Beruflich Dokumente
Kultur Dokumente
1 século
1 década
1 ano
Escala Temporal (s)
1 mês
1 semana
1 dia
1 hora
1 mês
1 semana
1 dia
1 hora
1 mês
1 semana
1 dia
1 hora
1 século
PREVISÃO CLIMÁTICA
1 década
1 ano
Escala Temporal (s)
1 mês
1 semana
1 dia
1 hora
1 século
PREVISÃO CLIMÁTICA
1 década
1 ano
Escala Temporal (s)
1 semana
1 dia
1 hora
1 século
PREVISÃO CLIMÁTICA
1 década
1 ano
Escala Temporal (s)
1 semana
PREVISÃO DE MÉDIO PRAZO
1 dia
1 hora
1 século
PREVISÃO CLIMÁTICA
1 década
1 ano
Escala Temporal (s)
1 semana
PREVISÃO DE MÉDIO PRAZO
PREVISÃO DE CURTO PRAZO
1 dia
1 hora
1 século
PREVISÃO CLIMÁTICA
1 década
1 ano
Escala Temporal (s)
1 semana
PREVISÃO DE MÉDIO PRAZO
PREVISÃO DE CURTO PRAZO
1 dia
PREVISÃO DE MUITO CURTO
PRAZO
1 hora
1 século
PREVISÃO CLIMÁTICA
1 década
1 ano
Escala Temporal (s)
1 semana
PREVISÃO DE MÉDIO PRAZO
PREVISÃO DE CURTO PRAZO
1 dia
PREVISÃO DE MUITO CURTO
PRAZO
PREVISÃO IMEDIATA
1 hora
OU NOWCASTING
1 século
PREVISÃO CLIMÁTICA
1 década
1 ano
Escala Temporal (s)
1 semana
PREVISÃO DE MÉDIO PRAZO
PREVISÃO DE CURTO PRAZO
1 dia
PREVISÃO DE MUITO CURTO
PRAZO
PREVISÃO IMEDIATA
1 hora
OU NOWCASTING
1 século
1 década
1 ano
Escala Temporal (s)
1 mês
1 semana
1 dia
PREVISÃO 1 hora
IMEDIATA OU
NOWCASTING
p.ex., tempestades
convectivas evoluem
nesta escala.
meteorológicos de interesse no
nowcasting são de pequena extensão 1 década
1 mês
1 semana
1 dia
PREVISÃO 1 hora
IMEDIATA OU
NOWCASTING
p.ex., tempestades
convectivas evoluem
nesta escala.
1 século
Em resumo: o nowcasting é um horizonte de previsão onde
monitoramos em tempo real e prevemos em um prazo
“apertado” a evolução de fenômenos meteorológicos (p.ex.,
1 década
1 dia
PREVISÃO 1 hora
IMEDIATA OU
NOWCASTING
p.ex., tempestades
convectivas evoluem
nesta escala.
PREVISÃO
IMEDIATA OU
NOWCASTING A escala “acima” também nos
interessa na previsão de
tempestades, e com
implicações para o nowcasting.
Identificação da sub-região e
período do dia mais provável
a registrar tempo severo
2. A estratégia operacional para previsão de tempestades.
RS
2. A estratégia operacional para previsão de tempestades.
PR
SC
RS
P.ex., identificação do
município/cidade a ser atingido/a por
uma tempestade severa na próxima
hora (ou menos).
2. A estratégia operacional para previsão de tempestades.
Comentário:
Não é necessário (e nem é recomendável!) que haja 1 única equipe de
meteorologistas responsável por realizar todas estas etapas. Mas estas
equipes precisam estar bem coordenadas, i.e., precisam “conversar”
umas com as outras e conhecer suas atribuições.
No caso de ser uma mesma equipe realizando todas as etapas, ela deve
estar dedicada à previsão de tempestades convectivas (nada de
previsão de temperaturas máximas/mínimas, nevoeiros, outros...)
2. A estratégia operacional para previsão de tempestades.
superfície
3.1.1. Ingrediente: instabilidade condicional em uma camada profunda.
Se o centro de
Centro de gravidade gravidade da coluna
PESADO
LEVE
da coluna estiver baixo:
condição estável.
superfície
Se o centro de
gravidade da coluna Centro de gravidade
estiver alto: da coluna
condição instável.
PESADO
LEVE
3.1.1. Ingrediente: instabilidade condicional em uma camada profunda.
AR QUENTE E
ÚMIDO Baixa troposfera (até
~3km de altura)
(“LEVE”)
AR QUENTE E
ÚMIDO
(“LEVE”)
(Durante a convecção).
Circulação termicamente direta é
gerada. Célula de convecção.
O papel da convecção é o de
redistribuir verticalmente a massa nesta
coluna de ar buscando uma configuração
mais estável .
AR FRIO E AR QUENTE E
SECO ÚMIDO
(“PESADO”) (“LEVE”)
altitude
altitude
AR QUENTE E AR FRIO E
ÚMIDO SECO
(“LEVE”) (“PESADO”)
Figura adaptada de MetEd-UCAR COMET Program Figura adaptada de MetEd-UCAR COMET Program
PREVISÃO
IMEDIATA OU
NOWCASTING
Johns (1993)
O Cicl.Extr. gera/promove:
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
(1) Aporte de umidade de origem
tropical em baixos níveis (no setor
quente do Cicl.Extr.).
Setor
quente
Isóbaras
em superfície
3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em
médio & curto prazos).
→ Padrões sinóticos: o ciclone extratropical.
O Cicl.Extr. gera/promove:
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
(1) Aporte de umidade de origem
tropical em baixos níveis (no setor
quente do Cicl.Extr.). Às vezes na
Setor presença de um JBN.
quente
JBN
Isóbaras
em superfície
3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em
médio & curto prazos).
→ Padrões sinóticos: o ciclone extratropical.
O Cicl.Extr. gera/promove:
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
(1) Aporte de umidade de origem tropical
em baixos níveis (no setor quente do
Cicl.Extr.). Às vezes na presença de um
JBN.
<0 (2) Desestabilização da atmosfera.
Cavado na
média e alta
troposfera
Isóbaras
em superfície
3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em
médio & curto prazos).
→ Padrões sinóticos: o ciclone extratropical.
Cavado na
média e alta
troposfera
Isóbaras
em superfície
Acentua a CAPE
3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em
médio & curto prazos).
→ Padrões sinóticos: o ciclone extratropical.
O Cicl.Extr. gera/promove:
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
(1) Aporte de umidade de origem tropical
em baixos níveis (no setor quente do
Cicl.Extr.). Às vezes na presença de um
Setor quente
JBN.
(2) Desestabilização da atmosfera.
Isóbaras
em superfície
3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em
médio & curto prazos).
→ Padrões sinóticos: o ciclone extratropical.
O Cicl.Extr. gera/promove:
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
(1) Aporte de umidade de origem tropical
em baixos níveis (no setor quente do
Cicl.Extr.). Às vezes na presença de um
Setor quente
JBN.
(2) Desestabilização da atmosfera.
O Cicl.Extr. gera/promove:
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
(1) Aporte de umidade de origem tropical
em baixos níveis (no setor quente do
Cicl.Extr.). Às vezes na presença de um
SETOR JBN.
QUENTE
(2) Desestabilização da atmosfera.
Isóbaras
em superfície
3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em
médio & curto prazos).
→ Padrões sinóticos: o ciclone extratropical.
O Cicl.Extr. gera/promove:
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
(1) Aporte de umidade de origem tropical
em baixos níveis (no setor quente do
Cicl.Extr.). Às vezes na presença de um
SETOR JBN.
QUENTE
(2) Desestabilização da atmosfera.
Isóbaras
em superfície
O Cicl.Extr. gera/promove:
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
(1) Aporte de umidade de origem tropical
em baixos níveis (no setor quente do
SETOR Cicl.Extr.). Às vezes na presença de um
QUENTE JBN.
<0 (2) Desestabilização da atmosfera.
Mas nem todo Cicl.Extr. promove tempestades severas. Não basta “combinar
os ingredientes”; eles têm que estar presentes na “dosagem correta”. E
isto é particularmente importante na previsão da severidade das
tempestades. Isto nos leva ao nível 2 de previsão, mas antes disto...
3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em
médio & curto prazos).
→ Padrões sinóticos: o ciclone extratropical.
Figura original de Johns (1993), adaptada para o Hemisf. Sul.
?
Mas este é o padrão sinótico
típico brasileiro em situações
de tempestades severas?
Não! Falaremos mais disto ao
longo da semana.
Ventos em superfície
PREVISÃO
IMEDIATA OU
NOWCASTING
SBLI: -7 °C
MULI: -10 °C LR: 8,8 °C/km
SBSM
12Z 07 Set 2009
3.1.3. Quantificando os ingredientes (previsão em curto & muito curto prazos).
Comparar com a climatologia local:
Analisando a “dosagem” dos Parâmetro Mediana
ingredientes...
SBLI: -7 °C
MULI: -10 °C LR: 8,8 °C/km
SBSM
12Z 07 Set 2009
Unidades:
4. Alguns comentários finais.
Mais por vir durante a semana....
Email: ernani.nascimento@ufsm.br
Twitter: @ern_nascimento
DISCRIMINANDO CONDIÇÕES
FAVORÁVEIS A DIFERENTES MODOS DE
TEMPO SEVERO NO LESTE DA BACIA DO
PRATA: CHUVAS
INTENSAS, VENDAVAIS E TORNADOS.
Murilo Machado Lopes
Ernani L. Nascimento
Foto: NSCTV
(1) INTRODUÇÃO
Rajadas destrutivas de vento
Distribuição geográfica
dos eventos selecionados
(marcadores), mapa de
altitude em m
(sombreado).
(2) METODOLOGIA E DADOS
Para a análise das condições atmosféricas: dados do Climate
Forecast System Reanalysis (CFSR; Saha et al., 2010) e Climate
Forecast System version 2 (CFSv2; Saha et al., 2014).
