Por John McHenry, Cientista-Chefe do Baron
Fornecer apoio à decisão para uma ampla gama de sectores sociais e económicos sensíveis ao clima é uma parte vital da inteligência meteorológica crítica que a Baron oferece aos clientes. A tecnologia e a capacidade de abordar problemas em tempo real, nowcast e escala de previsão utilizando sistemas de apoio à decisão multi-escala, multi-modelo e multi-método são cruciais para mitigar as ameaças à segurança económica e pessoal, uma componente essencial da missão global da Baron. Este artigo de síntese considera a grande variedade de tecnologias de previsão amplamente classificadas como apoio à decisão e documenta casos de utilização representativos em que os sistemas DSS operacionais do Baron forneceram orientações accionáveis.
Antes de discutir a tecnologia, vale a pena observar que nenhuma das tecnologias de previsão de DSS da Baron é considerada "pronta para uso". A Baron adopta uma abordagem orientada para o cliente, determinando primeiro as necessidades, requisitos e desejos do cliente. Em seguida, constrói uma solução em torno do contexto do cliente: o que ele precisa para utilizar e disseminar a inteligência meteorológica crítica derivada de um Baron DSS. Embora a Baron tenha mais de 100 anos de experiência no desenvolvimento e implantação de sistemas de previsão de DSS baseados em modelos, a empresa está acostumada a trabalhar também com modelos preferidos pelos clientes. Esta é muitas vezes a melhor abordagem, porque muitos clientes já têm conhecimento e experiência em torno dos seus sistemas de modelação locais, mas podem não ter a capacidade ou os recursos para os integrar no DSS operacional, que está a faltar. Assim, a Baron traz para a mesa a vontade de "trabalhar no contexto" e de fornecer as suas próprias soluções de modelação altamente sofisticadas quando e onde necessário.
A Figura 1 apresenta uma visão geral de um DSS concetual que representa os que o Baron tem posto em prática. O DSS começa com a ingestão, Q/A e integração de conjuntos de dados observacionais necessários para a inicialização/assimilação do modelo de previsão ou avaliação posterior (offline), calibração e melhoria do modelo. O Baron garante que as observações são devidamente avaliadas em termos de qualidade antes de serem aceites numa base de dados relacional convencional ou similar, dependendo da dimensão e do tipo de conjunto de dados. Uma vez disponíveis, as observações com garantia de qualidade são então fornecidas ao(s) componente(s) de modelação do DSS em tempo real.
O sistema de modelação da previsão integra-se então, consistindo normalmente num ciclo de assimilação e num ciclo de previsão. Por exemplo, no âmbito do sistema de assimilação de dados terrestres Baron (BLDAS), o QPE operacional derivado do radar, corrigido pelo gabarito e outras variáveis forçadoras são fornecidas e actualizadas de meia em meia hora. O BLDAS acompanha então o relógio enquanto fornece as condições iniciais necessárias para lançar as execuções do modelo de previsão. Isto assegura que o modelo de previsão começa com o melhor estado inicial possível, o que é crucial para aplicações de previsão hidrológicas, agrícolas, rodoviárias ou outras. O DSS também fornece estações de trabalho e ecrãs utilizados pelo pessoal do cliente para interpretar as informações de previsão e orientação resultantes do DSS.
O Baron oferece várias opções para a divulgação de ameaças e avisos, incluindo a sua aplicação Safety Net, amplamente utilizada. Normalmente, o arquivo DSS fornece repositórios de produtos observacionais, de previsão de modelos e de previsões para reproduzir, estudar e avaliar completamente os casos operacionais. Isso permite que o cliente melhore posteriormente o desempenho do DSS, conforme medido em relação a métricas objetivas, incluindo medidas categóricas, discretas e categóricas de área. A Baron também fornece um subsistema de calibração personalizado de ponta a ponta que interage totalmente com seu DSS de modelagem de previsão hidrológica e treinamento e manuais de sistema de ponta a ponta.
Classes de modelos de previsão e ligações entre modelos num ambiente DSS
A maioria das aplicações de previsão de DSS, incluindo o que se pode designar por "modelos de aplicação autónoma (SAMS)", requerem alguma forma de modelo de previsão numérica do tempo (NWP) ou entradas NWP. A vasta experiência da Baron com o modelo Weather Research and Forecasting (WRF) (Figura 2), os seus sistemas de assimilação de dados (DA) e o seu antecessor MM5 permite-lhe responder a muitas das actuais necessidades de NWP que os clientes possam ter.
