ads:
Universidade de São Paulo
Instituto de Astronomia, Geofísica e Ciências Atmosféricas
Departamento de Ciências Atmosféricas
Avaliação da sensibilidade do ciclo diurno à física de
interação superfície-atmosfera sobre a Região
Metropolitana de São Paulo
Samantha Novaes Santos Martins
Dissertação de Mestrado
Orientadora
Profª Dra. Rosmeri Porfírio da Rocha
São Paulo, Junho de 2008
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
Agradecimentos
-
Ao CAPES e à FAPESP, pelo apoio financeiro;
-
A minha orientadora, Prof. Dr. Rosmeri Porfírio da Rocha, pela orientação, amizade e
paciência;
-
A todos os professores do IAG, que de algum modo sempre contribuíram com a minha
formação;
-
Aos funcionários da biblioteca, seção de informática e secretaria do DCA, pelo apoio e pela
atenção sempre quando foi necessário;
-
Aos meus colegas e amigos do DCA, destacando-se: Clara Miho N. Iwabe, Luiz Felippe
Gozzo, Ricardo Hallak, Valéria C. Prando e Samara Carbone, que me auxiliaram em
momentos de dificuldade durante estes dois anos e contribuíram com boas discussões sobre
o projeto;
-
Aos meus pais, Silvio e Joélia, que sempre apoiaram minhas escolhas;
-
Ao meu irmão Silvio, que me ajudou sempre que necessário;
-
Ao Emerson R. Almeida, pelo seu amor, dedicação e companheirismo;
-
Aos meus amigos de infância, a toda minha grande família (primos, tios e avó) e a todos os
demais que sempre me incentivaram.
-
A Deus, por tudo que obtive até aqui.
Muito Obrigada!
ads:
RESUMO
Neste trabalho foram utilizadas duas parametrizações de Camada Limite Planetária (CLP)
disponíveis no MM5 (Mesoscale Model vs. 5) para estudar a evolução diurna do vento e da
temperatura na Região Metropolitana de São Paulo (RMSP). Uma das parametrizações é de
fechamento de ordem 1 não-local (BLK) e a outra de fechamento de ordem 1,5 (GS) local e
que faz o prognóstico da Energia Cinética Turbulenta (ECT).
O período de estudo corresponde aos dias 30 e 31 de outubro de 2006, coincidindo com a
Campanha de Primavera, experimento do Projeto Políticas Públicas em que foram lançadas
radiossondagens meteorológicas e de ozônio. Foram analisadas 4 previsões do MM5, com
domínio centrado na cidade de São Paulo, iniciadas às 00z do dia 30 de outubro de 2006,
sendo 2 previsões para cada parametrização da CLP, uma com e outra sem assimilação de
dados de estações de superfície e de radiossondagens dos aeroportos Campo de Marte e
Galeão. Além disso, as previsões do MM5 foram utilizadas como campos para o modelo
fotoquímico CIT (California Institute of Technology), para estudar a formação e dispersão do
Ozônio.
A análise sinótica para o período mostrou que não houve a presença de sistemas frontais
sobre a região de estudo. As previsões caracterizaram a presença da brisa marítima sobre o
Estado de São Paulo, além de circulações vale-montanha. A parametrização GS simulou
maior penetração da brisa marítima na RMSP, devido a maior temperatura simulada por este
esquema. Com relação ao ciclo diurno de temperatura, a parametrização GS previu
temperaturas maiores do que a BLK, principalmente no horário de máxima temperatura. A
parametrização GS também apresentou maiores temperaturas do ponto de orvalho que a BLK,
principalmente durante o dia e no horário de máxima temperatura (as diferenças foram de até
4ºC). A diferença na temperatura pôde ser explicada pelo cálculo da ECT, prognosticada pela
parametrização GS, em que o termo de produção térmica seria o responsável pelo transporte
vertical do calor sensível, mantendo a temperatura mais elevada no esquema GS. Quanto à
estrutura vertical, a parametrização GS é mais úmida próximo à superfície e durante o dia.
Com relação à estrutura vertical do vento, os dois esquemas apresentaram a existência de jatos
noturnos em torno de 500m de altura, com maiores intensidades no esquema GS. A
assimilação de dados não provocou muitas diferenças ao longo da integração no primeiro dia
de previsão, o que sugere que a dinâmica interna do modelo tenha tido dominância. Outros
fatores são o baixo número de estações para assimilar.
Quanto às analises do CIT utilizando campos do MM5, conclui-se que é possível fazer
uma boa previsão da formação e dispersão de poluentes, tal como o ozônio, na RMSP através
de dados meteorológicos previstos pelo modelo MM5. No entanto, os resultados apontaram
que a pluma modelada está deslocada com relação à pluma observada e os valores de pico são
superestimados na simulação.
ABSTRACT
In this work, two Planetary Boundary Layer (PBL) parameterizations available in MM5
(Mesoscale Model vs. 5) were used to study the diurnal evolution of the wind magnitude and
of the temperature in São Paulo Metropolitan Area (MASP). One parameterization is an
order-1 with non-local closure (BLK) and the other is an order-1.5 with local closure.
The period of study is during 2006, October 30 and 31, when there was an experiment
from the Spring Campaign of the Public Policy Project. During this period, meteorological
and ozone soundings were launched. Four MM5 forecasts were analyzed, all of them with a
domain centered at MASP, and initialized at 2006 October 30 at 00Z. Each PBL
parameterization had 2 forecasts: one with data assimilation and the other without. The data
assimilated are from surface station and airport soundings (Campo de Marte, located in São
Paulo and Galeão, located in Rio de Janeiro). Besides, the MM5 forecasts were used as
primary fields to run the photochemical model CIT (California Institute of Technology), in
order to study ozone’s formation and dispersion through RMSP.
The synoptic analysis of the period showed that there was no frontal system over RMSP.
The forecasts characterized the sea breeze and valley-mountain circulations in São Paulo
State. Due to the higher temperatures forecasted by GS parameterization, this scheme
simulated a sea breeze that penetrated more in the continent than BLK. The higher difference
between the temperatures forecasted by both schemes was obtained at the maximum
temperature time (around 14LT). GS parameterization also showed higher dew point
temperatures, sometimes 4ºC higher than BLK ones. The difference in temperature values can
be related to the GS parameterization calculation of TKE (Turbulent Kinetic Energy), which
is done only in GS scheme. The thermal production term can be the responsible for the
vertical transportation of sensible heat, keeping the temperature higher in the GS scheme. GS
parameterization is wetter near the surface during the day. About the vertical structure of the
wind, both schemes showed the existence of nighttime jets near 500m height that is more
intense in GS parameterization. Data assimilation hasn’t provided too many differences
during the first day integration, which suggests that the model dynamics has dominated over
the data assimilation. Other point is that there is not enough station data to assimilate the
relative small influence radius. CIT results nested in the MM5 showed that is possible to
obtain a good pollutant formation and dispersion forecast, as was done with ozone over
MASP. However, the forecasted plume is displaced related to the observed plume and the
maximum values are overestimated in the simulation.
ÍNDICE
LISTA DE FIGURAS ...............................................................................................................vi
LISTA DE TABELAS ..............................................................................................................ix
1. INTRODUÇÃO................................................................................................................10
2. MOTIVAÇÃO E OBJETIVOS........................................................................................20
3. DADOS E METODOLOGIA ..........................................................................................22
3.1 O modelo MM5..............................................................................................................22
3.2 Parametrizações da Camada Limite Planetária ..............................................................29
3.2.1 Parametrização Blackadar (BLK).....................................................................37
3.2.2 Parametrização Gayno –Seaman (GS) .............................................................42
3.3 O Modelo Fotoquímico CIT e seu acoplamento ao MM5..............................................47
3.4 Metodologia....................................................................................................................50
4. RESULTADOS E DISCUSSÕES....................................................................................60
4.1 Análise Sinótica do Período do Experimento.................................................................60
4.2 Comparação entre as parametrizações de CLP...............................................................68
4.3 Comparação das previsões com observações.................................................................98
4.4 Aplicação das previsões geradas pelo MM5 no modelo CIT.......................................108
5. RESUMO E CONCLUSÃO...........................................................................................114
6. SUGESTÕES PARA TRABALHOS FUTUROS..............................................................118
7. REFERÊNCIAS BIBLIOGRÁFICAS...............................................................................119
vi
LISTA DE FIGURAS
Figura 3. 1: Interação entre as parametrizações físicas no MM5. Adaptado de PSU/NCAR –
Dudhia et al (2005)...................................................................................................................23
Figura 3. 2: Representações dos tipos de área de influência no esquema Cressman. O ponto P
representa um ponto da grade e os pontos On representam as observações. A figura a)
representa o esquema Cressman tradicional, com uma circunferência como área de influência.
As figuras b) e c) representam os esquemas elipse e banana. ..................................................26
Figura 3. 3: Diagrama de fluxo do MM5. ................................................................................28
Figura 3. 4: Estrutura vertical da CLP, adaptada de Zhang e Anthes (1982)...........................32
Figura 3. 5 – Domínio utilizado nos experimentos realizados com o modelo MM5...............50
Figura 3. 6 - Categorias de uso do Solo no domínio 3. Destacado o mapa da RMSP..............52
Figura 3. 7 – Topografia da RMSP obtida a partir de dados da USGS....................................54
Figura 3. 8 – Estações do INMET (PCD’s) e radiossondagens cujos dados foram assimilados
durante as previsões. As marcas vermelhas representam as PCD’s e as marcas azuis as
radissondagens (Campo de Marte, na RMSP e Galeão, no Rio de Janeiro).............................56
Figura 3. 9: Estações de Superfície da CETESB, com dados de temperatura (a) e vento (b),
utilizadas para estudar o ciclo diurno.......................................................................................57
Figura 3. 10: Estações de Superfície da CETESB em que são realizadas medições horárias de
ozônio. ......................................................................................................................................59
Figura 4. 1: Campos de pressão ao nível médio do mar (hPa) e vento em 850hPa (m/s) na
figura (a); Temperatura (ºC) a 2m de altura, na figura (b); Vento (m/s) e geopotencial (m) em
500hPa na figura (c) e em 200hPa na figura (d). Todas as figuras, para o dia 30/10 às 00z. ..61
Figura 4. 2: Imagens de Satélite do canal infravermelho GOES-12 (realçadas), do
CPTEC/INPE, fornecidas pelo laboratório MASTER (Meteorologia Aplicada a Sistemas de
Tempo Regionais) do IAG-USP . As figuras são para o dia 30 de outubro e são referentes aos
horários mais próximos das 00z (a); 06z(b);12z(c) e 18z(d)....................................................62
Figura 4. 3: Idem a Figura 4. 1, mas para 00Z do dia 31/10 ....................................................64
Figura 4. 4: Idem a Figura 4. 2, mas para o dia 31 de outubro.................................................65
Figura 4. 5: Idem a Figura 4. 1, mas para 00Z do dia 01/11 ....................................................66
Figura 4. 6: : Idem a Figura 4. 2, mas para o dia 01 de novembro...........................................67
Figura 4. 7: Campos de temperatura e vento no primeiro nível sigma (que varia entre 17m e
18m de altura) às 00z do dia 31 de outubro de 2006: (a) é o campo sem assimilação de dados
e (b) é o campo com assimilação de dados. A temperatura é dada em ºC e a velocidade em
m/s. ...........................................................................................................................................69
vii
Figura 4. 8: Correspondência entre o nível sigma e a altura geométrica nas coordenadas do
Campo de Marte (a); temperatura (b), magnitude do vento (c), direção do vento (d) e
temperatura do ponto de orvalho (e) às 00Z do dia 31 de outubro de 2006 também no Campo
de Marte, para a previsão sem (preto) e com dados assimilados (verde)...............................70
Figura 4. 9: Ciclo diurno de temperatura (a) e diferenças entre previsões (b) com e sem dados
assimilados, no ponto referente ao Campo de Marte. A figura (a) indica o ciclo de temperatura
das parametrizações BLK e GS, com e sem dados assimilados (Preto: BLK sem dados
assimilados; Verde: BLK com dados assimilados; Amarelo: GS sem dados assimilados;
Vermelho: GS com dados assimilados). A figura (b) representa as diferenças entre as
previsões sem e com dados assimilados dos esquemas BLK (em preto) e GS (em verde)......74
Figura 4. 10: Ciclo diurno da magnitude do vento (a) e da direção (c) e as respectivas
diferenças entre as previsões (figuras b e d) com e sem dados assimilados, no ponto referente
ao Campo de Marte, para as 48h de previsão. Nas figuras (a) e (c), a cor preta representa
BLK sem dados assimilados, a verde BLK com dados assimilados, a amarela GS sem dados
assimilados e a vermelha GS com dados assimilados. Nas figura (b) e (c), são representadas as
diferenças entre as previsões sem e com dados assimilados dos esquemas BLK (em preto) e
GS (em verde)...........................................................................................................................75
Figura 4. 11: Ciclo diurno de temperatura do ponto de orvalho (a) e da razão de mistura (c) e
as respectivas diferenças entre as previsões (figuras b e d) com e sem dados assimilados, no
ponto referente ao Campo de Marte, para as 48h de previsão. Nas figuras (a) e (c), a cor preta
representa BLK sem dados assimilados, a verde BLK com dados assimilados, a amarela GS
sem dados assimilados e a vermelha GS com dados assimilados. Nas figuras (b) e c), são
representadas as diferenças entre as previsões sem e com dados assimilados dos esquemas
BLK (em preto) e GS (em verde).............................................................................................76
Figura 4. 12: Fluxos turbulentos de superfície para todo período de previsão, no ponto de
referência do Campo de Marte. Nas figuras (a) e (c) , os fluxo de calor latente e sensível,
respectivamente, para as parametrizações sem assimilação de dados (BLK em preto e GS em
verde). Nas figuras (b) e (d), as diferenças entre previsões sem e com dados assimilados, para
os fluxos de calor latente e sensível respectivamente. Em preto, para a parametrização BLK e
em verde, para a GS..................................................................................................................77
Figura 4. 13: Ciclo diurno de Energia Cinética Turbulenta (ECT) para todo período de
integração, no ponto de referência do Campo de Marte. A ECT é calculada apenas pela
parametrização GS: (a), a ECT da previsão sem dados assimilados (em preto) e com dados
assimilados (em verde); (b), a diferença entre a previsão sem e com dados assimilados........78
Figura 4. 14: Idem a Figura 4. 9, mas para a altura da CLP.....................................................78
Figura 4. 15: Ciclo diurno da estrutura vertical de temperatura (ºC) para as 48h de previsão,
no ponto referente ao Campo de Marte. A figura (a) é para a parametrização BLK sem
assimilação de dados durante a previsão e a figura (c) é para a parametrização GS sem
assimilação de dados. As figuras (b) e (d) correspondem a diferença entre previsões sem e
com assimilação de dados, para as parametrizações BLK e GS respectivamente. A escala de
altura está em coordenadas sigma, e a relação com altura, em m, é dada pela Figura 4. 8a....79
Figura 4. 16: Idem a Figura 4. 15, mas para a magnitude do vento (m/s)................................81
Figura 4. 17: Idem a Figura 4. 15, mas para a razão de mistura (g/kg)....................................82
viii
Figura 4. 18: Ciclo diurno da estrutura vertical da ECT (J/kg) para os dois dias de previsão
(48h). A figura a) é para o caso sem assimilação de dados e a figura b) é para o caso com
assimilação de dados. ...............................................................................................................83
Figura 4. 19: Idem a Figura 4. 15, mas para a água precipitável (g/kg)...................................84
Figura 4. 20: Campo de temperatura e vento previsto às 06Z do dia 30 de outubro, no
primeiro nível sigma (aproximadamente 18m de altura) utilizando a parametrização BLK (a)
e GS (d). As figuras (b) e (d) correspondem as diferenças entre previsão com e sem dados
assimilados, para o mesmo horário, com as parametrizações BLK e GS respectivamente. ....86
Figura 4. 21: Idem a Figura 4. 20, mas para às 12Z do dia 30 de outubro...............................87
Figura 4. 22: Idem a Figura 4. 20, mas para às 18Z do dia 30 de outubro...............................89
Figura 4. 23: Idem a Figura 4. 20, mas para às 00Z do dia 31 de outubro...............................90
Figura 4. 24: Idem a Figura 4. 20, mas para às 06Z do dia 31 de outubro...............................91
Figura 4. 25: Idem a Figura 4. 20, mas para às 12Z do dia 31 de outubro...............................93
Figura 4. 26: Idem a Figura 4. 20, mas para às 18Z do dia 31 de outubro...............................95
Figura 4. 27: Idem a Figura 4. 20, mas para às 00Z do dia 01 de novembro...........................96
Figura 4. 28: Ciclo de temperatura das previsões e observações das estações da CETESB para
as 48h de previsão. Em vermelho, os dados observados; em verde a previsão utilizando o
esquema BLK e em azul, utilizando o esquema GS: (a) refere-se a estação localizada em
Campinas; (b), localizada no Ibirapuera; (c) em São Caetano do Sul e (d) em São José dos
Campos. As previsões mostradas nessa figura não possuem assimilação de dados.................99
Figura 4. 29: Idem a Figura 4. 26, mas para a magnitude do vento. ......................................101
Figura 4. 30: Idem a Figura 4. 27, mas para a direção do vento. ...........................................102
Figura 4. 31: Ciclo diurno da estrutura vertical (até 700hPa) da temperatura (ºC). A figura a)
corresponde as observações com radiossondagens da Campanha de primavera e Campo de
Marte. A figura b) corresponde ao BLK sem assimilação de dados e a figura c) a GS sem
assimilação de dados ..............................................................................................................106
Figura 4. 32: idem a anterior, mas para a magnitude do vento (m/s).....................................107
Figura 4. 33: Concentrações do Ozônio (em ppb) em diferentes horários para dados
observados e previsão para o dia 30 de outubro. As figuras a), b) e c) representam a
observação para as 14HL, 18HL e s 22HL respectivamente. As figuras b), d) e f) representam
a previsão para as 14HL, 18HL e s 22HL respectivamente. ..................................................111
Figura 4. 34: Idem a Figura 4. 31, mas para o dia 31 de outubro de 2006.............................112
Figura 4. 35: Concentração de ozônio no centro das plumas observada (em preto) e simulada
(em verde) para as 14HL do dia 31 de outubro de 2006. .......................................................113
ix
LISTA DE TABELAS
Tabela 3. 1: Comparações entre esquemas locais e não-locais ......................................................... 30
Tabela 3. 2: Propriedades dos esquemas de CLP utilizados no trabalho. Adaptada de Durante
e De Paus (2007). .............................................................................................................................. 31
Tabela 3. 3 - Especificações dos domínios utilizados....................................................................... 51
Tabela 3. 4 - Legenda da Figura 3. 6................................................................................................. 53
Tabela 3. 5 - Simulações realizadas................................................................................................... 55
Tabela 3. 6: Coordenadas das Estações da Figura 3. 9...................................................................... 57
Tabela 3. 7: Horário dos lançamentos das radiossondagens do Projeto Políticas Públicas, Mp
IAG-USP e das radiossondagens do Campo de Marte...................................................................... 58
Tabela 4. 1: Correlações, Erro Quadrático Médio (EQM) e Erro Absoluto (EA) para as
estações da CETESB (Figura 3. 9) para o vento e temperatura. ..................................................... 104
10
1. INTRODUÇÃO
A Região Metropolitana de São Paulo (RSMP) é a área economicamente mais
importante da América do Sul. Nessa região, o crescimento acelerado e sem planejamento,
gerou problemas muito intensos associados à poluição do ar, embora nos últimos anos
políticas de controle tenham conseguido reduzir a emissão de poluentes veiculares, que
correspondem à maior fonte poluidora na RMSP
1
. Em pesquisas da área de saúde pública e
para gerar alertas à população, faz-se necessário um estudo da dispersão dos poluentes.
Nos estudos de dispersão de poluentes um dos aspectos mais importantes é a correta
descrição de circulações locais, o que implica na necessidade de uma boa determinação dos
campos meteorológicos. Com campos meteorológicos bem representados por um modelo de
mesoescala, é possível introduzi-los em modelos de qualidade do ar (MQAs), como
alternativa aos dados observacionais, que na maioria das vezes são escassos temporal e
espacialmente.
Os fenômenos de mesoescala contribuem para a dispersão de poluentes, levando a
pluma para regiões mais distantes. Na RMSP, destacam-se como fenômenos de mesoescala
atuantes a brisa marítima, a circulação vale montanha e a ilha de calor urbana, conforme
destacam Oliveira et al. (2002) e Freitas (2004). Desses fenômenos, segundo Oliveira et al
(2002) o mais dominante quando calculadas médias mensais da variação diurna é a brisa
marítima. É também o fenômeno mais estudado sob o aspecto da dispersão de poluentes,
conforme estudou Carrilo et al (2007), que utilizando dados de LIDAR (Light Detection And
Ranging) concluiu que a circulação de brisa, durante seu trajeto pela RMSP, traz ar limpo do
Oceano Atlântico para a RMSP abaixo de 1000m e entre 1000m e 2000m leva ar do
continente para o oceano.
De acordo com Orlanski (1975), a brisa marítima está classificada na escala temporal e
espacial definida como meso-
β
, na qual os sistemas meteorológicos possuem escalas
1
Segundo o relatório de 2005 da CETESB (Companhia de Tecnologia de Saneamento Ambiental)
11
espacial de dezenas a centenas de quilômetros e duração de 2 a 24h. São fenômenos rasos,
que chegam a algumas centenas de metros de altura na atmosfera e podem ser divididos em
circulações mecanicamente forçadas e circulações originadas por forçantes térmicas (Freitas,
2004).
