Upload
vutruc
View
219
Download
1
Embed Size (px)
Citation preview
Simulação numérica da atmosfera utilizando modelo digital
de superfície para o estudo de dispersão de poluentes na
região de Candiota
SHEILA RADMANN DA PAZ
Porto Alegre
2004
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL - UFRGS
CEPSRM - CENTRO ESTADUAL DE PESQUISAS EM SENSORIAMENTO REMOTO E
METEOROLOGIA
PROGRAMA DE PÓS-GRADUACAO EM SENSORIAMENTO REMOTO
Simulação numérica da atmosfera utilizando modelo digital
de superfície para o estudo de dispersão de poluentes na
região de Candiota
SHEILA RADMANN DA PAZ
Dissertação apresentada como requisito parcial para a obtenção do grau de Mestre em Sensoriamento Remoto, área de concentração em Sensoriamento Remoto Aplicado a Recursos Naturais e ao Meio Ambiente.
Orientadora: Drª. Rita de Cássia Marques Alves
Porto Alegre, RS
Dezembro de 2004
Agradecimentos
A Profa. Rita de Cássia Marques Alves pela oportunidade, discussões e sugestões
durante o trabalho. O meu muito obrigado pela confiança e paciência que dedicaste ao
contribuir no meu crescimento profissional.
A minha família, pelo intenso carinho, compreensão e estímulos transmitidos
incondicionalmente. Agradeço em especial aos meus pais, que tanto amo, pelo empenho
em me ajudar a concluir os estudos e por me ensinarem os valores que busco trazer
sempre comigo. E aos meus queridos irmãos, minhas preciosidades.
A Edmilson Freitas pela valiosa ajuda em momentos decisivos. Sua colaboração e
presteza para na realização da dissertação foram fundamentais, principalmente na parte
final do trabalho.
As grandes amigas do Laboratório de Meteorologia Débora, Néia e Juliana. Obrigada
pelos inúmeros incentivos, pela paciência e ajuda em etapas difíceis e por todos os
momentos de alegria e descontração que passamos juntas. Nossas diferenças me
ensinaram muito. A vocês meu muito obrigado!!
Meu reconhecimento ao amigo Luiz que acompanha, há bastante tempo, diferentes
etapas de minha vida. Valeu pelos momentos de transição que passamos e que nos
uniram ainda mais, e também pelas incansáveis tentativas de mostrar um lado
descontraído das situações. Obrigada por tua amizade sincera e incondicional.
Estendo minha eterna gratidão a todos os amigos que sempre estiveram comigo.
Embora o silêncio muitas vezes tenha sido necessário, descobri que não posso nada sem
vocês. Agradeço também àqueles amigos que tive que abdicar preciosos momentos,
devido nossas distâncias físicas, mas que mesmo assim, sempre se mostraram pessoas
dispostas a ouvir e fazer o “social” necessário. Em especial a amiga Carol, e ao Michel,
um amigo de todos os momentos. Obrigada por tua sinceridade, apoio e toda ajuda
prestada num momento tão importante.
Ao colega Carlos Aluísio pelo apoio dedicado em fases decisivas do trabalho. Obrigada
por passar um pouco do seu conhecimento e do seu tempo, de forma tão prestativa e
amiga.
Aos colegas do Grupo de Estudos do (GEPRA) pela disponibilidade e concessão do
modelo. Em especial ao Chico e Gustavo por todas as vezes que solucionaram os
problemas com competência, paciência e prestatividade.
A CGTEE cuja oportunidade fez com que a realização deste trabalho fosse possível. Em
especial ao pessoal do setor do Meio Ambiente da Usina Presidente Médici, em nome
dos queridos amigos Renato, Vicente e Lazareno pelos bons momentos que passamos
nas cansativas e divertidas saídas de campo do projeto.
As colegas Elba e Claudinha, da FEPAM, pelas sugestões, companheirismo e
disponibilidade em ajudar...
Ao Bruno Biazeto, do Laboratório MASTER do IAG/USP, pela competência e
empenho em disponibilizar os materiais necessários para o desenvolvimento deste
estudo.
Aos colegas da turma 2003, cujas trocas de conhecimento e apoio foram muito
importantes para encarar as disciplinas do curso e a saudade de parentes e amigos.
Agradeço a colega Camila, com quem dividi o apartamento, frustrações e alegrias.
Agradeço também a turma 2004 que contribuíram para a formação de um ambiente de
agradável e barulhenta convivência. Obrigada pelos momentos de descontração e
amizade.
Aos tios e amigos Marcos e Claudia, por me ajudarem em inúmeros momentos,
principalmente por me acolherem em sua casa de forma tão gentil, em uma fase difícil
de minha vida. Obrigada pelos valiosos conselhos e críticas, pelo carinho e a confiança
depositada em mim. Serei eternamente grata a vocês pela oportunidade!
Aos colegas, funcionários e professores do CEPSRM pela contribuição de uma forma
ou de outra para a realização deste trabalho. Agradeço em especial aos professores Jorge
Ducati e Silvia Rolim pela colaboração e empenho em permitir a conclusão deste curso.
E finalmente, a Deus.
SIMULAÇÃO NUMÉRICA DA ATMOSFERA UTILIZANDO MODELO
DIGITAL DE SUPERFÍCIE PARA O ESTUDO DE DISPERSÃO DE
POLUENTES NA REGIÃO DE CANDIOTA 1
Autora: Sheila Radmann da Paz
Orientadora: Rita de Cássia Marques Alves
SINOPSE
O presente trabalho desenvolve um estudo de dispersão de poluentes emitidos pela
chaminé da Usina Termoelétrica Presidente Medica, localizada em Candiota-RS. O
caminho e a concentração destes materiais são associados às características topográficas
obtidas através da utilização de Modelagem Digital de Terreno (MDT) extraído de pares
estereoscópicos do sensor ASTER (Advanced Spacebone Thermal Emission and
Reflection Radiometer). Dados de elevação, declividade e aspecto, gerados pelo MDT,
são inseridos no modelo numérico RAMS (Regional Atmospheric Modeling System).
Com o intuito de abranger completamente a área de estudo, utilizou-se 4 cenas para a
composição do mosaico de imagens. Informações de umidade do solo e topografia
reamostrada para resolução espacial de 500m, foram integradas ao modelo, na tentativa
de buscar a contribuição individual de cada fator no processo de dispersão. Com esta
finalidade, utiliza-se o método da Análise Fatorial, intercalando a utilização destes
fatores em 4 ensaios diferentes. Os resultados mostram que o efeito no processo de
dispersão parece estar associado, em grande parte, à topografia, pois as amplitudes
destas contribuições são maiores do que a da umidade do solo. As simulações de
dispersão foram comparadas com dados obtidos através de estações meteorológicas e de
qualidade do ar, e os resultados apresentaram algumas discrepâncias, principalmente em
ocasiões de forte turbulência de origem mecânica.
1. Dissertação de Mestrado em Sensoriamento Remoto, Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia, Curso de Pós Gradução em Sensoriamento Remoto da Universidade Federal do Rio Grande do Sul. Porto Alegre/RS (95p.). Dezembro de 2004.
NUMERICAL SIMULATION OF THE ATMOSPHERE USING DIGITAL
MODEL OF SURFACE FOR THE STUDY OF DISPERSION OF POLLUTANTS
IN THE CANDIOTA REGION 1
Author: Sheila Radmann da Paz
Advisor: Rita de Cássia Marques Alves
ABSTRACT
This work presents a study of the behavior of pollutant emitted by the Thermoelectrical
Power Plant Presidente Médici, in Candiota - RS, associating the path and concentration
of these materials to the local topographic characteristics, which was obtained through
the use of digital terrain model (DTM) extracted from stereoscopic pairs of ASTER
(Advanced Spacebone Thermal Emission and Reflection Radiometer) sensor. The
elevation, slope and terrain aspect data, generated by the DTM, were added in the
numeric model RAMS (Regional Atmospheric Modeling System). Intending to enclose
the study area completely, 4 scenes were used for the composition of the mosaic.
Information about soil humidity and topography resampled to especial resolution of
500m, integrated in this model, on the attempt of finding the contribution of each factor
over the dispersion processes. The method of the Factorial Analysis was used,
intercalating the use these factors in 4 different essays. The results shows that dispersion
effects seems to be associated mainly by topography, once the amplitude of these
contributions are superior than soil humidity. The dispersion simulated were compared
with data acquired by meteorological and air quality surface stations, presenting some
discrepancies, especially in occasions of strong turbulence of mechanical origin.
1. Master Science Thesis, Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia, Graduate Course in Remote Sensing, Universidade Federal do Rio Grande do Sul. Porto Alegre/RS (95p.). Dezembro de 2004.
Sumário
Agradecimentos........................................................................................................... iii
SINOPSE...................................................................................................................... v
ABSTRACT................................................................................................................ vi
Sumário ...................................................................................................................... vii
Lista de Figuras ........................................................................................................... ix
Lista de Tabelas.......................................................................................................... xii
Lista de Abreviaturas ................................................................................................ xiii
1 Introdução ........................................................................................................ 1
2 Revisão bibliográfica ....................................................................................... 4
2.1 Estrutura e efeitos locais da camada limite planetária ..................................... 5
3 Modelo RAMS............................................................................................... 11
3.1 Estrutura da grade .......................................................................................... 12
3.2 Parametrizações utilizadas pelo modelo ........................................................ 13
3.2.1 Microfísica e convecção................................................................................. 14
3.2.2 Parametrização de radiação............................................................................ 14
3.2.3 Parametrização de turbulência ....................................................................... 15
3.2.4 Modelo de interação solo-vegetação-atmosfera............................................. 16
3.3 Inicialização do modelo ................................................................................. 17
4 Material e Métodos ........................................................................................ 19
4.1 Caracterização geral da área de estudo .......................................................... 20
4.1.1 Usina Termoelétrica Presidente Médici ......................................................... 20
4.1.2 Escoamento atmosférico ................................................................................ 22
4.1.3 Caracterização meteorológica ........................................................................ 23
4.2 Utilização de imagens ASTER para a geração do arquivo de topografia ...... 24
4.3 Modelo Digital do Terreno............................................................................. 26
4.4 Inicialização do modelo RAMS..................................................................... 30
4.5 Sub-rotina de dispersão do Modelo................................................................ 33
4.6 Planejamento fatorial ..................................................................................... 35
4.7 Descrição de metodologias de amostragens................................................... 37
5 Resultados e discussão ................................................................................... 41
5.1 Resultado das simulações............................................................................... 41
5.1.1 Análise da circulação atmosférica.................................................................. 41
5.1.2 Análise do efeito da topografia e umidade do solo sobre o comportamento
individual de algumas variáveis atmosféricas............................................................ 48
5.2 Resultados do modelo de transporte de poluentes ......................................... 57
5.3 Resultados do modelo de análise de fatores................................................... 63
5.3.1 Dia 20/04/2004............................................................................................... 64
5.3.2 Dia 25/04/2004............................................................................................... 66
5.4 Comparação entre os dados de concentração observados e modelados para o
PM10 e o SO2............................................................................................................. 70
6 Conclusões ..................................................................................................... 74
7 Referências bibliográficas.............................................................................. 78
Lista de Figuras
Figura 2. 1 - Estrutura diurna da Camada Limite Planetária. Adaptado de Stull, 1988....7
Figura 3. 1 - Grade do tipo "C" de Arakawa: h representa variáveis termodinâmicas e u
e v as componentes zonal e meridional do vento....................................................12
Figura 3. 2 - Organograma com a seqüência de comandos seguidos no modelo, assim
com os arquivos gerados por eles. ..........................................................................18
Figura 4. 1- Mapa de localização da área de estudo. Candiota – RS. .............................21
Figura 4. 2 - Plataforma EOS AM-1. ..............................................................................25
Figura 4. 3 - Disposição espectral de comprimento de onda do sistema ASTER.
