Apresentacoes PDF

I Workshop de Previsão Imediata
Centro de Previsão de Tempo e Estudos Climáticos – INPE

Cachoeira Paulista/SP – 02 a 05 de dezembro de 2019
Antes da previsão imediata:

o prognóstico de tempestades em prazos de
previsão mais longos que o nowcasting.
Ernani de Lima Nascimento

Universidade Federal de Santa Maria
Grupo de Modelagem Atmosférica de Santa Maria
Programas de Graduação e Pós-Graduação em Meteorologia
Santa Maria/RS, Brasil.
Roteiro:
1. O contexto geral da previsão imediata (nowcasting);
2. A estratégia operacional para previsão de tempestades;
3. Análise e previsão do tempo baseada em ingredientes;
3.1. Os ingredientes atmosféricos necessários para a formação de tempestades.
3.1.1. Ingrediente(exemplo): instabilidade condicional em uma camada profunda.
3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em médio
& curto prazos).
3.1.3. Quantificando os ingredientes (previsão em curto & muito curto prazos).
4. Alguns comentários finais.
1. O contexto geral da previsão imediata (nowcasting).
1 século
1 década
1 ano
Escala Temporal (s)
1 mês
1 semana
1 dia
1 hora
Adaptado de Zillman (1999) Escala Horizontal (m)

A duração de um fenômeno 1 século

atmosférico é diretamente
proporcional à sua dimensão 1 década
horizontal.
1 ano
Escala Temporal (s)
1 mês
1 semana
1 dia
1 hora

A duração de um fenômeno 1 século

atmosférico é diretamente
proporcional à sua dimensão 1 década
horizontal.
1 ano
Escala Temporal (s)
1 mês
1 semana
1 dia
1 hora
Diferentes escalas estão associadas a

diferentes horizontes (prazos) de
previsão em meteorologia.

1 século
PREVISÃO CLIMÁTICA
1 década
1 ano
Escala Temporal (s)
1 mês
1 semana
1 dia
1 hora


1 século
1 década
1 ano
Escala Temporal (s)
PREVISÃO DE LONGO PRAZO (climática)

1 mês
1 semana
1 dia
1 hora


1 século
1 década
1 ano
Escala Temporal (s)

1 mês
1 semana
PREVISÃO DE MÉDIO PRAZO
1 dia
1 hora


1 século
1 década
1 ano
Escala Temporal (s)

1 mês
1 semana
PREVISÃO DE CURTO PRAZO
1 dia
1 hora


1 século
1 década
1 ano
Escala Temporal (s)

1 mês
1 semana
1 dia
PREVISÃO DE MUITO CURTO
PRAZO
1 hora


1 século
1 década
1 ano
Escala Temporal (s)

1 mês
1 semana
1 dia
PRAZO
PREVISÃO IMEDIATA
1 hora
OU NOWCASTING


1 século
1 década
1 ano
Escala Temporal (s)

1 mês
1 semana
1 dia
PRAZO
PREVISÃO IMEDIATA
1 hora
OU NOWCASTING
Fenômenos de escalas espaciais

maiores têm maior horizonte de previsão
(i.e., previsibilidade mais prolongada) do
que fenômenos de escalas menores.

Previsão Imediata (“Nowcasting”):
É uma previsão de tempo com um prazo limitado a algumas horas;

tipicamente até ~3h (ou até ~6h no máximo!).
Então no nowcasting o previsor, ou o usuário da informação, está

interessado no prognóstico de fenômenos de evoluem entre poucos
minutos (~5min) e algumas poucas horas.
Que fenômenos são estes?

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.

Implicação: os fenômenos 1 século
meteorológicos de interesse no
nowcasting são de pequena extensão 1 década
horizontal (entre ~1km e ~100km).

1 ano
Escala Temporal (s)
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
tempestades convectivas) que são de duração

1 ano
Escala Temporal (s)
relativamente curta, de extensão espacial pequena, e que

são responsáveis pela deflagração de alguns dos 1 mês
principais desastres naturais registrados no Brasil.1 semana
1 dia
PREVISÃO 1 hora
IMEDIATA OU
NOWCASTING
p.ex., tempestades
convectivas evoluem
nesta escala.

2. A estratégia operacional para previsão de tempestades.
Contudo, o nowcasting é apenas 1 (uma) das etapas do processo

de previsão de tempestades convectivas.
A preparação para o nowcasting começa em prazos de previsão

mais longos.
Contudo, o nowcasting é apenas 1 (uma) das etapas do processo

de previsão de tempestades convectivas.
A preparação para o nowcasting começa em prazos de previsão

mais longos.

PREVISÃO DE MUITO CURTO PRAZO
PREVISÃO
IMEDIATA OU
NOWCASTING A escala “acima” também nos
interessa na previsão de
tempestades, e com
implicações para o nowcasting.
Adaptado de Zillman (1999)

Médio/Curto prazo Muito curto prazo Prazo imediato

Identificação de uma região

relativamente ampla e do dia
para os quais identificamos
condições atmosféricas que
serão favoráveis a ocorrência
de tempo severo
Identificação da sub-região e
período do dia mais provável
a registrar tempo severo
RS
PR
SC
RS
P.ex., identificação do
município/cidade a ser atingido/a por
uma tempestade severa na próxima
hora (ou menos).
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...)
Um conceito importante e útil vem à tona:

A previsão de tempestades baseada em
ingredientes.
3. Análise e previsão de tempo baseada em ingredientes.
É uma abordagem em que o previsor de tempo estabelece uma conexão

física bem clara entre o fenômeno meteorológico a ser previsto e as
condições atmosféricas necessárias para sua formação, desenvolvimento
e, depois, decaimento/dissipação.
Estas condições atmosféricas são chamadas de “ingredientes”.

Esta conexão física não é válida apenas para uma região específica (ou
seja, parte de conceitos físicos de validade universal); porém a maneira
como os “ingredientes” atmosféricos se combinam para gerar o
fenômeno pode depender da região de interesse.

A abordagem baseada em ingredientes não depende da ferramenta
utilizada para a análise e previsão (ou seja, ela se adapta muito bem ao
avanço da tecnologia e à criação de novas ferramentas).
3. Análise e previsão de tempo baseada em ingredientes(*).

A abordagem baseada em ingredientes não depende da ferramenta
utilizada para a análise e previsão (ou seja, ela se adapta muito bem ao
avanço da tecnologia e à criação de novas ferramentas).
Importante: a análise/previsão de tempo baseada em ingredientes não
é sinônimo de análise/previsão de tempo baseada em parâmetros.
[ (*) Referência clássica: Doswell et al., Wea. Forecasting, 1996. ]
Para a ocorrência de tempestades os seguintes “ingredientes” atmosféricos

são necessários:
1  Oferta de umidade na atmosfera (principalmente na baixa troposfera)

 sem umidade em um camada relativamente profunda, não haverá a
formação de nuvens convectivas profundas;

são necessários:

2  Existência de instabilidade atmosférica em uma camada profunda 
sem esta instabilidade não existirão movimentos convectivos profundos;

são necessários:

3  Existência de um mecanismo que inicie a convecção  um
“empurrão” inicial é necessário para disparar a convecção.

são necessários:

Vamos selecionar 1 destes ingredientes..
3  Existência de um mecanismo que inicie a convecção  um
“empurrão” inicial é necessário para disparar a convecção.
3.1.1. Ingrediente: instabilidade condicional em uma camada profunda.
 Estabilidade versus instabilidade:

Suponha uma coluna de ar se estendendo desde a superfície da Terra até cerca de
8km de altura:
8 km
superfície
 Estabilidade versus instabilidade:

Suponha uma coluna de ar se estendendo desde a superfície da Terra até cerca de
8km de altura:
A estabilidade desta coluna de ar vai depender da distribuição

vertical do peso do ar presente na coluna:
8 km
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
Exemplo de uma distribuição

vertical instável de massa na
atmosfera.
(Antecedendo a convecção).
AR FRIO E Média troposfera

SECO (de ~3km a ~7km de
(“PESADO”) altura)
altitude
AR QUENTE E
ÚMIDO Baixa troposfera (até
~3km de altura)
(“LEVE”)
Figura adaptada de MetEd-UCAR COMET Program

Exemplo de uma distribuição

vertical instável de massa na
atmosfera.
Centro de gravidade da coluna de ar
antes de ocorrer a convecção.
AR FRIO E Centro de gravidade alto.
SECO
(“PESADO”)
altitude
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 .
É uma manifestação da conversão de

altitude
energia potencial gravitacional em

energia cinética.
Energia cinética  Ventos

Quanto maior a instabilidade inicial da
coluna de ar, mas vigorosa será a
convecção.
Exemplo de uma distribuição Distribuição vertical de massa

vertical instável de massa na estabilizada pela convecção.
atmosfera. (Condição posterior à convecção)
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
Centro de gravidade da coluna de ar após a

ocorrência da convecção. Centro de gravidade
baixo.
Ambiente pré-convectivo Ambiente pós-convecção

3.1.2. Padrões atmosféricos que combinam os ingredientes (previsão em
médio & curto prazos).
No contexto da previsão de médio/curto prazo....
PREVISÃO
IMEDIATA OU
NOWCASTING
....qual padrão atmosférico de escala sinótica pode

promover um ambiente com os ingredientes necessários
para tempestades?
→ Padrões sinóticos: o ciclone extratropical.
Esquema idealizado de um padrão sinótico clássico observado nas
Planícies Centrais dos EUA em situações de tempo severo sob Adaptação direta do padrão norte-americano para o
intensa forçante sinótica. Hemisfério Sul.
Johns (1993)
Área hachurada → setor mais favorável ao desenvolvimento de

tempestades severas.
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
(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
(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

JBN.
Cavado na
média e alta
troposfera
Isóbaras
em superfície
Antes da ascenção do ar em Durante a ascenção do ar

escala sinótica em escala sinótica
Acentua a CAPE
Setor quente
JBN.
(2) Desestabilização da atmosfera.
(3) Mecanismos de disparo convectivo

(as frentes).
Isóbaras
em superfície
Setor quente
JBN.
(3) Mecanismos de disparo convectivo

(as frentes).
3 “ingredientes” para tempestades

Isóbaras
em superfície convectivas.
SETOR JBN.
QUENTE
(3) Mecanismos de disparo convectivo (as

frentes).
SETOR
(4) Baroclinia e (portanto) cisalhamento
FRIO
Jato vertical do vento.
polar
Isóbaras
em superfície
SETOR JBN.
QUENTE

frentes).
SETOR
(4) Baroclinia e (portanto) cisalhamento
FRIO
Jato vertical do vento.
polar
Isóbaras
em superfície
Um 4º ingrediente atmosférico: este é

necessário para a formação de
tempestades severas.
SETOR Cicl.Extr.). Às vezes na presença de um
QUENTE JBN.

SETOR frentes).
FRIO
Cavado na (4) Baroclinia e (portanto) cisalhamento
média e alta
troposfera vertical do vento.
Escoamento
na média e
alta troposfera
Isóbaras
em superfície
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...
Área hachurada neste modelo

conceitual representa, em
tese, a região mais favorável à
ocorrência de tempestades
severas → é baseado em um
dos padrões sinóticos da
América do Norte.
Ventos em superfície
Adaptação direta do padrão para o Hemisfério 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
Adaptação direta do padrão para o Hemisfério Sul.

No contexto da previsão de curto/muito curto prazo....
PREVISÃO
IMEDIATA OU
NOWCASTING
....analisar os perfis atmosféricos (termodinâmicos e

cinemáticos) previstos/observados é crucial.
Analisando a “dosagem” dos

ingredientes...
SBLI: -7 °C
MULI: -10 °C LR: 8,8 °C/km
SBSM
12Z 07 Set 2009
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....
Muito obrigado pela atenção!
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
Universidade Federal de Santa Maria - UFSM

(1) INTRODUÇÃO.
(2) METODOLOGIA E DADOS
(3) RESULTADOS
(4) CONSIDERAÇÕES FINAIS
(1) INTRODUÇÃO
 No Brasil, o relato de danos materiais causados por
tempestades convectivas é considerável, correspondendo a grande
parcela dos desastres naturais registrados no país.
(1) INTRODUÇÃO
Percentagem dos desastres naturais mais recorrentes no

Estado do Rio Grande do Sul, no período de 1991 a 2012;
Atlas brasileiro de desastres naturais (2013)
(1) INTRODUÇÃO
 Estes eventos afetam diversas atividades humanas.
(1) INTRODUÇÃO
 Estes eventos afetam diversas atividades humanas.
- Agricultura (Berlato et al, 2000)

- Transmissão de energia (Lima e Menezes,
2004)
- Danos estruturais (Oliveira et al, 2016)
(1) INTRODUÇÃO
 Para efeito de emissão de avisos meteorológicos mais
precisos a discriminação entre condições meteorológicas
conducentes à ocorrência de diferentes formas de tempo
severo se torna fundamental.
(1) INTRODUÇÃO
 Chuva intensa
Foto: NSCTV
(1) INTRODUÇÃO
 Rajadas destrutivas de vento
Foto: Marcelo Pinto

(1) INTRODUÇÃO
 Tornados
Foto: Murilo Lopes

(1) INTRODUÇÃO
 Para a discriminação entre eventos de chuva intensa, rajadas
de vento destrutivas e tornados serão aplicadas três
abordagens:
- Padrões sinóticos;
- Ingredientes atmosféricos;
(1) INTRODUÇÃO
 Para a discriminação entre eventos de chuva intensa, rajadas
de vento destrutivas e tornados serão aplicadas três
abordagens:
- Padrões sinóticos;
- Ingredientes atmosféricos.
 Assim, o objetivo deste trabalho é explorar
informações e abordagens que apresentem potencial
para discriminar condições atmosféricas que
conduzem a diferentes modos de tempo severo.
 Levantamento de ocorrências de tornados, chuva intensa e
rajadas de vento destrutivas.
 Como a seleção foi feita?
 Como a seleção foi feita?
- Banco de registros das Defesas Civis;

