ads:
MINISTÉRIO DA EDUCAÇÃO E DO DESPORTO
UNIVERSIDADE FEDERAL DE PELOTAS
FACULDADE DE METEOROLOGIA
ESTUDO DA EFICIÊNCIA DAS PARAMETRIZAÇÕES CONVECTIVAS NA
SIMULAÇÃO DE EVENTOS SEVEROS OCORRIDOS NO BRASIL, UTILIZANDO
O BRAMS.
MARCELO FÉLIX ALONSO
Dissertação apresentada à Universidade
Federal de Pelotas, sob a orientação da
Profa. Dra. Jaci Maria Bilhalva Saraiva,
como parte das exigências do Programa
de Pós-Graduação em Meteorologia, para
obtenção do título de Mestre em Ciências.
PELOTAS
Rio Grande do Sul - Brasil
Fevereiro de 2006
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
ii
Das utopias
Se as coisas são inatingíveis... ora!
não é motivo para não querê-las...
Que tristes os caminhos, se não fora
a mágica presença das estrelas!
Mário Quintana
Dedicada a meus pais por incansável esforço para
que eu tivesse uma educação digna e transparente.
ads:
iii
AGRADECIMENTOS
A Deus, que, em sua totalidade, propiciou-se uma vida repleta de realizações e saúde.
A meus pais, pelo carinho e pelo incentivo. O amor e a educação é a melhor herança
que levarei deles.
A minha esposa, cujo amor e dedicação ajudou-me a passar os momentos mais
difíceis, e cujo sorriso me alegra a cada dia. Viver sem amor é viver as espreitas...
A Doutora Jaci Maria Bilhalva Saraiva, minha orientadora e amiga, que acreditou no
meu potencial e que me incentivou a continuar na área da pesquisa. Sem dúvida, é um
exemplo de profissional que certamente tento seguir.
Ao Doutor Saulo Ribeiro de Freitas, a quem devo muito, por me direcionar e auxiliar
no estudo das parametrizações de convecção, e me proporcionar a chance de seguir um
doutorado.
Ao Doutor José Francisco Dias da Fonseca, que me auxiliou na formulação e
discussão da parametrização convectiva de Kuo, e ministrou a disciplina eletiva relacionada
à modelagem atmosférica, cujas aulas me esclareceram grandes dúvidas.
Aos meus colegas de mestrado, aos colegas do Grupo de estudo em Previsão Regional
Atmosférica (Gustavo e Diego) e aos meus amigos pelo companheirismo.
À coordenadora do curso Cláudia Rejane Jacondino dos Campos e ao secretário da
Pós-Graduação Júnior, pela atenção no atendimento de minhas necessidades.
Ao programa de Pós-Graduação em Meteorologia e ao gabinete de Pós-Graduação da
UFPEL pela obtenção da bolsa emergencial da CAPES.
iv
RESUMO
ALONSO, Marcelo Félix. Estudo da eficiência das Parametrizações Convectivas na
simulação de eventos severos ocorridos no Brasil, utilizando o BRAMS. 2006. 162f.
Dissertação (Mestrado) – Programa de Pós-graduação em Meteorologia. Universidade
Federal de Pelotas, Pelotas.
O objetivo geral dessa dissertação de mestrado foi estudar a influência das Parametrizações
de Convecção na simulação de eventos severos no Brasil, a fim de avaliar o seu
desempenho na previsão regional de tempestades potencialmente destruidoras.
Com esse raciocínio, comparou-se a precipitação observada e simulada, estudaram-se as
reservas de energia envolvidas no processo da convecção, analisou-se como o ambiente
termodinâmico e dinâmico em grande escala foi modificado e estudaram-se maneiras de
melhorar a parametrização convectiva de Grell a fim de propiciar ainda mais confiabilidade
à previsão numérica do tempo, utilizando o modelo regional de mesoescala BRAMS 2.0.
Para isso, analisaram-se dois casos de sistemas precipitantes, influenciados por regimes
distintos (extratropical e tropical). Não obstante, ainda fez-se uma análise da confiabilidade
da Parametrização Convectiva de Grell na simulação da precipitação para o mês de maio de
2005, no Rio Grande do Sul.
Evidencia-se a superioridade da Parametrização Convectiva de Grell na simulação da
magnitude da precipitação, em relação à Parametrização Convectiva de Kuo. Porém,
conclui-se que a Parametrização Convectiva de Grell tende a superestimar o dado
observado de precipitação acumulada. Nos dois casos de convecção, pôde-se obter uma boa
eficiência da Parametrização convectiva de Grell, em relação à magnitude da precipitação
diária acumulada, diminuindo-se o raio da nuvem, aumentando o entranhamento de massa
no sistema.
Os experimentos cuja peculiaridade é o uso da Parametrização Convectiva de Grell,
simularam com melhor precisão as características termodinâmicas do ambiente e
representaram com boa exatidão os aspectos dinâmicos favoráveis à gênese e manutenção
de tempestades mais severas, fornecendo subsídio no que se refere ao uso da modelagem
v
regional como estratégia adicional na prevenção de fenômenos potencialmente
destruidores.
Percebe-se, analisando o caso II, que os dados de inicialização do modelo tiveram um
profundo impacto na simulação da Linha de Instabilidade. Os experimentos iniciados com
os dados de Re-análise, do NCEP, cuja resolução é de 250 km, organizaram as bandas
convectivas numa configuração mais parecida com o que foi observado. Todavia, os
experimentos iniciados com o modelo T126L28, do CPTEC, cuja resolução é de 100 km,
geraram núcleos convectivos em áreas onde não foi observada atividade convectiva.
Palavras-chave: BRAMS. Convecção. Instabilidade. Tempestades severas. Eventos
severos.
vi
ABSTRACT
ALONSO, Marcelo Félix. Estudo da eficiência das Parametrizações Convectivas na
simulação de eventos severos ocorridos no Brasil, utilizando o BRAMS. 2006. 162f.
Dissertação (Mestrado) – Programa de Pós-graduação em Meteorologia. Universidade
Federal de Pelotas, Pelotas.
The general objective of this purpose of was to study the Convection Parameterization
influence in the Brazilian severe events simulation, in order to evaluate its performance in
the regional severe storm forecast.
It was compared observed and simulated precipitation, the energy budghets envolved in the
convection process had been studied, were analyzed the large-scale thermodynamic and
dynamic modification and had studied ways to improve the Grell convective
parameterization for a better weather numerical forecast, using BRAMS 2.0 model.
For this, two cases of convective systems had been analyzed, influenced by regimes distinct
(extratropical and tropical). Still, we made an analysis of the Grell Convective
Parameterization behavior in the precipitation simulation for May 2005, in the Rio Grande
Do Sul state.
The accumulated precipitation, simulated from experiments that use the Grell scheme,
better represented the rain intensity, but overestimated the observed data. The simulations
with Kuo scheme underestimated the observed data.
The inicialization data has a full influence in the squall line simulation. The
LIGRELLA/LIKUOA experiments better simulated the spatial coverage of squall line, with
relation the GPCP satellite data. However, the LIGRELLB/LIKUOB experiments
simulated maximum precipitation in regions with any observed rain, including, LIKUOB
simulated a squall line with propagation opposing the observed.
Keywords: BRAMS. Convection. Instability. Severe storms. Severe events.
vii
LISTA DE FIGURAS
3.1 Diagrama esquemático das componentes de uma parametrização convectiva sendo
(a) Controle Dinâmico; (b) Retroalimentação e (c) Controle Estático........ 18
4.1 Disposição das estações do INMET no estado do Rio Grande do Sul.........22
4.2 Método de Thiessen .....................................................................................24
4.3 Ilustração esquemática da justaposição dos campos simulados (S) e observados (R).
Os dois campos são coincidentes em
RS
∩
................................................26
4.4 Diagrama esquemático que mostra o ciclo de umidade numa coluna com convecção,
para a parametrização convectiva de Kuo....................................................47
4.5 (a) Visão esquemática de um modelo de bolha (ou termal) de entranhamento lateral
numa cumulus (b) Visão esquemática de um modelo de jato estacionário de
entranhamento lateral numa cumulus. [adaptado de Holton
(1989)].......................................................................................................... 53
5.1 Localização da cidade de Antônio Prado..................................................... 60
5.2 Imagem do satélite GOES-12 (infravermelho) e EUMETSAT (visível) no dia 11 de
dezembro de 2003 às 18:09 e 18:00 TMG, respectivamente....................... 61
5.3 Localização da grade nos experimentos SC................................................. 62
5.4 Precipitação acumulada em mm/dia estimada por satélite (GPCP)............. 63
5.5 Precipitação convectiva acumulada no dia 11 de dezembro de 2003,em mm/dia, no
experimento (a) SCGRELL e (b) SCKUO para a grade 1. Os quadros (c) e (d)
referem-se a um corte realizado na grade para mostrar a disposição da precipitação
acumulada sobre o estado do Rio Grande do Sul, simulada pelos experimentos
SCGRELL e SCKUO, respectivamente...................................................... 64
5.6 Mapa hipsométrico com as áreas de estudo destacadas conforme características
topográficas e geomorfológicas.................................................................. 65
5.7 Precipitação acumulada em mm/24h interpolada mediante os valores observados em
21 estações do INMET.................................................................................66
viii
5.8 Porto Alegre: 00:00 TMG do dia 11/12/2003: (a) Gráfico Skew-T Log-P observado;
(b) Gráfico Skew-T Log-P simulado pelo experimento SCGRELL e (c) Gráfico
Skew-T Log-P simulado pelo experimento SCKUO...................................70
5.9 Porto Alegre: 12:00 TMG do dia 11/12/2003: (a) Gráfico Skew-T Log-P observado;
(b) Gráfico Skew-T Log-P simulado pelo experimento SCGRELL e (c) Gráfico
Skew-T Log-P simulado pelo experimento SCKUO...................................71
5.10 Porto Alegre: 12:00 TMG de 11/12/03: comportamento vertical da Temperatura
Potencial Equivalente de saturação (K)........................................................72
5.11 Antônio Prado: 18:00 TMG de 11/12/03: Skew-T Log-P simulado em (a)
SCGRELL e (b) SCKUO..............................................................................73
5.12 Antônio Prado: 18:00 TMG de 11/12/03: comportamento vertical da Temperatura
Potencial Equivalente de saturação (K)........................................................74
5.13 18:00 TMG de 11/12/03: (a) Índice DNRV em m
2
s
-2
(a área sombreada corresponde
ao intervalo entre 40 e 100 m
2
s
-2
) e (b) convergência de umidade em x 10
-5
g.kg
-1
.s
-
1
em 1000 hPa; simulados em SCGRELL....................................................75
5.14 Campo da Helicidade Relativa para os primeiros 2 km, em m
2
s
-2
; simulado em
SCGRELL.................................................................................................... 75
5.15 18:00 TMG de 11/12/03: (a) Índice DNRV em m
2
s
-2
(a área sombreada corresponde
ao intervalo entre 40 e 100 m
2
s
-2
) e (b) convergência de umidade em x 10
-5
g.kg
-1
.s
-
1
em 1000 hPa; simulados em SCKUO........................................................76
5.16 18:00 TMG de 11/12/03: (a) vento (a cor e tamanho dos vetores indicam a
intensidade) em 925 hPa; (b) Umidade específica em 925 hPa
(g/kg)............................................................................................................77
5.17 Hodógrafa das 12 TMG para a estação SBPA, (a) observada e (b) simulada pelos
experimentos SCGRELL (preto) e SCKUO (vermelho). O eixo x representa a
magnitude do vento zonal; o eixo y representa a magnitude do vento
meridional.....................................................................................................78
5.18 Área de estudo para obtenção dos perfis médios de aquecimento / resfriamento e
umedecimento / secagem convectivos......................................................... 79
ix
5.19 18:00 do dia 17/01/05: Perfis médios de (a) aquecimento / resfriamento e (b)
umedecimento / secagem convectivos em K/dia e g/kg/dia, respectivamente, na área
indicada na figura 5.21................................................................................ 80
5.20 Precipitação convectiva acumulada (mm/dia) simulada pelos experimentos: (a)
SCGRELL, (b) SC2000, (c) SC5000, (d) SCCAP50 e (e) SCCAP90........ 83
5.21 Antônio Prado: 18:00 TMG de 11/12/03: comportamento vertical da Temperatura
Potencial Equivalente de saturação (K)........................................................85
5.22 Movimento vertical, em ms
-1
, (sombreado) e convergência de umidade, em x10
-5
g.kg
-1
.s
-1
, simudados pelos experimentos: (a) SCGRELL, (b) SC2000, (c) SC5000,
(d) SCCAP50 e (e) SCCAP90, no nível de 850 hPa.................................... 86
5.23 A função p
D
(λ) é a pressão do nível de desentranhamento, λ
D
(p) é a função inversa
de p
D
(λ) , h
c
é a energia estática úmida na escala convectiva e
*h
é a energia
estática úmida do ambiente saturado............................................................88
5.24 18:00 do dia 17/01/05: Perfis médios de (a) aquecimento / resfriamento e (b)
umedecimento / secagem convectivos em K/dia e g/kg/dia, respectivamente, na área
indicada na figura 5.18................................................................................. 89
6.1 Imagem do satélite GOES 12 no canal visível, realçada pelo CPTEC/INPE, às 17:45
TMG. As cores representam a temperatura no topo das nuvens e o círculo branco
indica a região de Manaus........................................................................... 93
6.2 Variação horária de temperatura do ar, velocidade do vento à superfície e rajadas
registradas no Aeródromo Eduardo Gomes em Manaus – AM no dia 17 JAN
2005.............................................................................................................. 93
6.3 Localização das grades nos experimentos intitulados LI............................ 95
6.4 Taxa de chuva acumulada no dia 17 de janeiro de 2005 para a cidade de Manaus,
em mm, medida nas estações, estimada por satélite e simulada pela Parametrização
de Convecção............................................................................................... 96
6.5 Precipitação convectiva acumulada no dia 17 de janeiro de 2005, em mm/dia, (a)
medida pelo satélite GPCP e simulada pelo experimento (b) LIGRELLA, (c)
LIKUOA, (d) LIGRELLB e (e) LIKUOB................................................... 97
6.6 Disposição das áreas de estudo para obtenção da Precipitação média. Conforme
tabela 1, os dados de precipitação acumulada no período entre as 12 TMG do dia
x
16/01/05 e 12 TMG do dia 17/01/05, foram ponderados pelas respectivas áreas no
domínio escolhido, com o intuito de analisar a precipitação média nesse bloco. Por
conseguinte calcularam-se os índices quantitativos de desempenho das simulações
(tabela 6.3)...................................................................................................98
6.7 Precipitação às 18 TMG, em mm/h, (a) medida pelo satélite TRMM e simulada pelo
experimento (b) LIGRELLA, (c) LIKUOA, (d) LIGRELLB e (e)
LIKUOB...................................................................................................... 101
6.8 Manaus: 12:00 TMG do dia 17/01/2005: (a) Gráfico Skew-T Log-P observado e (b)
Gráfico Skew-T Log-P simulado pelo experimento
LIGRELLB.................................................................................................. 103
6.9 Manaus: 12:00 TMG de 11/12/03: comportamento vertical da Temperatura
Potencial Equivalente de saturação (K). Suprimiu-se as camadas superiores a 300
hPa por não apresentarem diferenças significativas entre os perfis simulado e
observado..................................................................................................... 104
6.10 18:00 TMG do dia 17/01/2005: Convergência de umidade em x 10
-2
g.kg
-1
.s
-1
simulada por (a)LIGRELLA, (b)LIKUOA, (c) LIGRELLB e (d)LIKUOB, no nível
de 1000 hPa.................................................................................................. 105
6.11 18:00 TMG do dia 17/01/2005: Movimento ascendente (sombreado) e descendente
(contorno), em m/s, simulados por (a) LIGRELLA, (b) LIKUOA, (c) LIGRELLB e
(d) LIKUOB................................................................................................. 106
6.12 18:00 TMG do dia 17/01/2005: Convergência (sombreado) e divergência
(contorno), em x 10
5
s
-1
, no nível de 850 hPa, simulados por (a) LIGRELLA, (b)
LIKUOA, (c) LIGRELLB e (d) LIKUOB................................................... 107
6.13 18:00 TMG do dia 17/01/2005: Vento em m/s, simulado por LIKUOB em (a) 1000
hPa e (b) 300 hPa .........................................................................................108
6.14 Área de estudo para obtenção dos perfis médios de aquecimento / resfriamento e
umedecimento / secagem convectivos......................................................... 109
6.15 18:00 do dia 17/01/05: Perfis médios de (a) aquecimento / resfriamento e (b)
umedecimento / secagem convectivos em K/dia e g/kg/dia, respectivamente, na área
indicada na figura 6.14................................................................................ 110
xi
6.16 Precipitação acumulada no dia 17 de janeiro de 2005, em mm/dia, (a) medida pelo
satélite GPCP e simulada pelo experimento (b) LIGRELLA, (c) LI2000, (d) LI5000,
(e) LICAP50 e (f) LICAP90........................................................................ 111
6.17 Manaus: 12:00 TMG de 11/12/03: comportamento vertical da Temperatura
Potencial Equivalente de saturação (K). Suprimiu-se as camadas superiores a 300
hPa por não apresentarem diferenças significativas entre os perfis simulado e
observado..................................................................................................... 114
6.18 18:00 TMG do dia 17/01/2005: Diferença da convergência de umidade (Controle -
Demais testes) em x 10
-2
g.kg
-1
.s
-1
para (a) LI2000, (b) LI5000, (c) LICAP50 e (d)
LICAP90..................................................................................................... 115
6.19 movimento vertical em m/s ascendente (sombreado) e descendente (contorno), em
500 hPa, simulado pelos experimentos (a) LIGRELL, (b) LI2000, (c) LI5000, (d)
LICAP50 e (e) LICAP90, às 18 TMG.........................................................116
6.20 18:00 do dia 17/01/05: Perfis médios de (a) aquecimento / resfriamento e (b)
umedecimento / secagem convectivos em K/dia e g/kg/dia, respectivamente, na área
indicada na figura 6.15................................................................................. 118
6.21 Série Temporal do fluxo médio de massa nas correntes ascendentes para a área
mostrada na figura 6.15, em kgm
-2
.............................................................. 118
7.1 (a) Precipitação (mm) acumulada no mês de maio / 2005; (b) Desvios de
precipitação em mm em relação à média climatológica (1961-1990) para o mês de
maio/2005 (INMET).................................................................................... 123
7.2 Disposição das grades na simulação operacional. O Domínio maior possui resolução
de 40 km, a grade que cobre o estado do Rio Grande do Sul possui resolução de 10
km e a grade que cobre a região metropolitana de Porto Alegre possui resolução de
2,5 km......................................................................................................... 124
7.3 Precipitação simulada acumulada no mês de maio (mm), precipitação observada
acumulada no mês de maio (mm) e Normal climatológica entre o período de 1961 e
1990 (mm). Para 18 estações convencionais do INMET........................... 125
7.4 (a) Precipitação observada acumulada no mês de maio (mm) e (b) Precipitação
simulada acumulada no mês de maio (mm)............................................... 126
xii
7.5 Precipitação simulada acumulada no mês de maio devido à parametrização de
convecção (mm), precipitação simulada acumulada no mês de maio devido a
Microfísica e precipitação acumulada observada no mês de maio (mm). Para 25
estações convencionais do INMET............................................................. 127
7.6 ViésM da precipitação diária simulada pela parametrização convectiva de Grell e da
precipitação diária simulada total. (21 pontos referentes à localização de algumas
estações convencionais do Instituto Nacional de Meteorologia)............... 128
7.7 ViésM da precipitação mensal simulada pela parametrização convectiva de Grell,
por estação. (Interpolação dos vieses médios de 21 pontos referentes à localização
de algumas estações convencionais do Instituto Nacional de
Meteorologia).............................................................................................. 128
xiii
LISTA DE TABELAS
3.1 Principais vantagens e desvantagens das parametrizações convectivas mais
relevantes [Adaptado de Emanuel (1994)].................................................. 15
4.1 Principais Opções do modelo BRAMS 2.0................................................. 36
5.1 Características dos experimentos SC........................................................... 62
5.2 ViésM (viés médio) e EmqMV (Erro médio quadrático normalizado pelo Viés), em
milímetros acumulados no período das 12 TMG do dia 11/12/03 às 12 TMG do dia
12/12/03. Os menores erros estão destacados em vermelho........................66
5.3 Índices de posicionamento dos dados simulados de precipitação acumulada no dia
17 de janeiro de 2005 em relação ao observado nas 21 estações do INMET para (a)
P ≤ 20 mm/24h, (b) 20 ≤ P ≤ 50 mm/24h e (c) P ≥ 50 mm/24h..................67
5.4 Característica peculiar dos experimentos SC2000, SC5000, SCCAP50 e
SCCAP90..................................................................................................... 81
5.5 ViésM (viés médio) e EmqMV (Erro médio quadrático normalizado pelo Viés), em
milímetros acumulados no período das 12 TMG do dia 11/12/03 às 12 TMG do dia
12/12/03........................................................................................................82
5.6 Índices de Instabilidade observados e simulados para o dia 11 de dezembro de 2003
no horário das 00:00 TMG, na estação SBPA..............................................84
5.7 Índices de Instabilidade observados e simulados para o dia 11 de dezembro de 2003,
no horário das 18:00 TMG, em Antônio Prado............................................84
6.1 Características dos experimentos LI............................................................ 94
6.2 Índices de posicionamento dos dados simulados de precipitação acumulada no dia
17 de janeiro de 2005 em relação ao estimado por satélite (projeto GPCP) para (a) P
≤ 10 mm/dia, (b) 15 ≤ P ≤ 20 mm/dia, (c) P ≥ 20 mm/dia e (d) P ≥ 40
mm/dia..........................................................................................................99
6.3 Informações pluviométricas coletadas e simuladas nas quatro estações dispostas na
figura 6.6. P
i
é o valor da precipitação numa determinada estação (em mm/24h), A
i
é a área de influência dessa estação sobre o domínio escolhido. W
i
é o fator de peso
da respectiva área, que é obtido mediante a razão dela sobre a área total. P
i
x w
i
é o
xiv
produto que dá o valor médio de precipitação ponderado pela área. O somatório
desses produtos dá a precipitação média do domínio...................................100
6.4 ViésM (viés médio) e EmqMV (Erro médio quadrático normalizado pelo Viés), em
milímetros acumulados no período das 12 TMG do dia 17/01/05 às 12 TMG do dia
18/01/05........................................................................................................100
6.5 Característica peculiar dos experimentos LI2000, LI5000, LICAP50 e
LICAP90.......................................................................................................111
6.6 ViésM (viés médio) e EmqMV (Erro médio quadrático normalizado pelo Viés), em
milímetros acumulados no período das 12 TMG do dia 17/01/05 às 12 TMG do dia
18/01/05........................................................................................................113
6.7 Índices de Instabilidade observados e simulados para o horário das 12:00 TMG na
estação SBMN..............................................................................................113
7.1 Características peculiares do operacional.....................................................124
xv
ÍNDICE
I – Introdução.......................................................................................................... 02
II – Objetivos........................................................................................................... 06
III – Revisão Bibliográfica...................................................................................... 08
3.1 – Estrutura geral dos esquemas de Parametrização Convectiva............ 08
3.1.1 - Dinâmica de tempestades severas......................................... 08
3.1.2 – Controle Dinâmico, Retroalimentação e Controle Estático. 09
3.1.2.1 - Controle Dinâmico................................................. 10
3.1.2.2 – Retroalimentação................................................... 13
3.1.2.3 – Controle Estático................................................... 14
3.1.3 – Esquemas convectivos do tipo I e II.....................................16
3.1.4 – Diagrama esquemático geral de um esquema convectivo....17
3.1.5 – Parametrização de Cúmulus Rasos...................................... 18
3.1.6 – Influência da Parametrização de Radiação na convecção... 19
IV – Metodologia..................................................................................................... 20
4.1 – Dados observados............................................................................... 21
4.1.1 – Métodos Estatísticos.............................................................22
4.1.1.1 – Precipitação média numa área ..............................23
4.1.1.2 – Métodos de validação do modelo .........................25
4.2 – Caracterização do ambiente propício ao desenvolvimento de tempestades
severas......................................................................................................................27
4.2.1 – Características das variáveis termodinâmicas estudadas..... 27
4.2.1.1 – Índice K................................................................. 27
4.2.1.2 – Índice TT............................................................... 28
4.2.1.3 – Índice de instabilidade por levantamento (ILEV ou
Lift).......................................................................................................................... 28
4.2.1.4 – CAPE..................................................................... 29
4.2.1.5 – CINE...................................................................... 29
xvi
4.2.1.6 – Razão de mistura (r) e umidade específica (q)...... 30
4.2.1.7 – Temperatura potencial equivalente de saturação.. 31
4.2.1.8 – Estratégia observacional quanto à caracterização do
ambiente termodinâmico......................................................................................... 32
4.2.2 – Parâmetros dinâmicos analisados......................................... 32
4.2.2.1 – Denominador do número de Richardson volumétrico
(DNRV).................................................................................................................. 32
4.2.2.2 – Helicidade.............................................................. 33
4.3 – Características do modelo BRAMS.................................................... 34
4.4 – Parametrização Convectiva de Kuo.................................................... 43
4.4.1 – Definição das fontes e sumidouros de calor e umidade .......43
4.4.2 – Relação do umedecimento e do aquecimento convectivo total com a
convergência de umidade............................................................................ 45
4.4.3 – Determinação de b............................................................... 48
4.4.4 – Particionamento vertical de fontes de calor aparente.......... 50
4.5 – Parametrização Convectiva de Grell................................................... 52
4.5.1 – Entranhamento em nuvens cumulus.................................... 52
4.5.2 – Controle estático.................................................................. 54
4.5.3 – Retroalimentação................................................................. 56
4.5.4 – Controle dinâmico................................................................ 57
V – Resultados referentes ao estudo de caso I ........................................................ 59
5.1 – Análise comparativa das simulações com os campos observados...... 61
5.1.1 – Definição dos experimentos numéricos............................... 61
5.1.2 – Análise comparativa da precipitação................................... 63
5.2 – Análise do ambiente simulado............................................................ 68
5.2.1 – Características termodinâmicas do ambiente simulado....... 68
5.2.1.1 – Descrição dos diagramas aerológicos Skew-T Log-
P............................................................................................................................... 68
5.2.1.2 – Análise termodinâmica do ambiente .................... 69
5.2.2 – Aspecto dinâmico do ambiente simulado............................ 74
5.3 – Características da convecção.............................................................. 78
xvii
5.4 – Testes de sensibilidade na Parametrização Convectiva de Grell....... 80
5.4.1 – Análise comparativa da precipitação................................... 81
5.4.2 – Análise termodinâmica do ambiente.................................... 84
5.4.3 – Aspecto dinâmico do ambiente............................................ 85
5.4.4 – Características da convecção................................................87
5.5 – Conclusões Parciais............................................................................ 89
VI – Resultados referentes ao estudo de caso II...................................................... 91
6.1 – Análise comparativa das simulações com os campos observados..... 94
6.1.1 – Definição dos experimentos numéricos............................... 94
6.1.2 – Análise comparativa da precipitação................................... 95
6.2 – Análise do ambiente simulado............................................................ 102
6.2.1 – Características termodinâmicas do ambiente simulado....... 102
6.2.2 – Aspecto dinâmico do ambiente simulado............................ 104
6.3 – Características da convecção............................................................. 108
6.4 – Testes de sensibilidade na Parametrização Convectiva de Grell........ 110
6.4.1 – Análise comparativa da precipitação................................... 111
6.4.2 – Análise termodinâmica do ambiente.................................... 113
6.4.3 – Aspecto dinâmico do ambiente............................................ 114
6.4.4 – Características da convecção................................................117
6.5 – Conclusões Parciais............................................................................ 119
VII – Resutados Referentes ao Mês de Maio / 2005............................................... 121
7.1 – Climatologia do mês de maio e características das simulações.......... 122
7.2 – Resultados........................................................................................... 125
7.3 – Conclusões Parciais............................................................................ 128
VIII – Conclusões.................................................................................................... 129
8.1 – Quanto ao comportamento da precipitação simulada......................... 129
8.2 – Quanto aos ambientes termodinâmico e dinâmico simulados............ 130
8.3 – Quanto à característica da convecção..................................................131
8.4 – Quanto aos testes de sensibilidade...................................................... 131
8.5 – Quanto ao estudo da eficiência da Parametrização Convectiva de Grell para
um mês chuvoso.......................................................................................................132
xviii
8.6 – Conclusões finais................................................................................ 133
XI – Bibliografia...................................................................................................... 135
1
CAPÍTULO I
INTRODUÇÃO
O comportamento da atmosfera é, definitivamente, agente direto na vida cotidiana do
homem moderno. O estudo e a tentativa de prever os sistemas do tempo, e suas variantes, é
uma preocupação cada vez mais difundida no meio científico. Dentro desse contexto, a
previsão de eventos severos tornou-se prioridade em grandes Centros Meteorológicos
Nacionais e Regionais.