Adaptado da versão 2 do Guia do usuário do ASTER (Abrams et al., 2004). .......26
Figura 4. 4 - Mosaico ASTER (RGB-231) utilizado para a geração do MDT. ..............28
Figura 4. 5 - Exemplo de representação 3D de grade regular. Fonte: Tutorial SPRING-
3.6, 2002). ...............................................................................................................29
Figura 4. 6 – Espacialização tridimensional por sombreamento de relevo da região de
Candiota – RS. ........................................................................................................30
Figura 4. 7 – Aninhamento das quatro grades utilizadas na modelagem, centrado em
53,68W e 31,5S (UTPM). .......................................................................................31
Figura 4. 8 – Representação do volume ocupado no tratamento dos gases na saída da
fonte pelo modelo RAMS. ......................................................................................35
Figura 4. 9 - Esquema da estrutura do amostrador AFG. ...............................................39
Figura 4. 10 - Amostrador HV PM10 utilizado para coleta de PI10 .................................39
Figura 5. 1 - Imagem do satélite GOES-12 (coluna da esquerda) e evolução do campo
do vento (m/s) e pressão atmosférica em mb (coluna da direita) ao nível de 13,4 m
acima da superfície. Em (a) 02:45 UTC, em (b) 03:00Z, em (c) 14:45 UTC, em (d)
15:00Z do dia 20/04/2004. As barras em cores indicam a magnitude do vento. ....42
Figura 5. 2 – Mesmo que na Figura 5.1, para o dia 21/04/2004. ....................................43
Figura 5. 3 - Mesmo que na Figura 5.1, para o dia 22/04/2004. .....................................44
Figura 5. 4 - Mesmo que na Figura 5.1, para o dia 23/04/2004. .....................................45
Figura 5. 5 - Mesmo que na Figura 5.1, para o dia 24/04/2004. .....................................46
Figura 5. 6 - Mesmo que na Figura 5.1, para o dia 25/04/2004. .....................................47
Figura 5. 7 – Campo de topografia da terceira grade do modelo RAMS, com resolução
de 500 metros. .........................................................................................................49
Figura 5. 8 – Campo de precipitação, obtido pela Estação Meteorológica de Aceguá...50
Figura 5. 9 – Evolução temporal de precipitação ao nível de 14,3m acima da superfície.
.................................................................................................................................51
Figura 5. 10 – Campo de temperatura registrada em Bagé, obtido pela Estação
Meteorológica do INMET.......................................................................................52
Figura 5. 11 – Campo de temperatura do ar, obtido pela Estação Meteorológica de
Aceguá, RS..............................................................................................................52
Figura 5. 12 – Evolução temporal de temperatura do ar simulada, ao nível de 14,3m
acima da superfície..................................................................................................53
Figura 5. 13 - Campo de umidade do ar registrada em Bagé, obtido pela Estação
Meteorológica do INMET.......................................................................................54
Figura 5. 14 – Campo de umidade relativa do ar, obtido pela Estação Meteorológica de
Aceguá, RS..............................................................................................................54
Figura 5. 15 – Evolução temporal da umidade relativa do ar ao nível de 14,3m acima da
superfície. ................................................................................................................55
Figura 5. 16 – Comparação entre a evolução temporal energia cinética turbulenta
(esquerda) e a altura da CLP (direita) para os quatro ensaios realizados................57
Figura 5. 17 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 20/04/04.
As barras em cores indicam a magnitude das concentrações, em µgm-3. ...............58
Figura 5. 18 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 21/04/04.
As barras em cores indicam a magnitude das concentrações (µgm-3). ...................59
Figura 5. 19 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 22/04/04.
As barras em cores indicam a magnitude das concentrações (µgm-3). ...................60
Figura 5.20 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 23/04/04.
As barras em cores indicam a magnitude das concentrações (µgm-3). ...................61
Figura 5. 21 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 24/04/04.
As barras em cores indicam a magnitude das concentrações, em (µgm-3). ............62
Figura 5. 22 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 25/04/04.
As barras em cores indicam a magnitude das concentrações (µgm-3). ...................63
Figura 5. 23 - Termos das equações 4.5 - 4.7, ilustrando os efeitos principais da
topografia (a), da umidade do solo (b) e da integração entre esses efeitos (c) sobre a
concentração de PM10 para o dia 20/04 as 23 UTC...............................................65
Figura 5. 24 – Mesmo que na Figura 5.23, para o SO2. ..................................................66
Figura 5. 25 – Termos das equações 4.5 - 4.7, ilustrando os efeitos principais da
topografia (a), da umidade do solo (b) e da integração entre esses efeitos (c) sobre a
concentração de PM10 para o dia 25/04 as 11 UTC...............................................67
Figura 5. 26 – Mesmo que na Figura 5.25, para o SO2. ..................................................68
Figura 5. 27 – Campo de topografia da terceira grade do modelo RAMS, com resolução
de 500 metros. .........................................................................................................69
Lista de Tabelas
Tabela 4. 1 – Opções numéricas utilizadas no RAMS, neste estudo. .............................32
Tabela 4. 2 – Valores atribuídos à umidade do solo, no experimento em que esta era
considerada..............................................................................................................36
Tabela 4. 3 – Representação dos ensaios para a análise da topografia e umidade do solo.
.................................................................................................................................36
Tabela 4. 4 - Coordenadas das estações de Qualidade do Ar da CGTEE e da Usina
Termoelétrica Presidente Médici localizada em Candiota - RS..............................38
Tabela 5. 1 – Dados de concentração de SO2 na estação de Três Lagoas.......................71
Tabela 5. 2 – Dados de concentração de SO2 na estação do Aeroporto de Candiota. ....72
Tabela 5. 3 – Dados de concentração de PM10 na estação de Três Lagoas. ..................72
Tabela 5. 4 – Dados de concentração de PM10 na estação de 8 de Agosto....................72
Tabela 5. 5 – Dados de concentração de PM10 na estação de Aceguá...........................73
Lista de Abreviaturas
AFG Amostrador Fino e Grosso
ASTER Advanced Spacebone Thermal Emission and Reflection Radiometer
CLP Camada Limite Planetária.
CGTEE Companhia de Geração Térmica de Energia Elétrica
CPTEC Centro de Previsão de Tempo e Estudos Climáticos.
GOES Geostationary Operational Environmental Satellite
GrADS Grid Analysis and Display System.
ECT Energia Cinética Turbulenta
ENVI Environment for Visualizing Images
INMET Instituto Nacional de Meteorologia
INPE Instituto Nacional de Pesquisas Espaciais.
MDT Modelo Digital do Terreno
NOx Óxidos de nitrogênio
PM10 Material Particulado Inalável.
RAMS Regional Atmospheric Modeling System.
SIG Sistema de Informações Geográficas
SO2 Dióxido de Enxofre
UTPM Usina Termoelétrica Presidente Médici
USEPA United States Enviromental Protection Agency
WGS84 World Geodetic System 1984
1
1 Introdução
O controle direto sobre o uso de recursos naturais e o impacto ambiental
decorrente da utilização indiscriminada destes meios representa a ferramenta de análise
e decisão para a exploração cautelosa destas reservas presentes no ambiente. Assim, a
continuidade da utilização torna-se comprometida, não dependendo somente da sua
disponibilidade, mas na busca de soluções para uma série de implicações ao meio
ambiente.
A implementação de projetos elétricos gerados a partir de certos tipos de
fontes energéticas naturais como o carvão, combustível fóssil, hidroeletricidade e gás
natural podem causar sérios problemas sócio-ambientais, como perdas de
biodiversidade, deslocamento de populações, chuva ácida, poluição do ar, efeito
estufa, etc.
O Rio Grande do Sul é detentor das maiores reservas nacionais de carvão e
não há duvidas de que há restrições importantes à utilização deste recurso. Um
aumento na produção na exploração poderá resultar em severas conseqüências
ambientais, se não houver controle entre a necessidade de geração de energia e
capacidade do ambiente físico em suprir esta necessidade. Com isso torna-se
indispensável um monitoramento dos diferentes estágios que englobam as rotinas
operacionais, compreendendo tanto as características e limitações de ambientes
naturais, bem como os resultados da extração da matéria-prima do ambiente e o
acompanhamento dos processos físicos envolvidos na liberação de material poluente a
atmosfera. A preocupação final destina-se a capacidade de regeneração do ambiente
frente às modificações impostas por estes processos.
O impacto ambiental das emissões de poluentes, decorrentes da combustão
do carvão mineral está associado aos processos de dispersão do material na atmosfera.
A trajetória dos poluentes atmosféricos, e conseqüentemente, sua concentração
2
ambiental são determinadas pelas condições climáticas, meteorológicas e
micrometeorológicas as quais está interligada à topografia, uso e ocupação do solo. Para
uma mesma quantidade de partículas ou gases introduzida na atmosfera a qualidade do
ar pode variar de acordo com as condições meteorológicas do momento. Fatores
meteorológicos atuantes, tais como a estabilidade do ar, determinada pela variação
vertical da temperatura, e os efeitos combinados da advecção, difusão turbulenta,
direção e intensidade do vento são os principais mecanismos que regem o
comportamento do material suspenso no ambiente atmosférico.
Devido a grande quantidade de variáveis envolvidas, o caminho dos
contaminantes torna-se um processo extremamente complexo. Com o aumento da
capacidade de processamento dos computadores modernos é possível realizar
"simulações" do comportamento dos sistemas reais e, assim, fazer previsões com
diversos graus de aproximação. A previsão é então realizada através de modelos
físico-matemáticos baseados no estado de um sistema em determinado momento e sua
solução através das equações adequadas. Desta forma pode-se caracterizá-lo em outro
instante.
Estes modelos de dispersão estão capacitados a avaliar a concentração de
um determinado constituinte atmosférico, através da solução da equação da
conservação da massa deste constituinte, envolvendo processos de advecção, difusão,
reações químicas, fontes e sorvedouros.
No que se refere à previsão de dispersão de poluentes, os modelos
meteorológicos buscam representar a interação entre os processos de dispersão do
material emitido e o comportamento deste diante o estado da atmosfera e as
características físicas do ambiente. Estas características do cenário podem ser: a
cobertura do terreno, umidade do solo, presença de centros urbanos, proximidade com
áreas lacustres e marítimas e influência da topografia. Estudos mostram que os tipos de
superfície interferem diretamente em gradientes horizontais do fluxo de calor sensível
e latente, assim como de temperatura do ar na Camada Limite Planetária (CLP). No
período diurno, este efeito estende-se na vertical até uma altura comparável a altura da
CLP. Por outro lado, no período noturno, este efeito está confinada as camadas
adjacentes à superfície. As variações topográficas e de rugosidade da superfície
modulam o escoamento na CLP, gerando áreas de convergência e divergência do ar,
correlacionadas com a distribuição de morros e vales.
