4. RESULTADOS
4.4 Verificação da previsão da localização de chuva do modelo ETA
A seção anterior mostrou que a precipitação que atinge o solo pode ser estimada com confiança, usando dados de refletividade do radar e equação de regressão linear para diminuir o bias. Este resultado é importante na validação/verificação das previsões de precipitação de modelos numéricos da atmosfera, já que, em geral, a rede convencional de observação de precipitação não possui a resolução desses modelos, e a rede de pluviômetros no estado de São Paulo não é uma exceção.
A seguir, é apresentada a verificação do desempenho do modelo ETA na previsão de chuva para o estado de São Paulo, usando precipitação do radar de Bauru, estimada seguindo o método descrito no seção anterior. Esta análise pretende dar uma visão crítica de modelo numérico de previsão do tempo, identificando suas qualidades e defeitos, que devem ser levadas em consideração pelos usuários na tomada de decisão, por exemplo, em relação à irrigação e gestão de recursos hídricos.
O método a ser aplicado pode ser usado com qualquer modelo atmosférico de previsão do tempo. A quantidade ou variável a ser verificada é a precipitação acumulada em 24hs ou precipitação diária, correspondente às previsões válidas para 24hs, 48hs e 72hs e toda a área de cobertura do radar. Vale repetir que essas
previsões são do modelo ETA para uma grade de 10 km x 10 km, e delimitadas pelas latitudes em graus e décimos de graus entre -24,51330 e -20,18750 e longitudes entre - 51,39510 e -46,65990, e que as estimativas de precipitação pelo radar foram adequadas para essa grade. Daqui em diante, a precipitação prevista pelo modelo será referenciada como MP.
No IPMet-UNESP, a ocorrência da propagação anômala das ondas eletromagnéticas emitidas pelo radar é identificada subjetivamente pelos meteorologistas e operadores de radar, durante o monitoramento contínuo das imagens do radar. No caso da identificação de ocorrência de propagação anômala, sem chuva, o restante da sequência de dados não é gravado. Os dias com menos de 6 horas de gravação de dados, dentro do raio de 240 km do radar de Bauru, foram verificados utilizando análise subjetiva, excluindo, por exemplo, os dias em que a propagação anômala foi detectada em algum horário. Lembrando que os ecos registrados pelo radar quando ocorre propagação anômala podem ser ecos de terreno e não de chuva.
Foram eliminados 7% dos dias da amostra de dados utilizada devido à identificação de propagação anômala do feixe do radar. A propagação anômala é um problema de grande complexidade na Meteorologia com Radar e continua um problema em aberto apesar de muitos esforços para corrigi-la (SILVEIRA e HOLT, 2001), e não foi escopo do presente trabalho resolver essa questão.
O período de 3 anos considerado para verificação do modelo para a previsão de 24hs, 48hs e 72hs tem, respectivamente, 791, 789 e 787 casos com precipitação diária. Segundo Jolliffe e Stephenson (2003) para verificar somente a previsão da ocorrência ou não do fenômeno chuva, existem as seguintes possibilidades, conforme mostrado na Tabela 7.
Tabela 7 - Tabela de contingência para verificação de erros e acertos da previsão de chuva do modelo ETA.
Observação Previsão Sim Não
Sim Não
onde :
- número de vezes em que previu e observou a chuva (acerto);
- número de vezes em que a chuva observada não havia sido prevista (erro);
– número de vezes em que a previsão de chuva não se confirmou (erro ou falso alarme);
– número de vezes em que a previsão de não ocorrência foi confirmada (rejeição correta ou correta rejeição).
A taxa de acerto, denotado no presente trabalho como índice de acerto (em percentagem), para cada ponto do modelo, é dado por:
100% (4.1)
Quando o modelo prevê ocorrência de chuva que não ocorre, para um dado ponto, é referido como falso alarme. Então a taxa de falso alarme, também denotado no presente trabalho como índice de falso alarme (em percentagem), o será dado por:
100% (4.2)
Foram calculados também os índices médios e , que são médias dos correspondentes índices, para toda a área considerada na verificação. A Tabela 8 mostra os índices médios , da previsão de chuva para 24hs, 48hs e 72hs do modelo ETA. Ocorre um decréscimo no valor do com o aumento do período para a previsão de chuva, já o valor do aumenta juntamente com o período de previsão.
