Products, help and information

Verificação de Simulações

Variáveis Meteorológicas

Modelos atmosféricos
Disponibilidade de dados
Verificação espacial e temporal

Realizamos uma verificação extensiva e regular de nossos e outros modelos de simulação, comparando-os com dados reais de medição e observação. Dessa forma, garantimos que nossos serviços forneçam dados meteorológicos de alta qualidade (e continuamente aprimorados), tanto históricos quanto previstos. meteoblue é o primeiro serviço meteorológico comercial que publica regularmente dados de verificação no site da empresa desde 2010, bem como atualizações diárias de precisão local.

Por que publicamos nossas verificações?

1. Somos transparentes: o tempo não é um "caos" e nossos clientes devem saber o que recebem.
2. Entregamos qualidade: nossa precisão é tão alta que vale a pena mostrar.
3. Somos realistas: você deve saber o que esperar de uma previsão ou história meteorológica - e o que não esperar.
4. Somos competitivos: se alguém acredita que não somos suficientemente bons, mostre-nos como fazer melhor.

O que significa a qualidade das simulações de meteoblue? Esta página e sub-páginas mostram alguns dos estudos mais importantes.

Modelização melhorou nas últimas décadas

Modelos numéricos de previsão do tempo foram continuamente melhorados nas últimas décadas. Por volta de 1980, a previsão de 24 horas à frente da temperatura do ar foi calculada com uma precisão de cerca de 70%. Em 2018, a precisão da previsão de 24h aumentou para cerca de 90% e a previsão de 72h hoje é tão boa quanto a previsão de 24h foi de 40 anos atrás. Nos modelos numéricos de previsão meteorológica, a precisão da altura do geopotencial de 500 hPa é ainda maior do que a precisão da simulação da temperatura do ar de 2 m. A evolução das precisões do modelo ao longo do tempo pode ser vista na figura a seguir (Fonte: ECMWF).

Evolution of the forecast skill [%] of the 500hPa geopotential height from 1980-2013. (Source: ECMWF, 2013)

Três fatores principais são responsáveis pelo aumento da precisão do modelo durante os últimos 40 anos:

  1. As condições iniciais do modelo numérico de previsão do tempo são estimadas significativamente melhores do que há 40 anos. Novas técnicas de medição meteorológica (por exemplo, observações de satélite) e medições mais precisas são responsáveis por essa melhoria.
  2. Resolução horizontal (e vertical) mais precisa dos modelos numéricos de previsão do tempo devido a um maior poder computacional.
  3. Melhores parametrizações sub-grelha nos modelos numéricos de há 40 anos.

A precisão de um modelo de simulação climática depende significativamente da variável meteorológica escolhida. Variáveis meteorológicas como a temperatura do ar de 2m, pressão superficial ou a altura geopotencial de 500hPa são tipicamente calculadas com alta precisão, enquanto outras variáveis (por exemplo, precipitação, rajadas de vento, etc.) têm uma precisão menor, tipicamente causada por variações espaciais de pequena escala. que não são resolvidos em modelos climáticos.

Verificação de meteoblue para dados históricos e de previsão

A seguir, mostramos a precisão do modelo de meteoblue para diferentes variáveis meteorológicas e a habilidade do modelo de multimodelos de meteoblue, MOS, modelos de reanálise e modelos numéricos de previsão climática independentes ("brutos").

A verificação dos modelos numéricos de previsão do tempo é altamente relevante para todas as partes interessadas, a fim de mostrar que os modelos de previsão do tempo têm uma habilidade de modelo maior do que previsões climáticas simples ou previsões de persistência ("Tempo amanhã é o mesmo de hoje").

Escopo

Quatro diferentes variáveis meteorológicas (temperatura do ar, velocidade do vento, precipitação e temperatura do ponto de orvalho) foram verificadas em mais de 10.000 estações meteorológicas diferentes em todo o mundo durante o ano de 2017, analisando a precisão do modelo de várias matérias primas modelos ("stand-alone") de previsão meteorológica, observações por satélite e modelos de reanálise. Além disso, a precisão do modelo de diferentes abordagens do multimodelo foi testada e comparada com modelos brutos ("stand-alone") e uma previsão de 24 horas a partir das estatísticas de saída do modelo (MOS).
Distinguimos entre conjuntos de dados históricos e conjuntos de dados de previsão, com base na disponibilidade dos dados do modelo.

Resumo

A tabela a seguir mostra o MAE (erro absoluto médio em K) em uma base horária (e anual para precipitação anual), determinado para cada método e variável em 10.000 estações meteorológicas globalmente para o ano de 2017.

