AVALIAÇÃO DAS PREVISÕES DE TEMPERATURA E UMIDADE DO AR A 2 METROS E VE TO A 10 METROS DO MCGA/CPTEC SOBRE A AMÉRICA DO SUL

(1)

AVALIAÇÃO DAS PREVISÕES DE TEMPERATURA E UMIDADE DO AR A 2 METROS E VETO A 10 METROS DO MCGA/CPTEC SOBRE A AMÉRICA DO SUL

Ariane Frassoni dos Santos1, Antônio Marcos Mendonça1, Paulo Yoshio Kubota1, Saulo Ribeiro de Freitas1, José Paulo Bonatti1, Maria Assunção Faus da Silva Dias1

1-Instituto Nacional de Pesquisas Espaciais/Centro de Previsão de Tempo e Estudos Climáticos. Rodovia Presidente Dutra, km 40. Fone 3186-8631, ariane@cptec.inpe.br

RESUMO: Este trabalho tem como objetivo avaliar as previsões de temperatura e umidade específica a 2 metros (T2m e q2m, respectivamente) e vento a 10 metros de altura (V10m), do Modelo de Circulação Geral da Atmosfera do Centro de Previsão de Tempo e Estudos Climáticos (MCGA/CPTEC) sobre a América do Sul (AS), durante o período de 1º a 31/07/2006. Estas variáveis foram recentemente introduzidas no MCGA. Foram realizadas comparações entre as previsões de T2m, q2m e V10m e as respectivas variáveis encontradas no 1º nível sigma do modelo a fim de verificar se houve ganho em sua implementação. Foram realizados cálculos estatísticos para verificar o desempenho do modelo. Os resultados indicaram um melhor desempenho das novas variáveis sobre o globo e em uma análise localizada para a cidade de São Paulo. Por outro lado, indicou um pior desempenho na análise estatística para regiões da AS. Este fato pode estar associado à metodologia utilizada para o cálculo dos fluxos de superfície entre a interface oceano-continente. ABSTRACT: The aim of the present work was to evaluate the 2-meter temperature, 2-meter specific humidity and 10-meter wind (T2m and q2m, respectively) of the Atmosphere Global Circulation Model from the Center for Weather Prediction and Climate Studies (AGCM/CPTEC) over the South America (SA), during 1st July to 31 July 2006. Comparisons between T2m, q2m and V10m forecasts were carried through and the respective variable of the AGCM/CPTEC from 1st sigma level in order to verify if it had increase in the implementation of the new variables. It was computed statistical index to verify the performance of the model. The results indicated better performance of the new variables over globe and in a local analysis for Sao Paulo. On the other hand, it indicated one worse performance for regions of. SA. This fact can be associated to the methodology used for the surface fluxes calculation between the interface land-ocean. Palavras-chave: temperatura a 2m, modelo global, previsão numérica de tempo.

ITRODUÇÃO

Desde a sua implementação original, o Modelo de Circulação Geral da Atmosfera do Centro de Previsão de Tempo e Estudos Climáticos (MCGA/CPTEC) vem sendo continuamente aperfeiçoado através de modificações, otimizando o seu desempenho e aperfeiçoando as previsões numéricas realizadas no CPTEC. Atualmente, as variáveis meteorológicas obtidas de medições realizadas em estações meteorológicas encontradas a uma altura de 2 a 10 metros são prognosticadas com a utilização do 1º nível sigma do modelo (aproximadamente 20 m de altura), tornando-se inadequado comparar as informações observacionais e modeladas. Como as previsões deveriam estar próximas às condições reais, teve-se a necessidade de se implementar no MCGA as variáveis temperatura, umidade e vento a níveis mais próximos daqueles que são obtidos em estações meteorológicas convencionais ou automáticas. Como uma etapa da avaliação da introdução de novos métodos para o cálculo destas variáveis meteorológicas no MCGA/CPTEC, este trabalho tem como objetivo avaliar as previsões da temperatura e umidade específica a 2m de altura (T2m e q2m, respectivamente) e vento a 10 metros de altura (V10m) sobre a América do Sul (AS).