A necessidade de prever eventos potencialmente destruidores torna-se mais evidente à
medida que provocam irreparáveis perdas materiais e humanas na população, com profunda
influência no seu retrocesso econômico e social.
Nechet (2002) realizou um estudo da ocorrência de tornados em território brasileiro.
O autor listou a ocorrência desses fenômenos em vários estados brasileiros e atribui-o como
2
um evento com grandes possibilidades de acontecer no Brasil, tendo classificação F0,
próximo ao Equador e até o nível da escala F2 nas regiões Sudeste e Sul. Nechet ainda
salienta que a prevenção é a forma mais adequada de se anteceder a uma determinada
situação que seja adversa, e que, apesar de parecer caro (quando nada ocorre) uma
prevenção pode trazer economia de somas vultosas.
O secretário da Organização Meteorológica Mundial (OMM), senhor M. Jarraud, em
mensagem escrita por ocasião do dia meteorológico mundial no ano de 2005, afirma que, as
observações exatas e as previsões de grande precisão contribuem para que vivamos em
condições de relativa segurança, com maior comodidade e para uma melhor proteção dos
valiosos recursos naturais.
Conforme Nascimento (2005), a infra-estrutura de modelagem numérica e rede
observacional presente ou planejada para serviços regionais de previsão do tempo possui
potencial aplicação para a previsão de tempestades severas. O autor discute uma estratégia
operacional de previsão de tempestades severas de possível aplicação no Brasil, e diz que é
necessário estudar procedimentos que maximizem a extração de informação relevante dos
dados observados e de modelos de mesoescala que identifiquem estes ambientes
atmosféricos, visando uma implementação operacional.
Portanto, simulações numéricas são ferramentas de suma importância na investigação
de fenômenos atmosféricos potencialmente destruidores. Dentro desse contexto, deve-se
firmar o conceito de que eventos severos são extremamente susceptíveis a variação
dinâmica e termodinâmica do ambiente em grande escala e na escala da nuvem.
Para grades em torno de 40 km de resolução, a necessidade de se usar esquemas de
parametrização convectiva, para simular com maior realidade os processos convectivos, é
bem reconhecida. Sabe-se também que, em resoluções maiores (com espaçamento menor
que 8 km), certos tipos de convecção organizada podem ser simulados pela microfísica sem
a necessidade de esquemas convectivos de sub-grade. Nessa linha de pensamento, sabe-se
que a Parametrização de Convecção desempenha um papel primordial na qualidade da
simulação de eventos potencialmente destruidores, em grades com resolução inferior a 10
km.
3
Bougeault (1985), afirma que uma parametrização convectiva de processos cúmulus
mais severos é de importância primária para a previsão numérica do tempo, tanto nos
trópicos, quanto para previsões nas latitudes médias. Devido a esse fato, extensivos estudos
foram desenvolvidos para avaliar e desenvolver novos esquemas, verificando e
aperfeiçoando as teorias já existentes.
O fluxo de calor latente na convecção cúmulus e os transportes de calor e umidade
nas nuvens podem modificar circulações atmosféricas em escalas maiores que a sub-grade
das nuvens. Por sua vez, a convergência de massa e vapor d’água em baixos níveis tem sido
ligada observacionalmente com a ocorrência de convecção profunda de cúmulus. Sazaki e
Lewis (1970), Lewis (1971) e Hudson (1971) acharam ligação entre a convecção ativa e
áreas de convergência de massa e umidade sobre a região central dos Estados Unidos.
O cisalhamento vertical do vento horizontal também tem um profundo efeito nos
sistemas convectivos dos extratrópicos (Fritsch 1975), mostrando que a eficiência da
precipitação é uma função fortemente relacionada ao cisalhamento.
Estas relações satisfazem a necessária condição para a parametrização de convecção
cúmulus, onde a convecção deve ter forte ligação com parâmetros de larga escala. Estudos
têm mostrado que os modelos prognósticos freqüentemente subestimam importantes
eventos sinóticos quando a convecção cúmulus exerce um papel principal (Kuo et al.,
1984). Isto indica que importantes efeitos da convecção cúmulus no ambiente não são
propriamente parametrizados em modelos numéricos.
Alonso e Saraiva (2004), simularam um Complexo Convectivo de Mesoescala
ocorrido no dia 07 de janeiro de 2004, sobre o Paraguai, comparando as parametrizações
convectivas de Grell e de Kuo no modelo BRAMS. Eles mostraram que a parametrização
convectiva de Grell simulou com mais exatidão o fenômeno em questão. Os mesmos
autores, em 2005, conseguiram simular duas Linhas de Instabilidade ocorridas no período
entre 17 e 18 de janeiro do mesmo ano no estado do Amazonas, explorando com detalhes
suas características conceituais principais, utilizando a parametrização convectiva de Kuo
(Tremback, 1990). Esses trabalhos mostram a influência direta dos esquemas de convecção
profunda na simulação de eventos severos, e evidencia-se a necessidade de se estudar mais
4
profundamente o impacto desses esquemas na simulação desses tipos de eventos
meteorológicos.
Ainda que haja um eminente crescimento quantitativo e qualitativo nas
parametrizações de fenômenos ocorridos em escalas menores às resolvidas pelos modelos,
poucos testes sistemáticos têm sido feitos sobre suas estruturas. Conforme citado por Grell
(1993), comumente, três diferentes métodos tem sido usados para testar esquemas de
parametrização, são eles: o teste diagnóstico, o semiprognóstico e o prognóstico completo.
Devido à alta complexidade dos modelos de prognóstico atmosférico, torna-se
dificultoso, senão impossível, isolar erros causados pela parametrização cúmulus de erros
causados por outros componentes do modelo. Uma maneira qualitativa de contornar esse
problema é testar os esquemas diagnosticamente, observando a correlação entre a atividade
convectiva (medida em termos de precipitação pluvial) e várias propriedades como
convergência de umidade e instabilidade.
Embora forneça uma boa ajuda na identificação das relações entre os dados realísticos
e os simulados pelas hipóteses de fechamento, tal teste é susceptível a influência de outras
parametrizações (Radiação de onda longa ou curta, esquema de difusão turbulenta,
microfísica ...) no comportamento de muitos campos atmosféricos. Não obstante, para fins
prognósticos, há a alternativa de rodar uma parametrização sobre um intervalo de tempo
pré-determinado e, posteriormente, repetir o teste com outra parametrização, ou conjunto de
parametrizações, no mesmo intervalo (Prognóstico Completo).
Porém, isolar os resultados entre as parametrizações do modelo ainda é um processo
complicado, e por isso é aconselhável estudar as relações descritas anteriormente
juntamente com os perfis verticais de aquecimento e umedecimento convectivo, analisando
os fluxos de calor e umidade convectivos e de grande escala.
Em suma, diante do potencial cenário de destruição causado por eventos severos,
torna-se importante estudar a influência das parametrizações de convecção na simulação
desses fenômenos: comparando as precipitações observadas e simuladas, estudando as
reservas de energia envolvidas no processo da convecção, analisando como o ambiente
termodinâmico e dinâmico em grande escala é simulado e estudando maneiras de melhorar
5
a parametrização da convecção profunda, a fim de propiciar ainda mais confiabilidade à
previsão numérica do tempo.
6
CAPÍTULO II
OBJETIVOS
O objetivo geral desta dissertação de Mestrado é estudar a influência das
parametrizações de convecção na simulação de eventos convectivos severos no Brasil, a
fim de avaliar o seu desempenho na previsão regional de tempestades potencialmente
destruidoras.
Com esse raciocínio, pretende-se, primeiramente, comparar as variáveis simuladas e
observadas para mostrar qual parametrização convectiva é a mais realista. Para isso,
analisar-se-ão dois casos distintos de sistemas precipitantes: O primeiro, intitulado caso I,
refere-se à ocorrência de áreas de instabilidade associadas à passagem de uma Frente Fria
no dia 11 de dezembro de 2003, sobre o estado do Rio Grande do Sul. O segundo tipo de
sistema, intitulado caso II, refere-se à passagem de uma Linha de Instabilidade sobre o
7
estado do Amazonas no dia 17 de janeiro de 2005. São fenômenos com escalas distintas e
de regimes diferentes (extratropical versus tropical).
Em continuidade, pretende-se estudar o comportamento e desempenho do ambiente
termodinâmico e dinâmico simulados, confrontando-os com o ambiente observado e
analisando sua potencialidade de desenvolver tempestades severas. Analisar-se-á também a
característica de cada convecção, para apontar virtudes / deficiências que possibilitaram /
inibiram a atuação dessas parametrizações no particionamento da precipitação.
De posse desses dados, ainda pretende-se fazer uma bateria de testes de sensibilidade
da parametrização convectiva de Grell (Grell e Devenyi, 2002), a fim de tentar melhorar
seu desempenho.
Porém, a prática nos diz que a análise da eficiência da parametrização convectiva em
períodos curtos de um ou dois dias, em casos isolados de convecção, não é o suficiente para
avaliar tal esquema, e por isso, analisaremos a eficiência da parametrização convectiva
mais realista nos casos I e II para um mês chuvoso, no estado do Rio Grande do Sul.
8
CAPÍTULO III
REVISÃO BIBLIOGRÁFICA
3.1 - Estrutura geral dos esquemas de Parametrização Convectiva.
3.1.1 – Dinâmica de tempestades severas.
Conforme Menezes (1998), a dinâmica da evolução e manutenção de tempestades
severas é quase sempre associada a um mecanismo de retroalimentação em que o sistema,
depois de estabelecido, tem a propriedade de manter-se por si só, uma vez que encontre um
ambiente favorável, com existência de ar quente e úmido em baixos níveis.
9
A presença de ar quente e úmido nas camadas inferiores mantém o suprimento de
umidade para a convecção, e a presença de uma camada de ar potencialmente mais seco em
níveis médios, favorece a evaporação de água líquida e promove a intensificação de
correntes descendentes em conseqüência do resfriamento do ar devido a evaporação.
O fluxo descendente, ao atingir a superfície, diverge sob a base da nuvem, gerando
convergência entre o ar frio, das células convectivas, e o ar mais quente em baixos níveis,
formando a frente de rajada. Esta convergência faz com que o ar mais quente e úmido sofra
um levantamento, promovendo a manutenção da convecção existente ou, caso a frente de
rajada esteja suficientemente afastada das células convectivas, promovendo a formação de
novas células e manutenção do sistema convectivo como um todo.
Um dos fatores dinâmicos mais importantes na manutenção da convecção ou na geração
de novas células convectivas é o cisalhamento vertical do vento. Menezes (1998) discute
que, em situações de cisalhamento unidirecional, a tendência é a de desenvolvimento de
multicélulas sem região preferencial em relação a célula convectiva inicial. Por outro lado,
quando existe giro grande do vetor cisalhamento com a altura (aproximadamente 90º)
existe uma tendência ao favorecimento de redesenvolver convecção preferencialmente em
um determinado flanco da tempestade inicial, sendo o flanco favorecido dependente do
sentido do giro do vetor cisalhamento com a altura. No caso do giro horário, fica favorecida
a geração de atividade convectiva no flanco direito em relação ao deslocamento da
tempestade inicial e no caso anti-horário, fica favorecido o flanco esquerdo.
3.1.2 – Controle Dinâmico, Retroalimentação e Controle Estático.
Utilizando uma terminologia originalmente introduzida por Betts (1974), podemos
dividir o problema da parametrização de cúmulus em três partes. O primeiro é denominado
Controle Dinâmico (descreve como o ambiente modula a convecção), o segundo é
denominado Retroalimentação (retrata como a convecção modifica o ambiente) e o terceiro
é denominado Controle Estático (fornece os resultados do cálculo das propriedades
termodinâmicas da nuvem, e é necessário em ambos, controle dinâmico e
retroalimentação).
10
3.1.2.1 - Controle Dinâmico
O controle dinâmico de uma parametrização cúmulus determina como o ambiente em
larga escala modula as nuvens convectivas e, conseqüentemente, a intensidade e
localização da convecção. Historicamente, três tipos de fechamentos têm sido utilizados.
O primeiro tipo depende única e exclusivamente da reserva de energia avaliada.
Exemplos são os ajustes convectivos de umidade, originalmente estudados por Manabe et
al. (1965) e mais recentemente revisados por Almeida (2001) e o esquema de Fritsch e
Chappell (FC, 1980).
A função de disparo da convecção, usada no esquema FC original, relaciona a
perturbação de temperatura na sub-grade com a velocidade vertical na escala resolvida, na
seguinte disposição:
3/1
01
wcT =∆ (3.1)
onde c
1
é um número unitário com dimensões ºCs
1/3
cm
-1/3
, e w
0
é o movimento
vertical na escala da grade, até o nível de condensação por levantamento (LCL). A mistura
é levantada da camada mais próxima à superfície até o LCL, onde a temperatura e a pressão
são calculadas. Se a soma da temperatura da mistura com a perturbação de temperatura é
maior do que a temperatura na escala da grade (equação 3.2), a formulação do empuxo é
usada para estimar o quão forte é esta parcela para alcançar o nível de livre convecção.
Se a parcela é estável, o processo se repete em incrementos de 50 hPa, até o nível de
600 hPa, aproximadamente. Se ainda continuar estável, não haverá convecção disparada
nessa área, e o esquema repetirá o teste no próximo ponto de grade.
≤
>
∆+−
estável
empuxo
TTT
s
u
,0
,0
(3.2)
onde
s
u
T é a temperatura da ascendente saturada, T é a temperatura na escala da grade
e ∆T é a perturbação de temperatura.
11
O segundo tipo de fechamento relaciona a atividade convectiva com algumas
propriedades advectivas de larga escala. As variáveis mais freqüentemente usadas são: a
convergência de umidade integralizada (Kuo 1965, 1974 e Anthes 1977) e a advecção de
umidade integralizada verticalmente (Krishnamurti et al. 1980; Molinari 1982; Grell et al.
1991). Em suma, a quantidade do fluxo de calor latente independe da reserva de energia
avaliada. Bougeaut (1985) usa a convergência de umidade junto com uma dependência do
perfil de energia estática úmida, representando uma mistura do primeiro e segundo tipos de
fechamento.
Para que a convecção seja disparada, nos esquemas de Kuo, três critérios devem ser
satisfeitos:
- A convergência de umidade integrada numa coluna deve exceder a um valor pré-
determinado (geralmente 3 x 10
-5
kgm
-2
s
-1
).
- A área positiva abaixo do topo da nuvem, no diagrama termodinâmico (item 5.2.1.1
do capítulo V) deve ser maior do que a área negativa, quando aplica-se a teoria da parcela.
- A nuvem deve ter uma profundidade de no mínimo σ = 0,3, onde
ts
t
PP
PP
−
−
=
σ
e P é o
nível de pressão, P
s
é a pressão na superfície e P
t
é a pressão no topo do modelo.
O terceiro tipo relaciona a quantidade de convecção em função da taxa de
desestabilização pelo ambiente. Este tipo de fechamento foi utilizado por Arakawa e
Schubert (AS; 1974) e é conhecido como a hipótese de quase equilíbrio.
Emanuel (1994) discute que o principal objetivo de AS foi reconhecer que o
escoamento de grande escala permite diagnosticar a convecção, e que a geração de energia
cinética está em estado de equilíbrio com o escoamento de grande escala. O balanço entre
os efeitos de grande e pequena escala produz uma série de estados de quase equilíbrio, a
partir do qual o fluxo de massa na nuvem pode ser determinado das variáveis de grande
escala.
Tipicamente, AS (1974) descreve os diferentes estágios de nuvem em subconjuntos,
como função do entranhamento fracional de massa
)(
λ
. A variação temporal de energia
cinética em cada subconjunto pode ser escrita como:
12
)()()(
)(
λλλ
λ
DmA
dt
dK
B
−=
(3.3)
onde K
)(
λ
λ
d
e D
)(
λ
λ
d
são, respectivamente, a energia cinética e sua taxa de
dissipação devido a circulações associadas com todas nuvens que possuem entranhamento
fracional entre
λ
e
λ
d
. A função A
)(
λ
que aparece no lado direito da equação é a taxa de
geração de energia cinética por unidade de massa na base da nuvem [m
B
)(
λ
], esta função é
também conhecida como “função de trabalho da nuvem”.
O sinal positivo do parâmetro A
)(
λ
pode ser considerado como um critério
generalizado para a instabilidade convectiva. Logicamente, A
)(
λ
>0 não é uma condição
suficiente para a geração de energia cinética. Ela depende também do fluxo de massa na
base da nuvem (m
B
), porém, em um ambiente convectivamente instável a função de
trabalho é positiva [A
)(
λ
>0], conseqüentemente aumenta o fluxo de massa na base da
nuvem (m
B
), portanto, a condição positiva da geração de energia cinética é um mecanismo
de disparo para a convecção cúmulus.
Como é sabido, não existe uma relação direta da precipitação convectiva com o grau
de instabilidade. Assim, não se deve esperar um relacionamento do valor de A
)(
λ
com as
atividades convectivas. Porém, é possível estabelecer uma relação entre as atividades
convectivas com a taxa de variação da função de trabalho da nuvem, da seguinte forma:
LSC
dt
dA
dt
dA
dt
dA
+
=
)()()(
λλλ
(3.4)
onde os sub-índices C e LS denotam, respectivamente, os termos da nuvem e os
termos de larga escala. AS (1974) chamaram os termos de larga escala de forçante de larga
escala F
)(
λ
. Um valor positivo de F
)(
λ
leva a um aumento da “função de trabalho da
nuvem”, para a nuvem do tipo
λ
, pelos processos de larga escala. Já os termos da nuvem
dependem linearmente do fluxo de massa na base e podem ser tratadas por um Kernel
K
)',(
λ
λ
que é tipicamente negativo.
∫
+=
MAX
FdmK
dt
dA
B
λ
λλλλλ
λ
0
)(')'()',(
)(
(3.5)
13
onde o símbolo
'
λ
denota nuvens cujo o raio é menor do que o raio das nuvens do
tipo
λ
, especificamente, nuvens em formação.
A hipótese de quase equilíbrio justamente atribui um estado de “quase-equilíbrio”
entre os termos na escala da nuvem e a forçante de larga escala, de tal maneira que:
0
)(
=
dt
dA
λ
(3.6)
3.1.2.2 - Retroalimentação
A retroalimentação para cada parametrização determina como a convecção modifica o
ambiente em larga escala, especificando a distribuição vertical de aquecimento e secagem
convectiva total. Historicamente, quatro aproximações têm sido feitas.
A primeira aproximação, usada pelos esquemas do tipo Kuo, depende das diferenças
de temperatura e umidade entre a nuvem e o ambiente. Os processos físicos que causam o
aquecimento e umedecimento não são explicitamente considerados.
Molinari (1985) utilizou uma variação desta primeira hipótese especificando
arbitrariamente perfis assumidos para as distribuições de aquecimento e umedecimento.
A terceira hipótese assume que as nuvens convectivas estão num estado de equilíbrio.
O fluxo de calor latente entre as nuvens não aquece o ambiente diretamente, mas mantêm o
fluxo de massa das nuvens (AS; 1974). Conseqüentemente, a convecção influencia o
ambiente através da subsidência ambiental e desentranhamento do topo da corrente
ascendente ou na base da corrente descendente, conforme modificação de Grell (1993);
desentranhamento na superfície lateral da nuvem também pode ser considerado.
Na quarta hipótese, o fluxo de calor latente aquece o ambiente. Logo, os efeitos
coletivos das nuvens convectivas provocam uma mistura lateral com o ambiente. O
conceito de mistura lateral foi primeiramente introduzido por Fraedrich (1973) e depois
usado por Kreitzberg e Perkey (KP; 1976) bem como por FC (1980).
14
3.1.2.3 - Controle Estático
O controle estático calcula as propriedades termodinâmicas para um modelo de
nuvem. É uma ferramenta utilizada por ambos Retroalimentação e Controle Dinâmico.
Uma hipótese simples usada em muitas variações do esquema Kuo assume que as
propriedades termodinâmicas da nuvem podem ser representadas por uma adiabática
úmida.
AS (1974) assumiram que a taxa de entranhamento era constante com a altura; o fluxo
de massa incidente na nuvem depende somente da taxa de entranhamento e do fluxo de
massa da base da nuvem. Emanuel (1994) aponta como deficiência o modelo de
entranhamento, que não representaria as nuvens reais adequadamente. A parametrização de
corrente descendente úmida foi incluída no esquema AS por Grell (1993).
A idéia fundamental de FC (1980) é que a convecção atua no sentido de remover a
Energia Potencial Convectiva disponível (CAPE; definida no item 4.2.1.4 da página 19) do
elemento de grade do modelo durante o período de tempo convectivo. Para determinar o
período de tempo convectivo e a mudança nas variáveis atmosféricas (temperatura,
umidade e momentum) devido a convecção, FC utilizaram um modelo de nuvem
unidimensional que inclui os efeitos de correntes úmidas descendentes e ascendentes.
A tabela 3.1 apresenta algumas vantagens e desvantagens dos esquemas convectivos
mais conhecidos.
15
Tabela 3.1 – Principais vantagens e desvantagens das parametrizações convectivas mais
relevantes [Adaptado de Emanuel (1994)].
Esquema
Vantagens Desvantagens
Parametrização de Kuo – Anthes
Kuo (1965, 1974);
Anthes(1977)
- A convergência de umidade é bem
desenvolvida nos trópicos e o
esquema tende a ser robusto para
uma variedade de aplicações em
grades mais grosseiras.
- Representa muito bem a “fase” da
convecção e as características
conceituais de sistemas convectivos
de mesoescala.
Não inclui as descendentes em
escala convectiva.
Parametrização de Arakawa e
Schubert
AS (1974)
A função de quase-equilíbrio é
aplicada onde a taxa de geração de
empuxo é gradual. A inclusão de
um conjunto de nuvens é
fisicamente mais razoável do que
assumir que todas as nuvens num
bloco da grade são idênticas.
- A função de quase-equilíbrio não
é bem aplicada em convecção do
tipo explosiva, sobre médias
latitudes.
- Não inclui tratamento de
descendentes em escala convectiva.
Parametrização de Fritsh e
Chappell
FC(1980)
- Possivelmente a primeira
parametrização convectiva
especificamente designada para
aplicações em escala meso-β.
- Remoção da CAPE na convecção.
Não conserva água e massa do ar.
Parametrização de Betts – Miller
BM(1986)
O fechamento denominado “linha
de mistura” é bem aplicado em
casos onde a resposta do ambiente
se dá lentamente. Este esquema
pode ser adaptado a mesoescala
pelo ajuste de vários parâmetros.
- Não inclui as descendentes em
escala convectiva.
- O fechamento desse esquema é
menos apropriado em casos de
convecção profunda explosiva.
16
Continuação da tabela 3.1.
Esquema
Vantagens Desvantagens
Parametrização de Grell
Grell e Devenyi (2002)
Esquema que possibilita escolher o
fechamento. Inclui os efeitos das
descendentes em escala convectiva
e é bem adaptado em grades finas
como 10 a 12 km.
- Não trabalha com subconjuntos de
nuvem.
- Embora tenha incluído
fechamentos como FC, sua base
está associada à hipótese de quase-
equilíbrio de AS.
Parametrização de Kain e Fritsch
KF(1990)
Contêm o mais completo
tratamento de processos físicos na
nuvem. A parametrização da
descendente úmida possui uma
melhor resposta em mesoescala,
quando comparada com outros
esquemas.
O fechamento da CAPE não é bem
aplicado em ambientes tropicais e
pode resultar em convecção
rigorosamente superestimada.
3.1.3 – Esquemas convectivos do tipo I e II.
Podemos classificar os esquemas convectivos analisando como as nuvens individuais
iniciam e se mantêm. É uma forma alternativa de discernir o tipo de convecção mais eficaz
para determinada parametrização.
Há uma situação na qual processos de larga escala geram a CAPE sobre uma escala
temporal que é longa, comparada ao tempo no qual a convecção, por si só, estabiliza o
ambiente circunvizinho. Nessa primeira situação, a característica da convecção resultante
depende crucialmente de onde, quando e como ela é disparada. Esse tipo é conhecido como
convecção de disparo (tipo I). A existência de uma camada de inversão em baixos níveis,
ou uma área negativa no diagrama Skew-T Log-P é essencial para essa categoria. A
parametrização convectiva de FC é classificada como do tipo I, e, por isso, é mais
apropriada para médias latitudes.
17
Numa segunda situação, ocorrem circunstâncias nas quais a geração da CAPE pelos
processos de larga escala estão quase balançados com o consumo pela convecção. Este tipo
de convecção representa a resposta natural do fluido à desestabilização imposta pelas
condições de contorno, resfriamento radioativo da atmosfera e resfriamento adiabático pela
ascensão em larga escala. A escala de tempo da convecção pode ser considerada pequena
comparada à escala temporal na qual a forçante de larga escala varia, portanto, pode-se
considerar a convecção em estado de equilíbrio estatístico com a forçante. Esta é chamada
convecção de equilíbrio estatístico (tipo II) e é comumente aplicada nos trópicos (AS;
1974).
3.1.4 – Diagrama esquemático geral de um esquema convectivo.
Conforme mostrados na figura 3.1, os processos de grande escala que influenciam na
escala convectiva se resumem em: cisalhamento vertical do vento horizontal
(principalmente em baixos níveis), a interação dinâmica entre os jatos de baixos e altos
níveis, a estratificação do vapor d’ água e, principalmente, a convergência em baixos níveis
de umidade e massa.
Já a escala convectiva altera o ambiente circunvizinho através da influência das
nuvens na distribuição de radiação, nos transportes de energia e água e na geração e
transporte de momentum na escala da sub-grade. Ambos processos, controle dinâmico e
retroalimentação influenciam o ambiente em grande escala. A conexão entre os processos
na escala da grade e da sub-grade é o princípio fundamental de uma parametrização de
convecção.
18
Figura 3.1 - Diagrama esquemático das componentes de uma parametrização convectiva sendo
(a) Controle Dinâmico; (b) Retroalimentação e (c) Controle Estático.
