UNIVERSIDADE FEDERAL FLUMINENSE
ESCOLA DE ENGENHARIA
PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE
BIOSSISTEMAS
LUTHIENE ALVES DALANHESE
CLIMATOLOGIA DE ONDAS NO ATLÂNTICO SUL COM BASE EM
OBSERVAÇÕES DO PROGRAMA PNBOIA E DADOS REANALISADOS DO
MODELO WAVEWATCH III
Niterói-RJ
2017
LUTHIENE ALVES DALANHESE
CLIMATOLOGIA DE ONDAS NO ATLÂNTICO SUL COM BASE EM
OBSERVAÇÕES DO PROGRAMA PNBOIA E DADOS REANALISADOS DO
MODELO WAVEWATCH III
Dissertação apresentada ao Curso de
Mestrado em Engenharia de Biossistemas
da Universidade Federal Fluminense, como
requisito parcial a obtenção do título de
Mestre em Engenharia de Biossistemas.
Área de concentração Recursos Naturais e
Ambiente. Linha de Pesquisa: Meteorologia
e Mudanças Climáticas.
ORIENTADOR: DR. ANDRE LUIZ BELEM, DR.RER.NAT.
Niterói, RJ
2017
AGRADECIMENTOS
À família que escolhi para trilhar meu caminho nesta Terra, e em especial ao Vitor pela
paciência, carinho e eterno cuidado comigo. Por acreditar em mim e se orgulhar de
cada conquista minha. Sem teu suporte, eu não teria o espaço que tenho para florescer.
Sempre!
A minha família, por me mostrarem que trabalho duro, o esforço e a dedicação,
principalmente em relação ao que amamos, vale a pena. Por se orgulharem de mim e se
manterem ao meu lado, mesmo nos momentos em que julguei não merecer. Por serem
meus exemplos e por me amarem incondicionalmente.
As minhas amoras Natalia, Danielle e Carol. Vocês tornam esse ser ogro em um ser
ogro fofo. Obrigada por manterem a minha sanidade – a maioria das vezes. Obrigada
por acreditarem em mim. Por me perdoarem pelas ausências (seu aniversário cai num
dia nada estratégico Dani) e por me amarem incondicionalmente. Por nada mudar,
mesmo eu estando tanto tempo longe.
A amiga Caíssa Perucci, que me torturou ao me fazer ir para a estufa no verão medir
Ipecas para nada. Ao me acalmar, e me manter sã, pela amizade e carinho sem igual.
Por ser um presente nesse mestrado.
Aos amigos: Thiago e Yuri pela companhia sem igual e amizade. Pela lealdade e
companheirismo. Por me fazer rir. Pelo café e chocolates.
A Yaci que chegou chegando na minha vida, marcando território e ocupando todo o
espaço. Fonte de chocolate, café e coerência. Músicas ótimas e melhores risadas!
Obrigada.
A Thais, pelas horas de trabalho que nos uniram, por compartilhar comida e bom gosto
musical. Por aceitar meus memes ruins e piadas horríveis.
À Marinha do Brasil e a todos no CHM-11 em especial a Tenente Vanessa e ao Capitão
- Tenente Tobias pelo auxílio na obtenção de dados e informações fundamentais para a
realização deste trabalho.
Ao Luciano, por sempre ter sido um exemplo do tipo de pessoa e profissional que quero
ser. Por ter sido meu mestre e hoje ser meu amigo. Por ter acreditado em mim. Por
você, Jaqueline e Gabriel serem família. Lu, Jaqueline e Biel, “tmj” sempre!
Ao André, vulgo querido mestre, por acreditar no meu potencial. Por me mostrar um
mundo novo, por ser meu exemplo. Por me ensinar sempre. Por estar ao meu lado
mesmo quando falho. Por ser paciente. Ser professor e ser amigo. Te admiro muito.
E ao querido café. Sem você, nada seria.
“Quando preciso for, tu serás a minha, assim como eu a sua. Asas. Que nos levam ao
futuro, nos atrelam ao presente, e nos fazem compreender o passado. A você. ”
RESUMO
Regiões costeiras são ambientes naturalmente dinâmicos e capazes de constante
adaptação em resposta às forçantes naturais do clima, mas ainda assim condicionadas às
intervenções humanas, principalmente na fronteira mar-terra. A intensidade dos ventos
geradores de tempestades e ondas de superfície em mar totalmente desenvolvido pode
interagir de forma perigosa na propagação de energia e na frequência de ressacas na
costa, com consequências ambientais e socioeconômicas. Neste trabalho, dados de
hindcast do modelo Wavewatch III para a região do Atlântico Sudoeste (denominada de
METAREA V) foram correlacionados com observações diretas de boias oceanográficas
do programa PNBOIA (Marinha do Brasil), em especial aquelas instaladas nas áreas
Alfa, Bravo, Charlie e Delta, abrangendo o Sul e Sudeste da costa brasileira, de forma a
verificar estatisticamente a correlação entre o campo de ondas observado e o modelado.
Com base nos resultados calibrados, as ocorrências de ondas mais altas foram então
correlacionadas com os avisos de mar grosso e ressacas das áreas acima delimitadas,
entre 2003 e 2017, disponibilizados pelo Centro de Hidrografia da Marinha (CHM). A
frequência e intensidade dos eventos, tanto modelados quando observados, bem como
sua correlação com os avisos emitidos, foram estudadas. Os resultados indicaram que
apesar de a variabilidade natural do padrão de ondas de mar grosso e ressacas não ter
aumentado de forma expressiva nos 14 anos analisados, a frequência dos avisos variou
significativamente, indicando uma mudança clara no processo de análise de risco por
parte do CHM. A análise dos dados apresentada nos permite ressaltar a necessidade de
cautela quanto ao uso de avisos para gestão de risco, para que os custos gerados a partir
de um equívoco de interpretação entre os riscos previsto e observado não sejam
elevados.
Palavras Chave: Costa brasileira, METAREA V, Ondas, Mar Grosso, Ressaca.
ABSTRACT
Coastal regions are naturally dynamic environments, capable of constant adaptation in
response to the natural forcings of the climate, but still conditioned to human
interventions, especially at the sea-land border. The intensity of winds that generate
storms surges and surface waves at fully developed sea can interact in a dangerous way
in the energy propagation and frequency of storm surges with environmental and
socioeconomic consequences. In this study, hindcast data from the Wavewatch III
model for the Southwest Atlantic region (called METAREA V) were correlated with
direct observations of oceanographic buoys from the PNBOIA program (Brazilian
Navy), especially those located in Alfa, Bravo, Charlie and Delta areas, covering the
South and Southeast of the Brazilian coast, aiming to statistically verify the correlation
between the modeled and the observed wave fields. Based on the calibrated results, the
occurrence of higher waves were then correlated with warnings of rough sea and storm
surges in the areas defined above, between 2003 and 2017, available by the Navy
Hydrographic Center (CHM). The frequency and intensity of both modeled and
observed events, as well as their correlation with the issued warnings, were studied. The
results indicated that although the natural variability of the rough sea wave pattern and
storm surges did not increase expressively in the 14 years analyzed, the frequency of
warnings varied significantly, which is indicative of a clear change in the risk analysis
process by CHM. The analysis of the presented data allows us to emphasize the need for
caution in the use of warnings for risk management, so that the costs generated from an
interpretation misconception between the expected and the observed risks are not high.
Key words: Brazilian coast, METAREA V, waves, rough sea, storm surge.
LISTA DE ILUSTRAÇÕES
Figura 1: Perfil vertical de uma onda idealizada com forma senoidal adaptado de OPEN
UNIVERSITY, 1999. 5
Figura 2: Tipos de ondas de superfície relacionadas as forças geradoras e restauradoras,
os períodos das mesmas e a quantidade relativa de energia associada a cada uma (HZ
por segundo) adaptado DE MUNK, 1950 . 7
Figura 3: Esquema que mostra a geração de ondas pela ação do vento, adaptado de
(Open University 1999). 9
Figura 4: Área de estudo e pontos de localização das boias do PNBOIA, inseridas o nas
áreas de monitoramento da METAREA V, denominadas ALFA, BRAVO, CHARLIE,
DELTA, ECHO e FOXTROT (DHN 2003), os pontos das boias são os mesmos
utilizados para a retirada de dados do modelo WWIII. 15
Figura 5: Áreas onde estão localizadas as diferentes regiões do índice Niño (Dahkman
2009). Fonte: <https://www.climate.gov/news-features/understanding-climate/climate-
variability-oceanic-ni%C3%B1o-index>. 17
Figura 6: Representação de variação de TSM, em períodos de El Niño (globo esquerdo)
e La Niña (globo direito). Nota-se na figura, a variação de temperatura em diversos
pontos, inclusive na costa do Brasil. Adaptado das figuras disponíveis em:
https://www.climate.gov/news-features/understanding-climate/climate-variability-
oceanic-ni%C3%B1o-index. 18
Figura 7: MEI - Índice Multivariado ENOS, disponível em
https://www.esrl.noaa.gov/psd/enso/mei/. 19
Figura 8: Índice Marshal onde está representada a variação do SAM, sendo a curva em
preto ressalta a variação decadal do índice. Tal índice foi produzido com base nos
estudos propostos por Marshall (2003) e disponíveis em
<https://climatedataguide.ucar.edu/climate-data/marshall-southern-annular-mode-sam-
index-station-based>. 20
Figura 9: Boias Axys Technologis Inc. modelo 3-Meters (3M) utilizadas no programa
PNBOIA pela Marinha do Brasil. Na foto, a boia designada para a posição Cabo Frio 2
(Brasil 2017a). 24
Figura 10: Grades utilizadas no modelo WAVEWATCH III e a diferença entre as
grades NWW3 (1997 a 2006) e Multi (2005 a 2017). Círculos vermelhos indicam as
posições das boias do PNBOIA que não foram validadas pelo CHM e as verdes, boias
validadas. A linha azul clara delimita as áreas de monitoramento da METAREA V. 27
Figura 11: Boias utilizadas pelo NCEP para a validação dos dados obtidos pelo modelo
WWIII. O quadro vermelho destaca a área de estudo do presente trabalho. Fonte:
http://polar.ncep.noaa.gov/waves/. 28
Figura 12: Esquema simplificado de suposição de previsão acoplada do CFSRR para
ciclos de 18 horas (9+9 hs) utilizado pelo MMAB, adaptado de Saha et al., 2010. 29
Figura 13: Hs - Altura significativa de onda (m) x Tempo para as posições de Recife,
Porto Seguro, Cabo Frio, Santos, Santa Catarina e Rio Grande. 34
Figura 14: Wave Rose dividido por estações do ano para a posição de Recife. 36
Figura 15: Wave Rose dividido por estações do ano para a posição de Cabo Frio. 37
Figura 16: Wave Rose dividido por estações do ano para a posição de Santos. 38
Figura 17: Wave Rose dividido por estações do ano para a posição de Santa Catarina. 39
Figura 18: Wave Rose dividido por estações do ano para a posição de Rio Grande. 40
Figura 19: Histograma de Frequência em relação a altura significativa de ondas
divididas por estações do ano para a posição de Recife. 41
Figura 20: Histograma de Frequência em relação a altura significativa de ondas
divididas por estações do ano para a posição de Cabo Frio. 42
Figura 21: Histograma de Frequência em relação a altura significativa de ondas
divididas por estações do ano para a posição de Santos. 42
Figura 22: Histograma de Frequência em relação a altura significativa de ondas
divididas por estações do ano para a posição de Santa Catarina. 43
Figura 23: Histograma de Frequência em relação a altura significativa de ondas
divididas por estações do ano para a posição de Rio Grande. 43
Figura 24: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em
relação aos parâmetros de Hs e Dp para a posição de Recife. 44
Figura 25: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em
relação aos parâmetros de Hs e Dp para a posição de Porto Seguro. 45
Figura 26: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em
relação aos parâmetros de Hs e Dp para a posição de Cabo Frio. 45
Figura 27: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em
relação aos parâmetros de Hs e Dp para a posição de Santos. 46
Figura 28: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em
relação aos parâmetros de Hs e Dp para a posição de Santa Catarina. 46
Figura 29: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em
relação aos parâmetros de Hs e Dp para a posição de Rio Grande. 47
Figura 30: Energia de onda acumulada em kw/h para os pontos de grade referentes a
posição de Rio Grande, Santa Catarina e Santos, onde destacam-se o dado original em
azul, e o dado corrigido em vermelho para o período de 1997 até Março de 2017. 52
Figura 31: Avisos de Mau tempo para as condições de Mar Grosso (em azul) e Ressaca
(em vermelho), de 2003 a 2017, para as áreas ALFA, BRAVO, CHARLIE e DELTA. 54
Figura 32: Comparativo entre a quantidade de avisos emitidos pelo CHM para as
condições de Mar Grosso e Ressaca para as áreas Alva, Bravo, Charlie e Delta. 55
Figura 33: Coeficiente de correlação mensal para a posição de Rio Grande. 67
LISTA DE QUADROS
Quadro 1: Quadro comparativo com a área aproximada em Quilômetros (Km²) e Milhas
náuticas (mn²), além de quantos pontos de grade NWW3 e Multi_1 do Wavewatch III
estão definidos para cada sessão da METAREA V. 22
Quadro 2: Posição das boias do PNBOIA na METARIA V e seus períodos de atuação.
