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
*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
*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
Força devido à 𝑮𝒓𝒂𝒗𝒊𝒅𝒂𝒅𝒆 = 𝑭𝒐𝒓ç𝒂 𝒅𝒆𝒗𝒊𝒅𝒐 𝒂𝒐 𝒈𝒓𝒂𝒅𝒊𝒆𝒏𝒕𝒆 𝒗𝒆𝒓𝒕𝒊𝒄𝒂𝒍 𝒅𝒆 𝒑𝒓𝒆𝒔𝒔ã𝒐 𝐺 ≅ 𝛻𝑣𝑃
∂p
∂z
= − gρ
Ggrad pressão vertical
Superfície terrestre
*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 através deles. A localização é importante.
Ex: verificar impacto da TSM na precipitação em uma dada área, ilhas de calor, etc
Modelos Numéricos de Previsão:
Condições Iniciais
Observations used in ARPEGE
radiosondagens - P,T,UR,vento Radiâncias ATOVS NOAA
Satélites Geostacionário - ventos Bóias na superfície - P,T,UR,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 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).
Estudo japonês sobre Fukushima: melhor
resolução de topografia interfere na
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 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..
Previsão Climática Sazonal
Condição Final Condição Fronteira
Tempo meses
Alta Previsibilidade Baixa Previsibilidade
Condição Final Condição 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 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
APLICAÇÕES
RegCM3 Modelagem Climática
DESMATAMENTO NA AMAZÔNIA
EXPERIMENTO CONTROLE EXPERIMENTO SENSIBILIDADE
SILVA et al. (2015)
RegCM3 e CRU
HABILIDADE 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 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.
RegCM3 Modelagem Climática
DESMATAMENTO NA AMAZÔNIA
RegCM3 Modelagem Climática
DESMATAMENTO 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”
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
Passos para a execução do modelo
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 transporte de 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.
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
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, 94thAmerican 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.