Previsão sazonal do clima de ondas utilizando tipos climáticos atmosféricos: uma abordagem de redução de escala estatística aplicada ao sudoeste do Atlântico Sul

Abstract

A previsão sazonal do clima de ondas apresenta um desafio significativo devido à complexa interação entre a circulação atmosférica de larga escala e as condições oceânicas locais. Este trabalho apresenta o desenvolvimento, calibração e aplicação de um modelo de redução de escala estatística (statistical downscaling) fundamentado em Tipos Climáticos (Weather Types - WTs) e Agrupamentos Espectrais de Ondas (Wave Spectral Clusters - WSCs) para estabelecer as relações condicionais entre padrões atmosféricos regionais e o clima de ondas local. A metodologia utiliza campos de Pressão ao Nível do Mar e seus gradientes, integrados dinamicamente através do método ESTELA para considerar o tempo de propagação da energia, combinados com informações de espectros direcionais de ondas através de Análise de Componentes Principais e agrupamento por K-Means. O modelo foi aplicado e validado para uma localização representativa no sudoeste do Atlântico Sul utilizando dados históricos de reanálise (1980â 2023). A validação por Entropia Relativa demonstrou que os métodos de redução dimensional preservam as características da interação oceano-atmosfera, apresentando baixos valores de divergência (0,044 a 0,160), com desempenho destacado nos períodos de inverno e primavera. Na análise de variabilidade interanual, o modelo foi capaz de reconstruir com precisão regimes energéticos sazonais contrastantes de anos ativos e calmos. As previsões sazonais executadas para o intervalo de 2024â 2025 confirmaram a capacidade preditiva da abordagem, resultando em Erros Quadráticos Médios entre 0,19 e 0,23 m e coeficientes de correlação superiores a 0,87 em todas as estações. Os preditores regionais de larga escala mostraram-se eficazes para antecipar a variabilidade local, confirmando a robustez do modelo estatístico desenvolvido como uma alternativa de baixo custo computacional e alta eficiência para o avanço da oceanografia operacional, serviços climáticos marinhos e gestão de riscos costeiros e offshore no Atlântico Sul.

Abstract: Seasonal prediction of wave climate presents a significant challenge due to the complex interaction between large-scale atmospheric circulation and local oceanic conditions. This study introduces the development, calibration, and application of a statistical downscaling framework based on Weather Types (WTs) and Wave Spectral Clusters (WSCs) to establish the conditional relationships between regional atmospheric patterns and local wave climate. The methodology utilizes Sea Level Pressure fields and their gradients, dynamically constrained through the ESTELA framework to account for wave energy propagation time, combined with directional wave spectral information using Principal Component Analysis and K-means clustering. The framework was applied and validated for a representative offshore location in the Southwest South Atlantic Ocean using long-term reanalysis datasets (1980â 2023). Validation using Relative Entropy demonstrated that the dimensionality reduction methods successfully preserve the variations and extremes of the oceanâ atmosphere interaction, yielding low divergence values (0.044 to 0.160), with enhanced performance during winter and spring. In the interannual variability analysis, the framework accurately reconstructed contrasting seasonal energetic regimes for active and calm years. Seasonal forecasts executed for the 2024â 2025 window confirmed the high predictive skill of the approach, yielding Root Mean Square Errors between 0.19 and 0.23 m and correlation coefficients above 0.87 across all seasons. Large-scale regional predictors proved highly effective in anticipating local variability, confirming the robustness of the developed statistical model as a computationally efficient and accurate alternative for advancing operational oceanography, marine climate services, and coastal and offshore risk management in the South Atlantic.