Avaliação dos dados da Estação Meteorológica
Automática do IFSC, a partir de um software de
qualificação
Gabriela Padilha
[email protected]
Janine Vanzella
[email protected]
Rossana Castro
[email protected]
Curso Técnico de Meteorologia
Instituto Federal de Educação, Ciência e Tecnologia de Santa Catarina - IFSC. Av. Mauro
Ramos, 755. CEP 88020-300 - Florianópolis, SC
Resumo: Os dados coletados através de estações meteorológicas são de extrema
importância para o monitoramento climatológico e auxiliam pesquisadores que se
dedicam à investigação dos mais variados setores, como órgãos da defesa civil, pesquisas
científicas, agricultura e outros. Em uma época onde já se falou muito sobre mudanças
climáticas, os dados observados contribuem de forma consistente para o entendimento
das possíveis alterações climáticas. É necessário que os dados obtidos através das
observações sejam livres de falhas e suspeitas. Devido à importância que representa a
coleta e qualificação dos dados meteorológicos, o objetivo desse trabalho é avaliar os
dados da estação meteorológica automática do Instituto Federal de Santa Catarina (IFSC).
Desta forma, pretende-se que mais uma estação automática tenha seus dados com caráter
de confiabilidade, podendo assim ser utilizados para os mais diversos fins e contribuindo
de forma efetiva para o sucesso dos resultados de novas pesquisas e aplicações. Para tal
objetivo, foi utilizado o software de qualificação de dados MADIS (Meteorological
Assimilation Data Ingest System). MADIS é um sistema de assimilação de dados
meteorológicos, desenvolvido e operado pelo Forecast Systems Laboratory (FSL),
instituição vinculada ao National Oceanic and Atmospheric Administration (NOAA). Ele
é capaz de assimilar, controlar a qualidade e distribuir dados de inúmeras redes de
estações meteorológicas. Os dados utilizados compreendem uma série temporal do mês
de janeiro á de março de 2010. Foram analisadas e qualificadas as variáveis: temperatura
do ar, umidade relativa, direção e velocidade do vento e pressão atmosférica (ao nível do
mar). Os resultados demonstram que apenas a variável da UR foi rejeitada na
qualificação. Para as demais variáveis, o MADIS indicou que todos estão livres de falhas
ou suspeitas.
Abstract: Data collected by weather stations are extremely important for monitoring
climatic and assist researchers who are dedicated to research of various fields such as
civil defense agencies, scientific research, agriculture, and others. At a time which has
been said about global warming, contribute data, consistent with the needs to cope with
possible future climate change. It is necessary that the data obtained through them are
free of faults and suspicions. Motivated of the importance that represents the collection
1
and qualification of meteorological data, the goal of this work is to evaluate the data from
automatic weather station of the Instituto Federal de Santa Catarina (IFSC), contributing
to a more automatic station, will carry your data with character reliability, and thus can be
used for various purposes, contributing effectively to the success of the results of new
research and applications. For this porpose, we will use the software qualification data
called MADIS (Meteorological Assimilation Data Ingest System). MADIS is a data
assimilation system developed and operated by the Meteorological Forecast Systems
Laboratory (FSL), an institution linked to the National Oceanic and Atmospheric
Administration (NOAA). He is able to assimilate, quality control and distribute data from
numerous networks of various types of conventional stations or not. The data used
comprise a series of July until October 2010. Will be analyzed and assigned variables: air
temperature, relative humidity, wind speed and direction, atmospheric pressure (sea level)
and precipitation. This paper will describe how the system was implemented and the
results obtained.
Palavras-chave: qualificação de dados meteorológicos, estações meteorológicas
automáticas.
1 Introdução
Durante séculos, a previsão do tempo foi
realizada por religiosos, feiticeirosmédicos ou bruxos. O céu era visto
como o reflexo de seus vários deuses, e
acreditava-se que as tempestades eram
castigos dados aos habitantes das regiões
afetadas. Prever o tempo com precisão
foi, por muitos anos, um sonho de toda
humanidade (CASTRO, 2008).
