INSTITUTO DE CONTROLE DO ESPAÇO AÉREO

DIVISÃO DE ENSINO

ARTIGO CIENTÍFICO

AVALIAÇÃO DOS PROGNÓSTICO DE PRECIPITAÇÃO PARA OS

DIFERENTES ESQUEMAS DE MICROFÍSICA GERADOS PELO

MODELO DE MESOESCALA WRF NA REGIÃO DE BRASÍLIA - DF

Título do Trabalho

SILDISCLEY ASSIS COELHO – 2O Ten QOEMet

NOME DO ALUNO

ANTÔNIO VICENTE PEREIRA NETO – CAP QOEMet

NOME DO ORIENTADOR

ESTUDOS E MODELAGEM NUMÉRICA DO TEMPO E CLIMA

LINHA DE PESQUISA

MET 001/ 2013

Curso e Ano

ARTIGO CIENTÍFICO

AVALIAÇÃO DOS PROGNÓSTICOS DE PRECIPITAÇÃO PARA OS

DIFERENTES ESQUEMAS DE MICROFÍSICA GERADOS PELO

MODELO DE MESOESCALA WRF NA REGIÃO DE BRASÍLIA - DF

TÍTULO

ESTUDO E MODELAGEM NUMÉRICA DE TEMPO E CLIMA.

LINHA DE PESQUISA

05/JULHO/2013

DATA

MET 001/2013

CURSO

Este documento é o resultado dos trabalhos do aluno do Curso de

Especialização em Meteorologia Aeronáutica do ICEA. Seu conteúdo reflete a opinião

do autor, quando não for citada a fonte da matéria, não representando,

necessariamente, a política ou prática da ICEA e do Comando da Aeronáutica.

2

RESUMO Diferentes parametrizações de microfísica foram testadas para corrigir a superestimativa de precipitação na região de Brasília - DF em simulações com o modelo regional Weather Research and Forecasting (WRF). A versatilidade do modelo, no que diz respeito às opções dos processos físicos, constitui o ponto de partida dos testes de sensibilidade. Simulações de 24h em um domínio centrado em Brasília - DF com espaçamento de grade de 30 km foram realizadas para o período de junho de 2011 a maio de 2012. Os processos de microfísica testados neste trabalho foram: Kessler, Lin, WSM3, WSM5, ETA, WSM6, Goddard e New Thompson. Os testes realizados demonstraram a sensibilidade da variável precipitação a estes processos de microfísica. Palavras-Chave: Microfísica. WRF. Precipitação.

ABSTRACT

Have been tested different microphysical parameterizations to correct the overestimation of rainfall in the region of Brasilia - DF in simulations with the regional model Weather Research and Forecasting (WRF). The versatility of the model, with respect to the physical options is the starting point of the sensitivity tests. Simulations 24h in an area centered in Brasília – DF grid spacing of 30 km were performed for the period june 2011 to may 2012. The microphysical processes tested in this study were: Kessler, Lin, WSM3, WSM5, ETA, WSM6, Goddard and New Thompson. The tests showed that sensitivity to these variable precipitation microphysics process. Keywords: Microphysics. WRF. Precipitation.

3

INTRODUÇÃO

A precipitação influencia as operações de pouso e decolagem nos aeroportos,

reduzindo a capacidade visual dos pilotos durante os procedimentos de pouso e

decolagem e dependendo dos auxílios disponíveis à navegação aérea, o aeroporto

pode ser fechado causando sérios transtornos para os passageiros e companhias

aéreas. O Centro de Gerenciamento de Navegação Aérea (CGNA) é um órgão de

gerenciamento do tráfego aéreo que, juntamente com as companhias aéreas,

necessita saber com antecedência as condições meteorológicas previstas para os

aeroportos. Segundo De Sales et al. (2010), a distribuição de chuvas em Brasília nos

últimos 5 anos, apresentou o mesma tendência quando comparado com análises

climatológicas, onde o período de chuvas se estende de setembro a maio, conferindo

à Capital Federal, condições de tempo nublado e evoluindo a tarde para céu encoberto

com pancadas de chuvas e trovoadas, com possibilidades de queda de granizo e

rajadas de ventos. A necessidade de uma previsão meteorológica confiável para o

Aeroporto Internacional de Brasília (Aeroporto Presidente Juscelino Kubitschek) que

no ano de 2012 ocupou a quarta colocação no ranking dos aeroportos mais

movimentados do país (INFRAERO, 2013) gerou motivações para este estudo.

Devido a sua localização geográfica, o Aeroporto de Brasília torna-se um ponto

estratégico, pois as companhias aéreas o utilizam para conexões de voos destinados

as demais regiões do país.

Com o progresso da computação, a Previsão Numérica do Tempo (PNT)

tornou-se um instrumento poderoso para a evolução da meteorologia operacional e

climatologia. A utilização de modelos matemáticos que resolvem as equações

primitivas vindas da mecânica dos fluidos e que descrevem os processos

fundamentais que ocorrem na atmosfera vem ganhando espaço nos últimos tempos

graças ao avanço tecnológico dos supercomputadores com capacidade de

processamento de trilhões de cálculos por segundo. O WRF foi escolhido para este

trabalho de pesquisa por ser considerado o próximo modelo a dar continuidade ao

Modelo de Mesoescala de 5° Geração (MM5).

