Estudo Da Aplicabilidade Do Modelo Regional de Alta Resolucao (HRM) para A Previsao Numerica de Tempo em Mocambique: Caso Do Ciclone Eline

Trabalho de Licenciatura
Estudo da Aplicabilidade do Modelo

Regional de Alta Resolução (HRM) para
Previsão Numérica de Tempo em
Moçambique: Caso do Ciclone Eline
Autor: António José Beleza
Dezambro de 2007
UNIVERSIDADE EDUARDO MONDLANE
FACULDADE DE CIENCIAS
DEPARTAMENTO DE FÍSICA
Trabalho de Licenciatura
Estudo da Aplicabilidade do Modelo Regional de Alta

Resolução (HRM) para Previsão Numérica de Tempo
em Moçambique: Caso do Ciclone Eline
AUTOR: António José Beleza
Supervisor: dr. Genito A. Maure
Maputo, Dezembro de 2007

Declaração de honra
Declaro por minha honra que este trabalho foi realizado com base no material a que se faz
referência ao longo do mesmo e que não foi submetido para nenhum outro grau que não seja o
indicado, licenciatura em Meteorologia, na Universidade Eduardo Mondlane. As ideias originais
nele expressas são da inteira responsabilidade do autor.
O Autor
.................................
(António José Beleza)
Dedicatória
Dedico este trabalho primeiramente a Deus por seu amor e cuidado para comigo. A minha
família, pelo amor e apoio irrestrito, em especial a minha mãe Isabel David Chaúque que me ensinou a
ser a pessoa que sou. A todos que de muitas formas me incentivaram e ajudaram para que fosse
possível a concretização deste trabalho.
Agradecimentos
Gostaria de agradecer em primeiro lugar ao dr. Genito A. Maure pelo apoio incondicional na
realização deste trabalho, bem como na busca do tema e sugestões de melhoria, pela confiança
depositada que se transformou num extraordinário estímulo.
Um especial agradecimento ao Deutsche ForschungsGemeinschaft (DFG), que tornou
possível a minha participação no “Regional NWP Training Workshop” na Deutscher
Wetterdienst (DWD) - Alemanha, que foi fundamental para a conclusão do trabalho. Agradeço
também os dados de GME para o ciclone Eline preparados por Norbert Liesering da DWD.
A todos os professores e trabalhadores do Departamento de Física pela sua contribuição na
minha formação, em especial ao dr. Meque, dr. Sueia, dr. Queface, dr Ibraimo, dr. Luis, dr. Malate,
dr. Sacate, dr. Machiana..
Aos meus pais José Manuel Beleza, Isabel David Chaúque e Argentina Francisco Mazivila,
pelo amor incondicional e pela paciência. Por terem feito o possível e o impossível para me
oferecerem a oportunidade de estudar, sem nunca deixar que as dificuldades acabassem com os
meus sonhos.
A minha tia mãe Jorgete de Jesus, pelas oportunidades oferecidas, pela confiança, por ter me
acolhido como mais um filho e por sempre estender os braços nas horas de dificuldade.
Aos meus primos, Manuel A. Sousa, Juma Cangy, Elina Muiambo, Odete Pinto e Sofia
Pinto pelos conselhos e incentivos em todos os momentos desta jornada.
Aos meus irmãos Hélio, Amiel, José Manuel, Tomásia, Magda, que mesmo
inconscientemente me incentivaram, a correr atrás dos meus objectivos sendo além de irmãos
amigos.
Gostaria de agradecer particularmente a minha colega Sandra Zefanias, pelas várias horas
dedicadas e pelo apoio incondicional na conclusão deste trabalho.
Aos amigos e colegas, Gerodina Chare, Elma Marisa, dr. Gigo Sumbane, Fidel Ntemassaka,
Izidine Pinto, Chuquelane, Daylon Tinga, Decy, dr. Lindomar, dr. Balate, dr. Cuinica, dr. Nhabetse,
Mauro Ferrão, autênticos cúmplices deste trabalho, vai um forte abraço pelo apoio e pelas
importantes sugestões apresentadas nas diversas fases do trabalho.
E finalmente agradeço a todas as pessoas do meu convívio que acreditaram e contribuíram, mesmo
que indirectamente, para a conclusão deste curso.
Lista de abreviaturas
ARPS - Atmospheric Regional Prediction System

BUFR - Binary Universal Format Representation
CPTEC - Centro de Previsão de Tempo e Estudos Climáticos
DFG - Deutsche ForschungsGemeinschaft
DWD - Deutscher Wetterdienst
ECMWF - European Center for Medium Weather Forecasting
EOFs - Empirical Orthogonal Functions (Funções Ortogonais Empíricas)
ERL - Environmental Research Laboratories
GrADS - Grids Analysis and Display System
GME – Global Model (Modelo global da DWD)
GFS - Global Forecasting System
GRIB - Gridded Binary Data
HRM – High resolution model
INAM – Instituto Nacional de Meteorologia
IPCC - Intergovernamental Panel on Climate Changes
JMA - Japan Meteorological Agency
LAPACK - Linear Algebra PACKage
MGC - Modelos Globais de Circulação
MM5 - Fifth-Generation Penn State/NCAR Mesoscale Model
NCAR - National Center for Atmospheric Research
NCDC - National Climate Data Center
NCEP - National Centers for Environmental Predictions
NetCDF - Network Common Data Format
NOAA - National Oceanic and Atmospheric Admnistration
NWP – Numerical Weather Prediction
OMM – Organização Mundial de Meteorologia
PC - Personal Computers
RAMS - Regional Atmospheric Modeling System
Símbolos
o3 Ozono (opcional);
clc Cobertura da nuvem (Cloud cover);
(u,v) são componentes zonal e meridional do vento,
T é a temperatura,
ps é a pressão de superfície,
qv é o conteúdo de vapor de água específico,
qc é o conteúdo especifico de nuvem de água líquida,
qi é o conteúdo especifico de nuvem de gelo,
t é o tempo;
a é o raio médio da Terra (a=6371229m),
ζ é a vorticidade,
f é o parâmetro de Coriolis,
•
η é a velocidade vertical no sistema híbrido,
ω é a velocidade vertical no sistema de pressão,
α é a densidade do ar,
Φ é o geopotential,
K é a energia cinética específica,
p é a pressão,
Tvvv é a temperatura virtual,
Tref é uma temperatura de referência que só depende de altura,
Lv é o calor latente de condensação,
Cvc é a taxa de condensação;
(..)sub rede substituta da parametrização devido a processos como radiação, conveção ou
turbulência;
K4 é o coeficiente constante da ordem da quarta difusão linear.
Resumo
A previsão numérica do tempo (PNT) centra-se na descrição de fenómenos físicos da

atmosfera com base em equações matemáticas resolvendo-as de modo a prognosticar o estado
futuro da atmosfera, usando assim os chamados modelos de PNT.
Os modelos de PNT podem ser divididos, de acordo com a sua área de abrangência, em
modelos regionais e globais. A aplicabilidade de qualquer modelo atmosférico em uma determinada
região é determinada para além da parametrização física que usa, da velocidade na obtenção de
dados contendo condições iniciais e de fronteira do modelo global que o guia.
O presente trabalho apresenta uma alternativa eficiente ao modelo RAMS usado no Instituto
Nacional de Meteorologia através da realização de uma simulação das principais características do
ciclone tropical Eline de Fevereiro de 2000 usando o modelo regional de alta resolução HRM,
guiado pelo modelo global GME. As corridas do modelo foram realizadas para Moçambique com
uma resolução de 28 km, com passo de tempo 150s e os resultados obtidos na simulação deste
ciclone são comparados com os dados observados em algumas estações.
Para além da redução em cerca de 5 a 10 vezes do tamanho das condições iniciais e de
fronteira, os resultados obtidos nas simulações do modelo indicam uma concordância aceitável com
as observações, o que indica que o modelo HRM pode ser aplicado efectivamente na previsão de
ciclones tropicais em Moçambique e enquadrado no sistema de aviso prévio em fase de
estabelecimento no país.
Estudo da Aplicabilidade do Modelo Regional de Alta Resolução (HRM) para Previsão Numérica de Tempo em Moçambique: Caso do Ciclone Eline
Conteúdo
CAPÍTULO 1 ..................................................................................................................................... 1
1. Introdução e Objectivos............................................................................................................... 1
1.1 Introdução.............................................................................................................................. 1
1.2 Objectivos ......................................................................................................................... 2
1.2.1. Objectivo Geral ............................................................................................................ 2
1.2.2. Objectivos específicos ................................................................................................. 3
CAPÍTULO 2 ..................................................................................................................................... 4
2. Revisão Bibliográfica ............................................................................................................ 4
2.1. Modelos de Previsão Numérica ........................................................................................ 4
2.2. Modelo de Alta Resolução HRM ..................................................................................... 5
2.2.1. Breve avaliação do modelo hidrostático regional de alta resolução HRM .................. 6
2.2.1.1. Variáveis do modelo................................................................................................ 6
2.2.1.2. Parte numérica do HRM.......................................................................................... 6
2.2.1.3. Parametrização física do HRM ............................................................................... 7
2.2.2. Equações do modelo na forma diferencial................................................................... 8
2.2.3. Rede horizontal.................................................................................................................. 9
2.2.4. Rede Vertical ................................................................................................................... 10
2.2.3. Parametrizações físicas ............................................................................................. 11
2.3.1. Radiação e nuvens...................................................................................................... 11
2.3.2. Precipitação na escala da rede.................................................................................... 12
2.3.3. Convecção.................................................................................................................. 13
2.3.4. Fluxos Turbulentos no ABL e a atmosfera livre........................................................ 13
2.3.5. Modelo do solo (Soil model) ..................................................................................... 13
2.4. Ciclones Tropicais .......................................................................................................... 15
2.5. Ciclone Tropical Eline.................................................................................................... 16
CAPÍTULO 3 ................................................................................................................................... 17
3. Material e Métodos.............................................................................................................. 17
3.1. Material........................................................................................................................... 17
3.2. Métodos .......................................................................................................................... 17
3.3. Trânsito e Processamento de dados ................................................................................ 19
CAPÍTULO 4 ................................................................................................................................... 20
4. Resultados e Discussão ....................................................................................................... 20
4.1. Simulação de Controle.................................................................................................... 21
4.2. Estudo das configurações usadas durante a simulação................................................... 21
4.2.1. Análise da Temperatura superficial ........................................................................... 22
4.2.2. Análise da temperatura de ponto de orvalho.............................................................. 27
4.2.3. Análise da Pressão ao nível médio do mar ................................................................ 31
CAPÍTULO 5 ................................................................................................................................... 34
5. Conclusões e Recomendações............................................................................................. 34
5.1. Conclusões...................................................................................................................... 34
5.2. Recomendações .............................................................................................................. 35
6. Bibliografia.......................................................................................................................... 36
António Beleza Página i

