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

1UFRGS – Porto Alegre – RS - 2UFPEL – Pelotas – RS - 3elias.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.

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

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)

(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)

(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.