3
Diante disso, a análise espacial topográfica pode ser realizada através de
técnicas de Sensoriamento Remoto que permitem que o usuário obtenha informações
relevantes sobre o ambiente físico que envolve a área de estudo. A obtenção do
levantamento destes dados não requer que o equipamento esteja em contato com a
área, pois as informações podem vir de sensores a bordo de satélites, baseando-se
somente na interação de radiação eletromagnética com o respectivo objeto.
Conhecendo fisicamente a área de abrangência a ser estudada, é necessário
conhecer também o efeito de variáveis meteorológicas e interações com o meio, para
entender os processos que definem o comportamento deste sistema. Com base nestes
assuntos, o presente o estudo busca verificar o comportamento da atmosfera diante de
diferentes condições de topografia e de umidade do solo, no processo de dispersão de
poluentes emitidos pela Usina Termoelétrica Presidente Médici. A análise espacial de
dados topográficos é obtida por Modelos Digitais de Terreno (MDT) extraídos de
pares estereoscópicos do sensor ASTER (Advanced Spacebone Thermal Emission and
Reflection Radiometer) através das bandas 3N e 3B. Dados de elevação, declividade e
aspecto, gerados pelo MDT, serão inseridos no modelo numérico RAMS (Regional
Atmospheric Modeling System). Os resultados simulados serão comparados com
aqueles obtidos através de campanhas experimentais realizadas na região.
Este trabalho encontra-se estruturado em sete capítulos.
O primeiro capítulo possui a finalidade de apresentar o tema, especificar o
problema e a área de estudo e apresentar os objetivos e a estrutura do trabalho. O
segundo capítulo trata da fundamentação teórica na literatura, onde se encontra uma
revisão bibliográfica sobre os conteúdos e conceitos necessários para o
desenvolvimento da pesquisa, nos quais o estudo se sustenta.
Dentro da abordagem de modelagem numérica, as principais assimilações e
estruturas do modelo atmosférico RAMS são apresentadas no terceiro capítulo. A
descrição da obtenção dos dados, metodologias e demais procedimentos serão
apresentadas do quarto capítulo. No quinto capítulo seguem-se as análises dos dados e
resultados alcançados no estudo, enfocando o papel da topografia e a contribuição da
umidade do solo no processo de dispersão de contaminantes validados através do
modelo RAMS.
Constam no sexto capítulo um relato das conclusões observadas a partir dos
resultados da pesquisa, e as recomendações para futuros trabalhos.
4
2 Revisão bibliográfica
Segundo Richter et al. (1984), a contaminação da atmosfera por
substâncias potencialmente tóxicas, oriundas da combustão de combustíveis fósseis foi
responsável, nos anos 70, por cerca de 30% das emissões antropogênicas globais.
Nesse contexto, a combustão do carvão apresenta papel destacado devido a sua grande
utilização como fonte de energia. Dentre os vários poluentes emitidos pelas centrais
térmicas de carvão, destacam-se, tanto pela quantidade como pelo impacto ambiental,
o material particulado e os óxidos de enxofre (SOx) e nitrogênio (NOx) (Pires, 2002).
No Brasil não existem informações precisas sobre as emissões
atmosféricas oriundas do uso e processamento do carvão. Entretanto, diversos autores
têm mostrado o comprometimento do meio ambiente e a qualidade de vida da
população residente próxima às áreas de influência das termoelétricas (Andrade, 1985;
Sanchez, 1987; Pires, 1990; Teixeira et al., 1998).
Diversos estudos têm salientado que a influência da concentração de uma
determinada substância na atmosfera varia no tempo e no espaço em função de reações
químicas e/ou fotoquímicas, dos fenômenos de transporte, fatores meteorológicos e da
topografia da região. Dentre estes fatores atuantes, talvez o de maior importância seja o
conhecimento de condições atmosféricas favoráveis ou não, à dispersão de poluentes,
por possuir um papel determinante na descrição físico-química dos processos de
transporte, concentração e deposição do material poluente. O campo do vento e a
turbulência (flutuações do campo do vento em relação à média) controlam os
mecanismos de transporte e dispersão de poluentes na atmosfera (Carvalho, 1999).
Segundo Zannetti (1990), os principais fatores meteorológicos que influenciam o
fenômeno do transporte e dispersão atmosférica são: vento horizontal (direção e
velocidade), estabilidade atmosférica, intensidade da inversão de altitude e movimento
vertical devido aos sistemas da pressão, ou efeitos de terreno.
5
Monteiro (1997) e Monteiro & Furtado (1998) estudaram a correlação das
concentrações de SO2 e MP (material particulado) com as condições atmosféricas na
área do complexo Jorge Lacerda, observando um predomínio de concentrações
anômalas de poluentes em situações pré-frontais.
A estabilidade do ar pode determinar que uma substância introduzida na
atmosfera fique confinada em uma camada quando a temperatura potencial aumenta
com a altura a partir de um determinado nível, os movimentos verticais cessam neste
nível, pois o ar abaixo da camada de inversão é mais denso que o ar acima dela (Toledo
et al., 2002).
A turbulência, fator principal na dispersão vertical dos poluentes, é
resultado direto dos efeitos térmicos (movimentos convectivos), e mecânicos
(cisalhamento do vento horizontal), em uma camada da atmosfera adjacente à
superfície, denominada de Camada Limite Planetária (CLP). Esta camada apresenta
comportamento e estrutura variável, onde a interação entre o sistema superfície-
atmosfera é realizada na troca mutua de umidade, energia interna e momento (Zannetti
1990). Do ponto de vista da poluição atmosférica, o conhecimento da evolução
temporal e espacial da CLP constitui no fator predominante, uma vez que a maior parte
dos poluentes gasosos ou particulados têm sua fonte localizada na superfície, e a
extensão vertical da difusão depende em grande parte da penetração vertical dos
turbilhões gerados na CLP. Com base nisso, uma breve descrição da estrutura da CLP é
feita a seguir.
2.1 Estrutura e efeitos locais da camada limite planetária
Na atmosfera, o movimento do ar não apresenta um comportamento trivial,
devido a processos de transferência vertical e horizontal de umidade, de calor e de
momentum da superfície. Estas trocas têm sua origem devido a efeitos mecânicos, pelo
atrito causado entre a superfície e o ar em movimento, ou então por efeitos térmicos
(convecção do ar, que durante o dia é aquecido pelo contato com a superfície terrestre, a
qual se aquece ao absorver radiação solar). Tais processos favorecem o
desenvolvimento de vórtices turbulentos, muito eficientes para o transporte de
propriedades atmosféricas em um setor em uma camada denominada de Camada Limite
Planetária (CLP).
6
A estrutura da CLP é função dos processos físicos que nela ocorrem, assim
num período de 24 horas sofre uma grande variação. A profundidade da camada, que
se inicia na superfície, atinge até uma altura em que o efeito do atrito esteja presente.
Esta extensão varia de 30 m até em torno de 2 a 3 km, e depende basicamente da taxa
de aquecimento e resfriamento da superfície, do cisalhamento do vento, da rugosidade
da superfície, dos movimentos verticais de larga escala e da advecção horizontal de
calor e de umidade (Frisch, 1995).
No período diurno, as forçantes de origem térmica prevalecem na evolução
da CLP e a tornam mais bem definida verticalmente, ao passo de que a estrutura
vertical da camada no período noturno é condicionada pela energia associada a
turbulência mecânica. O resultado é uma estrutura vertical de sub-camadas (Stull,
1988), definidas basicamente como: Camada Limite Convectiva ou Camada Mistura
(CM), Camada de Residual ou Camada Residual Noturna (CR) e Camada Limite
Estável ou Camada Noturna (CLE).
Ao amanhecer, inicia-se a formação da Camada de Mistura (CM) resultado
do aquecimento da superfície pela radiação solar. Conseqüentemente, inicia-se um
fluxo positivo de calor, e a parcela de ar adjacente se aquece. O ar aquecido torna-se
mais leve que o ar logo acima e tende a subir, enquanto que o ar mais frio desce, para
novamente passar pelo mesmo processo de aquecimento. Estes movimentos instalam
uma convecção intensa e surgem grandes vórtices turbulentos que proporcionam
grande mistura dos poluentes. Essa camada é evidente quando existe uma camada
estável (inversão térmica) funcionando como um tampão, podendo chegar a 2000m de
espessura sobre o continente. A CM caracteriza-se pela inexistência de gradientes
verticais das propriedades termodinâmicas e dinâmicas (Kaimal et al., 1976).
À medida que a noite avança, a quantidade de radiação que atinge a
superfície terrestre deixa de ser suficiente para manter o processo convectivo intenso
que gera turbulência, e a antiga camada gradualmente vai restringindo-se apenas a
parte superior da CLP. Esta camada não entra em contato com a superfície e é
denominada de Camada Residual, onde a turbulência existente é um resíduo daquela
gerada convectivamente ao longo do dia. Neste momento a atmosfera está neste
momento mais quente que a superfície, é ela quem passa a ceder o calor, por condução,
para o solo e conseqüentemente estabiliza-se. Uma Camada Limite Estável vai se
formando junto ao solo como resultado do resfriamento da superfície. O escoamento
7
nesta camada vai se tornando menos turbulento e o efeito do cisalhamento do vento é o
único agente responsável pela turbulência. Quanto maior for o resfriamento da
superfície, maior é a quantidade de calor que a atmosfera repassa ao solo,
aprofundando a CLE e reduzindo a profundidade da Camada Residual.
A camada de entranhamento é a camada onde ocorrem as trocas de calor e
de quantidade de movimento com a atmosfera livre. A divisão da CLP nas respectivas
sub-camadas, citadas acima, é apresentada na Figura 2.1, mostrada a seguir.
Figura 2. 1 - Estrutura diurna da Camada Limite Planetária. Adaptado de Stull, 1988.
A atmosfera livre é definida pela inexistência dos efeitos causados pela
presença da superfície, porém, influencia a estrutura da CLP, principalmente pelos
resultados de estabilidade e movimento vertical de subsidência.
Oliveira (1985) obteve resultados satisfatórios do comportamento
horizontal da CLP através de modelagem numérica, incluindo os processos de
advecção e difusão turbulenta horizontais juntamente com o balanço de energia na
superfície, verificando que a variação espacial dos fluxos verticais de calor sensível e
latente na superfície associada a advecção horizontal explicam a totalidade do
comportamento da CLP simulada numericamente.
8
De acordo com Segal e Arritt (1992) circulações de mesoescala,
semelhantes à circulação de brisa, podem ser geradas por contrastes superficiais de
umidade, capacidades térmicas do solo, cobertura vegetal, irrigação, albedo,
emissividade, nebulosidade, presença de neve, gelo, etc. As variações topográficas e de
rugosidade da superfície que modulam o escoamento em regiões onde as distribuições
de morros e vales estão correlacionadas, ocasionado em áreas de convergência e
divergência, devido a processos térmicos e mecânicos, contribuindo no
desenvolvimento da CLP e conseqüentemente na dispersão de poluentes.
Schmidt & Schumann (1989) mostraram em experimentos numéricos que a
turbulência de origem somente térmica, em regiões próximas à superfície, apresentava
estruturas horizontais sob forma de polígonos. Com a evolução na vertical, essas
estruturas se organizam em extensas e isoladas regiões de movimentos verticais
ascendentes. Moeng & Sulliva (1994) confirmaram estes resultados ao explorar a
diferença entre a CLP gerada por uma forçante predominantemente mecânica e outra
de regime misto, através das estimativas dos campos instantâneos e do balanço de
energia cinética turbulenta.
