ANÁLISE COMPARATIVA ENTRE A QUANTIDADE DE
CHUVA OBSERVADA E ESTIMADA PELO BRAMS/SIPAM
James Avelar¹; Alan Cavalcanti da Cunha²; Gustavo Ribeiro³ e Daniel Neves4
¹Bolsista CNPq/MCT NHMET/IEPA, [email protected], 2Prof. do Curso de Ciências Ambientais da
UNIFAP; 3Pesquisador SIPAM-CR-Manaus; 4Doutorando PPGBIO bolsista do CNPq/UNIFAP.
RESUMO: O objetivo da pesquisa foi confrontar estimativas de precipitação de simulações
do modelo operacional BRAMS/SIPAM com dados observacionais de cinco estações de
superfície no estado do Amapá. O método de investigação se restringiu ao período de março
de 2010. A assimilação de dados compreendeu os modelos globais do CPTEC-INPE
(GAMRAMS/T213L42) e do NCEP-NOAA (GFS/T254L64). Uma análise estatística indicou
que os valores de chuva estimados pelo modelo BRAMS/SIPAM superestimam em mais de
100% os valores observados. Por outro lado, quando assimilado com dados do modelo global
do CPTEC-INPE (GAMRAMS), a precipitação resultante foi superestimada em relação aos
resultados simulados pelo NCEP-NOAA (GFS), em mais de 200%. Em contrapartida, as
assimilações resultantes do GFS superestimaram os observados em cerca de 120%. Ademais,
quando confrontados, os valores observados em relação aos estimados pelo BRAMS/GFS,
indicaram coeficientes de determinação estatísticos significativamente baixos para todas as
estações estudadas (0,002≼R2≼0,28). Esses resultados indicaram que a atual configuração
paramétrica do modelo pode ser insatisfatório para os objetivos operacionais de análise
prognóstica de quantificação de chuva no Amapá. Concluiu-se que são necessários mais testes
para estudar com maior profundidade a “sensibilidade” desta variável e obter uma melhor
compreensão das limitações inerentes do modelo BRAMS.
PALAVRAS-CHAVE: Tempo, Estimativa de precipitação, GRAMS/GFS, BRAMS, AmapáAp
ABSTRACT: The purpose of this research was to compare estimates of rainfall simulations
of the operational model BRAMS / SIPAM with observational data from five surface stations
in the state of Amapá. The research method was restricted to the period of March 2010. The
assimilation of data consisted of global models of CPTEC-INPE (GAMRAMS/T213L42) and
NCEP-NOAA (GFS/T254L64). A statistical analysis indicated that the values of rainfall
estimated by BRAMS / SIPAM overestimate by more than 100% of the observed values. On
the other hand, when assimilated with data from the global model-INPE (GAMRAMS), the
resulting precipitation was also overestimated compared to the results simulated by NCEPNOAA (GFS), but some more than 200%. In contrast, the results from the GFS overestimated
the observed by about 120%. Moreover, when confronted, the values observed in relation to
estimated by BRAMS / GFS indicated statistical correlation coefficients significantly low for
all studied stations (0.002 R2 R2 0.28). These results indicated that the current configuration
of the parametric model is unsatisfactory to the operational objectives of prognostic analysis
and quantification of rain in Amapá. In conclusion, it was observed that further testing is
needed to study in greater depth the "sensitivity" of this variable and obtain a better
understanding about the advantages and limitations of BRAMS for the Amapá State.
KEYWORDS: Rain, Brazilian Developments on the Regional Atmospheric Modeling
System-BRAMS, Wheather forecast, Amapá-AP
1 INTRODUÇÃO
O regime de precipitação na Amazônia exibe máximos anuais bem pronunciados
durante o verão e outono. No estado do Amapá a estação mais chuvosa se concentra entre os
meses de Dezembro e Maio (De Souza e Cunha, 2010). No entanto, no mês de março de 2010
verificou-se que os regimes de chuvas no estado foram negativamente afetados pelo forte
fenômeno oceânico-climático, amplamente conhecido como El´niño.