No estágio de desenvolvimento em que o WRF se encontra, diversos

trabalhos estão sendo feitos relacionados à validação deste modelo concentrando no

ensaio das possibilidades oferecidas pelo vasto leque de configurações possíveis que

4

incluem vários esquemas de parametrização para cada processo físico, diferentes

opções na formulação dinâmica e inúmeras alternativas nos próprios métodos

numéricos.

Segundo Nogueira (2010, p.29) “Apesar dos contínuos avanços na área de

modelagem atmosférica, a comunidade meteorológica em geral concorda sobre as

dificuldades envolvidas na quantitativa de precipitação simulada pelos modelos

globais e regionais”, pois a precipitação é considerada uma das variáveis mais difíceis

de ser estimada.

Trabalhos anteriores que tentam simular a precipitação utilizando modelos

numéricos, mostram a superestimativa do valor dessa variável. De acordo com

Carvalho (2008), a simulação de precipitação é superestimada quando da passagem

de sistema frontal sobre a região Sul do Brasil.

Este trabalho tem o objetivo analisar qual o esquema de microfísica, utilizado

pelo modelo WRF, melhor se adequa às condições meteorológicas para a região de

Brasília (figura 1), no período de junho de 2011 à maio 2012, com o intuito de estimar

de forma aceitável a precipitação. Para isto foram utilizadas técnicas de pesquisa

explicativa e descritiva desenvolvida em uma parte teórica e outra prática.

Fig. 1 – Localização da região de estudo. Fonte: Criado pelo autor através de um script, software GrADS.

Para alcançar o objetivo deste trabalho utilizou-se os seguintes objetivos

específicos:

a) organizar a série de dados de precipitações observadas nas estações

5

meteorológicas de superfície;

b) organizar as saídas dos esquemas de microfísica gerados pelo modelo de

mesoescala WRF;

c) comparar o comportamento dos diferentes esquemas de microfísica

gerados pelo modelo de mesoescala WRF com os dados observacionais da

região de Brasília;

d) analisar os gráficos dos esquemas de microfísica do modelo WRF com o

comportamento dos dados observacionais;

e) analisar através de medidas de exatidão os resultados das simulações de

mircrofísica.

1 METODOLOGIA

O modelo utilizado neste trabalho é o WRF (versão 3.2.1), um modelo regional

de Previsão Numérica do Tempo (PNT) que pode ser utilizado tanto em previsões

operacionais quanto para pesquisas atmosféricas.

A título de validação das previsões do WRF, para a região de Brasília, foram

utilizados dados observacionais de estações meteorológicas de superfície operadas

pela Força Aérea Brasileira (FAB) e pelo Instituto Nacional de Meteorologia (INMET).

A pesquisa teórica busca elucidar o funcionamento do modelo de mesoescala

WRF e as configurações utilizadas para realizar as simulações. As simulações foram

realizadas em computadores do Centro Nacional de Meteorologia Aeronáutica

(CNMA), onde 8 das parametrizações do processo de Microfísica foram testadas. As

simulações abrangem o período de 01 de junho de 2011 a 31 de maio de 2012 com

condições iniciais e de contorno obtidas do modelo Global Forecast System (GFS) do

National Centers for Environmental Prediction (NCEP) com aproximadamente 1° de

resolução horizontal e 28 níveis verticais integrados no National Oceanic and

Atmospheric Administration (NOAA). O modelo inicia com análises de 00 UTC e se

estendem por 36h, mas através de um procedimento conhecido como spin-up, que é

tempo necessário para ajuste do modelo com condições iniciais e de contorno, as 12

primeiras horas são descartadas. As saídas do modelo fornecem o total diário de

precipitação convectiva (resultado das simulações de parametrização em subgrade)

6

e precipitação não convectiva (precipitação que o modelo observa nos pontos de

grade).

Devido à grande variabilidade espacial da precipitação, para avaliar a

precipitação simulada pelo modelo, foi usada a média aritmética dos dados

observacionais das estações de superfície que compõem a região de Brasília,

evitando erros que apareceriam se fossem considerados somente dados pontuais de

precipitação e aumentando a representatividade espacial das estimativas. Com a

manipulação dos dados em uma planilha da Microsoft Excel, os dados observacionais

foram confrontados com os resultados das simulações do modelo WRF.

1.1 TABELA DE CONTINGÊNCIA

O modelo WRF superestima a precipitação para a região de estudo e caso os

resultados apresentados neste trabalho não apresentem uma diminuição nesta

variável do WRF que está sendo superestimada, buscar-se-á um índice estatístico

que consiga uma melhor performance das estimativas realizadas de ocorrência/não

ocorrência do evento com o intuito de estudos futuros, pois através de outros

processos físicos pode-se obter uma diminuição de precipitação. O simples fato de

diminuir a precipitação pode não apresentar bons resultados, pois o modelo pode

indicar resultados errôneos, por exemplo, o modelo pode apresentar, no geral,

precipitações em períodos de seca ou ausência de precipitação em período chuvoso.

A utilização de uma Tabela de Contingência para comparação dos dados

observacionais das estações meteorológicas com as simulações do modelo WRF

mostrará o grau de precisão das previsões entre as duas variáveis.

Neste contexto, a previsibilidade de determinado evento baseia-se na

ocorrência ou não do evento, visto que a tabela de contingência fornece informações

de quatro combinações possíveis do evento que se deseja prever. Para realizar os

cálculos dos índices da tabela de contingência foram geradas simulações de

precipitação diária, que serão confrontadas com as observações diárias das estações

meteorológicas.

