Decadal precipitation (PPT) anomalies are related to water reservoirs, affect biota, and may interfere with higher frequency events such as floods and drought. Rainfall in the tropics is mostly associated with the Intertropical Convergence Zone (ITCZ), which in turn has its decadal displacements and anomalies controlled by Oceanic modes of variability. Populations from Northeast Brazil (NE) and West Africa (WAF), two regions adjacent to the Atlantic Ocean, have mainly agricultural economies dependent on ITCZ shifts and, consequently, on the Atlantic decadal variability cycle. Using Self Organizing Maps (SOM) non supervised neural networks, the tropical Atlantic region climate was analyzed and its sea surface temperature (SST) and PPT decadal variability was studied using: satellite observational data from 1979-2015; Reanalysis HadISST product from 1870-2019; and, finally, EC-Earth, CESM and GISS numerical climate models from Pre-industrial (PI) runs and different scenarios with mid-Holocene (MH) insolation and vegetation representing the Green-Sahara (GS) period. The SOM has successfully reduced the dimensionality of climate data. The Atlantic Ocean SST, pressure and wind anomalies are entangled at decadal scales. Together, they control the decadal PPT anomaly anti-correlation between NE and WAF regions, depicted by the standard precipitation index series from 1979 to 2015. The 1870-2019 HadISST reanalysis dataset has shown a 40 to 50 years periodicity, representing the full Atlantic decadal SST anomaly cycle in the 20th century. With the numerical model simulations from PI, MH and GS, SST anomaly structures that closely resemble the observational data cycles appeared at decadal scales. Using Shannon's Entropy as an analogue of the model runs' decadal variability, the EC-Earth PPT variability showed a dependency in dust emission (GS with dust reduction had the lowest entropy of all), while the SST variability in this model seems to be affected more by the presence of vegetation in the Sahara (GS and GS with dust reduction shown lower entropy than the PI and the MH runs). The GISS model presented the lowest SST variability change between different scenarios and the CESM model point to a large PPT internal variability, with identical scenarios showing divergent entropies (GS full vegetation runs 1 and 2). Therefore, large ensembles are necessary if we want to attribute the uncertainties of internal variability from the models' entropies and achieve more robust results.

Anomalias de precipitação (PPT) na escala decadal interferem nos níveis de reservatórios, na fauna e na vegetação, além disso, elas podem influenciar eventos de alta frequência, como secas e alagamentos. A chuva nos trópicos é associada à Zona de convergência Intertropical (ZCIT), que por sua vez tem suas anomalias decadais controladas pelos modos oceânicos de variabilidade. As populações do Nordeste do Brasil (NE) e da África Ocidental (AO), duas regiões adjacentes ao Oceano Atlântico, tem economias agrárias altamente dependentes de mudanças na posição da ZCIT e, portanto, do ciclo de variabilidade decadal do Oceano Atlântico. Usando as redes neurais não supervisionadas Self Organizing Maps (SOM), o clima da região do Atlântico tropical foi analisada; e a variabilidade decadal de suas anomalias de temperatura de superfície de oceano (TSO) e PPT foi estudada usando: dados observacionais de satélite de 1979-2015; dados da reanálise HadISST de 1870-2019; e, finalmente, os modelos climáticos do EC-Earth, CESM e GISS com rodadas Pré-industriais e diferentes tipos de cenários com parâmetros de insolação do Holoceno-médio (HM) e de vegetação representado o período do Green-Sahara (GS). O SOM foi bem sucedido na redução dimensional dos dados climáticos. As anomalias de TSO, pressão e ventos são intrinsecamente conectadas em escalas decadais. Juntas, elas controlam a anticorrelação decadal de precipitação entre o NE e a AO, encontradas nas séries de Standard Precipitation Index decadais dessas regiões de 1979-2015. O HadISST dataset de 1870-2019 mostrou uma periodicidade de 40 a 50 anos na qual a TSO do oceano Atlântico oscilou durante o século vinte. Ao usar a mesma metodologia com as simulações dos modelos numéricos dos períodos do PI, HM e GS, emergiram padrões de TSO em escalas decadais que se assemelham aos ciclos encontrados nos dados observacionais. Usando a entropia de Shannon como medida de variabilidade das rodadas dos modelos, a variabilidade de PPT no modelo EC-Earth apresentou dependência apenas na forçante de emissão de partículas (rodada de GS com redução de poeira teve a menor entropia dentre os cenários), enquanto a variabilidade de TSO nesse modelo parece ter sido mais influenciada pela presença de vegetação no Sahara (rodadas do GS e GS com redução de poeira tiveram menor entropia). O modelo GISS mostrou a menor mudança de variabilidade de TSO entre diferentes cenários e os modelos CESM indicaram grande variabilidade interna de PPT com cenários iguais apresentando valores divergentes de entropia (GS com full vegetation, rodadas 1 e 2). Portanto, a utilização de large ensembles se vê necessária para atribuir incertezas da variabilidade interna dos modelos à entropia e aumentar a robustez dos achados.