- Rajadas de vento superior aos 25m/s ou
precipitação acumulada superior a
30mm/h, em estações do INMET;
- Informações vinculadas na mídia;
- Registros fotográficos ou videográficos;
- Documentação prévia em artigos
científicos.
 Levantamento de ocorrências de tornados, chuva intensa e rajadas
de vento destrutivas.
 Buscou-se manter as amostras de eventos com mesmo tamanho,
assim 40 eventos de cada classe de tempos severo foram
selecionados no período de 1990 até 2018. Ao total de 120 eventos.
Distribuição geográfica
dos eventos selecionados
(marcadores), mapa de
altitude em m
(sombreado).
 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.
 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.
 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.
Distribuição estatística Perfis termodinâmicos e

dos parâmetros cinemáticos médios de
cada classe
ocorrência dos eventos severo buscando diferentes os grupos. .
 Os parâmetros severos, termodinâmicos e cinemáticos , foram
calculados usando como ferramenta o SHARPpy (Souding and
Hodograph Analysis ans Research Program in Phyton).
(3) RESULTADOS
Composições sinóticas
(3) RESULTADOS
TOR RAJ CHU
Composição média da pressão reduzida ao nível do mar [isolinhas em hPa];vento 10m

[m𝑠 −1 ] e função frontogenética sombreado [valores positivos sombreados (em X10−12
𝑚−1 𝑠 −1 ]
(3) RESULTADOS
TOR RAJ CHU
Composição média no nível de 850hPa: da altura geopotencial [isolinhas em mgp];

magnitude do vento [barbela e sombreado a partir de 5msˉ¹]
(3) RESULTADOS
TOR RAJ CHU
Composição média no nível de 500hPa: da altura geopotencial [isolinhas em

mgp];magnitude do vento [barbela em msˉ¹] e vorticidade relativa [apenas os valores
negativos são sombreados] [x10 51𝑠 −1 ]
(3) RESULTADOS
TOR RAJ CHU
Composição média no nível de 200hPa: magnitude do vento em barbelas /e

sombreado [a partir de 30m𝑠1 ]
(3) RESULTADOS
 PARÂMETROS CONVECTIVOS
(3) RESULTADOS
TOR RAJ CHU
Composição média do cisalhamento 0-6km: magnitude em barbelas /e

(3) RESULTADOS
TOR RAJ CHU
Composição média do cisalhamento 0-1km: magnitude em barbelas /e

(3) RESULTADOS
 ANÁLISE PERCENTÍLICA
(3) RESULTADOS
Diagramas de caixas para SBCAPE, onde diagrama da esquerda representa os eventos da

classe TOR, o diagrama central os eventos da classe RAJ e o diagrama direito os eventos
da classe CHU .
(3) RESULTADOS
Diagramas de caixas para o CVV 0-6km, onde diagrama da esquerda representa os

eventos da classe TOR, o diagrama central os eventos da classe RAJ e o diagrama direito
os eventos da classe CHU .
.
(3) RESULTADOS
Diagramas de caixas para o nível de condensação de levantamento da parcela de

superfície, água precipitável, helicidade efetiva e lapse-rate 700-500hPa. A distribuição
das caixas segue como nas demais figuras.
(3) RESULTADOS
Diagramas de caixas para o SCP (Supercell Composite Parameter) , onde diagrama da

esquerda representa os eventos da classe TOR, o diagrama central os eventos da classe
RAJ e o diagrama direito os eventos da classe CHU .
 Em ambos os grupos a composição média mostra padrão sinótico
com uma configuração de ponto de sela foi encontrado, com o local de
ocorrência dos eventos se posicionando no setor quente.
 Em todas as categorias, um sistema de baixa pressão se localizava
a noroeste do local do evento, sendo uma manifestação da baixa do
noroeste da Argentina (deslocada para leste) ou da baixa do Chaco.).
 Os grupos TOR e RAJ apresentaram um regime mais baroclínico
que o CHU. Com escoamento mais intenso em todos o níveis.
 Os grupos TOR e RAJ apresentaram um regime mais baroclínico
que o CHU. Com escoamento mais intenso em todos o níveis.
 Os parâmetros cinemáticos foram o que melhor apresentaram
capacidade de distinção dos grupos, porém com grande sobreposição
nos boxplots. Já o parâmetro composto foi o que melhor permitiu
distinção.
OBRIGADO!
Tempestade severa ocorrida em São
José dos Campos – 24/10/2019
Bruno Kabke Bainy
Ana Maria Heuminski de Ávila
CEPAGRI/UniCamp
Sumário
• Introdução
• Relato do evento: testemunhas e mídia
• Condições meteorológicas na manhã do evento
• Situação no momento de elaboração da previsão
• Modelos
• A previsão
• Condições do tempo imediatamente anteriores ao evento

• Imagens de radar/satélite
• Atualização da informação
• 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.
• Preparo para enfrentar tempo severo: “Nenhuma comunidade é imune à ocorrência de

tempestades, mas preparo adequado pode favorecer a preservação da vida e propriedade”.
Introdução
• 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).
• Operacionalmente, a previsão e identificação de granizo é de extrema importância, ainda que em

curtíssimo prazo, pois sua ocorrência acarreta implicações diretas na segurança humana e na
preservação de propriedade.
• 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
- Sondagem (Campo de Marte): incremento de Td em

baixos níveis do dia 23 ao dia 24 00UTC, e maior
cisalhamento
Modelos meteorológicos
http://www.inmet.gov.br/vime/
A previsão
• Com base nas observações meteorológicas e no prognóstico dos
modelos, reportamos:
• “Céu claro em praticamente todo o estado, temperaturas mínimas mais

elevadas logo pela manhã e estarão em ascensão em todo o estado.
Predomínio de sol hoje, com a formação de algumas nuvens durante o dia.
Transporte de calor e umidade poderão provocar chuvas localmente fortes no
litoral norte, Vale do Paraíba e divisa com MG entre o final da tarde de hoje e
a madrugada de sexta (...)”
Estado do tempo imediatamente anterior e
durante o evento
• Segundo notícias, a tempestade teve início por volta das 14h (local).
PPI 1° - 12:30 Local PPI 1° 13:00 Local

13:30 Local
Atualização da previsão
• Por volta das 12:30 local, a partir das informações obtidas pelas
imagens de radar, foi feita uma atualização da previsão do tempo com
um aviso, incluindo as regiões de Piracicaba, Limeira e Leme, e
Municípios a leste de Atibaia e Nazaré Paulista (em direção a SJC),
para alertar sobre a possibilidade de chuva intensa, tempestades, e
rajadas de vento.
Registros meteorológicos
- Registros de Trovoadas e chuva fraca em

SJC e vizinhança;
- Pouca precipitação pluvial registrada (falta
de cobertura espacial?), apesar de granizo
abundante.
Conclusões
• Tempestades severas locais são de difícil previsão:
• Acurácia com respeito à hora e local exatos, bem como a intensidade de suas feições: chuva,
vento, granizo, trovoada.
• Podemos, no entanto, nos anteciparmos a tais eventos ao identificarmos os

ambientes mais favoráveis à sua ocorrência (menos surpresas). A
dependência demasiada na saída de modelos pode levar à conclusões
equivocadas.
• Aliado a isso, o monitoramento das condições atmosféricas em tempo real

permite o acompanhamento dos estágios iniciais e a evolução de sistemas
convectivos que poderão desencadear em tempestades severas, para a
emissão de alertas de proteção civil.
- Próxima etapa: estudo detalhado do ambiente e circulação da tempestade
Referências
⚫ 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
Lorena Martina Trindade de Lima

Izabelly Carvalho Costa
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);
 Os processos que mais provocam acidentes e desastres naturais no Estado de

São Paulo (SP) são escorregamento de encostas, inundações, erosão acelerada e
tempestades que possam apresentar ventos fortes, raios e granizo (Brollo e
Ferreira, 2009)
 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
Analisar os casos de eventos severos que foram reportados em diversos municípios

do estados de SP, nos dias 18 de dezembro de 2017 e 31 de julho de 2018, e
compará-los.
2. Material e Métodos
2.1. ÁREAS DE ESTUDO
Em Amparo, ocorreu chuva de granizo com duração de 20 minutos no
dia 18/12/2017;
No mesmo dia, Taubaté foi atingido por um temporal que causou alagamentos;
Na madrugada do dia 31/07/2018 houve a ocorrência de granizo em 13
municípios de São Paulo.
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
Figura 2. Cartas sinótica para 18/12/2017-18Z
 Fraca difluência em altitude (250

hPa);
 Circulação anti-horária referente a

Alta Subtropical do Atlântico Sul
(500hPa);
 Cavado em superfície.
Figura 3. Cartas sinótica para 31/07/2018-06Z
 Difluência em altitude (250

hPa);
 Em médios níveis (500 hPa)

nota-se o reflexo do cavado
observado em altos níveis;
 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)
Figura 4. Relação de CAPE x SHEAR para o: (a) Caso 1 e (b) Caso 2

 Caso 1: valores significativos nos índices CAPE, BRN, Showalter (SHW), K,
Severe Weather Threat (SWEAT) e Total Totals (TT) => condições
favoráveis para a ocorrência de tempestades com a presença de granizo;
Figura 5. Radiossondagem para o Caso 1

 Caso 2: perfil atmosférico úmido=> segundo Seluchi e Beu e Andrade (2016)
a presença de umidade em baixos níveis criam condições termodinâmicas
favoráveis a precipitação, mesmo que os índices de instabilidade não
indiquem convecção.
Figura 6. Radiossondagem para o Caso 2

 O caso de dezembro de 2017 apresentou maiores indícios da possível ocorrência
de sistemas convectivos intensos;
 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)
GIF 1. CAPPI 3 km para o: (a) Caso 1 e (b) Caso 2

3.3. FASE MADURA
 Os sistemas que atuaram em julho de 2018 foram mais intensos que o de
dezembro de 2017;
 Caso 1: Amparo=> 18:20 UTC;
Taubaté=>18:10 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;
 Pode-se notar que em escala sinótico os eventos que ocorreram em 31/07/2018

apresentava maior aparato sinótico para a ocorrência de tempestade;
Obrigada
Previsão Probabilística de
Tempo Severo
02/12/2019, Cachoeira Paulista-SP
Introdução
Dado que o tempo severo (ventos fortes,

granizo, tornados, enxurradas) ocorrem em locais
específicos, como prever tempo severo de
maneira efetiva?
Introdução
Monitoramento das tempestades?
Introdução
Porém:
1) É impossível monitorar grandes áreas;
Introdução
Porém:
2) As ações para mitigar eventos severos têm

que começar antes desse período.
Introdução
Porém:
2) As ações para mitigar eventos severos têm

que começar antes desse período.
Nowcasting - previsão de tempestades para ~0-6 horas

Introdução
Objetivo: encontrar uma maneira de informar o

risco associado a eventos que, por natureza, têm
baixo risco.
Introdução
Período utilizado 1997 a 1999.
Brooks et al., 2003

Definição
O que é uma tempestade severa?

Definição
Definição de tempestades severas em outros países:
Estados Unidos:
- Granizo de diâmetro > 2,5 cm;
- Rajada de vento > 93 km/h;
- Tornado.
Definição
Definição de tempestades severas em outros países:
Estados Unidos:
- Tornado.
Austrália:
- Tornado;
- Chuva responsável por enxurrada.
Definição
Proposta para o Brasil:

- Rajada de vento > 90 km/h e/ou danos por vento;
- Tornado;
- Chuva com taxa de 40 mm/h mantida por 10 minutos
e/ou responsável por enxurrada.
Desafios
Principais desafios da previsão de tempestades severas:
- Impossível prever onde exatamente a tempestade irá se

formar;
Desafios

formar;
- Fenômenos de meso/micro escala são mal previstos por

modelos;
Desafios

formar;
- Fenômenos de meso/micro escala são mal previstos por

modelos;
- Não há observações suficientes (e.g, sondagens).

O que fazer?
Porém, é possível estimar algumas características

das tempestades com base nos ingredientes
necessários para formação de tempestades
severas.
O que fazer?
Quais são esses Ingredientes?

Conceito
O que é uma tempestade convectiva?
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
Foto: Eliŝka Cílková (internet)

Conceito
2) Instabilidade Ar frio
termodinâmica
Ar quente
Solo
Conceito
2) Instabilidade Ar frio
termodinâmica
Ar quente
Estável Instável
Solo
Conceito
3) Levantamento Ar frio
Ar quente
Solo
Conceito
3) Levantamento Ar frio
Necessita de
uma perturbação Ar quente
Solo
Conceito
3) Levantamento
A esfera, mesmo instável, não se moverá

sem uma perturbação
Conceito
Em resumo:
Para formar uma tempestade é necessário haver:
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:
Corrente descendente não corta o acesso de ar quente.

