| Summary: | Submitted by Emanuel Varela Cardoso (emanuel.varela@ufcg.edu.br) on 2018-09-21T15:55:45Z
No. of bitstreams: 1
MILLA NÓBREGA DE MENEZES COSTA – TESE (PPGMet) 2017.pdf: 8613459 bytes, checksum: 281a0bab0ad8f525e13dfcc4b7c9ea81 (MD5) === Made available in DSpace on 2018-09-21T15:55:45Z (GMT). No. of bitstreams: 1
MILLA NÓBREGA DE MENEZES COSTA – TESE (PPGMet) 2017.pdf: 8613459 bytes, checksum: 281a0bab0ad8f525e13dfcc4b7c9ea81 (MD5)
Previous issue date: 2018-04-20 === Capes === Fatores ambientais contribuem para a instabilidade atmosférica em qualquer parte do globo terrestre. E extremamente importante compreendê-los, pois estes fatores são vitais para elaborar previsões climatológicas concisas. O estado da Paraíba tem sido muito estudado cientificamente devido às irregularidades pluviométricas, entretanto ainda há poucos estudos relacionados ao fato de como os sistemas meteorológicos atuam diretamente na estrutura vertical da atmosfera deste estado, e consequentemente prejudicam a previsão climatológica. Este trabalho objetivou caracterizar a estrutura da atmosfera deste estado para ampliar o conhecimento cientifico relacionado a isto que é escasso e de forma inovadora utilizando dados da reanálise aplicados no programa computacional em linguagem Python. Foram selecionadas cidades em diferentes mesorregiões do estado, como Alhandra (litoral), Areia (brejo), Campina Grande (agreste), Taperoá (cariri) e Catolé do Rocha (sertão). Neste estudo foram utilizados dados observacionais de precipitação mensal entre 1980 e 2016 e diárias do ano de 2016, obtidos da Agência Executiva de Gestão das Águas do Estado da Paraíba (AESA), dados da reanálise ERA ÍNTERIM resolução 0.125° X 0.125 obtidos no sistema do
European Center for Médium Range Weather Forecasting (ECMWF), imagens do satélite
GOES 13 provenientes do Instituto Nacional de Pesquisas Espaciais em parceria com o
Centro de Previsão de Tempo e Estudos Climáticos (CPTEC/INPE), e linhas de correntes
(componentes do vento u e v, nos niveis de pressão: 1000, 850, 700, 500, 200mb) que foram plotadas. Foi aplicada a metodologia da Análise de Ondeletas com dados mensais, e com dados diários, equações de verificação da estrutura da atmosfera, índices de instabilidade, e o programa SHARPpy (Skew-T and Hodograph Analysis Research Program — Python) utilizando dados da reanálise como dados de entrada no programa. Este programa foi utilizado como teste neste trabalho. Os resultados mostraram, na Análise de Ondeletas, que entre 1980 a 2016 o ciclo anual apresentou confiança de 95% com relação à precipitação versus o tempo. Entretanto as escalas menores, 0.25 (intrasazonal, I a 2 meses), maior que 0.25 (sazonal, 3 meses), 0.50 (semi-anual, 6 meses) também mostraram relevância, indicando que a maior precipitação se concentra nestas escalas. Os histogramas revelaram que os dados médios observados e dados da reanálise conseguem captar informações equivalentes, validando assim, utilização dos dados da reanálise de superfície e ar superior. Entretanto, vale salientar que a reanálise não foi capaz de detectar precipitação intensa diária. Na análise dos aspectos meteorológicos, cada dia específico que foi selecionado mostrou influência de diversos
sistemas meteorológicos como Alta Subtropical, Alta da Bolívia, Alta dos Açores, ZCIT,
VCAN, sistema convectivo, entre outros. O programa SHARPpy, foi utilizado como teste
para analisar a configuração da estrutura da atmosfera para cada uma das cidades e dias
escolhidos no trabalho, possibilitou a identificação de sistemas meteorológicos que estavam atuando e influenciando a atmosfera nas grande, meso e micro escalas sob condições de ocorrência de precipitação ou não. Assim, mostrou coerência em seus resultados, no sentido de que o perfil da atmosfera era representativo das condições de tempo. Logo, foi detectado interação entre sistemas atuantes, indicando acoplagem entre estes. E a orografia mostrou-se de grande importância e impacto no perfil vertical da atmosfera local. === Environmental factors contribute to atmospneric instability in any part of the globe. It is
extremely important to understand them, as these factors are vital to concise weather
forecasting. The state of Paraíba has been shidied scientifically due to its rainfall
irreguiarities; however, there are stilt few studies on how meteorological systems act on the vertical síruciure u f íhe aíinospíiere o f íhis region, anu iheir coiisequeriuv hartniiig effecís on climatological forecasts. This work aims to characterize the structure o f the atmosphere of Paraíba in order to expand the scarce scientific knowledge on it by using data from tlie reanalysis applied to the computational program in the language Python. Cities were selected tíi uiffeiciii iíiesoíegioiis of the state, such as Alhandra (coastal), Areia (brejo - wetlaiids), Campina Grande (agreste - semi moist), Taperoá (Cariri - dry) and Catolé do Rocha (Sertão - backlands). For the present study, monthly observationaí data on precipitation were used between 1980 - 2016 and 2016; whereas daily data were provided by the Executive Agency resolution 0.125 ° X 0.125, which were obtained from the European Center for Médium Range Weather Forecasting (ECMWF), as well as from GOES 13 satellite images provided by the National Institute for Space Research in partnership with the Center for Weather at the pressure leveis: 1000, 850, 700, 500, 200mb) that were plotted. The Wavelet Analysis methodology with its monthly data was applied in addition to daily data, atmospheric structure verification equations, instability índices, and the SHARPpy program (Skew-T and program data. This program was used as a test for the present work. The results showed that, between 1980 and 2016, the annual cycle revealed a 95% assurance in relation to precipitation versus time. However, the smaller scales, 0.25 (intrasazonal, 1 to 2 months), greater than 0.25 that higher precipitation is concentrated on these scales. The histograms reveal that the observed mean data and reanalysis data can capture equivalent information, thus validating the use of surface and upper air reanalysis data in the present study. However, it is worth the meteorological aspects on each specífic day that was selected revealed the influence of
several meteorological systems such as High Subtropical, High of Bolívia, High of the
Azores, ITCZ, VCAN, convective system, among others. And the SHARPpy program that
was used as a test to analyze the configuration of the aUnosphere structure for the cities on the selected days in the work, allowed the identification of meteorological systems that were acting and influencing the atmosphere at great, meso and micro scales under conditions of precipitation or not. Thus, it has displayed coherence as to its results, in the sense that the profíle of the atmosphere was representative of the weather conditions. Therefore, interaction between active systems was detected, indicating coupling between them. And the orography was found to be of greater importance and impactful considering the vertical profíle of thelocal atmosphere.
|
|---|