As circulações de brisa
2
(CB) resultam da diferença de capacidade térmica entre a terra e
um corpo de água e por isso, quando sob a mesma quantidade de radiação solar, a terra aquece
mais rapidamente que a superfície de água. Durante o dia, a terra aquece mais as camadas de
ar adjacentes, diminuindo sua densidade, gerando um gradiente de temperatura entre as duas
superfícies, de acordo com o teorema da circulação, descrito em Holton (1992). Este gradiente
de temperatura gera um deslocamento de ar frio da superfície aquática para a superfície
terrestre, e em altos níveis, por continuidade, o inverso ocorre. Quando o sol se põe, uma
circulação inversa pode ser observada, pois o resfriamento radiativo sobre a terra é maior que
sobre a água. Esta é a chamada brisa terrestre, que em geral é menos intensa que a brisa
marítima (Atkinson, 1981). Desse modo, a brisa marítima tem importante papel no do ciclo
diurno das regiões em que atua (Freitas, 2004).
Conforme destaca Pielke (1992), o ciclo diurno da atmosfera também está fortemente
relacionado com uma boa representação das trocas de energia e momento entre atmosfera e
superfície. Essas trocas estão diretamente relacionadas com os processos que ocorrem na
Camada Limite Planetária (CLP), região da atmosfera caracterizada por intensa turbulência,
sendo importante para a formação e manutenção de alguns sistemas de mesoescala, como a
própria CB, ocorrendo portanto troca de energia entre a microescala e a mesoescala.
Um outro ponto que afeta diretamente a CB é a presença de topografia e a vegetação.
Segundo Atikinson (1981), a presença de vales e montanhas pode canalizar a brisa ou até
favorecer sua formação. O mesmo é dito a respeito da vegetação, pois certos tipos de cultura
aquecem mais rapidamente que outras. Atkinson (1981) também destaca a estabilidade
2
A brisa marítima e a brisa terrestre são normalmente tratadas de forma conjunta na literatura, configurando o
que é comumente chamado de circulação de brisa (CB).
12
vertical da atmosfera como um parâmetro importante no desenvolvimento da brisa marítima,
pois o horário para a penetração da brisa costuma ser aquele em que a estrutura vertical
estiver mais instável, por outro lado, se houver muita estabilidade, a camada superior inibe a
circulação vertical associada à brisa e esta circulação não se forma.
Simpson (1994) destaca que fatores sinóticos e a curvatura da costa também influenciam
a CB, que é mais intensa nas áreas tropicais, devido ao maior aquecimento diferencial.
Segundo o mesmo autor, a brisa marítima tem velocidade de penetração que varia de 2m/s a
5m/s, em média, e avança aproximadamente 100km no continente, porém já foram registrados
avanços de até 200km. A velocidade de penetração e a distância que o fenômeno avança no
continente dependem dos outros fatores citados.
Normalmente, são estudadas as circulações de brisa tanto a partir de análises detalhadas
de mesoescala como através de previsões de modelos numéricos atmosféricos com alta
resolução.
Do ponto de vista observacional, Oliveira e Silva Dias (1982) mostraram basicamente
três padrões de entrada da brisa marítima na cidade de São Paulo, cada um destes padrões
podendo ser identificado pelo giro característico do vento próximo à superfície: 1) o vento
gira de nordeste para sudeste entre o período da manhã e tarde; 2) o giro de noroeste para
sudeste ou calmaria entre a manhã e tarde (ou início da noite); 3) intensificação do vento de
sudeste no período diurno. Inclusive, Carrera e Silva Dias (1990) obtiveram esses padrões em
dados observacionais de estações de superfície e de radar de uma campanha realizada em
1989.
Sánchez-Ccoylo e Silva Dias (1998) analisaram campos de vento, imagens de satélite e
dados de estações de superfície e obtiveram que quando a brisa penetra na RMSP, a
temperatura do ponto de orvalho (
d
T ) cai bruscamente. Também verificaram um aumento da
razão de mistura em função do aumento de
d
T e um máximo valor para a Energia Cinética
13
Turbulenta (ECT) na frente de brisa, devido ao cisalhamento do vento. Nesse trabalho, os
dados do SODAR identificaram a dispersão dos poluentes pela brisa marítima.
Jorgetti et al. (2002) utilizaram dados de quatro estações de superfície distribuídas pela
RMSP e identificaram que a estação que registrou maior intensidade na frente de brisa foi a
localizada na Zona Leste da RMSP, o que segundo os autores está relacionado com a marcada
presença da ilha de calor urbano.
Oliveira et al. (2003) utilizaram dados de algumas estações da CETESB (Companhia de
Tecnologia de Saneamento Ambiental) e verificaram que entre os meses de Agosto e
Novembro, a brisa marítima é mais forte, mais freqüente e ocorre mais cedo sobre a RMSP,
provavelmente devido a intensificação do contraste entre o continente e o oceano.
Um dos trabalhos pioneiros na simulação numérica de brisa marítima na latitude de São
Paulo, sem incluir topografia, foi desenvolvido por Innocentini (1981), que utilizou um
modelo bi-dimensional e hidrostático com o objetivo de simular a brisa terrestre e identificar
o efeito que os termos não lineares das parametrizações dos transportes turbulentos
horizontais têm nesse tipo de circulação. Esse autor verificou que o termo de advecção
horizontal de temperatura é mais importante que o termo de advecção horizontal de momento,
pois sem ele não há velocidade o suficiente para configurar uma circulação de brisa. Neste
estudo, os transportes turbulentos dentro da camada limite superficial (CLS) foram
parametrizados segundo Bussinger (1971).
Silva (1986) acrescentou alguns elementos ao modelo utilizado por Innocentini (1981),
tais como uma topografia idealizada semelhante à Serra do Mar e ao planalto paulistano,
características de uma ilha de calor urbana para representar a RMSP e uma parametrização
mais sofisticada para representar a temperatura da superfície do solo. Este autor identificou
uma intensificação da circulação de brisa em decorrência da topografia.
Na década de 90, Bernadet (1992) e Vidale (1992) utilizando modelos numéricos
atmosféricos mais sofisticados do que os de Innocentini (1981) e Silva (1986) e incluíam a
14
topografia acidentada da Serra do Mar, voltaram a simular numericamente a circulação de
brisa no Estado de São Paulo. O modelo utilizado por Vidale (1992) considerou
parametrização sofisticada dos processos de troca de energia na CLP.
Segundo destacado por Bernadet (1992), a brisa marítima pode ter um papel benéfico ou
prejudicial na dispersão de poluentes. Benéfico, quando contribui para o aumento da
turbulência e do transporte, transportando os poluentes para áreas distantes de sua fonte, e
prejudicial por tratar-se de uma circulação fechada, pois pode aprisionar o poluente nas
proximidades de sua fonte.
A brisa marítima também contribui na organização da convecção da RMSP. Isso ocorre
devido sua interação com outros fenômenos que ocorrem na região, como, por exemplo, a ilha
de calor urbana. Quando a massa de ar relativamente úmida e fria da brisa marítima encontra-
se com a massa de ar relativamente quente da ilha de calor urbana pode organizar convecção.
As ilhas de calor são conseqüências das diferenças de temperatura entre os centros
urbanos e as regiões vizinhas. O concreto, o asfalto e outros materiais típicos dos centros
urbanos possuem maior emissividade que a vegetação, propiciando um aumento na
temperatura nos centros urbanos (Freitas, 2004). Além disso, a impermeabilização do solo faz
com que toda a água das chuvas seja drenada para bueiros e córregos, reduzindo assim a
transferência de calor latente e aumentando a de calor sensível se comparado às áreas rurais,
cuja cobertura (vegetação, solo, riachos, etc) proporcionam maior transferência de calor
latente. Recentemente, Freitas (2004) testou no modelo RAMS (Regional Atmospheric
Modeling System, Pielke et al. 1992) parametrização que trata as propriedades da superfície
urbana e mostrou que fontes de calor antropogênicas de origem veicular são importantes na
simulação do ciclo diurno de temperatura e umidade do ar na RMSP.
Freitas et al. (2007) concluíram através de simulações que a presença da ilha de calor
urbana interage com a brisa marítima, provocando aceleração em sua propagação pela RMSP,
o que foi identificado em testes de sensibilidade, realizados com e sem a presença da cidade.
15
Alguns trabalhos indicaram que a CB e outros fenômenos de mesoescala contribuem
para a dispersão de poluentes, como destacaram Bernadet(1992) e Freitas(2004). As
simulações de Freitas et al. (2004) utilizando o modelo meteorológico RAMS, mostraram
maiores concentrações de monóxido de carbono no litoral e a noroeste da RMSP, durante a
noite, indicando que a circulação de brisa possui um papel importante na dispersão dos
poluentes.
Em estudos diagnósticos, os MQA’s utilizam observações, de radiossondagens ou
estações de superfície que são interpolados de acordo com as necessidades específicas de cada
MQA. No entanto, as observações em geral são escassas, dificultando uma boa descrição das
circulações de mesoescala. Além disso, do ponto de vista operacional é mais interessante que
sejam feitos prognósticos, que podem ser divulgados à interessados, gerando com
antecedência alertas em regiões em que haverá uma alta concentração de um determinado
poluente e servindo como instrumento para medidas de prevenção e melhoria dos problemas
relacionados à poluição do ar.
Em alguns casos, o próprio modelo de mesoescala possui um módulo de química
simplificado, que calcula uma quantidade menor de reações químicas que os MQA´s, como é
o caso do modelo RAMS, utilizado por Freitas (2004). Por outro lado, os MQA’s offline são
aqueles que podem ser acoplados a modelos de mesoescala, ou seja, podem utilizar campos
gerados por estes modelos para simular a formação e dispersão de poluentes fotoquímicos,
como utilizaram Carbone et al. (2007), que concluíram que o Ozônio – poluente secundário,
oxidante, formado a partir de reações entre compostos orgânicos voláteis e óxidos de
nitrogênio - forma-se sobre a RMSP, mas é deslocado para leste com a penetração da brisa
marítima. Nesse trabalho, uma previsão do modelo Mesoscale Model version 5 (MM5, Grell
et al. 1995) cujos campos foram empregados no modelo fotoquímico da California Institute of
Technology (CIT, Harley et al., 1993), simulou que esse poluente é transportado para oeste,
enquanto a interpolação das observações de vento e ozônio das estações da Companhia de
16
Tecnologia de Saneamento Ambiental (CETESB) transportou para Noroeste, em direção a
região metropolitana de Campinas (RMC).
A acurácia dos MQA’s depende do cálculo correto de variáveis físicas e químicas,
conforme destaca Pino et al. (2004). Em MQA’s offline, são utilizados os campos
meteorológicos calculados pelo modelo de mesoescala, e para que haja uma correta
representação da dispersão de poluentes, é necessário fornecer variáveis como temperatura,
campo tridimensional do vento, razão de mistura do vapor d’água, precipitação, fluxos de
superfície e altura da Camada Limite Planetária (CLP). As variáveis meteorológicas mudam
rapidamente na CLP, devido à turbulência, responsável pela mistura, que é uma característica
desta região da atmosfera. Assim, para representar satisfatoriamente a circulação local em
modelos de mesoescala, é essencial que haja uma boa representação dos processos CLP.
Atualmente, o cálculo explícito das misturas turbulentas nos modelos meteorológicos é
praticamente impossível, pois exigiria um refinamento na grade do modelo que tornaria a
operacionalidade de uma previsão inviável. Por exemplo, no modelo de mesoescala utilizado
nesse trabalho, o MM5, a resolução horizontal máxima é de 500 m (Pielke, 2002). Portanto,
há a necessidade em se parametrizar muitos processos físicos, inclusive os processos
relacionados a CLP.
Uma das importâncias em representar de forma realística a CLP num modelo de
mesoescala (ou até mesmo de grande escala) é que os processos que ocorrem na CLP
interagem com outros processos da atmosfera, como nuvens e convecção. Além disso, a
representação do ciclo diurno nos campos de superfície é determinada pelo esquema de CLP
em conjunto com os esquemas de radiação e superfície. Cabe ainda acrescentar, que segundo
afirmado por Beljaars (1992), os fluxos de superfície vêm se tornando importante como dados
de entrada e para verificação em modelos de onda, climáticos e de poluição do ar.
Alguns trabalhos estudando a sensibilidade das parametrizações da CLP no modelo
MM5 já foram realizados. Interessados em averiguar a habilidade em reproduzir a CLP
17
profunda e bem misturada na vertical, uma característica da convecção de monção sobre o
Arizona, Bright e Mullen (2002) compararam quatro esquemas parametrizações de CLP no
modelo MM5 em simulações com 54 e 18 km de resolução horizontal. Tanto os esquemas de
Blackadar (1976 e 1978) como o MRF (Hong e Pan, 1996) previram mais corretamente do
que o de Burk e Thompson (1989) e Eta (Janjic, 1994) o desenvolvimento da CLP em termos
de temperatura, umidade e profundidade. No entanto, não simularam corretamente a inibição
convectiva o que implicaria em maior habilidade das parametrizações de CLP comparadas
para iniciar a convecção do que em suprimi-la.
O MM5 também foi utilizado por Braun e Tao (2000) para avaliar a intensidade do
furacão Bob, que ocorreu em 1991 sobre o Atlântico Norte em função da representação da
CLP. Os autores notaram que a intensidade da precipitação simulada possui grande
dependência na parametrização da CLP, indicando, portanto, que tal previsão pode ser tão
sensível à parametrização CLP como é sensível à parametrização da microfísica de nuvens.
Braun e Tao (2000) mostraram que todos os esquemas de CLP comparados forneceram ventos
mais intensos sobre o oceano do que as observações. Este resultado difere significativamente
de verificações para períodos mais longos (Colle et al. 2003) sobre os EUA (parte continental)
que mostraram que tanto o modelo ETA como o MM5 superestimam a intensidade do vento
(em cerca 0,5 – 2,0 m/s), mas a superestimativa do MM5 é cerca de 50-70% menor do que o
ETA.
Conforme destacado, o MM5 também pode ser utilizado para fornecer dados de entrada
para MQA’s offline. Vautard et al. (2004) utilizaram o MM5 com o MQA CHIMERE
(http://euler.lmd.polytechnique.fr/chimere) a fim de identificar os pontos fortes e fracos do
uso do MM5 para previsão de Ozônio, NOx e aerossóis na Europa. Para isso, utilizaram a
parametrização MRF (que é um esquema não-local) e obtiveram problemas nos esquemas de
microfísica, ou seja, não representaram adequadamente as propriedades de nuvens altas e
18
propriedades turbulentas de cumulus e stratus. Também verificaram a necessidade urgente do
desenvolvimento de um dossel urbano consistente e um esquema melhor para o solo.
Investigando episódios de poluição na região do Lago Michigan, nos Estados Unidos
da América, Shafran et al. (2000) compararam duas parametrizações de CLP no MM5.
Simulação tri-dimensional de um episódio de cinco dias de poluição nesta área mostraram que
a parametrização dos processos turbulentos de Gayno-Seaman (Gayno, 1994) reduz os erros
de previsão da profundidade da CLP e intensidade do vento comparado ao esquema de
Blackadar. Roebber et al. (2004) propõe que comparações rigorosas, das previsões de
modelos meteorológicos de alta resolução com observações, são necessárias para determinar
com que realidade o modelo prevê fenômenos de interesse. No entanto, muitas vezes estas
observações não estão disponíveis, tornando-se necessário realizar campanhas específicas de
observações.
Zunckel et al. (2005) utilizaram os campos previstos pelo MM5 para acoplar ao modelo
fotoquímico CAMx (http://www.camx.com). O estudo foi conduzido na África do Sul e
países vizinhos em 5 dias de cada mês, de outubro de 2000 a janeiro de 2001. Os autores não
explicitam quais parametrizações utilizaram para os processos físicos no MM5, pois
concentram-se mais no CAMx, e concluíram que as emissões atropogênicas e biogênicas
contribuem igualmente na formação do ozônio. A associação dos modelos MM5 e CAMx,
quando comparados aos dados monitorados de ozônio, apresentou bons resultados, exceto nos
meses de dezembro e janeiro, em que houve uma superestimativa pelo modelo.
Pérez et al. (2006) simularam com o MM5 as condições meteorológicas para a região de
Barcelona, na Espanha, durante um dia de primavera. Estes campos foram utilizados nos
modelos de emissões e de transporte de poluentes EMICAT2000/CMAQ. Para obter os
campos meteorológicos, foram utilizadas diferentes parametrizações da CLP: a GS (que é
uma parametrização local, de ordem 1,5) e as parametrizações não-locais MRF e Pleim-
Chang (PC). Verificaram que durante o dia, todos os esquemas tendem a subestimar a
19
temperatura, sendo que o esquema GS apresentou as menores subestimativas, pois a mistura
vertical local (dos esquemas locais) é menos eficiente em gerar camadas mais profundas e
bem misturadas que os esquemas não-locais. O esquema GS subestimou a intensidade do
vento comparado aos esquemas não locais . Quanto à circulação de brisa, os esquemas locais
apresentaram brisas marítimas mais intensas, o que pode ser explicado pelo transporte vertical
mais intenso de calor, criando um maior contraste de temperatura entre o oceano e o
continente.
20
2. MOTIVAÇÃO E OBJETIVOS
A RMSP possui intensos problemas com poluição do ar, já estudados em diversos
trabalhos anteriores, sob os mais diversos escopos: saúde pública (Saldiva, 1994), observação
(relatórios da CETESB,2006 e 2007) e modelagem (Martins, 2006). Conforme discutido na
introdução, os trabalhos que tratam a poluição sob o ponto de vista de modelagem numérica
(formação e dispersão de poluentes) necessitam de campos meteorológicos bem
representados. A RMSP é uma área com topografia complexa, intensa ocupação urbana e com
bastante interação entre os fenômenos de mesoescala que nela ocorrem. Os resultados da
previsão da formação e dispersão de poluentes podem ser divulgados via internet, por
exemplo, possibilitando que o público em geral consulte essa informação. No entanto, para
que esse tipo de divulgação seja feita, é necessário ter bons resultados, e deste modo é
necessário um bom conhecimento de como ocorrem as reações químicas na atmosfera, e de
como se dão os processos superfície-atmosfera numa área tão peculiar como a RMSP, sendo
este último o assunto deste trabalho.
O objetivo deste trabalho é identificar qual parametrização melhor simula a estrutura da
Camada Limite Planetária (CLP) na RMSP. Duas parametrizações são avaliadas: um esquema
não local de ordem 1, que é o esquema Blackadar (Blackadar 1976 e 1978; Grell et al. 1995;
Zhang e Anthes, 1982) e um esquema de ordem 1,5 local que faz o prognóstico da Energia
Cinética Turbulenta (ECT), que é o esquema de Gayno Seaman (Gayno et al. 1994; Gayno,
1994), ambas no modelo meteorológico MM5.
Além de avaliar as parametrizações citadas, também foram feitas assimilações de dados
observacionais durante a previsão (dados provenientes de radiossondagens lançadas em
aeroportos), para realizar comparações e verificar o impacto das assimilações no resultado
final da previsão.
21
O período de estudo desse trabalho é a primavera de 2006, mais especificamente o final
do mês de outubro e início do mês de novembro, quando houve o lançamento de radiossondas
meteorológicas e fotoquímicas, relacionadas ao Projeto Políticas Públicas (PPP) : “Modelos
de Qualidade do Ar Fotoquímicos: Implementação para Simulação e Avaliação das
Concentrações de Ozônio Troposférico em Regiões Urbanas”(FAPESP – no 03/06414-0),
coordenado pela Prof. Dr. Maria de Fátima Andrade. Estes dados serviram de comparação
com as previsões do MM5.
Cabe ressaltar que um dos objetivos desse projeto era a preparação dos campos
meteorológicos obtidos a partir de modelos meteorológicos em operação no DCA para serem
acoplados ao CIT (California Institute of Technology). Outro ponto muito importante em
modelos de qualidade do ar é a descrição da meteorologia. Assim, os objetivos dessa
dissertação de mestrado também satisfazem alguns dos objetivos do Projeto Políticas
Públicas, de modo que o projeto desenvolvido nessa dissertação está afiliado ao PPP.
22
3. DADOS E METODOLOGIA
3.1 O modelo MM5
O MM5 (Mesocale Model version 5) é a quinta versão do modelo de mesoescala
desenvolvido através de colaboração PSU-NCAR (Pensilvania State Univerty – National
Center for Atmospheric Research), conforme descrito em Grell et al. (1995). Pode ser baixado
gratuitamente em seu website (http://www.mmm.ucar.edu/mm5/). É um modelo de área
limitada e, portanto, depende além das condições iniciais, de condições de fronteira,
provenientes de re-análises ou simulações de modelo global. O modelo permite o
aninhamento entre grades, o que melhora a resolução sem comprometer o custo
computacional. O aninhamento entre grades não foi utilizado na etapa final desse trabalho, o
que será brevemente discutido posteriormente.
Por ser não hidrostático, resolver a equação do momento vertical, possibilita que
circulações de mesoescala que tipicamente não se comportam hidrostaticamente (como
complexos convectivos e brisas marítimas) sejam resolvidas mais realisticamente. Utiliza a
coordenada vertical sigma, que é a pressão normalizada pelo seu valor em superfície, de
acordo com a equação:
(
)
( )
TS
T
pp
pp
−
−
=
σ
(3. 1)
onde
S
p é a pressão na superfície e
T
p
é a pressão no topo do modelo, respectivamente. Desse
modo, os valores de
σ
variam de 1 a 0, sendo 1 o valor na superfície e 0 o valor no topo.
