 128 x 64 Swart et ai. (2019) INM-CM4-8 180x120 CAS-ESM2-0 Volodin et ai. (2019a)
256x128 Danabasoglu (2019b) INM-CM5-0 180x120 Volodin et ai. (2019b)
IPSL-CM6A
CESM2 288x192 Danabasoglu (2019a) 144x143 Boucher et ai. (2018)
LR
CESM2-FV2 144x96 Danabasoglu (2019d) KACE-1-0-G 192x144 Byun et al. (2019)
CESM2- MCM-UA-1-
288x192 Danabasoglu (2019c) 96x80 Stouffer (2019)
WACCM 0
CESM2- Tatebe e Watanabe (2018)
WACCM-FV2 144x96 Danabasoglu (2019e) MIROC6 256x128
MPI-ESM-1-
CIESM 288 x 192 Huang (2019) 192 x 96 Neubauer et ai. (2019)
2-HAM
CMCC-CM2- Scoccimarro, Bellucci e MPI-ESM1- Jungclaus, Bittner e
288 x 192 384 x 192
HR4 Peano (2020) 2-HR Salsichas (2019)
CMCC-CM2- Lovato e Peano MPI-ESM1-
288 x 192 192 x 96 Wieners et ai. (2019)
SR5 (2020) 2-LR
E3SM-1-0 360x180 Bader e outros. (2019a) MRI-ESM2-0 320x160 360x180 Bader et Yukimoto e outros. (2019)
E3SM-1-1 al. (2019b) NESM3 192 x 96 Cao e Wang (2019)
E3SM-1-1-ECA 360x180 Bader et ai. (2020) NorCPM1 144 x 96 Bethke et al. (2019)
Consórcio EC-Earth NorESM2-
EC-Terra3 512 x 256 144 x 96 Seland et ai. (2019)
(2019b) LM
EC-Terra3- Consórcio EC-Earth (2020) NorESM2-
512 x 256 288 x 192 Bentsen e outros. (2019)
AirChem MILÍMETROS
Os vieses relatados também são um problema comum em Trabalhar com simulações não é uma tarefa
modelos climáticos regionais (Solman et al., 2013; Ambrizzi fácil, pois requer muito espaço em disco rígido para
et al., 2018). armazenar os dados e bons recursos para processamento
Vasconcellos e cols. (2020) avaliou a precipitação
de dados. Então, ao invés de usar todos os modelos
DJF, no período histórico (1980–
CMIP6 nos estudos para a América do Sul, podemos
2005), sobre a América do Sul tropical simulada por 5 selecionar aqueles que simulam melhor o clima. Isso
modelos CMIP5 (CCSM4, GFDL-ESM2G, GFDL ESM2M,
ajuda a economizar recursos computacionais. Desta
MIROC-ESM-CHEM e CAN-ESM2).
Assim como em nossos resultados (Figuras 2 ab), os forma, esta seção foca na avaliação e seleção dos
melhores modelos.
modelos superestimam a precipitação no nordeste do
Brasil (2-6 mm dia-1 ) e subestimam na região norte. Tian Para a precipitação (Figura 5), o viés apresenta,
e Dong (2020) compararam o desempenho do CMIP3 (24 em geral, valores menores em DJF do que em JJA. É um
modelos no período de 1850-2000), CMIP5 (25 modelos bom resultado, pois o DJF é a estação chuvosa na América
no período de 1850-2000). do Sul tropical (Reboita et al., 2018; Llopart et al., 2020).
2005) e CMIP6 (26 modelos no período de 2005-2014) na EC-Terra3, EC-Terra3-
simulação da precipitação nos trópicos. As três fases do AerChem, EC-Earth3-Veg, EC-Earth3-Veg-LR, INM-CM4-8,
CMIP mostram um padrão de viés semelhante nos trópicos INM-CM5-0, IPSL-CM6A-LR e TaiESM1 são os modelos
com os vieses mais baixos. Se considerarmos, por exemplo,
que está de acordo com as Figuras 2 ij. Os autores
destacaram que o CMIP5 diminui as estimativas de o modelo TaiESM1, ele possui um bias de 0,18 e -0,43 mm
precipitação sobre o norte do Brasil obtidas no CMIP3, dia-1 em DJF e JJA, respectivamente. Esses valores
enquanto o CMIP6 apresenta melhorias em relação ao representam um erro de 3% na climatologia DJF enquanto
CMIP5 nesta mesma região. 24% na JJA, e estão no intervalo de erro esperado pelos
modelos de precipitação (Giorgi e Mearns, 1999).
