a variabilidade da precipitaÇÃo e suas relaÇÕes...
Post on 29-Nov-2018
224 Views
Preview:
TRANSCRIPT
INPE-10132-TDI/897
A VARIABILIDADE DA PRECIPITAÇÃO E SUAS RELAÇÕESCOM AS MEDIDAS POR SATÉLITE, RADAR E DIVERGÊNCIADO VENTO EM ALTOS NÍVEIS DURANTE O LBA - WETAMC
Alexandra Amaro de Lima
Dissertação de Mestrado do Curso da Pós-Graduação em Meteorologia, orientada peloDr. Luiz Augusto Toledo Machado, aprovada em 20 de julho de 2001.
INPESão José dos Campos
2003
555.577
LIMA, A. A. A variabilidade da precipitação e suas relações com as medidas por satélite, radar e divergência do vento em altos níveis durante o LBA-WETAMC / A. A. Lima. – São José dos Campos: INPE, 2001. 164p. – (INPE-10132-TDI/897).
1.Convecção. 2.Precipitação. 3.Meteorologia. 4.Saté- lite. 5.Divergência. 6. Vento (meteorologia). 7.Cobertura de nuvens. I.Título.
À minha mãe, Maria da Graça, por todo
amor, carinho e compreensão, ao longo da
minha vida, dando-me força e coragem para
lutar por meus sonhos.
Ofereço.
A meu Pai e Amigo (in memoriam),
Dionísio, por me ensinar que sou capaz de
realizar tudo que desejar.
Dedico
AGRADECIMENTOS
Ao meu orientador, Dr. Luiz Augusto Toledo Machado, pela “paciência”, dedicação, e
apoio, transmitindo-me o sentido do que é ser um pesquisador.
Aos grandes amigos Rosa Maria N. dos Santos, Iuri Rojahn da Silva e Rita de Cássia da
Silva, pelo apoio e cumplicidade nos momentos difíceis.
Aos meus amigos, Paulo Kubota, Maria C. Valverde e Aurora Mota, pelo auxílio
durante o desenvolvimento deste trabalho.
Ao diretor da Divisão de Ciências Atmosféricas ACA-CTA, Luiz Carlos de Castro, por
permitir o desenvolvimento deste trabalho na instituição, e aos amigos que conquistei,
pelo carinho com que sempre me trataram.
Ao Dr Henri Laurent pelas valiosas contribuições durante a execução deste trabalho.
Às minhas amigas, Dra. Roseli G. Gomes e Eliana Peter Braz por sempre ter acreditado
na minha capacidade.
A todos os amigos e companheiros do curso, pelos constantes incentivos ao longo do
Mestrado.
Aos Professores e funcionários do LMO, pelo auxílio nesses dois anos de trabalho.
A todos aqueles que, de alguma forma, colaboraram para a realização deste trabalho.
RESUMO
Com os dados coletados no experimento WETAMC foi possível realizar um estudo detalhado do ciclo diurno da convecção tropical na Amazônia. A combinação de diferentes instrumentos tais como o radar (CAPPI 2 km), imagens de satélites, redes de pluviômetros e radiossondagens em alta resolução temporal foram fundamentais no estudo da variabilidade dos campos de nuvens e dos processos de precipitação. Foi analisado ciclo diurno da fração de cobertura de nuvens utilizando basicamente quatro limiares de temperatura de brilho, que representavam desde a cobertura total de nuvens até a cobertura essencialmente convectiva. Séries temporais de frações de cobertura para diferentes refletividade do radar e da precipitação foram comparadas às séries de cobertura de nuvens. Este estudo mostrou uma predominância durante a madrugada da cobertura total de nuvens, um mínimo de nebulosidade em torno do meio dia, seguido de um forte aumento da cobertura convectiva e forte precipitação. Analogamente a fração de cobertura de nuvens, foi investigada a fração de chuva utilizando desde os limiares que representavam a fração total de chuva até frações de chuva intensa/convectiva. A fração de chuva apresentou máximos em todos os limiares durante o horário de máxima precipitação. Relações existentes entre a temperatura de brilho (K) e a refletividade do radar (dBZ) foram verificadas proporcionando a utilização destas variáveis como estimadores de precipitação. A estimativa da precipitação foi abordada através da utilização de equações lineares no intervalo de tempo de 1, 3, 6, 24 horas. Essa estimativa melhorava à medida que escalas de tempo maiores eram utilizadas. O ciclo diurno da divergência do vento em altos níveis no canal do vapor d’água foi analisado em relação às demais variáveis, mostrando que a divergência do vento é um preditor da cobertura de nuvens convectivas, mostrando ser uma ferramenta potencial em estudos diagnósticos e prognósticos.
RAINFALL VARIABILITY AND RELATIONS WITH SATELITE, RADAR AND RAINGAUGE MESUREMENTS DURING THE WETAMC/LBA
ABSTRACT
Radiosonde, satellite data, TOGA radar 2 km CAPPI and rainfall collected from the TRMM-WETAMC/LBA experiment are used to investigate the diurnal cycle of the tropical convection, the relationship between brightness temperature and precipitation and the use of the high level wind divergence to estimate precipitation and convective cloud cover. GOES satellite images were used to describe the diurnal modulation of the total/high/convective cloud fraction. Radar 2km CAPPI were used to describe the diurnal cycle of the rain fraction for different thresholds. An average over the four networks rain gauge was applied to describe the average hourly rainfall. The cloud drift winds from water vapor images was used to compute the upper air wind divergence. High and convective clouds area reach their maximum some hours after the maximum rainfall detected by rain gauge and radar 2 km – CAPPI. The minimum cloud cover occurs only a few hours before the maximum precipitation and the maximum cloud cover occurs during the night. These results suggest the following mechanism controlling the diurnal cycle: in the morning, cloud cover decreases as the solar flux increases. In the beginning of the afternoon convection rapidly develops, high and convective clouds fraction increase rapidly and the maximum precipitation. The relationships between the brightness temperature and the radar reflectivity were also verified. Precipitation was estimated based on linear equations integrated in the time interval of 1, 3, 6, 24 hours, it was observed improvements in the estimate when was used larger scales of time. Finally, the diurnal cycle of the upper air wind divergence is very close to the diurnal cycle of the precipitation. The upper air divergence can be used to forecast the convective cloud cover or to evaluate the convective rainfall.
SUMÁRIO
Pag.
LISTA DE FIGURAS
LISTA DE TABELAS
CAPÍTULO 1 - INTRODUÇÃO ................................................................................... 27
CAPÍTULO 2 - REVISÃO BIBLIOGRÁFICA .......................................................... 39
CAPÍTULO 3 - DADOS E METODOLOGIA ............................................................ 41
3.1 Introdução ................................................................................................................. 41
3.2 Área de estudo .......................................................................................................... 41
3.3 Aquisição de dados.................................................................................. .................. 42
3.3.1 Satélite GÓES- 8.................................................................................................... 42
3.3.2 Radar Meteorológico TOGA................................................................................ 43
3.3.3 Prec ipitação .......................................................................................................... 46
3.3.4 Radiossondagens .................................................................................................. 47
3.3.5 Dados de Reanálise do NCEP............................................................................... 47
3.4 Metodologia .............................................................................................................. 47
3.4.1 Estudo da relação existente entre a temperatura de brilho, precipitação e
refletividade ..........................................................................................................
48
3.4.2 Produtos extraídos através das imagens de satélite .............................................. 52
3.4.2.1 Temperatura de brilho .......................................................................................... 52
3.4.2.2 Fração de cobertura de nuvens ............................................................................. 53
3.4.2.3 Variável sigma ...................................................................................................... 54
3.4.2.4 Refletividade ........................................................................................................ 54
3.4.2.5 Derivada da temperatura de brilho no tempo ....................................................... 55
3.4.2.6 Relação existente entre as variáveis sigma, precipitação, refletividade e
temperatura de brilho ........................................................................................... 56
3.4.2.7 Estimativa de precipitação 56
3.4.2.8 Relacionar diferentes tipos de cobertura de nuvens do ponto de vista do ciclo
diurno ...................................................................................................................
57
3.4.2.9 Teste de correlação ............................................................................................... 58
3.4.2.10 Curva Z- R ................................................................................................. 58
3.4.2.11 Erro médio quadrático .............................................................................. 59
3.4.2.12 Análise da divergência do vento em altos níveis, por três métodos
diferentes ..............................................................................................................
59
3.4.2.12.1 Vento por satélite ........................................................................................... 59
3.4.2.12.2 Divergência do vento e a relação com a precipitação .................................... 60
CAPÍTULO 4 – RESULTADOS .................................................................................. 67
4.1 Introdução ................................................................................................................. 67
4.2 Ciclo diurno da fração de cobertura de nuvens e pr ecipitação .................................. 67
4.2.1 Fração de cobertura de nuvens ............................................................................. 67
4.2.2 Fração de chuva ................................................................................................... 74
4.3 Ciclo diurno da fração de cobertura de nuvens e da fração de chuva em floresta e
pastagem ....................................................................................................................
78
4.4 Comportamento da f ração de cobertura de nuvens em relação aos regimes de Leste
e Oeste nos sítios de medidas ....................................................................................
84
4.4.1 Análise da correlação existente entre a fração de cobertura de nuvens e fração
de chuva ................................................................................................................
88
4.4.2 Análise da correlação existente entre a fração de cobertura de nuvens para cada
sítio de medidas (grade de 0,5o X 0,5o ) ..... ...........................................................
90
4.5 Relações entre a temperatura de brilho, refletividade e precipitação ........................ 91
4.5.1 Estudo da variabilidade dos estimadores de precipitação .................................... 91
4.5.2 Relação entre os estimadores de precipitação e o comportamento em relação
aos regimes de leste e oeste em cada rede de trabalho .........................................
102
4.5.2.1 Temperatura de brilho e refletividade .................................................................. 102
4.5.2.2 Temperatura de brilho e precipitação ................................................................... 105
4.5.2.3 Comporatmento da curva Z-R, em relação a cada rede de trabalho ..................... 112
4.5.2.4 Estimadores integrados a cada 3, 6 e 24 horas ..................................................... 114
4.5.2.5 Curvas médias ...................................................................................................... 119
4.5.2.6 Estimativas de precipitação ....................... ........................................................... 121
4.5.2.7 Análise estatística dos estimadores ...................................................................... 128
4.5.2.7.1 Análise do erro médio quadrático da curva de ajuste média, refletividade e
a pr ecipitação...................................................................................................
128
4.5.2.7.2 Utilização do erro médio quadrático entre a curva de ajuste média dos
regimes de leste e oeste, da refletividade e precipitação ................................
129
4.5.2.7.3 Utilização do erro médio quadrático nas estimativas de precipitação ........... 130
4.6 Divergência do vento em altos níveis ....................................................................... 132
4.6.1 Ciclo diurno .......................................................................................................... 134
4.6.1.1 Ciclo diurno da precipitação e da divergência do vento em altos níveis no canal
do vapor d’água ................................................................. ...................................
134
4.6.1.2 Ciclo diurno da divergência do vento em altos níveis no canal do vapor d’água,
e a fração de cobertura de nuvens ........................................................................
136
4.6.1.3 Ciclo diurno da divergência do vento em altos níveis no canal do vapor d’água,
e a fração de chuva ...............................................................................................
139
4.6.2 Relação existente entre a divergência do vento em altos níveis, precipitação,
fração de cobertura de nuvens e fração de chuva .................................................
143
4.6.2.1 Relação entre a precipitação e a divergência do vento em altos níveis ................ 143
4.6.2.2 Relação entre a fração de cobertura de nuvens, fração de chuva e a divergência
do vento em altos níveis .......................................................................................
141
CAPÍTULO 5 – CONCLUSÕES E RECOMENDAÇÕES ........................................ 151
REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... 159
LISTA DE FIGURAS
Pag.
3.1 - Localização dos sítios de medidas do WETAMC/LBA............................................ 42
3.2 - Área onde ficam localizadas as quatro redes de trabalho. Os pontos vermelhos
indicam cada estação pluviométrica. Os verdes representam os pixels de radar
utilizados. Os pretos, os pixels de satélite..................................................................
46
3.3: Representação de uma grade regular, onde os dados serão interpolados........ ........... 61
3.4 – Campos de vento (m/s) representado na figura pelos vetores e a divergência em
altos níveis (10-6 s-1 ) representada pelas cores, gerados por satélite para 14 de
fevereiro de 1999, a cada 3 horas (Laurent et al 2000)..............................................
64
4.1 - Ciclo diurno da fração de cobertura de nuvens, para os limiares de: (a) limiares de
284 K, 273 K, 265 K; (b) limiares de 245 K, 235 K, 225 K, 210 K, 200 K..............
69
4.2 -Ciclo diurno da fração de cobertura de nuvens e da precipitação, na área do
experimento (2.3º x 2.3º): (a) limiar de 284 K; (b) limiar de 235 K; (c) limiar de
210 K; (d) limiar de 200 K.........................................................................................
72
4.3 - Ciclo diurno da fração de chuva medida pelo radar TOGA – CAPI 2 Km, dentro
da área de 2.3º x 2.3º: (a) limiares de 0 dBZ, 5dBZ, 10 dBZ, 15 dBZ, 20 dBZ; (b)
limiares de 25 dBZ, 30 dBZ, 35 dBZ.........................................................................
73
4.4 - Ciclo diurno da fração de chuva medida pelo radar TOGA – CAPPI 2 Km, e
precipitação medida á superfície, em uma área de 2.3º x 2.3º: a) limiar de 0 dBZ,
b) limiar de 20 dBZ, c) limiar de 30 dBZ, d) limiar de 35 dBZ............. ....................
77
4.5 – Imagem LANDSAT centrada nos sítios de medidas (5° x 5°) mostrando a
cobertura vegetal predominante em cada uma delas: a) Rancho Grande
(pastagem), b) Abraços (pastagem), c) Rolim de Moura (pastagem), d) Rebio Jaru
(floresta).....................................................................................................................
80
4.6 – Ciclo diurno da fração de cobertura de nuvens nos sítios de medidas de Abraços
(pastagem) e Rebio Jaru (floresta): a) limiar de 284 K; b) limiar de 235 K; c)
limiar de 210 K...........................................................................................................
82
4.7 – Ciclo diurno da fração de chuva nos sítios de medidas de Abraços (pastagem) e
Rebio Jaru (floresta): a) limiar de 0 dBZ; b) limiar de 20 dBZ; c) limiar de 30
dBZ.............................................................................................................................
83
4.8 – Média diária da fração de cobert ura de nuvens, enfatizando os períodos de
regime de leste e oeste nos sítios de medidas: a) Abracos (pastagem); b) Rolim de
Moura (pastagem); c) Rancho Grande (pastagem); d) Rebio Jaru (floresta).............
86
4.9 - Relação entre a precipitação (mm/h) registrada em cada estação pluviométrica e a
média da rede de trabalho: (a) rede de trabalho 1 ; b) rede de trabalho 2; c) rede de
trabalho 3; d) rede de trabalho 4; e) relação entre a precipitação média das 4 redes
de trabalho e a média de cada rede de trabalho..........................................................
93
4.10 - Refletividade (dBZ) medida pelo radar TOGA (CAPPI 2 km), localizados
dentro de cada rede de trabalho e a refletividade média da rede de trabalho: a)rede
de trabalho 1; b) rede de trabalho 2; c) rede de trabalho 3; d) rede de trabalho 4; e)
Relação entre a refletividade média das quatro redes de trabalho e a média de cada
rede de trabalho....................................................................................... ...................
96
4.11 - Temperatura de brilho medida pelo satélite GOES- 8, localizados dentro de cada
rede de trabalho e a Tir média entre os quatros pixels; (a) rede de trabalho 1; b)
rede de trabalho 2; c) rede de trabalho 3; d) rede de tra balho 4 e) relação entre a
temperatura de brilho média das quatro redes de trabalho e a média de cada rede
de trabalho.................................................................................................................. 100
4.12 - Refletividade em função da temperatura de brilho e a distribuição dos regimes
de leste (1) e oeste (2) e suas respectivas curvas médias: a) Rede de trabalho 1; b)
Rede de trabalho 2; c) Rede de trabalho 3; d) Rede de trabalho 4.............................
104
4.13 - Precipitação em função da temperatura de brilho verificada e distribuição dos
regimes de leste (1) e oeste (2) e suas respectivas curvas médias: a) rede de
trabalho 1; b) rede de trabalho 2; c) rede de trabalho 3; d) rede de trabalho 4..........
108
4.14 - Mapa do relevo da região das redes de trabalho, onde as redes de trabalho são
representadas pelos quadrados vermelhos.................................................................
111
4.15 - Curvas médias de refletividade para cada rede de trabalho e a curva média das
quatro redes de trabalho.............................................................................................
112
4.16 - Curvas médias de precipitação para cada rede de trabalho e a curva média das
quatro redes de trabalho.............................................................................................
112
4.17 - Precipitação em função da refletividade, superposta a curva Z-R a) rede de
trabalho 1; b) rede de trabalho 2; c) rede de trabalho 3; d) rede de trabalho 4..........
113
4.18 - a) Refletividade média das quatro redes de trabalho a cada 3 horas em função da
temperatura de brilho; b) Precipitação média das quatro redes de trabalho a cada 3
horas em função da temperatura de brilho.................................................................
117
4.19 - a) Refletividade média das quatro redes de trabalho a cada 6 horas em função da
temperatura de brilho; b) Precipitação média das quatro redes de trabalho a cada 6
hor as em função da temperatura de brilho.................................................................
118
4.20 - a) Refletividade média das quatro redes de trabalho a cada 24 horas em função
da temperatura de brilho; b) Precipitação média das quatro redes de trabalho a
cada 24 horas em função da temperatura de brilho.................................................... 119
4.21 - a) Curva média da refletividade em relação a temperatura de brilho entre as
quatro redes de trabalho; b) Curva média da precipitação em relação a temperatura
de brilho entre as quatro redes de trabalho.................................................................
120
4.22 – Precipitação estimada em relação a observada (média entre as quatro redes de
trabalho) com resolução temporal de 1 hora, utilizando as equações: a) 3.4; b) 3.5;
c) 3.6; d) 3.7; e) 3.8; f) 3.9.........................................................................................
124
4.23 – Precipitação estimada em relação a observada (média entre as quatro redes de
trabalho) com resolução temporal de 3 horas, utilizando as equações: a) 3.4; b)
3.5; c) 3.6; d) 3.7; e) 3.8; f) 3.9..................................................................................
125
4.24 – Precipitação estimada em relação a observada (média entre as quatro redes de
trabalho) com resolução temporal de 6 horas, utilizando as equações: a) 3.4; b)
3.5; c) 3.6; d) 3.7; e) 3.8; f) 3.9..................................................................................
126
4.25 – Precipitação estimada em relação a observada (média entre as quatro redes de
trabalho) com resolução temporal de 24 horas, utilizando as equações: a) 3.4; b)
3.5; c) 3.6; d) 3.7; e) 3.8; f) 3.9..................................................................................
127
4.26 – Série temporal da divergência do vento em altos níveis calculada a partir de três
diferentes fontes: radiossonda (linha preta), NCEP (linha azul) e canal do vapor
d’água (vermelha)......................................................................................................
134
4.27 – Ciclo diurno da precipitação superposta a divergência do vento em altos níveis
no canal do vapor d’água...........................................................................................
136
4.28 – Ciclo diurno da divergência do vento em altos níveis no canal do vapor d’água e
da fração de cobertura de nuvens (%)........................................................................
137
4.29 - Ciclo diurno da divergência do vento em altos níveis no canal do vapor d’água e
da fração de chuva......................................................................................................
141
4.30 – Precipitação (mm/h) plotada em relação a divergência do vento em altos níveis,
medidas na região de abrangência do radar TOGA...................................................
144
4.31 – Fração de cobertura de nuvens plotada em relação a divergência do vento em
altos níveis, me didas na região de abrangência do radar TOGA: a) limiar de 284
K, b) limiar 235 K, c) limiar de 210 K, d) limiar de 200 K.......................................
145
4.32 - Fração de chuva plotada em relação a divergência do vento em altos níveis,
medidas na região de abrangência do radar TOGA: a) limiar de 0 dBZ, b) limiar
20 dBZ, c) limiar de 30 dBZ, d) limiar de 35 dBZ....................................................
147
LISTA DE TABELAS
Pag.
3.1 - Posição das estações pluviométricas localizadas na área de cada rede de trabalho
(0.09x0.09).............................................................................................................
48
3.2 - Posição dos pixels dos satélites escolhidos em cada rede de trabalho...................... 49
3.3 - Posição dos pixels de radar que fazem parte de cada rede de trabalho..................... 51
3.4 - Equivalência entre a temperatura de brilho no canal IR e a altura do topo das
nuvens....................................................................................................................
53
4.1 – Período marcado por regimes de leste/oeste (Rickenbach et al, 2001)................... 85
4.2 – Valores de correlação encontrados para todos os limiares de fração de cobertura
de nuvens e fração de chuva, para uma área de 2,3º x 2,3º....................................
89
4.3 - Valores de correlação entre os limiares de fração de cobertura de nuvens (284 K,
235 K e 210 K) e todos os limiares de fração de chuva.........................................
89
4.4 – Valores de correlação entre os sítios de medidas, todos os limiares de
temperatura de brilho.............................................................................................
91
4.5.1 - Erro quadrático médio verificado entre a curva média e as variáveis de
precipitação e refletividade, no intervalo de tempo de 1, 3, 6 e 24 horas..............
129
4.5.2 - Erro qua drático médio verificado entre a curva média e as variáveis de
precipitação e refletividade, no intervalo de tempo de 1, 3, 6 e 24 horas, em
relação aos episódios de regime de leste................................................................
130
4.5.3 - Erro quadrático médio verificado entre a curva média e as variáveis de
precipitação e refletividade, no intervalo de tempo de 1, 3, 6 e 24 horas, em
relação aos episódios de regime de oeste...............................................................
130
4.5.4 - Erro quadrático médio verificado entre as equações que estimam a precipitação,
no intervalo de tempo de 1, 3, 6 e 24 horas...........................................................
131
LISTA DE SIGLAS E/OU ABREVEATURAS
ABLE - Atmosphere Boundary Layer Experiment
ABRACOS - Anglo-Brasilian Amazonian Climate Observations Study
CAPPI - Constant Altitude Plan Position Indicator
CCM - Complexos Convectivos de Mesoescala
CLA - Camada Limite Atmosférica
FluAmazon - Amazon Water Vapor Flux
GOES-8 - Geoestacionary Operation Enviromental Satellite
GPS - Global Positiong System
HN - Nort Hemisphere
HS - South Hemisphere
IR - infravermelho
LBA - Experimento de Grande Escala da Biosfera-Atmosfera na Amazônia
LST - Local Standard Time
NASA - National Aeronautics Space Administration
NCEP - National Center for Environmental Prediction
NOAA - National Oceanic Atmosferic Administration
RADAR - Radio Detection and Ranging
RBLE - Rondônia Boundary Layer Experiment
SCM – Sistema Convectivo de Mesoescala
Tir - temperatura de brilho
TOGA – Tropical Ocean Global Atmosfere
TRMM – Tropical Rainfall Measuring Mission
WETAMC - Wet Season Atmosferic Mesoscale Campaign
27
CAPÍTULO 1
INTRODUÇÃO
Localizada na região equatorial entre 5ºN e 10ºS e possuindo um clima quente e úmido, a
Amazônia representa 39% da floresta tropical úmida do globo e constitui uma grande parte de
área de savana tropical (Molion, 1985). Esta região possui uma pequena variação na
temperatura do ar ao longo do ano, contudo, o regime de precipitação apresenta um forte
comportamento sazonal.
A interação floresta-atmosfera afeta de maneira direta o equilíbrio do meio ambiente em seus
diversos ecossistemas. Durante as últimas décadas, o interesse em compreender a Amazônia
levou diversos pesquisadores a organizar experimentos meteorológicos/ ambientais que
possibilitaram a obtenção de diversas informações sobre a região. Neste contexto, o
Experimento de Grande Escala da Biosfera-Atmosfera na Amazônia (LBA) tem como
objetivo principal compreender o complexo funcionamento climático, ecológico, bioquímico e
hidrológico da Amazônia. A estratégia de pesquisa do LBA aprimorou metodologias, redes
de cooperação técnica e, em alguns casos, infraestrutura de campo, desenvolvidas e
estabelecidas em uma série de estudos internacionais prévios.
Entre vários experimentos que antecederam o LBA na Amazônia, o “Atmosphere Boundary
Layer Experiment” (ABLE) foi um dos pioneiros. Este experimento foi realizado na tentativa
de caracterizar a química e a dinâmica da atmosfera sobre a bacia Amazônica durante a
estação úmida (Harris et al 1990). O ABLE proporcionou vários estudos como o de
Machado (2000) que através da utilização dos dados do ABLE-2B e “Amazon Water Vapor
Flux” (FluAmazon) estudou os fluxos de energia na região. O transporte de umidade e calor e
a estrutura cinemática das linhas de instabilidade na Amazônia foi objeto de estudo de Greco
et al (1994).
28
Outro experimento importante foi o “ Anglo-Brazilian Amazonian Climate Observations
Study” (ABRAÇOS) que através do estudo detalhado dos fluxos na superfície obteve um
melhor conhecimento dos efeitos do desflorestamento da Amazônia. Gash et al (1996)
utilizando dados coletados durante o ABRACOS estudaram o balanço hídrico na Amazônia.
Liebman et al (1998) comparam a divergência, a radiação de onda longa emitida pela
superfície e a precipitação na bacia Amazônica. Os experimentos anteriores ao LBA
proporcionaram vários estudos como o realizado por Greco et al (1990) que avaliaram a
precipitação e as condições cinemáticas na superfície na região Amazônica. O “Rondônia
Boundary Layer Experiment” 1,2,3 (RBLE) foram campanhas de medidas da Camada Limite
atmosférica realizadas durante o projeto ABRACOS. Este experimento proporcionou uma
série de publicações dentre as quais, o estudo de Carmo (1996) sobre a estrutura
termodinâmica da atmosfera na Amazônia. Estes e outros experimentos realizados na região
Amazônica contribuíram para o conhecimento desta complexa região e para compreensão das
interrelações entre sistemas convectivos, circulações de meso e grande escala e os
“feedbacks” com a superfície.
A campanha “Wet Season Atmospheric Mesoscale Campaign” (WETAMC), realizada em
janeiro e fevereiro de 1999 durante a estação chuvosa, faz parte do experimento LBA. Com
a utilização das informações coletadas no WETAMC/LBA, será possível aumentar o
conhecimento a respeito dos processos associados à formação de nuvens e desenvolvimento
da convecção na Amazônia, bem como o conhecimento do comportamento da modulação
diurna da precipitação e da cobertura de nuvens.
O experimento WETAMC/LBA teve como um de seus objetivos a validação do satélite
“Tropical Rainfall Measuring Mission” (TRMM) e a realização de observações de processos
atmosféricos que governam a interação superfície, atmosfera. O satélite TRMM é o único
satélite meteorológico que tem a bordo um radar para estimar precipitação. Durante o
29
WETAMC/LBA, as observações foram realizadas a partir de sensores de superfície, torres
micrometeorológicas, radiossondagens, radar e aeronaves em torno da área de Ji-Paraná/RO.
Essas observações foram usadas para desenvolver e validar modelos conceituais da interação
superfície-atmosfera, da formação dos processos de precipitação em nuvens convectivas e
das circulações atmosféricas de mesoescala. A partir dos resultados apresentados neste
trabalho e outros realizados com dados da campanha WETAMC/LBA será possível melhorar
a destreza dos modelos de previsão de tempo e clima, o que trará benefícios diretos para o
Brasil como um todo e especialmente para a sua porção tropical. O WETAMC/LBA/TRMM
proporcionou aos cientistas uma oportunidade única de estudar a convecção tropical na
Amazônia, e comparar as características da convecção da região com outras regiões tropicais
e áreas temperadas.
A precipitação é uma das variáveis meteorológicas mais importante nos trópicos. Contudo,
devido a sua grande variabilidade temporal e espacial tem sido difícil quantificar sua
distribuição. A precipitação média anual na Amazônia é da ordem de 2300 mm/ano, embora
em algumas regiões próximas à fronteira do Brasil com Colômbia e Venezuela a média anual
alcance 3500 mm/ano. A temperatura do ar nesta região apresenta uma pequena variação
durante o ano, com valores médios que variam entre 24 ºC e 27 ºC. O período chuvoso ou
período de fortes atividades convectivas, de uma forma geral, acontece entre os meses de
novembro a março, sendo o período seco, entre maio e setembro. Os meses de abril e
outubro são considerados períodos de transição.
A proximidade da Cordilheira dos Andes (nas fronteiras do Brasil, Colômbia e Venezuela), a
influência das linhas de instabilidade (litoral do Pará e Amapá) e a penetração de sistemas
frontais da região sul interagindo e organizando a convecção local são algumas das razões que
explicam os elevados índices de precipitação. A precipitação pode ser quantificada através de
diversas técnicas e instrumentos de medidas, dentre os quais podemos citar os pluviógrafos e
pluviômetros, radares meteorológicos e satélites ambientais.
30
Métodos de estimativa remota de precipitação são importantes em regiões onde a utilização
das técnicas citadas anteriormente é limitada, como na Amazônia. Através da estimativa de
precipitação é possível conhecer a distribuição espacial e temporal da precipitação na região
estudada. A precipitação pode ser estimada através de sensores remotos (satélites
ambientais) e microondas passivo e ativo (radar). Os métodos de estimativa de precipitação
por satélite utilizando os canais visível e infravermelho são utilizados desde os anos 60.
Atualmente são utilizados diversos métodos de estimativa de precipitação por satélite, tais
como: métodos de Indexação onde a precipitação depende do tipo de nuvens e independe do
tempo; métodos que levam em conta a evolução temporal das nuvens; métodos bi-espectrais
que são caracterizados pela utilização de diversos canais simultâneos; métodos climatológicos
que consistem em calcular a precipitação para grandes áreas e períodos. Recentemente foram
utilizados métodos mistos que combinam dados de satélites geoestacionários e de baixa
órbita. Os satélites equipados com microondas passivos e ativos são utilizados para estimar a
precipitação com precisão superior às estimativas usando satélites geoestacionários; contudo,
devido à baixa resolução temporal os totais de precipitação são pobremente estimados.
A presença de cobertura de nuvens em uma determinada região inibe a quantidade de energia
solar que alcança a superfície da terra. Deste modo a energia solar incidente na superfície
diminui, consequentemente diminuindo os fluxos de calor latente e sensível. Através do estudo
do comportamento do ciclo diurno da cobertura de nuvens, tenta-se compreender e encontrar
relações entre os diferentes tipos de cobertura de nuvens e a precipitação. Com este enfoque
Garreaud e Wallace (1997) descreveram a variação diurna da cobertura de nuvens sobre a
América do Sul. Machado et al (1998) identificaram os limiares de temperatura de brilho
representativos dos sistemas convectivos de mesoescala e das células convectivas.
Recentemente Machado et al (2000) estudaram o ciclo diurno da fração de cobertura de
nuvens e a fração de chuva e sua organização espacial, parâmetros termodinâmicos e o seu
comportamento em regiões de pastagem e floresta.
31
O estudo da cobertura de nuvens na região Amazônica contribuirá para o conhecimento do
complexo comportamento da convecção. A convecção na Amazônia é um importante
mecanismo de aquecimento da atmosfera tropical. Suas variações em termos de intensidade e
posição possuem um papel importante na determinação do tempo e clima desta região. A
convecção na escala cumulus fornece calor latente necessário para forçar os distúrbios de
grande escala, e estes produzem a convergência de umidade (na baixa troposfera) necessária
para manter a convecção cumulus. Isto significa que na escala cumulus existe convergência de
umidade nos baixos níveis, movimento ascendente dentro das nuvens cumulus ou Cb; e por
continuidade de massa, divergência nos altos níveis (Holton, 1979). Assim o conhecimento do
campo de divergência é importante para compreender as circulações atmosféricas nos
trópicos além de poder ser um traçador da atividade convectiva e conseqüentemente da
precipitação.
Os dados utilizados neste trabalho são precipitação medida à superfície, imagens
“Geoestacionary Operation Enviromental Satellite” (GOES-8) no canal infravermelho,
radiossondagens, dados de reanálise do “National Centers for Environmental Prediction”
(NCEP), imagens do radar “Tropical Ocean Global Atmosfere” (TOGA) obtidos durante a
Missão WETAMC/LBA.
Este trabalho tem como objetivo principal descrever o ciclo diurno de diferentes tipos de
cobertura de nuvens e da precipitação no período e na região do experimento. Além disso,
pretende-se entender a relação entre as nuvens observadas por satélite e a precipitação
medida por radar e rede pluviômetros, na região do experimento WETAMC/LBA em
diferentes escalas temporais. Finalizando com o estudo da relação entre a divergência do
vento em altos níveis, a precipitação e os diferentes tipos de cobertura de nuvens.
32
O entendimento destas relações auxiliará na modelagem de mesoescala através da
caracterização das perturbações dos sistemas convectivos de mesoescala nos campos de
grande escala, além de contribuir para estudos do desenvolvimento da convecção e no
entendimento do ciclo diurno. Uma outra contribuição será dada ao estudo das técnicas de
estimativa de precipitação por satélite apresentando a potencialidade da estimativa na
Amazônia utilizando o canal infravermelho e o vento em altos níveis.
A apresentação deste trabalho está organizada em 5 Capítulos: a) Capítulo 2, consiste em
uma revisão bibliográfica descrevendo o estado da arte nos estudos específicos a serem
abordados neste trabalho; b) Capítulo 3, descreve a metodologia utilizada; c) Capítulo 4,
mostra os resultados encontrados; d) conclusões e considerações finais, mostradas no
Capítulo 5.
33
CAPÍTULO 2
REVISÃO BIBLIOGRÁFICA
O conhecimento da nebulosidade em uma escala global é importante para o
monitoramento e o entendimento climático e para a validação de modelos. Já em
mesoescala o conhecimento da nebulosidade permite entender os mecanismos de troca
de energia entre a superfície e a convecção. As nuvens são um importante parâmetro no
controle do balanço de radiação da Terra. A grande diversidade das condições
dinâmicas e termodinâmicas que agem sobre o sistema climático são diretamente
responsáveis pela formação de diversos tipos de nuvens com características estruturais e
radiativas diferentes.
Uma ferramenta eficiente no estudo da cobertura de nuvens são os satélites ambientais,
que permitem avaliar as relações entre a nebulosidade e o clima em diversas escalas
espaciais e temporais. Pode-se observar globalmente o comportamento de um grande
número de fenômenos e produzir análises em variadas escalas temporais.
As radiâncias são obtidas de forma quase direta, ou seja, necessita-se transformar
“count” em radiância, utilizando-se parâmetros de calibração das imagens, produtos
derivados das imagens de satélites necessitam passar por uma série de pré-
processamentos e modelos antes de serem obtidos. Dessa forma, as comparações entre
os produtos obtidos remotamente por satélite e dados medidos diretamente na superfície
são importantes para sustentar a confiabilidade que se pode ter em ambos conjuntos de
dados (Guedes et al, 2000).
Investigando imagens de satélite no canal infravermelho Hendon and Woodberry (1993)
analisaram a temperatura de brilho associada à atividade convectiva profunda
descrevendo a distribuição global da amplitude e fase do ciclo diurno da convecção. O
ciclo diurno da cobertura de nuvens na região Amazônica foi estudado por Garreaud e
Wallace (1997), através da utilização de diferentes limiares de temperatura de brilho. Os
34
autores notaram um atraso entre o máximo na cobertura associada a temperatura de
brilho mais fria com as mais quentes.
O limiar apropriado para representar as nuvens convectivas foi discutido em Machado e
Rossow (1993), eles concluíram que, de um modo geral, um pixel de uma imagem de
satélite contendo um campo de nuvens altas pode ser identificado por um limiar de
temperatura de brilho em torno de 245 K e a parte mais convectiva da nuvem deste
campo por uma temperatura de brilho menor do que 210 K. Janowiak et al (1994)
descreveram o caráter diurno das nuvens frias sobre o Oceano tropical usando fração de
cobertura de nuvens para três diferentes limiares de temperatura de brilho. Machado et
al (1998) estudando os sistemas convectivos de mesoescala na América do Sul,
identificaram nos intervalos de limiar de temperatura de brilho entre 241 e 245 K e as
nuvens mais convectivas dentro deste sistema com limiares de temperatura de brilho
entre 221 K e 215 K.
Guedes et al (2000) compararam cobertura total de nuvens obtidas por satélite com as
observadas à superfície, na região de São Luís (MA). Eles concluíram que as
observações por satélite da cobertura total de nuvens se ajustam muito bem às
observadas em superfície. Contudo algumas discrepâncias foram encontradas na análise
realizada para cada tipo de nuvem.
A precipitação é com certeza, a variável meteorológica mais importante nos trópicos,
sendo considerada uma das maiores forçantes da circulação atmosférica. O
conhecimento da precipitação média sobre uma área é importante para a previsão de
tempo e simulações climáticas utilizando modelos de circulação geral (Mintz, 1981).
Esta precipitação pode ser monitorada através de medidas diretas (feita através de
instrumentos tais como os pluviógrafos e os disdrômetros) e indiretas (realizadas através
de sensores remotos passivos e ativos).
Os sensores remotos diretos (radar) e indiretos (satélites) facilitaram o estudo da
precipitação. Mas devido a algumas limitações encontradas com os sensores diretos,
35
como sua escala espacial, os sensores indiretos são mais utilizados no monitoramento da
precipitação. Estes sensores atualmente fornecem medidas médias para a estimativa de
precipitação convectiva e estratiforme em grande escala. O modelo de estimativa
indireta da precipitação utilizando a alta resolução temporal dos satélites
geoestacionários geralmente baseia-se no uso de informações fornecidas pelos canais
visível (VIS) e Infravermelho (IR). Considera-se a distribuição espacial e temporal da
temperatura do topo das nuvens para fornecer a distribuição e intensidade da
precipitação abaixo dessas nuvens (Arkin e Meisner, 1987). Para um monitoramento
contínuo da precipitação normalmente utiliza-se somente o canal IR devido as
limitações do canal VIS durante o período noturno.
Richards e Arkin (1981) utilizaram integrações instantâneas de observações de radar a
cada 15 minutos e dados de fração de cobertura de nuvens entre 220 e 265 K para
estimar a precipitação. Os autores concluíram que é possível construir uma estimativa
de precipitação baseada na relação linear entre um simples parâmetro como a cobertura
de nuvens e a precipitação sobre o oceano tropical.
A técnica de estimativa de precipitação mais tradicional é a chamada “GOES
Precipitation Index” (GPI) desenvolvida por Arkin (1979). Esta técnica baseia-se na
cobertura média fracional de nuvens frias para estimar a precipitação. Durante o “GARP
Atlantic Tropical Experiment” (GATE) a precipitação média em 6 horas medida por
uma série de radares banda C foi relacionada com a temperatura de brilho. Essas
técnicas mostraram correlações significativas com a temperatura de brilho de 235 K
(Arkin, 1979). As médias de três anos de precipitação estimadas para o período de
dezembro de 1981 a novembro de 1984 foram agrupadas de três em três meses, de
acordo com as estações do ano e comparadas com os campos de precipitação à longo
prazo.
Richards e Arkin (1981) mostraram que 50 a 70 % da variação da precipitação média
acumulada em uma área pode ser explicada por uma função linear da fração média da
área coberta por nuvens com temperatura de brilho mais frias do que os limiares de 250
36
K e 220K. Um dos resultados intrigantes neste trabalho foi uma relativa insensibilidade
entre a fração de cobertura de nuvens e a precipitação em diferentes escalas temporais e
espaciais.
A utilização da temperatura de brilho do topo das nuvens também é utilizada como
estimador da precipitação na técnica “Convective Stratiform Technique” (CST). Esta
técnica foi proposta por Adler e Negri (1988); ela estima a precipitação convectiva e
estratiforme utilizando imagens no canal IR, e consiste em separar as regiões
convectivas e estratiformes dos sistemas convectivos associando diferentes taxas de
precipitação.
Scofield (1994) adaptou para a região de São Paulo a técnica CST, que permite estimar
a precipitação convectiva e estratiforme a partir de imagens de satélite no canal IR. Os
resultados obtidos foram posteriormente comparados com estimativas simultâneas de
precipitação obtidas pelo radar meteorológico de Ponte Nova (São Paulo). Devido a
técnica ter sido originalmente desenvolvida para algumas condições atmosféricas
extratropicais, foram estabelecidos novos limiares a fim de separar as áreas de chuva e
não chuva. Resultados mostraram o limiar de 229 K como o mais adequado para a
região estudada
Scofield e Olivier (1977) estimaram a quantidade de precipitação em sistemas
convectivos analisando as mudanças que ocorrem no topo das nuvens em duas imagens
consecutivas (intervalos de 1 hora ou 30 minutos). Basicamente, as áreas de
precipitação estão relacionadas com a temperatura (altura) e a taxa de crescimento dos
topos, junção de linhas ou de células convectivas e a existência de topos protuberantes.
Trajetórias temporais das características da umidade produzem campos vetoriais
coerentes espacialmente em ambos os regimes: nublados e livre de nuvens. Essas
observações podem ser empregadas para aumentar os dados disponíveis
operacionalmente já existentes e melhorar a análise do vento na alta troposfera e por
conseqüência o estudo da convecção. Velden (1996) demonstrou que melhoramento na
37
previsão de tempo pode ser obtido através da assimilação de campos vetoriais em
sistema de previsão numérica de tempo. Estes resultados auxiliaram também no
monitoramento da convecção através do acompanhamento da trajetória dos sistemas
convectivos.
Estimativas de vento por satélite são ferramentas igualmente úteis no estudo dos
sistemas convectivos. O vento pode ser estimado através dos canais VIS e IR e vapor
d’água (WV). Laurent (1993) desenvolveu uma técnica de estimativa de vento via
satélite utilizando o canal do vapor d’água. Geralmente os modelos utilizados para
extrair os campos de vento por satélite utilizam imagens em intervalos de tempo
sucessivos. A utilização de vários tamanhos de janelas de alvo e busca dos ventos
mostram uma forte dependência dos resultados da seleção dos traçadores e sua
influência na amostra dos vetores de vento derivados. A introdução de um máximo
gradiente de temperatura de brilho nas imagens na redefinição dos traçadores melhora a
representatividade dos campos de vento em relação aos sistemas meteorológicos
observados. (Sakamoto e Laurent, 1998)
Utilizando campos de vento derivados de imagens do canal WV do Meteosat-5, o
método de interpolação de Barnes (1964) e o método de aproximação por diferenças
finitas, Sakamoto e Laurent (1998) calcularam a divergência do vento em altos níveis.
Os autores verificaram que áreas mais intensas (mais frias) estão fortemente
relacionadas com altos valores de divergência do vento. Foram utilizados os resultados
dos modelos do NCEP e ECMWF para comparar o campo de vento resultante dos dados
de satélite com o campo de divergência final. Os autores concluíram que os campos
gerados pelo modelo ECMWF é mais suavizado do que aqueles derivados por satélite.
Apesar de utilizarem um número limitado de casos, os resultados são encorajadores a
ponto de que o método seja utilizado na entrada de modelos numéricos e para o
monitoramento de SCM.
Estudos realizados durante o WETAMC/LBA mostraram que a convecção afeta
diretamente a circulação de meso e grande escala. As propriedades de mesoescala da
38
convecção na região oeste da Amazônia no contexto do regime dos ventos em grande
escala foram estudadas por Rickenbach et al (2001). Os resultados mostraram que a
alternância do regime de ventos de leste e oeste nos baixos níveis observados na região
de Rondônia estão relacionados com as mudanças de escala-continental na circulação
atmosférica na América do Sul.
Os regimes de ventos de leste e oeste foram igualmente explorados em Laurent et al
(2001) e em Machado et al (2001), durante o experimento WETAMC/LBA. Laurent et
al, (2001) analisando as características dos sistemas convectivos observados por satélite
e radar verificaram diferentes comportamentos para os regimes de leste e oeste. Os
autores concluem que a formação de SCM estaria mais associada à orografia do que à
cobertura vegetal e que seu tempo de vida médio é da ordem de 12 horas.
Machado et al (2001) além de enfocaram os regimes de propagação de leste e oeste,
realizaram um estudo completo da variabilidade diurna dos diferentes tipos de nuvens
observadas por imagens de satélite e da intensidade das células de chuva observada pelo
radar e a precipitação em superfície. A cobertura de nuvens altas alcança seu máximo
algumas horas após o máximo de precipitação. A cobertura total de nuvens mínima
acontece poucas horas antes da máxima precipitação. No horário em que foi verificada a
máxima precipitação (e fração de chuva) notou-se o máximo crescimento da taxa de
fração de cobertura de nuvens convectivas.
Recentemente, Halverson et al (2001) estudaram as propriedades cinemáticas e
termodinâmicas gerais da convecção na estação úmida em Rondônia. Foi verificado que
estas propriedades mostram um contraste significativo em regimes de leste e oeste.
Durante o regime de oeste a taxa da precipitação convectiva média apresentou a metade
da magnitude daquela apresentada para os regimes de leste, enquanto o total de
precipitação estratiforme durante o regime de oeste é duas vezes maior do que o de
leste. Por esta razão a variabilidade interdiurna do total de precipitação foi relativamente
baixa. Em relação às propriedades termodinâmicas, observou-se que períodos de
regimes de oeste apresentaram um CAPE médio em torno de 1000 J/kg e umidade
39
acima de 90 % na baixa troposfera. Em contraste, durante os regimes de leste
prevaleceram condições de céu parcialmente nublado a ensolarado, com eventuais
linhas de instabilidade durante a tarde. Nos regimes de leste o CAPE foi mais alto do
que (1500 J/kg), a umidade foi mais baixa e apresentou uma camada de cisalhamento do
vento mais forte e profunda.
Outros estudos sobre a convecção foram realizados durante o TRMM/LBA que
concordam com aqueles apresentados acima, como Willians et al (2001) que
apresentaram significativas taxas da atividade elétrica (indicativo do aumento de
intensidade vertical da convecção) durante o regime de leste, Cifelli et al (2001)
mostram que o fluxo ascendente dos sistemas convectivos no regime de leste são
maiores, que aqueles do que no regime de oeste.
Este trabalho visa verificar o comportamento da cobertura de nuvens e as relações com
a precipitação a superfície e a estimativa por radar. Além disso, pretende-se verificar a
eficácia do GPI, sobre o continente na região Amazônica na estimativa de precipitação
em diferentes escalas temporais. Finalmente, a divergência do vento em altos níveis será
comparada com os parâmetros acima visando analisá-la do ponto de vista do
monitoramento da convecção.
41
CAPÍTULO 3
DADOS E METODOLOGIA
3.1 - Introdução
Os dados que serão descritos no decorrer desta seção fazem parte de um conjunto de
dados obtidos durante a campanha WETAMC/LBA, realizada no período de janeiro a
fevereiro de 1999. É importante salientar que a taxa de precipitação durante este período
esteve acima da média climatológica, facilitando de certa forma o estudo da convecção.
O WETAMC/LBA combinou uma grande diversidade de instrumentos a fim de estudar
questões ainda não conhecidas na região Amazônica. Dentre esses equipamentos
destacamos: estações de superfície, aeronaves, radiossondas, torres
micrometeorológicas, satélites, radares e balão cativo.
Para a análise destes dados utilizamos diversas ferramentas que serão detalhadas neste
capítulo.
3.2 - Área de estudo
A área de estudo está compreendida dentro da área de abrangência do Radar
Meteorológico TOGA, localizado a 10º45’S, 62º21’W. A área monitorada pelo radar
corresponde a um raio de 150 km, como mostra a Figura 3.1. A escolha desta região foi
devida aos sítios de medidas de Rolim de Moura (11º42’ S, 61º46’W), Rebio Jarú
(10º5’S, 61º55’W), Abracos (10º45’S, 62º21’W) e Rancho Grande (10º18’S, 62º52’W)
estarem localizadas dentro desta, além da existência de uma grande concentração de
pluviógrafos instalados.
42
Fig. 3.1 - Localização dos sítios de medidas do WETAMC/LBA
3.3 - Aquisição de Dados
Para a realização deste trabalho foram utilizados 5 tipos de dados: imagens GOES-8 nos
canais infravermelho (IR), imagens do Radar Meteorológico TOGA, precipitação
medida à superfície, radiossondagens e dados de reanálise do modelo do NCEP.
3.3.1 - Satélite GOES-8
O satélite geoestacionário GOES-8 (Geoestacionary Operation Enviromental Satellite)
está localizado a 35800 km acima da superfície da Terra, em uma órbita com a mesma
velocidade de rotação do planeta, girando no plano do equador. O satélite GOES-8 é
equipado por uma série de sensores, entre estes instrumentos um telescópio (fixo) mais
43
dois conjunto de espelhos que permitem cobrir (executar varreduras) praticamente todo
um hemisfério o disco terrestre na posição de visada do instrumento, dentro de uma
abertura angular muito pequena. Esta abertura angular corresponde a cada amostra de
forma que no nadir (ponto sub satélite) um elemento de imagem (“pixel”, picture
element) mostra uma região de 1 x 1 km (visível), 4 x 4 km (infravermelho) ou 4 x 8 km
(WV) dependendo do canal. O conjunto de dados fornecidos pela janela são
organizados em matrizes regulares com “N” linhas por “M” colunas em cada varredura.
Cada “pixel” possui um par de coordenadas linha-coluna bem definidas, estas
coordenadas indicaram sua posição em relação à superfície.
Lançado em abril de 1994, o satélite GOES-8 fornece imagens (CPTEC/INPE) cobrindo
entre outros, os seguintes setores: a) Northeast, compreendendo a região de 01º S a 18º
S e 31º W a 47º W, canais 1, 2, 4, 5 (linhas 432 e colunas 524) e canal 3 (linhas 216 e
colunas 262) ; b) South and Southeast, abrange a região de 20º S a 29º S e de 41º W a
54 ºW, canais 1, 2, 4, 5 (linhas 226 e colunas 551) e canal 3 (linhas 113 e colunas 276);
c) Autral, compreendendo a região de 20º S a 47º S e 90º W a 30º W, canais 1, 2, 4, 5
(linhas 526 e colunas 2016) e canal 3 (linhas 263 e colunas 1008); d) Tropics, abrange a
região de 19º S a 20º S e de 90º W a 30 ºW, canais 1, 2, 4, 5 (linhas 1026 e colunas
2522) e canal 3 (linhas 523 e colunas 1261). Ambos os setores estes setores fornecem
imagens a cada trinta minutos. Esta alta resolução temporal permite o acompanhamento
detalhado das frações de cobertura de nuvens e do ciclo de vida dos Sistemas
Convectivos de Mesoescala.
Tendo em vista a diferente resolução temporal dos diferentes instrumentos e a falta de
dados (falha nas medições), todos os valores utilizados neste estudo foram calculados
com uma resolução de uma hora, isto é, um valor médio a cada hora.
44
3.3.2 - Radar Meteorológico TOGA
O RADAR (Radio Detection and Ranging) foi desenvolvido durante os anos 30 com
objetivos militares. Uma das dificuldades encontradas na utilização para fins militares,
durante a 2a Guerra Mundial, era a presença dos chamados “lixos” verificados na
imagem devido à presença de nuvens; estas, por sua vez, impulsionaram o avanço
posterior deste instrumento a fim de ser utilizado para fins meteorológicos. O radar
consiste basicamente de quatro componentes: transmissor, que gera sinal de alta
freqüência; antena, que envia e recebe sinais; receptor, que detecta e amplifica o sinal de
retorno; sistema de exibição, que mostra na tela o alvo detectado. O uso do radar
meteorológico possibilita realizar medições e inferir as características de “alvos”
meteorológicos distantes, com ampla cobertura espacial e temporal.
Os radares meteorológicos digitalizados são dotados de computadores que controlam e
processam os dados medidos. Existe uma grande quantidade de algorítimos para a
identificação e acompanhamento de tempestades severas e previsão em curtíssimo
prazo. Os dados gerados pelo radar comumente são processados fornecendo as seguintes
variáveis ou refletividade:
- Constant Altitude Plan Position Indicator” (CAPPI) chuva acumulada:
apresentam taxas de precipitação ou refletividade para planos horizontais em
altitudes fixas, num raio de 150 km, discretizados em “pixel”s igualmente
espaçados
- mapas ECHO TOP, topo de nuvens: apresentam a altura máxima dos ECOS
de precipitação
- mapas de precipitação acumulada: computados através de medidas de
precipitação fornecidas através do CAPPI e a precipitação acumulada dentro
do intervalo de tempo estabelecido para a geração dos produtos especificados
pelo operador
45
- mapas de corte transversal (VIL): apresenta uma estrutura da água líquida
integrada na vertical ao longo de dois pontos previamente escolhidos pelo
operador
- mapas de previsão de chuva a curtíssimo prazo: apresentam o resultado da
correlação espaço-temporal do campo de precipitação via CAPPI
- mapas de rajadas de vento (GUST) fornecidos somente por radares Doppler
O produto de radar utilizado neste trabalho é o CAPPI em 2 km (processado pela
NASA), com resolução temporal de 10 minutos e espacial de 1 km x 1 km, fornecido
pelo Radar Meteorológico TOGA (radar Doppler, banda C). Este radar opera na
freqüência de 5,6 – 5,65 GHz, possui um ângulo de abertura da antena de 1.65º,
potência de pico de 250 KW e largura do pulso de 2 m e abertura de 250 m.
O radar meteorológico pode apresentar erros como a atenuação atmosférica,
espalhamento e “overshooting” do feixe (devido a resolução finita da antena e à
curvatura da terra), dentre outros, que podem ser função do radar e sua localização,
como por exemplo calibração do radar, procedimento de processamento e interpolação
(Petty and Katsaros, 1992). Para compararmos as medidas obtidas pelo radar, pelo
satélite e pelos pluviômetros consideramos as áreas mostradas na Figura 3.2. Através
destes dados foi possível obter relações com os dados de superfície os radar e os obtidos
através do GOES-8.
46
Fig. 3.2 - Área onde ficam localizadas as quatro redes de trabalho. Os pontos
vermelhos indicam cada estação pluviométrica. Os verdes representam
centrados os “pixels” de radar utilizados. Os pretos, os centrados
“pixels” de satélite.
3.3.3 - Precipitação
Durante o experimento WETAMC/LBA foram realizadas medidas pontuais da
precipitação à superfície a fim de calibrar alguns instrumentos e estimar o regime de
precipitação, investigando a variabilidade temporal e espacial sobre a área de estudo.
O registro da precipitação à superfície no período foi realizado através de uma rede de
40 pluviômetros do tipo “tip bucket”, distribuídos espacialmente numa área de 150 km
centrado no radar TOGA, como mostrado na Figura 3.2. Estes instrumentos fornecem
medidas instantâneas da precipitação à superfície, com resolução de 0.25 mm. Os
valores utilizados foram os valores médios horários em “mm”, para cada pluviômetro da
rede, em cada rede de trabalho.
-10.90
-10.80
-10.70
-10.60
-10.50
-10.40
-10.30
Latit
ude
-62.75 -62.50 -62.25 -62.00Longitude
Pluviógrafos Radar (pixel) Satélite (pixel)
47
3.3.4 - Radiossondagens
É um tipo de sondagem da atmosfera em que um conjunto de equipamentos é
transportado da superfície para a atmosfera superior por meio de um balão. O conjunto
de equipamentos é constituído por elementos sensores de temperatura, umidade e
pressão, juntamente com rádio transmissor e um “Global Positioning System” (GPS),
utilizado para efetuar medidas de vento, além de uma bateria que alimenta o sistema.
Os dados de radiossondagem utilizados foram obtidos durante o WETAMC/LBA,
dentro da área mostrada na Figura 3.1. As radiossondagens fornecem dados de
temperatura, umidade, direção e velocidade do vento, sendo estes reportados a cada 3
horas com resolução vertical da ordem de 5 hPa.
3.3.5- Dados da Reanálise do NCEP
Os dados da reanálise do “National Center of Enviromental Prediction” (NCEP)
utilizados neste trabalho foram obtidos através do modelo atmosférico operacional
global, o qual possui uma resolução de 2,5º x 2,5º de latitude e longitude, em uma grade
global de 144 x 173 pontos que cobre uma região entre 90º N a 90º S, 0º a 357,5º. A
reanálise é feita a cada 6 horas, gerando campos em níveis de pressão padrão (1000,
925, 850, 700, 600, 500, 500, 400, 300, 200, 150, 100, 70, 50, 30, 20 e 10 hPa), campos
de precipitação, fluxos à superfície, dentre outros campos diagnósticos largamente
utilizados. Os dados a serem utilizados neste estudo foram os campos de vento em altos
níveis.
3.4 - Metodologia
A metodologia utilizada no desenvolvimento deste trabalho encontra-se dividida em três
partes que serão discutidas a seguir.
48
3.4.1 - Estudo da relação existente entre a temperatura de brilho, precipitação e
refletividade
Este estudo visa encontrar relações entre medidas de precipitação á superfície,
temperatura de brilho (Tir) e refletividade medida pelo radar. Objetivando uma análise
específica e localizada dos parâmetros mencionados acima, utilizou-se uma grade de
0.09º x 0.09º centrada em cada rede de pluviógrafos - áreas nas quais existe uma grande
concentração de pluviógrafos (Tabela 3.1). Foram definidas quatro redes de trabalho
compreendidas entre –11º a –10,20º de latitude e –61,7º a –62,2º de longitude como
mostrado na Figura 3.2.
A partir da posição de cada rede de pluviômetros, foi possível calcular os “pixels”
colocados tanto na imagem de satélite quanto na do radar, e suas respectivas
informações (Tir, refletividade). Foram selecionados quatro “pixels” do satélite para
cada rede de trabalho fornecendo as informações necessárias, em função da
proximidade das redes pluviométricas. A posição dos quatro “pixels” escolhidos em
cada rede de trabalho pode ser encontrada na Tabela 3.1. Para o radar também foram
selecionados 4 “pixels” da imagem CAPPI-2 km representativos da área de trabalho
(veja Tabela 3.3).
TABELA 3.1: POSIÇÃO DAS ESTAÇÕES PLUVOMÉTRICAS
LOCALIZADAS NA ÁREA DE CADA REDE DE TRABALHO (0.09º X
0.09º).
Rede de Trabalho 1 Rede de Trabalho 2 Rede de Trabalho 3 Rede de Trabalho 4
Latitude Longitude Latitude Longitude Latitude Longitude Latitude Longitude
-10.8603 -61.8438 -10.7651 -62.1333 -10.5948 -62.3490 -10.3508 -62.5665
-10.8654 -61.8450 -10.7621 -62.1551 -10.5875 -62.3402 -10.3445 -62.5580
(continua)
49
(conclusão)
-10.8659 -61.8446 -10.7599 -62.1575 -10.5998 -62.3414 -10.3547 -62.5802
-10.8657 -61.8448 -10.7448 -62.1850 -10.5851 -62.3370 -10.3497 -62.5881
-10.8663 -61.8453 -10.7815 -62.1931 -10.6041 -62.3412 -10.3494 -62.5733
-10.8787 -61.8485 -10.7510 -62.1798 XXXXX XXXXX XXXXX XXXXX
-10.8792 -61.8487 -10.7505 -62.1800 XXXXX XXXXX XXXXX XXXXX
-10.8790 -61.8488 -10.7505 -62.1800 XXXXX XXXXX XXXXX XXXXX
-10.8790 -61.8489 -10.7504 -62.1798 XXXXX XXXXX XXXXX XXXXX
-10.8777 -61.8317 -10.7677 -62.1851 XXXXX XXXXX XXXXX XXXXX
-10.8800 -61.8563 -10.7847 -62.1850 XXXXX XXXXX XXXXX XXXXX
-10.8522 -61.8635 -10.7842 -62.1835 XXXXX XXXXX XXXXX XXXXX
-10.8755 -61.8635 -10.7845 -62.1840 XXXXX XXXXX XXXXX XXXXX
TABELA: 3.2 POSIÇÃO DOS “PIXELS” DO SATÉLITE ESCOLHIDOS EM CADA
REDE DE TRABALHO.
