CENTRO DE CIˆ
ENCIAS EXATAS E DA TERRA
DEPARTAMENTO DE CIˆ
ENCIAS ATMOSF´
ERICAS E CLIM ´
ATICAS
GRADUA ¸
C ˜
AO EM METEOROLOGIA
MONIKI DARA DE MELO FERREIRA
PREDI ¸
C ˜
AO DA VELOCIDADE DO VENTO A CURTO PRAZO VIA
MODELOS MATEM ´
ATICOS
NATAL/RN
2017
ii MONIKI DARA DE MELO FERREIRA
PREDI ¸C ˜AO DA VELOCIDADE DO VENTO A CURTO PRAZO VIA MODELOS MATEM ´ATICOS
Monografia apresentada ao Departamento de Ciˆencias Atmosf´ericas e Clim´aticas da Univer-sidade Federal do Rio Grande do Norte como requisito parcial para obten¸c˜ao do t´ıtulo de Ba-charel em Meteorologia.
Orientador: Prof. Dr. Paulo S´ergio L´ucio
NATAL-RN 2017
Ferreira, Moniki Dara de Melo.
Predição da velocidade do vento a curto prazo via modelos matemáticos / Moniki Dara de Melo Ferreira. - 2017.
64f.: il.
Monografia (Bacharelado em Meteorologia) - Universidade Federal do Rio Grande do Norte. Centro de Ciências Exatas e da Terra. Departamento de Ciências Atmosféricas e Climáticas. Natal, RN, 2017.
Orientador: Paulo Sérgio Lucio.
1. Energia eólica Monografia. 2. Velocidade do vento -Monografia. 3. Previsão híbrida - -Monografia. I. Lucio, Paulo Sérgio. II. Título.
RN/UF/CCET CDU 621.548
Universidade Federal do Rio Grande do Norte - UFRN Sistema de Bibliotecas - SISBI
iv MONIKI DARA DE MELO FERREIRA
PREDI ¸C ˜AO DA VELOCIDADE DO VENTO A CURTO PRAZO VIA MODELOS MATEM ´ATICOS
Monografia apresentada ao Departamento de Ciˆencias Atmosf´ericas e Clim´aticas da Univer-sidade Federal do Rio Grande do Norte como requisito parcial para obten¸c˜ao do t´ıtulo de Ba-charel em Meteorologia.
Aprovada em: / /
BANCA EXAMINADORA
Prof. Dr. Paulo S´ergio L´ucio
Departamento de Ciˆencias Atmosf´ericas e Clim´aticas - UFRN Orientador
Prof. Dr. Cl´audio Mois´es Santos e Silva
Departamento de Ciˆencias Atmosf´ericas e Clim´aticas - UFRN Examinador interno
Dr. Alexandre Torres Silva dos Santos
Centro de Tecnologias do G´as e Energias Renov´aveis - CTGAS-ER Examinador externo
Dedicat´
oria
Aos meus pais.vi
Agradecimentos
Neste momento de conclus˜ao n˜ao somente da monografia, mas tamb´em do curso de Meteorologia da Universidade Federal do Rio Grande do Norte devo agradecimentos a in´umeros. Particularmente, ao Departamento de Ciˆencias Atmosf´ericas e Clim´aticas, seu corpo docente, dire¸c˜ao e administra¸c˜ao que sempre estiveram `a nossa disposi¸c˜ao.
Todavia, primeiramente quero agradecer aos meus pais por guiar meus passos, por sempre me darem suporte e est´ımulo, por acreditar nos meus sonhos e ideais e fazer de tudo para que eu pudesse alcan¸c´a-los, por terem apoiado as minhas escolhas e principalmente por sempre terem investido na minha educa¸c˜ao.
Ao meu irm˜ao por ter sido meu companheiro, sempre trazendo alegria em minha vida. Aos meus amigos da gradua¸c˜ao pelos momentos que passamos em sala de aula, trabalhos em grupo, congressos e simp´osios, e em especial Alanderson, no qual, esteve mais pr´oximo a mim enfrentando os desafios.
Ao meu orientador, prof. Dr. Paulo S´ergio L´ucio, pelo incentivo e apoio `a execu¸c˜ao deste trabalho e as demais pesquisas, e ao meu co-orientador, prof. Dr. Claudio Mois´es Santos e Silva, por seu tempo em busca de transmitir conhecimento da melhor forma.
Agrade¸co tamb´em de forma especial ao Laborat´orio de Mapas e Dados de Recursos Energ´eticos (LMD) pertencente ao Centro de Tecnologias do G´as e Energias Renov´aveis (CTGAS-ER), a qual tive a grande oportunidade de estagiar dois anos e ampliar meus conhecimentos. Especialmente, ao meu supervisor de est´agio, Dr. Alexandre Torres Silva dos Santos, que com toda paciˆencia e dedica¸c˜ao, me proporcionou grandes conhecimentos na Modelagem Atmosf´erica do vento, orientando-me e tornando-me uma profissional mais experiente e mais respons´avel.
E, finalmente, agrade¸co aos mestres que ao longo da minha trajet´oria estudantil e acadˆemica me proporcionaram valiosos ensinamentos que tornaram-me uma cidad˜a mais ´etica e comprometida.
Lista de S´ımbolos
ANEEL - Agˆencia Nacional de Energia El´etrica ONS - Operador Nacional do Sistema El´etrico m/s - metros por segundoNEB - Nordeste brasileiro km/h - kilˆometros por hora
ZCIT - Zona de Convergˆencia Intertropical TSM - Temperatura da Superf´ıcie do mar ASAS - Alta Subtropical do Atlˆantico Sul HW - Holt-Winters
RNA - Redes Neurais Artificiais TA - Torres anemom´etricas MAE - Mean Absolute Error RMSE - Root Mean Square Error r - Coeficiente de Correla¸c˜ao de Pearson ANN - Artificial Neural Network
Lista de Figuras
2.1 Flutua¸c˜oes da componente horizontal (u) e vertical (w) da velocidade do ar, comparadas com a temperatura (t), conforme observa¸c˜oes feitas `a superf´ıcie. Fonte: Varej˜ao-Silva
(2006) apud Ibbetson (1978) . . . 5
2.2 O modelo idealizado de circula¸c˜ao global e de distribui¸c˜ao da press˜ao `a superf´ıcie sobre a Terra com efeito de rota¸c˜ao. Fonte: Ahrens, C. D. (2000). Adaptado pela autora (2017). . 6
2.3 O modelo idealizado de circula¸c˜ao global e de distribui¸c˜ao da press˜ao `a superf´ıcie sobre a Terra com efeito de rota¸c˜ao. Fonte: Ahrens, C. D. (2000). Adaptado pela autora (2017). . 7
2.4 Escalas de tempo e espa¸co. Fonte: SILVA, 2003 . . . 8
2.5 Ciclo anual da ZCIT nas longitudes de 10◦W e 45◦W. Fonte: SILVA, 2003. . . 9
2.6 Esquema da circula¸c˜ao de brisa mar´ıtima. Fonte: Silva (2003). . . 11
2.7 Zona de incremento da velocidade do vento (cinza) devido a canaliza¸c˜ao em ´areas monta-nhosas. Fonte: Silva (2003). . . 12
2.8 Esquemas das brisas de vale e montanha. Fonte: Silva (2003). . . 13
2.9 Perfil vertical da velocidade do vento. Zo ´e o comprimento de rugosidade. Fonte: Lira (2009). . . 14
2.10 Esquema dos efeitos de diferentes fatores locais. Fonte: Silva (2003) . . . 14
2.11 Litoral Norte-Nordeste. Fonte: Silva (2003) . . . 18
2.12 Litoral Nordeste-Sudeste. Fonte: Silva (2003) . . . 19
2.13 Litoral Nordeste-Sudeste. Fonte: Silva (2003) . . . 20
2.14 Exemplo de estrutura RNA – MLP com algoritmo backpropagation com 3 entradas, 1 camada oculta e 1 sa´ıda. Fonte: Camelo, Lucio e Leal Junior (2016). . . 22
3.1 Localiza¸c˜ao em destaque de cada Torre Anemom´etrica utilizada no estudo. Fonte: Pr´opria autora (2017). . . 26
4.1 Compara¸c˜ao entre as s´eries observadas, as previstas pelos modelos e a rean´alise MERRA-2 para a cidade de Belo Jardim/PE no dia 31/10/2004. . . 31
4.2 Compara¸c˜ao entre as s´eries observadas, as previstas pelos modelos e a rean´alise MERRA-2 para a cidade de Camocim/CE no dia 31/10/2004. . . 32
4.3 Compara¸c˜ao entre as s´eries observadas, as previstas pelos modelos e a rean´alise MERRA-2 para a cidade de Belo Jardim/PE no dia 31/11/2004. . . 35
4.4 Compara¸c˜ao entre as s´eries observadas, as previstas pelos modelos e a rean´alise MERRA-2 para a cidade de Camocim/CE no dia 30/11/2004. . . 36 4.5 Compara¸c˜ao entre as s´eries observadas, as previstas pelos modelos e a rean´alise MERRA-2
para a cidade de Belo Jardim/PE no dia 29/12/2004. . . 40 4.6 Compara¸c˜ao entre as s´eries observadas, as previstas pelos modelos e a rean´alise MERRA-2
x
Lista de Tabelas
3.1 Caracter´ısticas locais e localiza¸c˜ao geogr´afica. . . 25 4.1 Res´ıduos dos modelos e da rean´alise com as observa¸c˜oes para Belo Jardim/PE para 30 dias
de previs˜ao, em m/s. . . 30 4.2 Res´ıduos dos modelos e da rean´alise com as observa¸c˜oes para Camocim/CE para 30 dias
de previs˜ao, em m/s. . . 31 4.3 Valores da predi¸c˜ao para Belo Jardim/PE - 30 dias . . . 33 4.4 Valores da predi¸c˜ao para Camocim/CE - 30 dias . . . 34 4.5 Res´ıduos dos modelos e da rean´alise com as observa¸c˜oes para Belo Jardim/PE para 60 dias
de previs˜ao, em m/s. . . 36 4.6 Res´ıduos dos modelos e da rean´alise com as observa¸c˜oes para Camocim/CE para 60 dias
de previs˜ao, em m/s. . . 37 4.7 Valores da predi¸c˜ao para Belo Jardim/PE - 60 dias . . . 38 4.8 Valores da predi¸c˜ao para Camocim/CE - 60 dias . . . 39 4.9 Res´ıduos dos modelos e da rean´alise com as observa¸c˜oes para Belo Jardim/PE para 90 dias
de previs˜ao, em m/s. . . 40 4.10 Res´ıduos dos modelos e da rean´alise com as observa¸c˜oes para Camocim/CE para 90 dias
de previs˜ao, em m/s. . . 41 4.11 Valores da predi¸c˜ao para Belo Jardim/PE - 90 dias . . . 42 4.12 Valores da predi¸c˜ao para Camocim/CE - 90 dias . . . 43
Sum´
ario
Dedicat´oria v
Agradecimentos vi
Lista de S´ımbolos vii
