UNIVERSIDADE FEDERAL DE ALAGOAS

INSTITUTO DE GEOGRAFIA, DESENVOLVIMENTO E MEIO AMBIENTE

CURSO DE GEOGRAFIA BACHARELADO

Pedro Eduardo Monteiro da Silva

NOVOS DADOS ATUALIZADOS DA GRADE

METEOROLÓGICA DIÁRIA BRASILEIRA (1961-2020)

Jório Bezerra Cabral Júnior

Maceió, Alagoas
2023
1 INTRODUÇÃO
➢ Em 2016, Xavier et al. (2016) demonstraram dados meteorológicos diários
em grade definidos para o Brasil para o período 1º de janeiro de 1980 a 31 de
dezembro de 2013. Variáveis em grade incluem: precipitação (pr), mínimo e
máximo temperatura (Tmax e Tmin), radiação solar (Rs), vento velocidade a
2 m de altura (u2), umidade relativa (RH) e evapotranspiração (ETo).

➢ Esses dados são chamados de Dados meteorológicos diários brasileiros em

grade (BR-DWGD). O BR-DWGD foram calculados pela interpolação
observada dados usando 3.625 pluviômetros e 735 estações meteorológicas.

➢ Os dados do BR-DWGD foram utilizados em diferentes campos de

pesquisa, Na área das mudanças climáticas, os dados em grade têm sido
usados como referência oportunidade de comparar simulações climáticas
históricas do Modelo de Pesquisa Interdisciplinar em Clima para o Brasil.
2 OBJETIVO
Aprimorar o conjunto de dados meteorológicos
do Brasil, classificando precipitação (pr), a radiação solar (Rs), a velocidade
do vento (u2), e umidade relativa (UR) usando dados observados de 11.473
pluviômetros e 1.252 estações meteorológicas.
3 MATERIAL E MÉTODOS
3.1 Caracterização geral da área de estudo
➢ Os dados meteorológicos em grade foram gerados para o território
brasileiro, com área de 8,51 × 106 km2. Dados a interpolação foi realizada
no nível da bacia hidrográfica porque estudos que usam dados em grade,
como em hidrologia e agricultura, geralmente usam dados de escala de
bacia para análises.
➢ Principais bacias hidrográficas do território nacional: o rio Amazonas, o rio
Tocantins, região do Atlântico Norte, rio São Francisco, região do Atlântico
Central, rio Paraná, o rio Uruguai e a região do Atlântico Sul.
➢ Destacamos algumas características do bacias hidrográficas, tais como a
sua área, produto interno bruto (PIB), população e biomas para o ano de
2018 (IBGE).
3 MATERIAL E MÉTODOS
3.1 Caracterização geral da área de estudo
3.2 Descrição da Pesquisa
➢ Calculamos valores diários em grade para precipitação (pr, mm),
temperatura mínima (Tmin, C) temperatura máxima (Tmax, C), radiação
solar (Rs, MJm−2 dia−1), velocidade do vento a 2 m de altura (u2, ms −1) e
umidade relativa (UR, %) para o período entre 1º de janeiro de 1961 e 31
de julho de 2020. Obtivemos dados da Agência Nacional de Águas ́ (ANA) e
Instituto Nacional de Meteorologia (INMET).

➢ O produto em grade inclui dados de um total de 1.252 dados da estação

meteorológica, 642 de estações manuais e 610 das estações automáticas.
Os dados de precipitação incluem produção de um total de 11.473
pluviômetros.
3.3 Análise estatística
➢Neste trabalho utilizamos esses dois métodos, IDW e ADW.

➢Na metodologia IDW (ponderação de distância inversa), cada uma das

estações mais próximas selecionado para a interpolação em um ponto de
consulta é ponderado (Wk) por Wk=d−p k , onde d é a distância da estação k
e o ponto de consulta especificado. Os valores de p são a potência parâmetro
que usamos p = 2, conforme sugerido por Ly et al. (2011) e Xavier et al.
(2016).

