XII Congresso Brasileiro de Meteorologia, Foz de Iguaçu-PR, 2002

Transcrição

1 IMPLEMENTAÇÃO DE UM MODELO DE MESOESCALA PARA A REGIÃO SUL DO BRASIL Maurício F. Gobbi gobbi@simepar.br Marcelo Chamecki chamecki@simepar.br Dornelles Vissotto Junior vissotto@simepar.br Igor A. Pisnitchenko igor@simepar.br Nelson L. Dias nldias@simepar.br ABSTRACT The main purpose of this work is to describe the efforts at SIMEPAR during the past two years to implement a mesoscale model for numerical weather prediction. The model of choice was ARPS (Advanced Regional Prediction System), which is non-hydrostatic and tridimensional. The main goals during this period have been the implementation of the parallel version of ARPS in a 16 processor-parallel computer, the incorporation of surface characteristics, the assimilation of global model outputs for initialization and boundary conditions and the assimilation/analysis of measured data into initial condition, as well as the development of an operational suite including all the steps above plus post-processing programs for visualization purposes. Finally a few model results are shown and some problems are pointed out. 1. INTRODUÇÃO Dentre as diversas áreas da meteorologia, a previsão do tempo através de modelos numéricos é uma área que se encontra em ampla expansão. Tal fato se deve em grande parte aos avanços experimentados pela informática, principalmente no que diz respeito ao desenvolvimento de computadores rápidos e acessíveis que tornaram possível a execução de modelos complexos com elevado grau de agilidade e em tempo relativamente pequeno. Além da previsão numérica de tempo, os modelos computacionais do estado da atmosfera têm contribuído na compreensão de fenômenos meteorológicos e processos climáticos. Em virtude deste cenário, existe hoje um esforço relativamente grande no Brasil no sentido de desenvolver a área de previsão numérica de tempo. Particularmente no que diz respeito à modelagem de fenômenos de mesoescala [1], este trabalho concentra-se na adaptação e adequação dos modelos desenvolvidos em outros países para as condições específicas encontradas no Brasil. Para tanto, é necessário o investimento tanto na busca de informações relacionadas às características da topografia, solo, vegetação e ocupação do solo como também o 3894

2 monitoramento contínuo de variáveis meteorológicas necessárias para que se possa validar os modelos além de calibrá-los para a região de interesse. Dentro desse contexto, o objetivo principal deste trabalho desenvolvido no Instituto Tecnológico SIMEPAR é a adequação, implementação e operacionalização de um modelo de mesoescala para a região sul do Brasil. Para tanto, durante os dois últimos anos buscou-se o desenvolvimento de uma suíte operacional robusta, dentro da qual, além de rodadas automáticas do modelo, está contido todo o processo de busca de dados para alimentação do mesmo com condições iniciais e de contorno adequadas e o pós-processamento necessário para adequação dos resultados do modelo às necessidades de previsão de tempo do SIMEPAR. Na próxima seção encontra-se uma breve descrição da suíte operacional desenvolvida. A seção 3 apresenta alguns resultados obtidos bem como problemas encontrados durante o processo e na seção 4 estão as conclusões obtidas até o presente momento. 2. METODOLOGIA O passo inicial deste trabalho foi a escolha de um modelo de mesoescala adequado para o projeto. Dentre os diversos modelos existentes, o que se mostrou mais apropriado foi o ARPS (Advanced Regional Prediction System) [2,3,4]. O ARPS é um modelo de código aberto e de domínio público tridimensional não-hidrostático com física sofisticada que permite uma grande variedade de configurações pelo usuário via uma lista de parâmetros. Além disso, o código é bem estruturado e documentado, tornando-se relativamente fácil a alteração e inclusão de rotinas. Uma outra vantagem do ARPS é a versão MPI (Message Passing Interface) desenvolvida de forma a aproveitar ao máximo a capacidade de sistemas de computadores com arquitetura paralela. A etapa seguinte foi a definição da configuração das duas grades que seriam utilizadas. A primeira, denominada de grade externa é constituída de uma distribuição horizontal de 93x93 pontos com espaçamento de 50 km entre eles e centro no ponto de longitude igual a 63 o e latitude igual a 30 o. Essa grade apresenta 35 níveis verticais sendo que o primeiro ponto está localizado 100 metros acima da superfície. O objetivo principal dessa grade é a assimilação do modelo global e de dados observacionais para geração das condições inicial e de contorno para a grade interna. A grade interna também é constituída de 93x93 pontos com espaçamento de 16 km e centro no ponto de longitude igual a 52.4 o e latitude igual a 25.1 o. Da mesma forma que na grade externa, existem 35 níveis verticais, sendo que o primeiro ponto está localizado 50 metros acima da superfície. O domínio de abrangência das duas grades pode ser visualizado na Figura 1. Figura 1 Domínio das grades utilizadas (a) grade externa e (b) grade interna 3895

3 Além das características intrínsecas da superfície que são assimiladas pelo modelo através de dados como topografia, tipo de vegetação (variável sazonalmente), tipo de solo, etc., são necessários dados relacionados às condições iniciais e de condições de contorno das variáveis prognosticas do modelo (velocidades, pressão, umidade, temperatura, etc.). Para a caracterização da superfície foram utilizados arquivos de topografia com resolução de 5 minutos e de 30 segundos fornecidos pelo NCAR (National Center for Atmospheric Research), arquivos contendo dados de cobertura vegetal e NDVI com resolução de 1km disponibilizados pelo USGS (United States Geological Survey) e arquivos contendo a classificação do solo com resolução de 2 minutos obtidos junto à FAO (Food and Agriculture Organization of the United Nations). Rotinas especiais foram desenvolvidas para possibilitar a conversão dos padrões de classificação de solo da FAO para os 13 tipos contidos no modelo ARPS com resolução de 1 km. Para a inicialização dos campos do modelo e para a criação dos arquivos contendo as condições de contorno, são utilizados os resultados do modelo espectral de circulação global do NCEP (National Centers for Environmental Prediction) denominado AVN. Rotinas foram desenvolvidas para a assimilação deste modelo e do modelo global do CPTEC sendo que a utilização atual do modelo do NCEP se deve ao fato de sua disponibilização ocorrer em tempo mais hábil que a do CPTEC. As variáveis assimiladas são os campos tridimensionais de temperatura, umidade relativa, altura geopotencial e as duas componentes horizontais de velocidade do vento além dos campos bidimensionais de pressão reduzida ao nível médio do mar, temperatura da superfície, temperatura do solo entre 10 e 200 cm, umidade do solo até 10 cm e umidade do solo entre 10 e 200 cm de profundidade. Com o objetivo de melhorar os campos de inicialização gerados à partir dos modelos globais de circulação e, conseqüentemente, as previsões do modelo de mesoescala, uma série de dados observados são assimilados e combinados aos campos iniciais através de uma análise. Para tanto está sendo utilizado um programa que faz parte do sistema ARPS, o ADAS (ARPS Data Assimilation System). Nas análises são levadas em conta cinco variáveis: componentes de velocidade horizontal do vento, temperatura, temperatura do ponto de orvalho e pressão. Atualmente são utilizados na análise dos campos iniciais do ARPS dois tipos de dados: dados de superfície e dados de radiossondagens. Os dados de superfície incorporados atualmente ao modelo ARPS fazem parte de duas redes de observações: as estações telemétricas do SIMEPAR e a rede METAR. A rede de telemétricas do SIMEPAR apresenta uma grande densidade de informações, porém restringe-se ao estado do Paraná. Em função disso, a assimilação destes dados é realizada exclusivamente na grade interna. Para que essa assimilação fosse possível, foi necessário o desenvolvimento de códigos que pudessem acessar diretamente o banco de dados do SIMEPAR gerando arquivos no formato padrão LAPS (Local Analysis and Prediction System), que pode ser lido pelo programa ADAS. Já a rede METAR está distribuída em aeroportos do mundo inteiro, o que faz com que seja bastante proveitosa sua assimilação em ambas as grades. A assimilação desses dados é realizada com auxílio de códigos desenvolvidos para decodificar e formatar os mesmos em arquivos padrão LAPS. Pode-se visualizar na Figura 2 as localizações das estações METAR e das telemétricas que estão sendo utilizadas atualmente. 3896

4 Figura 2 Localização das estações de superfície (a) METAR e (b) Telemétricas A seguir são apresentados alguns exemplos da importância da inclusão de dados observacionais na análise feita pelo programa ADAS. Na Figura 3 pode ser visualizado o campo inicial de temperatura superficial gerado a partir do modelo AVN para a grade externa no dia 09/02/2001 antes e depois da assimilação de dados do METAR (00:00 UTC). Pode-se notar após a assimilação algumas alterações significativas no campo inicial. Figura 3 Assimilação de dados observados na grade externa (a) AVN e (b) AVN após assimilação Na Figura 4 podem ser visualizados os campos da mesma rodada da Figura 3, só que agora para a grade interna. Nota-se que a assimilação dos dados das telemétricas do SIMEPAR e do METAR alteram sensivelmente os campos iniciais. 3897

