Comparação entre a análise objetiva e subjetiva dos dados gerados pelo Modelo Meteorológico WRF referentes ao ano de 2009 instalado no CPPMET - UFPEL
Semelhante a Comparação entre a análise objetiva e subjetiva dos dados gerados pelo Modelo Meteorológico WRF referentes ao ano de 2009 instalado no CPPMET - UFPEL
Semelhante a Comparação entre a análise objetiva e subjetiva dos dados gerados pelo Modelo Meteorológico WRF referentes ao ano de 2009 instalado no CPPMET - UFPEL (20)
Fenômeno la niña de maio de 2007 a abril de 2008 e a precipitação no rio ...
Comparação entre a análise objetiva e subjetiva dos dados gerados pelo Modelo Meteorológico WRF referentes ao ano de 2009 instalado no CPPMET - UFPEL
1. COMPARAÇÃO ENTRE A ANÁLISE OBJETIVA E SUBJETIVA DOS DADOS
GERADOS PELO MODELO METEOROLÓGICO WRF REFERENTES AO ANO
DE 2009 INSTALADO NO CPPMET - UFPEL
Elias G. de LIMA1,3
, Cemila PANSERA2
1
UFRGS – Porto Alegre – RS - 2
UFPEL – Pelotas – RS - 3
elias.gl@hotmail.com
RESUMO: Este trabalho visa analisar a qualidade dos dados gerados pelo modelo
meteorológico Weather Research and Forcasting Model (WRF) implementado no Centro de
Pesquisas e Previsões Meteorológicas CPPMET - UFPEL, conforme HÄRTER (2008).
Foram utilizadas as métricas estatísticas Viés e Erro Quadrático Médio (RMS) para realizar
da comparação entre os resultados obtidos por meio de uma análise subjetiva e outra objetiva
dos dados. Foram tomadas como verdade terrestre as análises Global Forcasting Service
(GFS). Os autores puderam concluir que os dados obtidos através da análise humana
(subjetiva) tenderam a serem superestimados em comparação aos obtidos pela análise
objetiva, entretanto os resultados mostram-se bem correlacionados.
ABSTRACT: This paper aims to analysis the quality of the data generated by the Whether
Research and Forecasting Model (WRF) implemented at UFPEL’s Meteorology Research and
Forecasting Center (CPPMET – UFPEL), according to HÄRTER (2008). It was used the
statistic metrics Bias and Root Mean Square (RMS) to do the comparation between the
obtained results by a data’s subjective analysis and a data’s objective analysis. It was used as
ground truth the Global Forecasting Service (GFS) analysis. The authors concluded that the
obtained data by the human analysis (subjective) tend to be superestimated on comparation to
the objective analysis obtained, however the results showed themselves well correlated.
1 – INTRODUÇÃO
A avaliação da qualidade dos dados gerados por modelos meteorológicos é de extrema
importância para definir se as suas saídas são realmente eficientes para que possam ser
utilizadas na produção de prognósticos meteorológicos, esse processo de avaliação exige que
seja feito o monitoramento dos dados através da suas respectivas quantificações.
Esses modelos numéricos de equações primitivas apresentam erros intrínsecos ocasionados
por diversas causas, as principais a serem consideradas são as imperfeições associadas ao
método numérico do modelo que aproximam as equações diferenciais por equações de
diferenças finitas, a resolução da grade utilizada, a dificuldade na representação dos temos
não-lineares das equações do modelo além dos erros intrínsecos dos dados observados usados
na elaboração da condição inicial.
2. MURPHY (1993) sugeriu que uma previsão pode ser avaliada baseando-se em três critérios:
Consistência, qualidade e valor. Essas características visam avaliar o “valor agregado” ao
produto gerado pelo modelo meteorológico numérico. Sabendo que todas as análises recaem
sobre um padrão de identificação e que esse fato pode afetar as conclusões finais a respeito do
tema explorado, este trabalho visa analisar a qualidade das saídas do modelo WRF
implementado no CPPMET - UFPEL, referentes ao ano de 2009, através da comparação entre
as análises objetivas e subjetivas dos dados gerados.
2 – DADOS E MÉTODOS DE ANÁLISE
Neste trabalho foi utilizada a versão 3.2 do WRF, implementado no CPPMET - UFPEL
conforme HÄRTER (2008), integrado por 72 horas no modo hidrostático com resolução
horizontal de 20 km, 28 níveis verticais (27 níveis mais a superfície), modelo de solo com 4
camadas e passo de tempo de 2 minutos. As condições iniciais e de fronteira foram obtidas do
Global Forecast System (GFS), modelo global com aproximadamente 100 km de resolução
horizontal e 64 níveis verticais integrado no National Oceanic and Atmospheric
Administration (NOAA) e o domínio do modelo engloba a Região Sul do Brasil (RSB) entre
as posições geográficas 22° e 34° Sul e 48° e 58° Oeste.
Serão utilizadas as métricas estatísticas para análise dos dados Viés e Erro Quadrático Médio
(RMS) e os horizontes de previsão de 24, 48 e 72 horas e as suas respectivas análises. As
Equações 1 e 2 foram, respectivamente, as utilizadas para o cálculo do Viés e do RMS:
𝑉𝑖𝑒𝑠 %,' (),)*,+( =
-
.