(2) METODOLOGIA E DADOS
Para a análise das condições atmosféricas: dados do Climate
Forecast System Reanalysis (CFSR; Saha et al., 2010) e Climate
Forecast System version 2 (CFSv2; Saha et al., 2014).
Do domínio global de dados do CFSR e CFSv2 extraiu-se as
variáveis atmosféricas de sub-domínios regionais móveis de 30° x
30° de latitude/longitude, com o evento localizado no ponto
central do sub-domínio.
(2) METODOLOGIA E DADOS
Para a análise das condições atmosféricas: dados do Climate
Forecast System Reanalysis (CFSR; Saha et al., 2010) e Climate
Forecast System version 2 (CFSv2; Saha et al., 2014).
Do domínio global de dados do CFSR e CFSv2 extraiu-se as
variáveis atmosféricas de sub-domínios regionais móveis de 30° x
30° de latitude/longitude, com o evento localizado no ponto
central do sub-domínio.
(2) METODOLOGIA E DADOS
A análise das condições atmosféricas em escala sinótica envolveu a
caracterização dos padrões atmosféricos do horário mais próximo da
ocorrência dos eventos severos buscando diferentes os grupos.
(2) METODOLOGIA E DADOS
A análise das condições atmosféricas em escala sinótica envolveu a
caracterização dos padrões atmosféricos do horário mais próximo da
ocorrência dos eventos severos buscando diferentes os grupos.
Perfis troposféricos de temperatura, umidade específica,
componentes zonal e meridional do vento são extraídos da reanálise
CFSR-CFSv2 para os pontos de grade mais próximos de cada evento.
(2) METODOLOGIA E DADOS
A análise das condições atmosféricas em escala sinótica envolveu a
caracterização dos padrões atmosféricos do horário mais próximo da
ocorrência dos eventos severos buscando diferentes os grupos.
Perfis troposféricos de temperatura, umidade específica,
componentes zonal e meridional do vento são extraídos da reanálise
CFSR-CFSv2 para os pontos de grade mais próximos de cada evento.
PARÂMETROS CONVECTIVOS
(3) RESULTADOS
TOR RAJ CHU
ANÁLISE PERCENTÍLICA
(3) RESULTADOS
• Conclusões
Introdução
• Definição EUA – tempestade local severa (ao menos uma das condições):
• Tornado;
• Ventos de ao menos 25 m/s;
• Granizo ao menos 2,54 cm de diâmetro.
• A ocorrência de granizo é de particular interesse acadêmico e operacional, uma vez que, embora
partículas gelo sejam comuns em nuvens Cb, o crescimento das pedras de granizo depende de
condições ideais, sobretudo no padrão de escoamento relativo à tempestade e aos updrafts (Nelson,
1983).
• Estudos como Pinheiro et al (2014) e Zanetti et al (2019) buscam implementar e avaliar ferramentas
que possam ser operacionalizadas para previsão de tempo tanto em curto quanto em curtíssimo
prazo.
Tempestade em SJC
• Relatos e registros – cidadãos e mídia:
• Início por volta das 14h
• Duração: 15 a 20 min
Estado do tempo na manhã do dia 24
- Em baixos níveis:
- Escoamento de norte: transporte de T e q 850 hPa – 9h local 250 hPa – 9h local
- Em altos níveis:
- “Jet streak”: forçante dinâmica para circulação
vertical
http://www.inmet.gov.br/vime/
A previsão
• Com base nas observações meteorológicas e no prognóstico dos
modelos, reportamos:
⚫ PINHEIRO, Henri Rossi; ESCOBAR, Gustavo Carlos Juan; ANDRADE, Kelen Martins. Aplicação de uma ferramenta objetiva para
previsão de tempo severo em ambiente operacional. Rev. bras. meteorol., São Paulo , v. 29, n. 2, p. 209-228, June 2014 .
Available from <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862014000200006&lng=en&nrm=iso>. access
on 29 Nov. 2019. http://dx.doi.org/10.1590/S0102-77862014000200006.
⚫ Bruno Z. Ribeiro, Luiz A. T. Machado, Joao H. Huamán Ch., Thiago S. Biscaro, Edmilson D. Freitas, Kathryn W. Mozer, Steven J.
Goodman. An Evaluation of the GOES-16 Rapid Scan for Nowcasting in Southeastern Brazil: Analysis of a Severe Hailstorm Case.
Weather and Forecasting, early online release, November 2019, DOI 10.1175/WAF-D-19-0070.1.
⚫ Nelson, S. P., 1983: The influence of storm flow structure on hail growth. J. Atmos. Sci., 40, 1965–1983,
https://doi.org/10.1175/1520-0469(1983)040<1965:TIOSFS>2.0.CO;2.
Nowcasting: Estudo de casos de granizo no Estado de
São Paulo
Cachoeira Paulista – SP
Dezembro/2019
1. Introdução
A ocorrência de eventos extremos de precipitação, vendavais, granizo e
tornados podem ocasionar grandes danos socioeconômicos (EASTERLING et
al., 2000);
O Nowcasting tornasse uma técnica bastante útil para prever tempestades que
podem proporcionar riscos para uma região, em curtíssimo prazo (WILSON et
al., 1998);
1) Fase Pré-Convectiva (PC);
2) Fase de Iniciação Convectiva (IC);
3) Fase Madura;
4) Fase de Previsão.
Objetivo
3 4
1 2 5
Figura 1. Distribuição das regiões de estudo para: (a) Caso 1; (b) Caso 2
2.2. DADOS UTILIZADOS
Os dados foram avaliados seguindo as fases Nowcasting:
Análises sinóticas do Centro de Previsão do Tempo e Clima (CPTEC);
Imagens do satélite Geostationary Operational Environmental Satellite
(GOES);
Dados do radar de São Roque-SP;
Radiossondas;
Modelo regional do CPTEC.
3. Resultados
3.1. FASE PRÉ-CONVECTIVA
Cavado em superfície.
Figura 3. Cartas sinótica para 31/07/2018-06Z
Frente estacionária.
Os sistemas tendem a ser maiores e mais duradouros em regiões de forte
cisalhamento vertical de vento (Shear) e alto CAPE (NASCIMENTO, 2006);
Caso 1: possibilidade de tempestades ordinárias com alguns pulsos mais
intensos;
Caso 2: possibilidade de tempestades é ordinária ou multicélula.
a) b)
Para o caso 2 nenhum dos índices apresentam valores que indiquem instabilidade
durante todo o período de atuação do sistema na região.
a) b)
Figura 7. Evolução temporal dos índices termodinâmicos para o: (a) Caso 1 e (b) Caso 2
3.2. INICIAÇÃO CONVECTIVA
Amparo e Taubaté: 17:40 UTC
a) b)
Figura 8. Evolução temporal dos produtos da fase mad para o: (a) Caso 1 e (b) Caso 2
3.4. PREVISÃO
Método de extrapolação de dados de radar, pois segundo Pierce et al. (2012)
esta é a forma mais precisa para o período disponível.
Amparo: 30 min;
Taubaté: 20 min;
4. Conclusão
O evento ocorrido em 2017 foi amparado pela termodinâmica da atmosfera;
Porém:
1) É impossível monitorar grandes áreas;
Introdução
Monitoramento das tempestades?
Porém:
1) É impossível monitorar grandes áreas;
Porém:
1) É impossível monitorar grandes áreas;
Austrália:
- Granizo de diâmetro > 2,0 cm;
- Rajada de vento > 90 km/h;
- Tornado;
- Chuva responsável por enxurrada.
Definição
Nuvem Cumulonimbus
com grande
desenvolvimento
vertical
(1 km até 12-18 km)
Diâmetro de 5 a 30 km
Foto: Eliŝka Cílková (internet)
Conceito
Três ingredientes necessários para uma tempestade:
1) Umidade
2) Instabilidade Ar frio
termodinâmica
Ar quente
Solo
Conceito
Três ingredientes necessários para uma tempestade:
2) Instabilidade Ar frio
termodinâmica
Ar quente
Estável Instável
Solo
Conceito
Três ingredientes necessários para uma tempestade:
3) Levantamento Ar frio
Ar quente
Solo
Conceito
Três ingredientes necessários para uma tempestade:
3) Levantamento Ar frio
Necessita de
uma perturbação Ar quente
Solo
Conceito
Três ingredientes necessários para uma tempestade:
3) Levantamento
1) Umidade;
2) Instabilidade termodinâmica; e
3) Algo que levante o ar quente instável e “libere” a
instabilidade.
Conceito
E as tempestades SEVERAS?
Conceito
Quarto ingrediente:
Conceito
Quarto ingrediente:
Tempestade
comum
Conceito
Quarto ingrediente:
Tempestade
comum
A corrente
ascendente de ar
quente é destruída
pelo ar frio
descendente
Conceito
Quarto ingrediente:
Tempestade com cisalhamento de vento:
ÚMIDO
Conceito
Água precipitável - Inverno
SECO
Conceito
Vento em 500 hPa - Verão
Ventos fracos
Conceito
Vento em 500 hPa - Inverno
Ventos
intensos
Conceito
http://www.rindat.com.br/
Ilustração
Tarde de verão típica no Brasil
Densidade de descargas elétricas
http://www.rindat.com.br/
Ilustração
Tarde de verão típica no Brasil
Densidade de descargas elétricas
http://www.rindat.com.br/
Ilustração
Tarde de verão típica no Brasil
Densidade de descargas elétricas
http://www.rindat.com.br/
Ilustração
Tarde de verão típica no Brasil
Densidade de descargas elétricas
Diferentes
probabilidades
de tempestades
http://www.rindat.com.br/
Tempestades severas são
raras em termos probabilísticos.
Objetivos
Objetivos da previsão de tempestades severas:
Centro Nacional
Papel de cada Instituição
“Modelo ideal” de organização para lidar com tempo severo:
Alerta de tempestade: Probabilidades:
Tempestade intensa com Chuva intensa: alta
potencial de precipitação, Ventos > 80 km/h: alta
ventos intensos e queda de Granizo > 2cm: média
granizo. Tornado: baixa
Próximos 30 minutos.
