Avaliação dos Modelos de Previsão de Tempo utilizados na CLIMATEMPO baseado no dia de antecedência da Previsão

Transcrição

1 Avaliação dos Modelos de Previsão de Tempo utilizados na CLIMATEMPO baseado no dia de antecedência da Previsão Sandra Isay Saad¹, Ronaldo Palmeira, Gilca Palma CLIMATEMPO, São Paulo-SP, ¹ ABSTRACT: The Brazilian meteorology institute CLIMATEMPO uses more than a numerical prediction model for the weather bulletins, so that it became necessary to evaluate and to quantify the models errors. The models in use are MM5, WRF and the control run of the Global Forecast System (called in the institution as MRF). MM5 and WRF models are run daily in the institution, with the latter being tested, and MRF is a global model uploaded from NOAA. The models output from the first 24 hours, the second 24 hours, and the seventh 24 hours were compared to TRMM precipitation and to some INMET temperature and precipitation station data. Results show that WRF still needs some adjustments in the parameters used, and that MM5 and MRF presented a good performance despite some problems. The former presents a systematic bias of more than +2 C for the northern regions of Brazil for the forecast of more than 24 hrs, and some not real extreme values of precipitation. Notwithstanding, the latter is problematic for some cities in the coast and with high declivity in the topography, naturally due to the low spatial resolution of the global model. Palavras-chave: Avaliação de Modelo, previsão numérica do tempo, modelos meteorológicos 1 INTRODUÇÃO Os modelos meteorológicos globais e regionais são hoje as ferramentas mais importantes para a previsão do tempo em todo mundo. Historicamente os modelos globais representam bem a circulação geral da atmosfera e tem boa acurácea na representação de sistemas de larga escala, embora possuam limitações na representação de fenômenos de meso e microescala. Nestas escalas o uso de modelos regionais (ou modelos de área limitada) tem conseguido melhorar a representação em relação aos modelos globais, pois as simulações em área limitada permitem a utilização de uma melhor resolução e consequentemente uma representação mais realística dos processos de turbulência, convecção, microfísica e das condições de contorno, como a topografia, linha de costa, cobertura de solo, vegetação, entre outros. Desde 1992 a CLIMATEMPO utiliza como ferramenta para análise e previsão do tempo os resultados do modelo de circulação geral do NCEP, o MRF ( Meduim Range Forecast), que em 2002 passou a chamar-se GFS ( Global Forecast System). Em 2005 a CLIMATEMPO incorporou em sua rotina de previsão o uso de simulações feitas com modelos regionais. O MM5 ( The Fifth-Generation NCAR / Penn State Mesoscale Model, Dudhia et al., 2005) passou a ser integrado por 7 dias utilizando o GFS Global como condição inicial e de contorno lateral. Em 2009 o WRF ( The Weather Research and Forecasting, Michalakes et al., 1998) também foi implementado operacionalmente. Desde então, a rotina de previsão de tempo passou a contar com a análise dos resultados de três modelos: o modelo global MRF (GFS), os modelos regionais MM5 e WRF. Com propósito de auxiliar à tomada de decisão do meteorologista na elaboração da previsão do tempo, deu-se início ao desenvolvimento de um conjunto de rotinas de avaliação individual dos modelos numéricos comparando os resultados destes com a rede de dados 1

2 observados em superfície e dados de estimativa de precipitação via satélite (TRMM - Tropical Rainfall Measuring Mission). 2 - METODOLOGIA Os resultados parciais das rotinas de avaliação dos resultados serão apresentados onde foram feitas avaliações dos três modelos, comparando o primeiro dia de previsão (primeiras 24 horas), o segundo dia de previsão (de 24 a 48 horas) e o sétimo dia de previsão (de 144 a 168 horas) com a precipitação estimada pelo TRMM, e também com a temperatura e chuva observada em estações do INMET (Instituto Nacional de Meteorologia). Foram feitas análises espaciais para a chuva do mês de abril considerando o primeiro dia de previsão (primeiras 24 horas), o segundo dia de previsão (de 24 a 48 horas) e o sétimo dia de previsão (de 144 a 168 horas). As previsões dos três modelos foram comparadas com a chuva estimada pelo TRMM. Adicionalmente, análises temporais para algumas cidades foram feitas, também considerando o dia da previsão, para o primeiro dia de previsão (primeiras 24 horas) até o sétimo dia de previsão (de 144 a 168 horas), comparando as saídas dos modelos com algumas estações automáticas do Instituto Nacional de Meteorologia (INMET). O Erro Quadrático Médio (RMSE) foi calculado para a temperatura máxima e mínima (eq. 1): N 1 2 RMSE p t o t (1) N t 1 onde N é o número de i pares para previsão-observação, p é o valor previsto e o o valor observado. Os valores do RMSE são dados na unidade original e indicam o erro médio na própria unidade do parâmetro. Para a chuva foi calculada a porcentagem correta (PC, eq. 2): ( a d ) PC (2) ( a b c d ) onde a é o número de acertos da ocorrência do fenômeno, d é o número de acertos da não ocorrência do fenômeno, e b e c são as previsões erradas. 3 RESULTADOS A Figura 1 mostra a precipitação acumulada no mês de abril estimada pelo TRMM e prevista pelos modelos MM5, MRF e WRF para o primeiro, o segundo e o sétimo dia de previsão. Observa-se através da estimativa de chuva do TRMM (Figura 1a), núcleos de altas taxas de precipitação no centro de Santa Catarina, próximo a Salvador e no norte da Região Norte. Já as áreas mais secas se encontram no Centro-Oeste e no oeste paulista. A precipitação estimada pelo TRMM no litoral paulista e no sul do Rio de Janeiro encontra-se abaixo da observada por demais fontes (não mostrado). O MM5 (Figura 1 b -d) e o MRF (Figura 1 e -g) representaram satisfatoriamente o núcleo de altas taxas de precipitação em Santa Catarina, porém subestimando os valores com relação ao TRMM. Já o WRF representou razoavelmente bem esta região apenas para o primeiro dia de previsão (Figura 1 h). No sétimo dia (Figura 1j) o setor foi praticamente desconfigurado. A chuva no Norte foi melhor representada pelo MRF. Para o MM5, curiosamente, a previsão de 7 dias (Figura 1d) representou melhor as distribuição da chuva no norte do Pará e no noroeste da Bahia do que as previsões de 1 e 2 dias (Figura 1 b,c). A 1 2 2

