Academic paper: O sistema de avaliação da previsão de tempo da

Propaganda
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
Download