AVALIAÇÃO DE DIFERENTES MÉTODOS DE ESTIMATIVA DE PRECIPITAÇÃO SOBRE A AMÉRICA DO SUL

Transcrição

1 ANEXO 20

2 INPE eprint: v AVALIAÇÃO DE DIFERENTES MÉTODOS DE ESTIMATIVA DE PRECIPITAÇÃO SOBRE A AMÉRICA DO SUL Wagner F. A. Lima 1, Eder P. Vendrasco 1 ; Daniel Vila 1,2 ; Carlos F. Angelis¹; John Janoviak 2 1 Divisão de Satélites e Sistemas Ambientais (CPTEC/INPE) Rodovia Presidente Dutra, km 39 Cachoeira Paulista São Paulo Brasil. wagner.flauber@cptec.inpe.br. 2 CICS/ESSIC-NOAA, University of Maryland College Park Computer & Space Building MD ABSTRACT - This paper evaluates different methods for estimating rainfall over South America in Winter and Summer of The estimation methods analyzed in this study are: Hidroestimator, 3B42RT, MSPPS, CMORPH, MIRS and NOGAPS. The evaluation of the algorithms was performed by comparing them with rain gauges data. The analysis showed that 3B42RT and CMORPH methodologies got better performance then the others for the studied period. Another important observation was the deficiency in estimating precipitation in the Northeastern Brazil in Winter. Palavra-Chave: Estimativa de Precipitação; Hidroestimador, 3B42RT, MSPPS, CMORPH 1. INTRODUÇÃO Na escala global, a precipitação tropical tem um papel muito importante no balanço de energia e na circulação atmosférica global (Laurent et al., 1998). Contudo, a escassez de medidas de precipitação in situ, particularmente sobre corpos d'água, dificulta o estudo adequado do papel da precipitação nos vários ramos que ela atua em escala global e regional. As informações são disponíveis somente para algumas regiões limitadas fazendo combinação de rede de pluviômetros e radar. Para grandes áreas, contudo, a infra-estruturar necessária para obter medidas in situ seria inviável nos dias atuais, tanto por questões financeiras como logística. Portanto, dados de satélite é uma importante fonte de informação das nuvens e da precipitação (Todd e Bailey, 1995). Por outro lado, a acurácia das estimativas de precipitação por satélite para altas resoluções temporais e espaciais ainda é limitada (Barret e Beaumont, 1994). Medidas contínuas, em alta resolução temporal, são possíveis somente a partir de instrumentos montados em plataformas geoestacionárias. Esta restrição limita a informação a duas bandas do espectro eletromagnético, aquelas provenientes do infravermelho (IR) e do visível (VIS). Porém, a falta de informação do VIS à noite geralmente restringe as técnicas de monitoramento de precipitação geoestacionária ao IR. Também existem estimativas de precipitação por microondas a partir de sensores em satélites de órbitas polares ou equatoriais, além de combinação entre as diferentes técnicas e pluviômetros. Diversos métodos de estimativas de precipitação por satélite têm sido desenvolvidos nos últimos anos, alguns baseados em IR, como o Hidroestimador (Vicente, 1998), outros em microondas como o MSPPS (Ferraro, 2005), alguns com combinações de IR, microondas e pluviômetros, como o CMORPH (Joyce et al., 2004) e o 3B42RT (Huffman et al., 2003), além de algoritmos como do MIRS (Boukabara et al., 2006) que utiliza parâmetros de microfísicas obtidos por satélite para estimar a precipitação. A eficácia dessas técnicas pode variar de acordo com sua finalidade e com os tipos de precipitação e região de aplicação. Sendo assim, o presente trabalho tem como objetivo avaliar diferentes métodos de estimativas de precipitação por satélite sobre a América do Sul (AS). Os métodos avaliados foram: Hidroestimador, 3B42RT, MSPPS, CMORPH, MIRS e o modelo atmosférico NOGAPS (Rosmond, 1992).

3 INPE eprint: v MATERIAL E MÉTODOS Para análise deste trabalho, foram utilizados os totais diários de precipitação da rede de PCD s e a rede pluviométrica reportadas com regularidade pelo Global Telecommunication System (GTS), e a precipitação diária provenientes de seis modelos de estimativa de precipitação (Hidroestimador, 3B42RT, CMORPH, MSPPS, MIRS e NOGAPS), disponíveis no site do Climate Prediction Center (CPC - para o verão e inverno de Os dados provenientes de pluviômetros espalhados sobre a América do Sul foram interpolados para uma grade 0,25º x 0,25º usando uma técnica objetiva descrita em Chen et al., (2008). Os dados de estimativas de precipitação foram calculados em uma grade de 0,25º de latitude e longitude sobre a AS, compatível com os dados observacionais. A avaliação considerou as estações de inverno e verão de 2009/2010, sendo a primeira estação determinada pelos os meses de junho a agosto de 2009 e a segunda definida pelos os meses dezembro/2009 a fevereiro de A escolha desses dois períodos deve-se a grande diferença nos regimes de precipitação sobre a região estudada, na qual apresenta maiores índices pluviométricos no verão, e baixos índices pluviométricos no inverno. A avaliação dos algoritmos consistiu em comparar as estimativas de precipitação com os dados medidos pelos pluviômetros, aplicando uma avaliação discreta, isto é, se existe ou não eventos de precipitação. A ocorrência de eventos de chuva em um determinado lugar e tempo segue um processo de Bernoulli e, consequentemente, a estimativa da acurácia dos eventos de chuva pode ser conduzida pela análise da tabela de contingência. Os parâmetros típicos para avaliar de forma discreta a estimativa de precipitação são: Probabilidade de Detecção (POD), Falso alarme (FAR) e a Correlação (COR). Supondo N o número total de casos e, a, b, c e d definidos para dois conjuntos de dados A (método de estimativa de precipitação) e B (pluviômetro) como abaixo: a Acerto Positivo Precipitação em A e B b Falso Alarme Precipitação somente em A c Não Detectado Precipitação somente em B d Acerto Negativo Sem precipitação Portanto, define-se: POD= a a + c ; FAR= b a + c ; COR = ( Ai A)(. Bi B ) 2 ( Ai A). ( Bi B ) 2 3. RESULTADOS Observa-se na figura 1 a distribuição espacial e a variabilidade temporal da correlação entre os diferentes métodos de estimativa de precipitação e os dados pluviométricos. A variação temporal refere-se a variabilidade diária da média espacial da correlação. De forma geral, os modelos possuem um melhor desempenho no inverno, principalmente na região sul e sudeste do Brasil e Uruguai. Os maiores valores de correlações foram observados nos modelos 3B42RT e CMORPH, em ambas as estações, com valores próximos de 0,55 (inverno) e 0,60 (verão). No período do inverno, observa-se que os modelos com menores correlações são Hidroestimador, MIRS e o MSPPS, principalmente no nordeste do Brasil. Esses modelos são muito limitados quando se trata de precipitação estratiforme já que eles têm como principal característica estimar chuvas convectivas, por exemplo, o Hidroestimador

4 INPE eprint: v utiliza o valor de temperatura de brilho de 241K como limiar para identificação de precipitação, ou seja, calcula a precipitação apenas para nuvens convectivas (topos frios). Os outros dois modelos utilizam freqüências em microondas, onde o principio do método é a interação da radiação eletromagnética com a partícula por espalhamento, ou seja, calcula a precipitação para nuvens com gelo e gotas grandes. Por outro lado, no período do verão o Hidroestimador tem uma pequena melhora na região do Nordeste do Brasil, enquanto que nos demais a melhora é mais significativa. Este fato ocorre porque na região do Nordeste, o desenvolvimento vertical das nuvens não atinge valores muito altos, são chamadas de torres quentes, com isso precipitação que cai na base da nuvem não condiz com a temperatura de brilho do topo da nuvem, principio usado pelo Hidroestimador. Figura 1 - Distribuição espacial e variabilidade temporal da correlação entre a precipitação observada e a estimada para o inverno e verão. A distribuição espacial e a variabilidade temporal da POD são mostradas na figura 2 para o inverno e verão de Observa-se nesta figura que os maiores valores de POD ocorrem na estação de verão em todos os modelos. Os maiores valores são observados no modelo NOGAPS, com valores superiores a 80%, em ambas as estações. Os valores mais baixos de POD são observados na região nordeste do Brasil no período do inverno, para todos os modelos de estimativa precipitação por satélite, com exceção do NOGAPS. Isto é devido a maior ocorrência de chuvas estratiformes nesse período. O 3B42RT e CMORPH mostraramse mais eficientes na detecção de precipitação entre os modelos de estimativa de precipitação por satélites. Por outro lado, o Hidroestimador apresentou maior deficiência. A figura 3 mostra distribuição espacial e a variabilidade temporal do FAR para o inverno e verão de Os valores de FAR indicam que os modelos de precipitação por

5 INPE eprint: v satélite apresentam resultados semelhantes entre si e mais satisfatórios do que os modelos de previsão, em ambas as estações. No entanto, possuem uma grande deficiência na região nordeste do Brasil. Assim como foi verificado nos resultados anteriores. O modelo NOGAPS apresenta alto POD e alto FAR, esse fato indica que esse modelo superestima a precipitação, ou seja, os bons valores de POD, na verdade, apenas ocorrem porque o modelo está recorrentemente colocando mais precipitação do que realmente ocorre. Figura 2 - Distribuição espacial e a variabilidade temporal da Probabilidade de detecção (POD) dos modelos de estimativa de precipitação.

6 INPE eprint: v Figura 3 - Distribuição espacial e a variabilidade temporal do Falso Alarme (FAR) dos modelos de estimativa de precipitação. 4. CONSIDERACÕES FINAIS A avaliação dos métodos de estimativa de precipitação Hidroestimador, 3B42RT, MSPPS, CMORPH, MIRS e NOGAPS sobre a América do Sul foi realizada para o inverno e verão de Os modelos 3B42RT e CMORPH mostraram-se mais eficiente do que os outros analisados, obtendo maiores POD e COR e menor FAR. Observou-se uma deficiência nas estimativas de precipitação por satélite na região do nordeste Brasil, principalmente no inverno. O NOGAPS, que é um modelo atmosférico, mostrou superestimar a ocorrência de precipitação, apresentando alto POD e FAR ao mesmo tempo. Deste trabalho conclui-se que a estimativa de precipitação por satélite, apesar de extremamente importante dada a falta de informação de pluviômetros, ainda exige grande esforço para sua melhoria e, ao utilizar as informações já existente é de extrema importância conhecer bem o local a ser empregado o método de estimativa de precipitação para utilizar aquele que melhor se adapta à região de interesse.. 5. REFERÊNCIAS BIBLOGRÁFICAS Barrett, E. C.;Beaumont, M. J.: Satellite rainfall monitoring: an overview. Rem. Sens. Rev.,11, pp , Boukabara, S. A;, F. Weng, R. Ferraro, L. Zhao, Q. Liu, B. Yan, A. Li, W. Chen, N. Sun, H. Meng, T. Kleespies, C. Kongoli, Y. Han, P. Van Delst, J. Zhao and C. Dean. Presentation at the ITSC-15 conference in Maratea, Italy, on October Ferraro R., F. Weng, N. Grody, L. Zhao, H. Meng, C. Kongoli, P. Pellegrino, S. Qiu, C. Dean: NOAA Operational Hydrological Products Derived From the Advanced Microwave Sounding Unit. IEEE, Transactions on Geosciences and Remote Sensing, 43, , Joyce J.,J. Janoviak,P. Arkin,P. Xie: CMORPH:A Method that Produces Global Precipitation Estimates from Passive Microwave and Infrared Data at High Spatial and Temporal Resolution. J.Hydrom.,5, ,2004. Huffman, G.J., R.F. Adler, E.F. Stocker, D.T. Bolvin, and E.J. Nelkin, 2003: Analysis of TRMM 3-Hourly Multi-Satellite Precipitation Estimates Computed in Both Real and Post-Real Time. Combined Preprints CD-ROM, 83rd AMS Annual Meeting, Poster P4.11 in: 12th Conf. on Sat. Meteor. and Oceanog., 9-13 February, Long Beach, CA, 6pp, 2003 Laurent, H.; Jobard, I; Toma, A.: Validation of satellite and ground-based estimates of precipitation over Sahel. Atmos. Res., 47-48, , Todd, M. C.; Bailey, J. O.; Estimates of rainfall over the UK and surrounding seas from SSM/I using polarized corrected temperature algorithm. J. Appl. Meteorol., 34, , Rosmond, T.: "The Design and Testing of NOGAPS". Weather and Forecasting, Vol. 7, No. 2, June, Vicente, G. A.: The operational GOES infrared rainfall estimation technique. Bulletin of the American Meteorological Society, 79(9), , 1998.

7 ANEXO 21

8 Proposta de Bolsa: Treinamento Técnico nível II. PROJETO CHUVA Processos de Nuvens Associados aos principais Sistemas Precipitantes no Brasil: Uma contribuição a Modelagem da Escala de Nuvens e ao GPM (Medida Global de Precipitação) Cloud processes of the main precipitation systems in Brazil: A contribution to cloud resolving modeling and to the GPM (GlobAl Precipitation Measurement) Pesquisador responsável: Luiz Augusto Toledo Machado - CPTEC/INPE Projeto Temático FAPESP / Período da Solicitação: Setembro/2011 a Agosto 2013.

9 Título: Desenvolvimento e manutenção de uma base de dados e metadados do Projeto CHUVA. Objetivo: Desenvolver um banco de dados para armazenar os dados coletados dos experimentos CHUVA e disponibilizá-los através de solicitação online da página Web do Projeto. Introdução: A facilidade de acesso à internet e a portabilidade dos diversos tipos de dispositivos eletrônicos disponíveis é muito grande. Essas facilidades nos permitem realizar algumas tarefas que antes nos custavam muito tempo e esforço como por exemplo, enfrentar gigantescas filas de banco para pagar apenas um carnê, ou até mesmo andar quilômetros para pesquisarmos preços de produtos. A idéia do sistema Web do Projeto Chuva é justamente trazer essa facilidade ao usuário final, estimulando e facilitando o acesso ao dado, evitando um acesso direto ao grande acervo de dados com complexas estruturas de diretórios. Além disso, os metadados, trazem diversas informações referentes ao dado que normalmente somente seriam obtidas através de solicitações diretas ao pesquisador responsável. O Projeto Chuva possui um portal de informações referentes ao projeto de todas as campanhas científicas que foram ou irão ocorrer nos próximos anos. Essa facilidade será disponibilizada através desta página. Metodologia: Para a montagem deste sistema de banco de dados e acesso ao dados diversas ferramentas serão necessárias. Para o gerenciamento do banco de dados relacional será utilizado o PostgreSQL que tem alto desempenho, baixo custo e fácil configuração. Essa ferramenta tem alto poder computacional e velocidade, além de permitir armazenar, pesquisar, classificar e recuperar dados de forma eficiente. o PostgreSQL É um servidor de Banco de Dados multiusuário, que utiliza o SQL como linguagem padrão de consulta e seu código fonte é aberto e disponível sob licença Open Source. Para a modelagem do sistema Web de Pedidos será utilizada a linguagem de modelagem unificada conhecida como UML (UNIFIED MODELING LANGUAGE). A UML é a linguagem padrão para especificar, visualizar, documentar e construir artefatos de um sistema e pode ser utilizada em todos os processos ao longo do ciclo de desenvolvimento e através de diferentes tecnologias de implementação (FURLAN,1998). A abordagem entidade-relacionamento, princípios da modelagem do banco de dados, deve ser composta de uma técnica de diagramação e de um conjunto de conceitos que devem ser entendidos e respeitados. (COUGO, 1997). Esses conceitos foram obtidos através de discussões e reuniões de trabalho com os pesquisadores do Projeto. A base de dados é composta por distintos tipos de dados que foram e estão sendo coletados pelo Projeto Chuva, armazená-los em uma base de dados homogênea e disponibilizá-los de forma transparente ao usuário final não é uma tarefa das mais fáceis.

10 Em específico serão utilizados as seguintes linguagens de programação: Desenvolvimento de aplicativos web nas linguagens de programação: Java; AJAX e ShellScript. Desenvolvimento de páginas web:html, CSS, Photoshop, GIMP e Flash. Frameworks: Vraptor e Hibernate. Banco de dados: PostgreSQL. PLANO DE TRABALHO: Esse trabalho será orientado e acompanhado pelo Analista de Sistema Marcos Moraes, que está modelizando o banco de dados. Na concretização do plano de trabalho o bolsista executará as seguintes atividades: Manutenção e desenvolvimento de páginas web Manutenção no portal do projeto chuva e demais páginas web; Criação de interfaces para novas páginas web. Padronização de arquivos Os arquivos em geral possuem um formato próprio e totalmente desconhecido à maioria dos usuários. Então, se fez necessário montar um processo de padronização dos mesmos. Desenvolvimento e manutenção de uma base de metadados Armazenamento das informações dos arquivos em uma base de metadados; Manutenção e cadastro dos metadados geoespaciais no perfil de metadados do Brasil (MGB). Desenvolvimento e manutenção de bancos de dados Projeto, implantação e manutenção do banco de dados relacional para o projeto chuva; Desenvolvimento do sistema de pedidos de dados online Desenvolvimento de um sistema de pedidos que possibilite ao usuário fazer download de todos os dados dos experimentos através da uma interface web; Desenvolvimento de um sistema gerenciador de conteúdo para o portal, com atualizações dinâmicas;

11 Desenvolvimento de aplicativos de intermediários para o projeto chuva; Tratamento e consistência quanto às informações populadas no banco de dados. Referências: FURLAN, J, D. Modelagem de objetos através da UML. São Paulo: Makron Books, p. COUGO, P. Modelagem Conceitual e projeto de Banco de Dados. Rio de Janeiro: Campus, p.