SISTEMA NUMÉRICO-OPERACIONAL DE PREVISÃO DE TEMPO PARA A REGIÃO SUL DE MINAS GERAIS: AVALIAÇÃO DOS RESULTADOS PRELIMINARES

Transcrição

1 SISTEMA NUMÉRICO-OPERACIONAL DE PREVISÃO DE TEMPO PARA A REGIÃO SUL DE MINAS GERAIS: AVALIAÇÃO DOS RESULTADOS PRELIMINARES Bruno de Campos [1], Vanessa Silveira Barreto Carvalho [2] Instituto de Recursos Naturais - Universidade Federal de Itajubá (UNIFEI) [1][2] campos.met@gmail.com [1], vanessa.silveira@gmail.com [2] RESUMO Este trabalho tem como objetivo apresentar as especificações técnicas e avaliar os reultados preliminares do Sistema Numérico-Operacional de Previsão de Tempo do Sul de Minas Gerais (SiNOPT). Os resultados obtidos mostram uma boa qualidade das simulações operacionais para quatro localidades do Sul de Minas Gerais (Itajubá, Maria da Fé, Poços de Caldas e Varginha). A temperatura do ar mostrou melhores resultados que os de umidade relativa do ar onde Itajubá e Poços de Caldas apresentaram melhores resultados simulados quanto à dispersão dos dados e correlação entre as séries observadas e simuladas. Podemse considerar bons os resultados de precipitação mensal acumulada, principalmente para o município de Itajubá. Nesse contexto, pode-se assumir que o SiNOPT cumpre com sua proposta e representa uma ferramenta muito eficaz na previsão do tempo bem como ferramenta auxiliar principal aos previsores locais. ABSTRACT This work aims to introduce to the community the technical specs and evaluate the preliminary output data from the Numeric-Operational System for Weather Forecast of Southern Minas Gerais (SiNOPT). The results show a fairly well operational simulation quality for the four sites in the South of Minas Gerais State (Itajubá, Maria da Fé, Poços de Caldas and Varginha). The air temperature showed better results rather than relative humidity where Itajubá and Poços de Caldas have showed better simulated results concerning the data dispersion and

2 correlation between simulated and observed time series. We consider the total monthly rainfall results fair, mostly in Itajubá. In this sense, it can be assumed that SiNOPT complies with its purposes and represents a very efficient tool for the weather forecast as a main auxiliary tool to local forecasters. 1 INTRODUÇÃO Os avanços computacionais das últimas décadas permitiram que a computação científica alcançasse patamares nunca antes esperados. As ciências atmosféricas seguiram e contribuíram para que tal evolução ocorresse através da demanda de sistemas computacionais cada vez mais eficientes para suprir a necessidade da processamento que acompanhasse a evolução física e dinâmica dos modelos numéricos. Lynch (2007) pesquisou os avanços da previsão numérica do tempo (PNT) nas últimas décadas e evidenciou obstáculos associados à maior compreensão dos fenômenos físicos envolvidos na modelagem, maior rede de assimilação de dados e condições iniciais mais acuradas. Além do mais, há limitações quanto aos métodos numéricos utilizados nas integrações bem como a eficiência computacional na simplificação de tais. O estudo da acurácia da PNT é fundamental para o aprimoramento dos modelos e de previsões, principalmente em regiões de difícil previsibilidade devido à forçantes orográficas, sinóticas, dinâmicas, etc. O município de Itajubá, situado no sul do Estado de Minas Gerais, uma região de complexa previsibilidade, não possui um sistema operaciona local de previsão de tempo e é frequentemente afetado por desastres naturais, principalmente eventos de precipitação extrema, como estudado por De Campos et al. (2011, 2012a, 2012b). De Campos e Carvalho (2013a) também estudaram o impacto de diferentes simulações de alta resolução na representação de sistemas de tempo para a região, evidenciando a melhor representatividade para resoluções horizontais de ordens mais altas. Os autores também compararam os modelos Weather Research and Forecasting (WRF) e Regional Atmospheric Modelling System (BRAMS) para a mesma região em eventos de precipitação extrema, com desempenho mais realista para o primeiro (De Campos e Carvalho, 2013b). Nesse contexto, este trabalho tem como intuito avaliar os dados preliminares e apresentar as especificações técnicas do Sistema Numérico-Operacional de Previsão de