Perceba que as boias utilizadas no presente trabalho estão marcadas em cinza. Fonte:
http://www.goosbrasil.org. 23
Quadro 3: Quadro descritivo com os parâmetros contidos nos GRIBS disponibilizados
pelo modelo WAVEWATCH III. 30
Quadro 4: Identificador do indicador e nome do teste. Fonte: Marinha do Brasil. 31
Quadro 5: Identificador do indicador e nome do teste aplicado. Fonte: Marinha do
Brasil. 31
Quadro 6: Quadro descritivo com o número total de dados obtidos e de dados
aproveitados após a exclusão daqueles com o indicador 4. As boias destacadas em cinza
foram descartadas. Fonte: http://www.goosbrasil.org. 32
Quadro 7: Coeficiente de correlação geral entre a altura significativa - Hs - da onda para
os pontos onde estão as boias do PNBOIA, onde são identificados o coeficiente de
correlação geral e quantidades de dados observados, além de a e b que descrevem a reta
linear. 47
Quadro 8: Coeficiente de correlação mensal por boias e quantidades de dados
observados para cada mês. 49
Quadro 9: Coeficientes da equação que descreve a função reta (regressão linear) para
cada localidade. Estão dispostos os coeficientes da reta a e b. 50
LISTA DE ABREVIATURAS ATLAS – Autonomous Temperature Line Acquisition System
CFSR – Climate Forecast System Reanalysis
CHM – Centro de Hidrografia da Marinha
DHN – Diretoria de Hidrografia e Navegação
ENOS – El Niño Oscilação Sul
GOOS – Global Ocean Observing System
GRIB – Gradeded Binary
IOS – Índice de Oscilação do Sul
NaN – Not a number
NCAR – National Center for Atmospheric Research
NCEP – National Center for Environmental Prediction
NOAA – National Oceanic and Atmosphere Administration
PNBOIA – Programa Nacional de Boias
SAM – Southern Annular Mode / Modo Anular Sul
UFF – Universidade Federal Fluminense
UFRJ – Universidade Federal do Rio de Janeiro
WWIII – Wavewatch III
LISTA DE SÍMBOLOS
� – Altura da onda
� – Altura significativa de onda
! – Comprimento da onda
λ – Comprimento da onda
" – Período
"# – Período de pico
$ – Frequência
�% – Hertz
&$ – Celeridade
' – Profundidade de oceano
'# – Direção de onda
( – Gravidade
) – Número de onda
* - Sigma
+ - Pi
γ – Parâmetro de Phillips para crescimento linear de ondas
P – Fluxo de energia por onda
,- – Densidade da água
�./ – Altura significativa da onda
"0 – Período de onda médio
ρ – Densidade da água
E – Densidade de energia
( – Aceleração por gravidade
J – Joule
m² - Metros quadrados
&( – Velocidade de grupo
m – Metros
s – Segundos
mm – Milímetros
2 - Profundidade da água
3 - Aproximadamente
r – Correlação linear
km² – Quilômetros quadrados
mn² – Milhas náuticas quadrados
kw/m² - Kilowatts por metro quadrado
SUMÁRIO
1 INTRODUÇÃO 1
2 OBJETIVOS 3
3 FUNDAMENTAÇÃO TEÓRICA 4
ONDAS OCEÂNICAS GERADAS PELO VENTO 4
PROPAGAÇÃO DA ENERGIA DE ONDAS NO OCEANO 11
ASPECTOS REGIONAIS DO ATLÂNTICO SUL E A METAREA V 13
CONTEXTO CLIMÁTICO NA METAREA V 15
4 MATERIAIS E MÉTODOS 21
AVISOS DE MAU TEMPO 21
PROGRAMA NACIONAL DE BOIAS - PNBOIA 22
O MODELO WAVEWATCH III DO MMAB/NCEP 25
LEVANTAMENTO E PROCESSAMENTO DE DADOS 30
5 RESULTADOS E DISCUSSOES 32
5.1 CALIBRAÇÃO E VALIDAÇÃO DOS DADOS UTILIZADOS 33
5.1.1 ALTURA SIGNIFICATIVA DE ONDA PARA OS DADOS DO PNBOIA. 33
5.1.2 DISTRIBUIÇÃO DA DIREÇÃO DAS ONDAS PELAS ESTAÇÕES DO ANO PARA OS DADOS
DO PNBOIA. 35
5.1.3 HISTOGRAMA DE FREQUÊNCIA DISTRIBUIDO PELAS ESTAÇÕES DO ANO PARA OS
DADOS DO PNBOIA. 40
5.1.4 CORRELAÇÃO ENTRE OS DADOS DO PNBOIA E WWIII PARA OS PARÂMETROS DE
ALTURA SIGNIFICATIVA E DIREÇÃO DO ÂNGULO DE ONDA 44
AVALIAÇÃO TEMPORAL DOS AVISOS DE MAU TEMPO 53
6 CONCLUSÕES 57
7 REFERÊNCIAS BIBLIOGRÁFICAS 59
1
1 INTRODUÇÃO
Regiões costeiras são ambientes naturalmente móveis e dinâmicos e que devem
se adaptar de forma constante em resposta às forçantes naturais como as ondas
oceânicas - sejam elas de gravidade ou de longo período, vento e ciclones, mas também
em resposta as intervenções humanas (BIO et al., 2015). Seu dinamismo está associado
em parte a ocorrência de fenômenos extremos na zona marinha, onde a geração de
tempestades e ventos, resultantes da passagem de ciclones, potencializam o efeito
erosivo de ondas na costa.
A zona costeira do Brasil se estende, em sua porção terrestre, por mais de
8.500 km, abrangendo cerca de quatrocentos municípios englobados em 17 estados, que
permeiam sua costa do Norte equatorial ao Sul temperado do país. Tal área inclui a
faixa marítima formada por mar territorial, que conta com 12 milhas náuticas a partir da
linha da costa. Já a Zona Marinha compreende a plataforma continental marinha e a
Zona Econômica Exclusiva – ZEE - que, no caso do Brasil, alonga-se até 200 milhas da
costa, e tem seu início na região costeira. O órgão responsável pela fiscalização e
monitoramento do mar territorial, zona econômica exclusiva e águas internacionais é a
Marinha do Brasil. Tal região é denominada de METAREA V é a área marítima sob a
responsabilidade brasileira para fins de elaboração e disseminação de previsão do
Tempo e de Avisos de Mau Tempo. A METAREA V é subdividida em: área marítima
costeira composta das subáreas Alfa (A), Bravo (B), Charlie (C), Delta (D), Echo (E),
Foxtrot (F), Golf (G) e Hotel (H) e área oceânica composta das subáreas Sul Oceânica
(S) e Norte Oceânica (N). Em suma, a METAREA V conta com cerca de 10 milhões de
km² (BRASIL, 2017c), sendo a área Sul Oceânica o foco principal de estudo do
presente trabalho.
A Marinha do Brasil é responsável pelo monitoramento das condições de
tempo e mar, além da disseminação de avisos sobre tais condições na METAREA V. As
condições de tempo no leito oceânico podem colaborar para a desenvolvimento de
tempestades e ventos, e formação de ondas superficiais de gravidade geradas pelo vento.
Conforme a intensidade de tais condições rigorosas, pode haver a geração de ressacas
no litoral, contribuindo assim com um potencial efeito destrutivo no mesmo
(CANDELLA & SOUZA 2013).
2
Ondas podem ser caracterizadas por uma perturbação oscilatória de uma massa
no espaço e tempo, que se propaga, transportando energia. Quando consideramos ondas
oceânicas, estas contam com diversas forças geradoras, sendo classificadas como ondas
planetárias, de longo período, de gravidade e capilares. Dentre estas, destaca-se no
presente trabalho ondas de gravidade, cuja geração está condicionada pelo vento. Ondas
transportam energia e, dependendo do fator de geração da mesma, seu potencial
deletério pode vir a ser substancial devido ao acúmulo de energia deslocada. A
característica de ondas geradas por vento é dependente da intensidade e duração, além
da pista de ação do vento (PIANCA et al., 2010). A energia transportada pela onda tem
sua dissipação atrelada à altura e velocidade da onda, além da ação – contínua ou não –
das forças geradoras que atuam sobre a onda, podendo assim percorrer longas distâncias
sem perder seu potencial destrutivo ao chegar a costa.
Em mar aberto, eventos extremos como o acontecimento de tempestades e
ressacas tem efeitos destrutivos, podendo afetar a produção e transporte de recursos
minerais e/ou exploração dos recursos pesqueiros. Do ponto de vista físico, eventos
extremos são aqueles onde um padrão de clima extremo permanece por algum tempo, e
será classificado como evento extremo climático quando produz uma média ou total de
eventos intensos durante esse período, como seca ou chuvas. Do ponto de vista social,
eventos extremos são aqueles que promovem impactos extremos como mortes,
desabrigados e/ou danos materiais (ALLEN et al. 2012). Quando tais eventos geram
tempestades, estas influenciam na formação de ondas e propagação da energia das
mesmas pelo leito oceânico e quando chegam à zona costeira, contribuem para a
geração de mar grosso e/ou ressaca.
Geralmente são noticiados eventos extremos, quando estes resultam em perda
de vidas e/ou de patrimônio, afetando também produção e transporte de recursos
minerais e/ou exploração dos recursos pesqueiros. Desta forma, o estudo das interações
climáticas e os efeitos deletérios de eventos extremos faz-se cada vez mais necessários
para que então possamos ter uma maior compreensão dos acontecimentos relacionados
a eles (INNOCENTINI & CAETANO NETO, 1996; CANDELLA, 1997).
Fenômenos climáticos de interação oceano-atmosfera como o El Niño, La Niña
e Modo Anular Sul (SAM) são aspectos também destacados quando se fala de efeitos
destes nas ondas oceânicas. Estudos como o de Pereira & Klumb-Oliveira (2015)
3
realizam a associação de eventos extremos com a climatologia de ondas para o Brasil,
porém são poucos os estudos realizados para a área.
Para a realização do estudo e análise da climatologia de ondas são necessários
a utilização de plataformas que realizem a avaliação das condições de mar e
comportamento das ondas oceânicas geradas por vento. Podem ser utilizados para tal,
dados originados de diversas plataformas como: boias oceanográficas, satélites,
modelos numéricos, entre outros.
No Brasil, dentre serviços realizados pela Marinha do Brasil para o
monitoramento da região costeira, destacam-se os Avisos de Mau Tempo, que emite
avisos sobre condições adversas, tanto oceânicas quanto para a costa. Além deste,
destaca-se também o Programa Nacional de Boias (PNBOIA), um programa que conta
com uma rede de boias fixas, que coletam dados observacionais meteoceanográficos.
O comportamento natural do tempo e ondas em áreas oceânicas é um assunto
que requer grande atenção em países com vasta faixa costeira, como é o caso do Brasil.
Embora o programa PNBOIA realize a coleta de dados observacionais de forma
satisfatória, os dados obtidos não possuem uma resolução espacial ampla. Desta forma,
são necessários dados com uma vasta cobertura espacial, dados estes provenientes do
modelo Wavewatch III da NOAA/NCEP – National Oceanic and Atmospheric
Administration/National Center For Environmental Prediction.
2 OBJETIVOS
O presente trabalho tem por objetivo principal caracterizar o comportamento de
ondas oceânicas geradas pelo vento na METAREA V, no setor sul ocidental do Oceano
Atlântico, com base em dados de hindcast obtidos pelo modelo Wavewatch III,
validados com dados observacionais provenientes do Programa Nacional de Boias
(PNBOIA).
Além desta caracterização, este trabalho objetiva a criação de um campo
climatológico mensal calibrado dos parâmetros de onda para a região de estudo, bem
como a análise temporal da variabilidade dos parâmetros de onda, correlacionando com
índices climáticos regionais.
De forma específica, o presente trabalho busca:
4
§ Gerar um protocolo para calibração de dados de onda (altura, direção e
período) gerados pelo modelo Wavewatch III para a costa brasileira (oceano Atlântico
Sul Ocidental), utilizando dados medidos in situ por boias oceanográficas pertencentes
ao programa PNBOIA da Marinha do Brasil.
§ Criar uma climatologia para os dados de altura significativa, direção e
período de ondas para METAREA V.
§ Avaliar se houve um acréscimo real em relação aos acontecimentos de
eventos extremos como mar grosso e ressaca ao longo do período observado para a
METAREA V.
§ Analisar a influência de fenômenos climáticos (El Niño, La Niña e SAM)
em acontecimentos de eventos extremos de onda para a METAREA V.
3 FUNDAMENTAÇÃO TEÓRICA
ONDAS OCEÂNICAS GERADAS PELO VENTO
As ondas na superfície oceânica estão entre as visões mais impressionante que
a natureza pode ofertar, podendo variar entre movimentos caóticos provenientes de um
ciclone ou tempestade, a um suave marulho na costa de uma praia, onde pode ser
observado que sua altura, comprimento e período não são uniformes. O oceano está
constantemente sujeito a forçantes, tais como a força gravitacional exercida pela Terra e
por outros corpos celestes (Lua e o Sol), de gradiente de pressão desempenhado pela
atmosfera, os maremotos, a força de Coriolis (devido a rotação da Terra) e a tensão
superficial, as quais provocam ondulações na superfície do mar. As ondas são
produzidas pela força motriz dos movimentos terrestres, forças astronômicas e força dos
ventos. Tais ondas são criadas pela energia que passa através da água fazendo com que
esta movimente-se de forma circular. Pode-se afirmar então que ondas transmitem
energia, e caso não haja obstrução, elas têm o potencial de viajar por longas distâncias
em uma bacia oceânica (ANDREWS & MCINTYRE, 1976; STEWART, 2003;
HOLTHUIJSEN, 2007).
Pode-se caracterizar as ondas oceânicas como flutuações do nível da água
acompanhadas por corrente local, aceleração e variações na pressão próxima à
superfície. Considerando uma onda idealizada, cuja forma é senoidal, como ilustrada na
Figura 1, definem-se as seguintes propriedades para caracterizá-la: o ponto mais elevado
5
da onda é a crista e o mais baixo, entre duas ondas, é a cava – ou cavado – da onda. A
distância vertical entre o topo de uma crista e o cavado da outra onda corresponde à
altura da onda (�) e a distância horizontal entre qualquer ponto de uma onda e o ponto
correspondente da outra, seja tal ponto duas cristas (ou cavados) sucessivas é chamada
de comprimento de onda ( , ou λ). A inclinação ou esbeltez da onda, em inglês
chamado de wave steepness, é definido como a razão entre a altura da onda e seu
comprimento (�/ ). O nível basal do mar é caracterizado como o nível médio do mar
na ausência de ondas. O intervalo de tempo entre duas cristas (ou cavados) passando por
um ponto fixo no espaço, ou seja, o tempo em que a fonte gera um ciclo de subida e um
de descida é chamado de período (!) e o inverso desse período, ou seja, número de
oscilações completas (ciclos) geradas por unidade de tempo é denominado de
frequência (") e é medido em hertz (�#). A velocidade de uma onda (velocidade de fase
ou celeridade) está associada ao tempo que um comprimento de onda leva para passar
por um ponto fixo do espaço. Sendo assim, pode-se definir esta velocidade como $" &
/!. Em águas profundas, isto é, quando a profundidade do oceano (') é muito
superior à metade do comprimento de onda (' ≫ /2), a velocidade da onda é
computada por $" & ) !/2*. Pode-se definir também o número de onda (+) dado pela
relação + & 2 */ e a frequência angular , & 2 * " (OPEN UNIVERSITY, 1999).
Figura 1: Perfil vertical de uma onda idealizada com forma senoidal adaptado de OPEN UNIVERSITY, 1999.
Ondas oceânicas, também chamadas de ondas de vento ou ondas de superfície,
são criadas pelo atrito entre o vento e a água superficial. O vento flui através da
6
superfície do oceano ou lago, a perturbação contínua cria uma crista de onda. Uma vez
gerada, tais ondas viajam mantendo sua trajetória, mesmo o vento não sendo uma
forçante constante sobre elas. Estes tipos de ondas são encontrados globalmente através
do mar aberto e ao longo da costa (HOLTHUIJSEN, 2007; FERNANDES et al., 2015).
Dentre os tipos de ondas superficiais existente, destacam-se: ondas capilares,
planetárias, de maré, e de longo período. As ondas capilares contam com a tensão
superficial como principal força restauradora apresentando um comprimento menor que
1,7 cm e periocidade frequente. Já as ondas planetárias ou ondas de Rossby são
caracterizadas por movimentos oscilatórios de longo período e grande escala induzidos
por variações da rotação planetária devido a mudanças de profundidade ou latitude. As
ondas de maré – associadas à atração gravitacional que o Sol e a Lua exercem sobre o
planeta e, ondas de longo período – geradas por forçantes atmosféricas e
acontecimentos climáticos, como tempestades, ciclones, terremotos, ondas de gravidade
e capilares, onde o vento age como força geradora e a gravidade como força
restauradora - (ANDREWS & MCINTYRE, 1976; LEBLOND & MYSAK, 1979;
PEDLOWSKY & MILES, 2004; FERNANDES et al., 2015).
A maioria das ondas que atingem a costa é gerada por zonas de alta pressão
atmosférica, no meio dos oceanos, propagando-se a partir daí em direção aos
continentes não como transporte de massa pela onda, e sim transporte de energia. Na
Figura 2 pode-se observar um esquema onde os diversos tipos de onda citados são
relacionados as suas forças geradoras, entretanto, é preciso salientar que o presente
trabalho tem como foco ondas de longo período, geradas pelo vento em águas
profundas.
7
Figura 2: Tipos de ondas de superfície relacionadas as forças geradoras e restauradoras, os períodos das mesmas e
a quantidade relativa de energia associada a cada uma (HZ por segundo) adaptado DE MUNK, 1950 .
A geração e o desenvolvimento das ondas em águas profundas estão associados
aos seguintes processos: energia recebida pelo vento, flutuações de pressão próximas a
superfície do mar, interações não lineares, dissipação, interação onda e turbulência
oceânica, entre outros (HOLTHUIJSEN, 2007). Considerando um mar totalmente liso e
sem nenhuma alteração em sua superfície onde comece a atuar um vento em constante
velocidade, identificam-se três diferentes processos físicos: o vento, a atuação contínua
do mesmo e a interação não linear das ondas.
