modelos atmosféricos características e...
TRANSCRIPT
-
PARTE 6-2Modelos Atmosféricos – Caraterísticas e
Aplicações
Referência: “Summer school on mathematic modeling of atmospheric chemistry 2015”, prof. Guy Brasseur
TÉCNICAS EM CLIMATOLOGIAPROGRAMA DE PÓS GRADUAÇÃO EM GEOGRAFIA FÍSICA USP
FEVEREIRO 2017
-
*Espectrais
Características dos modelos atmosféricos
*Diferenças Finitas
Apropriado para a escala global
Requer menos poder computacional
Modelo global utilizado pelo CPTEC/INPE
Apropriado para qualquer escala
É possível ajustar o poder computacionalnecessário
Diversos outros modelos – WRF, RegCM, BRAMS
-
*Hidrostático
Características dos modelos atmosféricos
*Não-hidrostático
Utilizam a aproximação hidrostática para descrever o movimento vertical do ar:
Requerem menos poder computacional
Podem ser utilizados quando o fenômeno atmosférico possuir maiorcomprimento horizontal do que vertical:- brisa marítima, circulação frontal, relevo simples, etc.
Calcula o movimento vertical do ar diretamente a partir dos pontos de gradeadjacentes. Não usa a aproximaçãohidrostática
Requer maior poder computacional
Necessário para calcular movimento vertical significativo:Formação de células convectivas profundas, altura da camada limite, relevo complexo,etc
Ԧ𝐺 ≅ 𝛻𝑣𝑃
-
Força devido à 𝑮𝒓𝒂𝒗𝒊𝒅𝒂𝒅𝒆 =𝑭𝒐𝒓ç𝒂 𝒅𝒆𝒗𝒊𝒅𝒐 𝒂𝒐 𝒈𝒓𝒂𝒅𝒊𝒆𝒏𝒕𝒆 𝒗𝒆𝒓𝒕𝒊𝒄𝒂𝒍 𝒅𝒆 𝒑𝒓𝒆𝒔𝒔ã𝒐
Ԧ𝐺 ≅ 𝛻𝑣𝑃
∂p
∂z = − gρ
G
grad pressão vertical
Superfície terrestre
EQUILÍBIO HIDROSTÁTICO
-
*Globais e regionais
Características dos modelos atmosféricos
*Urbanos
Apropriados para escalas de análise globais e regionais, da ordem de dezenas de km até o globo todo
Apropriados para escalas de análise locais, menores do que dezenas de km
-
*Lagrangianos
Características dos modelos atmosféricos
*Eulerianos
Método no qual o observador se move com o fluido (parcela de ar, partículas) escolhido para a observação, através do tempo e do espaço.
Ex: rastrear a origem de massas de ar,identificar fontes de poluição, etc
Tempo e espaço são referenciais fixos;observa-se o movimento do fluído atravésdeles. A localização é importante.
Ex: verificar impacto da TSM na precipitaçãoem uma dada área, ilhas de calor, etc
-
Modelos Numéricos de Previsão: Condições Iniciais
Dados disponíveis em http://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=220
-
Observations used in ARPEGE
radiosondagens - P,T,UR,ventoRadiâncias ATOVS NOAA
Satélites Geostacionário - ventosBóias na superfície - P,T,UR,vento
SYNOP e navios - superfície P,T,UR,vento avião - T,vento
-
Observações de Satélite são vitais para a utilização e avaliação de modelos atmosféricos
-
Resolução espacial, temporal e vertical
• Modelos Regionais ou urbanos : 500 m ou -
• Menor resolução espacial = melhor representação de superfície eatmosfera
• Resolução temporal deve evoluir juntamente com a espacial. Para cadapasso de tempo, o modelo calcula o movimento da atmosfera. Por isso,resoluções espacialmente mais detalhadas requerem mais tempo decálculo.
• Resolução vertical = quantas ‘camadas’ de altitude serão usadas para secalcular movimentos verticais no modelo (ex: precipitação).Modelos globais: cerca de 30-80 camadas.