Lista de Figuras e Gráficos

Figura 1: Ciclones tropicais que visitaram a costa de Africa no período 1999-2000 (fonte:
http://www.disasterrelief.org/Disasters/000222cycloneeline/) ........................................................... 1
Figura 2: Posicionamento horizontal de variáveis na grelha de Arakawa-C do HRM ....................... 9
Figura 3: Identificação dos pontos de malha do HRM........................................................................ 9
Figura 4: Coordenada híbrida (sigma-pressão): rede de Lorenz ....................................................... 10
Figura 5: Esquema de parametrização na escala de rede do HRM incluindo a microfísica das nuvens
(Imagem extraída de Majewski (2007)) ............................................................................................ 12
Figura 6: Processos tidos em conta na parametrização de convecção no HRM (Imagem extraída de
Majewski (2007)) .............................................................................................................................. 13
Figura 7: Processos relevantes na componente térmica do modelo de solo do HRM....................... 14
Figura 8: Processos relevantes na componente hidrológica do modelo de solo do HRM................. 14
Figura 9: Domínio de HRM usado no trabalho com características seguintes: ie=129,
je=131, i3e=40, startlat=-36.00, startlon=25.00, endlat=-10.00,
endlon=50.60, ............................................................................................................................ 18
Gráfico 1: Comparação da temperatura a 2m para estação B............................................................ 22

Gráfico 2: Comparação da temperatura a 2m para estação G ........................................................... 23
Gráfico 3: Comparação da temperatura a 2m para estação H ........................................................... 24
Gráfico 4: Comparação da temperatura a 2m para estação B............................................................ 25
Gráfico 5: Comparação da temperatura a 2m para estação D ........................................................... 26
Gráfico 6: Comparação da temperatura do ponto de orvalho para estação B ................................... 27
Gráfico 7: Evolução da temperatura do ponto de orvalho na estação H ........................................... 28
Gráfico 8: Evolução da temperatura do ponto de orvalho para estação G ........................................ 28
Gráfico 9: Comparação da temperatura do ponto de orvalho para estação E.................................... 29
Gráfico 10: Comparação da temperatura do ponto de orvalho para estação D ................................. 30
Gráfico 11: Comparação da Pressão a superfície para estação de Maputo ....................................... 31
Gráfico 12: Comparação da Pressão a superfície para estação de Vilanculos .................................. 32
Gráfico 13: Comparação da Pressão a superfície para estação de Beira ........................................... 32
Gráfico 14: Comparação da Pressão a superfície para estação de Quelimane .................................. 33
António Beleza Página ii

CAPÍTULO 1
1. Introdução e Objectivos
1.1 Introdução
Situado na costa leste da África Austral, entre as Latitudes 10°27é 26°52´S, e Longitude
30°12é 40°51É, Moçambique é atingido com frequência por ciclones de origem tropical. Estas
tempestades são mais comuns nos meses de Janeiro e Fevereiro, mas podem ocorrer desde
Dezembro até Março. O clima é tropical, com duas estações bem definidas: quente e húmida
(Outubro a Abril) e fria e seca (Maio a Setembro).
Figura 1: Ciclones tropicais que visitaram a costa de Africa no período 1999-2000 (fonte:
http://www.disasterrelief.org/Disasters/000222cycloneeline/)
Moçambique situa-se numa área vulnerável a eventos extremos caracterizada por altos riscos
de inundação ao longo dos rios mais importantes da África Austral que o atravessam. Os principais
eventos extremos que afectam o País são as cheias, seca e ciclones tropicais. Estes fenómenos
ocorrem quase por todo o País. A seca tem maior incidência na região sul, as cheias ocorrem com
maior frequência no centro e sul e os ciclones tropicais afectam quase toda a zona costeira e em
particular a região norte (Queface, 2007).
É de realçar que desde os desastres de inundação de 2000 e 2001, as previsões

meteorológicas apresentadas ao público foram postas em causa, e a partir daí experimentaram um
António Beleza Página 1

progresso significativo (aumento da exactidão), graças ao uso de métodos objectivos para prever o
tempo, nomeadamente previsão numérica de tempo (PNT), ao invés dos velhos métodos empíricos
e subjectivos.
Actualmente, o modelo regional de PNT denominado RAMS, usado pelos Serviços

Nacionais de Meteorologia de Moçambique (INAM) — instituição responsável por emitir previsões
meteorológicas - está sendo retirado gradualmente devido ao facto de não mais possuir suporte
técnico do grupo que o desenvolveu. Sob ponto de vista técnico, a grande desvantagem com o
modelo supracitado é relacionada à obtenção de dados do seu modelo global denominado Global
Forecasting System (GFS) da National Oceanic and Atmospheric Administration (NOAA) dos
EUA, usado para gerar as condições iniciais e de fronteira. Em cada 6 horas é necessário baixar (via
download por ftp) 300 a 500 MBytes de dados do servidor do NCEP, o que é arduamente possível
por existir uma largura de banda de internet estreita no INAM.
Uma alternativa a este tipo de modelos é o modelo de alta resolução HRM da DWD. Uma
vantagem importante do HRM sobre os outros modelos regionais disponíveis é a obtenção de dados
para gerar condições iniciais e de fronteira do seu modelo global (GME - Majewski et al., 2002). A
DWD automaticamente envia a um servidor local de ftp os dados do GME relacionados apenas ao
domínio do modelo regional. Desta maneira, reduz-se consideravelmente o tamanho dos arquivos
de dados, de modo que o modelo regional de NWP se torna recomendável para países ou regiões
com uma Internet de largura de banda estreita (128 a 256 Kbits/s).
1.2 Objectivos
1.2.1. Objectivo Geral
O presente trabalho testa a viabilidade de utilização do Modelo Regional de Alta Resolução

HRM em Moçambique, correndo uma simulação do ciclone Eline (Fevereiro de 2000) no sentido de
sugerir a introdução deste modelo como uma alternativa para o sistema de aviso prévio integrado
em estabelecimento no país.

1.2.2. Objectivos específicos

São objectivos específicos do presente Trabalho de Licenciatura os seguintes:
• Correr o modelo HRM para o período em que ocorreu o ciclone Eline, ou seja, de 20 a
23 de Fevereiro de 2000;
• Comparar os dados obtidos do modelo com o os observados nas estações; e
• Calcular o grau de acerto do modelo.

CAPÍTULO 2
2. Revisão Bibliográfica
2.1. Modelos de Previsão Numérica
Um modelo de previsão numérica de tempo é um modelo de computador desenvolvido para

simular o comportamento da atmosfera. Este resolve um sistema complexo de equações
matemáticas baseadas em leis físicas de modo a prever o estado futuro da atmosfera partindo de
condições iniciais específicas. As equações matemáticas são as formas mais completas e complexas
das equações dinâmicas e termodinâmicas. Em adição processos físicos, como a radiação, nuvens,
precipitação e trocas à superfície são representadas no modelo usando esquemas de parametrização
(Haltiner, 1980).
O modelo divide o planeta em várias camadas verticais que representam níveis da atmosfera,
e divide a superfície do planeta numa malha de caixas horizontais separadas por linhas semelhantes
às linhas de longitude e latitude. Desde modo, o planeta é coberto por uma malha tri-dimensional. O
tamanho típico destas malhas num modelo NWP global é aproximadamente de 150 km na direcção
este - oeste e 100 km na direcção norte-sul, com 20 a 40 níveis verticais. Isto significa que a
atmosfera é representa por cerca de um milhão ou mais cubos individuais. Em cada um destes
cubos, as componentes do vento, temperatura, pressão e humidade são calculadas. O modelo usa
tipicamente um passo de tempo de 10 minutos de tempo simulado para fazer uma previsão de 5 a 10
dias (Tomé, 2004).
Para realizarem uma previsão de tempo, os modelos partem de um conjunto de condições

iniciais. As equações do modelo são integradas numericamente no tempo para prever o estado da
atmosfera num tempo futuro. As equações são não lineares, e pequenos erros nas condições iniciais
amplificam a medida que a simulação avança no tempo, de modo que a diferença entre as condições
atmosféricas prevista e as condições reais da atmosfera aumenta ao longo da previsão. Devido a
estes erros as previsões realistas usando modelos de previsão numérica só podem ser efectuadas
para um período máximo de 5-10 dias. Este comportamento da atmosfera é um exemplo de um
sistema caótico não linear (Haltiner, 1980).