Da mesma forma que em séculos atrás, a
hoje, o monitoramento do tempo é de
fundamental
importância
para
a
sociedade em geral. Atualmente, através
da coleta, do armazenamento e da
análise dos dados meteorológicos é
possível o monitoramento e previsão do
tempo,
beneficiando,
direta
ou
indiretamente, todos os setores da
sociedade, entre eles órgãos da defesa
civil, agricultura, pesquisas científicas,
etc.
O estudo da previsão do tempo é
baseado em vários dados, tais como
imagens de satélite, de radar, balões
atmosféricos, estações meteorológicas,
etc; que após serem coletados, são
utilizados por modelos numéricos para
posterior processamento (KALNAY et
al, 1996). A previsão indica as condições
atmosféricas que ocorrerão nos próximos
minutos, horas, ou dias. Prever
condições adversas de tempo, como
vendavais, chuvas fortes, descargas
elétricas, frio ou calor intenso, entre
outras, é de total importância, uma vez
que estes eventos extremos acarretam
prejuízos a população. Alertar a
população e antecipar a adoção de
estratégias, minimizam os danos que um
fenômeno meteorológico pode causar
(NASCIMENTO, 2005).
Pela facilidade que as estações
meteorológicas automáticas apresentam
sobre suas equivalentes convencionais
(CUNHA
e
MARTINS,
2004),
mundialmente o seu crescimento tem se
dado de forma considerável, aumentando
assim, de forma significativa, a
quantidade de dados coletados.
Distribuídas no mundo todo, divididas
em redes e características (ambiental,
meteorológica,
hidrometeorológica,
agrometeorológica, etc), as estações
automáticas podem trabalhar a favor de
pesquisadores, vinte e quatro horas por
2
dia, todos os dias.
Neste sentido, Mendes (2008) descreve
a ampliação de redes de estações
automáticas em Portugal, com o objetivo
de acompanhar as mudanças climáticas.
O mesmo acontece com a MESONET
(BROCK et al, 1995), uma rede de
estações de monitoramento ambiental
que foi projetada e implementada por
cientistas da Universidade de Oklahoma
(EUA). Essa rede consiste em 120
estações automáticas, com alto reporte
de dados, sendo, a nível mundial, essa
rede a referência em qualificação de
dados.
Para o Brasil, Pinto et al (2008) destaca
que a observação meteorológica é de
extrema importância, tanto no que diz
respeito a previsão de ocorrência de
eventos extremos (tornados, inundações,
secas), quanto na análise do tempo
presente. O mesmo autor refere-se a
importância destes dados para as
pesquisas e monitoramento do tempo
feitos através de dados de reanálise. Os
dados de reanálise combinam dados
observados com modelos matemáticos
computacionais. A quantidade e a
qualidade dos dados observados usados
para reanálise definem o produto final de
previsões e climatologia (COMPO, et al,
2011).
Para auxiliar na coleta destes dados, são
usadas
estações
meteorológicas
automáticas ou usualmente chamadas de
Plataformas de Coletas de Dados
(PCD’s), que na definição de Ferreira et
al (2004) são equipamentos automáticos,
que dispõe de sensores eletrônicos para
medir precipitação, pressão atmosférica,
radiação solar, temperatura do ar,
umidade relativa do ar, direção e
velocidade do vento e outras variáveis
meteorológicas. Elas surgiram em
virtude da necessidade de um maior
reporte temporal de dados. Por serem
estações automáticas, frequentemente
localizadas
em
regiões
remotas,
necessitam de calibração e manutenção
periódica. As PCD’s são desenvolvidas
para medidas mais acuradas (precisas),
proporcionando o armazenamento de
dados meteorológicos por um longo
período de tempo e a um custo
relativamente baixo (TANNER, 1990).
Para Mendes (2008), nos últimos 25
anos os métodos de observações
meteorológicas à superfície têm sofrido
significativas alterações, principalmente
pela introdução de sistemas automáticos
de observação, assim como a gradativa
substituição dos sistemas de observação
convencionais. Esse avanço, proporciona
um acompanhamento efetivo dos dados
meteorológicos observados.
Com o aumento das PCD’s e a
conseqüente disseminação destes dados,
a qualidade dos mesmos precisa ser
controlada, tanto para o auxílio na
manutenção da rede quanto para o
usuário final dos dados. Geralmente as
PCD's são instaladas em locais isolados,
estando assim sujeitas a inúmeras
intempéries. Os dados coletados das
PCD’s podem ser afetados por diversos
fatores, tais como: erros de transmissão,
mau funcionamento dos sensores,
problemas de calibração e vandalismo.