Os seguintes processos físicos são parametrizados no MM5: CLP, Radiação, Convecção
em Cumulus, Microfísica de Nuvens e Superfície. A Figura 3. 1 é um esquema, mostrando a
interação entre essas parametrizações. Os processos que ocorrem na CLP interagem com os
23
que ocorrem na superfície. De modo semelhante, as demais parametrizações interagem entre
si.
Figura 3. 1: Interação entre as parametrizações físicas no MM5. Adaptado de PSU/NCAR –
Dudhia et al. (2005).
Para a integração no tempo, na resolução das equações básicas, o MM5 utiliza um
esquema de diferenças finitas com técnica de solução “leap-frog” no tempo com “time
splitting” e segunda ordem no espaço. Esses detalhes, e a formulação do MM5 podem ser
encontrados em Grell et al. (1995) e Dudhia et al. (2005).
O MM5 utiliza condição de fronteira lateral de relaxação, e no topo, fronteira rígida ou
radiativa. Para a superfície, a condição de fronteira é baseada na fricção, com fluxos obtidos
da teoria da similaridade e com diferentes categorias de uso do solo, obtidas através dos dados
da USGS (United States Geological Survey). Cada categoria de uso do solo tem seu próprio
valor de albedo, emissividade, quantidade de água disponível, comprimento de rugosidade e
capacidade térmica. São 24 categorias de uso do solo.
entranhamento
Microfísica
Radiação
Superfície
CLP
Cumulus
Fracionamento
Efeito de
Nuvens
Onda Curta e
Longa em
direção a supf.
Emissão da supfc /
albedo
Fluxos de
calor sensível
e latente
Campos superficiais de
temperatura, umidade e
vento
24
A Figura 3. 3 mostra os módulos que compõe o MM5, que contemplam todas as etapas
necessárias para iniciar o modelo. Cada um desses módulos será descrito separadamente em
seguida:
- TERRAIN: Neste módulo, são definidas todas as dimensões dos domínios de simulação.
Aqui também são processadas todas as informações referentes à topografia do terreno, ao tipo
de uso do solo e vegetação. Além disso, esse programa também calcula alguns campos de
constantes, que serão utilizados pelos demais módulos: latitude e longitude, fatores de escala
do mapa e parâmetro de Coriolis. No módulo TERRAIN também é definida a projeção de
mapa a ser utilizada.
Os dados utilizados nesse módulo são da USGS (United States Geological Survey) e
estão disponibilizados em diferentes resoluções. A informação é recebida numa malha regular
de latitude/longitude e é interpolada horizontalmente para os domínios escolhidos. Em cada
ponto a informação de uso do solo corresponde a uma percentagem para cada tipo de solo. O
tipo de solo controla as seguintes propriedades: albedo, emissividade, disponibilidade de
água, inércia térmica e rugosidade. O programa interpola horizontalmente todos esses dados
para os domínios escolhidos, além de gerar campos de uso de solo e vegetação.
- REGRID: esse módulo faz a leitura de dados de análise meteorológica, provenientes do
NCEP (National Centers for Environmental Predicion) ou do AVN (Aviation Model), por
exemplo, em níveis de pressão ou de superfície e os interpola de acordo com a grade
horizontal e projeção definidos no TERRAIN. O REGRID é composto por dois
subprogramas. O primeiro deles, o pregrid, transforma as informações GRIB (Gridded Binary
Data) em um formato padrão que será lido pelo segundo deles, o regridder. O regridder
obrigatoriamente deve receber os seguintes campos em níveis de pressão: temperatura,
componentes horizontais do vento, umidade relativa e altura geopotencial. Na superfície, deve
receber dados de pressão ao nível médio do mar e temperatura da superfície do mar.
25
- LITTLE_R: É um módulo opcional, que permite modificações nos campos gerados pelo
REGRID através do uso de dados observacionais pontuais (como radiossondagens e estações
meteorológicas em superfície). A qualidade das observações é controlada através de
comparações entre a observação e os pontos de grade mais próximos.
O peso das observações comparativamente aos pontos de grade pode ser obtido através
de dois métodos: esquema de Cressman (Cressman, 1959) e multiquadrático (Nuss e Titley,
1994).
Neste trabalho utilizou-se o esquema de Cressman onde se define um raio de
influência (
i
r ), que ajuda a determinar a área de influência da observação. O tipo de forma
geométrica que define a área de influência da observação (circunferência, elipse ou elipse
alongada), varia de acordo com a velocidade do vento e com o raio de curvatura.
A velocidade do vento possui um valor crítico (
cr
V ), que é igual a 5m/s em 1000hPa e
cresce linearmente até 500hPa, onde atinge15 m/s e mantém-se constante até o topo da
atmosfera. O raio de curvatura (
c
r ) é calculado através da linha de corrente que passa através
da observação conforme definido por Manning & Haagenson, 1992:
k
r
c
1
=
(3. 2)
onde
k
é a curvatura, definida por:
2/3
2
2
1
−
+
=
u
dx
dv
v
dx
dv
u
u
v
k
(3. 3)
onde
u
e
v
são as componentes do vento.
26
Quando a variável a ser assimilada é a temperatura, utiliza-se o esquema de Cressman
tradicional, em que o raio de influência da observação é uma circunferência. Mas quando se
assimila vento ou umidade relativa, há situações em que a área de influência da observação
pode ser uma elipse ou uma elipse alongada (banana). Para essas variáveis, o raio de
influência do tipo “circular” é usado quando:
cobs
VV <
(3. 4)
O esquema de elipse é usado quando o vento observado é intenso e quando o raio de
curvatura é grande, conforme a eq. 3.5. Quanto mais intenso for o vento, maior a
excentricidade da elipse.
cobs
VV >
ic
rr 3>
(3. 5)
Já o esquema banana, é escolhido quando o raio de curvatura é pequeno, de modo que
é necessário alongar a elipse. É utilizado quando:
ic
rr 3<
(3. 6)
Exemplos ilustrativos sobre os esquemas citados podem ser observados na Figura 3. 2,
onde estão ilustradas as situações em que cada sistema deve ser empregado.
a)
b)
b)
c)
Figura 3. 2: Representações dos tipos de área de influência no esquema Cressman. O ponto P
representa um ponto da grade e os pontos On representam as observações. A figura a)
representa o esquema Cressman tradicional, com uma circunferência como área de influência.
As figuras b) e c) representam os esquemas elipse e banana.
Linha de Corrente
O
1
27
- INTERPF: Esse módulo cria os arquivos de condição inicial e de fronteiras a partir do
REGRID ou do LITTLE_R e faz a interpolação das variáveis de coordenadas de pressão para
a coordenada vertical
σ
. A interpolação vertical é linear para todas as variáveis, excetuando-
se a temperatura, cuja interpolação é linear com o logaritmo da pressão. No INTERPF
também são calculadas a perturbação da pressão e a velocidade vertical (que é obtida
integrando a divergência do vento horizontal).
- MM5: é o módulo que faz a previsão numérica de tempo, resolvendo as equações de Navier-
Stokes, da termodinâmica e da conservação de água no sistema, em coordenadas sigma. As
principais equações do MM5 podem ser encontradas em Grell et al. (1995) e Dudhia et al.
(2005).Nesse módulo, também são escolhidas as parametrizações para todos os processos
físicos listados na Figura 3. 1.
-MM5 to GRADS: faz a leitura dos resultados das previsões do módulo MM5 e prepara para a
visualização no software GrADs (Grid Analysis Display System). Pode também fazer a
leitura dos resultados dos demais módulos, para verificação.
28
A Figura 3.3 ilustra o diagrama de fluxo dos módulos do modelo MM5.
Figura 3. 3: Diagrama de fluxo do MM5.
Pré-processamento
Processamento
Pós-Processamento
29
3.2 Parametrizações da Camada Limite Planetária
O ciclo diurno na atmosfera está fortemente relacionado com uma boa representação das
trocas de energia e momento entre atmosfera e superfície (Pielke,1992). No entanto, as
condições de mesoescala e os sistemas sinóticos atuantes no período de interesse também são
fatores muito importantes para a determinação do ciclo diurno (Freitas, 2004). A CLP é uma
região da atmosfera importante para a formação e manutenção de alguns sistemas de
mesoescala (como por exemplo, tempestades convectivas, brisas marítimas e circulações vale-
montanha) através dos fluxos turbulentos entre a superfície e a atmosfera, havendo assim
trocas de energia entre a microescala e a mesoescala.
Normalmente, nos modelos numéricos atmosféricos as trocas turbulentas de energia
entre a superfície e a atmosfera acima, são características de subgrade. Deste modo, dada a
dificuldade física e/ou numérica de resolvê-las explicitamente, estes fenômenos são
parametrizados. Na parametrização de um fenômeno, são incluídos os efeitos dos processos
físicos implicitamente. Desse modo, são simulados os efeitos do processo e não o processo
em si, uma vez que mesmo que se reduza para um valor mínimo o espaçamento de grade, a
resolução ainda será insuficiente para resolver explicitamente os fluxos na CLP. Em modelos
de mesoescala, a CLP é resolvida, discretizando-a em subcamadas (Pielke, 2002).
A CLP é caracterizada pela presença de turbulência, e pela não linearidade das equações
que descrevem o fluxo turbulento e deste modo, sempre existem mais incógnitas do que
equações (Keller,1924), o que impossibilita a resolução direta do sistema de equações. Para
manter a descrição da turbulência tratável matematicamente, são feitas aproximações para um
número finito de equações, e as quantidades desconhecidas são aproximadas utilizando os
valores de quantidades conhecidas, e este procedimento dá origem aos chamados fechamentos
(Stull, 1988).
30
Estes fechamentos podem ser classificados quanto a sua ordem, classificada de acordo
com a ordem da equação prognóstica ou diagnóstica mantida, ou seja, um fechamento de
primeira ordem é aquele que mantém a equação para os momentos de primeira ordem e os
momentos de segunda ordem são aproximados. Um fechamento também pode utilizar apenas
uma parte das equações disponíveis numa categoria escolhida de momento (por exemplo,
utilizar apenas as equações de variância de umidade e temperatura), gerando assim
parametrizações de ordem 1,5.
As parametrizações de turbulência também podem ser classificadas como locais e não
locais, dependendo de como são considerados os gradientes verticais das variáveis para o
cálculo dos fluxos de superfície (Arya, 1998). Deve-se acrescentar que existem diferentes
modelos para os fechamentos, dependendo de como as variáveis conhecidas são consideradas
quando as quantidades desconhecidas são parametrizadas.
Resumidamente, a Tabela 3. 1 mostra as diferenças entre esquemas locais e não locais
para parametrização da CLP.
Tabela 3. 1: Comparações entre esquemas locais e não-locais
Esquemas Locais Esquemas não-locais
- chegou-se até a 3º ordem de aproximação - chegou-se apenas na 1º ordem de
aproximação
- apropriados para CLP’s neutras e/ou
estratificadas
- simulam melhor CLP’s profundas e com
grandes turbilhões (com convecção)
- os fluxos turbulentos são calculados
considerando o gradiente vertical apenas
- os fluxos turbulentos em um local são
uma superposição de turbilhões de vários
- os fluxos verticais de uma quantidade são
proporcionais ao gradiente vertical desta
- os fluxos verticais de uma quantidade
dependem também de um termo de
Quanto as parametrizações da CLP utilizadas neste trabalho, foram escolhidas duas
disponíveis na arquitetura do MM5 e que têm suas características básicas descritas na Tabela
31
3. 2. MO significa Teoria da Similaridade de Monin-Obukhov, utilizada nos cálculos da
superfície nos dois esquemas. Na coluna Teoria, K refere-se a Teoria-K, utilizada para
calcular os coeficientes de difusão turbulenta na parametrização BLK e ECT significa que o
cálculo dos coeficientes de difusão turbulenta é feito em função da Energia Cinética
Turbulenta (na parametrização GS). Na coluna “Det. hCLP", indica o modo como a altura da
camada limite planetária é diagnosticada: no esquema BLK, ela é diagnosticada a partir do
perfil de temperatura, enquanto na parametrização GS é a partir do perfil de ECT. A tabela 3.2
indica ainda que os esquemas GS e BLK resolvem 4 regimes de estabilidade (Estab); estável,
turbulência mecânica, convecção forçada e convecção livre.
Tabela 3. 2: Propriedades dos esquemas de CLP utilizados no trabalho. Adaptada de Durante
e De Paus (2007).
Esquema Abreviatura
Teoria Fech. Difus. Similari-
dade
Det.
hCLP
Estab.
Blackadar BLK K Ordem 1 Não local MO T 4 reg.
Gayno - Seaman GS ECT Ordem 1.5 Local MO ECT 4 reg.
Tanto na parametrização de CLP GS quanto na BLK, os fluxos da superfície (calor
sensível, umidade e momento) são calculados pela teoria da similaridade de Monin-Obukhov.
De acordo com Holton (1992) o fluxo turbulento horizontal pode ser desprezado quando a
turbulência horizontal é homogênea.
Conforme definido por Zhang e Anthes (1982) na Figura 3. 4 o substrato (substrate)
representa uma camada de solo profundo com temperatura invariante. O solo (ground)
representa uma camada fina de solo e a camada de superfície é fixada a 10m de altura acima
32
do solo. Todas as variáveis prognósticas (
u
,
v
,
θ
e
q
) são definidas em
2/1+i
z
e todas as
quantidades diagnósticas, como o número de Richardson
i
R
, os coeficientes de difusividade
turbulenta
K
, os fluxos de calor (
H
) e de momento (
τ
) são definidos nos níveis
i
z
. O
subscrito
a
é utilizado para representar o primeiro nível sigma
3
, o subscrito
g
é usado para o
solo e o
1
para o topo da camada de mistura.
Figura 3. 4: Estrutura vertical da CLP, adaptada de Zhang e Anthes (1982)
A velocidade de fricção é calculada como:
−
=
0*
0
*
,
ln
u
z
z
V
MAXu
m
a
ψ
κ
(3. 7)
3
Quando não for utilizado para determinar o primeiro nível sigma, estará explícito no texto.
33
Onde
m
ψ
é o parâmetro de instabilidade adimensional de momento, que depende do
regime de estabilidade, conforme descrito adiante,
κ
é a constante de Von Kármán,
a
z é a
altura no primeiro nível sigma e
0
z é o parâmetro de rugosidade, que depende do tipo de
ocupação do solo e
0*
u é o valor de fundo (
1
1,0
−
ms sobre a terra e zero sobre a água) e
V
é
dado por:
22
ca
VVV +=
(3. 8)
Com
a
V representando o módulo da velocidade horizontal primeiro nível sigma e
C
V a
velocidade convectiva dada por:
2/1
)(2
agC
V
θθ
−=
(3. 9)
Onde
a
θ
é a temperatura potencial no primeiro nível sigma e
g
θ
é a temperatura
potencial no solo. A equação é válida para condições instável e neutra, e sob condições
estáveis 0=
C
V .
O fluxo de calor latente na superfície é calculado por:
**
TucH
apmS
κρ
−=
(3. 10)
Onde
pm
c
é o calor específico do ar úmido à pressão constante (
11
01,1
−−
= KJgc
pm
),
a
ρ
é a
densidade do ar no nível mais baixo do modelo,
*
u
é dado pela equação (3. 7) e
*
T
é a
temperatura de fricção da superfície, dada por:
h
a
ga
z
z
T
ψ
θ
θ
−
−
=
0
*
ln
(3. 11)
Em que
h
ψ
é o parâmetro de estabilidade adimensional para calor e vapor d’água.
Os parâmetros
h
ψ
e
m
ψ
dependem do regime de instabilidade que é função do número
de Richardson de bulk (
iB
R ):
34
2
V
gz
R
vgva
a
a
iB
θ
θ
θ
−
=
(3. 12)
Onde
va
θ
e
vg
θ
são a temperatura potencial virtual no nível mais baixo do modelo e no
solo, respectivamente.
Como já se definiu
S
H
na equação (3. 10), cabe agora definir uma formulação para o
fluxo de umidade na superfície,
S
E , que foi derivada por Carlson e Boland (1978):
))((
1
vagvsaS
qTqIME −=
−
ρ
(3. 13)
A quantidade
1−
I
é dada por:
1
*
1
ln
−
−
−
+=
h
l
a
a
a
z
z
K
zu
I
ψ
κ
κ
(3. 14)
Onde
l
z é a profundidade da camada molecular (que é m01,0 sobre a terra e é igual a
0
z sobre
a água) e
a
K é a difusividade molecular de fundo, igual a
125
104,2
−−
smx ,
vs
q
é a razão de
mistura de saturação à temperatura
g
T , fornecida pela equação de Clausius-Clapeyron.
O valor de
0
z , na terra, depende do tipo de categoria de uso do solo (Dudhia, 2005). Já
sobre a água, este valor é função da velocidade de fricção (Delsol et al., 1971):
c
z
g
u
z
0
2
*
0
032,0 +=
(3. 15)
Onde
c
z
0
é um valor de fundo e igual a m
4
10
−
.
Conforme mostrado na Tabela 3. 2, os dois esquemas possuem 4 regimes de
estabilidade. São os regimes estável, turbulência mecanicamente gerada, convecção forçada e
de convecção livre
(estes dois últimos, são regimes instáveis), definidos em Grell (1995).
35
Esses regimes são determinados como função do número de Richardson e classificados
conforme um valor crítico, que é 05,3=
iC
R .
a) Caso estável:
iCiB
RR >
0**
uu =
(3. 16)
E, os parâmetros de instabilidade adimensionais de calor e momento são:
−==
0
ln10
z
z
a
hm
ψψ
(3. 17)
Para o calor sensível na superfície (
S
H ) é estabelecido um limite, de modo que neste
caso, a formulação torna-se:
),250(
**
2
TucWmMAXH
apmS
κρ
−−=
−
(3. 18)
b) Turbulência mecanicamente gerada:
iCiB
RR ≤≤0
−
−==
0
ln
51.1
5
z
z
R
R
a
iB
iB
hm
ψψ
(3. 19)
c) Instável (Convecção Forçada): 0<
iB
R e
5,1≤
L
h
36
Onde
h
é a altura da CLP e neste caso, o comprimento de Monin-Obukhov
L
é definido
como:
s
aapm
gH
uc
L
κ
θρ
3
*
−=
(3. 20)
0==
hm
ψψ
E então:
=
0
ln
z
z
R
L
z
a
iB
a
(3. 21)
d) Instável (Convecção Livre): 0<
iB
R e
5,1>
L
h
Neste caso, os parâmetros de estabilidade são:
32
474,099,123,3
−
−
−=
L
z
L
z
L
z
aaa
h
ψ
(3. 22)
32
249,007,186,1
−
−
−=
L
z
L
z
L
z
aaa
m
ψ
(3. 23)
Onde 0.2−<Lz
a
. E quando 0.2−=Lz
a
, teremos segundo Grell et al.. (1995)
29,2=
h
ψ
e 43,1=
h
ψ
.
Geralmente, Lz
a
é função de
m
ψ
e assim a equação (3. 21) é resolvida iterativamente.
No caso da parametrização BLK, para economizar tempo de processamento, aproxima-se
Lz
a
como função explícita de
iB
R
, conforme a equação (3. 25).
37
3.2.1 Parametrização Blackadar (BLK)
O esquema Blackadar (BLK) é um esquema não local, em que os fluxos verticais de
uma quantidade dependem também de termos de transporte (Blackadar 1976 e 1978; Grell et
al. 1995; Zhang e Anthes, 1982). Este esquema faz a previsão da mistura vertical do vento
horizontal (
u
e
v
), temperatura potencial (
θ
), razão de mistura (
q
), água de nuvem (
c
q ) e
gelo (
i
q ). Estas previsões utilizam um fechamento de primeira ordem híbrido não local, onde
os fluxos turbulentos dependem das variáveis resolvidas na escala da grade (como em um
fechamento de primeira ordem qualquer), mas que não dependem apenas dos gradientes
locais.
O esquema BLK já vem sendo utilizado no MM5 há cerca de 15 anos e considera uma
CLP com alta resolução, com vários níveis no primeiro quilômetro. Este esquema considera
dois regimes de estabilidade, de acordo com o definido na seção 2.1:
• regime noturno, que abrange os regimes da atmosfera estável ou pouco instável
(convecção forçada e turbulência mecânicamente gerada) ;
• regime diurno ou regime de convecção livre.
No regime noturno é usada a Teoria-K, em que os coeficientes de difusividade
turbulenta são definidos em função do número de Richardson local. Segundo Costa e Sousa
(2002), a Teoria-K assume que as misturas turbulentas são feitas entre as sucessivas camadas
de ar da CLP, sendo determinadas pelos gradientes locais assumindo sempre fluxo contra o
gradiente. Já no regime de convecção livre são usados os princípios desenvolvidos por
Blackadar (1996), que assume que as trocas são feitas entre a primeira camada e cada uma das
outras camadas atmosféricas o que corresponde a uma massa de ar que ascende do solo e
troca energia, momento e umidade em cada nível. Neste método o que controla as taxas de
mistura é o perfil vertical termodinâmico da atmosfera.
