Desempenho na estimativa de precipitação pelo radar meteorológico do oeste de Santa Catarina

Murilo Fretta José, Rosandro Boligon Minuzzi

Resumo


Apesar da sua eficiência, o radar meteorológico apresenta erros que são sensíveis às calibrações e às físicas envolvidas nos sistemas naturais. O objetivo neste estudo foi analisar o desempenho na estimativa de precipitação pelo radar meteorológico do oeste (RMO) de Santa Catarina em diferentes escalas de tempo. No período de 6 outubro de 2017 à 31 de janeiro de 2018, foram comparados dados de precipitação acumulados (> 1 mm) em 10 minutos, 60 minutos e 24 horas por nove estações pluviométricas com as estimadas pelo radar. A avaliação da estimativa de precipitação pelo RMO foi realizada por meio do coeficiente de correlação, o Erro Médio, o Erro Padrão de Estimativa, os Índices de Concordância e de Confiança e pela Eficiência de Nash-Sutcliffe. Para os acumulados em 24 horas e 60 minutos o radar tende a superestimar a precipitação em média de 5,82 mm e 1,62 mm, com um desempenho considerado ‘muito bom’ e ‘mediano’, respectivamente. Para a precipitação de 10 minutos os resultados foram diversificados e com um desempenho ‘ruim’. Como o desempenho do radar tende a diminuir quanto menor a escala de tempo de estimativa de precipitação a calibração do RMO se faz necessário.

 

 

Performance in precipitation estimation by meteorological radar in the West of Santa Catarina

 

A B S T R A C T

Despite its efficiency, weather radar has errors that are sensitive to the calibrations and physics involved in natural systems. The objective of this study was to analyze the performance in the estimation of precipitation by the Meteorological Radar of the West (MRW) of Santa Catarina at different time scales. In the period from October 6, 2017 to January 31, 2018, accumulated precipitation data (> 1 mm) were compared in 10 minutes, 60 minutes and 24 hours for nine rainfall stations with those estimated by radar. The MRW estimation of precipitation was performed using the correlation coefficient, the Mean Error, the Standard Error of Estimation, the Concordance and Confidence Indexes, and the Nash-Sutcliffe Efficiency. For the accumulated in 24 hours and 60 minutes the radar tends to overestimate the average precipitation of 5,82 mm and 1,62 mm, with a performance considered 'very good' and 'medium', respectively. For the 10 minute rainfall the results were diverse and with 'poor' performance. As the radar performance tends to decrease the lower the time scale of precipitation estimation the MRW calibration becomes necessary.

Keywords: calibration, remote sensing, hidrological station.


Palavras-chave


calibração; sensoriamento remoto; estação hidrológica

Texto completo:

PDF

Referências


Austin, P.M., 1987. Relation between measured radar reflectivity and surface rainfall. Monthly Weather Review 115, 1053-1070.

Beck, A.T., Verzenhassi, C.C., 2008. Risk optimization of a steel frame communications tower subject to tornado winds. Latin American Journal of Solids and Structures 5, 187-203.

Brandes, E.A., Vivekanandan, J., Wilson, J.W., 1999. A comparasion of radar reflectivity estimates of rainfall from collocated radars. Journal of Atmospheric and Oceanic Technology 16, 1264-1272.

Camargo, A.P., Sentelhas, P.C., 1997. Performance evaluation of different potential evapotranspiration estimating methods in the State of São Paulo. Revista Brasileira de Agrometeorologia 5, 89-97.

Farias, J.F. da S., Pereira Filho, A.J., 2013. Previsão de chuva a curtíssimo prazo na área de abrangência do radar meteorológico de São Paulo. Revista Brasileira de Meteorologia 28, 199-209.

Goudenhoofdt, E., Delobbe, L., 2009. Evaluation of radar-gauge merging methods for quantitative precipitation estimates. Hidrology and Eath System Sciences, 13, 195-203.

Grimm, A.M. 2009. Clima da região Sul do Brasil. In: Cavalcanti, I,F. de A., et al. (Org). Tempo e clima no Brasil. São Paulo: Oficina de Textos, 259-275.

Mukaka, M.M., 2012. Statistics Corner: A guide to appropriate use of correlation in medical research. Malawai Medical Journal 24, 69-71.

Pereira Filho, A.J.; Crawford, K.C., 1995. Integrating WSR-88D estimates and Oklahoma Mesonet measurements of rainfall accumulations: a statistical approach. In: International Conference on Radar Meteorology, 27, Vail, Colorado. Anais… Boston: AMS, 240-242.

Pereira Filho, A.J., Crawford, K.C., Stensrud, D.J., 1999. Mesoscale precipitation fields: part II: hydrometeor logic modeling. Journal of Applied Meteorology 38, 101-125.

Torres, F.T.P., Machado, P.J. de O. Introdução à climatologia. São Paulo: Cengage Learning, 256p. 2011.

Vucinic, Z., Nadj, J., 2014. Comparison of polarimetric techniques for precipitation estimation in Serbia. In: European Conference on Radar in Meteorology and Hidrology, 8, 2014, Garmisch-Partenkirchen, Alemanha. Anais… Garmisch-Partenkirchen: DWD-DLR, 1-6.

Willmott, C.J., 1981. On the validation of models. Physical Geography 2, 184-194.

Zipser, E.J., Cecil, D.J., Liu, C., Nesbitt, S.W.; Yorty, D.P., 2006. Where are the most: Intense thunderstorm on Earth? Bulletin of American Meteorological Society 87, 1057-1071.




DOI: https://doi.org/10.26848/rbgf.v12.6.p2249-2258

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License