ESTIMATIVAS DE PRECIPITAÇÃO NO LESTE DE SÃO PAULO COM UM RADAR DE DUPLA POLARIZAÇÃO RESUMO

Transcrição

1 ESTIMATIVAS DE PRECIPITAÇÃO NO LESTE DE SÃO PAULO COM UM RADAR DE DUPLA POLARIZAÇÃO Kleber Lopes da Rocha Filho ; Flávio Conde 2 ; Cristiane Pires Andrioli 3 RESUMO Estimar quantitativamente a precipitação é fator determinante em diversas áreas do conhecimento. Diferentes técnicas de medição têm sido aplicadas para este fim. Entre elas destaca-se o sensoriamento remoto da atmosfera. Radares meteorológicos fornecem campos espaciais de precipitação com elevada resolução espaço-temporal, porém apresentam diversas fontes de incerteza. Radares com polarização diversificada podem minimizar o impacto de algumas destas. Foi avaliado o desempenho das estimativas horárias de precipitação sobre 3 regiões no leste de SP utilizando-se um algoritmo de dupla polarização. Para as 3 áreas de estudo, as estimativas com dupla polarização apresentou melhoras, com aumento da correlação e diminuição do erro quadrático médio quando comparado a um algoritmo que utiliza apenas refletividade. Palavras chave: Estimativas de precipitação, Dupla Polarização. RAINFALL ESTIMATION OVER WEST OF SÃO PAULO WITH A DUAL- POLARIZATION RADAR ABSTRACT Quantify properly the precipitation is an important factor in several knowledge areas. Many techniques have been used for this purpose. Among then, stands out the weather radar. Weather radars, though having high spatial-temporal representativity, show several uncertainty sources. Dual-polarization radars are capable to minimize some of these sources. The performance of a dualpolarization algorithm was evaluated. For hourly accumulation over 3 areas, dual-polarization estimations has shown a reduction in the rms errors and an increase in the correlation when compared with the conventional nonpolarimetric relation. Keywords: Quantitative Precipitation Estimation, Dual-polarization. Fundação Centro Tecnológico de Hidráulica, Av. Pedroso de Moraes 69 cj 507/508 CEP: SP/SP Tel: Fax: kleber@saisp.br 2 Fundação Centro Tecnológico de Hidráulica, Av. Pedroso de Moraes 69 cj 507/508 CEP: SP/SP Tel: Fax: conde@fcth.br 3 Fundação Centro Tecnológico de Hidráulica, Av. Pedroso de Moraes 69 cj 507/508 CEP: SP/SP Tel: Fax: cristiane@saisp.br XXI Simpósio Brasileiro de Recursos Hídricos

2 INTRODUÇÃO Simulações hidrológicas dependem da qualidade da principal forçante de modelos hidrológicos, a precipitação (Ylmaz et al., 2005). As ferramentas mais utilizadas no monitoramento da precipitação são redes de pluviômetros e sensoriamento remoto. Redes de superfície representam a intensidade da precipitação pontualmente com elevado grau de confiabilidade, porém com problemas de representação espacial da mesma (Rocha Filho, 200; Pereira Filho; Crawford, 995) além do elevado custo de instalação e difícil logística de manutenção. A utilização de radares meteorológicos para a estimativa de precipitação é de grande importância no monitoramento de eventos intensos e determinação de acumulados sobre áreas de interesse (Wang; Chandrasekar, 200). Radares, porém, apresentam diversas fontes de incerteza na estimativa da intensidade da precipitação (Rocha Filho, 200; Calvetti et al., 2003). Alguns exemplos são; problemas com espectro de gotas (Z-R), presença de banda brilhante, problemas de amostragem por gate, índice de refração da atmosfera (Austin, 987; Battan, 973; Doviak; Zrnic, 993). A melhoria nas estimativas de precipitação é uma das principais vantagens no uso de radares de polarização diversificada. Radares convencionais (polarização única) utilizam apenas o fator refletividade Z para estimativas de precipitação enquanto que os polarimétricos são capazes de medir refletividade diferencial Z DR, diferencial de fase específica K DP e coeficiente de correlação entre dois pulsos polarizados ortogonalmente φ DP. A utilização de parâmetros adicionais à refletividade promove uma melhoria significativa na qualidade das informações coletadas em um radar. É possível a distinção entre ecos de precipitação e ecos provenientes de outros alvos (terreno, insetos, pássaros, neve, granizo, etc.), minimizando, por exemplo, as incertezas do espectro de gotas nas estimativas de precipitação (Giangrande; Ryzhkov, 2008). Ryzhkov et al. (2005) cita que a refletividade diferencial Z DR é uma medida satisfatória do diâmetro médio das gotas e que deve ser levado em conta para medições mais acuradas de precipitação. Segundo Zrnic e Ryzhkov (996) a diferença de fase específica K DP é mais bem correlacionada com precipitação em comparação com a refletividade Z. Ainda, o K DP depende unicamente da fase e, portanto, não é afetado por problemas de calibração, atenuação do sinal, bloqueio parcial do feixe do radar e contaminação por granizo. Estimativas de precipitação baseadas em variáveis polarimétricas tem sido foco de diversos estudos nas últimas 3 décadas. Diferentes relações para taxas de precipitação (R) foram sugeridas XXI Simpósio Brasileiro de Recursos Hídricos 2