Rede de Trabalho 1
Longitude Latitude Coluna Linha
-61.86 -10.85 545 642
-61.83 -10.86 546 642
-61.86 -10.89 545 643
-61.82 -10.89 546 643
(continua)
50
(conclusão)
Rede de Trabalho 2
Longitude Latitude Coluna Linha
-62.18 -10.74 537 639
-62.14 -10.74 538 639
-62.18 -10.78 537 640
-62.14 -10.78 538 640
Rede de Trabalho 3
Longitude Latitude Coluna Linha
-62.37 -10.59 532 635
-62.33 -10.59 533 635
-62.37 -10.63 532 636
-62.33 -10.63 533 636
Rede de Trabalho 4
Longitude Latitude Coluna Linha
-62.58 -10.33 527 628
-62.54 -10.33 528 628
-62.57 -10.36 527 629
-62.54 -10.36 528 629
51
TABELA: 3.3 POSIÇÃO DOS “PIXELS” DE RADAR ESCOLHIDOS EM
CADA REDE DE TRABALHO.
Rede de Trabalho 1
Longitude Latitude Coluna Linha
-61.8562 -10.8410 47 38
-61.8104 -10.8410 48 38
-61.8562 -10.8859 47 39
-61.8104 -10.8859 48 39
Rede de Trabalho 2
Longitude Latitude Coluna Linha
-62.1767 -10.7514 40 36
-62.1310 -10.7514 41 36
-62.1767 -10.7963 40 37
-62.1310 -10.7963 41 37
Rede de Trabalho 3
Longitude Latitude Coluna Linha
-62.3598 -10.6165 36 33
-62.3141 -10.6165 37 33
-62.3598 -10.5715 36 32
-62.3141 -10.5715 37 32
Rede de Trabalho 4
Longitude Latitude Coluna Linha
(continua)
52
(conclusão)
-62.5883 -10.3466 31 27
-62.5426 -10.3466 32 27
-62.5883 -10.3916 31 28
-62.5426 -10.3916 32 28
3.4.2 - Produtos Extraídos Através das Imagens de Satélite
A partir das imagens GOES foram calculados parâmetros como; temperatura de brilho,
fração de cobertura de nuvens. A seguir apresentamos a descrição completa desses
parâmetros.
3.4.2.1 - Temperatura de Brilho
O canal infravermelho (canal 4) é destinado a avaliar as temperaturas de brilho no
sistema Terra-Atmosfera. A radiância (fluxo de energia perpendicular ao sensor do
satélite, por unidade de área do sensor, por unidade de ângulo sólido) medida pelo
satélite é convertida em temperatura de brilho, considerando que a emissividade é igual
a 1 (corpo negro).
No caso deste trabalho, o objeto de estudo é a temperatura de brilho dos topos das
nuvens. Nuvens que possuem topos quentes são rasas e sua temperatura é próxima da
verificada na superfície. Por outro lado, aquelas que apresentam temperaturas de topo
muito baixas são consideradas nuvens com grande desenvolvimento vertical, logo, é
possível identificar o tipo de nuvem presente em uma determinada região através da
temperatura de brilho. Arkin (1979) utiliza a temperatura de brilho no topo das nuvens
como indicador de convecção profunda, representativos de uma variedade de cobertura
de nuvens (tipos diferentes de nuvens).
53
De acordo, com Machado et al (1992), para uma atmosfera média tropical e
considerando as nuvens como um corpo negro pode-se estabelecer a seguinte relação
entre a Tir e a altura do topo das nuvens tropicais (Tabela 3.4).
TABELA 3.4 – EQUIVALÊNCIA ENTRE A TEMPERATURA DE BRILHO NO
CANAL IR E A ALTURA DO TOPO DAS NUVENS (MACHADO ET AL 1992)
Tir (K) Altura (km)
253 7.9
241 9.6
230 11.3
218 13.0
207 14.7
A partir desses estudos foi possível determinar um intervalo de limiares de temperatura
que podem fornecer uma descrição dos alvos (nuvens) com diferentes alturas de topo. A
fim de investigar o comportamento das nuvens em várias alturas e sua possível relação
com a precipitação foram estabelecidos vários limiares de temperatura de brilho. Uma
discussão sobre a semi- transparência das nuvens será apresentada no capítulo de
resultados.
3.4.2.2 - Fração de Cobertura de Nuvens
A fração de cobertura de nuvens é obtida primeiramente a partir da escolha dos limiares
de temperatura de brilho, os quais descrevem os campos de nuvens na região do LBA.
Para este estudo foram escolhidos os limiares de 284 K, 265 K, 255 K, 245 K, 235 K,
215 K, 210 K, 200 K, e a partir das imagens do satélite GOES-8 fornecidas pela
“National Aeronautics Space Administration” (NASA) foi efetuado o cálculo da fração.
Na imagem obtemos as frações como sendo a relação entre o número de “pixels” mais
frio que o limiar e o número total de “pixels” na área determinada. A fração de
cobertura obtida com o limiar de 284 K descreve aproximadamente, a variabilidade da
54
cobertura total de nuvens. A medida que as frações são calculadas para limiares mais
frios as frações passam a representar a cobertura mais convectiva. Por exemplo, a fração
de cobertura para o limiar de 200 K descreve somente a cobertura de nuvens com topos
próximos a tropopausa (Machado et al 1998).
3.4.2.3 - Variável Sigma
A variável sigma descreve a variabilidade espacial da Tir em cada rede de trabalho. O
cálculo da variável sigma é feito a partir da temperatura de brilho (Tir) verificada nos
quatro “pixels”, compreendidos na rede de trabalho:
4
,1,11,1, ijjiijjiijjiijji TTTTTTTTSIGMA
−+−+−+−= −+−+ (3.1)
Onde os índices “i” e “j” representam a variação da temperatura de brilho no espaço.
3.4.2.4 – Refletividade
O funcionamento de um radar consiste basicamente na emissão de radiação
eletromagnética por uma fonte, e na detecção da mesma radiação retroespalhada pelos
alvos atingidos. A potência da radiação retroespalhada medida define a grandeza
refletividade (Z) que depende diretamente das características físicas dos alvos. A
conversão da refletividade do radar para taxa de precipitação é feita através da
utilização da Equação 3.2, mostrada abaixo.
A radiação emitida pelo radar está na região de microondas do espectro
eletromagnético, e é em geral definida por bandas, em função da freqüência: Banda S
em 3 GHz, Banda C em 5 GHz e Banda X em 10 GHz. A fonte do radar necessita ser
pulsada para que a distância dos alvos seja determinada a partir do tempo que um pulso
emitido leva para atingir um alvo, ser retroespalhado e retornar ao radar. Os pulsos têm
duração de alguns microssegundos e são emitidos numa taxa de repetição que depende
da aplicação.
55
3.4.2.4.1 – Curva Z-R
Utilizada por Marshall e Palmer (1948) a equação Z-R possibilita converter a
refletividade do radar para taxa de precipitação (mm/h), onde Z é o fator de
refletividade do radar e R, por sua vez, a taxa de precipitação. As constantes “a” e
“b”mostradas na equação abaixo, são determinadas de acordo com o tipo de radar
utilizado. Essa relação é baseada em uma distribuição de gotas do tipo Marshall e
Palmer.
Z = a(R)b (3.2)
Usando a equação acima foi realizada uma regressão não-linear com os dados de
refletividade e precipitação registrados em cada rede de trabalho. Através desta
regressão foi possível obter as constantes que melhor representassem os dados
utilizados. Encontradas as constantes e utilizando a Equação 4.5.1 foi realizada uma
estimativa da precipitação utilizando a equação Z-R, a fim de encontrar uma curva de
ajuste a precipitação e a refletividade medida pelo radar TOGA.
3.4.2.5 - Derivada
A partir dos dados de temperatura de brilho/refletividade em cada “pixel” foi possível
obter a derivada temporal. Esta variação foi calculada para a temperatura de
brilho/refletividade média (entre os quatro “pixels”) em cada rede de trabalho, dada por:
t
TT
dtTird lklk
∆
−= + ,,1)(
(3.3)
Sendo: Tk+1, j a temperatura de brilho/refletividade no tempo t+1; Tk,l a temperatura de
brilho/refletividade no tempo t e; ∆t = (t+1)-t, com ∆t = 1 hora. A partir desta variável é
possível compreender como varia a temperatura de brilho/refletividade média no tempo
56
e identificar seus horários de maior variação negativa/positiva e se esta variabilidade
aumenta/diminui durante o período.
3.4.2.6 - Relação Existente Entre as Variáveis Sigma, Precipitação, Refletividade e
Temperatura de Brilho.
As variáveis descritas acima fazem parte de um arquivo de séries temporais com
medidas a cada hora, no qual é possível verificar se existe relação entre elas:
- analisaremos a variabilidade entre cada uma das variáveis em relação a
média em cada rede de trabalho realizando um ajuste linear e estudando os
coeficientes de correlação.
- tentaremos encontrar a existência de uma relação entre as quatro redes de
trabalho através da temperatura de brilho precipitação, refletividade e
precipitação, refletividade e temperatura de brilho e precipitação e a variação
da refletividade e da precipitação no tempo.
3.4.2.7 - Estimativa de Precipitação
A estimativa de precipitação é uma importante ferramenta no estudo do clima em
regiões tropicais onde as observações em superfície são precárias. A partir de uma
análise realizada a qual foi conferida a relação existente entre os estimadores de
precipitação utilizados neste trabalho, foi utilizado um conjunto de equações lineares
mostradas abaixo:
)(TirbaPo += (3.4)
)(TirbaZo += (3.5)
57
∆∆
++=t
TirTirc
TirbaP )(1 (3.6)
∆∆
++=t
TirTirc
TirbaZ )(1 (3.7)
)()(2 sigmaTirdt
TirTirc
TirbaP +
∆∆
++= (3.8)
)()(2 sigmaTirdt
TirTirc
TirbaZ +
∆∆
++= (3.9)
onde:
Z, refletividade (dBZ) entre as quatro redes de trabalho; P, precipitação entre as quatro
redes de trabalho; as constantes a,b,c,d são constantes de regressão, Tir, temperatura de
brilho média entre as quatro redes de trabalho (resolução temporal de 1, 3, 6, 24 horas);
tTir∆
∆, derivada da temperatura de brilho no tempo; sigmaTir, variável sigma obtida
através da temperatura de brilho (veja Equação 3.1).
3.4.2.8 – Relação dos Diferentes Tipos de Cobertura de Nuvens e a Precipitação do
Ponto de Vista do Ciclo Diurno
Esta análise é realizada envolvendo duas áreas, uma área de 2.3° x 2.3° que abrange
toda a região do experimento e uma segunda região com uma área de 0.5° x 0.5°
representando uma região de pastagem e outra de floresta. Faremos uma avaliação do
ciclo diurno da fração de cobertura de nuvens, a inter-relação entre os diferentes tipos
de cobertura obtidas para as duas áreas em questão e suas relações com a precipitação.
Um ponto importante de ser destacado é o fato de ser avaliada a variabilidade da
58
cobertura de nuvens em regiões de pastagem e floresta (região em que estão localizados
os sítios de medidas de Abracos e Rebio Jaru.
3.4.2.9 – Teste de Correlação
O teste de correlação foi realizado para o conjunto de dados da fração de cobertura de
nuvens, fração de chuva (radar) e precipitação utilizados anteriormente. Os arquivos
utilizados foram comparados para que estes estivessem com o mesmo tamanho, ou seja,
o mesmo número de horas e dias. A princípio o teste foi realizado para a área total do
experimento (2,3º x 2,3º), sendo posteriormente realizado para cada sítio de medidas. O
coeficiente de correlação é uma ferramenta freqüentemente utilizada para se estudar a
inter-relação entre duas variáveis, apenas quando estas estão linearmente
correlacionadas. Devido ao tamanho da amostra foi utilizado o teste de probabilidade T-
Student para avaliar o grau de significância entre as variáveis. Em função do tamanho
da série os valores de r > 0.2 (coeficiente de correlação) são considerados significativos.
3.4.2.10 – Erro Quadrático Médio
O parâmetro estatístico chamado de erro médio quadrático é uma das medidas padrões
da acurácia das previsões, sendo esta, capaz de indicar a magnitude média do erro, esse
índice é mais influenciado quando no conjunto de dados (previsões) verificados existam
erros de maior magnitude, mesmo que sejam poucos, do que quando ocorrem muitos
erros pequenos, pois ao elevar o erro ao quadrado, os maiores erros são realçados. É,
portanto, um índice bastante apropriado para detectar grandes erros indesejáveis no
conjunto de dados/modelo. Então, pode-se considerar que o tamanho da amostra pode
influenciar negativamente nos resultados, já que se o conjunto de previsões for muito
pequeno a presença de grandes erros irá gerar resultados de pouco valor significativo. O
índice é obtido através da utilização da equação abaixo:
59
( )
∑=
−=
N
i
Bi
Ai
NXX
ERR1
2
(3.10)
Onde: ERR é erro quadrático médio; N, o número de casos; AiX , estimativa; X B
i ,
observação.
3.4.2.11 - Análise da Divergência do Vento em Altos Níveis Obtido por Três
Métodos Diferentes
3.4.2.11.1 - Vento por Satélite
A região tropical particularmente do Hemisfério Sul, é coberta em grande parte por
regiões oceânicas, o que torna difícil o monitoramento do vento através de estações de
radiossondagens. Logo, os satélites geoestacionários tornam-se ferramentas de grande
importância, pois permitem extrair os campos de vento através de imagens sucessivas
em regiões desprovidas de informações meteorológicas.
Os dados de vento utilizados neste trabalho foram derivados de imagens do satélite
geoestacionário GOES-8 e processados pela “National Oceanic Atmospheric
Administration” (NOAA). O canal usado é o do vapor d’água, com resolução temporal
de 3 horas, sendo extremamente útil, auxiliando no entendimento da dinâmica em
mesoescala devido a sua alta resolução espacial.
O vetor vento é extraído usando a metodologia utilizada por Velden et al (1997), onde é
feita uma seleção de um alvo seguindo-o através de imagens sucessivas dentro de um
intervalo de tempo de 30 minutos determinando assim o seu deslocamento. Após o
cálculo dos vetores vento, o produto final passa por alguns testes de seleção, ou seja, por
um controle de qualidade. Os vetores ventos extraídos pelo canal do vapor d’água são
mais facilmente extraídos nos altos níveis, pois os vetores podem ser extraídos mesmo
na ausência de nuvens, e seus vetores são mais numerosos e consistentes espacialmente.
Mas não substituem os ventos extraídos pelo canal infravermelho, que nos níveis
60
médios apresentam resultados mais satisfatórios do que o canal do vapor d’água. A
combinação de ambos canais pode fornecer uma estrutura tridimensional da atmosfera
(Laurent ,1993).
Neste trabalho iremos utilizar os vetores vento extraídos do canal vapor d’água, que
foram previamente calculados e disponibilizados. Estes dados serão utilizados para o
cálculo da divergência em altos níveis, cálculo este que será descrito a seguir.
3.4.2.11.2 - Divergência do Vento e a Relação com a Precipitação
A convecção cúmulus fornece o calor latente necessário para forçar os distúrbios de
grande escala e estes, por sua vez, produzem a convergência de umidade nos baixos
níveis, movimento ascendente dentro da torre cúmulus ou Cb e por continuidade de
massa divergência em altos níveis (Holton, 1979). Este processo é associado à formação
de convecção. Logo, o conhecimento do campo de divergência é muito importante para
compreender a circulação atmosférica nos trópicos . Mas o conhecimento destes campos
é prejudicado devido a pequena densidade de estações de radiossondagem nestas
regiões.
A divergência do vento obtida via satélite será inicialmente comparada com aquela
obtida através de radiossondagem e análises do NCEP. Por outro lado, a divergência do
vento em altos níveis será analisada sob o ponto de vista da fração de cobertura de
nuvens e ocorrência e intensidade de precipitação.
Os campos de divergência do vento são utilizados para estudar a resposta da dinâmica
de meso e grande escala em relação a convecção a precipitação, como também dos
diferentes tipos de cobertura de nuvens. Inicialmente iremos comparar diversas formas
de cálculo da divergência utilizando diferentes fontes de dados e métodos de cálculos.
Esses campos foram calculados da seguinte maneira:
a) Com base nos ventos obtidos pelo satélite GOES-8 e processado pela NOAA,
obteremos o campo da divergência, calculado a partir da interpolação dos dados
61
originais em uma grade regular, pelo método desenvolvido por Barnes (1964),
aplicando posteriormente o método de diferenças finitas como mostra a Figura 3.3.
Fig. 3.3: Representação de uma grade regular, onde os dados serão interpolados.
Este método consiste em interpolar os dados de vento no canal do vapor d’água em uma
grade regular, como mostra a Figura 3.3. A resolução da grade é determinada de acordo
com a densidade dos dados – neste caso, utilizou-se uma grade de 1,0° x 1,0°. Para
obter vetores vento interpolados ( gφ ) aplicamos a função:
∑
∑
=
==M
1ii
M
1ii
W
φφ
i
g
W (3.11)
onde:
62
gφ é o valor interpolado na posição da grade ;M é o número de observações, que
dependem dos valores limites de “di” e “ti”, e portanto dependem das escolhas dos
parâmetros δ e τ; iφ é a função peso (esta função depende da distância temporal e
espacial entre o vetor vento e o ponto no qual os vetores estão sendo interpolados.
Quanto maior a distância entre o ponto e o vetor, menor será o valor da função peso); iφ
são as componentes zonal e meridiona l reportados pelo conjunto de dados utilizados na
posição x,y.
−
−=
22
τδtidi
ExpWi (3.12)
onde: iW , é o peso do dado “i” localizado a uma distância “di”, num intervalo de tempo
“ti” num ponto de grade considerado, δ e τ são o raio de influência no espaço e no
tempo, que podem ser utilizados para ajustar filtros no tempo e no espaço
respectivamente.Após realizada a interpolação para todos os vetores, o cálculo da
divergência é executado utilizando diferenças finitas Este método foi descrito por
Sakamoto e Laurent (1998).
y∂
∂+
∂∂
=⋅∇v
xu
V (3.13)
2
yvv
yvv
2
xuu
xuu
V
1-j1,-ij1,-i1-ji,ji,j1,-iji,1-j,11-ji,
∆−
+∆−
+
∆−
+∆−
=⋅∇
−i
(3.14)
63
Este procedimento de cálculo de divergência do vento em altos níveis também é usado
para os dados da análise do NCEP. A Figura 3.6 mostra um exemplo de campos de
divergência do vento em altos níveis obtidos por satélite, provenientes da NOAA.
64
Fig. 3.4 - Campos de vento (m/s) representado na Figura pelos vetores e divergência em
altos níveis (10-6 s-1) (sombreada pelas cores), gerados por satélite para 14 de
fevereiro de 1999, a cada três horas (Laurent et al, 2000).
65
b) Com o objetivo de validar os diferentes métodos na obtenção da divergência do vento
foram utilizados dados de radiossondagem. Para tanto utilizou-se a equação abaixo para
o cálculo sobre uma área triângular formada pelas estações de radiossondagens :
∫ ⋅=⋅∇ ldVA1
V (3.15)
onde:
V é o vetor vento, ld é o vetor normal ao vértice do triângulo, A é a área da região
analisada.
A divergência é calculada para todo vetor vento que cruzar o contorno, os vetores que
são paralelos ao contorno não são computados (produto vetorial nulo). Este método
possibilita obter a divergência em todos os níveis de pressão disponíveis pela
radiossondagem. Logo podemos obter informações sobre a estrutura de cada camada,
extrair um perfil vertical médio da divergência e valor das camadas em altos níveis. Os
campos de vento foram previamente calculados em Machado et al (2000).
Os campos de vento utilizados para descrever a divergência em altos níveis foram
aqueles em torno de 200 hPa ± 100 hPa.
67
CAPÍTULO 4
RESULTADOS
4.1 - Introdução
Neste Capítulo são apresentados os resultados do estudo realizado com os dados de
satélite, superfície e radar. Nas Seções 4.3 e 4.4 é apresentado um estudo da
variabilidade da cobertura de nuvens com ênfase no ciclo diurno, analisando as relações
com a precipitação medida em superfície e observada pelo radar, para a área do
experimento WETAMC/LBA. Na Seção 4.5 os estudos são centrados nas regiões de alta
concentração de pluviômetros (as 4 redes pluviométricas). Nesta Seção tentamos
colocar em evidência as inter-relações existentes entre as estimativas de precipitação
por satélite geoestacionários e as informações medidas pela rede pluviométrica e o
radar. Finalmente, na Seção 4.6, utilizamos campos de vento em altos níveis obtidos por
satélite para calcular a divergência em altos níveis, visando analisar as relações com a
cobertura de nuvens e a precipitação.
4.2 - Ciclo Diurno da Fração de Cobertura de Nuvens e Precipitação
4.2.1 - Fração de Cobertura de Nuvens
Foram realizadas médias horárias da fração de cobertura de nuvens e precipitação para
um período de 44 dias, numa área de 2.3º x 2.3º, sendo centrada na área do experimento
conforme mostra a Figura 3.1. A fração de cobertura de nuvens foi calculada para os
seguintes limiares de temperatura de brilho do canal 4 do GOES: 284 K, 273 K, 265 K,
245 K, 235 K, 225 K, 210 K, 200 K. Estes limiares descrevem medidas de cobertura de
nuvens que se estende desde uma medida próxima a cobertura total de nuvens (limiares
quentes) até a cobertura de nuvens mais convectiva (limiares frios). A Figura 4.1 mostra
o comportamento diurno da temperatura de brilho para diferentes limiares. Segundo
Machado et al (2001) a grande quantidade de vapor d’água próximo à superfície induz
68
uma forte absorção da radiação infravermelha por este gás. Dessa forma, a temperatura
de brilho que pode ser associada à emissão em condições de céu claro medido através
de satélites meteorológicos descreve a temperatura de brilho da Camada de Mistura e
não a temperatura da superfície. A camada de mistura é caracterizada por uma
distribuição vertical praticamente homogênea da temperatura potencial devida à forte
mistura turbulenta e convecção celular de mesoescala. A temperatura desta camada
durante o período do experimento WETAMC/LBA esteve sempre em média acima de
287 K.
Assim, uma medida próxima a da cobertura total de nuvens pode ser estimada por
temperaturas de brilho mais frias do que a camada de mistura. Estes limiares são
mostrados na Figura 4.1 a, como os limiares de 284 K, 273 K e 265 K. Machado e
Rossow (1993) analisando as características estruturais e propriedades radiativas dos
aglomerados de nuvens nos trópicos, identificaram nuvens altas numa imagem de
satélite como sendo aquelas cuja temperatura de brilho é menor do que 245 K e a parte
mais convectiva tem uma temperatura de brilho menor do que 215 K. Desta forma, o
limiar de 284 K foi utilizado para descrever a cobertura de nuvens total e os limiares
mais frios que 245 K como representativos da cobertura de nuvens associada à
convecção.
Através das Figuras 4.1.a e 4.1 b nota-se uma semelhança entre alguns limiares. Esta
semelhança simplifica a análise, de maneira a utilizar-se apenas três grupos de limiares
de temperatura de brilho. Estes limiares representam cobertura de nuvens com
diferentes temperaturas de topo, onde a cobertura total de nuvens é representada pelo
limiar de 284 K. Já as nuvens altas são representadas pelo limiar de 235 K. Finalmente,
os limiares de 210 K e 200 K são representativos de nuvens associadas a convecção
profunda intensa.
69
75
50
25
Fra
ção
de
co
be
rtu
ra d
e n
uve
ns
(%)
222018161412108642Hora local
Frac1 (284K) Frac2 (273K)
Frac3 (265K) Frac4 (245K)
Fig. a
28
24
20
16
12
8
4
0
Fra
ção
de
co
be
rtu
ra d
e n
uve
ns
(%)
222018161412108642Hora local
Frac5 (235 K)Frac6 (215K)
Frac7 (210K)
Frac8(200K)
Fig. b
Fig. 4.1 – Ciclo diurno da fração de cobertura de nuvens, para os limiares de : a)
limiares de 284 K, 273 K, 265 K; b) limiares de 245 K, 235 K, 225 K, 210
K, 200 K.
A cobertura total de nuvens descrita pelo limiar de 284 K (Figura 4.2 a) é máxima às
03:30 (hora local). Neste horário podemos verificar que a fração média de nuvens na
área analisada é muito alta (em torno de 94 %). Este valor máximo diminui lentamente,
observa-se que na madrugada não são encontradas frações de nuvens médias inferiores a
80%. No mesmo período, a precipitação média apresenta valores médios bem inferiores
aos do período da tarde (Figura 4.2 a). No período da manhã ocorre uma forte
70
diminuição da fração de cobertura total de nuvens. Este decréscimo acontece juntamente
com o aumento da precipitação média (a partir das 10:30). A cobertura total de nuvens
encontra seus valores mínimos às 13:30 (LST), alcançando frações em torno de 59 %,
correspondendo ao momento de máxima radiação solar em superfície. O máximo
principal de precipitação ocorre próximo a este momento. A precipitação diminui nas
primeiras horas da noite, atingindo valores próximos de zero às 21:30 (LST).
A Figura 4.2 b mostra o ciclo diurno da cobertura de nuvens altas (235 K). Durante as
primeiras horas da madrugada notamos algumas diferenças em relação à cobertura total
de nuvens descrita anteriormente. A fração de cobertura de nuvens altas apresenta uma
diminuição da área coberta durante a madrugada, e primeiras horas da manhã. Esta
diminuição da cobertura de nuvens altas (em torno de 4 %) durante a madrugada e
início da manhã é conseqüência da ausência de forçantes dinâmicas no período. Mas, de
qualquer forma, uma pequena fração de cobertura de nuvens altas (235 K) é verificada,
e provavelmente responsável por precipitações esporádicas ocorridas na região durante
este período. Após duas horas do momento de mínima fração de nuvens altas,
encontramos o máximo de precipitação juntamente no momento de máximo
crescimento de cobertura de nuvens altas. A cobertura de nuvens altas cresce durante à
tarde, alcançando valores máximos da fração às 17:30. Após as duas horas seguintes, a
cobertura de nuvens altas apresenta uma diminuição da área coberta até as primeiras
horas da noite, onde acontece praticamente uma estabilização (um ligeiro decréscimo).
As Figuras 4.2 c e 4.2 d mostram os limiares de temperatura de brilho de 210 K e 200 K
caracterizados por cobertura de nuvens associados à convecção profunda. Observamos
que, durante a madrugada a presença de nuvens que possuem topos mais frios do que
210 K e 200 K, é praticamente nula. Isto se deve à ausência de aquecimento
termodinâmico e de forçantes externas, que auxiliam na formação da convecção
profunda. Este fato mostra que a alta fração de cobertura total encontrada neste período
não é associada à convecção e às nuvens altas, mas às nuvens baixas e médias. O
máximo crescimento da cobertura com o limiar de 210 K acontece a partir das 11:30
(LST), e esse crescimento continua até às 16:30 (LST), onde se encontra o máximo de
71
cobertura de nuvens associadas à convecção profunda, começando a diminuir na hora
seguinte.
Para o limiar de 200 K (Figura 4.2 c) o crescimento acontece uma hora após o horário
descrito para o limiar anterior (12:30 LST). O crescimento ocorre até às 17:30 (LST)
onde encontramos o máximo de cobertura de nuvens associadas à convecção profunda
representada pelo limiar de 200 K. Para a formação de nuvens convectivas ou de
convecção profunda, necessitamos de aquecimento da superfície e instabilização da
camada limite. O momento de máxima radiação solar é próximo ao meio dia, quando a
cobertura total de nuvens é mínima. Este fato possivelmente explica a máxima
precipitação e máximo crescimento da cobertura de nuvens convectivas próximo ao
momento de mínima cobertura de nuvens.
À medida que verificamos os quatros limiares descritos anteriormente, sobrepostos a
precipitação (Figuras 4.2 a, 4.2 b, 4.2 c, 4.2 d) nota-se alguns fatores que podem
explicar o comportamento do ciclo diurno da cobertura de nuvens na região estudada.
Durante a madrugada, existe um predomínio da cobertura total de nuvens, e este tipo de
cobertura geralmente envolve nuvens desde os baixos até altos níveis, mas na
madrugada a cobertura de nuvens é composta basicamente por nuvens com topos baixos
e quentes, típicos de nuvens cumulus e nuvens estratiformes (as frações associadas aos
topos frios é praticamente nula). É possível que existam algumas nuvens cirrus semi-
transparentes com temperatura de brilho reduzida não sendo incorporada a fração de
nuvens altas.
Nas primeiras horas da manhã a cobertura de nuvens baixas desintensifica-se, e a
superfície começa a ser aquecida atingindo a mínima cobertura de nuvens no fim da
manhã. Existe uma defasagem entre o horário de mínima cobertura entre os limiares. A
cobertura de nuvens convectivas (235 K e 210 K, acontece as 11:30 em ambos os
limiares) apresenta um mínimo uma hora antes do mínimo da cobertura total de nuvens
(12:30). Esse adiantamento se deve provavelmente a desintensificação das poucas
nuvens altas e convectivas em dissipação existentes naquele momento. Essa camada de
72
nuvens em dissipação associa-se a já existente nas camadas mais baixas provocando a
defasagem de 1 hora entre o mínimo de cobertura total de nuvens e a cobertura mais
convectiva.