3 Tempo do Sul de Minas Gerais (SiNOPT), implementado nas dependências do Centro de Estudos e Previsão de Tempo e Clima de Minas Gerais (CEPrEMG Universidade Federal de Itajubá). O SiNOPT utiliza operacionalmente o modelo de mesoescala WRF (Skamarock et al., 2008) versão O WRF é uma ferramenta numérica de previsão de tempo com ampla utilização em pesquisas acadêmicas e setores operacionais e conta com um núcleo numérico não-hidrostático com suporte a altas resoluções. 2 MATERIAIS E MÉTODOS 2.1 Especificações Computacionais O SiNOPT foi implementado em um servidor de alto desempenho da Silicon Graphics Inc. (SGI) de sistema operacional SUSE Linux Enterprise Server 11 com 24 CPUs Intel Xeon X5650 de 2,67GHz, em um total de 24GB de memória RAM compartilhada. A base do sistema é um código central em FORTRAN e Shell Script que controla a árvore de execução do modelo e de processos auxiliares. O WRF foi configurado e compilado utilizando-se o Intel Parallel Studio XE 2013 e sua execução paralela foi implementada através do Message Passing Interface MPICH v.3. As bibliotecas auxiliares para a implementação do sistema foram o NetCDF, JASPER, ZLib, SZip, LibPNG, LibJPEG, JavaRuntimeEnvironmet, NCL-NCARG, HDF e OpenGrADS, cujas configurações não serão detalhadas neste trabalho. 2.2 Fluxo de Operação O SiNOPT é inicializado automaticamente e diariamente as 6 UTC. O fluxo de operação do sistema segue as seguintes etapas. i. Download de dados do Global Forecast System (GFS) com 0,5º de resolução horizontal para condições iniciais e de fronteira do modelo. ii. Pré-processamento dos dados de entrada: leitura dos dados do GFS, interpolação com as informações de terreno da região simulada e processamento dos campos meteorológicos necessários. iii. Inicialização do modelo WRF: leitura das condições iniciais e início das integrações. As simulações operacionais são efetuadas para 96 horas no futuro, com 72 horas de análise, pois as primeiras 24 horas são descartadas para evitar

4 erros de spin-up numérico do modelo. Os dados de saída possuem frequência horária. iv. Pós-processamento: geração dos mapas e imagens meteorológicas relevantes à previsão do tempo e auxiliares para os previsores. v. Cópias de segurança: os dados de saída são armazenadas em um local seguro e o ambiente é preparado para a execução no próximo dia. 2.3 Configuração do Modelo O modelo WRF foi configurado com três grades aninhadas centradas sobre o Sul de Minas Gerais conforme a Figura 1. A configuração física do modelo está presente na Tabela 1. Figura 1: Configuração de grade do WRF. Tabela 1: Configuração do modelo e parametrizações físicas. parâmetro grade 1 grade 2 grade 3 pontos na direção x pontos na direção y pontos na direção z resolução horizontal 27 km 9 km 3 km