A capacidade e desempenho dos computadores limitam a resolução que é possível simular

em modelos NWP globais. Porém, podem ser feitas previsões mais precisas se usarmos resoluções
mais altas. Consequentemente, modelos NWP de área limitada ou regional são usados com
resoluções mais altas em domínios menores. Estes modelos usam malhas horizontais de cerca de 10
km. À medida que a resolução melhora, processos de escala menor podem ser simulados
explicitamente (Tomé, 2004).
2.2. Modelo de Alta Resolução HRM
O modelo regional de alta resolução (HRM) é uma ferramenta flexível para previsão
numérica do tempo. O pacote de HRM consiste nas seguintes partes:
• Dados topográficos para qualquer região fixa do mundo com tamanhos de malha entre 30 e
5 km;
• Um programa de interface, chamado gme2hrm, que interpola dados de análise e de previsão
do seu modelo global GME do DWD para qualquer malha de HRM. Os dados interpolados
servem como dados de condições iniciais e de fronteira para previsões do HRM. Um outro
programa de transformação, chamado hmx2hmy, permite interpolar dados do HRM a uma
outra (normalmente com maior resolução) malha do HRM;
• O próprio modelo de previsão numérica de tempo HRM;
• Vários programas de pós-processamento que lêem o código GRIB1 dos campos de previsão
do HRM e fornecem interfaces gráficos para o domínio público através dos pacotes do
GrADS (V1.5.1.12, Setembro 1995);
• Um programador (scheduler) baseado em um script em Korn shell para operar o HRM
baseando-se em dados de análise e de previsão do GME que são distribuídos pela internet
pelo DWD;
• Uma documentação científica completa do HRM.

2.2.1. Breve avaliação do modelo hidrostático regional de alta resolução HRM
2.2.1.1. Variáveis do modelo

Variáveis de prognóstico Variáveis de diagnóstico
Pressão a superfície pS Velocidade vertical ω
Temperatura T Altura geopotencial φ
Vapor de agua qV Cobertura de nuvens clc
Água de nuvem qc Coeficientes de difusão tkvm/h
Gelo de nuvem qi
Ozono O3
Componentes horizontais u, v
de vento
Vários parâmetros de superfície/solo
2.2.1.2. Parte numérica do HRM
A parte numérica do modelo contém as seguintes características:

• Rede regular ou rotacional de latitude/longitude;
• Tamanhos de redes entre os 0.25° e 0.05° (~ 28 a 6 km);
• Rede de Arakawa-C, que aplica as diferenças centradas.
• Coordenada vertical híbrida, 20 a 40 camadas (Simmons and Burridge, 1981);
• Divisão de passo de tempo semi-implícito (Burridge, 1975); ∆t = 150s a ∆ = 0.25°;
• Equação de Helmholtz resolvida por um método directo (FFT e solver de Gauss);
• Formação de condições de fronteira segundo Davies (1976);
• Condição de limite superior radiactivo como uma opção (Herzog, 1995);
• Difusão horizontal linear da quarta ordem, correcção do gradiente da temperatura; e
• Modo não linear de inicialização adiabática implícita (INMI, Temperton, 1991) ou
inicialização diabática de filtro digital (DFI, Lynch, 1997).

2.2.1.3. Parametrização física do HRM
• Esquema de fluxo de radiação δ-dois (Ritter and Geleyn, 1992) incluindo fluxos de onda
curta e longa na atmosfera e na superfície; reflexão total da radiação pelas nuvens; derivação
do diagnóstico de cobertura parcial das nuvens (convecção e humidade relativa);
• Esquema de precipitação à escala da rede (Grid-scale) que inclui a microfísica

parametrizada das nuvens (Doms and Schättler, 2003);
• Esquema de convecção de fluxo de massa (Tiedtke, 1989) que diferencia a convecção de

fundo, da superficial e a de nível médio;
• Esquema da difusão vertical na atmosfera de Nível-2 (Mellor and Yamada, 1974), teoria da
semelhança (Louis, 1979) na superfície;
• Modelo de solo de duas camadas (Two-layers) que inclui a neve e armazenamento de

intercepção; opção de versão de três camadas para o solo húmido (Jacobsen and Heise,
1982).

2.2.2. Equações do modelo na forma diferencial

As equações prognósticas do HRM são expressas em forma diferencial em termos de coordenadas esféricas (λ,ϕ) e uma híbrida (sigma-
pressão) coordenada vertical η. De modo resumido temos:
Parâmetro Equação
u 1
( ln p ) +   − K 4∇ 4u -µlbc ( u − ulbc )
Vento zonal ∂u . ∂u ∂ RTv ∂ ∂u
− (ς + f ) v + η =− (Φ + K ) −
∂t ∂η a cos ϕ ∂λ a cos ϕ ∂λ  ∂t  sub
Vento meridional v 1 ∂
( Φ + K ) − v ( ln p ) +   − K 4∇ 4v − µlbc ( v − vlbc )
∂v . ∂v RT ∂ ∂v
+ (ς + f ) u + η =−
∂t ∂η a ∂ϕ a ∂ϕ  ∂t  sub
Temperatura T
∂T 1  ∂T ∂T  . ∂T αω Lv  ∂T 
 − K 4 ∇ (T − Tref ) - µ lbc (T - Tlbc )
4
+  u + v cos ϕ  + η = + C vc + 
∂t a cos ϕ  ∂λ ∂ϕ  ∂η c p c p  ∂t  sub
Pressão a superfície Ps ∂p s 1
1
 ∂  ∂p  ∂  ∂p 
=− ∫   u  +  v cos ϕ  dη - µ lbc ( p s − p s ,lbc )
∂t a cos ϕ 0  ∂λ  ∂η  ∂ϕ  ∂η 
Conteúdo específico de vapor de água qv ∂q v 1  ∂qv ∂q  . ∂qv  ∂q 
+  u + v cos ϕ v  + η = −C vc +  v  − K 4 ∇ 4 q v - µ lbc (qv − qv ,lbc )
∂t a cos ϕ  ∂λ ∂ϕ  ∂η  ∂t  sub
Conteúdo específico de nuvem de água qc ∂q c 1  ∂qc ∂q  . ∂qc  ∂qc 
+  u + v cos ϕ c  + η =  - µ lbc (q c − qc ,lbc )
∂t a cos ϕ  ∂λ ∂ϕ  ∂η  ∂t  sub
Conteúdo específico de nuvem de gelo qi ∂qi 1  ∂qi ∂q  . ∂qi  ∂qi 
+  u + v cos ϕ i  + η =  - µ lbc (qi − qi ,lbc )
∂t a cos ϕ  ∂λ ∂ϕ  ∂η  ∂t  sub
Tabela 1: Equações do modelo na forma diferencial
Variáveis com o índice "lbc" são as de condições de fronteira prescritas pelo modelo motriz. Em uma zona de fronteira lateral de cerca de seis a oito linhas de redes, a
previsão de HRM é ajustada para o modelo motriz com ajuda de um termo de relaxamento onde µlbc é o coeficiente de relaxação. Mais detalhes sobre as equações acima
podem ser encontrados em Majeswki (2007).

2.2.3. Rede horizontal
A discretização horizontal do HRM é baseada em uma formulação de uma Rede de

Arakawa-C.
Figura 2: Posicionamento horizontal de variáveis na grelha de Arakawa-C do HRM
A componente do vento u é deslocada metade de tamanho de uma malha (∆λ/2) para leste, a
componente do vento v é deslocada metade de tamanho de uma malha (∆ϕ/2) para o norte. Os
tamanhos de malha em ambas as direcções são iguais, i.e. ∆λ = ∆ϕ.
O tamanho físico da malha (km) é dado por: ∆x = a cosφ ∆λ e ∆y = a ∆ φ com a: raio da

Terra (6371229 m). O valor do "ponto" da rede é a área média representativa de ∆x * ∆y, i.e. para
∆x = ∆y = 28 km: 784 km2.
Figura 3: Identificação dos pontos de malha do HRM
HRM “conta” os pontos de rede começando no canto inferior esquerdo ao canto superior
direito (modo esquadrinhado). O primeiro índice (j1 ou i) é de oeste a leste, o segundo (j2 ou j) é de
sul a norte.

2.2.4. Rede Vertical
Figura 4: Coordenada híbrida (sigma-pressão): rede de Lorenz
A discretização vertical do HRM é baseada num sistema de coordenadas híbridas (sigma-

pressão) segundo Simmons e Burridge (1981). A pressão Ph nas interfaces da camada (níveis
médios) é dada por:
Ph ( j1 , j2 , j3 ) = ak ( j3 ) + bk ( j3 ) Ps ( j1 , j2 )
Com j3 = 1, ..., i3e + 1 onde i3e é o número de camadas do HRM. (e.g. i3e = 40),
Ps pressão a superfície dependente do tempo na orografia do modelo,
j1 = 1, ..., ie Índice de linha (direcção Oeste – Leste),
j2 = 1, ..., je índice de coluna (direcção Sul – Norte),
A pressão Pf no centro da camada (= todos níveis), onde a maioria de variáveis do HRM são
definidas, é dada pela medida aritmética dos valores de pressão nos níveis médios adjacentes:
Pf ( j1 , j2 , j3 ) = 0.5 [ Ph ( j1 , j2 , j3 ) + Ph ( j1 , j2 , j3 + 1) ]
com j3 = 1, ..., i3e.