Apesar de não ser objetivo deste estudo realizar um estudo climático sobre os efeitos
deste fenômeno na produção de chuva na região, o presente aborda alguns dos aspectos
relevantes da precipitação de chuva no Amapá e sua importância para a previsão do tempo.
O objetivo deste trabalho foi avaliar a habilidade do modelo operacional BRAMS
(Brazilian Regional Atmospheric Modeling System) do Sistema de Proteção da Amazônia
(SIPAM) na quantificação da precipitação sobre o estado do Amapá, independente da
ocorrência ou não de fenômenos de grande escala. Para tanto, as técnicas exploratórias
utilizadas nos pares de dados foram os diagramas de dispersão e o coeficiente de correlação
de Pearson (Wilks, 2006).
2 METODOLOGIA
O estudo está focado exclusivamente em dados observacionais e numéricos. Na
primeira utilizou-se dados de cinco estações de superfície localizadas em municípios distintos
no estado do Amapá: Macapá, Oiapoque, Itaubal do Piririm, Porto Grande e Tartarugalzinho.
Na segunda etapa, foram utilizadas simulações numéricas do modelo atmosférico BRAMS
operacional do SIPAM-CR-Manaus. O modelo é uma adaptação do modelo Regional
Atmospheric Modeling System (RAMS) (Pielke et al., 1992; Cotton et al., 2003; Kuhn et al,
2010) com adaptções das principais características físicas observadas no território brasileiro.
O BRAMS é um modelo tridimensional dotado de um conjunto de equações
prognósticas, incluindo dinâmica, termodinâmica e microfísica de hidrometeoros. Essas
equações são resolvidas numericamente usando esquema de diferenças finitas. Contém
interações com vários submodelos que simulam as trocas de calor e água nas interfaces solovegetação-atmosfera (Walko et al., 2000a). Representa os processos turbulentos na camada de
superfície (Louis, 1979) e os de camada limite turbulenta (Mellor e Yamada, 1982), a
transferência de radiação térmica e solar, e suas interações com hidrometeoros (Harrington,
1997) e a microfísica de nuvem e precipitação (Walko et al., 2000b). Apresenta como
vantagem a flexibilidade de grades aninhadas que permite resolver as equações do modelo
simultaneamente sobre um conjunto de malhas computacionais, interagindo em diferentes
resoluções espaciais.
Nas simulações numéricas do BRAMS/SIPAM utilizou-se como dados de entrada as
análises e previsões de 2 (dois) modelos globais: GFS/NCEP-NOAA e GAMRAMS/CPTECINPE. De posse dos dados observados (OBS) e os obtidos pelo modelo investigou-se os pares
de dados: OBS x GAMRAMS/CPTEC-INPE e OBS x GFS/NCEP-NOAA, respectivamente
definidos como pares P1 e P2. Foram executadas duas análises principais destes pares. Uma
para verificar tendências, agrupamentos, espalhamentos, pontos espúrios (outliers), com uso
de diagramas de dispersão. Segundo, o grau de associação entre os valores observados com os
valores simulados a partir de coeficientes de correlação de Pearson (Wilks, 2006).
3 RESULTADOS E DISCUSSÕES
Quando se compara P1 e P2 na localidade de Macapá, observou-se que há uma baixa
correlação entre os dados observados e da previsão GRAMS e GFS, respectivamente com
vantagem para o GFS (R2=0,02 e R2=0,18, P1 e P2). No primeiro gráfico, percebeu-se uma maior
dispersão dos dados em relação à média (regressão) para valores menores de precipitação
observada. De modo contrário, há uma tendência de convergência das respostas em ambos os
casos, na medida em que os valores observados aumentam. No Oiapoque, assim como em
Macapá, os coeficientes de correlação obtidos foram insignificantes, com ganhos para P1
(R2=0,16 e R2=0,004, P1 e P2), em relação ao P2. Há uma maior dispersão dos dados observados
em relação aos extremos (regressão). Portanto, para valores próximos do intervalo médio
(faixa média das abscissas, em torno de 20mm) há uma tendência de coincidência nas
respostas. Contudo, a tendência é de convergência de respostas, na medida em que os valores
observados (OBS) aumentam, em ambos os sistemas GRAMS e GFS. Em Itaubal do Piririm,
observou-se uma ligeira melhora na comparação entre os dados observados em relação à
previsão GRAMS e GFS, com vantagens para P2 (R2=0,11 e R2=0,29, P1 e P2, respectivamente).