7

Observado

Observado Não Observado Total

Previsto Previsto a b a + b

Não Previsto c d c + d

Total a + c b + d n = a + b + c + d

Quadro 1 – Tabela de Contingência 2 x 2. Fonte: Adaptada de Oliveira & Oyama, 2007.

a (Acerto) – o fenômeno foi previsto e observado;

b (Alarme Falso) – o fenômeno foi previsto e não observado;

c (Falha) – o fenômeno não foi previsto, mas foi observado; e

d (Negativa Correta) – o fenômeno não foi previsto e não foi observado.

Com o auxílio da Tabela de Contingência, as métricas utilizadas para cálculo

serão apresentadas a seguir:

Quadro 2 – Medidas Estatísticas. Fonte: Adaptada de Oliveira & Oyama, 2007.

O BIAS (B) é a razão entre o total de ocorrências previstas e observadas. Ele

representa a relação do número de previsões com o número de observações. Se

maior que 1, o modelo estará superestimando a precipitação. Se menor que 1,

subestimando a precipitação.

ca

baB

(1)

Proporção de Acertos (PA) é a fração das n previsões ocorridas para as quais

a probabilidade prevê corretamente, ou seja, considera corretamente as previsões que

o modelo previu e foi observado e as previsões que o modelo não previu e não foi

observado. O percentual de previsão correta é igual a PA, expresso em %. A

Nenhum

Acerto

(a = d = 0)

BiasRazão entre total de ocorrências previstas e

observadas (a + b) / (a + c).B [ 0 , + ∞ ]

= + 1 : previsão imparcial

> + 1 : superestimar

< + 1 : subestimar

1

Medidas de Exatidão Intervalo

Razão Alarme

Falso

Fração de alertas falsos em relação ao total

de ocorrências previstas b / (a + b). RAF [ 0 , +1 ] 0

Valores para interpretação

Acerto total

(b = c = 0)

Proporção de

Acertos

Fração de acertos em relação ao total

(a + c) / n. PA [ 0 , +1 ] 1 0

8

proporção de acertos pior possível é zero (0%) e a melhor é um (100%). Em termos

de cálculos a equação mostra a proporção de acertos do seguinte modo:

n

daPA

)( (2)

A Razão de Alarme Falso (RAF) nada mais é do que a proporção de previsões

de ocorrência de precipitação que na verdade não se materializaram. Por esta razão

utiliza-se o termo “alarme falso”. O RAF tem uma orientação negativa, de forma que

valores menores de RAF serão preferidos. O melhor RAF possível é zero (100% de

correlação com o observado), e o pior RAF possível é um (0% de correlação com o

observado).

ba

bRAF

(3)

1.2 MODELO E DADOS

1.2.1 MODELO WRF

Segundo Carvalho, Iriart & Pereira Neto (2011) o WRF surgiu da colaboração

de diversas instituições: National Center for Atmospheric Reserch (NCAR), National

Oceanic And Atmospheric Administration (NOAA), National Center for Environmental

Prediction (NCEP), Forecast Systems Laboratory (FSL) e Air Force Weather Agency

(AFWA). No Brasil existem trabalhos sendo desenvolvidos com o WRF por Instituições

acadêmicas, entre elas o Instituto Nacional de Pesquisas Espaciais (INPE), a

Universidade Federal do Rio de Janeiro (UFRJ) e o Universidade de São Paulo (USP).

Na Força Aérea Brasileira, estudos com o WRF foram iniciados em 2011 no Centro

Nacional de Meteorologia Aeronáutica (CNMA) e em 2012 um de Grupo de Trabalho

(GT) definiu o modelo WRF como o próximo modelo de previsão numérica a ser

implementado no Instituto de Controle do Espaço Aéreo (ICEA) dando continuidade

aos trabalhos realizados com o MM5.

9

O modelo WRF possui um código aberto que pode ser implementado ou

modificado por qualquer pesquisador, pois é portável, flexível e pode ser simulado em

diversas plataformas do sistema Linux.

Trata-se de um modelo de área limitada, levando em consideração ser um

modelo regional. Contudo, necessita das condições iniciais e de contorno para

representar o estado real da atmosfera na vizinhança de seu domínio, condições que

são fornecidas pelo GFS. As condições de contorno tem o intuito de tornar o mais

realístico possível as condições que possam interferir nos processos de subgrade,

sendo assim, os limites da grade incluem informações de superfície. Não se pode

esquecer que condições de contorno lateral permitem simular, nos limites do domínio,

fenômenos que podem ser advectados nos limites da grade. Quando o modelo

regional WRF é alimentado (condições iniciais e de contorno) por um modelo global

chamamos o procedimento de outputs, ou seja, os valores de saída do modelo global

são condições iniciais e de contorno do modelo regional, esta técnica é conhecida

como downscaling (COSTA, 2003).

Os modelos regionais e globais são capazes de avaliar somente as condições

no ponto de grade, ou seja, os processos de subgrade não são simulados. Para

resolver este problema de subgrade utiliza-se parametrizações que irão resolver os

processos físicos que ocorrem em subgrade.

O modelo WRF oferece diversas possibilidades de escolha para cada um dos

seguintes processos físicos:

a) radiação de onda longa;

b) radiação de onda curta;

c) microfísica de nuvens;

d) camada Superficial;

e) cobertura do Solo;

f) camada Limite Planetária;

g) parametrização de Cumulus.