3 precipitação da Zona de Convergência Intertropical ao norte da costa norte do Nordeste foi maior no sétimo dia de previsão para o MM5 e o MRF (Figura 1 b -g). Os altos índices pluviométricos na costa de Salvador foram muito bem representados pelos dois modelos desde o primeiro até o sétimo dia de previsão. Já o WRF superestimou a precipitação em toda a costa do Nordeste (Figura 1 h-j). A área mais seca em Mato Grosso do Sul, no oeste paulista e no norte de Mato Grosso foi melhor representada pelo MM5. Em resumo, o MM5 e o MRF representaram bem a distribuição espacial da chuva do mês de abril de 2010 para o país de modo geral para o primeiro dia de previsão, o que não foi distinto para os demais dias de previsão. Já o WRF apresentou piores resultados para o primeiro dia de previsão, e que se deterioraram nos demais dias de previsão. (b) (c) (d) (a) (e) (f) (g) (h) (i) (j) Figura 1 - Precipitação acumulada para o mês de abril de 2010: (a) estimada pelo TRMMM; prevista pelo MM5 para o (b) primeiro dia de previsão, (c) segundo dia de previsão e (d) sétimo dia de previsão; prevista pelo MRF para o (e) primeiro dia de previsão, (f) segundo dia de previsão e (g) sétimo dia de previsão; e prevista pelo WRF para o (h) primeiro dia de previsão, (i) segundo dia de previsão e (j) sétimo dia de previsão. Apesar da pior performance do WRF nos campos espaciais da chuva (Figura 1 h -j), em algumas cidades o WRF foi melhor, o que foi o caso do Rio de Janeiro (Estação Jacarepaguá) para a temperatura máxima (Figura 2), com os menores erros (de 2,1 C para o primeiro dia de previsão a 4,8 C para o sétimo dia), seguido pelo MRF e depois pelo MM5. Para a temperatura mínima (não mostrado), o WRF não diferiu muito quanto ao erro, mas o MRF subestimou os valores. É interessante notar que entre os dias 5 e 6 de abril, onde foram observados volumes muito altos de precipitação na região metropolitana do Rio de 3