Os efeitos mecânicos surgidos na presença de topografia heterogênea são
causados pelo arrasto aerodinâmico induzido por ondas de gravidade ou pela presença
de turbulência, que é mais pronunciada próximo à superfície, mas sua intensidade
depende, sobretudo, da transferência de calor para a atmosfera, por condução dentro da
CLP e pelos transportes convectivos, que provocam efeitos desestabilizantes na
atmosfera (Lemes e Moura, 2002).
A intensidade da turbulência na atmosfera é representada pela Energia
Cinética Turbulenta (ECT) que realça a importância relativa dos termos de produção
mecânica e térmica de turbulência, e, permite prognosticar as características dos
vórtices turbulentos. O efeito de corte do vento modifica o estado turbulento da CL e
pode levar à formação de sistemas convectivos de mesoescala (Grossman, 1982). A
complexidade destes processos envolvidos na descrição da turbulência na CLP requer o
uso de modelos matemáticos para determinar o transporte de poluentes na atmosfera. Os
modelos que simulam as propriedades da atmosfera e o seu efeito sobre os poluentes
são denominados modelos de dispersão.
9
A simulação numérica da atmosfera depende fortemente das condições de
parametrização da superfície. A importância do assunto tornou-se evidente com o
aumento das emissões de poluentes causadas pelo crescimento das áreas urbanas e
industriais, localizados, geralmente, em regiões com bastante diversidade de tipos e
ocupação do solo e topografia bastante heterogênea. Estas peculiaridades tornam mais
difícil a caracterização da dispersão de contaminantes, pois como conseqüência da
própria configuração do terreno, surgem circulações locais que dificultam a previsão
das concentrações de contaminantes ao nível do solo. Portanto um melhor controle e
gerenciamento da qualidade do ar tornam-se possível quando estes processos são
compreendidos.
Sellers et al. (1989) demonstraram que o conteúdo de umidade é o
elemento mais importante nas transferências de calor sensível e latente. A simulação
de células convectivas apresentava melhoria significativa a partir de um campo de
umidade do solo heterogêneo. Para determinados mecanismos atmosféricos, quando o
modelo era utilizado a partir de uma distribuição de umidade homogênea, não era
possível simular a convecção observada (Bernardet et al., 2000). A previsão numérica
do tempo de curto período (entre 6 e 72 horas) apresenta maior dependência de um
campo de umidade do solo realista.
A complexidade do terreno ocasiona grandes mudanças no comportamento
do vento e nos fluxos turbulentos (Carvalho, 1999). Segundo o autor, as principais
situações que podem aumentar as concentrações em terreno complexo, com elevações
verticais significativas, a ponto de influenciar o escoamento atmosférico ao seu redor e
gerar recirculações são o encontro da pluma com montanhas, acúmulo de poluentes em
vales, arrasto dos poluentes para centros urbanos devido ao fenômeno da canalização do
vento pelos vales.
Atkinson (1981) levantou uma revisão de alguns importantes trabalhos
feitos até 1970 que apresentavam os efeitos térmicos da topografia no escoamento sobre
a baixa atmosfera, com destaque a produção de Fleage (1950) que desenvolveu uma
descrição dos efeitos catabáticos e Prandtl (1952) para os ventos anabáticos produzidos
pelo efeito topográficos, assim como a produção de Gleeson (1951, 1953) que utilizou a
simulação numérica sobre os ventos induzidos por encostas diferentemente aquecidas
pelo terreno complexo.
10
Com base na importância do modelo de elevação da superfície, para o
transporte de poluentes, a caracterização topográfica da área de estudo, selecionada
neste presente trabalho, foi realizada através de técnicas de sensoriamento remoto, onde
a obtenção de informações de um objeto é realizada sem que haja contato físico com
ele, e sim através da utilização de sensores (Novo, 1989). O sensoriamento remoto
consiste na utilização conjunta de equipamentos para processamento e transmissão de
dados possuindo plataformas (aéreas ou espaciais) para carregar tais instrumentos, com
o objetivo de estudar o ambiente terrestre identificando as diferentes composições da
superfície terrestre. Com isso, é realizado o registro e a análise das interações entre a
radiação eletromagnética e as substâncias componentes do planeta Terra, em suas mais
diferentes coberturas (Novo, 1989).
Freitas & Silva Dias (2000) apresentaram resultados que comprovam a
grande sensibilidade do modelo RAMS à topografia e uso do solo. Freitas (2003) em
um estudo para a região Metropolitana de São Paulo utilizou o modelo RAMS para
verificar a influência de circulações locais na dispersão de poluentes, verificando que o
modelo é capaz de reproduzir as interações da intensificação das zonas de convergência
no centro da cidade, ocasionando recirculação de poluentes nessa área.
Alves (2000), desenvolvendo um estudo da simulação da circulação
atmosférica para a Usina Termoelétrica de Candiota, utilizou dois experimentos
numéricos, sendo que o primeiro foi inicializado sem forçante externo, e mostrou que o
modelo utilizado, o RAMS, é altamente sensível a mudanças topográficas. Os
resultados do segundo experimento, inicializado com dados advindos do modelo global
do CPTEC/INPE, foram comparados com medidas obtidas em experimentos de campo.
De modo geral os fluxos superficiais de momentum e calor são reproduzidos de maneira
satisfatória. Do estudo de circulações locais, pode-se dizer que elas são de extrema
importância no estudo da dispersão de poluentes.
11
3 Modelo RAMS
O Regional Atmospheric Modeling System (RAMS) é um modelo de
mesoescala de área limitada, desenvolvido para simulação e previsão de fenômenos
meteorológicos (Tripoli & Cotton, 1982), designados para simular circulações
atmosféricas que vão desde a micro até a grande escala. O código elaborado para o
modelo permite o aninhamento múltiplo de grades com mutua interação entre si,
proporcionando uma alta resolução espacial de áreas selecionadas. O modelo possui um
módulo atmosférico, um modelo de solo e vegetação, um pacote de análise dos dados
para inicialização e assimilação de dados meteorológicos e um modulo gráfico para
visualização dos resultados.
O RAMS é elaborado a partir de um conjunto de equações dinâmicas e
termodinâmicas que governam o movimento atmosférico com aproximação não
hidrostática. As equações prognósticas do modelo são obtidas a partir das equações de
Navier-Stokes, aplicando as médias de Reynolds e a aproximação de Boussinesq
descritos por Tripoli & Cotton (1982) citados por Walko & Tremback (2000). A grande
versatilidade do código numérico e a capacidade em simular fenômenos meteorológicos
de diferentes escalas espaciais, são algumas características notáveis do modelo, que
opera em ambiente de execução UNIX e é composto por um conjunto de sub-rotinas
estruturadas em linguagem FORTRAN e C.
O RAMS é complementado com esquemas de parametrizações de processos
físicos contidos no código do modelo que permitem serem alterados de maneira a
melhor se adequarem às condições específicas de determinado local, ou a condições
idealizadas para simulações de situações, o que constitui numa excelente ferramenta
para pesquisas meteorológicas.
12
3.1 Estrutura da grade
O código do modelo possui um esquema de aninhamento múltiplo de
grades, onde as equações do modelo são resolvidas para diversas grades com diferentes
resoluções espaciais, permitindo uma interação simultânea de informações entre elas.
As soluções dependentes do tempo são primeiramente realizadas nas grades
espacialmente maiores, com resolução inferior. Estas grades são utilizadas para modelar
o ambiente de sistemas atmosféricos de larga escala, os quais interagem com os
sistemas de mesoescala, através das condições de fronteira resolvidos nas grades mais
finas. As grades de maior resolução, portanto com menores dimensões espaciais, são
utilizados para modelar detalhes dos sistemas atmosféricos de menor escala, tais como
escoamento sobre terrenos complexos e circulações termicamente induzidas pela
superfície.
O sistema de grade utilizada pelo RAMS é alternado, do tipo C de Arakawa
(Mesinger & Arakawa, 1976). Neste esquema de grade, as variáveis termodinâmicas e
de umidade são definidas nos mesmos pontos de grade, enquanto que os componentes
u, v e w do vento são intercalados em ∆x/2, ∆y/2 e ∆z/2, respectivamente (Figura 3.1).
Figura 3. 1 - Grade do tipo "C" de Arakawa: h representa variáveis termodinâmicas e u
e v as componentes zonal e meridional do vento.
13
( ) HZHZZZ
s
s⎥⎦
⎤⎢⎣
⎡−−
=*
As derivadas verticais são calculadas por diferenças finitas com
espaçamento irregular, apresentando uma transformação na vertical que segue
exatamente o modelo do terreno, denominada de sigma-z (σz,), descrito por Gal-Chen &
Somerville (1975), Clark (1977) e Tripoli & Cotton (1982) citados por Walko &
Tremback (2000). Este sistema incorpora ao modelo os aspectos topográficos
característicos da região de interesse, sendo o topo do domínio plano. Considera-se o
espaçamento vertical irregular por ser necessária uma resolução maior próximo à
superfície, onde atuam os processos de camada limite e transferência de fluxos de
energia entre solo e ar. Do contrário, torna-se importante uma resolução maior na região
de interface entre troposfera e estratosfera devido a variações verticais rápidas,
principalmente no campo de temperatura.
A projeção horizontal utilizada para a definição das coordenadas da grade é
a projeção estereográfica cujo pólo de projeção fica próximo do centro da área de
domínio.
O sistema de localização pode ser utilizado através de coordenadas
cartesianas, definidas como Y’=Y e X’=X na horizontal.
Na vertical, a coordenada é do tipo σz, na forma:
(4.1)
sendo que ( )*** ,, ZYX , representam as coordenadas transformadas e ( )ZYX ,, ,
representam as coordenadas cartesianas. sZ é a altura da superfície, em relação ao nível
do mar. H é a altura do topo do modelo, onde Z e sZ tornam-se paralelos.
3.2 Parametrizações utilizadas pelo modelo
As equações da dinâmica da atmosfera que compõem o modelo são
complementadas com parametrizações, que permitem ser alteradas de maneira a melhor
se adequarem às situações requeridas na simulação. Com isso, ajustes podem ser
realizados na configuração da difusão turbulenta, radiação solar e terrestre, processos
úmidos incluindo a formação e a interação de nuvens e água líquida precipitante e gelo,
calor sensível e latente, camadas de solo, vegetação e superfície d’água, os efeitos
14
cinemáticos do terreno e convecção cumulus. Uma breve discussão de parametrizações
contidas no modelo é feita a seguir.
3.2.1 Microfísica e convecção
A parametrização convectiva usada no modelo RAMS é do tipo Kuo (1974)
com adaptações descritas por Molinari e Corsetti (1985). Este esquema é selecionado
para grades com resolução espacial menor que 2 km, sendo também utilizados em
grades de menor resolução, com espaçamentos horizontais superior a 20 km. O esquema
tipo Kuo baseia-se no equilíbrio da atmosfera, em que a convecção atua para eliminar a
instabilidade condicional gerada por efeitos da grande escala e evaporação local. Existe
uma forte correlação entre a precipitação convectiva observada e o total de
convergência de vapor d’água em larga escala numa coluna. Estas observações sugerem
que a convergência de vapor d’água é uma variável muito útil para parametrizar os
efeitos da convecção em modelos de larga escala. Números expressivos de
parametrizações cumulus têm sido baseados na relação entre chuva convectiva e
convergência de umidade na escala maior.