Conceito
Tempestades severas geralmente:
- São mais organizadas e duram mais tempo (>1h).
Mais tempo para crescimento de granizo e

desenvolvimento de rotação.
Conceito
Água precipitável - Verão
ÚMIDO
Conceito
Água precipitável - Inverno
SECO
Conceito
Vento em 500 hPa - Verão
Ventos fracos
Conceito
Vento em 500 hPa - Inverno
Ventos
intensos
Conceito
Dado que os ingredientes que favorecem tempestades

severas são conhecidos, é possível saber se haverá
tempestades e o potencial de severidade
através dos ingredientes.
Conceito
Probabilidade de tempo severo:

É a probabilidade de um ponto dentro da região ser afetado
por tempo severo.
Ilustração
Tarde de verão típica no Brasil
Densidade de descargas elétricas
http://www.rindat.com.br/
Ilustração
Ilustração
Ilustração
Ilustração
Diferentes
probabilidades
de tempestades
Tempestades severas são
raras em termos probabilísticos.
Objetivos
Objetivos da previsão de tempestades severas:
1) Estimar a quantidade de tempestades em uma região:

Serão muitas tempestades ou tempestades isoladas? Poderão se
organizar em um sistema maior?
Objetivos

2) Estimar o grau de severidade das tempestades:

Será mais favorável ocorrer vento intenso ou granizo? Há potencial
para tornados?
Objetivos

2) Estimar o grau de severidade das tempestades:

Será mais favorável ocorrer vento intenso ou granizo? Há potencial
para tornados?
3) Estimar o horário preferencial de ocorrência:

Ocorrerão no final da tarde ou noite? Serão tempestades de rápido
desenvolvimento?
Papel de cada Instituição
“Modelo ideal” de organização para lidar com tempo severo:
Previsão Probabilística de Tempo Severo Aviso de Curto Prazo
Centro Nacional
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
Envio de SMS
Ações de
prevenção
Notificações
para a
população
Defesa Civil
Probabilidade Aviso Curto Prazo Alertas de Curtíssimo Prazo Envio de SMS
Ações de
prevenção
o Prazo Alerta de tempestade: Probabilidades:

Tempestade intensa Chuva intensa: alta Notificações
com potencial de Ventos > 80 km/h: média
precipitação, ventos Granizo > 2cm: média para a
intensos e queda de Tornado: Baixa população
granizo.
Centro Nacional Centro Regional Defesa Civil

Proposta para definição das probabilidades
Tipo de evento 1 2 3 4
Granizo/vento 5% 15% 30% 45%
Tornado 2% 5% 10% 15%
Chuva (Tempestade) 15% 30% 45% 60%
Tabela 1 - Probabilidades de ocorrência de acordo com o tipo de evento.

Exemplo
Como gerar as previsões nesse contexto?
Probabilidades de tempo severo
30/05/2019 1800 UTC

CAPE e cisalhamento
Ampla área com CAPE

moderado/alto e cisalhamento
alto - bom potencial para várias
tempestades severas
Área de tempestades
Área de nível 1 (5%)
O que significam na prática essas probabilidades?
Quadrados de 80x80 km²

Verificação
Como verificar as previsões nesse contexto?
Registros de tempo severo
Registros no Brasil:
Verde: granizo
Azul: vento
Vermelho: tornado
Verificação
Registros de tempo severo do dia 30/05/2019
Verde: granizo
Azul: vento
Vermelho: tornado
Verificação
Verificação
Verificação
Verificação
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
Radar:
Pontos onde o radar de São

Roque indicou altura de
Waldvogel maior que 8 km
(indicativo de granizo)
Comparação da estimativa por radar com os relatos:
Comparação da estimativa por radar com os relatos:
Área sem relatos de granizo, mas com

indicativo de granizo pelo radar
3 fontes de verificação independentes:
Relatos Satélite Radar
Síntese:
A definição das probabilidades permite uma

previsão de risco de tempo severo “mais objetiva”;
Síntese:

Os avisos de tempestade severa podem, por

exemplo, ser emitidos apenas quando há risco > 2;
Síntese:

Os avisos de tempestade severa podem, por

exemplo, ser emitidos apenas quando há risco > 2;
As previsões podem ser avaliadas com facilidade.

http://nowcasting.cptec.inpe.br/
Izabelly C. Costa: izabelly.costa@inpe.br
Universidade of São Paulo
Instituto de Astronomia, Geofísica e Ciências Atmosféricas
Edmilson Dias de Freitas

Professor Titular
Departamento de Ciências Atmosféricas
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
Adaptado de Stull (1988)

9
Separação entre escalas
Adaptado de Stull (1988)

10
Escalas típicas de tempo e espaço dos fenômenos que ocorrem entre a
11
micro e a meso escala (Adaptado de Orlanski, 1975).
Escalas típicas de tempo e espaço dos fenômenos que ocorrem entre a
12
micro e a meso escala (Adaptado de Orlanski, 1975).
Problemas gerais em Mesoescala
 Circulações locais
 Ilhas de calor
 Brisas marítimas
 Vegetação
 Eventos extremos
 Tempestades
 Ilhas de Calor e Brisas marítimas
13
14
15
ConsequênciasFoto:
da Urbanização
Kléber Lopes da Rocha Filho
Ilha de Calor Tempo Severo
Obtido do Programa Comet

www.meted.ucar.edu
Freitas e Silva Dias (2005)

Juntas Provisórias Pompéia
Túnel do Anhangabaú e Marginal Tietê 17

Expansão das Áreas Urbanas e sua
relação com a precipitação
Silva Dias et al. (2013)
Linha sólida representa a precipitação

2200
2000 total anual; a linha pontilhada
1800 representa a regressão linear com r2 =
mm
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
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
12Z
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)
GFS forecast
SBORJ 12UTC Nov 26th  12UTC Nov
27th
CORD (every 3h).
MUCAPE (shading; J/kg)
MUCINE (contour; J/kg)
Wind Shear surf–500 hpa(barbs;

kt)
BRAMS 4.0.6 forecast

12UTC Nov 26th  12UTC Nov
27th
(every 2h).
Precipitation (shaded; mm h-1)
SBORJ
10 m height winds (vectors; m s-1)
CORD
61
São Borja/RS – Brazil: Early morning conditions
São Borja/RS – Brazil: Current conditions
N
E LDT
N E Nov 27th 2018
3:05 PM
São Borja
18UTC
Nov 27th 2018
GOES 16 -
VIS
Nov 27th
2018
1715 UTC
5 km WRF forecast (init 27 nov

00Z)
28th
(every 2h). (shaded; mm h-1)
Precipitation
BRAMS 4.0.6 forecast

28th
(every 2h).
Precipitation (shaded; mm h-1)
SBORJ
10 m height winds (vectors; m s-1)
CORD
68
69
70
71
72
73
74
75
76
Alternativas para redução do spin-up
 Melhoria das condições iniciais e de fronteira;
 Inserção de maior número de dados observados;
 Superfície, sondagens, radar;
 Condições de Fronteira (CF);
 Procedimentos estatísticos para a assimilação e
geração da CI.
77
Sistemas de inicialização estatística.
Método Bayesiano
78
Método Bayesiano
79
Método Bayesiano
80
Método Bayesiano
81
Método Bayesiano
82
Método Bayesiano
83
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
Uso de Modelo Numérico em Alta Resolução com

Assimilação de Dados para Previsão Imediata de Tempo
Éder P. Vendrasco, Luiz A. T. Machado, Edmilson D. Freitas, Bruno Z. Ribeiro,

Carolina S. Araujo, Jean-François Ribaud, Rute C. Ferreira e Renato Galante
eder.vendrasco@inpe.br
Cachoeira Paulista – 02/12/2019

Motivação
Condição inicial inadequada!

• Cloud Resolving Model Applied to Nowcasting: An
evaluation of Data Assimilation and Microphysics
Parameterization.
– Vendrasco et al. Deve ser submetido à W&F até o final do mês.
• Potential use of the GLM for Nowcasting and Data

Assimilation.
– Vendrasco et al. Está atualmente na segunda revisão na Atmos. Res.
Objetivos
• Melhorar a previsão de precipitação de

até 6h utilizando assimilação de dados
de radar (vento radial e refletividade).
– Avaliar 4 diferentes microfísicas;
– Avaliar ciclos de assimilação com 30 e 60
minutos;
– Avaliar o número de outerloops no ciclo;
– Avaliar o método null-echo para eliminar
precipitação espúria.
Grade do Modelo e Radares
Radares: São Roque

Banda X (Campinas)
CTH
WRF v3.9.1.1
3 Grades aninhadas (16/4/1 km)
Assimilação apenas na grade 3 (1km)
Assimilação de Dados
• Background ou First Guess;

• Análise; Outer Loop
• Variáveis de controle; ciclo

• OMB e OMA;
• 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
Estatística
Thompson
Morrison
WSM6
WDM6
Estatística
cCIcAD
sCIcAD
sCIsAD
Null-Echo DA
• Ki-Hong Min da Kyungpook National

University, South Korea;
– Objetivo: rezudir precipitação espúria;
• Aplica-se um filtro no dado do radar para
selecionar os dados a serem considerados
sem precipitação;
– Hipótese: regiões com valores indefinidos na área
de cobertura do radar são consideradas válidas e
sem precipitação.
– Valores indefinidos são assimilados como -15 dBZ.
Exemplo – Null-echo
WRF Reflectivity
< 5 dBZ e ≠ indefinido Null-echo: -15 dBZ

Experimentos Parte 2
Estatística
NE1
Alto FSS
Baixo RMSE
Baixo FAR
Refletividade
Radar Composite sCi sAD cCi cAD NE1 60m OL1

Objetivos
• Melhorar a previsão de precipitação de

até 6h utilizando assimilação de dados;
• Utilizar dados de descargas elétricas

para a construção de perfis médios de
refletividade para uso em assimilação de
dados.
– BrasilDAT GLM
Área de Estudo
Eficiência dos sensors da BrasilDAT na região de estudo ≈ 80%

Metodologia
• Grade com área de 9x9 km2 cada pixel;

• Descargas elétricas acumuladas em 5
minutos;
• Classificação de pixel convective e
estratiforme (Steiner et al., 1995);
• Apenas pixels convectivos foram
considerados;
• Para cada valor de densidade de
descargas elétricas, um valor médio de
perfil de refletividade foi gerado (raio de
1km em torno do centro do pixel).
Perfis
Perfis assimilados
Conclusões
• Assimilação de dados de radar mostrou-se eficiente

para melhorar a CI e a previsão de precipitação;
• Para os casos estudados, a parametrização de

Thompson foi ligeiramente melhor;
• Ciclos com maior frequência e uso de mais OLs pode

gerar ruídos e deve ser usado com algum método
para eliminar precipitação espúria, como Null-Echo;
Conclusões
• Null-Echo mostrou-se eficiente para eliminar

precipitação espúria;
• O uso de dados de descargas elétricas para assimilar

perfis médios de refletividade mostrou-se eficiente
para melhorar a previsão de precipitação nas
primeiras horas;
• Assimilar perfis estratiformes também pode ser

importante e deve ser considerado em trabalhos
futuros;
Conclusões
• O uso dos dados da BrasilDAT na grade do GLM e os

resultados obtidos apontam para a possibilidade de
usar diretamente dos dados do GLM para fazer a
assimilação dos perfis médios de refletividade;
• Os resultados apresentados mostram clarmente que o

spinup dos modelos numéricos pode ser reduzido
com assimilação de dados em escala convective e
serem aplicados para previsão de curtíssimo prazo.
Linhas de Instabilidade na
Região de Campinas: um
Estudo de Caso
Isabela Christina Siqueira
Orientador: Edmilson Dias de Freitas
INTRODUÇÃO
MOTIVAÇÃO
Região Metropolitana de Campinas em
números:
➔ 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
➔ Células convectivas alinhadas

pelo vento ;
➔ Dependem do cisalhamento do
vento (Weisman e Klemp,
1982);
➔ Geram chuva convectiva e

estratiforme
Extraído de “Mesoscale Meteorology in Midlatitudes”
(2010), adaptado de Houze et al. (1989).
ESTRATÉGIA DE PREVISÃO DE TEMPESTADES
CONVECTIVAS
5 a 12 dias antes: 1 dia a poucas horas: De poucas horas a

durante o evento:
Reconhecimento de Análise de
padrões parâmetros de tempo Nowcasting
atmosféricos -> severo -> sondagens, convectivo -> radares
escala sinótica e modelos de meteorológicos, rede
modelos globais. mesoescala de observação
Esquema de estratégia operacional para previsão de de tempestades severas para o Brasil.

Adaptado de Nascimento (2004)
METODOLOGIA
ANÁLISE DO EVENTO
➔ Catálogo de Eventos do SOS CHUVA (https://topicssoschuva.blogspot.com)

➔ Dados para análise sinótica: ECMWF(ERA5)
➔ Identificação da Linha via imagens de satélite e radar
➔ Uso de sondagens do Campo de Marte (em São Paulo)
Ausência de medições de
precipitação por pluviômetros

USO DO SOLO
➔ Pielke Sr, 2013 - única variável

de significância física
➔ Arquivos de uso de solo sobre

Campinas desatualizados
◆ Freitas e Silva Dias (2000):
impacto em simulações de
alta resolução
USO DO SOLO
➔ Nova classificação do uso do solo

com o software ArcGIS
considerando a área de
expansão da mancha urbana de
Campinas; Teorema de Bayes
BRAMS
➔ Condição inicial e fronteira: análise
do GFS de 0.25°;
➔ Tempo de integração: 36 horas
➔ 2 grades aninhadas e saídas a cada

30 minutos
➔ Bender, 2012; Bender, 2018
➔ Freitas, 2003
◆ TEB
Área de abrangência das grades utilizadas nos experimentos

Uma forma de aferir o grau de
ÍNDICES DE instabilidade da atmosfera é através de

índices que quantificam diversas
características do ambiente.
INSTABILIDADE ➔ Índices Termodinâmicos
➔ Índices Cinemáticos
➔ Índices Mistos
ÍNDICES DE INSTABILIDADE
➔ CAPE: Energia do empuxo da parcela;

➔ CINE: Energia que inibe a ascensão da
parcela;
➔ IL: Diferença de temperatura entre parcela e
ambiente
Exemplo de radiossondagem com índices

termodinâmicos assinalados. Fonte:
Adaptado do Programa Comet do MetEd.
ÍNDICES DE INSTABILIDADE
➔ DNRV: Variação do vento com a

altura
DNRV
➔ HR3K: Relacionada com a vorticidade
em sentido direto.
Influência do cisalhamento unidirecional no

escoamento. Fonte: aMetEd, Comet Program.
Índices de Instabilidade
➔ IEH: Combina a energia do empuxo com a vorticidade do ambiente;
➔ SUP: Indica a possibilidade de formação de supercélulas

ANÁLISES DO EVENTO
SATÉLITE
➔ Início: 17Z
➔ Ápice da atividade: 19Z
➔ Dissipação: 22Z
Imagens do canal do Infravermelho realçado do

satélite GOES-13 sobre a região Sudeste do Brasil.
Fonte: CPTEC/INPE.
ANÁLISE ECMWF
➔ Ramo do JST sobre a

Argentina
➔ VCAN sobre o Atlântico Sul
ANÁLISE ECMWF
➔ Ramo do JST sobre a

Argentina se intensifica
➔ VCAN sobre o Atlântico Sul
ANÁLISE ECMWF
➔ Transporte de massa pelo