Centro Regional
Papel de cada Instituição
“Modelo ideal” de organização para lidar com tempo severo:
Envio de SMS
Ações de
prevenção
Notificações
para a
população
Defesa Civil
Papel de cada Instituição
“Modelo ideal” de organização para lidar com tempo severo:
Probabilidade Aviso Curto Prazo Alertas de Curtíssimo Prazo Envio de SMS
Ações de
prevenção
Tipo de evento 1 2 3 4
Verde: granizo
Azul: vento
Vermelho: tornado
Verificação
Registros de tempo severo do dia 30/05/2019
Verde: granizo
Azul: vento
Vermelho: tornado
Verificação
Registros de tempo severo do dia 30/05/2019
Verificação
Registros de tempo severo do dia 30/05/2019
Verificação
Registros de tempo severo do dia 30/05/2019
Verificação
Registros de tempo severo do dia 30/05/2019
Verificação
Previsão seria
melhor estendendo
a área amarela
para leste
Verificação
Determinação da “previsão ideal” automaticamente
Validação das previsões e alertas
Satélite:
Pontos onde o
hidroestimador indicou
precipitação de 40 mm/h
persistente por 10 minutos
Validação das previsões e alertas
Radar:
1
Sumário
Aspectos gerais da Modelagem Numérica
Definição de Mesoescala
Problemas gerais em Mesoescala
Ilhas de Calor
Como representar melhor eventos severos em
curtíssimo prazo?
Alguns casos simulados durante o SOS-CHUVA.
É possível utilizar modelos de mesoescala na previsão
de curtíssimo prazo?
2
3
Equações Básicas
Equação de Estado
p ar RTv
Conservação de Massa
d Uj
0
dt xj
Conservação de Momento (2ª Lei de Newton)
Ui Ui 1 p 2 Ui
U j i3 g f c i j 3U j
t xj xi x 2j
Conservação de Umidade
qT qT 2 q S qT
U j q
t xj x j air
2
Conservação de Energia
1 Q j L p E
*
2
U j
t xj 2
x j C
p x
j Cp
Para resolver o problema …
5
6
Domínio dos modelos
Fonte: www.meted.ucar.edu 7
8
Separação entre escalas
13
14
15
ConsequênciasFoto:
da Urbanização
Kléber Lopes da Rocha Filho
1600
1400 0,27. O teste de Mann-Kendall rejeitou a
1200 hipótese de tendência zero ao nível de
1000
800
95% com p< 0.01. Inclinação = 5.518
1930 1940 1950 1960 1970 1980 1990 2000 2010 mm/ano.
18
Algumas preocupações para o futuro
Expansão das Áreas Urbanas
Expansão da mancha urbana da RMSP para 2030, na cor amarela. Fonte: Young et al.
(2011)
19
20
Courtesy of Shingo Yamada - JMA
21
Produtos gerados no SOS-CHUVA
22
23
Projeto Temático FAPESP
“Previsão imediata de tempestades severas e entendimento dos processos
físicos no interior das nuvens”
SOS- CHUVA
“(Sistema de Observação e Previsão de Tempo Severo)”
PROBLEMA - Como prever eventos extremos a curtíssimo prazo (poucas horas) e como fazer essa informação chegar
ao usuário de forma adequada?
Objetivo - Entender a evolução da microfísica das nuvens no seu desenvolvimento para eventos intensos de
precipitação e desenvolver um sistema de alerta de tempestades intensas.
24
Uso de índices de tempo severo
25
Uso de índices de tempo severo
26
27
Produtos numéricos gerados no SOS-CHUVA
28
Produtos numéricos gerados no SOS-CHUVA
30
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
Comparação BRAMS 16 km – 00Z e
12Z
56
São Borja/RS – Brazil: Current conditions
N
E LDT
N E Nov 26th 2018
3:18 PM
São Borja
18UTC
Nov 26th 2018
GOES 16 -
VIS
Nov 26th
2018
1745 UTC
São Borja/RS – Brazil: Forecast Day 1
GFS forecast
SBORJ 12UTC Nov 26th 12UTC Nov
27th
CORD (every 3h).
Precipitable water (shading;
mm)
700 hPa winds (barbs; kt)
700 hPa omega (contours; 10-1 s-1)
São Borja/RS – Brazil: Forecast Day 1
GFS forecast
SBORJ 12UTC Nov 26th 12UTC Nov
27th
CORD (every 3h).
MUCAPE (shading; J/kg)
MUCINE (contour; J/kg)
São Borja
18UTC
Nov 27th 2018
GOES 16 -
VIS
Nov 27th
2018
1715 UTC
São Borja/RS – Brazil: Forecast Day 1
77
Sistemas de inicialização estatística.
Método Bayesiano
78
Sistemas de inicialização estatística.
Método Bayesiano
79
Sistemas de inicialização estatística.
Método Bayesiano
80
Sistemas de inicialização estatística.
Método Bayesiano
81
Sistemas de inicialização estatística.
Método Bayesiano
82
Sistemas de inicialização estatística.
Método Bayesiano
83
Sistemas de inicialização estatística.
Método Bayesiano
84
Conclusões
A população está crescendo, assim como as cidades;
Os efeitos urbanos tendem a aumentar, com impactos
sobre o tempo, qualidade do ar e, consequentemente,
sobre a qualidade de vida;
Modelos são uma ferramenta útil para responder
questões importantes relacionadas aos eventos de
tempo severo, mas ainda carecem de melhor
detalhamento dos processos físicos;
85
O futuro dos Modelos depende:
Melhoria nas condições iniciais e de Fronteira (rede de
observações);
Melhor entendimento dos processos Físicos e
Químicos (melhores parametrizações);
Resoluções mais altas;
Assimilação de dados (radares, satélites, sondagens);
Desenvolvimento Computacional.
86
87
Contato: edmilson.freitas@iag.usp.br
http://www.master.iag.usp.br
http://soschuva.cptec.inpe.br/soschuva/
Workshop de Previsão Imediata
eder.vendrasco@inpe.br
WRF v3.9.1.1
3 Grades aninhadas (16/4/1 km)
Assimilação apenas na grade 3 (1km)
Assimilação de Dados
• Objetivo da AD:
– Reduzir ao máximo OMA
• Considerar que o número de variáveis controle
é muito menor que as variáveis do modelo.
Ciclo de Assimilação de Dados
Casos
5 Casos estudados
2016/12/03
2017/02/22
2017/03/06
2017/05/05
2017/10/27
Experimentos Parte 1
Assimilação de Dados
Estatística
Thompson
Morrison
WSM6
WDM6
Estatística
cCIcAD
sCIcAD
sCIsAD
Null-Echo DA
WRF Reflectivity
NE1
Alto FSS
Baixo RMSE
Baixo FAR
Refletividade
Perfis assimilados
Assimilação de Dados
Conclusões
➔ 3.224.443 de habitantes
➔ Responsável por 1.8% do PIB
nacional
➔ Só em 2017 foram 7 tempestades
severas que provocaram granizo e
alagamentos
SELEÇÃO DE
EVENTOS
Eventos selecionados
pelo projeto SOS
CHUVA através de
relatos e notícias entre
2016 e 2017
LINHAS DE INSTABILIDADE
➔ Dependem do cisalhamento do
vento (Weisman e Klemp,
1982);
Ausência de medições de
➔ Freitas, 2003
◆ TEB
➔ Índices Cinemáticos
➔ Índices Mistos
ÍNDICES DE INSTABILIDADE
DNRV
➔ HR3K: Relacionada com a vorticidade
em sentido direto.
➔ Início: 17Z
➔ Ápice da atividade: 19Z
➔ Dissipação: 22Z
➔ Região de intenso
gradiente de
Temperatura na costa
➔ Centro de Alta pressão
sobre o Atlântico
ANÁLISE ECMWF
➔ Região de intenso
gradiente de
Temperatura na costa
➔ Centro de Alta pressão
sobre o Atlântico
CAPPI
➔ Taxa de precipitação
estimada em 55 mm/h ao
atingir a região de
Campinas
Fonte: https://topicssoschuva.blogspot.com/
ANÁLISES DA SIMULAÇÃO
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
PERFIS
VERTICAIS
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
TEB ativado TEB desativado
Uso de solo Urbano Uso de solo Vegetado
CAPE: 246
CINE: 26
LI: -0.76
K: 33
TT: 44
➔ Campinas
◆ CAPE = 2500 a 3000 Jkg-1
◆ IL = -5 °C
DNRV (ms-1 - sombreado) e IEH ( contorno) das 18Z HR3K (ms-1 - sombreado) e SUP (contorno) das 18Z
CONSIDERAÇÕES FINAIS
2019
1 / 12
Espaço de fase Gama
Droplets Size Distribution
Function:
N(D) = N0 D µ exp(−ΛD)
N0 (cm−3 µm−1−µ ):
intercept parameter
µ (dimensionless): shape
parameter
Λ (µm−1 ): curvature
parameter
N(D): number of droplets Cecchini et al. (2017)
with diameter D per cm−3
of air.
2 / 12
Model
4000
z(m)
3000
2000
1000
0
294 301 308 315 322 329 336
θ(K)
(a) (b)
3 / 12
Model
4000
z(m)
3000
2000
1000
0
294 301 308 315 322 329 336
θ(K)
(a) (b)
3 / 12
Simulated cloud
4 / 12
Observation vs simulation
1.6
1.4
1.2
1
0.8
log(Λ)
0.6
0.4
0.2
0
−0.2
−0.4
2.5
2
1.5
6
1 4
2
0
log(µ) 0.5 −2
−4
−6
0 −8
−10
log(N0 )
(a) (b)
cloud widths: (a) bin microphysics simulation and (b) observation (Fig. 6 of
Cecchini et al., 2017). The red lines in (a) are the projections of the surfaces
with constant Deff , increasing from top to bottom.
5 / 12
Expressions used in bulk schemes
Droplets Size Distribution
Function:
N(D) = N0 D µ exp(−ΛD)
N0 (cm−3 µm−1−µ ):
intercept parameter
µ (dimensionless): shape
parameter
Λ (µm−1 ): curvature
parameter
N(D): number of droplets
with diameter D per cm−3
of air.