Em resumo, o conjunto de 46 CMIP6-GCMs
simula condições mais secas na Zona de Convergência do Em relação ao índice de concordância para precipitação
Atlântico Sul (Figura 1 f), que é a faixa chuvosa da (Figura 6) em cada estação, os valores máximos registrados
Amazônia ao sudeste do Brasil no DJF (Silva et al., 2019; ocorrem em MPI-ESM1-2-LR (d=0,63 em SON), NorESM2-
Pedro et al., 2020 ). MM (d= 0,61 em MAM), EC Earth3-Veg (d=0,60 em
No entanto, comparando nossos resultados dos ensembles anual), IPSL-CM6A-LR (d=0,56 em DJF), IPSL-CM6A-LR e
CMIP3 e CMIP5 mostrados por Gulizia e Camilloni (2014), EC-Earth3-
é evidente que CMIP6 diminui o viés na precipitação. Veg (0,49 em ambos em JJA).
Para temperatura do ar (Figura 7), E3SM-1-1, EC-
Para a temperatura do ar a 2 m (Figuras 3 e 4), o Earth3, EC-Earth3-AerChem, EC-Earth3-Veg, IITM-ESM e
ensemble 46 CMIP6-GCMs tem um bom desempenho na TaiESM1 mostram bias entre -0,5 e 0,5 oC . Isso indica o
representação da observação. bom desempenho dos modelos desde que tenha sido
As diferenças ocorrem na Amazônia e no norte da aceito viés de até 2 oC na temperatura do ar simulada
Argentina, onde o conjunto superestima a temperatura do (Flato et al., 2013).
ar. Dufresne et ai. (2013) analisaram o viés na climatologia Embora vários modelos tenham um pequeno
da temperatura anual perto da superfície (em relação ao viés sazonal, eles apresentam pior desempenho em termos
período 1961-1990) simulado pelo IPSL-CM4 (CMIP3) e de índice de concordância. Está associado ao fato desse
IPSL CM5A-LR, IPSL-CM5A-MR e IPSL-CM5B LR índice ser mais capaz de captar a variabilidade da série
modelos de CMIP5. Com exceção do modelo IPSL-CM4, temporal do que o viés (ver equação na metodologia). Por
que apresentou superestimação da temperatura para toda exemplo, TaiESM1 tem em DJF bias=0 e d=0,58 (Figura
a região do presente estudo, os demais modelos 7).
apresentaram padrão semelhante ao encontrado em Isso significa que a variabilidade ano a ano não está bem
nossas Figuras 4 ij. No entanto, esses modelos apresentam representada. O d máximo obtido na Figura 8
superestimativas maiores, de até 4,5 °C, no Norte e Sul do é 0,73 para o período anual em EC-Earth3-Veg.
Brasil, e subestimativas, de até 2,5 °C, no Nordeste. Este modelo também tem um bom desempenho sazonal.
Por exemplo, d=0,63 em JJA. MPI-ESM1-2-HR também
tem uma boa habilidade sendo d=0,68 em MAM e SON.
Wu e outros. (2019) avaliaram os modelos BCC CSM1.1m
(CMIP5) e BCC-CSM2-MR (CMIP6) para o período de 1986
a 2005 e também apresentaram padrão espacial e valores
semelhantes aos resultados de Dufresne et al. (2013).
Seleção de GCMs
1285
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
a) b) c) d) e)
f) g) h) eu) j)
k) eu) m) n) o)
Figura 1 Média sazonal e anual de precipitação (mm dia-1 ) para o período 1996-2014. A primeira linha é GPCP: a) DJF, b) MAM, c) JJA, d) SON ee) anual.
A segunda linha é o conjunto de 46 CMIP6-GCMs: f) DJF, g) MAM, h) JJA, i) SON e j) anual, e a terceira linha é o conjunto de 7 CMIP6-GCMs: k) DJF, l)
MAM, m) JJA, n) FILHO e o) anual.