Lista de Figuras ix Lista de Tabelas x Resumo xiii Abstract xiv 1 Introdu¸c˜ao 1 1.1 Objetivos . . . 2 1.1.1 Objetivo Geral . . . 2 1.1.2 Objetivos Espec´ıficos . . . 2 1.2 Estrutura da Monografia . . . 3
2 Revis˜ao bibliogr´afica 4 2.1 Caracteriza¸c˜ao do vento . . . 4
2.2 Circula¸c˜ao Geral da Atmosfera . . . 5
2.3 Escala dos movimentos atmosf´ericos . . . 8
2.3.1 Escalas espaciais . . . 8
2.3.2 Escalas temporais . . . 15
2.4 Comportamento sazonal e interanual do vento na regi˜ao Nordeste . . . 16
2.5 Vis˜ao geral dos m´etodos de previs˜ao do vento . . . 20
3 Metodologia 25 3.1 Base de dados observacionais e ´Area de estudo . . . 25
3.2 Aspectos clim´aticos de Belo Jardim/PE e Camocim/CE . . . 26
3.3 M´etodo de aplica¸c˜ao . . . 26
3.4 Modelos, rean´alise e configura¸c˜oes . . . 27
xii
3.4.1 Holt-Winters . . . 27
3.4.2 Redes Neurais Artificiais . . . 27
3.4.3 Modelo H´ıbrido . . . 27
3.4.4 Rean´alise: MERRA-2 . . . 28
3.5 Avalia¸c˜ao dos modelos . . . 28
4 Resultados & Discuss˜oes 30 4.1 Resultados: An´alise qualitativa e quantitativa da predi¸c˜ao para 24 horas . . . 30
4.2 Discuss˜ao . . . 43
Resumo
Este trabalho tem como objetivo realizar predi¸c˜oes de m´edias hor´arias da velocidade do vento oriundas de torres anemom´etricas (altura de 50 metros), situadas em Belo Jardim/PE e Camocim/CE. Para isso, foram utilizados os seguintes modelos de s´eries temporais: Holt-Winters (HW), Redes Neurais Artificiais (RNA) e H´ıbrido. Os dados observacionais foram tamb´em avaliados pela rean´alise MERRA-2 (estado-da-arte) na altura de referˆencia das torres. Os resultados mostram que para as duas localidades o modelo h´ıbrido, em geral, apresentou um melhor desempenho com rela¸c˜ao aos demais, inclusive na ava-lia¸c˜ao com o MERRA-2. Exemplo disso, em termos de res´ıduos estat´ısticos, foram encontrados valores de RMSE e MAE de 0,91 e 0,62 m/s, respectivamente. Dessa forma, configura-se um bom m´etodo de previs˜ao de dados de velocidade do vento para a gera¸c˜ao e´olica.
xiv
Abstract
This present work aims to predict wind speed hourly averaging from anemometric towers (at a height of 50 meters) located in Belo Jardim/PE and Camocim/CE. For this, the time-series models used are: Holt-Winters (HW), Artificial Neural Networks (ANN) and Hybrid. Observational data were also evaluated by the MERRA-2 reanalysis (state-of-the-art) at the same height of the towers. The results show that the hybrid model presented a better performance in relation to the others, including compared to evaluation with the MERRA-2. For example, in terms of statistical residues, RMSE and MAE were 0.91 and 0.62 m/s, respectively. In this way, hybrid models are a good method of forecasting wind speed data for wind generation.
Cap´ıtulo 1
Introdu¸
c˜
ao
O vento, dentre muitas defini¸c˜oes existentes, pode ser definido como sendo o deslocamento do ar atmosf´erico e ocorre devido `as diferen¸cas de press˜oes atmosf´ericas, entre duas regi˜oes que apresentam distintas temperaturas, originando-se `a for¸ca do gradiente de press˜ao. Ainda assim, ´e um vetor de uma vari´avel meteorol´ogica, bastante sens´ıvel, que tem sua magnitude e dire¸c˜ao influenciadas pelos efeitos locais, seja de acordo com a rugosidade da superf´ıcie ou pela orografia local. As diferen¸cas barom´etricas ocorrem devido `a distribui¸c˜ao desigual da radia¸c˜ao solar global, entre outros fatores, como por exemplo, `a continentalidade, `a altitude e latitude, que influenciam diretamente o aquecimento das massas de ar. De acordo com Munhoz e Garcia (2008), as principais caracter´ısticas f´ısicas do vento s˜ao: (i) deslocamento das regi˜oes de altas para as baixas press˜oes; (ii) Devido `a rota¸c˜ao da terra originam-se as for¸cas de coriolis e centr´ıfuga e (iii) for¸ca de atrito devido `a intera¸c˜ao com a superf´ıcie terrestre.
O vento ´e uma vari´avel meteorol´ogica que atualmente vem sendo estudada com frequˆencia para convers˜ao da energia cin´etica em el´etrica, denominada de energia e´olica, por meio da instala¸c˜ao de ae-rogeradores (AG ˆENCIA NACIONAL DE ENERGIA EL ´ETRICA, 2005). Para que a energia e´olica seja considerada tecnicamente aproveit´avel, ´e necess´ario que sua densidade seja maior ou igual a 500 W/m2 , a uma altura acima de 50 m, o que requer uma velocidade m´ınima do vento entre 7-8 m/s (GRUBB; MEYER, 1993). Segundo a Organiza¸c˜ao Mundial de Meteorologia, apenas 13% da superf´ıcie terrestre o vento apresenta velocidade m´edia igual ou superior a 7 m/s, a uma altura de 50 m. Essa propor¸c˜ao varia muito entre regi˜oes e continentes, chegando a 32% na Europa Ocidental.
A fonte e´olica se mostra competitiva no Brasil, tendo os seus projetos sido aprovados em diversos certames realizados nos ´ultimos anos. Neste contexto, o Nordeste se destaca, em raz˜ao de seu elevado potencial e´olico e por dispor de in´umeros s´ıtios com velocidades m´edias de vento dentre as maiores do Pa´ıs (GWEC, 2016). Este cen´ario se mostra promissor para vultosos investimentos na regi˜ao nordestina em gera¸c˜ao e´olica, como j´a se observa atualmente (BEZERRA; SANTOS, 2017).
A previsibilidade das informa¸c˜oes sobre o vento em um determinado local ´e essencial para a ava-lia¸c˜ao de um projeto de gera¸c˜ao de energia e´olica. Nesse contexto, segundo a ONS (2017), prever com precis˜ao a velocidade do vento ´e obter um melhor planejamento da gera¸c˜ao e´olica, reduzindo os gastos e o melhor uso dos recursos.
2 Assim, alguns estudos recentes vˆem sendo desenvolvidos sobre previsibilidade da velocidade do vento, como de Gon¸calves, Pereira e Martins (2010), que utilizou as sa´ıdas operacionais do modelo ETA para alimentar um esquema de redes neurais artificiais e gerar previs˜oes de vento a curto prazo para sete localidades no Nordeste; Camelo, Lucio e Leal Junior (2016) que utilizou o m´etodo de suaviza¸c˜ao exponencial de Holt-Winters para realizar previs˜ao de s´eries temporais de m´edias mensais de velocidade do vento no litoral do Cear´a; Ramos et al., 2013 fez previs˜ao do vento para 30 metros usando o modelo atmosf´erico WRF no Estado de Alagoas, tendo como dificuldades encontradas, previs˜ao dos valores ex-tremos, m´aximos e m´ınimos da velocidade do vento e progn´osticos em per´ıodos chuvosos. Para previs˜ao da gera¸c˜ao e´olica no NEB, A ONS (2017) se baseia na metodologia de Box-Jenkins, usando como mo-delo complementar, o auto regressivo m´edias m´oveis com vari´aveis ex´ogenas. Outros estudos vi´aveis de velocidade do vento s˜ao encontrados como em Ferreira, Santos e Lucio (2017) que propˆos m´etodos para preenchimento de falhas em dados de velocidade do vento - localizados no Rio Grande do Norte - a fim de reduzir a propaga¸c˜ao de erros sobre o resultado em estudos meteorol´ogicos.
A variabilidade espacial e temporal do vento ´e dif´ıcil de ser simulada com precis˜ao. Isso se deve `
a heterogeneidade das regi˜oes em fatores tais como: a rugosidade da superf´ıcie, a variabilidade da vege-ta¸c˜ao e o uso vari´avel do solo durante o ano (em lavouras, por exemplo). Al´em disso, diversos fenˆomenos meteorol´ogicos e clim´aticos influenciam a dinˆamica da atmosfera na regi˜ao do NEB (SANTOS, 2014).
Diante disso, o presente trabalho tem como premissa apresentar diferentes metodologias para pre-vis˜ao da velocidade do vento em curto prazo a 50 metros acima da superf´ıcie do solo em duas localidades NEB, posicionadas em regi˜oes litorˆanea (terreno plano) e interior (terreno complexo). Logo, o intuito ´e demonstrar se o modelo ´e capaz de prever com erros adequados a sua varia¸c˜ao diurna, permitido dentro da gera¸c˜ao e´olica, tendo em vista que s˜ao locais com rugosidade e orografia diferentes.
1.1
Objetivos
1.1.1
Objetivo Geral
De maneira geral, o objetivo ´e testar diferentes m´etodos de previs˜ao, a curto prazo, e comparar os resultados obtidos com os dados observados e dados de rean´alises da velocidade m´edia do vento (m/s) a 50 metros de altura, oriundos de torres anemom´etricas e ponto de grade, respectivamente, para as localidades de Camocim (Estado do Cear´a - CE) e Belo Jardim (Estado de Pernambuco - PE).
1.1.2
Objetivos Espec´ıficos
Especificamente, pretende-se saber qual modelo exibe melhor comportamento na modela¸c˜ao dos dados observados e se ´e poss´ıvel fazer uma previs˜ao consistente quando se trata de uma vari´avel inst´avel como o vento.
