COMPARAÇÃO DA UNIFORMIDADE DE DADOS METEOROLÓGICOS DE ESTAÇÃO METEOROLÓGICA CONVENCIONAL E AUTOMÁTICA - PIRACICABA/SP

June 20, 2017 | Autor: Sônia Piedade | Categoria: Regression Analysis, Sensor Calibration, Global solar radiation, Air Temperature
Share Embed


Descrição do Produto

See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/255622305

COMPARAÇÃO DA UNIFORMIDADE DE DADOS METEOROLÓGICOS DE ESTAÇÃO METEOROLÓGICA CONVENCIONAL E AUTOMÁTICA - PIRACICABA/SP ARTICLE

READS

41

6 AUTHORS, INCLUDING: Fabio Vale Scarpare

Luiz Roberto Angelocci

Laboratório Nacional de Ciência e Tecnolo…

University of São Paulo

59 PUBLICATIONS 78 CITATIONS

98 PUBLICATIONS 253 CITATIONS

SEE PROFILE

SEE PROFILE

Available from: Fabio Vale Scarpare Retrieved on: 03 February 2016

COMPARAÇÃO DA UNIFORMIDADE DE DADOS METEOROLÓGICOS DE ESTAÇÃO METEOROLÓGICA CONVENCIONAL E AUTOMÁTICA - PIRACICABA/SP

Fábio Vale Scarpare 1 , Greice Ximena S. Oliveira1, Jones Simon1, Sônia Maria De Stefano Piedade 2 , Luiz Roberto Angelocci2

RESUMO: Foi efetuado um estudo comparativo entre os seguintes elementos meteorológicos: Radiação Solar Global (Rg, cal/cm.d), Umidade Relativa (URmed, %), Temperatura Média do ar (Tmed, ºC) e Precipitação pluviométrica (PP, mm) obtidos em uma Estação Meteorológica Convencional (EMC) e uma Estação Meteorológica Automática (EMA), em Piracicaba-SP, durante 9 anos e 9 meses. As comparações dos dados obtidos pelas EMC e EMA foram feitas por meio dos seguintes indicadores estatísticos: análise de regressão – coeficiente de determinação (R2), índice de concordância (d), erro máximo (EM) e erro absoluto médio (EAM). Os elementos meteorológicos com maior uniformidade foram Tmed e PP. A URmed embora com erros elevados pode ser comparável, pois seus sensores permitem erros de até 5%, superior a diferença encontrada (4%). Para Rg houve uma discrepância elevada nos dados da relação EMA/EMC (superestimativa de 25%), sendo necessário maior acuracidade na interpretação dos diagramas e uma calibração constante nos sensores, principalmente o actinógrafo. Para os elementos meteorológicos comparados neste trabalho, a substituição de EMC por EMA não implica em diferenças significativas em seus valores, contudo não é uma regra geral, necessitando comparações locais para cada caso.

ABSTRACT: Meteorological elements obtained by a conventional (CWS) and by an automated weather station (AWS) were compared in a period among 9 years and 9 months in Piracicaba-SP, Brazil. The meteorological elements analyzed were: global solar radiation (Rg, cal/cm.d), average air humidity (avrRH, %), average air temperature (avrT, ºC) and rainfall (R, mm). The follow statistics indicatives were used: regression analysis – determination coefficient (R²) - index of agreement (d) – maximum error (ME) and absolute average error (MBE). The avrT and rainfall were the meteorological elements that have showed better data uniformity. The avrRH could also be comparable even so showing high error data due to its sensors allows error until 5%, greater than founded (4%). The Rg showed great discrepancies between data measured by the two weather stations AWS/CWS (25% overestimate). It is necessary better accuracy, graphical interpretations and constantly sensors calibration, actinography meanly. For other meteorological elements compared in this study, the substitution from CWS to AWS does not apply signicant data differences; however this is not a rule being necessary local analysis for each case. Palavras-Chave: uniformidade, estação meteorológica convencional, estação meteorológica automática.