1286
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
a) b) c) d) e)
f) g) h) eu) j)
k) eu) m) n) o)
1287
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
1288
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
1289
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
c) d)
c) d)
e) f)
e) f)
g) h)
g) h)
eu) j)
eu)
j)
1291
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
Journal of Climate Change 3, 438-454, 2014. 20200310. Federação da Grade do Sistema Terrestre.
http://dx.doi.org/10.4236/ajcc.2014.35039 https://doi.org/10.22033/ESGF/CMIP6.4700
Danabasoglu, G., 2019a. Saída do modelo NCAR CESM2 Consórcio EC-Earth (EC-Earth), 2020a. Saída do modelo
preparada para histórico CMIP6 CMIP. EC Earth-Consortium EC-Earth3-Veg-LR preparado
Versão 20190401. Federação da Grade do Sistema para histórico CMIP6 CMIP.
Terrestre. Versão 20200217. Federação da Grade do Sistema
https://doi.org/10.22033/ESGF/CMIP6.7627 Terrestre.
https://doi.org/10.22033/ESGF/CMIP6.4707
Danabasoglu, G., 2019b. NCAR CESM2-
Saída do modelo WACCM preparada para histórico Consórcio EC-Earth (EC-Earth), 2020b. Resultado do
CMIP6 CMIP. Versão 20190415. Federação da Grade modelo EC Earth-Consortium EC-Earth3-AerChem
do Sistema Terrestre. https://doi.org/10.22033/ESGF/ preparado para histórico CMIP6 CMIP.
CMIP6.10071 Versão 20200624. Federação da Grade do Sistema
Terrestre.
Danabasoglu, G., 2019c. NCAR CESM2-
https://doi.org/10.22033/ESGF/CMIP6.4701
Saída do modelo WACCM preparada para histórico
CMIP6 CMIP. Versão 20190415. Federação da Rede Elguindi, N., Giorgi, F., Turuncoglu, U., 2014.
Sistema Terrestre. Avaliação das simulações do modelo global CMIP5
https://doi.org/10.22033/ESGF/CMIP6.10071 sobre o subconjunto de domínios CORDEX usados
na Fase I do CREMA. Mudança Climática 7-21. https://
Danabasoglu, G., 2019d. Saída do modelo NCAR CESM2-
125,
doi.org/10.1007/s10584-013-0935-9
FV2 preparada para histórico CMIP6 CMIP. Versão
20191120.Earth System Grid Federation. https://
doi.org/10.22033/ESGF/CMIP6.11297 Eyring, V., Bony, S., Meehl, GA, Senior, CA, Stevens, B.,
Stouffer, RJ, Taylor, KE, 2016.
Visão geral do design experimental e organização do
Danabasoglu, G., 2019e. NCAR CESM2-
Projeto de Intercomparação de Modelo Acoplado
Saída do modelo WACCM-FV2 preparada para
histórico CMIP6 CMIP. Versão 20191120. Fase 6 (CMIP6), Desenvolvimento de Modelo
Gradehttps://doi.org/
Geocientífico 9, 1937-
Federação do Sistema Terrestre.
1958. http://dx.doi.org/10.5194/gmd-9-1937-
10.22033/ESGF/CMIP6.11298
2016
Danek, C., Shi, X., Stepanek, C., et al., 2020. Saída do
Flato, G., Marotzke, J., Abiodun, B., et al., 2013.
modelo AWI AWI-ESM1.1LR preparada para histórico
Avaliação de Modelos Climáticos. In: Mudança
CMIP6 CMIP. Versão 20200212.
Gradehttps://doi.org/
Climática 2013: A Base da Ciência Física.
Federação do Sistema Terrestre.
Contribuição do Grupo de Trabalho I para o Quinto
10.22033/ESGF/CMIP6.9328
Relatório de Avaliação do Painel Intergovernamental
Dix, M., Bi, D., Dobrohotoff, P., et al., 2019. sobre Mudanças Climáticas [Stocker, TF, D.
Saída do modelo CSIRO-ARCCSS ACCESS-CM2 Qin, G.-K. Plattner, M. Tignor, SK Allen, J.
preparada para histórico CMIP6 CMIP. Versão Boschung, A. Nauels, Y. Xia, V. Bex e PM
20191108. Federação da Grade do Sistema Terrestre. Midgley (eds.)]. Cambridge University Press,
https://doi.org/10.22033/ESGF/CMIP6.4271 Cambridge, Reino Unido e Nova York, [online]
NY, EUA. https:// Disponível:
Dufresne, JL, Foujols, MA, Denvil, S., et al., 2013.
www.ipcc.ch/report/ar5/wg1/. Acesso: 11 fev. 2021.
Projeções de mudanças climáticas usando o Modelo
do Sistema Terrestre IPSL-CM5: de CMIP3 a CMIP5.