3.1.5 – Parametrização de Cúmulus Rasos.
A importância desse tipo de convecção reside na sua influência no balanço de energia e
de umidade da camada limite convectiva. A presença de cúmulos rasos modifica o perfil
termodinâmico na baixa troposfera, criando um ambiente mais favorável ao
desenvolvimento da convecção profunda (Yanai et al. 1973).
Souza (1999) propôs uma parametrização simples de cúmulos rasos capaz de representar
o ciclo diurno da convecção não precipitante sobre o continente e sua interação com a
superfície, assim como uma melhor configuração do perfil termodinâmico da atmosfera.
19
3.1.6 – Influência da Parametrização de Radiação na convecção.
Os esquemas que parametrizam estatisticamente a radiação de onda longa e curta
presente na atmosfera são de fundamental importância para os esquemas convectivos, já
que a radiação é a energia primária para qualquer processo físico ocorrido no ambiente
terrestre.
O modelo BRAMS disponibiliza três esquemas de parametrização da radiação de onda
longa e curta: fundamentado em Maher e Pielke (1977), Chen e Cotton (1987) e Harrington
(1997).
O primeiro esquema não leva em consideração os efeitos das nuvens, é um simples
esquema que parametriza o espalhamento pelo oxigênio, ozônio e dióxido de carbono, de
maneira empírica, computa a emissão no infravermelho de onda longa e trata da absorção
de ondas curta e longa pelo vapor d´água, mas sem levar em consideração a influência de
nuvens ou condensação. Já o segundo esquema é mais completo, pois contabiliza a
presença de nuvens e o processo da condensação na equação da transferência radiativa.
Porém, a aproximação de emissividade de onda longa do esquema de Chen e Cotton
(1987), possui um considerável custo computacional em simulações com alta resolução
vertical. No esquema de Harrington (1997) as mudanças no aquecimento radiativo estão
relacionadas com o as mudanças no diâmetro de núcleos higroscópicos.
20
CAPÍTULO IV
METODOLOGIA
Nesse capítulo apresenta-se a metodologia utilizada nas simulações numéricas
realizadas no estudo do prognóstico de eventos severos e na sua respectiva validação. A
estrutura observacional utilizada inclui: Dados de precipitação acumulada estimada por
satélite, dados de precipitação acumulada registrada nas estações convencionais do Instituto
Nacional de Meteorologia (INMET), observados no Rio grande do Sul, Santa Catarina e
Amazonas, e dados obtidos das radiossondagens realizadas às 00 e 12 TMG nas estações
SBPA (Porto Alegre) e SBMN (Manaus).
As simulações numéricas foram realizadas com o Brazilian Regional Atmospheric
Modelling System (BRAMS), rodado operacionalmente no Laboratório de Meteorologia do
Grupo de Estudos em Previsão Regional Atmosférica (GEPRA), utilizando um Cluster com
36 nodos Athlon XP de 1,5 Ghz e 512 MB de memória RAM, ambos em processamento
paralelo, utilizando interface de rede Fast-Ethernet com ROM de boot.
21
No item 4.1 detalha-se a rede observacional disponibilizada para a validação das
simulações. No item 4.2 definem-se os cálculos dos índices termodinâmico e dinâmico;
utilizados na caracterização do ambiente simulado e observado. No item 4.3 apresentam-se
as características gerais do modelo BRAMS e as características comuns entre os
experimentos. No item 4.4 descreve-se a Parametrização Convectiva de Kuo. No item 4.5
descreve-se a Parametrização Convectiva de Grell.
4.1 – Dados observados.
Para a obtenção dos perfis de temperatura potencial equivalente de saturação, dos
gráficos Skew-T Log-P e dos índices termodinâmicos observados, usou-se os dados obtidos
por radiossondagem, das estações SBPA (Capítulo V) e SBMN (Capítulo VI), no horário
das 00 e 12 TMG, disponibilizados publicamente na homepage da Universidade de
Wyoming - WY/EUA (http://www.weather.uwyo.edu).
Para a análise da precipitação diária e mensal acumulada, para um mês chuvoso
(Capítulo VII), e para a análise da precipitação acumulada no dia 11 de dezembro de 2003
(Capítulo V), utilizaram-se dados de precipitação coletados nas 22 estações de superfície do
INMET, dispostas conforme figura 4.1.
22
Figura 4.1 – Disposição das estações do INMET no estado do Rio Grande do Sul.
Os dados observados de precipitação, coletados pelas estações do INMET, foram
interpolados usando o pacote SURFER desenvolvido pela Golden Software. As
informações de precipitação diária e mensal, coletadas pelas 22 estações do INMET, no
período entre 01 e 31 de maio de 2005, foram interpoladas seguindo o método IQD
(Inverso do quadrado da distância). Tal método foi escolhido mediante resultados de
Landim (2000), que apresenta a comparação dos métodos de interpolação mais utilizados,
apontando vantagens e desvantagens de cada método.
Para validar os dados simulados de precipitação acumulada para o caso II (Capítulo VI),
utilizaram-se dados de precipitação acumulada coletados nas estações do INMET
localizadas nas cidades de Manaus, Codajás, Manicore e Hacoatiara; e dados estimados por
satélite, conforme os projetos GPCP e TRMM.
O Global Precipitation Climatology Project (GPCP) é um elemento da Global Energy
and Water Cycle Experiment (GEWEX) do World Climate Research Program (WCRP).
No presente estudo, utilizou-se o produto GPCP-1DD, que fornece os dados de precipitação
23
diária em pixels de 1º x 1º. Este produto primariamente é uma combinação dos dados de
satélite SSM / I, IR e TOVS.
O Tropical Rainfall Measuring Mission (TRMM) é um projeto entre a NASA e a
agência de exploração espacial japonesa (JAXA), designado primordialmente para
monitorar e estudar a chuva tropical. O TRMM fornece várias informações sobre as
propriedades da precipitação, incluindo, distribuições de freqüência da intensidade da
chuva e área coberta, distribuição vertical de hidrometeoros, dentre outras. No presente
estudo, trabalhou-se somente com a magnitude da precipitação, em mm/3h.
Em suma, para comparar a precipitação diária acumulada, usou-se o dado fornecido no
projeto GPCP (em mm/dia) e, para elaboração de séries temporais das precipitações e
estudo do comportamento da banda de precipitação para algum horário específico, usaram-
se as informações do TRMM.
4.1.1 – Métodos estatísticos.
4.1.1.1 – Precipitação média numa área.
Existem diversos métodos de cálculo da precipitação média numa área, conforme a
ponderação que se faz das observações pontuais disponíveis. O mais simples é o método da
média aritmética, no qual admite-se que todos pluviômetros têm o mesmo peso. A
precipitação média é então calculada como a média aritmética dos valores medidos.
Porém, um fator importante a considerar-se é a não uniformidade da distribuição
espacial das estações e a pouca densidade da cobertura destes postos de coleta. Aplica-se,
portanto, o método de Thiessen, originalmente usado para estudo pluviométrico sobre
bacias hidrográficas, todavia, com um conceito simples que pode ser aplicado num domínio
de grade, permitindo medir as áreas de interesse em pixels (pontos de grade).
A metodologia consiste no seguinte:
(a) ligar os pontos referentes à localização das estações por trechos retilíneos;
24
(b) traçar linhas perpendiculares aos trechos retilíneos passando pelo meio da linha que
liga as duas estações;
(c) Prolongar as linhas perpendiculares até encontrar outra. O polígono é formado pela
intersecção das linhas, correspondendo à área de influência de cada estação;
(d) a precipitação média é calculada por
∑
×=
iim
PA
A
P
1
, (4.1)
onde A
i
é a área de influência da estação i, P
i
é a precipitação registrada da estação i e A é a
área total da grade. O método dá bons resultados em terrenos levemente acidentados.
Figura 4.2 – Método de Thiessen.
O método de Thiessen será aplicado na obtenção da precipitação média no caso II,
numa área que compreende as regiões de Manaus, Codajás, Manicore e Hacoatiara.
Na análise do caso I, que possui uma rede de informações meteorológicas mais densa
(vide figura 4.1), e uma área maior com diferenças na topografia bem acentuadas, serão
realizadas médias aritméticas simples, nas áreas de mesma característica topográfica e
geomorfológica.
25
4.1.1.2 – Método de validação do modelo.
A correspondência ponto a ponto entre a previsão do modelo e o dado observado, de
uma mesma variável, provém um teste quantitativo da capacidade do modelo. Keyser e
Anthes (1977) utilizam uma técnica muito útil onde, sendo P
i
e P
iobs
as previsões
individuais e as observações num mesmo ponto de grade, respectivamente, e P
0
e P
0obs
os
valores médios de P
i
e P
iobs
num nível respectivo, e N o número de observações, então:
2
1
1
2
)(
−
=
∑
=
N
PP
rmse
N
i
iobsi
. (4.2)
O parâmetro rmse é a raiz do erro quadrático médio. Outro parâmetro útil é o Erro
médio quadrático normalizado pelo viés Médio (EmqMV), obtido subtraindo o viés médio,
conforme a seguinte equação:
N
PP
HiViesM
N
n
iobsi
∑
=
−
=
1
)( , (4.3)
( )
N
ViesMPP
HiEmqMV
N
n
iobsi
∑
=
−+
=
1
2
)( . (4.4)
onde N é o número de estações e H
i
é o tempo de simulação.
Um problema da validação ponto a ponto, no entanto, é a diferença espacial e
temporal na disposição dos dados observados. Com estes índices podemos quantificar o
desempenho do modelo quanto à magnitude do parâmetro analisado, porém, nada podemos
afirmar quanto a fase. Pielke e Mahrer (1978) aplicaram uma técnica eficaz para analisar o
erro de posicionamento entre as áreas observadas e prognosticadas.
Esta metodologia originalmente foi aplicada para estudar-se qual fração da
convergência de níveis baixos predita (estimada por velocidade vertical) é coberta por
chuva e qual fração de chuva ocorre fora das respectivas zonas de convergência.
26
Para ilustrar o procedimento, considera-se uma área cujo domínio é D
x
D
y
, S é a área
do domínio coberta pela variável prognosticada, num dado intervalo de magnitude, e R é a
área coberta pela variável observada, neste mesmo intervalo de magnitude (figura 4.3).
Aplicam-se as seguintes definições:
(a)
R
RS
F
E
)(
∩
= é a fração de área observada coberta pela área simulada, de uma
variável num dado intervalo de magnitude.
(b)
yx
m
DD
S
F = é a fração do domínio do modelo coberta pelas áreas simuladas, de
uma variável num dado intervalo de magnitude.
(c)
S
RS
F
C
)(
∩
= é a fração de área simulada coberta pela área observada, de uma
variável num dado intervalo de magnitude.
Considera-se uma boa capacidade do modelo quando a razão entre F
E
e F
m
é maior
que 1. Uma simulação é considerada praticamente perfeita quando F
C
é igual a 1.
Figura 4.3 – Ilustração esquemática da justaposição dos campos simulados (S) e observados
(R). Os dois campos são coincidentes em RS
∩
.
27
4.2 – Caracterização do ambiente propício ao desenvolvimento de tempestades
severas.
Nesse item apresentam-se os conceitos dos principais índices utilizados na
caracterização dos ambientes simulados e observados. Tais índices são usados na validação
do ambiente simulado no que se refere ao prognóstico de desenvolvimento de tempestades
potencialmente severas.
Todos os parâmetros são pós-processados utilizando-se rotinas de cálculos
desenvolvidas em linguagem Fortran 90 ou em scripts do pacote gráfico Grads, com
exceção das variáveis CAPE e CINE (definidas nos itens 4.2.1.4 e 4.2.1.5,
respectivamente), que são pós-processadas no programa Ramspost, desenvolvido
exclusivamente para tratamento das análises geradas pelo modelo RAMS.
4.2.1 - Características das variáveis termodinâmicas estudadas.
Nesse item, vamos definir as variáveis termodinâmicas que serão utilizadas para a
análise do ambiente nos capítulos posteriores e discutir qual é a maneira mais correta de
analisá-las sob o ponto de vista operacional.
4.2.1.1 - Índice de instabilidade K
O Índice K é definido por:
K = T
850
- T
500
+ Td
850
- Dep
700
[ºC]. (4.5)
Onde T, Td e Dep são respectivamente temperatura, temperatura do ponto de orvalho e
depressão do bulbo úmido ambientais (o último pode ser substituído por T - Td). De acordo
com Nascimento (2005), valores de K acima de 30 ºC são considerados altos (alto potencial
28
para ocorrência de tempestades), e acima de 40 ºC são extremamente altos (potencial
extremo para tempestades).
4.2.1.2 - Índice de instabilidade TT
O índice TT é definido por:
TT = T
850
+ Td
850
- 2T
500
[ºC]. (4.6)
Conforme Nascimento (2005), o índice TT combina três informações básicas: o
gradiente vertical de temperatura nos níveis médios, umidade ambiental em 850 hPa e a
temperatura ambiental em 500 hPa. Valores a partir de 40 ºC indicam situações favoráveis
a tempestades, e acima de 50 ºC indicam chances de tempestades severas.
4.2.1.3 - Índice de instabilidade por levantamento (ILEV ou Lift)
O ILEV é definido como:
ILEV = T
500
- Tp
500
[ºC]. (4.7)
Onde, originalmente, Tp
500
é a temperatura de uma parcela de ar em 500 hPa após
ascender, via curva adiabática seca, e úmida após a saturação, a partir da superfície com a
temperatura máxima prevista para o dia em questão e com a razão de mistura média para os
primeiros 900 m de sondagem. Conforme Nascimento (2005), valores negativos de ILEV
indicam condições instáveis e ILEV abaixo de -5 ºC indica situação muito instável, e
extremamente instável se abaixo de -10 ºC. Esse índice é uma informação importante para
analisar o grau de instabilidade atmosférica, especialmente quando combinada com a
CAPE.
29
4.2.1.4 - CAPE
A energia potencial convectiva disponível (CAPE) é um dos parâmetros mais usados em
previsão convectiva. Tal índice pode ser definido como:
dz
z
zz
gCAPE
NEL
NCE
vamb
vambv
∫
−
=
)(
)()(
θ
θθ
(4.8)
onde NCE é o nível de convecção espontânea e NEL é o nível de equilíbrio (geralmente o
topo da nuvem). O parâmetro θ
v
é a temperatura potencial virtual desta parcela de ar e θ
vamb
é a temperatura potencial virtual do ambiente. Observando a equação 4.8, nota-se que
quanto maior a diferença de temperatura entre a parcela de ar ascendente e o ambiente,
maior será o CAPE. Porém, como discutido por Nascimento (2005), outra forma de se obter
altos valores de CAPE é haver uma camada de ar com baixo NCE e alto NEL. Neste caso o
alto valor de CAPE não necessariamente indica condições favoráveis a intensas acelerações
verticais. Valores de CAPE entre 1000 e 2500 J/kg são considerados moderadamente altos;
valores acima de 2500 J/kg indicam forte instabilidade, e acima de 4000 J/kg indicam
extrema instabilidade.
4.2.1.5 - CINE
A inibição convectiva (CINE) representa o trabalho necessário para se elevar uma
parcela de ar até seu NCE. Sua definição é igual à do CAPE (equação 4.8), mas com o
limite de integração inferior definido como a superfície e o superior o NCE. Conforme
Nascimento (2005) valores típicos de CINE variam entre 0 J/kg e 50 J/kg, com valores
acima de 100 J/kg sendo considerados altos. Um fator interessante a salientar é que a
presença de algum CINE é comum em ambientes propícios a tempestades severas, pois, se
não houver CINE, o disparo da convecção tenderá a consumir rapidamente a CAPE,
30
estabilizando mais rápido o ambiente, por conseguinte, essa falta de CINE desfavorece a
manutenção de tempestades mais longas.
4.2.1.6 - Razão de mistura (r) e umidade específica (q)
A razão de mistura r do ar úmido, submetido a uma dada pressão atmosférica P e
temperatura T, é a relação entre a massa do vapor e a massa do ar seco. Para fins
operacionais, r é dado por:
1000622,0 ×
−
×=
eP
e
r
[g/kg], (4.9)
onde e é a pressão do vapor d’água e é calculado pela fórmula tradicional de Tetens. P é
a pressão do nível.
Define-se umidade específica do ar como sendo a relação entre a massa do vapor e a
massa total do ar úmido na qual esse vapor está contido. Operacionalmente, q é definido
como segue:
1000
38,0
622,0 ×
−
×=
eP
e
q [g/kg], (4.10)
Ambos parâmetros são muito úteis para se quantificar a umidade existente no ambiente,
em qualquer nível.
31
4.2.1.7 - Temperatura potencial equivalente de saturação.
Da equação que estabelece a primeira lei da termodinâmica, e para processos adiabáticos
em um gás ideal, deriva-se uma equação conhecida como equação de Poisson, como segue:
p
d
C
R
P
P
T
T
=
00
, (4.11)
onde R
d
é a constante específica para o ar seco e c
p
o calor sensível a pressão constante.
Define-se, por conseguinte, a temperatura potencial como a temperatura que uma parcela de
ar seco teria se fosse trazida adiabaticamente até a pressão de 1000 hPa, portanto, troca-se
T
0
por
θ
e
0
P
por 1000 hPa, obtendo:
p
d
C
R
P
T
=
1000
θ
, (4.12)
A temperatura potencial equivalente de saturação pode ser calculada, de forma
aproximada, a partir da seguinte expressão, extraída de Bolton (1980):
s
p
V
es
r
TC
L
+=
θ
θθ
, (4.13)
Onde:
=
θ
Temperatura potencial (K), obtida com a equação de Poisson;
T= Temperatura do ambiente (K);
L
v
= Calor latente de vaporização(JKg
-1
);
r
s
= Razão de mistura do ar saturado (g/kg).
32
4.2.1.8 – Estratégia observacional quanto à caracterização do ambiente
termodinâmico.
O índice K possui a tendência de capturar melhores condições favoráveis à ocorrência de
tempestades em ambientes úmidos em toda a troposfera, como é típico de ambientes
tropicais, e apresentar valores relativamente baixos quando há intrusão de ar seco em níveis
baixos e médios, aumentando a depressão do bulbo úmido em 700 hPa (Nascimento, 2005).
Portanto, há possibilidade de um ambiente apresentar um índice K baixo, uma CAPE
alta e ILEV negativo, e caracterizar a ocorrência de tempestades severas, com menor taxa
de precipitação, mas com ventos intensos.
Por sua vez, o cálculo da CAPE é sensível à altura dos níveis de NCE e NEL e à escolha
da própria parcela de ar ascendente.
Portanto, para uma melhor caracterização da instabilidade convectiva da atmosfera, é
plausível analisar os índices termodinâmicos em conjunto, como CAPE, K, TT, ILEV e o
próprio gradiente vertical da temperatura ambiental (lapse rate).
4.2.2 - Parâmetros dinâmicos analisados.
A forçante dinâmica é de extrema importância na formação e manutenção de células
convectivas, por isso, em alguns experimentos, serão analisados os seguintes parâmetros:
4.2.2.1 - Denominador do número de Richardson Volumétrico (DNRV)
Um parâmetro de cisalhamento útil em previsão convectiva severa é o denominador do
número de Richardson volumétrico (DNRV), e é dado por:
33
)(5,0
22
vuDNRV +=
[m
2
s
-2
] (4.14)
onde
u
e
v
são, respectivamente, as componentes zonal e meridional do vetor diferença
entre o vento médio nos primeiros 6000 m e vento médio nos primeiros 500 m acima do
solo, ponderados pela densidade.
Nascimento (2005) sugere que valores entre 40 e 100 m
2
s
-2
são indicativos de ambientes
condizentes ao desenvolvimento de tempestades severas, mas devem ser analisados junto
com a CAPE e a Helicidade para apontar situações tornádicas, por exemplo.
4.2.2.2 – Helicidade Relativa à tempestade.
O conceito básico da helicidade se resume nessa equação:
(
)
(
)
VVH ×∇⋅= 5,0
[ms
-2
] (4.15)
onde
V
é o vetor vento tridimensional (
V×∇
é, portanto, o campo de vorticidade
tridimensional
ω
r
).
A helicidade é uma variável cuja magnitude depende do referencial utilizado para seu
cálculo. Um referencial conveniente para o cálculo de H em meteorologia é aquele que se
desloca junto com as tempestades, caracterizando a helicidade relativa (HR). A HR
empregada em meteorologia é definida como (Davies – Jones et al. 1990).
( )
∫
∂
∂
×−⋅−=
h
zs
dz
z
V
cVkHR
r
r
r
ˆ
[m
2
s
-2
] (4.16)
onde c é o vetor deslocamento do sistema convectivo, calculado empiricamente pelo
método de Davies et al. (1993) e adaptado para o hemisfério sul por Ernani de Lima
Nascimento em maio de 2005. k
ˆ
é o vetor unitário na direção vertical, zs é o nível de
34
superfície e h é o nível do topo da camada de influxo, sendo considerada 3 km nesse
estudo.
Tempestades severas tendem a ocorrer em ambientes com HR acima de 150 m
2
s
-2
(ou
abaixo de –150 m
2
s
-2
para o hemisfério sul). Esses valores são baseados em estudos para os
Estados Unidos, porém, podem ser aplicados para o Brasil.
Nascimento (2005) salienta, baseado em resultados numéricos, que na presença de
CAPE e helicidade relativa altas e valores moderados de DNRV, há indicação de
desenvolvimento de tempestades severas com rotação em baixos níveis, apontando
potenciais situações tornádicas.
4. 3 - Características do modelo BRAMS.
O Regional Atmospheric Modelling System (RAMS), é um modelo atmosférico
prognóstico desenvolvido na Universidade do Estado do Colorado – EUA a partir de um
modelo de mesoescala (Pielke, 1974) e de um modelo de nuvens (Trípoli e Cotton, 1982).
Simula qualquer situação de escoamento, incluindo um grande número de opções, as quais
podem ser selecionadas pelo usuário. Todos os processos físicos associados à formação de
nuvens, precipitação, transferência de radiação, transporte turbulento de calor, umidade e
momentum, e interação com o solo podem ser ativados.
O modelo BRAMS é baseado na versão 5.02 do modelo RAMS com diversos
aperfeiçoamentos numéricos e de parametrizações físicas. A versão utilizada (BRAMS 2.0)
permite trabalhar com a parametrização convectiva de Grell (descrita no item 4.5) e
acrescenta uma série de rotinas para otimizar a previsão numérica do tempo. A tabela 4.1
mostra algumas opções disponíveis no modelo BRAMS 2.0.
A projeção horizontal utilizada para a definição das coordenadas da grade é a
estereográfica, cujo pólo de projeção fica próximo do centro da área de domínio. Este tipo
de projeção diminui distorções da projeção da área de interesse. Coordenadas Cartesianas
também podem ser utilizadas pelo RAMS.
35
O modelo usa grade do tipo “C” (Mesinger e Arakawa, 1976), em que as variáveis
termodinâmicas, inclusive umidade, são definidas em pontos de grade e as componentes u,v
e w são definidas em ∆
x
/2, ∆
y
/2 e ∆
z
/2, respectivamente. Na vertical, utiliza-se o esquema
de coordenadas que seguem o terreno (Trípoli & Cotton, 1982), da forma: z* = σ
z
=
H[(z-z
s
)/(H-z
s
)] em que: (x,y,z) são as coordenadas cartesianas; (x*,y*,z*) são as
coordenadas transformadas; z
s
é a altura da superfície em relação ao nível médio do mar
(topografia) e H é a altura do topo do modelo.
Todas as simulações, independente do espaçamento de grade e das condições iniciais,
incluíram: Diferenciação na fronteira lateral de Klemp e Wilhemson (1978) e
parametrização do coeficiente K de Mellor e Yamada (1974,1982).
Os experimentos utilizaram arquivos de umidade do solo, gerados por um algoritmo
desenvolvido por Gevaerd (2003) que utiliza um modelo multicamadas com quatro
camadas, gerando informações de umidade do solo através da precipitação estimada
(mm/3h) pelo satélite TRMM (Tropical Rainfall Measuring Mission).
Todos experimentos apresentaram características inalteradas: Resolução vertical no
primeiro nível de 100 metros, razão de incremento de 1,2, valor máximo de ∆z igual a 1000
metros, passo de tempo de 60 segundos, assimilação dos dados semanais de temperatura da
superfície do mar com resolução de 50 km, 5 pontos na fronteira lateral, caracterizando
uma inicialização variada, escala de tempo na fronteira de 10800 segundos*, limite inferior
no topo de 16000 metros, escala de tempo no topo de 10800 segundos, escala de tempo no
centro de 0 segundos, esquema de topografia denominado orografia média, atualização na
radiação a cada 900 segundos, Parametrização de Cúmulus Rasos desativada nos casos I e
II (Capítulos V e VI), atualização da convecção a cada 1200 segundos, esquema de difusão
turbulenta de Mellor e Yamada (1974), condições da fronteira lateral de Klemp e
Wilhemson (1978) e esquema de Microfísica no nível mais complexo, que ativa um
conjunto de parametrizações que inclui água da nuvem, gelo,neve,granizo, dentre outros.
* A tendência atual é usar um “nuding” em torno de 900 segundos.
36
Tabela 4.1 – Principais Opções do modelo BRAMS 2.0
Categoria Opções Disponíveis Referências / Observações
Da forma geral utilizada no
modelo BRAMS, há várias
opções para a obtenção da
velocidade de fase.
Orlanski
Orlanski (1976)
Computa a velocidade de
fase como a razão entre a
derivada local da
componente do vento
normal à fronteira pela sua
variação no eixo cartesiano.
Klemp/Lilly
Klemp e Lilly (1978)
Faz a média das velocidades
de fase, computadas
conforme Orlanski, em toda
coluna vertical.
Condições de Fronteira Lateral
Klemp / Wilhemson
Klemp e Wilhemson (1978)
Especifica um valor
constante como uma
velocidade de fase de uma
onda gravitacional típica (10
a 30 m/s).
37
Tabela 4.1, continuação
Grade C de Arakawa, grade
simples (fixa).
Grade C de Arakawa, múltiplas
grades aninhadas (fixas).
Deslocamento da Grade e
Estrutura
Grade C de Arakawa,
Múltiplas grades aninhadas
(móveis).
Cartesiana
Coordenadas Horizontais
Polar Estereográfica
Os pontos da esfera são
projetados no plano, paralelo ao
equador, por direções radiais.
Coordenadas Verticais Sistema de coordenadas seguindo
o terreno
Trípoli e Cotton (1982)
Orografia Média
Orografia Silhueta
Orografia Envelope
Esquema de Topografia
Orografia Envelope refletido
A transferência da informação
do banco de dados para as
grades do modelo é realizada em
três passos. A interpolação do
dado para uma grade
temporária, a média dos dados
numa segunda grade temporária
(polar estereográfica) e a
interpolação dos valores
referentes à primeira e segunda
grades na grade principal
(Método dos quadrados).
38
Tabela 4.1, continuação
Homogênea
Inicialização de umidade do solo
Heterogênea
Dados de um modelo externo
(Gevaerd 2003), iniciados em
qualquer fase do pré-
processamento ou do
processamento do modelo.
Mellor e Yamada
Mellor e Yamada (1982)
Aplica uma energia cinética
turbulenta prognosticada
Deformação Anisotrópica
Deformação Isotrópica
A difusão vertical é computada
por um esquema unidimensional
análogo ao esquema de
Smagorinsk.
Parametrização do Coeficiente de
difusão turbulenta.