INTRODUÇÃO

1

Pós-Graduando PPG Física do Ambiente Agrícola - ESALQ/USP, Av. Pádua Dias, 11- CP 9 - Piracicaba/SPCEP13418-900, Fone: 3429 4283 R:236, E-mail: [email protected] 2 Professor Doutor do Departamento de Ciências Exatas - ESALQ/USP, Av. Pádua Dias, 11- Piracicaba/SP-CEP13418900, Fone: 3429 4283, E-mail:[email protected]

Os avanços tecnológicos na área da eletrônica e automação apresentaram substancial desenvolvimento, nos últimos anos, permitindo o monitoramento das mais diversas variáveis meteorológicas em tempo real e com elevados níveis de precisão. Os sensores eletrônicos ganharam progressivamente maior resolução/precisão, menor tamanho e custos relativamente reduzidos. Além da importância na área de meteorologia, os sistemas de aquisição automática de dados vêm ganhando espaço na área de agronomia, favorecendo o monitoramento das variáveis relacionadas à planta, ao solo e às máquinas agrícolas, as quais estão ligadas direta ou indiretamente com o crescimento e desenvolvimento das plantas cultivadas, melhorando o manejo dessa atividade agrícola. A automatização da aquisição de dados meteorológicos tem sido amplamente utilizada pela facilidade, eficiência, qualidade e padronização dos dados coletados, diminuindo assim os erros oriundos de leitura, interpretação e digitação desses dados. (CUNHA & MARTINS, 2004). Entretanto, Estações Meteorológicas Automáticas (EMA), são de uso relativamente recente no país sendo ainda uma alternativa o uso conjugado de Estações Meteorológicas Convencionais (EMC). As EMA’s são desenvolvidas para medidas mais acuradas/precisas, proporcionando o armazenamento de dados meteorológicos por um longo período de tempo e a um custo relativamente baixo (TANNER, 1990). No entanto, em climatologia agrícola uma questão importante que surge quando da substituição de uma EMC, com uma longa série de dados, por uma EMA refere-se a homogeneização da série histórica com a nova série, ou seja, como transferir a confiabilidade da EMC para a EMA, de modo que as séries obtidas pelas duas possam ser consideradas como uma série única. Esse aspecto é ainda mais importante quando se considera os valores médios, em função da diferente capacidade de amostragem (freqüência das medidas). Trabalhos recentes, realizados por Fisch & Santos (1997) e Sentelhas et al. (1997), tem demonstrado, ao se comparar dados obtidos pelas diferentes estações, boa concordância entre os elementos analisados, especialmente temperatura e umidade relativa do ar, apesar dos diferentes tipos de sensores, abrigos e freqüência de medidas. Este trabalho tem por objetivo comparar a uniformidade dos dados registrados nas estações meteorológicas, convencional (EMC) e automática, localizadas no Campus das ESALQ-USP, em Piracicaba.

MATERIAL E MÉTODOS Os dados utilizados no estudo foram obtidos junto ao Posto Agrometeorológico do Departamento de Ciências Exatas da Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo (ESALQ/USP), no município de Piracicaba – SP (latitude: 22o30’30”S, longitude: 47o38’00”W e altitude: 546 m), durante o período de janeiro de 1997 a agosto de 2006,

totalizando 9 anos e 9 meses de medidas, onde operavam simultaneamente uma estação meteorológica convencional (EMC) e uma automática (EMA). Os elementos meteorológicos avaliados foram: Temperatura Média do Ar (Tmed, oC); Umidade Relativa média do Ar (URmed, %); Radiação Solar Global (Rg, W.m-2) e Precipitação Pluvial (PP, mm). Os sensores de temperatura e umidade do ar da EMC e da EMA estavam instalados em abrigos termométricos, respectivamente, de venezianas simples e de multiplaca, a 1,7 m de altura de acordo com as recomendações da WMO (WMO, 1983). Os dados obtidos pela EMA, a cada segundo, eram processados em médias a cada quinze minutos, as quais eram gravadas no módulo de aquisição, processamento e armazenamento dos mesmos, da marca Campbell. Os equipamentos utilizados nas duas estações, elemento sensor, suas sensibilidades/precisão são apresentados na Tabela 1. Tabela 1. Variáveis analisadas pelas Estações Meteorológica Convencional (EMC) e Automática (EMA), com respectivos sensores, fabricantes e sensibilidade/precisão dos aparelhos. Tipo de Estação EMC

EMA

Variável medida UR med Rg Precipitação T med

Elemento Sensor Harpa de cabelo Placas bi-metálicas Pluviômetro Paulista Mercúrio

Fabricante Marca R. FUESS R. FUESS R. FUESS R. FUESS

Sensibilidade Precisão 5% 69,77 W.m-2 0,1 mm 0,2ºC

UR med Rg Precipitação T med

Sensor Capacitivo Célula de Silício Báscula Termistor

Vaisala Li – Cor (LI – 200x) Texas Elect (TE525mm) Vaisala

3% 0,01 W.m-2 0,1 mm 0,1ºC

As comparações dos dados obtidos pelas EMC e EMA foram feitas por meio dos seguintes indicadores estatísticos: análise de regressão – coeficiente de determinação (R2), índice de concordância (d), erro máximo (EM) e erro absoluto médio (EAM), segundo Willmott et al. (1985) e conforme as expressões: n ⎡ (Ci − Ai ) 2 ∑ ⎢ d = 1 − ⎢ n i =1 ⎢ Ci − A + Ai − A ⎢⎣ ∑ i =1