Climate Dynamics 40, 2123-2165. https://doi.org/ Freire, J.L., de Freitas, S.R., Coelho, C.A.dos.S., 2015.
10.1007/s00382-012-1636-1 Calibração do modelo regional BRAMS para a
previsão de eventos climáticos extremos.
Consórcio EC-Earth (EC-Earth), 2019a. Resultado do
Revista Brasileira de Meteorologia 30(2), 158-
modelo EC Earth-Consortium EC-Earth3-Veg
170. http://dx.doi.org/10.1590/0102-
preparado para histórico CMIP6 CMIP.
778620140034
Versão 20200225. Federação da Grade do Sistema
Terrestre. Giorgi, F., Mearns, LO, 1999. Introdução à seção especial:
https://doi.org/10.22033/ESGF/CMIP6.4706 modelagem climática regional revisitada. Journal of
Geophysical Research 104(D6), 6335-6352. https://
Consórcio EC-Earth (EC-Earth), 2019b. Saída do modelo
doi.org/10.1029/98JD02072
EC-Earth3 do EC Earth-Consortium preparada para
histórico CMIP6 CMIP. Versão
1292
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
Gulizia, C., Camilloni, I., 2014. Análise comparativa da Lee, W.-L., Liang, H.-C., 2020. Saída do modelo AS-RCEC
capacidade de um conjunto de modelos climáticos globais TaiESM1.0 preparada para histórico CMIP6 CMIP.
CMIP3 e CMIP5 para representar a precipitação na Versão 20200623. Federação da Grade do Sistema
América do Sul. Jornal Internacional de Climatologia Terrestre. https://doi.org/10.22033/ESGF/CMIP6.9755
35(4), 583-595.
https://doi.org/10.1002/joc.4005
Li, L., 2019. Saída do modelo CAS FGOALS-g3 preparada
Gutowski Jr., WJ, Giorgi, F., Timbal, B., et al., 2016 WCRP para histórico CMIP6 CMIP. Versão 20190818. Federação
COordinated Regional Downscaling EXPperiment da Grade do Sistema Terrestre.
(CORDEX): um diagnóstico MIP para CMIP6. https://doi.org/10.22033/ESGF/CMIP6.3356
Desenvolvimento de Modelo Geocientífico 9, 4087-4095,
Llopart, M., Reboita, MS, da Rocha, RP, 2020.
Avaliação de projeções climáticas multimodelo de
https://doi.org/10.5194/gmd-9-4087-2016 recursos hídricos no domínio CORDEX da América do
Hersbach, H., Dee, D., 2016. A reanálise ERA5 está em Sul. Dinâmica Climática 54, 99-
produção. Boletim ECMWF [online] 147, 7. 116. https://doi.org/10.1007/s00382-019-
Disponível: 04990-z
https://www.ecmwf.int/en/newsletter/147/news
Lovato, T., Peano, D., 2020. CMCC CMCC-CM2-
/era5-reanálise-produção. Acesso: 11 fev. 2021.
Saída do modelo SR5 preparada para histórico CMIP6
CMIP. Versão 20200616. Federação da Grade do Sistema
Hinkle, DE, Wiersma, W., Jurs, SG, 2003. Terrestre. https://doi.org/10.22033/ESGF/CMIP6.3825
Estatística Aplicada às Ciências do Comportamento. 5ª
ed. Boston: Houghton Mifflin, 756 p.
Marrafon, V., Reboita, M.S., 2020. Características da
Huang, W., 2019. Saída do modelo THU CIESM preparada precipitação na América do Sul reveladas através de
para histórico CMIP6 CMIP. Versão 20200417. Federação índices climáticos. Revista Brasileira de Climatologia
da Grade do Sistema Terrestre. 26(16) 663.
https://doi.org/10.22033/ESGF/CMIP6.8843 http://dx.doi.org/10.5380/abclima.v26i0.7218
Huffman, GJ, Adler, RF, Morrissey, MM, Bolvin, DT, Curtis, Metsalu, T., Vilo, J. 2015. ClustVis: uma ferramenta web para
S., Joyce, R., McGavock, B., Susskind, J., 2001. visualização de agrupamento de dados multivariados
Precipitação Global em Resolução Diária de Um Grau de usando Análise de Componentes Principais e mapa de calor.
Observações Multissatélites. Jornal de Hidrometeorologia Pesquisa de ácidos nucleicos 43(W1), W566–W570.
2, 36-50. https://doi.org/10.1093/nar/gkv468
1293
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
Pedro, D.F.P., Freitas, A.C.V., Belotti, F.M., 2020. Silva, J.P.R., Reboita, M.S., Escobar, G.C.J., 2019.
A influência da Zona de Convergência do Atlântico Caracterização da Zona De Convergência do Atlântico
Sul (ZCAS) na ocorrência de deslizamentos de massa Sul em Campos Atmosféricos Recentes. Revista
em Belo Horizonte e cidades vizinhas. Revista Brasileira de Climatologia 25(15), 355-377.
Brasileira de Climatologia 17(16), 635-659.
http://dx.doi.org/10.5380/abclima.v25i0.64101
http://dx.doi.org/10.5380/abclima.v27i0.70352 Solman, SA, Sanchez, E., Samuelsson, P., et al., 2013.
Raghavan, K., Panickal, S., 2019. Saída do modelo Avaliação de um conjunto de simulações de modelos
CCCR-IITM IITM-ESM preparada para histórico climáticos regionais sobre a América do Sul
CMIP6 CMIP. Versão 20191226. Federação da Grade conduzidos pela reanálise ERA-Interim: desempenho
do Sistema Terrestre. https://doi.org/10.22033/ESGF/ do modelo e incertezas. Climate Dynamics 41,
CMIP6.3708 1139-1157.
http://dx.doi.org/10.1007/s00382-013-1667-2
Reboita, M. S. Gan, M.A., da Rocha, R.P., Ambrizzi, T.,
2010. Regimes de precipitação na América do Sul: Song, Zhenya, et al., 2019. Saída do modelo FIO-QLNM
Uma revisão bibliográfica. FIO ESM2.0 preparada para histórico CMIP6 CMIP.
Revista Brasileira de Meteorologia, 25(2), 185- Versão 20191209. Federação da Grade do Sistema
204. https://doi.org/10.1590/S0102- Terrestre. https://doi.org/10.22033/ESGF/CMIP6.9199
7786201000020000
Reboita, M.S., Dias, C.G., Dutra, L.M.M., da Rocha, R.P., Stouffer, R., 2019. Saída do modelo UA MCM-UA-1-0
Llopart, M., 2018. Previsão Climática Sazonal para o preparada para histórico CMIP6 CMIP.
Brasil Obtida Através de Modelos Climáticos Globais Versão 20191017. Federação da Grade do Sistema
e Regional. Terrestre.
Revista Brasileira de Meteorologia 33(2), 207- https://doi.org/10.22033/ESGF/CMIP6.8888
224. https://doi.org/10.1590/0102-7786332001
Swart, NC, Cole, JNS, Kharin, VV, et al., 2019. Saída do
Rong, X., 2019. Saída do modelo CAMS CAMS_CSM1.0 modelo CCCma CanESM5 preparada para histórico
preparada para histórico CMIP6 CMIP. CMIP6 CMIP. Versão 20190429. Federação da Grade
Versão 20190708. Federação da Grade do Sistema do Sistema Terrestre.
Terrestre. https://doi.org/10.22033/ESGF/CMIP6.3610
https://doi.org/10.22033/ESGF/CMIP6.9754
Tatebe, H., Watanabe, M., 2018. Saída do modelo
Santos, DF.dos., Martins, FB, Torres, RR, 2017. MIROC MIROC6 preparada para histórico CMIP6
Impactos das projeções climáticas no balanço hídrico CMIP. Versão 20181212. Federação da Grade do
e implicações na cultura da oliveira em Minas Gerais. Sistema Terrestre. https://doi.org/10.22033/ESGF/
Revista Brasileira de Engenharia Agrícola e Ambiental CMIP6.5603
21(2), 77-82.
Tian, B., Dong, X., 2020. The Double- ITCZ Bias in
http://dx.doi.org/10.1590/1807-
CMIP3, CMIP5, and CMIP6 Models Based on Annual
1929/agriambi.v21n2p77-82
Mean Precipitation. Cartas de pesquisa geofísica 47,
Scoccimarro, E., Bellucci, A., Peano, D., 2020. 1-11. https://doi.org/10.1029/2020GL087232
Saída do modelo CMCC CMCC-CM2-HR4 preparada
para histórico CMIP6 CMIP. Versão 20200904.