-
Estudo japonês sobre Fukushima: melhor resolução de topografia interfere na
modelagem da dispersão dos poluentes
-
Processos normalmente parametrizados
Processos muito complexos, ou que ocorrem em escalas temporais e espaciais muito pequenas para serem capturados pelo modelo são representados através de parametrizações(aproximações numéricas utilizadas para se representar tais processos)
-
Exemplos de parametrizações Convecção Cumulus
• Formação de nuvens cumulus: Grell (1993) (América do Sul tropical) e Kuo (1974) (monções indianas)
• Grell-Freitas (2014): convecção/integração da modelagem atmosférica com a modelagem de qualidade do ar
• Goddard (Tao et al., 2009): radiação (interação com vapor de água, CO2 e outras substâncias)
-
Condições iniciais (CI) e de fronteira (CF)
• Conjuntos (ensembles) de simulações são elaborados para se levarem conta a variabilidade interna de cada modelo e da atmosfera. O aspecto não-linear da atmosfera leva a incertezas inerentes nassimulações e previsões.
• Previsão de Tempo: para tentar remover (ou diminuir) estaincerteza, cada modelo pode ser executado várias vezes, com diferentes CI. Assim, tem-se uma estatística do estado maisprovável da atmosfera no tempo futuro
• Previsão Climática: os modelos climáticos são executados váriasvezes com diferentes CF (temperatura da superfície do mar, porexemplo) para se construir uma resposta média mais confiávelquanto a incerteza inerente ao longo do tempo..
-
Previsão Climática Sazonal
Condição FinalCondição Fronteira
Tempo
meses
Alta Previsibilidade Baixa Previsibilidade
Condição FinalCondição Fronteira
Tempo
meses
-
Ensemble (conjunto) de previsões de precipitação no
inverno na Europa 2015
-
Avaliando o resultado de modelos
• Visão Moderna: Nem todos os aspectos do mundo natural e do comportamento social são previsíveis, e novas abordagens devemser desenvolvidas:
– A previsão do tempo tem um limite de confiabilidade (10-15 dias para latitudes temperadas, por exemplo (Lorenz, 1963)
– O clima (estado médio da atmosfera) é mais facilmente previsto para as latitudes tropicais, enquanto o tempo é mais facilmente previstopara as latitudes temperadas.
– A interferência humana no clima deriva de complexos fatores sócio-econômicos que ainda necessitam ser melhor incorporados nosmodelos - INTERDISCIPLINARIDADE
-
APLICAÇÕES
MODELAGEM ATMOSFÉRICA
-
RegCM3 Modelagem ClimáticaDESMATAMENTO NA AMAZÔNIA
EXPERIMENTO CONTROLE EXPERIMENTO SENSIBILIDADE
SILVA et al. (2015)
DESMATAMENTO EXTRAPOLADO 2050
-
RegCM3 e CRUHABILIDADE DO MODELO
Figure 2 (a,d) Mean surface air
temperature (oC) and precipitation (mm
day-1) for the rainy season from 2001 to
2006 as simulated by RegCM3; (b,e)
same as (a,d), but for CRU observed
data; (c,f) air temperature and
precipitation differences between
simulated and observed data.
-
RegCM3 Modelagem ClimáticaHABILIDADE DO MODELO
Figure 4 (a) Observed and simulated maximum (orange and green colors) and minimum (blue
and magenta colors) daily air temperature for the rainy seasons (Oct-Mar) from 2000-2001 to
2006 -2007. The observed data were obtained at the micrometeorological tower in the
northeastern part of Sao Paulo state, in a cerrado vegetation conservation region, for the same
period.
TORRE MICROMETEOROLÓGICA X RegCM3
-
RegCM3 Modelagem ClimáticaDESMATAMENTO NA AMAZÔNIA
?