Comparison of the mean absolute error (MAE) for four different meteorological parameters for more than 10'000 weather stations worldwide. The analysis was conducted based on measurements recorded in 2017.
Abordagem de modelo Temperatura do ar Velocidade do vento Precipitação anual Temperatura do ponto de orvalho
Previsão Multimodelo de aprendizagem de meteoblue 1.2 K - 170 mm -
MOS 1.5 K 1.2 m s-1 - 1.7 K
Modelos de previsão meteorológica 1.7 - 2.2 K 1.5 - 1.7 m s-1 220 - 230 mm 1.9 - 2.4 K
História Atualizações em tempo real (NEMS30) 2.1 K 1.7 m s-1 220 mm 2.2 K
Modelo de reanálise 1.5 K 1.5 m s-1 120 - 180 mm 1.6 K

Recomendações

De uma perspetiva de precisão, recomendamos as seguintes fontes para dados meteorológicos espaciais (em todo o mundo):

Reanálise História Previsão
Temperatura do ar ERA5 NEMS local, NEMS30 meteoblue Learning Multimodel (mLM)
Velocidade do vento ERA5 NEMS local, NEMS30 MOS de meteoblue e modelo misto de meteoblue
Precipitação (eventos diários)

ERA5 (todos os eventos de precipitação)

CMORPH (eventos de precipitação intensa)

NEMS local, NEMS30 meteoblue Learning Multimodel (mLM)
Precipitação (somas anuais) modelo misto do histórico de meteoblue modelo misto do histórico de meteoblue meteoblue Learning Multimodel (mLM)
Temperatura do ponto de orvalho ERA5 NEMS local, NEMS30 MOS de meteoblue e modelo misto de meteoblue

Para análise histórica, os modelos de reanálise oferecem a mais alta precisão, mas estão disponíveis apenas com um intervalo de tempo de 2-5 dias (CMORPH) a 2-3 meses (ERA5) e ainda não cobrem 20 anos. Para aplicações que exigem atualizações em tempo real, consistência e extensão de tempo ao longo de 30 anos e múltiplas variáveis, o NEMS30 é a única solução atualmente disponível.

Mais informações sobre a verificação de dados históricos e de previsão podem ser encontradas abaixo:

Variáveis meteorológicas

Temperatura do ar

A temperatura do ar de 2m é melhor calculada pelo multimodelo de aprendizagem de meteoblue (MLM) com valores de MAE = 1,2 K. A previsão da temperatura do ar MOS dá a mesma precisão que o modelo de reanálise ERA5 (MAE = 1,5 K), recomendado para conjuntos de dados históricos. Os modelos de previsão meteorológica global “stand-alone” (RAW) funcionam no intervalo entre 1,7 e 2,2 K. Assim, a previsão de 6 dias do multimodelo de meteoblue é tão boa quanto a previsão de 1 dia de um modelo de previsão meteorológica numérica "stand-alone" (RAW).

Velocidade do vento

A incerteza do modelo da velocidade do vento prevista de 10m está entre 1.5 – 1.7 m s-1 usando modelos de previsão meteorológica 'stand-alone' e para dados históricos de 1.5 m s-1 usando o modelo de reanálise ERA5. O erro do modelo pode ser reduzido para 1.2 m s-1 para simulações de modelos com MOS.

Radiação

meteoblue calcula a radiação para a superfície terrestre e marítima e para as camadas atmosféricas, tanto como luz solar direta e indireta, quanto radiação refletida das nuvens ou da superfície. A simulação da radiação de meteoblue é consistente nos continentes e atinge um erro absoluto médio mensal de 1-15% em 95% de todos os lugares.

Precipitação

A capacidade do modelo de eventos diários de precipitação diminui com o aumento da intensidade da precipitação. Modelos numéricos de previsão meteorológica são recomendados para pequenos eventos de precipitação. Para eventos de precipitação intensa, a capacidade do modelo de observações de satélite é maior do que a dos modelos numéricos de previsão meteorológica. A capacidade do modelo não pode ser aumentada misturando dois (ou mais) modelos para eventos diários de precipitação. Para dados históricos, as somas de precipitação anual são melhor realizadas usando observações de satélite do CHIRPS2, que são corrigidas com o mesmo conjunto de dados usado neste estudo. Espera-se que a execução do modelo de CHIRPS2 em regiões sem estações seja significativamente pior e desconhecida.

Temperatura do ponto de orvalho

A precisão do modelo para a temperatura do ponto de orvalho é ligeiramente inferior à precisão do modelo para a temperatura do ar. Os valores do MAE estão entre 1,9 e 2,4 K para modelos numéricos de previsão do tempo e 1,6 K para um modelo de reanálise. A precisão das simulações do modelo com MOS está em uma faixa similar àquelas do modelo de reanálise.

Estudos de verificação

Um estudo abrangente de verificação da temperatura do ar, velocidade do vento, precipitação e temperatura do ponto de orvalho conduzido em mais de 10.000 estações meteorológicas em todo o mundo para o ano de 2017 pode ser carregado abaixo:

meteoblue_verification_global_Summary_2017_EN_20181113z10.pdf (4,23 MB)

Um estudo de verificação foi feito para a Europa em 2011, comparando a precisão do modelo de modelos meteorológicos com resolução espacial de 40, 12 e 3 km, para a temperatura do ar e velocidade do vento usando MOS e modelos brutos. O estudo pode ser carregado aqui:

meteoblue_NMM_validation_mueller_2011.pdf (1,60 MB)