Avaliação do modelo RAMS para caracterizar vento local no estado do Ceará

Transcrição

1 Avaliação do modelo RAMS para caracterizar vento local no estado do Ceará Francisco das Chagas Vasconcelos Júnior 1. João Bosco Verçosa Leal Junior 2. Camylla Maria Narciso de Melo 3. Cleiton da Silva Silveira 4. 1,4 Fundação Cearense de Meteorologia e Recursos Hídricos FUNCEME Av. Rui Barbosa, 1246 Aldeota, Fortaleza CE Brasil. Fone: (085) Mestrado em Ciências Físicas Aplicadas MCFA - Universidade Estadual do Ceará UECE - Av. Paranjana, 1700 Campus do Itaperi Fortaleza - CE - Brasil. Fone: (085) Pós-Graduação em Engenharia Elétrica - Universidade Federal do Ceará UFC Campus do Pici juniorphy@gmail.com ABSTRACT: Sensibility tests of the RAMS model are performed in order to find the best configuration over the region of the Jaguaribe river valley, in Ceará state. This region is known by occurrence of phenomenon called Aracati wind. Simulations were performed in two distinct scenarios, in the rainy season, and another in the dry season. Wind speed and direction at 10 m height from model output are compared to observations at 6 cities next to the river. Two cumulus convection parameterizations, nudging within domain as well as distinct time scales for convection and radiation parameterizations are evaluated in this work. A statistical score method is utilized to evaluate the simulations. The results show that in the rainy season the configuration with Kain- Fritsch s convection parameterization is most appropriate, whereas in the dry season the one with radiation update less frequently produced better results. Keywords: Sensibility Tests, Aracati Wind, Numerical Modeling. 1 INTRODUÇÃO No interior do estado do Ceará, existe um fenômeno atmosférico chamado de vento Aracati, o qual é bem conhecido pelos habitantes que vivem próximo à bacia do rio Jaguaribe, porção leste do estado. Esse vento tem a característica de ocorrer sempre no início de noites de dias quentes do período seco do ano. Sua ocorrência foi associada a uma brisa marítima com grande penetração no continente (CAMELO, 2007), e ainda, recentemente, associado a desenvolvimento de Jatos de Baixos Níveis sobre o vale do rio Jaguaribe (VASCONCELOS JÚNIOR, 2010). Estudos de ventos locais como o Aracati são de grande importância, pois além de sua relevância meteorológica (transporte de umidade e momentum, conforto térmico, dentre outros), existe a possibilidade de sua utilização para fins de geração de energia elétrica, pois em média alcança de 5 a 10 m/s de magnitude (CAMELO, 2007). O período do dia e do ano em que o Aracati ocorre são os períodos em que ocorre o pico de consumo de energia elétrica (início da noite) e quando os reservatórios de hidroelétricas estão com sua capacidade mínima devida à baixo índice de precipitação (período seco do ano). Contudo, a instalação de parques eólicos necessita de, primeiramente, estudos detalhados do escoamento médio sobre a região e assim seu potencial eólico, a fim de saber em quanto tempo o investimento terá retorno e se o mesmo é viável ou não. A utilização de modelos numéricos para estudar o potencial eólico de regiões está cada vez mais difundida (DE MARIA, 2007; CUNHA, 2008). Esses modelos atmosféricos oferecem várias opções de esquemas para parametrizar processos que não podem ser resolvidos pelos modelos,

