.

Grupo de Pesquisa: CAM 3.1

No projeto CAM 3.1 são geradas previsões climáticas para as variáveis de precipitação, vento nos níveis de pressão de 1000hPa, 850hPa, 500hPa e 200hPa, temperatura, pressão ao nível do mar e fluxo solar líquido na superfície (radiação), para todo o globo, com recorte para a América do Sul.

Os resultados são obtidos a partir da simulação de 6 membros do modelo atmosférico implementado no LAMMOC, o Community Atmosphere Model (CAM) na versão 3.1, desenvolvido pelo National Center for Atmospheric Research (NCAR).

Para a realização destas simulações são utilizados como condições iniciais os campos de Temperatura da Superfície do Mar – TSM do projeto Optimun Iterpolation (OI) e como Condição de Contorno as previsões de TSM do módulo oceânico do Climate Forescast System – CFS da NOAA.

A partir destas previsões são calculadas suas diferenças em relação à climatologia, chamadas de anomalias.

Após o término das simulações, são elaboradas as imagens das anomalias, possibilitando uma análise visual, da previsão do clima em todas as regiões do Brasil.

Entendendo o quanto a floresta Amazônica impacta na configuração climática da América do Sul e, principalmente, no transporte de umidade para a região Sudeste, estão sendo também elaborados 6 membros com uma configuração diferente na região da floresta.

O padrão de tipo e uso do solo utilizado pelo modelo do CAM 3.1 é de 2004, o que traz uma distribuição bastante diferente da atual, notadamente na relação floresta x pastagem e uso agrícola na região Amazônica.

Sendo assim, para melhor representar o desmatamento e a degradação exploratória na floresta, estes seis membros utilizam uma configuração com menos 15% de vegetação na Floresta Amazônica.

Todos os resultados obtidos são disponibilizados aqui no site do laboratório, juntamente com as previsões de outros centros internacionais, com a anomalia de precipitação observada.

O projeto auxilia no aprendizado dos alunos universitários e pesquisadores na área meteorológica e ambiental.

Sabendo que os modelos climáticos estão em constante evolução, devido ao avanço em pesquisas e tecnologias, estamos analisando o skill do CAM 3.1 para melhor avaliação de sua habilidade e aplicação.

.

.

.

Grupo de Pesquisa: WRF (Weather Research and Forecasting)

Título do projeto:
“Utilização do modelo atmosférico WRF (Weather Research and Forecasting) para previsão de extremos meteorológicos no estado do Rio de Janeiro”.

Foco do estudo:
Instalar, adaptar e operacionalizar o modelo WRF para o estado do Rio de Janeiro através do estudo das parametrizações aplicadas em previsão do tempo a curto prazo visando antecipar eventos de extremos meteorológicos, permitindo, assim, a emissão de alertas preventivos para a população.

Objetivos do grupo de pesquisa:

• Operacionalizar o modelo WRF em ambiente Linux, utilizando grades aninhadas com diferentes resoluções, sendo a 1° abrangendo as regiões Sul e Sudeste do Brasil (9 km), a 2° o estado do Rio de Janeiro (3 km) e a 3° a cidade de Niterói (1 km)
• Adequar e gerar scripts para o pós-processamento do modelo, na criação de campos meteorológicos utilizando saídas no Grads
• Adequar e gerar scripts em linguagem shell para o processamento do modelo, backup de dados, extração de dados a partir de arquivos “ctl” e “dat”
• Aumentar a previsibilidade de eventos extremos visando auxiliar à Defesa Civil para prevenção de desastres em Niterói
• Pesquisar conjuntos paramétricos visando encontrar o conjunto que melhor prevê a precipitação sobre a cidade de Niterói
• Compartilhar o projeto e seus resultados em apresentações em Worskshops e publicações de artigos científicos

O que temos consolidado?

• Saídas diárias do modelo WRF nas 3 grades para diversas variáveis meteorológicas disponibilizadas no site da AmbMet
• Primeiro artigo científico elaborado com resultados sobre o estudo dos conjuntos paramétricos e os extremos de precipitação na cidade de Niterói
• Integração com outros projetos do Laboratório (LAMMOC/UFF) visando a troca de conhecimentos e resultados

Projetos futuros:

• Aumentar a previsibilidade temporal para 10 dias visando auxiliar a previsão de chuvas nas bacias hidrográficas no Sul e Sudeste do país
• Adequar o pós-processamento do modelo WRF para a linguagem Python
• Emitir alertas automáticos de previsão de precipitação extrema baseados em Machine Learning
• Incluir saídas de campos meteorológicos de importância para previsão de extremos, como o índice de ZCAS e os índices de instabilidade para tempestades

.

Alguns resultados gerados: