O SISTEMA DE AVALIAÇÃO DA PREVISÃO DE TEMPO NA WEATHER SERVICES INTERNATIONAL - WSI Everaldo de Souza, Caarem Studzinski, Tercio Ambrizzi, Mario Quadro, Cíntia Blanco, Cristina Lourenço, Fernanda Ide, Marco Jusevicius, Gilsânia Cruz, Alexandre Galvão, Ester Ito, Amaury Caruzzo Weather Services International – WSI Brazil Tv. Ubirassanga, 50, Campo Belo, São Paulo, SP, CEP-04614-050, e-mail: [email protected] RESUMO Este trabalho introduziu um sistema objetivo de avaliação da previsão de tempo em categorias, desenvolvido pela Weather Services International - WSI. Os resultados, utilizando o cálculo do coeficiente de correlação simples entre as séries temporais diárias das condições previstas e observadas, mostraram que o método é eficaz e de fácil operacionalização. A aplicação deste método para a cidade de São Paulo resultou em valores de acerto significantes estatisticamente (em torno dos 90%). 1. INTRODUÇÃO A última década foi marcada por grandes avanços científicos e tecnológicos nos centros regionais e nacionais de meteorologia do Brasil. Apesar da carência dos dados meteorológicos, grandes esforços foram feitos pela comunidade científica, buscando o melhor entendimento e melhoramento da previsão de tempo nas diversas regiões do Brasil. Além disso, a aquisição de supercomputadores, possibilitando a operação de modelos numéricos globais e regionais de previsão numérica de tempo e também a explosão da internet, com sua infinidade de informações e produtos, facilitaram bastante a rotina operacional dos centros de previsão meteorológica. Mas, quão e quanto realmente a previsão de tempo melhorou nos últimos anos no nosso país ? Avaliações operacionais das previsões meteorológicas, apesar de fundamentais, ainda são poucas (na maioria dos centros é inexistente) no Brasil (Quadro e Bitencourt, 1996). A empresa privada norte-americana denominada Weather Services International – WSI, começou suas operações no mercado brasileiro em janeiro de 1999. A WSI, com o seu sistema de comunicação funcionando via satélite e gerenciado pelo WEATHERproducer (ver detalhes em Quadro et al., 2000), trouxe inovações tecnológicas principalmente na área de mídia e televisão. Uma das grandes preocupações da WSI é a qualidade da sua previsão de tempo. Neste trabalho, apresenta-se um método objetivo de avaliação da previsão de tempo desenvolvido na WSI. Além de quantificar o índice de acerto da previsão, os objetivos se estendem também em fazer uma análise mais completa de todo o processo envolvido na rotina operacional de previsão de tempo (desde o tipo de produto, escala de previsores e etc, até a posterior análise dos acertos/erros na etapa final de divulgação). 2. MATERIAL E MÉTODOS 2.1 Tempo Previsto As séries das condições de tempo e temperatura previstas foram extraídas diretamente dos boletins e gráficos gerados pela WSI (Figura 1), os quais são veiculados diariamente nos telejornais regionais e nacionais da Rede Record, Rede Bandeirantes e Afiliadas da Rede Globo. Estes boletins/mapas são feitos até às 18 horas do dia anterior ao da previsão (previsão de 24 horas). Figura 1 – Ilustração de alguns mapas de previsão de tempo nacional, regional e local gerados pela WSI. 2.2 Tempo Observado Para o diagnóstico das condições de tempo observadas, foram utilizados todos os conjuntos de dados recebidos e processados pela WSI. Estes consistem de imagens de satélite recebidas a cada meia hora e das observações meteorológicas codificadas (a exemplo das temperaturas máxima e mínima, cobertura de nuvens, precipitação, tempo presente e passado, etc) reportadas a cada hora pelo METAR, a cada 3 horas pelo SYNOP e a cada 12 horas 3321 pelo TEMP. Utilizaram-se ainda, as imagens de precipitação estimada via satélite divulgadas pela NOAA (http://orbit-net.nesdis.noaa.gov/arad/ht/ff/gilberto.htm). 2.3 Método de Avaliação Os critérios de avaliação da previsão de tempo obedeceram aos seguintes passos: Primeiramente, foram estabelecidas as categorias das diversas condições de tempo observadas. A Tabela 1 mostra a lista das categorias das condições de tempo, representadas por ícones e respectivas descrições sinóticas, utilizada pela WSI. Estas condições foram definidas com base nas observações de cobertura de nuvens e tempo presente reportados a cada hora pelo METAR e também através de análises das imagens de satélite. A quantidade de chuva observada foi extraída através das observações reportadas pelo SYNOP, além das imagens de precipitação estimada pela NOAA. Tabela 1 – Categorias das condições de tempo CONDIÇÕES DE TEMPO ÍCONES ABREVIATURA ÍCONES SEM CHUVA Céu claro CLR Sol e poucas nuvens SPN Sol e muitas nuvens SMN CONDIÇÕES DE TEMPO ÍCONES ÍCONES COM CHUVA Sol, muitas nuvens e