As análises mostraram uma maior dispersão dos dados observados no nível de valores mais
baixos em relação à regressão. Pareceu haver uma resposta ou um erro sistemático em relação
a ambas as respostas P1 e P2, comas as duas curvas de respostas praticamente paralelas em
todo o intervalo dos dados observados. Em Porto Grande, observou-se correlações pouco
significativas entre P1 (R2=0,02 e P2 R2=0,07, respectivament). Percebeu-se uma maior dispersão
dos dados observados nos dois extremos do intervalo dos dados observados em relação à
regressão. Assim como no anterior, pareceu haver uma resposta na forma de erro sistemático,
porém progressivo em relação à média geral da regressão. Em Tartarugalzinho observou-se
semelhantemente às demais estações que as comparações apresentaram correlações pouco
significativas, tanto em P1 (R2=0,06) quanto em P2 (R2=0,005). As curvas se apresentaram com
decrescimento das respostas em relação aos dados observados. Houve uma maior dispersão
dos dados observados no extremo inferior do intervalo dos dados observados em relação à
regressão e as curvas são decrescente em relação à média geral da regressão. Ou seja, as duas
curvas de respostas tenderam a decrescer suavemente na medida em que os valores
observados aumentam (uma contradição física).
Figura 1. Diagramas de Correlações com coeficientes de correlação de Pearson, de cima para baixo e da
esquerda para a direita os municípios de Macapá, Oiapoque, Itaubal do Piririm, Porto Grande e Tartarugalzinho
no estado do Amapá.
Finalmente, verificou-se que para as duas entradas de dados (GRAMS/GFS) ocorreu a
superestimativa de chuva em relação à observada. Mas, em geral, verificou-se que estes dados
foram superiores (Figura 2).
Figura 2. Saídas do modelo BRAMS/SIPAM com resolução de 20 e 22 km na horizontal: esquerda, assimilado
com GAMRAMS/T213L42 e direita, assimilada com GFS/T254L64.
Tabela 1. Diferenças percentuais entre os dados observados e os simulados.
Cidade
Macapá
Oiapoque
Itaubal do Piririm
Porto Grande
Tartarugalzinho
P1 (mm)
269,2
160,5
271,1
267,9
142,8
P2 (mm)
139,9
134,6
164,4
122,5
71,2
Possíveis erros sistemáticos foram detectados nas análises induz à conclusão de que
ocorrem chuvas em maior quantidade no quadrante nordeste do estado do Amapá,
principalmente no período vespertino e noturno. Nas análises P1 e P2 esta afirmação tornouse mais clara quando se observa a Tabela 1 (com P2 apresentando os melhores resultados).
4 CONCLUSÕES
Comparações foram realizadas para avaliar quantidades de chuva observadas e
estimadas pelo modelo operacional BRAMS/SIPAM, assimilados com as análises dos
modelos globais do CPTEC-INPE (GAMRAMS/T213L42) e do NCEP-NOAA
(GFS/T254L64) para o mês de março de 2010.
Os resultados mais relevantes apontaram para uma significativa superestimativa de
chuva para ambos os sistemas, sendo que as respostas de ambos os sistemas se apresentaram
como efetivamente não lineares, cujos coeficientes de correlação foram significativamente
baixos e sem o poder de explicabilidade necessário para operar um sistema de previsão mais
eficiente.
As técnicas exploratórias ora mencionadas não foram robustas e resistentes para os
pares de dados, necessitando de uma discussão mais profunda sobre o sistema estudado. No
entanto, durante a maioria das análises, o BRAMS/SIPAM assimilado com os dados do GFS
apresentou resultados mais expressivos que os assimilados pelo GAMRAMS.
AGRADECIMENTOS: Os autores agradecem a concessão de bolsas (Processo:
381513/2010-6, DTI CNPq/MCT e 305657/2009-7, Produtividade-PQ; IC-UNIFAP/CNPq),
IEPA/SUDAM (Processo nº.702813/2008) Projeto Rede de Gestão Integrada de
Monitoramento da Dinâmica Hidroclimática e Ambiental da Bacia do Jarí - Estado do
Amapá”.
5 REFERÊNCIAS
COTTON, W. R.; PIELKE Sr., R. A.; WALKO, R. L.; LISTON, G. E.; TERMBACK, C. J.;
JIANG, H.; MCANELLY, R. L.; HARRINGTON, J. Y.; NICHOLLS, M. E.; CARRIO, G. G.
RAMS 2001: Current status and future directions. Meteorology and Atmospheric Physics,
v. 82, n. 1, p. 5-29, 2003.
DE SOUZA, E. B. E DA CUNHA, A. C. Climatologia de Precipitação no Amapá e
Mecanismos Climáticos de Grande Escala. Tempo, Clima e Recursos Hídricos: resultados
do projeto Remetap no Estado do Amapá. (Ogs), Cunha, A. C, de Souza, E.B e Cunha, H.
F. A. IEPA, Macapá-AP. Capítulo 10, p. 177-195, 2010.
HARRINGTON, J. Y. The effects of radiative and microphysicalprocesses on simulated
warm and transition season Artic stratus. Ph.D. dissertation, Atmospheric science. Paper Nº.
637, Colorado Statte Univertsity, Dept. of Atmospheric Science, 289p. 1997.
KUHN, P, CUNHA, A.C, PEREIRA, M.J e SARAIVA, J. M. B.Previsão numérica
operacional no Estado do Amapá utilizando o BRAMS. In Tempo, Clima e Recursos
Hídricos: resultados do projeto Remetap no Estado do Amapá. (Ogs), Cunha, A.C, de Souza,
E.B e Cunha, H. F. A. IEPA, Macapá-AP. Capítulo 4, p. 161-81. 2010.
LOUIS, J. F.: A parametric model of vertical eddy fluxes in the atmosphere. Boundary
Layer Meteorology. 17, 187-202, 1979.
MELLOR, G. L.; YAMADA, T. Development of a turbulence closure model for geophysical
fluid problems. Reviews of Geophysics and Space Physics, v. 20, p. 851-875, 1982.
PIELKE, R. A.; COTTON, W. R.; WALKO, R. L.; TREMBACK, C. J.; LYONS, W. A.;
GRASSO, L. D.; NICHLLS, M. E.; MORAN, M. D.; WESLEY, D. A.; LEE, T. J.; COPELAND, J. H. A comprehensive meteorological modeling systemRAMS. Meteorology and
Atmospheric Physics, v. 49, n. 1, p. 69-91, 1992.
PIELKE, R. A.; COTTON, W. R.; WALKO, R. L.; TREMBACK, C. J.; LYONS, W. A.;
GRASSO, L. D.; NICHLLS, M. E.; MORAN, M. D.; WESLEY, D. A.; LEE, T. J.; COPELAND, J. H. A comprehensive meteorological modeling systemRAMS. Meteorology and
Atmospheric Physics, v. 49, n. 1, p. 69-91, 1992.
WALKO R.L., BAND L.E., BARON J, KITTEL T.G.E, LAMMERS R., LEE T.J., OJIMA
D., PIELKE R.A.,TAYLOR C, TAGUE C, TREMBACK C.J, VIDALE P.L. Coupled
atmosphere biophysics-hydrology models for environmental modeling. Journal Applied
Meteorology.39:931-944, 2000.
WILKS, D.S. Statistical methods in the Atmospheric Science. Second Edition. Elsevier
Academic Press, 2006.