Previsões hidrometeorológicas confiáveis são necessárias para amenizar desastres causados por eventos extremos. Dessa forma, o acoplamento de modelos atmosféricos e hidrológicos vêm se mostrando como uma ferramenta importante para previsão de eventos severos, proporcionando um sistema de alerta, minimizando os danos causados à população. O principal objetivo deste trabalho é propor, aplicar e avaliar um sistema acoplado do modelo atmosférico Eta ao modelo hidrológico DHSVM (Distributed Hydrology Soil Vegetation Model), aplicado a uma microbacia na região da Serra do Mar no Estado de São Paulo. Essa região, por apresentar acentuadas declividades do terreno e remanescentes de mata atlântica, requer estudos específicos, metodologias e modelos adequados às suas características. Por se tratar de um modelo hidrológico distribuído, o DHSVM necessita de uma grande quantidade de parâmetros físicos de solo e vegetação, que caracterizam em cada ponto de grade, a região de estudo. Os parâmetros encontrados para a bacia de estudo podem vir a contribuir para outros trabalhos de modelagem na região da Serra do Mar. A necessidade de dados de irradiância de onda longa para a simulação hidrológica, fez com que uma equação de estimativa da mesma fosse ajustada, podendo ser aplicada para todo o Estado de São Paulo. O principal desafio encontrado no acoplamento de modelos atmosféricos e hidrológicos é a grande diferença de escalas espacial e temporal. Este trabalho propõe uma técnica de desagregação (downscaling) para aumentar a resolução espacial dos campos de precipitação e temperatura fornecidos pelo modelo atmosférico de 10 km para 2 km. Os resultados apresentados mostraram que a qualidade das vazões simuladas dependem principalmente da qualidade do campo de precipitação de entrada ao modelo hidrológico, seja ele gerado pela interpolação de dados observados em estações de monitoramento ou gerado por modelos de previsão do tempo. A aplicação das técnicas de desagregação pouco afetaram os resultados das vazões simuladas.

Orientador: Luiz Fernando Sapucci / Coorientador: João Francisco Galera Monico / Banca: Dirceu Luis Herdies / Banca: Daniele Barrocá Marra Alves / Resumo: O posicionamento com o GNSS (GNSS - Global Navigation Satellite System) é atualmente a técnica mais utilizada para se obter a localização sobre a superfície terrestre ou próxima a essa. Depois dos efeitos causados pela ionosfera, a refração que o sinal sofre ao ultrapassar a neutrosfera pode ser considerada como uma das maiores fontes de erro no sinal, a qual gera um atraso no mesmo, denominado Atraso Zenital Troposférico (em inglês, Zenithal Tropospheric Delay - ZTD). Esse atraso gera erros no posicionamento GNSS, quando não é devidamente modelado. Os modelos de Previsão Numérica de Tempo (PNT) são boas alternativas para minimizar esse problema, pois geram previsões do ZTD em uma grade regular. No Brasil está operacional no CPTEC/INPE um processo que gera tais previsões com resolução espacial de 15 km. No entanto, na elaboração da atual versão não se utiliza o melhor banco de dados atmosféricos sobre a América do Sul, o que é possível de se obter... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The positioning with the GNSS (GNSS - Global Navigation Satellite System) is the most used technique to obtain a location over terrestrial surface or close to it. After the effects generated by Ionosphere, the refraction that the signal suffers when it goes through the neutrosphere can be considered as one of the largest error sources in the signal, in which is generated a delay, called Zenithal Tropospheric Delay (ZTD). When the ZTD are not modeled, significant errors in the GNSS positioning are observed, Numerical Weather Prediction models are good alternatives to minimize this problem, because these models generate ZTD predictions in a regular grid. A process for the propose of generating ZTD predictions with 15 km of resolution is operational at CPTEC/INPE. However, in this version it is not utilized the best atmospheric data base over the region, which is possible to obtain with data... (Complete abstract click electronic access below) / Mestre