O vento, quando atuante como fonte de energia no primeiro estágio de geração
de ondas, gera pequenas turbulências produzindo flutuações aleatórias da pressão sobre
a superfície do mar, originando desta forma, pequenas ondas de forma quase regular
com comprimentos de ondas de alguns centímetros conhecidas como ondas capilares,
cuja forca restauradora é a tensão superficial (PHILLIPS, 1957; MASSEL, 1996). A
atuação contínua do vento faz com que a onda cresça, num processo considerado
instável, já que a medida com que esta cresce a diferença de pressão aumenta,
acelerando assim o processo de crescimento da onda. Tal instabilidade, faz com que o
crescimento da onda seja exponencial (MILES, 1957; PEDLOWSKY & MILES, 2004).
A transferência de energia entre as ondas, isto é, de uma componente de onda para outra
por ressonância, promove uma interação não-linear, intensificando desta forma o
crescimento das ondas em aguas profundas (HOLTHUIJSEN, 2007). Desta forma
8
transferem energia das ondas curtas, geradas pelo mecanismo proposto por Miles
(1957), para as ondas com frequências levemente menores do que a frequência de pico
do espectro de ondas.
Tal transferência, eventualmente, irá acarretar em ondas que viajam mais
rapidamente que o vento. Próxima à zona de geração, a energia do vento transferida
para as ondas origina ondas de diferentes períodos ou de frequências (YOUNG, 1999).
Inicialmente, as cristas das ondas são pouco definidas e menores, e as ondas viajam em
uma faixa de direções ao redor da direção dominante do vento. As alturas e os períodos
médios crescem à medida que elas se propagam através da área de geração. Após
deixarem a área de geração, as ondas se aproximam mais das ondas de pequena
amplitude, que não variam com o tempo e o espaço. Suas cristas se tornam mais longas
e mais facilmente discernidas, e elas continuam a perder alguma energia devido à
fricção interna e superficial. Tal perda sendo ainda mais expressiva pelo fato de o
espalhamento angular causar uma redução na densidade de energia da onda. Desta
forma, a dispersão da onda ocorre devido às diferenças na velocidade de grupo da onda,
ou seja, ondas de maior comprimento de onda e menor frequência propagam-se na
frente do corpo principal das ondas, e ondas menores com maior frequência atrás destas
(SORENSEN, 1993).
As características das ondas geradas pelo vento e seu desenvolvimento são
regulados por fatores como a velocidade do vento, o fetch e a duração do vento, e
também, a profundidade da água. Fetch – em português chamado de pista de vento -
pode ser definida como a distância sobre a qual o vento escoa sem uma mudança
significativa de direção, e duração pode ser definido como quanto tempo flui o vento.
Os limites superiores de altura da onda e comprimento de onda serão determinados pela
pista de vento ilimitada e duração, além da velocidade do vento. A profundidade da
água geralmente é desconsiderada quando se discute como as ondas se formam em
águas profundas, onde não há restrições ao crescimento baseado na profundidade já que,
em tese, não haverá interação com o fundo oceânico (MASSEL, 1996; YOUNG, 1999).
9
Figura 3: Esquema que mostra a geração de ondas pela ação do vento, adaptado de (Open University 1999).
A visão do oceano como totalmente liso pode se considerar como algo
relativamente raro, pois as ondulações sempre estão presentes em sua superfície. Tais
ondulações são chamadas de ondas capilares formando-se dentro de alguns segundos
após o vento começar a escoar e dissipam-se quando o mesmo cessa. Este tipo de onda
está quase sempre presente e é resultado do esforço de cisalhamento superficial
acionado pelo vento em conjunto com a instabilidade hidrodinâmica. Ou seja, ao fluir, o
vento gera pequenos turbilhões atmosféricos muito próximos à interface ar-mar, e estes
geram flutuações locais de pressão que perturbam a superfície da água, gerando
ondulações (MASSEL, 1996). Ondas capilares são definidas por seu comprimento de
onda, que não chega a ultrapassar a altura de <1,7 mm, tendo como base para calcular
sua forma a fórmula:
λ & 2π01 34)⁄
(1)
Onde: de acordo com o proposto por Knauss em 2005, γ representa a tensão superficial
e 36 a densidade da água.
A aparente rugosidade da superfície do mar pode ser parcialmente atribuída a essas
ondas muito pequenas, muitas vezes sobrepostas às ondas gravitacionais movidas pelo
10
vento. As ondulações continuam a crescer pela forçante direta do vento. Uma tensão de
cisalhamento é exercida na mesma direção do escoamento do vento sobre a onda,
induzindo um diferencial de pressão. Tal crescimento não linear pode ocorrer a partir de
ondas pequenas, originando desta forma, ondas maiores. O aumento da transferência de
energia do vento para a superfície da água expande as órbitas circulares das partículas
de água na direção do vento, resultando no crescimento da onda. As ondas de vento
(gravidade) são formadas quando o comprimento de onda excede 1,7 mm e serão
classificadas de acordo com o seu período e estes podem variar de aproximadamente 3 a
25 s (RESIO et al., 2002). Em geral o mar cresce, indo de ondas curtas e com altas
frequências para ondas maiores, porém com baixa frequência.
O vento e as ondas são fortemente acoplados. Em ventos que variem de
moderados a fortes, as ondas são irregulares, com comprimentos de onda, períodos e
direções diferentes e tem o potencial de evoluir rapidamente, na maioria dos casos,
devido à interferência com outras ondas geradas pelo vento. O termo ‘wind-sea’, em
português chamado de “vagas” foi criado para descrever ondas que ainda estão
crescendo ou sendo sustentadas pelo vento. Vagas não apresentam comprimento de
onda ou período consistente. No entanto, as ondas "dominantes" podem ser observadas
com um comprimento de onda e aceleração médios. Em contraste com o marulho –
caracterizado como ondas de gravidade livre – as vagas e as ondas dominantes muitas
vezes propagam-se em direções diferentes às do vento (CSANADY, 2001).
O marulho é o termo usado para descrever ondas que não estão crescendo ou
sendo sustentadas pelo vento, mesmo tendo sido gerada por ele a alguma distância, e
agora, se propagam livremente. É caracterizada por alturas de onda semelhantes, que se
movem em uma direção uniforme, direção esta que pode não alinhar com o vento e uma
decadência muito mais lenta do que ondas nas vagas. (CSANADY, 2001; GARRISON,
2015).
O termo estado do mar é uma descrição das propriedades das ondas da
superfície do oceano a um dado momento e local e pode ser classificado como “mar
totalmente desenvolvido”, onde tal classificação é limitada e dependente da pista de
vento e duração da pista. Caso o vento escoe a partir de uma direção relativamente
constante em uma distância e por um período de tempo suficientemente grandes, as
ondas serão capazes de se desenvolver completamente. Ondas no mar totalmente
desenvolvido não podem crescer mais, mesmo quando a pista de vento ou duração são
11
mais do que o mínimo exigido para o pleno desenvolvimento e altura da onda, ela estará
em um máximo teórico.
De forma mais especifica, a entrada de energia para as ondas do vento local
está em equilíbrio com a transferência de energia, e com a dissipação de energia por
quebra de onda (estado estacionário). Mares parcialmente desenvolvidos ocorrem
quando a pista ou duração (ou ambos) são limitados; portanto, a quantidade de energia
transmitida para as ondas necessárias para atingir uma condição de mar plenamente
desenvolvido não ocorre. Isto resulta numa gama limitada de comprimentos de onda e
períodos de onda. O estado do mar permanece parcialmente desenvolvido (faixa
limitada de comprimentos de onda e períodos de onda) em condições de ciclone, já que
a velocidade e a direção do vento são altamente variáveis e a pista de vento é limitada
(CSANADY, 2001; RESIO et al., 2002; GARRISON, 2015).
PROPAGAÇÃO DA ENERGIA DE ONDAS NO OCEANO
Como descrito anteriormente, as ondas são geradas pelo vento que se desloca
sobre a superfície oceânica. Enquanto estas se propagam de maneira mais lenta do que a
velocidade do vento logo acima das ondas, há uma transferência de energia do vento
para as ondas. As diferenças entre a pressão do ar entre o vento e a crista da onda, além
de sua fricção sob a superfície faz com que a água entre no estresse de cisalhamento
cause o crescimento das ondas (YOUNG, 1999; PEDLOSKY, 2003; KNAUSS, 2005).
No geral, ondas maiores contem maior quantidade de energia, e a medida que
ela se desloca pelo leito oceânico, transporta tal energia, porém seu transporte está
condicionando a amplitude, comprimento e período da onda. As ondas se propagam na
superfície do oceano e a energia da onda também é transportada horizontalmente com a
velocidade do grupo. A taxa média de transporte da energia da onda através da pista de
vento, paralela a uma crista de onda, é chamada de fluxo de energia da onda.
A energia da onda está relacionada à variação do deslocamento da mesma na
superfície do mar. A equação 2 representa o cálculo de energia deslocada pela onda;
energia essa que é calculada em J/m² (joules por metro quadrado) e é representado por E
e ζ a variação do deslocamento da energia na superfície do mar (STEWART, 2009).
� "#$%�
(2)
12
Em águas profundas, onde a profundidade da água é maior do que a metade do
comprimento de onda, o fluxo de energia da onda é determinado por
! " $%²64& '()� *+ , -0.5 /1
23. 78 '(9� *+ (3)
onde P representa o fluxo de energia da onda por unidade de comprimento da crista de
onda, '() a altura de onda significativa da mesma, *+ o período de onda médio, ρ a
densidade de água e % a aceleração por gravidade.
Num estado desenvolvido de mar, a potência da onda será proporcional ao período de
energia da onda e ao quadrado da altura da mesma, que pode ser descrita como
; " 18 $%'()>� (4)
onde E representa a soma da densidade de energia cinética e potencial por unidade de
área horizontal (KNAUSS, 2005).
A densidade de energia potencial é igual à energia cinética, contribuindo metade para a
densidade de energia da onda E. Em ondas oceânicas, os efeitos da tensão superficial
são insignificantes para os comprimentos de onda. À medida que a propagação da onda
ocorre, sua energia é transportada e a velocidade de tal transporte é a velocidade do
grupo. Como resultado, o fluxo de energia das ondas, é dado por
! " ;?@ (5)
onde A% representa a velocidade do grupo (m/s). Devido à relação de dispersão das
ondas de água sob a ação da gravidade, a velocidade do grupo de ondas depende de seu
comprimento λ, ou, de forma equivalente, no período da onda T. Além disso, a relação
de dispersão é função da profundidade da água h. Como resultado, a velocidade do
grupo se comporta de forma diferente nos limites da água profunda e rasa e em
profundidades intermediárias (YOUNG, 1999; PEDLOSKY, 2003; KNAUSS, 2005).
A partir de uma série de dados de ondas, Holthuijsen (2007) explica que uma
sequência ininterrupta de valores de altura significativa superior a um valor, certamente
13
bastante elevado, precedido e seguido por um valor inferior é definido como ondas
geradas por tempestade.
Segundo Souza & Bulhões (2011, apud PARENTE, 1999) existem
classificações para geração de ondas por vento, sendo elas ondas de Bom Tempo e
ondas de Mau Tempo. Ondas geradas por ventos de direção norte, nordeste e leste são
classificadas como ondas de Bom Tempo. Além desta, também há a classificação de
ondas de Mau Tempo, que conta com fator de geração ventos formados por ciclones
extratropicais, possíveis frentes frias, além de anticiclones extratropicais.
O presente trabalho busca avaliar ondas de Mau Tempo, evidenciando que a
energia transportada por tais ondas tem um potencial amplamente destrutivo ao atingir a
costa, o que justifica a necessidade do estudo da climatologia de ondas para o local.
ASPECTOS REGIONAIS DO ATLÂNTICO SUL E A METAREA V
O oceano Atlântico é o segundo maior oceano em extensão, e efeitos de
variabilidade climática e mesoescala oceânica são amplamente observados em busca de
compreensão de suas implicações no tempo e clima das regiões banhadas por tal
oceano. Entretanto, são poucos os estudos realizados em busca dos efeitos
climatológicos para a região do Atlântico Sul. Pezzi et al., (2016) ressaltam em seu
trabalho a importância do entendimento da variabilidade climática do Atlântico Sul,
pois esta região possui ampla influencia na climatologia das regiões costeiras sul e
sudeste do Brasil devido aos fenômenos atmosféricos que as atinge.
Meteorologicamente falando, tal região é influenciada pelo Anticiclone do
Atlântico Sul, que possui uma condição quase-permanente e semi-estacionária. Tal
cinturão de alta pressão possui evidentes variações ao longo das estações do ano, e tais
variações contribuem na geração de ciclones e anticiclones extratropicais e ventos para
a região, influenciando na climatologia de ondas que atingem a costa (PEZZA &
AMBRIZZI, 2000; SOPPA et al., 2011).
Além disso, a região costeira também sofre influências do cinturão subtropical
de tempestades, próximo ao Oceano Austral. Por se tratar de uma área conflitiva entre
massas de ar tropicais e polares (frontais), são gerados nela centros de baixa pressão que
se desprendem desta região e tomam um caráter migratório em direção às latitudes mais
baixas. O padrão de deslocamento dos centros formados acabam por resultar em
14
gradientes de pressão e formam as típicas frentes frias para a costa da METAREA V
(MENDES et al., 2009; PARISE et al., 2009).
Ao considerarmos o Brasil, cuja área de atuação da Marinha do Brasil se
concentra na METAREA V – que conta com 10 milhões de Km² -, e especialmente as
regiões costeiras do sul e sudeste onde as implicações das passagens de frentes
atmosféricas tendem a ser mais frequentes, o conhecimento acerca da real influência
Oceano Atlântico Sul no tempo e clima é muito importante, principalmente ao
considerarmos a importância dos efeitos costeiros no país e sua influência econômica
para o mesmo.
A área de atuação da marinha é extensa para a costa brasileira, porém, conta
com poucos recursos de captação de dados observacionais, o que dificulta realização de
trabalhos para a área, além de restringi-los em sua grande maioria a análise de dados
resultantes de modelos. Outro fator limitante para os trabalhos realizados em relação a
climatologia de onda para METAREA V é que não existe um sistema de calibração dos
dados oriundos de modelos, o que ressalta a importância da realização do presente
trabalho.
Para a avaliação dos diversos parâmetros de onda avaliados no presente
trabalho, parâmetros esses para altura significativa de onda (Hs), período de onda (Tp) e
direção de onda (Dp), foram selecionados seis pontos interpolados distintos de
cruzamento que se estendem pela área Sul-Sudeste da costa brasileira. Tais pontos
foram escolhidos por coincidirem com as posições geográficas referentes as boias do
programa PNBOIA que estão estrategicamente distribuídas nas 10 sub-regiões oceânica
do METAREA V, cobrindo a porção externa da plataforma continental em
profundidades acerca de 100 m desde a costa do Rio Grande – RS até Recife – PE.
Aquelas posições cujas boias utilizadas foram destacadas como pontos vermelho na
Figura 4 sendo elas: Rio Grande, Santa Catarina, Santos, Cabo Frio, Porto Seguro e
Recife.
As boias se encontram posicionadas na porção externa da plataforma
continental sobre uma coluna d’água de aproximadamente 100 m de distância da linha
de costa. Esta característica se dá pelo fato de que nesta profundidade as ondas geradas
pelo vento e/ou propagadas para estas posições ainda não sofrem influência do arrasto
do fundo marinho (YOUNG, 1999; GOMES, 2003). É importante notar que a medida
que avançam sobre a plataforma em direção a costa, a interação da onda com o fundo
15
causa uma diminuição da velocidade do trem de onda (MEIRELLES & VIOLANTE-
CARVALHO, 2007) e aumento da altura significativa. Sendo assim, o posicionamento
das boias próximos ao fim da plataforma permite que os dados ali coletados tenham
pouca influência da batimetria.