JBN
➔ Advecção umidade sobre
a região de São Paulo
ANÁLISE ECMWF
➔ Transporte de massa pelo

JBN
➔ Advecção umidade sobre
a região de São Paulo
ANÁLISE ECMWF
➔ 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
PERFIS
VERTICAIS
CAPE: 246
CINE: 26
LI: -0.76
K: 33
TT: 44
TEB ativado Sondagem Campo de Marte

Uso de solo Urbano
CAPE: 246
CINE: 26
LI: -0.76
K: 33
TT: 44
TEB desativado Sondagem Campo de Marte

Uso de solo Vegetado
TERMODINÂMICOS
➔ Campinas
◆ CAPE = 2500 a 3000 Jkg-1
◆ IL = -5 °C
CAPE (Jkg-1 - sombreado) e LI ( °C - contorno) das 18Z

CINEMÁTICOS E MISTOS
DNRV (ms-1 - sombreado) e IEH ( contorno) das 18Z HR3K (ms-1 - sombreado) e SUP (contorno) das 18Z
CONSIDERAÇÕES FINAIS
➔ Há impacto direto do uso do solo sobre a qualidade da simulação em termos

de fluxo de calor e turbulência
◆ Maior levantamento
◆ Conteúdo de água líquida e gelo presente no perfil urbano
➔ Temperatura mais elevada sobre a cidade e escoamento do vento mais
intenso (cidade presente)
➔ Taxa de precipitação subestimada, porém é possível observar um padrão de
linha pelo campo de temperatura
➔ Estrutura vertical semelhante o que impacta na sondagem e nos índices
OBRIGADA :)
Análise e Aprimoramento dos Processos
Microfísicos em Modelos Numéricos Utilizando
Espaços de Fase
Lianet Hernández Pardo,

Luiz Augusto Toledo Machado
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
Single-column model: Kinematic Driver (KiD)

qv (g/kg)
0 3 6 9 12 15 18
6000
θ(K)
5000 qv (g/kg)
4000
z(m)
3000
2000
1000
0
294 301 308 315 322 329 336
θ(K)
(a) (b)
Figura: Model conguration: (a) initial conditions, and (b) prescribed

eld of vertical velocity
Bin microphysics parameterization: Tel Aviv University Scheme

(TAU)
3 / 12
Model
Single-column model: Kinematic Driver (KiD)

qv (g/kg)
0 3 6 9 12 15 18
6000
θ(K)
5000 qv (g/kg)
4000
z(m)
3000
2000
1000
0
294 301 308 315 322 329 336
θ(K)
(a) (b)
Figura: Model conguration: (a) initial conditions, and (b) prescribed

eld of vertical velocity
Bin microphysics parameterization: Tel Aviv University Scheme

(TAU)
3 / 12
Simulated cloud
Nd (cm−3 ) Def f (µm) qc (g/kg)
(a) (b) (c)
Figura: Evolution of Nd (cm−3 ), Deff (µm) and qc (g/kg) in the simulation.

The black lines represent cloud-top.
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)
Figura: Gamma phase space representation of cloud-top DSDs for dierent
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
Function:
N0 (cm−3 µm−1−µ ):
intercept parameter
parameter
Λ (µm−1 ): curvature
parameter
N(D): number of droplets
of air.
6 / 12
Expressions used in bulk schemes
Function:
In bulk schemes:
1000
µ= +2
N0 (cm−3 µm−1−µ ): Nd
intercept parameter
Thompson et al. (2008)
parameter µ = (5.714×10−4 Nd +0.2714)−2 −1.
−1
Λ (µm ): curvature
parameter Morrison et al. (2009)
N(D): number of droplets

of air.
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
Lianet Hernández Pardo,

Luiz Augusto Toledo Machado
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:
 Damages observed (heavy rain, hailstorm, strong

wind event, tornadoes);
 Understanding the environment related is

necessary to improve forecasting.
Introduction
 Definition of severe weather:
US: Australia:
-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:
 Moisture; Large scale process
 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;
 CIN, measure convective inhibition. High values can prevent convection,

but low values can lead to widespread convection.
 LI, K-index, Showalter, bulk Richardson number and SWEAT.

Introduction
 City of São Paulo:
 Affected by heavy rain (especially), hail, and strong wind

gusts;
 Located in the east part of the State, in the southeastern

region of country:
 Identified as one of the regions with the most severe
events observed and with a favorable environment for
development (Zipser et al., 2006; Brooks et al., 2003)
Introduction
 City of São Paulo:
 During summer: SACZ, fronts, and especially sea
breeze.
 Highly urbanized, which may enhance or initiate
convection;
 Several authors found that most of the events in the
MASP are associated with the sea breeze and the
heat island (Pereira Filho, 2000; Pereira Filho et al.,
2004).
Introduction
 Modeling:
 Can be useful to analyze the environment closer to
the hour of occurrence;
 Forecast;
 Possibility to evaluate some effects, such as

urbanization.
Introduction
 Objectives:
 Analyze a severe event that occurred on February,

22nd, 2017 at the city of São Paulo;
 Simulate (and validate) the event using BRAMS

model.
Material and Methods
 GFS with a 0.25 resolution for large scale analyses and
model initialization;
 Satellite images from GOES-13 infrared channel;
 Radar images from the São Roque radar;
 Data from INMET surface station (Mirante de Santana)
and METAR from Congonhas and Campo de Marte;
 Sounding from Campo de Marte airport at 12:00 UTC;
 BRAMS model.
 BRAMS model:
 Mesoscale model derived from RAMS;
 Non-hydrostatic;
 LEAF (Walko et al., 2000)- used for interactions between the

atmosphere and the surface, for vegetated, water and uncovered
soil;
 TEB (Masson, 2000)- used for interactions between the

atmosphere and urbanized areas.
Number of points 166
Horizontal spacing (km) 4

Center of the grid (lat/lon) -23.5/-46.5
Nudging time scale at lateral, center, 1800/0/10800
top boundary (s)
Number of points of nudging at lateral 5
boundary
Radiation Chen and Cotton (1983)
Turbulence Anisotropic deformation
Microphysics Activated level 3 (Walko et al., 1995;
Meyers et al., 1997)
Lateral boundary Klemp and Lilly (1978)
Results - Event
 Event
 Occurred on February, 22nd, 2017;
 Heavy rain led to 27 points of flash floods; 11 were

impassable;
 Rain started in the city after 16:00 local time;
 Peaks of 30-40 mm were observed.
 Hail was observed at several region in the city.

Results - Event
Results - Event
Results - Event
Results - Event
Results - Event
Results - Event
Results – Event and model simulation
-0-6km shear
-Sounding: 4.1 m s-1

- Model: 6.6 m s-1
 Dry air
 can decrease precipitation efficiency; could
decrease the possibility of heavy rain events;
 Fuelberg and Biggar (1994) found for the Florida

Panhandle that no convection days had relative
humidity below 30% in mid-levels.
 Weak vertical wind shear:
 can lead to multicell formation;
 can also be important to high precipitating events;

storm outflow can generate new cells closer to the
existing cell (Doswell et al., 1996).
High relative humidity in mid-levels

-0-6km shear
- Model: 5.4 m s-1

Conclusions
 The event had a few important synoptic features:
 High pressure system at 500 hPa, which was responsible for dry
air in mid-levels;
 Pre-frontal situation starting to develop at 850 hPa.
 Temperatures were higher than 30 ºC during the day;
 Associated with the sea breeze, storm outflow and urban center;
 Several cells formed and reached the mature stage over the city in a
period of two hours, leading to heavy rain.
 Indexes at 12:00 UTC indicated low potential for convective
development
 weak vertical wind shear (important for multicell formation and the
evolution of the event)
Conclusions
 Several attempts were made to simulate the event;
 The model simulated well the diurnal pattern of temperature, relative

humidity and wind, however it was delayed by two hours;
 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.
 Rain was not observed.

Thank you
Crescimento urbano e sua relação com
condições de tempo severo na região
metropolitana de
São Paulo (RMSP)
Andréia Bender
Edmilson Dias de Freitas
Objetivos
O objetivo é verificar o impacto de diferentes cenários urbanos futuros nos

sistemas de tempo severo, causados pelo efeito da Ilha de Calor Urbano.
• Aumento da Área urbana prevista para 2030, por Young (2013).

• Aumento vertical da área urbana. O atual plano diretor de zoneamento e
uso do solo da cidade de São Paulo permite a construção de prédios altos
em áreas atualmente ocupadas por casas em áreas residenciais.
Experimentos com o modelo BRAMS
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.
Análises GFS 0,5°
Cumulus Grell Ensemble (GRELL &

DÉVÈNYI, 2002)
Microfísica Ativada Nível 3

Configuração de grade
TEB (Town Energy Budget)
Experimentos
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
• Método de Separação de Fatores (Stein & Alpert, 1993) e método de Planejamento

Fatorial (Barros Neto et al., 1995):
Configurações utilizadas durante os experimentos.
Ensaio Urbanização Condição Inicial Precipitação
1 Mancha atual (-) Altura das construções atual (-) P1
2 Mancha 2030 (+) Altura das construções atual (-) P2
Altura das construções para

3 Mancha atual (-) P3
2030 (+)
Altura das construções para
4 Mancha 2030 (+) P4
2030 (+)
Descrição dos Testes de Sensibilidade com a Mancha
Urbana
Efeito causado pela expansão Efeito causado pela

da mancha urbana: urbanização vertical:
1 Planejamento 1
𝐸𝑀𝑈 = 𝑃 − 𝑃1 + 𝑃4 − 𝑃3 𝐸𝑈𝑉 = 𝑃 + 𝑃4 − 𝑃1 + 𝑃2
2 2 Fatorial 2 3
𝐸𝑀𝑈 = P2 − P1 Separação de 𝐸𝑈𝑉 = P3 − P1

Fatores
Efeito causado pela interação entre a

mancha urbana e a urbanização vertical:
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.
CAPPI-3 km do radar de Salesópolis. Fonte: radar.iag.usp.br.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Resultados
Caso de
tempestade
de 14 de
fevereiro de
2013.

Tempestade de 14 de fevereiro de 2013
Chuva acumulada (mm/5h) das Estações SAISP e INMET e

Precipitação (mm/5h) do Experimento Controle.
Cenário com Verticalização Atual e Mancha Urbana de 2030
(Ensaio 2)
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
Temperatura no primeiro nível do modelo (°C, sombreado) e vento

em 10 metros (km h-1, vetores).
Cenário com Verticalização Futura e Mancha Urbana Atual
(Ensaio 3)
Ensaio 1 Ensaio 3
Cenário com Verticalização Futura e Mancha Urbana Atual
(Ensaio 3)
Ensaio 1 Ensaio 3
Temperatura no primeiro nível do modelo (°C, sombreado) e vento

em 10 metros (km h-1, vetores).
Cenário com Verticalização Futura e Mancha Urbana de 2030
(Ensaio 4)
Ensaio 2 Ensaio 4

Planejamento Fatorial / Separação de Fatores
Barros Neto et Stein & Alpert

al. (1995) (1993)
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) )

al. (1995) (1993)
CAPE induzida pelo aumento da mancha urbana ( EMU, (a) ), pelo aumento da

al. (1995) (1993)
DNRV induzida pelo aumento da mancha urbana ( EMU, (a) ), pelo aumento da
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
Bender, A. Condições Atmosféricas Conducentes a Tempestades Severas e sua Relação

com a Urbanização na RMSP. Tese de doutoramento do Instituto de Astronomia,
Geofísica e Ciências Atmosféricas da Universidade de São Paulo, 2019.
https://doi.org/10.11606/T.14.2019.tde-18042019-101002
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
• Desenvolvimento de Aplicações em Nowcasting
• Desenvolvimento de Ferramentas de Análises
• Banco de dados de Eventos intensos/severos
• Formação de Pessoal – Operação e Pesquisa
• Pesquisa em Radar e Satélite

X-band dual-polarization radar-based hydrometeor
classification for Brazilian tropical precipitation systems,
2019, Jean-François Ribaud, Luiz A T Machado, and Thiago
Biscaro. Atmos. Meas. Tech., 12, 811–837, 2019
Insights into Brazilian microphysical convective clouds observed during SOS-
CHUVA. Jean-François Ribaud and Luiz A. T. Machado, Submitted Weather and
Forecasting, 2019
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
13
Lagrangian satellite-derived parameters
tri-spectral difference [(8.5 – 11.2 μm) – (11.2 – 12.3 μm)]
reflectance using 1/cos(θ)
14
15
South Brazil –Argentina border - São Borja – Oitavo
Experimento – Novembro 2018
Projeto RELAMPAGO – Brasil-Argentina-EUA
Where the stronger

thunderstorms are
located
São Borja : Dataset
• Soundings: nearly 60 (RS41) soundings released every
day at 1800 UTC and hourly when convection was
nearby;
• Surface stations , GPS and Field Mills: 5 stations

spaced 2 km from each other (Convective Scale).
• Hailpads: nearly 10 fixed hailpads in the region
• RD-80 and Parsivel disdrometers, micro-rain radar

(MRR), and turbulent fluxes receiver installed on the
Radar site
• Brasildat lightning data for the entire period

Surface Station
Radar, extra instruments

and
Surface Station
Radiosonde
and
Operation Center
São Borja : Dataset
GOES-16 MDS rapidscans
1) 0300 UTC 13 to 0300 UTC 14 Nov 2018;

2) 1500 UTC 17 to 0900 UTC 18 Nov 2018;
3) 0300 UTC 12 to 1500 UTC 12 Dec 2018;
4) 1800 UTC 14 to 1200 UTC 15 Dec 2018.
All Data Are Available At

CPTEC: http://relampago.cptec.inpe.br/
UCAR: http://catalog.eol.ucar.edu/relampago
São Borja: Cases Studies
13 Nov 2018: Intense Quase Linear Convective
System moved all the way from Argentina
São Borja : Cases Studies
17 Nov 2018: large MCS caused flash flood in the region
São Borja: Cases Studies
12 Dec 2018: gust front associated with nocturnal
QLCS sampled by hourly soundings
São Borja campaign: Cases
14 Dec 2018: nocturnal storms sampled by hourly
soundings and RHIs
São Borja campaign: Cases
27 Nov 2018: Supercell - Downburst
The São Borja Downburst – A new conceptual model for
downburst and large hail
GOES-16 infrared satellite images of the supercell on
27 November 2018 from 0900 to 1400 UTC.
Santiago S Band PPIs at 13:21, 13:31, 13:41, 13:51, 14:01 and 14:11 UTC.
This Figure also shows the supercell trajectory and the RHI for each
supercell position based on X band RHI
Right Moving Supercell

Anticyclonic Mesocyclone
Reflectivity - RHI of the São Borja Supercell in different times and view angles. The more
active component of the supercell is followed and shown in each time and zenith angle.
Co-polar cross correlation, Doppler speed and ZDR of the RHI of the São
Borja Supercell at 13:32 UTC, time of the active BWER and at the 13:51 close
to the time of the BWER collapse
PPI at 13:10 UTC, 9 degrees elevation, the
reflectivity and doppler velocity.
Doppler and Reflectivity at 14:00 UTC for different elevations
corresponding around 2.8, 3.6, 4.5, 5.7 and 6.7 km height.
Large Eddy Simulation – Meso-NH
500 km 500 km, 100m – gigaLES – 6 billion grids.

