PARTE 6-2Modelos Atmosféricos – Caraterísticas e

Aplicações

Referência: “Summer school on mathematic modeling of atmospheric chemistry 2015”, prof. Guy Brasseur

TÉCNICAS EM CLIMATOLOGIAPROGRAMA DE PÓS GRADUAÇÃO EM GEOGRAFIA FÍSICA USP

FEVEREIRO 2017

*Espectrais

Características dos modelos atmosféricos

*Diferenças Finitas

Apropriado para a escala global

Requer menos poder computacional

Modelo global utilizado pelo CPTEC/INPE

Apropriado para qualquer escala

É possível ajustar o poder computacionalnecessário

Diversos outros modelos – WRF, RegCM, BRAMS

*Hidrostático

Características dos modelos atmosféricos

*Não-hidrostático

Utilizam a aproximação hidrostática para descrever o movimento vertical do ar:

Requerem menos poder computacional

Podem ser utilizados quando o fenômeno atmosférico possuir maiorcomprimento horizontal do que vertical:- brisa marítima, circulação frontal, relevo simples, etc.

Calcula o movimento vertical do ar diretamente a partir dos pontos de gradeadjacentes. Não usa a aproximaçãohidrostática

Requer maior poder computacional

Necessário para calcular movimento vertical significativo:Formação de células convectivas profundas, altura da camada limite, relevo complexo,etc

Ԧ𝐺 ≅ 𝛻𝑣𝑃

Força devido à 𝑮𝒓𝒂𝒗𝒊𝒅𝒂𝒅𝒆 =𝑭𝒐𝒓ç𝒂 𝒅𝒆𝒗𝒊𝒅𝒐 𝒂𝒐 𝒈𝒓𝒂𝒅𝒊𝒆𝒏𝒕𝒆 𝒗𝒆𝒓𝒕𝒊𝒄𝒂𝒍 𝒅𝒆 𝒑𝒓𝒆𝒔𝒔ã𝒐

Ԧ𝐺 ≅ 𝛻𝑣𝑃

∂p

∂z = − gρ

G

grad pressão vertical

Superfície terrestre

EQUILÍBIO HIDROSTÁTICO

*Globais e regionais

Características dos modelos atmosféricos

*Urbanos

Apropriados para escalas de análise globais e regionais, da ordem de dezenas de km até o globo todo

Apropriados para escalas de análise locais, menores do que dezenas de km

*Lagrangianos

Características dos modelos atmosféricos

*Eulerianos

Método no qual o observador se move com o fluido (parcela de ar, partículas) escolhido para a observação, através do tempo e do espaço.

Ex: rastrear a origem de massas de ar,identificar fontes de poluição, etc

Tempo e espaço são referenciais fixos;observa-se o movimento do fluído atravésdeles. A localização é importante.

Ex: verificar impacto da TSM na precipitaçãoem uma dada área, ilhas de calor, etc

Modelos Numéricos de Previsão: Condições Iniciais

Dados disponíveis em http://daac.ornl.gov/cgi-bin/dsviewer.pl?ds_id=220

Observations used in ARPEGE

radiosondagens - P,T,UR,ventoRadiâncias ATOVS NOAA

Satélites Geostacionário - ventosBóias na superfície - P,T,UR,vento

SYNOP e navios - superfície P,T,UR,vento avião - T,vento

Observações de Satélite são vitais para a utilização e avaliação de modelos atmosféricos

Resolução espacial, temporal e vertical

• Modelos Regionais ou urbanos : 500 m ou -

• Menor resolução espacial = melhor representação de superfície eatmosfera

• Resolução temporal deve evoluir juntamente com a espacial. Para cadapasso de tempo, o modelo calcula o movimento da atmosfera. Por isso,resoluções espacialmente mais detalhadas requerem mais tempo decálculo.

• Resolução vertical = quantas ‘camadas’ de altitude serão usadas para secalcular movimentos verticais no modelo (ex: precipitação).Modelos globais: cerca de 30-80 camadas.