1.2
Estrutura da Monografia
A partir do cap´ıtulo 2 ´e apresentado a Revis˜ao Bibliogr´afica sobre o tema do trabalho proposto, incluindo informa¸c˜oes meteorol´ogicas e descri¸c˜ao dos experimentos que foram conduzidos. Em seguida, o cap´ıtulo 4, com todos os resultados obtidos no estudo, assim como as avalia¸c˜oes estat´ısticas e as discuss˜oes por meio de outros estudos sobre o tema do trabalho e por fim, no cap´ıtulo 5, as conclus˜oes e os recomenda¸c˜oes para trabalhos futuros.
Cap´ıtulo 2
Revis˜
ao bibliogr´
afica
2.1
Caracteriza¸
c˜
ao do vento
Segundo Varej˜ao-silva (2006), chama-se vento `a componente horizontal ~V x = ~ui + ~vj do vetor velocidade do ar ~V = u~i + v~j + w~k, em que u (componente zonal), v (componente meridional) e w (componente vertical) s˜ao determinados como vetor do vento nas dire¸c˜oes horizontal (x, y) e vertical (z), respectivamente e, i, j e k s˜ao os vetores unit´arios nas respectivas dire¸c˜oes. A caracteriza¸c˜ao do vento em qualquer parte da atmosfera requer dois parˆametros: a dire¸c˜ao e a velocidade (m´odulo). Ambas s˜ao grandezas instantˆaneas e pontuais, pois o escoamento do ar depende das condi¸c˜oes atmosf´ericas, que variam no espa¸co e no tempo.
A magnitude da velocidade do vento ´e expressa pelas unidades metros por segundos (m/s), quilˆ o-metros por hora (km/h) e n´os (kt). A velocidade do vento, dentro da camada limite planet´aria, camada essa pr´oxima da superf´ıcie varia bastante com o tempo e tem como caracter´ıstica as intensas oscila¸c˜oes (Figura 2.1) cuja rapidez e amplitude est˜ao relacionadas com o estado de agita¸c˜ao do ar (temperatura), que ´e definido como turbulˆencia.
A anemometria (do grego anem´os, que significa vento) ´e a determina¸c˜ao quantitativa do vento, em termos de sua velocidade (m´odulo) e dire¸c˜ao. Os instrumentos usados com essa finalidade s˜ao ditos anem´ografos ou anemˆometros conforme efetuem, ou n˜ao, o registro da velocidade, ou simultaneamente da velocidade e da dire¸c˜ao.
Figura 2.1: Flutua¸c˜oes da componente horizontal (u) e vertical (w) da velocidade do ar, comparadas com a temperatura (t), conforme observa¸c˜oes feitas `a superf´ıcie. Fonte: Varej˜ao-Silva (2006) apud Ibbetson (1978)
2.2
Circula¸
c˜
ao Geral da Atmosfera
O movimento da atmosfera, tanto horizontal como vertical, apresentam-se em diferentes escalas de espa¸co e de tempo. Existem processos convectivos turbulentos com diˆametro da ordem de cent´ımetros e dura¸c˜ao de segundos (escala micrometeorol´ogica), at´e configura¸c˜oes sin´oticas quase-permanentes com diˆametro de milhares de quilˆometros.
A maior fonte de energia para os movimentos atmosf´ericos ´e a radia¸c˜ao solar. A atmosfera ab-sorve calor em baixas latitudes - regi˜ao limitada pelos tr´opicos de capric´ornio (30o N) e de cˆancer (30o S), enquanto que nas outras regi˜oes esta absor¸c˜ao ´e bem menor. Como no equador tem calor em excesso, o excedente ´e deslocado para os p´olos, onde d´eficit de temperatura ´e maior (AHRENS, 2000).
V´arios modelos de circula¸c˜ao foram propostos, sendo o primeiro sugerido pelo f´ısico britˆanico George Hadley em 1735. A teoria de Hadley sugeria que sobre a superf´ıcie da Terra sem rota¸c˜ao, os movimentos atmosf´ericos seriam gerados pela energia do sol. Assim, o forte aquecimento sobre a regi˜ao equatorial produziria uma zona de baixa press˜ao `a superf´ıcie, enquanto que nos p´olos, com o resfriamento, geraria uma regi˜ao de alta press˜ao.
Dessa forma, em resposta ao gradiente horizontal de press˜ao, o ar frio polar `a superf´ıcie se des-loca em dire¸c˜ao ao equador, e em altos n´ıveis, em dire¸c˜ao aos p´olos. Assim, a circula¸c˜ao consiste em um ciclo fechado com ar ascendente pr´oximo ao equador e subsidente sobre os p´olos, e em seguida, o ar `
6 sens´ıvel e latente para regi˜oes onde h´a d´eficit de energia, que s˜ao as regi˜oes polares. Esta representa¸c˜ao pode ser melhor compreendida na Figura 2.2.
Ao adicionar o efeito de rota¸c˜ao no modelo, o simples sistema de convec¸c˜ao ´e transformado em uma s´erie de c´elulas como apresentado na Figura 2.3. Embora este modelo seja mais complexo quando comparado ao modelo de Hadley, ele possui algumas similaridades. A regi˜ao tropical ainda recebe um excesso de calor e os p´olos, um d´eficit. Em cada hemisf´erio, as trˆes c´elulas (ao inv´es de uma) ainda tˆem a tarefa de redistribui¸c˜ao de energia. As ´areas de alta press˜ao est˜ao localizadas nos p´olos e no equador, permanece as ´areas de baixa press˜ao. Do equador para a latitude de 30◦, a circula¸c˜ao ´e a c´elula de Hadley.
Figura 2.2: O modelo idealizado de circula¸c˜ao global e de distribui¸c˜ao da press˜ao `a superf´ıcie sobre a Terra com efeito de rota¸c˜ao. Fonte: Ahrens, C. D. (2000). Adaptado pela autora (2017).
Em ´aguas equatoriais, o ar ´e quente, o gradiente horizontal de press˜ao ´e fraco e os ventos s˜ao mais calmos. Essa regi˜ao s˜ao denominadas no termo inglˆes doldrums (calmarias). Nela, o ar aquecido ascende, condensa e frequentemente forma grandes c´elulas convectivas que libera uma elevada quantidade de calor latente. Este calor faz com que o ar se torne mais leve e forne¸ca energia para a c´elula de Hadley. O ar ascendente atinge a tropopausa, na qual age como uma barreira, fazendo com que o ar mova lateralmente em dire¸c˜ao aos p´olos. A for¸ca de Coriolis desvia o ar `a direita no Hemisf´erio Norte e `a esquerda no Hemisf´erio Sul.
O ar ascendente em movimento na dire¸c˜ao dos p´olos se resfria e converge quando se aproxima das latitudes m´edias. Essa convergˆencia causa expans˜ao do ar acima da superf´ıcie e, consequentemente, au-mento da press˜ao na superf´ıcie. Dessa forma, surge a convergˆencia do ar por meio de um cintur˜ao de altas press˜oes chamado de Altas Subtropicais, onde os ventos s˜ao calmos. Dessas latitudes, uma parte desses ventos retornam ao equador, soprando na dire¸c˜ao nordeste no Hemisf´erio Norte e sudeste no Hemisf´erio Sul. Esses ventos s˜ao chamados Ventos Al´ısios. Pr´oximo ao equador, os ventos de nordeste convergem com os ventos de sudeste ao longo de uma fronteira chamada Zona de Convergˆencia Intertropical (ZCIT). Enquanto isso, na latitude de 30◦, nem todo o ar de superf´ıcie move em dire¸c˜ao ao equador, pois
uma parte dele move em dire¸c˜ao aos p´olos. Devido `a for¸ca de Coriolis, eles s˜ao deslocados por uma forte componente de oeste resultando nos chamados de Ventos de Oeste em ambos os hemisf´erios. Enquanto este ar flui em dire¸c˜ao aos p´olos, ele encontra um ar frio subsidente oriundo dos p´olos, assim, estas duas massas com temperatura diferentes se encontram na fronteira (frente polar) de uma baixa press˜ao cha-mada Baixa subpolar, onde o ar de superf´ıcie converge e ascende. Uma parte deste ar ascendente retorna para as latitudes dos cavalos (em torno de 30◦), onde h´a subsidˆencia pr´oximo `as altas subtropicais. Nesta faixa, encontra-se a C´elula de Ferrel, quando o ar em superf´ıcie nas latitudes dos cavalos movem em dire¸c˜ao aos p´olos at´e a frente polar.
Figura 2.3: O modelo idealizado de circula¸c˜ao global e de distribui¸c˜ao da press˜ao `a superf´ıcie sobre a Terra com efeito de rota¸c˜ao. Fonte: Ahrens, C. D. (2000). Adaptado pela autora (2017).
8
2.3
Escala dos movimentos atmosf´
ericos
A caracter´ıstica fisiogr´afica da superf´ıcie terrestre exerce um importante papel no comportamento dos ventos. O perfil de vento de uma regi˜ao ´e condicionado pelos fenˆomenos meteorol´ogicos e clim´ ati-cos. Estes fenˆomenos resultam em condi¸c˜oes do vento local que diferenciam das caracter´ısticas gerais da Circula¸c˜ao Geral Atmosf´erica (SILVA, 2003). Desta forma, os movimentos atmosf´ericos s˜ao gover-nados por esses fenˆomenos associados a diferentes escalas de tempo e espa¸co. Estas escalas dependem, fundamentalmente, das condi¸c˜oes geogr´aficas do local.
2.3.1
Escalas espaciais
A figura 2.4 ilustra os fenˆomenos meteorol´ogicos e clim´aticos e suas escalas de tempo e de espa¸co.
Figura 2.4: Escalas de tempo e espa¸co. Fonte: SILVA, 2003
Escala planet´aria ou Macroescala - Ventos Al´ısios
As c´elulas de convec¸c˜ao entre o equador e as latitudes de 30o N e 30o S, chamadas de c´elulas
de Hadley, resultam em fluxos de ar ascendentes pr´oximos ao equador t´ermico (localizado ao norte do equador geogr´afico) e descendentes sobre as latitudes subtropicais. Nas primeiras centenas de metros acima do n´ıvel do mar, os ventos originados no fluxo superficial das c´elulas de Hadley s˜ao especialmente est´aveis. Estes ventos s˜ao chamados de Ventos Al´ısios. Os Ventos Al´ısios s˜ao massas de ar superficiais provenientes das latitudes subtropicais que se movem em dire¸c˜ao `a regi˜ao de menor press˜ao da aquecida
faixa equatorial.
