Products, help and information

Considerações sobre precisão de precipitação

Esta página abrange os seguintes tópicos

  • Inconsistências nos mapas de precipitação devido a diferentes resoluções de modelos;
  • Precisão menor com modelo bruto de maior resolução;
  • Falhas dos modelos de simulação climáticas em regiões tropicais;
  • Outros conjuntos de dados espaciais disponíveis para comparação;
  • Aumento das fraquezas dos conjuntos de dados da observação de satélite com a crescente distância equatorial;
  • Inconsistências dentro das séries temporais mescladas de diferentes modelos;
  • Visão geral dos extensos estudos de verificação de longo prazo realizados;

Simulações de evento e quantidade de precipitação, assim como a real quantidade de precipitação são algumas das variáveis mais importantes na meteorologia, que mostram simultaneamente uma ocorrência altamente variável em pequenas distâncias, devido à sua complexa natureza física, e estão entre as variáveis mais difíceis de serem simuladas com alta precisão.

Enquanto trabalhamos continuamente em melhorias para nossas simulações, com esta página queremos garantir que nossos usuários estejam cientes de alguns dos problemas de precisão mais importantes relacionados às previsões de precipitação, para poder interpretar corretamente os dados e possíveis deficiências.

Em geral, é importante diferenciar a precisão da quantidade de precipitação e a precisão do evento de precipitação que tem resultados, por vezes, diferentes. Quando as medidas de precisão são avaliadas, pense primeiro sobre suas prioridades: um evento de precipitação é o critério mais importante (ou seja, se amanhã será totalmente seco ou haverá alguma chuva) ou é o valor da precipitação (ou seja, é importante se chove 10 ou 30mm nos próximos 2 dias)?

Inconsistências nos mapas de precipitação devido a diferentes resoluções de modelos

Os mapas meteorológicos da meteoblue selecionam automáticamente os dados do modelo mais adequado, que mudam de acordo com a área de visualização do mapa e nível de zoom (por exemplo, para a Europa central, nível de zoom 4 mostra os dados NEMSGLOBAL, nível de zoom 5 mostra os dados NEMS12 e no nível de zoom 6 mostra dados do NEMS4).

Para a precipitação, isto tem como consequência que os mapas de baixa resolução parecem mostrar uma distribuição de precipitação espacial mais ampla do que os mapas de alta resolução. Por outro lado, enquanto os mapas de alta resolução mostram uma distribuição de precipitação espacial mais estreita, eles mostram maiores quantidades de precipitação local.

Isso pode ser explicado facilmente: Se uma célula de grelha com resolução de 30x30km é composta por células de grelha 3x3 com resolução de 10x10km, e se uma dessas células de grelha menores simulou uma tempestade, todas as células de 30x30km na visualização de baixa resolução mostrarão uma tempestade e serão coloridas de azul. (=precipitação presente), já que não é possível distinguir em qual parte da célula de grelha ocorre a tempestade: o modelo de baixa resolução sabe que a precipitação ocorrerá em algum lugar da grande célula, e simultaneamente, calculará a média de quantidade de precipitação desse evento local em toda a célula, o que reduzirá a intensidade.

Precisão menor com o modelo bruto de maior resolução

Nossos estudos de verificação mostraram que a precisão da simulação de precipitação do modelo de maior resolução (4km na Europa) é menor em média do que nos modelos de baixa resolução (12km e 30km), devido à ocorrência em pequena escala de eventos de precipitação.

Isto pode ser entendido facilmente imaginando-se uma pequena tempestade de trovões que avança em uma trilha que na realidade é deslocada a 2km da trilha simulada (o que pode acontecer facilmente). Agora, com uma célula de grelha de 4km, é provável que a trilha real passe por diferentes células de grelha que a trilha simulada. Como resultado, a simulação produzirá duas trilhas de células incorretas (uma onde a tempestade foi simulada mas não passou, e uma onde não foi simulada mas a tempestade na verdade passou) por causa de uma única tempestade. Ir para um modelo de resolução mais baixa reduz esse problema, já que a mudança entre a trilha simulada e a real tem que ser muito maior para ter a mesma probabilidade de prever duas trilhas de células de grelha erradas simultaneamente.