Initialized with ECWF, day 27 November 2018
Meso-NH Large Eddy Simulation – 100 m resolution
Horizontal cross section at 7 km height A) horizontal winds and graupel/rain
concentration and B) horizontal winds and vorticity of simulated supercell formed the
day of São Borja downburst.
Vertical cross section,
over the cross section
(red line) of the wind
(vectors), the cloud
contour (black) the
potential temperature
(red) for A) meridional
wind, B) graupel and
rain, C) vertical velocity
and d) vorticity ate
16:45, 17:00 and 17:15
UTC of simulated
supercell formed the
day of São Borja
downburst.
3D view of the Simulated Supercell
Hydrometeors > 5g/kg
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
• The São Borja dataset

is download in the
CPTEC and UCAR.
• Five intense-severe
cases were reported at
São Borja
• The São Borja
Downburst allow to
proposed the following
adjustment in the
conceptual model:
Microfísica, Cinemática e
Atividade Elétrica em
Tempestades que geraram
Granizo durante o Projeto
SOS-CHUVA
MSc. Camila da Cunha Lopes
Profª Drª Rachel Ifanger Albrecht
cclopes.github.io
2
Introdução
cclopes.github.io
3
Tempestades de Granizo
▫ Definição: Granizo maior ou igual a 19 mm (Moller, 2001)

▫ Ambientes favoráveis: latitudes médias, regiões tropicais de altitude
▫ Grande variabilidade em termos de estrutura microfísica, atividade elétrica e cinemática
Ceped - Centro Universitário de Estudos

e Pesquisas Sobre Desastres (2013)
Frisby e Sansom (1967)
cclopes.github.io
4
Projeto SOS-CHUVA
▫ Região Metropolitana de Campinas

(2016 a 2018)
▫ Previsão imediata de tempestades
intensas
▫ Instrumentação
▪ Radar Banda-X na UNICAMP
▪ Estações meteorológicas
▪ Rede de detecção de granizo
http://soschuva.cptec.inpe.br/
cclopes.github.io
5
Objetivos
Explorar aspectos físicos de tempestades que geraram

granizo na RMC, de forma a caracterizar seus processos
de formação e intensificação
Identificar fatores determinantes para que tempestades
nesta região produzam granizo com tamanho suficiente
para precipitar
6
Material e Métodos
https://github.com/cclopes/soschuva_hail
cclopes.github.io
7
Casos Selecionados
Caso Descrição Regiões Afetadas Tipo de Severidade

Condições instáveis na região levou à formação de Campinas, Vale do Paraíba, São Rajadas de vento,
2016-12-25
diversos sistemas convectivos Carlos granizo
Linha de Instabilidade formada a partir de condições
2017-01-31 Sorocaba, Itu, Araraquara Granizo
de calor e umidade favoráveis
Aquecimento da superfície e convergência de
umidade associada a uma frente fria no oceano
2017-03-14 Campinas, Indaiatuba, Jacareí Granizo
favoreceu a formação de sistemas convectivos no
centro do estado
Condições localmente favoráveis levaram à
2017-11-15 formação de sistemas convectivos isolados no Indaiatuba, Bebedouro Granizo
centro do estado de SP
Escoamento do Jato de Baixos Níveis no centro-sul
do país possibilitou condições de calor e umidade Lorena, Ribeirão Preto, Campinas, Rajadas de vento,
2017-11-16
favoráveis para a formação de sistemas convectivos São Paulo, Itapeva granizo
em todo o estado
Descrição dos casos selecionados para análise

cclopes.github.io
8
Rede de Detecção de Granizo
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
Fuzzy Hydrometeor Classificator - Pacote CSU_RadarTools (Lang et al. 2017)
1. Chuvisco 6. Gelo Vertical

2. Chuva 7. Graupel de Densidade Baixa
3. Cristais de Gelo 8. Graupel de Densidade Alta
4. Agregados 9. Granizo
5. Neve Molhada 10. Gotas Grandes
cclopes.github.io
11
Recuperação de Vento por Multi-Doppler
MultiDop 3DVAR (Shapiro et al. 2009, Potvin et al. 2012)
Caso 2017-03-14 2017-11-15
Radares disponíveis FCTH SR FCTH SR XPOL
Resolução temporal (s) 300 600 300 600 600

Diferença mínima/máxima 172 19
entre os horários de começo
da varredura dos radares (s) 174 20
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
Rede de Detecção de Raios
BrasilDAT (Naccarato et al. 2014)

▫ Faixas LF a HF
▫ Pulsos eletromagnéticos (strokes) de
descargas elétricas IC e CG
Naccarato et al. (2014)

▫ Localização (lat, lon), tipo, pico de
corrente (polaridade)
▫ Eficiência de detecção
▪ IC: 60 a 70%
▪ CG: 95%
▫ Agrupamento em flashes
13
Resultados
cclopes.github.io
14
Intensidade das Tempestades que Geraram Granizo
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
Total de Raios Taxa Máxima de

Tempo de Z Máximo em Área Máxima Granizo Granizo (flashes) Raios (flashes min-1)
Caso
Vida (h) 3 km (dBZ) (km2) Médio (mm) Máximo (mm)
IC CG IC CG
2016-12-25 5,7 67,9 2822 7,6 17,2 4943 1037 61 16
2017-01-31 0,5 58,3 69 8,2 16,9 2 1 1 1
2017-03-14 6,2 69,7 2312 7,8 11,8 10525 2576 107 31
2017-11-15 2,2 67,6 253 10,3 22,4 46 20 3 2
2017-11-16 1,3 64,4 330 8 14,8 73 63 4 4
Casos
selecionados
Resumo das principais características físicas e elétricas dos casos analisados

cclopes.github.io
16
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
queda de granizo em Indaiatuba: Refletividade corrigida e identificação de hidrometeoros. O ‘x’ indica a localização do hailpad e as
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
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
Imagem de satélite do canal 13 do GOES-16 mostrando a

CAPPI em 3 km do radar de São Roque em 2017-11-15. O contorno
temperatura de brilho do topo das nuvens no estado de São Paulo
preto delimita o sistema rastreado pelo ForTraCC-Radar
em 2017-11-15
cclopes.github.io
23
queda de granizo em Indaiatuba: Refletividade corrigida e identificação de hidrometeoros. O ‘x’ indica a localização do hailpad e as
cclopes.github.io
24
UTC (b), quando houve queda de granizo em Indaiatuba. O ‘x’ indica a localização do hailpad
25
Conclusões
cclopes.github.io
26
Visão Geral
▫ Queda de granizo de baixa intensidade nos cinco casos apresentados

▪ Granizo máximo de 22,4 mm (caso de 2017-11-15)
▫ Caso de 2017-03-14:
▪ Queda de granizo em duas localidades (Cosmópolis e Indaiatuba)
▪ Granizo máximo de 11,4 mm
▪ Tempo de vida de 6,2 h, com vários processos de fusão e separação
▪ Alta atividade elétrica, com taxa máxima de 107 (31) flashes min-1
entre as quedas de granizo
▫ Caso de 2017-11-15:
▪ Queda de granizo mais intensa em Indaiatuba
▪ Tempo de vida de 2,2 h
▪ Baixa atividade elétrica, com total de 46 (20) flashes IC (CG)
cclopes.github.io
27
Comparando os Estudos de Caso
▫ 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
Voltando aos Objetivos
Identificar fatores determinantes para que tempestades nesta região produzam

granizo com tamanho suficiente para precipitar
▫ Alta diversidade de tempestades (assim como em latitudes médias)

▫ Alguns fatores em comum:
▪ Aumento da atividade elétrica antes ou depois da queda de granizo
▪ Granizo em uma camada extensa da nuvem, incluindo região de fase
mista, durante o evento
▪ Corrente ascendente intensa dentro da região de fase mista antes
do evento
cclopes.github.io
29
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
Workshop de Previsão Imediata – 02 a 05 de dezembro de 2019 – CPTEC / INPE

INTRODUÇÃO
• Produto desenvolvido a partir da disciplina Ferramentas de

previsão de curtíssimo prazo (Nowcasting);
• Curso de graduação em Ciências Atmosféricas –

Bacharelado, da Universidade Federal de Itajubá (Unifei)
Workshop de Previsão Imediata – 02 a 05 de dezembro de 2019 – CPTEC / INPE 2

INTRODUÇÃO
Principal característica do Hidroestimador:
• estimar precipitação, empregando-se a temperatura do

canal IR do satélite GOES-16;

INTRODUÇÃO
A estimativa de precipitação por

satélite é extremamente importante:
• prevenção de desastres naturais,

principalmente em áreas de baixa
densidade de postos
pluviométricos, a fim de minimizar
e eliminar os prejuízos causados.

OBJETIVO
• Montar e operacionalizar um produto de estimativa de
precipitação por satélite (o algoritmo Hidroestimador)
contextualizado para a região de Itajubá;
• 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.

DESCRIÇÃO DO PRODUTO
• O CPTEC realiza o processamento do algoritmo Hidroestimador e
disponibiliza em http://ftp.cptec.inpe.br/goes/goes16/hidroest/est_prec/

DESCRIÇÃO DO PRODUTO
• Esses arquivos são os dados de entrada para este produto, a partir do
download:
a. Transformados de arquivo binário (.bin) para arquivo no formato NetCDF
(.nc), utilizando o software CDO;
b. Geração de imagens pelo software GrADS;
c. Tabela dos valores acumulados das últimas 6 horas é georreferenciada via
linguagem Python.

ESTRUTURA DOS DIRETÓRIOS
DADO DE ENTRADA
src input -
HIDROESTIMADOR
IMAGENS DE
PRECIPITAÇÃO
INSTÂNTANEA
MÓDULO 01
IMAGEM DE
output MÓDULO 02 PRECIPITAÇÃO DIÁRIA
ACUMULADA
MÓDULO 03 TABELA DO
ACUMULADO DAS
ÚLTIMAS 6 HORAS

MÓDULO 01
BAIXAR DADO DO PRECIPITAÇÃO INSTÂNTANEA
- BRASIL
FTP DO CPTEC/INPE criar_imagem_brasil.sh
criar_imagem_N.sh - NORTE
main_instantanea.sh criar_imagem_NE.sh
- NORDESTE
S11636382_201911282030.bin - SUL
criar_imagem_S.sh
(formato do arquivo) criar_imagem_SE.sh - SUDESTE
cria_ctl.sh
cria_nc.sh
criar_imagem_CO.sh - CENTRO-OESTE
criar_imagem_MG.sh - MINAS GERAIS
S11636382_201911282030.nc
main_instantânea.sh
UPANDO PARA O FTP

output/MÓDULO01

MÓDULO 02
TODOS OS ARQUIVOS limpa_nc.sh ARQUIVOS
DO DIA APAGADOS
main_acumulado_diario.sh
UM ARQUIVO COM O ACUMULADO

DIÁRIO IMAGEM DE
PRECIPITAÇÃO DIÁRIA
ACUMULADA
UPANDO PARA O FTP

output/MÓDULO02

MÓDULO 03
DADOS DE 6 HORAS
ANTERIORES
main_acum_6h.sh
ACUMULADO DAS 6 HORAS
6h_geo.py
TABELA COM OS
MUNICÍPIOS E
RESPECTIVO
ACUMULADO DAS
ÚLTIMAS 6 HORAS
main_acum_6h.sh
UPANDO PARA O FTP

output/MÓDULO03

CONSIDERAÇÕES FINAIS
• A grande importância deste produto reside no fato que
são escassas informações regionalizadas sobre a estimativa
de precipitação por satélite;
• Essas informações podem ajudar a tomadores de decisões

criar estratégias em tempo hábil;
• Espera-se que o produto auxilie o monitoramento de

precipitação tanto pelos alunos do curso de graduação
Ciências Atmosféricas, meteorologistas e até mesmo, a
Defesa Civil e população no geral.
A nova geração de algoritmos para a
previsão da convecção a curtíssimo prazo
usando satélites geoestacionários e sensores
em micro-ondas
Daniel Vila
Convection Working Group - Florence, Italy, 4-8 April, 2016
Novos desenvolvimentos
Novos desenvolvimentos
Motivation
(a)
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
A preliminary analysis of 18 months’ worth of merged global geoIR data, which,
• Processed through the ForTrACC delineation and tracking algorithm,

• Pruned to retain only those storms that were observed by the SAPHIR sounder (the only microwave
sounder with a purely tropical orbit, which guarantees relatively frequent revisits).
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
Image overlap based on fixed ForTrACC

temperature threshold
(Vila et al., 2008)
Tracking
Methodologies
“Seed and Grow” based on local TOOCAN
minima
(Fiolleau et al., 2013)
TOOCAN
ForTrACC
mm-wave retrievals
Reference global datasets of near-coincidences between the observations of each radiometer

type and a reference vertically-profiling radar are used to produce empirical Bayesian
instantaneous estimates of a set of 6 geophysical variables
• 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.
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
Analysis Mode A Nowcasting Mode N