5 passo de tempo 75s 25s 8,3s latitude central longitude central microfísica WSM3 cúmulus Grell-Freitas (d01, d02) camada limite YSU planetária superfície Monin-Obukhov onda curta Dudhia onda longa RRTM 2.4 Avaliação de Dados Obtidos Para a avaliação dos dados operacionais foram obtidas as saídas diárias das rodadas na grade menor de 3 km para o mês de Janeiro de 2015, totalizando 744 horas de dados simulados. Para a validação das séries temporais simuladas foram obtidos os dados horários das estações meteorológicas automáticas do INMET de Poços de Caldas (21,91S; 46,38W), Varginha (21,56S; 45,40W) e Maria da Fé (22,31S; 45,37W), além dos dados horários da estação automática da Universidade Federal de Itajubá (UNIFEI) (22,41S; 45,45W) para o mesmo período. As variáveis selecionadas foram precipitação [PCP], temperatura do ar a 2 metros [T2] e umidade relativa do ar a 2 metros [UR2]. Os dados para as quatro localidades são resumidos em boxplots para a análise da dispersão das séries. A precipitação foi expressa na forma mensal acumulada juntamente com a porcentagem do erro simulado sobre o obervado. Para a análise estatística e comparativa entre as séries temporais observadas e simuladas, utilizou-se o Desvio Padrão (σ), Raiz do Erro Médio Quadrático (RMSE), Índice de Correlação de Pearson (ρ), Índice de Concordância (d) e Teste Skill (Pielke, 2002), conforme equações apresentadas na Tabela 2, onde (y) refere-se aos parâmetros da simulação e (o) aos parâmetros observados.

6 Tabela 2: Equações estatísticas utilizadas. σ = 1 n (x i x ) 2 RMSE = 1 n (y i o i ) 2 ρ = [(y i y)(o i o )] (y i y) 2 (o i o ) 2 d = 1 (y i o i ) 2 ( y i o o i o ) 2 Skill: σ y σ o RMSE < σ o RMSE UB < σ o RMSE UB = [ y i y o i o ] 2 3 RESULTADOS A Figura 2 apresenta uma visão geral dos dados obtidos para T2 e UR2. Nota-se uma menor dispersão dos dados para as séries simuladas e também médias de temperaturas menores. Maria da Fé apresentou as menores médias e Itajubá as maiores. Para UR2 (Fig. 3) tem-se o mesmo perfil exceto para Itajubá cujos valores médios foram muito próximos aos observados. As médias das demais cidades foram relativamente acuradas e Varginha apresentou o resultado menos satisfatório. A Figura 4 sintetiza os valores mensais acumulados de precipitação nas localidades. Exceto para Poços de Caldas os erros são consideravelmente pequenos visto a dificuldade inerente à previsibilidade da variável. Itajubá apresenta o menor erro (da ordem de 2%), que em Poços de Caldas alcança 30% no período. É importante salientar a superestimação do modelo em todas as localidades analisadas.

7 Figura 2: Boxplot de temperatura do ar para as quatro cidades estudadas: Itajubá (IJ), Varginha (VG), Poços de Caldas (PC) e Maria da Fé (MF), nas séries modeladas (MOD) e observadas (OBS). Figura 3: Boxplot de umidade relativa do ar para as quatro cidades estudadas: Itajubá (IJ), Varginha (VG), Poços de Caldas (PC) e Maria da Fé (MF), nas séries modeladas (MOD) e observadas (OBS). Figura 4: Precipitação mensal acumulada (eixo esquerdo) e porcentagem de erro do modelo (eixo direito) para quatro cidades estudadas.