DADOS E METODOLOGIA

O MCGA/CPTEC foi utilizado com resolução horizontal T126L28 (T126 representa o truncamento triangular no número de onda zonal 126 e L28 o número de camadas verticais em coordenada sigma), o que corresponde a uma grade horizontal de 1°X1° lat/lon. Como condição inicial para o MCGA, foram utilizadas as análises espectrais T126L28 do ational Centers for Environmental Prediction a cada 24 horas para o período de 26/06 a 31/07/2006 às 12 UTC.

(2)

A implementação de T2m, q2m e V10m, que são variáveis diretamente dependentes dos fluxos que ocorrem na superfície, foram obtidas do esquema de parametrização da Camada Limite Planetária (CLP) do MCGA/CPTEC. A metodologia utilizada para o cálculo destas variáveis considera a velocidade de fricção (u*), a escala de temperatura, umidade e vento a partir da teoria de similaridade de Monin-Obukhov (M-O, Businger et al., 1971; Arya, 2001). Uma vez obtidos os valores de u* e dos parâmetros de escala pela teoria de M-O, são calculados os fluxos de momentum e calor na CLP utilizando-se as equações de Manton e Cotton (1977). A partir desta metodologia, foram geradas as previsões de T2m, q2m e V10m. A fim de verificar se esta implementação apresentou ganhos com relação às variáveis já disponíveis no MCGA, que são a temperatura, umidade e vento do 1° nível sigma do modelo (Tems, qsps e Vves, respectivamente, obtidas em uma altura de aproximadamente 40 m acima da superfície na configuração T126L28 do modelo), foi realizada a comparação entre estas variáveis. As previsões foram geradas até o prazo de 360h (15 dias) com integração a cada 3 horas.

AÁLISE ESTATÍSTICA

Para validar as previsões, foram utilizadas as análises do AVN, com resolução de 1°x1° latitude X longitude, para o mesmo período das previsões. Foi calculado o Erro Absoluto Médio (MAE) do mês de julho de 2006 sobre o globo, com o objetivo de observar a distribuição global dos erros. O MAE é dado pela soma da magnitude dos erros para obter o ''erro total'', dividido pelo número de elementos da série utilizada, tal que

1

∑

_{i= 1}

j

P− O

_{, em que =31 dias, P são as previsões e O as observações. A partir deste cálculo,}

fez-se a diferença dos valores absolutos de MAE das variáveis implementadas e os valores absolutos das variáveis do primeiro nível sigma, a fim de observar qual apresentou maiores erros. Também foi calculada a Raiz do Erro Quadrático Médio (RMS). Este índice foi calculado para três regiões da AS, a saber: Região Norte, Região Centro-Sul e Região Nordeste, como descrito em Chou et al (2002). Além disso, foi realizada uma comparação entre os dados observados de temperatura, umidade e vento obtidos da estação meteorológica de superfície do aeroporto de São Paulo e as previsões do modelo, para o mês de julho de 2006 e para o prazo de previsão de 120h, com o objetivo de avaliar localmente a previsibilidade do modelo. Foi realizado o cálculo do Erro Absoluto (EA) entre as previsões e a observação a fim de observar o comportamento do padrão dos erros. O EA é dado pelo valor absoluto da diferença entre a previsão P e a observação O, ou seja: EA=|P-O|. O EA é zero para previsões perfeitas e aumenta com o crescimento da diferença entre P e O. Os índices utilizados são melhor descritos em Wilks (1995) e Jolliffe e Stephenson (2003).

RESULTADOS

Na Figura 1, observam-se maiores valores de MAE nos campos de temperatura e vento. Nota-se que no campo da temperatura (Figura 1a), Tems apresenta maiores erros sobre os oceanos, enquanto que T2m apresenta mais erros sobre os continentes, principalmente entre a interface continente-oceano. Isto pode estar associado à metodologia utilizada para o cálculo dos fluxos sobre estas superfícies. A umidade (Figura 1b) não apresentou diferenças significativas sobre o globo, enquanto que V10m (Figura 1c) obteve melhor desempenho, principalmente sobre os continentes.