Estes aspectos negativos podem ser
associados à falta da visita diária de um
observador. Isto traduz a importância da
qualificação dos dados.
Um sistema de qualificação deve ser
capaz de detectar os erros descritos
anteriormente, marcando dados suspeitos
que surgem e impedindo assim que estes
dados espúrios sejam distribuídos e
utilizados erroneamente em estudos,
podendo influenciar negativamente os
resultados finais.
Os avanços tecnológicos na área da
3
eletrônica e automação representam
substancial desenvolvimento nos últimos
anos, permitindo o monitoramento das
mais diversas variáveis meteorológicas
em tempo real e com elevados níveis de
precisão. Os sensores eletrônicos
ganharam
progressivamente
maior
resolução/precisão, menor tamanho e
custos
relativamente
reduzidos
(SCARPARE et al, 2006). Em parceria
com a ciência meteorológica, as
tecnologias da informação auxiliam
nesse
processo
desenvolvendo
programas capazes de assimilar,
interpretar os dados coletados e
representar o estado inicial da atmosfera,
através de modelos físicos-estatísticos,
assim como possibilitar diagnósticos e
prognósticos do tempo e clima.
Diante do exposto, a qualificação dos
dados se faz tão importante quanto a
coleta. Percebendo essa necessidade o
FSL (Forecast Systems Laboratory),
vinculado ao NOAA (National Oceanic
and
Atmospheric
Administration)
desenvolveu um programa específico
para qualificação de dados, que foi
disponibilizado
para
comunidade
científica em 2001.
O software MADIS (BARTH et al,
2007) faz hoje o acompanhamento, e em
consequência, a qualificação de dados de
redes de estações em diversas partes do
mundo, incluindo as redes da
MESONET e do INPE (Instituto
Nacional de Pesquisas Espaciais). Para
que este software pudesse ser utilizado
pelas redes de estações do Brasil, foi
necessário o uso de algoritmos e limites
específicos para áreas limitadas ou redes
específicas. A partir disso, o CPTEC
(Centro de Previsões e Estudos
Climáticos) passou a utilizar o software
no controle de qualidade de suas
estações automáticas.
A relevância de um controle de
qualidade dos dados observados se dá
pela importância que isso representa não
só na manutenção das redes de estações,
mas também para os meteorologistas e
pesquisadores que necessitam desses
dados
observados
com
maior
confiabilidade possível.
Devido a importância que representa a
coleta e qualificação dos dados
meteorológicos, o objetivo desse
trabalho é colaborar para que mais uma
estação meteorológica automática, hoje
em funcionamento no IFSC (Instituto
Federal de Santa Catarina), venha a ter
seus
dados
com
caráter
de
confiabilidade, podendo assim serem
utilizados para os mais diversos fins,
contribuindo de forma efetiva para os
resultados obtidos na área.
2 Metodologia
Com o intuito de utilizar variáveis
meteorológicas coletadas na PCD do
IFSC, verificou-se previamente que os
dados obtidos por esta estação não
passam por nenhum sistema de
qualificação de dados. Sendo assim,
quando disseminados, não se conhece a
qualidade dos mesmos.
Para o êxito deste trabalho, foi
necessário primeiramente uma revisão
bibliográfica, a fim de conhecer os
programas de qualificação de dados
disponíveis na literatura. Após extensa
revisão elegeu-se o software MADIS
(MILLER e BARTH, 2001) para
qualificar os dados meteorológicos da
PCD do IFSC. A escolha deu-se por
tratar-se de um software gratuito, para o
monitoramento e qualificação de dados
meteorológicos, e também devido a
diversos
trabalhos
publicados
descrevendo o sucesso no seu uso
(MILLER e BARTH, 2007; MILLER et
al, 2004; BROCK et al, 1995).
4
A partir da definição do programa de
qualificação a ser usado, investigou-se
uma
instituição
que
pudesse
compartilhar o software. Em contato
com LEPTEN/UFSC (Laboratórios de
Engenharia de Processos de Conversão e
Tecnologia de Energia/ Universidade
federal de Santa Catarina) foi verificada
a possibilidade de utilizar a versão do
software MADIS instalado num cluster
computacional. A escolha para o uso do
cluster do LEPTEN deu-se pela
facilidade de integração de dados da
PCD do IFSC e suporte técnico ao
MADIS.
