PARTE 6-2. Modelos Atmosféricos Caraterísticas e Aplicações

(1)

PARTE 6-2

Modelos Atmosféricos – Caraterísticas e Aplicações

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

TÉCNICAS EM CLIMATOLOGIA

PROGRAMA DE PÓS GRADUAÇÃO EM GEOGRAFIA FÍSICA USP 2-5 FEVEREIRO 2016

(2)

*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 computacional necessário

Diversos outros modelos – WRF, RegCM, BRAMS

(3)

*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 maior comprimento horizontal do que

vertical:

- brisa marítima, circulação frontal, relevo simples, etc.

Calcula o movimento vertical do ar

diretamente a partir dos pontos de grade adjacentes. Não usa a aproximação

hidrostática

Requere maior poder computacional Necessário para calcular movimento vertical significativo:

Formação de células convectivas profundas, altura da camada limite, relevo complexo,

etc 𝐺 ≅ 𝛻_𝑣𝑃

(4)

Força devido à 𝑮𝒓𝒂𝒗𝒊𝒅𝒂𝒅𝒆 = 𝑭𝒐𝒓ç𝒂 𝒅𝒆𝒗𝒊𝒅𝒐 𝒂𝒐 𝒈𝒓𝒂𝒅𝒊𝒆𝒏𝒕𝒆 𝒗𝒆𝒓𝒕𝒊𝒄𝒂𝒍 𝒅𝒆 𝒑𝒓𝒆𝒔𝒔ã𝒐 𝐺 ≅ 𝛻_𝑣𝑃

∂p

∂z

= − gρ

G

grad pressão vertical

Superfície terrestre

(5)

*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

(6)

*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 através deles. A localização é importante.

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

(7)

Modelos Numéricos de Previsão:

Condições Iniciais

(8)

Observations used in ARPEGE

radiosondagens - P,T,UR,vento Radiâncias ATOVS NOAA

Satélites Geostacionário - ventos Bóias na superfície - P,T,UR,vento

(9)

Observações de Satélite são vitais para a utilização e

avaliação de modelos atmosféricos

(10)

Resolução espacial, temporal e vertical

• Modelos Regionais ou urbanos : 500 m ou

-• Menor resolução espacial = melhor representação de superfície e

atmosfera

• Resolução temporal deve evoluir juntamente com a espacial. Para cada

passo de tempo, o modelo calcula o movimento da atmosfera. Por isso,

resoluções espacialmente mais detalhadas requerem mais tempo

de

cálculo.

• Resolução vertical = quantas ‘camadas’ de altitude serão usadas para se

calcular movimentos verticais no modelo (ex: precipitação).

(11)

(12)

(13)

(14)

Estudo japonês sobre Fukushima: melhor

resolução de topografia interfere na

(15)

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)

(16)

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)

(17)

Condições iniciais (CI) e de fronteira (CF)

• Conjuntos (ensembles) de simulações são elaborados para se levar

em conta a variabilidade interna de cada modelo e da atmosfera. O

aspecto não-linear da atmosfera leva a incertezas inerentes nas

simulações e previsões

• Previsão de Tempo: para tentar remover (ou diminuir) esta

incerteza, cada modelo pode ser executado várias vezes, com

diferentes CI. Assim, tem-se uma estatística do estado mais

provável da atmosfera no tempo futuro

• Previsão Climática: os modelos climáticos são executados várias

vezes com diferentes CF (temperatura da superfície do mar, por

exemplo) para se construir uma resposta média mais confiável

quanto a incerteza inerente ao longo do tempo..

(18)

Previsão Climática Sazonal

Condição Final Condição Fronteira

Tempo meses

Alta Previsibilidade Baixa Previsibilidade

Condição Final Condição Fronteira

Tempo meses

(19)

Ensemble (conjunto) de previsões de precipitação no

inverno na Europa 2015

(20)

Avaliando o resultado de modelos

• Visão Moderna: Nem todos os aspectos do mundo natural e do

comportamento social são previsíveis, e novas abordagens devem

ser 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 previsto para as latitudes temperadas.

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

(21)

APLICAÇÕES

(22)

RegCM3 Modelagem Climática

DESMATAMENTO NA AMAZÔNIA

EXPERIMENTO CONTROLE EXPERIMENTO SENSIBILIDADE

SILVA et al. (2015)

(23)

RegCM3 e CRU

HABILIDADE DO MODELO

Figure 2 (a,d) Mean surface air

temperature (o_{C) 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.

(24)

RegCM3 Modelagem Climática

HABILIDADE 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.

(25)

RegCM3 Modelagem Climática

DESMATAMENTO NA AMAZÔNIA

(26)

RegCM3 Modelagem Climática

DESMATAMENTO NA AMAZÔNIA

u

v

geop

(27)

CAM-chem at 0.5° - Surface Ozone

Strong diurnal variation, particularly evident in Northern Hemisphere From Louisa Emmons, NCAR

(28)

Weather Research and Forecast – WRF

(modelo para previsão de tempo e pesquisa)

0.01”

(29)

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

(30)

Pré-processamento

(31)

Passos para a execução do modelo

(32)

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)

(33)

WRF/CHEM: poluição atmosférica

Modificação da emissão de poluentes na RMSP

Concentração e transporte de ozônio troposférico (ppb)

(34)

Simulação de um evento extremo de

precipitação no estado de SP

Campo da distribuição espacial

da precipitação simulada pelo

WRF para a mesma data.

(35)

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

(36)

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.

*KUO, Hsiao-Lan. Further studies of the parameterization of the influence of cumulus convection on large-scale flow. Journal of the Atmospheric Sciences, v. 31, n. 5, p. 1232-1240, 1974.

* 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.

*GRELL, Georg A. Prognostic evaluation of assumptions used by cumulus parameterizations. Monthly Weather Review, v. 121, n. 3, p. 764-787, 1993.