TKE Deardorff
A difusão vertical e horizontal é
parametrizada de acordo com o
esquema de Deardorff, que
aplica uma energia cinética
turbulenta de sub-grade
prognosticada.
Parametrização de Radiação
Onda Curta
Mahrer/Pielke
Mahrer e Pielke (1977)
Efeitos do espalhamento de
Rayleigh avançado, absorção
por vapor de água e inclinação
do terreno. Este esquema ignora
liquido e gelo na atmosfera.
39
Tabela 4.1, continuação
Chen/Cotton
Chen e Cotton (1987)
Espalhamento molecular,
absorção de ar claro, absorção
de ozônio e refletância,
transmitância e absorção de
uma camada de nuvem. Leva em
consideração a condensação na
atmosfera, mas não diferencia
água da nuvem, chuva ou gelo.
Continuação Parametrização de
Radiação
Onda Curta
Harrington
Harrington (1997)
Leva em conta cada forma de
condensado (água da nuvem,
chuva, gelo, neve, agregados e
granizo).
Mahrer/Pielke
Mahrer e Pielke (1977)
Emissividade de vapor de água e
de dióxido de carbono e a
técnica computacional eficiente
de Sasamori (1972).
Chen/Cotton
Chen e Cotton (1987)
Emissividade para uma
atmosfera limpa, emissividade
de uma camada nublada,
emissividade de uma camada
misturada, céu claro e nublado.
Parametrização de Radiação
Onda Longa
Harrington
Harrington (1997)
40
Tabela 4.1, continuação
Kuo
Tremback (1990)
Esquema dependente da
convergência de umidade e da
instabilidade condicional do
ambientes. Detalhes ver item 4.4.
Parametrização Convectiva
Grell
Grell e Devenyi (2002)
Esquema dependente
principalmente da convergência
de umidade e da Energia
Potencial Convectiva Disponível
(CAPE). Permite a escolha de
diversas hipóteses de
fechamento. Detalhes ver item
4.5.
Parametrização de Cúmulus rasos Parametrização de Cúmulus Rasos
Souza (1999)
LEAF
Dados de Vegetação de 1 km
derivados do conjunto de dados
do IGBP 2.0 + IBGE / INPE,
constituindo o arquivo LEAF-3.
Modelo SIB
Parametrização SIB 2 – CPTEC
/ INPE.
Esquema de incialização da
vegetação
Inicialização alternativa por dados
de satélite.
Permite a atualização dos
arquivos de vegetação por IVDN
– Índice de Vegetação por
Diferenças normalizadas.
41
Tabela 4.1, continuação
Parâmetros de Aninhamento Nudging Weights
Há parâmetros aplicados a
nudging Weights para cada
grade e para variáveis
específicas.
Tem intuito de fornecer um
controle mais amplo na “força”
de aninhamento para análises
4DDA.
Assimilação de Dados de
Observação
ODA
A Assimilação de dados (ODA),
examina cada estação, no passo
de tempo e produz campos de
Covariância.
Inversão de Cúmulus
Inversão de Cúmulus
Ativa a leitura e aninhamento
através das taxas de
aquecimento e umidade
produzidas pelo esquema da
inversão de cúmulus. Em síntese,
as taxas convectivas são
produzidas antes da rodada por
um processo separado que lê as
taxas de precipitação (das
observações) e produz
tendências convectivas.
42
Tabela 4.1, continuação
Nível 1
Ativa advecção, difusão e fluxo
de água na superfície, onde toda
água na atmosfera é
assumidamente vapor, sem a
ocorrência de supersaturação.
Nível 2
Ativa a condensação, porém o
particionamento do total de
água em vapor e água na nuvem,
é diagnosticado. Nenhuma outra
forma de líquido ou gelo é
considerada.
Microfísica
Nível 3
Ativa um conjunto de
parametrizações que inclui água
da nuvem, gelo, neve, granizo,
dentre outros. Esta
parametrização inclui o processo
da precipitação.
43
4.4 - Parametrização Convectiva de Kuo.
Conforme Cotton (1989), a principal consideração a ser feita sobre este tipo de
esquema é que há uma forte correlação entre a precipitação convectiva observada e o total
de convergência de vapor d’água em larga escala numa coluna. Estas observações sugerem
que a convergência de vapor d’água é uma variável muito útil para parametrizar os efeitos
da convecção em modelos de larga escala, e muitas parametrizações cúmulus tem sido
baseadas na relação entre chuva convectiva e convergência de umidade na escala maior.
Estes esquemas são chamados esquemas Kuo devido ao trabalho de Kuo (1965).
4.4.1 – Definição das fontes e sumidouros de calor e umidade.
Conforme a conservação da razão de mistura, temos:
*C
dt
dr
v
−= , (4.17)
onde r
v
é a razão de mistura do vapor d’água e C* é a taxa de condensação líquida
(condensação menos evaporação). Em coordenada isobárica:
*Cr
p
rv
t
r
vvp
v
−=
∂
∂
+∇⋅+
∂
∂
ω
r
, (4.18)
sendo
p
v
r
o vetor vento em coordenadas de pressão e
dt
dp
=
ω
. A equação 4.18 é válida
somente para pequenas parcelas de ar; elas não são imediatamente aplicáveis às
propriedades médias do ar da grande escala associadas com volumes de grade nos modelos
numéricos.
Para obterem-se as equações apropriadas, usa-se o procedimento da média de
Reynolds. Assim, a equação 4.18 torna-se:
44
)""()""(*)()(
ωω
vpvpvpv
v
r
p
vrCr
p
vr
t
r
∂
∂
−⋅∇−−=
∂
∂
+⋅∇+
∂
∂
rr
, (4.19)
onde o símbolo denota o estado básico e o símbolo ” representa a respectiva perturbação.
Como, em coordenadas isobáricas, a equação da continuidade é 0=
∂
∂
+∇
p
v
pp
ω
r
, então:
)""()""(*
ωω
vpvp
v
vpp
v
r
p
vrC
p
r
rv
t
r
∂
∂
−⋅∇−−=
∂
∂
+∇⋅+
∂
∂
rr
. (4.20)
O lado esquerdo de (4.19) e (4.20) é chamado de “fonte de umidade aparente” (yanai
et al., 1973), em coordenadas isobáricas da forma normal e advectiva, respectivamente.
Definindo o sumidouro de umidade aparente Q
2
da equação 4.19, tem-se:
∂
∂
+⋅∇+
∂
∂
−≡ )()(
2
ω
vpv
v
p
v
r
p
vr
t
r
c
L
Q
r
, (4.21)
onde L
v
é o calor latente de vaporização e c
p
é o calor específico a pressão constante.
Uma variável termodinâmica freqüentemente usada em estudos diagnósticos é a
energia estática seca, conforme:
gZTcs
p
+= , (4.22)
sendo T a temperatura do ambiente, g a aceleração da gravidade e Z a altura. Variando a
energia estática seca no tempo, convertendo-a em coordenadas isobáricas e aplicando a
metodologia de Reynolds, obtém-se a seguinte equação:
)""(*)()(
ωω
s
p
QcCLs
p
vsv
t
s
Rp
c
pp
∂
∂
−+=
∂
∂
+⋅+
∂
∂
r
, (4.23)
onde L
c
é o calor latente de condensação e Q
R
é a taxa de variação da temperatura devido a
efeitos de radiação.
Define-se a fonte de calor Q
1
de 4.23, de tal maneira que:
)()(
1
ω
s
p
vsv
t
s
Qc
ppp
∂
∂
+⋅+
∂
∂
≡
r
. (4.24)
45
4.4.2 - Relação do umedecimento e aquecimento convectivo total com a
convergência de umidade.
O uso da convergência de umidade para determinar a taxa de precipitação é baseado
na reserva de vapor d’água de larga escala, e pode ser escrito pela equação abaixo:
)(
""
)""(
2
ec
p
r
vr
p
r
vr
t
r
Q
L
c
v
pvp
v
pv
v
v
p
−+
∂
∂
+⋅∇=
∂
∂
+⋅∇+
∂
∂
−=
ωω
rr
, (4.25)
onde c é a taxa de condensação por unidade de massa de ar, e é a taxa de evaporação.
Uma integração vertical da equação 4.25 sob a pressão da superfície p ao topo da
atmosfera (p = 0) nos dá:
qv
P P P
pvpvt
Svrr
p
dpec
g
EM
S S S
+
⋅∇+
∂
∂
−−=+
∫ ∫ ∫
0 0 0
)"()()(
1
r
ω
, (4.26)
onde M
t
é a convergência de umidade horizontal integrada verticalmente:
dpvr
g
M
Ps
pvpt
∫
⋅∇−=
0
1
r
, (4.27)
e E é a taxa de evaporação na superfície:
( )
Ps
v
r
g
E ""
1
ω
−≡ , (4.28)
e S
qv
é a taxa de armazenagem de vapor d’água:
46
dp
t
r
g
S
Ps
v
qv
∫
∂
∂
=
0
1
. (4.29)
A relação entre a taxa líquida de condensação integrada e a taxa de precipitação pode
ser obtida considerando a equação para a água da nuvem (líquido) r
c
:
cr
cc
pcp
c
CNec
p
r
p
r
vr
t
r
−−+
∂
∂
−=
∂
∂
+⋅∇+
∂
∂
"
"
ωω
r
, (4.30)
onde CN
cr
é a taxa de conversão da água contida na nuvem em água precipitante. Uma
integração vertical da equação 4.19 de 0 a p
s
fica:
tlrl
Ps
MSPdpec
g
−+=−
∫
0
)(
1
, (4.31)
onde P é a taxa de precipitação, S
rl
é a taxa de armazenagem de água líquida e M
tl
é a
integral vertical da convergência horizontal de água líquida. Substituindo a equação 4.20
em 4.14 chegamos:
rlrvtlt
SSPEMM ++=++ (4.32)
A reserva representada na equação 4.32 indica que as fontes de água, dentro de uma
coluna unitária, são balançadas pela precipitação mais o armazenamento de vapor e líquido.
Pela equação 4.32, observa-se, através de uma análise de escala, que se os termos de
armazenamento são menores, em relação à precipitação, e a convergência horizontal de
água é menor comparada com a soma da evaporação e a convergência de vapor d’água, a
taxa de precipitação é igual a convergência de umidade em larga escala mais a evaporação.
Sobre grandes regiões numa longa escala temporal, esta aproximação é muito boa. Mas,
47
localmente, numa curta escala temporal, pode haver variações substanciais na
armazenagem de vapor d’água e água líquida. Em geral, há maior variabilidade sobre
médias latitudes do que sobre os trópicos. Uma ferramenta chave é então relacionar o termo
de armazenagem com variáveis de larga escala (Em síntese: deve-se determinar qual porção
da convergência de umidade deve ser armazenada e qual porção deve ser removida como
precipitação).
Kuo (1974) assumiu que a fração (1-b), da convergência de vapor d’água Mt, é
condensada e precipitada, a fração restante, b, é armazenada e atua no intuito de aumentar a
umidade da coluna (figura 4.4).
Pela hipótese acima, a integral vertical de c – e
≡
C* é
∫
−=
Ps
t
gMbdpC
0
)1(*
(4.33)
Figura 4.4 – Diagrama esquemático que mostra o ciclo de umidade numa coluna com
convecção, para a parametrização convectiva de Kuo.
48
4.4.3 - Determinação de b.
Uma importante parte dos esquemas de Kuo é a determinação do parâmetro b, a
fração de M
t
, usada para umedecer a coluna. Anthes (1977) propôs que b deveria ser
relacionado pela umidade relativa média na coluna como se segue:
( )
,1
,
)1(
1
c
n
c
RHRH
RH
RH
b >≥<
−
><−
=
(4.34)
onde RH é a umidade relativa, RH
c
é um valor crítico de umidade relativa e n é um
expoente positivo de ordem 1 que pode ser empiricamente determinado. O operador médio
vertical < > é definido como:
( )
dppp
Pb
Pt
tb
∫
−
−<>≡
1
)(
(4.35)
Em testes semiprognósticos, para o esquema de kuo, Anthes (1977) e Kuo et al.
(1984) acharam a melhor relação entre as taxas de precipitação observadas e simuladas
quando n estava entre 2 e 3 e RH
c
entre 0,25 e 0,50.
Molinari (1982) supôs que o termo b deveria ser calculado utilizando a temperatura e
a razão de mistura ambiente e da nuvem (com o índice c subscrito).
>−<+>−<
>−<
+
=
TT
L
c
rr
rr
I
JI
b
c
v
p
vvc
vvc
)(
, (4.36)
sendo r
vc
a razão de mistura do vapor d’água na escala convectiva, T
c
a temperatura na
escala convectiva e I a quantidade de umidade fornecida pela escala da grade à escala sub-
grade, e descrita por Molinari e Corsetti (1985) como o fluxo vertical de vapor através do
nível de livre convecção. Define-se J como a mudança de temperatura na coluna:
<RH><RH
c
49
∫
∂
∂
−≡
Pb
Pt
v
p
dp
p
T
L
c
g
J
θ
ω
θ
1
, (4.37)
sendo θ a temperatura potencial, em K. Segundo os testes de Molinari, com o tempo inicial
onde J ≈ -0.8I, o parâmetro b computado pela equação 4.36 foi cerca de 0,2 vezes o
parâmetro efetivo do esquema de Kuo original.
As modificações efetuadas por Tremback (1990), e aplicadas no modelo BRAMS 2.0,
incluem o efeito das correntes descendentes e o cálculo do parâmetro b, com base na
fórmula da eficiência de precipitação de Fritsch e Chappell (1980):
∫
−
−=
∂
∂
zct
zs
conv
dzQ
Q
IbL
t
1
1
1
)1(
π
θ
, (4.38)
∫
=
∂
∂
zct
zs
conv
T
dzQ
Q
bI
t
r
2
2
, (4.39)
onde:
- zct é a altura do topo da nuvem, dada pelo nível acima do qual a temperatura
potencial da adiabática úmida, que passa pelo nível de livre convecção, é menor do que a
temperatura potencial do ponto de grade (ambiente);
- π é um número constante igual a 3,1416;
- Q
1
e Q
2
são os perfis verticais de aquecimento e umedecimento, respectivamente.
Q
1
é dado pela diferença entre a temperatura do ambiente e a de um perfil convectivo.
Este perfil é uma média ponderada entre as correntes ascendentes e descendentes. A
temperatura potencial da corrente ascendente é proveniente do nível que possui o maior
valor de temperatura potencial equivalente nos três primeiros quilômetros acima do solo
(nível fonte), levantando até o nível de livre convecção. Assume-se que a corrente
descendente inicia-se no nível de mínima temperatura potencial equivalente da sondagem;
quando esta chega a base da nuvem, encontra-se 2K mais fria que o ambiente e, na
50
superfície, 5K mais fria. O peso que pondera as duas correntes para o cálculo e de Q
1
é de
1% da corrente ascendente no nível de máxima temperatura potencial equivalente, 10% no
nível de livre convecção e 20% no ponto de máximo fluxo de massa da corrente
descendente.
Para o cálculo de Q
2
definem-se duas regiões; logo abaixo da base da nuvem, o
ambiente é secado com uma razão I e entre a base da nuvem e a superfície, é secado até que
fique com um valor de umidade específica constante na coluna. Na região da bigorna, há
umedecimento na razão bI. Este umedecimento é constante e igual a 2/3 da altura entre o
nível fonte e o topo da nuvem. A condensação na escala de grade ocorre se a razão de
mistura de vapor supera a razão de mistura de saturação. Neste caso, o excesso de vapor é
convertido em água líquida, mais especificamente em água de nuvem (r
c
)
A eficiência de precipitação é calculada através da formulação de Fritsh e Chappell
(1980). Assim, a eficiência é escrita em função do cisalhamento vertical do vento
horizontal (CIS), na camada de nuvem, da seguinte forma:
z
V
CIS
∆
∆
= em 10
-3
s
-1
Se
−+−=−⇒>
=−⇒<
32
00496,00953,0639,0591,1)1(35,1
9,0)1(35,1
CISCISCISbCIS
bCIS
(4.40)
4.4.4 - Particionamento vertical de fontes de calor aparente.
Depois que b é determinado, a expressão integral (equação 4.33) relaciona a taxa total
de precipitação com a convergência de umidade total. Isto é também necessário para
especificar ou calcular a distribuição vertical de C*; em geral, esta distribuição pode ser
escrita como:
)(
)(
)1(
)(* pN
pp
gMb
pC
tb
t
−
−
=
(4.41)
51
onde p
b
e p
t
são as pressões da base e do topo da nuvem, respectivamente, e N(p) é a função
distribuição vertical que pode ser obtida por:
∫ ∫
−==
Ps Pb
Pt
tb
ppdppNdppN
0
)()(
(4.42)
Se tal equação é satisfeita, a taxa total de aquecimento convectivo Q
1
– Q
R
na coluna
é igual à energia latente condensada e removida como precipitação mais fluxo de calor
sensível na superfície:
∫ ∫
+−=+=−
Ps Ps
stsR
P
HMbLHdpC
g
L
dpQQ
g
C
0 0
1
)1(*)(
(4.43)
sendo H
s
é o fluxo de calor sensível. Com as integrais representadas pelas equações 4.41–
4.43, o problema posterior é determinar N(p). Anthes (1977) usou a taxa de condensação C
c
num modelo de nuvem unidimensional para estimar N(p).
><
≡
c
C
C
C
pN )(
(4.44)
Kuo (1965,1974) assumiu que N(p) é determinado pela mistura lateral de ar quente da
nuvem de temperatura T
c
com ar ambiente de temperatura T, que nos fornece:
>−<
−
≡
TT
TT
pN
c
c
)(
)(
(4.45)
Na maioria dos esquemas Kuo, T
c
é dado pela adiabática úmida com a temperatura
potencial equivalente de uma parcela de ar originalmente sobre a superfície.
52
4.5 - Parametrização convectiva de Grell
Grell e Devenyi (2002) introduziram uma nova parametrização convectiva cujo
objetivo principal é possibilitar ao usuário mais liberdade na escolha de uma variedade de
hipóteses de fechamento, que serão mescladas à parametrização padrão baseada em Grell
(1993).
No esquema de Grell há 108 modos diferentes de disparo da convecção, porém, os
mais importantes são a presença de convergência de umidade, instabilidade condicional e
CAPE acima de 1500 J/kg. Conceitualmente, tal esquema é muito parecido com as
parametrizações convectivas de AS (Arakawa e Schubert 1974), modificações em relação
ao esquema FC (Fritsch e Chappel 1980) foram incluídas recentemente.
A nuvem parametrizada ocupa uma fração da grade em modelos com resoluções acima
de 10 km, portanto, não pode ser resolvida explicitamente. Arakawa (1974) discute que no
conceito de instabilidade condicional de segunda ordem (CISK), a escala cúmulus e os
movimentos na escala de um ciclone cooperam mutuamente, as nuvens cúmulus provêm o
aquecimento que dirige o ciclone, e o ciclone provem a umidade que mantêm as nuvens
cúmulus. Há, portanto, a nítida necessidade de esquematizar essa interação entre a sub-
grade e a larga escala.
4.5.1 - Entranhamento em nuvens cúmulus.
Conceitos recentes de entranhamento de ar ambiental nas nuvens trabalham muito
com mistura lateral. O ar entranhado lateralmente contribui no aspecto termodinâmico do
nível em questão, isto é, as propriedades termodinâmicas do ar ascendente em um
determinado nível da nuvem, é uma mistura das propriedades do ar que entranha pela base
da nuvem com o ar entranhado em todos os níveis abaixo dele. Conseqüentemente um
gradiente distinto nas propriedades da nuvem deve existir entre o interior central da nuvem
e ao redor da fronteira. A figura abaixo ilustra os modelos esquemáticos de uma “bolha” e
“jato” de entranhamento lateral.
53
Figura 4.5 - (a) Visão esquemática de um modelo de bolha (ou termal) de entranhamento lateral
numa cúmulus (b) Visão esquemática de um modelo de jato estacionário de entranhamento
lateral numa cúmulus. [adaptado de Holton (1989)].
Um corolário importante para a teoria de entranhamento lateral é que a taxa fracional
de entranhamento do ar ambiente dentro de uma ascendente deve variar inversamente com
o raio da nuvem. Malkus (1960) formulou a taxa de entranhamento (µ
c
) para o modelo da
bolha como:
R
b
dz
dM
M
c
c
=
=
1
c
µ
, (4.46)
onde M
c
é a massa da nuvem, b é um coeficiente adimensional, e R é o raio de uma nuvem.
Baseado em experimentos de laboratório, Turner (1963) atribuiu que a taxa de
entranhamento para uma termal é b = 3α = 0,6, onde α é o ângulo do entranhamento na
fronteira da bolha, ilustrado na figura 4.3. No caso de um jato estacionário, Squires e
Turner (1962) formularam a taxa de entranhamento lateral com b = 2α = 0,2. (Usada no
modelo BRAMS 2.0)
54
4.5.2 - controle estático.
Toda hipótese é diretamente influenciada pela redistribuição vertical de calor e
umidade e pelas próprias taxas de precipitação. Seguindo Grell et. al. (1993), Grell e
Devenyi introduziram o símbolo
λ
para denotar o tipo de hipótese, e reescreveu o
entranhamento como:
(4.47)
onde µ
ue
é a taxa de entranhamento fracional, µ
ud
é a taxa de desentranhamento fracional ( u
denota corrente ascendente), e m é o fluxo de massa, onde cada subconjunto é normalizado
pelo fluxo de massa na base da nuvem, como segue:
(4.48)
onde η
u
é o fluxo de massa normalizado e m
b
é o fluxo de massa na base das correntes
ascendentes. Conforme Grell e Devenyi (2002), resultados tem mostrado que há
dependência do fluxo de massa nas correntes descendentes com o fluxo de massa nas
correntes ascendentes. Assumindo que parte do condensado total é evaporado na corrente
descendente, esta dependência pode ser expressa por:
(4.49)
55
Onde (1 - β
)(
λ
) deverá ser a eficiência da precipitação, geralmente como função do
cisalhamento do vento e umidade na base da nuvem, aos moldes do que é a eficiência na
parametrização convetiva de FC (1980), m
0
é o fluxo de massa originalmente descendente,
e I
1
)(
λ
e I
2
)(
λ
são o condensado e evaporado normalizados das correntes ascendente e
descendente, respectivamente.
Obtém-se, da equação 4.47 e do comportamento de uma variável qualquer numa
camada infinitesimal da corrente ascendente, a quantificação do comportamento de uma
variável meteorológica nas correntes. Para o fluxo ascendente tem-se:
(
)
( ) ( )
[ ]
uuue
Szz
z
z
+−=
∂
∂
,
~
,
λααµ
λ
α
(4.50)
onde α é qualquer variável termodinâmica, o índice u denota as propriedades da corrente
ascendente, o índice ~ denota valor do ambiente e S indica sumidouros ou fontes.
Para a energia estática úmida, tem-se:
)(
~
)(
~
)(
~
zqLgzzTczh
cp
++= , (4.51)
sendo )(
~
zq o valor médio da umidade específica. A equação 4.50 simplesmente torna-se:
(
)
( ) ( )
[
]
zhzh
z
zh
uue
u
,
~
,
λµ
λ
−=
∂
∂
, (4.52)
(
)
( ) ( )
[
]
zhzh
z
zh
due
d
,
~
,
λµ
λ
−=
∂
∂
. (4.53)
A equação 4.52 quantifica o comportamento da energia estática úmida numa corrente
ascendente, por sua vez, a equação 4.53 representa o comportamento dessa variável numa
corrente descendente. Para o comportamento da umidade na corrente ascendente tem-se:
(
)
(
)
zqzq
luu
,,
λλα
+= , (4.54)
(
)
(
)
zqzmCS
luou
,,
λλ
−= , (4.55)
onde, S
u
é a água total que é precipitada, C
o
é um parâmetro de conversão de chuva
(geralmente dependente do tamanho da nuvem ou do cisalhamento), q
u
é a razão de mistura
56
do vapor d’água dentro da corrente ascendente e q
l
é a água líquida suspensa no interior da
nuvem.
4.5.3 – Retroalimentação.
Os fluxos na escala convectiva são definidos como:
lsLIs
LFFF −=
−
,
(4.56)
lqlq
FFF −=
+
,
(4.57)
onde F
s
é o fluxo de energia estática seca, F
q
é o fluxo de vapor d’água e F
l
é o fluxo de
água líquida suspensa na nuvem. Tais fluxos são definidos por:
(
)
(
)
(
)
[
]
(
)
(
)
(
)
(
)
[
]
(
)
λλλληλλλλη
λλ
dmzszszdmzszszF
ddbuus 0
,,,, −−−+=
∫∫
(4.58)
(
)
(
)
(
)
[
]
(
)
(
)
(
)
(
)
[
]
(
)
λλλληλλλλη
λλ
dmzqzqzdmzqzqzF
ddbuuq 0
,,,, −−−+=
∫∫
(4.59)
(
)
(
)
(
)
λλλλη
λ
dmzlzF
bul
,,
∫
+= . (4.60)
A precipitação (absorvedor de água na nuvem em escala convectiva) é definida como:
(
)
(
)
(
)
[
]
(
)
(
)
(
)
[
]
(
)
λλλληλλλλλη
λλ
dmzqzdmzlzCzzR
edbou 0
,,,,,)(
∫∫
−+= (4.61)
Os segundos termos do lado direito das equações 4.58 – 4.61, referem-se às
propriedades da corrente descendente e anulam-se acima do nível de origem da corrente
descendente. Abaixo do nível de origem da corrente ascendente, os primeiros termos do
lado direito anulam-se e somente as correntes descendentes afetam o ambiente de larga
escala. Entre o nível de origem do movimento ascendente e o nível de livre convecção
(LFC), F
l
e R são nulos.
Todas as variáveis nos termos de fluxo podem ser determinadas pelas equações do
controle estático, exceto m
b
)(
λ
, que é determinado no controle dinâmico, descrito a seguir.
57
4.5.4 – Controle Dinâmico.
A idéia imposta por AS de quase equilíbrio permite determinar o fluxo de massa na
nuvem através da função denominada “cloud – work”. Essa função é uma medida da força
de empuxo integrada nas nuvens.
Fazendo algumas operações matemáticas, podemos definir o comportamento
substantivo da energia cinética, a partir dessa função.
)()()(
0
λλλ
uu
u
DmAKE
dt
d
−= , (4.62)
onde D é a dissipação da energia cinética na escala das correntes.
Dentro desse conceito, define-se a eficiência da geração de energia cinética dentro da
nuvem por:
[
]
dzzhzh
z
zTC
g
A
zt
zb
u
u
p
u
∫
−
+
= )(*
~
),(
1
),(
)(
)(
λ
γ
λη
λ
, (4.63)
onde γ é definido como:
p
p
v
T
q
C
L
∂
∂
=
*
~
γ
, (4.64)
onde Lv é o calor latente de vapotização, Cp é o calor específico a pressão constante, o
índice ~ denota valor médio, g é a aceleração da gravidade , T é a temperatura, *
~
q é o
valor médio da umidade específica saturada e *
~
h é o valor médio da energia estática
úmida saturada.
A equação 4.63 também é aplicada para a corrente descendente, e a eficiência da
geração de energia cinética fica:
[
]
dzzhzh
z
zTC
g
A
z
z
d
d
p
d
∫
−
+
=
sup
0
),()(*
~
1
),(
)(
)(
λ
γ
λη
λ
(4.65)
58
Resolvendo a equação 4.62 tanto para correntes ascendentes como descendentes tem-
se:
)()()(
0
λλλ
tottot
tot
DmAKE
dt
d
−= (4.66)
onde A
tot
)(
λ
é a função de trabalho da nuvem total, definida como a medida da eficiência
da geração de energia cinética nas correntes ascendentes e descendentes. Um valor positivo
de A
tot
)(
λ
é necessário para a geração de energia cinética das nuvens do tipo
λ
, portanto,
A
tot
)(
λ
>0 pode ser considerado com um critério generalizado para a instabilidade
convectiva.