5 Figura 4 Assimilação de dados observados na grade interna (a) AVN e (b) AVN após assimilação Além da assimilação de dados de superfície, foram adaptados alguns programas do projeto Unidata ( para aquisição e formatação de dados de radiossondagens. Esses dados são assimilados através do programa ADAS tanto na grade externa quanto na interna. Os benefícios da assimilação de dados parecem claros, principalmente nas primeiras horas de simulação. Através da análise de alguns casos, constatou-se que o efeito benéfico da assimilação dos dados observados chega a durar aproximadamente 15 horas em alguns pontos do domínio, enquanto em outros não passa de duas ou três horas. Para prazos mais longos o efeito da inclusão de dados observacionais na condição inicial tendem a ser menos evidentes. As principais configurações atualmente adotadas em termos de parametrização são: esquema de fechamento TKE de ordem 1.5 para as equações e termos de turbulência; inclusão de processos de microfísica de umidade (vapor, água líquida e gelo); esquema de parametrização de formação de cumulus; inclusão de radiação atmosférica. O cálculo dos fluxos é baseado em um modelo de transferência solo-vegetação-atmosfera (SVAT) [5]. A suíte operacional (Figura 5) desenvolvida é na realidade uma série de programas (scripts) que realizam todo o processo automaticamente. Duas vezes ao dia os programas inicializam o processo buscando os dados disponibilizados pelo NCEP via FTP. Uma vez que esses dados estejam gravados em disco e que a integridade dos arquivos esteja detectada são então obtidos os arquivos com dados de METAR e radiossondagens. Em seguida os dados disponíveis no banco de dado de estações telemétricas do SIMEPAR são também agrupados. A partir do momento em que todos esses dados estão disponíveis, a seqüência é a seguinte: prepara-se os arquivos contendo as condições iniciais e de contorno para a grade externa; utilizando-se o ADAS é feita a análise para inicialização da grade externa; roda-se o ARPS para a grade externa com condições de contorno inseridas a cada 3 horas; prepara-se os arquivos de condições iniciais e de contorno para a grade interna; faz-se a análise para a grade interna; roda-se o modelo para a grade interna; realiza-se o pós-processamento dos arquivos de saída do modelo. Dessa forma são realizadas duas rodadas ao dia, com horários de inicialização correspondentes à 9:00 e 21:00 (horário local). A rodada das 21:00 horas (0:00 UTC) fornece previsão de 48 horas e os arquivos pós-processados normalmente estão disponíveis aproximadamente às 5:00 horas da manhã do dia seguinte. Enquanto isso, a rodada das 9:00 horas (12:00 UTC) fornece 36 horas de previsão estando disponível antes das 17:00 horas. 3898

6 3. RESULTADOS E DISCUSSÃO Figura 5 Fluxograma de funcionamento da suíte operacional Como primeiro resultado importante a ser ressaltado pode-se citar o desenvolvimento de uma suíte operacional robusta que têm sido executada duas vezes por dia ininterruptamente desde o mês de dezembro de Durante esse período, poucos foram os dias em que o modelo não forneceu os resultados esperados, sendo 3899

7 que na maioria das vezes em que isso ocorreu a causa foi a não disponibilização em tempo adequado dos resultados do modelo global do NCEP. Além disso, a versão MPI (atualmente configurada para 9 processadores) têm rodado em tempo satisfatório. Um problema constatado é a distorção da topografia em regiões de elevadas declividades, como por exemplo, em pontos próximos à serra do mar. Ainda faltam algumas análises para constatação da causa exata deste problema, mas os parâmetros utilizados no esquema de interpolação de Barnes [6] estão sendo testados. Decorrente deste problema, os valores dos campos de pressão apresentam defasagem nestes mesmos pontos. Embora uma suíte operacional para avaliação sistemática da acurácia do modelo ainda esteja em desenvolvimento e a análise estatística envolvendo todas as estações telemétricas para períodos longos ainda não esteja implementada, algumas análises de casos isolados fornecem uma idéia relativamente boa do comportamento do modelo. No entanto, o problema mais sério detectado até o momento é uma defasagem média de aproximadamente 2.0 º C nos campos de temperaturas previstos pelo modelo. Apesar das configurações dos campos estarem em concordância com outros modelos e com valores observados, os valores apresentam um erro sistemático de magnitude. Essa defasagem tende a ser mais acentuada nos horários de temperatura mais elevadas. Dois exemplos de meteogramas comparativos entre os dados observados e previstos pelo ARPS para o dia 27/10/2001 estão apresentados na Figura 6. O primeiro refere-as à rodada das 0:00 horas UTC e o segundo 12:00 horas UTC. Figura 6 Meteogramas comparativos entre previsões do ARPS e temperaturas observadas Dentre as diversas causas possíveis para esse erro, foram verificados os valores de radiação incidente, nebulosidade e fluxos de calor latente e sensível da superfície. Através de comparações com dados medidos em uma estação especial do SIMEPAR localizada na região de Foz do Iguaçu [7], pôde-se detectar que o problema é o balanço entre os fluxos de calor sensível e latente. Pode-se observar que as inicializações de temperatura e umidade do solo feitas a partir do modelo AVN apresentam diferenças bastante grandes em relação aos valores medidos em Foz do Iguaçu, sendo parcialmente responsáveis pelos erros nos fluxos. Além disso, testes utilizando parâmetros manualmente alterados de características da superfície, como índice foliar e percentual de cobertura vegetal, apresentam uma melhora significativa, levantado uma certa incerteza em relação às parametrizações de superfície do ARPS ao interpretar os arquivos de NDVI do USGS para essa região. 4. CONCLUSÕES O principal ponto a ser destacado, é a viabilidade de adequação e utilização de modelos de mesoescala para previsão numérica do tempo. Tanto em termos computacionais como no que diz respeito aos resultados, as perspectivas são bastante positivas. A suite operacional completa é executada em tempo hábil para que seus resultados possam ser aproveitados para a previsão do tempo, e a qualidade dos mesmo, a menos de pequenos problemas que estão sendo corrigidos, são bastante satisfatórios. 3900