Os resultados mais precisos do modelo bruto são encontrados com uma resolução espacial de 6-12km. A simulação de 12km provou ser mais precisa do que a simulação de resolução de 30km. Exceções desses resultados são encontradas em áreas montanhosas, onde os modelos de maior resolução produzem melhor precisão de precipitação do que os modelos de baixa resolução, porque os primeiros têm uma melhor compreensão da topografia.

Ao usar os dados da meteoblue, você receberá o seguinte resultado do modelo:

  • Na interface history+ (se os dados de precipitação de alta resolução estiverem selecionados) assim como no API histórico (se nenhum domínio for selecionado), o modelo de resolução média (12km para a europa) é extraído automaticamente em vez de o modelo de maior resolução (4km para a Europa). Você tem a opção de selecionar o modelo de baixa resolução para dados de longo prazo.
  • Para dados solicitados específicamente de um modelo específico, você receberá esses dados deste modelo. Algumas brechas de dados podem ser preenchidas com dados do modelo de resolução mais baixa. Tais lacunas podem ser indicadas sob demanda.

As previsões (para o API: quando nenhum domínio é especificado) não se diferenciam dos modelos, pois os dados entregues são uma composição multimodal para a qual nenhuma resolução específica pode ser atribuída; logo, essa questão não se aplica. No entanto, a série de dados históricos não será capaz de reproduzir exatamente a previsão de multi modelos, já que a disponibilidade dos modelos no momento da produção das previsões não pode ser reproduzida exatamente em retrospectiva. Se for necessária uma verificação da previsão histórica de precipitação, a previsão de precipitação real deve ser armazenada pelo menos uma vez por dia.

Fraqueza de modelos de simulação climática em regiões tropicais

Nas regiões tropicais (assim como nas regiões com chuvas intensas de monções), a simulação de precipitação é especialmente difícil. Isto é devido à alta ocorrência de eventos de precipitação, com grandes quantidades de chuvas em períodos curtos. Além disso, a precipitação convectiva, bem como a precipitação durante as tempestades, são mais comuns. Ambas as formas de precipitação podem ser muito complexas e localmente altamente inconsistentes e, portanto, são ainda mais difíceis de simular com precisão em comparação com outras formas de precipitação.

A implicação dessa dificuldade em simulações precisas é que a quantidade de precipitação em regiões tropicais geralmente é subestimada (exceções aplicam-se, o que torna uma correção sistemática muito difícil).

Outros conjuntos de dados espaciais disponíveis para comparação

Para resolver esses problemas de precisão com simulações de precipitação, além de nossos próprios modelos, meteoblue coleta e distribui uma ampla gama de diferentes conjuntos de dados de precipitação de operadores terceirizados.

Ao lado de um grande número de modelos próprios globais (2 modelos) e regionais (14 modelos), o banco de dados da meteoblue também contém modelos de previsão como GFS (NOAA) e ICON (DWD), modelos de reanálise como ERA5 (ECMWF), conjunto de dados de observação por satélite como CHIRPS2 e CMORPH que são melhorados por correções com medições de precipitação, bem como dados de radar em algumas regiões (devido a varias razões, nenhum dado de radar abrangente para o mundo inteiro pode ser oferecido). Como todos esses conjuntos de dados vêm com diferentes pontos fortes e imprecisões, podem haver grandes diferenças na precisão, dependendo do tempo e da localização da consulta. Mais informações podem ser encontradas nas nossas páginas de verificação.

Various precipitation datasets available from the meteoblue database

Em conclusão, não é possível definir facilmente um conjunto de dados que tenha a melhor precisão para todos os usos e locais. Além disso, sem uma medição de alta qualidade a uma distância razoável, é difícil estimar qual conjunto de dados tem a melhor qualidade nessa situação. Para mais informações sobre a qualidade dos diferentes conjuntos de dados, consulte nossa página de verificação de precipitação.

Com as APIs de histórico e previsão de meteoblue, definindo o atributo de domínio para o modelo desejado, dados específicos de simulação de precipitação podem ser coletados.