Este estudo tem como objetivo a verificação das previsões diárias, das temperaturas máxima e mínima e precipitação acumulada, realizadas pelo modelo operacional de previsão numérica do tempo WRF (Weather Research Forecasting) para o estado de São Paulo. As condições iniciais e de fronteira fornecidas pela análise e previsão das 00UTC do modelo Global Forecast System (GFS), são usados no processamento do WRF, para previsões de 72 horas, em duas grades aninhadas (espaçamentos horizontais de grade de 50 km, D1, e 16,6 km, D2). O período avaliado foi de abril de 2010 a março de 2011. As comparações diárias das temperaturas máxima e mínima foram realizadas entre os valores preditos e observados nas estações de superfície de Registro, São Paulo, Paranapanema, Campinas, Presidente Prudente e Votuporanga (dados da CIIAGRO); através do erro médio (EM) e raiz do erro médio quadrático (REQM), para os prognósticos das 36, 60 e 72 horas. A precipitação acumulada diária é avaliada com relação ao produto MERGE, pela aplicação da ferramenta MODE, na previsão das 36 horas, para um limiar de 0,3 mm, no domínio espacial abrangendo o Estado de São Paulo e vizinhanças. Primeiramente, fez-se uma análise, comparando os pares de grade dos campos previsto e observado, utilizando os índices estatísticos de verificação tradicional de probabilidade de acerto (PA); índice crítico de sucesso (ICS); viés (VIÉS); probabilidade de detecção (PD) e razão de falso alarme (RFA). Posteriormente, foram analisados os campos de precipitação com relação à razão de área (RA); distância dos centroides (DC); razões de percentil 50 (RP50) e 90 (RP90). Os resultados evidenciaram que as saídas numéricas do modelo WRF com D2 tiveram desempenho melhor comparado à grade de menor resolução (maior espaçamento de grade horizontal, D1), tanto no prognóstico diário das temperaturas (máxima e mínima) quanto da precipitação acumulada. A temperatura apresentou um padrão de amortecimento, com temperaturas diárias máxima subestimada e mínima superestimada. Com relação à precipitação, as saídas numéricas do modelo GFS e WRF com D2 mostraram desempenho semelhante, com o D2 apresentando índices ligeiramente melhores, enquanto que as saídas numéricas do modelo WRF com D1 exibiram pior desempenho. Verificou-se um padrão de superestimativa, tanto em termos de abrangência espacial quanto em intensidade, para o modelo GFS e WRF em ambos os domínios simulados, ao longo de todo o período analisado. O percentil 50 é, geralmente, maior que o observado; entretanto, o percentil 90 é mais próximo ao observado. Os resultados também indicam que o viés dos modelos varia ao longo do ano analisado. Os melhores índices tanto com relação à precipitação quanto à temperatura foram obtidos para a estação de verão, com o modelo WRF com D2 apresentando melhores prognósticos. Entretanto, os modelos apresentam os maiores erros no inverno e no outono. Estes erros foram decorrentes de subestimativas das temperaturas máximas e superestimativas de área e intensidade de precipitação. / Forecasts of daily maximum and minimum temperatures and rainfall performed by the operational numerical weather prediction WRF (Weather Research Forecasting) model in the São Paulo are evaluated. Initial and boundary conditions provided by the 00UTC Global Forecast System (GFS) Model and WRF run for 72 hours, with two nested grids (with horizontal grid spacing of 50 km, D1, and 16.6 km, D2). The study was made for April 2010 to March 2011 period. Daily maximum and minimum temperatures comparisons were made, between predicted and observed data of the surface weather stations of Registro, São Paulo, Paranapanema, Campinas, Presidente Prudente and Votuporanga (CIIAGRO Data), through the mean error (ME) and root mean square error(RMSE), for the 36, 60 and 72 hours forecasts. The daily accumulated rainfall is evaluated using MODE with respect to the MERGE product, for the 36 hours forecast, with threshold of 0.3 mm over the spatial domain covering the State of São Paulo and neighborhoods. First, an analysis was made comparing grid pairs of predicted and observed fields, through the traditional statistical verification indexes: accuracy (PA), critical success index (ICS), bias (VIES), probability of detection (PD) and false alarm ratio (RFA). Subsequently, we analyzed the precipitation field with respect to area ratio (AR), distance from the centroids (DC), ratio of the 50th percentile (RP50) and ratio of the 90th percentile (RP90). The WRF, with D2 nested grid, had better performance compared to the grid of lower space resolution (higher horizontal grid spacing, D1) for both, daily temperatures (maximum and minimum) and the accumulated rainfall forecasts. The temperature forecast presented a damped pattern, with underestimated maximum and overestimated minimum values. Rainfall was overall overestimated spatially and in intensity for the three models throughout the analized period. The forecasted 50th percentile is generally higher than that observed, however, the 90th percentile is closer to observations. The results also indicate that the bias of the models varies annually. The best performances for both rainfall and temperature were obtained for the summer season, with the D2 showing slightly better results. However, the models had the biggest errors during the winter and autumn seasons. These errors were due to underestimation of maximum temperatures and overestimation in area and intensity of precipitation.

