Post on 19-Oct-2020
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