Figura 4: Área de estudo e pontos de localização das boias do PNBOIA, inseridas o nas áreas de
monitoramento da METAREA V, denominadas ALFA, BRAVO, CHARLIE, DELTA, ECHO e FOXTROT
(DHN 2003), os pontos das boias são os mesmos utilizados para a retirada de dados do modelo WWIII.
CONTEXTO CLIMÁTICO NA METAREA V
Fenômenos de onda e vento na região da METAREAV estão de certa forma
sob influência de fenômenos climáticos em mesoescala e globais. Entre os principais
fenômenos estão o ENOS – El Niño Oscilação Sul – e o SAM – Modo Anular Sul. Os
fenômenos ENOS têm teleconexões climáticas globais, e são considerados a
característica mais dominante da variabilidade climática cíclica em escala de tempo sub
decadal (YEH et al., 2009). Sendo assim, o fenômeno ENOS deve ser considerado como
um dos possíveis pontos de inflexão do sistema climático, evidenciando, portanto, a
importância dos estudos relacionados a este fenômeno. Entretanto, o ENOS não é o
único fenômeno que influi na climatologia de ondas oceânicas de um modo geral. O
ENOS pode estar associado a outros fenômenos de conexões oceano-atmosfera, como o
16
SAM que está relacionado a variações de pressão a nível da superfície do mar, como
pode ser observado em trabalhos como os de CARLETON, 2003; L’HEUREUX &
THOMPSON, 2006; FOGT et al., 2011; RODRIGUES et al., 2015; LINDEMANN &
JUSTINO, 2015; e PEZZI et al., 2016.
O fenômeno conhecido como El Niño Oscilação do Sul é um fenômeno que
ocorre naturalmente, envolvendo a variação na pressão do ar entre o Pacífico equatorial
central e leste, ocasionando mudanças na atmosfera. Essa alteração na pressão
atmosférica promove alterações na força e direção de ventos alísios, afetando as
correntes oceânicas. Tal fenômeno tem uma grande influência nos padrões climáticos
em várias partes do mundo, manifestando-se nas flutuações das chuvas, ventos,
correntes oceânicas e temperatura da superfície do mar (TSM) dos oceanos tropicais e
do Oceano Pacífico em particular (FRAEDRICH & MULLER 1992; TOMCZAK &
GODFREY 2003).
A caracterização do ENOS é determinada através do índice de Oscilação Sul
(IOS), e tal índice é calculado através da diferença de pressão atmosférica entre duas
distintas regiões: Taiti (Pacífico Central) e Darwin (Oeste do Pacífico). Embora Taiti e
Darwin estejam localizados mais ao Sul do Equador e o fenômeno ENOS se concentrar
mais próximo ao Equador, seus registros de pressão atmosférica ao nível do mar
abrangem um maior período de tempo, desta forma, o índice Taiti-Darwin foi utilizado
para representar o estado ENOS em uma série de estudos de referência que o relaciona
com seus efeitos climáticos globais (ROPELEWSKI & HALPERT, 1987; 1989; 1992;
FRAEDRICH & MULLER, 1992).
O rompante de vento de oeste no Oceano Pacífico ocidental, ou seja, as
reversões do padrão geral no trem de ventos, são os ingredientes necessários do
processo de inicio para um evento ENOS. Os ventos no Oceano Pacífico ocidental
equatorial geralmente são muito fracos, porém ocasionalmente, ocorre um impulso de
ventos de oeste. Reversões de vento no Oeste são importantes para a configuração em
movimentos do trem ondas características para a região equatorial. Eles literalmente
direcionam a água da superfície para o Leste ao longo do equador, alterando assim tanto
o comportamento ciclônico quanto as condições de TMS (RASMUSSON &
CARPENTER, 1982; WOLTER, 1987; WEBSTER & YANG, 1992; TORRENCE &
WEBSTER, 1999; TOMCZAK & GODFREY, 2003).
17
O monitoramento atual utiliza índices baseados na medição da TSM nomeadas
de Niño (Niño 1+2, Niño 3, Niño 3.4 e Niño 4), que são as anomalias de TSM
monitoradas em diferentes regiões do Pacífico Equatorial: Indonésia e Leste do pacífico,
como destacado na Figura 5. Atualmente, utilizamos os dados indexados de Niño 3.4
(região entre Niño 3 e 4) – dados estes que mostram uma variação de temperatura média
em 0,5º C – pois este foi identificado como o mais representativo ENOS e sua anomalia
de TSM reflete nos índices de anomalia salientados no IOS. Quando a anomalia de
temperatura é positiva (com IOS negativo) é chamado de El Niño, quando tal anomalia
tem valor negativo (com IOS positivo) é chamado de La Niña. O fenômeno, para ser
caracterizado como ENOS tende a perdurar por pelo menos três meses consecutivos.
(WOLTER 1987; WOLTER & TIMLIN 1993).
Figura 5: Áreas onde estão localizadas as diferentes regiões do índice Niño (Dahkman 2009). Fonte:
<https://www.climate.gov/news-features/understanding-climate/climate-variability-oceanic-ni%C3%B1o-index>.
O ENOS abrange três diferentes fases: El Niño, La Niña e neutra. El Niño é
caracterizado por águas anormalmente aquecidas (Figura 6). Seus episódios usualmente
têm início em meados do ano com uma alteração positiva em termos de TSM em grande
escala no Oceano Pacífico equatorial central e leste e alterações na circulação
atmosférica tropical (pressão e precipitação). Geralmente, o El Niño atinge um pico
durante o período de novembro a janeiro e sua temperatura tende a decrescer no
primeiro semestre do ano seguinte. Tem ocorrência entre períodos de dois a sete anos e
pode durar até 18 meses. Eventos El Niño fortes e moderados têm um efeito de
aquecimento na temperatura média global da superfície.
18
Figura 6: Representação de variação de TSM, em períodos de El Niño (globo esquerdo) e La Niña (globo direito).
Nota-se na figura, a variação de temperatura em diversos pontos, inclusive na costa do Brasil. Adaptado das figuras
disponíveis em: https://www.climate.gov/news-features/understanding-climate/climate-variability-oceanic-
ni%C3%B1o-index.
Já La Niña se caracteriza por ser o oposto do fenômeno El Niño, pois se
caracteriza pelo resfriamento em grande escala das temperaturas da superfície oceânica
na mesma região no Pacífico equatorial, juntamente com uma reversão do proposto para
as condições atmosféricas. Em muitos locais, especialmente na região dos trópicos, La
Niña (ou episódios de frio) produz as variações climáticas, dependendo do local
analisado, opostas quando comparadas ao El Niño. Situações onde não há variação
significativa da temperatura superficial oceânica, são caracterizadas como períodos
neutros.
Além de todos os índices descritos acima como representantes de fenômenos
climáticos relacionados a variação de temperatura, que utiliza parâmetros e até mesmo
regiões diferentes para realizar a caracterização de tais fenômenos, existe ainda o Índice
Multivariado do ENOS – MEI. O acompanhamento do ENOS baseando-se no MEI atua
sob o cálculo de seis variáveis observadas no Pacífico tropical. Tais variáveis são:
pressão do nível do mar, componentes zonal e meridional do vento da superfície,
temperatura da superfície do mar, temperatura do ar superficial e fração total de
nebulosidade do céu. O MEI é calculado separadamente para cada uma das doze
temporadas bimensais (dez/janeiro, janeiro/fev,) e depois filtrado de acordo com o
método proposto por Wolter em 1987. Posteriormente o MEI é calculado e normalizado
de acordo com o método proposto por Wolter & Timlin em 1993 e dessazonalizados em
relação a cada estação, mantendo os valores de referência de 1950-93. O índice MEI,
que pode ser observado na Figura 7, é o índice escolhido para a realização do presente
trabalho, pois o mesmo é utilizado para monitorar as condições climáticas que
contribuam para situações de mau tempo como tempestades e geração de ondas.
Brasil Brasil
19
Figura 7: MEI - Índice Multivariado ENOS, disponível em https://www.esrl.noaa.gov/psd/enso/mei/.
Trabalhos como o de Osorio et al. (2016) utilizam pelo menos um dos índices
apresentados acima como parâmetro para a análise do efeito do ENOS na climatologia
de ondas para diferentes áreas do globo. Porém, quando realizamos uma busca para
trabalhos realizados para o Atlântico Sul, em sua grande maioria os trabalhos são para
índices de precipitação. Trabalhos como o de Pereira & Klumb-Oliveira (2015) são
raros, e não fazem uma avaliação para amplas regiões da costa brasileira.
Como citado previamente o SAM, ou Modo Anular Sul também possui
teleconexões como o HS, incluindo a METAREA V. O fenômeno chamado de Modo
Anular Austral do inglês Southern Annular Mode (SAM), é o principal modo de
variabilidade e circulação das massas de ar na troposfera ao redor da Antártica, nas altas
latitudes e região subtropical do HS (MARSHALL, 2003), o que faz com que a
Antártica seja considerada uma região fundamental na manutenção do clima terrestre. O
SAM se caracteriza por ser o padrão dominante de variabilidade climática nas regiões
extratropicais do HS por representar o movimento norte-sul do cinturão de vento
ocidental que circunda a Antártica, dominando as latitudes médias e altas do HS
(KWOK & COMISO, 2002). Thompson & Wallace (2000) propuseram que o SAM
atua em campos atmosféricos como pressão superficial, altura geopotencial, temperatura
da superfície e vento zonal, descrevendo dessa forma, cerca de um terço da
variabilidade climática total no HS (MARSHALL, 2007).
Vale ressaltar que o SAM influencia diversas componentes do sistema climático
em todo o hemisfério. Gillett et al. (2006) demonstraram em seu trabalho que a fase
positiva do SAM está associada a um aquecimento significativo sobre a Argentina e a
condições de seca sobre o sul da América do Sul. Vasconcellos (2012) mostrou que, em
novembro, a fase positiva do SAM apresenta um dipolo de anomalia de precipitação
20
sobre a América do Sul, com anomalias negativas sobre o Sul do Brasil/Bacia do Prata e
anomalias positivas ao norte. Este dipolo inverte de sinal na fase negativa.
Assim como o ENOS, existe um índice Marshal para o SAM, índice esse que é
mostrado na Figura 8 também é utilizado para o monitoramento dos efeitos de tais
fenômenos na climatologia de ondas do globo. Para a criação de tal índice, Marshall
(2003) calculou de forma mensal, sazonal e anual, com base em dados provenientes de
seis estações localizadas aproximadamente a ~ 65° S e outras seis localizadas a ~ 40°S,
sendo os valores positivos correspondentes a períodos com ventos de oeste mais fortes
do que a média em áreas próximas a latitudes médias (50°S - 70°S) e mais fracos nas
latitudes médias (30°S - 50°S). O índice foi formado com os resultados representados
por:
��� !∗#$°% & !
∗'(°% (6)
descrita por Gong & Wang (1999) onde ! representa a pressão média a nível do mar.
Figura 8: Índice Marshal onde está representada a variação do SAM, sendo a curva em preto ressalta a variação
decadal do índice. Tal índice foi produzido com base nos estudos propostos por Marshall (2003) e disponíveis em
<https://climatedataguide.ucar.edu/climate-data/marshall-southern-annular-mode-sam-index-station-
based>.
Reboita et al., em 2009, em seu trabalho intitulado Relationship Between The
Southern Annular Mode And Southern Hemisphere Atmospheric Systems, demostram
que durante o SAM negativo a densidade do ciclone é mais dispersa e deslocada para o
norte quando comparada com o SAM positivo – cuja concentração de ciclones ao redor
21
do continente Antártico se torna mais reforçado. De uma forma mais geral, os
deslocamentos e variações nos padrões dos ventos de oeste resultam em frentes frias
mais fortes, podendo gerar tempestades, causadas por sistemas de baixa pressão sobre o
sudeste a América do Sul, e tal fenômeno reflete na climatologia de ondas, podendo
promover alterações na intensidade de energia propagada pelas mesmas.
Como citado anteriormente, a interação entre os fenômenos ENOS e SAM,
como os mesmos podem atuar de forma sinérgica e as eventuais respostas (no gelo
marinho, pressão a nível do mar, temperatura do mar, entre outros fatores) a eles
associados vem sendo tratada em diversos trabalhos, onde a combinação ENOS/SAM
reforçam as teleconexões ENOS (CARVALHO et al., 2005; FOGT et al., 2011;
REBOITA et al., 2009; PEZZA et al., 2012; WELHOUSE et al., 2016). Devido a
relevância desses fenômenos no clima global, é importante a compreensão de que estes
acabam por influenciar na dinâmica do vento no oceano, interferindo assim na formação
de ondas oceânicas dentro da METAREA V e por consequência na geração e
propagação de ressacas que atingem a zona costeira.
4 MATERIAIS E MÉTODOS
AVISOS DE MAU TEMPO
Os avisos de mau tempo são avisos que identificam situações de tempo e mar
adversas de acordo com determinados fatores que os causam, fatores como condição de
vento, neblina, mar grosso ou ressaca. Tais avisos são fornecidos e distribuídos pela
Marinha do Brasil de forma imediata, e posteriormente incluídos no
METEOROMARINHA e demais boletins de previsão de acordo com a área afetada.
Caso uma ou mais condições de tempo ou mar das listadas abaixo estejam previstas, o
aviso é emitido. São elas:
§ vento de força 7 ou acima, na escala Beaufort (intensidade 28 nós ou mais);
§ mar grosso, com ondas de 3 metros ou maiores, em águas profundas;
§ visibilidade restrita a 1 km ou menos; e
§ ressaca, com ondas de 2,5 metros ou mais atingindo a costa.
Os avisos são gerados por previsão meteorológica e validados após 24 horas
com dados obtidos de múltiplas plataformas, como embarcações, boias
metaoceanograficos, estações costeiras, entre outras. Se trata então de informações com
22
base em observações. Após sintetizados, os avisos são emitidos no site
https://www.mar.mil.br/dhn/chm/meteo/prev/avisos/avisos_mau.htm, e além de veicular
os avisos em meios de informação digital, os avisos são veiculados também pela
Estação Rádio da Marinha no Rio de Janeiro e pelas estações da Rede Nacional de
Estações Costeira, estas ultimas, pertencentes a EMBRATEL (BRASIL 2017c).
O serviço prestado pela Marinha do Brasil ao realizar os avisos é de extrema
importância, pois fazem a avaliação das condições de mar que embarcações e/ou
plataformas na METAREA V possam vir a enfrentar, prevenindo desta forma, possíveis
danos sofridos.
Ao realizar a verificação dos dados referentes aos Avisos de Mau Tempo para
a realização do trabalho, foi levantado o questionamento de se houve um aumento real
dos acontecimentos de mar grosso e ressaca nos últimos tempos, ou se apenas nos
tornamos mais atentos e sensíveis a tais eventos. Deste modo, os serviços de avisos de
mau tempo acabam por reforçar a importância de uma climatologia de ondas para o
Atlântico Sul, avaliando se houve um aumento real nos índices de onda para a região.
PROGRAMA NACIONAL DE BOIAS - PNBOIA
O Programa Nacional de Boias (PNBOIA -
http://www.mar.mil.br/dhn/chm/box-goos/pnboia.html) tem como objetivo a coleta de
dados tanto meteorológicos quando oceanógrafos no Atlântico, contando com uma rede
de boias fixas (Figura 4) – que estão instaladas estrategicamente distribuídas pela costa
do Brasil, a fim de cobrir as METARIA V – área essa que conta com aproximadamente
10 milhões de quilômetros quadrados e que fazem parte do oceano Atlântico.
A METAREA - V é dividida em 10 subáreas denominadas: ALFA, BRAVO,
CHARLIE, DELTA, ECHO, FOXTROT, GOLF, HOTEL, SIERRA (SUL OCEÂNICA) E
NOVEMBER (NORTE OCEÂNICA) (BRASIL 2017), onde a área aproximada em km² e
mn² de cada subárea da METAREA V estão descritos no Quadro 1 . Os dados coletados
pelas boias são dados observacionais e, podem estar sujeitos a erros de transcrição.
