Classificação dos regimes de DEA

Como foi descrito no capítulo anterior, o período de Inverno foi aquele em que ocorreram menos DEA em PTC. Durante os 7 anos do estudo, a soma das ocorrências de DEA nos meses de Janeiro, Fevereiro, Março, Novembro e Dezembro totalizaram 10,6%. Se adicionarmos o número de ocorrências de DEA em Abril e Outubro aos do período anterior, o somatório ainda assim é baixo (cerca de 30,7%) comparativamente com os meses mais quentes e secos (Maio, Junho, Julho, Agosto e Setembro), para os quais o somatório dessas ocorrências é de 69,3% das ocorrências totais.

Assim, porque as características climáticas e número de ocorrências de DEA destes dois períodos são marcadamente diferentes, interessa analisar separadamente cada um dos períodos, qualificando-os como ‘período de Inverno’ (Outubro a Abril) e ‘período de Verão’ (Maio a Setembro), pese embora não correspondam ao mesmo período das estações do ano com essa designação. Com efeito, a dinâmica da circulação atmosférica em Portugal nestes dois períodos é bastante distinta, pelo que é relevante diferenciar os períodos para posteriormente os classificar quanto à sua circulação típica em dias com ocorrência de DEA.

Durante o período de estudo (2003–2009), o número de ocorrências diárias de DEA para a área total de PTC variou entre 1 e 4 952 descargas, que se distribuíram por 754 dias. Já o número de dias em que não se registou qualquer atividade elétrica foi de 1 803 dias, cerca de 70% do total de dias do período.

Deste universo de 754 dias com ocorrências de DEA, nem todos são relevantes para distinguirem condições notórias de instabilidade atmosférica. Ocorrências de DEA de apenas 1 ou 2 descargas por dia numa área total de 89 088 km2 são insignificantes e não podem servir para caracterizar as condições de instabilidade atmosférica que normalmente estão associadas aos dias em que ocorrem muitas descargas. Fatores como a orografia, que pontualmente podem favorecer o desenvolvimento vertical das nuvens ou interferências de origem eletromagnética que provoquem falsos positivos nos dados recolhidos pelos detetores de DEA, podem conduzir a interpretações erróneas no estado do tempo desses dias sobre a globalidade de PTC. Dos 754 dias com registo de ocorrências de DEA, cerca de 23% tiveram apenas 1 ou 2 descargas diárias.

~

~

Para evitar este tipo de constrangimentos definiu-se um valor mínimo de descargas elétricas diárias que pudesse representar as situações típicas de instabilidade atmosférica em Portugal, mas que ao mesmo tempo não diminuísse em demasia a dimensão da amostra para análise.

Como foi descrito na metodologia (secção 2.4), a escolha do P25 (apenas 3 DEA dia-1) como valor mínimo para a seleção dos dias a classificar foi ponderada, mas rapidamente descartada. São muitos os dias com ocorrências diárias de DEA acima do P25 (580 dias) contudo o número dessas descargas diárias é, com frequência, manifestamente escasso para distinguir e classificar diferentes regimes de DEA. Por outro lado, considerar o P75 (178 DEA dia-1) também não se revelava uma boa solução, pois a série de dias a classificar ficava reduzida a apenas 189 dias. Verificou-se então que cerca de metade dos 754 dias com ocorrência de DEA apresentavam um valor igual ou superior a 25 DEA dia-1. Este limiar, que representa o P50 da série de dias com ocorrências de DEA, foi considerado mais racional e equilibrado. Assim, durante os 2 557 dias do estudo (2003–2009), 376 dias apresentaram 25 ou mais descargas diárias, ou seja, DEA ≥ P50 = 376 dias.

Para a análise da circulação atmosférica de larga escala associada aos dias com DEA ≥ P50 procedeu-se à classificação (clustering) dos dias com recurso à análise K-means. Esta análise estatística é muito utilizada para identificar dados que apresentem determinadas características semelhantes entre si e que possam ser reunidos em grupos homogéneos de dados. Para tal é necessário previamente definir como parâmetro inicial, o número (k) de grupos/classes (clusters) que serão determinados. Esta escolha pode não ser consensual, pelo que é determinante algum conhecimento prévio das notórias diferenças que possam existir nas características de cada cluster.