A atividade convectiva é relacionada com a variação no tempo do parâmetro A, que é
escrito pela soma de dois termos, um devido aos processos de larga escala F
)(
λ
e outro
devido às nuvens.
)(
)()(
λ
λλ
F
dt
dA
dt
dA
c
tottot
+
=
(4.67)
sendo:
∫
=
λ
λλλλ
λ
dmK
dt
dA
b
c
tot
)()',(
)(
(4.68)
onde K
)',(
λ
λ
é o Kernel. O Kernel é uma expressão para a interação entre nuvens
(correntes ascendentes e descendentes) e depende de algumas propriedades das nuvens,
incluindo o fluxo de massa em cada nível e a taxa de desentranhamento. Esse valor é
tipicamente negativo, e é um meio de as nuvens atuarem para estabilizar o ambiente,
principalmente através do aquecimento adiabático na subsidência compensatória.
59
CAPÍTULO V
RESULTADOS REFERENTES AO ESTUDO DE CASO I
Este capítulo analisa os resultados de simulações numéricas para um evento no qual
áreas de instabilidade, associadas à passagem de uma frente fria, atuaram sobre o Rio
Grande do Sul, no dia 11 de dezembro de 2003, provocando alagamentos na região
metropolitana de Porto Alegre, Alegrete, Santana do Livramento e Lajeado.
Porém, o fato que repercutiu em âmbito nacional, ocorreu na cidade de Antônio
Prado, onde quatro crianças e um adulto morreram soterrados pelo teto de uma escola, que
desabou durante à tarde. Moradores relataram a ocorrência de um tornado, que atingiu o
local às 16h30min do presente dia. Pelo menos 80 casas ficaram destelhadas e 1,5 mil
domicílios ficaram sem o fornecimento de energia elétrica.
60
A figura 5.1 mostra a localização da cidade de Antônio Prado no estado do Rio
Grande do Sul. A figura 5.2 mostra as imagens dos satélites GOES-12 e EUMETSAT no
respectivo dia, às 18 TMG.
No intuito de atingir os objetivos descritos no capítulo II, os itens estão organizados
como segue. No item 5.1 definem-se os experimentos numéricos e faz-se uma análise
comparativa com os dados observados a fim de apontar o experimento mais realista. No
item 5.2 apresenta-se uma análise termodinâmica e dinâmica do ambiente simulado pelos
experimentos. No item 5.3 apresentam-se as características principais da convecção em
cada simulação. No item 5.4 sugerem-se alguns testes de sensibilidade na parametrização
convectiva de Grell a fim de melhorar ainda mais o resultado e no item 5.5 conclui-se esse
capítulo.
Figura 5.1 – Localização da cidade de Antônio Prado.
61
Figura 5.2 - Imagem do satélite GOES-12 (infravermelho) e EUMETSAT (visível) no dia 11
de dezembro de 2003 às 18:09 e 18:00 TMG, respectivamente.
5.1 - Análise comparativa das simulações com os campos observados.
5.1.1 – Definição dos experimentos numéricos.
Os experimentos SCGRELL - que possui como característica peculiar a utilização da
Parametrização Convectiva de Grell - e SCKUO - que possui como característica peculiar a
utilização da Parametrização Convectiva de Kuo - foram iniciados utilizando-se as análises
do modelo Global T126L28 do CPTEC/INPE, com as fronteiras atualizadas a cada 6 horas.
A resolução do modelo T126L28 é de 100 km.
Alonso et. al (2004) testou diferentes configurações do modelo BRAMS 2.0 para o
mesmo evento ocorrido no dia 11 de dezembro de 2003. Foram confrontados, com os dados
observados em estações meteorológicas de superfície, valores de precipitação simulados em
9 experimentos com distintas configurações. O experimento onde se obteve maior
correlação com os dados observados para precipitação total acumulada foi o que apresentou
as seguintes características: Parametrização Convectiva de Grell (Grell e Devenyi,2002),
tipo de fechamento denominado quase-equilíbrio (Grell, 1993), topografia de 20 km, dados
de Temperatura da Superfície do Mar semanal com resolução de 50 km, Parametrização de
62
Microfísica aplicada a qualquer fase da água, incluindo o processo de precipitação, e
parametrização de radiação segundo Mahrer & Pielke.
Portanto, para a definição das simulações realizadas neste capítulo, considerou-se as
características do experimento que obteve maior desempenho no trabalho de Alonso et. Al
(2004). As opções específicas são mostradas na tabela 5.1. Evidencia-se que as rodadas são
idênticas, exceto pelo esquema de parametrização de cúmulus.
Tabela 5.1 - Características dos experimentos.
SCKUO SCGRELL
Grades
Grade 1 - 40 km Grade 1 - 40 km
Data Inicial
11/12/03 00 UTC 11/12/03 00 UTC
Campos
Atmosféricos
Global
CPTEC/INPE
Global
CPTEC/INPE
Radiação de onda
curta
Mahrer/Pielke Mahrer/Pielke
Radiação de onda
longa
Mahrer/Pielke Mahrer/Pielke
Parametrização
de cúmulos
Grade 1 - Kuo
Grade 1 - Grell
Fechamento
denominado
quase-equilíbrio
A figura 5.3 mostra a localização da grade utilizada nos dois experimentos.
Figura 5.3 – Localização da grade nos experimentos SC.
63
5.1.2 – Análise comparativa da precipitação.
A figura 5.4 mostra o comportamento da precipitação acumulada no dia 11 de
dezembro de 2003, estimada por satélite, no projeto GPCP. Realizou-se um corte na grade
global com intuito de evidenciar a disposição da precipitação estimada sobre o estado do
Rio grande do Sul. Observam-se núcleos máximos de precipitação com valores entre 80 e
90 mm na extensão da Lagoa dos Patos e noroeste do estado.
Figura 5.4 – Precipitação acumulada em mm/dia estimada por satélite (GPCP).
A parametrização convectiva de Grell (Grell e Devenyi, 2002) gera núcleos mais
intensos de precipitação diária acumulada (acima de 80 mm) em todo o estado gaúcho, no
extremo norte da Argentina e no Paraguai (figura 5.5). Já o experimento SCKUO, cuja
característica peculiar é o uso da parametrização convectiva de Kuo (Tremback, 1990),
simula precipitação numa média de 15 mm/dia, sem núcleos mais significativos. No
experimento SCGRELL evidencia-se a disposição da banda de precipitação acumulada na
direção predominante de noroeste – sudeste, congruente ao mostrado na imagem de satélite
da figura 5.2.
Os quadros 5.5c e 5.5d mostram um corte realizado na grade principal com intuito de
evidenciar a disposição da precipitação acumulada no dia 11 de dezembro de 2005, sobre o
estado do Rio grande do Sul. Nota-se claramente que a precipitação convectiva é mais
64
fragmentada em SCGRELL e possui núcleos mais intensos do que a precipitação simulada
pela parametrização convectiva de Kuo no experimento SCKUO.
a b
c d
Figura 5.5 - Precipitação convectiva acumulada no dia 11 de dezembro de 2003,em mm/dia, no
experimento (a) SCGRELL e (b) SCKUO para a grade 1. Os quadros (c) e (d) referem-se a um
corte realizado na grade para mostrar a disposição da precipitação acumulada sobre o estado do Rio
Grande do Sul, simulada pelos experimentos SCGRELL e SCKUO, respectivamente (reduzidos à
resolução de 1ºx1º pra comparação com a imagem do satélite da figura 5.4).
Para a análise da precipitação total acumulada no período de 12 TMG do dia 11 de
dezembro de 2003 a 12 TMG do dia 12 de dezembro de 2003, utilizaram-se 21 estações do
65
INMET dispostas conforme figura 4.1 do capítulo IV. Para uma comparação mais
detalhada desse campo, dividiram-se os estados de Santa Catarina e Rio Grande do Sul em
cinco regiões, classificadas quanto à topografia e características geomorfológicas (figura
5.6).
Ao norte situa-se o Planalto Meridional, o qual é formado por rochas basálticas e a
nordeste encontra-se as terras mais altas deste planalto, alcançando 1.398 metros (Monte
Negro) no município de São José dos Ausentes. Ao centro do Estado está a Depressão
Central que é formada de rochas sedimentares dando origem a um extenso corredor que liga
o oeste ao leste, através de terrenos de baixa altitude. Ao sul localiza-se o Escudo Sul-rio-
grandense, com rochas ígneas e muito desgastadas pela erosão. Sua altitude não ultrapassa
os 600m.
A Planície Costeira corresponde a uma faixa arenosa de 622km, com grande
ocorrência de lagunas e lagoas, entre as quais destacam-se a Laguna dos Patos e Mirim. O
processo de formação desta região possui caráter evolutivo, em constante mutação, como
decorrência da sedimentação marinha e flúvio-lacustre.
Figura 5.6 – Mapa hipsométrico com as áreas de estudo destacadas conforme características
topográficas e geomorfológicas.
66
Observando a tabela 5.2, nota-se a superioridade do experimento que utiliza a
parametrização convectiva de Grell, com o fechamento de quase-equilíbrio (Grell, 1993) na
simulação da magnitude da precipitação total acumulada em praticamente todas regiões
analisadas, com exceção na área que compreende a denominada Depressão Central.
O experimento SCGRELL superestimou a precipitação observada na maioria das
regiões, porém subestimou consideravelmente o dado medido no estado de Santa Catarina.
Já o experimento SCKUO subestimou consideravelmente a precipitação em boa parte do
domínio estudado, porém superestimou o dado medido nas estações localizadas ao longo da
Planície Costeira.
Tabela 5.2 – ViésM (viés médio) e EmqMV (Erro médio quadrático normalizado pelo Viés),
em milímetros acumulados no período das 12 TMG do dia 11/12/03 às 12 TMG do dia 12/12/03. Os
menores erros estão destacados em vermelho.
SCGRELL SCKUO
ViésM EmqMV ViésM EmqMV
Santa
Catarina
-
11,47
9,18
-
21,45
17,16
Planalto Meridional
-
1,02
0,91
-
33,75
30
Depressão Central
18,41
9,20
-
16,28
8,14
Escudo Sul
-
Riograndense
1,44
0,72
-
26,45
13,22
Planície Costeira
1,17
0,78
11,55
7,7
Interpolaram-se as informações de precipitação acumulada em 21 estações espalhadas
no Rio Grande do Sul e Santa Catarina, numa grade espaçada em intervalos de 1,36º,
utilizando-se o método do inverso quadrado da distância (figura 5.7). O posicionamento das
regiões interpoladas foi comparado com os dados simulados, que obtiveram igual
tratamento. Conforme visto na tabela 5.3, o experimento SCGRELL apresentou boa
capacidade de simular o posicionamento dos núcleos de precipitação (F
E
/F
m
>1) nos
intervalos menores que 20 mm/24h e maiores que 50 mm/24h, em relação ao observado nas
estações. Por conseguinte, o experimento SCKUO apresentou boa capacidade de simular o
posicionamento dos núcleos de precipitação nos intervalos inferiores a 50 mm/24h. Para a
67
magnitude que compreende 20 e 50 mm/24h, evidencia-se a superioridade do experimento
que utiliza a parametrização convectiva de Kuo.
Tabela 5.3- Índices de posicionamento dos dados simulados de precipitação acumulada no dia
17 de janeiro de 2005 em relação ao observado nas 21 estações do INMET para (a) P ≤ 20 mm/24h,
(b) 20 ≤ P ≤ 50 mm/24h e (c) P ≥ 50 mm/24h.
F
C
F
E
/F
m
a b c a b c
SCGRELL
1
0,443
0,685
3,346
0,697
2,208
SCKUO
0,403
0,724
0
1,348
1,14
0
A figura 5.7 mostra a disposição da precipitação acumulada no período de 24 horas,
observada pelas estações do INMET. Evidenciam-se valores máximos acima de 50 mm/24h
na região leste/nordeste do estado.
-57.00 -56.00 -55.00 -54.00 -53.00 -52.00 -51.00 -50.00
Longitude (W)
-33.00
-32.00
-31.00
-30.00
-29.00
-28.00
L
a
t
i
t
u
d
e
(
S
)
0
5
10
15
20
25
30
35
40
45
50
55
60
65
70
Figura 5.7 – Precipitação acumulada em mm/24h interpolada mediante os valores observados
em 21 estações do INMET.
68
5.2 – Análise do ambiente simulado.
5.2.1 – Características termodinâmicas do ambiente simulado.
5.2.1.1 – Descrição dos diagramas aerológicos Skew-T Log-P.
Os dados aerológicos obtidos de radiossondagens são usados para identificar as
características dinâmicas e termodinâmicas da atmosfera. Para facilitar o estudo dessas
características e de determinado número de propriedades físicas da atmosfera superior,
utilizam-se diagramas termodinâmicos. O mais conhecido é o diagrama Skew-T Log-P.
Observando a figura 5.8, pode-se evidenciar que as isotermas (linhas de igual
temperatura), são inclinadas, formando um ângulo de 45º com as isóbaras (linhas de igual
pressão). As adiabáticas secas (linhas de igual temperatura potencial), são linhas
suavemente curvadas inclinando-se da parte inferior direita para a parte superior esquerda
do diagrama (linhas de cor verde no diagrama observado e de cor vermelha nos diagramas
simulados).
As adiabáticas saturadas (linhas de igual temperatura potencial do bulbo úmido), são
marcadamente curvadas. Nos diagramas simulados, o traçado azul evidencia a ascensão de
uma parcela de ar que sobe adiabaticamente seca até atingir o nível de condensação por
levantamento (LCL), saturando e elevando-se pela adiabática úmida desse nível em diante.
Os traçados mais fortes, em ambos diagramas, evidenciam o perfil vertical da temperatura
do ponto de orvalho (sempre à esquerda) e da temperatura do ambiente (sempre à direita).
A linha verde presente nos diagramas simulados representa o perfil vertical da umidade
relativa.
Serão analisados os índices de instabilidade K, TT, ILEV, CAPE e CINE,
representados nos diagramas simulados, pelas siglas K, TT, LI, CAPE e CINE, e nos
diagramas observados, pelas siglas KINX, TOTL, LIFT, CAPE e CINS.
69
5.2.1.2 – Análise termodinâmica dos ambientes.
A figura 5.8a mostra o ambiente observado na estação aerológica SBPA no dia 11 de
dezembro de 2003 às 00 TMG. Os perfis de temperatura e temperatura do ponto de orvalho
caracterizam claramente um ambiente com ausência de nuvens. A presença de uma camada
de inversão em baixos níveis, devidamente simulada pelos experimentos SCGRELL e
SCKUO, e a área negativa presente em todo perfil vertical, em relação à ascensão forçada
da parcela desde a superfície, caracterizam um ambiente pré-convetivo essencial para o
disparo da convecção em esquemas do tipo I, conforme discutido no item 3.1.3.
Ambos experimentos apresentaram índices K e TT menores que o dado observado
(em média uma diferença de 8ºC), e um ILEV acima do que foi observado. Registrou-se
ausência de CAPE e CINE no ambiente simulado e observado.
Conforme mostrado na figura 5.9; a atmosfera simulada para o horário das 12 TMG
em Porto Alegre (SCGRELL) apresenta boa correlação com o dado medido. O experimento
SCGRELL possui índices K e TT menores que o dado observado (uma diferença de 5ºC e
9ºC, respectivamente). O índice de instabilidade por levantamento teve um comportamento
bem distinto em cada simulação: condizente com o valor observado, no experimento
SCGRELL; e mais estável em relação ao observado, no experimento SCKUO. O ambiente
simulado pelo experimento SCKUO apresenta ausência de CAPE e valores de K e TT bem
menores que o ambiente observado.
É importante salientar que o ambiente observado às 12 TMG já não é pré-convectivo;
claramente percebe-se a geração de nuvens no ambiente. O fato de a sondagem estar
saturada até aproximadamente 800 hPa (SCGRELL) e 500 hPa (SCKUO) evidencia a
simulação de precipitação sobre Porto Alegre, já nesse horário.
70
[a] [b]
Figura 5.8 – Porto Alegre: 00:00 TMG do dia 11/12/2003: (a) Gráfico Skew-T Log-P
observado; (b) Gráfico Skew-T Log-P simulado pelo experimento SCGRELL.
71
[a]
[b] [c]
Figura 5.9 – Porto Alegre: 12:00 TMG do dia 11/12/2003: (a) Gráfico Skew-T Log observado;
(b) Gráfico Skew-T Log-P simulado pelo experimento SCGRELL; (c) Gráfico Skew-T Log-P
simulado pelo experimento SCKUO.
72
Observa-se a condição estável do ambiente, presente em praticamente toda troposfera,
e uma camada quase neutra entre os níveis de 850 e 500 hPa (figura 5.10). Acima de 400
hPa, os perfis verticais simulados de temperatura potencial equivalente de saturação
acompanham com ótima aproximação o perfil observado. Nas camadas inferiores, as
simulações subestimaram o valor observado. Com posse nas informações do perfil vertical
de temperatura potencial equivalente de saturação (θ
es
), pode-se afirmar que a região de
Porto Alegre, no horário das 12 TMG, está com ausência de instabilidade condicional.
Figura 5.10 – Porto Alegre: 12:00 TMG do dia 11/12/03: comportamento vertical da
Temperatura Potencial Equivalente de saturação (K).
Analisando-se os gráficos Skew-T Log-P simulados para a cidade de Antônio Prado,
em ambos experimentos (figura 5.11), podemos extrair uma série de informações sobre o
estado do ambiente às 18 TMG. Primeiramente, é importante salientar que os perfis de
temperatura e temperatura do ponto de orvalho estão muito próximos em toda troposfera,
no experimento SCKUO, e acompanham as curvas pseudo-adiabáticas. Esse
comportamento demonstra que movimentos ascendentes na nuvem provavelmente foram
disparados pelo fluxo de calor latente do sistema.
73
O índice Lift (ILEV) é igual a -5ºC, no experimento SCGRELL, e 1ºC, quando
simulado em SCKUO. Os índices K e TT também são superiores no experimento
SCGRELL, e denota atmosfera com alto potencial a ocorrência de tempestades. Logo, do
ponto de vista da flutuabilidade, tempestades se desenvolvendo nos ambientes simulados
pelo experimento SCGRELL teriam maior potencial para se tornarem severas do que nos
ambientes simulados pelo experimento SCKUO, do ponto de vista operacional.
[a] [b]
Figura 5.11 – Antônio Prado: 18:00 TMG de 11/12/03: Skew-T Log-P simulado em: (a)
SCGRELL e (b) SCKUO.
Conforme o perfil vertical da temperatura potencial equivalente de saturação, para a
cidade de Antônio Prado, no horário que representa a fase madura da convecção (figura
5.12), observa-se ambiente condicionalmente instável da superfície até o nível de 850 hPa,
em ambos experimentos. A instabilidade condicional é um fator primordial para o
“disparo” da convecção, tanto para esquemas do tipo I, quanto para esquemas do tipo II.
Salienta-se, que na maioria dos casos de convecção, a camada condicionalmente instável é
mais profunda do que foi registrado nessas simulações.
74
Figura 5.12 – Antônio Prado: 18:00 TMG de 11/12/03: comportamento vertical da
Temperatura Potencial Equivalente de saturação (K).
5.2.2 - Aspecto dinâmico do ambiente simulado.
Um aspecto importantíssimo na formação de supercélulas é o cisalhamento vertical
do vento horizontal em baixos e médios níveis. Não obstante, sua combinação com outros
fatores como CAPE e Helicidade fornecem uma boa informação qualitativa,
prognosticando a possibilidade de tempestades severas. Se observarmos, no horário das 18
TMG, o índice DNRV (Denominador do número de Richarson Volumétrico), podemos
ressaltar valores moderados de cisalhamento na região norte-nordeste do Rio Grande do Sul
simulado pelo experimento SCGRELL (acima de 50 m
2
s
-2
). Há um pequeno núcleo de
convergência de umidade com valor de -5 x 10
-5
g.kg
-1
.s
-1
(figura 5.13b) sobre a fronteira
nordeste do Rio Grande do Sul.
Analisando-se a Helicidade Relativa simulada no experimento SCGRELL, nos
primeiros 3 km (figura 5.14), mediante uma interpolação dessa variável em 32 pontos nos
estados do Rio Grande do Sul e Santa Catarina, espaçados em 1º, notamos um núcleo
máximo acima de -360 m
2
s
-2
sobre a região nordeste do estado. Esses valores indicam um
75
escoamento com forte tendência helicoidal (ver capítulo IV). Portanto, valores altos de
CAPE, conforme registrado na figura 5.8a, valores significativos de Helicidade Relativa e
valores moderados de DNRV (entre 40 e 100 m
2
s
-2
) indicam forte tendência à ocorrência
de tempestades severas com probabilidade a formação de tornados, dando uma base
qualitativa para o tornado que foi documentado pelos moradores de Antônio Prado no dia
11 de dezembro de 2003 às 16:00 local (18 TMG).
(a) (b)
Figura 5.13 - 18:00 TMG de 11/12/03: (a) Índice DNRV em m
2
s
-2
(a área sombreada
corresponde ao intervalo entre 40 e 100 m
2
s
-2
) e (b) convergência de umidade em x 10
-5
g.kg
-1
.s
-1
em 1000 hPa; simulados em SCGRELL.
Figura 5.14 – Campo da Helicidade Relativa para os primeiros 2 km, em m
2
s
-2
; simulado em
SCGRELL.
76
Observando-se o comportamento do índice DNRV (figura 5.15) para o experimento
SCKUO pode-se evidenciar valores em torno de 45 m
2
s
-2
em praticamente todo estado. O
fato da simulação SCKUO não apresentar núcleos de convergência de umidade sobre o
estado do Rio Grande do Sul e arredores, possivelmente explica porque a parametrização de
Kuo subestimou o valor observado de precipitação total diária. Conforme já descrito no
capítulo IV; a parametrização convectiva de Kuo possui uma dependência singular com a
convergência de umidade nas camadas inferiores.
(a) (b)
Figura 5.15 - 18:00 TMG de 11/12/03: (a) Índice DNRV em m
2
s
-2
(a área sombreada
corresponde ao intervalo entre 40 e 100 m
2
s
-2
) e (b)convergência de umidade em x 10
-5
g.kg
-1
.s
-1
,
no nível de 1000 hPa, simulados em SCKUO.
Observando a figura 5.16a, notamos um escoamento de norte em 925 hPa, com ventos
acima de 16 m/s, que se estendem pelo Paraguai até o Rio Grande do Sul, apresentando um
máximo de aproximadamente 24 m/s, sobre a região nordeste do estado. Tal configuração,
aliada a concentração significativa de umidade específica sobre a extensão deste
escoamento (figura 5.16b), evidencia a existência de um JBN (Jato de baixos níveis) que
contribui para o acúmulo de umidade e aquecimento do ambiente, trazendo ar quente e
úmido das latitudes mais baixas.
Salienta-se que inúmeros trabalhos descrevem a contribuição positiva do JBN no
regime pluviométrico na América do sul, com ênfase na região sul do Brasil. Teixeira et. al
77
(2004) estudaram as condições sinópticas sazonais associadas a 170 episódios de chuvas
intensas na Região Sul do Brasil, ocorridos entre 1991 e 2001, e encontraram uma
importante contribuição do escoamento de norte, sobre o Paraguai e nordeste da Argentina,
na ocorrência de eventos de chuva intensa na Região Sul do Brasil, através da advecção de
grandes quantidades de calor sensível e de umidade. Não obstante, sabe-se que a interação
entre os jatos de baixo e alto nível, e a advecção de umidade nas camadas inferiores são
fatores importantes quando se discute o papel do ambiente na escala convectiva (controle
dinâmico).
(a) (b)
Figura 5.16 - 18:00 TMG de 11/12/03: (a) vento (a cor e tamanho dos vetores indicam a
intensidade), em 925 hPa e (b) Umidade específica em 925 hPa (g/kg), simulados em SCGRELL.
78
Conforme figura 5.17, cujas hodógrafas representam o comportamento vertical do
vento horizontal no horário das 12 TMG do dia 11 de dezembro de 2003, na estação SBPA,
há uma boa representação, em relação ao medido na radiossondagem, do perfil vertical
simulado do vento, com ênfase ao modelado pelo experimento SCKUO.
Salienta-se que a hodógrafa, tanto na situação observada quanto na simulada, mostrou
pequeno giro do vetor cisalhamento de vento com a altura nos primeiros 5 km (de 925 hPa
a 500 hPa). Lembrando que o vetor cisalhamento é sempre tangente a hodógrafa em cada
ponto. Portanto, o tipo de tempestade associada a esses ambientes possui tendência a
adquirir caráter multicelular.
[a] [b]
Figura 5.17 – Hodógrafa das 12 TMG para a estação SBPA, (a) observada e (b) simulada
pelos experimentos SCGRELL (preto) e SCKUO (vermelho). O eixo x representa a magnitude do
vento zonal; o eixo y representa a magnitude do vento meridional.
5.3 – Características da convecção.
Comparando os perfis de aquecimento e umedecimento convectivo (figura 5.19), para
a área mostrada na figura 5.18 (onde as precipitações dos experimentos coincidiram), nota-
se que uma maior ascensão em SCGRELL, associada com a alta umidade em praticamente
toda camada de desenvolvimento da nuvem, reflete-se no maior aquecimento da média e
alta troposfera.
79
Figura 5.18 – Área de estudo para obtenção dos perfis médios de aquecimento / resfriamento e
umedecimento / secagem convectivos.
Nota-se, observando a figura 5.19, que os valores de aquecimento e secagem na
média troposfera são bem superiores no experimento SCGRELL, em relação ao SCKUO,
indicando, portanto, uma convecção mais atuante no experimento que utiliza a
Parametrização Convectiva de Grell. É importante enfatizar que o experimento SCKUO
registrou um umedecimento em torno de 400 hPa, conforme previsto na formulação de
Tremback (1990). Esse efeito deveria ser observado também no experimento SCGRELL,
principalmente devido ao desentranhamento de massa no topo da nuvem.
80
(a) (b)
Figura 5.19 - 18:00 do dia 17/01/05: Perfis médios de (a) aquecimento / resfriamento e (b)
umedecimento / secagem convectivos em K/dia e g/kg/dia, respectivamente, na área indicada na
figura 5.19.
5.4 – Testes de sensibilidade na Parametrização Convectiva de Grell.
Na tentativa de tornar a simulação mais realista, uma bateria de testes foi realizada na
parametrização convectiva de Grell da simulação SCGRELL. Os experimentos SC2000 e
SC5000 foram rodados para testar a sensibilidade da Parametrização de Grell ao
entranhamento de massa, alterando-se o raio da nuvem para 2 e 5 km, respectivamente.
Quanto menor o raio da nuvem, maior o entranhamento de massa (ver item 4.3.1 no
capítulo IV).
Portanto, nos respectivos experimentos, aumentou-se a capacidade de mistura do ar
ambiente com a nuvem, alterando a convecção. Já nos experimentos SCCAP50 e
SCCAP90, alterou-se a capacidade de uma parcela de ar subir até atingir o nível de livre
convecção, de 75 mb para 50 e 90 mb, respectivamente. Quanto maior for tal parâmetro,
maior será a capacidade do modelo de simular a convecção. A característica peculiar de
cada experimento está evidenciada na tabela 5.4.