3 por diversos autores, as mais comuns utilizam combinações do tipo R(Z,Z DR ), R(K DP ) ou R(K DP,Z DR ) e têm demonstrado vantagens quando comparadas a relações baseadas somente em refletividade Z (Wang; Chandrasekar, 200). O Sistema de Alerta a Inundações de São Paulo (SAISP) realiza o monitoramento de precipitação, nível e descarga nos principais rios e córregos da região metropolitana de São Paulo (RMSP). Efetua a geração de alertas a partir de modelos qualitativos estatísticos (Rocha Filho et al., 20) e modelos hidrológicos. Recentemente um radar banda S não Doppler de polarização única, que operou entre os anos de 988 e 204, foi substituído por um radar banda S Doppler de dupla polarização. Existe a necessidade de verificação do desempenho das estimativas de precipitação a partir de métodos polarimétricos e avaliar as vantagens em relação a métodos utilizados anteriormente. OBJETIVO O objetivo deste trabalho é a avaliação preliminar das estimativas de precipitação a partir da utilização de variáveis polarimétricas. Serão comparadas as estimativas baseadas em refletividade e estimativas baseadas em variáveis polarimétricas com medições de pluviômetros em superfície. São consideradas as precipitações médias horárias sobre regiões pré-definidas. MATERIAIS E MÉTODOS Área de Estudo Foram selecionadas 3 sub-regiões na faixa leste do estado de São Paulo (Figura b). O critério de seleção das áreas para as comparações entre estimativas e medições foi baseado em: distância em relação ao radar e densidade de estações de superfície (Tabela ) Tabela : Características das áreas de estudo. Região Área (km²) Estações Densidade (Estações/km²) Distancia do Radar (km) Área 26,6 05 0,9 0,40 Área 2 37,64 0,29 56,72 Área 3 54,8 20 0,37 80,69 XXI Simpósio Brasileiro de Recursos Hídricos 3