Os esquemas de microfísica diferem entre si na maneira como irão simular os

diferentes tipos de precipitações, assim alguns pesquisadores fizeram diferentes

considerações em concentração, crescimento, estrutura, formação, formas, tipos e

10

outros (WEATHER RESEARCH AND FORECASTING (WRF) Modeling System

User’s Guide VERSION 3, 2013).

No entanto, busca-se uma adequação de um esquema de microfísica que

possa estimar de uma forma mais realística possível a estimativa de precipitação para

a região de Brasília.

O modelo WRF apresenta como “default” o esquema de microfísica número 3

(WSM3 – Hong, Dudhia and Chen – 2004 - MWR).

De acordo com Carvalho, Iriart & Pereira Neto (2011) o modelo de mesoescala

WRF é dividido em 3 grandes blocos:

a) WRF Preprocessing System (WPS);

b) Weather Reserch and Forecasting Model (WRF);

c) ARWpost.

O componente WPS tem como função a criação da grade e a preparação das

condições iniciais e de contorno para a simulação, ou seja, trabalha o

pré-processamento de todo o sistema. Para isso, divide-se em 3 subsistemas:

GEOGRID, UNGRIB e METGRID.

No subsistema GEOGRID são definidos o domínio e a interpolação dos dados

terrestres. As condições iniciais e de contorno provêm das análises globais do NCEP

baixados do sítio em <http://www.nco.ncep.noaa.gov/pmb/products/gfs/>, o formato

baixado encontra-se na segunda versão do código General Regularly-distributed

Information in Binary 2 (GRIB2). O GRIB2 possui uma compactação bem melhor que

sua versão anterior General Regularly-distributed Information in Binary 1 (GRIB1) e

possui uma resolução horizontal de 0,5o contendo um número maior de informações.

Como exemplo, listamos abaixo algumas informações que podem ser extraídas do

GRIB2:

a) tipo de vegetação;

b) albedo;

c) temperatura do solo;

d) tipo de solo;

e) altura da topografia.

11

Os dados de temperatura da superfície do mar (TSM) são semanais e obtidos

junto ao Climate Diagnostics Center (CDC) / National Oceanic and Atmospheric

Administration (NOAA). A temperatura e umidade do solo são inicializadas com os

valores da Reanálise do National Centers for Environmental Prediction (NCEP) /

National Center for Atmospheric Research (NCAR).

O segundo subsistema – UNGRIB – extrai os campos meteorológicos

necessários para iniciar o modelo que serão interpolados pelo subsistema METGRID.

Um último processo a ser realizado no WPS é a interpolação dos campos

meteorológicos verticalmente, utilizando o sistema de coordenadas sigma.

Os arquivos que compõem o modelo WRF são escritos em linguagem

FORTRAN de difícil manipulação por usuários não programadores. No entanto, o

modelo dispõe de arquivos namelist que poderão ser manipulados por usuários para

configurações de parâmetros do modelo.

As modificações necessárias na etapa de pré-processamento do programa

podem ser realizadas no arquivo namelist.wps, um arquivo de simples manipulação,

onde podem ser efetuadas as seguintes alterações:

a) quantidade de domínios;

b) data inicial e final de simulação;

c) tipo de projeção utilizada.

Ao final de todo o processamento é gerado um arquivo chamado real.exe que

fornecerá os dados de entrada do WRF.

Carvalho, Iriart & Pereira Neto (2011), especificam que o WRF é o bloco

responsável pela execução das interações do modelo ao longo do tempo. Nesta etapa

são definidos alguns parâmetros de simulação. Assim como o WPS, o bloco WRF

possui um arquivo de modificações chamado namelist.input, que contém as seguintes

configurações:

a) período de simulação;

b) configuração das grades (domínio);

c) configuração dos processos físicos.

12

O período para o estudo é de 2011 à 31 de maio de 2012. As simulações tem

domínio centrado em Brasília - 15° 46' S e 47°55' W (figura 2) e abrange a área entre

3,5° S - 27° S e 35° W – 60.5° W, com espaçamento de grade horizontal de 30 Km.

Fig. 2 – Grade centrada em Brasília (15° 46’ S – 47° 55’ W). Fonte: Criado pelo autor através de um script, software GrADS.

Os esquemas de parametrizações representam os processos físicos que

ocorrem dentro da subgrade, assim a representação atmosférica se torna o mais

realística possível. Abaixo listamos os processos físicos que foram escolhidos para

gerar as simulações do modelo de mesoescala WRF neste estudo.

Processos Físicos Referências

Microfísica Simulações

Radiação de Onda Longa RRTM (MLAWER et al., 1997)

Radiação de Onda Curta Dudhia (DUDHIA, 1989)

Camada Superficial Moninh-Obukhov (DYER e HICKS, 1970; PAULSON, 1970; WEBB, 1970)

Camada Limite Planetária YSU (HONG et al., 2006)

Parametrização de Cumulus Kain-Fritsch (Kain, 2004, JAM)

Cobertura do Solo Noah (CHEN e DUDHIA, 2001)

Quadro 3 – Processo Físicos. Fonte: WEATHER RESEARCH AND FORECASTING (WRF) Modeling System User’s Guide VERSION 3, 2013.

As rodadas tiveram as mesmas definições de resolução temporal de 180

segundos, ou seja, as variáveis que o modelo utiliza no ponto de grade (vértices da

grade) são atualizadas a cada 180 segundos.

