@InProceedings{MachadoDalPPuhaAnab:2019:AnDaPr,
               author = "Machado, Cristielen Perceval and Dal Piva, Everson and Puhales, 
                         Franciano Scremin and Anabor, Vagner",
          affiliation = "{Universidade Federal de Santa Maria (UFSM)} and {Universidade 
                         Federal de Santa Maria (UFSM)} and {Universidade Federal de Santa 
                         Maria (UFSM)} and {Universidade Federal de Santa Maria (UFSM)}",
                title = "An{\'a}lise de dados de previs{\~a}o num{\'e}rica do tempo do 
                         WRF com dados observados de temperatura do ponto de orvalho",
                 year = "2019",
         organization = "Encontro de Alunos de P{\'o}s-Gradua{\c{c}}{\~a}o em 
                         Meteorologia do CPTEC/INPE, 18. (EPGMET)",
             abstract = "Os modelos num{\'e}ricos da atmosfera s{\~a}o um conjunto de 
                         equa{\c{c}}{\~o}es que buscam representar o comportamento da 
                         atmosfera utilizando\−se de condi{\c{c}}{\~o}es iniciais 
                         e de contorno. Eles estimam condi{\c{c}}{\~o}es futuras das 
                         vari{\'a}veis meteorol{\'o}gicas como por exemplo, temperatura, 
                         temperatura do ponto de orvalho, umidade e 
                         precipita{\c{c}}{\~a}o. Por ser uma representa{\c{c}}{\~a}o 
                         aproximada da atmosfera {\'e} importante mensurar os erros em 
                         prever as condi{\c{c}}{\~o}es meteorol{\'o}gicas futuras do 
                         modelo (KALNAY, 2003). O Weather Research and Forecasting (WRF) 
                         {\'e} um modelo num{\'e}rico regional de previs{\~a}o do tempo 
                         de mesoescala que o Grupo de Modelagem Atmosf{\'e}rica (GruMA) da 
                         UFSM utiliza para realizar a previs{\~a}o num{\'e}rica do tempo. 
                         A temperatura do ponto de orvalho (Td) ser{\'a} analisada nesse 
                         trabalho utilizando as sa{\'{\i}}das do WRF. A Td {\'e} a 
                         temperatura at{\'e} a qual o ar deve ser resfriado a press{\~a}o 
                         constante para que o seu conte{\'u}do de umidade seja suficiente 
                         para causar satura{\c{c}}{\~a}o. Quanto maior for a temperatura 
                         mais conte{\'u}do de {\'a}gua pode conter esse ar. {\'E} uma 
                         vari{\'a}vel importante para an{\'a}lise de perfis 
                         termodin{\^a}micos (juntamente com a temperatura) para ver 
                         qu{\~a}o pr{\'o}ximo o ar est{\'a} da satura{\c{c}}{\~a}o. 
                         Esse trabalho visa analisar os erros das sa{\'{\i}}das do modelo 
                         em rela{\c{c}}{\~a}o a temperatura do ponto de orvalho 
                         observado. No GruMa s{\~a}o realizadas simula{\c{c}}{\~o}es 
                         iniciadas {\`a}s 00 UTC, com resolu{\c{c}}{\~a}o temporal de 3 
                         horas e espacial de 12 km, para previs{\~a}o de at{\'e} 72 
                         horas. Neste trabalho foi utilizada uma s{\'e}rie de 10 dias de 
                         rodadas do modelo. Os dados de Td foram extra{\'{\i}}dos de 27 
                         esta{\c{c}}{\~o}es autom{\'a}ticas do Instituto Nacional de 
                         Meteorologia (INMET). Para avaliar a representa{\c{c}}{\~a}o do 
                         modelo utilizou\−se dois {\'{\i}}ndices 
                         estat{\'{\i}}sticos: a raiz do erro quadr{\'a}tico m{\'e}dio 
                         (RMSE em ingl{\^e}s), que {\'e} utilizado para analisar a 
                         magnitude do erro, e o erro m{\'e}dio (EM), para descrever se o 
                         modelo est{\'a} subestimando ou superestimando a vari{\'a}vel. O 
                         RMSE mostrou\−se elevado nas primeiras horas de 
                         previs{\~a}o, comportamento que {\'e} caracter{\'{\i}}stico do 
                         modelo devido a sua estabiliza{\c{c}}{\~a}o (spin up), e que 
                         tamb{\'e}m foi observado nos dados de temperatura do ar. 
                         Verificou\−se tamb{\'e}m, assim como na temperatura do ar, 
                         um aumento na dispers{\~a}o do erro nos hor{\'a}rios mais 
                         quentes do dia, entre 15 a 18 UTC com os valores chegando a 1,8 C 
                         no primeiro dia e nos dois {\'u}ltimos 1,9 C. Nas primeiras 24 
                         horas de previs{\~a}o observou\−se que os valores da 
                         mediana do EM se mantiveram positivos, e com o passar das horas de 
                         previs{\~a}o os valores decaem e a dispers{\~a}o aumenta em 
                         rela{\c{c}}{\~a}o a mediana. Conclui\−se que o modelo tem 
                         uma dificuldade (ainda que pequena) em representar a temperatura 
                         do ponto de orvalho nos hor{\'a}rios mais quentes do dia. Nas 
                         primeiras 24 h de previs{\~a}o o modelo superestima a Td e no 
                         restante das horas de previs{\~a}o ele apresenta uma 
                         tend{\^e}ncia de subestimar a Td. Em trabalhos futuros 
                         pretende\−se explorar a diferen{\c{c}}a de 
                         eleva{\c{c}}{\~a}o e seu impacto no erro pois, parte desses 
                         erros podem estar associados {\`a} diferen{\c{c}}a de 
                         eleva{\c{c}}{\~a}o entre o ponto de grade do modelo e a 
                         esta{\c{c}}{\~a}o meteorol{\'o}gica.",
  conference-location = "Cachoeira Paulista, SP",
      conference-year = "04-08 nov.",
             language = "pt",
           targetfile = "Cristielen_Perceval_Machado_et-al.pdf",
                 type = "Modelagem Geral",
        urlaccessdate = "02 maio 2024"
}