4 ÁREA 3 ÁREA 2 ÁREA (a) Figura : a) A área circular mais clara indica a abrangência do Radar de São Paulo (RSP). A área destacada pelo polígono em preto indica a região de estudo. b) Detalhamento da região de estudo. Os polígonos em azul indicam as áreas selecionadas. A linha em negrito indica o município de São Paulo, as linhas em azul indicam os principais cursos d água e reservatórios da região. Os pontos indicam a rede de pluviômetros disponível. O triângulo em verde indica a posição do radar meteorológico. Radar Meteorológico de São Paulo O Radar Meteorológico de São Paulo está localizado no município de Biritiba-Mirim (São Paulo), na Barragem de Ponte Nova, cabeceira do Rio Tietê. Neste trabalho será utilizado o produto CAPPI (Constant Altitude Plain Position) no nível de 3 km acima do nível do mar para as estimativas baseadas em refletividade Z. Os campos de refletividade são transformados em taxa de precipitação R pela relação ZR de Marshall e Palmer (948) (Equação ) R ( Z ) = Z Z = 200R () Paras as estimativas de precipitação a partir de variáveis polarimétricas, será utilizado o produto DPSRI (Dual Polarization Surface Rainfall Intensity). As estimativas de precipitação R são calculadas seguindo o algoritmo proposto por Ryzhkov et al. (2005) para radares banda S (Equações 2-6): ( Z ) R R =.3 para R(Z) < 6 mm/h (2) Z DR (b) XXI Simpósio Brasileiro de Recursos Hídricos 4

5 ( K ) R DP R =.7 para 6< R(Z) < 50 mm/h (3) Z ( ) K DP DR R = R para R(Z) > 50 mm/h (4) Onde,.6. 6 R ( Z ) = Z Z = 200R (5) ( ) DP R K DP = K (6) Rede de estações de monitoramento de precipitação Para as medidas de superfície, foram utilizadas pluviômetros das redes operadas pelo SAISP. O SAISP opera atualmente 247 estações automáticas de superfície para monitoramento de precipitação, nível e vazão de rios e córregos e parâmetros meteorológicos. Os pluviômetros são do tipo automático de báscula com resolução de 0.2 mm e 0 minutos de resolução temporal. Método de comparação e extensão dos dados Foram calculados acumulados horários no período entre 24 de Janeiro de 205 e 25 de Abril de 205. No total foram analisadas 2388 varreduras. Foi calculada a precipitação média horária sobre cada uma das áreas utilizando-se os pontos de grade do radar dentro do domínio das mesmas. Para as medições de superfície, foi efetuada a precipitação média das estações pertencentes a cada área. Para a avaliação do desempenho, foram utilizados, o coeficiente de correlação (Equação 7), erro quadrático médio (Equação 8). ( R, P) ( R) var( P) cov Corr = (7) var 2 N RMSE = ( ) R i P i (8) N i= Onde: R i é a estimativa efetuada pelo radar e i indica a covariância entre as medidas de radar e pluviômetros. RESULTADOS E DISCUSSÕES 2 P é a observação no pluviômetro. A cov ( R, P) A Tabela 2 mostra os resultados estatísticos para as 3 áreas. Observa-se que para todas as áreas houve uma melhora na correlação das estimativas quando utilizados os métodos XXI Simpósio Brasileiro de Recursos Hídricos 5

6 polarimétricos. O mesmo pode ser observado no erro quadrático médio, onde para todas as áreas os acumulados baseados em polarimetria apresentaram menores erros. Nas figuras 2-4 observam-se as comparações das estimativas de precipitação com as medidas de superfície. Para a área (Figura 2) observam-se um número significativo de subestimativas para as estimativas com refletividade (Figura 2a). Quando utilizados os momentos polarimétricos, minimiza-se a freqüência das subestimativas (Figura 2b). Similarmente, o mesmo é observado para as áreas 2 e 3 (Figuras 3 e 4) onde a dispersão de pontos se aproxima do ajuste ótimo (linha contínua) se comparado as estimativas com refletividade. Ainda sim, observam-se diferenças significativas entre estimativas e observações. Ryzhkov et al. (2005) citam que os algoritmos baseados em variáveis polarimétricas são menos sensíveis a variações no espectro de gotas do que os baseados unicamente em refletividade, porém, são mais propensos a erros estatísticos nas medições de fase (polarimetria). Assim ruídos nestas medições podem ser atribuídos a desvios nas estimativas. Tabela 2: Correlação e erro quadrático médio para as 3 áreas de estudo. Região Correlação Correlação RMSE RMSE R(Z,Z DR,K DP ) R(Z) R(Z,Z DR,K DP ) R(Z) Área 0,83 0,74,00,22 Área 2 0,85 0,8,8,35 Área 3 0,90 0,78,9,64 (a) Figura 2: Gráfico de dispersão Radar-Pluviômetros para a Área ; a) Estimativas com polarização única; b) Estimativas com dupla polarização. A reta contínua indica um ajuste ótimo. (b) XXI Simpósio Brasileiro de Recursos Hídricos 6