Posteriormente fez-se então, uma análise
dos dados da estação automática do
IFSC para levantamento das variáveis
que a mesma coleta, as quais são:
precipitação, umidade relativa do ar,
temperatura do ar, direção e velocidade
do vento, radiação solar global e pressão
atmosférica. Para efeito de avaliação
foram consideradas apenas as variáveis:
direção e velocidade do vento, pressão
atmosférica,
umidade
relativa
e
temperatura do ar, pois os módulos de
qualificação para radiação e precipitação
estão desabilitados na versão adaptada
para o Brasil.
fez-se a inserção no banco de dados
Postgres. O uso deste banco foi
necessário, pois o mesmo está integrado
ao sistema MADIS. O acesso ao banco
Postgres foi realizado remotamente a um
servidor de aplicação da UFSC pelo
endereço
150.162.29.8/phpgadmin.
Cadastrou-se então a estação do IFSC
em uma tabela, denominada gestpcd_2
no banco de dados, contendo as
informações: número de identificação da
estação, nome, fabricante, modelo,
latitude, longitude, altitude, cidade, tipo
da estação e status de operação.
A tabela 1 nos mostra o significado dos
programas utilizados na qualificação.
Tabela 1: Flags de qualificação.
Programa
PCD2NETCDF
PCD2QC
QC2DB
Linguagem
Função
PERL
Extrai os
arquivos do
Banco de dados e
converte em
Netcdf.
PERL
Inicia os
programas de
qualificação do
MADIS
PERL
Insere as flags
de qualificação
no banco de
dados
A seleção do período de dados
corresponde aos meses de janeiro à
março de 2010, contendo dados
coletados a cada 5 minutos diariamente,
perfazendo um total de 25501 mil
amostras. A escolha deste período deu-se
por compreender uma série temporal
completa, e também por ser a mais
recente disponível no banco de dados do
IFSC, haja visto que existem algumas
lacunas devido a falhas na continuidade
do funcionamento desta PCD.
Para dar início ao processo de
qualificação, acessou-se um servidor
através do terminal no Linux, usando o
aplicativo Shell, onde, remotamente fezse a conexão com o servidor de
aplicação da UFSC. Logo após seguiu-se
os passos conforme o fluxograma
apresentado na figura 1.
Estes dados já estavam disponíveis no
banco de dados do MySQL, a partir do
endereço 200.18.10.70/phpMyAdmin e
foram exportados em SQL. Logo após
Usando o programa PCD2NETCDF,
recuperou-se os dados da PCD do IFSC
que estavam que estavam no banco de
dados Postgres transformando-os em
5
formato NETCDF. Sendo esse o formato
de entrada do sistema MADIS.
Posterior à conversão, o programa
QC2PCD realizou o controle de
qualidade, extraindo os dados do
NETCDF e gerando novamente arquivos
em formato .TXT.
Banco de
dados
PCD2NETCDF
Extrai dados PCDs
do BD para o
formato NETCDF
Arquivos
NetCDF
Arquivo
TXT
QC2DB
Inserção das flags
de CQ no
BANCO
QC2PCD Realiza o
CQ e extrai arquivos
NETCDF para TXT
NETCDF
FIGURA 1: Diagrama de fluxo de dados.
O controle de qualidade realizado pelo
sistema MADIS acontece em 3 níveis: o
nível 1 consiste em verificações de validade ou limites absolutos que estabelece
os valores máximos e mínimos (tabela 2)
permitidos para cada variável a ser controlada. As observações que estiverem
fora desse
intervalo recebem um “flag” X, identificando-as como suspeitas ou erradas. O
nível 2 consiste nas verificações da consistência interna, isto é, as leituras de
diferentes instrumentos de uma mesma
estação que possuam um relacionamento
fisicamente razoável. Por exemplo, uma
observação da temperatura do ponto de
orvalho não deve exceder a temperatura
do ar observada na mesma estação. As
observações rejeitadas aqui também recebem um “flag” X, identificando-as
como suspeitas devido a falhas de consistência interna. O nível 3 consiste na
verificação da consistência espacial. A
variável é interpolada para posição de
outra estação e comparada com as observações. As diferenças entre os valores
medidos e os interpolados para cada estação são utilizados para determinar se a
observação está incorreta. Esta técnica
automática só pode ser aplicada onde a
densidade de estações é grande (TRAVEZANI, 2004). Portanto, não será utilizada neste trabalho que conta apenas
com uma estação. Na tabela 3, está descrito o significado de cada flag do software MADIS.