2.2.3. Parametrizações físicas

Processos atmosféricos não resolvidos (matematicamente) influenciam no fluxo de larga
escala e também contêm informação essencial de previsão (e.g. nebulosidade ou precipitação) que
não pode ser gerada pela parte adiabática do modelo. A simulação de tais processos no HRM é
controlada por um conjunto de módulos de parametrizacões que a seguir se descrevem.
2.3.1. Radiação e nuvens
Transferências radiactivas de radiação solar e térmica em atmosferas limpa e nublada são

baseadas em Ritter e Geleyn (1992). Um passo inteiro na integração de radiação é executado cada
hora em todos pontos de rede, fluxos solares são calculados à cada passo de tempo tomando em
conta o ângulo real do zénite mas a convecção atmosférica do passo prévio de radiação é usado. O
índice de resfriamento de onda longa é constante durante período de uma hora.
A cobertura das nuvens é derivada do conteúdo específico de água líquida e de gelo na

nuvem; humidade relativa; actividade convectiva; e da estabilidade. Se o conteúdo de água líquida
qc em uma nuvem excede 0 (a célula da rede então é saturada em relação a água) a variável que
descreve a cobertura de nuvem é posta a 1. No caso da nuvem de gelo qi o limiar é posto a 1 mg/kg
para tomar em conta nuvens finas de cirrus que são semi-transparentes para um conteúdo pequeno
de nuvens gelo.
A cobertura parcial de nuvem, i. e. no caso de qc = qi = 0, é baseada numa relação empírica

usando a humidade relativa da camada em consideração. Em situações convectivas, i.e., se o
esquema de convecção diagnosticou uma nuvem convectiva, a profundidade da nuvem convectiva
também é levada em conta. Se uma camada estável existe no topo da camada da nuvem convectiva
a cobertura de nuvem é aumentada para simular a formação de uma bigorna.
A computação da cobertura das nuvens altas, médias e baixas (CLCH, CLCM, CLCL) toma
em conta a cobertura de nuvem de cada camada modelo (CLC_RAD). Se duas camadas do modelo
adjacentes estão nubladas, a cobertura total de nuvem é o máximo das duas camadas (sobreposição
máxima). Se uma camada sem nuvens estiver entre duas camadas do modelo, a cobertura total de
nuvem será mais alta do que a cobertura de nuvem de uma só camada (sobreposição
descontrolada).

2.3.2. Precipitação na escala da rede

O esquema de precipitação em escala de rede inclui uma microfísica de nuvens
parametrizadas (Doms e Schättler, 2003) com três prognósticos para as espécies de água: vapor de
água, nuvem de água líquida e nuvem de gelo. As fases da precipitação (chuva e neve) são tratadas
diagnosticamente. Estas cinco fases interagem de várias maneiras (e.g. Agregação, deposição,
congelamento, derramamento; ver Figura 5) descritas pelos processos microfísicos que são
formulados dependendo das relações de mistura das diferentes fases da água.
Figura 5: Esquema de parametrização na escala de rede do HRM incluindo a microfísica das nuvens (Imagem extraída
de Majewski (2007))

2.3.3. Convecção
O esquema convenctivo distingue três tipos diferentes de convecção, nomeadamente,

superficial, de nível médio e a penetrante (profunda). Assume-se que a convergência tridimensional
do vapor de água impede a convecção superficial e profunda. A precipitação convectiva é iniciada
somente se a profundidade da nuvem excede 3000 m sobre terra e 1000 m sobre água.
Figura 6: Processos tidos em conta na parametrização de convecção no HRM (Imagem extraída de Majewski (2007))
2.3.4. Fluxos Turbulentos no ABL e a atmosfera livre
A parametrização dos fluxos turbulentos verticais na camada de Prandtl (que é a camada

mais próxima à superfície) (Müller, 1981) é baseado em Louis (1979) e em um esquema para
diagnóstico de nível-dois (level-two) baseado em Mellor e Yamada (1974) para a camada limite e a
atmosfera livre.
2.3.5. Modelo do solo (Soil model)
O modelo do solo (Jacobsen e Heise, 1982) compreende duas camadas activas para o
balanço do calor (energia) - Figura 7, e da humidade do solo (água) – Figura 8. Para o balanço do
calor, as temperaturas são computadas na superfície e uma profundidade entre 8-10cm (dependendo

do tipo de solo) baseado num método complexo denominado restauração forçada. A uma
profundidade entre os 35-40cm a temperatura é prescrita a partir de valores interpolados do GME.
Para o balanço da água, a evolução temporal da humidade do solo é computada para duas
camadas do solo, nomeadamente 0-10cm e 10-100cm. Além disso, a variação temporal de uma
cobertura de neve (se existir) é tida em conta.
Figura 7: Processos relevantes na componente térmica do modelo de solo do HRM
Figura 8: Processos relevantes na componente hidrológica do modelo de solo do HRM

2.4. Ciclones Tropicais
Um ciclone tropical é um sistema de baixa pressão que basicamente adquire energia da

evaporação da água do mar na presença de ventos intensos e pressões baixas na superfície, tendo a
condensação associada às células convectivas concentradas próxima ao seu centro.
Estes apresentam ventos mais intensos próximos a superfície (consequência do núcleo

quente na troposfera) e tem diâmetros da ordem de centenas de quilómetros, sendo comparável a
dezenas de tempestades convectivas. Para sua formação e crescimento requerem valores baixos de
cisalhamento vertical e são fenómenos puramente oceânicos que se dissipam sobre o continente
devido à quebra no suprimento de humidade. O seu ciclo de vida é de alguns dias.
Um ponto interessante é que quando um ciclone tropical está sobre o continente seus ventos
de superfície decaem mais fortemente com a altura promovendo, assim, forte cisalhamento vertical
do vento que permite a formação de tornados (http:/meteorologia.tripod.com/furacões.html).
2.4.1. Formação de Ciclones Tropicais
As condições favoráveis para ocorrência de um ciclone tropical são:

• Águas oceânicas quentes (pelo menos 26,5°C) em uma camada suficientemente profunda,
cuja profundidade não se sabe ao certo mas deve ser pelo menos da ordem de 50m. Essas
águas quentes alimentarão a engrenagem térmica do ciclone tropical.
• Uma atmosfera que se resfrie rapidamente com a altura para que seja potencialmente
instável à convecção húmida, sendo essa actividade convectiva responsável pela liberação
do calor armazenado nas águas para o interior do ciclone.
• Camadas relativamente húmidas perto da média troposfera (5km). Níveis médios secos não
conduzem ao contínuo desenvolvimento de actividade convectiva em uma vasta área.
• Uma distância mínima de pelo menos 500km da linha do Equador. Para ocorrer ciclogénese
tropical, há o requisito de uma força de Coriolis não desprezível para que o centro de baixa
do distúrbio seja mantido.

• Um distúrbio pré-existente próximo à superfície com vorticidade e convergência suficientes.

Ciclones tropicais não podem desenvolver-se espontaneamente, pois necessitam de um
sistema levemente organizado com rotação considerável e influxo nos baixos níveis.
• Valores baixos de cisalhamento vertical de vento entre a superfície e a alta troposfera.
Valores altos de cisalhamento desfavorecem ciclones tropicais incipientes e podem prevenir
sua génese ou, no caso de um ciclone já formado, pode enfraquecê-lo ou até mesmo destrui-
lo dada sua interferência com a organização convectiva em torno do centro do ciclone.
2.5. Ciclone Tropical Eline
O Ciclone Eline foi uma tempestade tropical devastadora que atingiu a costa oriental de
África. Ocorreu no período de 7 a 25 de Fevereiro de 2000. O principal motivo da formação deste
ciclone foi o facto de a temperatura das águas do mar encontrar-se acima dos 27ºC. Como ciclone
tropical, formou-se no oceano Indico á leste das Maurícias, no dia 8 de Fevereiro, tendo entrado no
canal de Moçambique no dia 19 do mesmo mês. Atingiu os distritos de Machanga, Chibabava e
Búzi, assim como a cidade da Beira, na tarde do dia 21 de Fevereiro, movendo-se na direcção da
província de Manica com ventos máximos calculados de 115 nós (200 km/h). Dissipou-se na
República do Zimbabwe a 25 do mesmo mês. Este foi um dos mais intensos e violentos ciclones
que assolou o País.
Este ciclone também afectou o estado de tempo nos distritos do norte da província de
Inhambane – Inhassoro, Vilanculos, Mambone e a cidade de Inhambane, com ocorrência de chuvas
intensas.
Como consequência da passagem deste ciclone pela província de Sofala, os distritos de
Machanga, Chibabava, Búzi e a cidade da Beira foram seriamente afectados. Várias casas de
construção precária foram destruídas, algumas vias rodoviárias ficaram temporariamente
interrompidas e houve destruição de diversas culturas. Uma pessoa perdeu a vida na cidade da Beira
(Mussa Mustafá, 2000, Comunicação social).

