VERIFICAÇÃO DAS PREVISÕES DE PRECIPITAÇÃO DO MODELO RAMS (VERSÃO- 3B) PARA O RIO GRANDE DO SUL Janaina S.Martins geojsm@super.furg.br Margareth Badejo dgembs@super.furg.br Jaci Saraiva Departamento de Geociências- Lab. Meteorologia/ FURG AV. Itália km 8, Rio Grande- RS dgejaci@super.furg.br ABSTRACT This work presents the partial results obtained by the method of evaluation of the precipitation forecasts with RAMS for Rio Grande do Sul state, Brasil. The statistical indexes of ETS (Equitable threat score) and BIAS Score (Measure of Vice) were used for the forecast +36h, from December 2001 to January 2002. This method evaluates the ability of the model to foresee areas of precipitation above determined thresholds, bsides the trend of the model to foresee very small or very big values systematically. INTRODUÇÃO A modelagem atmosférica tem sido um método muito utilizado em estudos do tempo, pois permite obter maior resolução espacial, onde se requer maior detalhe de fenômenos atmosféricos, além de oferecer vantagens no estudo de variáveis meteorológicas em regiões pré definidas, facilitando também uma análise temporal, (Badejo, 1998). Pois existem regiões onde há poucas estações meteorológicas, devido a alto custo necessário para que os equipamentos sejam mantidos por um período de tempo confiável do ponto de vista estatístico. Sendo assim a utilização da modelagem atmosférica se torna muito mais eficiente no detalhamento e previsão das variáveis meteorológicas. O Modelo Regional de Mesoescala - RAMS, é um modelo atmosférico de mesoescala de previsão simulação de fenômenos meteorológicos, baseado em diferenças finitas. A versão vetorial mais recente deste modelo (Rams3b) vem sendo utilizado para previsões de tempo no Rio Grande do Sul, cobrindo Uruguai parte da Argentina e do Oceano Atlântico adjacente. O RAMS possui a capacidade de aninhamento de grades, onde a grade aninhada pode ser setada dentro do grid de grande escala (Pielke et al., 1992). O Modelo RAMS (Versão 3b) é executado uma vez ao dia no Cray T94 do Centro de Super Computação (CESUP) da Universidade Federal do Rio Grande do Sul. Este modelo é inicializado com os dados do Modelo Global do CPTEC. A qualidade das previsões de pressão, temperatura e vento produzidas por modelos numéricos é superior a da previsão de precipitação, grandeza que representa grande variabilidade, no entanto a previsão de precipitação é uma das mais utilizadas pelo público em geral (Chou e Justi, 1998). A avaliação do modelo é de grande importância pois o monitoramento do tempo é tanto mais imprescindível quanto mais severo forem os fenômenos meteorológicos. Verificação de previsões pode ser definido como sendo um processo que determina a qualidade do modelo, isto é, seu grau de correspondência com as observações. Existe uma grande variedade de métodos para verificações de previsões, quase todos envolvem medidas de relação entre o conjunto de previsões e as correspondentes observações, (Sansigolo, 1999). O objetivo deste trabalho foi avaliar a qualidade das previsões de precipitação do Modelo RAMS (Versão 3b), através de uma verificação estatística. Inúmeros escores de destreza foram desenvolvidas, a maioria apresentados por Murphy & Daan (Sansigolo, 1999), mas neste trabalho optou-se pelo mesmo método utilizado para verificação de previsões de precipitação do Modelo ETA, que baseia-se no índice "threat score" (TS). Este índice é ideal para verificação de previsões de precipitação, onde a ocorrência do fenômeno a ser previsto é muito menos freqüente que sua não ocorrência. Neste trabalho são mostrados os primeiros resultados obtidos em uma pesquisa que ainda esta em 3870