4 Janeiro, os três modelos deram uma indicação de chuva nos dois primeiros dias de previsão (não mostrado), mas não com um volume tão intenso. Entre os três modelos, o WRF foi o que estimou os maiores volumes. Em São Paulo, é interessante notar como os três modelos caminharam juntos para a temperatura máxima (Figura 3). A previsão ficou bastante boa para os dois primeiros dias de previsão (Figura 3 a,b), sendo que a partir do quarto dia, os modelos começam a divergir do ocorrido, principalmente próximo aos dois picos máximos (4 e 26 de abril). O MRF foi o modelo com os menores erros, seguido pelo MM5 e pelo WRF. Com relação à chuva (não mostrado), os três modelos conseguiram prever bem o período de chuva entre os dias 11 e 23 de abril, principalmente até o terceiro dia de previsão (não mostrado). Tabela 1: RMSE da temperatura máxima e mínima e PC da precipitação para o primeiro (1d), segundo (2d), sexto (6d) e sétimo (7d) dia de previsão para abril de uf Cidade Modelo RMSE Temp. Máxima RMSE Temp. Mínima PC da Precipitação 1d 2d 6f 7d 1d 2d 6f 7d 1d 2d 6d 7d DF BRASILIA mm mrf wrf PA BELEM mm mrf wrf AL MACEIO mm mrf wrf RJ JACAREPAGUA mm mrf wrf SP SAOPAULO mm mrf wrf SC FLORIANOPOLIS mm mrf wrf PR CURITIBA mm mrf wrf Para outras cidades analisadas, as figuras não foram apresentadas devido à limitação de espaço, mas encontram-se em uma versão integral. Para Belém, o WRF subestimou a temperatura máxima e apresentou os maiores erros, e o MM5 teve a melhor performance. Já para a temperatura mínima, o MM5 apresentou uma previsão razoavelmente boa para o primeiro dia de previsão, porém, no segundo dia, a temperatura mínima aumenta em média 2 C. Isto é um erro sistemático que ocorre com o MM5 que já foi observado em diversas cidades do Norte e algumas cidades do Nordeste e também em outros períodos do ano. O erro da temperatura mínima do MM5 (Tabela 1) aumenta consideravelmente do primeiro ao segundo dia, porém não para os outros modelos, devido à baixa variabilidade da temperatura ao longo do mês de abril na cidade em questão. Em Curitiba, a temperatura máxima ( não mostrada) foi bem prevista pelos três modelos principalmente nos dois primeiros dias de previsão. No terceiro dia, os pontos mínimos dos dias 6 e 25 de abril começam a se adiantar e a partir do quinto dia, aparece um ponto mínimo no dia 21 que aparentemente não ocorreu. Em Florianópolis, o MM5 foi o único modelo que deu uma previsão razoavelmente boa para os dois primeiros dias de previsão embora tenha superestimado a temperatura do dia 27 de abril. Para a temperatura mínima, o MRF superestima e minimiza as variações de temperatura, o que deve estar ocorrendo devido ao fato de o modelo estar enxergando a cidade em um ponto de grade que está sobre o oceano. Os erros deste modelo são os maiores, e o MM5 obteve o melhor desempenho. Em Brasília, apesar de a temperatura máxima ter sido melhor representada pelo MM5, o modelo subestimou o temperatura mínima do período entre 5 a 14 de abril. O MRF foi o melhor modelo para a variável. A chuva da cidade foi bem 4

5 representada pelos três modelos. Em Maceió, a tendência de aumento da temperatura máxima no dia 8 de abril foi razoavelmente bem prevista pelo MM5 e WRF nos primeiros dias de previsão, embora o último tenha subestimado a variável. Já o MRF subestimou a temperatura máxima e superestimou a temperatura mínima, semelhante ao caso de Florianópolis. (a) (b) (c) Figura 2 - Temperatura máxima em abril de 2010 para (a) primeiro dia de previsão, (b) segundo dia de previsão e (c) sétimo dia de previsão para o Rio de Janeiro (estação Jacarepaguá). As linhas em preto são as temperaturas observadas na Estação do INMET, em vermelho a previsão do MM5, em azul a do WRF e em verde do MRF. (a) (b) (c) Figura 3 - Idem à Figura 2, mas para a cidade de São Paulo. 4 - CONCLUSÕES Os modelos MM5 e MRF representaram bem espacialmente a precipitação acumulada do mês de abril de 2010 do Brasil, para o primeiro dia de previsão (primeiras 24 horas), inclusive até o sétimo dia de previsão (de 144 a 168 horas). Já o WRF não apresentou uma boa distribuição espacial da chuva de modo geral, e sofreu deterioração nos demais dias de previsão, o que indica a necessidade de uma revisão dos parâmetros utilizados no modelo. Por outro lado, no Rio de Janeiro, este foi o modelo que gerou a melhor previsão de temperatura máxima, mínima e de chuva. Para as demais cidades analisadas no Brasil, os demais modelos foram melhores, mas também apresentaram limitações. O MRF, naturalmente pela sua resolução mais grosseira, não apresenta uma boa performance em algumas regiões litorâneas, cuja cobertura de solo foi confundida com o oceano, e também em regiões com alta declividade da topografia. Já o MM5 tem um viés na temperatura mínima de aproximadamente +2 C nas regiões mais ao norte do país a partir do segundo dia de previsão, e em algumas vezes coloca picos de chuva extremamente altos que, na maioria das vezes, são irreais. Para trabalhos futuros pretende-se melhorar as parametrizações utilizadas no WRF, analisar os meses continuamente e inserir novas metodologias de avaliação estatística dos resultados. 5 - REFERÊNCIAS BIBLIOGRÁFICAS DUDHIA, J., GILL, D., GUO, Y., MANNING, K., WANG, W., CHISZAR, J Mesoscale Modeling System Tutorial Class Notes and User s Guide: MM5 Modeling System Version 3, PSU/NCAR. MICHALAKES, J., J. DUDHIA, D. GILL, J. KLEMP, W. SKAMAROCK Design of a next-generation regional weather research and forecast model. Towards Teracomputing, World Scientific, River Edge, New Jersey, pp