IR Data (segmented) MW Data F operator will be derived
using ML techniques
• a = the three parameters • e = the area where
of the best-fit ellipse to H0.2 > 5 km
the area with • f = the area where
temperature < 235K H0.05 > 5 km
• b = the longitude and
• g = the area where PC1 F(a1, b1, c1, d1, … , a12, b12, c12, d12;
latitude of the center of
the best-fit ellipse > 0.2 g/m3, e, f, g, h, i, j, t) = (a13, b13, c13, d13;
• c = the minimum IR • h = the area where … ; a18, b18, c18, d18)
temperature within the PC2 > - 0.2 g/m3
system • i = average value of RH
• d = the standard • j = the
deviation of the IR convective/stratiform
temperatures within the proportion 3 hours forecast -1/2 hour
system
interval
6 hours -1/2 hour interval Intermitent
Schematic diagram summarizing the workflow in the storm-level mode N

Schematic diagram summarizing the workflow in the microwave-pixel-level mode A

Workplan
Construction of Dynamic Dynamic

reference learning for learning for
archive nowcasting analysis
Generate estimates of Implement and test Re-format the

storm structure from all advanced learning reference data to
microwave procedures to use RL to represent the 5x5
observations at pixel infer the storm-level IR- subgrids about a
resolution evolution. microwave grid point
Re-segment the data

Delineate storm
Quantify the according to the delay
histories from the
uncertainty using RL between consecutive
merged IR data
microwave data.
Inject 1) in 2), and implement and test

divide the result into a advanced learning
learning reference procedures to use RL to
subset RL and a test infer the pixel-level
subset RT microwave evolution
Summary and Possible Outcomes
• The use of intermittently available passive-microwave data to analyze the three-

dimensional structure and evolution of convective storms has not received specific
attention by the scientific community, in spite of its clear relevance.
• 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
The Time-Resolved Observations of Precipitation structure and storm Intensity with a

Constellation of Smallsats (TROPICS) mission will provide rapid-refresh microwave
measurements over the tropics that can be used to observe the thermodynamics of the
troposphere and precipitation structure for storm systems at the mesoscale and synoptic
scale over the entire storm lifecycle.
Scientific Objectives
• 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
S-band antenna - Direct readout at INPE?

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
Each MicroMAS-2 CubeSat is a dual-spinning 3U CubeSat equipped with a 12-channel passive

microwave spectrometer providing imagery near 90 and 206 GHz, temperature sounding near 118
GHz, and moisture sounding near 183 GHz.
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.
“TROPICS Family Photo” – 6 cubesat + qual unit

Channel Specifications
Imager = band W
Temperature Profile =
band F
Moisture profile =
band G
Imager = band G
Dados e Metodologia
TROPICS spatial resolution for different channel subsets

averaged over the 81 footprints in the swath. Effective
spatial resolution refers to how often the footprints are
revisited across the scan
Product Specifications
Aplications
Tropical Cyclone Analysis Tropical Cyclone Modeling

Terrestrial
and Nowcasting and Data Assimilation
• Detection, monitoring, • Tropical cyclone analysts • Assimilation of clear-sky
forecasting, and warning of often use passive passive microwave
floods and landslides microwave satellite observations has been
• Monitoring and observations to diagnose shown to have the largest
forecasting for water storm intensity and positive impact on NWP,
accounting, agriculture, dynamics since other types and work is underway to
human consumption, and of satellite imagery, e.g., develop techniques for
ecosystems. visible and infrared, may no assimilating all-sky
• Regional easily reveal the convective radiances
hydrometerological structure/organization • The higher temporal
forecasting through data • The ability to provide more frequency is also attractive
assimilation of moisture frequent views of TC for regional models where
and temperature. structure, e.g., warm core more rapid cycling can
evolution, eyewall better take advantage of
replacement cycle this improvement over
evolution, intensity current satellite sensors
estimates and trends, than
is currently available is a
definite plus
Terrestrial
Terrestrial
(a)
(b) (c)
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))
Tropical Cyclone Analysis and
Nowcasting
Tropical Cyclone Modeling and Data
Assimilation
Summary
• We can now use a global constellation of CubeSats to determine

the dynamic and thermodynamic relationships in rapidly evolving
storms
• TROPICS will provide the first high-revisit microwave observations

of precipitation, temperature, and humidity on a near-global scale
(~ 40N,S)
• Measurements will complement GPM, CYGNSS, and GOES-R

missions with high refresh, near-all-weather measurements of
precipitation and thermodynamic structure
• All spacecraft should be finished by the end of this year, at which

point they will be put into storage while NASA secures a launch.
The “storage period” is estimated to begin on January 1, 2020.
• Next Application workshop scheduled for February 19-20, 2020 at

the University of Miami
A estimativa de Granizo a partir de satélites
GEO e o novo sistema de visualização de
produtos GOES-16
Renato Galante Negri
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:
– curto prazo → interrupção de atividades humanas
– longo prazo → estudos climatológicos, planejamento

de investimentos (agricultura, seguros, construção civil,
etc.)
Abadiânia, GO 30/09/2017
Parque Lagmar, Cananéia, SP 30/11/2018
fonte: Bedka (2019)
Como identificar tempestades com ocorrência
de granizo a partir de sensores remotos?
MW (sat/rad.) → interação da radiação EM com o gelo no interior das
nuvens
Visível → Anvil, Overshooting Tops (textura)
IR → gradientes de Tb (rings, U/V-shape) OT, diferença IR - WV
Descargas elétricas (redes sup.,GLM) → lightning jumps
Vento → vorticidade/divergência (topos das nuvens)

fonte:Setvák et al., 2010
AMV (Atmospheric Motion Vectors)
Hipótese
O movimento horizontal das nuvens se deve apenas ao vento, então é
possível estimar a direção e velocidade do vento rastreando o movimento
das nuvens presentes em uma sequência de imagens de satélites.
Útil para:
Assimilação em NWPs
Monitoramento do tempo
Pode ser gerado a

partir de imagens
de satélites GEO
ou LEO
AMVs algorithm description
Satellite imagery: GOES-16/ABI
Image sequence definition
Tracking Method: Maximun Cross Correlation
&
Image preprocessing/quality check Target Window size: 16x16 for all channels
Height Assignment Method: EBBT; IR/WV rationing, CO2 slicing

Target definition
NWP ancillary data: CPTEC Global GCM
QI: Based on EUMETSAT QI

Cloud tracking
ABI channel Tropospheric levels Used for

AMV Visible (0.6 µm) Low Daytime
Heigh Assignment
Near Infrared Low Nightime
(3.9 µm)
Quality Control Water Vapor High/Med 24 h

(QI) (6.2 µm)
Water Vapor High/Med 24 h
(6.9 µm)
Dissemination Water Vapor High/Med 24 h

(7.3 µm)
Window IR High/Med/Low 24 h
(10.3 µm)
Tracking Process
Tracking Process
Define all targets to

track
Tracking Process
Take a target
Tracking Process
Search the near most

similar target in the
next image
Tracking Process
Search the near most

similar target in the
next image
IR 10.3 µm 2018/07/01 15:15 UTC
WV 6.19 µm 2018/07/01 15:15 UTC
Wind at different levels/locations

WV 6.95 µm 2018/07/01 15:15 UTC

WV 7.34 µm 2018/07/01 15:15 UTC

Visible 0.6 µm 2018/07/01 15:15 UTC
DSA – Cloud Top Divergence (CTD)
●
Trabalhos em desenvolvimento:
– CTD e evolução do ciclo de vida permite prever ou

identificar em séries históricas, eventos de granizo?
– Desenvolvimento de modelos de aprendizado de

máquina para execução dessa tarefa → ferramenta
para uso nas atividades operacionais de
monitoarmento e nowcasting
DSA – Cloud Top Divergence (CTD)
●
AMV em alta resolução → seq. 3 imagens IR
10.3 µm 1, 5, 10, 15 minutos
●
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”
https://leafletjs.com/index.html
Histórico / parâmetros
Canais ABI
http://wwwtest.cptec.inpe.br/dsat/
produtos
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
•No caso de tempestades e tempo severo, algoritmos e modelos orientam os

meteorologistas previsores provendo estimativas e previsões para:
•Localização espacial de tempestades
•Onde está a tempestade agora? Qual é a trajetória que a
tempestade teve?
•Onde estará a tempestade daqui a 5, 10, 15, 30, 60 minutos?
•Intensidade da tempestade
•Está se intensificando ou desintensificando?
•Quais são os riscos e perigos associados
•Granizo? Raios? Tornados? Alagamentos? Deslizamentos?
ALGORITMOS
TITAN (Thunderstorms Identification, Tracking, Analysis, and Nowcasting. Dixon, et

al., 1993)
ETITAN (Enhanced TITAN. Han, et al., 2009)
SCIT (The Storm Cell Identification and Tracking Algorithm. Johnson et al., 1993)
CellTRACK (Convective cell tracking. Kyznarová and Novák, 2009).
TRACE3D (Handwerker, 2002)
TRT (Thunderstorms Radar Tracking. Hering et al., 2004)
THOR (Thunderstorms Observation by Radar. Houston et al., 2015)
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
2019/05/30 07:30 > 19:00

AVANÇOS
Split/Merge
AVANÇOS
Dificuldades:
Split/Merge
2019/05/30 07:30 > 19:00

AVANÇOS
AVANÇOS
Tracking GLM
AVANÇOS
• Familias de sistemas salvos em formato raster.
• Banco de dados
• Avaliação de uma apenas um sistema na página nowcasting.
• Combinação de informações (radar, satélite, GLM, etc)

Obrigado!!
diego.enore@inpe.br
Macro- and microphysical
characteristics of rain cells
observed during SOS-CHUVA
M. A. Cecchini1, M. A. F. Silva Dias1, L. A. T. Machado2, C. A. Morales1,
and T. Biscaro2
1University of São Paulo (USP), Brazil.
2National Institute for Space Research (INPE), Brazil.
Motivação
• Aumento do número e severidade dos sistemas

convectivos
• Mudanças climáticas
• Crescimento dos centros urbanos
• Se faz necessário o conhecimento holístico dos
eventos convectivos
Objetivos e Metodologia
• O principal objetivo é analisar em conjunto as características macro

e microfísicas de células de chuva em Campinas-SP
• Utilizamos duas características macrofísicas (HZmax e VIL) para
modular o estudo microfísico
• Os sistemas são rastreados (ForTraCC, Vila et al. 2008) utilizando
dados do radar banda X do SOS-CHUVA (verão de 2016/2017)
Vila, D. A., Machado, L. A. T., Laurent, H. & Velasco, I. (2008). Forecast and Tracking the Evolution of Cloud Clusters (ForTraCC) Using Satellite Infrared Imagery:
Methodology and Validation. Weather Forecast, 23(2), 233–245. doi:10.1175/2007WAF2006121.1.
Metodologia
• Rastreio nos CAPPIs de 2 km (resolução
de 1 km)
• 35 dBZ
• >10 km2
• Para cada t, definimos HZmax pelo perfil

médio de Z (fig c)
• Essa configuração permite análise

Lagrangiana em 2D e 3D
• Total de 398 células, 21 dias
• Cada uma tratada como um “objeto”

• Banco de dados com várias
características das células,
incluindos campos 2D (CAPPIs,
PPIs) e 3D (volumétrico)
• Assim como propriedades
morfológicas
Resultados
• ~40% das células com duração ≤ 10
min e área ≤ 25 km2
• Representação de convecção
local de verão
• Maior parte dos dias analisados
foram de convecção mais
isolada
• Bastante variabilidade na relação

área - duração
Relação área – duração

Resultados
• HZmax apresenta tendência positiva com
medidas do conteúdo de água das células
• Ainda com bastante variabilidade
• Introduz mais informação com
relação às outras medidas
Relação de HZmax com outras propriedades

morfológicas
Resultados
HZmax conectado com a estrutura vertical; VIL com modulação

Resultados
• Apenas sistemas sem
merger/split
• HZmax e VIL tendem a

diminuir continuamente
(durações de 30 min ou
menos)
• Trajetórias podem ser
mais complexas para
células de maior duração
• Novos/múltiplos
updrafts
• Derretimento
• Chuva abaixo de 2
km sem dissipação
Evolução de HZmax e VIL no ciclo de vida das células

Resultados
• Utilização de HZmax e VIL para guiar
análise microfísica
• 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)
• Z, Zdr e Kdp tendem a aumentar com

HZmax e VIL
• Alinhamento progressivo de Z com Zdr e

Kdp para menores HZmax
• Indicativo de colisão-coalescência
mais eficiente?
• VIL modularia a quantidade de água
“coletável”
• HZmax determinaria o nível de
processamento
Results
• Parâmetros gamma normalizados
• Kalogiros et al. (2013)
• Transição entre crescente/decrescente Nw no

intervalo 2,5 kg m-2 < VIL ≤ 4,0 kg m-2
• Consistente com maior eficiência de
coleta
• Intervalo contendo a média e mediana
de VIL
• Decréscimos em HZmax e aumentos em VIL

• Maior D0 e menor μ (são diretamente
correlacionados pela metodologia)
• Em 2 km: aproximação exponencial para
DSD representa a média geral
Kalogiros, J., Anagnostou, M. N., Anagnostou, E. N., Montopoli, M., Picciotti, E.