Os Ventos Al´ısios se estendem verticalmente para aproximadamente 2 km da superf´ıcie e s˜ao considerados uma das maiores fontes energ´eticas da regi˜ao tropical. Estes ventos atingem os seus valores m´aximos nas altitudes entre 500 e 1000 m, onde aumentam sua intensidade e diminuem em variabilidade. A dinˆamica do vento ´e marcada por um forte ciclo sazonal e uma grande assimetria em torno da linha do equador.
A assimetria dos ventos Al´ısios em torno do equador tem origem na diferen¸ca entre as ´areas cobertas por continentes e oceanos nos dois hemisf´erios. A propor¸c˜ao de cobertura por ´agua no hemisf´erio sul ´e muito maior que no hemisf´erio norte. As massas continentais possuem capacidade t´ermica muito menor que a dos oceanos, logo aquecem muito mais facilmente, entretanto os oceanos podem armazenar maior quantidade de calor e liber´a-lo lentamente.
Isto implica em varia¸c˜oes clim´aticas bruscas e maiores no hemisf´erio norte; fazendo dos ver˜oes mais quentes e dos invernos mais frios. No hemisf´erio norte, os Ventos Al´ısios provˆem, predominantemente, da dire¸c˜ao nordeste, enquanto que no hemisf´erio sul da dire¸c˜ao sudeste. Ambos se encontram numa regi˜ao de baixa press˜ao conhecida como Zona de Baixa Press˜ao Equatorial ou Zona de Convergˆencia Intertropical.
- Zona de Convergˆencia Intertropical
O comportamento (posi¸c˜ao e intensidade) sazonal da ZCIT ´e de grande interesse para magnitude do vento, pois est´a diretamente relacionado ao posicionamento e a intensidade das c´elulas de baixa press˜ao pr´oximas ao Equador . A sua posi¸c˜ao m´edia ´e 5◦N, se movimentando para o sul durante a esta¸c˜ao chuvosa (fevereiro a maio) e para o norte nos meses mais secos (junho a dezembro) para o hemisf´erio sul. A figura 2.5 apresenta as m´edias mensais da ZCIT para 17 anos (1971-1988) nas longitudes compreendidas entre 10◦W e 45◦ W.
Figura 2.5: Ciclo anual da ZCIT nas longitudes de 10◦W e 45◦W. Fonte: SILVA, 2003.
Altera¸c˜oes no comportamento t´ıpico da ZCIT est˜ao intrinsecamente ligadas `as varia¸c˜oes na tem-peratura da superf´ıcie do mar (TSM) do Atlˆantico Sul e do Pac´ıfico Equatorial. Anomalias na temperatura destas ´aguas superficiais afetam o posicionamento e a intensidade da ZCIT.
10 - El Ni˜no e La Ni˜na
O El Ni˜no ´e caracterizado pelo aquecimento anˆomalo das ´aguas superficiais do Pac´ıfico Equatorial Oriental. Este fenˆomeno se manifesta em ciclos irregulares entre 3 e 7 anos e possui evolu¸c˜ao t´ıpica que se inicia no come¸co do ano, atinge sua m´axima intensidade no mˆes de dezembro e enfraquece na metade do segundo ano (SILVA, 2003).
A manifesta¸c˜ao do El Ni˜no muda o mecanismo climatol´ogico da regi˜ao do Pac´ıfico, com reflexo no restante do planeta. Nos anos que ocorrem estes fenˆomenos, observa-se uma diminui¸c˜ao na inten-sidade dos ventos al´ısios. Particularmente no Nordeste do Brasil, o El Ni˜no provoca uma diminui¸c˜ao da precipita¸c˜ao ao norte da regi˜ao do semi-´arido (Maranh˜ao, Piau´ı, Cear´a e Rio Grande do Norte) nos meses chuvosos de fevereiro a maio. Este acontecimento est´a relacionado a gera¸c˜ao de um ramo de ar descendente da C´elula de Walker (c´elula de circula¸c˜ao de macroescala no sentido zonal sobre o Pac´ıfico Equatorial que funciona como balan¸co atmosf´erico, envolvendo trocas de ar entre os hemisf´erios leste e oeste, e centrado nas latitudes tropicais e subtropicais), que inibe a forma¸c˜ao de nuvens nesta regi˜ao.
Sob condi¸c˜oes normais observa-se o ramo ascendente da C´elula de Walker (favor´avel `a forma¸c˜ao de nuvens convectivas) ao norte da Austr´alia (sobre o Pac´ıfico Oeste), onde se tem ´agua quente e baixas press˜oes. Por outro lado, sobre a regi˜ao do Pac´ıfico leste, pr´oximo ao Peru e ao Equador, verifica-se a presen¸ca de ´aguas frias (afloramento na superf´ıcie de ´aguas oceˆanicas advindas do fundo do oceano Pac´ıfico) e altas press˜oes que se manifestam o ramo subsidente da C´elula de Walker (inibe a forma¸c˜ao de nuvens).
O fenˆomeno conhecido por La Ni˜na ´e o oposto do El Ni˜no, e corresponde ao resfriamento anˆ o-malo da TSM do Pac´ıfico Equatorial. Este fenˆomeno tamb´em produz fortes mudan¸cas na dinˆamica da atmosfera, alterando o comportamento clim´atico do planeta.
Em geral, o La Ni˜na come¸ca a se desenvolver no in´ıcio do ano, e atinge sua intensidade m´axima em novembro e dezembro, e vindo a dissipar-se em meados do ano seguinte. Entretanto, pode perdurar por at´e dois anos, assim, os ventos al´ısios se mostram mais intensos durante esse per´ıodo. Os principais efeitos da La Ni˜na na regi˜ao Nordeste se resume a uma abundˆancia na precipita¸c˜ao do centro-sul do Maranh˜ao e do Piau´ı nos meses de novembro a janeiro, e o favorecimento na ocorrˆencia de chuvas sobre o semi-´arido do Nordeste.
Escala regional ou Mesoescala
Nas latitudes que cobrem o Nordeste do Brasil, o regime de vento ´e fortemente condicionado pela circula¸c˜ao em macroescala dos ventos al´ısios. Entretanto, o comportamento desses ventos ´e afetado pela presen¸ca dos continentes e de suas particularidades clim´aticas e orogr´aficas (SILVA, 2003).
A privilegiada localiza¸c˜ao geogr´afica do estados do Nordeste imputa caracter´ısticas excepcionais `
a meteorologia para gera¸c˜ao de energia e´olica. Uma vez que o fluxo de ar prevalece de uma extensa cobertura oceˆanica (livre de obst´aculos), observa-se a alta intensidade, continuidade e constˆancia dos ventos al´ısios.
- Brisas Mar´ıtimas e Terrestres
Os efeitos de mesoescala no litoral nordeste est˜ao, quase que totalmente, ligados a intera¸c˜ao dos Ventos Al´ısios nas camadas atmosf´ericas de baixos n´ıveis, via assimetria t´ermica induzidas por gradientes t´ermicos oceano-terra (produzindo as brisas mar´ıtimas e terrestres).
As brisas mar´ıtimas originam-se da expans˜ao do ar nas camadas superficiais da terra, uma vez a radia¸c˜ao solar ´e absorvida e reemitida mais rapidamente no continente que no mar. Esta expans˜ao produz nos n´ıveis superiores (de 500 a 2.000 m) um suave fluxo de ar aquecido que se movimenta da terra para o mar, chamado de fluxo de retorno.
A subsidˆencia deste fluxo sobre o mar cria um gradiente de press˜ao que induz a forma¸c˜ao de um vento superficial do mar para o continente, formando a brisa. O limite continental onde ocorre a convergˆencia da massa de ar ´e chamado de frente de brisa, marcada por um aumento da umidade e, `as vezes, uma intensifica¸c˜ao de nuvens c´umulus. A figura 2.6 esquematiza a circula¸c˜ao da brisa mar´ıtima, bem como as condi¸c˜oes de temperatura e press˜ao nas camadas pr´oximas `a superf´ıcie.
Figura 2.6: Esquema da circula¸c˜ao de brisa mar´ıtima. Fonte: Silva (2003).
A brisa mar´ıtima se inicia pr´oxima a linha da costa, mas durante todo o dia penetra de 20 a 40 km no continente, podendo chegar, em casos excepcionais, a 100 km. A extens˜ao vertical deste fenˆomeno pode atingir os 2.000 metros acima da superf´ıcie.
As brisas mar´ıtimas contribuem fortemente para um incremento na intensidade e na varia¸c˜ao da dire¸c˜ao dos ventos Al´ısios; al´em de afetar a temperatura e a umidade do ar na regi˜ao. As maiores incidˆencias de brisas mar´ıtimas, geralmente, ocorrem nos meses de ver˜ao. A dire¸c˜ao das brisas depende, fundamentalmente, da orienta¸c˜ao da costa litorˆanea; sendo esta perpendicular `a linha de praia.
As brisas terrestres se d˜ao de forma an´aloga `as brisas mar´ıtimas, diferindo apenas do sentido da circula¸c˜ao. `A noite, a superf´ıcie de terra esfria mais rapidamente que a ´agua do mar, revertendo o gradiente de temperatura ocorrido durante o dia. O ar resfriado no continente migra para o mar em n´ıveis
12 mais baixos, aquece, ascende e retorna (fluxo de retorno) para o continente, onde se resfria e descende para fechar a circula¸c˜ao. Em geral, a intensidade da brisa terrestre ´e bem mais fraca que a da brisa mar´ıtima, devido a menor diferen¸ca de temperatura terra-mar no per´ıodo noturno.
- Brisas de Vale e Montanha
Outro importante mecanismo para circula¸c˜ao local s˜ao os ventos sobre as regi˜oes montanhosas e vales. Um grande n´umero de complexos fenˆomenos f´ısicos ocorrem sobre estas regi˜oes, que v˜ao desde a canaliza¸c˜ao do fluxo at´e grandes varia¸c˜oes t´ermicas.
Os efeitos de canaliza¸c˜ao se originam no encontro das correntes de ar com cadeias de montanhas e vales. Dependendo da orienta¸c˜ao do vento e da topografia, a massa de ar pode ser canalizada de forma eficaz, acelerando a velocidade do fluxo. A figura 2.7 ilustra dois exemplos deste mecanismo de canaliza¸c˜ao em regi˜oes montanhosas.