A mínima cobertura em torno do meio dia favorece um forte aquecimento da superfície
aumentando os fluxos de calor latente e sensível. Esses fluxos contribuem à formação e
intensificação de sistemas de nuvens convectivas (nuvens altas e nuvens de convecção
profunda), aumentando linearmente as frações de cobertura no período da tarde. Após
um curto intervalo de tempo (aproximadamente 1 hora) observamos a máxima
precipitação, neste momento às frações de nuvens convectivas apresentam a maior taxa
de crescimento e aumentam linearmente até onde são verificados seus horários de
máximo desenvolvimento. O máximo desenvolvimento da cobertura de nuvens altas
acontece uma hora antes da cobertura de nuvens associadas a convecção profunda. A
máxima cobertura de nuvens associadas à convecção profunda acontece as 16:30 (LST);
esta cobertura após uma hora está menos intensas apresentando uma forte presença de
nuvens altas (17:30 LST).
Observa-se a presença de um máximo secundário da cobertura total de nuvens às 19:30
(LST). Esse máximo secundário é formado em grande parte pelos sistemas de nuvens
convectivas em fase de desintensificação. Machado et al (1998) mostram que no
momento de dissipação dos sistemas convectivos as áreas associadas a limiares frios
diminui, enquanto que os limiares mais quentes continuam aumentando com a área. A
partir das 20:30 (LST), a cobertura de nuvens altas e a cobertura de nuvens associadas a
convecção profunda se mantém praticamente constante próxima a zero, enquanto a
cobertura total de nuvens começa a aumentar. A cobertura de nuvens à noite tem um
impacto importante no balanço de energia radiativa, reduzindo a perda de radiação de
onda longa e aumentando a energia armazenada na camada limite atmosférica (CLA).
73
1.00
0.80
0.60
0.40
0.20
Pre
cipita
ção
(mm
/h)
222018161412108642Hora Local
90
85
80
75
70
65
60Fra
ção
de c
ober
tura
de
nuve
ns (
284
K)
Precipitação Frac 1 (284K)
Fig. a
Fig. 4.2 - Ciclo diurno da fração de cobertura de nuvens e da precipitação, na área do
experimento (2,3 ° x 2,3°): a) limiar de 284 K; b) limiar de 235 K; c) limiar
de 210 K; d)limiar de 200 K.
1.00
0.80
0.60
0.40
0.20
Pre
cipita
ção
(mm
/h)
222018161412108642Hora Local
30
25
20
15
10
5
Fra
ção
de c
ober
tura
de
nuve
ns (
235
K)
Precipitação
Frac 5 (235K)
Fig. b
(continua)
74
(conclusão)
1.00
0.80
0.60
0.40
0.20
Pre
cipita
ção
(mm
/h)
222018161412108642Hora Local
6.0
5.0
4.0
3.0
2.0
1.0
Fra
ção
de c
ober
tura
de
nuve
ns (
210
K)
Precipitação Frac 7 (210K)
Fig. c
1.00
0.80
0.60
0.40
0.20
Pre
cipita
ção
(mm
/h)
222018161412108642Hora Local
1.00
0.80
0.60
0.40
0.20
0.00Fra
ção
de c
ober
tura
de
nuve
ns (
200
K)
Precipitação Frac 8 (200K)
Fig. d
4.2.2 - Fração de Chuva
A fração média de chuva foi calculada a partir de imagens fornecidas pelo radar TOGA
– CAPPI 2 Km. A princípio foram utilizados igualmente ao cálculo da fração de
cobertura de nuvens 8 limiares de refletividade (0 dBZ, 5 dBZ, 10 dBZ, 15 dBZ, 20
dBZ, 25 dBZ, 30 dBZ, 35 dBZ) representados pelas Figuras 4.3 a e 4.3 b. Devido à
semelhança no comportamento entre alguns limiares, estes foram reduzidos a quatro,
75
que representam quatro diferentes intensidades de chuva-refletividade. A fração de 0
dBZ representa a fração total, isto é, qualquer refletividade é considerada no cálculo da
fração. O limiar de 20 dBZ é representativo da chuva fraca a moderada e 30 dBZ e 35
dBZ da chuva intensa.
25.0
20.0
15.0
10.0
Fra
ção
de p
reci
pita
ção
- R
adar
Tog
a
222018161412108642Hora Local
0 dBZ
5 dBZ 10 dBZ
15 dBZ
Fig. a
8.0
6.0
4.0
2.0
Fra
ção
de p
reci
pita
ção
- R
adar
Tog
a
222018161412108642Hora Local
25 dBZ
30 dBZ 35 dBZ
20 dBZ
Fig. b
Fig. 4.3 - Ciclo diurno da fração de chuva medida pelo radar TOGA - CAPPI 2 km, em
uma área de 2,3 ° x 2,3° : a) limiares de 0 dBZ; 5 dBZ, 10 dBZ, 15 dBZ,
20 dBZ; b) limiares de 25 dBZ, 30 dBZ; 35 dBZ.
76
As frações de chuva intensa, moderada a fraca e a fração total apresentam um máximo
crescimento da fração durante o mesmo período de tempo (10:30 às 14:30 - LST). Entre
as 13:30 e às 14:30 as frações de chuva, para todos os limiares, apresentam máximos
que de certa forma concordam com o máximo de precipitação. Isso se deve ao fato de, a
fração de chuva representar a quantidade de água líquida contida nas nuvens disponíveis
para o processo de precipitação. Logo, não é observada defasagem entre os limiares. Ao
contrário das frações de nuvens que representam diferentes tipos de cobertura, a fração
de chuva fraca e forte ao nível de 2 km ocorreram simultaneamente. Como mostram as
Figuras 4.4 a, 4.4 b, 4.4 c, 4.4 d, neste mesmo intervalo de tempo, também é verificado
o crescimento da fração de cobertura de nuvens altas e da cobertura de nuvens associada
à convecção profunda. Após este intervalo de tempo a fração de chuva diminui
lentamente. Essa diminuição lenta da fração de chuva é provavelmente devida à
manutenção da chuva pelas nuvens convectivas em dissipação e a precipitação
estratiforme que tem um tempo de vida maior que a convectiva.
As frações de 0 dBZ a 25 dBZ apresentam um máximo secundário próximo às 20:30
(LST), onde este máximo secundário concorda com o máximo secundário obtido para a
fração de cobertura total de nuvens, mencionado anteriormente. Durante a madrugada é
encontrado um máximo secundário às 03:30 (LST) para o limiar de 0 dBZ. De certa
forma, podemos associar esses máximos secundários à cobertura total de nuvens e a
uma mínima fração de nuvens altas e convectivas. Ambas estão consistentes com a
baixa precipitação média registrada neste horário.
77
1.00
0.80
0.60
0.40
0.20
Pre
cipita
ção
(mm
/h)
222018161412108642Hora Local
27.5
25.0
22.5
20.0
17.5
15.0Fra
ção
de
Ch
uva
- li
mia
r d
e 0
dB
Z
Precipitação
0 dBZ
Fig. a
Fig. 4.4 - Ciclo diurno da fração de chuva medida pelo radar TOGA – CAPPI 2 Km, e
precipitação medida à superfície, em uma área de 2.3º x 2.3º: a) limiar de 0
dBZ, b) limiar de 20 dBZ, c) limiar de 30 dBZ, d) limiar de 35 dBZ.
1.00
0.80
0.60
0.40
0.20
Pre
cipita
ção
(mm
/h)
222018161412108642Hora Local
9.0
8.0
7.0
6.0
5.0
4.0Fra
ção
de C
huva
- l
imia
r de
20
dBZ
Precipitação
20 dBZ
Fig. b
(continua)
78
(conclusão)
1.00
0.80
0.60
0.40
0.20
Pre
cipita
ção
(mm
/h)
222018161412108642Hora Local
3.0
2.5
2.0
1.5
1.0
Fra
ção
de C
huva
- l
imia
r de
30
dBZ
Precipitação
30 dBZ
Fig.c
1.00
0.80
0.60
0.40
0.20
Pre
cipita
ção
(mm
/h)
222018161412108642Hora Local
1.25
1.00
0.75
0.50
0.25
Fra
ção
de C
huva
- l
imia
r de
35
dBZ Precipitação
35 dBZ
Fig. d
4.3 - Ciclo Diurno da Fração de Cobertura de Nuvens e da Fração de Chuva em
Floresta e Pastagem
No item anterior foi discutido o ciclo diurno da fração de cobertura de nuvens e da
precipitação. Neste item serão discutidos o ciclo diurno e a evolução temporal da
cobertura de nuvens e da fração de chuva para dois sítios de medidas, um localizado na
floresta (Rebio Jaru) e outro em uma área de pastagem (Abracos). O objetivo desta
79
comparação é verificar se existem diferenças na cobertura de nuvens em regiões que
apresentam diferentes coberturas vegetais. A diferença na cobertura vegetal nos sítios de
medidas pode ser vista na Figura 4.5.
80
Fig. a
Fig. b
Fig. c
Fig. d
Fig. 4.5 – Imagem LANDSAT centrada nos sítios de medidas (5° x 5°) mostrando a
cobertura vegetal predominante em cada uma delas: a) Rancho Grande
(pastagem), b) Abracos (pastagem), c) Rolim de Moura (pastagem), d) Rebio
Jaru (floresta).
81
As Figuras 4.6 a, 4.6 b, 4.6 c, 4.6 d/ 4.7 a, 4.7 b, 4.7 c, 4.7 d mostram o ciclo diurno da
fração de cobertura de nuvens e da fração de chuva em Abracos e Rebio Jaru, que são
regiões de floresta e pastagem. A Figura 4.6 a mostra a cobertura total de nuvens, onde
podemos notar que existe uma semelhança entre as curvas que descreveram as duas
regiões durante quase todo o período. Notamos uma pequena diferença durante a noite,
onde a cobertura total de nuvens na região de floresta é um pouco menor. Esta diferença
ocorre à medida que verificamos limiares de temperatura de brilho mais frios.
A cobertura de nuvens altas, mostra diferenças durante todo o período. Na região
coberta por floresta notamos que apresenta uma porcentagem maior de área coberta por
nuvens altas durante a madrugada e início da manhã. Mas a partir da 1:30 (LST) (Figura
4.6 b) onde notamos que as curvas apresentam seu crescimento máximo, a cobertura de
nuvens altas na região de floresta diminui em relação à região de pastagem. À medida
que verificamos os limiares mais frios (210 K), mostrados na Figura 4.6 c, notamos que
esta diferença aumenta sensivelmente.
A região de floresta apesar de apresentar praticamente a mesma quantidade de cobertura
total de nuvens, a fração de 0 dBZ é significativamente maior que na região de
pastagem. Como conseqüência, a profundidade ótica das nuvens é maior na região de
floresta. Este fato é provavelmente devido a maior quantidade de umidade disponível na
floresta, facilitando a formação de nuvens mais espessas e com maior quantidade de
água líquida.
Considerando a maior profundidade ótica das nuvens na floresta é de se esperar que a
maior quantidade de radiação solar chegando à superfície seja na região de pastagem.
Logo, essa maior energia que chega a superfície nesta região deve aumentar a
temperatura da superfície e conseqüentemente o fluxo de calor latente (existe umidade
disponível na época chuvosa) e a energia potencial disponível. Dessa forma, a região de
pastagem desenvolve convecção profunda de forma mais intensa que a região de
floresta. Essa hipótese explica a maior fração convectiva/chuva forte e a menor fração
82
de chuva fraca na pastagem. Estudos mais detalhados devem ser realizados visando
verificar esta hipótese.
90
85
80
75
70
65
60
55Fra
ção
de c
ober
tura
de
nuve
ns (
K)
222018161412108642Hora Local
Abracos (284 K)
Rebio Jaru (284 K)
Fig. a
Fig. 4.6 – Ciclo diurno da fração de cobertura de nuvens nos sítios de medidas de
Abracos (pastagem) e Rebio Jaru (floresta): a) limiar de 284 K; b) limiar
de 235 K; c) limiar de 210 K.
25
20
15
10
5
Fra
ção
de c
ober
tura
de
nuve
ns (
K)
222018161412108642Hora Local
Abracos (235 K)
Rebio Jaru (235 K)
Fig. b
(continua)
83
(conclusão)
7.0
6.0
5.0
4.0
3.0
2.0
1.0
0.0
Fra
ção
de c
ober
tura
de
nuve
ns (
K)
222018161412108642Hora Local
Abracos (210 K) Rebio Jaru (210 K)
Fig. c
30.0
27.5
25.0
22.5
20.0
17.5
15.0
12.5
Ref
letiv
idad
e (d
BZ
)
222018161412108642Hora Local
Abracos (0 dBZ)
Rebio Jaru (0 dBZ)
Fig. a
Fig. 4.7 – Ciclo diurno da fração de chuva nos sítios de medidas de Abracos (pastagem)
e Rebio Jaru (floresta): a) limiar de 0 dBZ; b) limiar de 20 dBZ; c) limiar de
30 dBZ.
(continua)
84
(conclusão)
12.0
10.0
8.0
6.0
4.0
Ref
letiv
idad
e (d
BZ
)
222018161412108642Hora Local
Abracos (20 dBZ)
Rebio Jaru (20 dBZ)
Fig. b
4.0
3.5
3.0
2.5
2.0
1.5
1.0
0.5
Ref
letiv
idad
e (d
BZ
)
222018161412108642Hora Local
Abracos (30 dBZ)
Rebio Jaru (30 dBZ)
Fig. c
4.4 - Comportamento da Fração de Cobertura de Nuvens em Relação aos Regimes
de Leste e Oeste nos Sítos de Medidas
Este Capítulo tem como objetivo estudar a evolução diurna da fração de cobertura de
nuvens e relação aos de regimes de leste/oeste. Esta análise foi realizada dentro da área
de abrangência do radar TOGA, onde foram realizadas médias diárias totalizando 34
dias (dia 13 a 52 – dia Juliano). Como na Seção 4.1.1.1 a análise foi realizada somente
85
para quatro limiares de temperatura de brilho (284 K, 235 K, 210 K e 200 K) devido ao
fato destes limiares representarem cada tipo de cobertura de nuvens.
Utilizando a série diária tentaremos mostrar o comportamento da fração de cobertura de
nuvens relacionando com os períodos de leste e de oeste, definido por Rickenback et al
(2001) ao estudar o comportamento da convecção de mesoescala em Rondônia, região
do WETAMC/LBA, verificaram que estes períodos de alternância do vento de leste e de
oeste na baixa e média troposfera (mostrado na Tabela 4.1), estão diretamente
relacionados com mudanças na escala continental da circulação atmosférica sobre a
América do Sul. Durante o experimento WETAMC/LBA foram classificados três
períodos de oeste (W1, W2, W3) e de leste (E1, E2, E3). Os regimes de oeste são
caracterizados pela presença de uma camada profunda de ventos de oeste à superfície
até níveis superiores, quando pode ser verificada uma cobertura total de nuvens maior,
mas ao mesmo tempo, essa cobertura não é menos ativa convectivamente. Por outro
lado, os regimes de leste apresentam uma cobertura total de nuvens menor e a cobertura
covectiva mais ativa.
TABELA 4.1 – PERÍODO MARCADO POR REGIMES DE LESTE/OESTE
(RICKENBACH ET AL, 2001)
Regime de Leste Início Término
E1 11 de janeiro 13 de janeiro
E2 19 de janeiro 28 de janeiro
E3 8 de fevereiro/39 dia juliano 21 de fevereiro/52 dia juliano
Regime de Oeste Início Término
W1 14 de janeiro 18 de janeiro
W2 29 de janeiro 7 de fevereiro/38 dia juliano
W3 22 de fevereiro/53 dia juliano 1 de março/59 dia juliano
86
Os regimes de leste e oeste foram analisados nos sítios de medida de Abracos (Figura
4.8 a), Rebio Jaru (Figura 4.8 b), Rancho Grande (Figura 4.8 c) e Rolim de Moura
(Figura 4.8 d). Os regimes de oeste são caracterizados por máximos da cobertura total
de nuvens mais pronunciados do que nos eventos de leste, bem como os eventos de
oeste têm uma duração maior de dias do que nos eventos de leste. As Figuras abaixo
mostram que não existem diferenças significativas entre os regimes de leste/oeste nos
sítios de medidas. Nota-se que a cobertura convectiva é mais intensa durante os
episódios E2 e E3 em Rebio Jaru e Rolim de Moura, estes dois sítios estarem
localizados em regiões de diferentes coberturas vegetais. Mas por outro lado, durante os
episódios de oeste W2 e W3 a cobertura total é praticamente igual nos sítios de
Abracos, Rancho Grande e Rolim de Moura.
100
80
60
40
20
0Fra
ção
de c
ober
tura
de
nuve
ns -
284
K
5652484440363228242016128Dia/Juliano - Abracos
70
60
50
40
30
20
10
0
Fra
ção
de
cob
ertu
ra d
e n
uve
ns - 2
35
K, 2
10
K
E1W 1 E2
W 2
E3
W3 284 K
235 K
210 K
Fig. a
Fig. 4.8 – Média diária da fração de cobertura de nuvens, enfatizando os períodos de
regime de leste e oeste nos sítios de medidas: a) Abracos (pastagem); b)
Rolim de Moura (pastagem); c) Rancho Grande (pastagem); d) Rebio Jaru
(floresta).
(continua)
87
100
80
60
40
20
0Fra
ção
de c
ober
tura
de
nuve
ns -
284
K
5652484440363228242016128Dia/Juliano - Rancho Grande
100
80
60
40
20
0
Fra
ção
de
cob
ertu
ra d
e n
uve
ns - 2
35
K, 2
10
K
E1 W 1 E2 W 2
E3
W3 284 K 235 K 210 K
Fig. b
100
80
60
40
20
0Fra
ção
de c
ober
tura
de
nuve
ns -
284
K
5652484440363228242016128Dia/Juliano - Rolim de Moura
60
50
40
30
20
10
0
Fra
ção
de
cob
ertu
ra d
e n
uve
ns - 2
35
K, 2
10
K
E1 W 1 E2 W2E3
W3 284 K
235 K
210 K
Fig. c
(continua)
88
(conclusão)
100
80
60
40
20
0Fra
ção
de c
ober
tura
de
nuve
ns -
284
K
5652484440363228242016128Dia/Juliano - Rebio Jaru
80
60
40
20
0
Fra
ção
de
cob
ertu
ra d
e n
uve
ns - 2
35
K, 2
10
K
E1
W 1E2 W2
E3
W 3
284 K
235 K 210 K
Fig. d
4.4.1 - Análise da Correlação Existente Entre a Fração de Cobertura de Nuvens, e
a Fração de Chuva
Nesta Seção serão analisadas as relações existentes entre a fração de cobertura de
nuvens e fração de chuva para a área que compreende o experimento. Verificam-se
níveis de covariância muito significativos para todos os limiares de temperatura de
brilho e refletividade. Como mostra a Tabela 4.2, existe uma boa correlação entre todas
as variáveis.
Nota-se uma boa correlação entre os limiares frios e a alta refletividade, a melhor
correlação observada ocorre entre os limiares de 225 K (fração de nuvens) e 25 dBZ
(fração de chuva). Como mencionado no item anterior espera-se uma defasagem entre o
sinal obtido pelo radar e o satélite, logo, se uma defasagem fosse utilizada esses valores
seriam ainda mais altos.
A Tabela 4.3 mostra que a cobertura total é pouco relacionada com frações de chuva
convectiva e à medida que limiares mais frios são utilizados a correlação com a fração
de chuva aumenta. Este fato é observado até o limiar de 235 K. Observa-se que à
medida que limiares mais frios são utilizados a melhor correlação com a fração de
89
chuva passa a ser para frações com altos valores de dBZ (284 K → 20 dBZ, 235 K →
25 dBZ e 210 dBZ → 30 dBZ). Este fato mostra que a associação de limiares frios com
as nuvens associadas a convecção é acertada pois frações de alta refletividade
apresentam máxima correlação com limiares mais frios.
TABELA 4.2 – VALORES DE CORRELAÇÃO ENCONTRADOS PARA TODOS OS
LIMIARES DE FRAÇÃO DE COBERTURA DE NUVENS E FRAÇÃO DE CHUVA,
PARA UMA ÁREA DE 2,3º X 2,3º
Temperatura de brilho x Radar Coeficiente de correlação
284 K x 0dBZ 0,40
273 K x 5dBZ 0,52
265 K x 10dBZ 0,55
245 K x 15dBZ 0,66
235 K x 20dBZ 0,72
225 K x 25dBZ 0,77
210 K x 30dBZ 0,68
200 K x 35dBZ 0,44
TABELA 4.3 - VALORES DE CORRELAÇÃO ENTRE OS LIMIARES DE FRAÇÃO
DE COBERTURA DE NUVENS (284 K, 235 K E 210 K) E TODOS OS LIMIARES
DE FRAÇÃO DE CHUVA
LIMIARES 284 K 235 K 210 K
0 dBZ 0,40 0,65 0,44
5 dBZ 0,38 0,67 0,46
10 dBZ 0,36 0,68 0,49
15 dBZ 0,32 0,70 0,54
20 dBZ 0,27 0,72 0,59
(continua)
90
(conclusão)
25 dBZ 0,21 0,72 0,65
30 dBZ 0,14 0,69 0,68
35 dBZ 0,05 0,58 0,64
4.4.2 - Análise da Correlação Existente Entre a Fração de Cobertura de Nuvens,
Fração de Chuva e Precipitação para cada Sítio de Medidas (área 0.5º X 0.5º).
O teste de correlação foi realizado com o objetivo de quantificar a relação entre a fração
de cobertura de nuvens e a fração de chuva em diferentes escalas espaciais. Nesta Seção
foram realizados testes de correlação entre os sítios de medidas utilizando dados a cada
hora e os 8 limiares (temperatura de brilho/refletividade). A Tabela 4.4 mostra valores
da correlação existente entre Abracos, Rancho Grande, Rebio Jaru e Rolim de Moura
em cada limiar de temperatura de brilho. Através desta Tabela podemos notar o
comportamento dos diferentes tipos de cobertura de nuvens entre os sítios de medidas.
Como mencionado na Seção 4.3, os valores significativos de correlação são aqueles que
segundo o teste de probabilidade T-student apresentam um valor de r > 0.20.
Através dos valores apresentados na Tabela 4.4, podemos notar que todos os sítios de
medidas apresentam uma boa correlação da cobertura de nuvens entre si. Esta boa
correlação não acontece somente com os limiares 6 (235 K), 7 (210 K) e 8 (200 K) em
Rebio Jaru X Rancho Grande, e para o limiar 8 (200 K) em Rebio X Rancho Grande/
Rancho Grande X Rolim de Moura.
Logo, conclui-se que quando analisamos a fração de nuvens associadas à convecção
profunda notamos um comportamento diferenciado em Rebio Jaru e Rancho Grande em
relação aos demais sítios de medidas. Isto possivelmente se deve ao fato de que Rolim
de Moura encontra-se mais ao norte da região, não sofrendo tanta influência dos
sistemas de leste. Rebio Jaru é um sítio que está localizado em região de floresta, e os
demais sítios estão localizados em região de pastagem. Nota-se que a cobertura total é
91
altamente correlacionada espacialmente representando uma cobertura em meso/grande
escala. À medida que analisamos limiares mais frios notamos que esses passam a
descrever a cobertura conevctiva em menores escalas espaciais.
TABELA 4.4 – VALORES DE CORRELAÇÃO ENTRE OS SÍTIOS DE MEDIDAS,
TODOS OS LIMIARES DE TEMPERATURA DE BRILHO
Sítios de medidas 284 K 273 K 265 K 245 K 235 K 225 K 210 K 200 K
Abraços x R.grande 0,76 0,71 0,67 0,64 0,63 0,60 0,59 0,31
Abraços x R. Jaru 0,76 0,65 0,56 0,49 0,42 0,38 0,41 0,48
Abraços x R. Moura 0,71 0,63 0,57 0,53 0,46 0,38 0,36 0,32
R. Jaru x R.Grande 0,71 0,68 0,58 0,48 0,41 0,33 0,31 0,16
R. Jaru x R.Moura 0,56 0,49 0,40 0,31 0,22 0,18 0,15 0,12
R.Grande x R. Moura 0,57 0,47 0,35 0,29 0,27 0,27 0,23 0,01
4.5 – Relações Entre a Temperatura de Brilho, Refletividade e Precipitação
4.5.1 – Estudo da Variabilidade dos Estimadores de Precipitação
Nesta Seção iremos analisar as relações entre as variáveis estudadas. Para tanto foram
estabelecidas novas áreas de estudo, onde a grade utilizada tem a dimensão de 0.09º x
0.09º. Esta grade possibilita um estudo mais preciso do comportamento dos estimadores
de precipitação utilizados neste trabalho, como a temperatura de brilho e a refletividade.
A área de estudo consiste em quatro redes de trabalho compreendidas entre -10°5’e -12°
de latitude e -61° e 62°65’de longitude. Cada rede de trabalho possui uma quantidade
diferente de estações pluviométricas (como mostra a Tabela 3.1). Foram fixados quatro
“pixels” de radar e satélite que possuíam uma posição central em relação à grade de
0.09° x 0.09° utilizada (Tabelas 3.2 e 3.3). Para os dados de precipitação foram
92
eliminadas aquelas estações pluviométricas que não se encontravam dentro da área de
abrangência da grade.
Estabelecidos os “pixels” de radar e satélite e as estações pluviométricas utilizadas, fez-
se necessária a realização de testes estatísticos como o de correlação, a fim de estudar a
dispersão dos dados, para posterior utilização de média representativa de cada rede de
trabalho. A Figura 4.9 mostra a precipitação em mm/h medida em cada estação
pluviométrica em relação a média calculada em cada rede de trabalho. Cada símbolo
ilustrado em 4.9 a, 4.9 b, 4.9 c, 4.9 d representa medidas de precipitação em cada
estação pluviométrica. É possível verificar uma relativa dispersão das medidas,
principalmente na rede de trabalho 2. Este resultado mostra a grande variabilidade
espacial da precipitação quando medida por pluviômetros. Embora mostre uma clara
dispersão, os coeficientes de correlação são relativamente altos em torno de 0.85 e
portanto a média de cada rede de trabalho foi utilizada para descrever a precipitação
média da área. Estes coeficientes possibilitaram a ut ilização de valores médios que de
uma certa forma representarão as medidas de precipitação em cada rede de trabalho,
mostrados em 4.9. Avaliando a média em cada rede de trabalho verifica-se que à medida
que verificamos valores mais altos de precipitação (mm/h) os símbolos encontram-se
mais dispersos em relação ao valor médio, resultando no decréscimo dos coeficientes de
correlação. Este baixo coeficiente (em relação ao verificado entre as estações
pluviométricas) é devido a cada rede de trabalho encontrar-se separada espacialmente
mostrando uma variabilidade maior entre as medidas de precipitação obtidas entre as
redes de medidas, apesar dos coeficientes apresentarem valores mais baixos, as médias
são consideradas significativas segundo o teste de probabilidade T-student. Desse modo,
as medidas de precipitação em cada rede de trabalho apresentadas durante esta seção
serão todos valores médios. Nota-se nestas Figuras a existência de uma escala espacial
com alta variabilidade que não pode ser resolvida pelo satélite ou radar. Contudo, à
média das redes de trabalho apresentam uma descrição da quantidade de precipitação na
área.
93
40
30
20
10
0
Pre
cip
ita
ção
(m
m/h
) -r
ed
e d
e p
luvi
óg
rafo
s n
a N
etw
ork
1
302520151050Precipitação média na Network 1-(mm/h)
Network 1 r1=0.946
r2=0.962
r3=0.855
r4=0.855
r5=0.98
r7=0.979
r8=0.768
r9=0.959
r10=0.848
r6=0.981
Fig. a
Fig. 4.9 - Relação entre a precipitação (mm/h) registrada em cada estação
pluviométrica e a média da rede de trabalho (n em torno de 800): (a) rede
de trabalho 1 ; b) rede de trabalho 2; c) rede de trabalho 3; d) rede de
trabalho 4; e) relação entre a precipitação média das quatro redes de
trabalho e a média de cada rede de trabalho.
40
30
20
10
0
Pre
cip
ita
ção
(m
m/h
) -r
ed
e d
e p
luvi
óg
rafo
s n
a N
etw
ork
2
35302520151050Precipitação média na Network 2-(mm/h)
Network 2
r1=0.818
r2=0.837
r3=0.873
r4=0.935
r5=0.881
r6=0.882
r7=0.926
r8=0.902
r9=0.868
r10=0.875
r11=0.869
Fig. b
(continua)
94
40
30
20
10
0
Pre
cip
ita
ção
(m
m/h
) -r
ed
e d
e p
luvi
óg
rafo
s n
a N
etw
ork
2
20.017.515.012.510.07.55.02.50.0Precipitação média na Network 3-(mm/h)
Network 3 r1=0.942
r2=0.937
r3=0.963
r4=0.919
Fig. c
40
30
20
10
0
Pre
cip
ita
ção
(m
m/h
) -r
ed
e d
e p
luvi
óg
rafo
s n
a N
etw
ork
4
242220181614121086420Precipitação média na Network 4-(mm/h)
Network 4
r1=0.955
r2=0.909
r3=0.937
r4=0.869
r5=0.981
Fig. d
(continua)
95
(conclusão)
35
30
25
20
15
10
5
0Pre
cip
ita
ção
(m
m/h
) -
Ne
two
rks
1,2
,3,4
12.510.07.55.02.50.0Precipitação (mm/h) - Média entre as Networks
Network 1 - r=0.71
Network 2 - r=0.73
Network 3 - r=0.47
Network 4 - r=0.52
Fig. e
Diferentemente dos dados de precipitação mostrados anteriormente com um número
expressivo de estações pluviométricas em cada rede de trabalho (grade 0.09° x 0.09°),
os dados de temperatura de brilho e refletividade apresentavam um número limitado de
“pixels” contidos na área de cada rede de trabalho. A Tabela 3.3 mostra a latitude e a
longitude dos “pixels” de radar utilizados nesta seção e a rede de trabalho aos quais eles
pertencem. As Figuras 4.10 a, 4.10 b, 4.10 c, 4.10 d mostram as medidas efetuadas pelo
radar TOGA (CAPPI - 2 km) durante o período estudado dentro da área de cada rede de
trabalho. A partir das medidas desses “pixels” foi calculado um valor médio, que
posteriormente foi correlacionado com as medidas de cada “pixel”. Nota-se também que
a rede de trabalho 2 é aquela com a maior dispersão como foi observado pelas medidas
pluviométricas. Esse fato será discutido posteriormente.