CAPÍTULO 3
3. Material e Métodos
3.1. Material
Na realização do presente trabalho foi usada uma Workstation Dell® Precision 470N com o
seguinte hardware e software:
Item Descrição
Processadores 2 x Intel® Xeon, 3.4Ghz cada
Memória RAM 3 GB
Sistema Operativo Red Hat Enterprise Linux WS4
Compilador Fortran Intel Fortran Compiler 10.0.023
Placa Gráfica 128MB PCIe x16 ATI FireGL
Visualizadores Graphics Analysis and Display System
Tabela 2: Hardware e software usados para o trabalho
3.2. Métodos
Para além das consultas bibliográficas sobre a teoria da previsão de tempo, do modelo de
mesoescala HRM e suas opções físicas, foi igualmente consultado material sobre os ciclones
tropicais, e uso dos pacotes de visualização de gráficos (GrADS).
Os dados em formato usados para a geração de condições iniciais e de fronteira, foram
gerados pelo GME na DWD e transferidos da Alemanha para o servidor de ftp localizado no Centro
de Informática da UEM.
O modelo foi inicializado para a 00 hora de 20 de Fevereiro de 2000 para correr com uma
resolução de 28 km para a região que é indicada na Figura 9. Deve-se notar que o domínio ndicado
posiciona Moçambique ligeiramente no topo esquerdo do rectângulo para permitir que o
desenvolvimento de ciclones tropicais no Canal de Moçambique seja “captado” pelo modelo.

Figura 9: Domínio de HRM usado no trabalho com características seguintes: ie=129, je=131, i3e=40,
startlat=-36.00, startlon=25.00, endlat=-10.00, endlon=50.60,
Com os resultados da previsão do modelo HRM foi feita a comparação com os dados de
observação referentes a Fevereiro de 2000 (período em que ocorreu o ciclone Eline).
A visualização dos resultados das corridas foi feita usando GrADS. Foi também usado o
aplicativo gnuplot para gerar os gráficos de comparação entre os resultados do modelo e as
observações.

3.3. Trânsito e Processamento de dados

A partir do modelo global GME da DWD, obtêm-se pelo menos duas vezes ao dia (00UTC e
12UTC) os dados (que servem para gerar as condições iniciais e de fronteira) num servidor que se
encontra no Centro de Informática da Universidade. O tamanho aproximado desses dados é de cerca
de 67 Mbytes. A informação é a seguir baixada usando protocolo ftp pelo usuário do servidor para
a Workstation Dell Precision 470N localizada no Departamento de Física, usando o cabo de fibra
óptica existente.
A transferência de informação entre o servidor da DWD na Alemanha e o CIUEM dura
pouco menos de uma hora nos momentos de alto tráfego de Internet (por volta de 1200UTC).
Os dados recebidos são convertidos do GME para o HRM por via de um programa de
interface chamado gme2hrm que interpola os dados do modelo global para qualquer malha do
HRM. Os dados interpolados servem de condições iniciais e de fronteira para previsões do HRM.
A previsão em si é inicializada usando uma rotina designada hrm. Depois de se correr o
modelo, é inicializado um programa de pós-processamento de dados (GrADS) que lê o código em
formato GRIB1 dos campos de previsão do HRM para providenciar interfaces gráficos para
posterior análise.

CAPÍTULO 4
4. Resultados e Discussão
As variáveis de predição usadas são a temperatura, a perturbação da pressão, a humidade
específica, as componentes tridimensionais do momento, a densidade específica da água da nuvem
e da água líquida. Apenas algumas destas variáveis foram usadas para comparação devido à
inexistência de dados para comparação.
O tempo de obtenção de condições iniciais e de transferência dos dados da DWD para o
CIUEM é, como se disse anteriormente, de menos de uma hora, mesmo nas horas de maior tráfego
de Internet (por volta de 1200 UTC). Em adição, as condições iniciais e de fronteira não superam os
68 MB, contra os cerca de 300 a 500 MB das do RAMS.
O tempo de integração da simulação foi de três (3) dias, de 00UTC do dia 20 de Fevereiro de
2000 às 00Z do dia 23 de Fevereiro de 2000, com um passo de integração de 150s. Para realizar
essa integração completa, o computador levou próximo de 84 minutos, como indica o Apêndice B.
O modelo foi configurado para apresentar resultados de 21 estacões, sendo 5 nacionais e as

outras 16 regionais (Países vizinhos), das quais, foram escolhidas apenas 9 para o caso em estudo,
por serem as mais próximas da região de estudo com dados disponíveis. O modelo foi configurado
também para fazer emissão dos resultados de uma em uma hora, mas para a discussão e
apresentação dos resultados, foram escolhidos períodos que coincidissem com os períodos das
observações, isto é, na maioria dos casos de 6 em 6 horas.
Os apêndices mostram grandezas de mesoscala que só poderiam ser validadas se, por exemplo,
os radares meteorológicos de Beira e Xai-Xai tivessem sido montados antes da ocorrência do
Ciclone Eline. Porém, uma primeira observação nos permite afirmar que aspectos como vorticidade
e trajectória do cliclone são bem representados pelo HRM em todos níveis atmosféricos
importantes.

4.1. Simulação de Controle

O ciclone Eline encontrava-se no dia 20 de Fevereiro de 2000 no canal de Moçambique,
com ventos muito fortes ao longo da parede do seu olho. No dia 21 de Fevereiro o ciclone Eline
intensificou-se, apresentando valores de baixas pressões na superfície, como mostram as figuras do
apêndice C. As temperaturas para este dia variaram dos 13.8-25.2 ºC e os ventos eram fortes (ver
apêndice E). Os distritos costeiros das províncias de Sofala e Inhambane começavam a sofrer os
efeitos devastadores do ciclone.
Com entrada do olho do ciclone no continente (“landfall”), que aconteceu no dia 22 de
Fevereiro, e devido ao atrito e a perda de humidade este começou a enfraquecer-se. Neste dia, o
olho do ciclone localizava-se a Norte da Província de Inhambane e a sul de Sofala, com valores de
pressão que variaram como mostra o apêndice C. Neste dia, os ventos ainda eram fortes, e no dia 23
de Fevereiro, o ciclone Eline já tinha atravessado a província de Sofala e localizava-se sobre a
Província de Manica (veja-se os anexos em C).
4.2. Estudo das configurações usadas durante a simulação

As variáveis de comparação são a Temperatura a 2m, pressão ao nível médio do mar, para as
estações nacionais, e temperatura do ponto de orvalho para as estações regionais.
A comparação é feita para 9 estações de superfície, sendo 4 de Moçambique (Maputo,
Vilanculos, Beira e Quelimane) e outras 5 dos países vizinhos, porque os dados de observação
cedidos pelo DWD não contêm muita informação relativa às outras grandezas que o modelo prevê e
nem observações contínuas durante o período de estudo.

4.2.1. Análise da Temperatura superficial
Estação B (Lon. 30.12 – Lat. -26.07)
Gráfico 1: Comparação da temperatura a 2m para estação B
O erro médio (ver apêndice A, Pág. iii) para o período de estudo na estação B variou de uma
forma não linear de 0.05-3.75 ºC, como mostra o Gráfico 1. Pode-se verificar a partir do gráfico que
nas primeiras 6h o modelo sobrestima os dados das observações, e das 12h até ao fim da
comparação ele subestima os mesmos dados, mas com valores muito próximas uns dos outros
(observados e modelados). Neste caso, o modelo apresentou um grau de certeza de 85% (veja-se o
anexo A).

Estação G (Lon. 30.47 – Lat. -25.1)
Gráfico 2: Comparação da temperatura a 2m para estação G
Para este caso, temos um erro médio a variar dos 0.05-3.45 ºC, com uma tendência a não
linear, mas a acompanhar o gráfico. Nota-se aqui, a partir do gráfico, que não primeiras 6h (00-
06h), o modelo sobrestimou os dados das observações. Das 06h até aproximadamente 20h, ele
subestima os dados das observações, voltando em seguida a tomar o comportamento inicial
(sobrestimar os dados das observações) durante aproximadamente 8h, isto é, das 20-28h após a
inicialização do modelo e desse ponto ate aproximadamente 70h ele volta a subestimar os dados das
observações. Para este caso, o modelo apresentou um grau de certeza de 76% (veja-se o anexo A,
Pag. iv).

Estação H (Lon. 30.6 – Lat. -29.08)
Gráfico 3: Comparação da temperatura a 2m para estação H
O gráfico acima mostra uma situação em que o modelo subestima os dados das observações,
com um erro médio que varia de 0.15-4.25, mas com tendência a acompanhar o gráfico das
observações, isto é, apresentando características semelhantes as do gráfico das observações. Para
este caso, o modelo subestima os dados de observação apresentando um erro de -0.161,
apresentando um grau de fiabilidade de 77% (veja-se o anexo A, Pág. v).

Estação E (Lon. 30.28 – Lat. -23.08)
Gráfico 4: Comparação da temperatura a 2m para estação B
No Gráfico 4 nota-se também que o modelo subestima os dados das observações,

acompanhando o seu comportamento característico desde o inicio até quase ao fim da comparação,
diferenciando-se só nas últimas 6h, onde o modelo apresenta um pequeno crescimento da
temperatura e os dados observados mantêm-se constantes neste mesmo período. O erro médio para
este caso varia de 0.15-3.25, concluindo-se, para este caso, que o modelo apresenta um grau de
confiança de 77% (veja-se o anexo A, Pág. vi).

Estação D (Lon. 30.28 – Lat. -29.53)
Gráfico 5: Comparação da temperatura a 2m para estação D
O gráfico acima (Gráfico 5), apresenta um erro médio que varia entre 0.15-6.95. Nota-se,
neste gráfico que nas primeiras horas (8-15h), o modelo subestima os dados de observação,
invertendo-se a situação para período das16-30h depois da inicialização do modelo, voltando
novamente a situação inicial, isto é, subestimando novamente no período que vai das 30-53h e por
fim, para o período das 53h até ao fim da comparação, sobrestimando novamente os dados das
observações. Para este caso, o modelo apresentou um intervalo de confiança de 51% (veja-se o
anexo A, Pág. vii).