Em grades com resolução espacial compreendida entre 2 e 20 km, a
parametrização da microfísica pode ser ativada. Neste esquema, o RAMS calcula as
fontes e sumidouros das diferentes categorias de hidrometeoros: vapor, gota de nuvem,
chuva, "pristine ice", neve, agregados, "graupel" e granizo.
3.2.2 Parametrização de radiação
O RAMS possui duas opções de esquema de radiação. O esquema de
Mahrer & Pielke (1977) que é mais simples e de menor tempo computacional, pois
considera apenas a presença de vapor, não representando nenhum tipo de interação da
radiação com nuvens e a presença de gelo e líquido na atmosfera, sendo indicado para
simulações sem nebulosidade. Neste método, o espalhamento de onda curta da radiação
ocorre devido ao oxigênio, ozônio e dióxido de carbono e a absorção pelo vapor d’água,
enquanto que o espalhamento de onda longa considera a emissão e absorção
15
infravermelha do dióxido de carbono e do vapor d’água, mas não trata nuvens ou
material condensado de maneira alguma.
O outro esquema de radiação foi proposto por Chen & Cotton (1983) e
considera os efeitos de condensação na atmosfera, representando uma solução completa
da equação de transferência radiativa. Esse esquema de parametrização permite que o
conteúdo de água liquida e vapor d’água disponível na atmosfera tenha influência sobre
os fluxos radiativos de onda longa e onda curta, portanto indicado para simulações em
que nuvens estejam presentes.
3.2.3 Parametrização de turbulência
Reynolds (1895) mostrou que as contribuições equivalentes aos termos de
micro escala são responsáveis pelo caráter irregular (turbulento) do escoamento de um
fluido em certos regimes. Em todos os casos, a turbulência associada a escalas
inferiores ao limite de discretização tem que ser parametrizada, através de um modelo,
em que o efeito médio estatístico de escalas menores sobre as equações é representado
para as variáveis médias.
O modelo RAMS possui quatro formas distintas de parametrização da
difusão turbulenta. A escolha passa pela relação entre as escalas horizontal e vertical do
modelo. Duas opções são apropriadas para o caso em que o espaçamento de grade na
horizontal é muito maior que na vertical, ocasionando em dificuldade em calcular os
movimentos convectivos dominantes. Os coeficientes de difusão horizontais são então
tratados como o produto da taxa de deformação horizontal (gradientes horizontais da
velocidade do vento) e do quadrado da escala de comprimento. Esta escala é definida
como o produto do espaçamento de grade horizontal por um fator de multiplicação que
depende das dimensões da grade utilizada, como proposto por Smagorinsky (1963). O
diferencial destas opções está na parametrização dos coeficientes verticais, onde o
primeiro esquema, sugerido por Mellor & Yamada (1982) parametriza a difusão através
da energia cinética turbulenta prognosticada pelo modelo. A segunda opção utiliza um
procedimento unidimensional análogo ao esquema de Smagorinsky. A deformação
vertical é obtida dos gradientes verticais do vento horizontal (cisalhamento vertical) e a
escala de comprimento é o espaçamento vertical local multiplicado por um fator que
depende das dimensões da grade utilizada.
16
Algumas modificações nos coeficientes de difusão verticais devido à
estabilidade estática são utilizadas, baseadas nas formulações de Lilly (1962) e Hill
(1974). A modificação de Lilly é na forma de um fator de multiplicação que depende do
número de Richardson (Ri) e da razão entre os coeficientes de difusão de temperatura e
momento na vertical. A modificação de Hill relaciona a taxa de deformação do fluído, a
partir de correções para a freqüência de Brünt-Vaisala. Neste esquema são filtrados os
aspectos de ondas com comprimento de onda inferior à pelo menos duas vezes o
espaçamento da grade os quais não são bem resolvidos pelo esquema numérico
utilizado pelo modelo
3.2.4 Modelo de interação solo-vegetação-atmosfera
Para a caracterização da superfície, foi formulada uma parametrização
denominada modelo de solo e vegetação. Neste esquema os fluxos de calor, quantidade
de movimento e vapor d’água na camada superficial são computados através de
esquema segundo Louis (1979).
Na determinação desses fluxos, a parametrização necessita de informações
da temperatura e umidade da superfície, considerando os casos em que a superfície é
água, solo sem cobertura vegetal ("solo nu") e superfície vegetada.
Para a superfície de água (reservatório d’água, lago ou mar) assume-se que
a temperatura da superfície e a umidade de saturação relacionadas à temperatura da
água e pressão à superfície são constantes no tempo, mas podem variar no espaço.
Equações prognósticas para a temperatura e a umidade do solo são
envolvidas no caso de solo nu através de um modelo de solo de múltiplas camadas
(McCumber & Pielke, 1981). A temperatura do solo é obtida pela equação do balanço
de energia à superfície. Para simulações típicas, este modelo é executado em uma
profundidade de aproximadamente 5 metros, compreendendo cerca de sete a doze
camadas. Os diferentes tipos de cobertura vegetal são discretizados no RAMS,
definidos por constantes específicas para 12 tipos diferentes de solo, que compreendem
desde a superfície revestida por areia, passando aos diferentes tipos de solo argiloso e
turfa.
17
De forma semelhante parâmetros predefinidos e específicos para cada tipo
de vegetação fazem parte do banco de dados do RAMS, onde o cálculo da temperatura e
da umidade do solo depende, também, da transmissividade da camada de vegetação e da
temperatura do dossel. Com isso, é utilizada a equação do balanço de energia à
superfície para o cálculo da temperatura e da umidade à superfície, levando-se em
consideração os processos radiativos inerentes à camada de vegetação (Avissar &
Pielke, 1989). Os 18 tipos de vegetação representados pelo modelo, definidos por
constantes, diferenciam-se em plantações, grama, tipos de árvores, desertos, superfície
de gelo, oceano, entre outros.
3.3 Inicialização do modelo
O modelo RAMS recebe como informações de entrada, dados de
observações de superfície e altitude, subprodutos gerados de satélite ou então resultados
de modelos numéricos. As variáveis de entrada, tais como temperatura do ar, vento,
geopotencial, umidade do ar (esta expressa na forma de temperatura do ponto de
orvalho, razão de mistura, umidade relativa ou ainda diferença psicrometrica) referem-
se a diferentes níveis da atmosfera, e necessitam estar em arquivo com formato
compatível com o código do modelo.
A inicialização do modelo pode ser feita de duas formas distintas: do tipo
Homogênea, quando se atribui horizontalmente a grade do modelo às informações da
observação feita em um ponto, como por exemplo, aquelas obtidas através de
radiossondagens. E inicialização Variável, caracterizada pela interpolação horizontal de
informações para a grade utilizada no modelo, a partir de uma série de pontos de
registros de informações meteorológicas obtidos em superfície. O processo de
interpolação baseia-se numa análise objetiva proposta por Barnes (1964) a qual consiste
em obter um valor interpolado para o ponto de grade através de uma média ponderada
da informação original, onde se atribui maior peso à informação mais próxima do ponto
de grade e, conseqüentemente, menor peso a informação mais distante, de acordo com
uma função Gaussiana, em que o peso é função da distância do valor observado ao
ponto de grade.
O início da simulação ocorre no pré-processamento, onde neste trabalho,
são inseridos dados de entrada do modelo global do Centro de Previsão do Tempo e
18
Clima do Instituto Nacional de Pesquisas Espaciais (CPTEC/INPE) da área de interesse
e transformados em arquivos de solo, vegetação e TSM, para então serem interpolados
para as grades selecionadas. A fase seguinte, a de processamento, é responsável pelas
integrações no tempo das variáveis, gerando arquivos de análises, que contém a
informação gerada pela simulação. Os dados contidos nas análises são transformados
em novo formato, separados grade a grade, em extensão possíveis de serem
manipuladas em programas de visualização. A Figura 3.2 representa o organograma
com o esquema da seqüência da simulação.
Figura 3. 2 - Organograma com a seqüência de comandos seguidos no modelo, assim
com os arquivos gerados por eles.
19
4 Material e Métodos
O presente trabalho foi desenvolvido aplicando a modelagem numérica
para verificar o comportamento da dispersão de poluentes emitidos pela Usina
Termoelétrica Presidente Médici, Candiota-RS. Foram associadas às condições
meteorológicas e a topografia local ao Modelo de Mesoescala RAMS (Regional
Atmospheric Modeling System), inicializado a partir de análises do modelo global do
CPTEC/INPE.
O modelo RAMS é constituído de diferentes sub-rotinas, que permitem ser
alteradas e recompiladas. Neste estudo foram realizadas alterações em duas sub-rotinas
existentes no modelo. A primeira referente à topografia foi alterada a partir de uma
nova malha de dados, extraídas do sistema de satélites do EOS (Earth Observing
System), a partir de pares estereoscópicos do sensor ASTER (Advanced Spacebone
Thermal Emission and Reflection Radiometer) através das bandas 3N e 3B. Dados de
elevação, declividade e aspecto, serão gerados pelo Modelo Digital de Terreno (MDT),
e então inseridos no modelo numérico RAMS (Regional Atmospheric Modeling
System). Originalmente estas informações possuíam uma resolução de 15 metros, mas
os dados foram reamostrado para 500 metros, para evitar instabilidade durante o
processamento computacional no RAMS. A outra sub-rotina modificada é a de
dispersão do material poluente, onde foram inseridos as informações de emissão de 3
constituintes, visando o estudo da trajetória e deposição do material emitido pela
Usina, associada às condições atmosféricas e de terreno.
Fazendo uso destas informações, foram efetuadas quatro simulações
distintas no modelo numérico RAMS, onde dois fatores, topografia e umidade do solo
foram interados de maneiras diferentes. As simulações referem-se a quatro ensaios
variados, intercalando a utilização dos dois fatores. O resultado é a contribuição
individual de cada uma das variáveis e o efeito da interação entre elas, quando o
20
comportamento destas são relacionadas com a dispersão de poluentes. Para a análise
da contribuição individual e a interação entre os fatores umidade do solo e a topografia
que abrange a área da UTPM, foi utilizado o método de Separação de Fatores (Stein &
Alpert, 1993), também proposto por (Freitas & Silva Dias, 2004). A seguir uma breve
discussão dos processos envolvidos na elaboração do trabalho, assim como a descrição
das metodologias utilizadas.
4.1 Caracterização geral da área de estudo
4.1.1 Usina Termoelétrica Presidente Médici
A Usina Termoelétrica Presidente Médici situa-se na cidade de Candiota,
na maior reserva carbonífera brasileira, localizada no sudoeste do Estado do Rio
Grande do Sul (Figura 4.1), distante 420 km da capital, Porto Alegre. A vegetação na
região é composta por áreas de estepes alternando cobertura vegetal graminea-lenhosa
(campos) e arbórea.
O complexo termoelétrico é responsável por gerar energia elétrica a partir
da queima do carvão mineral oriundo da própria região de Candiota. A área abrange os
municípios de Aceguá, Bagé, Candiota, Herval, Hulha Negra, Pedras Altas e Pinheiro
Machado, compreendendo a jazida Grande Candiota. A região recebeu esta
denominação por concentrar 38% da reserva de carvão do Brasil, em uma área de 2500
km2, totalizando aproximadamente 12,3 bilhões de toneladas, sendo 30% mineráveis a
céu aberto (Teixeira & Pires, 2004). Atualmente o complexo termoelétrico gera 446
MW de potência. Em curto prazo, está previsto um aumento da capacidade para 796
MW.