Tabela 2: Valores máximos e mínimos dos
limites absolutos.
Valores
Valores
Limite Absoluto
Mínimos
Máximos
UR (%)
10
100
Pressão Atm.
800
1040
(hPa)
Temperatura
5
50
do ar (°C)
Velocidade do
0
100
vento (m/s)
Direção do
0
360
vento (°)
FLAG
Tabela 3: Flags de qualificação.
SIGNIFICADO
C
Aprovado na validação de limite
absoluto (superior e inferior).
S
Aprovado na flag C e passou pela
consistência interna ou temporal
X
Rejeitado na validação de limite
absoluto.
Y
Resultante da flag C+S
Finalizando a qualificação, a partir do
6
programa QC2DB, as flags de
qualificação (TABELA 3) foram
inseridas no banco, onde, a partir de
então, estarão disponíveis os dados já
qualificados.
a tabela 3. Para todo o período analisado,
obteve-se um total de 656 dados espúrios
para a UR. Foram encontrados valores
da ordem de até 115% para esta variável.
Tabela 4: Qualificação da umidade
relativa do ar.
UMIDADE RELATIVA DO AR
Finalmente foi utilizado o phpgadmim,
para extrair os dados qualificados e
proceder com as análises.
Para possibilitar a análise dos resultados,
organizou-se os dados da PCD do IFSC,
coletados em intervalos de 5 minutos,
através de tabelas mensais (não
mostradas), contendo as flags de
qualificação
e
suas
respectivas
freqüências de ocorrência em cada mês
para cada variável meteorológica. A
partir de então, fez-se as análises
mensais dos dados.
Para simplificar a análise, foram
agrupados os resultados das flags C e S,
onde chamamos de “flag” Y.
3 Resultados obtidos
Foram qualificados e analisados 25501
mil dados coletados pela PCD do IFSC,
dos quais 8928 mil são relativos ao mês
de janeiro, 8064 mil a fevereiro, e 8509
mil a março.
Para o mês de janeiro de 2010, a variável
umidade relativa do ar (UR), foi
qualificada com 99,5% (8883) dos dados
com a flag Y, e 0,5% (45) com a flag X.
Isto revela que 45 dados de UR devem
ser considerados espúrios para este
período, e 8883 mil dados estão dentro
dos limites absolutos (10-100%). No
mês de fevereiro, 99,1% dos dados de
UR foram qualificados com a flag Y; e
0,9% com a flag X; mostrando que 75
dados foram rejeitados na validação de
limite absoluto. Em março, 93,7%
(7973) foram qualificados com a flag Y
e 6,3% (536) com a flag X, como mostra
FLAG
JANEIRO
FEVEREIRO
MARÇO
Y
99,5
99,1
93,7
X
0,5
0,9
6,3
TOTAL
100
100
100
Analisando as tabelas 5, 6, 7 e 8, nota-se
que a qualificação das variáveis
temperatura do ar, direção e velocidade
do vento e pressão atmosférica, resultou
em flag Y para todos os dados do
período analisado. Sendo assim, os
25501 mil dados referente à coleta de
dados do mês de janeiro à março de
2010 estão dentro dos limites absolutos
estabelecidos (tabela 2), o que sugere
que estes dados são confiáveis para a
utilização em outros estudos.
Tabela 5: Qualificação da temperatura do ar.
TEMPERATURA DO AR
FLAG
JANEIRO
FEVEREIRO
MARÇO
Y
100
100
100
X
0
0
0
TOTAL
100
100
100
7
Tabela 6: Qualificação da direção do vento.
DIREÇÃO DO VENTO
FLAG
JANEIRO
FEVEREIRO
MARÇO
Y
100
100
100
X
0
0
0
TOTAL
100
100
100
Tabela 7: Qualificação da velocidade do vento.
