Previsão de secas na primavera em Portugal Continental com base em indicadores climáticos de larga escala

Abstract

O sucesso de uma estratégia de mitigação dos efeitos da seca passa pela implementação de um sistema de monitorização e previsão eficaz, capaz de identificar os eventos de seca e de seguir a sua evolução espácio-temporal. Neste artigo demonstrase a eficiência de redes neuronais artificiais na previsão, para Portugal, do índice de precipitação padronizada, SPI, relativo à primavera. A validação dos modelos recorreu ao hindcasting, designando-se, por tal, a técnica através da qual um dado modelo é testado mediante a sua aplicação a períodos temporais históricos, com comparação dos resultados obtidos com as respectivas observações. O índice SPI foi calculado à escala temporal de 6 meses tendo o hindcast utilizado como indicadores climáticos a oscilação do Atlântico Norte e temperaturas da superfície do mar. O estudo evidenciou a mais valia da inclusão dos anteriores predictores externos no modelo de previsão. Elaboraram-se, ainda, mapas de probabilidade de ocorrência de seca os quais constituem importantes ferramentas no planeamento integrado e na gestão de recursos hídricos.

The success of a strategy of mitigation of the effects of the droughts requires the implementation of an effective monitoring and forecasting system, able to identify drought events and follow their spatiotemporal evolution. This article demonstrates the capability of the artificial neural networks in predicting the spring standardized precipitation index, SPI, for Portugal. The validation of the models used the hindcasting, which is a technique by which a given model is tested through its application to historical data followed by the comparison of the results thus achieved with the data. The SPI index was calculated at the timescale of six months and the climate indices used as external predictors in the hindcasting were the North Atlantic Oscillation and temperatures of the sea surface. The study showed the added value of the inclusion of previous predictors in the model. Maps of the probabilities of the drought occurrences which may be very important for integrated planning and management of water resources were also developed.