13

Para Carvalho, Iriart & Pereira Neto (2011), o terceiro bloco ARWpost é

utilizado para converter as saídas do segundo bloco (WRF) em um formato que possa

ser visualizado por ferramentas gráficas (GrADS e Vis5d). O arquivo de texto

namelist.ARWpost é onde são feitas as modificações do formato de saída de

visualização (GrADS = arquivo.dat e arquivo.ctl) e intervalo de tempo de saídas do

modelo.

Característica de Grade

Domínio 3,5° S - 27° S e 35° W – 60.5° W

Pontos x 97

Pontos y 97

Níveis (vertical) 19

Espaçamento DX (Km) 30

Espaçamento DY (Km) 30

Tipo de Malha Arakawa e Lamb, 1977

Projeção Mercator = 3

Centrada Latitude CEN_LAT = 15° 46´

Centrada Longitude CEN_LON = - 47° 55´

Tempo de simulação 36 horas

Resolução temporal de saída 3 horas

Passo de tempo 180 segundos

Processos Físicos

Radiação de Onda Longa 1

Radiação de Onda Curta 1

Camada Superficial 2

Camada Limite Planetária 1

Parametrização de Cumulus 1

Cobertura do Solo 1

Quadro 4 – Resumo de Configuração do Modelo WRF. Fonte: Autor.

Vale ressaltar, que na falta de qualquer especificação o modelo utilizará as

configurações estabelecidas em default.

O procedimento para baixar o modelo encontra-se no sítio em

<http://www.mmm.ucar.edu/wrf/users/download/get_source.html>.

1.2.2 DADOS OBSERVACIONAIS

Os dados observacionais obtidos para realizar as simulações provém de 7

estações meteorológicas de superfície integrantes da rede FAB e INMET. Vale

14

ressaltar, que no entorno da Região de Brasília possui outras estações

meteorológicas, mas por um critério de representatividade as estações foram

selecionadas obedecendo os seguintes critérios:

a) estações que operam 24 horas por dia, também chamadas de H24;

b) estações que apresentem consistência de dados meteorológicos no

período de 01 de junho de 2011 à 31 maio de 2012;

c) estações que tenham uma representatividade da precipitação na região de

estudo.

A figura 3 e o quadro 5 abaixo indicam as estações utilizadas para a

representatividade da precipitação na Região de Brasília, bem como sua localização

geográfica.

Fig. 3 – Localização das Estações Meteorológicas de Superfície. Fonte: Criado pelo autor através de um script, software GrADS.

15

Órgão Nome Operação Latitude Longitude Altitude

FAB Brasília 1 H24 -15,87 -47,94 1.066,00 m

FAB Anápolis H24 -16,23 -48,94 1.137,00 m

INMET Brasília 2 H24 -15,78 -47,93 1.159,54 m

INMET Formosa H24 -15,53 -47,33 935,19 m

INMET Goiânia H24 -16,66 -49,25 741,48 m

INMET Pirenópolis H24 -15,85 -48,96 740,00 m

INMET Roncador H24 -15,93 -47,88 1.100,57 m

Quadro 5 – Estações Meteorológicas de Superfície. Fonte: Autor.

As séries temporais de precipitação durante o período de junho de 2011 a

maio de 2012 foram disponibilizadas da seguinte maneira:

a) estações da FAB: Brasília 1 e Anápolis.

Os dados diários de precipitação foi disponibilizado pelo ICEA junto a seção

de Climatologia.

b) estações do INMET: Brasília 2, Formosa, Goiânia, Pirenópolis e Roncador.

Os dados diários foram descarregados do banco de dados Climatológico

disponível no site http://www.inmet.gov.br/portal/index.php?r=bdmep/bdmep.

2 PROCESSO DE MICROFÍSICA

Ao longo do tempo os processos físicos foram introduzidos aos modelos de

previsão numérica do tempo. Os modelos de previsões numéricas somente

conseguem expressar a precipitação nos pontos de grade (precipitação explicita), mas

existem processos físicos que ocorrem em subgrade que não podem ser reconhecidos

pelo modelo (precipitações implícitas), com isso, surgem as parametrizações dos

processos que ocorrem em subgrade.

As parametrizações para o processo de microfísica disponibilizado pelo WRF,

versão 3.2.1, são em número de 8. Os diferentes tipos de parametrizações foram

introduzidos ao longo do tempo, sendo alguns variações e melhorias de tipos

anteriores.

O quadro 6 lista os tipos, nomes, referências e a evolução das inserções dos

esquemas de parametrização de microfísica disponibilizados pelo modelo WRF ao

longo dos anos:

16

Esquemas Referência Adicionados em:

Kessler Kessler (1969) 2000

Lin (Purdue) Lin, Farley and Orville (1983,JCAM) 2000

WSM3 Hong, Dudhia and Chen (2004, MWR) 2004

WSM5 Hong, Dudhia and Chen (2004, MWR) 2004

Eta Rogers, Black, Ferrier, Lin Parrish and DiMego (2011, web doc) 2000

WSM6 Hong and Lim (2006, JKMS) 2004

Goddart Tao, Simpson and McCumber (1989, MWR) 2008

Thompson Thompson, Field, Rasmussen and Hall (2008, MWR) 2009

Quadro 6 – Esquemas de Parametrizações de Microfísica. Fonte: WEATHER RESEARCH AND FORECASTING (WRF) Modeling System User’s Guide VERSION 3, 2013.