4.2.2. Análise da temperatura de ponto de orvalho
Estacão B
Gráfico 6: Comparação da temperatura do ponto de orvalho para estação B
Do gráfico acima, pode-se verificar que nos intervalos de tempo de 6-12h, 24-44h e 52h em
diante o modelo sobrestima os valores dos dados de observação, e nos intervalos de 12-24h e 44-
52h, ele subestima esses mesmos valores. Para este caso, o desvio foi de aproximadamente 0.53,
apresentando um grau de precisão de 47.2% (ver apêndice A, Pág. viii).

Estacão H
O Gráfico 7 mostra a evolução
da temperatura do ponto de
orvalho prevista pelo modelo na
estacão H para todo período de
simulação do ciclone Eline, não
sendo feita a comparação devido
a inexistência de dados de
observação para este parâmetro
nesta estacão.
Gráfico 7: Evolução da temperatura do ponto de orvalho na estação H
Estacão G
O Gráfico 8 mostra a
evolução da temperatura de
ponto de orvalho prevista pelo
modelo na estacão G. Para esta
estacão, não se fez a comparação
porque não foram colhidos
dados da temperatura de ponto
de orvalho.
Gráfico 8: Evolução da temperatura do ponto de orvalho para estação G

Estacão E
Gráfico 9: Comparação da temperatura do ponto de orvalho para estação E
O gráfico acima, da comparação da temperatura do ponto do orvalho mostra uma

ligeira diferença entre os dados modelados e observados, apresentando suas diferenças
máximas no período das 12h, 36h e 60h, com valores que não excedem aos 2ºC de
temperatura (veja-se o apêndice A, Pág. ix).

Estacão D
Gráfico 10: Comparação da temperatura do ponto de orvalho para estação D
O Gráfico 10 da comparação da temperatura do ponto de orvalho na estacão D, apresenta

gráfico modelado a subestimar os dados de observação nas primeiras 20h de comparação (06-26h),
apresentando neste intervalo os maiores valores do erro médio, continuando com um
comportamento de pequena variação de temperatura entre os dois gráficos, pequenos valores do
erro médio ( veja-se o apêndice A, Pág. x).

4.2.3. Análise da Pressão ao nível médio do mar
Para a análise da pressão a nível médio do mar, foram usadas somente as estacões nacionais
(Maputo, Vilanculos, Beira e Quelimane), porque nos dados de synops fornecidos pela DWD, não
tem registos de pressão para as estacões regionais (B, G, H, E e D).
Maputo
Gráfico 11: Comparação da Pressão a superfície para estação de Maputo
A figura acima mostra a comparação da pressão à superfície na estacão de Maputo. Os

gráficos apresentam-se com uma configuração diferente (tracejado para o modelo e pontos para o
observado) devido à insuficiência de dados, para o caso das observações, o que podia viciar esse
mesmo gráfico. O erro médio variou de 0.12-1.47hpa, o desvio foi de 0.015 (veja-se o apêndice A,
Pág. xi).

Vilanculos
Gráfico 12: Comparação da Pressão a superfície para estação de Vilanculos

O Gráfico 12 mostra a evolução da pressão a superfície prevista pelo modelo para todo
período em estudo e dois pontos de observação para a comparação. O erro médio foi de 0.42 e 1.2,
o desvio apresentou um valor negativo (-0.21) (veja-se o apêndice A, Pág. xi), o que nos permite
concluir que o modelo subestimou os dados de observação.
Beira
Gráfico 13: Comparação da Pressão a superfície para estação de Beira

O Gráfico 13 mostra a comparação da pressão à superfície na estacão da Beira. Nota-se

neste figura, a partir das linhas verde e amarela, que o modelo apresentou um grau de fiabilidade
muito alto, com erro médio de 0.06 e 0.4, desvio de -0.03 (veja-se o apêndice A, Pág. xii). O
modelo subestimou os dados das observações feitas.
Quelimane
Gráfico 14: Comparação da Pressão a superfície para estação de Quelimane
A Gráfico 14 mostra a evolução da pressão a nível médio do mar para um período de 3 dias
e dois pontos de observação para a comparação. O erro médio foi de 0.32 e 0.86, e com um desvio
negativo, o que faz concluir que o modelo subestimou os dados de observação (ver apêndice A,
Pág. vii). Nota-se que nos pontos de comparação, a tendência do gráfico apresenta as mesmas
características (decrescente) as dos dados de observação, apresentando um grau de fiabilidade
elevado.

CAPÍTULO 5
5. Conclusões e Recomendações
5.1. Conclusões
Foi instalado, testado e corrido com sucesso o modelo de alta resolução HRM da DWD para
simular o ciclone Eline de Fevereiro de 2000.
Os dados de condições iniciais e de fronteira do modelo tem tamanho quase dez vezes
menores aos que se seriam necessários para correr o RAMS (67 MBytes contra 300 a 500 MBytes),
o que acelerou bastante o tempo de download.
Os resultados do modelo quando comparados aos observados (onde estes estavam
disponíveis) são satisfatórios, embora haja algumas situações em que o modelo
sobrestima/subestima os valores observados.
O grau de acerto do modelo é muitas vezes superior a 76%, o que sugere que o modelo
consegue replicar a dinâmica da atmosfera na nossa região. Especificamente para os casos de
temperaturas e pressão, o modelo acompanha os ciclos diários das observações, isto é, segue o
comportamento dos gráficos das observações.
Os apêndices sugerem que o modelo é muito eficiente para fenómenos de mesoscala, por
exemplo, a trajectória de um ciclone, o que poderá trazer um valor acrescido na determinação
atempada do chamado landfall de um ciclone e assim, evitar danos avultados em caso de ocorrência
deste tipo de eventos no nosso país.

5.2. Recomendações
O presente trabalho permite desenhar as seguintes recomendações:
• Recomenda-se o uso do modelo HRM para a previsão numérica operacional no INAM,

visto que, ele corre em computadores do tipo PC existentes no Departamento de Física,
para além das vantagens ligadas ao tamanho reduzido das condições iniciais e de fronteira.
• Uma das aplicações futuras que resulta da experiência adquirida no uso deste modelo, seria
a comparação de mais casos históricos permitindo, assim, a disponibilidade de uma
ferramenta pedagógica, de investigação e operacional importante para os estudantes do
curso de Meteorologia e Meteorologistas, que pode ser usada quer na compreensão dos
processos meteorológicos quer na aplicação noutras áreas.
• Recomenda-se que se façam mais estudos de sensibilidade do modelo às diferentes opções

físicas e à variação da resolução horizontal, de modo a calibrar-se o modelo para uma
previsão mais acurada e optimizar-se a utilização da capacidade computacional existente.
• Recomenda-se ainda que as instituições responsáveis forneçam a quantidade suficiente de

matéria (dados) com vista a terem-se comparações mais precisas, para melhor discussão
dos resultados.

6. Bibliografia
Burridge, D. M., 1975: A split semi-implicit reformulation of the Bushby-Timpson 10-Level model. Quart. J.
Roy. Meteor. Soc. 101, 430, 777-792.
Davies, H. C., 1976: A lateral boundary formulation for multi-level prediction models. Quart. J. Roy.
Meteor. Soc. 102, 432, 405-418.
Doms, G. and U. Schättler, 2003: The nonhydrostatic limited-area model LM of DWD. Part 1: Scientific
documentation. Deutscher Wetterdienst, Offenbach, Germany.
Haltiner, G.J. & Williams, R.J. - Numerical Prediction and Dynamic Meteorology, 2ª Edição. New York,
Wiley, 1980.
Herzog, H., 1995: Testing a radiative upper boundary condition in a nonlinear model with hybrid vertical
coordinate. Meteorology and atmospheric physics, 55, 185-204.
Jacobson, I. and E. Heise, 1982: A new economic method for the computation of the surface temperature in
numerical models. Beitr. Phys. Atm., 55, 128-141.
Louis, J.-F., 1979: A parametric model of vertical eddy fluxes in the atmosphere. Boundary layer Meteor.,
17, 187-202.
Lynch, P., 1997: The Dolph-Chebyshev window: A simple optimal filter. Mon. Wea. Rev., 125, 655-660.
Majewski, D., D. Liermann, P. Prohl, B. Ritter, M. Buchhold, T. Hanisch, G. Paul, W. Wergen and
J. Baumgardner, 2002: The operational global icosahedral-hexagonal gridpoint model GME:
Description and high-resolution tests. Mon. Wea. Rev., 130, 319-338.
Mellor, G. L. and T. Yamada, 1974: A hierarchy of turbulent closure models for planetary boundary layers.
J. Atmos. Sci., 31, 1791-1806.
Mustafa, Mussa, 2000: Comunicação pessoal; INAM.

Queface, António (2007, 17 de Abril). Principais desafios na vulnerabilidade climática em Moçambique. 1ª

aula de PLT, 25pp.
Ritter, B. and J. F. Geleyn, 1992: A comprehensive radiation scheme for numerical weather prediction
models with potential applications in climate simulations. Mon. Wea. Rev., 119.
Simmons, A. J. and D. M. Burridge, 1981: An energy and angular-momentum conserving vertical finite-
difference scheme and hybrid vertical coordinates. Mon. Wea. Rev., 109, 758-766.
Temperton, C. and M. Roch, 1991: Implicit normal mode initialization for an operational regional model.
Mon. Wea. Rev., 119, 667-677.
Tiedtke, M., 1989: A comprehensive mass flux scheme for cumulus parameterization in large scale models.
Mon. Wea. Rev., 117, 1779-1800.
Tomé, R.F.D. (2004). Previsão do Tempo com Modelos de Mesoescala: Caso de Estudo com o
Modelo MM5 nos Açores. Dissertação submetida para obtenção do grau de licenciatura em ciências
Geofísicas (Especialização em Meteorologia). Faculdade de Ciências – Universidade de Lisboa. 83
pp.
--------. (28.01.2000). Furacões, Tufões e Ciclones Tropicais. Acedido em 12 de Setembro de 2007,

em: http://meteorologia.tripod.com/furacões.html.