Figura 2.7: Zona de incremento da velocidade do vento (cinza) devido a canaliza¸c˜ao em ´areas montanho-sas. Fonte: Silva (2003).
As varia¸c˜oes t´ermicas induzidas pela forma e cobertura da superf´ıcie tamb´em podem modificar o fluxo de vento. A radia¸c˜ao solar, principalmente nos meses de ver˜ao, ´e uma grande fonte de aquecimento da superf´ıcie das montanhas. As massas de ar estagnadas nas superf´ıcies laterais das montanhas s˜ao aquecidas. Mais leve, o ar aquecido avan¸ca em dire¸c˜ao ao topo, movimentando o ar para cima; s˜ao cha-mados de ventos anab´aticos. Acima do topo das montanhas, estes ventos ascendentes sofrem influˆencia de invers˜ao t´ermica e s˜ao for¸cados para um fluxo de retorno, chamado de vento anti-vale; e posteriormente a subsidˆencia no centro do vale. `As vezes, nuvens c´umulus, conhecidas como nuvens anab´aticas, se formam sobre o ar aquecido e ascendente.
Durante a noite, a circula¸c˜ao reversa ocorre. A r´apida libera¸c˜ao de calor pela superf´ıcie da mon-tanha resfria o ar adjacente nas laterais, for¸cando um movimento descendente para o centro do vale. Estes ventos s˜ao chamados de ventos catab´aticos. O fluxo de retorno desta circula¸c˜ao ´e chamado de vento anti-montanha.
Estes mecanismos podem ser denominados de brisas de vales e brisas de montanhas, respecti-vamente. Estas brisas s˜ao geralmente mais fracas que as brisas mar´ıtimas, no entanto, locais onde os efeitos de canaliza¸c˜ao tamb´em ocorrem, podem resultar em ventos mais intensos e constantes. A figura
2.8 esquematiza a circula¸c˜ao das brisas de vales e montanhas.
Figura 2.8: Esquemas das brisas de vale e montanha. Fonte: Silva (2003).
Escala local ou microescala
Os ventos no NEB tamb´em s˜ao influenciadas significativamente por fenˆomenos atmosf´ericos de microescala, resultantes das condi¸c˜oes localizadas que diferem das caracter´ısticas gerais de circula¸c˜ao em macroescala e mesoescala (SILVA, 2003).
O principal fenˆomeno de microescala, pr´oximo da superf´ıcie, ´e o v´ortice que ´e gerado devido a fric¸c˜ao do vento. A presen¸ca dessa for¸ca de fric¸c˜ao diminui a magnitude da velocidade do vento `a medida que se aproxima do solo, induzindo o surgimento de um perfil vertical de velocidade (Figura 2.9).
A regi˜ao compreendida entre a superf´ıcie terrestre e a altitude de aproximadamente 3000 me-tros, em m´edia, ´e definida como Camada Limite Planet´aria (STULL, 1988). Esta camada possui uma subcamada, situada na regi˜ao n˜ao excedente a 150 metros de altitude chamada camada-limite superficial ou camada Prandtl na qual a influˆencia da superf´ıcie ´e dominante. ´E nesta subcamada que ocorrem as trocas dos fluxos de momentum, calor e umidade entre superf´ıcie e atmosfera.
Al´em do comportamento turbulento devido `as intera¸c˜oes superf´ıcie-atmosfera, outro aspecto im-portante deve ser considerado que ´e o cisalhamento do vento (LIRA, 2009). O cisalhamento do vento ´e a varia¸c˜ao da espessura da magnitude do vento com altura, que pode ser representado por uma fun¸c˜ao logar´ıtmica (Equa¸c˜ao 1).
A express˜ao logar´ıtmica emp´ırica e te´orica para a varia¸c˜ao da velocidade do vento na vertical em uma camada limite turbulenta desenvolvida por Prandtl ´e mostrada abaixo:
v(z) =
v∗kln
zoz (Eq. 1)onde a varia¸c˜ao da velocidade com a altura vertical (z) ´e dada em fun¸c˜ao da velocidade de fric¸c˜ao (v∗), da constante de Von Karm´an (k), e do comprimento de rugosidade (z0).
O comprimento de rugosidade corresponde `a altura em que o vento, pr´oximo `a superf´ıcie, assume valor zero, e depende do relevo e obst´aculos da superf´ıcie. Contudo, o perfil real da velocidade do vento na vertical depende tamb´em da fun¸c˜ao de estabilidade atmosf´erica que inclui os efeitos t´ermicos.
14
Figura 2.9: Perfil vertical da velocidade do vento. Zo ´e o comprimento de rugosidade. Fonte: Lira (2009).
Resumidamente, os principais mecanismos de microescala podem ser agrupados em trˆes grandes conjuntos:
• Fenˆomenos aerodinˆamicos relacionados a topografia do local (como eleva¸c˜oes ou depress˜oes isoladas, serras e pequenas chapadas) e a obst´aculos naturais ou artificiais (como cadeias de ´arvores ou constru¸c˜oes);
• Fenˆomenos associados a mudan¸cas na rugosidade dentre duas ou mais superf´ıcies. Estes produzem efeitos de menor dimens˜ao que os do primeiro conjunto;
• Fenˆomenos relativos `as varia¸c˜oes do fluxo de calor no cruzamento do limite entre duas superf´ıcies de caracter´ısticas diferentes.
A figura 2.10 esquematiza uma variedade de fatores locais que influenciam o vento.
Na defini¸c˜ao de Varej˜ao-Silva (2006), quando se leva em conta o efeito que a superf´ıcie terrestre provoca no movimento do ar, costuma-se dividir a atmosfera em duas regi˜oes:
- A camada-limite planet´aria: justaposta `a superf´ıcie terrestre, cuja rugosidade natural (provo-cando atrito) afeta profundamente o escoamento do ar;
- e a atmosfera livre: mais acima da camada-limite planet´aria, onde se admite que o escoamento n˜ao sofre a influˆencia direta da presen¸ca da superf´ıcie (escoamento sem atrito).
Essa discrimina¸c˜ao ´e emp´ırica, j´a que a influˆencia da rugosidade natural da superf´ıcie da Terra sobre o ar em movimento, diminui progressivamente com a altura e, portanto, n˜ao s´o n˜ao pode existir uma separa¸c˜ao n´ıtida entre essas camadas, como, ainda, a espessura da primeira vai depender do grau de aspereza da superf´ıcie subjacente e da pr´opria velocidade do ar que sobre ela escoa. Al´em da influˆencia do atrito, deve-se adicionar o efeito gerado pelo aquecimento do ar em contato com a superf´ıcie, o qual desencadeia movimentos convectivos.
De acordo com Silva (2003), estudos detalhados das caracter´ısticas e´olicas em microescala s˜ao fundamentais, pois subsidiar˜ao o entendimento correto da intera¸c˜ao vento/solo. Estes estudos propiciam a defini¸c˜ao de uma base de informa¸c˜oes para que se estabele¸cam as condi¸c˜oes de vento sob as quais as turbinas e´olicas ir˜ao funcionar, suportando os fortes carregamentos produzidos pelas turbulˆencias de vento.
2.3.2
Escalas temporais
As s´eries hist´oricas da velocidade e dire¸c˜oes dos ventos medidos em um determinado local mostra uma varia¸c˜ao temporal destes dados. Tal varia¸c˜ao est´a relacionada a um per´ıodo especificado, que se propaga desde uma varia¸c˜ao di´aria at´e uma varia¸c˜ao interanual.
O vento pode ser mais intenso em algumas ´areas que em outras, pode aumentar sua intensidade por alguns meses do ano, como pode aumentar apenas durante algumas horas do dia, e pode, tamb´em, parar por longos per´ıodos ininterruptos.
Os ventos tamb´em variam verticalmente sobre a superf´ıcie terrestre seguindo um indefinido gra-diente. Al´em disso, ele tamb´em pode variar na sua dire¸c˜ao. As principais raz˜oes de suas varia¸c˜oes est˜ao ligadas ao seu comportamento em macroescala, mesoescala e microescala.
Silva (2003) define as varia¸c˜oes de vento na escala de tempo em duas grandes classes: Varia¸c˜oes Lentas e Varia¸c˜oes R´apidas.
- Varia¸c˜oes lentas
As varia¸c˜oes lentas de velocidade e de dire¸c˜ao do vento ocorrem devido `as mudan¸cas nas condi¸c˜oes clim´aticas em macroescala. Estas varia¸c˜oes afetam o comportamento do vento em ´areas de grandes extens˜oes e por per´ıodos que variam de meses a d´ecadas. Esta classe engloba as Varia¸c˜oes interanuais e as Varia¸c˜oes sazonais
16 - Varia¸c˜oes interanuais
A velocidade de vento m´edia anual ´e um dos mais importantes fatores a ser considerado nos estudos. O principal condicionante para as varia¸c˜oes interanuais no Nordeste est´a ligado `a mudan¸cas per-manentes nos padr˜oes clim´aticos do planeta (por exemplo, a eleva¸c˜ao da temperatura global) e pequenas irregularidades nos ciclos interanuais da ZCIT (por exemplo, epis´odios de El Ni˜no e La Ni˜na).
- Varia¸c˜oes sazonais
As mudan¸cas no comportamento da circula¸c˜ao geral da atmosfera ao longo do ano provocam significativas varia¸c˜oes sazonais da velocidade e da dire¸c˜ao do vento. Estas varia¸c˜oes est˜ao associadas principalmente `a movimenta¸c˜ao da ZCIT ao longo do ano e forte efeitos de mesoescala, como gradientes t´ermicos oceano-continente no litoral e varia¸c˜oes t´ermicas e gravitacionais no interior. Embora apresen-tando grandes amplitudes, as varia¸c˜oes sazonais no Nordeste possuem uma forte regularidade de ano para ano.
As varia¸c˜oes sazonais s˜ao de grande importˆancia em estudos envolvendo o comportamento do vento, pois tem um efeito significante, principalmente no Nordeste, onde ocorre uma forte rela¸c˜ao de complementaridade sazonal dos recursos e´olicos para com os recursos h´ıdricos.
- Varia¸c˜oes r´apidas
Est˜ao diretamente ligadas `as varia¸c˜oes dos ventos em mesoescala e microescala. Estas varia¸c˜oes afetam o comportamento do vento em ´areas localizadas, por per´ıodos de tempo que variam de dias a segundos. Nesta classe est˜ao: Varia¸c˜oes diurnas e Varia¸c˜oes de curta dura¸c˜ao.