6 / 12
Expressions used in bulk schemes
Droplets Size Distribution
Function:
In bulk schemes:
N(D) = N0 D µ exp(−ΛD)
1000
µ= +2
N0 (cm−3 µm−1−µ ): Nd
intercept parameter
Thompson et al. (2008)
µ (dimensionless): shape
parameter µ = (5.714×10−4 Nd +0.2714)−2 −1.
−1
Λ (µm ): curvature
parameter Morrison et al. (2009)
6 / 12
Consequences
TAU
thompson09 (bin-based)
morrison09 (bin-based)
thompson09
1.5
1
log(Λ)
0.5
2.5
2
1.5
lo 6
1 2
g(
µ) 0.5 −2
−6
0 −10 o)
log (N
7 / 12
Proposed change
1 1000
µ(qc ) = + +2
qc Nd
TAU
MOD
1.5
3500
128
3000
Cloud-top in TAU simulation
Fitted function 1 2500
64 2000
µ (dimensionless)
log(Λ)
1500
0.5
32 1000
500
16 0 0
8
2.5
2
4 1.5
1 6
2
log(µ) 0.5 −2
2 0 −10 −6
0.015625 0.03125 0.0625 0.125 0.25 0.5 1 log(N0 )
qc (g/kg)
(a) (b)
8 / 12
Eects: KiD model
20 10−4
TAU TAU
18 thompson09 thompson09
thompson09 MOD thompson09 MOD
16 10−5
Def f (µm)
14
qr (g.kg −1 )
12
10−6
10
8
10−7
6
4
10−8
600 700 800 900 1000 1100 1200 600 700 800 900 1000 1100 1200
t (s) t (s)
(a) (b)
9 / 12
Eects: WRF model
10 / 12
Eects: WRF model
11 / 12
Análise e Aprimoramento dos Processos
Microfísicos em Modelos Numéricos Utilizando
Espaços de Fase
2019
12 / 12
Analyzes and model simulation of a
severe weather occurrence over the
city of São Paulo
Mariana Fadigatti Picolo
Table of contents
Introduction
Materials and methods
Results
Event
Model simulation
Conclusion
Introduction
Severe weather occurrences are extensively
studied around the world due to:
-Tornadoes -Tornadoes
-Damaging wind
-Damaging wind or gusts exceeding
or gusts exceeding 25 m s-1
26 m s-1
- Hail with diameter
higher than 2.0 cm
- Hail with diameter
higher than 1.9 cm -Heavy rainfall
Introduction
Three necessary ingredients:
Low-level instability;
Mesoscale process
Parcel ascent to LFC.
Introduction
Mid-level dry air;
Vertical wind shear;
Atmospheric sounding are important to evaluate these ingredients;
Indexes were created to aid in the analyzes and forecast of events:
CAPE, which is a measure of instability. Values above 2500 J kg-1
indicate a very unstable condition;
Forecast;
Non-hydrostatic;
-0-6km shear
Dry air
can decrease precipitation efficiency; could
decrease the possibility of heavy rain events;
-0-6km shear
The vertical profiles were also well simulated, considering the two hour
delay;
Sea breeze formed and propagated into the continent, however, again, it
reached the locations of the stations around two hours later;
Ambient with relative humidity above 40% and weak vertical wind shear
before the event.
Andréia Bender
Edmilson Dias de Freitas
Objetivos
Grade1:
150 pontos em x e y; Espaçamento 16 km;
Grade2:
202 pontos em x e y; Espaçamento 4 km;
Grade3:
270 pontos em x e y; Espaçamento 1 km.
Classificação/uso do solo baseado nos arquivos do USGS (roxo e laranja), adaptada para as
condições da RMSP por Freitas et al. (2007) e uma extrapolação da área urbana prevista
para 2030 (vermelho), adaptado de Young (2013).
Descrição dos Testes de Sensibilidade com a Mancha
Urbana
1 Planejamento 1
𝐸𝑀𝑈 = 𝑃 − 𝑃1 + 𝑃4 − 𝑃3 𝐸𝑈𝑉 = 𝑃 + 𝑃4 − 𝑃1 + 𝑃2
2 2 Fatorial 2 3
Planejamento 1
𝐸𝑀𝑈_𝐸𝑈𝑉 = 𝑃 + 𝑃4 − 𝑃2 + 𝑃3
Fatorial 2 1
Separação de
EMU_EUV = P4 − 𝑃2 + 𝑃3 + 𝑃1
Fatores
Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Caso de
tempestade
de 14 de
fevereiro de
2013.
Ensaio 1 Ensaio 2
Chuva acumulada (mm) durante o evento de 14 de fevereiro de
2013, obtida com as variáveis acccon e totpcp.
Cenário com Verticalização Atual e Mancha Urbana de 2030
(Ensaio 2)
Ensaio 1 Ensaio 2
Ensaio 1 Ensaio 3
Chuva acumulada (mm) durante o evento de 14 de fevereiro de
2013, obtida com as variáveis acccon e totpcp.
Cenário com Verticalização Futura e Mancha Urbana Atual
(Ensaio 3)
Ensaio 1 Ensaio 3
Ensaio 2 Ensaio 4
Precipitação induzida pelo aumento da mancha urbana ( EMU, (a) ), pelo aumento da
urbanização vertical ( EUV, (b) ) e pela interação entre o aumento da mancha urbana e da
urbanização vertical ( EMU_EUV, (c) )
Planejamento Fatorial / Separação de Fatores
CAPE induzida pelo aumento da mancha urbana ( EMU, (a) ), pelo aumento da
urbanização vertical ( EUV, (b) ) e pela interação entre o aumento da mancha urbana e da
urbanização vertical ( EMU_EUV, (c) )
Planejamento Fatorial / Separação de Fatores
DNRV induzida pelo aumento da mancha urbana ( EMU, (a) ), pelo aumento da
urbanização vertical ( EUV, (b) ) e pela interação entre o aumento da mancha urbana e da
urbanização vertical ( EMU_EUV, (c) )
INFO:
Bender, A., Freitas, E.D. & Machado, L.A.T. The impact of future urban scenarios on a
severe weather case in the metropolitan area of São Paulo. Climatic Change (2019)
156: 4, 471-488. https://doi.org/10.1007/s10584-019-02527-1
e-mail: andreia.bender@cemaden.gov.br
GANHO DE CONHECIMENTO EM
PREVISÃO IMEDIATA NAS APLICAÇÕES
UTILIZANDO RADAR E SATÉLITES
luiz.machado@inpe.br
• Definição de Metodologias
• Definição de Etapas
• Desenvolvimento de Aplicativos
5
hgraupel=Vgraupel/A3
h*=Vol/A
A1 A2 A3
Global Positioning System precipitable water vapour (GPS-PWV) jumps before intense rain events: A
potential. application to nowcasting by Luiz F. Sapucci, Luiz A. T. Machado, Eniuce Menezes de Souza,
Thamiris B. Campos. Meteor. App. 2019
Evandro M. Anselmo, Luiz A. T. Machado, Courtney Schumacher and George
Kiladis. Amazonian Mesoscale Convective Systems: Life Cycle and Propagation
Characteristics. In submission process to Int. Journal of Clim.
9
The Amazonian Low-level Jet and its Connection to Convective Cloud Organization.
Evandro M. Anselmo, Courtney Schumacher and Luiz A. T. Machado. In submission
process to Mon. Wea. Rev., 2019
An Evaluation of the GOES-16 Rapid Scan for
Nowcasting in Southeastern Brazil: Analysis of a
Severe Hailstorm Case
11
12
An Evaluation of the GOES-16 Rapid Scan for
Nowcasting in Southeastern Brazil: Analysis of a
Severe Hailstorm Case
13
An Evaluation of the GOES-16 Rapid Scan for
Nowcasting in Southeastern Brazil: Analysis of a
Severe Hailstorm Case
Lagrangian satellite-derived parameters
14
An Evaluation of the GOES-16 Rapid Scan for
Nowcasting in Southeastern Brazil: Analysis of a
Severe Hailstorm Case
15
South Brazil –Argentina border - São Borja – Oitavo
Experimento – Novembro 2018
Projeto RELAMPAGO – Brasil-Argentina-EUA
Radiosonde
and
Operation Center
São Borja : Dataset
W> 20 m/s
And
Hydrometeors > 5g/kg
Mesocyclone
W> 20 m/s
BWER
Conceptual model of the (A) mesocyclone above the BWER, layer of
strong vertical motion and (B) the collapse of the supercell
During the collapse phase, the BWER starts to moves out of the hail cascade
region, the concentration and mass of the hydrometeors increase with time
and start to fall over the BWER and on the surface, the downdraft begins to
overcome the surface air convergence region that feed the updraft.