38
Os coeficientes de difusividade turbulenta (
h
K ,
m
K e
q
K
calor, momento e umidade,
respectivamente), derivados por Blackadar (1976) são função do número de Richardson para
o caso
ici
RR < .
iC
iiC
im
R
RR
lSKK
)(
2
0
−
+=
(3. 24)
qmh
KKK ==
(3. 25)
O número de Richardson
i
R é calculado como:
z
S
g
R
ia
i
∂
∂
=
θ
θ
2
(3. 26)
Nas equações,
12
0
1
−
=
smK
é um valor de fundo,
ml
40
=
é uma escala de
comprimento, definidos em Dudhia et al. (2005) e
i
S
é o cisalhamento vertical do vento.
Caso
ICi
RR ≥
:
0
KKKK
qmh
===
(3. 27)
i) Regime Noturno
O regime noturno compreende os casos a), b) e c) já descritos anteriormente. Seguindo
Zhang e Anthes (1982), estes casos utilizam a Teoria K nos prognósticos das variáveis
u
,
v
,
θ
e
q
dentro da CLP. O fechamento de primeira ordem é utilizado para calcular as variáveis do
modelo.O tensor tensão na superfície é calculado como:
39
2
*
u
s
ρτ
=
(3. 28)
A quantidade
ρ
é a densidade do ar e
*
u
é dado pela equação (3. 7). As componentes
de
s
τ
nas direções
x
e
y
são:
s
a
sx
V
u
ττ
=
(3. 29)
s
a
sy
V
v
ττ
=
(3. 30)
As equações prognósticas para as variáveis no nível de superfície são:
1
1
)(
zc
HH
dt
d
pma
sa
ρ
θ
−−
=
(3. 31)
1
1
)(
z
EE
dt
dq
a
sva
ρ
−−
=
(3. 32)
1
1
)(
zdt
du
a
sxxa
ρ
ττ
−−
=
(3. 33)
1
1
)(
zdt
dv
a
syy
a
ρ
τ
τ
−
−
=
(3. 34)
1
1
z
F
dt
dq
a
ca
ρ
−
=
(3. 35)
40
Nas equações de (3. 31) a (3. 35), as quantidades
1
H e
1
E representam os fluxos de
calor sensível e latente, respectivamente, no topo da camada de superfície (Figura 3. 4),
1
F é
o fluxo de água ,
ca
q
é a razão de mistura de água de nuvem no topo da camada de superfície,
1
z é a altura do topo da camada de mistura conforme Figura 3. 4 e as demais variáveis com
subscrito 1 indicam que foram calculadas no topo da camada de superfície.
Nas camadas acima da camada da superfície no regime noturno, as variáveis são
prognosticadas usando a Teoria K e um esquema de difusão implícita descrito em Richtmyer
(1957) e os coeficientes turbulentos são dados seguindo formulação de Zhang e Anthes
(1982).
ii) Regime de Convecção Livre
Quando ocorre aquecimento intenso da superfície, uma camada de ar superadiabática
forma-se na camada limite superficial (CLS). Por ser menos denso, este ar ascende em termas.
Conforme estas termas elevam-se, trocam energia, quantidade de movimento e umidade na
vertical.
Na superfície, as variáveis prognósticas são resolvidas através da seguinte equação
analítica:
h
tF
z
thm
hm
F
hm
F
hm
zF
sss
t
a
t
a
∆
+
−
∆
−⋅
+−+=
−+
1exp
1
1
2
1
11
αα
(3. 36)
Na equação (3. 36),
α
representa qualquer variável prognóstica,
s
F é seu fluxo na
superfície,
1
F
é seu fluxo no topo da camada de superfície, hé a altura da CLP, t
∆
é o passo
no tempo, e
m
é o coeficiente de mistura, dado por:
41
[ ]
′′
−−=
∫
zdzcHm
h
z
vvapma
1
)()1(
1
θθερ
(3. 37)
Na equação (3. 37), tem-se que 2,0
=
ε
, que é o coeficiente de entranhamento e
1
H
é o
fluxo de calor no topo da camada de superfície, calculado pela equação de Priestley (1956):
(
)
2/3
2/311
θθρ
−=
apma
bzcH
(3. 38)
E a constante b é definida como
[ ]
2/3
3/1
2/3
3/1
1
1
2/1
)2(
1
27
2
−
−
−
−
=
zz
z
g
b
a
θ
(3. 39)
Para as variáveis acima da camada de superfície, a equação prognóstica é:
)(
ia
i
m
dt
d
αα
α
−=
(3. 40)
)(
ia
i
m
dt
d
ααω
α
−=
(3. 41)
A equação (3. 40) é usada para as variáveis
v
q,
θα
=
ou
c
q e a (3. 41) para
v
u
,
=
α
. A
variável
ω
é uma função peso que tem a finalidade de reduzir a mistura no topo da camada de
mistura, definida como:
h
z
−=1
ω
(3. 42)
42
3.2.2 Parametrização Gayno –Seaman (GS)
O esquema GS foi descrito em Gayno et al. (1994) e em Gayno (1994). É baseado nos
modelos de fechamento de segunda ordem de Mellor e Yamada (1974) que calcula os fluxos
turbulentos resolvendo uma equação de previsão adicional para os momentos de segunda
ordem, enquanto parametriza os momentos de terceira ordem. Normalmente, um esquema de
segunda ordem precisa resolver 10 equações adicionais, considerando uma atmosfera seca,
portanto, aumenta consideravelmente o tempo de computação para as variáveis turbulentas.
Para tornar factível a utilização de fechamentos deste tipo, é necessário fazer aproximações
para limitar o número de equações prognósticas para os momentos de segunda ordem, e este
procedimento deu origem ao denominado “fechamento 1.5”. Gayno et al. (1994)
desenvolveram um esquema (referido como esquema de Gayno-Seaman ou GS) de
fechamento 1.5. Neste caso, a única equação de segunda ordem que é prognosticada é a
equação para a previsão da Energia Cinética Turbulenta (ECT), enquanto as demais equações
de segunda ordem, são parametrizadas.
Para garantir conservação de energia durante as mudanças de fase, na representação de
nuvem, considera-se um processo adiabático saturado. Neste processo, as únicas variáveis que
conservam-se são a temperatura potencial de água líquida
L
θ
e a razão de mistura da água
total
T
q
, propostas no trabalho de Betts (1973) e incorporadas a um fechamento de ordem 1,5
para simular nevoeiro por Musson-Genon (1987):
L
pm
L
q
c
L
T
θ
θθ
−=
(3. 43)
LT
qqq
+
=
(3. 44)
Nas equações (3. 43) e (3. 44),
L
é o calor latente de vaporização,
pm
c
é o calor
específico do ar úmido a pressão constante,
q
é a razão de mistura do vapor d’água e
L
q
é a
43
razão de mistura de água líquida. A condensação de subgrade é calculada usando a fórmula
exponencial proposta por Bougeault (1981), que baseia-se na fórmula de Clausius-Clapeyron
e usa nos cálculos as variáveis conservativas
L
θ
e
T
q
.
Os fluxos turbulentos no esquema GS são baseados nos temos de difusividade
turbulenta. Os coeficientes de difusão turbulenta de umidade e momento
(
h
K e
m
K respectivamente) são função da ECT.
−
∂
∂
−=
′′
g
L
hL
z
Kw
γ
θ
θ
(3. 45)
z
q
Kqw
T
hT
∂
∂
−=
′′
(3. 46)
z
v
Kvw
H
mH
∂
∂
−=
′′
(3. 47)
onde,
l
θ
′
é a perturbação da temperatura potencial de água líquida,
T
q
′
é a perturbação da
razão de mistura total,
h
v é o vetor vento horizontal e
h
v
′
é a perturbação do vetor vento
horizontal.
Na equação (3. 45), o termo
g
γ
é um termo contrário ao gradiente e depende do fluxo
de calor sensível proveniente da superfície
S
H , da altura da CLP
h
e da escala de velocidade
convectiva
*
w
. Este termo é adicionado na equação (3. 45) apenas quando
hz 2,1
<
, para
corrigir o fluxo em condições convectivas (Therry e Lacarère,1983).
hw
H
S
g
*
5
=
γ
(3. 48)
44
A altura da CLP
h
é diagnosticada através do perfil vertical de ECT,ou seja, é a altura
em que a ECT atinge o valor mínimo de
22
2,0
−
sm . A velocidade convectiva
*
w
é uma escala
de velocidade dada por
(3. 49)
Ou seja, depende da aceleração da gravidade
g
, da altura da CLP
h
, do fluxo de calor
sensível proveniente da superfície
S
H ,e da temperatura potencial virtual calculada no nível
mais baixo do modelo
a
θ
.
Conforme foi dito, os coeficientes de difusão turbulenta de umidade e momento
(
h
K e
m
K respectivamente) são funções da ECT, e são equacionados conforme segue:
2/1
ElK
hh
=
(3. 50)
2/1
ElK
mh
=
(3. 51)
As escalas de comprimento de mistura para umidade e momento,
h
l e
m
l respectivamente,
dependem de ²²,, SeNEl e foram definidas em Ballard et al. (1991), onde
l
é a escala de
comprimento de Blackadar ,
E
é a ECT,
N
é a freqüência de Brunt-Väisälä em condições
úmidas e
S
é o cisalhamento vertical do vento.Conforme Blackadar (1962), tem-se:
111
)(
−−−
+=
λκ
zl
(3. 52)
3
/
1
*
=
S
a
H
gh
w
θ
45
Na equação (3. 52),
λ
representa o valor atingido por
l
na atmosfera livre e z é a altura
do nível mais baixo do modelo. Em geral,
zl
κ
=
. No entanto, Blackadar (1962) verificou que
esta formulação clássica, chamada comprimento de mistura de Prandtl fornecia valores de
coeficiente de difusão muito elevados em situações neutras. Com simulações computacionais,
Blackadar (1962) obteve a equação (3. 52), de modo que
l
aumenta com o aumento de
z
κ
nas
proximidades do solo e aproxima-se de um valor fixo em alturas mais elevadas.
λ
é obtido
como:
f
G00027,0
=
λ
(3. 53)
Onde
G
é o módulo do vento geostrófico e
f
é o parâmetro de Coriolis. Portanto, no equador
lambda tende ao infinito e a formulação clássica de Prandtl mantém-se. A equação (3. 53)
resulta do trabalho de Blackadar (1962), que também é destacado por Beljaars (1992).
A equação prognóstica para a ECT é dada por:
0
)(
τ
θ
θ
E
Ew
z
w
g
z
v
vw
dt
dE
v
v
H
H
−
′
∂
∂
−
′′
+
∂
∂
′′
−=
I
II
III
IV
(3. 54)
Em que cada termo representa:
- O termo I é a flutuação vertical do vento horizontal multiplicado pela sua variação com
a altura e representa a produção mecânica de ECT, através do cisalhamento vertical do vento
horizontal;
- O termo II é a razão da aceleração da gravidade pela temperatura potencial virtual
v
θ
multiplicada pela flutuação vertical da temperatura potencial virtual e representa a produção
ou supressão da ECT por forças de empuxo (produção térmica);
46
- O termo III é a variação vertical da flutuação vertical de ECT e descreve o transporte
turbulento de ECT;
- O termo IV é a razão entre a ECT e a escala de tempo de dissipação
0
τ
e corresponde a
dissipação de ECT na forma de calor pela viscosidade molecular.
Segundo Someria (1976), a temperatura potencial virtual
v
θ
na equação (3. 55) é dada
por:
)608,01(
lv
qq −+=
θθ
(3. 55)
A dissipação da turbulência ocorre na escala de milímetros e é proporcional a ‘cascata
de energia’, de turbilhões maiores para turbilhões menores (Tennekes e Lumley,1972). No
entanto, a taxa de dissipação (ou escala de tempo de dissipação
0
τ
) pode ser escrita em
termos das propriedades típicas dos turbilhões maiores (
NE,
e
l
). Seguindo Ballard et al.
(1991),
0
τ
é definido como:
2/122
0
0
)(
NlFE
lc
L
+
=
τ
(3. 56)
Onde as constantes 524,5
0
=c e 098,7
=
L
F
são adimensionais e determinadas
empiricamente.
Acima da CLP, esta mesma parametrização pode representar camadas com turbulência
tanto em situações de céu claro como nublado. Os fluxos de superfície utilizados nos cálculos
no esquema GS (
S
H , por exemplo) são provenientes da mesma parametrização de
similaridade de Monin-Obukhov usada no esquema BLK, descritos em Zhang e Anthes
(1982). Maiores detalhes sobre o esquema GS podem ser encontrados em Gayno (1994).
47
3.3 O Modelo Fotoquímico CIT e seu acoplamento ao MM5
O modelo de qualidade do ar CIT, é um modelo euleriano que descreve a distribuição
espacial e temporal de poluentes inertes e ativos quimicamente na atmosfera. Este modelo e
suas aplicações são descritos em Harley et al., (1993). Este modelo baseia-se na solução
numérica da equação de difusão atmosférica para concentrações de diferentes espécies
químicas. A variação da concentração de cada composto químico depende da advecção,
turbulência e reações químicas envolvidas.
O CIT permite o estudo do transporte e a formação de poluentes fotoquímicos na
camada limite planetária através da aplicação da equação de difusão atmosférica, conforme
equação (3. 57):
QicccRiciKciu
t
ci
n
++⋅∇⋅•∇=⋅•∇+
∂
∂
),...,()()(
21
(3. 57)
Onde Ri representa a taxa de produção ou consumo da espécie
i
por reações químicas e Qi é
a taxa de produção da espécie
i
devido a emissões.
É importante salientar que o modelo CIT não considera processos de remoção úmida,
portanto não pode ser utilizado em situações de precipitação. Além disso, o CIT não leva em
conta a alteração que as espécies traço podem causar nas características físicas da atmosfera,
como temperatura ou transmitância.
O CIT é um modelo offline, quando se refere aos campos meteorológicos, pois é
necessário inicialmente que se gere esses campos a partir de interpolações de observações ou
prognósticos, para que em seguida seja realizada a previsão das espécies químicas.
Como entrada de dados químicos, é necessário fornecer dados de qualidade do ar e
inventários de emissão. Para a RMSP, esses dados foram fornecidos de acordo com o trabalho
de Martins et al. (2006), que incluiu dados de emissões veiculares em túneis e dados de
qualidade do ar da CETESB.
48
Os dados meteorológicos fornecidos são provenientes de campos gerados pelo MM5,
devidamente interpolados para a grade do CIT. As variáveis meteorológicas necessárias são:
campos de umidade, temperatura e vento em superfície e altura da CLP, que são interpolados
conforme descrito em Goodin et al. (1979a e 1979b).
Para realizar essa interface, entre o MM5 e o CIT, os seguintes pontos foram levados em
consideração:
-
Os resultados do modelo MM5, utilizados para construir os campos que foram
incorporados ao CIT, estão em coordenada vertical sigma e na projeção
mercator.
-
No entanto, o CIT utiliza coordenada vertical discretizada em 5 camadas e
coordenada horizontal UTM (Universal Transverse Mercator).
Para realizar o acoplamento, dois procedimentos foram adotados:
1)
Os campos bidimensionais previstos pelo MM5 (temperatura a 2m, umidade, altura
da base de inversão, vento próximo a superfície – 10m de altura) foram diretamente
interpolados da projeção mercator para a UTM. A partir dessa etapa, puderam ser
inseridos diretamente no CIT. Nesse procedimento, algumas variáveis também
foram ajustadas aos valores esperados pelo CIT (a temperatura, em ºC, foi
multiplicada por 10 ; a altura da camada de mistura, em m, foi também multiplicada
por 10).
2)
O CIT necessita de informações sobre a estrutura vertical do vento, na qual deve ser
obedecida a continuidade de massa. Foram então selecionados 15 pontos do domínio
do CIT (3 norte-sul e 5 leste-oeste), nos quais construíram-se sondagens em 22
níveis verticais (20m, 50m, 100m, 200m, 300m, 400m, 500m, 600m, 700m, 800m,
900m, 1000m, 1100m, 1200m, 1300m, 1400m, 1500m, 1600m, 1700m, 1800m,
1900m e 2000m), de direção e velocidade do vento. Essas sondagens, juntamente ao
campo horizontal do vento (conforme obtido no item (1) anterior), foram fornecidos
49
a um dos programas de interface do CIT, que utilizando a equação da continuidade
de massa para um fluido incompressível, gerou seu próprio campo tridimensional de
vento.
Os arquivos de emissão, topografia e rugosidade da superfície utilizados nesse estudo
foram os mesmos de Martins et al. (2006).
Com os dados obtidos pelos procedimentos (1) e (2) procedeu-se a integração
do modelo CIT, que também foi adaptado dos sistema operacional MSDOS para
LINUX, durante o desenvolvimento desta interface.
50
3.4 Metodologia
Foram feitos experimentos numéricos que utilizaram como condição inicial e de
fronteira previsões do modelo global AVN (Aviation Model), com 1º x 1º de resolução
horizontal e temporal de 6h. Nesses experimentos numéricos, foi utilizada uma grade
(domínio) centrada n RMSP. A Figura 3. 5 ilustra o domínio de simulação e na Tabela 3. 3
são apresentados o espaçamento de grade, passo no tempo e números de pontos nas direções x
e y.
Inicialmente, o trabalho foi concebido de modo que as previsões fossem feitas em 3
grades aninhadas, sendo que a menor grade era centrada sobre a RMSP e abrangia a área de
interesse do PPP, área para a integração do CIT, como em trabalhos relacionados (Martins et
al. 2006; Carbone et al. 2007). Durante a realização do trabalho, verificou-se que o uso das 3
grades aninhadas fez com que a solução ficasse instável na grade mais refinada. Assim,
optou-se por utilizar uma grade única, conforme ilustrado na Figura 3. 5 e na Tabela 3. 3.
Com essa grade única, o domínio do PPP para integração do CIT ficou mais distante das
fronteiras, evitando assim problemas de interferência das fronteiras na área de interesse, ou
seja, RMSP, permitindo o desenvolvimento mais livre de circulações locais na área da RMSP.
Figura 3. 5 – Domínio utilizado nos experimentos realizados com o modelo MM5.
51
Tabela 3. 3 - Especificações dos domínios utilizados.
Espaçamento de
grade yx
∆
=
∆
Número de
pontos
Leste-Oeste
Número de
pontos
Norte-Sul
Passo no
tempo t
∆
8km 120 100 30s
Como dados de entrada de topografia e uso do solo utilizou-se a resolução horizontal de
30’’ (aproximadamente 900m) no módulo TERRAIN, que é a maior resolução de topografia
disponível no MM5. O uso do solo é discretizado em 24 categorias, definidas pela USGS. A
Figura 3. 6 mostra o uso do solo e na Tabela 3. 4 as categorias, utilizadas para a RMSP.
Apesar de serem 24categorias, a figura e a tabela mostram apenas 16, pois as demais
categorias ocorrem nesse domínio, por serem características de áreas localizadas em latitudes
mais baixas.
A Figura 3. 6 indica que o modelo considera como “Região Urbana” a área
compreendida sobre o centro de São Paulo (que é o tom de vermelho, referente à categoria 1
da tabela 3.2 ) , praticamente toda Zona Leste, Norte e Oeste, desconsiderando como área
urbana principalmente o extremo sul da Zona Sul de São Paulo. Deste modo, é possível
observar com clareza a mancha urbana sobre a RMSP capturada pelos dados da USGS.
52
Figura 3. 6 - Categorias de uso do Solo no domínio 3. Destacado o mapa da RMSP
53
Tabela 3. 4 - Legenda da Figura 3. 6.
Categoria Tipo de uso do solo
1 Urbano
2 Pastagem seca
3 Pasto irrigado
4 Mistura (pasto seco e irrigado)
5 Plantação/Grama Irrigado
6 Plantação/Madeira Irrigada Mosaico
7 Gramado
8 Restinga
9 Pampas
10 Mistura Pampas/Restinga
11 Cerrado
12 Floresta Decídua 1
13 Floresta Decídua 2
14 Floresta Perene 1
15 Floresta Perene 2
16 Corpos d’água
A Figura 3. 7 mostra a representação de topografia pelo modelo. No centro do
domínio, nas vizinhanças da RMSP, que é a área de interesse, é possível observar o Planalto
Atlântico Paulista, onde está localizada a RMSP, bem como a encosta da Serra do Mar a leste,
onde as altitudes decrescem até o nível do mar. No limite norte da RMSP, é possível observar
a Serra da Cantareira, com altitudes próximas a 900m. Ao norte do mapa, com altitudes
superiores a 1000m tem-se a Serra da Mantiqueira, já na divisa com Minas Gerais.. Entre a
Serra da Cantareira e a região mais elevada da Serra do Mar (-22,8º;45º), há uma região de
vale, conhecida como Vale do Paraíba.
54
Figura 3. 7 – Topografia da RMSP obtida a partir de dados da USGS.
Para os demais processos físicos, que não CLP, foram escolhidas as parametrizações
descritas a seguir, cuja descrição detalhada pode ser encontrada em Grell et al. (1995).
- Parametrização de Cumulus Grell. (Grell, 1993): Nesta parametrização, as nuvens são
representadas por duas circulações estacionárias, ou seja, as correntes ascendente e
descendente só se misturam com o ar ambiente no topo e base destas circulações. O
aquecimento e umedecimento resultante da aplicação do esquema são determinados a partir
dos fluxos de massa de compensação e desentranhamento de massa no topo e base da nuvem.
Como esta parametrização é adequada para domínios com espaçamento de grade da ordem de
10 a 30 km, pode ser que futuramente no D3 utilize-se uma parametrização mais apropriada.