As fortes varia¸c˜oes, com periodicidade diurna, na velocidade e na dire¸c˜ao do vento est˜ao ligadas `
as diferen¸cas de temperatura entre as superf´ıcies (oceˆanicas e terrestres). No litoral do Nordeste, estas varia¸c˜oes s˜ao, principalmente, ocasionadas por brisas mar´ıtimas e terrestres. Vale lembrar que a influˆencia das brisas mar´ıtimas pode perdurar por uma extens˜ao relativamente longa continente adentro. No interior, ocorrem fortes ciclos t´ermicos em montanhas e vales (brisas de montanhas/vales), associados a grandes efeitos orogr´aficos (efeito de canaliza¸c˜ao).
Ambos os fenˆomenos se caracterizam por grandes varia¸c˜oes de velocidade e dire¸c˜ao do vento ao longo do dia, embora sejam de grande regularidade, a velocidade do vento ´e sempre flutuante. Estas flutua¸c˜oes est˜ao associadas diretamente `as condi¸c˜oes de superf´ıcie do local, como a topografia, a rugosidade e os obst´aculos. E, variam numa escala de tempo de minutos a d´ecimos de segundos.
2.4
Comportamento sazonal e interanual do vento na regi˜
ao
Nordeste
Como visto anteriormente, a variabilidade do vento na regi˜ao Nordeste ´e condicionada pela in-fluˆencia de sistemas meteorol´ogicos predominantes, suas atua¸c˜oes durante o ano na regi˜ao e suas peculi-aridades locais da camada limite, que proporcionam em particular algumas caracter´ısticas na circula¸c˜ao
dos ventos.
No Nordeste do Brasil, o ciclo clim´atico sazonal do vento ´e marcado nesta regi˜ao. Em m´edia, entre os meses de novembro a janeiro, a incurs˜ao de sistemas frontais, que se deslocam dos subtr´opicos da Am´erica do Sul para o setor centro-sul do Nordeste causando chuvas nessa faixa, tendem a manter ventos predominantemente de sudoeste para nordeste e em alguns casos de sul para norte (LIRA, 2009). No ver˜ao e outono austrais (janeiro a maio), os ventos passam a soprar climatologicamente entre os quadrantes norte e leste, prevalecendo ventos de nordeste. Em alguns anos h´a influˆencia diferentes neste setor associado a variabilidade interanual das anomalias de temperatura do mar no Atlˆantico Tro-pical, que podem alterar este regime. Anos em que as anomalias de TSM do Atlˆantico Tropical Norte est˜ao mais quentes que as anomalias de TSM do Atlˆantico Tropical Sul, h´a uma frequˆencia maior de ventos soprando de sudeste nesta regi˜ao do NEB. Por´em, neste per´ıodo de janeiro a maio, em particular mar¸co e abril, sobre o setor norte do Nordeste do Brasil, a Zona de Convergˆencia Intertropical (ZCIT) atua causando eventos de chuvas mais frequentes na regi˜ao, e em geral, a ocorrˆencia de ventos mais fracos sobre esta ´area do Nordeste.
A partir de junho at´e o in´ıcio de novembro, o Nordeste semi´arido ´e marcado por um per´ıodo de reduzida precipita¸c˜ao, exceto o setor leste da regi˜ao que tem seu per´ıodo chuvoso centrado entre abril e julho, com influˆencia dos chamados Dist´urbios Ondulat´orios de Leste (perturba¸c˜oes atmosf´ericas que se deslocam do Oceano Atlˆantico na dire¸c˜ao do continente provocando chuvas na chamada zona da mata nordestina). Como n˜ao s´o em grande parte do Nordeste, mas tamb´em em grande parte da Am´erica do Sul, entre junho e novembro predomina-se uma massa de ar seco associada ao deslocamento do sistema de alta press˜ao, denominado de Alta Subtropical do Atlˆantico Sul (ASAS), para a costa leste-sudeste do Brasil, ocasionando sobre o Nordeste o predom´ınio de ventos soprando entre os quadrantes leste-sudeste. Este sistema no primeiro semestre do ano tem sua localiza¸c˜ao preferencial no setor sudeste do Oceano Atlˆantico.
Al´em destas caracter´ısticas sin´oticas que influenciam o regime de ventos no Nordeste do Brasil de forma interanual, as brisas terrestres e mar´ıtimas e os efeitos locais da camada limite planet´aria, s˜ao tamb´em fatores que tˆem papel importante nas mudan¸cas de dire¸c˜ao e velocidade dos ventos na escala di´aria.
Silva (2003) definiu trˆes grandes regi˜oes e´olicas no Nordeste, apresentando caracter´ısticas de vento singulares. Sendo estas: Litoral Norte-Nordeste, Litoral Nordeste-Sudeste e Nordeste Continental.
O Litoral Norte-Nordeste compreende a faixa litorˆanea do extremo norte do Maranh˜ao ao ex-tremo sul no Rio Grande do Norte. As condi¸c˜oes de vento em toda regi˜ao s˜ao conduzidas, principalmente, pelo ciclo anual de posi¸c˜ao e intensidade da ZCIT e pelas fortes ocorrˆencias de brisas mar´ıtimas. Esta regi˜ao foi dividida em 2 sub-regi˜oes como mostra a Figura 2.11.
A primeira sub-regi˜ao (Sub-regi˜ao 1), que engloba praticamente todo o litoral do Maranh˜ao, pos-sui regimes de vento anuais mais amenos (5–7 m/s `a 50 m de altura), com decremento gradual `a medida que se aproxima da ZCIT.
A segunda sub-regi˜ao (Sub-regi˜ao 2), que se estende do litoral do Piau´ı ao Rio grande do Norte, possui regimes e´olicos muito fortes, apresentando velocidades m´edias anuais entre 7 e 9,5 m/s (50 m de
18 altura). A principal causa dos bons resultados de vento nesta sub-regi˜ao ´e a a¸c˜ao conjunta dos Ventos Al´ısios e das fortes brisas mar´ıtimas; ambas positivamente influenciadas pelo afastamento da ZCIT.
Figura 2.11: Litoral Norte-Nordeste. Fonte: Silva (2003)
A regi˜ao denominada Litoral Nordeste-Sudeste se estende do extremo norte da Para´ıba at´e o extremo sul da Bahia. A figura 2.12 ilustra a ´area de abrangˆencia do Litoral Nordeste-Sudeste.
Nesta faixa litorˆanea observa-se a diminui¸c˜ao gradual da intensidade dos ventos; estando a mai-oria da costa entre 5 e 8 m/s (50 m de altura). Este fato ´e associado `a combina¸c˜ao de trˆes fenˆomenos ocasionados pelo afastamento da zona equatorial.
O primeiro ´e ocasionado por uma redu¸c˜ao na intensidade dos Ventos Al´ısios, devido `a libera¸c˜ao gradual do calor latente contido nas grandes massas superiores de ar `a medida que se movimenta para os p´olos. O segundo ´e a ocorrˆencia de brisas mar´ıtimas mais fracas, devido `a redu¸c˜ao na magnitude dos gradientes t´ermicos oceano-terra. Esta redu¸c˜ao est´a ligada a diminui¸c˜ao da temperatura da superf´ıcie nas latitudes mais altas, fortalecida por efeitos de frentes frias remanescentes em alguns meses do ano. Por ´ultimo, a a¸c˜ao de frentes frias remanescentes que se propagam na costa sul da regi˜ao.
Al´em desses, podem ser constatadas fortes ocorrˆencias de zonas de convergˆencias noturnas favore-cidas pela dire¸c˜ao dos Ventos Al´ısios e das brisas terrestres, principalmente nos meses de outono e inverno.
Figura 2.12: Litoral Nordeste-Sudeste. Fonte: Silva (2003)
A regi˜ao coberta pelo Nordeste Continental compreende toda a ´area continental interior do Nor-deste. Esta regi˜ao e´olica foi dividida em 2 sub-regi˜oes (Figura 2.13).
Na primeira sub-regi˜ao (Sub-regi˜ao 1), que engloba praticamente todo o interior do Nordeste, a intensidade do vento decresce rapidamente `a medida que se afasta do litoral, devido os efeitos da rugosi-dade, de barreiras naturais pela orografia regional e a diminui¸c˜ao da contribui¸c˜ao das brisas mar´ıtimas.
A intera¸c˜ao com outras massas de ar provenientes de outras regi˜oes alteram o clima de algumas ´
areas desta sub-regi˜ao. Entre as mais importantes est˜ao: a penetra¸c˜ao de frentes frias provenientes do Sul do Brasil afeta a climatologia e´olica no sul da Bahia, de novembro a fevereiro.
Observam-se, tamb´em, ocorrˆencias de brisas de lagos em ´areas isoladas, como as que circundam os grandes lagos da barragem de Sobradinho, na Bahia e da barragem de Itaparica, na divisa de Pernam-buco com a Bahia.
Entretanto, muitas ´areas elevadas de montanhas, serras e chapadas que se estendem do Rio Grande do Norte a Bahia, apresentam condi¸c˜oes que induzem a acelera¸c˜ao dos ventos. Estas ´areas foram classificadas como Sub-regi˜ao 2 do Nordeste Continental.
As ocorrˆencias de altas velocidades de vento se encontram de forma localizada, em ´areas que apresentam fortes brisas de montanhas/vales ou onde a canaliza¸c˜ao e a compress˜ao vertical dos ventos ´e mais acentuada. As velocidades m´edias nestas condi¸c˜oes variam de 6 a 10 m/s (50 m de altura).
Vale salientar que esta regi˜ao apresenta n´ıveis de turbulˆencia, de dispers˜ao das ocorrˆencias de vento e gradientes verticais de velocidade muito maiores que as observadas nas regi˜oes litorˆaneas.
20
Figura 2.13: Litoral Nordeste-Sudeste. Fonte: Silva (2003)
2.5
Vis˜
ao geral dos m´
etodos de previs˜
ao do vento
In´umeras t´ecnicas foram identificadas para a previs˜ao da velocidade do vento . Essas t´ecnicas podem ser pelos os m´etodos num´ericos de previs˜ao do tempo (NWP, sigla em inglˆes), estat´ısticos, m´etodos baseados em redes neurais artificiais (RNA) e abordagens h´ıbridas. Os m´etodos NWP podem ser a t´ecnica mais precisa para previs˜ao de curto prazo. No entanto, no geral, m´etodos estat´ısticos, RNAs ou h´ıbridos baseados em observa¸c˜oes realizam mais precisamente a previs˜ao a curto prazo (Wu e Hong, 2007).