➢O método ADW (ponderação da distância angular) usa dois pesos: um

baseado no distância de decaimento da correlação e outra baseada na
posição dos pluviômetros em relação ao ponto de consulta onde queremos
estimar o parâmetro. detalhes disso método pode ser encontrado em New et
al. (2000) e Hofstra e outros (2008). Para ambos os métodos, o número de
estações usado para interpolar um ponto de consulta foi cinco.
4 RESULTADOS E DISCUSSÃO
4.1 Dados observados
➢ Esses novos dados observados representam um aumento de 70% no
número número de estações meteorológicas e um aumento de 316% nas
chuvas medidores relativos ao conjunto de dados original observado (Xavier
e outros, 2016).

➢ A Tabela 1 mostra a contagem de observações diárias dados originalmente

coletados e a contagem após o descarte valores que residiam fora
dos valores limite e falharam na análise visual da homogeneidade.

➢ A variável pr teve o maior número absoluto de dados descartados, 0,54% de

≈ 107 × 106 entradas de dados. Para as outras variáveis, a quantidade de
dados observados coletados foi ≈ 7 × 106, com 0,19 a 3,42% descartados.
4.1 Dados observados
4.1 Dados observados

➢ O rio amazonas é a maior bacia, mas tem a menor densidade de

chuva manômetros. A bacia amazônica, no entanto, tem aumentado a
cobertura ao longo do tempo, pois os anos 1991-2020 têm uma densidade de
um pluviômetro por ≈7.600 km2 em comparação com anos 1961–1980 com
apenas um por ≈150.000 km2.
➢
Por outro lado, o Atlântico Central e o Sul As bacias da região atlântica
tiveram a maior densidade de calibre, com pelo menos um pluviômetro a
cada 50 km, correspondendo para um calibre por ≈580 km2.

➢ Em todo o Brasil, o número máximo de pluviômetros, com disponibilidade

dados observados, foi de 5.972 (uma bitola por 1.425 km2), entre as décadas
de 1970 e 1980. Últimos anos de 2019 a 2020 mostra uma quantidade muito
baixa de dados pluviométricos(Figura 2g-h) e assumimos que isso ocorre
porque as agências ainda não disponibilizou os dados.
4.1 Dados observados
4.1 Dados observados
➢ A Figura 3 mostra a distância média até o ponto mais próximo da estação
meteorológica com Tmax observado disponível ao longo de seis décadas e a
série temporal do número de estações meteorológicas.

➢ A bacia do rio Amazonas teve a menor densidade entre todas as bacias, com
uma estação por ≈250.000 km2 até 2003, e por ≈ 150.000 km2 nos últimos
anos.

➢ Por outro lado, a região do Atlântico Central e As bacias da região do

Atlântico Sul apresentaram maiores densidades, com um estação
meteorológica por ≈ 5.000–12.000 km2.
4.1 Dados observados
4.2 Validação cruzada de precipitação
➢ A Tabela 2 mostra os resultados da pontuação de habilidade da avaliação
cruzada prdação, de todos os dados observados e sua estimativa. O Os
métodos IDW e ADW mostram estatísticas semelhantes.

➢ De acordo com a classificação média, há um empate entre os dois métodos.

O método ADW teve melhor desempenho em termos de R (coeficiente de
correlação), RMSE (a raiz erro quadrático médio) e CRE (erro relativo
composto), enquanto o IDW método teve melhor desempenho para MAE
( erro absoluto médio), PC (percentual correto) e CSI (sucesso crítico índice).

➢ Como o posto médio empatado, selecionamos o método ADW para interpolar

pr, porque esse método teve melhor desempenho em termos de R, RMSE e
CRE em comparação com o IDW método. Além disso, o método ADW foi
usado no pré-conjunto de dados PR gridded anterior (Xavier, 2017).
4.2 Validação cruzada de precipitação
4.2 Validação cruzada de precipitação
➢ As estatísticas de validação cruzada de precipitação para as principais bacias
do Brasil são apresentadas na Tabela 3.