Existe um padrão de variabilidade entre todos os “pixels” em sua respectiva rede de
trabalho. Este padrão vem de uma alta concentração de valores de refletividade até 20
dBZ próximos a curva de ajuste, onde ocorre uma pequena dispersão dos pontos.
96
Observa-se uma menor dispersão dos valores em torno da média com relação a aquela
observada pela rede pluviométrica.
Os dados CAPPI – 2 km são mais suavizados tendo em vista do próprio processo de
construção do CAPPI. Além disso, a medida do radar é realizada em uma área de
amostragem muito superior a área de captação do pluviômetro. Apesar de ocorrer essa
dispersão o coeficiente de correlação é muito significativo, alçando valores da ordem de
0.9, o que demonstra que estes dados de refletividade poderão ser representados pelos
valores médios de rede de trabalho. A Figura 4.10 representa a média das medidas de
refletividade em cada rede de trabalho relacionadas com a média das quatro redes. É
possível notar que existe uma dispersão maior entre as redes de trabalho que
internamente.
40
30
20
10
0
Re
fle
tivi
da
de
(d
BZ
) -p
ixe
ls 1
,2,3
,4-N
etw
ork
3
302520151050Refletividade média (dBZ) - Network 3
r1=0.945 r2=0.953
r3=0.962 r4=0.949
Fig. a
Fig 4.10 - Refletividade (dBZ) medida pelo radar TOGA (CAPPI 2 km), localizados
dentro de cada rede de trabalho e a refletividade média da rede de trabalho (n
em torno de 900): a)rede de trabalho 1; b) rede de trabalho 2; c) rede de
trabalho 3; d) rede de trabalho 4; e) Relação entre a refletividade média das
quatro redes de trabalho e a média de cada rede de trabalho.
97
40
30
20
10
0
Re
fle
tivi
da
de
(d
BZ
) -p
ixe
ls 1
,2,3
,4-N
etw
ork
1
35302520151050Refletividade média (dBZ) - Network 1
r1=0.955 r2=0.958
r3=0.957 r4=0.958
Fig. b
40
30
20
10
0
Re
fle
tivi
da
de
(d
BZ
) -p
ixe
ls 1
,2,3
,4-N
etw
ork
2
302520151050Refletividade média (dBZ) - Network 2
r1=0.939
r2=0.936
r3=0.919
r4=0.702
Fig. c
(continua)
98
(conclusão)
40
30
20
10
0
Re
fle
tivi
da
de
(d
BZ
) -p
ixe
ls 1
,2,3
,4-N
etw
ork
4
35302520151050Refletividade média (dBZ) - Network 4
r1=0.958 r2=0.951
r3=0.954 r4=0.961
Fig. d
35
30
25
20
15
10
5
0Ref
letiv
idad
e (d
BZ
) -
Net
wor
k 1,
2,3,
4
242220181614121086420Refletividade (dBZ) média entre a Networks
r=0.75 r=0.81
r=0.78 r=0.72
Fig. e
A mesma análise realizada para a refletividade do radar foi realizada para a temperatura
de brilho (Tir) (veja Figura 4.11 a, 4.11 b, 4.11 c, 4.11 d). É possível verificar que existe
pouca variabilidade da Tir entre os quatros “pixels” pertencentes a região de cada rede
de trabalho. Essa baixa variabilidade (Tir) pode ser explicada pelo fato dos “pixels”
encontrarem-se em uma área limitada espacialmente, não existindo diferenças muito
99
expressivas de temperatura de brilho entre os “pixels” vizinhos. Os coeficientes de
correlação de cada “pixel” em relação à média da rede de trabalho mostram valores
muito significativos superiores a 0.98. A temperatura de brilho apresentou os valores
mais elevados de correlação apresentados neste estudo. Mostrando que espacialmente a
medida do satélite é mais homogênea. Logo, foram utilizados igualmente como as
demais variáveis apresentadas anteriormente, um valor médio para cada rede de
trabalho.
A variabilidade espacial da Tir é normalmente utilizada para separar as partes
convectivas e estratiformes das nuvens. Por tanto são analisados variáveis como Sigma
(definida na Equação 3.1). Alder e Negri (1988) no método CST usa esta informação
para associar taxas de precipitação convectiva e estratiforme. Contudo, observamos que
este sinal é muito fraco, a correlação de 0,98 mostra que, neste caso, a variável Sigma
irá incorporar essas informações.
A Figura 4.11 e mostra a variabilidade entre a média de cada rede de trabalho em
relação à média entre as quatro. Existe uma variabilidade menor entre a temperatura de
brilho média em cada área estudada em relação ao valor médio da área total,
reafirmando que espacialmente a temperatura de brilho não apresenta grandes variações.
O estudo a ser mostrado posteriormente nesta seção irá considerar um valor médio que
representa o comportamento de cada rede de trabalho. Esses resultados mostram as
diferentes escalas espaciais envolvidas nas medidas dos pluviômetros, radar e satélite.
100
300
280
260
240
220
Te
me
pra
tura
de
bri
lho
(K
) -p
ixe
ls 1
,2,3
,4-N
etw
ork
2
300290280270260250240230220210Temperatura de brilho média (K) - Network 2
r1=0.988
r2=0.993
r3=0.983
r4=0.996
Fig. a
Fig. 4.11 - Temperatura de brilho medida pelo satélite GOES-8, localizados dentro de
cada rede de trabalho e a Tir média entre os quatros “pixels” (n em torno de
900); (a) rede de trabalho 1; b) rede de trabalho 2; c) rede de trabalho 3; d)
rede de trabalho 4; e) relação entre a temperatura de brilho média das quatro
redes de trabalho e a média de cada rede de trabalho.
300
280
260
240
220
200Te
me
pra
tura
de
bri
lho
(K
) -p
ixe
ls 1
,2,3
,4-N
etw
ork
1
300290280270260250240230220210200Temperatura de brilho média (K) - Network 1
r1=0.993
r2=0.992
r3=0.993
r4=0.993
Fig. b
(continua)
101
300
280
260
240
220
200Te
me
pra
tura
de
bri
lho
(K
) -p
ixe
ls 1
,2,3
,4-N
etw
ork
3
300290280270260250240230220210200Temperatura de brilho média (K) - Network 3
r1=0.994
r2=0.994
r3=0.993
r4=0.993
Fig. c
300
275
250
225
200
Te
me
pra
tura
de
bri
lho
(K
) -p
ixe
ls 1
,2,3
,4-N
etw
ork
4
290280270260250240230220210200Temperatura de brilho média (K) - Network 4
r1=0.994 r2=0.992
r3=0.991 r4=0.993
Fig. d
(continua)
102
(conclusão)
300
280
260
240
220
200
Tem
pera
tura
de
brilh
o m
édia
- N
etw
ork
1,2,
3,4
300290280270260250240230220210Temperatura de brilho média entre as Networks
r=0.86
r=0.94
r=0.92
r=0.86
Fig. e
4.5.2 - Relação Entre os Estimadores de Precipitação e o Comportamento em
Relação aos Regimes de Leste e Oeste em Cada Rede de Trabalho
4.5.2.1 - Temperatura de Brilho e Refletividade
Neste item será enfocado o grau de relação existente entre os estimadores de
precipitação utilizados neste trabalho. O conjunto de dados foi reduzido, sendo utilizado
o conjunto partir do dia 14 de janeiro de 1999. Esta redução no conjunto é resultado de
problemas nas imagens em determinados horários, dificultando a precisão das
estimativas realizadas posteriormente.
As Figuras 4.12 (a,b,c,d) mostram a relação entre a temperatura de brilho média a cada
hora e a refletividade média a cada hora em cada rede de trabalho. Nesta Figura é
possível verificar uma certa relação entre a Tir e a refletividade (CAPPI - 2 km). Esta
Figura mostra ainda a distribuição dos eventos em que foram caracterizados pelos
Regimes de Leste e Oeste, sendo representados pelos algarismos 1 (regime de leste) e 2
(regime de oeste) e as curvas médias de ajuste para o conjunto de dados e para cada um
dos regimes apresentados.
103
A rede de trabalho número 1 (Figura 4.12 a) é marcada por uma grande concentração de
eventos basicamente convectivos (altos valores de refletividade e baixos valores de
temperatura de brilho). Mas ao mesmo tempo nota-se a presença de eventos com baixa
temperatura de brilho (nuvens associadas a convecção profunda) e refletividade
inferiores a 10 dBZ (precipitação moderada a fraca), acontecendo em ambos os eventos
de leste e oeste, provavelmente associados a nuvens cirrus. Devido a grande dispersão
dos dados, estes foram devidamente ajustados através de uma curva média (curva em
preto). As demais curvas médias mostradas na Figura são referentes aos eventos de
regime de leste e oeste. Pode ser verificado que a curva média mostra uma tendência de
aumento de Tir com a reflectância associada a uma grande dispersão. Contudo, verifica-
se que a curva média é bastante similar às curvas médias dos regimes de leste e oeste.
É possível verificar a existência de aglomerados de eventos de oeste e leste em quase
todos os intervalos de temperatura de brilho. Contudo, nota-se uma população maior no
caso de eventos de oeste, onde a alta refletividade é associada a baixa temperatura de
brilho. Quando são verificadas temperaturas de brilho elevadas (acima de 245 K) é
possível notar a alta concentração de eventos em ambos regimes com baixa ou nula
refletividade. Neste intervalo a refletividade é praticamente constante não variando com
a Tir. Esse fato mostra que uma relação média entre a temperatura de brilho e a
refletividade ocorre de forma acentuada somente para limiares mais frios do que 245 K.
Apesar das significativas diferenças entre os dois regimes (veja Machado et al, 2001 e
Laurent et al, 2001) a inter-relação entre temperatura de brilho e refletividade é
praticamente a mesma.
Na rede de trabalho 2 (Figura 4.12 b) existe uma menor dispersão dos dados (ambos
eventos) em relação a curva média, pois os dados estão mais concentrados e próximos a
esta. Existe uma grande quantidade de eventos de leste e oeste em que a refletividade é
nula em todos os intervalos de temperatura de brilho. Pode-se notar uma diferença
maior entre as curvas médias dos eventos de regime de leste e oeste, do que aquela
mostrada na rede de trabalho 1, e ao mesmo tempo verificou-se a existência de
104
aglomerados eventos de oeste, porém menos intensos. Nota-se que ambos os eventos de
leste/oeste apresentam uma configuração bem organizada.
As curvas, bem como o comportamento nas redes de trabalho 3 e 4 são semelhantes. A
inexistência de eventos em todo o conjunto de dados com temperatura de brilho no
intervalo de 200 K e 210 K acontece em ambas as redes de trabalho. A atividade
convectiva nessas duas áreas também apresentam uma grande dispersão. As curvas
médias das duas áreas apresentam um ajuste aos dados associados a uma alta dispersão.
A área representada pela Figura 4.12 d apresenta valores superiores, fazendo com que a
curva seja mais suavizada ao contrário da 4.12 c, que diminui bruscamente a partir de
215 K. A presença de vários eventos de oeste e principalmente eventos de leste com alta
temperatura de brilho e alta refletividade pode ser observada em todas as redes de
trabalho. Esses casos de nuvens com topos relativamente baixos associados a
precipitação moderada em 2 km são provavelmente devido a nuvens estratiformes.
35
30
25
20
15
10
5
0
Re
fletiv
ida
de
a c
ad
a
ho
ra (
dB
Z)
300290280270260250240230220210200Temperatura de brilho a cada hora (K)
2
2
2
2
2
22
2
2
2
2
22
22
2
22 222
2 2
2 2 222
2
2
2 22
2
2
2
22 22
2
22
22
2 2
22
222
22 2222 2222222
2
2
2
22
2
2
2
2 222
22
22
2
2
22
22
2 2
2 222222222 1 11111 1 1 1 11111
1
111
11 1111 111
11
1
1 11 1
11
1
1
1
1 1 1111 1 1 11 11111
11
1
1
1111
1 1 1 1111
1
1
11 1 111 11111 1 1 11111111
1
1
1 1
11 11 1 1 1111 1
1
1 111111111 111 1111
111 11 111 111111 111111 11
1
11 11 1 1111111 1
1
1
11 1
1111 1 111 1 1 11 111
1111
1
1111 111111111111111 1
1111111 1
1
112 2 2 2 22222 22
22 222
2
22
2 222
22
22 2 222 2222
2222
2
2
2 222 22222222 2 22 22
22
2 2222 2
22
2 222 2
2 2 222 2222
2
2
2
2
2 22 22222
2 2
222
2 2
222
2 22
2
2222222 2222
22
2
2
22
2
2
2
2
22 2222 22 2 222
2 2 2 2 2
22
2 222222
2
22 222
22 222 2 22 222222222 2 222222222 222222222 222 2
2 2
2 22
1
1
11
11111 1 111 111 1 1111111 11 1 1111 11
111 1 11 111 1
111 11111 11111 1
1
11 111
111
111111
1 111 1 11 1 111 11
1
1
11
1
1
1
111 1 1 11
11
1
1
11 11 1 11 111 1 1 11 11 1 1
11
1
1
1
1
1
1 11111 11 11 1 11 111
1
1
1
1 111 1 111
1
11
1
1
1
1
111 111111
111 1111 1
1
11111111 111
1
1
11 1 111 111111 111111 11
1
11
11
1 11111 11 111 1 11 11111
1 1 11
11
11 11
1
2 2
2 22
22
2
222
2 22 222 2222222222
2
2
2
2222 2222
2
2
222 2 22
2
222
2
2
2
22
22
2 2
2 2 22 2222222 2 2 222 2
22
22
2
22
2
22
22
2
2
22
22
222
22
2
2
2
2
2
2
2 2 2
2
22 2222
Network 1 1-Regime de leste 2-Regime de oeste
Curva média
Curva média (leste)
Curva mëdia (oeste)
Fig. a
Fig. 4.12 - Refletividade em função da temperatura de brilho e a distribuição dos
regimes de leste (1) e oeste (2), e suas respectivas curvas médias: a) Rede
de trabalho 1; b) Rede de trabalho 2; c) Rede de trabalho 3; d) Rede de
trabalho 4.
(continua)
105
35
30
25
20
15
10
5
0
Re
fletiv
ida
de
a c
ad
a
ho
ra (
dB
Z)
300290280270260250240230220210Temperatura de brilho a cada hora (K)
22
2
222
2
2
22
2 22 2
2
22
2
2
2
2
22
22 2 22 2
22222
22
222 22
22
22 2
22
22
222
2 2222 222222 22222
2
2
222 2222
2
2
2
2222
2
22
2
2222222222 111111 1 1 111 11 1111111 1 11 1 1 11
111
11
11 11
1
1
11 1
11111 1 11 111111
11
1
111
11 1 1 111111111
111 1 1111 1 1 1 11111 1
1
11
1 1
1111 111 111 1 11 11111
1111
1
1111111 1
1
1
11111 1 1 111 1 111111 11 1 1 1 111 1111
11 1
1
1
1
1
11
1111 1 11 11 111 11
11 1
111
1
1 111111111111111
1111111 111
111
2 2
22 22222
22 22 2222
222
2
2 2
22
22 2 2 222
2
22
2
2 22
2
222 22222222 2222
2
2
2
2
2
2
2222222 2 2 22 2
222 2222 2 2 22
222
22 2 222 2
2 2
2222 2 22 2 2 2
22
2 2222 222 222222
2
2
2
22
2
2 22 2222222 2222 22 2 2
2222 2
222
222222 222 2 2 22 2 2222 22222 2 22 22
2
2
2
2
2 222222 2222
2
22 22 2
2 221
1
11
1
11111
1 111 111 1111111 11 1 111 111
111 1 11 1
1
11 1 1 11 1111 1111 11
11 1 11111 1 111 1 111 11 11 11
1
11 11 1
1
1
1 1
1
11
111 1 1 1 111
1
11
1
111 111 111 11 111 1 1
1111
1
11
1 1 1 11 1 11 11 1 11 111 1
11
1
111 1
11
1
1
1
1
11
11
111 11 11 1 1 111 1111 11
1111111 111 11
11
1 1111111 11111111111
1
11
1
1
1 1 1 1111 1111111 111
11
11 1 11
11 1111
22
22
2
222
222
2
222 2
22
22222222222
2
22
22 2 2
22
2
2
2
2 2 222
2
22
2 2
22
22
2 22
22 2 22
22 2222 22 2 2 222
2
2
2
2
2
222
2 2
22
2 22
22
2
2
222
2
22
22
2
22 2
22
2
22222
Network 2 1-Regime de leste 2-Regime de oeste
Curva média
Curva média (leste)
Curva média (oeste)
Fig. b
35
30
25
20
15
10
5
0
Re
fletiv
ida
de
a c
ad
a
ho
ra (
dB
Z)
300290280270260250240230220210200Temperatura de brilho a cada hora (K)
2
2
22
2
2
2
2
2
2
2
2 22
2
2
2
2
22 222 2 2 2 2 222
22
22
22
2 2 222
2
22
2 2
2 22
22
22 222 22 222 22 2
22
22
2
2222
2 22
2
2
2
2 222
22
2
2
2
2
22222222 2
1
11 1 11 111 1111 1 11111
1
1 111 111111
11
1 1111
1
1
1
1
111 111 11 11111
1 1 111 1 11 1 1111111 1 1
11 1 1 111111 1 111
1
11 1 11
1 1
1111 111 1 11 1 1 1 111
1
1
1 11 1 11
111 111 111
11 1 1 1 1 111 1 1 111111 11 11 1 1 111 1 1111
1
111 1 1 1 11111 11 1 11 1 1111 11 111
1
111111 111111111
11
111111111 1 2 2 22
2 222 2 22 22222
22
2
2
2
2
2 22
2
2 2 2 2222 2
22
22
2
2222 222 222222222
22
2
22
2
22 222 22 2 2 2 22 2 222 2
222
2
2222
2
22 2222
22
2222
2 222 2 222
222 222222222
222
2
22
2
22 2 2 22 222222
22222 22 2 22 2
2
2 22
2
2
22 222 2222 2 2 22 2 222 2 2222
22
2 222
22222 22222
22
2
2 22222 2 2221
1
11
1
1
11
11
11
11111 1111111 111 111 111
1
11
11 1 111
11 1 111 111 1 11111
11 1 111 11 1 111 1 1 11 11 111
11
111 11
1
11
1
11
1
11 11 1111 1 1 1 111111 1 11 11
1
1 11111 1111 11111 1 1 111
1
1
1111 1 111
1
1
11
1
1111
1111 1 1 111 111
1
1
1
11
1
111 1 1 1 11 1 11 1111111111111111
11
1
1 111 11111 1 111 1 1 111111 1 11 11 11111
22
2
2
2
22
2 222 2 2 22 2
2222222222222 2 2 222 2 2
2
2
22 2 2 2222
2
2
222
2
2
22
2
222 2
22
2
2222 22 2 222
2
222
2
2 2 2 22
222
2
22
2 2
2 222
2
22
2
22
2
2
2
2
2
22 2 22
2
Network 3 1-Regime de leste 2-Regime de oeste
Curva média
Curva média (leste)
Curva média (oeste)
Fig. c
(continua)
106
35
30
25
20
15
10
5
0
Re
fletiv
ida
de
a c
ad
a
ho
ra (
dB
Z)
300290280270260250240230220210200Temperatura de brilho a cada hora (K)
2
2 2
2 222
2
22
2
2
2
22
222
2
2 2 2 22 2 22 22
2
2
22
2
2
2
22 22
2
22
2 2 2
2
2
22
22
2 222 222 222 22 222222
2222
22
2222
2
22
2
2
222
2
2
222222222 111 11
1 1
1 111 111
1111111
1
1
1
1 1 1 1 11 11 1 111
1
1
11
1 1111 11 1 11111111
1
1
11
1 1 11 1111111
1
11
1
1 1 1 1 1111 1 1 111
1
11 11 1 1 1 11
11
11
1 11 111 11111111 111 11111
111 1
1
1
1
1 1
11 1 111 1 1 1111111 1
1
1 1 1 111 1 1111 111 11 1111 11 11
1 1 1 11 11 11 111 1 1 1 1111111111111 1 1
1 1
1
1
1111111 222
22 222 2 22
2 2222
2222
2
222
2
22
2 2222 2
22
2 2 2222
22 2222 2222 222
222
22 2
2
2 2222 2 2 2 2 22 2 2 22 222 2 2
22
2 2
2
2
2
22 222
22
2222 2 2 2 22
2
2
22 2 2222222222
2
2 2
2
2
2
2
2
2
2 2 2
22
2222222222 22
22
22
22
2
2
2 2 22 222 2 22 22 2 22 2 22222222
2
22222222222222
2
2
222
2
22 222 2221 1
11
1
11111 1
1
11 1 11 1 1111111 11 11 1 11
1
1
1
1111 111 111 1 111 11111 11
111
1
1
111 1 1111 1 11 1 1 11
1
11
1
1
111
111 1
1
111 111 1 1 111 1 1 11 11
1 11
1 11 11
1
1
1 11 11111 1 1111 11 111111
11111 1111
1
11
11
11
1
1 1
11 1111111
11
1 11
1
1
1 11 1 1 11
1
11 11111111111111
1
1
111 1 1 1111 1 111111
11
11
1 1 1 111 1111
1 2
22
22
2 22 22222
2
22 222222222222
2222 222 2
22
22
2 2222
2
2
2
2
2 22222 22 22
2
2
2
2 222222 2 2 2 22 22
2
2
222
222 2
22
2222 22
2
2
22
2
22
2 222
2
22
22 2 2 2
2
Network 4
1-Regime de leste 2-Regime de oeste
Curva média
Curva média (leste)
Curva média (oeste)
Fig. d
4.5.2.2 - Temperatura de Brilho e Precipitação
Neste item foram relacionadas a temperatura de brilho e a precipitação. Com o objetivo
de verificar se os estimadores estudados são eficazes na descrição da precipitação
medida por pluviômetros nesta escala espacial e temporal. As Figuras 4.13 a, 4.13 b,
4.13 c, 4.13 d mostram a relação existente entre a precipitação observada em cada rede
de trabalho e as respectivas temperaturas de brilho média medida pelo satélite nesta
região. Nessas Figuras são mostradas, como no item anterior, os eventos de leste e oeste
nas quatro redes de trabalho.
Em 4.13 a, 4.13 b,4.13 c,4.13 d é possível verificar algumas conclusões apresentadas
nas seções anteriores, sendo estes resultados apresentados para uma área maior em
relação a que está sendo estudada no momento. Estes mostram que os eventos de
regimes de leste tem uma duração de dias menor, mas, por outro lado, são mais intensos
do que os eventos de oeste verificados. Isto pode ser comprovado através das Figuras
abaixo.
Em 4.13 a, a partir de Tir 245 K foi verificada uma grande ocorrência de eventos de
oeste que geraram precipitação fraca ou estratiforme e ao mesmo tempo ausência de
107
eventos de leste. Na rede de trabalho 2 é possível verificar que os eventos de leste
(representados pelo algarismo 1) continuam associados a valores altos de precipitação
(mm/h) e a baixas temperaturas de brilho (Tir < 240 K), mas estes eventos não são tão
intensos com relação a quantidade de chuva (mm/h), como na rede de trabalho 1. Por
outro lado, os eventos de oeste, que geralmente são associados a uma precipitação mais
fraca, apresentam eventos em que a precipitação média a cada hora alcança valores em
torno de 10 mm/h.
A rede de trabalho 3 (Figura 4.13 c) é marcada por uma ocorrência menor de eventos
em que tenham sido verificados registros de alta precipitação. As curvas médias que
representam o conjunto total de dados e os regimes de leste/oeste mostram que a grande
quantidade de eventos aos quais, a precipitação é praticamente nula fazem com que
estas curvas sejam atenuadas de forma que representem valores médios muito baixos. O
mesmo acontece com os eventos que representam a rede de trabalho 4.
Na rede de trabalho (número 4) foram encontrados os menores registros de chuva
durante o período. Na rede de trabalho 3 e 4 nota-se que desaparecem a presença de
eventos (leste/oeste) onde a temperatura de brilho encontra-se entre 200 K e 210 K. Se a
relação refletividade versus Tir varia relativamente em acordo (menor temperatura de
brilho/maior refletividade) somente a partir de 245 K para a relação precipitação versus
temperatura de brilho, esse fato ocorre somente para valores inferiores a 235 K.
Verifica-se também uma grande dispersão em torno da média, deixando claro que
muitas vezes, na escala de medida do pluviômetro, temperaturas de brilho frias (< 235
K) podem estar ou não relacionadas com a alta precipitação. Arkin e Meisner (1987)
observaram uma forte relação entre a precipitação convectiva tropical e frações de
cobertura de nuvens com limiares inferiores a 235 K sobre os Oceanos e em uma área
várias vezes maior que a utilizada neste estudo. Esse fato mostra a dificuldade de se
relacionar as duas medidas sobre o cont inente e em uma pequena área. Fica claro que a
variabilidade da precipitação dentro da própria rede de trabalho impossibilita gerar uma
108
relação direta. Nota-se nesta escala a existência de diferentes tipos de nuvens com a
mesma temperatura de brilho.
25
20
15
10
5
0
Pre
cipi
taçã
o (
mm
/h)
300290280270260250240230220210200Temperatura de brilho a cada hora (K)
22 2 2 22222222
2 2
2
2
22 22 222 2222 2 22 2 22 2
2
22 222 2 2 22 22 2 222 2 2 222 222 22 2222 222222 2222
22 2222 2222222 2 2 22222 2 2 222222222 1 11111 1 1 1 11111111111 1111 111 11 1 1 11 11111 1 1 1 11 11 1 1 111 11111111 11 11 11 1 1 1 111111
1
1 11 1 111 11111 1 1 11111111111
1
1 1 1 1 1 11 1 1 1111 1 1 11 111111111 111 1111111 11 111 111111 1111111 111 11 11 1 11111 11 1
1
1
11 11111 1 111 1 1 11 1111 1111
1111 111111111111111 1 11111 111 1 1 1122 2 2 2 222222 2 2 22 222222 2 22 222 22 2 222 222222222 22 222 22222222 2 22 22
2
22 2222 222 2 222 2 2 2 222 222 22 22
22 22 22222 2 2222 2 22 222 2 222 2222222 222 2222 2 222 22
2 22 2222 22 2 2222 2 2 2 222 2 2 222222
2
22 22 222 222 2 22 2222222222 222 2 222222222 222 22222222 222 22 2 22 2222
2
2 2 2222 22
2
22 22 222 2 2 2211 1
111111 1 111 111 1 1111111 11 1 11111 11111 1 11 1 11 111 1 11111 1 1 1111 11111 1 11 1111111 1111 11 111 11 111 11 1 111 11111 1111111 11
111 1 1 1111111 1 1 11 1111111
1 111 1 111 111 111 111 1 111 1 111 1 111 1111
1
1
1
111 111 1 1 111111 1 1 11 1 11 111 1 1 11 111 1 1111
1
1 1 1 11 11111 11 11 1 11 1111
1
1 1 1111 1 1 111
1
11
1 1 1111 111111 1111 1111 1 1 11111111 11 1
11
1 1 1 1 11111 111111 1 11111 11111 1 11 11111 11 111 1 11 11111 1
1 111 1 11 1112 2 2 222 2 2 2 222 22 222 222222222222 2 2222 22222
2
2 222 2 222 22222222222 2 2 2 2 22 22222222 2 2 222 22
2 2 22
2 22
2 2 2 2 2 22 2
22
2 2 22222222 2
2
2
2 2 2 2 2222 2222 22222222 2 22 2 222
2
2 2222 2
Network 1 1-Regime de leste 2-Regime de oeste
Curva média
Curva média (leste)
Curva média (oeste)
Fig. a
Fig. 4.13 - Precipitação em função da temperatura de brilho verificada e distribuição dos
regimes de leste (1) e oeste (2) e suas respectivas curvas médias: a) rede de
trabalho 1; b) rede de trabalho 2; c) rede de trabalho 3; d) rede de trabalho 4.
