Previsão de tempo, clima e projeções climáticas
Gilvan Sampaio
(gilvan.sampaio@inpe.br)
Instituto Nacional de Pesquisas Espaciais - INPE
Centro de Previsão de Tempo e Estudos Climáticos - CPTEC
XVIII CURSO DE USO ESCOLAR DO SENSORIAMENTO REMOTO NO ESTUDO DO MEIO AMBIENTE
Resultado de complexas interações entre diversos
subsistemas
Monitoramento do fenômeno El Niño
e seus impactos
Avanços na Previsão de Tempo
Pre-história O homem primitivo primeiro meteorologista
Antigos Gregos s.V a c. Especulações sobre a atmosfera
Antigos Marinheiros Observação da natureza
S XVIII Cálculo diferencial
Leis da Física
Sistematização da Previsão do Tempo Invenção do Radar
Sondagens atmosféricas
Descobrimento da circulação dos altos níveis Teorias sobre movimento e evolução
Segunda Guerra
1950s • Radar Meteorológico
• Primeiros computadores
• Primeiros modelos atmosféricos
• 1960-1970s • Satélite Meteorológico
• Desenvolvimento de melhores modelos dinâmicos
• ALTITUDE: ~36.000 km
• Área de observação é sempre a mesma • Meteorológicos e de Comunicação
Sensoriamento remoto via satélite
Satélite TIROS (Television
Infrared Observation Satellite) e primeira imagem de
sensoriamento via satélite Fonte: NOAA
Satélite TIROS e uma das primeiras previsões meteorológicas a partir de imagens de satélite
Sensoriamento remoto via satélite
MSG
PREVISÃO DE TEMPO (até 1994 - Brasil)
Dados de superfície coletados através das estações convencionais, sondagens, bóias, navios, etc. e transmitidas via radio teletipo (TELEX).
Cartas plotadas manualmente (mapa da América do Sul) a cada 3 horas.
Imagens de satélites impressas em FAXSIMILE
Informações de radiossondagens (altos níveis).
Aplicação de regras gráficas para prever o deslocamento dos sistemas principais.
PREVISÃO DE TEMPO (até 1994 - Brasil)
Dados de superfície coletados através das estações convencionais, sondagens, bóias, navios, etc. e transmitidas via radio teletipo (TELEX).
Cartas plotadas manualmente (mapa da América do Sul) a cada 3 horas.
Imagens de satélites impressas em FAXSIMILE
Informações de radiossondagens (altos níveis).
Aplicação de regras gráficas para prever o deslocamento dos sistemas principais.
Em 1990, a meteorologia
operacional era
praticamente a mesma da
década de 60; entretanto,
as bases para o avanço já
vinham sendo
construídas também
desde a década de 60: o
desenvolvimento de uma
comunidade científica
atuante baseada na
Pós-Graduação e ativa
colaboração com centros
avançados no Exterior.
A Meteorologia Operacional do Brasil em 1990
Modelo Atmosférico Global
Número de elementos:
192 x 96 x 28 x 7= 3,6 milhões
E-W N-S Vertical
Calcula-se para cada um destes volumes:
Temperatura, umidade, direção e velocidade do vento, altura geopotencial.
Domínio Geográfico
Código computacional (centenas de milhares de linhas de código) que representa aproximações
numéricas de equações matemáticas, equações estas representativas das Leis Físicas que regem os movimentos da atmosfera e as interações com a superfície; o cálculo é feito para até 15 dias de
previsão.
www.cptec.inpe.br
28 níveis verticais
Representação aritmética aproximada das equações
matemáticas que regem os movimentos da atmosfera e
suas interações com a superfície terrestre
MODELAGEM NUMÉRICA
Supercomputadores
NEC SX-6 NEC SX-4 CENAPAD Ambiental NEC SX-3768 bilhões de
contas por
segundo
Tupã
Com velocidade máxima de 258 Teraflops, equivalente a 258 trilhões de cálculos por segundo, o Tupã, na época de sua instalação, era o 29º mais rápido supercomputador do mundo, de acordo com a lista Top 500 - Novembro de 2010, e o 3º mais poderoso entre os supercomputadores dedicados à previsão numérica operacional de tempo e de clima sazonal.
