Previsão de Geada para a Região Sul do Brasil: Uma Avaliação do Modelo ETA 15 km Durante o Outono de 2012 (Frost Forecast for the Southern Region of Brazil: An Evaluation of Model ETA 15 km during the autumn 2012)

Abstract

utilizada pelo modelo ETA 15 km do Centro de Previsão de Tempo e Estudos Climáticos (CPTEC), foram analisados eventos de geada na Região Sul do Brasil. Para isso, analisou-se cartas sinóticas de superfície, imagens de satélite e informações com dados observacionais de ocorrência de geada do Instituto Nacional de Meteorologia (INMET). Os resultados mostraram que as geadas para o período em estudo ocorreram devido a presença de um anticiclone pós-frontal, que provocou baixas temperaturas e ausência de nebulosidade, condições estas propícias à formação de geada. Na avaliação do modelo, observaram-se algumas divergências e convergências em relação aos horários e localidades de suas previsões, as mesmas acabaram influenciando no desempenho da previsão, resultando em melhores resultados quando houve convergência entre os horários e menores desempenhos, quando ocorreram as maiores divergências. O modelo apresentou menor desempenho, com 59% de acertos e melhor desempenho, com 90% de acertos. Vale ressaltar que a maioria dos erros ocorreram por superestimativa.Palavras-chave: geada, modelo ETA 15 km, previsão. Frost Forecast for the Southern Region of Brazil: An Evaluation of Model ETA 15 km during the autumn 2012 A B S T R A C TAiming to evaluate the occurrence of Frost Index (IOG), a tool used by the ETA model 15 km Center for Weather Forecasting and Climate Studies (CPTEC) were analyzed frost events in Southern Brazil. Surface synoptic maps, satellite imagery and information with observational data of the occurrence of frost from the National Institute of Meteorology (INMET) were analyzed. The results showed that the frosts for the studied period occurred due to the presence of a post-frontal anticyclone, which caused low temperatures and absence of clouds, conditions leading to the formation of frost. In evaluating the model, we found that it showed some divergences and convergences in relation to the times and locations of their predictions, they ended up influencing the performance of the prediction, resulting in better outcomes when there was convergence between the schedules and smaller performances, when occurred the major differences. The model showed lower performance, with 59% of accuracy and better performance, with 90% of success. It is noteworthy that most of errors occurred for overestimation.