(Figura 3. 5). A opção ISHALLO=1 foi mantida, o que significa que pode haver nuvens não
precipitantes (cumulus rados) e uniformes de raio pequeno e forte entranhamento,
- Esquema de Microfísica Simple Ice (Dudhia): Considera processos envolvendo gelo. Não
considera água superesfriada e toda neve abaixo da isoterma de 0ºC é imediatamente
derretida.
55
- Esquema de Radiação “Cloud-Radiation” (Nuvem-radiação): Considera as interações para
onda curta e onda longa com nuvem e céu claro. Além de calcular as tendências de
temperatura na atmosfera, também calcula os fluxos de radiação na superfície.
- Esquema de Superfície de Solo de 5 camadas: A temperatura é prevista em 5 profundidades
do solo (1,2,4,8 e 16cm), com um substrato fixo logo abaixo, usando a equação da difusão
vertical (Dudhia, 1996).
Foram analisadas 4 previsões, iniciadas às 00Z do dia 30 de outubro de 2006 e com
48h de duração. As parametrizações para todos os processos físicos foram as mesmas, exceto
a de CLP, em que se utilizou BLK ou GS. A Tabela 3. 5 sintetiza e descreve as previsões
analisadas. Duas das previsões assimilaram observações a cada 12h, durante todo período de
integração. Esses dados são provenientes de Estações do INMET (Instituto Nacional de
Meteorologia) e radiossondagens lançadas nos aeroportos de Campo de Marte (SP) e Galeão
(RJ), conforme identificados na Figura 3. 8. No caso das estações do INMET, foram
assimilados temperatura, temperatura do ponto de orvalho, vento, pressão ao nível médio do
mar, temperatura máxima e temperatura mínima. Já no caso das radiossondagens, foram
assimilados temperatura, temperatura do ponto de orvalho e vento.
A assimilação de dados utilizou o esquema Cressman, com raio de influência de 16km
(2 espaçamentos de grade), concentrando assim a influência das observações numa região
pequena e evitando que eventuais perturbações surgissem no modelo.
Tabela 3. 5 - Simulações realizadas
Simulação Parametrização
CLP
Assimilação de
Dados
1 BLK Não
2 GS Não
3 BLK Sim
4 GS Sim
56
Figura 3. 8 – Estações do INMET (PCD’s) e radiossondagens cujos dados foram assimilados
durante as previsões. As marcas vermelhas representam as PCD’s e as marcas azuis as
radissondagens (Campo de Marte, na RMSP e Galeão, no Rio de Janeiro).
Inicialmente, as parametrizações foram comparadas entre si, a fim de identificar as
habilidades e as particularidades de cada parametrização da CLP. Em seguida, alguns pontos
dessas simulações foram comparados com dados horários de superfície de estações fixas da
CETESB. A distribuição espacial dessas estações está na Figura 3. 9 e a
Tabela 3. 6 mostra as latitudes e longitudes, além da variável observada (vento ou
temperatura) em cada estação.
57
a)
b)
Figura 3. 9: Estações de Superfície da CETESB, com dados de temperatura (a) e vento (b),
utilizadas para estudar o ciclo diurno.
Tabela 3. 6: Coordenadas das Estações da Figura 3. 9
Estação Latitude Longitude Alt. (m) Vento Temperatura
Santana -23,5056º -46,628532º 728 X
Ibirapuera -23,5914º -46,660221º 750 X
São Caetano do Sul -23,6453º -46,535839º 760 X X
Taboão -23,6089º -46,757977º 755 X
Campinas -22,9022º -47,057022º 674 X
Sorocaba -23,5024º -47,478813º 622 X
São José dos Campos -23,1875º -45,870773º 603 X X
Água Funda -23,650º -46,6166º 802 X
Guarulhos -23,4629º -46,495544º 730 X
Santo Amaro -23,6546º -46,709572º 742 X
Osasco -23,5263º -46,791641º 740 X
São Bernardo -23,6709º -46,584251º 752 X
Cubatao Vila Parise -23,849º -46,38829º 5 X
Santo André Capuava -23,6394º -46,491192º 815 X
58
Durante os dias 30 e 31 de outubro e 01 de novembro, foram realizadas
radiossondagens referentes ao Projeto de Políticas Públicas (FAPESP – no 03/06414-0).
Foram realizadas radiossondagens a partir do prédio do IAG-USP
4
. Além dessas
radiossondagens, também há aquelas lançadas tradicionalmente no Campo de Marte
5
. Os dois
sítios de lançamento estão localizados na RMSP, sendo o primeiro na Zona Oeste e o último
na Zona Norte. As radiossondagens do dia 31 de outubro, cujos horários de lançamento estão
apresentados na Tabela 3. 7, foram utilizadas para avaliar a estrutura vertical da atmosfera
prevista pelo MM5.
Tabela 3. 7: Horário dos lançamentos das radiossondagens do Projeto Políticas Públicas, Mp
IAG-USP e das radiossondagens do Campo de Marte
Localidade Hora (UTC) e data
Campo de Marte 00Z 31 de outubro de 2006
IAG 02Z 31 de outubro de 2006
IAG 05Z 31 de outubro de 2006
IAG 12Z 31 de outubro de 2006
IAG 14Z 31 de outubro de 2006
IAG 18Z 31 de outubro de 2006
IAG 21Z 31 de outubro de 2006
Os campos previstos pela parametrização BLK sem assimilação de dados (Tabela 3. 5)
foram utilizados no CIT para avaliar a formação e dispersão do ozônio no dia 30 de outubro
de 2006. Adicionalmente, foi feita uma outra previsão iniciada às 00Z do dia 31 de outubro de
2006, cujos campos também foram empregados no CIT para avaliar o próprio dia 31 de
outubro. A parametrização BLK foi escolhida pois prevê o vento a 10m de altura e a
4 Coordenadas do prédio do IAG-USP: 23,559361ºS;46,733333ºW
5 Coordenadas do Campo de Marte: 23,50ºS;46,63ºW
59
temperatura a 2m de altura, variáveis necessárias para a integração do CIT. O poluente
analisado foi o Ozônio, por ser o poluente que mais ultrapassou os padrões de qualidade do ar
estabelecidos na RMSP, de acordo com os dois últimos relatórios da CETESB (CETESB,
2006 e 2007). Os campos com previsões da dispersão de ozônio foram comparados com as
observações horárias das estações da CETESB, que são distribuídas de acordo com a Figura
3. 10.
Figura 3. 10: Estações de Superfície da CETESB em que são realizadas medições horárias de
ozônio.
60
4. RESULTADOS E DISCUSSÕES
4.1 Análise Sinótica do Período do Experimento
Para este período, foi feita uma análise sinótica a partir de análises do modelo global do
NCEP, o AVN, o mesmo utilizado como condição inicial e de fronteira para as previsões
numéricas com o MM5 investigadas neste trabalho. Esta análise concentrou-se em identificar
os sistemas sinóticos atuantes no Estado de São Paulo
Às 00Z do dia 30 de outubro, em baixos níveis (Figura 4. 1a) observa-se ventos
tipicamente de Sudeste sobre o Estado de São Paulo, associados a um sistema com circulação
ciclônica nas proximidades da costa do Rio de Janeiro (aproximadamente 40ºW-23ºS). As
temperaturas são menores no litoral (cerca de 16ºC) e aumentam em direção ao interior
(Figura 4. 1b). Em níveis médios (Figura 4. 1c), a circulação ciclônica observada em níveis
baixos é mantida, e predominam ventos sobre SP de sul/sudeste. O mesmo ocorre para níveis
altos (Figura 4. 1d), caracterizando assim um sistema barotrópico.
Analisando as imagens de satélite do canal infravermelho para todo o dia 30 de
outubro (Figura 4. 2), observa-se às 00Z (Figura 4. 2a) nuvens convectivas intensas cobrindo
o Oeste de Santa Catarina, sudoeste do Paraná e Noroeste do Rio Grande do Sul. Às 06z estas
nuvens se dissipam, gerando nebulosidade sobre grande parte do Estado de São Paulo (Figura
4. 2b), com algumas pequenas células convectivas persistindo sobre o Paraná e Mato Grosso
do Sul. Às 12z e 18z (Figura 4. 2c e Figura 4. 2d respectivamente) observa-se pouca
nebulosidade sobre o Estado de São Paulo e muito pouca sobre a RMSP.
61
a)
b)
c)
d)
Figura 4. 1: Campos de pressão ao nível médio do mar (hPa) e vento em 850hPa (m/s) na
figura (a); Temperatura (ºC) a 2m de altura, na figura (b); Vento (m/s) e geopotencial (m) em
500hPa na figura (c) e em 200hPa na figura (d). Todas as figuras, para o dia 30/10 às 00z.
62
a)
b)
d)
d)
Figura 4. 2: Imagens de Satélite do canal infravermelho GOES-12 (realçadas), do
CPTEC/INPE, fornecidas pelo laboratório MASTER (Meteorologia Aplicada a Sistemas de
Tempo Regionais) do IAG-USP . As figuras são para o dia 30 de outubro e são referentes aos
horários mais próximos das 00z (a); 06z(b);12z(c) e 18z(d).
No dia 31 de outubro (Figura 4. 3), observa-se em baixos níveis (Figura 4. 3a), que a
circulação ciclônica que existia sobre o Oceano Atlântico no Leste do Rio de Janeiro no
horário anterior (Figura 4. 1a) enfraqueceu e os ventos sobre São Paulo são menos intensos do
que no dia anterior, além de serem agora de Nordeste. A temperatura no interior do Estado
diminuiu cerca de 1ºC a 2ºC (Figura 4. 3b) com relação ao dia anterior (Figura 4. 1b). Em
níveis médios (Figura 4. 3c), o sistema ciclônico sobre o leste da Região Sudeste enfraqueceu
comparado ao dia 30 e exerce menor influência sobre a direção dos ventos no Estado de São
63
Paulo. Em níveis altos (Figura 4. 3d), observa-se uma bifurcação do jato subtropical,
causando uma circulação anticiclônica sobre o Sudeste do Brasil, e ventos de Sudoeste sobre
todo Estado de São Paulo.
As imagens de satélite indicam poucas nuvens sobre o Estado de São Paulo. Durante a
madrugada e manhã (Figura 4. 4a e Figura 4. 4b ) observa-se nuvens médias e baixas sobre a
região Sul e Sudoeste do Estado de São Paulo. Na Figura 4. 4c, próximo ao horário de
máximo aquecimento, não há quase nenhuma nuvem sobre o Estado de São Paulo. Já as 18z
(Figura 4. 4d), aumenta a quantidade de nuvens altas sobre o Estado de São Paulo,
provavelmente em decorrência da presença de nuvens com grande desenvolvimento vertical
sobre o Mato Grosso do Sul.
64
a)
b)
c)
d)
Figura 4. 3: Idem a Figura 4. 1, mas para 00Z do dia 31/10
65
a)
b)
c)
d)
Figura 4. 4: Idem a Figura 4. 2, mas para o dia 31 de outubro.
No dia 01 de novembro às 00Z, observa-se ventos intentos de nordeste na costa Sudeste
do Brasil (Figura 4. 5a). A temperatura aumentou cerca de 1-2ºC no interior do Estado de São
Paulo com relação à 24h antes, e mantém-se constante nas outras regiões do Estado (Figura 4.
5b). Em níveis médios (Figura 4. 5c), o sistema ciclônico observado nos dias anteriores
perdeu força e aparentemente dissipou-se. Em níveis altos, predominam ventos de Sudoeste
sobre São Paulo, como observado no dia anterior, e causados pela bifurcação do jato
subtropical (Figura 4. 5d). Neste dia, as imagens de satélite registram nebulosidade sobre o
Estado durante praticamente o dia todo, com formação de nuvens mais desenvolvidas
66
verticalmente às 18Z (Figura 4. 6d) sobre a região do Vale do Paraíba, que causaram chuvas
nesta região.
a)
c)
d)
Figura 4. 5: Idem a Figura 4. 1, mas para 00Z do dia 01/11
67
a)
b)
c)
d)
Figura 4. 6: : Idem a Figura 4. 2, mas para o dia 01 de novembro.
68
4.2 Comparação entre as parametrizações de CLP
Nesse item, procurou-se identificar as principais diferenças entre as parametrizações de
CLP, com relação à habilidade em prever sistemas de mesoescala. Foram analisados os dois
dias de previsão.
O modelo foi iniciado às 00z de 30 de outubro 2006, e as variáveis prognósticas
relacionadas à CLP não são calculadas nesse primeiro instante. Desse modo, não há
diferenças entre as parametrizações. No entanto, existem diferenças nas condições iniciais
das previsões com e sem dados assimilados.
A Figura 4. 7 indica que com a assimilação de dados (Figura 4. 7b) aumenta-se a
temperatura e desacelera-se os ventos sobre a RMSP, principalmente na próximo à Zona
Norte da RMSP, nas proximidades do Campo de Marte e de uma estação do INMET (Figura
3. 8).
Tomando as coordenadas do Campo de Marte como referência e considerando os 15
primeiros níveis sigma (desse modo, estuda-se as variações desde cerca de 18m de altura até
cerca de 2100m, Figura 4. 8a), verifica-se que a assimilação de dados modificou o perfil de
temperatura (Figura 4. 8b) da condição inicial, aumentando a temperatura nas proximidades
da superfície em até 1,5ºC, reduzindo entre cerca de 300 e 500m de altura, voltando a
aumentá-la entre 600 e 1200m e reduzindo novamente a partir de 1200m. Acima de 2100m, as
diferenças entre a condição inicial com e sem dados observados são muito pequenas. As
maiores diferenças, são portanto na superfície. Quanto ao vento, com dados assimilados, sua
magnitude é reduzida em quase 1m/s abaixo de 500m de altura, já acima disso, a assimilação
de dados aumenta em cerca de 1,5m/s a velocidade do vento (Figura 4. 8c). Até 200m, nos
primeiros níveis sigma, a direção do vento sem dados assimilados é de sudeste, mas com a
assimilação de dados, muda de quadrante e passa a ser de sudoeste (Figura 4. 8d), o que é
mostrado também na Figura 4. 7b nas proximidades do ponto analisado na Figura 4. 8. A
69
temperatura do ponto de orvalho apresenta poucas variações até cerca de 500m de altura
(Figura 4. 8e). Acima disso, ela diminui quando ocorre assimilação de dados.
a)
b)
Figura 4. 7: Campos de temperatura e vento no primeiro nível sigma (que varia entre 17m e
18m de altura) às 00z do dia 31 de outubro de 2006: (a) é o campo sem assimilação de dados
e (b) é o campo com assimilação de dados. A temperatura é dada em ºC e a velocidade em
m/s.
70
a)
b)
c)
d)
e)
Figura 4. 8: Correspondência entre o nível sigma e a altura geométrica nas coordenadas do
Campo de Marte (a); temperatura (b), magnitude do vento (c), direção do vento (d) e
temperatura do ponto de orvalho (e) às 00Z do dia 31 de outubro de 2006 também no Campo
de Marte, para a previsão sem (preto) e com dados assimilados (verde).
71
Depois de avaliadas as condições iniciais para as previsões, será avaliado todo o
período de simulação (48h).
Após as 00z do dia 30, começam a haver diferenças entre as previsões com as
parametrizações de CLP, além de diferenças decorrentes da assimilação ou não de dados. Ao
analisar o ponto correspondente ao Campo de Marte, nas figuras Figura 4. 9 a Figura 4. 14 ,
nota-se que a assimilação não causou impacto significativo sobre as variáveis no decorrer da
previsão, exceto no início da previsão e no segundo dia de previsão, por volta das 18Z,
principalmente quando utilizada a parametrização GS (em que a assimilação de dados
provocou uma redução em até 4ºC da temperatura nesse horário).
As maiores diferenças entre as previsões com e sem dados assimilados concentram-se no
início das previsões. No caso da temperatura, os resultados indicam que a assimilação de
dados a aumentou no início da previsão (Figura 4. 9a e Figura 4. 9b), o que pode ser algo
positivo, pois Shafran et al. (2000) e Martins e da Rocha (2007) identificaram que as
previsões com o MM5 tendem a ser mais frias que as observações. Desse modo, a assimilação
de dados aumentaria a temperatura e reduziria essas diferenças. No entanto, essa diferença de
temperatura é muito pequena no decorrer do dia, até mesmo no horário onde também houve
assimilação de dados (12Z). Aparentemente, o modelo tende a reduzir essas variações (entre
previsão com e sem dados assimilados) com o tempo, o que pode ser atribuído ao relativo
pequeno raio de influência escolhido (16km, comparado às dimensões do domínio de 792km
na direção Leste-Oeste e 952km na direção Norte-Sul) e a predominância de dinâmica interna
do modelo em gerar as circulações. O aumento do raio de influência poderia aumentar a
diferença entre previsões com e sem dados assimilados, de modo que circulações mais
diferenciadas surgiriam com o tempo. Como já observado, no segundo dia de previsão, após
às 18Z existe uma grande diferença entre as previsões com e sem dados assimilados com a
parametrização GS, o que pode estar associado a cálculo de condensação subgrade, feito
apenas por esta parametrização.
72
Comparando as parametrizações, logo após o primeiro instante (que corresponde à
condição inicial), ou seja, de 01z até 06z, as previsões que utilizaram o esquema GS
apresentam maiores temperaturas (Figura 4. 9a). Entre 06z e 11z, as temperaturas
apresentaram valores muito próximos entre si e após esse horário, o esquema GS previu
novamente temperaturas mais elevadas. A fim de investigar o mecanismo que mantém a
temperatura no esquema GS em geral maior que no esquema BLK, a Figura 4. 12 mostra os
fluxos turbulentos de superfície Nota-se que com a assimilação de dados, esses fluxos são em
geral mais intensos, no máximo em até 15W/m² as 11Z (fluxo de calor sensível, Figura 4.
12d). Na parametrização BLK, o fluxo de calor sensível no horário de máximo é maior que na
GS, mas a diferença é de apenas 15W/m² (Figura 4. 12c). Com essa pequena diferença, seria
esperado que a parametrização BLK apresentasse maiores temperaturas que a GS, mas como
mostra a Figura 4. 9a , é o inverso que ocorre.
A parametrização GS calcula a ECT, que a energia transportada devido ao empuxo, pelos
turbilhões em diferentes escalas. Desse modo, pode ser que levando em conta esses pequenos
turbilhões, ocorra aquecimento nos primeiros níveis da atmosfera. A Figura 4. 13 mostra que
a produção de ECT atinge seu máximo quando também ocorre temperatura máxima e vai a
zero durante a noite e madrugada, o que explica as maiores diferenças entre os esquemas
durante o dia, no horário de máxima temperatura. Conforme descrito na equação
(3. 54), um
dos termos da ECT que normalmente é dominante durante o dia é o termo de produção de
ECT através da forçante térmica, que pode estar sendo responsável pelo transporte do calor da
superfície até os primeiros metros da atmosfera. Durante a noite e no início do dia, quando a
produção de ECT aproxima-se de zero, os dois esquemas apresentam temperaturas muito
semelhantes (Figura 4. 9a). Quando o valor de ECT é superior a zero, a diferença de
temperatura entre os esquemas aumenta, de modo que a temperatura prevista pelo esquema
GS é maior. A assimilação de dados provoca diferenças na ECT apenas no segundo dia de
previsão (dia 31), após as 12Z, devido a presença de água precipitável (
Figura 4. 19
).
73
No caso do vento, a assimilação de dados inicialmente reduziu sua magnitude, mas assim
como para a temperatura, ao longo do primeiro dia, não causou impacto significativo nas
previsões (Figura 4. 10b). Mas, no segundo dia de previsão, após as 12Z, as diferenças foram
maiores, assim como para as demais variáveis analisadas. No primeiro dia de previsão, é
possível observar a entrada da brisa marítima, através do aumento da magnitude do vento.
Após as 12Z do dia 30, no ponto referente ao Campo de Marte, observa-se que a
parametrização GS apresenta velocidade máxima em torno de 5m/s às 16Z, enquanto na
parametrização BLK se atinge cerca de 6,5 m/s às 18Z (Figura 4. 10a). Nesse ponto,
aparentemente a brisa marítima foi prevista apenas no primeiro dia de previsão. No segundo
dia, com a ocorrência de precipitação no ponto analisado, o ciclo diurno previsto apresenta
muitas perturbações, dificultando a visualização da brisa.
Quanto a temperatura do ponto de orvalho, a parametrização GS esteve mais quente
durante todo o dia 30 de outubro, principalmente no horário de mínima, antes da entrada da
brisa marítima (Figura 4. 11a). O esquema GS esteve mais úmido que o BLK, como mostra a
razão de mistura de vapor (Figura 4. 11c) e as diferenças entre as parametrizações foram
maiores na entrada da brisa marítima, quando houve redução brusca da umidade, seguida por
um aumento, caracterizando o momento em que o vento mudou de direção. No estudo
climatológico de Rodriguez et al. (2007), observa-se que o ciclo diurno da razão de mistura
para dias sem tempestade possui fase e valores muito próximos aos obtidos nas previsões da
Figura 4. 11c (caso semelhante ao previsto para o dia 30 de outubro de 2006, pois conforme
será visto na seção 4.1, não houve previsão de precipitação para este dia, na região do Campo
de Marte).
O prognóstico da altura da CLP é feito de maneira diferente em cada parametrização.