Índice dos apêndices
Apêndice A. .................................................................................................................. ii
A. Cálculo de erros ....................................................................................................................... ii
Tabelas e gráficos de cálculos de erros para as estações em estudo............................................... iii
Análise da temperatura a 2m para a estacão B. .............................................................................. iii
Análise da temperatura a 2m para a estacão G. .............................................................................. iv
Análise da temperatura a 2m para a estacão H. ............................................................................... v
Análise da temperatura a 2m para a estacão E. .............................................................................. vi
Análise da temperatura a 2m para a estacão D. ............................................................................. vii
Análise da temperatura do ponto de orvalho para estação B........................................................ viii
Análise da temperatura do ponto de orvalho para estação E. ......................................................... ix
Análise da temperatura do ponto de orvalho para estação D. ......................................................... x
Análise da pressão a superfície estação de Maputo........................................................................ xi
Análise da pressão a superfície estação de Vilanculos................................................................... xi
Análise da pressão a superfície estação da Beira. ......................................................................... xii
Análise da pressão a superfície estação de Quelimane................................................................. xiv
B. Tempo típico para uma corrida de 72h.................................................................................. xv
Apêndice C. ............................................................................................................... xvi
C. Mapas de Pressão a nível médio do mar............................................................................... xvi
Apêndice D. ............................................................................................................. xviii
D. Mapas de evolução dos ventos aos 850hpa com o tempo. ................................................. xviii
Apêndice E ................................................................................................................. xx
E. Mapas de evolução da temperatura a 2m com o tempo......................................................... xx
Apêndice F................................................................................................................ xxii
F. Mapas de evolução da Humidade relativa aos 1000hpa com o tempo................................ xxii
i
Apêndice A.
A. Cálculo de erros
Os erros foram calculados pelas seguintes fórmulas:

Erro Médio (Modelo-Observado):
δ xi = xi − xoi
Eq. A-1: Erro médio
O desvio de erro (BE, Bias Error) mede a tendência do modelo para sobrestimar ou subestimar uma
variável, e é definida por:
1 N
BE ( x) = ∑ (x − x i oi )
N i =1
Eq. A-2: Desvio de erro
Erro médio absoluto (MAE, Mean Absolute Error) é a medida das diferenças dos valores absolutos
entre a previsão e observação de um campo particular e é definida por:
N
∑x
i =1
i − xoi
MAE ( x) =
N
Eq. A-3: Erro médio absoluto
Raiz quadrada do erro médio (RMSE, Root Mean Square Error) é a raiz quadrada da média das
diferenças individuais quadráticas entre a previsão e as observações e é definida por:
∑ (x − x i oi )2
i =1
RMSE ( x) =
N
Eq. A-4: Raiz do erro médio quadrático
Onde:
xi - Valor obtido pelo modelo;
xoi - Valor observado;

N – Numero total de observações.
ii
Tabelas e gráficos de cálculos de erros para as estações em estudo.
Análise da temperatura a 2m para a estacão B.
Tab. A-1: Estação B

Modelado Observado Erro médio Erro BE Erro MAE Erro RMSE
18 14.25 3.75 0.416666667 0.905555556 1.25
25.7 25.15 0.55
16.4 17.05 0.65 Erro BE (%)
16 16.85 0.85 41.66666667
15.7 15.85 0.15
23.9 22.85 1.05
16.3 17.05 0.75
15.8 15.85 0.05
15.9 16.25 0.35
Regressão linear
Temperatura observada (C)
30
25
y = 0.8713x + 2.057
20
R2 = 0.8592
15
10
5
0
0 5 10 15 20 25 30
Temperatura modelada (C)
Fig. A-1: Gráfico de regressão linear para temperatura a 2m na estacão B
iii
Análise da temperatura a 2m para a estacão G.
Tab. A-2: Estação G

16.7 13.25 3.45 0.2875 1.388461538 0.956857838
19.8 19.85 0.05
25.6 27.45 1.85 Erro BE (%)
18.4 20.55 2.15 28.75
18.1 15.45 2.65
19.3 19.85 0.55
24.1 24.15 0.05
17.4 19.85 2.45
16.2 17.35 1.15
17.5 17.75 0.25
17.8 18.35 0.55
15.9 17.45 1.55
19 17.65 1.35
Regressao linear
30
25
y = 1.0898x - 1.4555
20
R2 = 0.7601
15
10
0
0 5 10 15 20 25 30
Fig. A-2: Gráfico de regressão linear para temperatura a 2m na estacão G
iv
Análise da temperatura a 2m para a estacão H.
Tab. A-3: Estação H

16.4 17.85 1.45 -0.090625 2.2 0.3625
21.6 22.15 0.55
26.1 30.35 4.25 Erro BE (%)
19 21.25 2.25 -9.0625
18.5 19.15 0.65
18 19.05 1.05
20.1 23.55 3.45
15.5 18.55 3.05
15.1 18.05 2.95
16.7 20.55 3.85
24.7 26.95 2.25
17.6 20.45 2.85
15.5 18.95 3.45
19.4 19.25 0.15
27.6 25.35 2.25
19.4 18.65 0.75
Regressão linear
35
30
y = 0.8306x + 5.1007
25
R2 = 0.7724
20
15
10
5
0
0 5 10 15 20 25 30
Fig. A-3: Gráfico de regressão linear para temperatura a 2m na estacão H
v
Análise da temperatura a 2m para a estacão E.
Tab. A-4: Estação E

22.2 21.55 0.65 0.059090909 1.213636364 0.195982374
27.1 27.85 0.75
21.4 24.65 3.25 Erro BE (%)
21.5 22.55 1.05 5.909090909
25.4 26.05 0.65
21.4 24.15 2.75
20.5 20.65 0.15
22.6 24.55 1.95
21 21.95 0.95
19.8 20.75 0.95
20.5 20.75 0.25
Regressão linear
30
25
y = 0.9547x + 2.0975
20
R2 = 0.7746
15
10
0
0 5 10 15 20 25 30
Fig. A-4: Gráfico de regressão linear para temperatura a 2m na estacão E
vi
Análise da temperatura a 2m para a estacão D.
Tab. A-5: Estação D

25.7 22.45 3.25 0.295454545 2.25 0.97991187
26.6 28.95 2.35
22.7 20.25 2.45 Erro BE (%)
19.3 18.15 1.15 29.54545455
19.3 19.15 0.15
19.3 20.55 1.25
24.2 26.35 2.15
19.7 20.55 0.85
22 20.45 1.55
31.3 24.35 6.95
20.8 18.15 2.65
Regressão linear
35
30
25
y = 0.6479x + 6.9803
20 R2 = 0.5191
15
10
5
0
0 10 20 30 40
Fig. A-5: Gráfico de regressão linear para temperatura a 2m na estacão D
vii
Análise da temperatura do ponto de orvalho para estação B.
Tab. A-6: Estação B
17.3 12.55 4.75 0.527777778 4.116666667 1.583333333
24.7 15.15 9.55
15.9 14.45 1.45 Erro BE (%)
16.1 14.25 1.85 52.77777778
15.3 10.65 4.65
22.8 13.65 9.15
16.4 13.45 2.95
15.6 14.85 0.75
15.9 13.95 1.95
Regressão linear
16
14
12
y = 0.1347x + 11.267
10
R2 = 0.1159
8
6
4
2
0
0 5 10 15 20 25 30
Fig. A-6: Gráfico de regressão linear para temperatura do ponto de orvalho na estacão B
viii
Análise da temperatura do ponto de orvalho para estação E.
Tab. A-7: : Estação E
21.9 18.75 3.15 0.286363636 2.186363636 0.949760735
25.9 19.15 6.75
21.9 21.25 0.65 Erro BE (%)
21.5 20.95 0.55 28.63636364
25 21.55 3.45
21.6 19.45 2.15
20.4 18.75 1.65
22.9 20.05 2.85
21.1 20.45 0.65
19.9 20.45 0.55
20.5 18.85 1.65
Regressão linear
22
Temperatura do ponto de
orvalho observada (C)
21.5
21
20.5
y = 0.0993x + 17.779
20
R2 = 0.0325
19.5
19
18.5
0 5 10 15 20 25 30
Temperatura do ponto de orvalho modeleda (C)
Fig. A-7: Gráfico de regressão linear para temperatura do ponto de orvalho na estacão E
ix
Análise da temperatura do ponto de orvalho para estação D.
Tab. A-8: : Estação D