Quadro 1: Quadro comparativo com a área aproximada em Quilômetros (Km²) e Milhas náuticas (mn²), além de
quantos pontos de grade NWW3 e Multi_1 do Wavewatch III estão definidos para cada sessão da METAREA V.
Área km² mn² NWW3
1,25º x 1,0º
MULTI_1
0,5º x 0,5º
23
Alfa 406,696 118,574 33 165
Bravo 454,091 132,392 34 173
Charlie 121,779 35,505 05 24
Delta 417,842 121,823 31 160
Echo 379,088 110,524 26 136
Foxtrot 745,075 217,229 53 287
Golf 645,864 188,304 21 113
Hotel 798,223 232,724 21 113
Sierra 4.616,414 1.345,931 689 3341
November 3.506,844 1.022,432 139 654
O PNBOIA tornou-se uma atividade oficial do Programa Piloto GOOS Brasil
em 1997 embora as boias tenham sido lançadas em períodos diferentes, boias cujas
posições podem ser observadas no Quadro 2, sendo destacadas aquelas utilizadas para a
realização do presente trabalho. No site do GOOS Brasil existem informações sobre as
datas de lançamento das boias de destoam das informações contidas em dados brutos
para cada boia disponibilizado pelo mesmo site (BRASIL 2017).
Quadro 2: Posição das boias do PNBOIA na METARIA V e seus períodos de atuação. Perceba que as boias
utilizadas no presente trabalho estão marcadas em cinza. Fonte: http://www.goosbrasil.org.
Boia Lançamento da boia Latitude Longitude
Rio Grande Fevereiro 2012 a janeiro 2017 -31.52° -49.81°
Rio Grande2 Janeiro 2017 a junho 2017 -32.27° -49.56°
Santa Catarina Março 2011 a novembro 2016 -28.51° -47.39°
Santa Catarina2 Fevereiro 2017 a agosto 2017 -27.41° -47.27°
Santos Março 2011 a abril 2017 -25.70° -45.14°
Santos2 Junho 2017 a agosto 2017 -25.43° -45.04°
Cabo Frio Março 2012 a setembro 2013 -22.98° -42.10°
Cabo Frio2 Julho 2016 a Agosto 2017 -23.63° -42.20°
Porto Seguro Julho 2012 a janeiro 2017 -16.00° -37.94°
Recife Novembro 2012 a abril 2016 -7.29º -34.58º
Vitória Novembro 2016 a Agosto 2017 -20.32° -40.34°
Fortaleza Novembro 2016 a Agosto 2017 -3.21° -38.43°
O programa objetiva contribuir com dados meteorológicos e oceanográficos
obtidos na área marítima pela qual o Brasil é responsável, gerando e disseminando
informações para melhoria na recepção, processamento e divulgação de deles. Estes
24
dados recebidos através da rede de boias de deriva e boias fundeadas dispostas pela
costa brasileira, ambas as redes são rastreadas por satélite. O Oceano Atlântico Sul e
tropical é uma região oceânica que conta com uma grande deficiência de dados. De
acordo com a Convenção Internacional para a Salvaguarda da Vida Humana no Mar
(SOLAS 2014), o Brasil tem a responsabilidade de gerar e disseminar produtos
meteorológicos, embora a situação para coleta e avaliação dos dados ainda seja precária.
Cada boia (Figura 9) se encontra equipada com sensores para análise de
pressão atmosférica (hPa), vento – onde se avalia direção, intensidade e rajada -,
umidade relativa do ar, temperatura do ar, temperatura de ponto de orvalho, radiação
solar, correntes oceânicas, temperatura da superfície do mar, e, ondas oceânicas, onde se
avaliam parâmetros direcionais e não direcionais – como máxima (Hmax), altura
significativa (Hs), período, frequência de ondas. As boias, que são classificadas como
boias de plataforma, por se encontrarem a 200m de profundidade sobre a plataforma,
permeando o limite da plataforma continental (BRASIL, 2016), sendo a boia de Cabo
Frio exceção, pois se encontra a 45m de profundidade (Com. Pes. CHM-11).
Figura 9: Boias Axys Technologis Inc. modelo 3-Meters (3M) utilizadas no programa PNBOIA pela
Marinha do Brasil. Na foto, a boia designada para a posição Cabo Frio 2 (Brasil 2017a).
A boia TRIAXYS ™ (MILES et al. 2003), utilizada pela Marinha do Brasil
para todos os pontos de boia observados, é um instrumento que foi equipado para medir
com precisão a altura, o período e a direção das ondas. A unidade de sensor contida
25
neste dispositivo é composta por três acelerômetros, giroscópios de três velocidades,
uma bússola de entrada de fluxo, além de um processador próprio TRIAXYS ™.
Os movimentos da boia são medidos em seis graus livres, através de um
sistema amarrado de inércia que consiste em três acelerômetros e três sensores de taxa
angular. Os acelerômetros medem a aceleração total, incluindo os componentes da
gravidade terrestre, ao longo dos eixos da cavidade x, y e z. Os sensores de taxa angular
medem o vetor de velocidade de rotação angular tridimensional da boia, ao longo das
posições instantâneas dos eixos de corpo x, y e z. Um algoritmo iterativo exclusivo
baseado em técnicas de integração intitulada “Transformada rápida de Fourier” (em
inglês fast Fourier transform, ou FFT), que é utilizada para resolver as equações não-
lineares completas que relacionam os movimentos da boia com as acelerações dos eixos
do corpo e as taxas angulares medidas pelos seis sensores de tiragem. Uma vez que as
equações de movimento não-lineares completas são usadas, dados de movimento
precisos podem ser obtidos para condições extremas com grandes ângulos de rolo e
passo.
Embora todos os seis graus livres sejam computados internamente, apenas o
deslocamento de elevação e os componentes de velocidade de onda e influência são
usados para a análise de onda direcional subsequente. A boia também contém uma
bússola de entrada de fluxo que fornece uma referência magnética para que as
velocidades de onda e direção possam ser analisadas nas direções norte e oeste (MILES
et al., 2003).
Os dados apresentados pelo PNBOIA possuem resolução horária, porém, as
análises não são contínuas, apresentando lacunas durante o período observado. Tais
lacunas se mostram presentes tanto nos dados brutos quanto nos dados validados
disponibilizados pela Marinha do Brasil. Os dados obtidos diariamente das boias
auxiliam na composição de um outro programa da Marinha do Brasil, que recebe o
nome de Avisos de Mau Tempo, que identifica condições adversas de tempo e mar.
O MODELO WAVEWATCH III DO MMAB/NCEP
Modelos de simulação de ondas de vento de terceira geração como
WAVEWATCH III, possui um desempenho bastante satisfatório, em especial quando
se tratando de regiões oceânicas e não abrigadas, e tem a capacidade de gerar saídas
pontuais contendo o espectro bidimensional completo em pontos pré-selecionados das
26
grades numéricas. Graças a tal capacidade, o modelo propicia meios para uma análise
mais aprofundada e detalhada das propriedades dos campos de onda em pontos
específicos de interesse (ARDHUIN et al., 2007).
O WAVEWATCH III (WWIII) é um modelo totalmente espectral e é utilizado
para as simulações dos campos de ondas de gravidade superficiais, onde a evolução do
campo de ondas é simulada através da utilização do espectro direcional de ondas no
espaço dos números de onda. Foi desenvolvido por Tolman em 1991 na Seção de
Modelagem e Análise Marinha (MMAB) do Centro de Modelagem Ambiental (EMC)
dos Centros Nacionais de Previsão Ambiental (NCEP) e tem ampla e livre distribuição
pelo site da NCEP (disponível on-line em http://polar.ncep.noaa.gov/waves). O modelo
incorpora interações onda-corrente, um esquema de propagação numérica mais
sofisticado de terceira ordem, novas formulações de entrada de vento e termos de fonte
de dissipação (CHAWLA et al., 2011). O WWIII é baseado na modelagem de ondas
através da forçante natural do vento sobre o oceano, considerando a profundidade e as
condições de desenvolvimento do mar e propagação das ondas, no qual os parâmetros
da onda média modelados estão disponíveis no formato GRIB. Os arquivos GRIB
utilizados no presente trabalho contêm dados em intervalos de 6 horas, começando a
análise à 0 hora.
O modelo WWIII se encontra em constante desenvolvimento e é amplamente
utilizado tanto para pesquisa como para sistemas operacionais de previsão de ondas em
diversos centros de pesquisa nacionais e internacionais como NCEP - National Centers
for Environmental Prediction - e CHM – Centro de Hidrografia da Marinha -. A versão
utilizada para a realização do presente trabalho é a versão 3.14 (TOLMAN, 2009) que
apresenta opções de aninhamento de grades do tipo único ou múltiplo, contando com a
interação mútua grades alojadas em direções distintas de latitude 77º Sul a 77º Norte e
longitude 180º Leste a 180º Oeste, que em conjunto formam uma grade global (Figura
10) com resolução espacial de 0,5º x 0,5º. A versão mais recente é a 5.16, liberada em
outubro de 2016 e que foi desenvolvida por THE WAVEWATCH III Development
Group (WWIIIDG) em 2016.
27
Figura 10: Grades utilizadas no modelo WAVEWATCH III e a diferença entre as grades NWW3 (1997 a 2006) e
Multi (2005 a 2017). Círculos vermelhos indicam as posições das boias do PNBOIA que não foram validadas pelo
CHM e as verdes, boias validadas. A linha azul clara delimita as áreas de monitoramento da METAREA V.
O modelo WWIII é fornecido na forma de hindcast - que se caracteriza como
um módulo utilizado para se realizar “previsões” de um período pretérito dos campos de
onda – que datam cerca de 30 anos passados (CHAWLA et al., 2012), o modelo recorre
a uma combinação ponderada de valores de previsão direta (forecast) e previsão inversa
(backcast) para estimar de modo recorrente os valores omissos. Para calibração e
validação dos dados obtidos do modelo, foi realizado um teste indireto que utilizou
cálculos de amostra do modelo WAVEWATCH III, amostras essas de ondas geradas
por vento, e o modelo foi executado com os ventos providos pelo modelo NWWIII e
com os novos ventos de alta resolução, provenientes do NCEP Climate Forecast System
Reanalysis Reforecast (CFSRR). O teste funcionou avaliando a altura significativa das
ondas para cada local da boia solicitada a cada hora e comparando-a aos dados da boia
arquivada (Spindler et al., 2011). Os dados obtidos com o Reanalysis Reforecast
(SAHA et al., 2010) foram comparados aos dados obtidos de boias posicionadas no
Hemisfério Norte, como pode ser observado na Figura 11. Destaca-se na figura a
ausência de boias de calibração para a região da METAREA V.
28
Figura 11: Boias utilizadas pelo NCEP para a validação dos dados obtidos pelo modelo WWIII. O quadro vermelho
destaca a área de estudo do presente trabalho. Fonte: http://polar.ncep.noaa.gov/waves/.
Saha et al., 2010 descrevem em seu artigo como o processo de reanálise é
realizado. Resumidamente, são realizados quatro passos onde são avaliados previsão
atmosférica, análise do oceano e do gelo, acoplamento de dados ao oceano e análise de
Terra e precipitação, como pode ser observado no esquema da Figura 12. A análise
Atmosférica T382L64 (GSI) é feita de 06 em 06 horas, a começar à 00:00 além de
utilizar uma previsão acoplada para 9h (forecast). A análise do oceano e do gelo do mar
(GODAS com MOM4) também é feito de 06 em 06 horas, usando a mesma previsão do
passo anterior. Em cada um dos quatro ciclos, uma previsão acoplada para 9h (forecast)
[GFS em T382L64] é feita com 30 minutos de acoplamento ao oceano (MOM versão
4). Já a análise de Terra (GLDAS) utilizando a precipitação observada é realizada
apenas às 0000 UTC, utilizando o modelo Noah.
29
Figura 12: Esquema simplificado de suposição de previsão acoplada do CFSRR para ciclos de 18 horas (9+9 hs)
utilizado pelo MMAB, adaptado de Saha et al., 2010.
O modelo WWIII sofreu diversas melhorias até chegar a versão atual que
contribuíram para um maior refino da resolução utilizada. A grade mais antiga, de nome
nww3, conta com dados que se iniciam 1997 possui uma resolução de variáveis no
espaço físico/geográfico da ordem de 1,25º x 1º e evoluiu ao longo dos anos chegando
ao modelo atual, de nome multi, que foi atualizado em 2005 e possui resolução com
cerca de 0,5º x 0,5º, como pode ser observado na Figura 10. Os dados são gerados a
cada seis horas, iniciando sempre à zero horas, contabilizando um total de quatro
análises diárias. Os dados utilizados no presentem trabalho datam de 1997 a 2017, e por
possuírem diferentes resoluções, foram interpoladas para que tivessem a mesma
resolução.
A atual versão do modelo WWIII utiliza uma grade variável de números de
onda que incorpora naturalmente as mudanças nos números de onda devido a processos
de águas rasas. A grade de número de onda local correspondente é obtida diretamente
da grade de frequência através da relação de dispersão, se tornando assim dependente da
profundidade local. A grade espectral utilizada na configuração do modelo consiste na
combinação das frequências com as direções que variam de 0 a 360 graus em intervalos
de 10 graus no caso desta implementação.
O CFRRS disponibiliza dados do WWIII a cada 6 horas de forma instantânea e
não médias de 6 horas. Dessa maneira, os resultados são suficientes para descrever
sistemas de mesoescala até processos em escala regional. O Quadro 3 mostra os
30
parâmetros avaliados pelo modelo atualmente e dispostos em grades, passível de
download no site da NOAA.
Quadro 3: Quadro descritivo com os parâmetros contidos nos GRIBS disponibilizados pelo modelo WAVEWATCH
III.
Nome Unidade Descrição Fonte
UGRD m/s Componente de vento U. Dados reanalisados (via GFS)
VGRD m/s Componente de vento V. Dados reanalisados (via GFS)
HTSGW m Altura significante da onda Dados do WWIII reanalisados
WVDIR Graus º Direção média da onda Dados do WWIII reanalisados
WVPER Segundos (s) Período médio da onda Dados do WWIII reanalisados
DIRPW Graus º Direção do pico da onda Dados do WWIII reanalisados
PERPW segundos (s) Período do pico da onda Dados do WWIII reanalisados
DIRSW Graus º Direção das vagas Dados do WWIII reanalisados
PERSW Segundos (s) Período correspondente as vagas Dados do WWIII reanalisados
Como observado na Figura 11 e descrito anteriormente, o modelo WWIII
possui um sistema de calibração para os dados obtidos, sendo tal calibração realizada
com dados oriundos de boias fixas (observacionais). Nota-se a existência de inúmeras
boias para o HN, porém nenhuma calibração dos dados adquiridos é realizada para o
HS. Tendo em vista que o presente trabalho tem como objetivo sugerir uma calibração
dos dados reanalisados do WWIII para a METAREA V, o Quadro 1 apresenta a área e o
número de pontos de grade para cada subárea da METAREA V. A plataforma escolhida
para a correlação e calibração dos dados foi o Programa Nacional de Boias (PNBOIA)
sob comando do Centro de Hidrografia da Marinha do Brasil, onde os pontos de grade
escolhidos foram aqueles que coincidem com a posição das boias do programa.
LEVANTAMENTO E PROCESSAMENTO DE DADOS
Para a realização do presente trabalho foram utilizados como base os dados de
hindcast do modelo WWIII, provenientes da NOAA e descrito anteriormente. Por se
tratar de um modelo, o mesmo deve ser calibrado para que haja uma expressão realista
do dado em questão. A NOAA calibra e valida os dados de hindcast para o HN com os
dados obtidos por boias fixas (dados observacionais).