Enquanto a parametrização BLK obtém a altura da CLP através do perfil de temperatura, a
GS obtém através do perfil de ECT (Tabela 3. 2). Por depender do perfil de temperatura, a
altura da CLP prevista pelo esquema BLK diminui bruscamente logo após o por do Sol
74
(Figura 4. 14a).Já a altura da CLP prevista pelo esquema GS segue a estrutura vertical da ECT
(Figura 4. 18). No primeiro dia de previsão, o esquema BLK apresentou uma CLP mais
profunda que o esquema GS. Já no segundo dia, com a presença de precipitação simulada pelo
o esquema GS , a altura da CLP nesse esquema é maior do que no esquema BLK (Figura 4.
14a).
a)
b)
Figura 4. 9: Ciclo diurno de temperatura (a) e diferenças entre previsões (b) com e sem dados
assimilados, no ponto referente ao Campo de Marte. A figura (a) indica o ciclo de temperatura
das parametrizações BLK e GS, com e sem dados assimilados (Preto: BLK sem dados
assimilados; Verde: BLK com dados assimilados; Azul: GS sem dados assimilados;
Vermelho: GS com dados assimilados). A figura (b) representa as diferenças entre as
previsões sem e com dados assimilados dos esquemas BLK (em preto) e GS (em verde).
75
a)
b)
c)
d)
Figura 4. 10: Ciclo diurno da magnitude do vento (a) e da direção (c) e as respectivas
diferenças entre as previsões (figuras b e d) com e sem dados assimilados, no ponto referente
ao Campo de Marte, para as 48h de previsão. Nas figuras (a) e (c), a cor preta representa
BLK sem dados assimilados, verde BLK com dados assimilados, azul GS sem dados
assimilados e vermelho GS com dados assimilados. Nas figuras (b) e (c), são representadas as
diferenças entre as previsões sem e com dados assimilados dos esquemas BLK (em preto) e
GS (em verde).
76
a)
b)
c)
d)
Figura 4. 11: Ciclo diurno de temperatura do ponto de orvalho (a) e da razão de mistura (c) e
as respectivas diferenças entre as previsões (figuras b e d) com e sem dados assimilados, no
ponto referente ao Campo de Marte, para as 48h de previsão. Nas figuras (a) e (c), a cor preta
representa BLK sem dados assimilados, a verde BLK com dados assimilados, a azul GS sem
dados assimilados e a vermelha GS com dados assimilados. Nas figuras (b) e c), são
representadas as diferenças entre as previsões sem e com dados assimilados dos esquemas
BLK (em preto) e GS (em verde).
77
a)
b)
c)
d)
Figura 4. 12: Fluxos turbulentos de superfície para todo período de previsão, no ponto de
referência do Campo de Marte. Nas figuras (a) e (c) , os fluxo de calor latente e sensível,
respectivamente, para as parametrizações sem assimilação de dados (BLK em preto e GS em
verde). Nas figuras (b) e (d), as diferenças entre previsões sem e com dados assimilados, para
os fluxos de calor latente e sensível respectivamente. Em preto, para a parametrização BLK e
em verde, para a GS.
78
a)
b)
Figura 4. 13: Ciclo diurno de Energia Cinética Turbulenta (ECT) para todo período de
integração, no ponto de referência do Campo de Marte. A ECT é calculada apenas pela
parametrização GS: (a), a ECT da previsão sem dados assimilados (em preto) e com dados
assimilados (em verde); (b), a diferença entre a previsão sem e com dados assimilados.
a)
b)
Figura 4. 14: Idem a Figura 4. 9, mas para a altura da CLP.
Analisando o ciclo diurno da estrutura vertical da temperatura, verificou-se que
próximo à superfície o esquema GS apresentou temperaturas mais elevadas. Com a
parametrização GS, o ciclo diurno foi previsto até cerca de 900m, enquanto que com a
parametrização BLK, até cerca de 1100m (Figura 4. 15a Figura 4. 15c). A assimilação de
dados não causou impacto perceptível na estrutura vertical, apenas variações no primeiro
horário de previsão e no segundo dia, após as 18Z , com diferenças menores que 1ºC,
conforme as Figura 4. 15b Figura 4. 15d.
79
a)
b)
c)
d)
Figura 4. 15: Ciclo diurno da estrutura vertical de temperatura (ºC) para as 48h de previsão,
no ponto referente ao Campo de Marte. A figura (a) é para a parametrização BLK sem
assimilação de dados durante a previsão e a figura (c) é para a parametrização GS sem
assimilação de dados. As figuras (b) e (d) correspondem a diferença entre previsões sem e
com assimilação de dados, para as parametrizações BLK e GS respectivamente. A escala de
altura está em coordenadas sigma, e a relação com altura, em m, é dada pela Figura 4. 8a.
80
Com relação à estrutura vertical da magnitude do vento, os dois esquemas apresentam
estruturas verticais e magnitudes semelhantes entre si e previram a existência de jatos abaixo
de 500m de altura após as 00Z do dia 31 (Figura 4. 16a e Figura 4. 16c). Outras características
da estrutura vertical foram simuladas pelos 2 esquemas. Enquanto às 18Z do dia 30, às 03Z e
às 09Z do dia 31 a parametrização GS simula jatos mais intensos, às 20Z do dia 31 a
parametrização BLK simulou um jato mais intenso que a GS. No segundo dia de previsão,
houve maior quantidade de água precipitável (Figura 4. 19), e a parametrização GS pode ter
sido mais influenciada pela parametrização de cumulus que a parametrização BLK. A
assimilação de dados não provocou impacto significativo nas estruturas de jato simuladas
pelo modelo, exceto no segundo dia de previsão (dia 31) após as 18Z, em que a assimilação
alterou estrutura vertical de velocidade prevista, o que aparentemente está associado à
presença de precipitação. Essa perturbação foi maior na parametrização GS.
A estrutura vertical da razão de mistura mostrou uma atmosfera mais úmida na
parametrização GS, principalmente próximo a superfície (Figura 4. 17a e Figura 4. 17c .
Aparentemente, a parametrização de CLP começa a causar efeito na estrutura vertical da
razão de mistura a partir das 12Z do dia 30, quando abaixo de 1900m ocorrem maiores
diferenças entre as parametrizações. A assimilação de dados não causou muito impacto nas
variáveis em superfície, apenas acima de aproximadamente 2000m após às 18Z do dia 31 de
outubro, principalmente com a parametrização GS (Figura 4. 17d), onde a assimilação de
dados reduziu a razão de mistura nessa altura.
81
a)
b)
c)
d)
Figura 4. 16: Idem a Figura 4. 15, mas para a magnitude do vento (m/s)
A ECT é uma variável prognosticada apenas pela parametrização GS e possibilita uma
avaliação do transporte de propriedades da superfície para a atmosfera, pelos turbilhões de
diferentes escalas. No primeiro dia de previsão, a ECT é menor que no segundo dia de
previsão (Figura 4. 18a). Maiores valores de ECT implicam em maior altura da CLP, o que de
fato é observado (Figura 4. 14a). Assim como a estrutura vertical das outras variáveis
analisadas até agora, a assimilação de dados mudou a ECT apenas no segundo dia de previsão
(Figura 4. 18b).
82
a)
b)
c)
d)
Figura 4. 17: Idem a Figura 4. 15, mas para a razão de mistura (g/kg).
A quantidade de água precipitável expressa toda quantidade de vapor presente na
coluna atmosférica, numa situação em que ele se condensasse e precipitasse. As previsões
apontam que houve maior quantidade dessa variável no segundo dia de previsão (Figura 4.
19), indicando que a presença de umidade poderia explicar o fato de os ciclos diurnos das
variáveis estarem perturbados no segundo dia de previsão (Figura 4. 9 a Figura 4. 14). A
parametrização GS (Figura 4. 19b)apresenta maiores valores de água precipitável que a
parametrização BLK, pois segundo seu criador, Gayno (1994), essa parametrização é
apropriada para condições de nevoeiro e produz condensação subgrade. A assimilação de
dados causou impacto na estrutura vertical dessa variável apenas no segundo dia de
precipitação, após as 18Z, assim como as outras variáveis analisadas.
83
a)
b)
Figura 4. 18: Ciclo diurno da estrutura vertical da ECT (J/kg) para os dois dias de previsão
(48h). A figura a) é para o caso sem assimilação de dados e a figura b) é para o caso com
assimilação de dados.
84
a)
b)
c)
d)
Figura 4. 19: Idem a Figura 4. 15, mas para a água precipitável (g/kg)
85
Analisando a área central do domínio, próxima a RMSP, foram considerados alguns
horários com as diferenças mais significativas entre as parametrizações. Às 06Z do dia 30 de
outubro de 2006 (Figura 4. 20), embora ainda ocorra pouca diferença entre as
parametrizações, verifica-se que sobre a Zona Leste da RMSP, a parametrização GS (Figura
4. 20c) já é mais quente que a BLK (Figura 4. 20a). As duas parametrizações indicam que a
temperatura no Vale do Paraíba é maior que nas vizinhanças e também é possível verificar
uma canalização do escoamento sobre essa região, além da presença da circulação vale-
montanha (da Serra da Mantiqueira em direção ao Vale do Paraíba). A assimilação de dados
provoca alterações no campo somente ao utilizar a parametrização BLK (Figura 4. 20b). A
parametrização GS não sofre influência da assimilação de dados nesse horário (Figura 4.
20bc).
86
a)
b)
c)
d)
Figura 4. 20: Campo de temperatura e vento previsto às 06Z do dia 30 de outubro, no
primeiro nível sigma (aproximadamente 18m de altura) utilizando a parametrização BLK (a)
e GS (d). As figuras (b) e (d) correspondem as diferenças entre previsão com e sem dados
assimilados, para o mesmo horário, com as parametrizações BLK e GS respectivamente.
Às 12Z do dia 30 de outubro, nas proximidades da superfície, a previsão com
parametrização GS previu temperaturas mais altas (Figura 4. 21c) do que com a
parametrização BLK (Figura 4. 21a). A parametrização BLK apresentou velocidades maiores
sobre a RMSP. É possível observar contrastes de temperatura em uma mesma latitude,
associadas com a variação de altitude. Por exemplo, a nordeste da RMSP a presença de uma
região com maior altitude, referente à Serra da Cantareira, e já na divisa com o Estado de
Minas Gerais, onde há a Serra da Mantiqueira (Figura 3. 7). As duas parametrizações
87
previram essas variações de temperatura em decorrência da altitude e isto também foi obtido
em todos os horários analisados. Neste horário, nota-se os ventos divergindo sobre a Serra da
Mantiqueira, caracterizando uma circulação de vale-montanha com direção ao Vale do
Paraíba, situado entre a Serra da Mantiqueira e um dos flancos da Serra do Mar. Próximo a
costa, as duas simulações já indicam a formação da brisa marítima, através do encontro dos
ventos de Sudeste e Noroeste. Conforme indicam as Figura 4. 21b e Figura 4. 21d, a
assimilação de dados não causou impacto significativo nesse horário de previsão, tanto na
previsão de vento como de temperatura.
a)
b)
c)
d)
Figura 4. 21: Idem a Figura 4. 20, mas para às 12Z do dia 30 de outubro.
88
Ás 18Z do dia 30 de outubro, a frente de brisa marítima é caracterizada pelo limite
entre os ventos de sudeste, mais fortes e os mais fracos de noroeste sobre o norte da RMSP
(Figura 4. 22). Segundo o trabalho de Oliveira et al. (2002), a brisa marítima causa uma zona
de convergência durante sua passagem, uma região em que os ventos “empilham-se” devido o
encontro do vento de Sudeste mais forte com o vento de noroeste mais fraco. A Figura 4. 22c
indica que o esquema GS apresentou um maior avanço da brisa marítima sobre o continente.,
o que pode estar associado às maiores temperaturas previstas por este esquema, aumentando a
diferença de temperatura entre a RMSP e e o oceano e intensificando a ciruclação. A presença
do Vale do Paraíba parece atrasar a entrada da brisa, provavelmente devido a maior altura da
Serra do Mar na vizinhança dessa região, com relação a vizinhança da RMSP (Figura 3. 7) e
também devido a presença da circulação vale-montanha, que induz ventos opostos à brisa
marítima.
Às 00Z do dia 31 (Figura 4. 23), foram previstos ventos de nordeste sobre o oceano.
Sobre a RMSP, os ventos foram predominantemente de leste. As duas parametrizações
indicaram maiores temperaturas sobre a região central da RMSP neste horário (com relação as
demais regiões próximas), principalmente a parametrização GS, que de uma maneira geral
previu maiores temperaturas em todo domínio (Figura 4. 23c). A assimilação de dados não
causou diferenças nos campos de temperatura e vento (Figura 4. 23b e Figura 4. 23d ). As
duas parametrizações mostram uma circulação de Nordeste no Vale do Paraíba,
caracterizando uma canalização da circulação pela topografia. Também se observa a
circulação vale montanha, com o ar frio dirigindo-se da Serra da Mantiqueira para o vale.
89
a)
b)
c)
d)
Figura 4. 22: Idem a Figura 4. 20, mas para às 18Z do dia 30 de outubro.
90
a)
b)
c)
d)
Figura 4. 23: Idem a Figura 4. 20, mas para às 00Z do dia 31 de outubro.
Às 06Z do dia 31 de outubro (Figura 4. 24), a parametrização GS continua
apresentando temperaturas mais elevadas que a BLK sobre a maior parte do domínio (Figura
4. 24c). As duas parametrizações simulam a circulação vale montanha na região do Vale do
Paraíba, e a canalização dos ventos devido à topografia. Os ventos são de Nordeste sobre a
maior parte da RMSP. As temperaturas previstas para este dia são maiores que as previstas
para o mesmo horário do dia anterior (Figura 4. 20). Nesse horário (30h após o início da
previsão), a dinâmica interna do modelo já criou circulações e características próprias,
diferenciando da condição inicial. Uma circulação peculiar que não é normalmente observada
nas análises é obtida no MM5: na região de Ilha Bela (23,8ºS;45,5ºW aproximadamente) o
modelo cria uma mudança no escoamento, provavelmente associado à presença da ilha. No
91
entanto o mapa do software GrADs não identifica essa ilha. A assimilação de dados não
provocou impacto significativo nesse horário, apenas pontualmente em algumas regiões ao
utilizar a parametrização BLK (Figura 4. 24b).
a)
b)
c)
d)
Figura 4. 24: Idem a Figura 4. 20, mas para às 06Z do dia 31 de outubro.
92
Às 12Z do dia 31 de outubro (Figura 4. 25), são previstos ventos de noroeste sobre a
RMSP. A parametrização BLK apresentou ventos mais intensos sobre essa região do que a
GS (Figura 4. 25c) e a parametrização GS continuou prevendo temperaturas mais elevadas. A
assimilação de dados provocou algum impacto nos campos a nordeste do domínio,
aproximadamente em 22,8ºS/45,5ºW, principalmente ao usar a parametrização GS (Figura 4.
25d). Nesse horário, o modelo já prevê a frente de brisa nas proximidades da costa nas duas
parametrizações, como ocorreu no mesmo horário no dia 30 de outubro (Figura 4. 21). A
frente de brisa prevista pelo esquema GS está ainda mais adiantada com relação ao esquema
BLK. Os ventos se dirigindo da Serra da Mantiqueira para o Vale do Paraíba, assim como no
dia anterior, também caracterizam a circulação vale-montanha e também parecem atrasar a
penetração da brisa marítima em direção ao vale do Paraíba, tanto no esquema GS quanto no
BLK. Outro ponto a se considerar é a interação da brisa marítima com a ilha de calor urbano.
Segundo Freitas et al. (2006), a ilha de calor urbano forma uma intensa zona de convergência
na RMSP, acelerando a brisa marítima em direção à cidade. Deste modo, pode ser que a
presença da RMSP pode ter acelerado a brisa marítima com relação as outras regiões, tal
como no Vale do Paraíba.
93
a)
b)
c)
d)
Figura 4. 25: Idem a Figura 4. 20, mas para às 12Z do dia 31 de outubro.
Às 18Z do dia 31 (Figura 4. 26), as duas previsões apresentam temperaturas elevadas
sobre a RMSP e sobre toda área distante da costa, na interface entre ar quente e ar frio, que
caracteriza a entrada da brisa marítima. Ainda como foi obtido nos instantes anteriores, a
parametrização GS mantém temperaturas mais altas do que a BLK. Embora não tenha sido
possível identificar um padrão de penetração da brisa marítima apenas pelo ciclo diurno de
um ponto próximo ao Campo de Marte (Figura 4. 9a Figura 4. 10a), as Figura 4. 26a e Figura
4. 26c indicam a penetração da brisa. Na parametrização GS a brisa marítima (Figura 4. 26c),
assim como no dia 30, avança mais sobre o continente na RMSP e ao Sul dessa região,
enquanto na região do vale do Paraíba o acoplamento com a circulação vale montanha faz
com que a brisa situe-se mais próxima da costa, adentrando menos para o continente. A
94
previsão com a parametrização BLK (Figura 4. 26a) simulou dias áreas com precipitação,
evidenciadas pela divergência dos ventos em superfície: uma em torno de 22,9ºS/ 47,7ºW e a
outra em 22,8ºS/45,5ºW (Serra da Mantiqueira). Neste ponto, a previsão de precipitação pode
estar associada à presença de topografia e também foi simulada para a parametrização GS
(Figura 4. 26c). A imagem de satélite no IR (Figura 4. 4d) para este horário indica a presença
de nebulosidade sobre a Serra da Mantiqueira, mas não se tem observação de chuva neste
horário. A assimilação de dados causou impacto nas previsões nesse horário: com a
parametrização BLK, a assimilação de dados aumentou a temperatura nas proximidades da
Serra da Mantiqueira (Figura 4. 26b), na mesma região em que houve divergência do vento e
queda de temperatura (Figura 4. 26a), o que indica que a assimilação de dados estaria
suprimindo a chuva prevista pelo esquema BLK. Já com a parametrização GS, mais regiões
foram sensíveis a assimilação de dados, inclusive a RMSP, onde a assimilação de dados
reduziu a temperatura (Figura 4. 26d).
95
a)
b)
c)
d)
Figura 4. 26: Idem a Figura 4. 20, mas para às 18Z do dia 31 de outubro.
Finalmente, às 00Z do dia 01 de novembro de 2006, as parametrizações não
apresentam diferenças significativas quanto a circulação sobre a RMSP (Figura 4. 27a e
Figura 4. 27c). Quanto à temperatura, o esquema GS ainda mantém valores um pouco mais
altos (em alguns casos, até 2,5ºC) do que a parametrização BLK, assim como os outros
horários. Assim como às 00Z do dia 31 de outubro (Figura 4. 23), também foi observada a
circulação vale-montanha e a canalização dos ventos pela topografia.
Nesse horário, a assimilação de dados também impactou as previsões, assim como às
18Z (Figura 4. 26), com as duas parametrizações sendo afetadas, sobretudo nas regiões onde
nota-se a presença de convergência e divergência do vento. Por exemplo, no BLK no setor
96
norte, nota-se que a assimilação de dados reduziu e aumentou a temperatura próximo a
latitude de 23ºS e em 47,5ºW e 46,5ºW respectivamente, indicando que a precipitação ocorreu
em lugares diferentes.
a)
b)
c)
d)
Figura 4. 27: Idem a Figura 4. 20, mas para às 00Z do dia 01 de novembro.
Deste modo, nos dois dias de previsões foi possível notar a interação complexa entre as
circulações de brisa e vale-montanha sobre a RMSP, como também foi discutido por análise
de observações para o ano de 1988 por Oliveira et al. (2003). Foi também possível identificar
que a parametrização de cumulus parece ser sensível a assimilação de dados, de modo que a
97
assimilação de dados passou a alterar o campo previsto após as 12Z do dia 31 de outubro
(Figura 4. 25), quando modelo começou a prever precipitação.
98
4.3 Comparação das previsões com observações
As comparações com as observações (Figura 4. 28) indicam que o modelo iniciou-se mais
frio do que as observações (na estação Campinas, quase 5ºC mais frio, Figura 4. 28a). Após as
primeiras horas de previsão, a condição inicial deixou de dominar os resultados e a dinâmica
interna do modelo passa a ser dominante, aproximando os valores previstos aos observados. O
modelo previu o ciclo diurno observado em todas as estações mostradas na Figura 4. 28, com
algumas particularidades. Nas estações de São Caetano do Sul e São José dos Campos (Figura
4. 28c e Figura 4. 28d), o modelo subestimou o valor máximo de temperatura nos dois dias de
previsão, para as duas parametrizações empregadas. Durante a noite, entre os dias 30 e 31,
nestas mesmas estações, a temperatura prevista é muito próxima da observada. Pérez et al.
(2006) mostraram que o modelo MM5 tende a subestimar as temperaturas, principalmente no
horário de máxima, o que é similar ao obtido nestas duas estações.
Já na estação de Ibirapuera (Figura 4. 28b), a previsão adiantou em 2h o horário de
máxima temperatura nos dois dias de previsão, e fez uma boa previsão para a temperatura da
madrugada (do dia 30 para o dia 31). Deve-se lembrar que as estações da CETESB sofrem
influência local, dada a presença de árvores, prédios, vias de circulação, etc. A estação de
Ibirapuera, por exemplo fica localizada em um parque, e durante o dia é coberta pela sombra
de árvores que podem estar reduzindo a temperatura no horário de máxima. Na estação de
Campinas (Figura 4. 28a), no dia 30, a temperatura observada no horário de máxima situa-se
entre os valores obtidos pela parametrização BLK e GS.