chuva isolada (pancadas) Nublado (céu encoberto) e chuva leve (garoa) Nublado e chuvoso ABREVIATURA PAN NUB CHU Posteriormente, estabeleceu-se as porcentagens de acerto para cada categoria de condição de tempo previsto versus observado. A Tabela 2, mostra estas porcentagens considerando-se todas as possibilidades de tempo previsto versus observado. Se a categoria prevista foi a mesma observada, considerou-se o acerto de 100%. A porcentagem diminui se a categoria prevista não foi a mesma observada, sendo que o erro é total (0%) se a categoria prevista foi de ícone sem chuva e o observado foi ícone com chuva (e vice-versa). Tabela 2 – Porcentagens de acerto na previsão de tempo para cada categoria PREVISTO CHU NUB PAN OBSERVADO ACERTO(%) CHU 100 NUB 75 PAN 50 SMN 0 SPN 0 CLA 0 CHU 75 NUB 100 PAN 50 SMN 0 SPN 0 CLA 0 CHU 25 NUB 50 PAN 100 SMN 0 SPN 0 CLA 0 PREVISTO SMN SPN CLA OBSERVADO CHU NUB PAN SMN SPN CLA CHU NUB PAN SMN SPN CLA CHU NUB PAN SMN SPN CLA ACERTO(%) 0 0 0 100 75 25 0 0 0 50 100 75 0 0 0 50 75 100 Finalmente, a quantificação do acerto da previsão entre a série das condições de tempo previsto e o observado, foi feita utilizando-se o coeficiente de correlação simples (r) entre as duas séries temporais, , sendo a ea , onde 1 representa a série de observações e 2 representa a série de previsões. Apesar da “simplicidade” do r, ele dá uma boa idéia em termos quantitativos do quão próxima estão as duas séries temporais e suas tendências (Wilks, 1995). 3. RESULTADOS E DISCUSSÕES 3322 A WSI faz avaliações rotineiras de seus produtos e serviços de previsão para todas as capitais brasileiras. Neste trabalho, será apresentado apenas os resultados obtidos para a cidade de São Paulo. Na Figura 2 mostra-se a série das condições de tempo previstas e observadas, que vai desde o dia 3/12/1999 até 31/05/2000, compreendendo as estações de verão e parte do outono, as quais englobam os meses climatologicamente mais chuvosos na cidade de São Paulo. Apesar do tamanho da série ser curta (n=182), o coeficiente de correlação obtido foi de 0.9086, que é significante estatisticamente. Tempo_Observado Tempo_Previsto CHU Condições de Tempo Observadas x Previstas NUB PAN SMN SPN 31/Mai 26/Mai 21/Mai 16/Mai 6/Mai 11/Mai 1/Mai 26/Abr 21/Abr 16/Abr 6/Abr 11/Abr 1/Abr 27/Mar 22/Mar 17/Mar 7/Mar 12/Mar 2/Mar 26/Fev 21/Fev 16/Fev 6/Fev 11/Fev 1/Fev 27/Jan 22/Jan 17/Jan 7/Jan 12/Jan 2/Jan 28/Dez 23/Dez 18/Dez 8/Dez 13/Dez 3/Dez CLA Figura 2 – Série temporal diária das condições de tempo previstas e observadas para a cidade de São Paulo. 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 r = 0.9117 T.Max Observada (INMET) T.Max Prevista 3/Dez 8/Dez 13/Dez 18/Dez 23/Dez 28/Dez 2/Jan 7/Jan 12/Jan 17/Jan 22/Jan 27/Jan 1/Fev 6/Fev 11/Fev 16/Fev 21/Fev 26/Fev 2/Mar 7/Mar 12/Mar 17/Mar 22/Mar 27/Mar 1/Abr 6/Abr 11/Abr 16/Abr 21/Abr 26/Abr 1/Mai 6/Mai 11/Mai 16/Mai 21/Mai 26/Mai 31/Mai Temp (C) A Figura 3 mostra a série diária das temperaturas máximas previstas e observadas para o mesmo período na cidade de São Paulo. Novamente foi obtido o r de 0.9117 significante estatisticamente. Figura 3 – Série temporal diária das temperaturas máximas previstas e observadas para a cidade de São Paulo. A parte mais interessante no processo de avaliação da previsão de tempo, é verificar qual o motivo dos erros de previsão e com isso, tirar proveito para não errar mais (em outras palavras, aprender com os erros…). É bem 3323 verdade que, na maioria das vezes, estes erros estão intimamente relacionados com condições meteorológicas adversas que ocorrem em curtos intervalos de tempo (até 12 horas): deslocamento rápido de uma frente fria, que entrou ou se afastou antes/depois do esperado; formação de sistemas de meso escala (ainda de difícil previsão a curto prazo no Brasil), tais como Linhas de Instabilidade, Complexos Convectivos, etc; instabilidades geradas pelo Jato Subtropical e outros sistemas transientes. Entre os vários fatores interessantes detectados na análise feita na WSI, vale a pena mencionar: Sequência de plantões interrompidos (o meteorologista trabalha hoje, folga amanhã e volta depois de amanhã, sem uma seqüência hábil para acompanhar a dinâmica do tempo); Falta ou atraso de produtos úteis na rotina de previsão (a exemplo do diagrama Skew-T) que podem fazer a diferença na hora da previsão. REFERÊNCIAS Quadro, M.F.L.; Bitencourt, D.P., 1996. Avaliação do modelo global do CPTEC sobre a região extratropical da América do Sul através de campos diagnósticos para um episódio de friagem no Brasil. Congresso Brasileiro de Meteorologia, 9:826-829. Campos do Jordão-SP. Anais I. Wilks, O.S., 1995. Statistical Methods in the Atmospheric Sciences. V. 59. San Diego. Academic Press. 3324