VELOCIDADE DO VENTO
FLAG
JANEIRO
FEVEREIRO
MARÇO
Y
100
100
100
X
0
0
0
TOTAL
100
100
100
Tabela 8: Qualificação da pressão
atmosférica.
PRESSÃO ATMOSFÉRICA
FLAG
JANEIRO
FEVEREIRO
MARÇO
Y
100
100
100
X
0
0
0
TOTAL
100
100
100
Conclusão/ Considerações finais
descrevendo o sucesso no seu uso, e
também por tratar-se de um software
gratuito.
Logo após selecionou-se os dados da
PCD do IFSC contidos no período de
janeiro à março de 2010 para submeter à
qualificação do programa MADIS
adaptado
para
o
Brasil
pelo
CPTEC/INPE. Estes dados possuem
frequência temporal de 5 minutos o que
resulta num total de 25.501 mil dados
que foram qualificados.
A análise dos resultados mostrou que
apenas a variável da UR foi rejeitada na
qualificação, tendo 656 dados espúrios
para o período selecionado. Para os
dados das demais variáveis o MADIS
indicou que todos estão livres de
suspeitas ou falhas.
Por este motivo, sugere-se para
pesquisas posteriores, uma análise para
um período maior de dados da PCD do
IFSC, para confirmar que a variável com
inconsistência é a variável UR. A partir
de então, ser possível distribuir aos
usuários dados meteorológicos com
padrões internacionais de qualidade e
confiabilidade para fins de pesquisas e
estudos.
Após análise dos dados qualificados,
reafirma-se a importância de um sistema
de qualificação para os dados coletados
em PCD’s, como a do IFSC.
Por fim, o presente trabalho demonstrou
a importância de verificar a consistência
dos dados coletados por PCD’s e mantêlas em atividade monitorada. Sendo
assim, justifica-se a instalação de um
software de qualificação de dados
permanente para a PCD do IFSC.
Após verificar que os dados coletados
pela PCD do IFSC não estão sujeitos a
nenhum sistema de qualificação buscouse na literatura um software capaz de
fazer a qualificação destes dados.
Identificou-se o MADIS como sendo o
mais apropriado para este fim, devido
aos diversos trabalhos publicados
8
Referências
2007.
BARTH,M. F.; MILLER,P.A.: Ingest,
integration, Quality Control, and
Distribution os Observation from
atate transportation deparments using
MADIS. California: de agosto de 2003.
BROCK et al. 1995: The Oklahoma
Mesonet: A Technical Overview. J.
Atmos. Oceanic Technol., 12, 5–19.
doi:
10.1175/15200426(1995)012<0005:TOMATO>2.0.C
O;2
SCARPARE et al. Comparação da
uniformidade de dados meteorológicos
de estação convencional e automática.
Piracicaba,
SP.
XIV
Congresso
Brasileiro de Meteorologia, 2006.
Florianópolis, SC.
TANNER. B. D. Automated weather
stations. Remote Sensing Reviews.
Abingdon, v.5, n.1, p. 73-98. 1990.
CUNHA, A. R; MARTINS, D. Estudo
comparativo
entre
elementos
meteorológicos obtidos em estações
meteorológicas
convencional
e
automática em Botucatu, SP, Brasil.
Revista Brasileira de Agrometeorologia,
v.12, n.1, p. 103-111, 2004
FERREIRA, A. L. T. et al.
Implementação de sistema para controle
de qualidade dos dados meteorológicos
da rede de PCDs do INPE. XIV
Congresso Brasileiro de Meteorologia.
2006, Florianópolis.
FERREIRA, Ana Lúcia Travezani.
ALMEIDA,Waldenio Gambi de.Projeto
PROTIM: Sistema de controle de
qualidade para dados das Estações
Automáticas.
MADIS.
Disponível
<http://madis.noaa.gov/>. Acesso
10/10/2011.
em
em
MENDES, M. M. T. 10 Anos de
estações automáticas:
perspectivas para a caracterização do
clima em Portugal. 2008
MESONET.
Disponível
em
<http://www.mesonet.org/index.php/site/
about>. Acesso em 19/10/2011.
MILLER, Patrícia A; BARTH, Michael
F; BENJAMIN, Leon A. Madis
Support For Urbanet. Texas, janeiro de
9