Clusterização de dados meteorológicos para comparação de técnicas de nowcasting

Abstract

Resumo: O interesse de empresas e sociedade em geral em saber, em tempo quase real e de maneira precisa, sobre a ocorrência de eventos severos tem gerado grande demanda por técnicas de previsão que sejam rápidas e confiáveis. Nessa busca, há criação de novas técnicas e/ou adaptação de outras já desenvolvidas e bem conhecidas. Neste trabalho foi feita uma adaptação da técnica ForTraCC para uso com dados de refletividade máxima de radar, provenientes de um radar meteorológico Banda-S Doppler operado pelo SIMEPAR no município de Teixeira Soares-PR, através de definição de novos limiares, além do desenvolvimento de uma técnica baseada em correlação espacial, denominada técnica XCorr, utilizando também o método K-Means++ para classificação de células convectivas e estratiformes. As duas técnicas foram então comparadas, através de gráficos de correlação entre dados observados e previsões geradas, com melhor desempenho para a técnica ForTraCC frente à baseada em técnicas de correlação espacial, que apesar de suas limitações apresentou bons resultados. Palavras-chave: Nowcasting, Eventos Severos, K-Means++, Classificação

Abstract: The interest of companies and society in general to know, in almost real time and accurately, the occurrence of severe weather events has generated great demand for predictive techniques that are fast and reliable. In this quest, there are the development of new techniques and / or adaptation of others already developed and well known. In this work it was made an adaptation of the ForTraCC technique using radar maximum reflectivity, from a Doppler S-Band weather radar operated by SIMEPAR installed in Teixeira Soares-PR, setting new thresholds, and the development of a technique based on spatial correlation, called XCorr technique, using K-Means++ method for classifying convective and stratiform cells. The two techniques were then compared using correlation graphs between observed and forecasted data, with better performance with ForTraCC instead of spatial correlation technique which, despite its limitations, also presented good results. Key-words: Nowcasting, Severe Weather, K-Means++, Classification