Estudo japonês sobre Fukushima: melhor resolução de topografia interfere na

modelagem da dispersão dos poluentes

Processos normalmente parametrizados

Processos muito complexos, ou que ocorrem em escalas temporais e espaciais muito pequenas para serem capturados pelo modelo são representados através de parametrizações(aproximações numéricas utilizadas para se representar tais processos)

Exemplos de parametrizações Convecção Cumulus

• Formação de nuvens cumulus: Grell (1993) (América do Sul tropical) e Kuo (1974) (monções indianas)

• Grell-Freitas (2014): convecção/integração da modelagem atmosférica com a modelagem de qualidade do ar

• Goddard (Tao et al., 2009): radiação (interação com vapor de água, CO2 e outras substâncias)

Condições iniciais (CI) e de fronteira (CF)

• Conjuntos (ensembles) de simulações são elaborados para se levarem conta a variabilidade interna de cada modelo e da atmosfera. O aspecto não-linear da atmosfera leva a incertezas inerentes nassimulações e previsões.

• Previsão de Tempo: para tentar remover (ou diminuir) estaincerteza, cada modelo pode ser executado várias vezes, com diferentes CI. Assim, tem-se uma estatística do estado maisprovável da atmosfera no tempo futuro

• Previsão Climática: os modelos climáticos são executados váriasvezes com diferentes CF (temperatura da superfície do mar, porexemplo) para se construir uma resposta média mais confiávelquanto a incerteza inerente ao longo do tempo..

Previsão Climática Sazonal

Condição FinalCondição Fronteira

Tempo

meses

Alta Previsibilidade Baixa Previsibilidade

Condição FinalCondição Fronteira

Tempo

meses

Ensemble (conjunto) de previsões de precipitação no

inverno na Europa 2015

Avaliando o resultado de modelos

• Visão Moderna: Nem todos os aspectos do mundo natural e do comportamento social são previsíveis, e novas abordagens devemser desenvolvidas:

– A previsão do tempo tem um limite de confiabilidade (10-15 dias para latitudes temperadas, por exemplo (Lorenz, 1963)

– O clima (estado médio da atmosfera) é mais facilmente previsto para as latitudes tropicais, enquanto o tempo é mais facilmente previstopara as latitudes temperadas.

– A interferência humana no clima deriva de complexos fatores sócio-econômicos que ainda necessitam ser melhor incorporados nosmodelos - INTERDISCIPLINARIDADE

APLICAÇÕES

MODELAGEM ATMOSFÉRICA

RegCM3 Modelagem ClimáticaDESMATAMENTO NA AMAZÔNIA

EXPERIMENTO CONTROLE EXPERIMENTO SENSIBILIDADE

SILVA et al. (2015)

DESMATAMENTO EXTRAPOLADO 2050

RegCM3 e CRUHABILIDADE DO MODELO

Figure 2 (a,d) Mean surface air

temperature (oC) and precipitation (mm

day-1) for the rainy season from 2001 to

2006 as simulated by RegCM3; (b,e)

same as (a,d), but for CRU observed

data; (c,f) air temperature and

precipitation differences between

simulated and observed data.

RegCM3 Modelagem ClimáticaHABILIDADE DO MODELO

Figure 4 (a) Observed and simulated maximum (orange and green colors) and minimum (blue

and magenta colors) daily air temperature for the rainy seasons (Oct-Mar) from 2000-2001 to

2006 -2007. The observed data were obtained at the micrometeorological tower in the

northeastern part of Sao Paulo state, in a cerrado vegetation conservation region, for the same

period.

TORRE MICROMETEOROLÓGICA X RegCM3

RegCM3 Modelagem ClimáticaDESMATAMENTO NA AMAZÔNIA

?

RegCM3 Modelagem ClimáticaDESMATAMENTO NA AMAZÔNIA

u

u

v

v geop

CAM-chem at 0.5° - Surface Ozone

Strong diurnal variation, particularly evident in Northern Hemisphere

From Louisa Emmons, NCAR

Weather Research and Forecast – WRF(modelo para previsão de tempo e pesquisa)

0.01”

Vento 10 m e PNM 28-02-2012 Precipitação 09-01-2012

Características Principais do WRF

• Modelo de mesoescala não-hidrostático e muito versátil

resolução: dezenas de metros a milhares de km

• Software livre desenvolvido em parceria NCAR-NCEP

mais de 25000 usuários registrados

• Diversos módulos complementares:

WRF/Chem - poluição atmosférica

WRF/Urban – urbano

WRF/Fire - queimadas

H-WRF - furacões

Pré-processamento

Dados Meteorológicos

Passos para a execução do modelo

Pré-processamento Execução

Arquivo de controle: namelist.wps

Usando o WRF – minha colinha

-PRÉ-PROCESSAMENTO

nedit namelist.wps (controla os arquivos estáticos – terreno, solo, lat/lon, etc)./geogrid.exe (executa o pré-processamento dos arquivos estáticos)

./link_grib.csh ../GFS/*

ln -sf ungrib/Variable_Tables/Vtable.GFS Vtable

./ungrib.exe (descompacta dados atmosféricos)

./metgrid.exe (interpola espacialmente os dados)

ln -s ../../../WPS/met_em* .

-EXECUÇÃO

nedit namelist.input (controla diversos parâmetros da parte física, dinâmica e química da rodagem)

./real.exe (Integra verticalmente todas as etapas anteriores)

rm rsl.out.0000

rm rsl.error.0000

mpirun -np 8 ./wrf.exe& (execução do modelo)

tail rsl.error.0000 (verifica o andamento da rodagem)

-PÓS-PROCESSAMENTO

nedit namelist.ARWpost (pós-processamento da rodagem: modifica variáveis no .ctl)

./ARWpost.exe (gera o .ctl e o .dat para uso no grads)

WRF/CHEM: poluição atmosférica

Modificação da emissão de poluentes na RMSP

Concentração e transportede ozônio troposférico (ppb)

Simulação de um evento extremo de

precipitação no estado de SP

Campo da distribuição espacial

da precipitação simulada pelo

WRF para a mesma data.

Bender et al. (2011)

WRF/Chem acoplado a um UCM

Silva Júnior (2009)

Melhor representação

das interferências da área

urbana no clima local

(rugosidade, interferência na

circulação de ventos locais,

cobertura do solo, maior

absorção e geração de calor,

etc)

SEM UCM COM UCM

(urban canopy model)

Algumas referências:

*http://www2.mmm.ucar.edu/wrf/users/

*BENDER, F. D. ; SANTOS, M. J. ; YNOUE, R. Y. .Análise da ocorrência de um evento de precipitação extrema em São Paulo com o Modelo Operacional WRF em três grades aninhadas. In: IV Simpósio Internacional de Climatologia, 2011, João Pessoa. Anais do IV Simpósio Internacional de Climatologia, 2011.

*SILVA, R. S. J., Sensibilidade na Estimativa de Concentração de Poluentes Fotoquímicos com a Aplicação de Diferentes Parametrizações de Camada Limite Planetária Utilizando o Modelo de Qualidade do ar WRF/Chem, Tese de Doutoramento apresentada ao Departamento de Ciências Atmosféricas do IAG, USP, São Paulo, 2009.

*SEKIYAMA ,T. T.; Spatial resolution dependence of Fukushima radionuclide simulations using 15-km, 3-km, and 500-m grid models, 94th American Meteorological Society Meeting, Atlanta, 2014.

https://ams.confex.com/ams/94Annual/webprogram/Paper236709.html

*TAO, W. K. et al.. The Goddard multi-scale modeling system with unified physics. In Annales Geophysicae (Vol. 27, No. 8, pp. 3055-3064). Copernicus GmbH, 2009.

•GRELL, Georg A.; FREITAS, Saulo R. A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling. Atmos. Chem. Phys. Discuss, v. 13, n. 23, p. 845-23, 2013.

•CHIQUETTO, Julio Barboza. A distribuição espacial da concentração de ozônio troposférico associada ao uso do solo na região metropolitana de São Paulo. 2016. Tese (Doutorado em Geografia Física) - Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo, São Paulo, 2016. Disponível em: .

•SILVA, Maria Elisa Siqueira; PEREIRA, Gabriel; DA ROCHA, Rosmeri Porfírio. Local and remote climatic impacts due to land use degradation in the Amazon “Arc of Deforestation”. Theoretical and Applied Climatology, v. 125, n. 3-4, p. 609-623, 2016.

Obrigado pela atenção