Não existe nenhuma boia para calibração e validação dos dados do modelo
WWIII para o HS, e tendo em vista tal desafio, foram utilizados os dados provenientes
31
do programa PNBOIA para tal. O programa conta com catorze (14) boias fixas na costa
brasileira, dentro da METAREA V, porém, no presente trabalho foram usados apenas
aquelas cujos dados foram validados pela Marinha do Brasil. Os dados validados
disponíveis pela Marinha do Brasil – dados estes utilizados no presente trabalho -,
contam com diferentes datas de lançamento e período de observação (como já descrito
anteriormente), porém todas – com exceção da boia de Cabo Frio – tem seus dados
disponibilizados até junho de 2016. Cabo Frio possui dados disponíveis até setembro de
2013.
Os dados do modelo WWIII, disponibilizados pela NOAA foram escolhidos
por possuírem uma boa cobertura espacial, além deste possuir uma maior resolução
quando comparado a outras reanálises. Já os dados do programa PNBOIA possuem
cobertura e distribuição razoáveis na costa brasileira. Apesar dos múltiplos parâmetros
que podem ser coletados do modelo WWIII e do PNBOIA, o presente trabalho busca
avaliar somente os dados de altura significativa (Hs), período de onda (Tp) e direção de
onda (Dp).
Os dados do programa PNBOIA são dados observacionais, portanto, estes
estão sujeitos a erros de leitura e transcrição. A Marinha possui uma metodologia
própria para a validação e tratamento dos dados, metodologia esta que se encontra
descrita em um arquivo em formato PDF que acompanha as planilhas com os dados
obtidos da MB. Cada parâmetro observado possui um indicador (Quadro 4) e uma
justificativa ao indicador utilizado (
Quadro 5).
Quadro 4: Identificador do indicador e nome do teste. Fonte: Marinha do Brasil.
Indicador Interpretação 0 Controle de qualidade não realizado 1 Dados Bons 2 Dados Provavelmente Bons 3 Dados Provavelmente Ruins 4 Dados Ruins
Quadro 5: Identificador do indicador e nome do teste aplicado. Fonte: Marinha do Brasil.
Identificador Nome do Teste
1 Verificação de valores inexistentes
2 Verificação dos intervalos de medição
3 Verificação da velocidade máxima do vento x rajada
4 Verificação da altura significativa de onda x altura máxima
5 Verificação de voltagem da bateria
32
6 Verificação de dados repetidos
7 Verificação da altura significativa de onda x período médio
8 Verificação de continuidade do tempo
Apesar dos dados provenientes das boias do programa PNBOIA possuírem
tantos indicadores, os dados disponibilizados pela MB possuem apenas indicador 0 e 4.
A metodologia utilizada é descrita em detalhes no PDF disposto pela MB (Brasil )
disponível pelo site do GOOS Brasil em http://www.goosbrasil.org.
5 RESULTADOS E DISCUSSOES
Os dados derivados do programa PNBOIA - apesar de cobrirem um razoável
número de dias observados (Quadro 6), ainda possuem muitas lacunas durante o período
analisado. Além disso, o período de tempo coberto pelo programa PNBOIA é
considerado curto para a realização das análises propostas neste trabalho. Desta forma,
os dados utilizados foram aqueles provenientes do Wavewatch III. Para realizar a
validação, foram usados os dados provenientes do PNBOIA. Para a validação, foi
necessário filtrar os dados oriundos do PNBOIA e retirar os dados que apresentassem os
erros marcados pelos indicadores estipulados pela MB.
Quadro 6: Quadro descritivo com o número total de dados obtidos e de dados aproveitados após a exclusão
daqueles com o indicador 4. As boias destacadas em cinza foram descartadas. Fonte: http://www.goosbrasil.org.
Boia Dias aproximados de
observação Total de dados obtidos % de dados válidos
Total de dados
aproveitados
Rio Grande 917 22015 85.05 18724
Santa Catarina 1447 28006 77.72 21765
Santos 1447 34734 85.81 29805
Cabo Frio 701 16837 51.14 8610
Porto Seguro 147 3518 14.18 499
Recife 658 15793 42.28 6677
Foram retirados apenas os dados classificados como indicador 4 (Quadro 4). se
um indicador 4 fosse identificado em um dos três parâmetros observados (altura
significativa, tempo e período de onda), toda a linha de dados para aquele dia e horário
seria descartado das observações. Sendo assim, para a validação dos dados do modelo
WWIII foram utilizados os dados com indicador 0; ou seja, aqueles em que não foram
realizados o controle de qualidade. Nenhum outro tipo de filtragem, fora aqueles já
realizados pela Marinha do Brasil, foi utilizado para o processamento dos dados,
buscando a compreensão e o esclarecimento de quais erros podem ser percebidos tanto
33
no modelo (WWIII) quanto nos dados observacionais (PNBOIA). Ainda no Quadro 6,
podem ser observados tanto o total de dados obtidos quanto o total de dados
aproveitados para cada boia.
5.1 CALIBRAÇÃO E VALIDAÇÃO DOS DADOS UTILIZADOS
O primeiro passo realizado foi compreender a extensão dos dados aproveitados
quando dispostos na linha do tempo obtida. Foram realizadas avaliações da altura
significativa da onda em relação ao tempo observado para a compreensão das lacunas
existentes na série temporal, a direção predominante das ondas sazonal, a frequência na
altura das ondas e por fim, a correlação entre os dados de altura significativa de onda e
direção das mesmas em relação aos dados do modelo WWIII.
5.1.1 ALTURA SIGNIFICATIVA DE ONDA PARA OS DADOS DO
PNBOIA.
Primeiramente processou-se os dados em busca de lacunas que fossem maiores
do que 2 dias para analisar a Hs (em metros) ao longo da série temporal (Figura 13).
Fica claro que a amostragem não é contínua embora algumas boias possuam uma
consistência maior que outras.
A boia de Recife, ainda na Figura 13, mostra uma quantidade de dados
razoável, e desta forma, foi utilizada para a validação dos dados. Porém para a posição
de Porto Seguro, pode-se perceber o reduzido número de amostras quando comparada
as demais boias – o que também pode ser observado no Quadro 6 -, o que fez com que
tal boia fosse desconsiderada no processo de validação dos dados. As causas para o
número de lacunas avaliadas nos dados obtidos das boias podem estar relacionadas aos
danos causados às mesmas provocando uma interrupção no funcionamento da boia, ou
até mesmo, erro na gravação dos dados adquiridos.
34
Figura 13: Hs - Altura significativa de onda (m) x Tempo para as posições de Recife, Porto Seguro, Cabo Frio,
Santos, Santa Catarina e Rio Grande.
35
5.1.2 DISTRIBUIÇÃO DA DIREÇÃO DAS ONDAS PELAS ESTAÇÕES
DO ANO PARA OS DADOS DO PNBOIA.
Para tal avaliação, foi realizado o método de rosa dos ventos, porém, adaptada
para ondas, e no presente trabalho, é chamado de Wave Rose. A análise da Wave Rose
foi feita em relação a direção predominante da onda. Para as alturas significativas
frequentes, durante o período analisado, foram utilizados os parâmetros em relação ao
ângulo em graus ( º ). O primeiro passo realizado foi separar a amostragem por estações
do ano. Após separadas, a imagem foi feita, demonstrando a angulação da onda e sua
altura para o período. Desta forma, para cada boia, existem 4 Wave Roses. Vale salientar
que o gráfico mostra o ângulo de deslocamento da onda durante o período analisado.
Embora a amostragem, de uma forma geral, busque ser uniformizada, a altura
significativa e o percentual de frequência de determinada altura foram analisados e
padronizados para as regiões de forma independente. O percentual padrão de frequência
foi designado para cada boia de acordo com o percentual de alturas significativas,
mostrando então, a variação ao longo dos gráficos.
40
Figura 18: Wave Rose dividido por estações do ano para a posição de Rio Grande.
5.1.3 HISTOGRAMA DE FREQUÊNCIA DISTRIBUIDO PELAS
ESTAÇÕES DO ANO PARA OS DADOS DO PNBOIA.
O método utilizado para a avaliação do histograma de frequência de ondas foi
similar ao utilizado para a Wave Rose. Os dados foram divididos por estações do ano,
resultando em quatro gráficos para cada boia. O parâmetro utilizado para a realização do
histograma foi a altura significativa da onda, onde são ressaltadas as frequências de
acontecimentos – uma densidade de função de probabilidade normalizada - para a altura
significativa. O valor para a função de probabilidade normalizada é de no máximo 1,
porém, foram observados valores maiores do que 1 para as boias de Recife (Figura 14 )
41
e Cabo Frio (Figura 20). Nestes casos, a escala foi ajustada para 2, de forma que o pico
do dado pudesse ser observado. Este valor, no entanto, é um forte indicativo de erro e
que não pôde ser corrigido, sendo este um dos motivos determinantes para o descarte
das boias. Percebe-se que para a posição da boia de Cabo Frio existe uma maior
frequência de ondas inferiores a 1 metro.
Ao observar os valores máximos dispostos em cada histograma, pode-se
percebe que os valores mais expressivos foram observados na porção Sul e Sudeste do
Brasil, e que a tendência, ao avançar para o norte é a diminuição de tais valores.
Figura 19: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para
a posição de Recife.
42
Figura 20: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para
a posição de Cabo Frio.
Figura 21: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para
a posição de Santos.
43
Figura 22: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para
a posição de Santa Catarina.
Figura 23: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para
a posição de Rio Grande.
44
5.1.4 CORRELAÇÃO ENTRE OS DADOS DO PNBOIA E WWIII PARA
OS PARÂMETROS DE ALTURA SIGNIFICATIVA E DIREÇÃO DO ÂNGULO
DE ONDA
Para a avaliação da correlação entre os dados referentes aos parâmetros de
altura significativa e direção do ângulo de onda, os dados do PNBOIA tiveram que ser
separados nas mesmas frequências horárias que os dados do WWIII. Feito isso, foi
analisado o coeficiente de correlação para cada boia. As figuras abaixo contam com
duas imagens distintas entre si. Na primeira estão dispostas e correlacionadas a altura
significativa de ondas, em forma de diagrama de dispersão onde os dados estão
dispostos de acordo com o seu acontecimento, onde o eixo representado pela reta
vermelha, mostra a reta de correlação perfeita entre os dados analisados. A reta verde
representa a regressão linear traçada pelo coeficiente de correlação médio para cada
boia.
Já a segunda mostra um histograma de frequência referente à direção do ângulo
da onda, buscando a compreensão em relação as diferenças apresentadas entre as boias
do programa PNBOIA e o ponto de grade do modelo WWIII para a mesma posição da
boia. O objetivo, foi para que os valores apresentados em maior frequência se
aproximem ao máximo do zero, demonstrando a menor diferença entre graus para os
dados observados. Os valores para o coeficiente de correlação geral foram sumarizados
no Quadro 7.
Figura 24: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp
para a posição de Recife.
45
Figura 25: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp
para a posição de Porto Seguro.
Figura 26: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp
para a posição de Cabo Frio.
46
Figura 27: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp
para a posição de Santos.
Figura 28: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp
para a posição de Santa Catarina.
47
Figura 29: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp
para a posição de Rio Grande.
Após análises primárias onde foram comparados dados pontuais entre a
observação (PNBOIA) e o modelo, foi gerado uma reta de regressão linear para
correção dos dados modelados. Aquelas posições onde a correlação se mostrava
insatisfatória, como Recife e Porto Seguro (Quadro 7) foram desconsideradas por não
haver um consenso sobre a precisão dos dados provenientes das boias, além do número
de dados observados ser para tais posições serem insatisfatórios, como pôde ser
observado anteriormente no Quadro 6. Ainda no mesmo quadro, destaca-se a boia de
Cabo Frio, que apesar apresentar uma boa correlação, também foi desconsiderada por
apresentar um número reduzido de dados.
Quadro 7: Coeficiente de correlação geral entre a altura significativa - Hs - da onda para os pontos onde estão as
boias do PNBOIA, onde são identificados o coeficiente de correlação geral e quantidades de dados observados, além
de a e b que descrevem a reta linear.
Coeficiente de Correlação Geral, a e b
Rio Grande 0.82 (6378) 0.7413 0.4392
Santa Catarina 0.79 (7284) 0.7845 0.5041
Santos 0.87 (9940) 0.8185 0.3913
Cabo Frio 0.73 (2869) 0.6461 1.1237
Porto Seguro 0.18 (177) 0.0714 1.8444
Recife 0.59 (2290) 0.3384 0.8681
Para cada posição de boia foi gerado também um coeficiente de correlação
mensal para uma melhor análise dos dados analisados, onde para cada mês observado,
foram destacadas a quantidade de dados observados na correlação (Quadro 8). O
48
coeficiente de correlação mensal, observado para cada boia avalia a correlação entre os
dados do WWIII e os dados do PNBOIA, onde o valor ótimo seria aquele que se
aproximasse mais de 1.
Observa-se que as boias de Rio Grande, Santa Catarina e Santos mostram
resultados superiores a 0.55. Apesar de as posições para Cabo Frio e Recife mostrarem
uma boa correlação, o número de observações é reduzido, sendo então, desconsideradas
na calibração dos dados do WWIII. Já para a posição de Porto seguro, não existem
dados consistentes o suficiente para a realização de uma correlação satisfatória, gerando
valores inferiores a 0.55, e até mesmo negativos.
Além disso, foram gerados também os valores para o coeficiente da reta de
regressão linear, para que houvesse um entendimento mais amplo acerca da correlação
entre os dados observados (Quadro 9). Embora tenham sido gerados valores de
coeficiente de reta de a e b para todas as posições de boias, foram utilizadas na
correção do dado do WWIII apenas aquelas onde os valore de correlação se
mostrassem satisfatórios.
49
Quadro 8: Coeficiente de correlação mensal por boias e quantidades de dados observados para cada mês.
Coeficiente de Correlação Mensal por Boia
Boias Rio Grande Santa Catarina Santos Cabo Frio Recife Porto Seguro
Mês
Janeiro 0.75 (575) 0.86 (637) 0.88 (855) 0.46 (238) 0.31 (208) 0.11 (016)
Fevereiro 0.64 (555) 0.80 (603) 0.84 (787) 0.83 (223) 0.81 (200) -0.70 (014)
Março 0.86 (594) 0.80 (628) 0.90 (846) 0.81 (268) 0.71 (196) 0.02 (013)
Abril 0.84 (515) 0.72 (592) 0.89 (804) 0.79 (252) 0.88 (171) 0.37 (012)
Maio 0.67 (521) 0.85 (631) 0.88 (859) 0.68 (262) 0.88 (228) -0.88 (015)
Junho 0.78 (466) 0.85 (597) 0.86 (819) 0.59 (263) 0.73 (216) 0.93 (021)
Julho 0.90 (478) 0.87 (605) 0.89 (819) 0.56 (263) 0.59 (184) -0.89 (016)
Agosto 0.78 (499) 0.83 (581) 0.90 (839) 0.79 (242) 0.32 (205) 0.40 (016)
Setembro 0.86 (533) 0.84 (554) 0.88 (807) 0.83 (200) 0.46 (177) 0.53 (016)
Outubro 0.88 (554) 0.79 (618) 0.90 (838) 0.79 (210) 0.75 (171) 0.85 (012)
Novembro 0.87 (516) 0.58 (615) 0.79 (825) 0.79 (206) 0.70 (154) 0.65 (012)
Dezembro 0.87 (572) 0.69 (623) 0.85 (842) 0.77 (242) 0.58 (180) -0.55 (014)
50
Quadro 9: Coeficientes da equação que descreve a função reta (regressão linear) para cada localidade. Estão dispostos os coeficientes da reta a e b.