Moore tornado (F5)
May 20, 2013
Velocity (m/s)
Altitude (km)
Touch Down
Time UT
Willians et al. 2013
Conclusions
cclopes.github.io
2
Introdução
cclopes.github.io
3
Tempestades de Granizo
Projeto SOS-CHUVA
http://soschuva.cptec.inpe.br/
cclopes.github.io
5
Objetivos
Material e Métodos
https://github.com/cclopes/soschuva_hail
cclopes.github.io
7
Casos Selecionados
24 pontos
1,5 m
Rede de hailpads instalada na Região Metropolitana de Campinas com a localização e cobertura de 80 km do radar XPOL (esquerda); hailpad
instalado na cidade de Indaiatuba, na localização indicada com a seta (direita)
cclopes.github.io
9
Radares Meteorológicos
Localização e cobertura dos radares da FCTH (laranja), de São Roque (azul) e o XPOL (verde). As linhas mais grossas representam a cobertura
de 250 (80) km dos radares FCTH e São Roque (XPOL), enquanto que as linhas mais finas representam a cobertura de 100 (60) km dos
mesmos
cclopes.github.io
10
Identificação de Hidrometeoros
Configuração dos radares nos casos em que a recuperação de vento por Multi-Doppler foi utilizada;
Ângulos de cruzamento do feixe com Dual-Doppler de 45° e 30° para pares de radares Doppler
cclopes.github.io
12
Resultados
cclopes.github.io
14
22,4 mm
2,7 mm 6,5 mm
Plotagem violino com caixa das distribuições de diâmetro do granizo de diferentes medidas feitas por IAG e LIM separados por caso
cclopes.github.io
15
Casos
selecionados
Casos
selecionados
Evolução temporal da refletividade (a), tamanho do sistema (b) e taxa de flashes CG e IC (c). As linhas pontilhadas indicam o momento
aproximado em que houve a queda de granizo medida no hailpad.
cclopes.github.io
17
Caso de 2017-03-14
Imagem de satélite do canal 13 do GOES-16 mostrando a temperatura CAPPI em 3 km do radar de São Roque em 2017-03-14. O contorno
de brilho do topo das nuvens no estado de São Paulo em 2017-03-14 preto delimita o sistema rastreado pelo ForTraCC-Radar
cclopes.github.io
18
PPI na elevação de 1° e corte vertical em azimute de campos originais e derivados do radar da FCTH em 2017-03-14 1827 UTC, quando houve
queda de granizo em Cosmópolis: Refletividade corrigida e identificação de hidrometeoros. O ‘x’ indica a localização do hailpad e as
isotermas de 0 e -40°C foram definidas a partir da radiossondagem de SBMT
cclopes.github.io
19
PPI na elevação de 1° e corte vertical em azimute de campos originais e derivados do radar da FCTH em 2017-03-14 1957 UTC, quando houve
queda de granizo em Indaiatuba: Refletividade corrigida e identificação de hidrometeoros. O ‘x’ indica a localização do hailpad e as
isotermas de 0 e -40°C foram definidas a partir da radiossondagem de SBMT
cclopes.github.io
20
Corte horizontal em 3km de altura e vertical entre os pontos A e B de refletividade e velocidade do vento (correntes ascendentes e
descendentes máximas no painel da esquerda, escoamento no painel da direita) derivado por Multi-Doppler em 2017-03-14 às 1820 (a) e 1830
UTC (b), quando houve queda de granizo em Cosmópolis. O ‘x’ indica a localização do hailpad
cclopes.github.io
21
Corte horizontal em 3km de altura e vertical entre os pontos A e B de refletividade e velocidade do vento (correntes ascendentes e
descendentes máximas no painel da esquerda, escoamento no painel da direita) derivado por Multi-Doppler em 2017-03-14 às 1950 (a) e 2000
UTC (b), quando houve queda de granizo em Indaiatuba. O ‘x’ indica a localização do hailpad
cclopes.github.io
22
Caso de 2017-11-15
PPI na elevação de 1° e corte vertical em azimute de campos originais e derivados do radar da FCTH em 2017-11-15 2150 UTC, quando houve
queda de granizo em Indaiatuba: Refletividade corrigida e identificação de hidrometeoros. O ‘x’ indica a localização do hailpad e as
isotermas de 0 e -40°C foram definidas a partir da radiossondagem de SBMT
cclopes.github.io
24
Corte horizontal em 3km de altura e vertical entre os pontos A e B de refletividade e velocidade do vento (correntes ascendentes e
descendentes máximas no painel da esquerda, escoamento no painel da direita) derivado por Multi-Doppler em 2017-11-15 às 2140 (a) e 2150
UTC (b), quando houve queda de granizo em Indaiatuba. O ‘x’ indica a localização do hailpad
25
Conclusões
cclopes.github.io
26
Visão Geral
▫ Microfísica similar...
▪ Camada de granizo até a região de fase mista da nuvem
▫ ... mas cinemática diferente
▪ Correntes ascendentes acima de 15 ms-1 antes da queda de granizo,
mas correntes descendentes mais intensas no caso de 2017-11-15
▪ Maior precipitação, principalmente na forma líquida
▪ Evita a diminuição do granizo por evaporação abaixo da
base da nuvem
▪ Contribui para o crescimento do granizo considerando a
competição desleal
cclopes.github.io
28
Referências
MOLLER, A. R. Severe Local Storms Forecasting. In: Severe Convective Storms. Boston, MA: American Meteorological
Society, 2001. p. 433–480.
FRISBY, E. M.; SANSOM, H. W. Hail Incidence in the Tropics. Journal of Applied Meteorology, v. 6, n. 2, p. 339–354, 1 abr.
1967.
CEPED - CENTRO UNIVERSITÁRIO DE ESTUDOS E PESQUISAS SOBRE DESASTRES. Atlas brasileiro de desastres naturais 1991
a 2010: volume São Paulo. Relatórios Técnicos. [s.l: s.n.].
LANG, T.; DOLAN, B.; GUY, N. CSU-Radarmet/CSU_RadarTools: CSU_RadarTools v1.2, 24 out. 2017.
SHAPIRO, A.; POTVIN, C. K.; GAO, J. Use of a vertical vorticity equation in variational dual-doppler wind analysis. Journal of
Atmospheric and Oceanic Technology, 2009.
POTVIN, C. K.; SHAPIRO, A.; XUE, M. Impact of a vertical vorticity constraint in variational dual-doppler wind analysis: Tests
with real and simulated supercell data. Journal of Atmospheric and Oceanic Technology, v. 29, n. 1, p. 32–49, 2012.
RAUBER, R. M.; NESBITT, S. W. Radar Meteorology: A First Course. 1. ed. Hoboken, NJ: Wiley-Blackwell, 2018.
NACCARATO, K. P. et al. Evaluation of BrasilDAT relative detection efficiency based on LIS observations and a numeric
model. In: 2014 International Conference on Lightning Protection (ICLP), Shanghai. Anais... Shanghai: 2014.
Obrigada!
cclopes.github.io
PRODUTO DE ESTIMATIVA DE
PRECIPITAÇÃO POR SATÉLITE: O
ALGORITMO HIDROESTIMADOR
Realizado por:
JEFFERSON MARTINIANO CASSEMIRO
LORENA BEZERRA DA ROCHA
Orientação:
PROF. DR. ENRIQUE VIEIRA MATTOS
• São gerados:
a. 7 imagens de precipitação instantânea;
b. 1 imagem do acumulado diário de precipitação;
c. tabela com os acumulados de precipitação das últimas 6 horas
para cada município do sul de Minas Gerais.
IMAGENS DE
PRECIPITAÇÃO
INSTÂNTANEA
MÓDULO 01
IMAGEM DE
output MÓDULO 02 PRECIPITAÇÃO DIÁRIA
ACUMULADA
MÓDULO 03 TABELA DO
ACUMULADO DAS
ÚLTIMAS 6 HORAS
Global –
30 minutes
(b) (c)
Global –
Intermitent
Temperaturas de brilho do Meteosat IR (12μ) sobre a África Ocidental em 24 de julho de 2014 às 02: 00UTC. Temperatura de brilho em (b) 89
GHz e (c) 190,3 GHz medidos pelo sensor MHS no NOAA-19 observado em 24 de julho de 2014 às 01: 50UTC (credito (HADDAD et al., 2017))
Motivation
Framework and Objetives
• Automate the merging of geoIR with intermittent low-Earth-orbit passive microwave data
• Use ML-based algorithms to analyze storm structure and evolution from 17 years’ worth of observations, and
extract models that can nowcast storm evolution 3 hours into the future
• Implement an on-line system that can nowcast in real time (based on geoIR from the present back to 6 hours in the
recent past plus the microwave data from the most recent microwave satellite pass)
Preliminary Results
Correlation (left panel) and average normalized residual error (right panel) between the future storm geoIR area at different future half-
hour time steps (horizontal axis) and “the past” geoIR area (in blue) or the past area augmented by the cold-differential microwave area (in
red). The future area is a single scalar, “the past” is the scalar consisting of the second-order polynomial combination whose coefficients
maximize the correlation with the future area. The correlation is greater and the error smaller with the microwave data.
Proposed Methodology
GeoIR-based detection and tracking
TOOCAN
ForTrACC
Proposed Methodology
mm-wave retrievals
• FLAG = the binary flag indicating whether condensed water in concentrations above a
(low) threshold of 0.05 g/m3 is detected above the freezing level
• H0.05 = the maximum height above mean sea level (AMSL) reached by condensed water
concentrations greater than 0.05 g/m3
• H0.2 = the maximum height AMSL where the condensed water concentration exceeds 0.2
g/m3
• PC1 (CWC) = the first vertical principal component of the Condensed Water Concentration
above 5 km – essentially a vertical average of the condensed water content
• PC2 (CWC) = the second vertical principal component of condensed water mass above 5
km – essentially the average above 8.5 km minus the average between 5 and 8.5 km
• RH = the average relative humidity above 5 km
• CLASS = the type (convective/stratiform) of the precipitation
Half the reference (radar+radiometer) coincidence dataset is used to define the Bayesian
retrieval, and the other half is used to quantify the uncertainty as a function of the
observed brightness temperatures.
Proposed Methodology
mm-wave retrievals
Figure 6: Example illustrating the utility of the second microwave variable H0.05 derived from the TMI measurements made
around 02:25 Z on 1 June 2009 over a portion of the Atlantic Inter-Tropical Convergence Zone between Brazil to the
southwest and Senegal to the northeast. The left panel shows the brightness temperatures measured by TMI’s 89 GHz V-
polarized channel – the clearly visible cold (blue) regions are the columns with marked out-of-beam scattering of the
upwelling radiation, indicating a deep column of ice hydrometeors. The multi-channel radiances were used to estimate the
maximum height AMSL where the condensed water content exceeded 0.05 g/m3 (as explained in Haddad and Park, 2010),
and the results are shown in the panel to the right. The significance of this example is highlighted in the panel to the right,
where the line segment is the trajectory of Air France flight AF447, which manifestly flew through the top of the deepest
convective core less than 15 minutes before it crashed (see Haddad and Park, 2010). The r.m.s. uncertainty in the retrieved
H0.05 (estimated from the testing half of the global reference coincidence dataset) varies between 300 and 900 meters over
the observed region.