➢ Os valores estimados foram calculados com o método ADW, selecionado

para interpolar a precipitação. As bacias que apresentaram maior densidade
de pluviômetros apresentaram melhores resultados do que aquelas com
menor densidade.

➢ Por exemplo, uma comparação das estatísticas entre a Bacia Amazônica e a

Bacia do Atlântico Sul são as seguintes: R = 0,384 versus 0,735, RMSE =
12,889 mm versus 8,416 mm e CSIH = 0,143 versus 0,408. Esses resultados
são semelhantes aos do produto de precipitação em grade anterior (Xavier,
2017).
4.2 Validação cruzada de precipitação
3.5 Validação cruzada de precipitação
➢ Ao analisar a validação cruzada Tmax em escala de bacia, aquelas bacias
com maior densidade de estações meteorológicas apresentam melhor
desempenho estatístico em relação às bacias com menor densidade de
estações. Exemplos incluem o rio Amazonas, com baixa densidade de
estações, e o rio Paraná, com maior densidade de estações (Tabela 6).

➢ Os resultados na Tabela 6 indicam que as três bacias ao longo do Oceano

Atlântico têm viés positivo, enquanto todas as bacias interiores têm viés
negativo.

➢ Isso implica que podemos melhorar a precisão incluindo efeitos oceânicos ou

de relevo, mas deixamos isso para pesquisas futuras. Discutimos apenas
Tmax no corpo principal deste manuscrito, pois a explicação é semelhante
para Tmin.
4.2 Validação cruzada de precipitação
4.3 Conjunto de dados em grade
➢ A figura 7 mostra a precipitação diária estimada pela BR-DWGD, bem como
seus dois controles, para o dia 5 de outubro de 2015. Os controles são uma
ótima ferramenta para inferir a qualidade da estimativa, seja no tempo ou no
espaço, pois se houver estações próximas à área de interesse, espera-se
uma melhor estimativa.

➢ A figura 7d mostra outras possíveis aplicações com o controle dist_nearest,

onde temos o comportamento da distância até a estação mais próxima, para
duas localidades escolhidas aleatoriamente, uma na região sul e outra
próxima à região central do Brasil.

➢ Os resultados sugerem que a saída da BR-DWGD tem valor limitado quando

não há estação dentro de pelo menos 50 km da área de interesse; portanto,
para este exemplo de localização no centro do Brasil, apenas os dados após
1970 devem ser utilizados.
4.3 Conjunto de dados em grade
5 CONCLUSÕES
➢ Esses dados, os Dados Meteorológicos Diários do Brasil em Grade (BR-
DWGD), são uma atualização e melhoria em relação a Xavier et al. (2016)
para as variáveis meteorológicas precipitação (pr), temperatura mínima e
máxima (Tmax e Tmin), radiação solar (Rs), velocidade do vento a 2 metros
de altura (u2) e umidade relativa do ar (RH).

➢ Esta nova versão dos dados inclui cerca de 25 anos a mais de dados em
relação à versão anterior (Xavier et al., 2016), variando agora de 1º de janeiro
de 1961 a 31 de julho de 2020.

➢ Os métodos de interpolação utilizados foram o ponderamento da distância

inversa (IDW) e o ponderamento da distância angular (ADW). Para cada
variável interpolada, também fornecemos dois controles, o número de
estações meteorológicas/medidores na célula da grade e a distância da célula
até a estação/medidor mais próxima com dados observados.
REFERÊNCIAS
Xavier, A. C., Scanlon, B. R., King, C. W., & Alves, A. I. (2022). Newimproved
Brazilian daily weather gridded data (1961–2020). International Journal of
Climatology, 42(16), 8390–8404. https://doi.org/10.1002/joc.7731