81
Tabela 5.4 – Característica peculiar dos experimentos SC2000, SC5000,SCCAP50 e SCCAP90.
Experimento CAP_MAX Raio da Nuvem
SCGRELL (Controle) 75 mb 12 km
SC2000 2 km
SC5000 5 km
SCCAP50 50 mb
SCCAP90 90 mb
Os parâmetros alterados na realização desses testes não possuem uma interface direta
com o usuário, isto é, não estão dispostos no arquivo de configuração do modelo. Logo,
alteram-se esses parâmetros no módulo referente à Parametrização Convectiva de Grell e
compila-se novamente o modelo BRAMS 2.0.
5.4.1 – Análise comparativa da precipitação.
Ambos experimentos apresentaram máximos (acima de 100 mm) na região noroeste
do Rio Grande do Sul (figura 5.20). Tais núcleos são mais numerosos no experimento
SCGRELL e menos intensos no experimento SC2000.
A tabela 5.5 mostra os índices Viés Médio e Erro médio quadrático normalizado pelo
Viés para as cinco regiões, destacadas conforme figura 5.6.
Os erros apresentados pelos experimentos SC2000 e SC5000 foram os mais baixos
em três regiões estudadas. O experimento SC2000 apresentou-se mais condizente com os
dados observados, no Planalto Meridional e na região da Depressão Central, com erros
quadráticos médios normalizados pelo viés de 0,9 e 0,09, respectivamente. Na Região de
Santa Catarina, o experimento SC5000 apresentou melhor desempenho na simulação da
magnitude da precipitação acumulada no período analisado, com um EmqMV de 6,46.
Portanto, para esse caso de convecção, diminuindo-se o raio da nuvem, a fim de aumentar o
entranhamento de massa no sistema, melhora-se o desempenho da Parametrização
Convectiva de Grell na simulação da magnitude da precipitação total acumulada.
82
Tabela 5.5 - ViésM (viés médio) e EmqMV (Erro médio quadrático normalizado pelo Viés), em
milímetros acumulados no período das 12 TMG do dia 11/12/03 às 12 TMG do dia 12/12/03.
Regiões SC2000 SC5000
ViésM EmqMV ViésM EMqMV
Santa Catarina
-18,62 14,89 -8,08 6,46
Planalto Meridional
1,02 0,9 4,55 4,05
Depressão Central
-0,19 0,09 11,6 5,8
Escudo Sul-Riograndense
-5,62 2,81 -8,3 4,2
Planície Costeira
6,71 4,47 -1,37 0,92
Regiões SCCAP50 SCCAP90
ViésM EmqMV ViésM EMqMV
Santa Catarina
-10,47 8,38 -21,4 17,1
Planalto Meridional
-2,37 2,11 7,29 6,48
Depressão Central
10 5 35,99 17,99
Escudo Sul-Riograndense
7,09 3,55 -11,54 5,77
Planície Costeira
-1,81 1,21 9,56 6,37
Regiões SCGRELL
ViésM EmqMV
Santa Catarina
-11,47 9,18
Planalto Meridional
-1,02 0,91
Depressão Central
18,41 9,2
Escudo Sul-Riograndense
1,44 0,72
Planície Costeira
1,17 0,78
83
a b
c d
e
Figura 5.20 – Precipitação
convectiva acumulada (mm/dia)
simulada pelos experimentos:
(a) SCGRELL, (b) SC2000, (c)
SC5000, (d) SCCAP50 e (e)
SCCAP90. (reduzidos à
resolução de 1ºx1º pra
comparação com a imagem do
satélite da figura 5.4).
84
5.4.2 - Análise termodinâmica do ambiente.
Analisando o ambiente às 00 TMG do dia 11 de dezembro de 2003, nota-se uma
uniformidade nas simulações dos índices de instabilidade em ambos experimentos.
Salienta-se que os testes apresentaram um índice de instabilidade por levantamento mais
condizente com o valor observado na radiossondagem da estação SBPA, do que o
experimento controle (SCGRELL).
Tabela 5.6 - Índices de Instabilidade observados e simulados para o dia 11 de dezembro de 2003 no
horário das 00:00 TMG, na estação SBPA.
00 TMG Observado SCGRELL SC2000 SC5000 SCCAP50 SCCAP90
Índice K (ºC) 21,1 13 13 13 13 13
Índice TT (ºC)
43 35 35 35 35 35
CAPE (J/kg) 0 0 0 0 0 0
Índice Lift 3,46 7 4 4 4 4
Não há diferenças significativas nos índices de instabilidade simulados pelos testes de
sensibilidade e pelo experimento controle às 18 TMG, horário de máxima atividade
convectiva em Antônio Prado e imediações. É importante salientar que estes índices não
são representativos de um ambiente medido em sondagens de proximidade, pois o ambiente
nesse horário, já está com convecção em andamento.
Tabela 5.7 - Índices de Instabilidade observados e simulados para o dia 11 de dezembro de 2003, no
horário das 18:00 TMG, em Antônio Prado.
18 TMG SCGRELL SC2000 SC5000 SCCAP50 SCCAP90
Índice K (ºC) 37 37 35 35 34
Índice TT (ºC) 47 45 47 45 46
CAPE (J/kg) 2599 2515 2491 2585 2493
Índice Lift (ºC) -5 -5 -5 -6 -5
Conforme pode ser visto na figura 5.21, observa-se uma semelhança entre os perfis
verticais simulados de temperatura potencial equivalente de saturação. Portanto, os
ambientes simulados estão condicionalmente instáveis da superfície até o nível de 850 hPa.
85
Figura 5.21 – Antônio Prado: 18:00 TMG de 11/12/03: comportamento vertical da
Temperatura Potencial Equivalente de saturação (K).
5.4.3 - Aspecto dinâmico do ambiente.
Não há diferenças significativas do movimento ascendente entre os experimentos
(figura 5.22), no horário das 18 TMG. Ambas simulações registram ascensão em toda
região norte do estado, com valores que variam de 0,05 a 0,22 ms
-1
, para o nível de 850
hPa. Observa-se valores de convergência de umidade entre 5 e 10 x 10
-5
g.kg
-1
.s
-1
na
fronteira norte do Rio Grande do Sul, em ambos experimentos, sem nenhuma diferença substancial
entre os mesmos.
86
(a) (b)
(c) (d)
(e)
Figura 5.22 – Movimento
vertical, em ms
-1
, (sombreado)
e convergência de umidade,
em x10
-5
g.kg
-1
.s
-1
, simudados
pelos experimentos:
(a) SCGRELL,
(b) SC2000,
(c) SC5000,
(d) SCCAP50 e
(e) SCCAP90
no nível de 850 hPa.
87
5.4.4 – Características da convecção.
Analisando os perfis convectivos médios ilustrados na figura 5.23, podemos extrair
uma série de características importantes da convecção sobre a região mostrada na figura
5.18. Nota-se, na superfície, o resfriamento e a secagem em ambos testes, tal
comportamento está intimamente ligado às correntes descendentes que transportam ar frio e
seco da alta troposfera.
Em ambas simulações, a redução do aquecimento entre 700 - 900 hPa deve-se, em
parte, ao efeito da parametrização da corrente descendente úmida. Como essa se inicia
aproximadamente em 700 hPa, até a base da nuvem (~870 hPa), existe tanto fluxo de massa
para cima como para baixo, reduzindo o aquecimento. Os testes de sensibilidade
registraram menor secagem nas camadas inferiores, comparadas com o experimento
controle (SCGRELL).
Observa-se uma camada de aquecimento convectivo menos profunda no experimento
SC2000, registrando-se queda no aquecimento a partir do nível de 400 hPa. Em suma, os
experimentos SC2000 e SC5000 apresentaram convecção mais rasa.
A explicação para esse comportamento está na formulação original de AS (1974), já
que o esquema de quase-equilíbrio de Grell (1993) é fundamentado no esquema de
Arakawa e Schubert.
No esquema original de AS (1974), o desentranhamento total refere-se a diferentes
tipos de nuvem. Quando a espessura da camada de desentranhamento é infinitamente
pequena, o desentranhamento total numa camada compreendida entre z e z+dz, é igual ao
fluxo de massa total, no nível z, de nuvens que perdem empuxo nesta camada. Portanto, o
desentranhamento total é função da distribuição do fluxo de massa em diferentes tipos de
nuvens com diferentes níveis com perda de empuxo. Isto sugere que há necessidade de
representar as nuvens em subconjunto, cada um com um tipo característico. E a melhor
forma encontrada pelos autores foi caracterizar os subconjuntos pela taxa fracional de
entranhamento.
O fluxo vertical de massa num subconjunto aumenta exponencialmente com a altura
devido ao entranhamento. Acima do nível de desentranhamento, o fluxo de massa torna-se
88
zero, caracterizando este como o topo da nuvem. AS (1974) mostram que, nuvens menores
(maior entranhamento), têm níveis de desentranhamento mais baixos do que as nuvens mais
largas (menor entranhamento). Essas nuvens de maior entranhamento perdem empuxo mais
rapidamente do que as nuvens mais largas (figura 5.23).
O esquema de Grell (1993) atribui um valor constante de entranhamento ao sistema
como um todo; logo, como a formulação baseia-se no esquema original de AS (1974),
diminuindo-se o raio da nuvem, a fim de aumentar o entranhamento de massa no sistema,
altera-se o nível do desentranhamento de massa, e, portanto, o topo da nuvem e o nível de
máximo empuxo positivo.
Figura 5.23 – A função p
D
)(
λ
é a pressão do nível de desentranhamento,
λ
D
(p) é a função
inversa de p
D
)(
λ
, h
c
é a energia estática úmida na escala convectiva e *h é a energia estática
úmida do ambiente saturado. [AS (1980)]
89
(a) (b)
Figura 5.24 - 18:00 do dia 17/01/05: Perfis médios de (a) aquecimento / resfriamento e (b)
umedecimento / secagem convectivos em K/dia e g/kg/dia, respectivamente, na área indicada na
figura 5.19.
5.5 – Conclusões Parciais.
Primeiramente foram realizados dois experimentos para testar a atuação das
Parametrizações Convectivas de Grell e de Kuo na simulação de áreas de instabilidade
associadas à passagem de uma frente fria sobre o estado do Rio Grande do Sul no dia 11 de
dezembro de 2003. O experimento SCGRELL possui como característica peculiar a
Parametrização Convectiva de Grell, e é iniciado com os dados do modelo Global
T126L28, fornecidos pelo CPTEC / INPE. O experimento SCKUO possui como
característica peculiar a Parametrização Convectica de Kuo e também é iniciado com os
dados fornecidos pelo CPTEC / INPE.
A precipitação total acumulada gerada pela Parametrização convectiva de Kuo
subestimou o dado observado, na maior parte do Rio Grande do Sul, e o campo gerado pela
parametrização convectiva de Grell superestimou o dado observado na maioria das regiões
gaúchas, porém, foi o mais realístico, em boa parte do estado.
Observou-se que a ausência de convergência de umidade foi o único fator inibidor da
atuação da parametrização convectiva de Kuo no experimento SCKUO, já que o ambiente
90
simulado por esse experimento apresentava-se condicionalmente instável da superfície até
850 hPa, no horário de máximo registro de chuva. O ambiente termodinâmico, simulado
por SCGRELL a 00 e 12 TMG, está mais próximo do dado observado. No horário das 18
TMG, o ambiente simulado em SCGRELL apresenta melhores condições de manter
tempestades mais severas do que o ambiente simulado em SCKUO. As condições
dinâmicas favoráveis para a formação de células convectivas estão presentes na simulação
SCGRELL, mostrando que o cisalhamento em baixos níveis e a convergência de umidade
foram contribuintes no bom desempenho da Parametrização Convectiva de Grell. A
presença de um jato de baixos níveis, fenômeno importante na geração e manutenção dos
processos convectivos, pode ser evidenciada na simulação SCGRELL, o que, sem dúvida,
contribuiu na convecção simulada para a região nordeste do Rio Grande do Sul.
O alto valor da CAPE, valores de helicidade acima de -150 m
2
s
-2
e valores de DNRV
entre 40 e 100 m
2
s
-2
, evidenciaram a possível existência de um tornado em Antônio Prado,
às 18 TMG. Esse resultado reforça a contribuição da parametrização convectiva de Grell na
aplicação do modelo regional de mesoescala na previsão de eventos severos ocorridos em
território brasileiro.
Posteriormente, foram realizados testes de sensibilidade utilizando as configurações
do experimento SCGRELL na tentativa de melhorar seu resultado. Os testes realizados
resumiram-se na mudança do raio da nuvem para o cálculo do entranhamento, de 12000 m
(SCGRELL) para 2000 (SC2000) e 5000m (SC5000), e na mudança da capacidade de uma
parcela ascender até atingir o nível de livre convecção, modificando a variável cap_max de
75 hPa(SCGRELL) para 50(SCCAP50) e 90 hPa(SCCAP90).
Os resultados sugerem que, para esse caso de convecção, a parametrização convectiva
de Grell tornou-se mais realística diminuindo o raio da nuvem e, conseqüentemente,
aumentando o entranhamento de massa do sistema. Mostrou-se também, que essa
diminuição no raio da nuvem induz a uma convecção mais rasa.
91
CAPÍTULO VI
RESULTADOS REFERENTES AO ESTUDO DE CASO II
Este capítulo analisa os resultados de simulações numéricas referentes à ocorrência de
uma Linha de Instabilidade Continental (LICon) sobre o estado do Amazonas no dia 17 de
janeiro de 2005, o que causou muitos estragos na capital e vizinhança.
A linha de instabilidade é identificada por uma linha de vigorosas células convectivas
que se estende de 100 a várias centenas de quilômetros ao longo do seu eixo maior. Na
superfície, a passagem de uma LI pode ser percebida por um distinto aglomerado de nuvens
convectivas seguido de um vento súbito que varia entre 12 e 25 ms
-1
. Imediatamente atrás
da superfície convectiva, há ocorrência de chuva forte. Nas horas posteriores, geralmente
registra-se ocorrência de chuva estratiforme.
Garstang et al. (1994) mostram que essas linhas são compostas de três distintos
componentes: uma região pré-tempestade contendo torres de cúmulus, uma fronteira líder
92
de convecção (LEC), e múltiplas camadas de nuvens precipitantes na região estratiforme
traseira (TSR). Os cálculos de divergência e velocidade vertical para uma das linhas de
instabilidade estudadas indicaram ascensão vertical profunda na LEC e uma região de
convergência em níveis médios na TSR.
Mais recentemente Cohen et al. (2002), estudaram as condições de ambiente e,
através de simulação numérica utilizando o modelo RAMS, analisaram a estrutura
associada à formação de uma LI no interior do continente (LIC – Linha de Instabilidade
Continental) entre os dias 15 e 16 de Abril de 2002 durante o experimento de campo do
projeto DESMATA e Milênio LBA – estação chuvosa. Os autores observaram que a região
de formação da LIC apresentava contrastes de vegetação e orografia enquanto que o
ambiente de grande escala era favorável à formação da LIC.
Conforme Boletim especial da Divisão de Meteorologia e Climatologia DMET/CTO-
MN para o período de 17 a 21 de janeiro de 2005, durante o dia 17 uma linha de
instabilidade se propagou de sudoeste, atingindo a região de Manaus em torno das 18 UTC,
conforme evidenciado na imagem do satélite geoestacionário GOES (figura 6.1).
Neste dia, as informações de METAR do Aeródromo Eduardo Gomes registraram um
declínio acentuado da temperatura, passando de 35ºC para 24ºC, entre 14:00 e 16:00 horas
local, com rajadas de vento em torno de 70 km / h (Figura 6.2). O registro de chuva
acumulado neste dia foi de 12 mm (medido pelas estações do INMET) e 18 mm (medido
pela estação SBMN). A cidade de Manacapuru, localizada a oeste de Manaus, foi atingida
por forte chuva e rajadas de vento às 11:00 local e ficou devastada.
Normalmente, os sistemas meteorológicos associados com chuva no Amazonas estão
relacionados com propagação de Leste/Nordeste. O evento ocorrido no dia 17 se
caracterizou por uma propagação de oeste, apresentando condições extremas de chuva e
vento forte como reportado no parágrafo anterior.
93
-
30 ºC
-
40 ºC
-
50 ºC
-
60 ºC
-
70 ºC
Figura 6.1 - Imagem do satélite GOES 12 no canal visível, realçada pelo CPTEC/INPE, às 17:45
TMG. As cores representam a temperatura no topo das nuvens e o círculo branco indica a região de
Manaus.
20
25
30
35
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora UTC do Dia 17 JAN 2005
Tem pe ratura (ºC)
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
80.0
Velocidade Vento (Km/h)
T (ºC) v (km/h) Rajada (km/h)
Figura 6.2 - Variação horária de temperatura do ar, velocidade do vento à superfície e rajadas
registradas no Aeródromo Eduardo Gomes em Manaus – AM no dia 17 JAN 2005.
No intuito de atingir os objetivos descritos no capítulo II, os itens estão organizados
como segue. No item 6.1 definem-se os experimentos numéricos e faz-se uma análise
comparativa com os dados observados a fim de apontar o experimento mais realista. No
item 6.2 apresenta-se uma análise termodinâmica e dinâmica do ambiente simulado pelos
experimentos. No item 6.3 apresentam-se as características principais da convecção em
cada simulação. No item 6.4 sugere-se alguns testes de sensibilidade da parametrização
94
convectiva de Grell (Grell e Devenyi,2002) a fim de melhorar o resultado e no item 6.5
conclui-se esse capítulo.
6.1 - Análise comparativa das simulações com os campos observados.
6.1.1 – Definição dos experimentos numéricos.
Os dados iniciais foram obtidos de forma diferente. Nas simulações intituladas
LIKUOA, cuja característica peculiar é o uso da Parametrização Convectiva de Kuo, e
LIKGRELLA, cuja característica peculiar é o uso da Parametrização Convectiva de Grell,
utilizaram-se, como dados de entrada, as re-analises tipo II do NCEP, com as fronteiras
atualizadas a cada 6 horas. A resolução dos dados de Reanalysis-II é de 2,5º.
Os experimentos LIKUOB, que possui como característica peculiar a escolha da
Parametrização Convetiva de Kuo, e LIGRELLB, que possui como característica peculiar a
escolha da Parametrização Convetiva de Grell, foram iniciados utilizando-se as análises do
modelo Global T126L28 do CPTEC/INPE, com as fronteiras atualizadas a cada 6 horas. A
resolução do modelo T126L28 é de 100 km.
Na tabela 6.1 salientam-se as características particulares dos experimentos realizados
nesse capítulo e na figura 6.3 mostra-se a localização das respectivas grades.
Tabela 6.1 - Características dos experimentos.
LIKUOA LIGRELLA LIKUOB LIGRELLB
Grades
Grade 1 - 40 km
Grade 2 - 10 km
Grade 1 - 40 km
Grade 2 - 10 km
Grade 1 - 40 km
Grade 2 - 10 km
Grade 1 - 40 km
Grade 2 - 10 km
Data Inicial
17/01/05 00
UTC
17/01/05 00 UTC 17/01/05 00 UTC 17/01/05 00 UTC
Campos
Atmosféricos
AMIP II
Reanalysis
AMIP II
Reanalysis
Global 100 km
CPTEC/INPE
Global 100 km
CPTEC/INPE
Radiação de onda
curta
Chen/Cotton Chen/Cotton Chen/Cotton Chen/Cotton
Radiação de onda
longa
Chen/Cotton Chen/Cotton Chen/Cotton Chen/Cotton
Parametrização de
cúmulos
Grades 1e2 -
Kuo
Grades 1e2 - Grell
Fechamento tipo
Quase-Equilíbrio
Grades 1e2 - Kuo
Grades 1e2 -Grell
Fechamento tipo
Quase-Equilíbrio
95
Figura 6.3 - Localização das grades nos experimentos intitulados LI.
6.1.2 – Análise comparativa da precipitação.
A taxa de chuva acumulada no dia 17 de janeiro, estimada por satélite, no projeto
GPCP, foi de 9,51 mm. Estudou-se distintamente a precipitação simulada pelo esquema de
Microfísica e a precipitação simulada pelo esquema de convecção, em ambos
experimentos, e concluiu-se que a Microfísica teve pouquíssima contribuição na chuva
total. Portanto, analisando a precipitação gerada exclusivamente pela parametrização
convectiva, observa-se que o experimento LIKUOA simulou uma chuva diária acumulada
de 5,03 mm, o experimento LIGRELLA simulou um valor de 11,25 mm, o experimento
LIKUOB simulou 10,34 mm e LIGRELLB simulou 12,91 mm.
96
0 5 10 15 20
Simulado por LIKUOA
Simulado por LIGRELLA
Simulado por LIKUOB
Simulado por LIGRELLB
Estimado por satélite (GPCP)
Medido na estação SBMN
Medido nas estações do INMET
Figura 6.4 – Taxa de chuva acumulada no dia 17 de janeiro de 2005 para a cidade de Manaus,
em mm, medida nas estações, estimada por satélite e simulada pela Parametrização de Convecção.
Nota-se, observando a figura 6.5a, valores próximos de 80 mm acumulados na
fronteira sudoeste do domínio recortado (GPCP) e a ausência de precipitação na fronteira
do Amazonas com o estado do Pará. A simulação LIGRELLA apresenta configuração
parecida, acumulando maior quantidade de chuva na vizinhança de onde foi observado,
porém com núcleos extremos de precipitação na fronteira nordeste do Amazonas. A
simulação LIGRELLB também possui distribuição semelhante ao dado observado, porém,
simula núcleos superiores a 90 mm na região nordeste do domínio da grade dois. Ambos
experimentos LIKUOA e LIKUOB, apresentam núcleos menos intensos de precipitação
convectiva, em relação ao observado e às demais simulações.
Salienta-se que ambos experimentos iniciados com os dados do modelo T126L28
apresentaram acúmulo máximo de precipitação convectiva na divisa entre o Amazonas e o
Pará. Observando a animação desses campos, podemos claramente perceber a gênese de
atividade convectiva nessa área, característica não presente nas simulações iniciadas com os
dados de Reanálise e não observada.
97
a
b c
d e
Figura 6.5 – Precipitação convectiva acumulada no dia 17 de janeiro de 2005, em mm/dia, (a)
medida pelo satélite GPCP e simulada pelo experimento (b) LIGRELLA, (c) LIKUOA, (d)
LIGRELLB e (e) LIKUOB (Os experimentos foram reduzidos à resolução de 1ºx1º pra comparação
com a imagem do satélite).
98
Aplicou-se o método de Thiessen em quatro estações dispostas conforme figura 6.6. A
precipitação média foi calculada para uma área de 3,5º de latitude por 4º de longitude, que
compreende as estações de Manaus, Codajás, Manicore e Hacoatiara.
Figura 6.6 – Disposição das áreas de estudo para obtenção da Precipitação média.
Conforme tabela 1, os dados de precipitação acumulada no período entre as 12 TMG do dia
16/01/05 e 12 TMG do dia 17/01/05, foram ponderados pelas respectivas áreas no domínio
escolhido, com o intuito de analisar a precipitação média nesse bloco. Por conseguinte calcularam-
se os índices quantitativos de desempenho das simulações (tabela 6.3).
Ambas simulações apresentaram um razoável desempenho quanto à simulação da
magnitude da precipitação total acumulada, com erros quadráticos não maiores que 1,93.
Os experimentos rodados com o esquema convectivo de Grell representaram melhor a
magnitude da precipitação na área estudada, com ênfase em SCGRELLA que apresentou o
menor valor de EmqMV (0,26 mm/24h). Observando o comportamento do Viés Médio,
salienta-se que os experimentos cuja peculiaridade é o uso da Parametrização Convectiva
de Kuo tenderam a subestimar o dado observado, enquanto que os experimentos que
utilizam a parametrização convectiva de Grell superestimaram a magnitude da precipitação
observada.
99
A precipitação estimada por satélite superestimou o dado observado nas estações, com
um viés médio de 2,18 e EmqMV de 1,64 mm/24h (tabela 6.3). Porém, na falta de uma
informação mais densa de dados de superfície, usou-se o campo do satélite para a análise
do erro de posicionamento dos dados simulados, no dia 17 de janeiro de 2005.
Ambos experimentos não simularam devidamente o posicionamento dos núcleos de
precipitação, em relação ao estimado por satélite, pois apresentaram a razão F
E
/F
m
< 1.
Porém, ambas simulações obtiveram maior desempenho na simulação de núcleos com
valores até 10 mm/dia, com ênfase nos experimentos que utilizam a parametrização
convectiva de Kuo. Em suma, diante dos resultados da tabela 6.2, referentes ao
posicionamento dos núcleos de precipitação simulada, em relação ao estimado por satélite,
salienta-se que os experimentos que utilizam a parametrização convectiva de Kuo,
organizam melhor a banda de precipitação.
Tabela 6.2- Índices de posicionamento dos dados simulados de precipitação acumulada no dia
17 de janeiro de 2005 em relação ao estimado por satélite (projeto GPCP) para (a) P ≤ 10 mm/dia,
(b) 15 ≤ P ≤ 20 mm/dia, (c) P ≥ 20 mm/dia e (d) P ≥ 40 mm/dia.
F
C
F
E
/F
m
a b c d a b c d
LIGRELLA
0,470
0,139
0,120
0
0,939
0,679
0,743
0
LIKUOA
0,493
0
0
0
0,987
0
0
0
LIGRELLB
0,481
0,171
0,072
0
0,963
0,847
0,443
0
LIKUOB
0,502
0,202
0
0
0,9
97
0,986
0
0
A organização da banda de precipitação em ambas simulações, às 18 TMG (figura
6.7), está condizente com a orientação noroeste-sudeste da Linha de Instabilidade mostrada
na imagem do satélite GOES 12 (figura 6.1). A banda de precipitação estimada por satélite,
no projeto TRMM, para esse horário, mostra claramente a região de chuva mais intensa,
caracterizando a fronteira líder de convecção (LEC) e uma região com chuva estratiforme,
logo atrás, caracterizando a região estratiforme traseira (TSR).
100
Tabela 6.3 – Informações pluviométricas coletadas e simuladas nas quatro estações dispostas na
figura 6.6. P
i
é o valor da precipitação numa determinada estação (em mm/24h), A
i
é a área de influência
dessa estação sobre o domínio escolhido. W
i
é o fator de peso da respectiva área, que é obtido mediante a
razão dela sobre a área total. P
i
x w
i
é o produto que dá o valor médio de precipitação ponderado pela
área. O somatório desses produtos dá a precipitação média do domínio.
Observado
LIGRELLA
LIKUOA
P
i
(mm/24h)
A
i
(pixels)
2
Fator de
Peso (w
i
)
P
i
x w
i
P
i
P
i
x w
i
P
i
P
i
x w
i
Área de Manicore
6
842,8
0,43
2,58
21,18
9,11
4,24
1,82
Área de Codajás
14
354,9
0,181
2,53
14,28
2,58
3,72
0,67
Área de Manaus
12
400,8
0,204
2,45
11,25
2,3
5,03
1,03
Área de
Hacoatiara
37
363,4
0,185
6,85
9,66
1,79
3,25
0,6
Precipitação média
14,41
15,78
4,12
Observado
LIGRELLB
LIKUOB
P
i
(mm/24h)
A
i
(pixels)
2
Fator de
Peso (w
i
)
P
i
x w
i
P
i
P
i
x w
i
P
i
P
i
x w
i
Área de Manicore
6
842,8
0,43
2,58
25,66
11,03
8,26
3,55
Á
rea de Codajás
14
354,9
0,181
2,53
6,41
1,16
10,5
1,9
Área de Manaus
12
400,8
0,204
2,45
12,91
2,63
10,34
2,11
Área de Hacoatiara
37
363,4
0,185
6,85
12,34
2,28
9,48
1,75
Precipitação média
14,41
17,1
9,31
Tabela 6.4 – ViésM (viés médio) e EmqMV (Erro médio quadrático normalizado pelo Viés), em
milímetros acumulados no período das 12 TMG do dia 17/01/05 às 12 TMG do dia 18/01/05.
