Products, help and information

Temperatura do ar

Sensibilidade aos horários programados

O desempenho do modelo geralmente diminui com o aumento do número de horas esperadas. A precisão da temperatura do ar de 2 m ao escolher o meteoblue Learning Multimodel (mLM) está dentro de 1.2 K para a previsão de 24 horas e dentro de 2.0 K para a previsão de 6 dias. Isto significa que a previsão de 24 horas do mLM é tão boa quanto a previsão de 6 dias de modelos numéricos autónomos de previsão meteorológica.

MAE [K] baseado nas horas esperadas para o mLM para um único dia de análise e a média (preto). O erro de previsão de 24 horas para os modelos MOS (azul) e bruto (vermelho) também é exibido.

Uma introdução rápida ao meteoblue Learning Multimodel pode ser baixada abaixo:

mlm_leaflet.pdf (6,96 MB)

Previsão de 24 horas de dados históricos e dados de previsão

Nossos resultados mostram que o meteoblue Learning Multimodel (mLM), que é usado na previsão operacional, tem um desempenho significativamente melhor que as simulações MOS e o modelo histórico de reanálise ERA5 (MAE = 1.2 K versus MAE = 1.5 K). A precisão dos modelos numéricos autónomos de previsão meteorológica (por exemplo, NEMS, GFS) é significativamente inferior à dos modelos MOS e mLM em particular.

Mais de 90% de todas as estações meteorológicas têm uma precisão melhor que 2 K usando meteoblue Learning Multimodel (mLM). Este número é reduzido para 85% utilizando o modelo de reanálise ERA5 e 50% (36%) utilizando o modelo de previsão meteorológica numérica autónoma NEMS (GFS).

As regiões continentais e de altitude elevada são geralmente menos bem simuladas do que as regiões marítimas e de baixa altitude. Os erros na Europa e na América do Norte são geralmente mais baixos do que no gemisfério Sul. As temperaturas do ar são geralmente mais baixas no hemisfério Norte no inverno do que no verão.

Desempenho do modelo de previsão de 24 horas do mLM (painel superior), do modelo de reanálise ERA5 (inferior esquerdo) e do modelo de previsão meteorológica numérica GFS (inferior direito) para setembro - outubro de 2018.

Temperatura

NEMS Global 25km - verificação da temperatura

Simulações de temperatura com MOS:

  • Corrige a maioria dos erros
  • 92% de estações com MAE* < 2.0°C
  • Melhoria vs. RAW = 0.8°C
  • 85% de todos os erros horários < 2.0°C

Utilizado em todas as previsões de meteoblue.

meteoblue prevê mais do que 70% de todas as temperaturas, com menos de 2°C de diferença de temperatura medida - com 3 dias (72 horas) de antecedência. Para as 12 horas seguintes, mais de 80% de todas as previsões de temperatura estão a menos de 2°C de diferença da medição - numa base horária. O RMSE (Root Mean Square Error) da previsão horária é de menos de 2,5°C até 3 dias previsões, e cerca de 2°C para a previsão de um dia (estes dados são válidos para a Europa e América do Norte).
O que significa isso?

Pessoalmente: Se você assumir que pode distinguir diferenças de temperatura de mais de 2°C (por sensação), então 2/3 de todas as previsões de temperatura horária de meteoblue já estão corretas com 3 dias de antecedência! Isso significa que quando você olha para uma previsão meteoblue para as próximas 72 horas, você vai ter durante pelo menos 54 horas a mesma temperatura que as previsões de meteoblue.
Tecnicamente: Se você interpolar medições de temperatura a partir de uma estação meteorológica feitas a cada 3 horas em dados de hora em hora e compará-los com as medições horárias reais, o seu RMSE será 1,5-2,0°C. O erro da previsão meteoblue é, em média, 2,2°C. Isto significa que a previsão da temperatura é tão boa como uma medição a cada 6 horas.

MAE*: Mean absolute error (média de erro absoluto)

Exemplo de utilização

No exemplo a seguir é mostrada a probabilidade de um evento de geada.

Exemplo hipotético: Você está interessado em temperaturas abaixo de 0°C, geada, porque você é um agricultor e está preocupado com a sua colheita. O erro do modelo é de +/- 2°C em 85% dos casos. Isto significa que com um risco de 15%, a temperatura pode variar mais do que 2°C. Mas você está interessado apenas em temperaturas decrescentes, de modo que o risco de variações de temperatura no sentido negativo é apenas metade: 7,5%. Precisamente, a uma temperatura de 2°C tem uma probabilidade de 7,5% que a temperatura desce abaixo de 0°C. Se a temperatura crítica para a sua colheita é de -1°C, o risco ainda é menor: 3,75%; bem como para uma temperatura crítica de -2°C: 1,875%.

O mesmo pensamento pode ser feito com um erro de 1°C em 85% dos casos. Há uma diminuição da probabilidade de que a temperatura desce abaixo de 0°C; o risco é de 3,75% a 0°C.

Se a previsão só é válida para 60% de todos os casos o risco é o seguinte: A uma temperatura de 2°C você tem uma probabilidade de 20% que a temperatura desce abaixo de 0°C; 10% para uma temperatura inferior a -1°C.

Todas estas considerações assumem que você está estimando o risco de temperaturas abaixo de 0°C a uma temperatura real de 2°C. Se esta cálculos são feitos por exemplo a 1°C, o risco é alterado.

Na figura, estes factos são mostrados de uma forma visual.

Visualização do risco da temperatura cair abaixo de 0°C.