Os cientistas da Baron estão profundamente familiarizados com a física, a dinâmica e os esquemas DA dos modelos, o que permite personalizações e melhorias na parametrização. Por exemplo, modificações no esquema convectivo de Kain-Fritsch (Kain, 2004) reduzem a formação de ciclones tropicais espúrios, e alterações nos esquemas de LSM, PBL e microfísica melhoram o acoplamento terra-atmosfera e a conservação de hidrometeoros.
O Baron também emprega estratégias de otimização de código que melhoram os tempos de execução em relação às versões de código lançadas pela comunidade. Isso é crucial para obter o máximo valor do hardware que também pode ter que ser adquirido como parte da implementação do DSS, resultando em economias significativas para o cliente ou cargas de trabalho aprimoradas em comparação com as versões de modelo lançadas pela comunidade. O Baron também fornece soluções de previsão determinísticas e baseadas em conjuntos do NCEP GFS em escala reduzida e pode implantar modelos de mesoescala regional como sistemas de conjuntos. Isso inclui a implementação de modelos NWP desenvolvidos em países ou consórcios fora dos EUA.
O modelo NWP implementado alimenta e é acoplado a outros modelos de aplicação, tais como a qualidade do ar, a hidrologia ou vários SAMS baseados na superfície terrestre no âmbito de muitas aplicações Baron DSS. Por exemplo, o Baron forneceu orientações operacionais de previsão da qualidade do ar a numerosos clientes dos EUA durante mais de uma década (McHenry et al., 2004; Figura 3). Isto requer a execução de um sistema de modelação tripartido "fracamente acoplado" (NWP, emissões e modelo de transporte químico, como o modelo CMAQ (Community Multiscale Air Quality) da EPA dos EUA) ou um sistema de modelação integrado e mais fortemente acoplado, como o WRF-Chem.
Além disso, o recente desenvolvimento de Baron de assimilação variacional de informações de profundidade ótica de aerossol do satélite da NASA (MODIS) na plataforma de modelagem CMAQ (McHenry et al., 2013; Figura 4) permite que esse modelo obtenha melhorias significativas na habilidade de previsão de material particulado, dependendo da qualidade das estimativas derivadas de satélite. Um dos principais desafios das previsões de alta precisão dos AQ-DSSs são as estimativas dinâmicas de emissões, que precisam de atenção quase contínua para atualizações. Os cientistas da Baron desenvolveram o sistema de processamento Sparse-Matrix Operator Kernel Emissions (SMOKE, Coats e Houyoux, 1996) para a Agência de Proteção Ambiental dos EUA para resolver esta questão, e a Baron utiliza uma versão em tempo real desse sistema para fornecer emissões aos seus modelos operacionais de qualidade do ar.
Tal como indicado acima, as PNT são também utilizadas - em combinação com observações - para conduzir uma grande variedade de sistemas de modelação baseados na superfície terrestre e hidrológicos. Nos EUA, o BLDAS funciona nativamente com uma resolução espacial de 1 km em todo o CONUS, utilizando QPE de entrada à mesma escala. Isto representa a maior implementação operacional de um LDAS de muito alta resolução disponível (McHenry e Olerud, 2015). Para além da hidrologia de caudal, as versões de assimilação e previsão do BLDAS são utilizadas como base para SAMS agrícolas, de estado das estradas (Figura 5), de tempo de incêndio (Figura 6) e de ameaça de inundação repentina.
Para aplicações agrícolas, o BLDAS fornece entradas para modelos de maturação de milho e soja, bem como modelos de secagem pós-maturidade. Executados em modo de conjunto, os modelos de maturação de culturas permitem uma interpretação probabilística da maturação e das datas ideais de previsão de colheita, permitindo que os agricultores planeiem ou se protejam contra probabilidades precoces ou tardias de maturação e colheita das culturas. Embora o milho e a soja sejam as principais culturas visadas nos EUA, a base de dados Baron aplicada no BLDAS permite que as condições de humidade e temperatura do solo sejam estimadas para mais de 90 variedades de culturas diferentes nos seus locais de cultivo, incluindo anuais e perenes.
O sistema de modelação de pavimentos Baron também utiliza dados do BLDAS e outros dados e modelos de observação para fornecer estimativas da temperatura do pavimento, do teor de água (congelada ou não) e das condições de condução em tempo real. Este sistema está disponível através do serviço XM NavWeather em muitos modelos de automóveis OEM nos EUA há vários anos. O NavWeather fornece informações práticas e accionáveis diretamente ao condutor, o que resulta numa melhor antecipação das más condições de condução que se avizinham.