O RMS, que salienta os erros mais grosseiros, sofre maior influência quando existem erros de maior magnitude no conjunto de previsões verificadas, mesmo que sejam poucos, do que quando ocorrem muitos erros pequenos, pois estes são elevados ao quadrado. Pode-se observar na Figura 2 que o RMS de ambas as variáveis não apresenta valores muito elevados, exceto em alguns casos. Como era de se esperar, o RMS apresentou maiores valores na Região Centro-Sul da AS (Figuras 2b, 2f e 2j), visto que nesta Região o modelo é baroclínico (é onde se observam as maiores variações das condições meteorológicas devido à freqüente passagem de sistemas frontais). Os menores erros foram observados na Região Nordeste (Figuras 2d, 2h e 2l) seguida da Região Norte (Figuras 2c, 2g e 2k), já que o modelo é barotrópico (não se observam grandes variações de escala sinótica nestas Regiões, onde os processos de sub-grade são predominantes). Também era esperado que o RMS sobre toda a AS tivesse maior peso da Região Centro-Sul da AS, pois o erro desta região é maior, ressaltando os erros observados na AS. Especificamente, a T2m não apresentou melhor desempenho em nenhuma das Regiões analisadas (Figuras 2b, 2f e 2j). Já Q2m apresentou melhor desempenho comparada a qsps somente sobre a Região Norte (Figura 2g). V10m apresentou melhor desempenho, tendo ganho sobre Vves nas Regiões Centro-Sul e Nordeste (Figuras 2j e 2l) e apresentando praticamente o mesmo comportamento na Região Norte (Figura 2k)..

(3)

a) _b)

c)

Figura 1: Diferença entre o MAE de a) T2m e Tems (ºC), b) q2m e qsps (g/kg) e c) V10m e Vves (m/s) sobre o globo. As áreas sombreadas cinza-escuro indicam que as variáveis do primeiro nível sigma apresentam maiores erros do que as novas variáveis, enquanto que as áreas sombreadas cinza-claro apresentam o inverso.

a) b) c)

d) e) f)

(4)

g) h) i)

j) k) l)

Figura 2: RMS da temperatura (ºC) para a) AS; b) Região Centro Sul da AS; c) Região Norte da AS; d) Região Nordeste da AS. RMS da umidade específica (g/kg) para e) AS; f) Região Centro Sul da AS; g) Região Norte da AS; h) Região Nordeste da AS. RMS da magnitude do vento (m/s) para i) AS; j) Região Centro Sul da AS; k) Região Norte da AS; l) Região Nordeste da AS.

A Figura 3 apresenta a análise localizada das variáveis para a cidade de São Paulo. A amplitude das observações, tanto de T2m, q2m e V10m (Figuras 3a-c, respectivamente) é relativamente menor que a amplitude das variáveis do primeiro nível sigma (Figura 3a-c). Para o prazo de previsão analisado (120h), verifica-se uma boa representação das observações por parte das variáveis implementadas, principalmente de V10m, que acompanha as variações observadas de forma melhor que Vves. Isto se torna mais evidente analisando a amplitude do EA (Figuras 3d-f). Para a temperatura, não se observa muita variação, indicando que ambas as previsões apresentaram comportamento semelhante, mas no caso do vento, V10m apresentou menores erros comparado a Vves.