21
Figura 4. 1- Mapa de localização da área de estudo. Candiota – RS.
22
4.1.2 Escoamento atmosférico
No Rio Grande do Sul o movimento atmosférico é definido pela dinâmica
entre o anticiclone subtropical do Atlântico, a depressão barométrica do nordeste da
Argentina e os intermitentes deslocamentos de massas polares. Estas massas de ar têm
origem na região oceânica, e são denominadas de massa Tropical Marítima (TM) e
massa Polar Marítima (PM). A TM origina-se do Anticiclone Subtropical Atlântico,
um centro de altas pressões cuja posição média anual é próxima a 30° S, 25° W. A
circulação atmosférica dele resultante, no sentido anti-horário, é normalmente úmida,
quente e instável, e resulta no predomínio de ventos de leste-nordeste sobre todo o
território brasileiro situado abaixo da latitude 10° S. Sua freqüência é maior na
primavera e no verão, quando a insolação é mais intensa no Hemisfério Sul e os
sistemas circulatórios atmosféricos estão deslocados mais ao Sul. O resultado é a
ocorrência de precipitações do tipo convectiva intensas e freqüentes.
As massas Polares Marítima, formadas sobre a superfície oceânica que
circunda o sul do continente, atinge a região com maior freqüência no outono-inverno,
quando o Anticiclone Subtropical Atlântico está deslocado mais ao Norte. Na área do
sudoeste gaúcho avançam, portanto, ciclones e anticiclones migratórios polares
associados à instabilidade da frente polar, que determinam a precipitação do tipo
frontal. Os ciclones trazem em suas esteiras os anticiclones migratórios, responsáveis
pela queda brusca de temperatura e pela instabilidade atmosférica que se estabelece
após a passagem do sistema frontal.
O escoamento atmosférico encontra ainda no relevo do sul do continente
um outro fator que defini seu comportamento, através da existência de uma depressão
barométrica localizada no nordeste da Argentina, com áreas quase permanentes de
baixas pressões, geralmente estacionária, a leste dos Andes. Este fenômeno é
ocasionado pelo bloqueio da circulação geral atmosférica imposto pela cordilheira e
acentuado pelo intenso aquecimento das planícies de baixa altitude da região.
O gradiente de pressão atmosférica entre a depressão do nordeste da
Argentina e o anticiclone subtropical Atlântico, induz um escoamento persistente de
leste-nordeste ao longo de toda a região Sul do Brasil. Desse escoamento resultam
velocidades médias anuais de 5.5m/s a 6.5m/s sobre grandes áreas da região. Porém
condições isoladas, ocasionadas por diferenças entre as em propriedades de
23
superfícies, podem resultar em ventos superiores a 7m/s, nas elevações mais favoráveis
do continente, sempre associados à baixa rugosidade da região da campanha.
4.1.3 Caracterização meteorológica
O intenso e diferenciado escoamento atmosférico sobre o estado gaúcho, é
responsável pelas marcantes oscilações anuais das variáveis meteorológicas. Os
resultados são comportamentos oscilatórios das variáveis ao longo do ano, o que
caracteriza as quatro estações extremamente distintas.
O caráter dinâmico da atmosfera sobre o vasto território gaúcho se mostra
presente no comportamento do vento, com inúmeros episódios de intensa
movimentação do ar, rajadas, assim como períodos de calmaria. Contudo o
comportamento anual da direção do vento observada na região se apresenta
predominantemente do quadrante nordeste, caracterizando ventos médios na faixa de 7
a 8 m/s nas maiores elevações. Ventos da componente sul representam velocidades
inferiores, por volta de 3,3 m/s e as componentes de norte e nordeste mais elevada com
média anual de 4,5 m/s.
A precipitação anual na região de Candiota é de 1465 mm, apresentando-se
bem distribuída ao longo do ano, sendo que os maiores registros ocorrem durante o do
inverno, representando 34% da ocorrência total, e com menor incidência no verão, que
compreende 16% da variação anual. Os maiores índices de precipitação nos meses
frios são decorrentes das incursões freqüentes dos ciclones migratórios polares e das
frentes frias a eles associados. As chuvas do tipo frontal são prolongadas e menos
intensas do que no verão quando predominam as precipitações do tipo convectivo,
intensas e de curta duração.
A variável umidade relativa média do ar é de 70,3%, oscilando entre 62%,
em dezembro e 77% nos meses de junho e julho, decorrentes das temperaturas
inferiores nesta estação. De forma contrária, a evaporação é maior na estação do verão,
quando a insolação é máxima. Os meses frios apresentam uma taxa de evaporação
menor, porém sem a ocorrência de déficit hídrico, devido a suficiente precipitação ao
longo de todo ano.
A temperatura média anual na região é de 17,6°C, sendo de 24°C em
janeiro, o mês mais quente, e a média do mês mais frio de 12,5°, em julho (DNM,
24
1992). Existe uma grande predisposição para ocorrência de geadas nos meses de junho
a setembro, período em que se observam também fenômenos denominados “ondas de
frio”, caracterizados por declínios das temperaturas máximas em 10 °C em um período
de 24 h, com temperaturas mínimas de zero a 3 °C. Este fenômeno tem duração de 3 a
9 dias e são geralmente causados pela penetração da massa Polar Marítima em
trajetória continental, pelo sudoeste do Estado, que traz além da queda brusca de
temperatura, um vento frio e seco do quadrante oeste (Vento Minuano).
Estas características fazem com que a região de Candiota tenha um clima
do tipo Cfa, conforme a classificação de Von Koepen, correspondente a áreas com
clima mesotérmico, tipo subtropical e precipitação bem distribuída ao longo do ano. A
disponibilidade da atmosfera de água precipitável é resultante da influência oceânica e
a convergência atmosférica de médias latitudes que intermitentemente afetam a região.
4.2 Utilização de imagens ASTER para a geração do arquivo de
topografia
Os modelos de dispersão de poluentes são ferramentas altamente eficazes
na avaliação do comportamento dos poluentes emitidos a partir de uma fonte fixa.
Freitas & Silva Dias (2000) apresentaram resultados que comprovam a grande
sensibilidade do modelo RAMS à topografia e uso do solo. No desenvolvimento deste
estudo, foram utilizadas informações de modelo de elevação de superfície, obtidas de
imagens digitais do ASTER, tratados e transformados em formatos compatíveis com o
modelo RAMS, onde foi realizado o processamento numérico.
O instrumento ASTER faz parte de um conjunto de 5 sensores alocados na
plataforma EOS AM-1 (a primeira grande plataforma do "Earth Observing System"),
(Figura 4.2), sendo constituído por três subsistemas de telescópios distintos perfazendo
um total de 14 bandas com diferentes resoluções espaciais, espectrais e radiométricas.
Cada um dos subsistemas VNIR (visible and near infrared), SWIR (short wave
infrared) e TIR (thermal infrared), operam numa região espectral diferente, e possui seu
próprio telescópio, imageando cenas da superfície terrestre em uma área de 60 X 60 km
(Abrams et al., 2004).
25
Figura 4. 2 - Plataforma EOS AM-1.
O módulo do VNIR gera imagens com uma resolução espacial de 15
metros. Este módulo registra imagens em 4 bandas, dispostas no intervalo de 0,52 a
0,60 µm (banda 1), 0,63-0,69 µm (banda 2) e 0,78-0,86 µm (banda 3), sendo que este
último registra 2 cenas: uma com visadas em nadir (banda 3N) e outra fora do nadir
num ângulo de aproximadamente 28º (banda 3B-backdoor). A diferença de paralaxe
entre as bandas 3N e 3B é responsável pela geração de pares estereoscópicos e,
conseqüentemente, a construção de modelos tridimensionais de elevação, sendo,
portanto a faixa de interesse neste trabalho.
O módulo SWIR gera imagens no comprimento de onda infravermelho (1,6-
2,5 µm), dispostas em 6 bandas que geram imagens com 30 metros de resolução. Cenas
de resolução de 90 metros são obtidas no módulo TIR, que opera no infravermelho
distante (8-12 µm) e produz imagens em 5 bandas. A disposição espectral de
comprimento de onda do sensor encontra-se na figura abaixo (Figura 4.3):
26
Figura 4. 3 - Disposição espectral de comprimento de onda do sistema ASTER.
Adaptado da versão 2 do Guia do usuário do ASTER (Abrams et al., 2004).
O ASTER opera por um tempo limitado em partes do dia e da noite ao
longo de uma órbita. A configuração completa coleta dados numa média de 8 minutos
por órbita. Os produtos do sensor incluem radiações e reflexões espectrais da superfície
da Terra, temperatura da superfície e emissividade, mapas digitais de elevação, mapas
da vegetação e da composição da superfície, nuvens, gelo do mar e gelo polar,
observação de desastres naturais.
4.3 Modelo Digital do Terreno
O modelo digital de terreno (MDT) consiste em um conjunto de dados com
informações de elevação da área representados através de uma matriz numérica
referenciada a um sistema de coordenadas espaciais.
A geração do modelo de terreno foi desenvolvida no módulo AsterDTM do
programa ENVI (Environment for Visualizing Images). Com este programa é possível
realizar a extração de um modelo digital de terreno, a partir de arquivos vetoriais
altimétricos, que neste caso foi obtido através das cenas ASTER 1B.
Cada imagem ASTER contém seu próprio par estereoscópico e o princípio
fundamental é o efeito de paralaxe que ocorre junto à banda que corresponde ao
infravermelho próximo, com 15 metros de resolução, chamada de banda 3N (Nadir), e
uma banda adicional 3B (Backdoor), que trabalha na mesma resolução espacial, porém
as cenas adquiridas são em um ângulo de aproximadamente 28 graus na direção
contrária ao movimento do satélite, produzindo um par estereoscópico para cada
27
imagem. Estas cenas correspondem ao mesmo local, porém possuem uma distância de
aproximadamente 70 km entre as órbitas.
O módulo AsterDTM converte essas duas bandas num par de imagens, com
o centro da imagem orientado exatamente para o norte. Conhecendo o ângulo de tomada
da imagem (ângulo de visada), sabendo a altura da órbita do sensor, a área de
abrangência do mesmo e a resolução do pixel, é possível calcular alturas relativas entre
diferentes regiões. Neste caso as alturas estão relacionadas ao sistema de referência
DATUM WGS84 (World Geodetic System 1984), que consiste em um determinado
ponto na superfície terrestre base para o cálculo dos levantamentos planialtimétricos.
Este modelo é adequado ao sistema de satélites NAVSTAR-GPS, definido pela medida
de distâncias entre uma fonte transmissora e uma fonte receptora de rádio-sinais. Três
distâncias medidas e o conhecimento da posição absoluta das três fontes transmissoras
(fixos) permitem determinar a posição absoluta da fonte receptora a partir do processo
de triangulação. A precisão nominal das informações altimétricas é de
aproximadamente 12 metros, e a precisão nominal dos dados efeméricos planimétricos é
de 25 metros.
Para a geração de modelo digital de terreno da região que envolve a Usina
Termoelétrica Presidente Médici, utilizou-se quatro cenas ASTER 1B, tendo em vista
que a área de interesse necessitava de uma cobertura maior do que aquela oferecida por
cada imagem separadamente. Com isso, adotou-se o processo de mosaico entre imagens
com superposição. O termo mosaico, utilizado em Sistema de Informações Geográficas
(SIGs), é um sinônimo de junção de mapas, onde estes são automaticamente agrupados
em uma única cena. O produto final do mosaico é uma imagem ou um mapa com
topografia consistente e com continuidade física. A Figura 4.4 apresenta a associação
destas imagens.