Reference training/testing dataset
for analysis and nowcasting
Two Modes
• At present, the main issue for the operational applicability of the proposed
system is the latency between microwave data acquisition and their availability for
processing. The current latency time is 1 hour. Once the utility of the data is
demonstrated by the proposed first version of the nowcasting system, the latency
can be reduced to that of the operational (and new constellations) satellites.
• Another application for the quantitative storm context is to the analysis and
monitoring of the Hadley circulation. While different analyses indicate a poleward
expansion of the width of “the tropics” (the width of the Hadley circulation) by about
two degrees over the past two decades, the changes in precipitation patterns that
would accompany this expansion have not been quantified. The quantitative
characterization of the storm context (instead of surface precipitation) will enable to
understand this process.
Next kick-off meeting: January 27-29, 2020 – JPL, Pasadena, CA, USA
An overview of the TROPICS Mission: How
nowcasting activities in the tropics could be
improved?
Mission Overview
• Relate precipitation structure evolution, including diurnal cycle, to the evolution of the upper-level warm
core and associated intensity changes
• Relate the occurrence of intense precipitation cores (convective bursts) to storm intensity evolution
• Relate retrieved environmental moisture measurements to coincident measures of storm structure
(including size) and intensity
• Assimilate microwave radiances and/or retrievals in mesoscale and global numerical weather prediction
models to assess impacts on storm track and intensity
Constellation Configuration
tropics
Hovmöller diagrams showing precipitation intensity as a function of time and radial distance from the centre of the storm for the
WRF Hurricane Nature Run. (a) shows the continuous evolution of precipitation. (b) shows the temporal sampling as observed
from the baseline 2‐2‐2 orbital configuration. (c) shows the temporal sampling as observed from a 3‐3 orbital configuration
MicroMAS-2 Specifications
MicroMAS-2 Specifications
Each CubeSat comprises a 2U spacecraft bus with an Attitude Determination and Control System
(ADCS), avionics, power, and communications, and a 1U spinning radiometer payload with highly
integrated, compact microwave receiver electronics.
MicroMAS-2 Specifications
Imager = band W
Temperature Profile =
band F
Moisture profile =
band G
Imager = band G
Dados e Metodologia
(b) (c)
Cachoeira Paulista, SP
03 de dezembro de 2019
Por que identificar em séries históricas ou
prever em curtíssimo prazo um evento de
granizo a partir de satélites?
●
Mitigação de danos:
Útil para:
Assimilação em NWPs
Monitoramento do tempo
Take a target
Tracking Process
●
Interpolação dos campos de vento no espaço e
no tempo (Barnes and Doswell, 1969)
●
Divergência / Vorticidade do vento no topo da
nuvem (CTD, CTV)
Caeté, MG 27/11/2017
Caeté, MG 27/11/2017
Não
observamos
sinal
significativo
de CTD
Caeté, MG 27/11/2017
Não
observamos
sinal
significativo
de CTD
Note que a
velocidade do
vento tende a
ser menor que
o caso
anterior
Caeté, MG 27/11/2017
Já é
observado um
sinal Detectou
significativo região em
de CTD que
sistemas
estavam se
dissipando
Caeté, MG 27/11/2017
Foi observado
sinal
significativo Não
de CTD detectou
região em
que
sistemas
estavam se
dissipando
Caeté, MG 27/11/2017
Imagens GOES-16 e produtos
Objetivo:
“Apresentar de forma rápida as imagens e os
produtos derivados dos sensores ABI e GLM do
satélite GOES-16 em alta resolução”
Imagens GOES-16 e produtos
Imagens GOES-16 e produtos
https://leafletjs.com/index.html
Histórico / parâmetros
Canais ABI
http://wwwtest.cptec.inpe.br/dsat/
http://wwwtest.cptec.inpe.br/dsat/
http://wwwtest.cptec.inpe.br/dsat/
http://wwwtest.cptec.inpe.br/dsat/
http://wwwtest.cptec.inpe.br/dsat/
http://wwwtest.cptec.inpe.br/dsat/
http://wwwtest.cptec.inpe.br/dsat/
http://wwwtest.cptec.inpe.br/dsat/
produtos
http://wwwtest.cptec.inpe.br/dsat/
Obrigado!
Contato: renato.galante@inpe.br
Rastreio e Previsão de Sistemas Convectivos.
Diego Enoré
03 de Dezembro de 2019
A importância do Nowcasting: o que é e para que serve?
Sistemas de Previsão
•O nowcasting tradicional
é baseado quase que
exclusivamente em
extrapolações
•É muito eficaz nos
primeiros minutos, mas
sua eficácia decresce
rapidamente com as horas
de extrapolação
A importância do Nowcasting: o que é e para que serve?
Sistemas de Previsão
SCIT (The Storm Cell Identification and Tracking Algorithm. Johnson et al., 1993)
ForTraCc (Forecast and Tracking the Evolution of Cloud Clusters. Vila et al.,
2008)
TATHU
Trackin and Analysis of Thunderstorm
Geometry
- Envelope
- Transform
- Utils
IO
- ICSV
- PGIS
- Spatialite hoje: min, mean, std, count
- Vector futuro: velocidade, taxas de
RADAR expansão, resfriamento, etc
SATELLITE
TRACKING
ThresholdDetector,
- Descriptors
MultiThresholdDetector,
- Detectors
- Forecasters
- System ConvectiveSystem: Centroid, extent
- Trackers systems, fitEllipse, Relationship
- Utils systems.
- Visualizer ConvectiveSystemFamily
TATHU
Trackin and Analysis of Thunderstorm
AVANÇOS
Split/Merge
Split/Merge
AVANÇOS
Dificuldades:
Split/Merge
Tracking GLM
AVANÇOS
• Banco de dados
• Na figura:
• Intervalo de ±500 m em HZmax
• Dados na altura do HZmax central
• Intervalos de 1,5 kg m-2 em VIL
(começando em 1,0 kg m-2)
Agradecimentos: SOS-CHUVA foi financiado pelo projeto FAPESP 2015/14497-0. Micael A. Cecchini foi financiado pelo
projeto FAPESP 2017/04654-6.
Banco de Dados de Radares
Meteorológicos e Pré-Processamento
Thiago Biscaro
thiago.biscaro@inpe.br
Histórico...
• GT-RADAR no início dos anos 2004 (DECEA)
• Recebimento em tempo real dos 6 radares
• Gama
• Pico do Couto
• São Roque
• Morro da Igreja
• Santiago
• Canguçu222
2
O que era feito
• Formato antigo – GAMIC
• Leitura e geração de CAPPI em vários níveis
• MAXCAPPI
• PPI (V)
3
Cobertura atual de
radares no Brasil
4
Dados recebidos pelo CPTEC
• DECEA (6)
• CEMADEN (9)
• FUNCEME (2)
• INEA (2)
• Defesa Civil/SC (3)
5
Volume de dados
• Histórico do DECEA (desde 2005) – aproximadamente 1 Tb por radar
• CEMADEN (desde 2018) – aproximadamente 20 Gb/mês/radar
• Base do projeto CHUVA – 10 Gb/mês de campanha
6
Produtos gerados (radares operacionais)
• CAPPI de refletividade de 2 a 16 km – coordenada cartesiana
• PPI do vento radial – coordenada polar
• Chuva em 3 km (Z-R e dBZ+ZDR+KDP para os radares DP)
• VIL
• DVIL
• EchoTop (20, 30, e 45 dBZ)
• Altura de Waldwogel (EchoTop de 45 – altura da isoterma de 0 grau)
• Previsão de deslocamento (TATHU)
7
Fluxo de processamento
• Ingestão dos formatos SIGMET, HDF5-GAMIC, HDF5-ODIM
• Conversão Rainbow -> HDF5-GAMIC
• https://github.com/tsbiscaro/Rainbow5_to_HDF5
• https://github.com/tsbiscaro/rsl-v1.50_HDF5
• https://github.com/tsbiscaro/GERADOR_RADAR
8
Produtos gerados – Projeto CHUVA
9
Disponibilização dos dados
• Página da DSA
• Plataforma de nowcasting
• Aplicativo SOS-CHUVA
10
11
12
13
Problemas...
• Falta de cobertura sobre o Paraná
• Radar do FCTH – RMSP
• Radares do IPMET/Unesp – Bauru e Presidente Prudente
14
ANÁLISE DO COMPORTAMENTO DO CAMPO
ELETROSTÁTICO ATMOSFÉRICO EM
DIFERENTES TIPOS DE SISTEMAS
PRECIPITANTES
Jéssica Lisandra dos Reis
Kleber P. Naccarato
Dezembro/2019
Introdução
• Analisar os padrões de variabilidade espacial e
temporal do campo eletrostático atmosférico na
superfície e associá-los a sistemas precipitantes.
• Identificar os padrões espaciais de campo
eletrostático atmosférico específicas para
determinados tipos tempestades.
• Realizar testes de sensibilidade da interpolação dos
sensores EFM
Dados e Metodologia
• Dados adquiridos no Projeto SOS-CHUVA, no período de
dezembro/2016 a dezembro/2018.
Créditos:
Flávio Magina
Antonio Carlos
Dados e Metodologia
30 km 35 km 40 km
Resultados
45 km 50 km
55 km 60 km
Resultados
Tempestades Isoladas
Resultados
Tempestades Isoladas
Resultados
Tempestades Multicelulares
Resultados
Tempestades Multicelulares
Resultados
Sistema Estratiforme
Resultados
Sistema Estratiforme
Considerações Finais
Teste de sensibilidade da interpolação
• Ao se aumentar o raio de influência R, as isolinhas ficaram mais espaçadas
e com maior suavização.
• Para R menores que 35km, nota-se uma maior delimitação da
extrapolação, fazendo com que as isolinhas fiquem muito próximas entre
si e dos sensores.
• Para R acima de 45km, os valores médios de campo elétrico diminuíram,
de maneira que algumas regiões que apresentavam campo positivo se
tornassem negativo. Além disso, os núcleos de campo elétrico que antes
estavam em concordância com os núcleos apresentados no radar,
começaram a se deslocar, se afastando dos núcleos de alta refletividade
apresentados na imagem de radar.