2.1 KESSLER

O esquema de Kessler é desenvolvido para nuvens quentes, onde inclui três

variáveis: vapor d’água1, água de nuvem e chuva. Os processos incluídos no esquema

são: a produção, a queda, queda e evaporação da chuva e a produção de água de

nuvem a partir da condensação.

2.2 LIN

O esquema de Lin possui seis classes de hidrometeoros: vapor d’água, água

de nuvem, chuva, nuvem de gelo, neve e graupel1. O esquema é considerado

sofisticado em WRF e foi feito a partir do modelo de nuvem de Purdue.

2.3 WSM3

Este esquema implementa o efeito de sedimentação de gelo e possui três

categorias de hidrometeoros: vapor; água e gelo de nuvem; chuva e neve. A água e

gelo de nuvem são analisadas na mesma categoria e distinguem-se pela temperatura.

O esquema é computacionalmente eficiente para a inclusão dos processos de gelo,

mas não tem água superesfriada e as taxas de derretimento gradual.

2.4 WSM5

O esquema WSM5 é similar ao WSM3 no que se refere a ser um simples

esquema de gelo. O vapor, a chuva, a neve, o gelo de nuvem e a água de nuvem são

1 Graupel é uma espécie de floco de neve com diâmetro médio um pouco superior ao de um floco de

neve comum e em formato cilíndrico.

17

tratados em cinco categorias diferentes. No entanto a chuva e a neve estão em

diferentes categorias. Deste modo, encontramos água super-resfriada e partículas de

gelo separadamente, permitindo assim a inclusão da sedimentação do gelo.

2.5 ETA

O esquema prevê explicitamente a água e gelo em proporção de mistura de

nuvem, a precipitação líquida e congelada são derivadas a partir do diagnóstico da

proporção das variáveis na mistura de nuvem e são assumidos para cair no chão em

um único passo de tempo.

2.6 WSM6

O esquema WSM6 é um aprimoramento do esquema WSM5, onde inclui

graupel e seus processos associados. Apresenta um novo método para representar a

velocidade de queda das partículas de gelo na fase mista e partículas de graupel

atribuindo um processo de acreção.

2.7 GODDART

O esquema Goddart traz melhorias nas técnicas de saturação. Os processos

microfísicos que não envolvem o ponto de fusão, evaporação e sublimação são

calculados com base num estado termodinâmico. Isto garante que todos estes

processos sejam tratados da mesma forma. Ele prevê também a escolha de graupel

ou granizo.

2.8 THOMPSON

Neste esquema a neve assume uma forma não esférica, com uma densidade

de massa que varia inversamente com o diâmetro, ao contrário de outros esquema

que adotam a neve esférica com densidade constante. Ocorrem melhorias nas

implementações da deposição, sublimação e evaporação.

O processo de Microfísica não deve ser tratado separadamente dos demais

processos físicos, pois eles estão relacionados. Os esquemas de microfísica abordam

diferentes interações entre os tipos de precipitações, isto é o que difere os diferentes

autores. Os tipos de precipitações (granizo, chuva, chuvisco, neve, etc) são chamados

18

de variáveis e dependo de cada autor irá ter mais ou menos variáveis. Alguns autores

adotam a mesma quantidade de variáveis, mas as interações entre elas os diferem.

Segundo Oyama (2012), a microfísica descreve a evolução dos hidrometeoros

ao longo do tempo e os mecanismos de interações entre eles, bem como as trocas de

calor na sua fase gasosa.

A forma como os hidrometeoros estão dispostos na atmosfera pode ser da

mais variada: em nuvens quentes aparecem como vapor e gotícula de água; e em

nuvens frias são encontrados na forma de vapor, gotícula de água, água super-

resfriada e cristais de gelo.

Na formulação dos esquemas de microfísica, uma série de considerações

pode ser adotada ou não, tais como:

a) nucleação homogênea e heterogênea;

b) condensação;

c) evaporação;

d) congelamento;

e) derretimento de neve e granizo;

f) nuvens frias e quentes;

g) acreção e agregação;

h) vapor, gelo, neve, granizo, chuvisco, gotículas super-resfriadas e cristais

de gelo;

i) coalisão e coalescência;

j) chuva convectiva e estratiforme;

l) fases da água.

Uma vez que busca-se representar a atmosfera real computacionalmente

através de formulações matemáticas, a representação computacional deve obedecer

um fluxograma. No entanto, a atmosfera não comporta-se desta maneira, por isso

existem diferenças entre os autores nas formulações de suas parametrizações. Na

figura 4, exemplifica que descrevem os processos físicos necessários para a produção

de precipitação, ressaltando que nenhum evento externo irá interferir no processo.

19

Fig. 4 – Processos físicos que levam a produção de precipitação. Fonte: Rutledge & Hobbs, adaptado por COSTA, 2003.

Como pode-se observar existem várias combinações possíveis que um

esquema de microfísica pode apresentar, mas dependendo da região em que será

implementado o modelo alguns fatores terão uma maior ou menor abordagem. Com

isso, o surgimento de novos esquemas tornam o modelo cada vez mais sensível e

capaz de expressar a quantidade de precipitação de uma forma mais realista possível,

pois os modelos realizam simulações para os mais diferentes climas do planeta.

3 ANÁLISES E RESULTADOS

As análises foram realizadas com o auxílio de gráficos e tabela de

contingência, os gráficos apresentam análises comparativas das simulações com a

precipitação observada.