(continua)
25
20
15
10
5
0
Pre
cipi
taçã
o (
mm
/h)
300290280270260250240230220210Temperatura de brilho a cada hora (K)
22 2 22 22 2
22
2
22
22
2 22 22 222 2 222 2 222 2 2 2 2222222 2 222 22222 2 222222 222 2222 222222 222222 22 22 2222222 2222222 2 2 222222222 1 1111 1 1 1 111 11 1111111 1 11 1 1 1111 1 11 11 11
1
1 1 1 1 11111 1 111 1 11111111 111 111 1 1 1111111
1
11 1 111 1 1111 1 1 1 11111111 1 1
11
1 11111 111 111 1 1 11 111111111 1 1111111 111 11111 1 1 111 1 111111 1 11 1 1 1 111 11111 1 111
1
11 11111 1 11 11 111 1111 11111
1 1111111111111111 1 111111 111 1 11 22 22 2 222222 22 22 2222222 2 2 222 22 2 2 222 2 22
22 22 2222 22222222 22222
2
2 2 22222222 2 2 22 2 2 22 2222 2 2 22222 2 2 2 222 2 2 2222 2 2 222 2 2 222 2 2222 222 222 2222
2
222 22 22 2222222 2222 22 2 2 222 22 222
2222222 222 2 2 22 2 22222 22222222 2 22 222
2
222 22222222 2222222 2 2 2 22 222222 2 22222
2
2
2
2 2 22 22 2 2 221 1 1 11 11111 1 1 11 111 1111111 11 1 111 1111111 1 11 1 1111 11 11111 1 11111 111 1 11 1 11 11111 1 1111 1 1 11
1
1 1 1111 11 1 1 11 11 11 1 1111 11 111 11 1 1 1111 11111 1 1111111
1
1 1 111 111 11 1 111 1 111 11 11 1 11
1
11 11 111
11
11
1 11 11 1 1 1 11111
1
1 1 11 111 111 11 1111 1 1 111111 1 11 1 1 11 1 11 11 1 11 111 111
1
1 111 11 1 11111 111111 11 1 1 1 1 1111 1111 1 1 1111111 111 1111 1 1 1111 11111 111111111111111
1
1 1 1 1111 1111111 11111 11 1 1111 111 1 222 2 222 2 222 2 222 222 2222222222 2 2 22 22 2 222
222 2 2 2 2 222 222 2 222222 22 22 2 2222 22222 22 2 2 2222
22 2
222 2 2 2 2 2 222 2 222
2 22
222222
22
2 2 2 2
2
2 2 2 2 2222 2 222222 2 2222 2 2
222
22 222
Network 2 1-Regime de leste 2-Regime de oeste
Curva média
Curva média (leste)
Curva média (oeste)
Fig. b
109
(conclusão)
25
20
15
10
5
0
Pre
cipi
taçã
o (
mm
/h)
300290280270260250240230220210200Temperatura de brilho a cada hora (K)
222 2 2 2 2 2222 2222 2 22 222 22 2 222 222 2 2 2 2 222 222 2 222 2 2222 2 2 2 2 2 2222 22 222 22 222 22 2222222 2222 2222 22 2222222 2 2 22222222 2 111 1 11 111 1111 1 111111 1 111 111111 11 1 111111 1 1 111 111 111 1 1111 1111 1 111 1 11 1 111111111 1 111 1 1 111111 1 1 11111 111 1 111 11111 111 1 11 1 11 1 11111 1 11 1 11111 111 11111 1 1 1 1 111 1 1 1111111 11 11 1 1 111 1 111 11111 1 1 1 11111 11 1 11 1 1111 11 111 1 1111111 1111111111 1 1 11111111 11 1 22 2 22 2 2222 2 22 222222 2 2222 2 222 2 2 2 2222 222 2222222 222 222222222 2 2
22 2 2 22 222 22 2 2 2 22 2 222 22 22 2 22222 2 2 2222 2 2 22222 2222 2 222 2 22 2222222222222
2
2
2 2 2 2 2 22 222222 2222 2 22 2 22 2222 22
2
2 22 222 222 2 2 2 22 2 2222 2 22222222 2 2 22222222 222222222
2
2 2222 2 2 222222 2 22
222222
22
22 22 22 2 22211
11 1 1111 1 1 11 1111 1111111 111 111 1111 11111 1 1111 1 1 1111 111 111 11 1 111 11111 1111 1111 111 1 1 1
11 1 1 1111 11 1 111 111 1 1111111 11 11 1 11 11 111111 1 111111
111 1 111 111 11 1 111 1 1 11 11 11 1111
1 111 1111
1
1
1
11 1 1 11 11 1111
1
1
1 1 1 1 111111 1 11 11 11 1 111111 1 111 1111 11111 1 1 111
1
11
1 1 1111 1 11111
1
11 1 111 1 111 1 111111 111 11111 1111 1 1 1 111111 1 11 1 1 1111111111111111
1
1
1 1 11 1 11111 1 111 1 1 111111 1 11 11 11111 22 2 2222 2 222 2 2 22 2222222222222 2 2 2 222 2 222222 2 2 2 2 22222
222 22 2222 2 222 2 222 22222 22 2 222 2 222 22
22 2 22 2 22 22 2 2 222 2 2 2222
222 22 2 2
2
2
22 2 2 2 2222 2 22222 2 2222 2222
2
222 22
Network 3 1-Regime de leste 2-Regime de oeste
Curva média
Curva média (leste) Curva média (oeste)
Fig. c
25
20
15
10
5
0
Pre
cipi
taçã
o (
mm
/h)
280260240220200Temperatura de brilho a cada hora (K)
22 22 22 222 22 22222 2 2 2 22222 2 2 2 2 22 2 22 222
2 22
2 2 222 2222
22 2 2 22222 2 2 222 222 222 22 2222222 222
22 22222 222 2222 2 2 222222222 111 1111 1 111 111 1111111 1
1
1
1 1 1 1 11 11 1 1 11
1
11 1 1 1 111 11 1 11111111111 1 111 1 11 11111111 11
11
11 1 1 1 1111 1 1 111111111 11 1 1 1 1111
11 1 1 1 111 1 11111111 111 11111111 1
1
11 1 1 11 1 111 1 1 11111111 111 1 1 111 1 1111 111 1 1 1111 11 11 1 1 1 11 11 11 111 1 1 1 111111111111111 1 1 1
1
1
1 11111111 2 22 2 22 2222 2 222 2222
2
22 2 2222 22 2 2 2222 222 2 2 222222 2222 2222 2222 22
22 2 2 2 2222 2 2 2 2 22 2 2 22 222 2 222
2 22
2 222 222 2 2 2222 2 2 22 2222
2 2 2 2222222222 22222 2
22 2 2 2 2
22 2222222222 222 2 222 22
2
2
2 2 22 222 2 22 22 2 22 2 2222222222222 22 2222222222222222
222222 2 2 2 22222 22 2 2222222
2
2 2 2 22 222 2221 1 1 1 1 11111 111 1 1 11 1 1111111 11 11 11111
1
1 1111 1 111 1111 11 111 1 11 11 111 1 1111 11 1 111 1 1 1 111 1 1111 1 1 1111 111 1 111 11111 11111 11111 11 1111 1 111 1 111111111 111 1
1
111 1 1111 1 11 1 1 11 1 1
1
111 1 11111111 1 1 1 11 111 1 1 111111 1 1 11 111 111 11 111
1
1 1 11111 1 11 1111 1 1111 11 11111
1
1
1 1 11111 11111
1
111
1 1 1 1 1 11 1111111111111 11111 11 1 1 11
1
111 1 11 11 1111111111111111111
1 11 1 1 1111 1 111111 1 111
1 1 1 111 11111 2 22 222 22 222 222 22 2222222222222 222 222 2222 222 2 2 2 22222
2
2 22 22222 22 222
2
22 22222 22 2 2 2 22 2222
2 2 22 22222 2 22 2 222 22
22
22 2 22 2 22 22
2
2 22 2 2 2 2222222 222 22 22 2 2 22222 2 22
Network 4 1-Regime de leste 2-Regime de oeste
Curva média
Curva média (leste)
Curva média (oeste)
Fig. d
110
As curvas médias da refletividade e precipitação nas quatro redes de trabalho podem ser
vistas claramente nas Figuras 4.15 e 4.16 respectivamente. Estas Figuras permitem
observar que a curva média apresentada para cada rede de trabalho tanto para a
refletividade como para a precipitação são bastante similares. As diferenças existentes
entre os eventos ocorridos em cada rede de trabalho estão associados a diferentes
concentrações de pontos em diferentes partes da Figura, contudo, a relação da
precipitação com Tir e Tir com refletividade se mantém. A diferença nas intensidades
dos eventos convectivos nas redes de trabalho pode estar associada ao relevo (uma das
forçantes da atividade covectiva). As diferenças de alturas na superfície associadas ao
aquecimento radiativo induzem pequenas circulações locais, que de certa forma
alimentam e fazem a manutenção da atividade convectiva. A Figura 4.14 mostra o
relevo e a posição de cada rede de trabalho. Notamos que a rede 1 fica em uma região
baixa e homogênia, já as redes 3 e 4 se localizam em regiões planas de 200 a 300 m. A
rede 2 se localiza em uma região com forte gradiente de altura, o que pode explicar o
diferente comportamento encontrado.
111
Fig. 4.14 - Mapa do relevo da região das redes de trabalho, onde as redes de trabalho são
representadas pelos quadrados vermelhos.
112
20.0
17.5
15.0
12.5
10.0
7.5
5.0
2.5
Ref
letiv
idad
e (d
BZ
) -
Esc
ala
de t
empo
de
1 ho
ra
280270260250240230220210Temepartura de brilho (K) - Escala de tempo de 1 hora
Curva média - Network 1
Curva média - Network 2
Curva média - Network 3 Curva média - Network 4
Curva média das Networks
Fig. 4.15 - Curvas médias de refletividade
para cada rede de trabalho e a
curva média das quatro redes
de trabalho.
6.0
5.0
4.0
3.0
2.0
1.0
0.0
Pre
cip
ita
ção
(m
m/h
)
280270260250240230220210Temperatura de brilho (K)-escla tempo de 1 hora
Curva média - Network 1
Curva média - Network 2
Curva média - Network 3
Curva média - Network 4 Curva média das Networks
Fig. 4.16 - Curvas médias de refletividade
para cada rede de trabalho e a
curva média das quatro redes de
trabalho.
4.5.2.3 – Comportamento da Curva Z-R em Relação aos Dados de cada Rede de
Trabalho
As Figuras 4.17 a, 4.17 b, 4.17 c, 4.17 d mostram a precipitação em função da
refletividade em cada rede de trabalho sobreposta a curva Z-R. As Figuras abaixo
mostram que existe uma relação entre estas duas variáveis, confirmada através dos
valores elevados de precipitação relacionados igualmente a refletividade (dBZ) elevada.
Os resultados mostram que a curva Z-R descreve uma característica geral da relação
precipitação e refletividade, principalmente nas redes de trabalho 1 e 2 (Figura 4.17 a,
4.17 b), apesar de encontrar pontos que mostram valores elevados de precipitação
associada a baixos valores de refletividade (associada à precipitação fraca a moderada-
Figura 4.17 a). Existe uma grande dificuldade de ajuste da curva Z-R para valores de
refletividades superiores a 30 dBZ nas quatro redes de trabalho. Nota-se uma grande
dispersão dos valores em torno da curva ajustada. Esse fato é devido a escala da medida
do pluviômetro estar associada a grande variabilidade espacial e aos diferentes tipos de
precipitação com diferentes distribuições de tamanho de gotas de chuva. Nota-se que os
113
ajustes para cada área de trabalho são relativamente similares estando os coeficientes A
em torno de 12,77 a 15,54 e B de 2,63 a 2,85.
25
20
15
10
5
0
Pre
cipi
taçã
o (m
m/h
)
35302520151050Refletividade (dBZ)
Network 1
Curva Z-R
P=(Z/13.44)2.70
Fig. a
Fig. 4.17 - Precipitação em função da refletividade, superposta a curva Z-R a) rede de
trabalho 1; b) rede de trabalho 2; c) rede de trabalho 3; d) rede de
trabalho 4.
25
20
15
10
5
0
Pre
cipi
taçã
o (m
m/h
)
302520151050Refletividade (dBZ)
Network 2 Curva Z-R
P=(Z/12.37)2.63
Fig. b
(continua)
114
(conclusão)
25
20
15
10
5
0
Pre
cipi
taçã
o (m
m/h
)
302826242220181614121086420Refletividade (dBZ)
Network 3
Curva Z_R
P=(Z/15.54)2.77
Fig. c
25
20
15
10
5
0
Pre
cipi
taçã
o (m
m/h
)
35302520151050Refletividade (dBZ)
Network 4
Curva Z-R
P=(Z/14.68)2.85
Fig. d
4.5.2.4 Estimadores Integrados a cada 3, 6 e 24 horas
Neste item será realizada a mesma análise mostrada nas seções 4.5.2 e 4.5.3. Nesta os
dados serão integrados em função do tempo em intervalos de 3, 6, e 24 horas. A
integração dos dados permite reconhecer em que intervalo de tempo os estimadores de
precipitação utilizados neste trabalho são mais eficientes e estão melhor relacionados.
115
Considerando a dificuldade (dispersão) na estimativa de precipitação via satélite, nesta
escala espacial e temporal, pretende-se verificar esses ajustes em diferentes escalas
temporais, pois à medida que os dados são integrados no tempo a estimativa mostra uma
confiabilidade maior.
As Figuras 4.18 a, 4.18 b, 4.19 a, 4.19 b, 4.20 a,4.20 b mostram as variáveis utilizadas
neste estudo integradas a cada 3, 6, 24 horas. Foram realizadas médias entre as 4 redes
de trabalho, pois de acordo com as Figuras 4.15 e 4.17 as curvas médias não
apresentavam diferenças significativas em seu comportamento, utilizando um valor
médio que representa as quatro redes de trabalho. À medida que as variáveis são
integradas no tempo nota-se que a população de eventos fortemente convectivos com
baixa temperatura de brilho é reduzida. A integração dos dados no tempo faz com que
diminua a dispersão em relação à curva de ajuste média.
Na Figura 4.18 a, 4.18 b as variáveis foram integradas no intervalo de tempo de 3 horas.
Variáveis como a refletividade e precipitação mostram que parte de sua variabilidade foi
atenuada pela integração no tempo e que os eventos leste/oeste ficam mais agrupados.
Essa diminuição do espalhamento em relação à curva média com o aumento da escala
temporal foi verificada igualmente em Richards e Arkin (1981). É possível verificar que
no intervalo de temperatura de brilho entre 225 K e 235 K as curvas médias que
representam cada um dos eventos (leste/oeste) são praticamente iguais (Figura 4.18 a).
A partir deste interva lo de temperatura de brilho observa-se a predominância de eventos
de oeste dentro do grupo de eventos significativos em relação à refletividade e à
temperatura de brilho. Isso é comprovado pela curva média que representa os sistemas
de oeste. Mas, ao mesmo tempo, na Figura 4.18 b os eventos significativos em relação à
precipitação e à temperatura de brilho são predominantemente de leste.
Segundo Machado et al (2001) os eventos de leste ocorrem em menor escala e são mais
intensos que os de oeste, concordando com esse resultado, pois a observação do radar
ocorre em uma escala muito maior que a do pluviômetro.
116
Integrações no tempo no intervalo de 6 horas é mostrado na Figura 4.19 a, 4.19 b. A
Figura a é semelhante a mostrada anteriormente. Contudo, observa-se uma menor
dispersão e redução do número total de eventos para Tir mais frias .Observa-se uma
grande concentração de eventos de leste com refletividade nula em intervalos de
temperatura de brilho a partir de 245 K, caracterizando esses eventos como de menor
escala temporal/espacial. A Figura b mostra uma dispersão maior dos eventos como era
de se esperar para as medidas de precipitação, e ao mesmo tempo a predominância de
eventos (total) de leste em intervalos onde a temperatura de brilho é baixa (Tir< 245 K).
A Figura 4.20 a, 4.20 b mostra a refletividade e a precipitação integradas em um
intervalo de tempo de 24 horas. Analisando a ocorrência diária dos eventos, é possível
verificar exatamente o intervalo de dias em que ocorreram eventos de regimes de
leste/oeste (Rickenbach et al 2000), e a predominância diária destes eventos. A média
diária da refletividade (Figura 4.20 a) comprova o que foi mostrado nas Figuras
anteriores, ou seja, o predomínio do regime de oeste.
Devido os dados serem diários, a refletividade registrada foi suavizada, apresentando
medidas de refletividade em torno de aproximadamente 7 dBZ (limiar associado à
precipitação moderada a fraca) e associada à temperaturas de brilho superiores a 255 K.
A Figura 4.20 b mostra a precipitação média diária associada a temperatura de brilho.
Nessa Figura notamos que a precipitação quando integrada por 24 horas apresenta uma
variabilidade muito pequena, contudo, a temperatura de brilho média diária varia
significativamente. Logo, a integração em 24 horas para a estimativa de precipitação por
satélite parece ter melhor resultado quando integrada em 6 e 24 horas..
117
20.0
15.0
10.0
5.0
0.0
Re
fle
tivi
da
de
a c
ad
a 3
ho
ras
- m
éd
ia e
ntr
e a
s N
etw
ork
s
290280270260250240230Temperatura de brilho a cada 3 horas - média entre as Networks
2
222
2 2
2 2
2
22
2
2 2
22
2 22222
22
2
2
2
2
2
222 11 1 1111
1
1
1
1 1
1
11 1 11
1
11 1
111
1 1 1 11
1 1
11 1 1 11
1 111
11 1 11 11 1
111
1
1 1 1 11 11
111111
1111
22 22 22
2 2
222
22
22222
2
2
22 2 2 222
2
2
2
2
2
2 2 22
2222
2
2
2
2 222
22 2
22
222 2 2 2 2
222
22
2222
2
11
11
1 1 111 1 1
11
11
1 1 1 1 11
1
111 1 1 1
1
1
1
1
1 11
1 11
11
11
1
1 11 1 1
1
1
11
1
1 1
1
1 1 111
11
1 1
1
1111 11
1
1
1 111111 11
1
22
22 2 2
222
2
2 2
22
2 2
2222
2
2
22 2 2
2
2
2
2
2
22
2
22
Média entre as 4 Networks (3 horas) 1 - Regime de leste 2 - Regime de oeste
Curva média (3 horas) Curva média - Regime de leste (3 horas) Curva média - Regime de oeste (3 horas)
Fig. a
5.0
4.0
3.0
2.0
1.0
0.0Pre
cip
ita
ção
(m
m/3
ho
ras)
- m
éd
ia e
ntr
e a
s N
etw
ork
s
290280270260250240230Temperatura de brilho a cada 3 horas - média entre as Networks
2 222 2 22 2
2222
22
2 2 2 222 222222 222 222 11 1 1 111
1
1 1 1 1
1
11 1 111 1 1 11
1
1 1 1 1 11111
1 1 1 111 1111
1 1 11 11 1 11111 1 1 11 11
1111111
111 2 2 22 222 2 2 222 222222
2
2
22 2 2 222 2222 22 2 22 2222
2
2
2 2 2222 2 2
2
2
222 2 2 2 222
222 222 2 2
1 11 1 1 1 111 1 1
11 1 1 11 1 1 111 111 1 1
111
1
1 1 111 11 111 1
1 1 11 1 11
1
11 1
1
1
1 1 1 111 111 1
1
1 1 11 11
1
1
1 111111
111 2 2 2 2 2 22222 2 22
22 2
2
222 2222 2 2 22
22 222
2
2 222
Média entre as 4 Networks (3 horas)
1 - Regime de leste 2 - Regime de oeste
Curva média (3 horas)
Curva média - Regime de leste (3 horas)
Curva média - Regime de oeste (3 horas)
Fig. b
Fig. 4.18 - a) Refletividade média das quatro redes de trabalho a cada 3 horas em função
da temperatura de brilho; b) Precipitação média das quatro redes de trabalho a
cada 3 horas em função da temperatura de brilho.
118
17.5
15.0
12.5
10.0
7.5
5.0
2.5
0.0
Re
fle
tivi
da
de
a c
ad
a 6
ho
ras
- m
éd
ia e
ntr
e a
s N
etw
ork
s
290280270260250240230Temperatura de brilho a cada 6 horas - média entre as Networks
2
2
2
2
2
2
2
2
222
2
2 2
2
21 1 1
1 11
1
1 11
1
1
1
11 1
1 1
1 1111
1 111
1
1
11 1
1111
11
22 2
2
2
2
2
22
2
2
2 22
2
2
2
2 22
2
2
222
22
2 2 2
2 22
222
1
11 11
1111 1
1 11 1
11
1
1
1
1111
1 11
1
1
1
1
11
1
1
1
1 1 1
1
1111
1
2
2 22
22
2
2
22
2
22
2
2
22
2
2
2
Média entre as 4 Networks (6 horas) 1 - Regime de leste 2 - Regime de oeste
Curva média (6 horas) Curva média - Regime de leste (6 horas)
Curva média - Regime de oeste (6 horas)
Fig. a
2.5
2.0
1.5
1.0
0.5
0.0
Pre
cip
ita
ção
(m
m/6
ho
ras)
- m
éd
ia e
ntr
e a
s 4
Ne
two
rks
290280270260250240230Temperatura de brilho a cada 6 Horas - média entre as Networks
2
2
2 22
2
2
2
2 22222 2
221 1 1
1
1 1
1
1 111 1
1
1 1 1
1
1
1 1111
1 111 1
1
1 1 11
1111
1 2 2 2
2
2 2222
2
2
22 2
22 2 2 22
2
2
222
2
2
2 2 222
2 222
2
1 1 111
1 11 11 111
1
1
1
1
1
1111
1 11
1
1
1
1 111 1
1
1 1 1
1
1111
12
2 222 2
2
2
2
2 22 2
2
222 2
2
2 22
Média entre as 4 Networks (6 horas) 1 - Regime de leste 2 - Regime de oeste
Curva média (6 horas) Curva média - Regime de leste (6 horas) Curva média - Regime de oeste (6 horas)
Fig. b
Fig. 4.19 - a) Refletividade média das quatro redes de trabalho a cada 6 horas em função
da temperatura de brilho; b) Precipitação média das quatro redes de trabalho a
cada 6 horas em função da temperatura de brilho.
119
10.0
7.5
5.0
2.5
0.0
Re
fle
tivi
da
de
diá
ria
- m
éd
ia e
ntr
e a
s N
etw
ork
s
285280275270265260255250245Temperatura de brilho diária - média entre as Networks
2 2
2
2
11 11
1
11 11
22
22 2
2
222
2
11
11
1
11
1
11
1
11
1
22
222
Média entre as 4 Networks (diária) 1 - Regime de leste 2 - Regime de oeste
Curva média (diária) Curva média - Regime de leste (diária)
Curva média - Regime de oeste (diária)
Fig. a
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
Pre
cip
ita
ção
(m
m/d
ia)
- m
éd
ia e
ntr
a a
s N
etw
ork
s
285280275270265260255250245temperatura de brilho diária - média entre as Networks
22
22 11
1
1 1
11
11
2
2
2
2 2
2
2
22
2
1111 1
1
1
1
1
11
1
1
1 22
2 2
2
Média entre as 4 Networks (diária) 1- Regime de leste 2 - Regime de oeste
Curva média (diária) Curva média - Regime de leste (diária)
Curva média - Regime de oeste (diária)
Fig. b
Fig. 4.20 - a) Refletividade média das quatro redes de trabalho a cada 24 horas em
função da temperatura de brilho; b) Precipitação média das quatro redes de
trabalho a cada 24 horas em função da temperatura de brilho.
4.5.2.5 - Curvas Médias
As Figuras mostradas abaixo apresentam as curvas médias onde as variáveis foram
integradas no tempo e nas quatro redes de trabalho. É importante notar que as curvas
médias para as diferentes escalas temporais são semelhantes. Logo, uma equação para
estimar a precipitação via-satélite não muda com relação à escala temporal. Lembramos
120
que para os diferentes regimes a estrutura da curva é semelhante. O fator fundamental é
que a dispersão em torno da curva média é que diminuiu, ou seja, somente através da
integração temporal é que a estimativa da precipitação (principalmente das medidas
com radar) passa a ser mais confiável. Vários estudos realizados por Arkin e seus
colaboradores também mostram uma melhora na estimativa da precipitação à medida
que a área de análise também é integrada no espaço. Os testes com a integração de áreas
não foi realizado pois as redes de pluviômetros eram localizadas somente nas quatro
redes de trabalho.
Observa-se que para a precipitação existe uma escala temporal em que a integração no
tempo muda o comportamento da curva. A precipitação integrada em 24 horas apresenta
uma variabilidade muito pequena quando comparada com a variabilidade diurna da Tir.
15.0
12.5
10.0
7.5
5.0
2.5
0.0
Ref
letiv
idad
e (d
BZ
)
280270260250240230220Temperatura de brilho (K)
Curva média a cada hora
Curva média a cada 3 horas
Curva média a cada 6 horas
Curva média diária
Fig. a
3.2
2.8
2.4
2.0
1.6
1.2
0.8
0.4
Pre
cip
ita
ção
(m
m/h
)
280270260250240230220210Temperatura de brilho (K)
Curva média a cada hora
Curva média a cada 3 horas
Curva média a cada 6 horas
Curva média diária
Fig. b
Fig. 4.21 - a) Curva média da refletividade em relação a temperatura de brilho entre as
quatro redes de trabalho; b) Curva média da precipitação em relação a
temperatura de brilho entre as quatro redes de trabalho.
121
4.5.2.6 - Estimativas de Precipitação
Durante as seções anteriores os estimadores de precipitação utilizados neste trabalho
foram relacionados entre si. Estes testes serviram para compreender o comportamento
dos estimadores em relação a variável estimada, “a precipitação”. Os resultados
anteriores mostram uma boa relação entre os estimadores e a variável estimada quando
estes são integrados no tempo. Mas nesta seção através de equações envolvendo
parâmetros suplementares, será verificada a eficácia destes estimadores e de qual
parâmetro adicional melhora na estimativa de precipitação.
As equações utilizaram como principal estimador os produtos derivados pelo satélite
como: temperatura de brilho, derivada da temperatura de brilho no tempo e a variável
sigma (variabilidade espacial local), sendo também utilizada a refletividade obtida pelo
radar. Lembramos que o máximo de precipitação (Seção 4.5.1) foi obtido quando ocorre
máximo crescimento da área. Logo a derivada temporal da temperatura de brilho poderá
ser um importante parâmetro nestas estimativas. Para tanto foram realizadas regressões
lineares, a fim de obter as constantes utilizadas na equação de ajuste. As regressões
foram efetuadas utilizando como fator estimador a precipitação em função dos produtos
de satélite, e a refletividade igualmente em função dos produtos de satélite. Os
resultados podem ser vistos nas Figuras 4.22 (a, b, c, d, e, f), 4.23 (a, b, c, d, e, f), 4.24
(a, b, c, d, e, f) e 4.25 (a, b, c, d, e, f), onde foram utilizadas as equações mostradas na
Seção 3.4.7 em uma resolução temporal de 1, 3, 6 e 24 horas.
As Figuras 4.23 a, 4.23 b, 4.23 c, 4.23 d, 4.23 e, 4.23 mostram a precipitação estimada
pelas equações (3.4, 3.5, 3.6, 3.7, 3.8, 3.9) em relação a precipitação observada, sendo
esta a média entre os registros nas quatro redes de trabalho, em que foi utilizado como
fator de regressão a precipitação (3.4, 3.6, 3.8). Para o conjunto de dados no intervalo de
tempo de 1 hora, notamos que as estimativas apresentaram valores inferiores aos
observados em até 90 %. À medida que utilizamos a refletividade, notamos que a
precipitação estimada continua sendo subestimada pelas equações, mas os valores
estimados encontrados são apenas 50 % menores do que os observados. Nota-se que
122
todas as estimativas, para valores inferiores a 245 K não apresentam relação com a
temperatura de brilho. As diferentes equações passam a realizar uma estimativa mais
acurada somente para os altos valores de precipitação. Logo, o intervalo de eventos de
precipitação em torno de 0.5 mm, representando a maioria dos casos, e por
conseqüência não pode ser estimado por satélite. A grande concentração de valores
baixos de precipitação e o ajuste linear são responsáveis pela subestimação da
precipitação. As curvas médias (Tir versus precipitação e Tir versus refletividade)
mostram que a estas relações não são lineares.
As Equações 3.4 e 3.5 são regressões simples que utilizam apenas como estimador da
precipitação a temperatura de brilho. Os resultados mostraram que as medidas para
ambas equações mostraram-se mais dispersas. Nas Equações 3.6 e 3.7 foi adicionado
um termo que representa a variação temporal da temperatura de brilho. Este termo
adicional melhorou de certa forma a estimativa na Equação 3.6 diminuindo o erro na
estimativa. Outra contribuição deste termo foi a diminuição da dispersão dos dados em
ambas as equações. Nas Equações 3.8 e 3.9 além do termo da variação temporal foi
utilizado um segundo que representa a variação espacial da temperatura de brilho.
Podemos verificar que o último termo adicionado à equação não mostrou diferenças
significativas. Esses resultados mostram que a variação da escala espacial na
temperatura de brilho não melhorou as estimativas. E que as equações que utilizaram
como fator de regressão a refletividade foram mais consistentes diminuindo a
subestimativa.
As Equações usadas para estimar a precipitação na escala de tempo de 1 hora, foram
igualmente utilizadas nas escalas de 3, 6 e 24 horas. Foi possível verificar que a
estimativa melhora à medida que os dados são integrados no tempo, diminuindo a
dispersão existente entre eles e a subestimativa na precipitação. Richards e Arkin,
(1981) utilizando um modelo de estimativa de precipitação linear na área do GATE,
mostraram que o espalhamento nos dados diminuiu à medida que escalas temporais e
espaciais maiores eram utilizadas. Apesar do espalhamento diminuir para escalas de
tempo, como mostraram as Figuras abaixo, a utilização de equações lineares não foi
123
eficiente. É possível que esta estimativa linear seja possível somente em regiões
oceânicas como foi mostrado em Richards e Arkin, (1981), tendo em vista que a área
aqui estudada encontra-se em uma região continental. Por outro lado, Arkin e Meiners
(1987), utilizando a técnica de estimativa GPI (na qual o fator preditor é a fração de
cobertura de nuvens), mostraram que a técnica pode também ser eficaz em regiões
continentais, mas requer uma calibração local das relações quantitativas entre a
cobertura de nuvens frias e a precipitação. Essa redução no espalhamento, com o
aumento da escala temporal, pôde ser verificada na Seção 4.5.2.7, onde foi calculado o
erro médio quadrático para cada uma das equações.
124
Observed versus Predicted Values
Model: PREC=a1+a2*Tir
y=(3.947428)+(-0.0139559)*x
Predicted Values
Obs
erve
d V
alue
s
-1
1
3
5
7
9
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0
Fig. a
Observed versus Predicted Values
Model: REFLET=a1+a2*TIR
y=(38.27798)+(-0.1335822)*x
Predicted Values
Obs
erve
d V
alue
s
-2
4
10
16
22
28
-4 -2 0 2 4 6 8 10
Fig. b Observed versus Predicted Values
Model: PREC=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)
z=(4.465062)+(-0.0158969)*x+((-3.2807357)/x)*(y)
Predicted Values
Obs
erve
d V
alue
s
-1
1
3
5
7
9
-0.6 -0.2 0.2 0.6 1.0
Fig. c
Observed versus Predicted Values
Model: REFLET=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)
z=(39.891747)+(-0.1396787)*x+((-12.663463)/x)*(y)
Predicted Values
Obs
erve
d V
alue
s
-2
4
10
16
22
28
-4 -2 0 2 4 6 8 10
Fig. d Observed versus Predicted Values
PREC=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)+a4*SIGTIR
q=4,4097-0,01567*x-3,3539/x*y+0,09309*z
Predicted Values
Obs
erve
d V
alue
s
-1
1
3
5
7
9
-0.6 -0.2 0.2 0.6 1.0
Fig. e
Observed versus Predicted Values
REFLET=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)+a4*SIGTIR
q=39,7501-0,1391*x-12,8618/x*y+0,2286*z
Predicted Values
Obs
erve
d V
alue
s
-2
4
10
16
22
28
-4 -2 0 2 4 6 8 10
Fig. f
Fig. 4.22 – Precipitação estimada em relação a observada (média entre as quatro redes
de trabalho) com resolução temporal de 1 hora, utilizando as equações: a)
3.4; b) 3.5; c) 3.6; d) 3.7; e) 3.8; f) 3.9.
125
Observed versus Predicted Values
Model: PREC=a1+a2*TIR
y=(4.1560383)+(-0.0147853)*x
Predicted Values
Obs
erve
d V
alue
s
-0.5
0.5
1.5
2.5
3.5
4.5
5.5
6.5
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Fig. a
Observed versus Predicted Values
Model: REFLET=a1+a2*TIR
y=(37.8089)+(-0.1320513)*x
Predicted Values
Obs
erve
d V
alue
s
-2
2
6
10
14
18
22
26
-4 -2 0 2 4 6 8 10
Fig. b Observed versus Predicted Values
Model: PREC=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)
z=(4.3397955)+(-0.0154622)*x+((-0.1781841)/x)*(y)
Predicted Values
Obs
erve
d V
alue
s
-0.5
0.5
1.5
2.5
3.5
4.5
5.5
6.5
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Fig. c
Observed versus Predicted Values
Model: REFLET=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)
z=(40.29185)+(-0.1414179)*x+((-6.660181)/x)*(y)
Predicted Values
Obs
erve
d V
alue
s
-2
2
6
10
14
18
22
26
-4 -2 0 2 4 6 8 10 12
Fig. d Observed versus Predicted Values
PREC=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)+a4*SIGTIR
q=4,3218-0,01587*x-0,1890/x*y+0,06156*z
Predicted Values
Obs
erve
d V
alue
s
-0.5
0.5
1.5
2.5
3.5
4.5
5.5
6.5
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Fig. e
Observed versus Predicted Values
REFLET=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)+a4*SIGTIR
q=40,0289-0,1403*x-6,7871/x*y+0,8656*z
Predicted Values
Obs
erve
d V
alue
s
-2
2
6
10
14
18
22
26
-4 -2 0 2 4 6 8 10 12
Fig. f
Fig. 4.23 – Precipitação estimada em relação à observada (média entre as quatro redes
de trabalho) com resolução temporal de 3 horas, utilizando as equações: a)
3.4; b) 3.5; c) 3.6; d) 3.7; e) 3.8; f) 3.9.
126
Observed versus Predicted Values
Model: PREC=a1+a2*TIR
y=(3.7991597)+(-0.0133474)*x
Predicted Values
Obs
erve
d V
alue
s
-0.4
0.2
0.8
1.4
2.0
2.6
3.2
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0
Fig. a
Observed versus Predicted Values
Model: REFLET=a1+a2*TIR
y=(39.034783)+(-0.1365837)*x
Predicted Values
Obs
erve
d V
alue
s
-2
2
6
10
14
18
22
-4 -2 0 2 4 6 8 10 12
Fig. b Observed versus Predicted Values
Model: PREC=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)
z=(4.8838947)+(-0.0174231)*x+((-1.554675)/x)*(y)
Predicted Values
Obs
erve
d V
alue
s
-0.4
0.2
0.8
1.4
2.0
2.6
3.2
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Fig. c
Observed versus Predicted Values
Model: REFLET=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)
z=(42.40728)+(-0.1491509)*x+((-3.444168)/x)*(y)
Predicted Values
Obs
erve
d V
alue
s
-2
2
6
10
14
18
22
-4 -2 0 2 4 6 8 10 12
Fig. d Observed versus Predicted Values
PREC=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)+a4*SIGTIR
q=4,8736-0,01738*x-1,5547/x*y+0,0205*z
Predicted Values
Obs
erve
d V
alue
s
-0.4
0.2
0.8
1.4
2.0
2.6
3.2
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2
Fig. e
Observed versus Predicted Values
REFLET=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)+a4*SIGTIR
q=42,1561-0,1481*x-3,47009/x*y+0,5786*z
Predicted Values
Obs
erve
d V
alue
s
-2
2
6
10
14
18
22
-4 -2 0 2 4 6 8 10 12
Fig. f
Fig. 4.24 – Precipitação estimada em relação à observada (média entre as quatro redes
de trabalho) com resolução temporal de 6 horas, utilizando as equações: a)
3.4; b) 3.5; c) 3.6; d) 3.7; e) 3.8; f) 3.9.
127
Observed versus Predicted Values
Model: PREC=a1+a2*TIR
y=(6.443802)+(-0.0212777)*x
Predicted Values
Obs
erve
d V
alue
s
-0.2
0.2
0.6
1.0
1.4
1.8
2.2
2.6
0.2 0.4 0.6 0.8 1.0 1.2 1.4
Fig. a
Observed versus Predicted Values
Model: REFLET=a1+a2*TIR
y=(33.546823)+(-0.1159929)*x
Predicted Values
Obs
erve
d V
alue
s
-2
0
2
4
6
8
10
12
14
-0.5 0.5 1.5 2.5 3.5 4.5 5.5 6.5
Fig. b Observed versus Predicted Values
Model: PREC=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)
z=(6.972108)+(-0.0232693)*x+((-0.5104396)/x)*(y)
Predicted Values
Obs
erve
d V
alue
s
-0.2
0.2
0.6
1.0
1.4
1.8
2.2
2.6
0.2 0.4 0.6 0.8 1.0 1.2 1.4
Fig. c
Observed versus Predicted Values
Model: REFLET=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)
z=(43.31871)+(-0.1529627)*x+((-11.57109)/x)*(y)
Predicted Values
Obs
erve
d V
alue
s
-2
0
2
4
6
8
10
12
14
-0.5 0.5 1.5 2.5 3.5 4.5 5.5 6.5
Fig. d Observed versus Predicted Values
PREC=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)+a4*SIGTIR
q=7,55-0,255*x-0,3407/x*y-0,922*z
Predicted Values
Obs
erve
d V
alue
s
-0.2
0.2
0.6
1.0
1.4
1.8
2.2
2.6
0.3 0.5 0.7 0.9 1.1 1.3 1.5
Fig. e
Observed versus Predicted Values
REFLET=a1+a2*TIR+(a3/TIR)*(DTIR/Dt)+a4*SIGTIR
q=44,6408-0,1582*x-11,1831/x*y-2,1103*z
Predicted Values
Obs
erve
d V
alue
s
-2
0
2
4
6
8
10
12
14
-0.5 1.0 2.5 4.0 5.5 7.0
Fig. f
Fig. 4.25 – Precipitação estimada em relação à observada (média entre as quatro redes
de trabalho) com resolução temporal de 24 horas, utilizando as equações: a)
3.4; b) 3.5; c) 3.6; d) 3.7; e) 3.8; f) 3.9.
128
4.5.2.7 Análise Estatística dos Estimadores
4.5.2.7.1 - Análise do Erro Médio Quadrático da Curva de Ajuste Média,
Refletividade e a Precipitação
Nesta Seção será realizada a análise estatística da refletividade e precipitação, utilizando
o erro quadrático médio. Primeiramente o erro quadrático médio foi aplicado aos dados
de refletividade e precipitação com relação a curva média ajustada mostradas nas
Figuras 4.13, 4.18, 4.19 e 4.20. As Tabelas abaixo mostram os índices encontrados nas
análises realizadas das Figuras indicadas acima.
Notamos que o erro absoluto em relação à curva média quando analisamos a
refletividade é reduzido à metade à medida que integramos estas no tempo. No caso
para o erro calculado de 1 a 24 horas, notamos uma redução do índice em torno de 50 %
(ver Tabela 4.5.1).
Quando verifica-se o erro médio quadrático em relação à curva média da precipitação,
nota-se que a redução do índice acontece até o intervalo de tempo de 6 horas, sendo esta
em torno de 38 %. Um fato importante ocorrido com os índices de precipitação foi o
aumento do erro quadrático após 24 horas (fato já discutido anteriormente). Os erros
associados à refletividade são maiores, devido o valor médio da refletividade ser em
torno de 10 vezes maior que a precipitação média. Logo, proporcionalmente as curvas
de ajuste da refletividade são melhores ajustadas ao valor de Tir do que a precipitação.
129
TABELA 4.5.1 - ERRO QUADRÁTICO MÉDIO VERIFICADO ENTRE A CURVA
MÉDIA E AS VARIÁVEIS DE PRECIPITAÇÃO E REFLETIVIDADE, NO
INTERVALO DE TEMPO DE 1, 3, 6 E 24 HORAS
Erro médio ( 1 h) Erro médio ( 3 h) Erro médio ( 6 h) Erro médio (24 h)
Refletividade 6.54 dBZ 5.89 dBZ 5.65 dBZ 3.18 dBZ
Precipitação 0.97 mm 0.70 mm 0.57 mm 0.73 mm
4.5.2.7.2 - Utilização do Erro Médio Quadrático Entre a Curva de Ajuste Médio
dos Regimes de Leste e Oeste da Refletividade e Precipitação
O mesmo procedimento foi realizado para a curva de ajuste dos regimes de precipitação
de leste e oeste estudados nas seções anteriores. Os índices são mostrados nas Tabelas
4.5.2 e 4.5.3. Existem populações diferentes de regimes de leste e oeste, pois os
episódios de oeste são muito mais numerosos do que os eventos de leste.
Em relação a refletividade, a curva de ajuste que representa o regime de leste apresenta
um erro menor do que o encontrado para o regimes de oeste. Em ambos regimes
notamos que este erro diminui se os dados são integrados no tempo. Mas nota-se que o
erro para 24 horas encontrado para o regime de leste diminui em torno de 60 %,
enquanto que o erro para o regime de oeste diminuiu em torno de 30 %. Por outro lado,
com a precipitação acontece o inverso, pois o erro existente é maior para os eventos de
leste do que para os eventos de oeste. Devemos salientar que o ajuste da precipitação
quando integrado em 24 horas não mostrou um bom ajuste aos dados, como discutido
anteriormente. As diferenças existentes nos erros entre os regimes de leste e oeste são
devidas às convecção no regime de oeste serem organizadas em escalas espacial menos
intensas que no regime de leste. No regime de oeste a precipitação estratiforme em
grande parte é predominante, diminuindo esta variabilidade encontrada nos dados
pluviométricos. No caso da precipitação fraca-moderada de origem estratiforme, o radar
na banda C não apresenta a mesma precisão que a chuva intensa convectiva.
130
TABELA 4.5.2 - ERRO QUADRÁTICO MÉDIO VERIFICADO ENTRE A CURVA
MÉDIA E AS VARIÁVEIS DE PRECIPITAÇÃO E REFLETIVIDADE, NO
INTERVALO DE TEMPO DE 1, 3, 6 E 24 HORAS, EM RELAÇÃO AOS
EPISÓDIOS DE REGIME DE LESTE
Regime de
Leste
Erro médio ( 1 h) Erro médio ( 3 h) Erro médio ( 6 h) Erro médio (24 h)
Refletividade 6.02 dBZ 4.68 dBZ 4.07 dBZ 1.89 dBZ
Precipitação 1.05 mm 0.75 mm 0.64 mm 0.73 mm
TABELA 4.5.3 - ERRO QUADRÁTICO MÉDIO VERIFICADO ENTRE A CURVA
MÉDIA E AS VARIÁVEIS DE PRECIPITAÇÃO E REFLETIVIDADE, NO
INTERVALO DE TEMPO DE 1, 3, 6 E 24 HORAS, EM RELAÇÃO AOS
EPISÓDIOS DE REGIME DE OESTE
Regime de
Oeste
Erro médio ( 1 h) Erro médio ( 3 h) Erro médio ( 6 h) Erro médio (24 h)
Refletividade 6.97 dBZ 5.61 dBZ 5.47 dBZ 4.16 dBZ
Precipitação 0.96 mm 0.59 mm 0.44 mm 0.72 mm
4.5.2.7.3 - Utilização do Erro Médio Quadrático nas Estimativas de Precipitação
Neste item o erro médio quadrático foi utilizado como ferramenta para avaliar a
acurácia dos modelos de estimativas de precipitação utilizados neste trabalho. Foram
obtidos índices para cada uma das equações utilizadas integradas no tempo. À primeira
vista notamos que existe uma evidente redução do erro no tempo e à medida que
utilizamos equações diferentes. As equações 3.4, 3.6, 3.8 utilizaram como preditando a
precipitação, enquanto 3.5, 3.7, 3.9 utilizam a refletividade.
As Equações 3.4 e 3.5 tratam-se de uma relação linear entre o preditando
(precipitação/refletividade) e o preditor (temperatura de brilho). Nota-se que a
131
integração no tempo diminui (em torno de 38 % para 3.5) o erro existente entre as
estimativas. Mas deve-se notar que a equação da estimativa realizada com a
precipitação observada apresentou um aumento do erro quadrático médio, mostrando
que a estimativa é confiável até 6 horas (onde o erro diminui em torno de 50 %).
Às equações seguintes (3.6 e 3.7) foram adicionadas o termo da variação no tempo e
podemos notar que o erro na estimativa diminui. O aumento do erro para a estimativa
que utiliza a precipitação observada aumenta novamente em 24 horas.
O termo da variação espacial foi incluído nas equações 3.8 e 3.9. A inclusão deste termo
na estimativa mostra que o erro manteve-se praticamente o mesmo encontrado para as
equações 3.6 e 3.7. Isso mostra que o termo da variação espacial não tem muita
representatividade na estimativa de precipitação nesta região.
TABELA 4.5.4 - ERRO QUADRÁTICO MÉDIO VERIFICADO ENTRE AS
EQUAÇÕES QUE ESTIMAM A PRECIPITAÇÃO, NO INTERVALO DE TEMPO
DE 1, 3, 6 E 24 HORAS
Equações
utilizadas
1 hora 3 horas 6 horas 24 horas
Equação 3.4 0.83 mm 0.61 mm 0.47 mm 0.59 mm
Equação 3.5 3.93 dBZ 3.40 dBZ 2.95 dBZ 1.92 dBZ
Equação 3.6 0.81 mm 0.61 mm 0.46 mm 0.60 mm
Equação 3.7 3.87 dBZ 3.36 dBZ 2.92 dBZ 1.86 dBZ
Equação 3.8 0.81 mm 0.61 mm 0.46 mm 0.59 mm
Equação 3.9 3.87 dBZ 3.35 dBZ 2.91 dBZ 1.85 dBZ
132
4.6 – Divergência do Vento em Altos Níveis
Nesta Seção, finalizando o capítulo de resultados, analisaremos a divergência do vento
em altos níveis. Inicialmente apresentaremos uma comparação da série temporal obtida
por diferentes fontes, contudo, o estudo enfocará a divergência do vento obtida pelo
canal do vapor d’água. O objetivo deste estudo é entender o comportamento da
divergência do vento em altos níveis em relação aos parâmetros de cobertura e
precipitação utilizados nas seções anteriores. Como mencionado no Capítulo 3 a
divergência é diretamente associada à convecção e sua compreensão auxilia no estudo
da circulação atmosférica nos trópicos. Este estudo visa introduzir um parâmetro
traçador da convecção na estimativa da precipitação.
Os dados de divergência do vento em altos níveis foram obtidos por três diferentes
fontes: radiossonda, NCEP e GOES - processados pela NOAA (canal do vapor d´água).
Os conjuntos de dados compreendem o período do dia 10 de janeiro a 14 de
fevereiro/1998. É importante enfatizar que cada conjunto de dados possui uma
resolução espacial diferente, abrangendo a área de cobertura do radar TOGA. Os
campos de divergência foram calculados para o nível de 200 hPa.
As medidas por radissondagens são medidas pontuais a partir dos sítios de medidas de
Abracos, Rebio Jaru e Rolim de Moura. Estes dados estão disponíveis a cada 3 horas. A
divergência do vento obtida por estas radiossondagens tem uma alta resolução espacial,
sendo uma ferramenta eficiente em estudos em que se faz necessária a utilização de
medidas precisas em uma escala mais reduzida.
Os dados de divergência do vento em altos níveis calculados a partir do vento no canal
vapor d’água apresentam uma resolução espacial semelhante à resolução dos
estimadores utilizados na seção anterior. Estes dados estão disponíveis a cada 3 horas e
serão comparados na mesma resolução com a fração de cobertura de nuvens e fração de
chuva.
133
A divergência do vento em altos níveis fornecida pela reanálise do NCEP, são dados
que possuem uma resolução espacial de 2.5º x 2.5º e temporal de 6 horas e foram
calculados para o nível de 200 hPa para o ponto de grade com a maior cobertura da área.
A Figura 4.26 mostra o comportamento da divergência entre os dias 14 a 50 dia Juliano
do ano de 1999 para os três conjuntos de dados. Nesta Figura é possível verificar que a
divergência do vento em altos níveis fornecida por radiossondagem apresenta flutuações
maiores em relação aos demais dados de divergência mostrados em conjunto na Figura.
Estas flutuações são a resposta a alta resolução espacial destes dados. Os valores são
duas vezes maiores, pois são calculados para uma área de aproximadamente 60 x 60
km2 , já os do NCEP são da ordem de 250 x 250 km2. De forma geral observa-se uma
certa coerência entre os diferentes componentes. O cálculo com o vento vapor d’água é
bem correlacionado com o do NCEP, contudo, apresenta uma maior variabilidade. Os
ventos calculados utilizando satélites para o nível de 200 hPa foram calculados a partir
de uma média da camada de 250 – 150 hPa, interpolados em uma grade da ordem de 1
grau e no tempo a cada três horas, logo, não possui o mesmo detalhamento do cálculo
com radiossondas realizados com o vento no nível de 200 hPa e a partir da medida
realizada no mesmo instante.
Nas seções seguintes será mostrado o comportamento dos estimadores e da precipitação
em relação a divergência do vento pelo vapor d’água e o seu ciclo diurno na área de
cobertura do radar TOGA. Para tanto os dados foram ajustados devidamente para que
estes ficassem com a mesma resolução temporal, de maneira que os resultados fossem
compatíveis temporalmente. Logo, as análises a seguir foram realizadas a cada três
horas.
134
4 0
2 0
0
-20
-40Div
erg
ên
cia
do
Ve
nto
25
0-1
50
hP
a -
10-6
(1
/s)
504846444 2403836343230282624Dia Juliano
20
10
0
-10
-20
Divergência do V
ento 250-150 hPa - 10
-6 (1/s)
Radiosonda
NCEP
Vento Vapor D''água
Fig. 4.26 – Série temporal da divergência do vento em altos níveis calculada a partir de
três diferentes fontes: radiossonda (linha preta), NCEP (linha azul) e canal
do vapor d’água (vermelha).
4.6.1 - Ciclo Diurno
4.6.1.1 – Ciclo Diurno da Precipitação e da Divergência do Vento em Altos Níveis
no Canal Vapor D’Água
Nesta seção estudaremos o comportamento da precipitação e da divergência do vento
em altos níveis em relação ao seu ciclo diurno. Os resultados mostrados nesta seção e
nas seguintes poderão de uma certa forma validar algumas hipóteses sobre a relação dos
campos de divergência do vento em altos níveis com as variáveis mostradas neste
trabalho. Por outro lado, estes resultado são estudos preliminares que poderão auxiliar o
estudo da estimativa de precipitação, utilizando como estimador a divergência do vento
em altos níveis.
O ciclo diurno da divergência do vento em altos níveis e da precipitação (Figura 4.27) é
marcado pela existência de um máximo principal no período da tarde próximo ao
máximo principal da precipitação. Durante as primeiras horas da madrugada a
divergência do vento em altos níveis mostra um máximo secundário próximo ao
135
máximo secundário da precipitação. Após o máximo secundário, em torno de 02:30
(LST), ocorre um rápido decrécimo de ambas variáveis até o início da manhã, seguido
de um forte aumento de ambas variáveis no período da tarde.
Após o horário em que foi verificada a mínima divergência do vento em altos níveis
(5:00 LST) podemos notar um crescimento muito significativos nas próximas 6 horas,
onde é verificado o máximo principal em torno de 11:00 LST. Neste mesmo período
pode ser verificado também o horário de máximo crescimento da precipit ação. O final
da tarde é marcado pela brusca diminuição da precipitação acompanhada pelo
descrécimo da divergência do vento em altos níveis. O ciclo diurno da divergência do
vento é fortemente correlacionado com o da precipitação, apresentando as mesmas
defasagens, com a cobertura de nuvens. A modificação do campo de vento em altos
níveis devido o movimento vertical nas torres de cumulus congestus é provavelmente a
explicação para essa correlação. Durante a noite o máximo secundário pode estar
relacionado com ocorrências esporádicas de linhas de instabilidades, noturnas que
passaram pela região. A pequena diferença de tempo entre o máximo secundário da
precipitação e o da divergência do vento em altos níveis pode estar relacionada com a
variabilidade na hora em que o fenômeno penetrou na rede de pluviômetros (em uma
escala muito menor).
136
Fig. 4.27 – Ciclo diurno da precipitação superposta à divergência do vento em altos
níveis no canal do vapor d’água.
4.6.1.2 - Ciclo Diurno da Divergência do Vento em Altos Níveis no Canal Vapor
D’Água e a Fração de Cobertura de Nuvens
O ciclo diurno da fração de cobertura de nuvens foi abordado na Seção 4.2.1. Esta
variável indica a porcentagem da área coberta por nuvens com várias alturas de topo
dentro da área da região estudada.
A Figura 4.28 a mostra o ciclo diurno da divergência do vento em altos níveis e da
cobertura total de nuvens (limiares mais frios do que 284 K). Notamos a existência de
apenas um máximo da cobertura total de nuvens às 4:30 (LST) seguindo de um mínimo
`as 09:00 (LST). A divergência do vento em altos níveis apresenta um caráter oposto à
cobertura total. A cobertura total de nuvens é principalmente devida a cobertura de
nuvens baixas (somente 15% da cobertura total e associada a nuvens convectivas).
Como foi discutido anteriormente, o momento de mínima cobertura total de nuvens
(limiar de 284 K) é o momento de maior crescimento da atividade convectiva, logo, a
divergência do vento em altos níveis deve ser máxima neste momento, como mostram
as Figuras 4.28 a, 4.28 b, 4.28 c.
1.20
1.10
1.00
0.90
0.80
0.70
0.60
0.50
Pre
cipita
ção
(mm
/h)
242220181614121086420Hora Local
2.8
2.4
2.0
1.6
1.2
0.8
0.4
0.0
Div
erg
ên
cia
do
Ve
nto
25
0-1
50
hP
a -
10-6
(1
/s)
Precipitação
Divergência do vento
137
Verificando o ciclo diurno da cobertura de nuvens com limiares de temperatura brilho
mais frios, é possível encontrar uma certa relação entre estas variáveis, observa-se que a
divergência do vento em altos níveis precede a máxima cobertura de nuvens convectivas
em algumas horas. Este resultado confirma o discutido em outras seções que mostram
que o momento da maior cobertura de nuvens convectivas é posterior a precipitação
(radar ou medidas por pluviômetro). Baseando-se na Figura em questão, pode-se
concluir que o momento de maior cobertura de nuvens convectivas (maior expansão da
cobertura de nuvens frias) corresponde ao fim da atividade convectiva, pois,
posteriormente a este momento, a divergência em altos níveis decresce rapidamente
Fig. a
Fig. 4.28 – Ciclo diurno da divergência do vento em altos níveis no canal do vapor
d’água e da fração de cobertura de nuvens (%): a) limiar de 284 K, b)
limiar de 235 K, c) limiar de 210 K, d) limiar de 200 K.
(continua)
100
90
80
70
60Fraç
ão d
e co
bertu
ra d
e nu
vens
(%) l
imia
r 284
K
222018161412108642Hora Local
2.5
2.0
1.5
1.0
0.5
0.0
Fraçaõ de cobertura de nuvens (284 K) Divergência do vento do vento em altos níveis (WV)
138
Fig. b
Fig. c
(continua)
5
4
3
2
1
Fraç
ão d
e co
bertu
ra d
e nu
vens
(%
) lim
iar
210
K
222018161412108642Hora Local
2.5
2.0
1.5
1.0
0.5
0.0
Fraçaõ de cobertura de nuvens (210 K) Divergência do vento do vento em altos níveis (WV)
25
20
15
10
5Fraç
ão d
e co
bertu
ra d
e nu
vens
(%) l
imia
r 235
K
222018161412108642Hora Local
2.5
2.0
1.5
1.0
0.5
0.0
Fraçaõ de cobertura de nuvens (235 K) Divergência do vento do vento em altos níveis (WV)
139
(Conclusão)
Fig. d
4.6.1.3 - Ciclo Diurno da Divergência do Vento em Altos Níveis no Canal Vapor
D’Água e a Fração de Chuva
O ciclo diurno da divergência do vento em altos níveis e da fração de chuva é ilustrado
nas Figuras 4.29 a, b, c, d. Notamos que existe uma semelhança entre o ciclo diurno da
divergência do vento em altos níveis e da fração de chuva, ou seja, presença de dois
máximos para os limiares representados pelas Figuras 4.29 a. A fração de chuva como
mencionado na seção anterior representa a quantidade de água liquida contida em uma
determinada quantidade de nuvens. O momento de maior crescimento da divergência do
vento nos altos níveis é acompanhado pelo momento de maior crescimento da fração de
chuva em todos os limiares de refletividade utilizados (0 dBZ, 20 dBZ, 30 dBZ, 35
dBZ). O máximo da fração de chuva acontece próximo ao momento de máxima
divergência do vento (11:00 LST).
0.50
0.40
0.30
0.20
0.10
0.00
Fraç
ão d
e co
bertu
ra d
e nu
vens
(%)-
limia
r 200
K
222018161412108642Hora Local
2.5
2.0
1.5
1.0
0.5
0.0
Fração de cobertura de nuvens (200 K) Divergência do vento do vento em altos níveis (WV)
140
No início da noite é possível verificar o decréscimo das frações de chuva, juntamente
com o decréscimo da divergência do vento em altos níveis. A curva que representa o
decréscimo da divergência do vento e da fração de chuva é praticamente a mesma.
Durante a madrugada notamos o crescimento da fração para o limiar de 0 dBZ,
apresentando um máximo no mesmo horário (4:30), enquanto os limiares que
representam uma quantidade maior de água nas nuvens (chuva) é praticamente
inexistente neste horário. O máximo secundário da divergência deve ser melhor
estudado. O horário em que podemos notar o mínimo da fração de chuva em todos os
limiares utilizados é o mesmo o qual a divergência do vento em altos níveis também é
mínima.
A representação do ciclo diurno da fração de cobertura de nuvens e fração de chuva nos
mostrou que o comportamento da divergência durante o período é coerente a estas
variáveis. Essa semelhança aparece com relação a maioria dos limiares utilizados
(fração de chuva e de nuvens). A divergência do vento em altos níveis apresenta um
adiantamento em relação às frações nuvens convectivas, mas o intervalo de tempo deste
atraso difere em função do tipo de nuvem. Este adiantamento da divergência do vento
aumenta a medida que verificamos as frações mais convectivas.
141
Fig. a
Fig. 4.29 - Ciclo diurno da divergência do vento em altos níveis no canal do vapor
d’água e da fração de chuva (%): a) limiar de 0 dBZ, b) limiar de 20 dBZ,
c) limiar de 30 dBZ, d)limiar de 35 dBZ.
Fig. b
(continua)
6.4
6.0
5.6
5.2
4.8
4.4
4.0
3.6
3.2
2.8
2.4
Fraç
ão d
e ch
uva
(%)-
limia
r 20
dB
Z
222018161412108642Hora Local
2.5
2.0
1.5
1.0
0.5
0.0
Fração de chuva - radar (20 dBZ) Divergência do vento do vento em altos níveis (WV)
22.5
20.0
17.5
15.0
Fraç
ão d
e ch
uva
(%)-
limia
r 0 d
BZ
222018161412108642Hora Local
2.5
2.0
1.5
1.0
0.5
0.0
Fração de chuva - radar (0 dBZ) Divergência do vento do vento em altos níveis (WV)
142
(conclusão)
Fig. c
Fig. d
0.60
0.50
0.40
0.30
0.20
0.10
Fraç
ão d
e ch
uva
(%)-
limia
r 35
dBZ
222018161412108642Hora Local
2.5
2.0
1.5
1.0
0.5
0.0
Fração de chuva - radar (35 dBZ) Divergência do vento em altos níveis (WV)
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
Fraç
ão d
e ch
uva
(%)-
limia
r 30
dB
Z
222018161412108642Hora Local
2.5
2.0
1.5
1.0
0.5
0.0
Fração de chuva - radar (30 dBZ) Divergência do vento em altos níveis (WV)
143
4.6.2 – Relação Existente Entre a Divergência do Vento em Altos Níveis,
Precipitação, Fração de Cobertura de Nuvens e Fração de Chuva
4.6.2.1 – Relação Entre a Precipitação e a Divergência do Vento em Altos Níveis
A Figura 4.30 mostra que existe uma certa relação entre a precipitação e a divergência
do vento em altos níveis. Nota-se que o lado esquerdo da Figura representa episódios
em que é verificada convergência do vento em altos níveis. Esta convergência indica
uma contração/dissipação da área ocupada pelos sistemas verificados em altos níveis.
Os altos valores (módulo) da convergência estão associados diretamente a registros de
precipitação baixas ou nulas.