Este estudo tem como objetivo a verificação das previsões diárias, das temperaturas máxima e mínima e precipitação acumulada, realizadas pelo modelo operacional de previsão numérica do tempo WRF (Weather Research Forecasting) para o estado de São Paulo. As condições iniciais e de fronteira fornecidas pela análise e previsão das 00UTC do modelo Global Forecast System (GFS), são usados no processamento do WRF, para previsões de 72 horas, em duas grades aninhadas (espaçamentos horizontais de grade de 50 km, D1, e 16,6 km, D2). O período avaliado foi de abril de 2010 a março de 2011. As comparações diárias das temperaturas máxima e mínima foram realizadas entre os valores preditos e observados nas estações de superfície de Registro, São Paulo, Paranapanema, Campinas, Presidente Prudente e Votuporanga (dados da CIIAGRO); através do erro médio (EM) e raiz do erro médio quadrático (REQM), para os prognósticos das 36, 60 e 72 horas. A precipitação acumulada diária é avaliada com relação ao produto MERGE, pela aplicação da ferramenta MODE, na previsão das 36 horas, para um limiar de 0,3 mm, no domínio espacial abrangendo o Estado de São Paulo e vizinhanças. Primeiramente, fez-se uma análise, comparando os pares de grade dos campos previsto e observado, utilizando os índices estatísticos de verificação tradicional de probabilidade de acerto (PA); índice crítico de sucesso (ICS); viés (VIÉS); probabilidade de detecção (PD) e razão de falso alarme (RFA). Posteriormente, foram analisados os campos de precipitação com relação à razão de área (RA); distância dos centroides (DC); razões de percentil 50 (RP50) e 90 (RP90). Os resultados evidenciaram que as saídas numéricas do modelo WRF com D2 tiveram desempenho melhor comparado à grade de menor resolução (maior espaçamento de grade horizontal, D1), tanto no prognóstico diário das temperaturas (máxima e mínima) quanto da precipitação acumulada. A temperatura apresentou um padrão de amortecimento, com temperaturas diárias máxima subestimada e mínima superestimada. Com relação à precipitação, as saídas numéricas do modelo GFS e WRF com D2 mostraram desempenho semelhante, com o D2 apresentando índices ligeiramente melhores, enquanto que as saídas numéricas do modelo WRF com D1 exibiram pior desempenho. Verificou-se um padrão de superestimativa, tanto em termos de abrangência espacial quanto em intensidade, para o modelo GFS e WRF em ambos os domínios simulados, ao longo de todo o período analisado. O percentil 50 é, geralmente, maior que o observado; entretanto, o percentil 90 é mais próximo ao observado. Os resultados também indicam que o viés dos modelos varia ao longo do ano analisado. Os melhores índices tanto com relação à precipitação quanto à temperatura foram obtidos para a estação de verão, com o modelo WRF com D2 apresentando melhores prognósticos. Entretanto, os modelos apresentam os maiores erros no inverno e no outono. Estes erros foram decorrentes de subestimativas das temperaturas máximas e superestimativas de área e intensidade de precipitação. / Forecasts of daily maximum and minimum temperatures and rainfall performed by the operational numerical weather prediction WRF (Weather Research Forecasting) model in the São Paulo are evaluated. Initial and boundary conditions provided by the 00UTC Global Forecast System (GFS) Model and WRF run for 72 hours, with two nested grids (with horizontal grid spacing of 50 km, D1, and 16.6 km, D2). The study was made for April 2010 to March 2011 period. Daily maximum and minimum temperatures comparisons were made, between predicted and observed data of the surface weather stations of Registro, São Paulo, Paranapanema, Campinas, Presidente Prudente and Votuporanga (CIIAGRO Data), through the mean error (ME) and root mean square error(RMSE), for the 36, 60 and 72 hours forecasts. The daily accumulated rainfall is evaluated using MODE with respect to the MERGE product, for the 36 hours forecast, with threshold of 0.3 mm over the spatial domain covering the State of São Paulo and neighborhoods. First, an analysis was made comparing grid pairs of predicted and observed fields, through the traditional statistical verification indexes: accuracy (PA), critical success index (ICS), bias (VIES), probability of detection (PD) and false alarm ratio (RFA). Subsequently, we analyzed the precipitation field with respect to area ratio (AR), distance from the centroids (DC), ratio of the 50th percentile (RP50) and ratio of the 90th percentile (RP90). The WRF, with D2 nested grid, had better performance compared to the grid of lower space resolution (higher horizontal grid spacing, D1) for both, daily temperatures (maximum and minimum) and the accumulated rainfall forecasts. The temperature forecast presented a damped pattern, with underestimated maximum and overestimated minimum values. Rainfall was overall overestimated spatially and in intensity for the three models throughout the analized period. The forecasted 50th percentile is generally higher than that observed, however, the 90th percentile is closer to observations. The results also indicate that the bias of the models varies annually. The best performances for both rainfall and temperature were obtained for the summer season, with the D2 showing slightly better results. However, the models had the biggest errors during the winter and autumn seasons. These errors were due to underestimation of maximum temperatures and overestimation in area and intensity of precipitation.