24.7 18.05 6.65 0.604545455 4.068181818 2.005050441
25.5 19.25 6.25
22.5 19.15 3.35 Erro BE (%)
19.2 17.55 1.65 60.45454545
19 18.35 0.65
19 16.95 2.05
23.3 17.55 5.75
19.6 20.25 -0.65
20.6 17.45 3.15
28.9 16.35 12.55
20.6 17.25 3.35
Regressao linear
Temperatura do ponto de
25
orvalho observada (C)
20
15
y = -0.0681x + 19.517
10
R2 = 0.0368
5
0
0 10 20 30 40
Temperatura do ponto de orvalho modelada
(C)
Fig. A-8:
Gráfico de regressão linear para temperatura do ponto de orvalho na estacão D
x
Análise da pressão a superfície estação de Maputo.
Tab. A-9: : Estação de Maputo
1009.02 1008.9 0.12 0.015 0.8225 0.042426
1009.53 1009.3 0.23
1010.29 1009.3 0.99 Erro BE (%)
1010.71 1011.7 0.99 1.5
1011.48 1011.2 0.28
1008.4 1009.6 1.2
1009.1 1010.4 1.3
1009.03 1010.5 1.47
Regressao linear
1012
Pressão a superfície
1011.5
observada (hpa)
1011
1010.5
1010 y = 0.5655x + 439.1
R2 = 0.3444
1009.5
1009
1008.5
1008 1009 1010 1011 1012
Pressão a superfície modelada (hpa)
Fig. A-9: Gráfico de regressão linear para pressão a superfície na estacão de Maputo
Análise da pressão a superfície estação de Vilanculos.
Tab. A-10: Estação de Vilanculos

1006.08 1006.5 0.42 -0.21 0.81 0.296984848
1003 1004.2 1.2
xi
Regressão linear
1007
Pressao a superficie
1006.5
observada (hpa) 1006

y = 0.7468x + 255.21
1005.5
R2 = 1
1005
1004.5
1004
1002 1003 1004 1005 1006 1007
Pressão a superficie modelada (hpa)
Fig. A-10: Gráfico de regressão linear para pressão a superfície na estacão de Vilanculos
Análise da pressão a superfície estação da Beira.
Tab. A-21:: Estação da Beira

1006.84 1006.9 0.06 -0.03 0.23 0.042426407
1004.4 1004 0.4
xii
Regressão linear
1007.5
Pressão a superficie
1007
observada (hpa)
1006.5
y = 1.1885x - 189.75
1006
R2 = 1
1005.5
1005
1004.5
1004
1003.5
1004 1005 1006 1007
Pressã a superficie modelada (hpa)
Fig. A-21: Gráfico de regressão linear para pressão a superfície na estacão da Beira
xiii
Análise da pressão a superfície estação de Quelimane.
Tab. A-32: Estação de Quelimane
1006.14 1007 0.86 -0.43 0.59 0.608111832
1003.68 1004 0.32
Regressao linear
1007.5
pressao a superficie
1007
observada (hpa)
1006.5
y = 1.2195x - 220
1006
R2 = 1
1005.5
1005
1004.5
1004
1003.5
1003 1004 1005 1006 1007
Pressao a superficie modelada (hpa)
Fig. A-32: Gráfico de regressão linear para pressão a superfície na estacão de Quelimane
xiv
Apêndice B.
B. Tempo típico para uma corrida de 72h
Timing of HRM with 2 threads

ie: 129 je: 131 i3e: 40
Number of time steps: 2160
Time for start up of HRM: 1.65 s

Time for reading the l.b.c. data: 6.88 s
Time for copying the l.b.c. data: 201.49 s
Time for the diabatic processes: 2494.33 s
Time for the explicit forecast: 1297.40 s
Time for r.h.s. of Helmholtz eq.: 121.48 s
Time for solution of Helmholtz eq.: 35.38 s
Time for addition of SI corrections: 389.73 s
Time for Asselin filtering: 261.54 s
Time for geopotential calculation: 139.87 s
Time for diagnostics/meteographs: 11.09 s
Time for post-processing GRIB files: 49.33 s
Total wallclock time for HRM run: 5010.18 s
Forecast completed for + 072 h (approx 84 min)
xv
Apêndice C.
C. Mapas de Pressão a nível médio do mar
xvi
Fig. C-1: 06Z21Fev2000 Fig. C-2: 12Z21Fev2000 Fig. C-3: 8Z21Fev2000
Fig. C-4: 00Z22Fev2000 Fig. C-5: 06Z22Fev2000 Fig. C-6: 12Z22Fev2000
Fig. C-9: 06Z23Fev2000

Fig. C-7: 18Z22Fev2000 Fig. C-8: 00Z23Fev2000
xvii
Apêndice D.
D. Mapas de evolução dos ventos aos 850hpa com o tempo.
xviii
Fig. D-1: 06Z21Fev2000 Fig. D-2: 12Z21Fev2000 Fig. 0-1: 18Z21Fev2000
Fig. D-4: 00Z22Fev2000 Fig. D-5: 06Z22Fev2000 Fig. D-6: 12Z22Fev2000
Fig. D-7: 18Z22Fev2000

Fig. D-8: 00Z23Fev2000 Fig. D-9: 06Z23Fev2000
xix
Apêndice E
E. Mapas de evolução da temperatura a 2m com o tempo.
xx
Fig. E-1: 06Z21Fev2000 Fig. 0-1: 12Z21Fev2000 Fig. E-3: 18Z21Fev2000
Fig. 0-2: 06Z22Fev2000 Fig. E-6: 12Z22Fev2000

Fig. E-4: 00Z22Fev2000
Fig. 0-3: 00Z23Fev2000 Fig. E-9: 06Z23Fev2000

Fig. E-7: 18Z22Fev2000
xxi
Apêndice F
F. Mapas de evolução da Humidade relativa aos 1000hpa com o tempo.
xxii
Fig. F-1 : 06Z21Fev2000 Fig. F-2: 12Z21Fev2000 Fig. F-3: 18Z21Fev2000
Fig. F-4: 00Z22Fev2000 Fig. F-5: 06Z22Fev2000 Fig. F-6: 12Z22Fev2000
Fig. F-8: 00Z23Fev2000 Fig. F-9: 06Z23Fev2000

Fig. 0-1: 18Z22Fev2000
xxiii

Estudo Da Aplicabilidade Do Modelo Regional de Alta Resolucao (HRM) para A Previsao Numerica de Tempo em Mocambique: Caso Do Ciclone Eline

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Estudo Da Aplicabilidade Do Modelo Regional de Alta Resolucao (HRM) para A Previsao Numerica de Tempo em Mocambique: Caso Do Ciclone Eline

Hochgeladen von

Copyright:

Verfügbare Formate

Trabalho de Licenciatura

Estudo da Aplicabilidade do Modelo

Autor: António José Beleza

Estudo da Aplicabilidade do Modelo Regional de Alta

AUTOR: António José Beleza

Supervisor: dr. Genito A. Maure

Maputo, Dezembro de 2007

ARPS - Atmospheric Regional Prediction System

A previsão numérica do tempo (PNT) centra-se na descrição de fenómenos físicos da

António Beleza Página i

Lista de Figuras e Gráficos

Gráfico 1: Comparação da temperatura a 2m para estação B............................................................ 22

António Beleza Página ii

É de realçar que desde os desastres de inundação de 2000 e 2001, as previsões

António Beleza Página 1

Actualmente, o modelo regional de PNT denominado RAMS, usado pelos Serviços

1.2.1. Objectivo Geral

O presente trabalho testa a viabilidade de utilização do Modelo Regional de Alta Resolução

António Beleza Página 2

1.2.2. Objectivos específicos

António Beleza Página 3

2.1. Modelos de Previsão Numérica

Um modelo de previsão numérica de tempo é um modelo de computador desenvolvido para

Para realizarem uma previsão de tempo, os modelos partem de um conjunto de condições

António Beleza Página 4

A capacidade e desempenho dos computadores limitam a resolução que é possível simular

2.2. Modelo de Alta Resolução HRM

António Beleza Página 5

2.2.1. Breve avaliação do modelo hidrostático regional de alta resolução HRM

2.2.1.1. Variáveis do modelo

2.2.1.2. Parte numérica do HRM

A parte numérica do modelo contém as seguintes características:

António Beleza Página 6

2.2.1.3. Parametrização física do HRM

• Esquema de precipitação à escala da rede (Grid-scale) que inclui a microfísica

• Esquema de convecção de fluxo de massa (Tiedtke, 1989) que diferencia a convecção de

• Modelo de solo de duas camadas (Two-layers) que inclui a neve e armazenamento de

António Beleza Página 7

2.2.2. Equações do modelo na forma diferencial

António Beleza Página 8

2.2.3. Rede horizontal

A discretização horizontal do HRM é baseada em uma formulação de uma Rede de

Figura 2: Posicionamento horizontal de variáveis na grelha de Arakawa-C do HRM

O tamanho físico da malha (km) é dado por: ∆x = a cosφ ∆λ e ∆y = a ∆ φ com a: raio da

Figura 3: Identificação dos pontos de malha do HRM

António Beleza Página 9

2.2.4. Rede Vertical

Figura 4: Coordenada híbrida (sigma-pressão): rede de Lorenz

A discretização vertical do HRM é baseada num sistema de coordenadas híbridas (sigma-

j2 = 1, ..., je índice de coluna (direcção Sul – Norte),

com j3 = 1, ..., i3e.

António Beleza Página 10

2.2.3. Parametrizações físicas

2.3.1. Radiação e nuvens

Transferências radiactivas de radiação solar e térmica em atmosferas limpa e nublada são

A cobertura das nuvens é derivada do conteúdo específico de água líquida e de gelo na

A cobertura parcial de nuvem, i. e. no caso de qc = qi = 0, é baseada numa relação empírica

António Beleza Página 11

2.3.2. Precipitação na escala da rede

António Beleza Página 12

O esquema convenctivo distingue três tipos diferentes de convecção, nomeadamente,

2.3.4. Fluxos Turbulentos no ABL e a atmosfera livre

A parametrização dos fluxos turbulentos verticais na camada de Prandtl (que é a camada