• Nenhum resultado encontrado

instituto federal de santa catarina

N/A
N/A
Protected

Academic year: 2023

Share "instituto federal de santa catarina"

Copied!
86
0
0

Texto

MELHORANDO A PREVISÃO DO NÍVEL DO MAR PARA A COSTA DE SANTA CATARINA ATRAVÉS DO FORÇAMENTO ATMOSFÉRICO. Aperfeiçoamento da previsão do nível do mar para o litoral catarinense por forçantes atmosféricas - [DIS] / Marina Paiotti do Canto;. As marés são variações cíclicas do nível do mar e podem ser observadas e previstas no dia a dia pelas tabelas de marés (modelo de previsão harmônica), que às vezes são subestimadas ou superestimadas.

60 Figura 21 - Gráficos comparativos entre os modelos harmônico e proposto de (a) erros médios acumulados, (b) pontos médios ganhos e perdidos, e (c) porcentagem de ganho do modelo proposto na previsão do nível do mar para cada estação.

INTRODUÇÃO

Junto a uma vasta e totalmente urbanizada zona costeira, que pode sofrer com a destruição costeira e invasores salinos (RODRIGUES, 2004). De acordo com a estimativa do Montanari Economic Impact Study (2015), referente ao Painel Intergovernamental sobre Mudanças Climáticas (IPCC) o cenário mais pessimista de elevação média do nível do mar, para o ano de 2100 e o cenário modelado de expansão urbana e populacional, para o município de Florianópolis/SC, o custo total de um aumento de 1 metro no nível do mar em um desastre súbito foi de 63 bilhões de reais. Portanto, o monitoramento do nível do mar, realizado pela EPAGRI/CIRAM, é necessário para o manejo adequado dos recursos costeiros, de forma que sua continuidade reflita os anseios das comunidades costeiras e científicas.

Nesse sentido, devido à importância ambiental, social e econômica da zona costeira para o estado de Santa Catarina, é necessário investir no aprimoramento dos métodos de previsão do nível do mar, levando em consideração a influência atmosférica, pois são fatores que ocorrem e são importantes na diferença do nível do mar para esta região.

OBJETIVOS

O BJETIVO G ERAL

O BJETIVOS ESPECÍFICOS

REVISÃO DE LITERATURA

  • D EFINIÇÃO E C LASSIFICAÇÕES
  • E STUDOS DE M ARÉS
  • N ÍVEIS NÃO - ASTRONÔMICOS
  • M ODELOS DE PREVISÃO CONSIDERANDO MAIS VARIÁVEIS

Muito se avançou no entendimento das flutuações do nível do mar relacionadas ao movimento das estrelas, porém existem outros fatores que interferem nesse fenômeno. De acordo com Pugh (1987), mesmo as previsões de maré do nível do mar mais cuidadosamente preparadas ou mudanças reais diferem daquelas realmente observadas. Um aumento na pressão de 1 hPa resultará em uma queda do nível do mar de aproximadamente 1 cm.

Métodos de inteligência artificial para previsão do nível do mar também foram usados ​​para análise harmônica, Ghorbani et al.

MATERIAIS E MÉTODOS

  • Á REA DE ESTUDO
  • D ADOS
  • M ODELO
  • A VALIAÇÃO ESTATÍSTICA

Nesta etapa, é necessário um conjunto de dados observados e as respectivas condições iniciais e variáveis ​​a serem inseridas. A partir do treinamento, realizado com um conjunto de dados observados, a fase de teste consiste em testar ou avaliar o desempenho do modelo. Em suma, o que se busca no treinamento é ajustar os parâmetros iniciais do modelo para obter o maior grau de concordância possível.

A ferramenta escolhida para implementar o modelo proposto foi o MatLab (versão 2020b), pois oferece um pacote de funções que trabalha com equações e séries de dados suficientes para os testes iniciais. A série com os dados do modelo proposto foi obtida no formato csv, contendo 11718 observações horárias, para cada uma das 8 variáveis ​​descritas na seção 4.2 (nível do mar instantâneo, maré astronômica prevista, nível do mar não astronômico, pressão atmosférica instantânea, velocidade do vento , direção do vento e componentes do vento zonal e meridional), para cada uma das 7 estações maregráficas, um total de aproximadamente 656208 informações na mesma planilha. A Tabela 2 apresenta a variedade de valores testados até atingir um nível satisfatório, levando em consideração o tempo de execução e a resposta objetiva do modelo.