(

EM = max ( Ai − Ci EAM =

)

n

i =1

1 n ∑ ( Ai − Ci ) n i =1

⎤ ⎥ ⎥ 2 ⎥ ⎥⎦

)

(1)

(2) (3)

Sendo Ai os dados obtidos pela EMA, Ci os dados da EMC, A a média dos dados da EMA, e n o número de observações. Se Ai é igual à Ci tem-se que: EM = EAM = 0 e R2 = d = 1.

RESULTADOS E DISCUSSÃO

Analisando os dados em função do R² (Figura 1 e Tabela 2), encontramos que a Tmed foi a variável que apresentou maior correlação entre as medidas do sensor automático e convencional (0,993), seguido da PP (0,990), Rg (0,872) e URmed (0,469). Apesar dos indicadores estatísticos utilizados não conferirem nas suas respostas, o coeficiente de determinação por meio da análise de regressão favorece a visualização comparativa da distribuição dos dados, permitindo uma melhor e mais adequada análise de comparação entre esses elementos meteorológicos (Tabela 2). 100

800

Rg EMC (W/m²)

UR % (EMC)

700

y = 0,960x R2 = 0,469

80 60 40 20

a

y = 0,751x R2 = 0,872

600 500 400 300 200

b

100 0

0 0

20

40 60 UR % (EMA)

80

100

0

400

400 Rg EMA (W/m²)

600

800

30 y = 1,057x R2 = 0,990

25 Temp EMC (ºC)

300 P mm (EMC)

200

200

100

c

y = 1,044x R2 = 0,993

20 15 10

d

5

0

0 0

100

200 P mm (EMA)

300

400

0

5

10 15 20 Temp EMA (ºC)

25

30

Figura 1. Relação entre as variáveis meteorológicas observadas na EMC e na EMA, valores mensais

médios para 9 anos e 9 meses, em Piracicaba – SP.

Tabela 2. Índices estatísticos para análise da concordância entre as variáveis estudadas para as

estações convencional e automática, obtidas em Piracicaba, SP. Variável URmed (%) Rg (W/m²) Precipitação (mm) Tmed (ºC)

R² 0,469 0,872 0,990 0,993

d 0,789 0,652 0,995 0,968

EM 17,0 224,0 49,0 1,7

EAM 3,11 125,39 -5,73 -0,92

Equação EMC = 0,960*EMA EMC = 0,751*EMA EMC = 1,057*EMA EMC = 1,044*EMA

A URmed (Figura 1a) apesar de apresentar um R² intermediário, apresentou valores de EAM (3,11) e EM (17,0) altos, mostrando que ocorreram diferenças significativas entre as medidas