Coeficiente da Reta Boias
Rio Grande a b
Santa Catarina a b
Santos a b
Cabo Frio a b
Recife a b
Porto Seguro a b Mês
Janeiro 0.6291 0.6424 0.8570 0.3161 0.8365 0.3477 0.4428 1.2648 0.1229 1.1765 0.0076 1.5147
Fevereiro 0.5459 0.8804 0.8184 0.3888 0.8330 0.3596 0.8688 0.6358 0.4968 0.6008 -0.1077 2.3127
Março 0.7858 0.3114 0.8530 0.4382 0.8447 0.3559 0.7430 1.1289 0.3677 0.8445 0.0283 2.9184
Abril 0.8023 0.3343 0.7760 0.5068 0.8169 0.3523 0.6337 1.1642 0.6876 0.3619 0.2858 2.1192
Maio 0.5641 0.7930 0.7565 0.4959 0.8567 0.2990 0.5908 1.3096 0.6993 0.3181 -0.0863 2.5390
Junho 0.6560 0.5822 0.8838 0.3005 0.8134 0.3694 0.5332 1.2507 0.5407 0.5787 1.2040 -0.0839
Julho 0.8109 0.2762 0.8584 0.3508 0.7906 0.4573 0.3661 1.5523 0.3616 0.8867 -0.4706 2.1723
Agosto 0.6673 0.6532 0.8987 0.3136 0.8214 0.3966 0.6632 1.0692 0.0816 1.2490 0.2642 1.2473
Setembro 0.8386 0.2851 0.8576 0.3333 0.8567 0.3224 0.7398 1.0040 0.1845 1.0771 0.5881 1.0829
Outubro 0.8591 0.1905 0.7867 0.4924 0.7796 0.4525 0.6739 1.1454 0.6091 0.4588 0.8748 0.6492
Novembro 0.7951 0.3230 0.4239 1.2423 0.7615 0.5520 0.8608 0.8244 0.4710 0.6828 0.6255 0.8365
Dezembro 0.8734 0.1815 0.6979 0.7813 0.8120 0.4358 0.6902 0.9847 0.4026 0.6987 -0.1268 1.5903
51
Após calibrados os dados para as posições de Santos, Santa Catarina e Rio
Grande, foram então aplicados os coeficientes de reta (regressão linear) mensal para
cada ponto, e com o resultado, calculado o índice de energia acumulada em kw/h por
m².
Os valores mensais gerados para o coeficiente de reta de a e b foram utilizados
para corrigir os dados obtidos do modelo Wavewatch III e os gráficos resultantes da
análise de tais dados foram apresentados na Figura 30, onde podem ser observados os
valores para energia acumulada transportada pela onda. Percebe-se então o transporte de
energia longitudinal ao longo da costa brasileira, e que a frequência de tal transporte
possui pouca variabilidade interanual, não demonstrando uma alteração expressiva em
seus acontecimentos.
52
Figura 30: Energia de onda acumulada em kw/h para os pontos de grade referentes a posição de Rio Grande, Santa Catarina e Santos, onde destacam-se o dado original em azul, e o dado
corrigido em vermelho para o período de 1997 até Março de 2017.
53
AVALIAÇÃO TEMPORAL DOS AVISOS DE MAU TEMPO
Como tratado previamente, os avisos de Mau Tempo são emitidos pela
Marinha do Brasil para as condições de tempo e mar, caso tais condições estejam
presentes. Tais dados foram incluídos no trabalho por se tratarem de dados
observacionais, e que resultam em acontecimentos tanto em mar aberto (mar grosso)
quanto na costa (ressaca).
Nota-se, porém, que apesar da quantidade de avisos emitidos ter aumentado
consideravelmente nos últimos anos, quando dispostos em série temporal ficou evidente
que o número de acontecimentos por área se mantém relativamente estável, mostrando
poucas alterações quando dispostos em uma série temporal. Considerando então que o
modelo Wavewatch III reanalisado não possui um refino de grade e bom funcionamento
para avaliação de altura e direção de ondas dentro da plataforma continental e zona
costeira, os avisos de Mau Tempo foram a forma mais eficiente para avaliar a
distribuição de eventos extremos ao longo do tempo.
Os dados foram disponibilizados pela Marinha do Brasil do período de janeiro
de 2003 até a presente data. Tais dados foram computados manualmente, e
posteriormente organizados de forma que seus resultados fossem expressos como nas
Figura 31 e Figura 32. Observa-se uma tendência à diminuição na duração de dias e
número de acontecimentos, tanto de ressaca quanto de mar grosso, quando comparada a
área Delta em relação as demais áreas.
Embora a correlação relacionada a energética de ondas e os avisos de Mau
Tempo emitidos para cada área avaliada não possa ser realizada de forma direta,
observa-se de forma ampla a ligação dos fenômenos discutidos com o acontecimento de
situações de mar grosso e ressaca.
54
Figura 31: Avisos de Mau tempo para as condições de Mar Grosso (em azul) e Ressaca (em vermelho), de 2003 a
2017, para as áreas ALFA, BRAVO, CHARLIE e DELTA.
Na Figura 31 foram comparados o número total de avisos de mar grosso em
relação ao número total de ressacas por ano, o que demonstra que situações de ressaca
no litoral sempre são precedidas por acontecimentos de mar grosso na área oceânica.
Observa-se que não há um aumento expressivo em relação a duração dos eventos, e sim,
que há uma maior preocupação em relação a emissão dos avisos para áreas afetadas.
55
Figura 32: Comparativo entre a quantidade de avisos emitidos pelo CHM para as condições de Mar Grosso e Ressaca para as áreas Alva, Bravo, Charlie e Delta.
56
Percebe-se que existe um valor expressivo de acontecimentos de mar grosso e
ressaca na área Alfa. Tal fato deve-se, provavelmente, ao fato de estar mais próxima as
áreas de geração de ciclones extratropicais, o que contribui para a geração de ondas
mais altas, além de uma maior frequência de frentes frias atingindo a área.
Constata-se, além disso, que existe um deslocamento no potencial energético
de tais ondas ao se avaliar a área Bravo. Ressalta-se, entretanto, a ausência de casos de
ressaca em tal área, pois esta encontra-se em “mar aberto”, ou seja, sem contato com a
linha de costa. Apesar de existir uma discreta diminuição nos avisos de mar grosso, que
podem ser observados nas figuras Figura 31 e Figura 32, o elevado número de avisos e
consequente duração continuam presentes, reforçando a compreensão de que existe uma
continuidade de tais acontecimentos devido ao deslocamento energético das ondas.
Ao avaliar a área Charlie, nota-se uma diminuição expressiva na quantidade de
acontecimentos de mar grosso. Entretanto, o número de casos de ressaca se mantém
relativamente estável, o que se deve provavelmente a posição geográfica onde a área
está delimitada. Sua morfogeologia permite que sistemas frontais atinjam a área,
promovendo um maior número de ressacas, em detrimento do número de casos de mar
grosso.
Já em Delta, existe um número superior de casos de mar grosso quando
comparados ao número de ressacas. Isso se dá provavelmente à sua posição geográfica,
pois a trajetória preferencial de um ciclone formado na região Sul tende a se deslocar
para alto mar e se inclinar em direção nordeste. Ao avaliar o estado de mar próximo a
área Delta, esse se mostrará completamente desenvolvido, o que corrobora com um
maior número de avisos para mar grosso.
57
6 CONCLUSÕES
Embora a calibração de dados do Wavewatch III realizada no hindcast de ondas
pela NOAA seja feita apenas com base em observações no HN, o cruzamento entre
dados do PNBOIA e WWIII apresentaram diferenças pequenas e lineares. O método de
calibração do modelo com base nos dados observacionais para altura significativa,
direção e período de ondas utilizados neste trabalho provou ser eficiente para extrair
séries temporais longas utilizadas em análises cruzadas para os pontos de grade.
Ao averiguar os dados do PNBOIA, pode-se observar que mesmo existindo
tantos identificadores para classificação e limpeza do dado, apenas 1 deles é utilizado,
reforçando uma necessidade de melhorias na validação dos dados à medida que a série
de dados observacionais aumente e um processo mais sistemático, automatizado e com
uma metodologia clara de limpeza dos dados seja desenvolvido e realizado.
A calibração dos dados obtidos do modelo se mostrou ser efetivo ao utilizar as
equações médias das retas encontradas baseada nos coeficientes a e b mensal para cada
localidade. Como os coeficientes a e b foram gerados para cada ponto de grade
interpolada referente à boia, aqueles em que os resultados foram considerados
insatisfatórios não foram utilizados para a análise geral de energia transportada pela
onda.
Ressalta-se então que os pontos de grade analisados para as posições de Cabo
Frio, Porto Seguro e Recife, apresentaram resultados de correlação insatisfatórios
devido ao baixo número de amostras ou baixa correlação entre os dados observados,
sendo então desconsideradas.
O trabalho realizado por Sarmento (2017) avaliou os dados de vento do modelo
WWIII, usando um método similar ao do presente trabalho para realizar a calibração do
modelo. Seus resultados corroboram com os observados no presente trabalho,
evidenciando uma variação sazonal no comportamento do vento sobre a superfície
oceânica, tendo em vista que a área e o período de tempo observados foram os mesmos
que os utilizados para este trabalho.
A síntese e a avaliação dos avisos de Mau Tempo reforçam o entendimento de
que existe uma variabilidade cíclica em relação as ondas oceânicas que resultam em
Mar Grosso e Ressaca. Apesar dos avisos serem emitidos por área – DELTA,
CHARLIE, BRAVO E ALFA – eles foram indiretamente correlacionados aos dados
58
reanalisados do Wavewatch III, uma vez que os pontos de grade se encontram em
posições fixas dentro das áreas da METAREA.
Percebe-se que existe uma continuidade nos eventos de Mar Grosso e Ressaca
que se deslocam por tais áreas, e tal observação também pode ser feita em relação a
energia acumulada de onda (dados reanalisados), apesar de haver uma diminuição
gradativa dos mesmos.
Observa-se também o acontecimento frequente de eventos extremos de ondas
(ressacas), validando assim a hipótese relacionada à contribuição de fenômenos
climáticos de mesoescala como o ENOS e o SAM para a geração de situações de Mau
Tempo e influência na climatologia de ondas na METAREA V, como observado em
Dalanhese et al. (2017).
A análise dos dados calibrados do Wavewatch III permite concluir que existe
uma variabilidade natural, variando independente das forçantes externas, na
climatologia de ondas da METAREA V. Além disso, pode-se afirmar que os dados de
hindcast do Wavewatch III podem ser usados de forma satisfatória para o Atlântico Sul.
59
7 REFERÊNCIAS BIBLIOGRÁFICAS
Allen, S.K. et al., 2012. IPCC, 2012: Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change C. B. Field et al., eds., New York: CAMBRIDGE UNIVERSITY PRESS Cambridge, New York, Melbourne, Madrid, Cape Town, Singapore, São Paulo, Delhi, Tokyo, Mexico City. Available at: http://ebooks.cambridge.org/ref/id/CBO9781139177245.
Andrews, D.G. & McIntyre, M.E., 1976. Planetary Waves in Horizontal and Vertical Shear: The Generalized Eliassen-Palm Relation and the Mean Zonal Acceleration. Journal of the Atmospheric Sciences, 33, pp.2031–2048.
Ardhuin, F. et al., 2007. Swell and Slanting-Fetch Effects on Wind Wave Growth. Journal of Physical Oceanography, 37(4), pp.908–931. Available at: http://journals.ametsoc.org/doi/abs/10.1175/JPO3039.1.
Bio, A. et al., 2015. Methods for coastal monitoring and erosion risk assessment: two Portuguese case studies. Revista de Gestão Costeira Integrada, 15(1), pp.47–63. Available at: http://www.aprh.pt/rgci/rgci490.html.
Brasil, 2017a. BOIA CABO FRIO - Acessado em 2017., Available at: http://www.goosbrasil.org/pnboia/dados/.
Brasil, 2017b. Controle de qualidade utilizado pela Marinha do Brasil na validação dos dados obtidos pelas boias do Programa Nacional de Boias PNBOIA - Acessado em 2017., Available at: http://www.goosbrasil.org/pnboia/dados/.
Brasil, 2017c. Departamento de Hidrografia e Navegação (DHN), Marinha do Brasil, Available at: http://www.mar.mil.br/dhn/chm/institucional/Carta_de_Servico_ao_Cidadao.pdf.
Candella, R.N., 1997. Estudo De Casos De Ondas No Atlântico Sul Através De Modelagem Numérica.
CANDELLA, R.N. & SOUZA, S.M.L., 2013. ONDAS OCEÂNICAS EXTREMAS NA COSTA SUL-SUDESTE BRASILEIRA GERADAS POR CICLONE COM TRAJETÓRIA ANORMAL EM MAIO DE 2011. Revista Brasileira de Meteorologia, 53(3), pp.1689–1699. Available at: http://dx.doi.org/10.1590/S0102-77862013000400010.
Carleton, A.M., 2003. Atmospheric teleconnections involving the Southern Ocean. Journal of Geophysical Research, 108(C4), p.8080.
Carvalho, L.M. V., Jones, C. & Ambrizzi, T., 2005. Opposite Phases of the Antarctic Oscillation and Relationships with Intraseasonal to Interannual Activity in the Tropics during the Austral Summer. OURNAL OF CLIMATE, 18, pp.702–718.
Chawla, A., Spindler, D. & Tolman, H.L., 2012. 30 Year Wave Hindcasts using WAVEWATCH III R with CFSR winds,
Chawla, A., Spindler, D. & Tolman, H.L., 2011. A Thirty Year Wave Hindcast Using The Latest NCEP Climate Forecast System Reanalysis Winds. In International Workshop on Wave Hindcasting and Forecasting. pp. 1–11.
Csanady, G., 2001. Air-Sea Interaction: Laws and Mechanisms, Cambridge ; New York: cambridge university press. Available at: http://appliedmechanicsreviews.asmedigitalcollection.asme.org/article.aspx?articleid=1397423.
Dahkman, L., 2009. Climate Variability: Oceanic Niño Index. NOAA / NWS / NCEP /
60
EnvironmentalModeling Center, pp.3–5. Available at: https://www.climate.gov/news-features/understanding-climate/climate-variability-oceanic-niño-index.
Dalanhese, L.A., Sarmento, T.L. & Belem, A.L., 2017. Teleconexões entre o El Niño Oscilação Sul e o Modo Anular Austral em eventos extremos de onda nas regiões oceânicas sul e sudeste do brasil. In U.-U. F. R. do R. de Janeiro, ed. 6o Simpósio de Gestão Ambiental e Biodiversidade. Rio de Janeiro. Available at: http://itr.ufrrj.br/sigabi/anais.
DHN, 2003. Departamento de Hidrografia e Navegação (DHN), Marinha do Brasil, Fernandes, E.H.L., Junior, O.O.M. & Cuchiara, D.C., 2015. Ondas. In Introdução às
Ciências do Mar. pp. 196–225. Fogt, R.L., Bromwich, D.H. & Hines, K.M., 2011. Understanding the SAM influence
on the South Pacific ENSO teleconnection. Climate Dynamics, 36(7), pp.1555–1576.
Fraedrich, K. & Muller, K., 1992. CLIMATE ANOMALIES IN EUROPE ASSOCIATED WITH ENSO EXTRMES. INTERNATIONAL JOURNAL OF CLIMATOLOGY, 12(12), pp.25–31.
Garrison, T., 2015. Oceanography: An Invitation to Marine Science, Cengage Learning. Gomes, A.S., 2003. Ondas marinhas. In UFF - DEPARTAMENTO DE BIOLOGIA
MARINHA. Gong, D. & Wang, S., 1999. Definition of Antarctic Oscillation Index. Geophysical
Research Letters, 26(4), pp.459–462. Halpert, M.S. & Ropelewski, C.F., 1992. Surface Temperature Patterns Associated with
the Southern Oscillation. Journal of Climate and Applied Meteorology, 5, pp.577–593.