28
Figura 4. 4 - Mosaico ASTER (RGB-231) utilizado para a geração do MDT.
As quatro cenas utilizadas neste trabalho representam, cada uma, uma área
de 60km x 60km, e resolução de 15m x 15m por pixel. As imagens foram capturadas
nos dias 24 de dezembro de 2001, 22 de maio de 2002, 23 de setembro de 2003 e 13 de
novembro de 2003. Estas cenas não correspondem à mesma época do ano, porém este
fato não surge como fator relevante, uma vez que estudo está voltado a informações de
topografia. O mosaico gerado originalmente com resolução de 15 metros foi
reamostrado para 500 metros para evitar instabilidade numérica durante o
processamento computacional do modelo RAMS.
A malha do polígono resultante da composição pode compreender grades do
tipo regular ou irregular triangular, diferenciando apenas na estrutura dos polígonos.
Formas geométricas irregulares possuem mesmo formato, porém tamanhos
diferenciados, ao passo de que a forma e tamanho são similares na grade regular. Os
arranjos regulares são de interesse neste trabalho, já que a implementação no modelo
numérico exige a coerência na estrutura de grade.
Porém, o arquivo de topografia gerado através da extração de informações
do sensor orbital, apresentava irregularidade, pois o espaçamento em longitude era
diferente do espaçamento em latitude. Com isso, uma nova grade foi ajustada, e o
resultado foi uma grade maior do que a original, onde foi atribuído valor “zero” aos
29
pixels correspondentes às áreas sem informação de altitude, com a condição de que a
região a ser manipulada no estudo, deveria estar contida dentro dos limites com
informação.
A grade retangular (ou regular) resultante é um modelo de elevação digital
de faces retangulares (Figura 4.5), resultando em um arquivo vetorial, do tipo linha,
convenientemente preparados para sua futura modelagem.
Figura 4. 5 - Exemplo de representação 3D de grade regular. Fonte: Tutorial SPRING-3.6, 2002).
Uma nova objeção foi encontrada após a construção da nova grade, que
possuía espaçamento igual na direção zonal e meridional, porém menor que qualquer
um dos espaçamentos entre os dados da grade original. Com isso, as coordenadas dos
dados da nova grade não combinaram perfeitamente com as dos valores da grade
original, necessitando interpolação para que os valores da nova grade sejam obtidos.
Para isto utilizou-se um método de interpolação de dados para obter uma freqüência de
amostragem constante e igual nas direções x e y, e posterior inclusão destas
informações no modelo RAMS.
Os valores da nova grade compreendidos dentro da área originalmente
definida são obtidos através de um algoritmo que calcula a equação do plano que
melhor se ajusta aos quatro pontos da grade original que estão mais próximos, em
coordenadas, do ponto da grade nova a ser calculado. É um processo semelhante ao
ajuste a uma reta, de uma distribuição de pontos no espaço bidimensional, porém
30
estendido para o espaço tridimensional. A equação do plano encontrada é utilizada para
estimar a altura do ponto a ser calculado.
A malha de dados obtida é submetida então a um programa de mapeamento
georreferenciado de superfície em 3D (tridimensional) e de contorno, o Surfer – 8
(Golden Software, 2003). O software exige que os dados tabulares e vetoriais
devidamente tratados estejam sob forma de cotas altimétricas, plotadas com as
coordenadas de latitude (eixo x), longitude (eixo y) e altitude (eixo z). O resultado
obtido é a visualização tridimensional da topografia da região correspondente à área da
imagem (Figura 4.6).
4.4 Inicialização do modelo RAMS
O RAMS foi inicializado com as informações de análise meteorológicas do
modelo global do CPTEC/INPE, com resolução de 0,9°, referente aos horários das 00 e
12 UTC (Coordenada de Tempo Universal, equivalente ao horário de Londres, que
corresponde a 3 horas a mais em relação ao horário de Brasília). Quatro grades
centradas na coordenada da usina (31.5° S e 53.68° W) foram aninhadas, com
resoluções horizontais de 32, 8, 4 e 0,5 km para as grades 1, 2, 3 e 4, respectivamente
(Figura 4.7).
Figura 4. 6 – Espacialização tridimensional por sombreamento de relevo da região de
Candiota – RS.
31
Figura 4. 7 – Aninhamento das quatro grades utilizadas na modelagem, centrado em
53,68W e 31,5S (UTPM).
Na vertical, foram utilizados 30 níveis em coordenadas sigma-z, sendo que
o espaçamento inicial foi de 30 metros próximo a superfície, variando com uma taxa de
1,1 até atingir a 1 km de altitude, esta condição faz com que o primeiro nível do modelo
esteja a uma altura de 14,3 metros. Os 4 níveis seguintes estão em 47,2 m, 86,6 m, 133
m e 190 m. A chaminé da Usina esta presente entre o 4° e o 5° nível, em 150m. Após
1000 m, o espaçamento vertical do modelo mantém-se constante e igual a 1000 (∆z =
1000). Na Tabela 4.1, uma representação das opções numéricas utilizadas nesta
modelagem.
As simulações foram realizadas em processamento paralelo, através da
composição de vários microcomputadores interligados, compartilhando seus
processadores e controlados por uma unidade principal. Este conjunto recebe a
denominação de “cluster” de PC’s. A estrutura física do cluster utilizado está instalada
no laboratório do Grupo de Estudos em Previsão Regional Atmosférica (GEPRA) da
Fundação Universidade Federal de Rio Grande (FURG).
32
Tabela 4. 1 – Opções numéricas utilizadas no RAMS, neste estudo.
CARACTERISTICAS OPÇÃO
Equações básicas Não hidrostática compressível
(Tripoli e Cotton, 1982).
Estrutura de grade 4 grades
Resolução espacial de 32, 8, 2 e 0,5 km.
FRONTEIRA
LATERAL
Freqüência de atualização
de 10800 s em 5 pontos
Esquema de
Klemp/Wilhelmsom (1978)
TOPO Freqüência de atualização
de 10800 s
CENTRO 0 s
Nudging no domínio
ACIMA DO
TOPO 13 km
Parametrização de Radiação Chen & Cotton (1983) para onda curta e onda
longa
Parametrização de Microfísica e
Convecção
Tipo Kuo (1974)
Com microfísica acionada na grade 1 e 4.
Parametrização de turbulência
Coeficientes de difusão horizontais
Smagorinsky (1963).
Coeficientes verticais
Mellor & Yamada (1982).
Número de camadas do solo 7 níveis
(-3.0, -2.0, -1.50, -1.0, -0.5, -0.25, -0.05 m).
Grau de saturação nas camadas do
solo 0.60, 0.57, 0.54, 0.51, 0.48, 0.45, 0.42.
33
4.5 Sub-rotina de dispersão do Modelo
O monitoramento da qualidade do ar depende de parâmetros que se
apresentam de forma aleatória e de comportamento não homogêneo, sendo definido
pelas variáveis atmosféricas. Com isso, a avaliação temporal e espacial da concentração
de um determinado constituinte presente na atmosfera é efetuada através da solução da
equação da conservação de massa deste constituinte, o que pode ser resolvido
numericamente. Estes modelos de dispersão consideram o peso que as variáveis
meteorológicas, dados como temperatura da atmosfera, velocidade e direção dos ventos,
grau de estabilidade ou instabilidade da atmosfera, entre outros, influenciam no cálculo
do comportamento de contaminantes.
Os modelos de transporte e dispersão de poluentes devem ser capazes de
simular em detalhes os efeitos da turbulência para obter previsões confiáveis de
contaminantes. Neste estudo será implementada uma nova sub-rotina no RAMS,
buscando simular o comportamento dos poluentes diante a interferência do ambiente.
A sub-rotina de dispersão é estruturada pelo método de modelagem
euleriana, onde o transporte de poluentes é analisado em termos de uma equação
diferencial parcial para a conservação da massa da substância considerada, sendo
resolvida em uma malha (grade) fixa no tempo e no espaço. Elas fornecem valores
médios de concentração, para os poluentes considerados, em um ponto no espaço. A
partir das equações de conservação é possível obter um modelo matemático da
dispersão de uma fonte. Com o avanço no tempo, obtém-se o comportamento e
trajetória destes poluentes, considerando as condições do ambiente natural.
Para a determinação do transporte de uma substância presente numa massa
de ar, a sub-rotina implementada no modelo resolve a seguinte equação de transporte
para um constituinte atmosférico, aqui representado genericamente pela letra C (Freitas,
1999):
[ ]cturbadv
QtC
tC
tC
+⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
+⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
=∂∂
(4.1)
onde adv⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
tC é o termo associado a advecção de grande escala, definido por:
34
i
i xCu∂∂
−=⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂
advtC (4.2)
sendo C o valor médio do escalar C e iu o componente genérico i da velocidade média
do vento, indicado pela ocorrência de uma soma no domínio [1,3] de tal forma que u1 =
u, u2 = v e u3 = w e x1 = x, x2 = y e x3 = z.
turbtC⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂ é o termo associado ao transporte turbulento na camada limite, definido por:
( )i
io
o xCu
∂∂
−=⎟⎟⎠
⎞⎜⎜⎝
⎛∂∂ ''1
tC
turb
ρρ
(4.3)
sendo oρ a densidade do ar no estado básico, '' Cu i o fluxo turbulento transportando o
escalar C através do momento ui, e i, j os índices que designam as três dimensões
espaciais (1, 2, 3) utilizando a notação soma.
[ ]cQ representa o termo fonte inserido na quarta grade do modelo, expresso em
unidades de µgm-3. Este termo é expresso por:
[ ] VQ
o
o
ρ=cQ (4.4)
sendo que o volume é dado por V= ∆x.∆y.∆z e Qo é a taxa de emissão da Usina,
considerando:
- 1000 g/s para o SO2
- 944 g/s para PM10
- 980 g/s para o NOx.
A fonte é inserida na quarta grade do modelo, entre o quarto e o quinto
nível, porém os resultados são refletidos para as demais grades e em outras altitudes. As
emissões lançadas da chaminé, a uma altura de 150 m, com temperatura de exaustão dos
gases de 420 K e velocidade de saída de 20 m/s. O cálculo da concentração dos
poluentes, no momento que são emitidos, é tratado no modelo como mostra o esquema
da Figura 4.8.
35
Figura 4. 8 – Representação do volume ocupado no tratamento dos gases na saída da
fonte pelo modelo RAMS.
4.6 Planejamento fatorial
O processo de dispersão e o caminho dos contaminantes é resultado da
atuação de vários fatores cuja combinação é, muitas vezes, não linear. Na tentativa de
entender a contribuição individual de alguns fatores envolvidos na dinâmica dos agentes
que participam no processo de dispersão, assim como sua interação não-linear, foi
utilizada o método da separação de fatores, proposto por STEIN & ALPERT, 1993.
Este método possibilita conhecer como diferentes fatores influenciam na configuração
de uma determinada variável.
