Bias correction in global climate forecasting of sea surface temperature using adaptive filters in the frequency domain

Authors

DOI:

https://doi.org/10.55761/abclima.v34i20.17005

Keywords:

Modelos climáticos, Correção de previsões, Filtragem adaptativa, Algoritmo RLS

Abstract

This article applies bias correction to sea surface temperature (SST) predictions using the Recursive Least Squares (RLS) adaptive filter method. We consider the climate predictions of SST produced by the Brazilian Earth System Model (BESM). The SST prediction is corrected using observation proxy data from ERA5 (ECMWF Reanalysis v5). The filters are applied to the prediction time series for the cell or to the frequency coefficients in a region around it obtained by means of the Discrete Cosine Transform in two dimensions (DCT-2D). Filters of different orders and different size for the region are tested. The correction methodology is tested for the one-year horizon or the seasons separately. The performance of the correction of the BESM SST prediction is evaluated using the Root Mean Squared Error and the Mean Absolute Error, comparing the proposed approach with adaptive RLS filtering in the time domain and the CMV (mean and variance adjustments) in both time and frequency domains, considering adjustments on annual and seasonal scales. In general, it was found that the proposed method presents a correction capability equivalent to that of the RLS and CMV methods in the time domain, while the adjustment via CMV in the frequency domain does not offer good results.

Downloads

Download data is not yet available.

Author Biographies

Hugo Hinostroza Farfán, Universidade do Estado do Rio de Janeiro

Hugo Hinostroza Farfán é estudante do Programa de Pós-Graduação em Engenharia Eletrônica na área de concentração: Redes de Telecomunicações, da Universidade do Estado do Rio de Janeiro (UERJ) desde 2020. No Peru desde 2008 foi parte do laboratório LABTELER (Laboratorio de Teledetección) da Faculdade de Física Matemática da Universidad Nacional San Cristóbal de Huamanga (UNSCH). Foi professor de Física no Centro Pre Universitario (CEPRE UNSCH). Obteve o título de Licenciado en Física na UNSCH em 2023. Ele estudo em vários institutos de informática e desenho. Nasceu em Ayacucho, Peru, em 1992, é apaixonado por a Ciência, Tecnologia e Programação. Para mais informações sobre sua carreira: http://lugo.pythonanywhere.com/.

Michel Pompeu Tcheou, Universidade do Estado do Rio de Janeiro

Michel Pompeu Tcheou possui graduação em Engenharia Eletrônica pela Universidade Federal do Rio de Janeiro (2002), mestrado e doutorado em Engenharia Elétrica pela Universidade Federal do Rio de Janeiro (2005 e 2011, respectivamente). Trabalhou como pesquisador do Centro de Pesquisas de Energia Elétrica (Eletrobras-Cepel) de 2006 a 2011. Atualmente, é Professor do Departamento de Eletrônica e Telecomunicações (Detel) da Universidade do Estado do Rio de Janeiro (UERJ). Tem experiência na área de Engenharia Elétrica, com ênfase em Telecomunicações, Processamento de Sinais, Compressão de Sinais e Métodos de Otimização Numérica. É membro da Sociedade Brasileira de Telecomunicações (SBrT) e do Institute of Electrical and Electronic Engineers (IEEE).

Lisandro Lovisolo, Universidade do Estado do Rio de Janeiro

Lisandro Lovisolo é professor associado ao Departamento de Engenharia Eletrônica e de Telecomunicações (DETEL) da Universidade do Estado do Rio de Janeiro (UERJ). Na UERJ desde 2003, leciona na graduação e na pós-graduação e fundou o PROSAICO (Laboratório de PROcessamento de Sinais, Aplicações Inteligentes e COmunicações - www.prosaico.uerj.br) em 2007. Obteve o doutorado em Engenharia Elétrica na Universidade Federal do Rio de Janeiro (UFRJ) em 2006, onde também fez os estudos de mestrado e a graduação em Engenharia Eletrônica. Ele nasceu em Neuquén, Argentina, em 1974, porém, sente-se brasileiro e natural do Rio de Janeiro. Sua formação é na área de processamento de sinais e seus principais interesses estão nas áreas de processamento de sinais, imagens e vídeos, sistemas e redes de comunicações e as tecnologias subjacentes e em computação e suas diversas aplicações. Ele tem pesquisado sobre compressão de sinais, detecção e reconhecimento de fenômenos empregando decomposições adaptativas de sinais e representações esparsas.

Sin Chan Chou, Instituto Nacional de Pesquisas Espaciais

Bacharel em Meteorologia pela Universidade Federal do Rio de Janeiro, mestre em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais e PhD em Meteorologia pela Universidade de Reading, Grã Bretanha. É pesquisadora titular nível III da Divisão de Modelagem Numérica do Sistema Terrestre do Instituto Nacional de Pesquisas Espaciais. Sua especialidade é Modelagem Numérica da Atmosfera,  atuando principalmente no desenvolvimento do Modelo Eta para previsão de tempo, clima e mudanças climáticas. Desenvolve pesquisa em: parametrização de nuvens cumulus profundas, avaliação de desempenho de previsões, modelagem climática regional, geração de cenários de mudanças climáticas sobre América do Sul. É docente permanente em dois programas de pós-graduação em meteorologia, no INPE e na UFRJ. Coordena projetos de pesquisa em modelagem regional e aplicações. Contribuiu como autora (lead author) do capítulo 9 do Grupo de Trabalho 1 (Working Group 1) do quinto relatório de avaliação (AR5) do Painel Intergovernamental de Mudanças Climáticas (IPCC). Contribuiu como co-coordenadora do Capítulo 8 do grupo de trabalho 1 do primeiro Relatório de Avaliação Nacional (RAN1) do Painel Brasileiro de Mudanças climáticas (PBMC) em 2011. Coordenou a geração de cenários regionalizados de mudanças climáticas no Brasil para apoiar a Terceira Comunicação Nacional a UNFCCC e projeto Brasil 2040. Participou na elaboração do Relatório sobre Impacto, vulnerabilidade e adaptação das cidades costeiras brasileiras às mudanças climáticas editado pelo PBMC em 2017. Chefiou a Divisão de Operações do CPTEC em 2001-2002. Coordenou o Programa de Pós Graduação em Meteorologia do INPE em 2020-2021. Chefiou a Divisão de Modelagem Numérica do Sistema Terrestre do INPE em 2020-2021.

Jorge Luís Gomes, Instituto Nacional de Pesquisas Espaciais

Possui graduação em Bacharelado em Meteorologia pela Universidade de São Paulo (1994), mestrado em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais (2000) e doutorado em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais (2009). Atualmente é pesquisador do Instituto Nacional de Pesquisas Espaciais. Tem experiência na área de Geociências, com ênfase em Modelagem Regional, atuando principalmente nos seguintes temas: Modelagem numérica, parametrização de convecção cúmulos, microfísica de nuvens.

Paulo Nobre, Instituto Nacional de Pesquisas Espaciais

Possui graduação em Meteorologia pela Universidade de São Paulo (1980), mestrado em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais (1984), doutorado em Meteorologia pela University of Maryland (1993) e pós-doutorado pela Columbia University (1999). Recebeu os títulos de Hídrógrafo Honorário e Amigo da Marinha, concedidos pela Marinha do Brasil. Atualmente é Bolsista de Produtividade 1D do CNPq, pesquisador do Instituto Nacional de Pesquisas Espaciais, Coordenador do desenvolvimento do Modelo Brasileiro do Sistema Terrestre - BESM; e Coordenador do Comitê Nacional do Projeto PIRATA, membro do Comitê Científico do Projeto PIRATA Internacional; membro do grupo de trabalho Save Landing Climate do programa Lighthouse Activities do Programa Mundial de Pesquisa do Clima (WCRP) - Revisor do Journal of Climate, Climate Dynamics e Nature. Tem experiência na área de Geociências, com ênfase em Meteorologia e Oceanografia, atuando principalmente nos seguintes temas: modelagem acoplada oceano-criosfera-biosfera-atmosfera; oceanografia do Atlântico Tropical; gelo marinho; previsibilidade climática sazonal e mudanças climáticas globais.

References

ÁVILA, A.M.H. de; CARDOSO, A. de O.; PINTO, H.S. Aplicação da correção estatística na previsão de tempo estendida, para três localidades da Região Sul. In: Congresso BRASILEIRO DE AGROMETEOROLOGIA, 16., 2009, Belo Horizonte. Anais [...]. Belo Horizonte: Sociedade Brasileira de Agrometeorologia, 2009.

AHMED, N.; NATARAJAN, T.; RAO, K. R. Discrete cosine transform. IEEE Transactions on Computers, v. C-23, n. 1, p. 90-93, Jan. 1974.

BEZERRA, A.C.N.; PEZZI, L.P.; KAYANO, M.T. Esquema Estatístico de Combinação e Correção de Previsões Climáticas-ECCOCLIM. Revista Brasileira de Meteorologia, v. 23, n. 4, p. 347-359, 2008.

CAPISTRANO, V. B. et al. Assessing the performance of climate change simulation results from BESM-OA2.5 compared with a CMIP5 Model Ensemble. Geoscientific Model Development, v. 13, p. 2277-2296, 2020. DOI: https://doi.org/10.5194/gmd-13-2277-2020.

CENTRO EUROPEU DE PREVISÕES METEOROLÓGICAS A MÉDIO PRAZO. Serviço de mudanças climáticas. 2022. Disponível em: <https://climate.copernicus.eu/climate-reanalysis>. Acesso em: 29 jan. 2022.

DINIZ, P. S. R. Adaptive filtering: algorithms and practical implementation. Springer, 2013.

FREITAS, A. R.; TCHEOU, M. P.; LOVISOLO, L.; CHOU, S. C. Filtragem adaptativa para a redução de desvios em séries temporais de previsão numérica climática. In: SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES E PROCESSAMENTO DE SINAIS, 28., 2015, Rio de Janeiro. Anais [...]. Rio de Janeiro: SBrT, 2015. p. 1-6.

GOODWIN, G. C. Dynamic system identification: experiment design and data analysis. Mathematics in science and engineering, v. 136. Academic press, 1977.

HAYKIN, S. Adaptive filter theory. Pearson, 2008.

HERSBACH, H., et al. The ERA5 global reanalysis. QJR Meteorol Soc, v. 146, p. 1999-2049, 2020. DOI: 10.1002/qj.3803.

JAIN, A. K. Fundamentals of digital image processing. Prentice-Hall, Inc., 1989.

NOBRE, P., et al. Climate Simulation and Change in the Brazilian Climate Model. Journal of Climate, v. 26, p. 6716-6732, 2013. DOI: 10.1175/JCLI-D-12-00580.1.

PINTO, L. F. G.; TCHEOU, M. P.; LOVISOLO, L.; CHOU, S. C. Redução de Desvios de Previsão Climática usando Filtragem Adaptativa no Domínio da Frequência. In: SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES E PROCESSAMENTO DE SINAIS, 2018, Rio de Janeiro. Anais [...]. Rio de Janeiro, 2018.

SAMPAIO, G.; DA SILVA DIAS, P. L. Evolução dos Modelos Climáticos e de Previsão de Tempo e Clima. Revista USP, São Paulo, v.103, p. 41-54, 2014.

SHUKLA, J. Predictability in the Midst of Chaos: A Scientific Basis for Climate Forecasting. Science, v. 282, p. 728-731, 1998. DOI: 10.1126/science.282.5389.728.

TAYLOR, K. E.; STOUFFER, R. J.; MEEHL, G. A. An overview of CMIP5 and the experiment design. B. Am. Meteorol. Soc., v. 93, p. 485-498, 2012. https://doi.org/10.1175/BAMS-D-11-00094.1

TCHEOU, M. P.; LOVISOLO, L.; FREITAS, A. R.; CHOU, S. C. Reducing Forecast Errors of a Regional Climate Model Using Adaptive Filters. Applied Sciences, v. 11, n. 17, p. 8001, 29 ago. 2021.

VEIGA, S. F., et al. The Brazilian Earth System Model ocean–atmosphere (BESM-OA) version 2.5: evaluation of its CMIP5 historical simulation. Geoscientific Model Development, 12(4), 2019, p. 1613-1642. https://doi.org/10.5194/gmd-12-1613-2019

YNOUE, Rita Yuri; REBOITA, M. S.; AMBRIZZI, T.; DA SILVA, G. A. M. Meteorologia: Noções básicas. São Paulo: Oficina de Textos, 2017.

Downloads

Published

12/07/2024

How to Cite

Farfán, H. H., Tcheou, M. P., Lovisolo, L., Chou, S. C., Gomes, J. L., & Nobre, P. (2024). Bias correction in global climate forecasting of sea surface temperature using adaptive filters in the frequency domain. Brazilian Journal of Climatology, 34(20), 620–642. https://doi.org/10.55761/abclima.v34i20.17005

Issue

Vol. 34 (2024)

Section

Artigos

License

A aprovação dos artigos implica a aceitação imediata e sem ônus de que a Revista Brasileira de Climatologia terá exclusividade na primeira publicação do artigo. Os autores continuarão, não obstante, a deter os direitos autorais. Os autores autorizam também que seus artigos sejam disponibilizados em todos os indexadores aos quais a revista está vinculada.

Os autores mantém seus direitos de publicação sem restrições

A Comissão Editorial não se responsabiliza pelos conceitos ou afirmações expressos nos trabalhos publicados, que são de inteira responsabilidade dos autores.

A Revista Brasileira de Climatologia oferece acesso livre imediato ao seu conteúdo, seguindo o entendimento de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização do conhecimento e tende a produzir maior impacto dos artigos publicados. Os artigos publicados na revista são disponibilizados segundo a Licença Creative Commons CC-BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/). Segundo essa licença é permitido acessar, distribuir e reutilizar os artigos para fins não comerciais desde que citados os autores e a fonte. Ao submeter artigos à Revista Brasileira de Climatologia, os autores concordam em tornar seus textos legalmente disponíveis segundo essa licença