andamento, e que pretende a avaliar todos os horizontes de previsão de precipitação fornecidos pelo RAMS, como estendendo também as demais variáveis meteorológicas. MATERIAL E MÉTODO O modelo RAMS (versão 3b) roda operacionalmente no CESUP, fornecendo previsões para até 48h. A grade maior tem resolução espacial de 36km centrada em 33.5 S, 58 W, e seis níveis sob o solo. A grade aninhada com resolução espacial de 18Km, centrada em 30.5 S, 53.5 W, também seis níveis sob o solo. Para a verificação do modelo RAMS, utilizou-se as previsões de precipitação 36h; Grade -1, durante o período de dezembro de 2001 á janeiro de 2002. Delimitou-se dentro da grade -1 a área de estudo compreendida entre as latitudes de -33º.5 S e -26º.44' S, as longitudes de -57º.6' W e - 49º.12' W. Neste trabalho foram usados os índices de avaliação ETS (Equitable Threat Score) que mede a destreza do modelo em prever áreas de quantidades de precipitação acima de determinados limiares. O ETS varia de 0 a 1. E o BIAS que mede a tendência do modelo em prever sistematicamente valores muito baixos ou muito altos, além de usar coeficientes de correlação entre as previsões e as observações. Também pode ser definido como sendo a razão entre o número de ponto previstos com precipitação acima do limiar e o número de pontos observados de precipitação acima do limiar, (Chou e Justi, 1998). Este índice na verdade seria uma "medida de vício", e varia da seguinte forma: para previsões que mostram mais (menos) precipitação do que observado este índice será maior (menor)do que 1. O modelo pode apresentar-se "viciado" ou com uma "tendência" quando: BIAS for menor do que 1 indica que o evento foi previsto menos vezes do que observado (subestimado), BIAS maior que 1 indica que o evento foi previsto mais vezes do que observado(superestimado). Uma previsão é considerada perfeita quando ETS =1 e BIAS =1. Foram usados dados de precipitação acumulada em 36 horas de 24 estações meteorológicas distribuídas no Rio Grande do Sul, gentilmente cedidas pelo 8º DISME. Os índices de ETS e BIAS foram calculados para previsões de precipitação partindo do horário de 12Z, para o horizonte de previsão 36h. O índice ETS (Mesinger e Blak, 1992) é definido como: ETS = H - CH F + O - H - CH onde, CH = F x O N CH tenta retirar a tendência do ETS em aumentar o número de previsões corretas pelo aumento do vício na previsão de correção. O BIAS é definido como: BIAS = F/O Sendo que: F = número de ponto com previsão (modelo) de precipitação acima do limiar; O = número de pontos onde foi observada precipitação acima do limiar; N = número de pontos de grade no domínio de verificação; H = número de pontos com previsão correta cima do limiar. Os dados de precipitação observada em cada dia foram interpolados para a grade do modelo RAMS de 36 km, através do Surfer (Surface Mapping System, "Windows"). 3871
Os Limiares usados para no cálculo do ETS do BIAS, são mostrados na tabela- 1. CLASSIFICAÇÃO DE CHUVA LIMIARES (POL) *CATEGORIAS ACIMA DE Ocorrência 0,01 0,25 Fraca 0,1 e 0,25 2,54 e 6,35 LIMIARES (MM) *CATEGORIAS ACIMA DE Moderada 0,5 e 0,75 12,70 e 19,05 Forte 1, 1,5 e 2 25,4, 38,1 e 50,8 A figura- 1 mostra a grade estuda, juntamente com a localização das estações meteorológicas no Rio Grande do Sul. 1)Bagé 2)Bento Gonçalves 3)Bom Jesus 4)Camaquã 5)Cambará do Sul 6)Campo Bom 7)Caxias do Sul 9)Encruzilhada do Sul 10)Ibirubá 11)Iraí 12)Lagoa Vermelha 13)Passo Fundo 14)Pelotas 15)Porto Alegre 16)Rio Grande 17)Santa Maria 18)Santa Vitória do Palmar 19)Santana do Livramento 20)São Luiz Gonzaga 21)Teutônia 22)Torres 23)Triunfo 24)Uruguaiana 3872
RESULTADOS E DISCUSSÃO XII Congresso Brasileiro de Meteorologia, Foz de Iguaçu-PR, 2002 As figuras 2 e 3 mostram graficamente a variação dos índices ETS e BIAS. Os valores de ETS para o período estudado podem ser considerados bons, para os baixos limiares, ou seja, para a previsão de chuvas moderadas, e até mesmo para categoria de chuva/não chuva. Já para categorias de chuva forte o índice ETS decresce bastante, mas não chega a zero, podendo ser considerado um bom resultado Apesar dos baixos valores de ETS, devemos levar em consideração o curto período de dados analisado e também a época do ano (dezembro e janeiro). Segundo Chou e Justi (1998) a baixa freqüência de chuva durante o verão resulta em poucos casos para o cálculo de ETS, como também na resolução de 36km os campos de