Modelo Holt-Winters
O m´etodo de Holt-Winters ´e um dos mais utilizados para a previs˜ao, devido a sua simplicidade, baixo custo de opera¸c˜ao, boa precis˜ao e capacidade de ajustamento autom´atico e r´apido a mudan¸cas na s´erie temporal. Este modelo possui trˆes fatores ou coeficientes de alisamento: n´ıvel, tendˆencia linear, fator sazonal e um elemento residual n˜ao previs´ıvel, chamado erro aleat´orio. Na estima¸c˜ao desses fatores ´e utilizado o m´etodo de ajustamento exponencial, tamb´em chamado “suaviza¸c˜ao exponencial”. O nome “suaviza¸c˜ao” prov´em do fato de que a s´erie depois de reduzida a seus componentes estruturais ter´a um n´umero menor de varia¸c˜oes bruscas, mostrando um comportamento mais suave. O termo “exponencial” aparece, porque os processos de suaviza¸c˜ao envolvem as m´edias aritm´eticas ponderadas, onde os pesos decrescem exponencialmente na medida em que se avan¸ca no passado (L´ucio et al., 2010).
As equa¸c˜oes de previs˜ao se alocam de duas formas: aditiva ou multiplicativa, conforme a natureza da s´erie. Para calcular as previs˜oes de valores futuros da s´erie ´e necess´ario estimar o n´ıvel e a tendˆencia da s´erie no per´ıodo atual, bem como os valores do fator sazonal correspondente ao ´ultimo per´ıodo de sazonalidade. Estas estimativas s˜ao efetuadas por meio das seguintes equa¸c˜oes:
Sazonalidade Aditiva – Nestes modelos s˜ao utilizadas as seguintes equa¸c˜oes recursivas (Eq. 2, 3 e 4):
ηt = α (yt − f t − s) + (1 − α) (nt − 1 + bt − 1) (Eq. 2) bt = β (nt − nt − 1) + (1 − β) bt − 1 (Eq. 3)
f t = γ (yt − nt) + (1 − γ)f t − s (Eq. 4)
Sazonalidade Multiplicativa – Nestes modelos s˜ao utilizadas as seguintes equa¸c˜oes recursivas (Eq. 5 e 6):
ηt = αf t−syt + (1 − α) (nt − 1 + bt − 1) (Eq. 5)
bt = β (nt − nt − 1) + (1 − β) bt − 1, f t = γntyt+ (1 − γ) f t − s (Eq. 6)
onde α, β e γ,s˜ao constantes de amortecimento. Ao final de cada per´ıodo t, a estimativa do “passo” (tendˆencia) e a componente sazonal s˜ao dadas por bt e ft, respectivamente. J´a nt denota a
componente de n´ıvel.
Redes Neurais Artificais
As Redes Neurais Artificiais (RNAs) s˜ao modelos computacionais inspirados na estrutura neural de organismos inteligentes (ANOCHI, 2015). Seu comportamento surge das intera¸c˜oes entre as unidades de processamento, que computam determinadas fun¸c˜oes matem´aticas (normalmente n˜ao-lineares). Tais neurˆonios de processamento podem ser distribu´ıdos em uma ou mais camadas e interligados por um grande n´umero de conex˜oes, os quais armazenam o conhecimento no modelo e ponderar cada entrada recebida na rede.
O modelo de neurˆonio artificiais proposto por McCulloch e Pitts (1943), interpreta o funciona-mento do neurˆonio biol´ogico como um circuito bin´ario simples que combina v´arias entradas e apenas um sinal de sa´ıda. Sua descri¸c˜ao matem´atica resultou em um modelo com n terminais de entrada re-presentando os dendritos, e apenas uma sa´ıda simulando o axˆonio. Para emular o comportamento das sinapses, os terminais de entrada do neurˆonio artificial possuem pesos. Em termos matem´aticos, podemos descrever um neurˆonio k escrevendo o seguinte par de equa¸c˜oes (7 e 8):
vk =Pm
j=1wkjxj (Eq. 7)
e,
yk = Φ (vk + bk) (Eq. 8)
em que x1, x2, ..., xm s˜ao os sinais de entrada; wk1,wk2, ...,wkm s˜ao os pesos sin´apticos do neurˆonio k; vk ´e a sa´ıda do combinador linear devido aos sinais de entrada; bk ´e o bias; φ ´e a fun¸c˜ao de ativa¸c˜ao; e yk ´e o sinal de sa´ıda do neurˆonio.
Uma RNA pode ser pensada como uma rede de “neur´onios” organizados em camadas. Os predito-res (ou entradas) formam a camada inferior, e as previs˜oes (ou sa´ıdas) formam a camada superior. Pode haver camadas intermedi´arias que contenham “neurˆonios ocultos”. A Figura 2.14, mostra um exemplo para a estrutura de uma RNA com 4 entradas e com 1 camada oculta. Os coeficientes ligados aos predi-tores s˜ao chamados de ”pesos”e comummente representado por wi. Os pesos s˜ao selecionados atrav´es de
22 um ”algoritmo de aprendizagem”, como ´e o caso do backpropagation (que surge do fato que o algoritmo se baseia na retropropaga¸c˜ao dos erros para realizar os ajustes de pesos das camadas intermedi´arias), que minimiza o erro entre as s´eries temporais previstas e observadas (CADENAS; RIVERA, 2009).
Previs˜ao de s´eries temporais ´e o processo de prever valores futuros de uma s´erie temporal a partir do conhecimento de seus valores passados. Dentre as t´ecnicas utilizadas para previs˜ao de s´eries temporais est˜ao aquelas baseadas em diferentes arquiteturas de RNA, do tipo feedforward como a Multi-Layer Perceptron (MLP). As redes MLP foram originalmente Previs˜ao de s´eries temporais ´e o processo de prever valores futuros de uma s´erie temporal a partir do conhecimento de seus valores passados. Dentre as t´ecnicas utilizadas para previs˜ao de s´eries temporais est˜ao aquelas baseadas em diferentes arquiteturas de RNA, do tipo feedforward como a Multi-Layer Perceptron (MLP). As redes MLP foram originalmente concebidas para executar tarefas de natureza est´atica, n˜ao foram, portanto, idealizadas para tratar problemas temporais. O m´etodo de janela de tempo foi a primeira adapta¸c˜ao da rede MLP treinada com o algoritmo backpropagation para processamento dinˆamico (CADENAS; RIVERA, 2009).
Figura 2.14: Exemplo de estrutura RNA – MLP com algoritmo backpropagation com 3 entradas, 1 camada oculta e 1 sa´ıda. Fonte: Camelo, Lucio e Leal Junior (2016).
Na estrutura da RNA como, por exemplo, mostrada Fig. (2.14), as sa´ıdas de n´os em uma camada s˜ao entradas para a pr´oxima camada. O resultado ´e, em seguida, modificado por uma fun¸c˜ao n˜ao linear antes da sa´ıda. Por exemplo, as entradas em neurˆonios j em camadas ocultas podem ser linearmente combinadas a partir da express˜ao (Eq. 9):
zj = bj +P3
Na camada oculta, a equa¸c˜ao abaixo ´e modificada utilizando uma fun¸c˜ao n˜ao linear, tal como um sigmoide dada pela seguinte express˜ao (Eq. 10):
s(z) = 1+e1−z (Eq. 10)
De acordo com Camelo, Lucio e Leal Junior (2016), uma rede neural ´e formada pela interconex˜ao de unidades de processamento denominadas neurˆonios, que tˆem a propens˜ao natural para armazenar conhecimento experimental e torn´a-lo dispon´ıvel para o uso. Assim, elas devem exibir caracter´ısticas b´asicas similares ao comportamento humano, tais como:
(i) Aprendizado: a RNA aprende por experiˆencia, a partir de treinamento baseado na apresenta¸c˜ao de exemplos;
(ii) Associa¸c˜ao: a RNA ´e capaz de fazer associa¸c˜oes entre padr˜oes diferentes;
(iii) Generaliza¸c˜ao: a RNA ´e capaz de generalizar por exemplos anteriores, ou seja, responder correta-mente a uma entrada nunca vista antes por similaridade aos padr˜oes j´a apresentados. O aprendizado ou treinamento tem como finalidade efetuar os ajustes necess´arios nos parˆametros da RNA, representados pelos pesos sin´apticos. O objetivo desta etapa ´e capacitar a RNA a associar um dado de entrada com um grau de semelhan¸ca aos exemplos j´a apresentados.
Modelagem h´ıbrida
V´arios tipos de modelos h´ıbridos s˜ao utilizados para prever a velocidade do vento. As combina¸c˜oes podem ser (WU; HONG 2007):
• Combina¸c˜ao de modelos estat´ısticos e f´ısicos; • Combina¸c˜ao de modelos de curto e m´edio prazo; • Combina¸c˜ao de modelos estat´ısticos.
O objetivo dos modelos h´ıbridos ´e se beneficiar das vantagens de cada modelo e obter uma previs˜ao com um ´otimo desempenho.
Vari´aveis meteorol´ogicas: Rean´alises
A principal limita¸c˜ao para a avalia¸c˜ao do recurso do vento ´e a indisponibilidade ou falta de homo-geneidade nas s´eries temporais de dados observados. Para superar as limita¸c˜oes, os dados de rean´alises est˜ao dispon´ıveis para um longo per´ıodo com uma consider´avel homogeneidade e tˆem sido usado em diversos estudos sobre comportamento de vento (Cannon et al 2015, Rose and Apt 2015, Staffell and Pfenninger 2016).
As vari´aveis meteorol´ogicas das rean´alises s˜ao resultados de assimila¸c˜ao de observa¸c˜oes de dife-rentes fontes (e.x: dados de sat´elite, esta¸c˜oes meteorol´ogicas, boias oceˆanicas, observa¸c˜oes por navio e avi˜ao, radiossondagens, dentre outros), nas quais s˜ao inseridas em modelos atmosf´ericos a fim de gerar dados para o globo inteiro.
24 ´e um exemplo de rean´alise que tem o comportamento do vento na altura de 50 metros acima da superf´ıcie do solo. A rean´alise usa o modelo de circula¸c˜ao geral da atmosfera Goddard Earth Observing System-5 com um esquema de assimila¸c˜ao de dados 4D-VAR. Os dados s˜ao hor´arios com uma resolu¸c˜ao horizontal de 0,625◦ x 0,5◦ e 72 n´ıveis verticais (MOLOD et. al, 2015).