8 A Tabela 3 apresenta a análise estatística de UR2 e T2. O índice de correlação e de concordância foram satisfatórios para todas as localidades. Para T2, o desvio padrão também é satisfatório, entretanto a UR2 apresenta desvios mais distantes entre simulação e observação, evidenciado na Figura 3 com a menor dispersão dos dados simulados. Segundo o critério de Skill citado anteriormente, pode-se assumir que a simulação de T2 foi aprovada em todos os critérios envolvidos e a simulação de UR2 foi parcialmente aprovada devido as discrepâncias entre os desvios padrão observados e simulados. Tabela 3: Resultados estatísticos (simulação VS observação). σ y σ o RMSE ρ d RMSE UB Itajubá Varginha Poços de Caldas Maria da Fé T2 3,94 4,63 2,95 0,87 0,87 2,27 UR2 16,77 16,95 4,10 0,73 0,84 12,33 T2 3,45 4,43 3,34 0,84 0,81 2,39 UR2 13,95 23,67 3,74 0,76 0,71 15,92 T2 3,41 4,38 1,85 0,89 0,86 2,04 UR2 12,42 19,41 3,38 0,76 0,74 12,86 T2 2,77 4,63 1,66 0,86 0,79 2,64 UR2 11,07 16,52 3,33 0,70 0,66 15,70 4 CONCLUSÕES O SiNOPT é capaz simular satisfatoriamente as variáveis do sistema meteorológico analisadas nestre trabalho. Os resultados de T2 foram mais concordantes com as observações e UR2 obteve os resultados menos confiáveis possivelmente devido a maior dificuldade de simulação desta devido às forçantes orográficas da região analisada, cujo relevo é fundamental no regime dos sistemas de tempo. A precipitação mensal simulada apresentou bons resultados em todas as localidades, exceto em Poços de Caldas onde um viés de 30% foi encontrado, porém representando um pequeno valor absoluto (da ordem de 25mm) considerando-se o acumulado mensal. Pode-se concluir que o SiNOPT é efetivo no que é proposto sobre a previsão numérica do tempo e como ferramenta de previsão. É preciso salientar que novas pesquisas, principalmente quanto a física e dinâmica do modelo, são necessárias para o aprimoramento

9 dos resultados na região sul de Minas Gerais. Além do mais, um sistema online está sendo preparado para a divulgação diária dos resultados ao público em geral. 5 REFERÊNCIAS DE CAMPOS, B; CALHEIROS, A. J. P; CARVALHO, V. S. B. (2012) A influência dos vórtices ciclônicos de altos níveis em eventos extremos de precipitação na Bacia do Rio Sapucaí, MG. VXII Congresso Brasileiro de Meteorologia. Gramado, RS. DE CAMPOS, B; CALHEIROS, A. J. P; CARVALHO, V. S. B. (2012) Análise de eventos extremos de precipitação registrados no Município de Itajubá, MG: Caso enchente de IX Seminário de Meio Ambiente e Recursos Hídricos. Itajubá, MG. DE CAMPOS, B. ; CARVALHO, V. S. B. (2012) Validação de Meso e Macro Escala para evento extremo de precipitação em fevereiro de 2009 simulado pelo BRAMS (v4.2) sobre o Sul do Estado de Minas Gerais e América do Sul Universidade Federal de Itajubá. Itajubá, MG. DE CAMPOS, B; CARVALHO, V. S. B. (2013) The impact of higher resolution simulations on the weather forecast of a severe rainfall event over Minas Gerais State. VIII Workshop Brasileiro de Micrometeorologia, Santa Maria, RS. DE CAMPOS, B; CARVALHO, V. S. B (2013) Avaliação dos resultados obtidos através dos modelos de mesoescala BRAMS e WRF para a previsão de eventos extremos de precipitação na região Sul do Estado de Minas Gerais. V SimpósioInternacional de Climatologia.Florianópolis, SC. DE CAMPOS, B; CARVALHO, V. S. B; MILLER, G; SANTOS, T (2013) The impact of typical synoptic weather systems on the wind profile over South-Eastern Brazil, applied to wind power generation. EWEA - Wind Power Forecasting Technology Workshop. Rotterdam, Netherlands.

10 LYNCH, P. (2008) The origins of computer weather prediction and climate modeling. J. Comput. Phys. 227(7) p National Centers for Environmental Prediction/National Weather Service/NOAA/U.S. Department of Commerce.(2007). NCEP Global Forecast System (GFS) Analyses and Forecasts. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory. Accessoem 01/Jan/2015. PIELKE, R. A. (2002) Mesoscale meteorological modeling. Second Edition.International Geophysics Series.78(1), p.676. SKAMAROCK, W.C., KLEMP, J.B., DUDHIA, J., GILL, D.O., BARKER, D.M., DUDA, M.G., HUANG, X.Y., WANG, W. & POWERS, J.G. (2008) A description of the Advanced Research WRF version 3. NCAR Technical Note 475. [Online] Disponívelem: [Accessed: 02ndMay 2015].