Torres, RR, Marengo, JA, 2013. Hotspots de mudanças
Federação da Grade do Sistema Terrestre.
climáticas na América do Sul: de conjuntos de dados
https://doi.org/10.22033/ESGF/CMIP6.3823 multimodelos CMIP3 a CMIP5. Climatologia Teórica
Seland, Ø., Bentsen, M., Oliviè, DJL, et al., 2019. e Aplicada volume 117, 579-587.
Saída do modelo NCC NorESM2-LM preparada para http://dx.doi.org/10.1007/s00704-013-1030-x
histórico CMIP6 CMIP. Versão 20190815.
Vasconcellos, FC, Deng, Y., Zhang, H., Martins, G.,
Federação do Sistema Terrestre. Grade
2020. Vieses de precipitação do verão austral sobre
https://doi.org/10.22033/ESGF/CMIP6.8036
a América do Sul tropical em cinco modelos de
Semmler, T., Danilov, S., Rackow, T., e outros, 2018. sistemas terrestres CMIP5. International Journal of
Saída do modelo AWI AWI-CM1.1MR preparada para Climatology 40, 6506-6525. http://dx.doi.org/10.1002/
histórico CMIP6 CMIP. Versão 20200511. joc.6595.
Federação da Sistema
Terra. Grade
Volodin, E., Mortikov, E., Gritsun, A., et al., 2019a. Saída
https://doi.org/10.22033/ESGF/CMIP6.2686
do modelo INM INM-CM4-8
1294
Dias., C., G., Reboita., M.,S.
Machine Translated by Google
preparado para histórico CMIP6 CMIP. Versão Yi, M., 2019. Um guia completo para mapas de calor.
20190530. Federação da Grade do Sistema Terrestre. Chartio [online]. Disponível:
https://doi.org/10.22033/ESGF/CMIP6.5069 https://chartio.com/learn/charts/heatmap
complete-guide/ .Acesso: 25 fev. 2021.
Volodin, E., Mortikov, E., Gritsun, A., et al., 2019b. Saída
do modelo INM INM-CM5-0 preparada para histórico Yu, Yongqiang, 2019. Saída do modelo CAS FGOALS-f3-
CMIP6 CMIP. Versão 20190610. Federação da Grade L preparada para histórico CMIP6 CMIP.
do Sistema Terrestre. Versão 20190927.Earth System Grid Federation.
https://doi.org/10.22033/ESGF/CMIP6.5070 https://
doi.org/10.22033/ESGF/CMIP6.3355
Wieners, K.-H., Giorgetta, M., Jungclaus, J., et al., 2019.
Saída do modelo MPI-M MPI-ESM1.2-LR preparada Yukimoto, S., Koshiro, T., Kawai, H., e outros, 2019.
para histórico CMIP6 CMIP. Versão 20190710. MRI Saída do modelo MRI-ESM2.0 preparada para
Federação da Grade do Sistema Terrestre. https:// histórico CMIP6 CMIP. Versão 20190222.
doi.org/10.22033/ESGF/CMIP6.6595 Federação da Sistema
Terra. Grade
https://doi.org/10.22033/ESGF/CMIP6.6842
Willmott, CJ, Robeson, SM, Matsuura, K., 2011. Um índice
refinado de desempenho do modelo. Zhang, J., Wu, T., Shi, X., et al., 2018. Saída do modelo
Jornal Internacional de Climatologia 32(13), 2088– BCC BCC ESM1 preparada para histórico CMIP6
2094. http://dx.doi.org/10.1002/joc.2419 CMIP. Versão 20181214. Federação da Grade do
Sistema Terrestre. https://doi.org/10.22033/ESGF/
Wu, T., Chu, M., Dong, M., et al., 2018. Saída do modelo
CMIP6.2949
BCC BCC-CSM2MR preparada para o histórico CMIP6
CMIP. Versão 20181126. Ziehn, T., Chamberlain, M., Lenton, A., et al., 2019. Saída
Gradehttps://doi.org/
Federação do Sistema Terrestre. do modelo CSIRO ACCESS-ESM1.5 preparada para
10.22033/ESGF/CMIP6.2948 histórico CMIP6 CMIP. Versão 20191115.Earth System
Grid Federation. https://doi.org/10.22033/ESGF/
Wu, T., Lu, Y., Fang, Y., et al., 2019. O Modelo do Sistema
CMIP6.4272
Climático do Centro Climático de Pequim (BCC
CSM): o principal progresso do CMIP5 para o CMIP6.
Geocientific Model Development 12(4), 1573-1600.
https://doi.org/10.5194/gmd 12-1573-2019
1295
Dias., C., G., Reboita., M.,S.