precipitação previstos são mais detalhados, o que penaliza o modelo quando os sistemas meteorológicos estão ligeiramente deslocados em relação a observação. O BIAS, cujo valor ideal para um sistema perfeito de previsão seria igual a 1, mostra que para os baixos limiares que correspondem a chuvas fracas a moderadas como também ocorrência de chuva/não chuva, apresenta valores próximos a 1 indicando boa previsão do modelo. Mas apresenta uma tendência de superestimar a categoria de chuva forte, ou seja, os valores de BIAS são mais altos para estes limiares. O modelo avaliado teve um bom desempenho nas previsões de ocorrência de chuva e chuvas moderadas. Mas nas previsões de chuva forte apresentou uma tendência em prever um maior número de ocorrência do que o real, ou seja, superestimando o evento previsto para esta categoria de chuva. Figura- 2 Indíce de ETS para Previsão de 36h do Modelo Rams 0,4 0,3 ETS 0,2 0,1 0 0,01 0,1 0,25 0,5 0,75 1 1,5 2 Limiares Figura- 3 3 Índice BIAS para Previsão de 36h do Modelo RAMS(versão 3b) BIAS 2 1 0 0,01 0,1 0,25 0,5 0,75 1 1,5 2 Limiares 3873
CONCLUSÃO Embora o método de verificação de previsão do Modelo RAMS ainda deva ser testado por um período de tempo maior, os índices de ETS e BIAS apresentaram bons resultados, se comparados aos valores obtidos pelo Modelo ETA através do mesmo método para um período de dados mais longo. Os baixos valores de ETS obtidos para os menores limiares podem ser decorrentes da baixa freqüência de chuva durante o verão que resulta em poucos casos para o cálculo deste índice, segundo Chou e Justi (1998). As precipitações de verão são em sua maioria do tipo convectivas, geradas por convecção local ou por sistemas de mesoescala, geralmente estes sistemas são de difícil previsão e variam com a físiografia da região. O Modelo RAMS mostrou um bom desempenho na previsão de precipitação de ocorrência de chuva e chuvas moderadas. Os valore do índice BIAS mostram uma tendência do modelo em superestima a categoria de chuva forte, ou seja, os valores de previsão de precipitação em determinados pontos foram maiores que os observados. Dentro de um trabalho mais amplo pretende-se dar continuidade a este método de verificação para um período maior de dados, como também a todos os horizontes de previsão do modelo (+12h, +24h, +36h e +48h) estendendo a outras variáveis meteorológicas. E para uma analise mais detalhada das previsões do modelo, os índices de ETS e BIAS serão agrupados por estação do ano, para melhor distinguir os períodos secos e chuvosos, e também para cada região dentro do Rio Grande do Sul. E com resultados mais consistentes detectar as causas que levam a falhas nas previsões. AGRADECIMENTO Ao CNPq que financia o projeto "Implementação do Modelo Regional do Tempo para o Sul da América do Sul", e as bolsas AT e DTI das duas primeiras autoras, do qual este trabalho faz parte. A Prof. Justi da Silva pelos esclarecimentos sobre os índices de avaliação. E ao 8º DISME pela concessão dos dados de precipitação. BIBLIOGRAFIA CHOU, S.C; JUSTI M. G.A.: Avaliação objetiva das Previsòes de Precipitação do Modelo Regional ETA, X Congresso de Meteorologia, Brasília- DF, 1998. PIELK, R. E., COTTON, W. R., WALKO, R. L., TREMBACK, C. J., LYONS, W. A., GRASSO, L. D., NICHOLLS, M. E.,MORAN, M. D., WESLEY, D. A., LEE, T. J., and Copeland, J. H.: A Comprehensive Meteorological Modeling System RAMS. Metero. Atmos. Phys, 1992. WALKO, R. L., TREMBACK, C. J., 1991: RAMS - The Regional Atmospheric odeling System Version 2C: User's guide.published by ASTER, Inc., P.O. Box 466, Fort ollins, Colorado. MESINGER,F. & BLACK,T.L. : On the Impact on forecast Accuracy of the Step- mountain (eta) vs. Sigma coordinate. Meteor.Atmos.Phys, 1992. SANSIGOLO,C.A.: Verificação de um Modelo Discriminante de Previsão das Precipitações Sazonais no Nordeste, RevistaBrasileira de Meteorologia, Vol.4, n.º 2, 1999. BADEJO, M.S.: Simulação do Regime de Ondas na Região Sul do Brasil, Dissertação de Mestrado em Engenharia Oceânica, FURG, Rio Grande - RS, 1998. 3874