| Summary: | Modelos numéricos de equações primitivas, tais como BRAMS, apresentam erros intrínsecos em suas soluções. Esses erros têm várias causas, entre as quais se pode citar: imperfeição do método numérico que aproxima as equações diferenciais por equações de diferenças finitas, resolução da grade, dificuldade em representar os termos não lineares das equações do modelo, entre outros. Neste trabalho são comparados dois métodos de pós-processamento estatístico, Model Outuput Statistics (MOS) e Model Outuput Calibration (MOC) para avaliar se é necessário e em caso afirmativo qual é o mais adequado para ser utilizado juntamente com o modelo BRAMS em execução no Laboratório de Meteorologia e Qualidade do Ar (LMQA/CEPSRM/UFRGS). Essas duas técnicas se mostram muito eficientes em compensar erros, porém a primeira tem a desvantagem de requerer uma grande base de dados e ainda a necessidade de alterar as equações quando ocorrem modificações no Modelo. O outro método difere do primeiro por calcular o erro da variável, e não o seu valor, e utilizar dados recentes para calcular a equação de regressão. Foram geradas previsões com saídas de 3 em 3h para o período de 01 de janeiro de 2008 até 31 dezembro de 2009, período de treinamento do MOS, e de 29 de maio até 31 de julho de 2010, período de treinamento do MOC e teste dos dois métodos. No trabalho é feita uma análise detalhada dos dois métodos em oito localidades do Rio Grande do Sul, para as variáveis temperatura da superfície, umidade relativa do ar em superfície, pressão à superfície e chuva acumulada em 1h. Os resultados obtidos com a utilização dos métodos estatísticos aumentaram a acurácia da previsão em relação às previsões do modelo BRAMS para temperatura, umidade e pressão. Em um dos resultados obtidos, em Vacaria, o MOC consegue acompanhar uma grande variação na pressão e melhora 49,12% a saída do modelo, enquanto o MOS apresenta resultado negativo (-767,97%). Em outro caso, na cidade de Santa Maria, os dois métodos conseguem melhorar 86% a pressão. === Some variables predicted by Weather Numerical Models are frequently influenced by errors. Such errors occurs not only to the assumptions used in the construction of the model equations of physics/dynamics, but also by the topography used. This work compares two statistical post-processing methods Model Outuput Statistics (MOS) and Model Outuput Calibration (MOC) to evaluate which is most suitable to calibrate the model (BRAMS) running in Meteorology and Air Quality Laboratory (LMQA/CEPSRM/UFRGS). These two techniques proved very effective in compensating errors, but first has the disadvantage of requiring a large database and need to modify the equations when changes occur. Other method differs from the first to calculate error of the variable, not its value properly and use recent data to calculate the regression equation. Predictions were generated during 3hs intervals from January 1st, 2008 to December 31, 2009 to MOS training period. MOC training period and testing occurs from May 29 until July 31, 2010. This work goal is a detailed analysis of the two methods in eight locations of Rio Grande do Sul State to temperature, humidity, pressure and preciptation. The results are satisfactory to first of 3 variables. In Vacaria city, MOC follow a wide variation in pressure and reached an improvement by 49.12%, while MOS, achieved 767.97% down. In another case, Santa Maria city, two methods can improve 86 % pressure results.
|
|---|