20

Fig. 5 – Gráfico com o total mensal de precipitação convectiva e não convectiva para o período de 2011 e 2012. Fonte: Autor.

Na figura 5 são apresentados os valores de máximos (mínimos) calculados

através da média mais (menos) o desvio-padrão. Observa-se que a precipitação

simulada pelo WRF está sendo superestimada, pois espera-se que os valores de

precipitação observado e simulado pelo modelo estejam entre o máximo e o mínimo.

É importante salientar, que os valores de precipitação correspondem ao somatório de

precipitação convectiva e precipitação não convectiva. A precipitação convectiva é

simulada na parametrização de Cumulus (default = 1), ou seja, a precipitação que o

modelo gera implicitamente.

A simulação com a microfísica 8 (Thompson) apresenta resultado destoante

das demais, mas em consulta ao guia do usuário do modelo, já é esperado devido ao

espaçamento de grade utilizado (WEATHER RESEARCH AND FORECASTING

(WRF) Modeling System User’s Guide VERSION 3,2013).

As simulações apresentam bons resultados indicando corretamente o início

do período chuvoso e sem simular chuva no período no período seco.

As análises indicam duas tendências de curvas, o primeiro conjunto (Kessler,

Lin, WSM5 e ETA) e o segundo conjunto (WSM3, WSM6 e Goddart). As microfísicas

do segundo conjunto obtiveram tendências semelhantes, porque apresentam

semelhanças em suas formulações devido à eficiência em gelo e neve.

-500

0

500

1000

1500

2000

2500

3000

3500

4000

4500

Total mensal de precipitação (mm)

Kessler

Lin

WSM3

WSM5

Eta

WSM6

Goddart

Thompson

máximo

mínimo

21

Fig. 6 – Gráfico com a Fração de dias do mês com chuva convectiva e não convectiva para o período de 2011 e 2012. Fonte: Autor.

Analisando a figura 6, que representa a Fração de dias do mês com chuva,

observa-se que as simulações estão próximos da região de máximo e mínimo onde

são esperados, acompanhando o mesmo padrão para todas as séries, porém

apresentando valores superestimados.

Fig. 7 – Gráfico com o Total mensal de precipitação não convectiva (mm) para o período de 2011 e 2012. Fonte: Autor.

0

10

20

30

40

50

60

70

80

90

100

Fração de dias do mês com chuva (%)

Kessler

Lin

WSM3

WSM5

Eta

WSM6

Goddart

Thompson

Máximo

Mínimo

0

200

400

600

800

1000

1200

1400

1600

Total mensal de precipitação não convectiva (mm)

Kessler

Lin

WSM3

WSM5

Eta

WSM6

Goddart

Thompson

máximo

mínimo

22

A figura 7 apresenta somente valores de precipitação não convectiva. mesmo

assim, as simulações ainda permanecem com valores superiores ao máximo, ou seja,

o modelo permanece superestimando a precipitação. Assim, para corrigir a

precipitação gerada pela microfísica é necessário mexer na formulação dos esquemas

de microfísica.

Fig. 8 – Gráfico com a Fração de dias do mês com chuva não convectiva para o período de 2011 e 2012. Fonte: Autor.

A análise da fração de dias do mês com chuva não convectiva (figura 8)

mostra uma correlação das séries de simulações de precipitação com o observado,

indicando que o modelo tem uma coerência em acompanhar o crescimento e

decrescimento da fração de dias em que ocorreram precipitação. Quando comparada

a quantidade de precipitação não convectiva nos meses de análise (figura 7) e as

simulações com fração de dias com chuva não convectiva, observa-se que as

simulações tem um número inferior de dias com a presença de chuva, mas com

valores superestimados para esses dias.

0

10

20

30

40

50

60

70

80

90

100

Fração de dias do mês com chuva não convectiva (%)

Total Obs.

Kessler

Lin

WSM3

WSM5

Eta

WSM6

Goddart

Thompson

23

Fig. 9 – Tabela com as Medidas de Exatidão das simulações de precipitações não convectiva. (a) Número de BIAS. (b) Cálculo de RAF. (c) Cálculo de PA. Fonte: Autor.

De acordo com os dados da figura 9a, os parâmetros de microfísica 3

apresentam melhores resultados, pois utilizando somente dados de precipitação não

convectiva o modelo superestima mais que o dobro para todas as simulações

(BIAS > 2).

Ao se comparar os valores de RAF (figura 9b), a microfísica 3 apresenta

melhores resultados. Esse índice revela que, para a microfísica 3, dos casos em o

modelo previu a ocorrência de precipitação, em 67% dos casos a previsão não se

concretizou, valor inferior às demais parametrizações.

A PA (figura 9c) indica a simulação de microfísica que tem um valor assertivo

para previsibilidade ou não da precipitação da região de estudo. A microfísica 3

apresenta um maior percentual de acertos que as demais simulações de microfísica.

CONCLUSÃO

O objetivo deste trabalho foi realizar simulações com o modelo de mesoescala

WRF para observar o comportamento do processo de Microfísica sobre a região de

Brasília – DF, com a finalidade de comparar as simulações geradas pelas diferentes

parametrizações de microfísica disponibilizada pelo modelo com os resultados obtidos

de estações observacionais presentes naquela região.

As simulações realizadas durante o período de junho de 2011 a maio de 2012

indicam que o modelo tende a superestimar mais que o dobro em todas as simulações.