Modelo Numérico Atmosférico (Oceânico)
“Código computacional complexo (mais de 100 mil linhas de
instrução), com representações numéricas aproximadas das
equações matemáticas que representam as Leis da Física, as
quais governam os movimentos na atmosfera (oceanos) e as
interações com a superfície”
“Atmosfera é dividida em alguns milhões de volumes
discretos (~100 km x 100 km x 0,5 km) e, em cada um desses
volumes, computa-se a temperatura e umidade do ar, vento e
pressão para instantes de tempo futuros (previsão)”.
Sistema de equações em coordenada
0 η η. . η η F p p T R fk η p η p η η p η p t v d v v vv v
p p T Rd v 0 p T dt dT
k=R/Cp
0 p d p dt dp v v 0 η p η η η p v 1 η s t ps
s η 0 η s dη η p v t p dη η p v t p η η η p η η s
0 η Momento Hidrost Termod Continuidade Mov VertS
q
dt
dq
' www.cptec.inpe.brModelo Atmosférico Global
Número de elementos:
192 x 96 x 28 x 7= 3,6 milhões
E-W N-S Vertical
Calcula-se para cada um destes volumes:
Temperatura, umidade, direção e velocidade do vento, altura geopotencial.
Domínio Geográfico
Código computacional (centenas de milhares de linhas de código) que representa aproximações
numéricas de equações matemáticas, equações estas representativas das Leis Físicas que regem os movimentos da atmosfera e as interações com a superfície; o cálculo é feito para até 15 dias de
previsão.
www.cptec.inpe.br 28 níveis
Os modelos devem representar todos os componentes do Sistema Climático
Entretanto, muitos destes componentes não são representados (por exemplo: erupções vulcânicas) ou são representados através de parametrizações.
Modelos climáticos – são códigos computacionais baseados nas equações matemáticas fundamentais do movimentos,
termodinâmica e transferência radiativa.
Os modelos climáticos são extensões dos modelos de previsão de tempo.
Estas equações governam:
Fluxos de ar e água – ventos na atmosfera, correntes nos oceanos.
Trocas de calor, água e momentum entre a atmosfera e a superfície terrestre.
Liberação de calor latente por condensação durante a formação de nuvens e gotas de chuva.
Absorção da radiação solar e emissão da radiação térmica (infravermelha).
Processos que ocorrem na escala sub-grid são modelados por
parametrizações.
Parametrizações físicas nos modelos atmosféricos
Processos que não são explicitamente representados pelas variáveis básicas dinâmicas e termodinâmicas nas equações básicas (dinâmica, continuidade, termodinâmica, equação do estado) na grade do modelo precisam ser incluídas por parametrizações.
Erros sistemáticos dos modelos acoplados
Modelos não acoplados não são apropriados para simular a
Natureza em algumas regiões/estações: O CLIMA É UM
PROCESSO ACOPLADO.
As respostas da atmosfera não são lineares
Distinção entre as diversas variabilidades do sistema climático.
Parametrizações – o ideal é representar explicitamente os
processos físicos.
Condições iniciais e de contorno provenientes das observações:
melhorar resoluções espaciais e temporais e utilizaçao de novas aplicações de satélites.
IPCC 2007: Os modelos usados até agora não abrangem as
incertezas no processo de realimentação entre o clima e o ciclo do carbono nem compreendem todos os efeitos das mudanças no fluxo do manto de gelo, porque falta uma base nas publicações científicas.
Condição Inicial
Condição Final
Observações
Meteorológica Previsão
Modelo Numérico de Previsão de Tempo
Centro de Previsão de Tempo e Estudos Climáticos
www.cptec.inpe.br
200
km
200 km
1994-SX3
Evolução da Resolução do Modelo Global do CPTEC
Grau de Acerto das previsões do Modelo Global do CPTEC
CPTEC apresenta índices de acerto comparáveis aos maiores Centros de Previsão do Mundo www.cptec.inpe.brDivulgação para Usuários
Limitações da Previsão de Tempo
Sistemas de escala pequena
Sistemas de desenvolvimento rápido
Nível de detalhamento espacial e temporal
Prazo
Intensidade dos fenômenos
A atmosfera é
CAÓTICA
para prazos de
previsão superiores a
cerca de 2 semanas.
