Caso: MACAÉ 2024-01-21 (enchente de madrugada + célula da tarde) ·
Truth: radar Macaé INEA gridado no d01 WRF ·
Forward operator: Stoelinga 2005 (rain+snow+graupel) em numpy puro ·
Geração:
Este relatório compara o campo de refletividade composta (column-max dBZ)
entre o radar INEA Macaé e duas configurações do WRF para o caso da enchente
de 21/01/2024: (1) control — rodada 12Z Jan 20 sem DA, e
(2) radar ciclado — 4 ciclos de 3DVAR horários (00Z, 01Z, 02Z, 03Z)
assimilando só radar Macaé, seguido de forecast livre de 21 h a partir de 03Z.
A comparação cobre 03Z Jan 21 → 23Z Jan 21.
⚠ Qual grade está em cada seção.
Seções 2–5: d01 (9 km, Kain–Fritsch ativo). A convecção
não é resolvida explicitamente — a parametrização dilui picos
convectivos antes do forecast ser amostrado, então limiares ≥5 mm/h
horários são um lower bound do impacto real da DA.
Seção 6: d02 (3 km), seção 7: d03 (1 km) — ambos
convection-permitting, sem cumulus param. É aqui que a assimilação
finalmente pode ser avaliada contra a física que ela está tentando
corrigir.
Seção 8: d04 (1 km, Angra/Paraty) — grade irmã do d03, fora
do raio do radar Macaé. Era o teste de não-degradação: a DA
não pode ajudar uma região sem observação, mas também não deveria
piorar — neste caso o teste falha (degradação mensurável;
ver seção 8).
Seção 9: acumulado 21 h nas quatro grades. Visão operacional
(nowcasting), relaxa o casamento horário exato.
Mensagem central (rev. auditoria 2026-06): a ambiguidade aparente
no d01 se resolve nas grades aninhadas dentro da cobertura do
radar. Nas seções 6 (d02) e 7 (d03) o ganho do radar 3DVAR é
sistemático e alinhado ao evento observado. Na seção 8 (d04, fora da
cobertura) o quadro é o oposto: a DA degrada a previsão de forma
mensurável — POD, acumulado e HiRA pioram — o que limita o ganho ao
raio observado pelo radar. As seções 9–10 (HiRA probabilístico) e 11
(radiossonda + CAPE) trazem visões complementares.
Glossário das métricas — clique para expandir/esconder (↑ = maior é melhor, ↓ = menor é melhor, → = ideal é um valor específico)
Sigla
Nome
Sentido
Faixa
Definição
POD
Probability of Detection (Hit Rate)
↑ melhor perto de1
[0, 1]
Fração dos eventos observados que o modelo acertou. POD = hits / (hits + misses). 1 = todos os eventos detectados.
FAR
False Alarm Ratio
↓ melhor perto de0
[0, 1]
Fração dos alarmes do modelo que não correspondem a observação. FAR = false_alarms / (hits + false_alarms). 0 = nenhum falso alarme.
CSI
Critical Success Index (Threat Score)
↑ melhor perto de1
[0, 1]
Medida balanceada de acerto. CSI = hits / (hits + misses + false_alarms). Ignora correct negatives — mais exigente que acurácia.
BIAS
Frequency Bias
→ melhor igual a1
[0, ∞)
Razão entre frequência prevista e observada. BIAS = (hits + false_alarms) / (hits + misses). BIAS<1: subestima a ocorrência; BIAS>1: superestima. Exato = 1.
HSS
Heidke Skill Score
↑ melhor perto de1
(-∞, 1]
Skill relativa a uma previsão aleatória. HSS>0 = melhor que chance; HSS=1 = perfeita; HSS=0 = equivalente a chance.
MAE
Mean Absolute Error
↓ melhor perto de0
[0, ∞)
Erro médio absoluto. Nas mesmas unidades da variável (mm, dBZ, …). 0 = erro zero.
RMSE
Root Mean Square Error
↓ melhor perto de0
[0, ∞)
Raiz do erro quadrático médio. Penaliza erros grandes mais que o MAE. 0 = erro zero.
Correlação linear entre fcst e obs. 1 = relação linear perfeita positiva; 0 = sem correlação.
FSS
Fractions Skill Score
↑ melhor perto de1
[0, 1]
Compara frequências vizinhas (Roberts & Lean 2008). Mede skill espacial dentro de uma janela n×n: um deslocamento pequeno deixa de ser penalizado. FSS≥0.5·(1+f_obs) é considerado útil. 1 = perfeito.
Brier
Brier Score
↓ melhor perto de0
[0, 1]
Erro quadrático médio probabilístico. Brier = ⟨(p_fcst − o)²⟩ onde o ∈ {0,1}. 0 = previsão probabilística perfeita.
BSS
Brier Skill Score
↑ melhor perto de1
(-∞, 1]
Skill relativa à climatologia (base rate). BSS = 1 − Brier / (base·(1−base)). BSS>0 = melhor que climatologia, BSS=1 = perfeito, BSS<0 = pior que sempre prever a frequência média.
ROC AUC
Área sob curva ROC
↑ melhor perto de1
[0, 1]
Capacidade de discriminar evento de não-evento. 0.5 = sem skill (igual a sorteio); 1 = discriminação perfeita.
CAPE
Convective Available Potential Energy
→ melhor igual aobs
[0, ∞) J/kg
Energia disponível para ascensão convectiva de uma parcela. Não é uma métrica de erro — aqui comparamos o valor do modelo com o observado pela radiossonda. Para este caso de convecção tropical, ~1000 J/kg = moderadamente instável.
1. Visualizador interativo
Grade rápida:
2. Métricas agregadas (21 h, 03Z Jan 21 → 23Z Jan 21)
[rev. 2026-07: errata E9]
CSI, POD, FAR e FSS em função do limiar de refletividade —
radar ciclado, recomputado 2026-07 com o código corrigido (errata
E9). Janela de verificação de 21 h começando no primeiro wrfout livre
após os 4 ciclos 3DVAR (00Z, 01Z, 02Z, 03Z, todos só com radar Macaé).
3. Tabela de métricas
Errata E9 (2026-07-07). As versões anteriores desta seção foram
geradas com um defeito no script de verificação pixel-a-pixel
(verify_radar_cref.py): células de céu limpo conhecido
(piso −30 dBZ) eram colapsadas com células desconhecidas (setores cegos
do radar, −9999) e ambas excluídas do pareamento. Consequência: misses e
falsos alarmes em região sem eco não eram contados — CSI@15 dBZ aparecia
como 0.88 e FAR como 0.04. Com o código corrigido, sobre os mesmos
insumos, os valores reais são CSI 0.278 / FAR 0.712: no pixel da
grade d01 o forecast superprevê área de eco, como já indicavam o BIAS de
área do MODE (seção 4). As linhas control foram removidas: a
rodada d01 do control da manhã não existe mais em disco para recomputar
(e os valores antigos carregavam o mesmo defeito). As seções 4–10
(MODE, estações, HiRA) usam a via MET, que trata os setores cegos
corretamente, e não são afetadas. Rodando o experimento com a
máscara de bloqueio ativa (linhagem 2026-07), o valor pixel é
essencialmente o mesmo (CSI@15 0.267) — o defeito era do código de
verificação, não da assimilação.