O desempenho de um modelo em relação aos dados observados geralmente é determinado por comparações entre os valores simulados do modelo e as observações (LEGATES, 1999). Essa medida é importante tanto para avaliar a aplicação do modelo quanto para padronizar os resultados das estações para comparação entre elas. Erro Médio do Modelo Harmônico Tradicional" - que representa a soma dos quadrados de todos os erros do nível do mar previstos harmonicamente.

Erro médio do modelo proposto” - exibe a soma dos quadrados de todos os erros do nível do mar previstos pelo modelo atual. O "Lucro pelo modelo proposto (%)" representa o percentual de lucro utilizando o modelo em relação à previsão harmônica tradicional.

RESULTADOS

P RÉ - PROCESSAMENTO DOS DADOS

O ANEXO A apresenta uma análise exploratória da magnitude e direção das variáveis ​​velocidade máxima do vento e pressão atmosférica. De acordo com análises de pesquisas, o nível não astronômico para cada local foi obtido simplesmente subtraindo a série temporal de marés astronômicas da maré bruta observada (MELO Fº, 2017; TRUCCOLLO, 1998). Para a série de marés não foi observada maior qualidade na previsão do modelo utilizando o filtro, pelo que se optou pela utilização da série bruta, também por considerar facilitar a utilização do modelo em termos práticos de automação.

A NÁLISE METEOROLÓGICA

Numa avaliação geral dos dados, pode-se observar a não uniformidade das direções e intensidade dos ventos nas estações de estudo. Imbituba e Florianópolis dominam as direções dos ventos sul e norte, enquanto as estações de Passo de Torres, Balneário Rincão e Barra Velha dominam as direções leste e oeste. Os dados de pressão atmosférica são apresentados em valores médios mensais para cada uma das 7 estações (Fig. 12), sendo que os dados de ET02 não apresentaram valores representativos e foram descartados da análise.

A partir das observações de Vianello e Alves (1991), ao identificar ciclos sazonais de altas (baixas) pressões no inverno (verão) na série de dados, pode-se concluir que a área de estudo em questão está sob influência de . Nesse sentido, as baixas pressões registradas no verão, quando se espera que o ASAS esteja sobre o oceano, fornecem as condições para a circulação atmosférica regional levando à manifestação do efeito de transporte Ekman, que provavelmente favorece o nível não astronômico negativo na região costeira. A área entre as linhas vermelhas na Figura 12 ilustra esta situação, onde uma clara elevação do nível não astronômico é observada em todas as estações.

Este único evento, definido como uma anomalia positiva, foi definido como um pico/vale na série temporal de nível não astronômico (MELO Fº, 2017). O período foi escolhido com base na altura significativa do evento (a maior da série) e na presença de espaço positivo em todas as estações simultaneamente. Durante a duração da frente, logo após a pressão atmosférica atingir seu valor mínimo, o vento passa a soprar do quadrante sul com velocidade média de 8 m/s no setor frio.

Observando os mapas sinóticos (Figura 13), podemos observar o surgimento de duas frentes frias sobre a região sul de Santa Catarina, no período selecionado. Quando os sistemas frontais passam sobre áreas oceânicas, os gradientes horizontais de pressão atmosférica e as tensões de vento associadas a esses sistemas provocam flutuações no nível da água que devem ter uma defasagem em sua resposta a essas forças, pois há inércia de movimento na água (TRUCCOLO, 1998).

D ADOS MAREGRÁFICOS

C ORRELAÇÕES

R ESULTADOS DO MODELO

  • T EMPO DE PROCESSAMENTO
  • A NÁLISE DE DESEMPENHO DO MODELO

Na estação de Imbituba (Fig. 16b) há uma melhora significativa na aproximação do nível previsto pelo modelo proposto e o nível do mar observado. É possível perceber que as curvas de nível observadas e o modelo proposto estão quase sempre mais alinhados. O modelo proposto para ET02 (Balneário Rincão) mostra a redução dos erros do modelo proposto em relação ao modelo tradicional de predição de harmônicos, principalmente em variações positivas acima de 40 cm.