Fornecer orientação de alta resolução em tempo real sobre a ameaça de inundações repentinas é um desafio, particularmente quando a cobertura geográfica tem de ser completa e os produtos têm de ser rapidamente actualizados. O Baron já implementou um sistema de orientação para cheias repentinas denominado Rapid Early Flash-flood EXamination (REFLEX) SAM. O REFLEX combina as quantidades de escoamento local direto (dentro da célula da grelha) com o encaminhamento do escoamento através de uma rede de cursos de água entre células da grelha que é aplicável até seis horas de escoamento a montante que se acumularia em cada célula da grelha alvo. Executando o modelo de escoamento em atraso para 30 anos históricos e guardando resultados de meia hora, as estatísticas de eventos extremos são capturadas para cada célula de grelha no domínio de modelação e depois utilizadas como referência em relação ao escoamento acumulado em tempo real/previsto. Estudos de caso recentes no sudeste dos EUA mostraram que, para dois eventos perto da área de Raleigh-Durham no estado da Carolina do Norte, o REFLEX estimou um potencial significativo de ameaça de inundações repentinas muito antes dos avisos de inundações repentinas (Figuras 7 e 8).
O Baron completou a instalação do Sistema de Modelação de Previsão Hidrológica (HFMS) para o Programa de Abatimento de Águas Destrutivas da Roménia (DESWAT), que está agora operacional em todo o país há três anos. Um estudo de caso recente publicado por Matreata et al. (2013) avaliou o modelo de previsão de caudal explícito do Baron (designado NOAH-R nesse documento) a funcionar com uma resolução de 100 metros para um evento de inundação rápida que ocorreu na bacia do rio Calnau em 24 e 25 de julho de 2011. Os picos de descarga nas duas estações hidrométricas da bacia corresponderam a períodos de retorno de 20-100 anos. A distribuição espacial e temporal do evento de precipitação intensa foi corretamente indicada pelo subsistema de extrapolação do radar Baron Hydro FutureScan, enquanto o modelo de caudal explícito previu bastante bem o hidrograma observado (Figura 9). Tal como referido por Matreata et al., outros produtos em grelha fornecidos pelo sistema Baron (estado da humidade do solo, escoamento superficial, escoamento subsuperficial) são "muito úteis como informação suplementar e/ou de apoio durante o processo de aviso de cheias repentinas. Podem ser especialmente úteis para uma melhor estimativa da gravidade do evento de inundação esperado".
Informações meteorológicas críticas
Os sistemas de apoio à decisão baseados no modelo de previsão Baron estão a contribuir significativamente para fornecer a informação meteorológica crítica necessária num vasto espetro de decisões que são sensíveis às condições meteorológicas. Os próximos artigos irão detalhar as várias classes de DSS que estão disponíveis e as vantagens que trazem aos clientes actuais e potenciais.
Referências
Coats, C.J. e M.R. Houyoux, 1996: "Fast Emissions Modeling with the Sparse Matrix Operator Kernel Emissions Modeling System," Apresentado em "The Emissions Inventory: Key to Planning, Permits, Compliance, and Reporting".Associação de Gestão do Ar e dos Resíduos, Nova Orleães, LA, setembro de 1996.
Kain, J.S., 2004: A Parametrização Convectiva de Kain-Fritsch: An Update. J. Appl. Meteor, 43, 170-181.
Matreata, S., Baciu, O., Apostu, D., e M. Matreata, 2013: Avaliação do sistema romeno de previsão de cheias repentinas - um estudo de caso na bacia do rio Calnau. Die Bodenkultur 64(3-4), 2013, pp. 67-72.
McHenry, J.N., W.F. Ryan, N.L. Seaman, C.J. Coats Jr., J. Pudykeiwicz, S. Arunachalam, e J.M. Vukovich, 2004: Um sistema de previsão de modelos fotoquímicos eulerianos em tempo real: Visão geral e desempenho inicial da previsão do ozono no corredor NE dos EUA. Bull. Amer. Met. Soc. 85, 4, 525-548.
McHenry, J.N. e D.T. Olerud, 2015: Utilização de um LDAS CONUS de alta resolução em tempo real para inicializar estados da superfície terrestre em modelos operacionais NWP: estudos de caso, resultados e desafios. 29ª Conferência sobre Hidrologia; 95ª Reunião Anual da Sociedade Americana de Meteorologia, Phoenix, AR, 4-8 de janeiro de 2015.