obtidas pelas estações meteorológicas (EMC e EMA). Isso se deve, provavelmente, às diferenças de sensibilidade de cada sensor e da diferença na amostragem utilizada para o cálculo da média das EMC e EMA. Os valores obtidos de erros foram próximos aos encontrados por Sentelhas et al. (1997). A Rg (Figura 1b) foi a variável que apresentou as maiores diferenças entre EMC e EMA, apresentando a pior concordância (d = 0,652), um R² intermediário (0,872) e os piores erros, sendo EM de 224,0 e EAM de 125,39. Essa acentuada discrepância entre EMC e EMA na medida de Rg, é devida à: diferenças de resposta, precisão, sensibilidade dos sensores, calibração do actinógrafo, e aos problemas relativos à cotação dos diagramas desse equipamento, principalmente em períodos com nebulosidade variável. Segundo Sentelhas et. al. (1997) essa tendência de subestimativa da Rg medida pelo actinógrafo é confirmada pelas medidas comparativas entre um piranômetro Li-cor e um Eppley (Modelo PSP), que mostra a elevada relação entre o sensor da EMA e o padrão (R2 = 0,9939), indicando que, em média, o sensor Li-Cor subestima em 7% o valor do Eppley. A PP (Figura 1c) foi a variável com melhor correlação (R² = 0,990) e concordância (d = 0,995), embora com erros relativamente elevados (EM = 49,0 e EAM = -5,73). Para chuvas acima de 100 mm há uma tendência de medidas inferiores na EMA. Provavelmente relacionada à incapacidade do sensor, em eventos de precipitação intensa, de registrá-la na mesma velocidade com que ocorre, sendo uma parte não computada. Os problemas associados aos pluviômetros de báscula estão associados aos erros no total da chuva medida, os quais estão diretamente relacionados à intensidade da precipitação, à resolução da báscula e à área de captação, assim como devido à ação de ventos intensos (SEIBERT & MORÉN, 1999). Para a Tmed (Figura 1d), a tendência é que os dados obtidos pela EMC sejam maiores que os obtidos na EMA (superestimativa de 4,4%). O R² foi o mais elevado (0,993), com d = 0,968, sendo a variável com melhor ajuste em todos os índices estatísticos (Tabela 2). Fisch & Santos (1997), Sentelhas et al. (1997), Souza et al. (2003) também encontraram superestimativas para a Tmed da EMC em relação à EMA, nas comparações feitas entre estações meteorológicas convencionais e automáticas. Uma importante fonte de erro é devida, basicamente, às amostragens para o cálculo da média, sendo a EAM da ordem de -0,92ºC (Tabela 2). Os diversos autores citados encontraram diferenças nas estimativas dos elementos meteorológicos, da EMA em relação à EMC, obtendo estimativas das mais variadas percentagens, tornando difícil a comparação entre elas em função dos seguintes fatores que ocorrem neste tipo de estudo: a) diferentes tipos de sensores utilizados, tanto na EMA como na EMC; b) calibração adequada do sensor; c) localidade da estação; e d) período de análise dos dados medidos (efeito da sazonalidade).

CONCLUSÕES

- os elementos meteorológicos com maior uniformidade foram Tmed e Precipitação. A URmed embora com erros elevados pode ser comparável, pois seus sensores permitem erros de até 5%, superior a diferença encontrada (4%). - para Rg houve uma discrepância elevada nos dados da relação EMA/EMC (superestimativa de 25%), sendo necessário maior acuracidade na interpretação dos diagramas e uma calibração constante nos sensores, principalmente o actinógrafo. - para os elementos meteorológicos comparados neste trabalho, a substituição de EMC por EMA não implica em diferenças significativas em seus valores, contudo não é uma regra geral, necessitando comparações locais para cada caso.

REFERÊNCIAS BIBLIOGRÁFICAS

CUNHA, A.R. da; MARTINS, D..Estudo comparativo entre elementos meteorológicos obtidos em estações meteorológicas convencional e automática em Botucatu, SP, Brasil. Revista Brasileira de Agrometeorologia. Santa Maria, v. 12, n. 1, p. 103 – 111, 2004. FISCH, G., SANTOS, J.M. Comparação entre observações meteorológicas convencionais e automáticas na região do Vale do Paraíba, SP. In: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 10, 1997, Piracicaba. Anais... Piracicaba: Sociedade Brasileira de Agrometeorologia, 1997. p. 246 – 248. SEIBERT, J.; MORÉN, A.S. Reducing systematic errors in rainfall measurements using a new type of gauge. Agricultural and Forest Meteorology, Amsterdan, v. 98-99, n. 1, p. 341-348, 1999. SENTELHAS, P.C. et al. Análise comparativa de dados meteorológicos obtidos por estações convencional e automática. Revista Brasileira de Agrometeorologia, Santa Maria, v. 5, n. 2, p. 215 – 221, 1997. SENTELHAS, P.C., CARAMORI, P.H. Inconsistências na medida da chuva com pluviômetros de báscula, utilizados em estações meteorológicas automáticas. Revista Brasileira de Agrometeorologia, Santa Maria, v. 10, n. 2, p. 301 – 304, 2002. SOUZA, I.A.; GALVANI, E.; ASSUNÇÃO, H.F.. Estudo comparativo entre elementos meteorológicos monitorados por estações convencional e automática na região de Maringá, Estado do Paraná. Acta Scientiarum, v. 25, n. 2, p. 203 – 207, 2003. TANNER, B.D. Automated weather stations. Remote Sensing Reviews, Abingdon, v. 5, n.1 , p. 73-98. 1990. WILLMOTT, C.J., ACKLESON, S.G., DAVIS, R.E. et al. Statistics for the evaluation and comparison of models. Journal of Geophysical Research, Ottawa, v. 90, n. C5, p. 8995 – 9005, 1985. WMO. Guide to meteorological instruments and methods of observation. Geneva, World Meteorological Organization, 1983. 230 p. (n. 8, 5th edition).

Lihat lebih banyak...

Comentários

Copyright © 2017 DADOSPDF Inc.