O lado direito da Figura 4.30 representa os eventos da divergência do vento em altos
níveis relacionados à precipitação. Esta coerente relação existente entre ambas variáveis
é marcada por uma grande variabilidade, por exemplo, existem casos de forte
divergência em altos níveis e baixa precipitação; deve ser levar em consideração que a
região de medidas da precipitação é muito menor que a área em que a divergência
média foi calculada. É possível verificar que a precipitação relaciona-se com valores
elevados de divergência do vento. Este fato mostra que grande parte da precipitação
registrada durante o experimento foi gerada através do desenvolvimento de sistemas de
nuvens altas e convectivas. Logo, os resultados mostram que pode-se, de modo geral,
associar a precipitação à divergência do vento em altos níveis.
144
6.0
5.0
4.0
3.0
2.0
1.0
0.0
Pre
cip
ita
ção
(m
m/h
)
-30 -20 -10 0 10 20 30Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. 4.30 – Precipitação (mm/3 h) plotada em relação à divergência do vento em altos
níveis, medidas na região de abrangência do radar TOGA.
4.6.2.2 – Relação Entre a Fração de Cobertura de Nuvens, Fração de Chuva e a
Divergência do Vento em Altos Níveis
As Figuras 4.31 a, b, c, d mostram a relação existente entre a fração de cobertura de
nuvens e a divergência do vento em altos níveis. Como na Figura anterior, o lado
esquerdo da Figura é representado pela convergência do vento em altos níveis
(divergência negativa) e os valores de divergência encontram-se no lado direito da
Figura. A Figura 4.31 a mostra a fração de cobertura de nuvens com um limiar de 284
K, este limiar por sua vez representa, como mencionado nas seções anteriores, a
cobertura total de nuvens.
Nota-se uma fraca relação entre a cobertura total de nuvens e a divergência, descrito
anteriormente. As Figuras 4.31 b, c, d representam a cobertura de nuvens altas e
convectivas, mostrando que a relação entre estas variáveis aumenta a medida que são
verificados limiares frios. Estes limiares frios representam nuvens altas e de convecção
profunda responsáveis por grande parte da precipitação gerada. A existência de um
atraso entre o máximo de cobertura de nuvens convectivas e o máximo da divergência
em altos níveis deve contribuir na variabilidade mostrada nestas Figuras.
145
Por outro lado, a fração de chuva (Figuras 4.32 a, b, c, d) que representa a quantidade de
água presente nas nuvens mostra uma razoável relação com a divergência em altos
níveis desde o limiar de 0 dBZ até 35 dBZ. Nota-se que o limiar de 235 K apresenta a
melhor relação com a divergência do vento em altos níveis. Este limiar também
apresentou a melhor relação com a fração de chuva e com a precipitação.
100
75
50
25
Fra
ção
de
co
be
rtu
ra d
e n
uve
ns
(%)
-lim
iar
28
4 K
2520151050-5-10-15-20-25Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. a
Fig. 4.31 – Fração de cobertura de nuvens plotada em relação à divergência do vento em
altos níveis, medidas na região de abrangência do radar TOGA: a) limiar de
284 K, b) limiar 235 K, c) limiar de 210 K, d) limiar de 200 K.
(continua)
146
80
70
60
50
40
30
20
10
0
Fra
ção
de
co
be
rtu
ra d
e n
uve
ns
(%)
-lim
iar
23
5 K
2520151050-5-10-15-20-25Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. b
30
20
10
0
Fra
ção
de
co
be
rtu
ra d
e n
uve
ns
(%)
-lim
iar
21
0 K
2520151050-5-10-15-20-25Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. c
(continua)
147
(conclusão)
5.0
4.0
3.0
2.0
1.0
0.0
Fra
ção
de
co
be
rtu
ra d
e n
uve
ns
(%)
-lim
iar
20
0 K
2520151050-5-10-15-20-25Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. d
70
60
50
40
30
20
10
0
Fra
ção
de
ch
uva
(%
) -l
imia
r 0
dB
Z
2520151050-5-10-15-20-25Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. a
Fig. 4.32 - Fração de chuva plotada em relação à divergência do vento em altos níveis,
medidas na região de abrangência do radar TOGA: a) limiar de 0 dBZ, b)
limiar 20 dBZ, c) limiar de 30 dBZ, d) limiar de 35 dBZ.
(continua)
148
40
30
20
10
0
Fra
ção
de
ch
uva
(%
) -l
imia
r 2
0 d
BZ
2520151050-5-10-15-20-25Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. b
10
8
6
4
2
0
Fra
ção
de
ch
uva
(%
) -l
imia
r 3
0 d
BZ
2520151050-5-10-15-20-25Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. c
(continua)
149
(conclusão)
4.0
3.0
2.0
1.0
0.0
Fra
ção
de
ch
uva
(%
) -l
imia
r 3
5 d
BZ
2520151050-5-10-15-20-25Divergência do Vento 250 - 150 hPA - 10
-6(1/s)
Fig. d
151
CAPÍTULO 5
CONCLUSÕES E SUGESTÕES
Com os dados coletados no experimento WETAMC/LBA foi possível realizar um
estudo detalhado do ciclo diurno da convecção tropical na Amazônia. A combinação de
diferentes instrumentos tais como radar, imagens de satélites, redes de pluviômetros e
radiossondagens em alta resolução temporal foi fundamental para a construção de séries
temporais para o estudo das nuvens e dos processos de precipitação. Este conjunto de
dados permitiu relacionar diversas medidas independentes da precipitação fornecendo
uma análise dos erros associados às estimativas de precipitação por satélites.
A cobertura total de nuvens é máxima em torno 03:30 LST, neste horário é possível
verificar que a fração média de nuvens na área analisada é muito alta, da ordem de 94
%. Este valor máximo diminui lentamente durante a madrugada, não sendo observadas
frações médias de nuvens inferiores a 80%. No período da manhã a cobertura total de
nuvens decresce rapidamente até 57% em torno do meio dia. Neste horário a cobertura
total de nuvens é mínima e corresponde também ao momento da máxima irradiância
solar. Estes dois fatores implicam em um forte aquecimento da superfície, gerando
instabilidade, aumento da energia potencial disponível e da temperatura potencial
equivalente (Machado et al, 2001).
Observa-se próximo ao momento de mínima cobertura total de nuvens o máximo de
precipitação e o maior crescimento da cobertura convectiva. Neste momento, grande
parte da cobertura de nuvens, que na madrugada era de nuvens com topos baixos passa
agora a ser composta em grande parte por nuvens com topos frios. Este fato se deve
provavelmente a formação de nuvens convectivas de rápido crescimento, geradas pelos
fluxos de energia, devido ao forte aquecimento radiativo da superfície.
Durante a tarde, no momento de máxima precipitação, a cobertura convectiva
experimenta seu maior crescimento atingindo o máximo em torno das 17:30 LST. Esta
152
cobertura convectiva que persiste durante a tarde, à noite praticamente se dissipa.
Observamos que durante a madrugada a presença de nuvens que possuem alturas de
topos mais frios do que 210 K e 200 K é praticamente nula. Este fato mostra que a alta
fração de cobertura total encontrada neste período não está associada à convecção e
nuvens altas, mas sim, a nuvens baixas e médias. Essas nuvens médias e baixas são
provavelmente formadas em função da alta quantidade de vapor d’água, injetado na
atmosfera pelas torres convectivas no período da tarde e da sua dissipação. Outro fator
interessante a ser observado é quanto ao momento em que a cobertura convectiva atinge
seu máximo. No momento de máxima precipitação a cobertura convectiva apresenta sua
maior taxa de crescimento, no momento que esta cobertura atinge o máximo a
precipitação média já é bem reduzida. Este fato mostra que o momento de máxima
cobertura corresponde ao momento de dissipação dos sistemas convectivos na área.
Juntamente com a evolução da cobertura de nuvens e da precipitação foi possível
verificar a evolução da fração de chuva, variável fornecida pelo radar. Verificou-se que
a fração de chuva mostrou máximos em todos os limiares estudados durante o horário
da máxima precipitação, principalmente aquela fração que representa a fração de chuva
forte/convectiva. Este máximo diminuiu gradativamente durante à tarde. Durante a
madrugada foi possível verificar apenas a ocorrência de frações de chuva total e uma
pequena porcentagem de fração de chuva moderada a fraca, que concordaram com os
registros de precipitação ocorridos na região e com a conclusão que a cobertura noturna
de nuvens é basicamente composta por nuvens baixas e médias. Esta fração de chuva
fraca no CAPPI- 2km muito provavelmente não está relacionada com a precipitação,
pois é devida a refletividades muitos baixas.
O ciclo diurno da cobertura de nuvens e da precipitação pode ser descrito de uma forma
geral da seguinte maneira: durante a madrugada existe um predomínio da cobertura total
de nuvens, e este tipo de cobertura é composta basicamente por nuvens com topos
baixos e quentes, típicos de nuvens cumulus e nuvens estratiformes, é possível que
existam algumas nuvens cirrus semi-transparentes com temperatura de brilho reduzida,
não sendo incorporada à fração de nuvens altas. Nas primeiras horas da manhã a
153
cobertura de nuvens baixas se desintensifica, e a superfície começa a ser aquecida
atingindo a mínima cobertura de nuvens no fim da manhã. Existe uma defasagem entre
o horário de mínima cobertura entre os limiares. A cobertura de nuvens convectivas
apresenta um mínimo uma hora antes do mínimo da cobertura total de nuvens. Este
adiantamento se deve provavelmente à desintensificação das poucas nuvens altas e
convectivas em dissipação existentes naquele momento. Esta camada de nuvens em
dissipação associa-se a já existente nas camadas mais baixas provocando a defasagem
de 1 hora entre o mínimo de cobertura total de nuvens e o mínimo da cobertura mais
convectiva. A mínima cobertura em torno do meio dia favorece um forte aquecimento
da superfície aumentando os fluxos de calor latente e sensível. Estes fluxos contribuem
à formação e intensificação de sistemas de nuvens convectivas, aumentando
linearmente as frações de cobertura no período da tarde. Após um curto intervalo de
tempo (em torno de 1 hora) observamos a máxima precipitação. Neste momento às
frações de nuvens convectivas apresentam a maior taxa de crescimento, aumentando
linearmente até onde são verificados seus horários de máximo desenvolvimento. O
máximo desenvolvimento da cobertura de nuvens altas acontece uma hora antes da
cobertura de nuvens associadas à convecção profunda. Este comportamento do ciclo
diurno da cobertura de nuvens foi verificado em todas as áreas estudas.
A análise da cobertura de nuvens nos sítios de medidas com diferentes coberturas
vegetais ( floresta e pastagem) apresentou alguns fatores que reforçam o mecanismo do
ciclo diurno explicado anteriormente. A variabilidade da cobertura de nuvens em
regiões de floresta e pastagem é verificada principalmente na intensidade da fração da
cobertura de nuvens, tendo em vista que o ciclo diurno é praticamente o mesmo em
ambos os sítios.
O ciclo diurno da cobertura total de nuvens entre as duas regiões é praticamente o
mesmo . Notamos uma pequena diferença durante a noite, onde a cobertura total de
nuvens na região de floresta é um pouco menor. Esta diferença ocorre à medida que
verificamos limiares de temperatura de brilho mais frios. As maiores diferenças ocorrem
para as nuvens convectivas, na região de florestas notamos uma porcentagem maior de
154
área coberta por nuvens altas durante a madrugada e início da manhã, mas a partir da
1:30 a cobertura de nuvens altas e convectivas na região de floresta é inferior em
relação à região de pastagem. À medida que verificamos os limiares mais frios notamos
que esta diferença aumenta sensivelmente. A região de floresta, apesar de apresentar
praticamente a mesma quantidade de cobertura total de nuvens, a fração de 0 dBZ é
significativamente maior que na região de pastagem. Como conseqüência, a espessura
ótica das nuvens é maior na região de floresta. Este fato é, provavelmente, devido a
maior quantidade de umidade disponível na floresta, facilitando a formação de nuvens
mais espessas e com maior quantidade de água líquida. Considerando a maior espessura
ótica das nuvens na floresta, é de se esperar que a maior quantidade de radiação solar
chegando a superfície seja na região de pastagem. Logo, esta quantidade maior de
energia que chega à superfície em regiões de pastagem deve aumentar a temperatura da
superfície e conseqüentemente o fluxo de calor latente e energia potencial disponível.
Dessa forma, a região de pastagem desenvolve convecção profunda de forma mais
intensa que a região de floresta. Esta hipótese explica a maior fração convectiva/chuva
forte e a menor fração de chuva fraca na pastagem.
Esta variabilidade na cobertura em nuvens foi, igualmente, observada em eventos de
leste e oeste. Verificou-se que a cobertura convectiva é mais intensa nos episódios de
leste, por outro lado, nos episódios de Oeste existiu uma predominância de cobertura
total de nuvens.
Medidas da precipitação realizadas de diferentes fontes foram intercomparadas. O
pluviômetro realiza a medida da água que precipita sobre a superfície em uma escala
espacial bastante reduzida (ordem de cm2). Neste estudo foram utilizados uma rede de
pluviômetros, mas os resultados mostram uma grande variabilidade espacial da
precipitação quando medida por pluviômetros. Esta variabilidade não pode ser
capturada por radares e satélites. Uma outra forma de medir a precipitação foi através
do uso dos dados CAPPI – 2 km. Esses são mais suavizadas tendo em vista o próprio
processo de construção do CAPPI. Além disso, a medida do radar é realizada em uma
área de amostragem muito superior à área de captação do pluviômetro. Apesar de
155
ocorrer uma certa dispersão o coeficiente de correlação é muito significativo, alçando
valores da ordem de 0.9. Outra ferramenta utilizada foi a imagem do canal 4 do satélite
GOES. Neste caso, relaciona-se a temperatura de brilho dos topos das nuvens com a
precipitação. A variabilidade espacial da temperatura de brilho na mesma rede de
trabalho é bem menor que aquela obtida pela rede de pluviômetros e pelo radar. Os
coeficientes de correlação de cada pixel em relação à média da rede de trabalho
mostram valores muito significativos, superiores a 0.98.
Testou-se o grau de relação, em diferentes escalas temporais, entre a temperatura de
brilho e as medidas de radar e pluviômetros. A relação da média a cada hora entre a Tir
e a precipitação apresenta uma dispersão muito elevada. O mesmo acontece com as
medidas do radar, embora com uma dispersão bem menor. A curva média de ajuste
mostra uma relação não linear que associa Tir mais frias com maior precipitação
(refletividade). A relação média entre a temperatura de brilho e a refletividade ocorre de
forma acentuada somente para limiares superiores a 245 K. As diferentes equações
passam a realizar uma estimativa mais precisa somente para os altos valores de
precipitação. Logo, o intervalo de eventos de precipitação em torno de 0.5 mm, que
representa a maioria dos casos, não pode ser estimado por satélite. Apesar das
significativas diferenças entre os regimes de leste e oeste a inter-relação entre
temperatura de brilho e refletividade é praticamente a mesma. A principal diferença
entre os regimes é com relação a proporção de nuvens convectivas e estratiformes ( leste
mais convectivo), que não está sendo capturada na escala de cada rede trabalho.
Observa-se que as maiores diferenças entre os regimes é na região do diagrama em que
estão concentrados os maiores números de pontos.
As curvas médias em todos os intervalos de tempo em que as variáveis foram integradas
no tempo e nas quatro redes de trabalho são semelhantes. Logo, uma equação para
estimar a precipitação via-satélite não muda com relação à escala temporal. Lembramos
que para os diferentes regimes a estrutura da curva é semelhante. O fator fundamental é
que a dispersão em torno da curva média é que diminuiu, ou seja, somente através da
integração temporal é que a estimativa da precipitação (principalmente das medidas
156
com radar) passa a ser mais confiável. Notamos que o erro absoluto em relação à curva
média, quando analisamos a refletividade, é reduzido à metade a medida que integramos
estas no tempo, no caso para o erro calculado de 1 a 24 horas, notamos uma redução do
índice em torno de 50 %. Com relação à curva média da precipitação, nota-se que a
redução do erro com a integração acontece até o intervalo de tempo de 6 horas, sendo
esta em torno de 38 %. Observou-se um aumento do erro quadrático para a estimativa
da precipitação quando integrada por 24 horas. A precipitação quando integrada por 24
horas apresenta uma variabilidade muito pequena, contudo, a temperatura de brilho
média diária varia significativamente, este deve ser provavelmente o caso.
Testes estatísticos mostraram que a fração de cobertura de nuvens e a fração chuva são
melhor correlacionados para os limiares que representam cobertura de nuvens altas e
chuva forte e moderada. A melhor relação foi obtida para temperaturas de brilho abaixo
de 245 K e medidas de refletividade do radar maiores do que 20dBZ
A partir das estimativas de precipitação foi verificado que em todas as equações a
precipitação foi subestimada principalmente quando as equações foram ajustadas aos
campos de precipitação medidos pela rede de pluviômetros. Este fato também foi
verificado para as estimativas integradas em 3, 6 e 24 horas. A precipitação foi
subestimada devido ao ajuste linear e a grande população de valores de baixa
precipitação. Logo, um ajuste linear não se aplica no ajuste da relação Tir com
precipitação. Além das estimativas diretas de precipitação, foram utilizadas as derivadas
no tempo e no espaço como parâmetros adicionais. Verificou-se que a derivada
temporal melhorou a estimativa, ao passo que o termo da derivada espacial praticamente
não mudou o erro da estimativa. Como foi observado na descrição do ciclo diurno, a
precipitação ocorre no momento de máximo crescimento da área de cobertura de nuvens
altas, logo, a derivada temporal tem um efeito positivo na melhora da estimativa da
precipitação. Com relação à derivada espacial, a grandeza sigma, não se observou um
efeito significativo na estimativa da precipitação. Esta variável é normalmente utilizada
para separar áreas convectivas de estratiformes. É possível que a variabilidade somente
nos quatro pixels utilizados não seja potencial para indicar diferentes tipos de nuvens.
157
A estimativa da precipitação utilizando Tir na região Amazônica em uma escala
espacial da ordem de 10 km2 é muito imprecisa, somente quando estes valores são
integrados em diversas horas que a variabilidade em torno da curva média diminui.
A divergência do vento em altos níveis, medido pelo canal do vapor d´água, mostrou ser
bem relacionada com a precipitação e a fração de chuva. Altos valores de precipitação
estão relacionados com valores elevados de divergência do vento, mostrando que a
precipitação pode ter sido gerada através do desenvolvimento de sistemas de nuvens
altas e convectivas.
O ciclo diurno da divergência do vento em altos níveis e da precipitação é marcado pela
existência de um máximo principal no período da tarde, próximo ao máximo principal
da precipitação. Durante as primeiras horas da madrugada a divergência do vento em
altos níveis mostra um máximo secundário próximo ao máximo secundário da
precipitação. Após o máximo secundário, em torno de 03:30 LST, ocorre um rápido
decréscimo de ambas variáveis até o início da manhã, seguido de um forte aumento no
período da tarde. Após o horário em que foi verificada a mínima divergência do vento
em altos níveis podemos notar um crescimento significativo nas próximas 6 horas, onde
é verificado o máximo principal em torno de 12:00 LST. Neste mesmo período é
possível verificar o horário de máximo crescimento da precipitação. O final da tarde é
marcado pela brusca diminuição da precipitação acompanhada pelo descrédito da
divergência do vento em altos níveis. O ciclo diurno da divergência do vento é
fortemente correlacionado com o da precipitação, apresentando as mesmas defasagens
com a cobertura de nuvens. A divergência do vento em altos níveis pode ser, de certa
forma, utilizada como preditor da cobertura convectiva. Observa-se que a divergência
do vento em altos níveis precede a máxima cobertura de nuvens convectivas em
algumas horas. Este resultado confirma o discutido em outras sessões, que mostram que
o momento da maior cobertura de nuvens convectivas é posterior a precipitação. Pode-
se concluir que o momento de maior cobertura de nuvens convectiva (maior expansão
da cobertura de nuvens frias) corresponde ao fim da atividade convectiva, pois,
posteriormente a este momento, a divergência em altos níveis decresce rapidamente.
158
Como sugestões para trabalhos futuros, ressalta-se a necessidade de:
a) utilizar equações não lineares no estudo da estimativa de precipitação em
diferentes escalas espaciais e temporais;
b) utilizar a divergência do vento em altos níveis, no canal do vapor d´água, como
uma variável estimadora da precipitação, além de aplicar ao estudo de casos;
c) aprofundar os estudos da cobertura de nuvens e sua relação com a divergência
do vento em altos níveis, através da utilização do método da contração e
expansão da área coberta por nuvens.
159
REFERÊNCIAS BIBLIOGRÁFICAS
Alder, R. F.; Negri, A. J. A satellite infrared technique to estimate tropical convective
and stratiform rainfall. Journal of Applied Meteorology, v. 27, n. 1, p. 30-51.
Jan. 1988.
Arkin, P. A. The relationship between fractional coverage of high cloud and rainfall
accumulations during GATE over the B-scale array. Monthly Weather Review,
v. 107, n. 10, p. 1382-1387. Oct. 1979.
Arkin, P. A.; Meisner, B. N. The relationship between large-scale convective rainfall
and cold cloud over the western hemisphere during 1982-84. Monthly Weather
Review, v. 115, n. 1, p. 51-74. Jan. 1987.
Barnes, S. L. A. Tecnique for maximizing details in numerical weather map analysis.
Journal of Applied Meteorology, v. 3, n.4, p 396-409, Aug. 1964.
Carmo, A. M. C. Estudo da estrutura termodinâmica da atmosfera sobre a
Amazônia. São José dos Campos. (INPE - 6406 - TDI/616). Tese (Doutorado
em Meteorologia) - Instituto Nacional de Pesquisas Espaciais, 1996.
Cifelli, R., Petersen, W. A., Carey, L. D., Rutledge, S. A. Radar observations of the
kinematic, microphysical and precipitation characteristics of two MCSs in
TRMM-LBA. Journal of Geophysical Research Atmospheres, v. 107, n. D20,
Ant. 8077, Sept-Oct. 2002.
Garreaud, R. D.; Wallace, J. M. The diurnal march of convective cloudiness over the
Americas. Monthly Weather Review, v. 125, n. 12, p. 3157-3171, Dec. 1997.
Gash, J.H.C.; Wright, I.R.; Hodnett, M.G.; Oyama, M.D.; Culf, A.D.; Ubarana, V.N.,
The water budget of Amazonian forest and pasture. In: Conference on the
160
Global Energy and Water Cycle, 2. Washington, USA, 1996. Proceedings.
Washington, 1996
Greco, S.; Swap, R.; Garstang, M.; Ulanski, M.; Harriss, R. C.; Talbot, R.; Andreae, M.
O.; Artoxo, P., Rainfall and surface kinematic conditions over central Amazonia
during ABLE 2B. Journal of Geophysical Research, v. 95, n. D10, p. 17001-
17014. Sep. 1990.
Guedes, R. L.; Machado, L. A. T.; Sakuragi, J., Cobertura de nuvens e temperatura
observadas à superfície e obtidas por satélite: uma comparação de 1984 a 1990.
Revista Brasileira de Meteorologia, v. 15, n. 1, p. 15-25. Jun. 2000.
Halverson, J. B.; Rickenbach, T. M.; Pierce, H.; Roy, B.; Williams, E., Environmental
characteristics of convective systems during TRMM-LBA. Monthly Weather
Review, v. 130, n. 6, p. 1493-1509, June, 2002.
Harriss, R. C.; Garstang, M.; Wofsy, BeckS, S. C.; Bendura, R. J.; Coelho, J. R.
B.;Drewry, J. W.; Hoell, J. M.; Matson, P. A.; MacNeal, R. J.; Molion, L. C. B.;
Navarro, R. L.; Rabine, V.; Snell, R. L., The Amazon boundary layer
experiment: Wet season 1987. Journal of Geophysical Research, v. 93, n. D10,
p.16721-16736. Sep. 1990.
Hendon, H. H.; Woodberry, K. The diurnal cycle of tropical convection, Journal of
Geophysical Research, v. 98, n. D9, p.16623-16637. Sept. 1993.
Holton, J. R. An introduction to dynamic meteorology. 2 ed. San Diego: Academic
Press , v. 23, p. 394. 1979. International Geophysics Series.
Janowiak, J.E.; Arkin, P. A.; Morrissey, M., An examination of the diurnal cycle in
oceanic tropical raifall using satellite and in situ data. Monthly Weather
Review, v. 122, n. 10, p. 2296-2311. Oct. 1994.
161
Laurent, H. Wind extraction from meteosat water vapor channel image data. Journal of
Applied Meteorology, v. 32, n. 6, p.1124-1133. Jun. 1993.
Laurent, H.; Machado, L. A. T.; Morales, C. A.; Durieux, L. Characteristics of the
Amazonian mesoscale convective systems observed from satellite and radar
during the WETAMC/LBA experiment. Journal of Geophysical Research
Atmospheres, Atmospheres, v. 107, n. D20, Ant. 8054, Sept-Oct. 2002.
Liebmann, B.; Marengo, J.; Glick, J.; Wainer. I.; Kousky, V.; O Massambani.
Comparison of Long wave radiation, divergence and rainfall in the Amazon
basin on subseasonal scales. Journal of Climate, v. 11, n. 11, p. 2898-2909.
Nov. 1998.
Machado, L. A. T.; Desbois, M.; Duvel, J. P. Strutural characteristics of deep
convective systems over tropical Africa and the Atlantic-Ocean. Monthly
Weather Review, v. 120, n. 3, p. 392-406. Mar. 1992.
Machado, L. A. T.; Rossow, W. B. Strutural characteristics and radiative properties of
tropical cloud clusters. Monthly Weather Review, v. 121, n. 12, p. 3234-3260.
Dec. 1993.
Machado, L. A. T., Rossow, W. B., Guedes, R. L., Walker, A. W. Life cycle of
mesoscale convective systemas over the Américas. Monthly Weather Review,
v. 126, n. 6, p. 1630-1654. Jun. 1998.
Machado, L. A. T., Laurent, H., Lima, A. A. The diurnal march of the convection
observed during TRMM-WETAMC/LBA. Journal of Geophysical Research
Atmospheres, v. 107, n. D20, Ant. 8064, Sept-Oct. 2002.
162
Machado, L. A. T. The Amazon energy budget using the ABLE-2B and FluAmazon
data. Journal Atmospheric. Sciences, v. 57, n. 18, p. 3131-3143. Sept. 2000.
Marshall, T. S., Palmer, W. MaK. The distribution of raindrops with site. Monthly
Weather Review, v. 106, n. 1, p. 165-166. Jan. 1993.
Mintz,Y. A brief review of the present status of global precipitation measurements.
Precipitation measurements from space- Workshop Repost, Greenbelt, NASA,
Goddard space Flight center (MD D10-D18). 1981.
Molion, L. C., Resultados preliminares do experimento micrometeorológico na floresta
amazônica. Revista Brassileira de Engenharia – caderno de hidrologia, n. 3.
1985.
Petty, G. W.; Katsaros, K. B. Nimbus-7 SMMR precipitation observations calibrated
against surface radar during TAMEX. Journal of Applied Meteorology, v. 31,
n. 6, p. 489-505. Jun. 1992.
Richards, F.; Arkin, P. On the relationship between satellite-observed cloud cover and
precipitation. Monthly Weather Review, v. 109, n. 5, p. 1081-1093. May. 1981.
Rickenbach, T. M.; Nietro-Ferreiro, R.; Halverson, J.; Silva Dias, M. A. F. Mesoscale
properties of convection in western Amazônia in the context of the large-scale
wind field. Submitted Journal of Geophysical Research, 2001.
Rickenbach, T.; Cifelli.; Halverson, J.; Kucera, P.; Thiele, O. Convective systems in
contrasting regimes during TRMM-LBA in Rondônia, Brasil. 15th Hydrology
Conference, Long Beach, Ca, USA.MAS Publ , p. 329-332. 2000.
Sakamoto, M. S.; Laurent, H. Cálculo da divergência no topo de sistemas convectivos
tropicais utilizando campos de vento derivados de imagens do canal do d’água
163
do satélite Meteosat. [CD-ROM]. In: Congresso Brasileiro de Meteorologia,
10.,1998, Campos do Jordão. Anais...Rio de Janeiro: SBMet, 1998.
Sakamoto, M. S.; Laurent, H. Estimativa de Campos de Vento a partir de Imagens de
Satélite do Canal do Vapor D’água do Satélite Meteosat. [CD-ROM]. In:
Congresso Brasileiro de Meteorologia, 10.,1998, Campos do Jordão. Anais...Rio
de Janeiro: SBMet, 1998.
Scofield, G. B. Estimativa de precipitação sobre a região de São Paulo utilizando a
“Convective Stratiform Technique”, São José dos Campos. (INPE - 5667 -
TDI/560). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto
Nacional de Pesquisas Espaciais, 1994.
Scofield, R.A. e Olivier, V.J. A Scheme for Estimeting convective rainfall from
satellite imagery. Washington: NOAA, 1977. P. (NOAA-NESS).
Velden, C.S. Winds derived from geostationary satellite moisture channel observations:
applications and impact on numerical weather. Meteorological Atmospheric.
Physics, v. 60, n. 1-3, p. 37-46. 1996.
Velden, C.S., Christopher, M. H., Steven, J. N., Menzel, W. P., Wanzong, S., Goerss, J.
S. Upper-tropospheric winds derived from geostationary satellite water vapor
observations. Bulletin American Meteorological Society, v. 78, n. 2, p. 173-
193. Feb. 1997.
Willians, E.; Rosenfeld, .D.; Madden, N.; Gerlach, J.; Atkinson, L.; Dunnemann, N.;
Forstrom, G.; Gears, N.; Antonio, B.; Biazon, B.; Camargo, R.; Franca, H.;
Gomes, A.; Lima, M.; Machado, R.; Manhaes, S.; Nachtigall, L.; Piva, H.;
Quintiliano, W.; Machado, L. A. T.; Artaxo, P.; Roberts, G.; Renno, N.;
Blakeslee, R.; Bailey, J.; Boccippio, D.; Betts, A.; Rickenbach, T.; Halverson, J.;
Roy, D.; Fuentes, J.; Avelino, E. Contrasting convective regimes over the
top related