As caracter´ısticas climatol´ogicas m´edias de uma simula¸c˜ao de 30 anos usando o MERRA-2 para toda a grade de latitude-longitude e com resolu¸c˜ao horizontal de 0,5◦x0,5◦ foi avaliada comparando a rean´alise com dados de sat´elite e de esta¸c˜oes. Foram encontrados melhorias em alguns aspectos como a circula¸c˜ao m´edia. As parametriza¸c˜ao da turbulˆencia da camada limite no MERRA-2 inclui uma modifi-ca¸c˜ao substancial da rela¸c˜ao entre a rugosidade da superf´ıcie oceˆanica e o cisalhamento do vento. Mais detalhes dos estudos em Molod et. al (2015).
Cap´ıtulo 3
Metodologia
3.1
Base de dados observacionais e ´
Area de estudo
As torres anemom´etricas (TA) foram instaladas nas seguintes localidades: Belo Jardim (08◦ 22’ 03”S e 36◦ 25’ 46”O) - Estado de Pernambuco e Camocim (02◦51’ 59,7”S e 40◦ 53’ 09,2”W) - Estado do Cear´a. Os dados de Belo Jardim foram obtidos por meio do Sistema de Organiza¸c˜ao Nacional de dados Ambientais (SONDA - http://sonda.ccst.inpe.br/), cuja rede de dados ´e gerenciada pelo Instituto Naci-onal de Pesquisa Espaciais (INPE) com apoio do Minist´erio de Ciˆencia, Tecnologia e Inova¸c˜ao (MCTI). J´a os dados de Camocim foram obtidos da Torre Anemom´etrica (TA) de propriedade da Secretaria de Infra-Estrutura do Cear´a (SEINFRA/CE - www.seinfra.ce.gov.br).
A velocidade do vento foi medida a 50 metros de altura da superf´ıcie, cujos sensores de vento do tipo sˆonico reportam valores a cada 10 minutos, no per´ıodo selecionado de 01 de outubro a 31 de dezembro de 2004 para ambas as localidades. As s´eries temporais registradas a cada 10 minutos foram integrados num intervalo de 1 hora para o mesmo per´ıodo com o uso do software Windographer 4.0.28. A seguir, apresenta-se na Figura 3.1 a localiza¸c˜ao de cada TA usada e a Tabela 3.1, a fonte de dados, as caracter´ısticas locais e as coordenadas geogr´aficas.
Munic´ıpio/Estado Altitude (m) Relevo Vegeta¸c˜ao Coordenadas Geogr´aficas Belo Jardim/PE 718 Planalto Caatinga 8◦22’S/36◦25’W
Camocim/CE 8 Plan´ıcie Caatinga 2◦51’56,7”S/40◦53’09,2”W Tabela 3.1: Caracter´ısticas locais e localiza¸c˜ao geogr´afica.
26
Figura 3.1: Localiza¸c˜ao em destaque de cada Torre Anemom´etrica utilizada no estudo. Fonte: Pr´opria autora (2017).
3.2
Aspectos clim´
aticos de Belo Jardim/PE e Camocim/CE
O munic´ıpio de Belo Jardim/PE ´e caracterizado por clima quente e seco, tropical chuvoso, com temperaturas mais amenas no per´ıodo chuvoso, no qual, geralmente inicia-se no mˆes de abril podendo estender-se at´e agosto ou setembro. A pluviometria da regi˜ao varia de 650 a 1000 mm anuais (PERNAM-BUCO, 2007). O clima Camocim/CE ´e do tipo Tropical Quente Semi´arido e os ´ındices pluviom´etricos apresentam pequena varia¸c˜ao entre o alto, m´edio e baixo curso, com precipita¸c˜oes m´edias anuais em torno de 889,45 mm e temperaturas m´edias anuais pr´oximas de 24,75◦C (CEAR ´A, 2016)
3.3
M´
etodo de aplica¸
c˜
ao
As predi¸c˜oes para 24 horas foram realizadas com os modelos Holt-Winters, RNA e h´ıbrido, aplicando-os nas s´eries temporais de Belo Jardim/PE e Camocim/CE com o uso do software R (vers˜ao 1.0.136).
O m´etodo usado consistiu em dividir as s´eries em trˆes etapas para realizar a previs˜ao a partir de 30, 60 e 90 dias de dados observados. A primeira etapa, para 30 dias, foi utilizado dados observados do dia 01 a 30 de outubro de 2004 e com a previs˜ao para o dia 31 de outubro. Para 60 dias, foi iniciado no
dia 01 de outubro at´e 29 de novembro de 2004 e a previs˜ao foi realizada no dia seguinte, 30 de novembro de 2004. E por fim, para 90 dias, iniciou-se no dia 01 de outubro a 29 de dezembro de 2004, com a previs˜ao feita para o dia 30 de dezembro de 2004.
3.4
Modelos, rean´
alise e configura¸
c˜
oes
3.4.1
Holt-Winters
Como apresentado no cap´ıtulo 2, o modelo de suaviza¸c˜ao exponencial simples ´e usado para lidar com dados que apresentam tendˆencia linear e sazonalidade (de forma aditiva ou multiplicativa). O modelo Holt-Winters Aditivo ´e comumente utilizado quando a amplitude de varia¸c˜ao sazonal se mant´em prati-camente constante, ou seja, a diferen¸ca entre o maior e o menor ponto da vari´avel permanece constante com o passar do tempo.
O modelo Holt-Winters aditivo foram usados nos dados de Camocim/CE para as s´eries temporais de 30, 60 e 90 dias e Belo Jardim para as s´eries de 30 e 60 dias. Dessa forma, para Belo Jardim com 90 dias de dados, foi utilizado o modelo Holt-Winters Multiplicativo, visto que na forma aditiva, a predi¸c˜ao ficaram com valores negativos.
3.4.2
Redes Neurais Artificiais
A utiliza¸c˜ao deste modelo ´e fornecida atrav´es do pacote forecast a partir da fun¸c˜ao nnetar, que por sua vez, ´e simbolizada por NNAR(p,P,k) em que p (representa a quantidade de entradas), por exemplo, (Yt-1, Yt-2, Yt-3,..., Yt-p) e P (´e referente a dados sazonais), e por k (representa o n´umero de neurˆonios na camada oculta). A RNA baseou-se no algoritmo de aprendizagem backpropagation para o processamento dinˆamico.
3.4.3
Modelo H´ıbrido
A fun¸c˜ao hybridModel do pacote forecastHybrid no software R ajusta m´ultiplos modelos indivi-duais para gerar previs˜oes combinadas (ensemble). O default deste pacote funciona bem na maioria dos casos, no entanto, podem ser combinados dois a cinco modelos com os seguintes argumentos:
• a.args: usa a fun¸c˜ao arima para o auto-regressivo integrado de m´edias m´oveis na ordem dos trˆes parˆametros (p, d, q). O processo de ajustar o modelo arima ´e referente ao m´etodo Box-Jenkins; • e.args: refere-se ao modelo ets que utiliza suaviza¸c˜ao exponencial, ajustando a s´erie com base nos
seguintes elementos: erro, tendˆencia e sazonalidade;
• n.args: ajusta um modelo de redes neurais univariado utilizando a fun¸c˜ao nnetar;
• s.args: baseia-se na fun¸c˜ao stlm que combina a previs˜ao com a decomposi¸c˜ao sazonal ajustada na s´erie;
28 • t.args: a fun¸c˜ao tbats acopla o modelo suaviza¸c˜ao exponencial com transforma¸c˜ao Box-Cox, ARMA
e componentes sazonais e de tendˆencia.
Neste trabalho foi ajustado o modelo ”nst”, que acopla os argumentos: n.args, s.args e t.args.
3.4.4
Rean´
alise: MERRA-2
A rean´alise MERRA-2 foi obtida no s´ıtio da MDISC (https://disc.sci.gsfc.nasa.gov/), desenvol-vido pela NASA Goddard Earth Sciences, em formato NetCDF. O software GrADS foi utilizado para ler as rean´alises nesse formato e atrav´es de um script (em formato .gs) extraiu os valores da vari´avel.
3.5
Avalia¸
c˜
ao dos modelos
A avalia¸c˜ao do desempenho das t´ecnicas de previs˜ao foi feita empregando-se o coeficiente de correla¸c˜ao de Pearson (r), o Erro M´edio Absoluto (MAE, do inglˆes Mean Absolute Error) e a Raiz do Erro Quadr´atico M´edio (simbolizado por RMSE, do inglˆes Root Mean Squared Error). O coeficiente de correla¸c˜ao de Pearson tem sua magnitude compreendida entre os valores -1 e 1. Essa magnitude mede a “intensidade” da rela¸c˜ao entre as duas vari´aveis. Sendo assim, um coeficiente igual a 0,6 possui maior grau de dependˆencia linear que um de 0,3. Um coeficiente de valor zero indica a total ausˆencia de re-lacionamento linear entre as vari´aveis e coeficientes de valores 1 e -1 indicam uma perfeita dependˆencia linear entre elas. Dessa forma, utilizou-se para a medida de correla¸c˜ao, os dados observados e os dados modelados, a fim de se obter o grau de relacionamento linear entre ambas. Na literatura, considera-se a classifica¸c˜ao dos valores de correla¸c˜oes de Pearson como bem fraca (0r<0,19), fraca (0,20r<0,39), mo-derada (0,40r<0,69), forte (0,70r<0,89) e bem forte (0,90r<1,00) (Andriotti, 2003). ´E matematicamente representado por (Eq. 11):
(Eq. 11)
em que r representa o coeficiente de correla¸c˜ao linear para uma amostra e n o n´umero de pares de dados presentes.
Para avaliar o grau de dispers˜ao entre os valores modelados (ˆy) e observados (y), s˜ao usados ´ındices que fornecem o desempenho do modelo com rela¸c˜ao a observa¸c˜ao. Quanto mais pr´oximo ao valor zero, maior ´e a acur´acia do modelo. O Erro M´edio Absoluto mede o valor m´edio da destreza entre as s´eries observadas e previstas. ´E dado em m´odulo e ´e representado matematicamente por (Eq. 12):
(Eq. 12)
A Raiz do Erro Quadr´atico M´edio representa as diferen¸cas entre a predi¸c˜ao (P) e o valor real (O), apresentando valores do erro nas mesmas dimens˜oes da vari´avel analisada (m/s). Pode ser definido matematicamente por (Eq. 13):