O modelo proposto para os dados de Imbituba (Figura 18b) mostrou uma clara melhora nos resultados para a representação do nível do mar em comparação com a modelagem harmônica tradicional, principalmente nas variações positivas e negativas acima de 40 cm. A Figura 18c mostra que o modelo proposto para ET02 (Florianópolis) apresentou uma melhora ainda maior nos resultados de renderização do nível do mar em comparação com a modelagem harmônica tradicional, principalmente nas variações positivas e negativas acima de 40 cm. Em Balneário Camboriú (Fig. 18d), o modelo proposto também apresentou melhores resultados para a representação do nível do mar em comparação com a modelagem harmônica tradicional, especialmente para erros positivos maiores que 20 cm.

Para esta estação, a maioria dos erros do modelo proposto se concentrou na faixa de -10 cm e +10 cm. O modelo proposto para os dados de Barra Velha (Fig. 18e) apresentou melhores resultados para a representação do nível do mar em comparação com a. Finalmente, o modelo proposto para ET07 (Itapoá) (Fig. 18f) apresentou melhores resultados para a representação do nível do mar em comparação com a modelagem harmônica tradicional, especialmente para erros positivos maiores que 10 cm.

Para esta estação, boa parte do erro do modelo proposto concentrou-se na faixa de -10 cm e +10 cm. Na estação Barra Velha (Fig. 20b), a ineficiência do modelo proposto é observada nas primeiras 500 horas de observação.

DISCUSSÃO DOS RESULTADOS

E QUAÇÕES F INAIS POR ESTAÇÃO

As equações finais simplificadas, sem ajustes por variáveis, para o melhor resultado, ou seja, o coeficiente utilizado que mais contribui para o resultado se ajustado à curva de dados horários observados em cada posto, são apresentados a seguir na Figura 28: . Figura 28 - Equações finais simplificadas para a estação a) ET01, b) ET02, c) ET03, d) ET04, e) ET05, ET06 ef) ET07. Onde, x1 = dados do nível do mar da estação anterior, x2 = dados de previsão do nível do mar para a estação atual, x3 = dados da velocidade máxima do vento, x4 = dados da direção do vento, x5 = dados do componente U', x6 = dados do componente v', x7 = dados de pressão atmosférica instantânea, x8 a x12 = nível não astronômico dos medidores de maré anteriores.

CONCLUSÃO

Usando redes neurais artificiais para prever flutuações do nível do mar em Cananéia, São Paulo, Brasil. Monografia - Curso de Oceanografia, Centro de Estudos do Mar, Departamento de Ciências da Terra, Universidade Federal do Paraná. Identificação de eventos extremos do nível do mar em Santos e sua concordância com as reanálises do modelo NCEP no sudoeste do Atlântico Sul.

Estudo da variabilidade do nível médio do mar na costa brasileira como subsídio para projetos de engenharia - Rio de Janeiro: UFRJ/. Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro de Filosofia e Ciências Humanas, Programa de Pós-Graduação em Geografia, Florianópolis, 2017. Avaliação dos impactos econômicos da elevação média do nível do mar no Município de Florianópolis/SC para o ano a partir de 2100.

Dissertação (Mestrado Profissional) – Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Meio Ambiente Urbano e Industrial, SENAI – PR, Universität Stuttgart, 2015. Dissertação (Mestrado em Engenharia Ambiental, Gestão de Águas Interiores e Costeiras - Universidade Federal das Águas) Espírito Santo, Vitória, 2007. Tese (Mestrado em Engenharia Civil) - COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2004.

Aplicação de uma rede neural temporal em um estudo de caso para previsão do nível do mar. Tese de Doutorado - Universidade Federal do Paraná, Setor de Ciências Exatas, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia.

Referências

Documentos relacionados

About the Trigemino-Cardiac Reflex, their Association with Sleep Bruxism and the Reason Why Clinicians Treating Sb Should Consider a Careful Examination in Order