-
RegCM3 Modelagem ClimáticaDESMATAMENTO NA AMAZÔNIA
u
u
v
v geop
-
CAM-chem at 0.5° - Surface Ozone
Strong diurnal variation, particularly evident in Northern Hemisphere
From Louisa Emmons, NCAR
-
Weather Research and Forecast – WRF(modelo para previsão de tempo e pesquisa)
0.01”
Vento 10 m e PNM 28-02-2012 Precipitação 09-01-2012
-
Características Principais do WRF
• Modelo de mesoescala não-hidrostático e muito versátil
resolução: dezenas de metros a milhares de km
• Software livre desenvolvido em parceria NCAR-NCEP
mais de 25000 usuários registrados
• Diversos módulos complementares:
WRF/Chem - poluição atmosférica
WRF/Urban – urbano
WRF/Fire - queimadas
H-WRF - furacões
-
Pré-processamento
Dados Meteorológicos
-
Passos para a execução do modelo
Pré-processamento Execução
-
Arquivo de controle: namelist.wps
-
Usando o WRF – minha colinha
-PRÉ-PROCESSAMENTO
nedit namelist.wps (controla os arquivos estáticos – terreno, solo, lat/lon, etc)./geogrid.exe (executa o pré-processamento dos arquivos estáticos)
./link_grib.csh ../GFS/*
ln -sf ungrib/Variable_Tables/Vtable.GFS Vtable
./ungrib.exe (descompacta dados atmosféricos)
./metgrid.exe (interpola espacialmente os dados)
ln -s ../../../WPS/met_em* .
-EXECUÇÃO
nedit namelist.input (controla diversos parâmetros da parte física, dinâmica e química da rodagem)
./real.exe (Integra verticalmente todas as etapas anteriores)
rm rsl.out.0000
rm rsl.error.0000
mpirun -np 8 ./wrf.exe& (execução do modelo)
tail rsl.error.0000 (verifica o andamento da rodagem)
-PÓS-PROCESSAMENTO
nedit namelist.ARWpost (pós-processamento da rodagem: modifica variáveis no .ctl)
./ARWpost.exe (gera o .ctl e o .dat para uso no grads)
-
WRF/CHEM: poluição atmosférica
Modificação da emissão de poluentes na RMSP
Concentração e transportede ozônio troposférico (ppb)
-
Simulação de um evento extremo de
precipitação no estado de SP
Campo da distribuição espacial
da precipitação simulada pelo
WRF para a mesma data.
Bender et al. (2011)
-
WRF/Chem acoplado a um UCM
Silva Júnior (2009)
Melhor representação
das interferências da área
urbana no clima local
(rugosidade, interferência na
circulação de ventos locais,
cobertura do solo, maior
absorção e geração de calor,
etc)
SEM UCM COM UCM
(urban canopy model)
-
Algumas referências:
*http://www2.mmm.ucar.edu/wrf/users/
*BENDER, F. D. ; SANTOS, M. J. ; YNOUE, R. Y. .Análise da ocorrência de um evento de precipitação extrema em São Paulo com o Modelo Operacional WRF em três grades aninhadas. In: IV Simpósio Internacional de Climatologia, 2011, João Pessoa. Anais do IV Simpósio Internacional de Climatologia, 2011.
*SILVA, R. S. J., Sensibilidade na Estimativa de Concentração de Poluentes Fotoquímicos com a Aplicação de Diferentes Parametrizações de Camada Limite Planetária Utilizando o Modelo de Qualidade do ar WRF/Chem, Tese de Doutoramento apresentada ao Departamento de Ciências Atmosféricas do IAG, USP, São Paulo, 2009.
*SEKIYAMA ,T. T.; Spatial resolution dependence of Fukushima radionuclide simulations using 15-km, 3-km, and 500-m grid models, 94th American Meteorological Society Meeting, Atlanta, 2014.
https://ams.confex.com/ams/94Annual/webprogram/Paper236709.html
*TAO, W. K. et al.. The Goddard multi-scale modeling system with unified physics. In Annales Geophysicae (Vol. 27, No. 8, pp. 3055-3064). Copernicus GmbH, 2009.
•GRELL, Georg A.; FREITAS, Saulo R. A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling. Atmos. Chem. Phys. Discuss, v. 13, n. 23, p. 845-23, 2013.
•CHIQUETTO, Julio Barboza. A distribuição espacial da concentração de ozônio troposférico associada ao uso do solo na região metropolitana de São Paulo. 2016. Tese (Doutorado em Geografia Física) - Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo, São Paulo, 2016. Disponível em: .
•SILVA, Maria Elisa Siqueira; PEREIRA, Gabriel; DA ROCHA, Rosmeri Porfírio. Local and remote climatic impacts due to land use degradation in the Amazon “Arc of Deforestation”. Theoretical and Applied Climatology, v. 125, n. 3-4, p. 609-623, 2016.
Obrigado pela atenção