Condição Inicial
Condição Final
Observações Meteorológicas Previsão~ 2 semanas
TempoCentro de Previsão de Tempo e Estudos Climáticos
PARADOXO APARENTE DA PREVISÃO
• “As
flutuações
atmosféricas
são
caóticas
(imprevisíveis) em escalas de tempo superiores a 2
semanas”
mas
• “Para algumas regiões do planeta, principalmente
tropicais, o
estado médio
da atmosfera (clima) é
previsível com meses de antecedência”
Centro de Previsão de Tempo e Estudos Climáticos
REFERENCIAL TEÓRICO PARA PREVISÃO
CLIMÁTICA SAZONAL
“O
estado médio
da atmosfera é previsível para
aquelas regiões onde as variações climáticas
sazonais são controladas pelas lentas variações das
temperaturas da superfície dos oceanos tropicais”
http://www.cptec.inpe.br BAIXA PREVISIBILIDADE ALTA PREVISIBILIDADE ALTA - MÉDIA PREVISIBILIDADE MÉDIA PREVISIBILIDADE ALTA - MÉDIA PREVISIBILIDADE MÉDIA PREVISIBILIDADE
PREVISIBILIDADE CLIMÁTICA SAZONAL PARA O NORTE DO NORDESTE
Influência Remota do Oceano Pacífico Tropical
(El Niño e La Niña)
Influência Direta do Oceano Atlântico Tropical Centro de Previsão de Tempo e Estudos Climáticos
Quente Frio Frio Quente Quente Frio Seco Chuvoso
ELABORAÇÃO DA PREVISÃO CLIMÁTICA
DISCUSSÃO CLIMÁTICA
Para tentar maximizar o desempenho da previsão sazonal pode-se utilizar a técnica da previsão por conjuntos.
Em geral, a média dos membros do conjunto de previsões resulta numa previsão melhor que a de cada elemento (Tracton e Kalnay, 1993; Coutinho, 1999).
Método mais utilizado para gerar o conjunto em previsão climática sazonal – escolher CI separadas de 24 horas – assume-se que é um problema de CC.
A dispersão das previsões no conjunto fornece um meio para estimar a quantidade de possíveis cenários diferentes para a previsão, e a quantidade de cenários está associada à previsibilidade.
Em teoria, segundo Brankovic et al. (1994), a dispersão das previsões é uma boa estimativa do desvio padrão da distribuição de probabilidade dos estados de previsão, o que
indica que a média do conjunto (“ensemble mean”) seria
relativamente mais confiável quando a divergência das previsões é relativamente menor. Por outro lado, uma grande dispersão do conjunto de previsões seria o indicador de uma previsão não realista.
Condição Final Condição Inicial
meses
Alta Previsibilidade Baixa Previsibilidade
Condição Final Condição Inicial
meses
Avaliação da previsibilidade climática
maior dispersão entre os membros
- previsível
menor dispersão entre os membros
+ previsível
NOV DEZ JAN FEV ... JUN
TSM:Obs. TSM Prevista:
Anomalias Persistidas Previsão para o Pacífico
Previsão para o Pacífico e Atlântico
SIMULAÇÃO PREVISÃO PREVISÃO SAZONAL PREVISÃO MÉDIA DO CONJUNTO SUBTRAÇÃO
NOV DEZ JAN FEV ... JUN SIMULAÇÃO CLIMATOLÓGICA TSM CLIMATOLÓGICA PREVISÃO DA ANOMALIA CLIMATOLOGIA DO MODELO CLIMATOLOGIA DO MODELO MÉDIA DO CONJUNTO CONJUNTO 1 N 2 1 N 2 NO SIMULAÇÃO CI1 CI2 CIN CI1 CIN CI2 NO CONJUNTO 1 N 2 1 N 2 SIMULAÇÃO CLIMATOLÓGICA PREVISÃO
Previsão Climática Sazonal do CPTEC/INPE
Esquema Operacional
Fatores que afetam a qualidade das previsões de
clima
Sistema de observação das
condições oceânicas;
Acoplamento oceano-atmosfera
(mudança do padrão oceânico)
O modelo numérico
Avaliação, verificação e desenvolvimento do modelo
Esforço na interface previsor/modelo
Limitações da Previsão Climática
Nível de detalhamento
Espacial e temporal
Prazo
Intensidade dos fenômenos
Erros sistemáticos dos modelos acoplados
Modelos não acoplados não são apropriados para simular a
Natureza em algumas regiões/estações: O CLIMA É UM
PROCESSO ACOPLADO.
As respostas da atmosfera não são lineares
Distinção entre as diversas variabilidades do sistema climático.
Parametrizações – o ideal é representar explicitamente os
processos físicos.
Condições iniciais e de contorno provenientes das observações:
melhorar resoluções espaciais e temporais e utilizaçao de novas aplicações de satélites.
IPCC 2007: Os modelos usados até agora não abrangem as
incertezas no processo de realimentação entre o clima e o ciclo do carbono nem compreendem todos os efeitos das mudanças no fluxo do manto de gelo, porque falta uma base nas publicações científicas.
• SW Radiation fluxes (albedo) • Momentum fluxes (roughness)
• Sensible and latent fluxes (partition of energy)
Trade Winds
Surface Winds
Drag
Solo
Variáveis Prognósticas dos Modelos
• Atmosphere – temperature – wind – moisture • Surface – pressure – temperature – snow amount • Soil – temperature – moisturedX/dt = Dinâmica + Parametrizações
• Ocean – temperature – Currents – salinityIncreasingly, climate models are being extended to include chemical and biological processes with many more prognostic variables
Brief history of climate modelling (I)
• 1922: Lewis Fry Richardson
– basic equations and methodology of numerical weather prediction
• 1950: Charney, Fjørtoft and von Neumann (1950)
– first numerical weather forecast (barotropic vorticity equation model)
• 1956: Norman Phillips
– first general circulation experiment (two-layer, quasi-geostrophic hemispheric model)
• 1963: Smagorinsky, Manabe and collaborators at GFDL, USA – 9 level primitive equation model
• 1960s and 1970s: Other groups and their offshoots began work – University of California Los Angeles (UCLA), National Center
for Atmospheric Research (NCAR, Boulder, Colorado) and UK Meteorological Office
Brief history of climate modelling (II)
• 1980s: First coupled model simulations
• 1990s onwards: Era of model intercomparisons – AMIP, CMIP, SMIP, ENSIP, PMIP……
• 2000 onwards: Multi-model ensemble seasonal forecasting systems
– DEMETER
• 2004: EU ENSEMBLES Project – combined seasonal-to-decadal and climate change multi-model ensembles • 2007: IPCC Fourth Assessment Report
– climate projections to 2100 from 18 coupled ocean-atmosphere-cryosphere models.
Ocean-Atmosphere Interaction
• The ocean and atmosphere interact
continuously
• Fluxes of heat, fresh water and
momentum
(+ numerous chemical species)Surface
boundary
layer
Qnet heat Precipitation Evaporation windstressBasic properties of the Ocean
Advective mid-latitude internal Rossby waves
Atmos. ~10 m/s ~10 m/s Ocean ~1-10 cm/s ~1cm/s • Density:
– At SLP ocean is ~ 1000x more dense than the atmosphere • Heat capacity:
– Specific heat capacity is ~1200x atmosphere – 2.5m of ocean has same heat capacity as whole
atmosphere • Velocities:
• Ocean moves and adjusts ~1000x more slowly than the atmosphere – a source of memory in the climate system
Evolução dos Modelos Climáticos:
1955-2004
Atmospheric General Circulation Models (1960-1965)
Smagorinsky, Manabe, Arakawa and Mintz, Leith, …
Oceanic General Circulation Models (1963-1967)
Bryan, Sarkisyan, Bryan and Cox, Takano and Mintz, Semtner, …
Land Surface Processes Models
Manabe (1965); Dickinson (1984), Sellers et al. (1986), …
Coupled Climate Models
Manabe and Bryan (1969); Gates, Hansen, Hasselmann, Meier-Reimer, Mitchell, Washington, …
Geographic resolution characteristic of the
generations of climate models used in the IPCC Assessment Reports: FAR (1990), SAR (1996), TAR (2001), and AR4 (2007). Chapter 1 1990 1996 2001 2007
Circulação Atmosférica e Radiação
Continente e Oceano
IPCC – FAR - 1990
Impacto para definição do conteúdo da UNFCCC (Quadro das Nações Unidas sobre Mudança do Clima )
Circulação Atmosférica e Radiação Atividade Vulcânica Emissão Circulação Oceânica Gelo Marinho Sulfatos Continente e Oceano
IPCC – SAR - 1996
Circulação Atmosférica e Radiação Atividade Vulcânica Emissão Circulação Oceânica Circulação de Retorno Gelo Marinho Sulfatos Aerossóis Hidrologia Profundidade do Solo Continente e Oceano Ciclo de Carbono
IPCC – TAR - 2001
Colocou atenção nos impactos das mudanças climáticas e necessidade de adaptação
Circulação Atmosférica e Radiação Atividade Vulcânica Emissão Circulação Oceânica Circulação de Retorno Gelo Marinho Sulfatos Aerossóis Hidrologia Profundidade do Solo Continente e Oceano Física do Solo Ciclo de Carbono Química da Atmosfera
IPCC – AR4 - 2007
Circulação Atmosférica e Radiação Atividade Vulcânica Emissão Circulação Oceânica Circulação de Retorno Gelo Marinho Sulfatos Aerossóis Hidrologia Profundidade do Solo Continente e Oceano Física do Solo Dinâmica da Vegetação Uso da Terra Ecologia Marinha Biogeoquímica Permite Interação com CO2
Ciclo de Carbono
Química da Atmosfera
FAQ 1.2, Figure 1
Mid 2000s
Atmosphere
Land Surface
Ocean & Sea-Ice
Sulphate Aerosol Non-sulphate Dynamic Vegetation Atmospheric Chemistry Aerosol Carbon Cycle Atmosphere Land Surface
Ocean & Sea-Ice
Sulphate Aerosol Non-sulphate Aerosol Carbon Cycle Atmosphere Land Surface
Ocean & Sea-Ice
Sulphate Aerosol Atmosphere
Land Surface
Ocean & Sea-Ice Atmosphere Land Surface Atmosphere Around 2000 Late 1990s Early 1990s Mid-1980s Mid-1970s
The Climate System
Global mean temperature anoamlies, as observed (black line, HadCRUT2v, Parker et al., 2004) and as modelled by a
range of climate models when the simulations include (a) both
anthropogenic and natural
forcings and (b) natural forcings only. The multimodel ensemble mean is shown in grey, and individual simulations are shown in colour, with curves of the same colour indicating different
ensemble members for the same model. Chapter 9 Forçante natural+antropogênica Forçante natural OBSV OBSV
CENÁRIOS SOCIO-ECONÔMICO •População •PIB •Energia •Industria •Transporte •Agricultura •... CENÁRIOS DE EMISSÕES •Gases do Efeito Estufa (CO2, CH4, N2O, ...) •Aerossóis e gases quimicamente ativos (SO2, CP, CO, NOx, COVs) •Uso e cobertura da terra CENÁRIOS RADIATIVOS FORÇADOS •Concentrações atmosféricas •Ciclo de Carbono, incluindo fluxos de oceano e terrestre •Química da atmosfera... CENÁRIOS DE MODELOS CLIMÁTICOS •Temperatura •Precipitação •Umidade •Umidade do solo •Eventos extremos •... ESTUDOS DE VULNERABILI-DADES, IMPACTOS e ADAPTAÇÕES •Zonas costeiras •Hidrologia e recursos de H2O •Ecossistemas •Segurança do alimento •Infraestrutura •Saúde Humana
Moss et al. NATURE 2010
4 Caminhos Representativos do RCP
RCP8.5 (IIASA/MESSAGE) Forçante Radiativa: >8.5Wm-2 em 2100 Concentração (ppm): >1370 CO2-equiv. em 2100 Comportamento: Elevação RCP6.0 (NIES/AIM)Forçante Radiativa: 6Wm-2 estabiliza depois de 2100
Concentração (ppm): 850 CO2-equiv.
Comportamento: Estabiliza e não ultrapassa
RCP4.5 (PNNL/MiniCAM)
Forçante Radiativa: 4.5Wm-2 estabiliza depois de 2100
Concentração (ppm): 650 CO2-equiv.
Comportamento: Estabiliza e não ultrapassa
RCP2.6 (PBL/IMAGE)
Forçante Radiativa: Pico de <3Wm-2 em 2100 e então declina
Concentração (ppm): Pico de 490 CO2-equiv. antes de 2100 e então declina Comportamento: Pico e declina.
Projeções de Modelos Globais
do CMIP5
Figure SPM.8: Maps of CMIP5 multi-model mean results for the scenarios RCP2.6 and RCP8.5 in 2081– 2100 of (a) annual mean surface temperature change, Changes in panels (a) are shown relative to 1986–2005. The number of CMIP5 models used to calculate the model mean is indicated in the upper right corner of each panel. For panels (a), hatching indicates regions where the multi-model mean is small compared to internal variability (i.e., less than one standard deviation of internal variability in 20-year means). Stippling indicates regions where the multi-model mean is large compared to internal variability (i.e., greater than two standard deviations of internal variability in 20-year means) and where 90% of models agree on the sign of change (see Box 12.1).
Figure SPM.8: Maps of CMIP5 multi-model mean results for the scenarios RCP2.6 and RCP8.5 in 2081– 2100 of (b) average percent change in annual mean precipitation. Changes in panels (b) re shown relative to 1986–2005. The number of CMIP5 models used to calculate the multi-model mean is indicated in the upper right corner of each panel. For panels (b), hatching indicates regions where the multi-model mean is small compared to internal variability (i.e., less than one standard deviation of internal variability in 20-year means). Stippling indicates regions where the multi-model mean is large compared to internal variability (i.e., greater than two standard deviations of internal variability in 20-year means) and where 90% of models agree on the sign of change (see Box 12.1).
A quantidade de vapor d'água necessária para
saturar um volume aumenta com a temperatura.
A Conexão entre Aquecimento Global e o
Ciclo Hidrológico
Aquecimento
Temperatura Evaporação Capacidade de Reter Água Umidade Atmosférica Temperature oF Satu rated V ap o r Pr essu ret
t+20
Efeito Estufa Intensidade da Chuva Seca InundaçãoInundação
Seca
Created by: Gi-Hyeon Park Cortesia: S. Sarooshian, U. California-Irvine
Alguns efeitos do aumento do nível do mar:
- Inundações mais freqüentes
- Erosão costeira e possível redefinição de linha costeira
- Intrusão de água salgada
- Problemas em lençóis freáticos
- Redução ou inversão do fluxo de água doce proveniente de aqüíferos
- Perdas de terras alagáveis (e mudanças) e de zonas úmidas costeiras por
inundação ou migração para o interior
- Diminuição do pH da água salgada – problemas em recifes de corais
- Aumento do surgimento de algas
- Alteração da alocação de sedimentos e nutrientes fluviais – possíveis
alterações na circulação e na distribuição de espécies
- Alteração dos volumes de água que entram e saem dos estuários
- Alterações do gradiente de salinidade nos estuários afeta a
Alguns efeitos do aumento do nível do mar:
- Mudanças da temperatura do mar podem alterar a distribuição de
espécies marinhas.
- O aumento do nível do mar, mesmo em apenas algumas dezenas
de centímetros pode resultar em catástrofes de grandes dimensões.
-Devido ao desequilíbrio térmico já provocado, mesmo na
eventualidade de cessarmos todas as emissões, o nível do mar
deverá ainda continuar aumentando por várias décadas, ou
séculos!!!
Podem ocorrer mudanças climáticas
abruptas ou modificações na
Changes in extremes based on multi-model simulations from nine global coupled climate models,
adapted from Tebaldi et al. (2006). a) Globally averaged changes in precipitation intensity (defined as the annual total precipitation divided by the number of wet days) for a low (SRES B1), middle (SRES A1B), and high (SRES A2) scenario. b) Changes of spatial patterns of precipitation intensity based on
simulations between two 20-year means (2080–2099 minus 1980–1999) for the A1B scenario. c) Globally averaged changes in dry days (defined as the annual maximum number of consecutive dry days). d) changes of spatial patterns of dry days based on simulations between two 20-year means (2080–2099
minus 1980–1999) for the A1B scenario. Chapter 10
Chapter 10 Extremos climáticos
Emissões de CO
2
Total 1990 979 milhões t CO2 Total 1994 1030 milhões t CO2 Variação 1990-1994 5% 1990 Processos Industriais 2% Energia 21% Mudança no Uso da Terra e Florestas 77% 1994 Energia 23% Processos Industriais 2% Mudança no Uso da Terra e Florestas 75%Muito
Gilvan Sampaio INPE/CPTEC
Rodovia Dutra, km 39 12630-000
Cachoeira Paulista São Paulo, Brasil
gilvan.sampaio@inpe.br
www.cptec.inpe.br