2 como por exemplo, (turbulência, convecção, radiação), além de opções na assimilação de dados (nudging). Nesse sentido, este trabalho visa avaliar quais as melhores opções do modelo por meio de testes de sensibilidades, simulando as condições de vento na bacia do rio Jaguaribe a partir de uma configuração já encontrada na literatura (CAMELO, 2007). Um método estatístico de escores é utilizado para se averiguar quantitativamente qual configuração do modelo tem o melhor desempenho ao se comparar as variáveis simuladas com as observadas. 2 - MATERIAIS E MÉTODOS O modelo numérico escolhido para realizar as simulações foi o Regional Atmospheric Modeling System RAMS, versão 6.0 (WALKO e TREMBACK, 2008). Foram utilizadas três grades aninhadas e centradas no mesmo ponto (bacia do rio Jaguaribe). As grades possuíam resoluções de 40 km, 10 km e 2,5 km. A grade vertical possui espaçamento inicial de 20 m e razão de alargamento de 1,1, obtendo cerca de 4 pontos de grades nos primeiros 120 m e, consequentemente, buscando uma boa representação próxima a superfície. A Fig. 1 apresenta a disposição das grades do modelo utilizadas no trabalho. Figura 1 - Disposição das grades utilizadas. A inicialização e condições de fronteira foram provenientes os dados do projeto Reanalyses do National Center for Environmental Prediction NCEP (KALNAY et al, 1996). As simulações foram realizadas em quatro meses dividido em dois períodos distintos do ano de 2005, um dentro do período chuvoso do Ceará (março e abril) e outro dentro no período de estiagem (outubro e novembro). Este período foi escolhido devido à disponibilidade de dados observados. Os dados observados utilizados são das variáveis direção e velocidade do vento a 10 m de altura, elas são oriundos de 6 plataformas de coleta de dados (PCD) da Fundação Cearense de Meteorologia e Recursos Hídricos (FUNCEME) nas cidades de Acopiara, Icapuí, Icó, Jaguaruana, Lavras da Mangabeira e Icó. A Fig. 2 exibe a localização das PCD, além do rio Jaguaribe.

3 Figura 2 - Mapa do estado do Ceará mostrando a localização das PCD utilizadas e do rio Jaguaribe. Fonte: Melo et al. (2009). Nos testes de sensibilidade foram considerados 6 tipos de configuração, partindo de um teste controle (c.f Tab. 1). Os seguintes parâmetros foram modificados, sendo cada opção permutada em cada simulação: nudging no centro do domínio, parametrização de convecção, parametrização de turbulência, atualização de convecção e atualização de radiação. Comuns a todas as configurações tem-se: parametrização de microfísica nível 3, parametrização de radiação proposto por Harrington tanto para onda-longa e onda-curta, nudging nas laterais da grade com 5 pontos e escala de tempo de s (6 horas) e nudging no topo do domínio iniciando de 17 km até 22,3 km com escala de tempo de s (12 horas). Para se avaliar as opções testadas nas simulações do ponto de vista qualitativo, foram feitos gráficos das séries temporais dos dados modelados e observados. Já quantitativamente, foi utilizado um método de escores proposto por De Maria (2007). Nesse método são consideradas medidas de erro e índices estatísticos, onde cada um tem um escore que visa adequar a aplicabilidade de cada medida. Os índices e seus respectivos escores estão apresentados na Tab. 2. Simulações Tabela 1 Ajustes dos parâmetros das simulações dos testes de sensibilidade. Nudging central Parametrização convecção Parametrização turbulência Atualização radiação Atualização convecção Simul_ s Kuo Mellor-Yamada 600 s 1200 s Simul_2 Desligado Kuo Mellor-Yamada 600 s 1200 s Simul_ s Kain-Fritsch Mellor-Yamada 600 s 1200 s Simul_ s Kuo Smagorinsky 600 s 1200 s Simul_ s Kuo Mellor-Yamada 1200 s 1200 s Simul_ s Kuo Mellor-Yamada 600 s 1800 s

4 Tabela 2 - Índices estatísticos e seus respectivos escores. Fonte: De Maria (2007). Símbolo Índice Escores b Viés estatístico 1 A Erro Absoluto 1 E Erro Quadrático Médio 1 R σ Razão entre os Desvios Padrão 1 A d Erro Absoluto Médio dos desvios 2 E d Erro Quadrático Médio dos desvios 2 I c Índice de Concordância 3 r Correlação RESULTADOS As simulações com a configuração 4 (Simul 4), durante a integração do modelo, teve apresentaram erro de difusão numérica, sendo descartadas deste trabalho. Esse erro pode estar relacionado com a utilização da parametrização de Smagorisky para turbulência juntamente com parametrização de radiação proposta por Harrington. No período chuvoso, a configuração que utilizou a parametrização de Kain-Fritsch (Simul_3) obteve os melhores resultados para as duas variáveis analisadas, conseguindo ser superior no somatório dos escores em 3 PCD, para a variável velocidade e em outras 4 PCD, para variável direção. A Tab. 3 sintetiza os resultados da análise de escores de todos os índices da Tab. 2, indicando em quantas PCD uma configuração foi a melhor. A Tab. 4 apresenta os resultados do período seco, onde a configuração Simul_5 se mostra como a melhor opção. Os resultados indicam que o aumento da escala de tempo da atualização de radiação produz melhor resultados na destreza do modelo em quase todas as PCD analisadas, revelando também uma representação espacial satisfatória do modelo, diferentemente do encontrado no período chuvoso, onde o aumento da escala de tempo teve um piores resultados. Isto pode estar relacionado à maior necessidade de se calcular o balanço radiativo devido a uma maior cobertura de nuvem nesse período. Tabela 3 - Escores totais de cada simulação do período chuvoso para as variáveis velocidade e direção do vento. Além disso, indica-se a quantidade de PCD que uma dada simulação teve melhor desempenho. PCD Simul_1 Simul_2 Simul_3 Simul_5 Simul_6 Vel Dir Vel Dir Vel Dir Vel Dir Vel Dir Acopiara Icapuí Icó Jaguaruana Lavras Mangab Morada Nova Total de PCD CONCLUSÕES No período estudado dentro da quadra chuvosa, observou-se que a parametrização de convecção proposta por Kain-Fritsch (Simul_3) obteve melhores resultados no teste estatístico com ambas as variáveis. Nesse ajuste, uma melhor representação da convergência de umidade em baixos níveis produziu uma melhor representação do escoamento superficial do vento.

5 Por outro lado, no período seco, notou-se que na simulação em que a escala de tempo da parametrização de radiação foi prolongada (Simul_5), o modelo apresentou melhores resultados no com o método estatístico empregado. Como no período de estiagem a cobertura de nuvens é mínima, o balanço radiativo não é necessário ser feito tão frequentemente. Tabela 4 - Escores totais de cada simulação do período seco para as variáveis velocidade e direção do vento. Além disso, indica-se a quantidade de PCD que uma dada simulação teve melhor desempenho. PCD Simul_1 Simul_2 Simul_3 Simul_5 Simul_6 Vel Dir Vel Dir Vel Dir Vel Dir Vel Dir Acopiara Icapuí Icó Jaguaruana Lavras Mangab Morada Nova Total de PCD Nos testes de sensibilidade do modelo RAMS para a caracterização de um vento local sobre a bacia do rio Jaguaribe, observou-se que modificações na configuração do modelo já encontrada na literatura (CAMELO, 2007) para estudar tal região indicam um melhor desempenho do modelo em representar a velocidade e a direção do vento próximo à superfície. 5 - AGRADECIMENTOS Os autores gostariam de agradecer à FUNCEME, pelos dados das PCD e ao Mestrado Acadêmico em Ciências Físicas Aplicadas (MCFA), além da À FUNCAP, pelo auxílio financeiro via projeto de pesquisa (proc. 1153/06). 6 - REFERÊNCIAS BIBLIOGRÁFICAS CAMELO, H. N. Estudo Numérico do Vento Aracati para Caracterização de seu Potencial Eólico. 71 f. Dissertação (Mestre em Ciências Físicas Aplicadas) Universidade Estadual do Ceará, Fortaleza, Maio CUNHA, E. B. A. C. Investigação do Potencial Eólico de Região Serrana no Ceará. Dissertação (Mestre em Ciências Físicas Aplicadas) - Universidade Estadual do Ceará, Fortaleza, janeiro DE MARIA, P. H. S. Modelagem numérica em alta resolução para previsão de geração de energia eólica no Ceará. 123 f. Dissertação (Mestre em Ciências Físicas Aplicadas) - Universidade Estadual do Ceará, Fortaleza, junho KALNAY, E, et al., The NCEP/NCAR 40-year reanalysis project. Bull. American Meteorology Society, 77: (1996). VASCONCELOS JÚNIOR, F.C. Estudo numérico de jatos de baixos níveis sobre o estado do Ceará. 129 f. Dissertação (Mestre em Ciências Físicas Aplicadas) Universidade Estadual do Ceará, Fortaleza, fevereiro WALKO, R. L.; TREMBACK, C. J. RAMS: Regional Atmospheric Modeling System - Technical Description. Boulder (CO), p. Disponível em: < rams_techman.pdf>. Acesso em: 02 jan MELO, C. M. N. et al. Testes de sensibilidade do modelo RAMS para caracterização do estado do Ceará. Ciência e Natura, Edição Especial. p 245, 2009.