• Independente do sistema de precipitação atuante, as características
citadas anteriormente foram similares em todos os casos.
• Diante dessa análise, escolheu-se para os estudos R = 35km.
Considerações Finais
Análise dos Casos
• Há uma correlação entre as tempestades, e eventualmente sua severidade,
com a distribuição dos campos eletrostáticos atmosféricos no centro da rede;
• Foi observado que campos positivos e negativos intensos são bons
indicadores de que uma nuvem altamente eletrificada está próxima da rede
de sensores, com alta ocorrência de descargas atmosféricas
• As tempestades isoladas apresentaram um padrão bastante característico do
campo eletrostático.
• A medida do campo eletrostático não consegue distinguir diferentes células
convectivas dentro de uma tempestade multicelular devido à superposição
de efeitos.
• Os sistemas estratiformes, como esperado, não apresentaram padrões de
campo eletrostático.
• As observações de dados de EFM devem sempre ser combinadas com dados
de radar e descargas atmosféricas.
Christie Andre de Souza
christie@unifei.edu.br
■ Dados: Relâmpagos Totais
(IN+EM+NS)
■ Satélite: GOES-16
■ Sensor: GLM
➢ Composição: CCD
➢ Resolução temporal: 20 s
➢ Área de visualização: 18.000 km
➢ Pixel: 8 à 14 km
➢ Eficiência: >70%
(GOODMAN et al., 2013)
6° Módulo: 2° Módulo:
Manutenção Mapa atual
A estrutura de rotina é dividida
em 6 módulos
Main
5° Módulo: 3° Módulo:
geoprocessa acumulado
mento diário
4° Módulo:
acumulado
mensal
UNIVERSIDADE FEDERAL DE ITAJUBÁ
Principal 1° Módulo:
download
dos dados
■ Gerencia todos os módulos.
■ Controla quais tempo deve ser executado 6° Módulo: 2° Módulo:
cada módulos Manutenção Mapa atual
■ Processamento 6° Módulo:
Manutenção
2° Módulo:
Mapa atual
– Processa os últimos 30 minutos de
dados para o formato json.
– Atribui característica como o Main
horário, categoria e quantidade de
relâmpagos
5° Módulo: 3° Módulo:
geoprocessa acumulado
mento diário
4° Módulo:
acumulado
mensal
UNIVERSIDADE FEDERAL DE ITAJUBÁ
3º e 4º Módulo
1° Módulo:
download
dos dados
5° Módulo: 3° Módulo:
geoprocessa acumulado
mento diário
4° Módulo:
acumulado
mensal
UNIVERSIDADE FEDERAL DE ITAJUBÁ
5º Módulo
1° Módulo:
download
dos dados
5° Módulo: 3° Módulo:
geoprocessa acumulado
mento diário
4° Módulo:
acumulado
mensal
UNIVERSIDADE FEDERAL DE ITAJUBÁ
6º Módulo 1° Módulo:
download
dos dados
■ Brasil ■ Centro-oeste
■ Sudeste ■ Sul
■ Nordeste ■ Norte
■ Brasil ■ Centro-oeste
■ Sudeste ■ Sul
■ Nordeste ■ Norte
Formatos:
■ Netcdf
– Acumulado Diário
– Acumulado mensal
■ TXT
– Por Regiões
– Por acumulados das microrregiões
https://meteorologia.unifei.edu.br
Características Elétricas de Tempestades
Formadas Durante o Experimento CHUVA-GLM
Vale do Paraíba
Me. Raidiel Puig Beltrán
Dra. Rachel Ifanger Altbrecht
Dr. Edmilson Dias de Freitas
Dezembro de 2019
Introdução
225
tempestades
ordinárias
24
tempestades
significativas
(granizos ou
ventos fortes)
5 tempestades
severas
Parâmetros elétricos observados com LMA e LINET
Parâmetros elétricos observados com LMA
Parâmetros elétricos observados com LMA e LINET
Queda do granizo
Parâmetros elétricos observados
Modelagem numérica
Modelo numérico WRF e o
WRF-ELEC
• As simulações foram feitas com o modelo WRF (do inglês, Weather Research and
• Forecasting; Skamarock et al. 2008) em três grades aninhadas centradas na área de estudo e
com resolução horizontal de 1, 3 e 9 km.
• CI e CF: GFS com resolução horizontal de 0,5 km a cada 6 horas
• Passo de tempo de integração: 18 segundos para a grade menor.
• Grade menor de 469 x 523 pontos e 65 níveis verticais.
• Parametrizações físicas: RRTM (radiação de onda longa), Dudhia (radiação de onda-curta),
Grell-Freitas (cúmulos, só na grade externa), Noah (superfície) e YSU (camada limite planetária).
WRF-ELEC (i.e. WRF com parametrização explícita de electricidade, Fierro et al., 2013)
• Parametrização microfísica de 6 categorias e 2 momentos do NSSL (Mansell et al., 2010).
• Outras simulações foram feitas com o esquema P3-M (do inglês, Predicted Particles Properties
Multicategories; Milbrandt e Morrison, 2016)
• Esquema de transferência de cargas elétricas por processo não indutivo (colisão seguida de
separação dos cristais de gelo ou neve com graupel ou granizo) segundo Brooks et al. (1997).
Também foram considerados outros processos, como a transferência de cargas indutivas por
colisão seguida de separação e captura de íons. O campo elétrico crítico para inicializar a
descarga foi de 120 kV/m, enquanto que o radio de abrangência da descarga foi de 12 km.
Imagens de simulações e observações
Observado
Simulado
NSSL
Simulado P3
Evolução temporal
Parametrizações Elétricas
teste de parametrizações elétricas implicitas e explicitas
Estrutura vertical de cargas observadas e simuladas
Conclusões
Parâmetros obtidos com radar e sistemas de detecção de raios como ZM, VIL,
H45, TR e fracção de raios NS são muito úteis na identificação de tempestades
com granizo.
OBJETIVO:
Avaliar a relação entre:
Propriedades físicas das tempestades
x
Propriedades dos relâmpagos
DADOS
E
METODOLOGIA
LOCAL DE ESTUDO
x x
Mateus Vitoriano da Silva, Enrique Vieira Mattos, Wagner Flauber Araujo Lima
Cachoeira Paulista - SP
2019
ROTEIRO
• 1. INTRODUÇÃO
Importância do estudo dos relâmpagos
Processo de formação dos relâmpagos
Literatura
Objetivo
• 2. MATERIAL E MÉTODOS
2.1. Dados
2.2. Metodologia
• 3. RESULTADOS E DISCUSSÕES
3.1. Propriedades físicas e elétricas dos relâmpago;
3.1.1. Propriedades gerais dos relâmpagos;
3.1.2. Propriedades físicas e elétricas dos relâmpagos Nuvem-Solo negativos;
• 4. CONSIDERAÇÕES FINAIS
• 5. REFERÊNCIAS BIBLIOGRÁFICAS
1. INTRODUÇÃO
Estima-se que aproximadamente 1,4 bilhões de relâmpagos ocorram anualmente no globo (CECIL et al., 2014;
ALBRECHT et al., 2016), sendo 60-75 milhões apenas no Brasil (PINTO e PINTO JR., 2003; PINTO et al., 2006, 2007),
causando a morte de aproximadamente 132 pessoas todos os anos no país (CARDOSO et al., 2014).
O setor elétrico é o mais prejudicado com a queima de equipamentos. Seu prejuízo está avaliado em cerca de 600
milhões de reais.
90% dos relâmpagos ocorrem no interior das tempestades (PINTO JR. e PINTO,
2000) e são denominados relâmpagos Intra-Nuvem.
Literatura
Estudos começaram a avaliar as relações entre as propriedades físicas e elétricas dos relâmpagos Nuvem-Solo (NS)
Negativos por serem os que mais impactam diretamente.
O objetivo geral deste trabalho é fazer um diagnóstico de como se comportam algumas propriedades físicas (número de
fontes, área, comprimento e duração) e elétricas (multiplicidade e pico de corrente) dos relâmpagos ocorridos na RMSP
de modo a se avaliar possíveis diferenças entre as propriedades dos relâmpagos NS negativos.
2. MATERIAL E MÉTODOS
2.1. DADOS
Primeiramente convertemos os dados da rede BrasilDAT de descarga de retorno para relâmpagos. Para tanto, foi
utilizado um limiar que considera flashes de um mesmo evento (relâmpago) aqueles ocorridos até uma distância
máxima de 100 km.
2. MATERIAL E MÉTODOS
2.2. METODOLOGIA
2.2.2. Cálculo das propriedades elétricas
Primeiramente convertemos os dados da rede BrasilDAT de descarga de retorno para relâmpagos. Para tanto, foi
utilizado um limiar que considera flashes de um mesmo evento (relâmpago) aqueles ocorridos até uma distância
máxima de 100 km.
Na sequência foi realizada a combinação dos dados da rede SPLMA com os dados da rede BrasilDAT. Para isso, tomou-
se como referencia os dados da rede SPLMA. Usamos uma resolução temporal de 330 ms e uma resolução espacial de
20 km. Esta combinação gerou um banco de dados com 9.846 detecções de relâmpagos;
2. MATERIAL E MÉTODOS
2.2. METODOLOGIA
2.2.2. Cálculo das propriedades elétricas
Primeiramente convertemos os dados da rede BrasilDAT de descarga de retorno para relâmpagos. Para tanto, foi
utilizado um limiar que considera flashes de um mesmo evento (relâmpago) aqueles ocorridos até uma distância
máxima de 100 km.