Experimento
Limiar (dBZ)
CSI
POD
FAR
BIAS
fobs
FSS (w=5)
radar_cycled
15
0.278
0.889
0.712
3.08
0.214
0.455
radar_cycled
25
0.108
0.892
0.891
8.19
0.070
0.195
radar_cycled
35
0.013
0.707
0.987
55.35
0.008
0.031
radar_cycled
45
0.000
0.167
1.000
1039.17
0.000
0.001
4. MET MODE — verificação orientada a objetos [grade: d01, 9 km, com cumulus param.]
Objetos identificados no campo de refletividade composta após convolução (raio 2 grid cells ≈ 18 km) e limiar ≥30 dBZ (merge ≥25 dBZ). Clusters "matched" emparelham objetos fcst/obs com interesse total ≥0.7.
Distância média entre centroides de clusters matched. Menor é melhor.Razão de área fcst/obs nos clusters matched. Próximo de 1 é melhor.Percentil 50 de intensidade (dBZ) dos clusters de forecast.
Leitura dos números. O radar INEA Macaé produz objetos pequenos (2–7 pixels na grade d01 de 9 km), enquanto o modelo produz dezenas de objetos maiores — isso é esperado: a rede do radar é localizada (raio útil ~240 km) e o WRF d01 cobre toda a costa sudeste. O que interessa é como cada experimento posiciona e intensifica o principal cluster convectivo.
Intensidade dos clusters de forecast: na madrugada (03–09Z), pico do evento da enchente, o radar ciclado mantém p50 em 46–48 dBZ contra 40–42 dBZ do control (p.ex. 04Z: 47.87 vs 42.16; 05Z: 47.99 vs 41.33). A assimilação está empurrando a convecção para o regime de chuva forte que foi de fato observado — e o control, sem DA, fica preso em células mais fracas.
Distância do centroide: com apenas 1–2 objetos no obs, o centroid_dist é ruidoso (salta de 8 a 320 km conforme a célula observada). A média sobre o período não separa os dois experimentos de forma conclusiva neste caso.
Área da convecção modelada: radar ciclado tem áreaF sistematicamente maior (6400–6900 vs 4700–5500 no control entre 04–10Z). A assimilação aumenta tanto a intensidade quanto a extensão do sistema convectivo.
Resumo agregado (média sobre as horas disponíveis)
Experimento
Horas (casadas)
nF
nO
Matched
Centroid (km)*
Area ratio*
Int F p50 (dBZ)
Int O p50 (dBZ)
Interest
control_ref
21 (17)
36.3
2.9
1.9
120.6
492.25
42.6
33.2
0.84
radar_cycled
21 (17)
36.7
2.9
1.7
124.2
578.25
43.9
33.2
0.85
* Centroid, area ratio e interest são médias apenas sobre as horas com objetos casados em TODOS os experimentos (n entre parênteses), para comparabilidade (rev. auditoria AU10-8).
Detalhamento por hora
Valid UTC
control_ref
radar_cycled
nMatch
Dist (km)
AreaRt
IntF
nMatch
Dist (km)
AreaRt
IntF
03:00
2
255.9
2149.00
43.0
2
184.2
2302.00
47.1
04:00
2
128.8
223.91
42.2
2
67.3
393.77
47.9
05:00
2
99.9
321.33
41.3
2
69.3
372.47
48.0
06:00
2
30.1
240.00
40.8
2
121.8
290.36
46.4
07:00
2
8.1
123.24
40.8
2
134.7
153.78
45.7
08:00
2
83.6
74.82
41.6
2
147.2
99.40
44.0
09:00
2
115.8
184.42
41.7
2
123.8
257.12
43.5
10:00
2
78.5
156.03
42.5
2
116.7
194.09
42.8
11:00
2
118.7
100.42
41.3
2
125.4
121.96
41.5
12:00
0
—
—
40.4
2
95.0
161.49
41.7
13:00
2
74.8
121.29
40.3
2
63.5
131.76
42.8
14:00
2
294.5
3665.00
40.9
2
319.4
3989.00
42.3
15:00
2
322.6
1618.50
41.2
0
—
—
41.3
16:00
2
5.3
19.80
43.2
2
58.3
8.60
41.1
17:00
2
97.8
36.83
44.0
0
—
—
40.5
18:00
0
—
—
43.2
0
—
—
40.1
19:00
4
77.1
50.42
44.7
2
277.6
892.67
41.4
20:00
2
286.2
193.62
44.1
2
61.3
45.15
44.2
21:00
2
240.6
154.07
44.5
2
43.5
51.53
45.8
22:00
2
84.0
491.33
45.8
2
77.8
429.33
47.3
23:00
2
67.8
99.53
47.5
2
119.5
97.29
47.0
5. Precipitação em estações — verificação ponto-a-ponto [grade: d01, 9 km, com cumulus param.]
Verificação do modelo contra a rede consolidada de estações (INMET + Alerta Rio + CEMADEN) via MET Point-Stat usando nearest grid point no d01 (9 km). As categorias "Todas" cobrem o d01 inteiro; "≤240 km" restringe às estações dentro do alcance útil do radar Macaé (mesma máscara usada na verificação de refletividade). Janelas separam a madrugada (evento principal da enchente) da tarde/noite.
Ressalva sobre chuva intensa. Como o d01 não resolve células convectivas, é esperado que tanto control quanto radar ciclado subestimem limiares ≥5 mm/h em estações pontuais — o gridpoint nearest de 9 km "dilui" a célula sobre ~80 km². Os limiares >5 e >10 mm/h servem aqui como sanity-check de diferença relativa entre experimentos, não como resposta definitiva. A resposta definitiva vem do d02/d03 (convection-permitting).
Impacto assinado da DA na POD: ΔPOD = radar_ciclado − control. Verde = DA ajuda, vermelho = DA atrapalha. Colunas separam as 2 categorias de distância × 3 janelas temporais; linhas são limiares de precipitação horária.Mesma grade, métrica CSI (inclui erros de omissão e de falso-alarme juntos).Mesma grade, impacto no viés de frequência. Valor positivo significa que o |BIAS−1| do radar ciclado é menor que o do control (isto é, radar ciclado mais próximo de BIAS=1).CSI por limiar, janela temporal e categoria de distância (barras). Control (azul) vs radar ciclado (vermelho).POD (probabilidade de detecção) por limiar.Viés de frequência. Linha pontilhada em 1 indica frequência observada = prevista.
