Application of statistical correction in extended weather forecasting in the southern region of Brazil

Adverse weather conditions in critical periods of vegetative plant growth affect crop productivity, being a fundamental parameter for yield forecast. An increase in weather forecasting accuracy may be obtained by applying statistical correction to remove model bias. This study used statistical correction of ensemble forecasting with the atmospheric general circulation model (Center for Weather Forecasting and Climate Studies/Center for Ocean - Land - Atmosphere Studies - CPTEC/COLA) by mean error removal for three cities in the South of Brazil. Comparisons were made between corrected and original precipitation forecasts, and between these and data observed at their respective meteorological stations. Results showed that the applied statistical correction method may improve forecasting performance in some situations and that the term of forecast present high accuracy, indicating the importance of ensemble forecasting as an auxiliary tool in agricultural crop monitoring. As condições adversas do tempo, nos períodos críticos do desenvolvimento vegetativo da planta influenciam o rendimento da cultura, sendo um parâmetro fundamental para a previsão da safra. Um aumento na acurácea da previsão pode ser obtido ao se aplicar correções estatísticas para remover o erro sistemático do modelo. Neste trabalho foram realizadas correções estatísticas nas previsões de tempo por conjunto do modelo de circulação geral atmosférico (MGCA) CPTEC/COLA (Centro de Previsão de Tempo e Estudos Climáticos/Center for Ocean - Land - Atmosphere Studies), através da remoção do erro médio, para três localidades do Sul do Brasil. As previsões de precipitação obtidas pelo modelo sem correção foram comparadas com as previsões corrigidas e ambas com os dados observados nas respectivas estações meteorológicas. Os resultados mostraram que a correção estatística pode melhorar o desempenho do modelo em algumas situações, sendo que ambos os resultados do modelo corrigido e sem correção apresentam uma alta acerácea, indicando que o modelo de previsão de tempo por conjunto pode apresentar-se como uma ferramenta auxiliar para o monitoramento das safras agrícolas.