Na sequência foi realizada a combinação dos dados da rede SPLMA com os dados da rede BrasilDAT. Para isso, tomou-
se como referencia os dados da rede SPLMA. Usamos uma resolução temporal de 330 ms e uma resolução espacial de
20 km. Esta combinação gerou um banco de dados com 9.846 detecções de relâmpagos;
Após a combinação, o novo banco de dados continha as informações a cerca das seguintes propriedades: data,
horário, latitude, longitude, numero de fontes, área, comprimento, duração, multiplicidade, pico de corrente e
polaridade;
3. RESULTADOS E DISCUSSÕES
3.1. PROPRIEDADES FÍSICAS E ELÉTRICAS DOS RELÂMPAGOS
3.1.1. Propriedades gerais dos relâmpagos
Número de fontes:
Número de fontes mais recorrente para relâmpagos com
aproximadamente 37 fontes;
Duração:
Duração mais recorrente para relâmpagos com
aproximadamente 0,2 s;
Maioria dos relâmpagos possuem áreas pequenas, porém Figura 3.3 – Distribuição da frequência relativa (%) da área (km²) dos
existem algumas exceções. relâmpagos detectados pela rede SPLMA.
3. RESULTADOS E DISCUSSÕES
3.1. PROPRIEDADES FÍSICAS E ELÉTRICAS DOS RELÂMPAGOS
Comprimento:
Multiplicidade:
• O grande diferencial deste trabalho esteve relacionado a análise das propriedades para todos os relâmpagos
detectados pela rede LMA durante os meses de novembro de 2011 a março de 2012;
• As análises dos resultados permitiram identificar que as propriedades físicas possuem uma relação entre si.
Entretanto, as propriedades elétricas mostraram-se pouco relacionadas entre si diretamente;
• A duração mostrou-se uma variável bastante interessante para avaliar a relação entre comprimento e multiplicidade
dos relâmpagos, conforme gráficos de boxplot;
• Notou-se também que maiores áreas de relâmpagos estiveram associadas a maiores picos de correntes (em módulo)
observados;
5. REFERÊNCIAS BIBLIOGRÁFICAS
ALBRECHT, R. I.; MORALES, C. A.; IWABE, C. M. N.; SABA, M. F.; HÖLLER, H. Using Lightning Mapping Array to evaluate the lightning
detection signatures at diferente Technologies. In: INTERNATIONAL CONFERENCE ON ATMOSPHERIC ELECTRICITY, 15., 2014. Oklahoma.
Anais... Oklahoma, 2014.
BRUNING, E. C.; MACGORMAN, D. R. Theory and observations of controls on lightning flash size spectra. Journal of the Atmospheric
Sciences. v. 70, p. 4012-4029, 2013.
CARDOSO, I.; PINTO JR. O.; PINTO, I. R. C. A.; HOLLE, R. Lightning casualty demographics in Brazil and their implications for safety rules.
Atmospheric Research, v. 135-136, p. 374-379, 2014.
CECIL DJ, BUECHLER DE, BLAKESLEE RJ. Gridded Lightning Climatology from TRMM-LIS and OTD: Dataset description. Atmospheric
Research. 2014; (135-136):404-14.
MECIKALSKI RM, BAIN AL, CAREY LD. Radar and Lightning Observations of Deep Moist Convection Across Northern Alabama During DC3:
21 May 2012. Monthly Weather Review. 2015; (143):2774-94.
MONTANYÀ, J.; VAN DER VELDE, O.; SOLÀ, G.; FABRÓ, F.; ROMERO, D.; PINEDA, N.; ARGEMÍ, O. Lightning flash properties derived from
Lightning Mapping Array data. In: International Conference on Lightning Protection (ICLP 2014), v. 2, 2014, Shanghai. Anais... Shanghai,
2014. p. 974–978.
5. REFERÊNCIAS BIBLIOGRÁFICAS
PINTO JR., O.; PINTO, I. R. C. A. Tempestades e relâmpagos no Brasil. São José dos Campos: Instituto Nacional de Pesquisas Espaciais,
2000. 193 p.
PINTO JR.; O., PINTO, I. R. C. A.; NACCARATO, K. P. Maximum cloud-to-ground lightning flash densities observed by lightning location
systems in the tropical region: A review. Atmospheric Research, v. 84, p. 189-200, 2007.
PINTO, I. R. C. A.; PINTO JR., O. Cloud-to-ground lightning distribution in Brazil. Journal of Atmospheric and Solar-Terrestrial Physics, v. 65,
p. 733-737, 2003.
PINTO, O. JR.; NACCARATO, K. P.; PINTO, I. R. C. A.; FERNANDES, W. A.; NETO, O. P. Monthly distribution of cloud-to-ground lightning
flashes as observed by lightning location systems. Geophysical Research Letters, v. 33, L09811, 2006.ORVILLE, R. E.; HENDERSON, R. W.;
REYNOLDS, S. E.; BROOK M.; GOURLEY, M. F. Thunderstorm charge separation. Journal of Meteorology, v. 14, p. 426-436, 1957.
SARAIVA, A. C. V. Estudo de fatores determinantes das características dos raios Negativos. 2010. 161 f. Tese (Doutorado em Geofísica
Espacial) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos.
OBRIGADO!
ANÁLISE DO COMPORTAMENTO DO CAMPO
ELETROSTÁTICO ATMOSFÉRICO APLICANDO AS
FUNÇÕES ORTOGONAIS EMPÍRICAS (EOF)
Dezembro/2019
Introdução
• Analisar os padrões de variabilidade espacial e temporal do campo
eletrostático atmosférico na superfície.
•De toda a base de dados foram separados apenas os dias em que os 7 sensores estavam
ativos, totalizando em 412 dias.
Figura 1 – Localização dos 7 sensores de EFM (marcador azul), localização dos sensores da BrasilDAT (marcador vermelho) e área de abrangência
do Radar (círculo vermelho).
• EOF:
• Técnica estatística multivariada usada tanto para se conhecer as dependências
existentes entre um conjunto de dados como também para estruturar tal conjunto a fim
de se reduzir o número de variáveis inter-relacionadas para um conjunto menor de
componentes.
• Somente os primeiros modos de EOF têm resultado robusto ou fisicamente
significativos.
DJF
MAM
JJA
SON
Considerações Finais
•O Campo eletrostático atmosférico possui uma variável com alta variabilidade e isso
explica a dificuldade em encontrar um padrão espacial.
•No trimestre SON, que é um trimestre marcado pelas entradas dos Sistemas Frontais
nota-se que da EOF2 a EOF4 o padrão se apresenta de uma forma mais perturbada,
apresentando um dipolo.
Obrigada!
UNIVERSIDADE FEDERAL DE ITAJUBÁ
Definição
Dados do GLM (jan-dez) 2018 Tabela 1: Características do sensor Geostationary Lightning Mapper (GLM) a
bordo do satélite GOES-16
Métodos
Hotspots: localização
Métodos
1. Análise Anual
1. Análise Anual
2. Análise Sazonal
18 % (DJF) 16 % (MAM)
12 % (JJA) 44 % (SON)
RESULTADOS E DISCUSSÕES
2. Análise Sazonal
18 % (DJF) 16 % (MAM)
12 % (JJA) 44 % (SON)
(Ross, 2016)
UNIVERSIDADE FEDERAL DE ITAJUBÁ
RESULTADOS E DISCUSSÕES
Ranking
Região Município Estado DFRT
Nacional
Norte 2° Bannach PA 79
Nordeste 58° Balsas MA 49
Centro-Oeste 1° Nova MS 87
Andradina
4. Área
• ZCAS;
• ZCIT;
• LI;
• Rudlosky et al., 2019.
4. Área
RESULTADOS E DISCUSSÕES
5. Duração
• ZCAS;
• ZCIT;
• SCMs;
• Rudlosky et al., 2019.
5. Duração
CONCLUSÕES
1) A utilização dessas informações permitiu realizar, pela primeira vez, a documentação dos
relâmpagos totais com resolução quase uniforme em tempo quase real com um campo de visão que
2) 72% do acumulado anual (103 milhões rel.) ocorreu durante a estação quente (verão-primavera);
3) Maiores DFRT nos meses de inverno-primavera (verão-outono) no setor oeste (leste) do país;
5) O maior hotspot nacional foi encontrado em Nova Andradina, MS, com 87 rel/km².ano;
ALBRECHT, R. I.; GOODMAN, S. J.; BUECHLER, D. E.; BLAKESLEE, R. J.; CHRISTIAN, H. J. Where are the lightning hotspots on earth? American Meteorological
Society, Bull. Amer. Meteor. Soc., v. 97, p. 2051–2068, 2016.
BOCCIPPIO, D. J.; GOODMAN, S. J.; HECKMAN, S. J. Regional differences in tropical lightning distributions. Journal Of Applied Meteorology, v. 39, p. 2231–2248,
2000.
GARREAUD, R. D.; WALLACE J. M. The diurnal of convective cloudiness over the Americas. Monthly Weather Review, v. 125, p. 3157-3171, 1997.
GOODMAN, S. J.; MACH, D.; KOSHAK, W.; BLAKESLEE, R. 2012. GLM Lightning Cluster-Filter Algorithm. Algorithm theoretical basis document. NOAA.
Version 3.0.
GOODMAN, S. J. Predicting thunderstorm evolution using ground-based lightning detection networks. NASA Tech. Memo. TM-103521, p. 210, 1990.
GOODMAN, S. J.; BLAKESLEE, R. J.; KOSHAK, W. J.; MACH, D.; BAILEY, J.; BUECHLER, D.; CAREY, L.; SCHULTZ, C.; BATEMAN, M.; MC CAUL JR.,E.;
STANO, G. The GOES‐R Geostationary Lightning Mapper (GLM), Atmos. Res., v. 125, p. 34–49, 2013.
OGAWA, T. Lightning currents. IN: VOLLAND, H. ED. HANDBOOK OF ATMOSPHERIC ELECTRODYNAMICS, 1995. Boca Raton: CRC Press, v.1, cap. 4, p. 93-
136, 1995.
ROSS, J. L. S. O relevo brasileiro no contexto da América do Sul. Revista Brasileira de Geografia, Rio de Janeiro, v. 61, n. 1, p. 21-58, 2016.
RUDLOSKY, S. D.; GOODMAN, S. J.; VIRTS, K. S.; BRUNING, E. C. Initial Geostationary Lightning Mapper Observations. American Geophysical Union., v. 46, p.
1097-1104, 2018.