Leitura honesta dos números — sinal misto no d01. Quebrando por janela temporal dentro do raio de 240 km do radar (onde a DA pode corrigir o modelo):
Madrugada 03–12Z (evento-gatilho da enchente): a DA ajuda. Para >5 mm/h a POD sobe de 0.029 (control) para 0.066 (radar ciclado) — 12 vs 27 hits. Para >10 mm/h vai de 0.004 para 0.021 (1 vs 5 hits). A correção do 3DVAR está ativa e empurra a convecção para o local certo no início do forecast.
Tarde/noite 12Z→00Z+1 (segundo evento convectivo): a DA piora. Para >5 mm/h a POD cai de 0.156 (control) para 0.092 (radar ciclado) — 22 vs 13 hits. Para >10 mm/h a queda é drástica: 15 hits (control) vs 1 hit (radar ciclado), POD 0.205 → 0.014. Nessa janela o estado atmosférico já evoluiu ~9–12 h desde o último ciclo de análise, e a correção da DA deixa de ser relevante — pode até desviar a cadeia convectiva do que de fato ocorreu.
Agregado do dia (03Z–00Z+1, near240): como o segundo evento concentra mais hits de chuva forte nas estações do que a madrugada, o saldo do dia para >10 mm/h é negativo: radar ciclado tem 6 hits contra 16 do control (POD 0.019 vs 0.051). Para >5 mm/h o saldo do dia fica praticamente empatado (40 vs 34 hits, POD 0.072 vs 0.062). Isso é um resultado real e precisa ser mostrado: neste caso e nesta grade, a DA não ganhou no agregado do dia para chuva intensa.
Limiares baixos (>0.1, >1 mm/h): radar ciclado tem POD marginalmente maior e BIAS maior (~1.33–1.66 vs ~0.96–1.47 no control). A DA adiciona umidade e esquenta a atmosfera na inicialização, o que aumenta a frequência prevista de chuva leve — efeito conhecido de 3DVAR sem balance constraint.
Leitura crítica: o resultado no d01 (9 km com cumulus parametrization) não autoriza a conclusão "a DA de radar ajuda/atrapalha" de forma definitiva — ela quantifica o impacto da DA nesta grade específica, que não resolve explicitamente convecção. O ganho concentrado na madrugada (dentro do raio do radar, na janela do evento-gatilho) é fisicamente plausível e consistente com a literatura. A degradação na tarde agregada reflete um problema clássico de DA de radar sem múltiplos ciclos ao longo do dia: a informação observacional acaba sendo "gasta" nos primeiros minutos de forecast. A resposta sobre se o método como um todo agrega valor só pode vir do d02/d03 convection-permitting, onde 3 km e 1 km conseguem de fato representar as células que as estações mediram (seção 6).
Todas as estações — Período completo (03Z Jan 21 → 00Z Jan 22)
Pares (estação × hora) válidos: 26425
Limiar
control_ref
radar_cycled
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
3402
0.445
0.627
0.254
1.19
3637
0.476
0.647
0.254
1.35
>1.0
787
0.229
0.763
0.132
0.97
845
0.246
0.809
0.120
1.29
>2.5
287
0.150
0.833
0.086
0.90
297
0.155
0.878
0.073
1.27
>5.0
102
0.094
0.896
0.052
0.90
97
0.089
0.923
0.043
1.16
>10.0
30
0.054
0.939
0.030
0.89
15
0.027
0.971
0.014
0.94
Todas as estações — Madrugada (03–12Z Jan 21)
Pares (estação × hora) válidos: 10022
Limiar
control_ref
radar_cycled
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
1408
0.452
0.541
0.295
0.98
1410
0.452
0.587
0.275
1.09
>1.0
368
0.241
0.710
0.152
0.83
424
0.278
0.784
0.138
1.29
>2.5
131
0.148
0.829
0.086
0.87
125
0.141
0.899
0.063
1.40
>5.0
23
0.045
0.948
0.025
0.87
32
0.063
0.957
0.026
1.45
>10.0
1
0.003
0.996
0.002
0.86
5
0.017
0.986
0.008
1.21
Todas as estações — Tarde/noite (12Z Jan 21 → 00Z Jan 22)
Pares (estação × hora) válidos: 16403
Limiar
control_ref
radar_cycled
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
1994
0.441
0.671
0.232
1.34
2227
0.492
0.676
0.243
1.52
>1.0
419
0.220
0.796
0.118
1.08
421
0.221
0.829
0.107
1.29
>2.5
156
0.151
0.837
0.085
0.93
172
0.167
0.856
0.084
1.16
>5.0
79
0.137
0.853
0.076
0.93
65
0.113
0.875
0.063
0.90
>10.0
29
0.109
0.881
0.061
0.92
10
0.038
0.942
0.023
0.65
Estações ≤ 240 km do radar Macaé — Período completo (03Z Jan 21 → 00Z Jan 22)
Pares (estação × hora) válidos: 9580
Limiar
control_ref
radar_cycled
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
1880
0.583
0.594
0.315
1.44
1924
0.597
0.625
0.299
1.59
>1.0
450
0.293
0.764
0.150
1.24
510
0.332
0.799
0.143
1.66
>2.5
137
0.152
0.860
0.079
1.09
169
0.187
0.884
0.077
1.61
>5.0
34
0.062
0.940
0.031
1.02
40
0.072
0.946
0.032
1.34
>10.0
16
0.051
0.944
0.027
0.92
6
0.019
0.981
0.010
0.99
Estações ≤ 240 km do radar Macaé — Madrugada (03–12Z Jan 21)
Pares (estação × hora) válidos: 3630
Limiar
control_ref
radar_cycled
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
1062
0.609
0.470
0.396
1.15
1030
0.591
0.549
0.344
1.31
>1.0
260
0.267
0.716
0.160
0.94
317
0.326
0.772
0.155
1.43
>2.5
76
0.119
0.863
0.068
0.87
105
0.164
0.880
0.075
1.37
>5.0
12
0.029
0.965
0.016
0.84
27
0.066
0.949
0.030
1.28
>10.0
1
0.004
0.995
0.002
0.83
5
0.021
0.980
0.010
1.02
Estações ≤ 240 km do radar Macaé — Tarde/noite (12Z Jan 21 → 00Z Jan 22)
Pares (estação × hora) válidos: 5950
Limiar
control_ref
radar_cycled
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
818
0.553
0.689
0.248
1.78
894
0.604
0.686
0.261
1.92
>1.0
190
0.337
0.808
0.139
1.76
193
0.343
0.832
0.127
2.04
>2.5
61
0.233
0.856
0.098
1.61
64
0.244
0.890
0.082
2.22
>5.0
22
0.156
0.899
0.065
1.55
13
0.092
0.940
0.038
1.54
>10.0
15
0.205
0.828
0.103
1.19
1
0.014
0.985
0.007
0.92
6. d02 — 3 km (convection-permitting) — verificação convection-permitting [grade: d02, 3 km, sem cumulus param.]