7 (a) Figura 3: Idem à figura2, exceto para a Área 2. (b) Figura 4: Idem à figura 2, exceto para a Área 3. CONCLUSÃO Foram comparados diferentes algoritmos para a estimativa de precipitação a partir de um radar meteorológico Doppler de dupla polarização. O uso de variáveis polarimétricas apresentou melhorias nas estimativas de precipitação sobre 3 áreas estudadas. A magnitude da incerteza apresentou diminuição para os 3 casos avaliados, mas ainda é observada e deve ser levada em consideração para utilização quantitativa das estimativas por radar. XXI Simpósio Brasileiro de Recursos Hídricos 7

8 Recomenda-se a avaliação do desempenho de diferentes algoritmos que levem em consideração os momentos polarimétricos. REFERÊNCIAS BIBLIOGRÁFICAS AUSTIN, P. M. Relation between measured radar reflectivity and surface rainfall. Monthly Weather Review, v. 5, p , 987. BATTAN, L. J. Radar Observations of the Atmosphere. Chicago: The University of Chicago Press, 324p, 973. CALVETTI, L.; BENETI, C.; PEREIRA FILHO, A. J. Integração do radar meteorológico doppler do SIMEPAR e uma rede pluviométrica para a estimativa da precipitação in: Simpósio Brasileiro de Sensoriamento Remoto, 2003, Belo Horizonte. Anais do Simpósio de Brasileiro de Sensoriamento Remoto, CD-ROM DOVIAK, R. J.; ZRNIC, D. S. Doppler radar and weather observations. Dover Publications, 993. PEREIRA FILHO, A. J.; CRAWFORD, K. C. Integrating WSR-88D estimates and Oklahoma Mesonet Measurements of rainfall accumulations: a statistical approach. In: International Conference on Radar Meteorology, 27, 995, Vail, Colorado. American Meteorological Society,995, p ROCHA FILHO K. L. Modelagem hidrológica da bacia do Rio Pirajuçara com TOPMODEL, telemetria e radar meteorológico. 38 f. Dissertação (Mestrado em Meteorologia) Instituto de Astronomia, Geofísica e Ciências Atmosféricas, Universidade de São Paulo, São Paulo, 200. ROCHA FILHO, K. L.; CONDE, F.; ANDRIOLI, C, P.; BRITO, L. S. Previsão qualitativa para bacias hidrográficas com radar meteorológico. In Anais do XIX Simpósio Brasileiro de Recursos Hídricos, Maceió, Nov. 20, CDROM. RYZHKOV, A.; S.E. GIANGRANDE; T.J. SCHUUR (2005). Rainfall estimation with a polarimetric prototype of WSR-88D. Journal of Applied. Meteorology, 44, pp YILMAZ K. K.; HOGUE T. S.; HSU K.; SOROOSHIAN S.; GUPTA H. V.; WAGENER T. (2005). Intercomparison of Rain Gauge, Radar, and Satellite-Based Precipitation Estimates with Emphasis on Hydrologic Forecasting. Journal of Hydrometeorology, 6, pp WANG Y. ;V. CHANDRASEKAR (200). Quantitative Precipitation Estimation in the CASA X- band Dual-Polarization Radar Network. J. Atmos. Oceanic Technol., 27, pp ZRNIC, D.; A. RYZHKOV. (996). Advantages of rain measure-ments using specific differential phase. Journal of Atmospheric and Oceanic Technology, 3, pp GIANGRANDE, S. E. ; A. V. RYZHKOV. (2008). Estimation of rainfall based on the results of polarimetric echo classification. Journal of Applied Meteorology and Climatology, 47, pp XXI Simpósio Brasileiro de Recursos Hídricos 8