& Marzano, F. S. (2013). Optimum estimation of rain microphysical parameters
from X-band dual-polarization radar observables. IEEE Trans. Geosci. Remote
Sens., 51(5), 3063–3076. doi:10.1109/TGRS.2012.2211606.
Conclusões
• Introduzimos a combinação de HZmax e VIL para estudar células de chuva

• Propriedades de simples cálculo e não dependem de polarimetria -> uso prático?
• Ambas propriedades estão intrinsicamente relacionadas com a estrutura
vertical da coluna de chuva
• Perfis verticais de Z, Zdr e Kdp
• Sinergias com estudos microfísicos
• Proveem o contexto macrofísico
• Estudo Lagrangiano nesse contexto -> auxílio na operação?
Obrigado!
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)
• SIPAM (11 radares – em teste – apenas imagens)

• Radar móvel do Projeto CHUVA
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
• Leitura com a biblioteca RSL-TRMM-NASA alterada para leitura de dados

HDF5-GAMIC e HDF5-ODIM
• Geração de produtos com código próprio
• 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
• Necessário para radar banda-X

• Correção de atenuação, offset de ZDR, e reprocessamento de PhiDP
• RHI sobre sítios instrumentais
• RHI setorizados (RELAMPAGO)
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
• Manutenções dos radares não são informadas previamente e não

levam em conta a condição meteorológica atual/prevista
• Calibração
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.
• A rede de sensores de EFM do Projeto SOS-Chuva é composta por

7 sensores instalados nas cidades de Campinas, Americana,
Engenheiro Coelho, Itatiba, Santo Antônio da Posse, Tuiuti e
Indaiatuba.
• Foram separados apenas os dias em que os 7 sensores estavam

ativos, totalizando em 412 dias.
• 50 casos foram selecionados para o presente estudo.
Sistemas precipitantes Casos

Isolados 15
Multicelular 20
Estratiforme 15
Dados e Metodologia
• Dados de campo eletrostático atmosférico da rede EFM para o
período de dezembro/2016 a dezembro/2018.
• Rede de sensores composta por 7 sensores instalados em Campinas,
Americana, Engenheiro Coelho, Itatiba, Santo Antônio da Posse, Tuiuti e
Indaiatuba.
Créditos:
Flávio Magina
Antonio Carlos
Dados e Metodologia
• Foram separados apenas os dias em que os 7 sensores estavam

• 50 casos foram selecionados para o presente estudo com base nos

dados do radar meteorológico de São Roque (CAPPI 3km)
Sistemas precipitantes Casos

Isolados 15
Multicelular 20
Estratiforme 15
Dados e Metodologia
• Os valores de campo eletrostático de cada sensor foram
interpolados sobre uma grade de 110 x 115km utilizando o
método de Barnes (1964).
• O método determina um peso (E) para a fonte de campo
elétrico em função de sua distância até o sensor (r) e
emprega um raio de influência para os sensores (R), que
está relacionado com o alcance que cada sensor possui
para fazer a medida.
• Quanto mais longe o sensor, menor o peso da sua
medida para o valor final interpolado. Além do peso a ser
aplicado a cada sensor.
Método de Barnes (1964)
 Escolha do fator peso
1º Passo  Primeira interpolação sobre todo grid
“primeira passagem”.
 Para cada ponto de coleta de dados, subtraia do valor

informado pelo sensor o valor obtido na análise feita na
primeira passagem para aquele ponto.
2º Passo
 O valor interpolado no ponto de coleta de dados é
determinado pela média aritmética dos valores interpolados
dos quatro pontos mais próximos a ele no grid.
 Determine os valores da diferença para todos os pontos do

3º Passo grid através da interpolação da informação obtida no passo
2. (mesmo valor de peso adotado inicialmente).
 Adicione ao valor interpolado obtido na primeira

4º Passo passagem, para cada ponto do grid, o valor obtido no
passo 3, produzindo a análise de “segunda passagem”.
 Repita os passos de 2 a 4 substituindo a análise de

primeira passagem pela de segunda passagem, depois
5º Passo substituindo a segunda pela terceira, etc. Continue o
processo iterativo até que as diferenças tenham
diminuído para valores toleráveis.
Resultados
• O teste de sensibilidade da interpolação de Barnes foi aplicado para 14
casos, sendo sistemas precipitantes do tipo estratiforme, núcleos
convectivos isolados e núcleos convectivos multicelular.
• Para o teste foram definidos o Raio de Influência (R) variando a cada 5km
no intervalo de 15 a 60km.
R (raio de E (fator peso)

influência)
15 0,1
20 0,2
25 0,2
30 0,3
35 0,3
40 0,3
45 0,4
50 0,5
55 0,5
60 0,5
Resultados
15 km 20 km 25 km
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.
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)
UNIVERSIDADE FEDERAL DE ITAJUBÁ

1° Módulo:
download
Estrutura dos dados
6° Módulo: 2° Módulo:
Manutenção Mapa atual
A estrutura de rotina é dividida
em 6 módulos
Main
geoprocessa acumulado
mento diário
4° Módulo:
acumulado
mensal
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
– Mapa atual a cada 5 minutos

– Acumulado diário às 01 h
Main
– Acumulado mensal no 1º dia do mês
■ Além do tempo, outros gatilhos para ser
executado. 5° Módulo: 3° Módulo:
– Se o módulo foi executado mento diário
– Se existe arquivo de entrada

4° Módulo:
– Se existe arquivo de saída acumulado
mensal
1º Módulo
1° Módulo:
download
dos dados
■ Download instantâneo 6° Módulo:

Manutenção
2° Módulo:
Mapa atual
– Download dos últimos 30 minutos.
■ Download diário
– Download dos dados faltantes do Main
dia anterior.
■ Download Geoprocessamento 5° Módulo: 3° Módulo:
– Download dos dados instantâneo e mento diário
diário
4° Módulo:
acumulado
mensal
2º Módulo
1° Módulo:
download
dos dados
■ 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
mento diário
4° Módulo:
acumulado
mensal
3º e 4º Módulo
1° Módulo:
download
dos dados
■ Utilizada o 1º modulo para download 6° Módulo:

Manutenção
2° Módulo:
Mapa atual
– Mas possui módulos em
redundância de download
Main
mento diário
4° Módulo:
acumulado
mensal
5º Módulo
1° Módulo:
download
dos dados
■ Ativo após os módulos 2, 3 e 4. 6° Módulo:

Manutenção
2° Módulo:
Mapa atual
– Atribui uma microrregião para
cada relâmpagos identificados.
Main
mento diário
4° Módulo:
acumulado
mensal
6º Módulo 1° Módulo:
download
dos dados
■ Executa a limpeza dos arquivos

temporários 6° Módulo: 2° Módulo:
Manutenção Mapa atual
– Arquivos criados para cada rodada
– Arquivos dos dados baixados que
não serão mais utilizados
Main
■ Upload dos resultados para o servidor
– As imagens geradas
– Os arquivos para download geoprocessa acumulado
mento diário
– Netcdf e TXT
■ Sistema de atualização 4° Módulo:
acumulado
mensal
Saídas:
Últimos Relâmpagos
Monitoramento da evolução dos
últimos relâmpagos de até 30
minutos atrás

Saídas:
Acumulado diário
Regiões dos acumulados:
■ Brasil ■ Centro-oeste
■ Sudeste ■ Sul
■ Nordeste ■ Norte

Saídas:
Acumulado mensal
Regiões dos acumulados:
■ Brasil ■ Centro-oeste
■ Sudeste ■ Sul
■ Nordeste ■ Norte

Download
Formatos:
■ Netcdf
– Acumulado Diário
– Acumulado mensal
■ TXT
– Por Regiões
– Por acumulados das microrregiões

Modo Operacional
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
Fonte: Goodman et al. (1988)

Área de estudo e instrumentos
Radar da FCTH
Biritiba Mirim–SP
23° 36’ S e 45° 58’ 20’’ W
Raio de 240 km
Comprimento de onda de 10 cm
Abertura do feixe de 2.1 graus
SPLMA
Dados
Identificação e rastreamento
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.
Não houve diferenças marcantes entre as tempestades ordinárias e significativas

no relativo à estrutura vertical de cargas observa.
Algumas das parametrizações elétricas implícitas conseguem reproduzir o

comportamento da taxa de raios observada.
CARACTERIZAÇÃO DAS
PROPRIEDADES FÍSICAS E ELÉTRICAS
DAS TEMPESTADES NO SUDESTE
BRASILEIRO
Graduando em Ciências Atmosféricas:

Juliano dos Reis Monteiro
INTRODUÇÃO
ÍNDICE Definição de Sistemas Convectivos de

Mesoescala
Consequências
Objetivos
DADOS E METODOLOGIA
Local de estudo
Dados
Processamento
Análises
RESULTADOS E DISCUSSÃO
Duração dos Sistemas Convectivos
Temperatura dos SC x Nº de relâmpagos
Evolução do raio efetivo e TEN (SC sem
relâmpagos)
Evolução do raio efetivo e TEN (SC com
relâmpagos)
Densidade de relâmpagos
CONCLUSÃO
INTRODUÇÃO
INTRODUÇÃO
Os Sistemas Convectivos de
Mesoescala :
Ampla área
Longa duração
Grandes volumes de precipitação
Ventos fortes
Granizo
RELÂMPAGOS
INTRODUÇÃO
Consequências:
Em média 120 pessoas morrem
todos os anos no Brasil.
Prejuízo anual na ordem de

R$500.000.000,00 nos setores de
telecomunicação, energéticos e
industriais.
INTRODUÇÃO
OBJETIVO:
Avaliar a relação entre:
Propriedades físicas das tempestades
x
Propriedades dos relâmpagos
DADOS
E
METODOLOGIA
LOCAL DE ESTUDO
Região Sudeste do Brasil.

Período de estudo: 2013 à
2017.
DADOS
SATÉLITE: RELÂMPAGOS:
GOES-13. BrasilDat.
Imagens do canal 4 do Informações sobre:
infravermelho (10,7 μm). Data
Banco de dados do Horário
CPTEC/INPE . Localização
Pico de corrente
Polaridade
METODOLOGIA
Três etapas principais:
1) Identificação e rastreamento 2) Acoplamento entre o produto da

das tempestades através do etapa 1 e informações de
ForTraCC relâmpagos
3) Análises através das propriedades dos relâmpagos e das

características físicas das nuvens
RESULTADOS
E
DISCUSSÃO
Análises:
1. Duração dos Sistemas Convectivos
2. Temperatura dos SC x Nº de
relâmpagos
3. Evolução do raio efetivo e TEN
(SC sem relâmpagos)
4. Evolução do raio efetivo e TEN
(SC com relâmpagos)
5. Densidade de relâmpagos x Raio
efetivo
Ao todo foram identificadas 6.799
tempestades.
Tempestades com relâmpagos
possuem maior duração.
Duração média de SC:
Relâmpagos IN: 2.4 horas
Relâmpagos NS: 2.3 horas
S/ relâmpagos: 1.8 horas
Intensas correntes ascendentes.
Grande produção de gelo.
Figura: Duração dos Sistemas

Convectivos
Figura 2: Relação entre temperatura e quantidade de

relâmpagos IN (Figura A) e NS (Figura B)
Quanto maior a duração,
maior a área na
maturação e taxa de
crescimento inicial.
Correntes ascendentes
menos intensas.
Figura A: Relação entre o Raio Figura B: Relação entre Taxa de expansão

Efetivo (km)e o ciclo de vida das Normalizada (10E-06.s-¹) e o ciclo de vida
tempestades SEM RELÂMPAGOS das tempestades SEM RELÂMPAGOS
A taxa de crescimento e
o tamanho dos SC
COM relâmpagos são
maiores em comparação
aos SC sem relâmpagos.
Maior duração devido:
Intensificação de
correntes
ascendentes.
Fortes processos de
Figura B: Relação entre Taxa de condensação nos
Figura A: Relação entre o Raio
expansão Normalizada (10E-06.s-¹) e o
Efetivo (km)e o ciclo de vida das
ciclo de vida das tempestades COM estágios iniciais.
tempestades COM RELÂMPAGOS
RELÂMPAGOS
Figura A: Relação entre o Raio Figura B: Figura A: Relação entre o

Efetivo (km) e desindade de Raio Efetivo (km) e desindade de
relâmpagos IN relâmpagos NS
x x
Figura A: Relação entre TEN e Figura B: Relação entre TEN e

quantidade de relâmpagos IN desindade de relâmpagos NS
CONCLUSÃO
CONCLUSÃO
Principais conclusões:
Diferenças físicas entre tempestades eletrificadas e

não eletrificadas.
SC com relâmpagos possuem maior duração e tamanho.
Relação linear negativa entre temperatura da nuvem
e número de relâmpagos.
Informações mais detalhadas sobre relâmpagos podem
auxiliar no monitoramento e previsão de tempestades
severas.
INSTITUTO NACIONAL DE
PESQUISAS ESPACIAIS
Propriedades de Relâmpagos Nuvem-Solo Negativos Estimadas por

Lightning Mapping Array
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
Importância em se estudar os relâmpagos
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.
Causadores inclusive, de grandes prejuízos aos setores de telefonia, aviação e

novamente, gerando riscos/danos a população no geral.
1. INTRODUÇÃO
Processo de formação dos relâmpagos
Relâmpagos são formados no interior das tempestades pela colisão entre

granizo e partículas de gelo na presença de água líquida super-resfriada na
região conhecida como fase mista das nuvens (entre 0 e -40 °C) (REYNOLDS et
al., 1957).
90% dos relâmpagos ocorrem no interior das tempestades (PINTO JR. e PINTO,
2000) e são denominados relâmpagos Intra-Nuvem.
Neste trabalho estaremos interessados em conhecer as propriedades físicas e

Figura 1.2 – Tempestade e relâmpagos. Disponível em:
elétricas dos relâmpagos Nuvem-Solo negativos. https://br.pinterest.com/pin/689473024174183757/
1. INTRODUÇÃO
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.
Alguns resultados de alguns trabalhos:

Albrecht et al., (2014) encontrou uma duração média de 0,42 s;
Montanyà et al., (2014) identificou um comprimento médio de 20 km;
Saraiva et al., (2010) observaram por exemplo, uma multiplicidade média de 3,9 Descargas de Retorno (DR’s).
1. INTRODUÇÃO
1.1. Objetivo Geral
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
2.1.1. Área de estudo
Compreende a Região Metropolitana de São Paulo (RMSP);
Dados correspondem ao meses de novembro de 2011 a

março de 2012.
O motivo da escolha da RMSP?
Primeiramente devido ao fato de ser a primeira região no