Ganho claro com 3 km (convection-permitting). Na grade d02, com Kain–Fritsch desligado, o radar ciclado ganha dentro do raio de 240 km em todas as janelas e em todos os limiares ≥1 mm/h:
near240, período completo: >5 mm/h POD 0.034 → 0.113 (13 → 44 hits); >10 mm/h POD 0.000 → 0.034 (0 → 8 hits). ΔCSI positivo em todos os limiares (+0.004 a +0.043).
Madrugada 03–12Z, near240: >5 mm/h POD 0.035 → 0.119 (13 → 44 hits); CSI +0.060. A DA concentra o ganho exatamente na janela do evento da enchente.
Tarde/noite, near240: perdemos a amostra de heavy rain observada (quase zero hits em ambos os ramos); os números de bias são dominados por poucas estações.
Comparação direta com d01: no d01 9 km, a DA "piorava" >10 mm/h no agregado do dia (16 → 6 hits). No d02 3 km, a mesma DA melhora (0 → 8 hits). O problema era o cumulus param. diluindo os picos convectivos antes da métrica ser calculada, não a assimilação.
d02 — 3 km (convection-permitting) — MET MODE (objetos, synthetic dBZ vs radar)
Distância média entre centroides matched.Razão de área fcst/obs nos clusters matched.p50 de intensidade (dBZ) dos clusters de forecast.
Experimento
Horas
nF
nO
Matched
Centroid (km)
Area ratio
Int F p50 (dBZ)
Int O p50 (dBZ)
Interest
control_d02
21
1.8
0.9
0.3
130.8
336.76
43.9
33.0
0.86
radar_d02
21
2.4
0.9
0.3
120.2
271.11
44.7
33.0
0.86
d02 — 3 km (convection-permitting) — precipitação em estações (MET Point-Stat)
ΔPOD = radar − control. Verde = DA ajuda.ΔCSI = radar − control.Δ|BIAS−1| = control − radar (+ = radar mais próximo de 1).
Todas — Período completo
Pares válidos: 7356
Limiar
control_d02
radar_d02
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
1326
0.561
0.571
0.321
1.31
1434
0.606
0.599
0.318
1.51
>1.0
369
0.311
0.666
0.192
0.93
432
0.365
0.728
0.185
1.34
>2.5
159
0.211
0.703
0.140
0.71
135
0.179
0.836
0.094
1.09
>5.0
32
0.065
0.859
0.046
0.46
48
0.097
0.878
0.057
0.80
>10.0
2
0.007
0.978
0.005
0.31
9
0.031
0.932
0.022
0.45
Todas — Madrugada (03–12Z)
Pares válidos: 2792
Limiar
control_d02
radar_d02
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
821
0.638
0.394
0.451
1.05
889
0.691
0.475
0.425
1.32
>1.0
295
0.355
0.516
0.258
0.73
361
0.435
0.611
0.259
1.12
>2.5
134
0.218
0.629
0.159
0.59
128
0.208
0.752
0.127
0.84
>5.0
26
0.061
0.852
0.045
0.42
47
0.111
0.825
0.073
0.64
>10.0
2
0.008
0.976
0.006
0.32
9
0.035
0.924
0.025
0.46
Todas — Tarde/noite (12Z→00Z+1)
Pares válidos: 4564
Limiar
control_d02
radar_d02
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
505
0.468
0.709
0.219
1.61
545
0.506
0.710
0.226
1.75
>1.0
74
0.208
0.851
0.095
1.40
71
0.200
0.892
0.075
1.86
>2.5
25
0.180
0.857
0.087
1.26
7
0.050
0.977
0.016
2.19
>5.0
6
0.082
0.882
0.051
0.70
1
0.014
0.992
0.005
1.73
>10.0
0
0.000
1.000
0.000
0.22
0
0.000
1.000
0.000
0.39
≤240 km do radar — Período completo
Pares válidos: 4803
Limiar
control_d02
radar_d02
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
939
0.566
0.549
0.335
1.26
1072
0.646
0.577
0.344
1.53
>1.0
214
0.244
0.636
0.171
0.67
327
0.373
0.715
0.193
1.31
>2.5
77
0.136
0.678
0.106
0.42
117
0.207
0.810
0.110
1.09
>5.0
13
0.034
0.835
0.029
0.20
44
0.113
0.837
0.072
0.70
>10.0
0
0.000
1.000
0.000
0.13
8
0.034
0.857
0.028
0.24
≤240 km do radar — Madrugada (03–12Z)
Pares válidos: 1815
Limiar
control_d02
radar_d02
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
626
0.633
0.330
0.482
0.95
717
0.725
0.434
0.466
1.28
>1.0
190
0.282
0.395
0.238
0.47
284
0.421
0.562
0.273
0.96
>2.5
77
0.148
0.506
0.128
0.30
114
0.218
0.680
0.149
0.68
>5.0
13
0.035
0.787
0.031
0.17
44
0.119
0.722
0.091
0.43
>10.0
0
0.000
1.000
0.000
0.11
8
0.034
0.818
0.030
0.19
≤240 km do radar — Tarde/noite (12Z→00Z+1)
Pares válidos: 2988
Limiar
control_d02
radar_d02
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
313
0.467
0.728
0.208
1.71
355
0.530
0.720
0.225
1.89
>1.0
24
0.119
0.912
0.053
1.36
43
0.213
0.914
0.065
2.47
>2.5
0
0.000
1.000
0.000
1.89
3
0.068
0.988
0.010
5.91
>5.0
0
0.000
1.000
0.000
0.95
0
0.000
1.000
0.000
5.89
>10.0
0
0.000
1.000
0.000
0.80
0
0.000
1.000
0.000
2.40
7. d03 — 1 km (convection-resolving) — verificação convection-permitting [grade: d03, 1 km, sem cumulus param., centrada em Macaé]
Ganho massivo com 1 km (convection-resolving). Na grade d03, todos os pares estação × hora caem dentro dos 240 km por construção (o d03 está centrado em Macaé). Os ganhos são os maiores de toda a verificação:
Madrugada 03–12Z: >2.5 mm/h POD 0.044→0.264 (ΔCSI +0.159); >5 mm/h POD 0.013→0.175 (ΔCSI +0.131). A assimilação recupera o sistema convectivo da enchente que o control perdeu quase completamente.
Frequência de viés: quase todos os limiares no d03 tinham BIAS<0.5 no control (sub-previsão crônica); com DA sobem para 0.57–1.04, isto é, mais próximos de BIAS=1. A DA não está inflando falsos alarmes, está recuperando chuva real que o control não conseguia representar.
Mensagem central do abstract: o impacto de 4 ciclos horários de 3DVAR radar só fica visível quando o WRF roda em resolução convection-resolving (1 km). A 9 km o sinal é ambíguo; a 3 km é positivo; a 1 km é inequívoco e alinhado ao evento observado.
d03 — 1 km (convection-resolving) — MET MODE (objetos, synthetic dBZ vs radar)
Distância média entre centroides matched.Razão de área fcst/obs nos clusters matched.p50 de intensidade (dBZ) dos clusters de forecast.
Experimento
Horas
nF
nO
Matched
Centroid (km)
Area ratio
Int F p50 (dBZ)
Int O p50 (dBZ)
Interest
control_d03
21
1.2
0.7
0.3
23.3
179.79
42.4
33.5
0.87
radar_d03
21
1.0
0.7
0.3
19.4
122.53
43.9
33.5
0.88
d03 — 1 km (convection-resolving) — precipitação em estações (MET Point-Stat)
ΔPOD = radar − control. Verde = DA ajuda.ΔCSI = radar − control.Δ|BIAS−1| = control − radar (+ = radar mais próximo de 1).
Todas — Período completo
Pares válidos: 3715
Limiar
control_d03
radar_d03
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
595
0.468
0.513
0.313
0.96
695
0.546
0.584
0.309
1.31
>1.0
109
0.157
0.688
0.117
0.50
255
0.367
0.693
0.201
1.20
>2.5
21
0.045
0.849
0.036
0.30
116
0.247
0.764
0.137
1.05
>5.0
4
0.012
0.915
0.011
0.14
55
0.168
0.763
0.109
0.71
>10.0
2
0.010
0.818
0.009
0.05
12
0.058
0.803
0.047
0.29
Todas — Madrugada (03–12Z)
Pares válidos: 1403
Limiar
control_d03
radar_d03
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
384
0.489
0.257
0.418
0.66
443
0.564
0.419
0.401
0.97
>1.0
81
0.149
0.302
0.140
0.21
215
0.396
0.463
0.295
0.74
>2.5
19
0.044
0.321
0.043
0.06
115
0.264
0.536
0.202
0.57
>5.0
4
0.013
0.500
0.013
0.03
55
0.175
0.549
0.144
0.39
>10.0
2
0.010
0.500
0.010
0.02
12
0.059
0.700
0.052
0.20
Todas — Tarde/noite (12Z→00Z+1)
Pares válidos: 2312
Limiar
control_d03
radar_d03
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
211
0.433
0.701
0.215
1.45
252
0.517
0.722
0.221
1.86
>1.0
28
0.185
0.880
0.079
1.54
40
0.265
0.907
0.074
2.85
>2.5
2
0.061
0.982
0.014
3.36
1
0.030
0.996
0.004
7.36
>5.0
0
0.000
1.000
0.000
3.00
0
0.000
1.000
0.000
8.46
>10.0
0
0.000
1.000
0.000
2.33
0
0.000
1.000
0.000
7.00
≤240 km do radar — Período completo
Pares válidos: 3715
Limiar
control_d03
radar_d03
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
595
0.468
0.513
0.313
0.96
695
0.546
0.584
0.309
1.31
>1.0
109
0.157
0.688
0.117
0.50
255
0.367
0.693
0.201
1.20
>2.5
21
0.045
0.849
0.036
0.30
116
0.247
0.764
0.137
1.05
>5.0
4
0.012
0.915
0.011
0.14
55
0.168
0.763
0.109
0.71
>10.0
2
0.010
0.818
0.009
0.05
12
0.058
0.803
0.047
0.29
≤240 km do radar — Madrugada (03–12Z)
Pares válidos: 1403
Limiar
control_d03
radar_d03
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
384
0.489
0.257
0.418
0.66
443
0.564
0.419
0.401
0.97
>1.0
81
0.149
0.302
0.140
0.21
215
0.396
0.463
0.295
0.74
>2.5
19
0.044
0.321
0.043
0.06
115
0.264
0.536
0.202
0.57
>5.0
4
0.013
0.500
0.013
0.03
55
0.175
0.549
0.144
0.39
>10.0
2
0.010
0.500
0.010
0.02
12
0.059
0.700
0.052
0.20
≤240 km do radar — Tarde/noite (12Z→00Z+1)
Pares válidos: 2312
Limiar
control_d03
radar_d03
Hits
POD
FAR
CSI
BIAS
Hits
POD
FAR
CSI
BIAS
>0.1
211
0.433
0.701
0.215
1.45
252
0.517
0.722
0.221
1.86
>1.0
28
0.185
0.880
0.079
1.54
40
0.265
0.907
0.074
2.85
>2.5
2
0.061
0.982
0.014
3.36
1
0.030
0.996
0.004
7.36
>5.0
0
0.000
1.000
0.000
3.00
0
0.000
1.000
0.000
8.46
>10.0
0
0.000
1.000
0.000
2.33
0
0.000
1.000
0.000
7.00
8. d04 — 1 km (Angra/Paraty, fora do radar) — verificação convection-permitting [grade: d04, 1 km, centrada em Angra/Paraty, ~270 km do radar]
d04: o teste de não-degradação FALHOU — a DA degrada a região fora da cobertura. A grade d04 (1 km, 120×120, centrada em Angra dos Reis / Paraty) está fora do raio de 240 km do radar INEA Macaé (~275 km do radar). O 3DVAR nunca teve incremento direto aqui; o impacto chega por propagação lateral do d01/d02 via ndown. A pergunta era "a DA não piora uma região que ela não enxerga?" — e a resposta deste caso é que piora de forma mensurável (rev. auditoria 2026-06, achados AU10-2/AU11-5; a v1 deste relatório enquadrava a seção como não-degradação contradizendo as próprias tabelas):
POD horária cai em todos os limiares: >0.1 mm/h 0.69→0.67; >1 0.56→0.44; >2.5 0.44→0.16 (61→23 hits); >5 0.12→0.09; >10 0.06→0.02.
Acumulado 21 h piora: MAE 18.7→23.6 mm, RMSE 22.9→30.9 mm, correlação +0.38→+0.05.
HiRA: ΔBSS negativo em todos os limiares no w=15.
Cobertura de estações: 58 estações no d04 (54 CEMADEN + 4 INMET). Uma estação (Rio Bracuí, 1752 mm/dia) eliminada pelo sanity cap >300 mm/24h.
Radar MODE: omitido para esta grade por falta de observação radar.
Hipótese física: o 3DVAR realoca umidade/instabilidade em direção ao evento observado no NE do domínio, drenando a região sul; o ndown propaga esse débito. Em uso operacional, ganhos dentro da cobertura do radar podem custar destreza fora dela — um trade-off que precisa ser monitorado caso a caso.
d04 — 1 km (Angra/Paraty, fora do radar) — MET MODE (objetos, synthetic dBZ vs radar)
Distância média entre centroides matched.Razão de área fcst/obs nos clusters matched.p50 de intensidade (dBZ) dos clusters de forecast.
Experimento
Horas
nF
nO
Matched
Centroid (km)
Area ratio
Int F p50 (dBZ)
Int O p50 (dBZ)
Interest
control_d04
21
1.2
0.0
0.0
—
—
48.7
—
—
radar_d04
21
1.0
0.0
0.0
—
—
48.5
—
—
d04 — 1 km (Angra/Paraty, fora do radar) — precipitação em estações (MET Point-Stat)
ΔPOD = radar − control. Verde = DA ajuda.ΔCSI = radar − control.Δ|BIAS−1| = control − radar (+ = radar mais próximo de 1).
Métrica operacional: acumulado 21 h. Enquanto as seções anteriores exigem casamento exato de hora e posição (penaliza qualquer deslocamento de 1–2 h ou 5–10 km), este bloco soma a chuva das 21 horas de forecast livre (03Z Jan 21 → 00Z Jan 22) e compara com o total observado na estação. É a métrica mais próxima de "o modelo acertou o alerta de alagamento nesse ponto?".
d01 9 km, near240: a DA reduz MAE de 29.0 → 27.4 mm e eleva hits ≥10 mm de 179→251 (+40%), ≥25 mm 44→89 (+102%), ≥50 mm 2→4. Mesmo na grade com cumulus parametrizado o acumulado melhora quando integramos 21 h — a rotina de Kain–Fritsch distribui a chuva ao longo do tempo, então horário-a-horário fica ruim, mas o total acumulado ainda carrega o sinal do 3DVAR.
d02 3 km, near240: o control está muito sub-prevendo (média fcst 10.6 mm vs obs 35.3 mm). A DA puxa a média de forecast para 21.7 mm — ainda sub-previsto, mas ganho de hits: ≥10 mm 62→139 (+124%), ≥25 mm 10→39 (+290%).
d03 1 km (todas dentro dos 240 km por construção): o control é catastrófico (7.5 mm vs 39.1 mm observado — 81% de déficit). A DA recupera parcialmente (21.1 mm) e os hits saltam: ≥10 mm 20→115 (+475%), ≥25 mm 8→30 (+275%), ≥50 mm 0→1.
Leitura operacional: para um sistema de nowcasting olhando "vai chover ≥25 mm nas próximas 21 h?", a DA transforma um modelo quase cego (corr negativa, 6.5% de hits no d03 control) num modelo que acerta 24% dos eventos ≥25 mm no d03. Para um evento de enchente onde a decisão é emitir alerta ou não, isso é a diferença entre cobertura útil e inútil.
Ressalva honesta: para limiares ≥50 mm/21h o tamanho da amostra fica pequeno (75 eventos observados no d03) e nem d02 nem d03 com DA conseguem bater os eventos extremos mais intensos (0–1 hit em ≥50 mm). A correlação estação-a-estação continua próxima de zero — a DA acerta o campo médio mas ainda erra a localização fina de cada pico.
Métricas contínuas (todas as estações e recorte 240 km do radar)
Grade
Categoria
n
Média obs (mm)
Média fcst (mm) control / radar DA
MAE (mm) control / radar DA
RMSE (mm) control / radar DA
corr control / radar DA
d01 (9 km)
todas
1319
16.6
15.2 / 19.1
19.0 / 19.9
28.1 / 28.9
+0.07 / +0.18
d01 (9 km)
≤240 km
484
24.4
23.8 / 29.8
29.0 / 27.4
38.9 / 36.2
-0.15 / +0.00
d02 (3 km)
todas
365
27.5
14.0 / 22.2
25.2 / 25.6
34.0 / 33.5
-0.10 / -0.04
d02 (3 km)
≤240 km
240
35.3
10.6 / 21.7
31.7 / 29.9
40.1 / 37.1
-0.17 / -0.18
d03 (1 km)
todas
187
39.1
7.5 / 21.1
36.7 / 32.5
45.2 / 39.8
-0.15 / -0.18
d03 (1 km)
≤240 km
187
39.1
7.5 / 21.1
36.7 / 32.5
45.2 / 39.8
-0.15 / -0.18
d04 (1 km, Angra)
todas
58
19.1
32.7 / 35.0
18.7 / 23.6
22.9 / 30.9
+0.38 / +0.05
d04 (1 km, Angra)
≤240 km
6
16.6
18.5 / 8.4
10.1 / 9.2
11.7 / 10.5
+0.02 / +0.61
Limiares de acumulado (recorte ≤240 km)
Grade
Limiar acumulado 21 h
Hits control / radar DA
Miss control / radar DA
Falso alarme control / radar DA
POD control / radar DA
CSI control / radar DA
d01 (9 km)
≥10 mm
179 / 251
115 / 43
132 / 130
0.609 / 0.854
0.42 / 0.592
d01 (9 km)
≥25 mm
44 / 89
148 / 103
114 / 138
0.229 / 0.464
0.144 / 0.27
d01 (9 km)
≥50 mm
2 / 4
80 / 78
55 / 76
0.024 / 0.049
0.015 / 0.025
d01 (9 km)
≥75 mm
0 / 0
23 / 23
33 / 41
0.0 / 0.0
0.0 / 0.0
d01 (9 km)
≥100 mm
0 / 0
1 / 1
14 / 13
0.0 / 0.0
0.0 / 0.0
d02 (3 km)
≥10 mm
62 / 139
111 / 34
32 / 50
0.358 / 0.803
0.302 / 0.623
d02 (3 km)
≥25 mm
10 / 39
134 / 105
15 / 38
0.069 / 0.271
0.063 / 0.214
d02 (3 km)
≥50 mm
0 / 0
79 / 79
2 / 9
0.0 / 0.0
0.0 / 0.0
d02 (3 km)
≥75 mm
0 / 0
23 / 23
0 / 5
0.0 / 0.0
0.0 / 0.0
d02 (3 km)
≥100 mm
0 / 0
1 / 1
0 / 1
0.0 / 0.0
0.0 / 0.0
d03 (1 km)
≥10 mm
20 / 115
117 / 22
14 / 35
0.146 / 0.839
0.132 / 0.669
d03 (1 km)
≥25 mm
8 / 30
116 / 94
9 / 19
0.065 / 0.242
0.06 / 0.21
d03 (1 km)
≥50 mm
0 / 1
75 / 74
1 / 12
0.0 / 0.013
0.0 / 0.011
d03 (1 km)
≥75 mm
0 / 0
21 / 21
0 / 1
0.0 / 0.0
0.0 / 0.0
d03 (1 km)
≥100 mm
0 / 0
1 / 1
0 / 1
0.0 / 0.0
0.0 / 0.0
d04 (1 km, Angra)
≥10 mm
4 / 2
1 / 3
1 / 0
0.8 / 0.4
0.667 / 0.4
d04 (1 km, Angra)
≥25 mm
0 / 0
0 / 0
1 / 0
— / —
0.0 / —
d04 (1 km, Angra)
≥50 mm
0 / 0
0 / 0
0 / 0
— / —
— / —
d04 (1 km, Angra)
≥75 mm
0 / 0
0 / 0
0 / 0
— / —
— / —
d04 (1 km, Angra)
≥100 mm
0 / 0
0 / 0
0 / 0
— / —
— / —
Espalhamento obs vs modelo por estação
d02: acumulado 21 h observado vs previsto por estação. Painel esquerdo = todas as estações; direito = estações ≤240 km do radar Macaé. Linhas pontilhadas em 10/25/50/100 mm.d03: acumulado 21 h observado vs previsto por estação. Painel esquerdo = todas as estações; direito = estações ≤240 km do radar Macaé. Linhas pontilhadas em 10/25/50/100 mm.d04: acumulado 21 h observado vs previsto por estação. Painel esquerdo = todas as estações; direito = estações ≤240 km do radar Macaé. Linhas pontilhadas em 10/25/50/100 mm.
HiRA (High-Resolution Assessment, Mittermaier 2014) trata cada vizinhança de w×w gridpoints em torno de uma estação como um pseudo-ensemble. Com w=1, um forecast determinístico que erra o gridpoint exato da estação vira 0% probabilidade e é punido como se fosse uma previsão categórica errada. Aumentando w, relaxamos a exigência espacial: o modelo só precisa acertar a chuva por perto. Para nowcasting, isto corresponde à pergunta real — "o modelo previu chuva forte dentro de alguns km da estação?" — em vez de "acertou o pixel". Aqui usamos larguras de 3, 5, 9 e 15 gridpoints (d02: 9/15/27/45 km; d03: 3/5/9/15 km).
Brier Skill Score vs neighborhood width
d02 — 3 kmd03 — 1 km
ROC AUC vs neighborhood width
d02 — 3 kmd03 — 1 km
ΔBSS (radar − control) — verde = DA ajuda
d02 — 3 kmd03 — 1 km
Resumo no maior neighborhood — d02
Largura máxima (width = 15 pontos) — abaixo, BSS e ROC AUC dos dois ramos com o neighborhood mais relaxado (onde acertos deixam de ser punidos por erros de posicionamento pequenos).
Limiar (mm/h)
n
base rate
BSS control
BSS radar DA
ΔBSS
ROC AUC control
ROC AUC radar DA
>0.1
5875
0.217
-0.203
-0.312
-0.109
0.663
0.644
>1.0
5875
0.138
-0.056
-0.207
-0.151
0.669
0.669
>2.5
5875
0.101
-0.052
-0.207
-0.155
0.627
0.619
>5.0
5875
0.070
-0.107
-0.115
-0.008
0.577
0.612
>10.0
5875
0.044
-0.071
-0.041
+0.030
0.517
0.589
>25.0
5875
0.020
-0.047
-0.071
-0.024
0.502
0.522
Resumo no maior neighborhood — d03
Largura máxima (width = 15 pontos) — abaixo, BSS e ROC AUC dos dois ramos com o neighborhood mais relaxado (onde acertos deixam de ser punidos por erros de posicionamento pequenos).
Limiar (mm/h)
n
base rate
BSS control
BSS radar DA
ΔBSS
ROC AUC control
ROC AUC radar DA
>0.1
3338
0.217
-0.221
-0.477
-0.256
0.626
0.596
>1.0
3338
0.145
-0.144
-0.355
-0.211
0.588
0.643
>2.5
3338
0.114
-0.107
-0.242
-0.135
0.518
0.635
>5.0
3338
0.084
-0.035
-0.103
-0.068
0.504
0.613
>10.0
3338
0.055
-0.000
-0.008
-0.008
0.504
0.555
>25.0
3338
0.027
-0.019
-0.022
-0.003
0.500
0.509
d04 (Angra/Paraty, 1 km) — fora da cobertura do radar
O d04 está a ~270 km do radar INEA Macaé — fora do raio útil de 240 km. As células convectivas dessa região nunca entraram nos ciclos 3DVAR, então o sinal do DA aqui é apenas downstream (propagação lateral através do d01/d02). Mostramos os mesmos diagnósticos HiRA por completude e para confirmar que o DA não degrada uma região não coberta pelo radar.
BSS — d04 (w = 3/5/9/15)ROC AUC — d04
ΔBSS (radar − control) — d04.
Largura máxima (width = 15 pontos) — abaixo, BSS e ROC AUC dos dois ramos com o neighborhood mais relaxado (onde acertos deixam de ser punidos por erros de posicionamento pequenos).
Limiar (mm/h)
n
base rate
BSS control
BSS radar DA
ΔBSS
ROC AUC control
ROC AUC radar DA
>0.1
1113
0.224
-0.361
-0.452
-0.090
0.671
0.642
>1.0
1113
0.149
-0.403
-0.484
-0.081
0.728
0.679
>2.5
1113
0.107
-0.590
-0.680
-0.090
0.704
0.555
>5.0
1113
0.065
-0.652
-0.749
-0.098
0.620
0.503
>10.0
1113
0.042
-0.508
-0.765
-0.257
0.564
0.510
>25.0
1113
0.021
-0.084
-0.214
-0.130
0.491
0.504
Leitura operacional (rev. auditoria 2026-06: pool completo das linhas PSTD — a v1 descartava horas sem evento — e ROC reconstruído do pool de PCT em vez de média de AUCs horárias). Em BSS o quadro é misto: para chuva leve-moderada o control ganha (o radar DA superforça chuva onde não havia); para ≥10 mm/h com neighborhood largo (w=15) o d02 mantém ganho (BSS control −0.071 vs radar −0.041, ΔBSS +0.030) mas o d03 fica empatado-a-pior (−0.000 vs −0.008) — a v1 reportava ganho no d03 por artefato de agregação. Já em discriminação (ROC) o radar DA ganha com folga onde importa:
d03 > 2.5 mm/h, w=15: ROC AUC control 0.518 vs radar 0.635; > 5 mm/h: 0.504 vs 0.613.
d02 > 10 mm/h, w=15: 0.517 vs 0.589.
Os BSS são negativos porque um forecast determinístico interpretado como ensemble não bate climatologia em eventos raros. A leitura conjunta: a DA melhora a capacidade de distinguir hora/local com e sem chuva forte (ROC), ao custo de excesso de confiança (reliability pior) que penaliza o BSS no d03. O ganho cresce com a tolerância espacial, confirmando que o erro residual do radar DA é de deslocamento, não de ausência de célula.
11. Verificação com sondagem (SBGL Galeão 12Z)
Única radiossonda disponível no dia: SBGL Galeão (RJ), 12Z 21-Jan-2024, t+12 h do init 00Z. Comparamos o perfil vertical do WRF d01 no gridpoint mais próximo da estação, para control e radar cycled, contra os dados do balão.
T (sólido) e Td (tracejado) vs pressão no painel esquerdo; velocidade do vento no painel direito. Obs em preto, control em azul, radar cycled em vermelho. RMSE calculado na camada 1000–200 hPa.
Fonte
SB CAPE (J/kg)
CIN (J/kg)
MU CAPE (J/kg)
RMSE T (K)
RMSE Td (K)
Radiossonda (obs)
1061
−30
1061
—
—
control
701
0
701
0.98
5.60
radar cycled
1290
0
1290
1.14
5.50
O radar DA fica com a CAPE no envelope operacional certo. A radiossonda de Galeão indica ~1060 J/kg de CAPE (atmosfera moderadamente instável, CIN muito baixa — ambiente tipicamente convectivo tropical). O control subestima com 701 J/kg (~−34%): atmosfera fria/seca demais, consistente com ele ter perdido as células convectivas na verificação horária. O radar ciclado chega a 1290 J/kg (+22%): ainda superestima, mas fica na ordem de magnitude correta, que é o que separa ter convecção organizada de não ter.
RMSE de temperatura permanece < 1.2 K nos dois ramos, então a mudança de CAPE vem de reequilibrar a coluna de umidade e os ventos (o DA assimila vr e Z — não toca T/q diretamente, mas o modelo reorganiza a coluna dinamicamente nos ciclos).
12. Mapa probabilístico (vizinhança) — control vs radar DA
Grade:
Verificação neighborhood-based (Ebert 2008, Roberts & Lean 2008) do acumulado de 21 h (03Z Jan 21 → 00Z Jan 22). Para cada gridpoint, a probabilidade representada abaixo é a fração de um disco de raio D = 50 km em que o modelo previu ultrapassar o limiar. Os círculos sobrepostos são as estações (INMET + Alerta Rio + CEMADEN): círculos coloridos são estações que observaram ≥ o limiar, tamanho e cor pela intensidade observada; pontos cinza pequenos são estações que ficaram abaixo do limiar. A leitura qualitativa é direta: estações vermelhas sobre fundo escuro = o modelo acertou a chuva; estações vermelhas sobre fundo branco = o modelo perdeu um evento; probabilidade alta em áreas só com pontos cinza = falso alarme espacial.
Probabilidade de acumulado ≥ 20 mm/21 h (D = 50 km)
control_ref (WRF sem DA, init 2024-01-20 12Z)radar_cycled (WRF + 4 ciclos de radar 3DVAR)
Probabilidade de acumulado ≥ 50 mm/21 h (D = 50 km)
control_refradar_cycled
Probabilidade de acumulado ≥ 100 mm/21 h (D = 50 km)
control_refradar_cycled
FSS — curvas por raio e heatmap por limiar × raio
control — FSS vs raio Dradar_cycled — FSS vs raio D
control — FSS heatmapradar_cycled — FSS heatmap
Diagrama de confiabilidade (50 mm, D = 50 km)
control — reliabilityradar_cycled — reliability
Validade para fase convectiva. Esta verificação é especialmente adequada a eventos convectivos — onde erros de deslocamento da ordem da escala da própria célula (~10–50 km) são esperados. O FSS relaxa a exigência espacial ponto-a-ponto e pergunta "o modelo previu chuva ≥ X mm dentro de um raio D da estação?", que é a pergunta operacional do nowcasting. Limitação conhecida: o acumulado de 21 h perde estrutura temporal — um pulso convectivo bem dosado conta igual a chuva leve distribuída. Por isso as seções 5/6/7 (horárias) e 9 (HiRA horário) complementam esta visão.
13. Próximos passos
Verificar hipótese de bloqueio do radar INEA (setores ou
faixas de range onde o feixe não vê mas o 3DVAR está tratando como
"chuva=0"). Plano completo em
docs/RADAR_BLOCKAGE_INVESTIGATION.md. Se confirmado,
reprocessar ob.radar com máscara e rerodar o caso —
é o caminho mais direto para melhorar ainda mais os números no d02/d03.
Rodar baseline WRF livre a partir de GFS 00Z Jan 21
(mesmo horário dos ciclos de DA, sem assimilação) para ter um terceiro
ponto de comparação limpo e isolar o ganho da DA do ganho só por
usar uma inicialização mais recente.
Estender a verificação d02/d03 para outros casos
(2023-11-30 e 2024-12-16, ambos com ODIM H5 disponíveis em
/media/SEAGATE_1TB) antes do deadline do WRF Users
Workshop (2026-04-15).
14. Metodologia
Clique para ver/esconder
Synthetic dBZ (WRF): operador Stoelinga 2005 aplicado a
QRAIN/QSNOW/QGRAUP com distribuição Marshall–Palmer
(N0r=8·10⁶, N0s=2·10⁷, N0g=4·10⁶).
Acima de 0 °C, snow e graupel são tratados como rain (convenção
dbzcalc.f do WRFDA). Implementado em numpy puro
porque wrf-python não compila em Python 3.12.
Radar gridder: Py-ART grid_from_radars (Barnes2,
ROI ∝ dist_beam) interpola cada volume ODIM H5 do INEA Macaé
para grid cartesiana centrada no radar, alinhada ao WRF d01.
Composite dBZ é column-max. Pontos além de 240 km do radar são
mascarados como NaN.
Matching: pares (obs, fcst) casados por timestamp exato.
A máscara de verificação cobre só as células do d01 dentro do
raio de 240 km do radar, igual para todos os experimentos.
Métricas: CSI, POD, FAR, BIAS por limiar (Wilks 2011);
FSS (Roberts & Lean 2008) com janelas quadradas 1×1 a 9×9.