COSIDERAÇÕES FIAIS

Nos campos espaciais de MAE sobre o globo, pôde-se observar que de maneira geral as novas variáveis implementadas apresentaram melhor desempenho se comparadas às variáveis do primeiro nível sigma. Já o cálculo do RMS sobre a AS indicou que q2m e V10m apresentaram um pequeno ganho sobre qsps e Vves, enquanto que o desempenho de T2m foi inferior a Tems. Sobre as Regiões específicas, verificou-se que em ambos locais a T2m apresentou pior desempenho, q2m teve ganho sobre qsps somente na Região Centro-Sul enquanto que V10m foi superior a Vves nas Regiões Nordeste e Centro-Sul e apresentou comportamento semelhante a Vves na Região Norte. A análise das previsões de 120h para a cidade de São Paulo indicou que os erros das novas variáveis implementadas são menores se comparados aos erros das variáveis no primeiro nível sigma. O pior desempenho indicado pelo cálculo dos índices sobre as áreas pode estar então associada aos erros verificados na interface entre o oceano e continente. Nos campos espaciais, fica claro um erro maior de T2m nestas regiões, o que pode estar contaminando o resultado geral. Esta questão deverá ser melhor investigada futuramente.

(5)

Figura 3: Previsão versus observação para: a) temperatura (ºC); b) umidade específica (g/kg): c) magnitude do vento (m/s) e EA da d) temperatura (ºC), e) umidade específica (g/kg) e f) magnitude do vento (m/s) para a cidade de São Paulo, SP. As linhas azuis indicam as previsões obtidas da nova implementação, as linhas vermelhas, as previsões obtidas no primeiro nível sigma, enquanto que as linhas cinzas representam as observações.

REFERÊCIAS BIBLIOGRÁFICAS

Arya, S. P., Introduction to Micrometeorology, Academic Press, 2001, 440 p.

Businger, J. A., Wyngaard, J. C., Izumi, Y., Bradley, E. F., Flux-profile relationships in the atmospheric surface layer. J. Atmos. Sci., v. 28, p. 181-189, 1971

Chou, S. C., Tanajura, C. A., Xue, Y., Nobre, C. Validation of the coupled Eta/SSiB model over South America. J. Geo. Res., 107, D20, 2002.

Jollife, I. T. e Stephenson, D. B. Forecast Verification. A Practitioner’s Guide in Atmospheric Science, 2003, 252p.

Manton, M. J. e Cotton, W. R., Formulation of approximate equations for modeling moist deep convection on the mesoscale. Atmos. Sci. Paper, n° 266, Dept. Atmos. Sci., Colorado State University, Fort Collins, CO, 1977.

° 2, p. 256-261, 2005.

Wilks, D. S. Statistical Methods in the Atmospherics Sciences: An Introduction. Academic Press, 1995, 465 p. (International Geophysics Series, v. 59).

1 5 9 ₁₃ ₁₇ ₂₁ ₂₅ ₂₉ 0 2 4 6 8

Previsão X Observação - Julho 2006

Magnitude do Vento Observação (SBPC) Previsão (1NS) Previsão (NV) Dias M a g n itu d e d o v e n to ( m /s ) 1 5 9 ₁₃ ₁₇ ₂₁ ₂₅ ₂₉ 0 2 4 6 8 Erro absoluto Magnitude do v ento MAE (1NS) MAE (NV) Dias E rr o a b s ol u to (m /s ) 1 5 9 ₁₃ ₁₇ ₂₁ ₂₅ ₂₉ 0 10 20 30

Prev isão X Obs erv aç ão - J ulho 2006 Temperatura Obs e rv a ç ã o (SBPC) Pre v i s ã o (1 NS) Pre v i s ã o (NV) Dias T em p e ra tu ra ( ºC ) 1 5 9 ₁₃ ₁₇ ₂₁ ₂₅ ₂₉ 0 2 4 6 Erro absoluto Temperatura M AE (1 NS) M AE (NV) Dias E rr o a b s ol u to (º C ) 1 5 9 ₁₃ ₁₇ ₂₁ ₂₅ ₂₉ 0 5 10 15 20

Previs ão X Obs erv aç ão - J ulho 2006 Umidade específica Ob s e rv a ç ã o (SBPC) Pre v i s ão (1 NS) Pre v i s ão (NV) Dias U m id a d e e s p e c ífi c a ( g/ k g ) 1 5 9 ₁₃ ₁₇ ₂₁ ₂₅ ₂₉ 0 2 4 6 Erro absoluto

Umidade es pec ífic a

M AE (1 NS) M AE (NV) Dias E rr o a b s o lu to (g /k g )