Nas estações analisadas, foi obtido que o modelo prevê o horário de máxima temperatura
com 1 ou 2h de antecedência nos dois dias de previsão. Também nota-se, conforme já
discutido anteriormente (Figura 4. 9), que na parametrização BLK as temperaturas são mais
frias do que na parametrização GS, o que também foi mostrado por Pérez et al. (2006).
99
a)
b)
c)
d)
Figura 4. 28: Ciclo de temperatura das previsões e observações das estações da CETESB para
as 48h de previsão. Em vermelho, os dados observados; em verde a previsão utilizando o
esquema BLK e em azul, utilizando o esquema GS: (a) refere-se a estação localizada em
Campinas; (b), localizada no Ibirapuera; (c) em São Caetano do Sul e (d) em São José dos
Campos. As previsões mostradas nessa figura não possuem assimilação de dados.
Foram calculados coeficientes de correlação, erro quadrático médio e erro absoluto. As
correlações para a temperatura foram superiores a 0,87, chegando a 0,96 em algumas
previsões, o que é considerado um valor alto, indicando que o ciclo de temperatura foi bem
previsto e a fase bem representada, mesmo com as previsões antecipando o horário de
temperatura máxima em algumas estações. Essas correlações foram muito próximas as
obtidas por Freitas et al. (2006), que utilizou o modelo RAMS. O Erro Quadrático Médio
(EQM) foi maior com a parametrização BLK, pois em geral a temperatura prevista pelo
modelo foi menor que a observação e como a parametrização GS apresentou temperaturas
100
mais elevadas que a BLK, e esteve mais próxima das observações. Verificou-se que em geral
a previsão que mais reduziu o EQM foi a que utilizou a parametrização GS com assimilação
de dados e o mesmo ocorreu para o EA, um resultado semelhante ao obtido por Shafran et al.
(2000).
Quanto ao vento (Figura 4. 29), as previsões em geral superestimam a velocidade
observada. Na estação de Cubatão Vila Parise (Figura 4. 29a), o modelo prevê os aumentos de
velocidade que acontecem no primeiro dia (por volta das 07Z e 18Z do dia 30 de outubro). No
segundo dia de previsão, o modelo previu apenas um horário de aumento da velocidade, por
volta das 18Z do dia 31, o que também foi observado, embora com velocidades muito
menores.
Na estação de Guarulhos (Figura 4. 29b) o aumento da velocidade do vento que pode estar
associado ao máximo de velocidade pós-frente de brisa, foi previsto no primeiro dia de
previsão pelas duas parametrizações. Já no segundo dia, essa característica não é muito clara
nas previsões. Na estação de Osasco (Figura 4. 29c), a entrada da brisa e a intensificação do
vento pós-frente de brisa foram previstas nos dois dias de previsão. Na estação São José dos
Campos (Figura 4. 29d), foi previsto um aumento de velocidade que ocorreu por volta das
21Z. No entanto, o aumento da velocidade que ocorreu antes (por volta das 13Z), não foi
simulado pelo modelo.
Em geral, as velocidades obtidas foram maiores que a observação, principalmente nos
horários de máxima velocidade. Nas estações distantes da costa (Figura 4. 29b, Figura 4. 29c
e Figura 4. 29d), a parametrização BLK apresentou velocidades mais intensas que a GS,
principalmente nos horários de máxima intensidade.
Segundo Oliveira e Silva Dias (1982), as observações da Estação Climatológica do
IAG-USP apontam que a entrada da brisa marítima sobre a RMSP se dá por volta das 14HL
(ou seja, 17Z). A estação de Guarulhos e Osasco (Figura 4. 29b, Figura 4.
29
c) as
101
observações indicam que o vento aumenta sua intensidade nesse horário, o que também foi
simulado pelas previsões nessas estações.
a)
b)
c)
d)
Figura 4. 29: Idem a Figura 4. 28, mas para a magnitude do vento.
Num evento de brisa marítima, antes do vento atingir sua velocidade máxima após a
frente de brisa, reduz sua intensidade e muda sua direção, geralmente mudando de nordeste
para sudeste, o que é chamado de giro do vento. As observações na estação de Cubatão Vila
Parise (Figura 4. 30a) mostraram esse giro do vento apenas no primeiro dia de previsão (dia
30), que ocorreu às 10Z. A previsões simularam o giro do vento nessa estação cerca de 1h
depois do observado, quando também previram a redução de velocidade (Figura 4. 29a). Nas
estações de Guarulhos (Figura 4. 30b) e São José dos Campos (Figura 4. 30d), o modelo
adiantou a entrada da brisa em até 3h no primeiro dia de previsão (para a estação de
102
Guarulhos, o modelo simulou o giro do vento com adiantamento no segundo dia de previsão
também). Na estação de Osasco (Figura 4. 30c) o modelo também antecipou o giro do vento,
de modo semelhante ao encontrado na estação de Guarulhos (Figura 4. 30b).
a)
b)
c)
d)
Figura 4. 30: Idem a Figura 4. 29, mas para a direção do vento.
As correlações para a intensidade do vento apresentaram baixas correlações, diferente
do que foi obtido para a temperatura. Em alguns casos, as observações e as previsões
estiveram fora de fase, o que chegou a causar um valor negativo par a correlação na estação
de Santo André, conforme indicado na Tabela 4. 1. As baixas correlações (inferiores a 0,5), de
um modo geral indicam que o modelo e as observações muitas vezes estiveram defasados
entre si, o que foi observado na Figura 4. 30. No entanto, algumas estações destacaram-se, e
apresentaram correlações muito boas para o vento, como a Estação de São Bernardo do
103
Campo, Santo Amaro, Osasco e Cubatão, que chegou a atingir uma correlação de 0,82. Cabe
ressaltar que a medição do vento depende fortemente das características locais da região em
que o instrumento de medida está instalado. Algumas flutuações mostradas nas observações
podem ser produto da interação com obstáculos, o que pode explicar as correlações
relativamente baixas para o vento. O EQM para o vento foi menor para a parametrização GS
com dados assimilados, assim como no caso da temperatura, resultado semelhante ao obtido
por Shafran et al. (2000). Isso ocorreu porque nos horários de máxima velocidade, a
parametrização BLK previu velocidades mais intensas que a GS, e as observações mostraram
menores velocidades que as previsões para as duas parametrizações.
104
Tabela 4. 1: Correlações, Erro Quadrático Médio (EQM) e Erro Absoluto (EA) para as estações da CETESB (Figura 3. 9) para o vento e temperatura.
TEMPERATURA - CORRELAÇÕES TEMPERATURA - EQM TEMPERATURA - EA
BLK GS BLK GS BLK GS
ESTAÇÃO
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
Ibirapuera 0,95
0,95
0,95
0,96
2,47
2,38
2,82
2,77
2,15
2,06
2,41
2,33
São Caetano do Sul 0,94
0,94
0,94
0,94
2,27
2,22
2,07
2,04
1,78
1,72
1,69
1,75
Taboão da Serra 0,95
0,95
0,96
0,96
2,76
2,66
2,47
2,40
2,37
2,34
2,25
2,19
Campinas 0,93
0,93
0,93
0,93
3,56
3,43
3,49
3,37
3,01
3,04
3,03
2,99
Sorocaba 0,96
0,95
0,95
0,95
1,94
1,88
2,12
2,09
1,47
1,53
1,62
1,59
São José dos Campos 0,87
0,87
0,87
0,87
4,01
3,88
3,53
3,42
3,44
3,43
2,92
2,94
VENTO - CORRELAÇÕES VENTO - EQM VENTO - EA
BLK GS BLK GS BLK GS
ESTAÇÃO
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
SEM
ASS
COM
ASS
Santana 0,48
0,46
0,37
0,44
1,30
1,29
1,03
1,03
1,03
1,04
0,83
0,79
São Caetano do Sul 0,35
0,33
0,15
0,19
1,72
1,72
1,51
1,50
1,38
1,43
1,32
1,31
Guarulhos 0,25
0,25
0,06
0,12
1,78
1,78
1,78
1,77
1,59
1,62
1,61
1,61
Santo Amaro 0,79
0,79
0,79
0,79
1,19
1,18
0,88
0,88
0,92
0,90
0,70
0,70
Osasco 0,48
0,48
0,58
0,57
1,42
1,42
0,94
0,94
1,17
1,13
0,79
0,82
Santo André - Capuava 0,64
0,64
0,56
0,57
1,46
1,46
1,40
1,40
1,18
1,22
1,16
1,15
São Bernardo do Campo 0,75
0,76
0,80
0,80
1,60
1,59
1,31
1,29
1,28
1,30
1,18
1,21
Cubatão (Vila Parise) 0,81
0,81
0,82
0,82
1,26
0,86
1,50
1,49
1,01
0,99
1,31
1,31
Sorocaba -0,43
-0,42
-0,35
-0,35
2,37
2,37
2,11
2,10
2,16
2,16
1,84
1,83
São José dos Campos 0,43
0,41
0,23
0,23
1,27
1,27
1,41
1,41
0,99
1,06
1,22
1,24
105
Foi analisada a estrutura vertical do dia 31 de outubro de 2006, pois foi o dia com mais
radiossondagens lançadas pela campanha do Projeto Políticas Públicas. As radiossondagens do dia
31 de outubro de 2006 (Figura 4. 31a) indicaram resfriamento entre as 03Z e 09Z e um ciclo diurno
de aquecimento, com temperatura máxima aproximadamente às 18Z. As previsões indicaram a
máxima temperatura antes da observação e não simularam o resfriamento observado entre as 03Z e
09Z. As temperaturas previstas são mais baixas que a observada nos níveis de pressão mais baixo.
Em níveis mais altos, a diferença entre previsões e observação diminui. A parametrização GS
(Figura 4. 31b) possui temperaturas mais altas que a BLK próximo a superfície(Figura 4. 31c), e um
ciclo diurno que penetra maiores altitudes, o que pode estar associado ao transporte feito pelo termo
de produção térmica da ECT, conforme discutido anteriormente. Mesmo sendo mais fria que a
observação, a parametrização GS é a que melhor representa o ciclo observado.
Para a velocidade do vento, a observação (Figura 4. 32a) mostra velocidades iguais ou inferiores
a 4m/s abaixo de 910hPa durante todo o dia 31 de outubro. Nos horários próximos a 9Z e 18Z, a
velocidade é inferior a 2m/s. Regiões de vento mais intenso, são encontradas logo acima, às 03Z em
860hPa, às 12Z em 860hPa e as 21Z acima de 900hPa. As 09Z verifica-se uma região com
velocidades fracas em 760hPa e entre 15Z e 18Z observa-se outra região com ventos fracos, em
880hPa. As simulações não indicam detalhadamente essas regiões de máxima velocidade e para as
duas parametrizações (Figura 4. 32b e Figura 4. 32c), nota-se a presença de uma região com
velocidade mais intensa entre as 09Z e as 12Z, que vai desde aproximadamente 900hPa até 740hPa.
Próximo à superfície, a parametrização GS apresentou velocidades mais intensas que a
parametrização BLK.
106
a)
b) c)
Figura 4. 31: Ciclo diurno da estrutura vertical (até 700hPa) da temperatura (ºC). A figura a)
corresponde as observações com radiossondagens da Campanha de primavera e Campo de Marte. A
figura b) corresponde ao BLK sem assimilação de dados e a figura c) a GS sem assimilação de dados
107
a)
b) c)
Figura 4. 32: idem a anterior, mas para a magnitude do vento (m/s).
108
4.4
Aplicação das previsões geradas pelo MM5 no modelo CIT
Conforme descrito na seção 3.3, os campos previstos pelo modelo MM5 foram utilizados no
CIT. Para avaliar este acoplamento, foram utilizadas duas previsões. Uma delas utiliza a
parametrização BLK sem assimilação de dados (Tabela 3. 5) e forneceu as previsões para o dia 30
de outubro de 2006. A outra, é uma previsão adicional, que também utilizou a parametrização BLK
(mas não consta na Tabela 3. 5) , e foi iniciada às 00Z do dia 31 de outubro de 2006 e foi utilizada
para gerar campos para esse mesmo dia. As previsões com parametrização BLK foram escolhidas
pois essa parametrização fornecem diretamente a temperatura a 2m do solo, sem a necessidade de
cálculos adicionais. No CIT, são calculadas as concentrações e as dispersões (utilizando campos
meteorológicos previamente fornecidos) de algumas espécies fotoquímicas, dentre elas o Ozônio
(O
3
), que segundo Muramoto et al. (1993) é o poluente que mais excedeu o padrão primário de
qualidade do ar, que é de 82ppb, segundo o relatório CETESB (2007). Muramoto et al. (1993),
utilizando dados de 1997 até 2001 de estações automáticas da CETESB mostrou essas
ultrapassagens são mais freqüentes na primavera e no outono.
No dia 30 de outubro de 2006, as observações mostram que as 14HL (hora local, a área com
maior concentração de ozônio, o centro da pluma, está localizada sobre a zona leste da RMSP
(Figura 4. 33a), enquanto as simulações indicam sua presença a oeste desta (Figura 4. 33b). As
concentrações máximas nos centros das plumas também são distintas: enquanto a observação
aponta 70ppb, a previsão mostra 90ppb.
Já às 18HL, as observações não indicam o deslocamento da pluma. Isso ocorre porque as
observações são espacialmente escassas e concentram-se mais sobre a RMSP do que fora dela
(Figura 3. 10). O que é visto, a leste do domínio na Figura 4. 33c é a medição local de ozônio nesta
região, interpolado de acordo com os valores das estações mais próximas (Figura 3. 10). Pode-se
dizer que depois das 14h, quando a pluma que já se formou sobre a RMSP é transportada, a
interpolação dos dados observados não representa o transporte do ozônio, mas apenas as medições
locais. Uma das simulações realizadas no trabalho de Martins (2006) indicou um deslocamento para
109
a mesma direção e com valor no centro da pluma de cerca de 150ppb, bastante semelhante ao obtido
neste trabalho. Às 22HL (Figura 4. 33f), a previsão indica que a pluma continua a se deslocar na
direção noroeste.
No dia 31 de outubro às 14HL, as observações apontam o centro da pluma de ozônio sobre a
Zona Oeste da RMSP (Figura 4. 34a) com concentração máxima de 100ppb. A previsão apresenta
uma pluma com concentração de cerca de 110ppb no centro (Figura 4. 34b), e com localização
bastante próxima ao dado observado. Assim, com a Figura 4. 35, que apresenta a variação diurna de
ozônio no centro das plumas observada e simulada às 14HL, nota-se que no centro da pluma
observada os valores estiveram um pouco menores do que no centro da pluma observada. Segundo
Carbone et al. (2007), isso ocorre porque os ventos simulados pelo MM5 são em geral mais
intensos que a observação, o que facilitou a dispersão dos percursores de ozônio e, além disso, as
temperaturas previstas pelo MM5 utilizando o esquema BLK também são menores, o que torna as
reações químicas menos eficientes e também dificulta a formação de ozônio.
Às 18HL do dia 31 de outubro, a pluma simulada foi transportada para fora da RMSP, na
direção oeste (Figura 4. 34d) e tinha seu valor máximo igual a 100ppb. Algumas simulações feitas
por Martins (2006) também apresentaram plumas que se deslocaram para oeste e apresentaram a
mesma ordem de grandeza para a concentração no centro da pluma. Esse deslocamento para oeste
prossegue às 22HL (Figura 4. 34f).
Nos dois dias analisados, o horário de concentração máxima do ozônio esteve por volta das
14HL, resultado semelhante ao obtido por Pérez et al. (2006), que analisou previsões para a região
metropolitana de Barcelona, Espanha. Uma das simulações de Martins (2006) mostrou que às 14HL
a pluma está se formando entre a Zona Norte e Zona Oeste da RMSP. Neste trabalho, no mesmo
horário, as simulações indicaram que a pluma formou-se à Oeste da RMSP (Figura 4. 33b e Figura
4. 34b).A formação máxima de ozônio costuma ocorrer em torno deste horário pois os seus
precursores, que são os compostos orgânicos voláteis e os óxidos de nitrogênio provenientes
principalmente dos escapamentos dos veículos automotores, acumulam-se sobre a RMSP em uma
110
quantidade ótima e com a presença de radiação solar , que possui intensidade elevada nessa hora do
dia, forma o ozônio. Às 17HL, Martins (2006) identificou a localização da pluma através de
simulações a noroeste da RMSP. Já neste trabalho, a localização da pluma nos dois dias em horários
próximos situa-se mais a oeste (Figura 4. 33d e Figura 4. 34d).
111
a) b)
c) d)
e) f)
Figura 4. 33: Concentrações do Ozônio (em ppb) em diferentes horários para dados observados e
previsão para o dia 30 de outubro. As figuras (a), (b) e (c) representam a observação para as 14HL,
18HL e s 22HL respectivamente. As figuras (b), (d) e (f) representam a previsão para as 14HL,
18HL e s 22HL respectivamente.
112
a) b)
c) d)
e) f)
Figura 4. 34: Idem a Figura 4. 33, mas para o dia 31 de outubro de 2006.
113
Figura 4. 35: Concentração de ozônio no centro das plumas observada (em preto) e simulada (em
verde) para as 14HL do dia 31 de outubro de 2006.
114
5. RESUMO E CONCLUSÃO
O presente trabalho analisou previsões do MM5, a fim de verificar as diferenças entre dois
tipos de parametrização da CLP fisicamente diferenciadas e o impacto da assimilação de dados nas
previsões. Essas previsões foram iniciadas as 00Z do dia 30 de outubro de 2006 e duraram 48h. A
área de estudo é a RMSP. Foram escolhidos esses dias pois neles ocorreram o lançamento de
radiossondagens meteorológicas e de ozônio, referente ao Projeto Políticas Públicas, e além de
analisar as diferenças entre as parametrizações, este trabalho também se propôs a acoplar os campos
do MM5 no modelo fotoquímico CIT para analisar a formação e dispersão do ozônio. Nos dois dias
analisados, não havia a presença de sistemas frontais sobre a RMSP.
Primeiramente, foi feita uma comparação entre as duas parametrizações para os casos com e
sem dados assimilados. Concluiu-se que a assimilação de dados causa impacto nos campos apenas
nos primeiros horários da previsão e no segundo dia de previsão, em que houve a previsão de
precipitação convectiva em algumas áreas do domínio. Aparentemente, o modelo reduziu as
diferenças entre previsões com e sem dados assimilados, devido ao relativo pequeno raio de
influência das observações que foi escolhido (16km) e também devido a pouca quantidade de
observações. Após o horário inicial, o modelo tender a manter dominante sua dinâmica interna.
Possivelmente, se o raio de influência fosse aumentado, maiores diferenças poderiam surgir. Por
outro lado, no segundo dia de previsão, a assimilação de dados voltou a causar diferenças nos
campos, principalmente nos horários em que foi identificada precipitação em algumas áreas do
domínio, o que sugeriria uma sensibilidade da parametrização de cumulus à assimilação de dados.
Próximo a superfície, a parametrização GS apresenta valores mais elevados de temperatura e
a diferença entre as simulações é ainda maior no horário de máxima temperatura, o que também foi
identificado por Pérez et al. (2006). A parametrização GS calcula a ECT, que é praticamente nula
durante a noite e máxima durante o dia, devido ao aquecimento da superfície e confinado abaixo de
2000m. O termo de produção térmica da ECT pode ter sido a responsável por um transporte
115
eficiente de calor sensível para os primeiros níveis da atmosfera, de modo que a parametrização GS
apresentou maiores valores de temperatura.
Quanto ao vento, os dois esquemas simularam de forma semelhante o ciclo diurno e a
estrutura vertical. Nos horários de máxima velocidade, o esquema BLK apresenta velocidades mais
elevadas. Com relação a razão de mistura, a parametrização GS apresentou-se mais úmida,
principalmente nas proximidades da superfície, o que pode ter ocorrido devido ao cálculo de
precipitação subgrade, que é feito apenas na parametrização GS.
A altura da CLP foi maior ao utilizar a parametrização BLK, devido sua estimativa ser
baseada no perfil vertical de altura. A BLK, como é uma parametrização não-local estimou um ciclo
diurno de temperatura da superfície que aqueceu níveis mais elevados na atmosfera, embora tenha
apresentado temperaturas menores que o esquema GS. No segundo dia de previsão, a altura da CLP
sofreu diversas flutuações devido a presença de nuvens na simulação.
Os campos de vento e temperatura próximos a superfície mostraram que os campos
meteorológicos respondem às principais características de relevo da RMSP, como a circulação vale-
montanha na região do Vale do Paraíba e variação de temperatura devido a altitude das serras da
Cantareira e Mantiqueira. A temperatura do esquema GS esteve maior que a BLK em praticamente
todas as áreas do domínio.A brisa marítima foi prevista pelos dois esquemas, mas a brisa prevista
pelo esquema GS penetrou mais adentro do continente, o que pode estar associado com maior
gradiente de temperatura entre o continente e o mar, já que no GS as temperaturas sobre o
continente foram maiores. A assimilação de dados, provocou variações no início das previsões,
quando o modelo ainda estava ajustando-se e no final das parametrizações, após ás 12Z do dia 31 de
outubro, quando modelo fez a previsão de precipitação, o que sugere que a parametrização de
cumulus seja sensível à assimilação de dados.
Fazendo uma validação do modelo através de estações da CETESB, obteve-se que o modelo
prevê o horário de máxima temperatura com 1 ou 2h de antecedência, o que pode estar associado ao
fato de que o modelo também antecipou a entrada da brisa marítima. Através dos cálculos de
116
correlação, erro quadrático médio e erro absoluto, verificou-se que as previsões previram bem a fase
da temperatura em todas as estações (as correlações foram superiores a 0,87) e para o vento, embora
algumas estações apresentaram correlações baixas, algumas destacaram-se com correlações
superiores a 0,6, o que é um valor alto para o vento, visto que este sofre grande influência das
características locais. A previsão que utilizou a parametrização GS com assimilação de dados foi a
que apresentou menor erro quadrático médio, tanto para o vento quanto para a temperatura,
resultado semelhante ao obtido por Shafran et al. (2000), sobre a região dos Grandes Lagos, no
Nordeste dos Estados Unidos. Comparando as observações com as radiossondagens, verificou-se
que elas representam bem o ciclo diurno, porém com temperaturas mais baixas e ventos mais fortes.
No entanto, as diferenças entre a observação e as previsões diminuem acima de 600hPa.
O acoplamento do MM5 ao CIT mostrou que a pluma simulada possui valor de pico maior
que a observação. Como as observações são escassas e mal distribuídas espacialmente, os campos
interpolados apresentaram problemas fora da RMSP e ao atingirem áreas com poucas observações.
Ou seja, através dos dados observados, fica difícil identificar um padrão de transporte da pluma de
poluentes. No entanto, ao comparar o presente trabalho com os resultados obtidos pelas previsões
com Martins (2006),verificou-se que o transporte da pluma de ozônio seguiu as mesmas direções:
Noroeste e Oeste, indicando que a circulação de brisa tem um importante papel no transporte do
poluente.
Finalizando, foi verificado que a parametrização que apresentou melhores resultados foi a GS. A
assimilação de dados ajudou a reduzir o erro quadrático médio, de modo que a associação
parametrização GS e assimilação de dados parece ser a melhor opção para estudos utilizando o
MM5 sobre a RMSP. O uso do modelo MM5 acoplado ao CIT apresentou resultados satisfatórios.
No entanto, ainda são necessários alguns ajustes nessa interface, tais como troca dos parâmetros de
topografia e uso do solo dentro do CIT para valores do MM5 (atualmente, usa-se do RAMS). Após
estes ajustes, pode facilmente ser operacionalizado, inclusive utilizando previsões do MM5 com a
117
parametrização GS, e não a BLK, desde que a temperatura a 2m e vento a 10m sejam calculados a
parte antes da geração dos campos no CIT.
118
6. SUGESTÕES PARA TRABALHOS FUTUROS
Sugere-se que mais previsões sejam feitas, nos moldes de Colle et al. (2002), que fizeram
uma verificação do MM5 através de várias simulações ao longo de várias regiões dos EUA. Desse
modo, seria possível verificar em que regiões o MM5 apresenta melhores resultados.
Várias previsões para estações do ano diferentes e modificando as parametrizações físicas
também é uma sugestão, para que sejam verificadas quais parametrizações são mais apropriadas
para cada estação do ano.
A melhoria da interface entre o MM5 e o CIT também é uma sugestão, colocando a
topografia e o uso do solo do MM5 no CIT, de modo que seja utilizada a parametrização GS ao
invés da BLK, desde que a temperatura a 2m e vento a 10m sejam calculados a parte antes da
geração dos campos no CIT.
Também é sugerido o uso de dados observacionais de LIDAR para comparar a altura da
CLP entre os dois esquemas utilizados. Novas simulações, com novos esquemas da CLP, também
são sugestões para novos trabalhos.
Além disso, sugere-se a realização de novos experimentos utilizando o módulo LITTLE_R,
modificando o raio de influência e incorporando novos dados nas assimilações.
119
7. REFERÊNCIAS BIBLIOGRÁFICAS
ATKINSON, B.W.: Mesoscale atmospheric circulations, London Academic Press, 495 p., Chap. 5
& 6. 1981
ARYA, S. P.: Introduction to micrometeorology. International Geophysics Series, vol 79 Academic
Press. 1988.
BALLARD, S. P.; GOLDING, B. W.; SMITH, R. N.: Mesoscale model experimental Forecasts
ofthe Haar of Northeast Scotland. Montlhy Weather Review, vol.119, p. 2107-2123. 1991
BERNADET, L. R.: Simulação numérica da brisa marítima e de sua interação com a topografia na
presença de processos úmidos,1992, 119 f, Dissertação (Mestrado em Ciências Atmosféricas)
- Instituto de Astronomia, Geofísica e Ciências Atmosféricas da Universidade de São Paulo,
1992.
BELJAARS, A.: The parameterization of the boundary layer, 1992. Meteorological Training
Course Lecture Series, ECWMF, 2002.
BETTS, A.K.: No-precipitating cumulus convection and its parameterizations. Quarterly Journal of
Royal Meteorological Society, vol. 99, p. 178-196. 1973
BLACKADAR, A.K.: The vertical distribution of wind and turbulent exchange in a neutral
atmosphere. Journal of Geophysical Research, vol. 67, p. 327-341. 1962.
BLACKADAR, A. K.: Modeling the nocturnal boundary layer. Preprints, Third Symp. on
Atmospheric Turbulence, Diffusion and Air Quality, Raleigh, N.C., Amer. Meteor. Soc., p.
46-49. 1976
BLACKADAR, A. K.: Modeling pollutant transfer during daytime convection. Preprints, Fourth
Symp. on Atmospheric Turbulence, Diffusion and Air Quality, Reno, NV, Amer. Meteor.
Soc., p. 431-447. 1978
BLACKADAR, A. K.: Turbulence and Diffusion in the Atmosphere, Springer, 185pp, 1996.
120
BRAUN, S. A.; TAO, W. K.: Sensitivity of High-Resolution Simulations of Hurricane Bob (1991)
to Planetary Boundary Layer Parametrizations. Mon. Wea. Rev., 128, 3941-3961. 2000
BRIGHT, D. R., MULLEN, S. L.: The Sensitivity of the Numerical Simulation of the Southwest
Monsoon Boundary Layer to the Choice of PBL Turbulence Parameterization in MM5.
Weather and Forecasting , vol 17, p. 99-114, 2002.
BOUGEAULT, P.: Modeling the trade-wind cumulus boundary layer. Part I: testing ensemble
cloud relations against numerical data. Journal of Atmospheric Science, vol. 38, p.2414-2428,
1981.
BURK, S.D.; THOMPSON, W.T.: A vertically nested regional numerical weather prediction model
with second-order closure physics. Mon. Wea. Rev.,
117
, 2305-2324. 1989
BUSSINGER, J. A; WYNGAARD, J. C.; IZUMI Y.; BRADLEY, E. F.: Flux-profile relationships
in the atmospheric surface layer. Journal of Atmospheric Science, vol. 28, p. 181-189. 1971
CARBONE, S.; MARTINS, S. N. S.; ROCHA, R. P; ANDRADE, M.F.;FORNARO, A.: Avaliação
da dispersão de ozônio troposférico na RMSP utilizando o CIT e o MM5. Ciência e Natura,
ed. V Brazilian Micrometeorology Workshop, Santa Maria, p. 233-236. 2007
CARRERA, C. V. M; SILVA DIAS, P. L.: Estudo da entrada da Brisa Marítima no Estado de São
Paulo. VI Congresso Brasileiro de Meteorologia, Salvador, vol 1, 315-319. 1990.
CARRILO, A. M.;MORAIS, M.;LANDULFO, E.; CAMARGO, R.;UEHARA,S.;MARIANO, G.;
PETTO JR, S.: Identificação da intrusão da brisa marítima sobre a região metropolitana de
São Paulo através da técnica LIDAR aliada à análise meteorológica. Ciência e Natura, ed. V
Brazilian Micrometeorology Workshop, Santa Maria, p. 411-414. 2007
CARLSON, T. N.; BOLAND, F. E.: Analysis of urban–rural canopy using a surface heat
flux/temperature model. Appl. Meteor.,
17,
998–1013.1978
121
CETESB (2006) – Caracterização das estações da rede automática de monitoramento da qualidade
do ar na RMSP – Estação Santo André Centro. Disponível em
(www.cetesb.sp.gov.br). 2006
CETESB (2006) - Relatório de Qualidade do Ar no Estado de São Paulo - 2007,
Secretaria do Meio Ambiente, Série Relatórios - ISSN 0103-4103, São Paulo
(www.cetesb.sp.gov.br). 2007
COLLE, B. A.; OLSON, J. B.;TONGUE,J. S.: Multiseason Verification of the MM5, Part I:
Comparison with the Eta Model over the Central and Eastern United States and Impact of
MM5 Resolution. Weather and Forecasting, vol. 18,p. 431-457, 2003.
COSTA E SOUSA, T. A. S.: Previsão Meteorológica em Portugal Continental utilizando o modelo
operacional e de investigação MM5, 2002, 150f, Dissertação para obtenção do grau de mestre
em Ecologia, Gestão e Modelação dos Recursos Marinhos. Instituto Superior Técnico -
Universidade Técnica de Lisboa, 2002.
CRESSMAN, G. P.: An Operational Objective Analysis System. Monthly Weather Review, vol. 87,
p.367-374,1959.
DELSOL, F.; MIYAKODA, K.; CLARKE, R.H.: Parameterized processes in the surface boundary
layer of an atmospheric circulation model. Quarterly Journal of the Royal Meteorological
Society. vol. 97, 412, p.181-208. 1971
DUDHIA, J.: A multi-layer soil temperature model for MM5. Preprints, Sixth PSU/NCAR
Mesoscale Model User’s Workshop, Boulder, CO, NCAR, p. 49-50. 1996.
DURANTE, F.; DE PAUS, T.: A comparison of MM5 and meteo mast winds profiles at Cabauw,
The Netherlands and Wilhelmshaven, Germany. e-WindEng (003). ISSN 1901-9181, 2007.
DUDHIA, J.; GILL, D.; MANNING, K.; WANG, W. ; BRUYERE C.: PSU/NCAR Mesoscale
Modeling System Tutorial Class Notes and Users' Guide (MM5 Modeling System Version 3).
Avaiable online (http://www.mmm.ucar.edu/mm5/documents/) 2005.
122
FREITAS, E. D.: Circulações locais em São Paulo e sua influência sobre a dispersão de poluentes,
2004, 175 f. Tese (Doutorado em Ciências Atmosféricas) - Instituto de Astronomia, Geofísica
e Ciências Atmosféricas da Universidade de São Paulo, 2004.
FREITAS, E. D.; SILVA DIAS, P. L. ; FREITAS, S. R. . Simulações da concentração de monóxido
de carbono sob efeito da brisa marítima/terrestre em São Paulo . In: XIII Congresso Brasileiro
de Meteorologia, 2004, Fortaleza-CE. Anais do XIII Congresso Brasileiro de Meteorologia,
2004.
FREITAS, E. D.; ROZOFF, C. M. ; COTTON, W. R. ; SILVA DIAS, P. L. . Interactions of an
urban heat island and sea breeze circulations during winter over the Metropolitan Area of São
Paulo - Brazil. Boundary - Layer Meteorology, v. 122(1), p. 43-65, 2007.
GAYNO, G. A.; SEAMAN, N. L.; A, LARIO, M.; STAUFFER, D. R.: Forecasting visibility using
a 1.5-order closure boundary layer scheme in a 12-km non-hydrostatic model. In 10th
Conference on Numerical Weather Prediction, Portland, O.R., Amer. Meteor. Soc., 18-20.
1994
GAYNO, G. A.: Development of a higher-order, fog-producing boundary layer model suitable for
use in numerical weather prediction, 1994. M. S. thesis, Dept. of Meteorology, The
Pennsylvania State University. 1994
GRELL, G. A.: Prognostic evaluation of assumptions used by cumulus parameterization. Monthly
Weather Review, vol. 121, p. 764-787. 1993
GRELL, G. A.; DUDHIA, J.; D.; STAUFFER, R.: A description of the Fifth-Generation Penn
State/NCAR Mesoscale Model (MM5). NCAR Tech. Note NCAR/TN-398+STR, 122 pp.
1995 [Available from NCAR PO. Box 3000, Boulder, CO 80307.]
GOODIN, W.R.; MCRAE, G. J.; SEINFELD, J. H.:: A Comparison of Interpolation Methods for
Sparse Data: Application to Wind and Concentration Fields. Journal of Applied Meteorology,
vol 18,p. 65-75, 1979b.
123
GOODIN, W.R.; MCRAE, G. J.; SEINFELD, J. H.: An Objective Analysis Technique for
Constructing Three-Dimensional Urban-Scale Wind Fields. Journal of Applied Meteorology,
vol 19,p. 98-106. 1979b.
HARLEY, R.A.; RUSSELL, A.G.; MCRAE, G. J.; CASS, G. R; SEINFELD, J. H.: Photochemical
modeling of the Southern California Air Quality Study. Environmental Science and
Technology, vol 27, p. 378-388. 1993.
HOLTON, J. R.: An Introduction to Dynamic Meteorology. New York, Academic Press, 509p.
1992
HONG, S.Y.; PAN, H. L.: Nonlocal boundary layer vertical diffusion in a medium-range forecast
model. Mon. Wea. Rev., 124, 2322-2339. 1996:
INNOCENTINI, V. Simulação numérica da brisa marítima: Testes de Sensibilidade e Efeito de
Parametrizações de Transportes Turbulentos, 1981, 65 f. Dissertação (Mestrado em Ciências
Atmosféricas) - Instituto Astronômico e Geofísico, Universidade de São Paulo, São Paulo,
1981.
JANJIC, Z. I.: The step-mountain coordinate model: Physical package. Mon. Wea. Rev., 118, 1429-
1443. 1990
JORGETTI, T.; CAMARGO, R.; JANUÁRIO, C. S. : Caracterização da célula de brisa na região
metropolitana de São Paulo através de observações simultâneas. Anais do XII Congresso
Brasileiro de Meteorologia, Foz do Iguaçu, 2002.
KELLER, L.V.; FRIEDMANN, A. : Proceedings of the First International Congress on Applied
Mechanics, Leningrado, URSS. p. 395. 1924
MANNING, K. W.;HAAGENSON, P. L.: Data ingest and objective analysis for the PSU/NCAR
model system: Programs DATAGRID and RAWINS. NCAR/TN-376+IA. Nationa Center for
Atmospheric Research, 209pp. 1992
MARTINS, L. D.: Sensibilidade da Formação de Ozônio troposférico às emissões veiculares na
Região Metropolitana de São Paulo , 2006, 219 f. Tese (Doutorado em Ciências Atmosféricas)
124
- Instituto de Astronomia, Geofísica e Ciências Atmosféricas da Universidade de São Paulo,
2006.
MARTINS, L. D.; ANDRADE, M. F.; FREITAS, E. D.; PRETTO, A.; GATTI, L.V;
ALBUQUERQUE, E. L.; TOMAZ, E. ; GUARDANI, M. L.; MARTINS, M. H. R. B.;
JUNIOR, O. M. A.: Emission Factors for Gas-Powered Vehicles Traveling Through Road
Tunnels in São Paulo, Brazil. Enviromental Science Technology, vol 40, p. 6722 – 6729.
2006.
MELLOR, G.L.; YAMADA, T.: A hierarchy of turbulence closure models for planetary boundary
layers. Journal of Atmospheric Science,vol 31, p. 1791-1806, 1974
MORALES, C. A. M; ROCHA, R. P.; BOMBARDI, R. J.: The main meteorological characteristic
contributing to the thunderstorms development over the city of São Paulo in Brazil. In IX
SIPDA – IX International Symposium on Lightning Protection. , 26th-30th November 2007,
Foz do Iguaçu – PR – Brazil.
MURAMOTO, C. A.; FERNANDES LOPES, C. F; LACAVA, C. I. V.: Study of tropospheric
Ozone in São Paulo Metropolitan Region. A&WMA’s 96
th
Annual Conference & Exhibition
“Energy, Economy and Global Challenges”. San Diego. USA. 1993
MUSSON-GENON, L.: Numerical simulation of a fog event with a one-dimensional boundary
layer model. Monthly Weather Review, vol. 115, p. 592-606. 1987.
NUSS, W.A.; TITLEY, D.W.: Use of multiquadric interpolation for meteorological objective
analysis. Monthly Weather Review, vol 22, p. 1611-1631, 1994.
OLIVEIRA, A. P; SILVA DIAS, P. L.: Aspectos observacionais da brisa marítima em São Paulo. II
Congresso Brasileiro de Meteorologia, Pelotas,129-145. 1982.
OLIVEIRA, A. P; BORNSTEIN, R. D.; SOARES, J.: Annual and diurnal wind patterns in the city
of São Paulo. Water, Air, and Soil Pollution: Focus 3: 3-45,2003.
ORLANSKI, I.: A rational subdivision of scales for atmospheric processes. Bulletin American
Meteorological Society, vol 56, p.527-530.1975.
125
PÉREZ, C.; JIMÉNEZ, P.; JORBA, O.; SICARD, M.; BALDASANO, J. M.: Influence of the PBL
scheme on high resolution photochemical simulations in na urban coastal area over the
Western Mediterranean. Atmospheric Environment, vol 40, p. 5274-5297. 2006,
PIELKE, R.A.;COTTON, W.R.; WALKO, R.L.; TREMBACK, C.J.; LYONS, W.A.; GRASSO,
L.D.; NICHOLLS, M.E.; MORAN, M.D.; WESLEY, D.A.; LEE, T.J.; COPELAND, J.H. A
Comprehensive meteorological modeling system – RAMS, Meteorology and Atmospheric
Physics, vol 49(1-4), p 69-91, 1992.
PIELKE, R.A.: Mesoscale Meteorological Modeling. International Geophysics Series, vol 78,
Academic Press. 2002.
PINO, D.;VILA-GUERAU DE ARELLANO, J.; COMÈRON, A.; ROCADENBOSCH, F. The
boundary layer growth in a urban area. Science of the Total Environment 334-335 (2004) 207-
213. 2004.
PRIESTLEY, C. H. B.: Convection from Earth’s surface. Proceedings Roy. Soc. ,London, a238, p.
287-304.
RICHTMYER, R.D.: Difference Methods for initial-value problems. Interscience, 283 p. 1957.
ROEBBER, P. J.; SCHULTZ, D. M; COLLE, B. A.; STENSRUD, D. J.: Toward improved
prediction: hig-resolution and ensemble modeling systems in operations. Wea. Forecasting,
19, 936-949. 2004
SALDIVA, P. H. B.; LICHTEFELS, A. J. C. F.; PAIVA, P. S. O.; BARONE, I. A.; MARTINS,
M.A.;MASSAD, E.; PEREIRA, J.C.R.;XAVIER, V.P.; SINGER,J.M.;BOHM, G.M.:
Association between air pollution and mortality due to respiratory diseases in children in São
Paulo, Brazil: a preliminary report. Environmental Research 65,212-225. 1994
SÁNCHEZ-CCOYLO, O. R; SILVA DIAS, P. L.: Estudo observacional e numérico da brisa
marítima em São Paulo. XI Congresso Brasileiro de Meteorologia, Rio de Janeiro,1609-1617.
2000.
126
SHAFRAN, P. C.; SEAMAN, N. L.; GAYNO, G. A.: Evaluation of numerical predictions of
boundary layer structure during the Lake-Michigan Ozone Study. Journal of Applied
Meteorology, vol 39, p. 412-426, 2000.
SILVA, H. S.: Estudo da circulação associada a ilha de calor urbana com um modelo de simulação
de brisa marítima, 1986. Dissertação (Mestrado em Ciências Atmosféricas) - Instituto de
Astronomia, Geofísica e Ciências Atmosféricas da Universidade de São Paulo, 1986.
SIMPSON, J.E.: Sea Breeze and Local Wind. Cambridge University Press. 1994
SOMMERIA, G.; DEARDORFF, J.W.: Subgrid-scale condensation in models of non-precipitating
clouds. Journal of Atmospheric Science, vol 34, p. 344-355. 1977
STULL, R.: An Introduction to Boundary Layer Meteorology Kluwer Academic
Publ., 666pp.1988
TENNEKES, H.; LUMLEY, J.L.: A first course in turbulence, MIT Press. 1972.
THERRY, G.; LACCARÈRE, P.: Improving the eddy kinetic energy model for planetary boundary
layer description. Boundary-Layer Meteorology, vol. 25, p. 63-88,1983.
VAUTARD, R.; BEEKMAN, M.; BESSAGNET, B.; BLOND, N.; HODZIC, A.; HONORÉ, C. ;
MALHERBE, L.; MENUT, L.; ROUIL, L.; ROUX, J. The use of MM5 for operational
ozone/Nox/aerosols prediction in Europe: strengths and weaknesses of MM5. Workshop
Papers from the 5th WRF & 14th MM5 Users' Workshop, 4 p. (versão digital), 2004.
VIDALE, P. L. Evolução da camada limite e controle topográfico no estado de São Paulo, 1992.
120 f. Dissertação (Mestrado em Ciências Atmosféricas) - Instituto Astronômico e Geofísico,
Universidade de São Paulo, São Paulo, 1995.
ZHANG, D. ; ANTHES, R. A.: A high-resolution model of the planetary boundary layer-sensitivity
tests and comparisons with SESAME-79 Data. Journal of Applied Meteorology, vol. 21, p.
1594-1608,1982.
ZUNCKEL, M.; KOOSAILEE, A. ; YARWOOD, G. ; MAURE, G. ; VENJONOKA, K. ; VAN
TIENHOVEN, M.; OTTER, L.: Modelled surface ozone over southern Africa during the
127
Cross Border Air Pollution Impact Assessment Project. Environmental Modelling & Software,
vol. 21, p. 911-924, 2005.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