8 Parece evidente a necessidade de um maior monitoramento de variáveis importantes na região sul do Brasil. Um conhecimento mais detalhado das características da superfície, como cobertura vegetal, solo, índice de área foliar, rugosidade, percentual da cobertura vegetal, entre outros são de fundamental importância para esse tipo de modelagem [7]. Além disso, os modelos parecem ser bastante sensíveis às variações de umidade e temperatura da superfície do solo [8]. No entanto, poucos são os pontos de medição dessas grandezas, tornando difícil uma avaliação da inicialização desses campos. Outro ponto importante de se ressaltar é a necessidade da medição de fluxos de calor sensível e latente. Além de diversas outras utilidades, o conhecimento do comportamento desses fluxos é de fundamental importância para a calibração de modelos de mesoescala. Desse modo, a implantação de uma rede relativamente densa de estações especiais como a instalada em Foz do Iguaçu, que permite a medição de todas essas variáveis dentre muitas outras, mostra-se de grande importância neste trabalho de calibração e adequação de modelos de mesoescala para o Brasil. REFERÊNCIAS BIBLIOGRÁFICAS [1] PIELKE, R.A. Mesoscale Meteorological Modeling. Academic Press, Sand Diego: [2] XUE, M., DROEGEMEIER, K.K., WONG, V., SHAPIRO, A. e BREWSTER, K. Advanced Regional Prediction System ARPS version 4.0 User s Guide. Center for Analysis and Prediction os Storms, University of Oklahoma: [3] XUE, M., DROEGEMEIER, K.K., WONG, V. The Advanced Regional Prediction System (ARPS) - A multi-scale nonhydrostatic atmospheric simulation and prediction model. Part I: Model dynamics and verification. Meteorology and Atmospheric Physics, vol. 75, p : [4] XUE, M., DROEGEMEIER, K.K., WONG, V., SHAPIRO, A., BREWSTER, K., CARR, F., WEBER, D., Liu, Y., Wang, D. The Advanced Regional Prediction System (ARPS) - A multi-scale nonhydrostatic atmospheric simulation and prediction tool. Part II: Model physics and applications. Meteorology and Atmospheric Physics, vol. 76, p : [5] NOILHAN, J. e PLANTON, S. A Simple Parameterization of Land Surface Processes for Meteorological Models. Monthly Weather Review, number 117, p : [6] BARNES, S. A Technique for Maximizing Details in Numerical Map Analysis. Journal of Applied Meteorology, vol. 3, p : [7] DIAS, N. L., GOBBI, M. F., OKAWA, C. M. P., KAN. A., ARAÚJO, A. A. M., GRODZISKI, L. e ROCHA, L. S. Relatório Final do Projeto Mesolit: Influência do Lago de Itaipu sobre o Clima Regional. Relatório Interno do SIMEPAR: [8] WONG, V., XUE, M., LIU, Y., TAN, X., WANG, L. e DROEGEMEIER, K. Effect of Land Cover on Numerical Predictions of Conctive Storms. 12 th Conference on Numerical Weather Prediction, Phoenix, Arizona: [9] DEARDORFF, J.W. A Parameterization of Groun-Surface Moiture Content for Use in Atmospheric Prediction Models. Journal of Applied Meteorology, vol. 16, p :