ViésM EmqMV
LIGRELLA
0,34
0,26
LIKUOA
-
2,57
1,93
LIGRELLB
0,67
0,51
LIKUOB
-
1,33
0,99
101
Os experimentos LIGRELLA e LIKUOA organizam a banda de precipitação em
linhas de orientação sudeste - noroeste, característica condizente com o fenômeno
observado. Porém, a simulação LIKUOB possui um comportamento singular; simulando
uma linha conceitualmente realista (conforme pode ser visto ao longo da discussão), porém
de propagação diferente do que foi observado, isto é, o experimento simulou uma Linha de
Instabilidade que se desenvolve na costa (região noroeste do estado do Pará) e se propaga
para o continente. As bandas de precipitação geradas pelo experimento LIGRELLB não se
organizam em linhas e não possuem um padrão de evolução (figura 6.7).
a
b c
Figura 6.7 – Precipitação às 18 TMG, em mm/h, (a) medida pelo satélite TRMM e simulada
pelo experimento (b) LIGRELLA, (c) LIKUOA, (d) LIGRELLB e (e) LIKUOB.
102
d e
Continuação da figura 6.7.
6.2 - Análise do ambiente simulado.
6.2.1 – Características termodinâmicas do ambiente simulado.
Analisando-se o diagrama Skew-T Log-P, para a localidade de Manaus, observado no
horário das 12:00 TMG (figura 6.8a), evidencia-se um ambiente já favorável à ocorrência
de tempestades severas, com CAPE extremamente alta (4045 J/kg), índice K razoavelmente
alto (38,90 ºC) e índice TT com valor de 45,20 ºC. A configuração da lapse rate também
evidencia ambiente condicionalmente instável.
103
(a) (b)
Figura 6.8 – Manaus: 12:00 TMG do dia 17/01/2005: (a) Gráfico Skew-T Log-P observado e
(b) Gráfico Skew-T Log-P simulado pelo experimento LIGRELLB
O ambiente simulado pelo experimento LIGRELLB, para a cidade de Manaus às
12:00 TMG, apresentou-se mais condizente com o ambiente observado, indicando forte
tendência à formação de células convectivas. Conforme podemos visualizar na figura 6.8,
os índices K e TT tiveram valores parecidos com o que foi observado (36ºC simulado
contra 38,93ºC observado e 43ºC simulado contra 45,29ºC observado, respectivamente). O
índice Lift também se mostrou bem simulado, apresentando uma diferença de apenas 1ºC
do valor observado.
O CAPE simulado pelo experimento LIGRELLB está 843 Jkg
-1
abaixo do que foi
observado (3023 Jkg
-1
), o que denota ambiente simulado com forte instabilidade. Não há
inibição convectiva (CINE) simulada, ao contrário do que foi obtido na radiossondagem (-
11,3 Jkg
-1
). De acordo com Nascimento (2005), na ausência de CINE, o disparo da
convecção profunda tende a se tornar generalizado, ocorrendo o consumo rápido da CAPE
e estabilização mais rápida da atmosfera.
Comparando os perfis verticais da temperatura potencial equivalente de saturação
(θ
es
), observado e simulado (figura 6.9), nota-se que ambos experimentos denotam
ambiente condicionalmente instável da superfície até 850 hPa. Já a presença de
instabilidade condicional observada pela radiossondagem estendeu-se do nível de 925 hPa
104
até o nível de 500 hPa. As simulações subestimaram o valor de θ
es
nas camadas inferiores e
não acompanharam a inversão térmica registrada da superfície até o nível de 925 hPa.
Acima de 300 hPa, os perfis simulados acompanharam com boa precisão o perfil
observado.
Figura 6.9 – Manaus: 12:00 TMG de 11/12/03: comportamento vertical da Temperatura
Potencial Equivalente de saturação (K). Suprimiu-se as camadas superiores a 300 hPa por não
apresentarem diferenças significativas entre os perfis simulado e observado.
6.2.2 – Aspecto dinâmico do ambiente simulado.
A figura 6.10 mostra os valores de convergência de umidade (x 10
-2
g.kg
-1
.s
-1
)
simulados em todos os experimentos, para a grade dois às 18 TMG. A simulação
LIGRELLB apresentou núcleos menos espaçados de convergência de umidade, e com
valores que culminam num máximo de 60 x 10
-2
g.kg
-1
.s
-1
. A simulação LIGRELLA
apresentou núcleos mais espaçados que culminam num máximo de 40 x 10
-2
g.kg
-1
.s
-1
. A
simulação LIKUOA apresentou valores em torno de 20 x 10
-2
g.kg
-1
.s
-1
, o que ajudou na
inibição da convecção, porém, organizou melhor os núcleos numa banda condizente à LEC
105
observada nesse horário. Por sua vez, a simulação LIKUOB apresentou pouquíssimos
núcleos de convergência de umidade, mas com valores máximos em torno de 40 x 10
-2
g.kg
-1
.s
-1
.
a b
c d
Figura 6.10 - 18:00 TMG do dia 17/01/2005: Convergência de umidade em x 10
-2
g.kg
-1
.s
-1
simulada por (a)LIGRELLA, (b)LIKUOA, (c) LIGRELLB e (d)LIKUOB, no nível de 1000 hPa.
A ascensão vertical profunda na linha convectiva, mostrada por Garstang et al.
(1994), pode ser visualizada no campo simulado de movimento vertical em 500 hPa (figura
6.11). O experimento LIGRELLA mostra claramente a organização dos núcleos de
convecção, simulando valores de até 0,4 m/s para esse nível. Já o experimento LIKUOA
apresenta máximos de apenas 0,18 m/s na região sudoeste do domínio. Os núcleos de
movimento ascendente em LIGRELLB estão mais espaçados e apresentam valor médio de
0,2 m/s. O experimento LIKUOB apresentou movimento ascendente significativo com
mínimo de 0,2 m/s, orientado no sentido noroeste-sudeste.
106
a b
c d
Figura 6.11 - 18:00 TMG do dia 17/01/2005: Movimento ascendente (sombreado) e descendente
(contorno), em m/s, simulados por (a) LIGRELLA, (b) LIKUOA, (c) LIGRELLB e (d) LIKUOB.
Observando-se os núcleos de convergência e divergência em 850 hPa, mostrados na
figura 6.12, evidencia-se a existência de núcleos máximos de convergência com valor em
torno de 12 x 10
5
s
-1
em ambos experimentos. Sua combinação sugere o experimento
LIGRELLB não organiza a convecção em linhas, como observado. Salienta-se que o
experimento LIKUOA organiza os núcleos de divergência e convergência numa banda de
sentido sudeste-noroeste, exatamente como observado.
107
a b
c d
Figura 6.12 - 18:00 TMG do dia 17/01/2005: Convergência (sombreado) e divergência (contorno),
em x 10
5
s
-1
, no nível de 850 hPa, simulados por (a) LIGRELLA, (b) LIKUOA, (c) LIGRELLB e
(d) LIKUOB.
Conforme mencionado no item 6.1.2; os experimentos iniciados com o modelo
T126L28 tenderam a disparar os processos convectivos na região noroeste do Pará
(Fronteira superior direita no domínio da segunda grade). Ao contrário do experimento
LIGRELLB, no experimento LIKUOB, pode-se evidenciar o escoamento conceitual de
uma Linha de Instabilidade típica, com vento de baixa magnitude na dianteira da Linha e
movimento confluente de alta magnitude na região traseira, porém, com propagação oposta
108
ao que foi observado. Analisando-se o vento horizontal em 300 hPa, evidencia-se que o
escoamento em altos níveis não contribuiu nessa propagação.
(a) (b)
Figura 6.13 - 18:00 TMG do dia 17/01/2005: Vento em m/s, simulado por LIKUOB em (a) 1000
hPa e (b) 300 hPa .
6.3 – Características da convecção.
Com o intuito de analisar mais detalhadamente as características da convecção no
domínio da grade dois, para a simulação da passagem da LI sobre o estado do Amazonas,
estudaram-se os perfis médios de aquecimento / resfriamento e umedecimento / secagem
convectivos, sobre a área indicada na figura 6.14.
109
Figura 6.14 – Área de estudo para obtenção dos perfis médios de aquecimento / resfriamento e
umedecimento / secagem convectivos.
O processo clássico da convecção, quando a precipitação se inicia, pode ser
visualizado nos perfis da figura 6.15. O efeito da evaporação da precipitação que atinge a
camada não saturada sob a nuvem, resfriando-a e tornando-a mais úmida, pode ser visto
nos padrões de aquecimento e umedecimento convectivos.
O experimento LIGRELLA apresentou um aquecimento mais significativo na média
troposfera, o que já é esperado, já que um ambiente instável, com forte movimento
ascendente, conseqüentemente gera mais fluxo de massa e aquece mais os níveis médios.
Essa simulação apresentou núcleos de até 0,4 m/s, em 500 hPa, nessa área. O mesmo vale
para o experimento LIKUOB, que também apresentou maior resfriamento e umedecimento
acima de 300 hPa, o que denota maior quantidade de água desentranhada no topo da
nuvem.
Salienta-se que o experimento LIGRELLB apresentou seu máximo de aquecimento
convectivo em 700 hPa, abaixo do apresentado pelos outros experimentos.
110
a b
Figura 6.15 - 18:00 do dia 17/01/05: Perfis médios de (a) aquecimento / resfriamento e (b)
umedecimento / secagem convectivos em K/dia e g/kg/dia, respectivamente, na área indicada na
figura 6.14.
6.4 – Testes de sensibilidade na Parametrização convectiva de Grell.
Na tentativa de tornar a simulação mais realista, uma bateria de testes foi realizada na
parametrização convectiva de Grell do experimento que mais coincidiu com os valores
observados de precipitação (LIGRELLA). Os experimentos LI2000 e LI5000 foram
rodados para testar a sensibilidade da Parametrização de Grell ao entranhamento de massa,
alterando-se o raio da nuvem para 2 e 5 km, respectivamente. Quanto menor o raio da
nuvem, maior o entranhamento de massa (ver item 4.3.1 no capítulo IV).
Portanto, nos respectivos experimentos, aumentou-se a capacidade de mistura do ar
ambiente com a nuvem, alterando a convecção. Já nos experimentos LICAP50 e LICAP90,
alterou-se a capacidade de uma parcela de ar subir até atingir o nível de livre convecção, de
75 mb para 50 e 90 mb, respectivamente. Quanto maior for tal parâmetro, maior será a
capacidade do modelo de simular a convecção.
111
Tabela 6.5 – Característica peculiar dos experimentos LI2000, LI5000,LICAP50 e LICAP90.
Experimento CAP_MAX Raio da Nuvem
LIGRELLA (Controle) 75 mb 12 km
LI2000 2 km
LI5000 5 km
LICAP50 50 mb
LICAP90 90 mb
6.4.1 – Análise comparativa da precipitação.
As características pluviométricas da simulação LI5000 são semelhantes ao
experimento LIGRELLA. Por sua vez, o experimento LI2000 assemelhou-se mais às
características da precipitação diária estimada por satélite, no projeto GPCP, com máximos
de chuva na fronteira sudoeste do domínio e valores menores ao longo da fronteira do
Amazonas com o Pará. A simulação LICAP90 apresentou o maior número de núcleos com
precipitação em torno de 100 mm/dia.
a b
Figura 6.16 – Precipitação acumulada no dia 17 de janeiro de 2005, em mm/dia, (a) medida
pelo satélite GPCP e simulada pelo experimento (b) LIGRELLA, (c) LI2000, (d) LI5000, (e)
LICAP50 e (f) LICAP90 (os experimentos foram reduzidos à resolução de 1ºx1º pra comparação
com a imagem do satélite).
112
c d
e f
Continuação da figura 6.16.
Observando a tabela 6.6, nota-se que não houve melhora na eficiência da simulação de
precipitação total acumulada no período estudado. O teste de sensibilidade que mais se
aproximou do dado observado foi o LI5000. Portanto, dentre os experimentos realizados
nesse item, obtém-se uma melhor simulação da chuva, em relação ao dado observado pelas
estações do INMET, alterando-se o raio da nuvem para 5000 metros, na área analisada.
113
Tabela 6.6 – ViésM (viés médio) e EmqMV (Erro médio quadrático normalizado pelo Viés), em
milímetros acumulados no período das 12 TMG do dia 17/01/05 às 12 TMG do dia 18/01/05.
ViésM EmqMV
LIGRELLA
0,34
0,26
LI
2000
-
0,91
0,68
LI
5000
-
0,41
0,31
LI
CAP50
-
1,26
0,95
LICAP90
-
1,
48
1,11
6.4.2 - Análise termodinâmica do ambiente.
Não podemos definir qual ambiente está mais propício à formação de células
convectivas, sobre o ponto de vista da flutuabilidade, pois os índices de instabilidade
simulados estão muito próximos. Ambas simulações subestimaram os índices de
instabilidade obtidos pela radiossondagem, porém, são valores suficientes para disparar a
convecção.
Tabela 6.7 - Índices de Instabilidade observados e simulados para o horário das 12:00 TMG na
estação SBMN.
12 TMG Observado LIGRELLA LI2000 LI5000 LICAP50 LICAP90
Índice K (ºC) 38,90 34 34 34 34 33
Índice TT (ºC) 45,20 42 42 42 42 41
CAPE (J/kg) 4045 2066 2399 2066 2311 2187
Índice Lift (ºC) -6 -5 -5 -5 -5 -4
Conforme pode ser visto na figura 6.17, observa-se uma semelhança entre os perfis
verticais simulados de temperatura potencial equivalente de saturação. Portanto, ambos
ambientes simulados estão condicionalmente instáveis da superfície até o nível de 850 hPa.
114
Figura 6.17 – Manaus: 12:00 TMG de 11/12/03: comportamento vertical da Temperatura
Potencial Equivalente de saturação (K). Suprimiu-se as camadas superiores a 300 hPa por não
apresentarem diferenças significativas entre os perfis simulado e observado.
6.4.3 - Aspecto dinâmico do ambiente.
Os perfis de comparação entre, a convergência de umidade simulada pelo
experimento LIGRELLA e a convergência de umidade simulada pelos testes de
sensibilidade, denota, visivelmente, que há mais umidade convergindo no experimento
LIGRELLA (figura 6.18). Salienta-se que o cálculo é a simples diferença aritmética entre a
convergência de umidade da simulação LIGRELLA menos a convergência de umidade do
teste de sensibilidade, por isso, como os valores de convergência são negativos, a diferença
com resultado negativo denota superioridade do experimento LIGRELLA.
Os experimentos LI5000 e LICAP50 apresentaram as diferenças maiores, com núcleos de
até -90 x 10
-2
g.kg
-1
.s
-1
em algumas regiões. Os experimentos LI2000 e LICAP90 mostram
em média diferença de -30 x 10
-2
g.kg
-1
.s
-1
.
115
(a) (b)
(c) (d)
Figura 6.18 - 18:00 TMG do dia 17/01/2005: Diferença da convergência de umidade (Controle -
Demais testes) em x 10
-2
g.kg
-1
.s
-1
para (a) LI2000, (b) LI5000, (c) LICAP50 e (d) LICAP90.
O movimento ascendente é mais intenso no experimento LIGRELLA, em toda
extensão das células convectivas, isso indica que uma ascensão maior, num ambiente mais
úmido, propicia toda condição dinâmica para uma geração mais intensa de núcleos
convectivos. Ambos testes de sensibilidade apresentaram valores bem inferiores de
movimento ascendente, no nível de 500 hPa, em comparação à simulação LIGRELLA
(figura 6.19). A simulação LI2000 apresentou núcleos de movimento vertical superiores a
0,08 m/s espalhados pelo domínio da grade 2. As simulações LI5000 e LICAP50
apresentaram núcleos máximos de velocidade vertical em torno de 0,1 m/s, porém, em
116
menor quantidade. A simulação LICAP90 apresentou dois núcleos de máximos superiores
a 0,15 m/s na região norte do Amazonas.
(a) (b)
(c) (d)
Figura 6.19 – movimento vertical em m/s ascendente (sombreado) e descendente (contorno), em
500 hPa, simulado pelos experimentos (a) LIGRELL, (b) LI2000, (c) LI5000, (d) LICAP50 e (e)
LICAP90, às 18 TMG.
117
(e)
Continuação da figura 6.19.
6.4.4 – Características da convecção.
Com o intuito de analisar mais detalhadamente as características da convecção no
domínio da grade dois, para os testes de sensibilidade, estudaram-se os perfis médios de
aquecimento / resfriamento e umedecimento / secagem convectivos, sobre a área indicada
na figura 6.14.
Observa-se claramente que os experimentos LIGRELLA e LICAP90 geraram uma
convecção mais intensa. Na área analisada, nota-se que há um aquecimento maior na média
troposfera nestas simulações, o que ocorre devido à ascensão mais intensa num ambiente
mais úmido (conforme mostrado no item 6.4.3).
118
a b
Figura 6.20 - 18:00 do dia 17/01/05: Perfis médios de (a) aquecimento / resfriamento e (b)
umedecimento / secagem convectivos em K/dia e g/kg/dia, respectivamente, na área indicada na
figura 6.15.
O experimento LI2000 não apresentou extremos de fluxo de massa nas correntes
ascendentes como os experimentos LIGRELLA e LICAP90 (figura 6.21), porém, persistiu
com valores em torno de 0,02 kgm
-2
num período maior do que as outras simulações.
Portanto, o experimento LI2000 caracterizou-se por uma convecção mais suave num
período maior (visível principalmente se observarmos os horários posteriores às 21 TMG).
0
0,02
0,04
0,06
0,08
0,1
0,12
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
LIGRELLA
LI2000
LI5000
LICAP50
LICAP90
Figura 6.21 - Série Temporal do fluxo médio de massa nas correntes ascendentes para a área
mostrada na figura 6.15, em kgm
-2
.
119
6.5 – Conclusões Parciais.
Primeiramente foram realizados quatros experimentos para testar a atuação das
parametrizações convectivas de Grell e de Kuo na simulação de uma Linha de Instabilidade
que se propagou no estado do Amazonas no dia 17 de janeiro de 2005. O experimento
LIGRELLA possui como característica peculiar a parametrização convectiva de Grell, e é
iniciado com os dados de Re-análise tipo II, fornecidos pelo NCEP. O experimento
LIKUOA possui como característica peculiar a parametrização convectica de Kuo e
também é iniciado com os dados fornecidos pelo NCEP. Por sua vez, o experimento
LIGRELLB trabalha com a parametrização convectiva de Grell e é iniciado com os dados
do modelo Global T126L28 fornecidos pelo CPTEC/INPE. O experimento LIKUOB
também é iniciado por esses dados, porém possui, como característica peculiar, a
parametrização convectiva de Kuo.
O experimento LIGRELLA representou melhor a precipitação diária acumulada no
dia 17 de janeiro, apresentando um EmqMV de apenas 0,26 em relação aos dados
observados nas estações de Codajás, Manaus, Hacoatiara e Manicore. O segundo
experimento mais realístico foi o LIGRELLB, com erro médio quadrático normalizado pelo
Viés de 0,51.
Conforme esperado, os experimentos LIKUOA e LIKUOB subestimaram a
precipitação no domínio da grade dois, apresentando um Viés Médio de -2,57 e -1,33 em
relação ao observado, respectivamente, porém, melhor organizaram os núcleos convectivos
e a distribuição de precipitação no intervalo inferior a 10 mm/24h. O experimento LIKUOB
simulou uma linha conceitualmente realista, quanto ao escoamento e às características
observadas por Garstang et al. (1994), porém com uma propagação diferente do que foi
observado, isto é, o experimento simulou uma Linha de Instabilidade que se desenvolve da
costa para o continente.
Observou-se que a ausência de convergência de umidade foi o único fator inibidor da
atuação da parametrização convectiva de Kuo no experimento LIKUOA, já que o ambiente
simulado por esse experimento apresentava-se condicionalmente instável da superfície até
850 hPa. O ambiente termodinâmico, simulado nos experimentos iniciados com os dados
do modelo Global T126L28 (LIGRELLB e LIKUOB), está mais instável que as demais
120
simulações, apresentando maiores condições para o desenvolvimento de células
convectivas. O experimento que apresentou maior relação com os índices observados,
obtidos mediante radiossondagem na estação SBMN às 12 TMG, foi o LIGRELLB.
Os experimentos que utilizaram a parametrização convectiva de Kuo representaram
melhor a magnitude do vento observada para a cidade de Manaus, porém, nenhum
experimento simulou rajadas significativas, registradas nas estações de superfície. O
movimento ascendente é mais intenso nas simulações LIKUOB e LIGRELLA,
apresentando máximos de 0,6 e 0,4 m/s, respectivamente.
O experimento LIGRELLA apresentou um aquecimento mais significativo na média
troposfera, o que já é esperado, já que um ambiente instável, com forte movimento
ascendente, conseqüentemente gera mais fluxo de massa e aquece mais os níveis médios. O
mesmo vale para o experimento LIKUOB, que também apresentou maior resfriamento e
umedecimento acima de 300 hPa, o que denota maior quantidade de água desentranhada no
topo da nuvem.
Posteriormente, foram realizados testes de sensibilidade utilizando as configurações
do experimento LIGRELLA, que se apresentou menos realístico comparado ao
experimento LIGRELLB, na tentativa de melhorar seu resultado. Os testes realizados
resumiram-se na mudança do raio da nuvem para o cálculo do entranhamento, de 12000 m
(LIGRELLA) para 2000 (LI2000) e 5000m (LI5000), e na mudança da capacidade de uma
parcela ascender até atingir o nível de livre convecção, modificando a variável cap_max de
75 hPa(LIGRELLA) para 50(LICAP50) e 90 hPa(LICAP90).
Não houve melhora na eficiência da simulação de precipitação total acumulada no
período estudado. O teste de sensibilidade que mais se aproximou do dado observado foi o
LI5000. Portanto, dentre os experimentos realizados nesse item, obtém-se uma melhor
simulação da chuva alterando-se o raio da nuvem para 5000 metros, na área analisada.
Embora a simulação LI2000 apresente movimento vertical mais fraco que as demais,
possui bons valores de convergência de umidade e caracterizou-se por uma convecção
suave (com valores de fluxo de massa na corrente ascendente em torno de 0,02 kgm
-2
),
porém, mais duradoura.
121
CAPÍTULO VII
RESULTADOS REFERENTES AO MÊS DE MAIO / 2005
Conforme já discutido no capítulo II; a análise da eficiência da parametrização
convectiva em períodos curtos de um ou dois dias, em casos isolados de convecção, não é o
suficiente para avaliar tal esquema, e por isso, tem-se a necessidade de analisar sua
eficiência num período maior. Neste capítulo discutiremos o impacto da parametrização
convectiva de Grell (Grell e Devenyi, 2002) no regime pluviométrico simulado para o
período compreendido entre os dias 01 e 31 de maio de 2005, medindo sua eficiência pelo
Viés Médio.
No intuito de atingir tal objetivo, os itens estão organizados como segue. No item 7.1
mostra-se a climatologia do mês de maio / 2005 e definem-se as características das
simulações. No item 7.2 apresentam-se os resultados e no item 7.3 mostram-se as
respectivas conclusões.
122
7.1 – Climatologia do mês de maio e características das simulações
Conforme o Boletim de informações climatológicas fornecido pelo CPTEC / INPE
(Infoclima nº 05; Ano 12), com dados referentes ao mês de maio / 2005, as chuvas foram
freqüentes em praticamente toda a Região Sul, exceto no norte do Paraná, e decorreram
principalmente da atuação dos sistemas frontais. Durante o mês houve a atuação de três
CCMs na Região, o que contribuiu para que os totais de chuva superassem a média
histórica em mais de 100 mm no Rio Grande do Sul e Santa Catarina. A temperatura
mínima esteve acima da média em toda a Região e a máxima acima da média no nordeste
do Rio Grande do Sul, Sudeste de Santa Catarina e norte do Paraná. Não houve episódio
frio significativo no mês de maio, mas foram registrados casos de geada em São Joaquim
(dias 3, 23 e 26) e em algumas localidades do Rio Grande do Sul, como Tainhas (dias 22 e
23), Morro Redondo (dia 22) e São José dos Ausentes (dia 01).
O quadro pluviométrico registrado no Rio Grande do Sul, para o mês de maio / 2005,
contribuiu ainda mais na amenização da seca que perdurava no período de dezembro / 2004
a março / 2005.
Conforme Climanálise (CPTEC/INPE), a temperatura da Superfície do Mar (TSM)
apresentou valores próximos à média histórica no Pacífico Equatorial, indicando condições
de neutralidade no que se refere à presença do episódio ENOS (El Niño Oscilação Sul).
Como visto na figura 7.1, as chuvas foram mais intensas no norte do Rio Grande do
Sul, em Santa Catarina e no sudoeste do Paraná, onde os totais acumulados excederam os
300 mm.
123
(a) (b)
Figura 7.1 – (a) Precipitação (mm) acumulada no mês de maio / 2005; (b) Desvios de precipitação
em mm em relação à média climatológica (1961-1990) para o mês de maio / 2005 (INMET).
Para a caracterização da eficiência da Parametrização Convectiva de Grell nesse
período, utilizaram-se as saídas do modelo BRAMS 2.0, rodado operacionalmente no
cluster do Laboratório de Meteorologia, vinculado ao Grupo de Estudos em Previsão
Regional Atmosférica (GEPRA).
O modelo BRAMS 2.0 é inicializado com os dados das 00 e 12 UTC, do modelo Global
do CPTEC/INPE, e gera um prognóstico para 72 horas, com saídas de 3 em 3 horas. A
disponibilidade dos produtos gerados pelo modelo é feita através de homepage
(http://www.gepra.furg.br). As saídas são armazenadas em mídia magnética e digital para
posterior uso.
A tabela 7.1 mostra as características principais do modelo rodado operacionalmente
pelo GEPRA. A figura 7.2 mostra a disposição das grades, utilizadas nessas simulações.
124
Tabela 7.1 - Características peculiares do operacional.
OPERACIONAL
Grades Grade 1 - 40 km
Grade 2 – 10 km
Grade 3 – 2,5 km
Campos
Atmosféricos
Global
CPTEC/INPE
Radiação de onda
curta
Mahrer/Pielke
Radiação de onda
longa
Mahrer/Pielke
Parametrização
de cúmulos
Grell com
fechamento
Ensemble nas
três grades.
Param. Cúmulus
rasos
ativado
Figura 7.2 - Disposição das grades na simulação operacional. O Domínio maior possui resolução de
40 km, a grade que cobre o estado do Rio Grande do Sul possui resolução de 10 km e a grade que
cobre a região metropolitana de Porto Alegre possui resolução de 2,5 km.
É importante ressaltar que a parametrização convectiva de Grell está ativada na grade
menor, o que pode gerar uma dupla-contagem na segunda grade. Porém, acredita-se que
125
esse fenômeno altere pouco seus resultados, pois a área de influência da grade menor, em
relação à extensão total na grade de 10 km, é muito pequena (figura 7.2).