Brasil a apresentar dados de relâmpagos em 3D;
Figura 2.1 - Região de estudo. Os marcadores no formato de estrela
Outro motivo, está relacionado a grande quantia de representam a localização dos sensores da rede SPLMA. A RMSP está
relâmpagos que ocorrem na região e por fim, devido a centrada na imagem e destacada em tons de oliva.
logística presente na região.
2.1. DADOS
2.1.2. Rede LMA
Possui a capacidade de detectar as fontes emitidas em Very

High Frequency (VHF) pelos relâmpagos ao se propagarem
na atmosfera.
Ponto diferencial: Mede a propagação do relâmpago em

3D.
Esta rede fornece informações a cerca da data, horário,

latitude, longitude e altura da fonte detectada.
Figura 2.2 – Estação portátil de detecção de relâmpagos

LMA. Fonte: Bailey et. al., 2014.
2.1. DADOS
2.1.3. Rede BrasilDAT
Esta rede de relâmpagos é capaz de detectar

descargas de retorno intra-nuvem e nuvem-solo.
Diferentemente da LMA, a detecção de relâmpagos

realizada pela LINET se dá em duas dimensões.
Dados disponíveis no site da SOS CHUVA no

endereço http://soschuva.cptec.inpe.br/soschuva/.
Figura 2.4 - Antena detectora de campo eletromagnético

e antena GPS. Foto: ViniRoger.
2.2. METODOLOGIA
2.2.1. Cálculo das propriedades físicas
Primeiro passo: seleção de relâmpagos com mais de 10

fontes de VHF;
Área: Metodologia denominada na literatura como

Convex Hull (casco convexo) proposta pelos autores
Bruning e Macgorman (2013);
Comprimento: Raiz quadrada da área calculada entre as

fontes (Bruning e Macgorman, 2013);
Duração: Diferença entre o momento da última e

Figura 2.2 – Exemplo da determinação da área de um relâmpago através
primeira fonte detectada pela rede SPLMA. do método Convex Hull (casco convexo) que ocorreu no dia 13 de março
de 2012 às 20:51 UTC. A área calculada foi de 436,14 km².
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.
2.2. METODOLOGIA
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;
2.2. METODOLOGIA
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;
Valor médio encontrado também foi de aproximadamente

103 fontes;
Valor mediano encontrado de 56 fontes;
Figura 3.1 – Distribuição da frequência relativa (%) do número de fontes

dos relâmpagos detectados pela rede SPLMA.
3.1.1. Propriedades gerais dos relâmpagos
Duração:
Duração mais recorrente para relâmpagos com
aproximadamente 0,2 s;
Valor médio encontrado de 0,33 s;

Albrecht et al. (2014) encontrou para esta mesma região,
uma duração média de 0,42 s;
Valor mediano encontrado de 0,27 s;

Montanyà et al. (2014) verificou um valor mediano de
aproximadamente 0,4 s;
Grande parte dos relâmpagos analisados duram frações de
segundos ao se propagarem na atmosfera. Figura 3.2 – Distribuição da frequência relativa (%) da duração (s) dos
relâmpagos detectados pela rede SPLMA.
Área dos relâmpagos:
Maior frequência de ocorrência para relâmpagos com

aproximadamente 8 km²;
O desvio padrão encontrado (± 50,21 km²) indica que a área

de um relâmpago pode variar bastante.
Mecikalski et al., (2015) também demostraram que as áreas

dos relâmpagos podem possuir grandes variações. Eles
verificaram que em um intervalo de quase 2 horas, as áreas
dos relâmpagos variaram desde 50 km² até cerca de 1000
km²;
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.
3.1.2. Propriedades físicas e elétricas dos relâmpagos

nuvem-solo negativos
Comprimento:
Classes de duração representam a mesma quantidade de

eventos para cada classe: i) 0-33 % (0,0 – 0,2 s), ii) 33-66
% (0,2 – 0,4 s) e iii) 66-99 % (0,4 – 1,1 s).
Maiores comprimentos observados para relâmpagos

com maiores durações;
Estes resultados mostram que relâmpagos com maiores

durações podem deslocar-se por regiões mais extensas. Figura 3.4 – Gráfico de boxplot do comprimento (km) dos relâmpagos
NS negativos, divididos em três classes de duração: i) 0,0-0,2 s, ii) 0,2-0,4
s e iii) 0,4-1,1 s.

Multiplicidade:
Maiores multiplicidades observadas para relâmpagos

Significado físico: estes resultados mostram que

relâmpagos com maiores durações podem ter maior
número de descargas de retorno para um único
relâmpago.
Figura 3.5 – Gráfico de boxplot da multiplicidade dos relâmpagos NS
negativos, divididos em três classes de duração: i) 0,0-0,2 s, ii) 0,2-0,4 s e
iii) 0,4-1,1 s.

Pico de corrente em função da duração:
Maiores picos de corrente observados para relâmpagos

Significado físico: relâmpagos com maior tempo de vida

podem se propagar para maiores distancias (conforme
discutido na Figura 3.4), de modo a procurar por mais
cargas elétricas visando repor o canal do relâmpago,
assim fornecendo mais carga e consequentemente um
maior pico de corrente. Figura 3.6 – Gráfico de boxplot do pico de corrente (kA) dos relâmpagos
NS negativos, divididos em três classes de duração: i) 0,0-0,2 s, ii) 0,2-0,4
s e iii) 0,4-1,1 s.
4. CONSIDERAÇÕES FINAIS
• Propriedades físicas e elétricas dos relâmpagos;
• 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)
Aluna de Doutorado: Jéssica Lisandra dos Reis

Orientadores: Dr. Kleber Naccarato
Dr. Luiz Augusto Toledo
Curso Geofísica Espacial
Dezembro/2019
Introdução
• Analisar os padrões de variabilidade espacial e temporal do campo
eletrostático atmosférico na superfície.
• Aplicação da EOF nos trimestres de DJF, MAM, JJA e SON.
• Esta análise será baseada nos dados adquiridos no Projeto SOS-CHUVA, no

período de dezembro/2016 a dezembro/2018.
Dados e Metodologia
• Campo eletrostático atmosférico:
•A rede de sensores de EFM do Projeto SOS-Chuva é composta por 7 sensores instalados
nas cidades de Campinas, Americana, Engenheiro Coelho, Itatiba, Santo Antônio da Posse,
Tuiuti e Indaiatuba.
•De toda a base de dados foram separados apenas os dias em que os 7 sensores estavam
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.
• Determinar um padrão espacial para o campo eletrostático atmosférico.

• Foram aplicadas a EOF por trimestres (DJF, MAM, JJA e SON).
Resultados
DJF
MAM
JJA
SON
•O Campo eletrostático atmosférico possui uma variável com alta variabilidade e isso
explica a dificuldade em encontrar um padrão espacial.
•Foi observado que a EOF1 de todos os trimestres apresentaram um padrão espacial

semelhante.
•No trimestre DJF pode-se observar que a EOF4 apresentou o comportamento do

campo elétrico semelhante de quando há passagem de linhas de instabilidades e
Sistemas Frontais.
•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!
CARACTERÍSTICAS DOS RELÂMPAGOS

TOTAIS NO BRASIL ESTIMADOS PELO
SATÉLITE
GOES-16
Paula Sayeko Souza Oda

Enrique Vieira Mattos
Diego Pereira Enoré
ITAJUBÁ - MG
2019
INTRODUÇÃO
 Definição

DADOS E METODOLOGIA
 Dados do GLM (jan-dez) 2018 Tabela 1: Características do sensor Geostationary Lightning Mapper (GLM) a
bordo do satélite GOES-16
• Relâmpagos Totais (RT): Características do GLM

Câmera CCD 1372 x 1300 pixels
FOV Full Disk
 DFRT Pixel no nadir 8 km
Pixel nas bordas 14 km
Comprimento de Onda 777,4 nm
• Área (km²); Taxa de enquadramento 2 ms
Taxa de Downlink de dados 7,7 mbps
• Duração (ms); Energia média de operação 405 W

Massa 125 kg
Dimensões 149 cm x 63,5 cm x 65,8 cm
Adaptado de Goodman et al. (2013).

DADOS E METODOLOGIA
 Métodos
I. Distribuição espaço-temporal da DFRT:
 Acumulados: anual, sazonal
 Hotspots: localização

DADOS E METODOLOGIA
 Métodos
II. Análise das propriedades físicas:
 Média Anual: área e duração
 Distribuição de Frequência dos hotspots principais (jan+set)

RESULTADOS E DISCUSSÕES
1. Análise Anual
• 103.272.364 relâmpagos totais no território

brasileiro (29% de todo campo de visão)
• Christian et al. (2003) (OTD), Cecil et al. (2014)

(OTD+LIS), Albrecht et al. (2016) (LIS) e
Rudlosky et al. (2019) (GLM)

1. Análise Anual
• 103.272.364 relâmpagos totais no território

brasileiro (29% de todo campo de visão)
• Christian et al. (2003) (OTD), Cecil et al. (2014)

(OTD+LIS), Albrecht et al. (2016) (LIS) e
Rudlosky et al. (2019) (GLM)

2. Análise Sazonal
18 % (DJF) 16 % (MAM)
12 % (JJA) 44 % (SON)
2. Análise Sazonal
18 % (DJF) 16 % (MAM)
12 % (JJA) 44 % (SON)
(Ross, 2016)
3. Localização dos Hotspots
Ranking
Região Município Estado DFRT
Nacional
Norte 2° Bannach PA 79
Nordeste 58° Balsas MA 49
Centro-Oeste 1° Nova MS 87
Andradina
Sudeste 202° Iporanga SP 39

Sul 34° Coronel RS 54
Bicaco

4. Área
• ZCAS;
• ZCIT;
• LI;
• Rudlosky et al., 2019.
4. Área
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
abrange a maior parte do Hemisfério Ocidental;
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;
4) Relâmpagos ocorrem preferencialmente entre as 15 e 18 horas (HL);
5) O maior hotspot nacional foi encontrado em Nova Andradina, MS, com 87 rel/km².ano;
6) Os valores de área e duração acompanham a distribuição espacial da DFRT

REFERÊNCIAS
ABREU, L. P. de. Relâmpagos no Nordeste do Brasil: ocorrência, variabilidade espaço-temporal e relação com microfísica das nuvens, 2018. 130f. Dissertação
(Mestrado em Ciências Climáticas) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal.
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.

Apresentacoes PDF

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

Apresentacoes PDF

Hochgeladen von

Copyright:

Verfügbare Formate

I Workshop de Previsão Imediata

Centro de Previsão de Tempo e Estudos Climáticos – INPE

Antes da previsão imediata:

Ernani de Lima Nascimento

Adaptado de Zillman (1999) Escala Horizontal (m)

A duração de um fenômeno 1 século

Adaptado de Zillman (1999) Escala Horizontal (m)

A duração de um fenômeno 1 século

Diferentes escalas estão associadas a

Adaptado de Zillman (1999) Escala Horizontal (m)

Diferentes escalas estão associadas a

Adaptado de Zillman (1999) Escala Horizontal (m)

PREVISÃO DE LONGO PRAZO (climática)

Diferentes escalas estão associadas a

Adaptado de Zillman (1999) Escala Horizontal (m)

PREVISÃO DE LONGO PRAZO (climática)

Diferentes escalas estão associadas a

Adaptado de Zillman (1999) Escala Horizontal (m)

PREVISÃO DE LONGO PRAZO (climática)

Diferentes escalas estão associadas a

Adaptado de Zillman (1999) Escala Horizontal (m)

PREVISÃO DE LONGO PRAZO (climática)

Diferentes escalas estão associadas a

Adaptado de Zillman (1999) Escala Horizontal (m)

PREVISÃO DE LONGO PRAZO (climática)

Diferentes escalas estão associadas a

Adaptado de Zillman (1999) Escala Horizontal (m)

PREVISÃO DE LONGO PRAZO (climática)

Fenômenos de escalas espaciais

Adaptado de Zillman (1999) Escala Horizontal (m)

É uma previsão de tempo com um prazo limitado a algumas horas;

Então no nowcasting o previsor, ou o usuário da informação, está

Que fenômenos são estes?

Adaptado de Zillman (1999) Escala Horizontal (m)

Implicação: os fenômenos 1 século

horizontal (entre ~1km e ~100km).

Adaptado de Zillman (1999) Escala Horizontal (m)

tempestades convectivas) que são de duração

relativamente curta, de extensão espacial pequena, e que

Adaptado de Zillman (1999) Escala Horizontal (m)

Contudo, o nowcasting é apenas 1 (uma) das etapas do processo

A preparação para o nowcasting começa em prazos de previsão

Contudo, o nowcasting é apenas 1 (uma) das etapas do processo

A preparação para o nowcasting começa em prazos de previsão

PREVISÃO DE CURTO PRAZO

Adaptado de Zillman (1999)

Médio/Curto prazo Muito curto prazo Prazo imediato

Identificação de uma região

Um conceito importante e útil vem à tona:

É uma abordagem em que o previsor de tempo estabelece uma conexão

É uma abordagem em que o previsor de tempo estabelece uma conexão

É uma abordagem em que o previsor de tempo estabelece uma conexão

É uma abordagem em que o previsor de tempo estabelece uma conexão

Para a ocorrência de tempestades os seguintes “ingredientes” atmosféricos

1  Oferta de umidade na atmosfera (principalmente na baixa troposfera)

Para a ocorrência de tempestades os seguintes “ingredientes” atmosféricos

1  Oferta de umidade na atmosfera (principalmente na baixa troposfera)

Para a ocorrência de tempestades os seguintes “ingredientes” atmosféricos

1  Oferta de umidade na atmosfera (principalmente na baixa troposfera)

Para a ocorrência de tempestades os seguintes “ingredientes” atmosféricos

1  Oferta de umidade na atmosfera (principalmente na baixa troposfera)

 Estabilidade versus instabilidade:

 Estabilidade versus instabilidade: