Application of statistical correction in extended weather forecasting in the southern region of Brazil Aplica o de correla es estatísticas nas previs es de tempo estendidas na regi o Sudeste do Brasil

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 condi es adversas do tempo, nos períodos críticos do desenvolvimento vegetativo da planta influenciam o rendimento da cultura, sendo um parametro fundamental para a previs o da safra. Um aumento na acurácea da previs o pode ser obtido ao se aplicar corre es estatísticas para remover o erro sistemático do modelo. Neste trabalho foram realizadas corre es estatísticas nas previs es de tempo por conjunto do modelo de circula o geral atmosférico (MGCA) CPTEC/COLA (Centro de Previs o de Tempo e Estudos Climáticos/Center for Ocean - Land - Atmosphere Studies), através da remo o do erro médio, para três localidades do Sul do Brasil. As previs es de precipita o obtidas pelo modelo sem corre o foram comparadas com as previs es corrigidas e ambas com os dados observados nas respectivas esta es meteorológicas. Os resultados mostraram que a corre o estatística pode melhorar o desempenho do modelo em algumas situa es, sendo que ambos os resultados do modelo corrigido e sem corre o apresentam uma alta acerácea, indicando que o modelo de previs o de tempo por conjunto pode apresentar-se como uma ferramenta auxiliar para o monitoramento das safras agrícolas.