7.2 – Resultados.
A figura 7.3 mostra a precipitação mensal simulada na grade de 10 km e observada
em 18 estações convencionais do INMET espalhadas pelos estados do Rio Grande do Sul e
Santa Catarina. Em 66,7% das estações o modelo superestimou a taxa de precipitação
mensal observada. Em cidades como Porto Alegre, Caxias do Sul e Torres (norte e nordeste
do estado gaúcho), o valor simulado foi superior ao dobro do valor medido pela estação.
Exceto pela cidade de Uruguaiana, todas estações obtiveram valores simulados de
precipitação mensal superiores à normal climatológica referente ao mês de maio,
representada na figura 7.3 pela linha vermelha.
Conforme se observa na figura 7.4, que mostra a disposição espacial da precipitação
acumulada no mês de maio, observada e simulada, foram registrados máximos de
precipitação acumulada no norte e nordeste do Rio Grande do Sul, característica também
observada nos campos de precipitação mensal simulada (figura 7.2b).
0
100
200
300
400
500
600
Bom Jesus
Caxias do Sul
Cruz Alta
Iraí
Lagoa Vermelha
Passo Fundo
Santa Maria
Santa Vitória
Santana do Livramento
São Luiz Gonzaga
Torres
Uruguaiana
Chapecó
Florianópolis
São Joaquim
Bagé
Normais 61-90
Mensal simulada
Mensal observada
Figura 7.3 – Precipitação simulada acumulada no mês de maio (mm), precipitação observada
acumulada no mês de maio (mm) e Normal climatológica entre o período de 1961 e 1990 (mm).
Para 18 estações convencionais do INMET.
126
-57.00 -56.00 -55.00 -54.00 -53.00 -52.00 -51.00 -50.00
Longitude (W)
-33.00
-32.00
-31.00
-30.00
-29.00
-28.00
L
a
t
i
t
u
d
e
(
S
)
70
100
130
160
190
220
250
280
310
-57.00 -56.00 -55.00 -54.00 -53.00 -52.00 -51.00 -50.00
Longitude (W)
-33.00
-32.00
-31.00
-30.00
-29.00
-28.00
L
a
t
i
t
u
d
e
(
S
)
50
100
150
200
250
300
350
400
450
500
a b
Figura 7.4 – (a) Precipitação observada acumulada no mês de maio (mm) e (b) Precipitação
simulada acumulada no mês de maio (mm).
De posse dessas informações, pode-se confirmar a tendência da precipitação simulada
de superestimar o valor observado quando se faz simulações que utilizam a parametrização
convectiva de Grell.
Observando a figura 7.5, na qual divide-se a precipitação total em convectiva e gerada
pela microfísica do modelo, identifica-se que, em 76% das estações analisadas, a
parametrização convectiva de Grell contribui mais no total de precipitação mensal. Esse
resultado confirma o que já foi observado nos casos analisados anteriormente, isto é,
quando se realizam simulações com a parametrização convectiva de Grell, há uma
contribuição maior desse esquema no particionamento da chuva.
127
0
50
100
150
200
250
300
350
400
450
500
Cambará (83946)
Campo Bom (83961)
Caxias (83942)
Encruzilhada (83964)
Ibirubá (83932)
Iraí (83881)
Passo Fundo (83914)
Pelotas (83985)
POA (83971)
Santa Maria (83936)
Santa Vitória (83997)
Sant. Livram. (83953)
São L. Gonz. (83907)
Teutônia (83972)
Torres (83948)
Uruguaiana (83927)
Campos Nov. (83887)
Chapecó (83883)
Floripa (83897)
Lages (83891)
São Joaquim (83920)
Bagé (83980)
Mensal Convectivo
Mensal Microfísica
Mensal observado
Figura 7.5 - Precipitação simulada acumulada no mês de maio devido à parametrização de
convecção (mm), precipitação simulada acumulada no mês de maio devido a Microfísica e
precipitação acumulada observada no mês de maio (mm). Para 25 estações convencionais do
INMET.
As rodadas com a parametrização convectiva de Grell superestimaram os valores de
precipitação total mensal observados, em praticamente todo o estado, quando calculamos os
Vieses Médios por estação. Os índices calculados nos 21 pontos referentes à localização
das estações convencionais do INMET oscilaram entre -6 e 8 mm (figura 7.6).
128
Figura 7.7 – ViésM da precipitação total mensal simulada, por estação. (Interpolação dos vieses
médios de 21 pontos referentes à localização de algumas estações convencionais do Instituto
Nacional de Meteorologia).
7.3 – Conclusões Parciais.
Fez-se uma análise da eficiência da Parametrização Convectiva de Grell na geração
de chuva para o mês de maio de 2005, no estado do Rio Grande do Sul.
Dois fatores observados nos casos I e II foram confirmados nesse período de 31 dias:
A superestimação dos dados simulados de precipitação (total e convectiva) em relação aos
valores observados e a maior influência da parametrização de convecção no
particionamento da precipitação total simulada.
129
CAPÍTULO VIII
CONCLUSÕES
8.1 – Quanto ao comportamento da precipitação simulada.
Observa-se uma influência maior da Parametrização Convectiva de Grell no
particionamento da precipitação em ambos experimentos. Inclusive omitiram-se os campos
gerados pela Microfísica, para o caso II, por praticamente não contribuírem na precipitação
total simulada.
Os resultados de ambos casos evidenciam a superioridade da Parametrização
Convectiva de Grell na simulação da magnitude da precipitação, em relação aos dados
observados pelas estações do INMET. No caso I o experimento SCGRELL, cuja
característica peculiar é a escolha do esquema de Convecção de Grell, apresentou erros
130
quadráticos médios normalizados pelo Viés com valores que variaram de 0,72 a 9,2. Por
sua vez, o experimento SCKUO, cuja característica peculiar é a escolha do esquema de
Convecção de Kuo, apresentou erros entre 7,7 e 30,33.
No caso II, o experimento LIGRELLA simulou valores de precipitação total
acumulada diárias mais realistas, com um erro quadrático médio normalizado pelo Viés de
0,26. O segundo a apresentar o menor índice foi o experimento LIGRELLB, com um
EmqVM de 0,51.
Em ambos casos, os experimentos rodados com o esquema convectivo de Kuo
representaram melhor o posicionamento da precipitação numa faixa de precipitação mais
branda (abaixo de 10 mm/24h no caso II e no intervalo entre 20 e 50 mm/24h no caso I).
Salienta-se que o experimento LIKUOB simulou uma linha conceitualmente realista,
quanto ao escoamento e às características observadas por Garstang et al. (1994), porém de
propagação diferente do que foi observado, isto é, o experimento simulou uma Linha de
Instabilidade que se desenvolve da costa para o continente.
8.2 – Quanto aos ambientes termodinâmico e dinâmico simulados.
Os experimentos que utilizam a Parametrização convectiva de Grell representaram
melhor o ambiente termodinâmico observado pela radiossondagem (pré e pós-convectivo).
Os experimentos SCGRELL e LIGRELL simularam índices termodinâmicos que denotam
condições mais propícias à formação de células convectivas, em relação aos ambientes
simulados pelos experimentos SCKUO e LIKUO.
Observa-se que a ausência de convergência de umidade foi o único fator inibidor da
atuação da parametrização convectiva de Kuo, em ambos casos, já que o ambiente
simulado pelos experimentos apresentava-se condicionalmente instável da superfície até
925 hPa.
Para o caso I, as condições dinâmicas favoráveis para a formação de células
convectivas estão presentes na simulação SCGRELL, mostrando que o cisalhamento em
baixos níveis e a convergência de umidade foram contribuintes no bom desempenho da
131
Parametrização Convectiva de Grell. A presença de um jato de baixos níveis, fenômeno
importante na geração e manutenção dos processos convectivos, pode ser evidenciada na
simulação SCGRELL, o que, sem dúvida, contribuiu na convecção simulada para a região
nordeste do Rio Grande do Sul.
O alto valor da CAPE, valores de helicidade acima de -150 m
2
s
-2
e valores de DNRV
entre 40 e 100 m
2
s
-2
, evidenciaram a possível existência de um tornado em Antônio Prado,
às 18 TMG. Esse resultado reforça a contribuição da parametrização convectiva de Grell na
aplicação do modelo regional de mesoescala na previsão de eventos severos ocorridos em
território brasileiro.
8.3 – Quanto à característica da convecção.
Os processos de aquecimento / resfriamento e umedecimento / secagem convectivos
apresentaram características condizentes com o mecanismo de convecção gerado pelas
Parametrizações, nos experimentos com o esquema convectivo de Grell; evidencia-se o
resfriamento / secagem do ambiente em baixos níveis, devido à atuação das correntes
descendentes, e o aquecimento / secagem da média troposfera, indicando o quão intensa
está a convecção. Salienta-se que o resfriamento / umedecimento na alta troposfera, devido
o desentranhamento de água no topo da nuvem, foi mais intenso nos experimentos que
utilizam o esquema convectivo de Kuo.
8.4 – Quanto aos testes de sensibilidade.
Na tentativa de tornar a simulação mais realista, uma bateria de testes foi realizada na
parametrização convectiva de Grell da simulação SCGRELL. Os experimentos com índices
2000 e 5000 foram rodados para testar a sensibilidade da Parametrização de Grell ao
entranhamento de massa, alterando-se o raio da nuvem para 2 e 5 km, respectivamente.
Quanto menor o raio da nuvem, maior o entranhamento de massa.
Portanto, nos respectivos experimentos, aumentou-se a capacidade de mistura do ar
ambiente com a nuvem, alterando a convecção. Já nos experimentos com índices CAP50 e
CAP90, alterou-se a capacidade de uma parcela de ar subir até atingir o nível de livre
132
convecção, de 75 mb para 50 e 90 mb, respectivamente. Quanto maior for tal parâmetro,
maior será a capacidade do modelo de simular a convecção.
Para o caso I, a Parametrização Convectiva de Grell tornou-se mais eficiente
diminuindo o raio da nuvem e, conseqüentemente, aumentando o entranhamento de massa
do sistema. No segundo caso, não houve melhora na eficiência da simulação de
precipitação total acumulada no período estudado. O teste de sensibilidade que mais se
aproximou do dado observado foi o LI5000. Portanto, no aspecto geral, pode-se obter uma
boa eficiência da Parametrização convectiva de Grell, em relação à magnitude da
precipitação diária acumulada, diminuindo-se o raio da nuvem, aumentando o
entranhamento de massa no sistema. Como resultado, obtém-se uma convecção mais rasa.
Os experimentos cujo raio da nuvem foi alterado para 2 km apresentaram uma
convecção mais suave (caso II) e mais rasa (caso I), do que os demais testes, apresentando
perfis convectivos de aquecimento / secagem mais fracos.
8.5 – Quanto ao estudo da eficiência da Parametrização Convectiva de Grell
para um mês chuvoso.
Fez-se uma análise da eficiência da Parametrização Convectiva de Grell na geração de
chuva para o mês de maio de 2005.
Dois fatores observados nos casos I e II foram confirmados nesse período de 31 dias: A
superestimação dos dados simulados de precipitação (total e convectiva) em relação aos
valores observados e a maior influência da parametrização de convecção no
particionamento da precipitação total simulada.
133
8.6 – Conclusões Finais.
Analisando-se os casos I e II, evidencia-se a superioridade da Parametrização
Convectiva de Grell na simulação da magnitude da precipitação, em relação à
Parametrização Convectiva de Kuo. Porém, como visto em ambos casos, e confirmado pelo
estudo mensal apresentado no capítulo VII, a Parametrização Convectiva de Grell tende a
superestimar o dado observado de precipitação acumulada.
Os experimentos cuja peculiaridade é o uso da Parametrização Convectiva de Grell,
simularam com boa precisão as características termodinâmicas e dinâmicas do ambiente.
Aspectos como a caracterização do ambiente propício à gênese de tempestades, a presença
de movimento vertical significativo na região das tempestades e sua relação com a alta
umidade, presente em toda camada de desenvolvimento da nuvem, foram devidamente
simulados nesses experimentos. Tais resultados reforçam o uso da modelagem como uma
estratégia adicional de prevenção de tempestades potencialmente severas.
Os experimentos que utilizam a parametrização convectiva de Kuo representaram
melhor o posicionamento da precipitação numa faixa de precipitação mais branda (abaixo
de 10 mm/24h no caso II e no intervalo entre 20 e 50 mm/24h no caso I).
Percebe-se, analisando o caso II, que os dados de inicialização do modelo tiveram um
profundo impacto na simulação da Linha de Instabilidade. Os experimentos iniciados com
os dados de Re-análise fornecidos pelo NCEP, cuja resolução é de 250 km, organizaram as
bandas convectivas numa configuração mais parecida com o que foi observado. Todavia, os
experimentos iniciados com o modelo T126L28 do CPTEC / INPE, cuja resolução é de 100
km, com ênfase na simulação LIKUOB, geraram núcleos convectivos em áreas onde não
foi observada atividade convectiva. O experimento LIKUOA organizou os núcleos
convectivos com bastante precisão, porém subestimou a chuva acumulada.
No aspecto geral, pode-se obter uma boa eficiência da Parametrização convectiva de
Grell, em relação à magnitude da precipitação diária acumulada, diminuindo-se o raio da
nuvem, e, conseqüentemente, aumentando o entranhamento de massa no sistema. Como
resultado, obtém-se uma convecção mais rasa.
Finalmente, ressalta-se a importante influência do esquema convectivo na representação
dos ambientes termodinâmico e dinâmico favoráveis à ocorrência de tempestades
134
convectivas potencialmente severas; na sua simulação e na representação da chuva
associada.
Recomendam-se testes de sensibilidade num período maior, para analisar mais
fielmente o efeito do entranhamento de massa na representação da chuva, para o esquema
de Grell. Com os resultados dessa dissertação, pôde-se analisar algumas vantagens e
desvantagens das parametrizações convectivas de Grell e de Kuo, aplicadas em dois casos
distintos de convecção; e pôde-se verificar a eficácia da aplicação do modelo de mesoescala
BRAMS na análise de ambientes favoráveis ao surgimento de tempestades severas,
inclusive com potencial situação de tornado, usando a parametrização convectiva de Grell.
135
CAPÍTULO IX
BIBLIOGRAFIA
Almeida, M. B. Aplicação de um Esquema de Ajuste Convectivo de Umidade em um
Modelo Numérico Baroclínico. Pelotas, 2001. Dissertação (Mestrado em Meteorologia) –
Faculdade de Meteorologia, UFPel, 2001.
Alonso M.F., e Saraiva J.M.B. Comparação entre as versões 4.4 e 5.02 do modelo regional
atmosférico (RAMS) para a região sul do Brasil. In: XIII Congresso Brasileiro de
Meteorologia, Fortaleza. Anais do XIII Congresso Brasileiro de Meteorologia, 2004.
136
Alonso M.F., e Saraiva J.M.B. Comparison Between The Simulations Of A Squall Line
Occured In January 17 2005. In: International Symposium On Nowcasting And Very Short
Range Forecasting (WSN05), Toulouse. Anais do WSN05, 2005.
Alonso M.F., Saraiva, J.M.B, e Freitas, S.R. Estudo da Confiabilidade das Simulações do
RAMS Versão 5.02 (BRAMS) para Eventos Severos no Rio Grande do Sul. In: XIII
Congresso Brasileiro de Meteorologia, Fortaleza. Anais do XIII congresso Brasileiro de
Meteorologia, 2004.
Arakawa, A., e W. H. Schubert. Interaction of a Cúmulus cloud ensemble with the large –
scale environment. Part I. J. Atmos. Sci., 31, 674 – 701, 1974.
Anthes, R. A. A cúmulus parameterization scheme utilizing a one-dimensional cloud
model. Mon. Wea. Rev. 105, 270 – 286, 1977.
Betts, A. K. The scientific basis and objectives of the U.S. subprogram for the GATE. Bull.
Amer. Meteor. Soc., 55, 304-313, 1974.
Betts A. K. e Miller J. A new convective adjustment scheme. Part II: Single column tests
using GATE wave, BOMEX, ATEX and Arctic air-mass data sets. Quart. J. Roy. Meteor.
Soc, 112, 693 – 709, 1986.
Bougeault, P. A simple parameterization of the large-scale effects of cúmulus convection.
Mon. Wea. Rev., 113, 2108 – 2121, 1985.
Braga, R. H. M.; Cohen, J. C. P. Estudo de Casos de Linhas de Instabilidade no Leste da
Amazônia. Caso 1: Linha de Instabilidade Marítima. In: XIII Congresso Brasileiro de
137
Meteorologia. Fortaleza – CE. Anais do XIII Congresso Brasileiro de Meteorologia,
2004.
Braga, R. H. M.; Cohen, J. C. P. Estudo de Casos de Linhas de Instabilidade no Leste da
Amazônia. Caso 2: Linha de Instabilidade Continental. In: XIII Congresso Brasileiro de
Meteorologia. Fortaleza – CE. Anais do XIII Congresso Brasileiro de Meteorologia,
2004.
Campos, C.J. and Chong M. Sistema convectivo de mesoescala observado no dia 12 de
dezembro de 1992 durante TOGA – COARE: Estrutura cinemática e transporte de
quantidade de movimento. Brazilian Journal of Geophisics, vol 17, 176 – 185, 1999.
Chen C. and Cotton W. R. The physics of the marine stratocúmulus-capped mixed layer. J
Atmos Sci 44, 2951–2977, 1987.
Cohen, J. C. P.; Gandu, A. W. Linha de instabilidade continental na Amazônia. In: XI
Congresso Brasileiro de Meteorologia, Foz do Iguaçu (PR). Anais do XI Congresso
Brasileiro de Meteorologia, 2002.
Cotton R.W., e Anthes R.A. Storm and Cloud Dynamics. International Geophysics
Series, v.44 - Academic Press. Inc. 1989.
Davies, J. M. and Johns, R. H. Some wind and instability parameters associated with strong
and violent tornadoes. Part I: Wind shear and helicity. In: The Tornado: Its Structure,
Dynamics, Prediction, and Hazards. Amer. Geopys. Union Geophysical Monograph
vol.79, p. 573 – 582, 1993.
138
Davies-Jones, R; Burgess, D. and Foster, M.D. Test of helicity as a tornado forecast
parameter. In: Prepprints, 16
th
Conf. Severe Local Storms, Kananaskis Park, Canadá, Amer.
Met. Soc., p. 588-592, 1990.
Emanuel, K. A. Atmosfheric Convection. Oxford University Press, 580 p. 1994.
Fraederich, K.. On the parameterization of cúmulus convection by lateral mixing and
compensating subsidence, Part I. J. Atmos. Sci., 30, 408 – 413, 1973.
Fritsch, J. M. Cúmulus dynamics: Local compensating subsidence and its implications for
cúmulus parameterization. Pure Appl. Geophys. 13, 851 – 867,1975.
Frank,W.M., e C. Cohen. Simulation of tropical convective systems. Part I: A cumulus
Parameterization. J. ATms. Sci., 44, 3787-3799, 1987.
Fritsch, J. M., e C. F. Chappell. Numerical prediction of convectively driven mesoscale
pressure systems. Part I: Convective Parameterization. J. Atmos. Sci. 37, 1734 – 1762,
1980.
Garstang, M.; Massie JR., H. L.; Halverson, J.; Greco, S.; Scala, J. Amazon coastal squall
lines, part I: Structure and kinematics. Mon. Wea. Rev., v. 112, pp. 608-622, 1994.
Gevaerd, R. And Freitas, S.R. Determinação operacional da umidade do solo para
assimilação em modelos de previsão numérica do tempo. In: XI Simpósio Internacional de
Iniciação Científica da USP, São Carlos. Anais do Simpósio. 2003.
139
Grell, G. A., Y. H. Kuo e R. Pasch. Semiprognostic tests of cúmulus parameterization
schemes in the middle latitudes. Mon. Wea. Rev., 1191 5 – 31, 1991.
Grell, G. A. Prognostic Evaluation of Assumptions used by Cúmulus Parameterization.
Mon. Wea. Rev., 121, 1993.
Grell, G. A., and Dezso Devenyi. A generalized approach to parameterizing convection
combining ensemble and data assimilation techniques. Geophysical Research Letters, vol.
29, no. 14, 2002.
Hudson, H.R. On the relationship between horizontal moisture convergence and convective
clound formation. J. Appl. Meteorol. 10, 755 – 762, 1971.
Kain, J. S. E J. M. Fritsch. A one-dimensional entraining / detraining plume model end its
application in convective parameterization. J. Atmos. Sci. 47, 2784 – 2802, 1990.
Keyser D. e Anthes R. A. The aplicability of a mixed-layer model of the planetary
boundary layer to real-data forecasting. Mon. Wea. Rev. 105, 1351 – 1371, 1977.
Klemp, J.B. e Lilly, D. K. Numerical simulation of hydrostatic mountain waves. J. Atmos.
Sci. 35,78 – 107, 1975.
Klemp, J.B. e Wilhelmson, R. B. The simulation of theree dimensional convective storms
dynamics. J. Atmos. Sci. 35, 1070 – 1096, 1978.
Kreitzberg, C. W. e D. J. Perkey. Release of potential instability: Part I. A sequential plume
model within a hydrostatic primitive equation model. J. Atmos. Sci. 33, 456 – 475, 1976.
140
Kuo, H. L. On formation and intesification of tropical cyclones through latent heat release
by cúmulus convection. J. Atmos. Sci. 22, 40 – 63, 1965.
Kuo, H. L. Further studies of the parameterization of the influence of cúmulus convection
on large-scale flow. J. Atmos. Sci. 31 , 1232 – 1240, 1974.
Kuo, Y. H. e R. A. Anthes. Semiprognostic tests of Kuo-type cúmulus parameterization
schemes in an extratropical convective system. Mon. Wea. Rev., 112, 1498 – 1509, 1984.
Lewis, J.M. Variational subsynoptic analysis with applications to severe local storms. Mon.
Weather Rev. 103, 764 – 778, 1971.
Landim, P.M.B. Introdução aos métodos de estimação espacial para confecção de
Mapas. Rio Claro.UNESP, 20 p, 2000.
Lord, S. Interaction of a cúmulus cloud ensemble with the large scale environment. Part III:
Semi – prognostic test of the Arakawa – Schubert parameterization. J. Atmos. Sci., 39, 88
– 103, 1982.
Longo, M., Dias, M.A.F.S., Moreira, D.S., e Matsuo P.T. Análise das Caracaterísticas
Termodinâmicas das Rajadas Associadas a Sistemas Convectivos de Meso-Escala em
Rondônia. Revista Brasileira de Meteorologia, v. 17, n.1, 103 – 112, 2002.
Maddox, R. A. Mesoscale convective complexes. Bull. Amer. Meteor. Soc., 61, 1374 –
1387, 1980.
141
Mahrer, Y. e Pielke, R.A. A numerical study of the airflow over irregular terrain. Beitrage
zur Physik der Atmosphare 50: 98–113, 1977.
Malkus, J. e Rielh, H. On the dynamics and energy transformations in steedy state
hurricanes. Tellus, n. 17, 65p. 1960.
Manabe, S., J. Smagorinsky e R. F. Strickler. Simulated climatology of a general
circulation model with a hydrological cycle. Mon. Wea. Rev.,93, 769 – 798, 1965.
Mellor, G. L. e Yamada T. A hierarchy of turbulence closure models for planetary
boundary layers. J. atmos. Sci. 31, 1791 – 1806, 1974.
Mellor, G. L. e Yamada T. Development of a turbulence closure model for geophysica fluid
problems . Rev. Geophys Space Phys. 20, 851 - 875, 1982.
Menezes, W. F. Tempestades Severas: um modelo para latitudes subtropicais. Tese
(Doutorado em Meteorologia) – Universidade de São Paulo, 1998.
Mesinger, F. e Arakawa, A. Numerical methods used in Atmospheric models, GARP publ.
Series, n. 17, 65p. 1976.
Molinari, J. A method for calculating the effects of deep cúmulus convection in numerical
models. Mon. Weather. Rev 11, 1527 – 1534, 1982.
Molinari, J. e Corsetti, T. Incorporation of cloud-scale and mesoescale downdrafts into a
cúmulus parametrization: Results of one- and three-dimensional integrations. Mon. Wea,
Rev. 113, 485 – 501, 1985.
142
Nascimento E.L. Previsão de Tempestades Severas Utilizando-se Parâmetros Convectivos e
Modelos de Mesoescala: Uma estratégia Operacional Adotável no Brasil? Revista
Brasileira de Meteorologia, v.20, n. 1, 113 – 122, 2005.
Nechet D. Ocorrência de tornados no Brasil. Boletim da Sociedade Brasileira de
Meteorologia v.26, n. 2, 29 – 39, 2002.
Orlanski, L. A simple boundary condition for unbounded hyperbolic flows. J. Comput.
Phys. 21, 251 – 269, 1976.
Pielke, R. A. A three-dimensional Numerical Model of Sea Breezes Over South Florida.
Mon. Wea. Rev. 102. 115 – 139, 1974.
Pielke, R. A. e Maher, Y. Verification analysis of the University of Virginia three-
dimensional model prediction over South Florida for 1 July 1973. Mon. Wea. Rev. 106,
1568 – 1589, 1978.
Rocha, R. P. Impacto de Parametrizações de Convecção em Ciclogênese sobre o
Oceano. Tese (Doutorado em Meteorologia) – INPE, 2000.
Saraiva J.M.B, Campos C.R.J. e Saldanha R. Previsão e monitoramento do tempo para a
área de cobertura da CEEE utilizando o modelo RAMS. Boletim da Sociedade Brasileira
de Meteorologia, vol. 27, 2003.
Sasaki, Y. e Lewis, J.M. Numerical variational objective analysis of the planetary boundary
layer in conjuction with squall line formation. J. Meteorol. Soc. Jpn. 48, 381 – 271, 1970.
143
Schubert, W. H. Cúmulus Parameterization theory in terms of feedback and control.
Atmos. Sci. Pap. No. 226, Colorado State University, 19 pp, 1974.
Souza, E. P. Estudo Teórico e Numérico da Relação entre Convecção e Superfícies
Heterogêneas na Região Amazônica. Tese (Doutorado em Meteorologia) – Universidade
Federal de São Paulo, 1999.
Squires, P. e Turner J.S. Na entrainig jet model for cúmulus-nimbus updraughts. Tellus v.
14, n. 4, 1962.
Teixeira M.S. e Satyamurt, P. Episódios de Chuvas Intensas na Região Sul do Brasil. Parte
I: Configurações Sinópticas Associadas. In: XIII Congresso Brasileiro de Meteorologia,
Fortaleza. Anais do XIII congresso Brasileiro de Meteorologia, 2004.
Tremback, C. J. Numerical Simulation of a Mesoescale Convective Complex: Model
development and numeriacl results. Ph. D. Dissertation, Atmos. Sci. Paper n.465,
Colorado State University, 247 pp, 1990.
Tripoli, G. J., Cotton, W. R. The Colorado University Three-Dimensional cloud /
Mesoscale Model Part I: General Theoretical Framework and Sensitivity Experiments. J. de
Rech. Atmos., 16, 185 – 220, 1982.
Turner J. S. The motion of buoyant elements in turbulent surroundings. J. Fluid Mech. 16,
1 – 6, 1963.
144
Yanai, M.; Esbensen, S. e Chu, J. H. Determination of bulk properties of tropical cloud
clusters from large scale heat and moisture budgets. J. Atmos. Sci. 30, 611 – 627, 1973.
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
