AVALIAÇÃO DAS PREVISÕES DE TEMPERATURA E UMIDADE DO AR A 2 METROS E VE TO A 10 METROS DO MCGA/CPTEC SOBRE A AMÉRICA DO SUL

Transcrição

1 AVALIAÇÃO DAS PREVISÕES DE TEMPERATURA E UMIDADE DO AR A METROS E VE TO A METROS DO MCGA/CPTEC SOBRE A AMÉRICA DO SUL Ariane Frassoni dos Santos, Antônio Marcos Mendonça, Paulo Yoshio Kubota, Saulo Ribeiro de Freitas, José Paulo Bonatti, Maria Assunção Faus da Silva -Instituto Nacional de Pesquisas Espaciais/Centro de Previsão de Tempo e Estudos Climáticos. Rodovia Presidente Dutra, km. Fone 38-83, ariane@cptec.inpe.br RESUMO: Este trabalho tem como objetivo avaliar as previsões de temperatura e umidade específica a metros (Tm e qm, respectivamente) e vento a metros de altura (Vm), do Modelo de Circulação Geral da Atmosfera do Centro de Previsão de Tempo e Estudos Climáticos (MCGA/CPTEC) sobre a América do Sul (AS), durante o período de º a 3/7/. Estas variáveis foram recentemente introduzidas no MCGA. Foram realizadas comparações entre as previsões de Tm, qm e Vm e as respectivas variáveis encontradas no º nível sigma do modelo a fim de verificar se houve ganho em sua implementação. Foram realizados cálculos estatísticos para verificar o desempenho do modelo. Os resultados indicaram um melhor desempenho das novas variáveis sobre o globo e em uma análise localizada para a cidade de São Paulo. Por outro lado, indicou um pior desempenho na análise estatística para regiões da AS. Este fato pode estar associado à metodologia utilizada para o cálculo dos fluxos de superfície entre a interface oceano-continente. ABSTRACT: The aim of the present work was to evaluate the -meter temperature, -meter specific humidity and -meter wind (Tm and qm, respectively) of the Atmosphere Global Circulation Model from the Center for Weather Prediction and Climate Studies (AGCM/CPTEC) over the South America (SA), during st July to 3 July. Comparisons between Tm, qm and Vm forecasts were carried through and the respective variable of the AGCM/CPTEC from st sigma level in order to verify if it had increase in the implementation of the new variables. It was computed statistical index to verify the performance of the model. The results indicated better performance of the new variables over globe and in a local analysis for Sao Paulo. On the other hand, it indicated one worse performance for regions of. SA. This fact can be associated to the methodology used for the surface fluxes calculation between the interface land-ocean. Palavras-chave: temperatura a m, modelo global, previsão numérica de tempo. I TRODUÇÃO Desde a sua implementação original, o Modelo de Circulação Geral da Atmosfera do Centro de Previsão de Tempo e Estudos Climáticos (MCGA/CPTEC) vem sendo continuamente aperfeiçoado através de modificações, otimizando o seu desempenho e aperfeiçoando as previsões numéricas realizadas no CPTEC. Atualmente, as variáveis meteorológicas obtidas de medições realizadas em estações meteorológicas encontradas a uma altura de a metros são prognosticadas com a utilização do º nível sigma do modelo (aproximadamente m de altura), tornando-se inadequado comparar as informações observacionais e modeladas. Como as previsões deveriam estar próximas às condições reais, teve-se a necessidade de se implementar no MCGA as variáveis temperatura, umidade e vento a níveis mais próximos daqueles que são obtidos em estações meteorológicas convencionais ou automáticas. Como uma etapa da avaliação da introdução de novos métodos para o cálculo destas variáveis meteorológicas no MCGA/CPTEC, este trabalho tem como objetivo avaliar as previsões da temperatura e umidade específica a m de altura (Tm e qm, respectivamente) e vento a metros de altura (Vm) sobre a América do Sul (AS). DADOS E METODOLOGIA O MCGA/CPTEC foi utilizado com resolução horizontal TL8 (T representa o truncamento triangular no número de onda zonal e L8 o número de camadas verticais em coordenada sigma), o que corresponde a uma grade horizontal de X lat/lon. Como condição inicial para o MCGA, foram utilizadas as análises espectrais TL8 do ational Centers for Environmental Prediction a cada horas para o período de / a 3/7/ às UTC.

2 A implementação de Tm, qm e Vm, que são variáveis diretamente dependentes dos fluxos que ocorrem na superfície, foram obtidas do esquema de parametrização da Camada Limite Planetária (CLP) do MCGA/CPTEC. A metodologia utilizada para o cálculo destas variáveis considera a velocidade de fricção (u * ), a escala de temperatura, umidade e vento a partir da teoria de similaridade de Monin-Obukhov (M-O, Businger et al., 7; Arya, ). Uma vez obtidos os valores de u * e dos parâmetros de escala pela teoria de M-O, são calculados os fluxos de momentum e calor na CLP utilizando-se as equações de Manton e Cotton (77). A partir desta metodologia, foram geradas as previsões de Tm, qm e Vm. A fim de verificar se esta implementação apresentou ganhos com relação às variáveis já disponíveis no MCGA, que são a temperatura, umidade e vento do nível sigma do modelo (Tems, qsps e Vves, respectivamente, obtidas em uma altura de aproximadamente m acima da superfície na configuração TL8 do modelo), foi realizada a comparação entre estas variáveis. As previsões foram geradas até o prazo de 3h ( dias) com integração a cada 3 horas. A ÁLISE ESTATÍSTICA Para validar as previsões, foram utilizadas as análises do AVN, com resolução de x latitude X longitude, para o mesmo período das previsões. Foi calculado o Erro Absoluto Médio (MAE) do mês de julho de sobre o globo, com o objetivo de observar a distribuição global dos erros. O MAE é dado pela soma da magnitude dos erros para obter o ''erro total'', dividido pelo número de elementos da série utilizada, tal que j P O, em que =3 dias, P são as previsões e O as observações. A partir deste cálculo, i= fez-se a diferença dos valores absolutos de MAE das variáveis implementadas e os valores absolutos das variáveis do primeiro nível sigma, a fim de observar qual apresentou maiores erros. Também foi calculada a Raiz do Erro Quadrático Médio (RMS). Este índice foi calculado para três regiões da AS, a saber: Região Norte, Região Centro-Sul e Região Nordeste, como descrito em Chou et al (). Além disso, foi realizada uma comparação entre os dados observados de temperatura, umidade e vento obtidos da estação meteorológica de superfície do aeroporto de São Paulo e as previsões do modelo, para o mês de julho de e para o prazo de previsão de h, com o objetivo de avaliar localmente a previsibilidade do modelo. Foi realizado o cálculo do Erro Absoluto (EA) entre as previsões e a observação a fim de observar o comportamento do padrão dos erros. O EA é dado pelo valor absoluto da diferença entre a previsão P e a observação O, ou seja: EA= P-O. O EA é zero para previsões perfeitas e aumenta com o crescimento da diferença entre P e O. Os índices utilizados são melhor descritos em Wilks () e Jolliffe e Stephenson (3). RESULTADOS Na Figura, observam-se maiores valores de MAE nos campos de temperatura e vento. Nota-se que no campo da temperatura (Figura a), Tems apresenta maiores erros sobre os oceanos, enquanto que Tm apresenta mais erros sobre os continentes, principalmente entre a interface continente-oceano. Isto pode estar associado à metodologia utilizada para o cálculo dos fluxos sobre estas superfícies. A umidade (Figura b) não apresentou diferenças significativas sobre o globo, enquanto que Vm (Figura c) obteve melhor desempenho, principalmente sobre os continentes. O RMS, que salienta os erros mais grosseiros, sofre maior influência quando existem erros de maior magnitude no conjunto de previsões verificadas, mesmo que sejam poucos, do que quando ocorrem muitos erros pequenos, pois estes são elevados ao quadrado. Pode-se observar na Figura que o RMS de ambas as variáveis não apresenta valores muito elevados, exceto em alguns casos. Como era de se esperar, o RMS apresentou maiores valores na Região Centro-Sul da AS (Figuras b, f e j), visto que nesta Região o modelo é baroclínico (é onde se observam as maiores variações das condições meteorológicas devido à freqüente passagem de sistemas frontais). Os menores erros foram observados na Região Nordeste (Figuras d, h e l) seguida da Região Norte (Figuras c, g e k), já que o modelo é barotrópico (não se observam grandes variações de escala sinótica nestas Regiões, onde os processos de sub-grade são predominantes). Também era esperado que o RMS sobre toda a AS tivesse maior peso da Região Centro-Sul da AS, pois o erro desta região é maior, ressaltando os erros observados na AS. Especificamente, a Tm não apresentou melhor desempenho em nenhuma das Regiões analisadas (Figuras b, f e j). Já Qm apresentou melhor desempenho comparada a qsps somente sobre a Região Norte (Figura g). Vm apresentou melhor desempenho, tendo ganho sobre Vves nas Regiões Centro-Sul e Nordeste (Figuras j e l) e apresentando praticamente o mesmo comportamento na Região Norte (Figura k)..

3 a) b) c) Figura : Diferença entre o MAE de a) Tm e Tems (ºC), b) qm e qsps (g/kg) e c) Vm e Vves (m/s) sobre o globo. As áreas sombreadas cinza-escuro indicam que as variáveis do primeiro nível sigma apresentam maiores erros do que as novas variáveis, enquanto que as áreas sombreadas cinza-claro apresentam o inverso. a) b) c) d) e) f) Figura : Continua

4 g) h) i) j) k) l) Figura : RMS da temperatura (ºC) para a) AS; b) Região Centro Sul da AS; c) Região Norte da AS; d) Região Nordeste da AS. RMS da umidade específica (g/kg) para e) AS; f) Região Centro Sul da AS; g) Região Norte da AS; h) Região Nordeste da AS. RMS da magnitude do vento (m/s) para i) AS; j) Região Centro Sul da AS; k) Região Norte da AS; l) Região Nordeste da AS. A Figura 3 apresenta a análise localizada das variáveis para a cidade de São Paulo. A amplitude das observações, tanto de Tm, qm e Vm (Figuras 3a-c, respectivamente) é relativamente menor que a amplitude das variáveis do primeiro nível sigma (Figura 3a-c). Para o prazo de previsão analisado (h), verifica-se uma boa representação das observações por parte das variáveis implementadas, principalmente de Vm, que acompanha as variações observadas de forma melhor que Vves. Isto se torna mais evidente analisando a amplitude do EA (Figuras 3d-f). Para a temperatura, não se observa muita variação, indicando que ambas as previsões apresentaram comportamento semelhante, mas no caso do vento, Vm apresentou menores erros comparado a Vves. CO SIDERAÇÕES FI AIS Nos campos espaciais de MAE sobre o globo, pôde-se observar que de maneira geral as novas variáveis implementadas apresentaram melhor desempenho se comparadas às variáveis do primeiro nível sigma. Já o cálculo do RMS sobre a AS indicou que qm e Vm apresentaram um pequeno ganho sobre qsps e Vves, enquanto que o desempenho de Tm foi inferior a Tems. Sobre as Regiões específicas, verificou-se que em ambos locais a Tm apresentou pior desempenho, qm teve ganho sobre qsps somente na Região Centro-Sul enquanto que Vm foi superior a Vves nas Regiões Nordeste e Centro-Sul e apresentou comportamento semelhante a Vves na Região Norte. A análise das previsões de h para a cidade de São Paulo indicou que os erros das novas variáveis implementadas são menores se comparados aos erros das variáveis no primeiro nível sigma. O pior desempenho indicado pelo cálculo dos índices sobre as áreas pode estar então associada aos erros verificados na interface entre o oceano e continente. Nos campos espaciais, fica claro um erro maior de Tm nestas regiões, o que pode estar contaminando o resultado geral. Esta questão deverá ser melhor investigada futuramente.

5 Previsão X Observação - Julho 3 Temperatura Temperatura Temperatura (ºC) Previsão (NS) (ºC) M AE (NS) M AE (NV) Previsão X Observação - Julho Umidade específica (g/kg) Umidade específica Previsão (NS) (g/kg) Umidade específica M AE (NS) M AE (NV) Previsão X Observação - Julho Magnitude do vento (m/s) 8 Magnitude do Vento Previsão (NS) (m/s) 8 Magnitude do vento MAE (NS) MAE (NV) Figura 3: Previsão versus observação para: a) temperatura (ºC); b) umidade específica (g/kg): c) magnitude do vento (m/s) e EA da d) temperatura (ºC), e) umidade específica (g/kg) e f) magnitude do vento (m/s) para a cidade de São Paulo, SP. As linhas azuis indicam as previsões obtidas da nova implementação, as linhas vermelhas, as previsões obtidas no primeiro nível sigma, enquanto que as linhas cinzas representam as observações. REFERÊ CIAS BIBLIOGRÁFICAS Arya, S. P., Introduction to Micrometeorology, Academic Press,, p. Businger, J. A., Wyngaard, J. C., Izumi, Y., Bradley, E. F., Flux-profile relationships in the atmospheric surface layer. J. Atmos. Sci., v. 8, p. 8-8, 7 Chou, S. C., Tanajura, C. A., Xue, Y., Nobre, C. Validation of the coupled Eta/SSiB model over South America. J. Geo. Res., 7, D,. Jollife, I. T. e Stephenson, D. B. Forecast Verification. A Practitioner s Guide in Atmospheric Science, 3, p. Manton, M. J. e Cotton, W. R., Formulation of approximate equations for modeling moist deep convection on the mesoscale. Atmos. Sci. Paper, n, Dept. Atmos. Sci., Colorado State University, Fort Collins, CO, 77., p. -,. Wilks, D. S. Statistical Methods in the Atmospherics Sciences: An Introduction. Academic Press,, p. (International Geophysics Series, v. ).