Holthuijsen, L.H., 2007. Waves in Oceanic and Coastal Waters, Innocentini, V. & Caetano Neto, E.D.S., 1996. A Case Study of the 9 August 1988
South Atlantic Storm: Numerical Simulations of the Wave Activity. Weather and Forecasting, 11(1), pp.78–88. Available at: http://journals.ametsoc.org/doi/abs/10.1175/1520-0434(1996)011%3C0078:ACSOTA%3E2.0.CO;2.
Kalnay, E. et al., 1996. The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 77(3), pp.437–471.
Knauss, J.A., 2005. Introduction to Physical Oceanography Second. U. Cornell, ed., Waveland Press, 2005.
Kwok, R. & Comiso, J.C., 2002. Spatial patterns of variability in Antarctic surface temperature: Connections to the Southern Hemisphere Annular Mode and the Southern Oscillation. Geophysical Research Letters, 29(14), p.1705. Available at: http://doi.wiley.com/10.1029/2002GL015415.
L’Heureux, M. & Thompson, D.W.J., 2006. Observed Relationships between the El Niño – Southern Oscillation and the Extratropical Zonal-Mean Circulation. 276 JOURNAL OF CLIMATE, 19(2002), pp.276–287.
Leblond, P.H. & Mysak, L.A., 1979. Ocean Waves: A Survey of Some Recent Results. SIAM Review, 21(3), pp.289–328. Available at: http://links.jstor.org/sici?sici=0036-1445%28197907%2921%3A3%3C289%3AOWASOS%3E2.0.CO%3B2-F.
Lindemann, D. da S. & Justino, F.B., 2015. A INFLUÊNCIA DOS MODOS DE VARIABILIDADE CLIMÁTICA NA TEMPERATURA EM SUPERFÍCIE NA ANTÁRTICA DOUGLAS DA SILVA LINDEMANN , FLÁVIO BARBOSA
61
JUSTINO Universidade Federal de Viçosa , Departamento de Engenharia Agrícola , Viçosa , MG , Brasil. Revista Brasileira de Meteorologia, 30(2), pp.214–222.
Marshall, G.J., 2007. Half-century seasonal relationships between the Southern Annular Mode and Antarctic temperatures. INTERNATIONAL JOURNAL OF CLIMATOLOGY, 4, p.11. Available at: http://cdiac.esd.ornl.gov/oceans/GLODAP/glodap_pdfs/Thermohaline.web.pdf.
Marshall, G.J., 2003. Trends in the Southern Annular Mode from observations and reanalyses. Journal of Climate, 16(24), pp.4134–4143.
Massel, S.R., 1996. Ocean Surface Waves: Their Physics and Prediction P. L.-F. Liu, ed., Singapore: World Scientific Publishing Co. Pte. Ltd.
Meirelles, S. & Violante-Carvalho, N., 2007. Modelagem computacional da propagação de ondas superficiais no oceano: um subsídio para a compreensão dos fenômenos ópticos. Revista Brasileira de Ensino de Física, 29(4), pp.555–563.
Mendes, D. et al., 2009. ESTUDO DE CASO DE CICLONE EXTRATROPICAL SOBRE A AMÉRICA DO SUL : SENSIBILIDADE DAS ANáLISES Centro de Ciência do Sistema Terrestre / Instituto Nacional de Pesquisas Espaciais ( CCST / INPE ) Centro de Previsão de Tempo e Estudos Climáticos / Instituto Nac. Revista Brasileira de Meteorologia, 24(4), p.8.
Miles, J.W., 1957. On the generation of surface waves by shear flows. Journal of Fluid Mechanics, 3(2), pp.185–204. Available at: http://www.journals.cambridge.org/abstract_S0022112057000567.
Miles, M.D. et al., 2003. Triaxys TM Directional Wave Buoy. In Canadian Coastal Conference 2003. pp. 1–15. Available at: http://www.axystechnologies.com/LinkClick.aspx?fileticket=%2BNkDd3vDF0c%3D&tabid=106.
Munk, W.H., 1950. Origin and generation of waves. Proceedings of the first Conference on Coastal Engineering, 1(531), pp.1–4.
Open University, 1999. Waves, tides, and shallow-water processes, Elsevier Inc. Osorio, A.F. et al., 2016. Construction of synthetic ocean wave series along the
Colombian Caribbean Coast: A wave climate analysis. Applied Ocean Research, 56, p.13. Available at: http://dx.doi.org/10.1016/j.apor.2016.01.004.
Parise, C.K., Calliari, L.J. & Krusche, N., 2009. Extreme storm surges in the south of Brazil: Atmospheric conditions and shore erosion. Brazilian Journal of Oceanography, 57(3), pp.175–188.
Pedlosky, J., 2003. Waves in the Ocean and Atmosphere: Introduction to Wave Dynamics 1st ed., Springer-Verlag Berlin Heidelberg New York in 2003.
Pedlowsky, J. & Miles, J., 2004. Waves in the Ocean and Atmosphere: Introduction to Wave Dynamics. Applied Mechanics Reviews, 57, p.B20.
Pereira, N.E. da S. & Klumb-Oliveira, L.A., 2015. Analysis of the influence of ENSO phenomena on wave climate on the central coastal zone of Rio de Janeiro (Brazil). Revista de Gestão Costeira Integrada, 15(3), pp.353–370. Available at: http://www.aprh.pt/rgci/rgci570.html.
Pezza, A.B. & Ambrizzi, T., 2000. Propagação de Ondas de Frio na América do Sul e as Trajetórias de Ciclones e Anticiclones Extratropicais. Anais do XI-CBMET, pp.3107–3117.
Pezza, A.B., Rashid, H.A. & Simmonds, I., 2012. Climate links and recent extremes in antarctic sea ice, high-latitude cyclones, Southern Annular Mode and ENSO. Climate Dynamics, 38(1–2), pp.57–73.
Pezzi, L.P., de Souza, R.B. & Quadro, M.F.L., 2016. Uma revisão dos processos de
62
interação oceano-atmosfera em regiões de intenso gradiente termal do oceano atlântico sul baseada em dados observacionais. Revista Brasileira de Meteorologia, 31(4), pp.428–453.
Phillips, 0. M., 1957. On the Generation of Waves by Wind C. University, ed. Journal of Fluid Mechanics, 2, pp.417–445.
Pianca, C., Mazzini, P.L.F. & Siegle, E., 2010. Brazilian offshore wave climate based on NWW3 reanalysis. Brazilian Journal of Oceanography, 58(1), pp.53–70.
Rasmusson, E.M. & Carpenter, T.H., 1982. Variations in Tropical Sea Surface Temperature and Surface Wind Fields Associated with the Southern Oscillation/El Niño. Monthly Weather Review, 110(5), pp.354–384. Available at: http://journals.ametsoc.org/doi/abs/10.1175/1520-0493%281982%29110%3C0354%3AVITSST%3E2.0.CO%3B2.
Reboita, M.S., Ambrizzi, T. & Rocha, R.P. Da, 2009. Relationship between the southern annular mode and southern hemisphere atmospheric systems. Revista Brasileira de Meteorologia, 24, pp.48–55.
Resio, D.T., Bratos, S.M. & Thompson, E.F., 2008. METEOROLOGY AND WAVE CLIMATE. In L. Vincent and Z. Demirbilek, ed. Meteorology and wave climate. Coasta Engineering Manual. Washington, DC: U.S. Army.
Rodrigues, R.R., Campos, E.J.D. & Haarsma, R., 2015. The impact of ENSO on the south Atlantic subtropical dipole mode. Journal of Climate, 28(7), pp.2691–2705.
Ropelewski, C.F. & Halpert, M.S., 1987. Global and Regional Scale Precipitation Patterns Associated with the El Niño/Southern Oscillation. Monthly Weather Review, 115(8), pp.1606–1626.
Ropelewski, C.F. & Halpert, M.S., 1989. Precipitation Patterns Associated with the High Index Phase of the Southern Oscillation. Journal of Climate, 2(3), pp.268–284. Available at: http://journals.ametsoc.org/doi/abs/10.1175/1520-0442%281989%29002%3C0268%3APPAWTH%3E2.0.CO%3B2.
Saha, S. et al., 2010. The NCEP climate forecast system reanalysis. Bulletin of the American Meteorological Society, 91(8), pp.1015–1057.
Sarmento, T.L., 2017. CLIMATOLOGIA DO VENTO SOBRE O OCEANO ATLÂNTICO SUL (METAREA V) E TELECONEXÕES CLIMÁTICAS. Universidade Federal Fluminense.
SOLAS, 2014. Convenção internacional para salvaguarda da vida humana no mar SOLAS 1974/1988,
Soppa, M.A., Souza, R.B. de & Pezzi, L.P., 2011. Variabilidade das anomalias de temperatura da superfície do mar no oceano atlântico sudoeste e sua relação com o fenomeno El Niño-Oscilação Sul. Revista Brasileira de Meteorologia, 26(3), pp.375–391. Available at: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862011000300005&lng=pt&nrm=iso&tlng=en.
Sorensen, R.M., 1993. BASIC WAVE MECHANICS: FOR COASTAL AND OCEAN ENGINEERS. Naval Engineers Journal, 103(6), p.227-. Available at: http://dx.doi.org/10.1111/j.1559-3584.1991.tb01089.x.
Souza, R.D. & Bulhões, E.M.R., 2011. Propagação De Ondas Para Águas Rasas No Litoral Norte Fluminense : Subsídios Para Estudos De Erosão Costeira E Transporte de Sedimentos. V Simpósio Brasileiro de Oceanogrfia, (1997), pp.1–5.
Spindler, D., Chawla, A. & Tolman, H.L., 2011. An initial look at the CFSR Reanalysis winds for wave modeling. Technical Note, (290). Available at: http://nopp.ncep.noaa.gov/mmab/papers/tn290/MMAB_290.pdf.
63
Stewart, R.H., 2003. Introduciton to Physical Oceanography. Applied Animal Behaviour Science, (August), p.352.
Stewart, R.H., 2009. Introduction To Physical Oceanography, The WAVEWATCH III Development Group (WW3DG), 2016. User manual and
system documentation of WAVEWATCH III version 5.16. Tech. Note 329, NOAA/NWS/NCEP/MMAB, College Park, MD, USA. Technical note, MMAB Contribution, 276(329), p.326 pp. + Appendices.
Thompson, D.W.J. & Wallace, J.M., 2000. Annular Mode in the Extratropical Circulation. Part I : Month-to-Month Variability. Journal of Climate, 13(1999), pp.1000–1016. Available at: papers2://publication/uuid/9A9E1710-F09C-4477-B3E2-BB99F78E6CA4.
Tolman, H.L., 1991. A Third-Generation Model for Wind Waves on Slowly Varying, Unsteady, and Inhomogeneous Depths and Currents. Journal of Physical Oceanography, 21(6), pp.782–797.
Tolman, H.L., 2009. User manual and system documentation of WAVEWATCH-IIITM version 3.14. Technical note, (3.14), p.220. Available at: http://polart.ncep.noaa.gov/mmab/papers/tn276/MMAB_276.pdf%5Cnpapers2://publication/uuid/298F36C7-957F-4D13-A6AB-ABE61B08BA6B.
Tomczak, M. & Godfrey, J.S., 2003. Chapter 19: El Niño and the Southern Oscillation (ENSO). Regional Oceanography: An Introduction, 0(December), pp.4–5.
Torrence, C. & Webster, P.J., 1999. Interdecadal changes in the ENSO-monsoon system. Journal of Climate, 12(8 PART 2), pp.2679–2690.
Webster, P.J. & Yang, S., 1992. Monsoon and ENSO:Selectively interactive systems. Quart. J. Roy. Meteorol. Soc., 118(507), pp.877–926.
Welhouse, L.J. et al., 2016. Composite analysis of the effects of ENSO events on Antarctica. Journal of Climate, 29(5), pp.1797–1808.
Wolter, K., 1987. The Southern Oscillation in Surface Circulation and Climate over the Tropical Atlantic, Eastern Pacific, and Indian Oceans as Captured by Cluster Analysis. Journal of Climate and Applied Meteorology, 26(4), pp.540–558. Available at: http://journals.ametsoc.org/doi/abs/10.1175/1520-0450%281987%29026%3C0540%3ATSOISC%3E2.0.CO%3B2.
Wolter, K. & Timlin, M.S., 1993. Monitoring ENSO in COADS with a seasonally adjusted principal component index. Proceedings of the 17th Climate Diagnostics Workshop,, pp.52–57.
Young, I.R., 1999. Wind generated ocean waves Ian R. You. Elsevier, ed., Elsevier Inc. Available at: http://linkinghub.elsevier.com/retrieve/pii/S0378383900000612.
64
APÊNDICES
APÊNDICE A: Coordenadas das áreas marítimas de previsão do tempo sob
responsabilidade do Brasil (subáreas da METAREA V), que foram utilizadas para o
cálculo de pontos de grade por área observada.
Anexo: Pontos de latitude e longitude delimitantes das distintas áreas oceânicas que cobrem a costa do Brasil,
determinados pela Marinha do Brasil (BRASIL 2017).
ALFA BRAVO
Pontos Latitude Longitude Pontos Latitude Longitude
1 33º 44’ S 053º 22’ W 1 28º 36’ S 048º 49’ W
2 36º 00’ S 048º 00’ W 2 31º 00’ S 043º 00’ W
3 31º 00’ S 043º 00’ W 3 26º 00’ S 038º 00’ W
4 28º 36’ S 048º 49’ W 4 23º 01’ S 042º 00’ W
CHARLIE DELTA
Pontos Latitude Longitude Pontos Latitude Longitude
1 28º 36’ S 048º 49’ W 1 23º 01’ S 042º 00’ W
2 23º 01’ S 042º 00’ W 2 26º 00’ S 038º 00’ W
3 21º 00’ S 033º 00’ W
4 17º 46’ S 039º 12’ W
ECHO FOXTROT
Pontos Latitude Longitude Pontos Latitude Longitude
1 17º 46’ S 039º 12’ W 1 13º 01’ S 038º 32’ W
2 21º 00’ S 033º 00’ W 2 15º 00’ S 033º 00’ W
3 15º 00’ S 033º 00’ W 3 10º 00’ S 029º 00’ W
4 13º 01’ S 038º 32’ W 4 03º 00’ S 029º 00’ W
5 05º 45’ S 035º 12’ W
GOLF HOTEL
Pontos Latitude Longitude Pontos Latitude Longitude
1 05º 45’ S 035º 12’ W 1 02º 29’ S 044º 18’ W
2 03º 00’ S 029º 00’ W 2 02º 00’ N 038º 00’ W
3 02º 00’ N 038º 00’ W 3 07º 00’ N 048º 00’ W
4 02º 29’ S 044º 18’ W 4 04º 26’ N 051º 33’ W
NOVEMBER – NORTE OCEÂNICA SIERRA – SUL OCEÂNICA
Pontos Latitude Longitude Pontos Latitude Longitude
1 15º 00’ S 033º 00’ W 1 15º 00’ S 033º 00’ W
2 15º 00’ S 020º 00’ W 2 15º 00’ S 020º 00’ W
3 07º 00’ N 020º 00’ W 3 36º 00’ S 020º 00’ W
4 07º 00’ N 048º 00’ W 4 36º 00’ S 048º 00’ W
5 02º 00’ N 038º 00’ W 5 31º 00’ S 043º 00’ W
6 03º 00’ S 029º 00’ W 6 26º 00’ S 038º 00’ W
7 10º 00’ S 029º 00’ W 7 21º 00’ S 033º 00’ W
65
APÊNDICE B: Amostragem do coeficiente de correlação linear mensal para a boia de Rio Grande, onde observa-se a variação da correlação ao longo dos meses. Tal dado foi mostrado para a avaliação dos valores sumarizados no .