Este algoritmo utiliza a informação inicial fornecida (número de clusters) e compara a distância ao centro de cada cluster (centróide) com o novo dado testado, atribuindo esse novo dado ao cluster mais próximo. De seguida, recalcula o novo ponto central desse cluster considerando o seu ponto médio. O algoritmo executa de forma iterativa este procedimento, até atingir uma solução estável, de modo a que todos os dados da série se encontrem classificados em diferentes classes.

Antes de aplicar este método, os dias com DEA ≥ P50 foram pré-classificados em dois períodos distintos (Inverno e Verão), como já havia sido referido, pelas suas diferentes características sazonais e de distribuição das DEA em PTC. O período de Inverno, que

~

~

engloba os sete meses mais frios e húmidos (Janeiro, Fevereiro, Março, Abril, Outubro, Novembro e Dezembro), registou um total de 190 dias com DEA ≥ P50 e o período de Verão, que engloba os cinco meses mais quentes e secos do ano (Maio, Junho, Julho, Agosto e Setembro), registou 186 dias com DEA ≥ P50. Trata-se, por conseguinte, de uma distribuição bastante equilibrada das DEA entre os dois períodos.

Assim, para a identificação e classificação de diferentes regimes de DEA selecionou-se como variável basilar o campo médio diário da MSLP para aplicar o algoritmo K-means sobre os 190 dias do período de Inverno e os 186 dias do período de Verão que registaram ocorrências com DEA ≥ P50. Os dados da média diária da MSLP recolhidos através das reanálises MERRA-300 foram truncados para a janela espacial A1 descrita na secção 2.1. Este setor contém uma malha com 4 941 pontos (81 latitudes × 61 longitudes), com resolução espacial de 0,5º latitude × 0,67º longitude.

Dado o elevado número de pontos da malha (dimensão espacial), muito superior à dimensão temporal, o cálculo foi simplificado aplicando a análise de componentes principais (PCA). Esta análise permite, pois, reduzir a dimensionalidade da base de dados da MSLP, mantendo porém grande parte da variância temporal. Posto isto, foram utilizadas as cinco primeiras componentes principais, que cumulativamente garantiram 92% da variância temporal total das médias diárias do campo da MSLP dentro da janela espacial referida.

O algoritmo K-means foi então testado com os dados das cinco primeiras componentes principais da série de DEA ≥ P50 do período de Inverno (190 dias). A análise posterior aos compósitos do campo da MSLP e do campo do vento à superfície indica que o número ideal para o valor de K será 2, i.e. nestes dias apenas dois regimes pareciam ser completamente distintos quanto à sua circulação atmosférica.

Por forma a melhor caraterizar os regimes de DEA encontrados, além do compósito da média diária da MSLP e do vento à superfície, também se fez o compósito da média diária da altura de geopotencial aos 500 hPa (HGT500) e da temperatura do ar aos 500 hPa (T500). Os compósitos destas quatro variáveis fornecem informações importantes para caraterizar cada regime de tempo. O primeiro par caracteriza a circulação atmosférica na baixa troposfera e o segundo par as condições na média troposfera.

~

~

Quanto ao período de Verão (Maio a Setembro) também se testou o algoritmo K-means para diferentes valores de K. Contudo, depois de analisar os compósitos acima referidos, verificou- se que não havia uma clara distinção nos regimes de DEA entre os grupos de dias que o algoritmo selecionou. Ficou evidente que para este período apenas um tipo de circulação atmosférica era dominante em dias com ocorrências de DEA ≥ P50.

Assim, para o período de Inverno foram identificados dois regimes de DEA (122 dias e 68 dias), com circulação atmosférica distinta. Já para o período de Verão, apenas um regime de DEA com 186 dias foi identificado. Optou-se então por usar o prefixo W (winter) para os regimes de Inverno e S (summer) para o regime de Verão.

~

~