Tabela 8- Índices médios , da previsão de chuva para 24hs, 48hs e 72hs do modelo ETA. Previsão Índices (%) 24hs 48hs 72hs 90,8 87,6 85,5 47,8 50,8 52,4
O índice de acerto IA juntamente com o índice de falso alarme IFA (em percentagem), para as previsões de 24hs, 48hs e 72hs, são mostrados nas Figuras 25 e 27. A análise do IA e IFA separadamente não fornecem informação suficiente para medir a habilidade de previsão do modelo atmosférico. Estes índices devem ser analisados em conjunto para cada ponto de comparação do modelo atmosférico para indicar o desempenho do modelo ETA. A perfeita destreza de previsão é dada por IA= 100% e
IFA = 0%. Quanto maior IA e menor IFA para área verificada melhor é a performance do
modelo atmosférico, por exemplo, em pontos com de IA na faixa de 85% a 90% e de IFA na faixa de 30% a 40%, como ocorreu para a previsão de 24hs nas regiões de Lins, São Carlos, Marília, Botucatu e próximo a Ourinhos, mas já dentro do estado do Paraná, indicam uma boa performance do modelo nessas regiões. Para o caso de Botucatu, uma possível explicação dessa performance seria a boa destreza do modelo ETA para simular a precipitação na serra de Botucatu. O desempenho melhor do modelo para a região de Rio Claro pode ter a mesma explicação. O mapa de altitude utilizado no modelo ETA, apresentado na Figura 28, mostra que essas duas localidades ficam nas regiões altas do estado de São Paulo.
É possível notar que o ETA possui um desempenho razoável com
IA na faixa de 90% a 95% e IFA na faixa de 40% a 50%, para previsão de 24hs, na maioria
das regiões comparadas do modelo ETA. Para as previsões válidas para 24hs, 48hs e 72hs como mostrado na Figura 25 e Figura 27, os valores de IA não apresentam grandes contrastes, mesmo nas áreas de periferia do domínio do produto CAPPI, poucos pontos com valores de IA inferiores a 75% são observados. Já os maiores valores de IFA, acima de 55%, são para a periferia do domínio do produto CAPPI do radar, mostrado na Figura 27, onde somente chuvas em nuvens de grande desenvolvimento vertical, como torres de
cumulu nimbus (Cbs), são detectadas pelo radar. Essa é uma limitação do presente método
distância. A frequência relativa de ocorrência de precipitação na grade do modelo estimada pelo radar é mostrada na Figura 26. Para as previsões válidas para 48hs e 72hs, nota-se que o IFA aumenta em relação às previsões válidas para 24hs, mas para uma grande área continua menor que 50%. Assim, quando considerado somente a ocorrência ou não da chuva, sem levar em consideração a quantidade, as previsões do ETA são razoáveis.
Altos valores para o índice de falso alarme (> 50%) na periferia do domínio do produto CAPPI se devem mais à limitação do radar na detecção de chuva a grande distância do que do modelo. É importante ressaltar que qualquer variação na direção radial do radar nas áreas de chuva, deve ser interpretada como um artefato, como pode ser observado na Figura 26, que mostra o número de ocorrência de precipitação ( em percentagem, no domínio do produto CAPPI.
Figura 25 – IA do ETA para o domínio do CAPPI, em percentagem, para previsões de (a) 24hs, (b) 48hs e (c) 72hs.
(a) (b)
Figura 26 – Número de ocorrência de precipitação (≥ 1 mm), em percentagem, no domínio do produto CAPPI.
Figura 27 – IFA do ETA para o domínio do produto CAPPI, em percentagem, para previsões de (a) 24hs, (b) 48hs e (c) 72hs.
(a) (b)
Figura 28 – Mapa de altitude (m) do relevo na área de cobertura do produto CAPPI do radar de Bauru, utilizado pelo modelo ETA, com resolução espacial de 10 km x 10 km.