Com a API de precipitação histórica, todos os conjuntos de dados acima mencionados podem ser entregues para necessidades específicas do cliente em relação à precipitação.

Para o history+, lançaremos uma versão estendida este ano, que disponibiliza todos os diferentes conjuntos de dados de precipitação através da interface popular.

Aumento das fraquezas dos conjuntos de dados da observação de satélite com a crescente distância equatorial

Os conjuntos de dados CHIRPS2 e CMORPH são produzidos por satélites geossíncronos, que são colocados sobre o equador, circulando ao redor da Terra com a mesma velocidade da rotação da Terra. Portanto, sua visão em áreas equatoriais é precisa e retangular, enquanto em latitudes mais altas, a visão de satélite tem que passar por mais camadas atmosféricas, em um ângulo menor. Portanto, a qualidade é melhor nas áreas equatoriais e diminui conforme vai em direção aos pólos.

Apenas CHIRPS2 está disponível para regiões entre 50 ° S até 50 ° N e CMORPH apenas entre 70 ° S-70 ° N. No entanto, sugere-se que esses conjuntos de dados sejam usados ​​ainda mais restritivamente, de 45 ° S a 45 ° N ou mesmo entre 30 ° S e 30 ° N apenas. Com nossos mais recentes estudos de verificação, pode-se observar que, para locais mais distantes do equador, outros conjuntos de dados de precipitação mostram a melhor precisão.

Inconsistências dentro de séries temporais mescladas de diferentes modelos

Como a natureza inconsistente da precipitação não permite correção de viés significativa (assim como o pós-processamento MOS também não fornece melhorias), como pode ser feito automaticamente para outras variáveis, a fusão de diferentes modelos e séries temporais não é possível sem deixar inconsistências substanciais nos dados.

Basel didn't see a sudden decrease in total yearly precipitation...

...it's a failed merge of two different precipitation datasets.

Isso é importante considerar ao coletar séries temporais de dados de precipitação do API histórico da meteoblue. Quando nenhum domínio (ou um domínio local) é especificado (o que é sugerido em geral e para a maioria das outras variáveis), o API fornece dados de alta resolução, começando com a implementação do modelo atual de maior resolução. Quando dados de datas anteriores são solicitados, a API fornece dados de baixa resolução do modelo NEMSGLOBAL (voltando até 1985). Para evitar essa inconsistência, sugerimos o uso de uma API de precipitação histórica específica, adicional ao API histórico regular, que permanece a mais adequada para todas as outras variáveis.

Dentro da interface history +, é importante que o conjunto de dados de precipitação correto (“alta resolução, intervalo de tempo limitado” ou “baixa resolução, desde 1985”) seja solicitado, dependendo dos requisitos específicos de uso. Observe que, quando para um local específico não existe nenhum modelo, o "intervalo de tempo limitado e de alta resolução" fornece o modelo global de baixa resolução. A resolução disponível localmente pode ser confirmada facilmente observando o tamanho da célula de grelha do rainSPOT.

Os dados de previsão são o resultado de uma composição multimodal, para a qual nenhuma resolução específica pode ser atribuída, portanto, esse problema não se aplica.

Visão geral dos extensos estudos de verificação de longo prazo realizados

meteoblue realiza extensos estudos de verificação de longo prazo para entender a qualidade dos dados de precipitação, produzidos por seus próprios modelos e também por vários operadores terceirizados, em comparação com vários milhares de estações de medição de precipitação.

De um modo geral, uma boa simulação de precipitação pode estimar corretamente 85% das horas secas / chuvosas, com um Heidke Skill Score de 0.3 - 0.6 para eventos maiores que 1mm / dia. No que diz respeito aos valores de precipitação, 90% dos dados da simulação têm uma precisão de + - 30% em comparação com as medições.

Os métodos de pós-processamento, como mixagem multimodal ou MLM, são capazes de elevar a precisão da simulação de precipitação a um nível mais alto.

Para mais informações e os últimos relatórios de verificação, consulte a nossa página de verificação de precipitação.