𝑃%,' − 𝑂%,'
.
%3- Equação 1
𝑅𝑀𝑆 %,' (),)*,+( =
-
.
(𝑃%,' − 𝑂%,')(.
%3- Equação 2
Neste trabalho foi realizada a comparação entre os dados obtidos objetivamente e
subjetivamente a partir saídas do WRF. Esses dados foram processados pelo software GrADS
v 2.09a e considerou-se cinco períodos de tempo, os quais correspondiam ao ano inteiro de
2009, o Verão, o Outono, a Primavera e o Inverno de 2009.
A análise objetiva foi calculada com o auxílio do software GrADS, o qual gerou, através de
um script criado pelos autores, as médias do Viés e do RMS correspondentes ao domínio do
modelo, à cada intervalo de tempo, para cada variável e horizonte de previsão. Por sua vez, a
análise subjetiva dos erros gerados pelo modelo envolveu o julgamento dos autores sobre as
imagens geradas e calculados pelo software GrADS das mesmas variáveis, períodos de
tempos e horizontes de previsão consideradas na análise objetiva, desta forma, através da
sobreposição das regiões limítrofes das mesorregiões da RSB e a associação subjetiva das
métricas estatísticas Viés e RMS a cada área, ver Figura 1, obteve-se a média aritmética das
métricas estatísticas de todo o domínio, considerou-se o mesmo peso para todas as
mesorregiões
3. Figura 1: Mesorregiões da Região Sul do Brasil
3 – RESULTADOS
Nas Figura 2 e 3 são apresentados os resultados obtidos referentes à comparação entre a
análise objetiva e subjetiva das saídas do modelo. Na Figura 2, são apresentados os valores
das duas formas de análises (objetiva e subjetiva) para a métrica estatística Viés, em (a) são
apresentados os resultados correspondente ao ano de 2009, em (b) ao Verão, em (c) ao
Outono, em (d) ao Inverno, em (e) à Primavera de 2009 e em (f) a variável Movimento
Vertical (W) está apresentada numa tabela separadamente para todos os períodos de tempo,
uma vez que se trata de uma variável cuja amplitude de valores é extremamente pequena
quando comparados às outras variáveis. Analogamente, a Figura 3 apresenta os dados
correspondentes ao RMS médio.
(a) (b)
4. (c) (d)
(e) (f)
Figura 2: Nesta figura são apresentados os valores médios de Viés obtidos pela análise
objetiva e subjetiva para os períodos de tempo referentes ao ano de 2009 (a), Verão
de 2009 (b), Outono de 2009 (c), Inverno de 2009 (d), Primavera de 2009 (e) e em
(f) Movimento Vertical (W) para os mesmo intervalos de tempo em questão.
(a) (b)
(c) (d)
5. (e) (f)
Figura 3: Nesta figura são apresentados os valores médios de RMS obtidos pela análise
objetiva e subjetiva para os períodos de tempo referentes ao ano de 2009 (a), Verão
de 2009 (b), Outono de 2009 (c), Inverno de 2009 (d), Primavera de 2009 (e) e em
(f) Movimento Vertical (W) para os mesmo intervalos de tempo em questão.
4 - CONCLUSÕES
O método de análise explorado nesse trabalho evidenciou a importância da consideração de
diferentes tipos de análises dos resultados gerados por modelos numéricos meteorológicos. Os
autores puderam concluir que os resultados calculados objetivamente através do software
GrADS e os resultados provenientes das análises humanas das imagens geradas pelo mesmo
software estão fortemente correlacionados, entretanto os resultados médios provenientes das
análises subjetivas mostraram-se superestimados em relação aos encontrados pela análise
objetiva.
REFERÊNCIAS BIBLIOGRÁFICAS
Bhushan, Navneet; Kanwal Rai (January, 2004). Strategic Decision Making: Applying the
Analytic Hierarchy Process. London: Springer-Verlag. ISBN 1-8523375-6-7.
Ehrendorfer, M.; Murphy A.H. Comparative Evaluation of Weather Forecasting Systems:
Sufficiency, Quality and Accuracy. Monthly Weather Review, v. 116, p. 1757-1770, 1992.
HÄRTER, F.P.; Barros, F.J.G.; Braga, T.T.; Santos, R.R. ; Bonatti, G.R.; MOL, J.M.D.;
Quixaba Filho, F.; Alves, F.; Guedes, J. M. F. Um Sistema Previsor Baseado no WRF em
Fase de Testes no INMET. Boletim da Sociedade Brasileira de Meteorologia, v. 32, p. 35-
41, 2008.
Krzysztofowicz, R.; Long, D. Forecast Sufficiency Characteristic: Construction and
application. International Journal Forecasting, v. 7, p. 39-45, 1991.
Murphy, A.H. What is a Good Forecast? An essay on the Nature of Goodness in Weather
Forecasting. Weather Forecasting, v. 8, p. 281-293,1993.
Wilks, D.S. Statistical Methods in the Atmospheric Sciences. San Diego: Elsevier, 2006.
627p.