É importante salientar que este resultado corresponde a experimentos realizados

Medidas BIAS Medidas RAF Medidas PA

Microf. 8 2,23 Microf. 3 0,67 Microf. 3 0,54

Microf. 3 2,51 Microf. 7 0,69 Microf. 7 0,54

Microf. 4 2,89 Microf. 4 0,71 Microf. 4 0,52

Microf. 7 2,89 Microf. 6 0,73 Microf. 2 0,51

Microf. 6 3,18 Microf. 8 0,74 Microf. 6 0,51

Microf. 5 3,58 Microf. 2 0,76 Microf. 5 0,50

Microf. 2 3,89 Microf. 5 0,76 Microf. 1 0,48

Microf. 1 4,34 Microf. 1 0,80 Microf. 8 0,42

(a) (b) (c)

24

através da tabela de contingência (Número de BIAS) somente para precipitação não

convectiva, ou seja, aquela gerada explicitamente pelo processo de microfísica.

Ao analisar as parametrizações de microfísica testadas no modelo WRF, as

análises dos resultados do esquema WSM3, embora seja ainda necessários

desenvolver novos testes, indicam uma melhor previsibilidade quando simulado sobre

a região de Brasília - DF, pois seus resultados (RAF e PA), tem uma melhor

assertividade em relação aos demais esquemas testados.

Dessa forma, a utilização da microfísica de número 3 (WSM3) é a mais

adequada para a previsibilidade de precipitação para a região de Brasília.

Para trabalhos futuros sugere-se:

a) testes com as demais de parametrizações de microfísica de nuvens;

b) testes com as demais parametrizações de processos físicos;

c) utilizar outras técnicas para estimativa de precipitação observada, como as

baseadas em dados de satélites e radar, para validar as previsões geradas

pelo modelo WRF;

d) utilizar outras resoluções de grade para simulações.

Os estudos futuros a serem realizados visam a validação do modelo para

aprimoramento e operacionalidade na Força Aérea Brasileira.

25

REFERÊNCIAS

CARVALHO, P. R. B.; Inclusão da perturbação de momentum no esquema de parametrização de cumulus Kain Fritsch e impactos sobre um caso de chuva convectiva. (INPE-15145-TDI/1277). Dissertação (Mestrado em Meteorologia – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2008. CARVALHO, M. A. V; IRIART, P. G; PEREIRA NETO, A. V. Manual de instalação e execução do sistema de modelagem numérica WRF no ICEA. São José dos Campos, 2011. Disponível em: <http://www.icea.gov.br/climatologia/InstalacaoWRF. pdf>. Acesso em: 27 abr. 2013. COSTA, Alexandre Araújo. Apostila do curso de Modelagem Atmosférica. Universidade Estadual do Ceará (UECE). Fortaleza. 2003, p 82. Disponível em: < http://pt.scribd.com/doc/25103993/Modelagem-Atmosferica-Alexandre-Costa-Rascun ho-2003 >. Acesso em: 02 jun. 2013. DE SALES, N. D.; REBELLO. E; DA SILVA, J. F.; (2010). Chuvas Intensas em Brasília nos últimos cinco anos. Apresentado no XVI Congresso Brasileiro de Meteorologia, Belém, Setembro. EMPRESA BRASILEIRA DE INFRAESTRUTURA AEROPORTUÁRIA - INFRAERO. Estatísticas. Brasília, 2013. Disponível em: <http://www.infraero.gov.br /index.ph p/br/estatistica-dos-aeroportos.html>. Acesso em: 03 mar. 2013. FERREIRA, A. P. G. F. Sensibilidade às parametrizações físicas do WRF nas previsões a superfície em Portugal Continental. Aveiro: 2007. Disponível em: <http://climetua.fis.ua.pt/publicações/Estagio_PauloFerreira.pdf>. Acesso em: 22 fev. 2013. Instituto Nacional de Meteorologia (INMET). Banco de Dados Climatológicos. Disponível em: < http://www.inmet.gov.br/portal/index.php?r=bdmep/bdm ep. >. Acesso em: 04 abr. 2013. NOGUEIRA, J. H. A. Sensibilidade da precipitação simulada na região do Centro de Lançamento de Alcântara a esquemas de convecção explícita: estudo de caso. 2010. 154f. Dissertação (Mestrado em Meteorologia) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2010. Disponível em: <http://www.redemet.aer.mil.br/Artigos/dissertacao_de_mestrado5.pdf>. Acesso em: 01 mar. 2013.

26

OLIVEIRA, F. P.; OYAMA, M.D. Uso de Tabela de Contingência 2x2 em Meteorologia: Conceitos Básicos. São José dos Campos: Divisão de Ciências Atmosféricas, Instituto de Aeronáutica e Espaço. Publicação Interna, PI-007.2007. 12p. (Revisado em 19/10/2007). OYAMA, Marcos Daisuke. Disciplina de Microfísica de Nuvens. Centro de Instrução e Adaptação da Aeronáutica. Belo Horizonte, 2012, 476 slides: color. WEATHER RESEARCH AND FORECASTING (WRF) Modeling System User’s Guide VERSION 3. Mesoscale & Microscale Meteorology Division, National Center for Atmospheric Research, Boulder, Colorado, U.S.A. Disponível em: <http://www.mmm.ucar.edu./wrf/users/>. Acesso em: 11 mar. 2013.