A separação de fatores estabelece que o efeito de n fatores está determinado
por 2n ensaios. Neste estudo foram analisadas as contribuições exercidas pela presença
de topografia e a modificação da umidade do solo, constituindo, portanto em 4 ensaios
diferentes. Para a análise da topografia, foram considerados os resultados obtidos
através da saída do modelo RAMS quando este foi inicializado a partir de informações
extraídos do sensor ASTER, com resolução espacial reamostrados para 500m, e quando
a inicialização ocorreu com a topografia exatamente plana e ao nível do mar. De
semelhante modo, o efeito da umidade presente no solo foi analisado com resultados de
simulações em que foi atribuído valor zero a todos os níveis do solo considerado, e
experimentos em que foram atribuídos diferentes valores de umidade para os sete
36
primeiros níveis horizontais. A Tabela 4.2 apresenta os valores que foram definidos
para os níveis, sendo que o primeiro refere-se ao mais próximo da superfície:
Tabela 4. 2 – Valores atribuídos à umidade do solo, no experimento em que esta era
considerada.
NÍVEIS UMIDADE DO SOLO ATRIBUIDA 1° 0,42 2° 0,45 3° 0,48 4° 0,51 5° 0,54 6° 0,57 7° 0,60
Utilizando o procedimento descrito anteriormente, denominou-se
experimento C1, a contribuição integrada entre a umidade do solo, estabelecida em um
valor inicial de 42%, e a topografia real. No experimento C2 o modelo é inicializado
com o solo seco, porém considerando o efeito da topografia regional. Em C3 é realizada
a análise de uma situação hipotética em que o solo apresenta-se úmido e com a
topografia plana. No quarto e último ensaio, C4, o modelo é integrado com umidade do
solo igual a zero e com a topografia plana. A Tabela 4.3 apresenta um esquema dos
ensaios realizados no experimento.
Tabela 4. 3 – Representação dos ensaios para a análise da topografia e umidade do solo.
Ensaio Topografia Umidade do solo Concentração
1 Original (+) Úmido (+) C1
2 Original (+) Seco (-) C2
3 Plana (-) Úmido (+) C3
4 Plana (-) Seco (-) C4
Freitas & Silva Dias, 2004 propõe que o cálculo do efeito topografia sobre o
campo de concentração do material poluente seja definido como a média dos efeitos da
topografia nas duas situações distintas do campo de umidade do solo, dado por:
37
( ) ( )[ ]341221 CCCCTOPO −+−= , (4.5)
sendo que TOPO expressa o efeito isolado da topografia, e C1, C2, C3 e C4 as
concentrações de variável poluente obtida nos ensaios 1, 2, 3 e 4 respectivamente. Da
mesma forma, a contribuição da umidade do solo sobre o campo de concentração do
material poluente é obtido pela média dos efeitos da umidade do solo nas duas situações
definidas de topografia, dado por:
( ) ( )[ ]214321 CCCCUMI +−+= , (4.6)
onde UMI é a contribuição isolada da umidade inicial disponível no solo.
A interação entre estes dois parâmetros é dada por:
( ) ( )[ ]324121_ CCCCUMITOPO +−+= (4.7)
4.7 Descrição de metodologias de amostragens
Para a avaliação do modelo, foram utilizados dados de emissão do material
poluente emitido pela UTPM ao longo durante uma das campanhas experimentais
compreendidas no Projeto CGTEE/ CEPSRM/ UFRGS “Estudo Ambiental Aplicando
Modelos Numéricos - Região de Candiota -RS”. A campanha selecionada foi realizada
no período de 20 a 30 de abril de 2004. Os dados de SO2 foram coletados através da
análise contínua de fluorescência, nas estações de Três Lagoas e Aeroporto de Candiota,
enquanto que as amostragens de material particulado foram obtidas nas estações de Três
Lagoas, Aceguá e 8 de Agosto, através de amostradores AFG (Amostrador Fino e
Grosso) e de Grandes Volumes (HV PM10). Na Tabela 4.4 estão representadas as
coordenadas das estações de amostragem de aerossóis, utilizados na modelagem. As
estações de amostragem estão distribuídas pela região de abrangência da UTPM,
posicionadas, preferencialmente, na direção predominante do vento, buscando
representar de maneira satisfatória a concentração de poluentes emitidos na direção de
alcance da pluma.
38
Tabela 4. 4 - Coordenadas das estações de Qualidade do Ar da CGTEE e da Usina
Termoelétrica Presidente Médici localizada em Candiota - RS.
Coordenadas Geográficas Estações X
(latitudes) Y
(longitudes)
Altitudes (m)
Usina Termoelétrica -31°33’23’’ -53°41’05’’ 280
Aeroporto de Candiota -31°29’72’’ -53°41’64’’ 232
Três Lagoas -31°36’11’’ -53°44’12’’ 215
Oito de Agosto -31°40’44’’ -53°49’21’’ 261
Aceguá -31°52’52’’ -54°09’21’’ 265
O AFG tem como princípio de funcionamento, a coleta do material
particulado por impactação em dois filtros colocados em série, permitindo a separação
do particulado em dois intervalos diferentes de tamanho. A fração grossa retém por
impactação inercial partículas com diâmetros maiores de 10µm enquanto que a fração
fina retém partículas finas com poros de 0,4µm, onde são retidas as partículas finas –
diâmetro <2,5µm (Figura 6).
A estrutura do equipamento é esquematizada na Figura 4.9. O AFG é fixado
em um suporte adequado, livre da influência direta de precipitação e ventos mais
intensos, e preso a uma haste com aproximadamente 1m e 80cm de altura. Todo o
sistema é construído em material Teflon. Uma bomba de vácuo instalada na estrutura é
responsável pela sucção do ar amostrado, cujo fluxo é monitorado com o auxílio de um
medidor de fluxo de massa (aproximadamente 17 L min-1), havendo interrupção para
troca de AFG, após 24 horas contínuas de amostragem.
39
Figura 4. 9 - Esquema da estrutura do amostrador AFG.
Foram utilizados também amostradores de Grandes Volumes - HV PM10
conforme critérios estabelecidos pela USEPA (United States Enviromental Protection
Agency). O amostrador HV PM10 (Figura 4.10) é um coletor de grande volume para
partículas de até 10 µm suspensas no ar. Seu princípio de funcionamento é por
impactação, e as partículas são dirigidas para um filtro de quartzo com dimensão de
20,3 cm x 25,4 cm, onde estas ficam retidas. O equipamento mantém-se a uma vazão
operacional de 1,13 m3min-1 (com tolerância de 10%) em condições reais de
temperatura e pressão (ENERGÉTICA, 1998).
Figura 4. 10 - Amostrador HV PM10 utilizado para coleta de PI10
40
Neste caso, estes equipamentos foram submetidos à coleta por um período
contínuo de 24 horas em 10 dias consecutivos, com intervalo de 60 dias entre cada
campanha experimental.
As informações de condições meteorológicas atuantes no período de estudo
foram obtidas através da estação meteorológica automática obtida pelo Projeto
CGTEE/ CEPSRM/ UFRGS, e instalada próxima a Estação de Monitoramento de
Qualidade do Ar de Aceguá, RS, com monitoramento contínuo dos parâmetros
meteorológicos: precipitação, temperatura do ar, velocidade e direção do vento,
umidade relativa, pressão atmosférica, umidade do solo. Dados da rede de coleta do
INMET (Instituto Nacional de Meteorologia) - Estação Bagé, também foram utilizados.
As análises sinóticas das condições atmosféricas reinantes no período foram
feitas a partir das imagens do satélite GOES – 12 (Geostationary Operational
Environmental Satellite) no canal Infravermelho, obtidas através do Laboratório
MASTER do IAG/USP. Foram utilizados também os campos meteorológicos
resultantes da saída do modelo RAMS, como: vento, pressão atmosférica ao nível
médio do mar, temperatura do ar, umidade relativa, energia cinética turbulenta e
precipitação.
Os parâmetros meteorológicos obtidos na saída do modelo, assim como os
campos de concentração de SO2, NOx e PM10, obtidos pelo RAMS após a
implementação da sub-rotina, foram plotados no software de visualização GRADS
(Grid Analisys and Display System), permitindo a análise visual dos resultados.
41
5 Resultados e discussão
Neste capítulo encontram-se os resultados obtidos após o processamento
dos dados, no modelo RAMS. O caráter de escolha dos dias selecionados no estudo, 20
a 25 de Abril de 2004, baseou-se em coincidir episódios de diversificada atividade
atmosférica com um período de realização de campanhas experimentais executadas ao
longo do projeto “Estudo Ambiental Aplicando Modelos Numéricos - Região de
Candiota -RS”, onde os dados coletados serviriam como suporte para posterior
comparação aos dados simulados.
5.1 Resultado das simulações
5.1.1 Análise da circulação atmosférica
Inicialmente serão apresentados os resultados da análise sinótica realizada
para o período, a partir de imagens do satélite GOES-12, no canal infravermelho, assim
como os resultados do campo de pressão e vento, simulados pelo modelo. Os campos
são relativos à primeira grade do modelo, e possuem uma resolução horizontal de 32
km, dispostos em 34 pontos na direção zonal e meridional, sendo o primeiro nível da
ordem de 13,4 metros acima da superfície.
No dia 20 as condições atmosféricas predominantes eram de ausência de
nebulosidade em praticamente todo Rio Grande do Sul (Figura 5.1a e 5.1c), com
algumas nuvens presentes no extremo nordeste gaúcho na madrugada, associadas ao
sistema frontal que avançou sobre o Estado em dias anteriores. No horário das 03:00
UTC do dia 20 de abril (Figura 5.1b) verifica-se que a zona de baixa pressão
relacionada à passagem desta frente fria posiciona-se em 29.5 °S e 49.8 °W
direcionando-se ao oceano. Os ventos na fronteira com o Uruguai apresentaram-se do
42
quadrante sudoeste e relativamente fracos, com intensidade da ordem de 2 m/s. As 15
UTC verificam-se áreas de pressão relativamente alta (mas não muito organizada) em
31 °S e 56 °W (Figura 5.1d) aproximando-se do RS, provocando a permanência de
ventos fracos sobre praticamente todo Estado.
(a) 20/04/2004 02:45 UTC (b) 20/04/2004 03:00 UTC
(c) 20/04/2004 14:45 UTC (d) 20/04/2004 15:00 UTC
Figura 5. 1 - Imagem do satélite GOES-12 (coluna da esquerda) e evolução do campo
do vento (m/s) e pressão atmosférica em mb (coluna da direita) ao nível de 13,4 m
acima da superfície. Em (a) 02:45 UTC, em (b) 03:00Z, em (c) 14:45 UTC, em (d)
15:00Z do dia 20/04/2004. As barras em cores indicam a magnitude do vento.
43
No dia 21, nuvens esparsas avançavam sobre o extremo sul do Rio Grande
do Sul (Figura 5.2a), devido à entrada de áreas de alta pressão sobre o Estado. A
atuação deste sistema é responsável pela circulação de intensidade moderada de leste
(Figura 5.2b), ocasionando em aumento de nebulosidade associado à entrada de
umidade do oceano. As 15:00 UTC ventos do setor noroeste avançavam a partir da
metade norte do Estado, ao passo em que a entrada de umidade do mar continuava
sendo verificada no setor sul. A variação de temperatura provocado pelo habitual
aquecimento no período da tarde foi responsável pelos ventos levemente mais intensos
ocorridos no período da tarde, variando entre 4 e 7 m/s em todo Estado.
(a) 21/04/2004 02:45 UTC (b) 21/04/2004 03:00 UTC
(c) 21/04/2004 14:45 UTC (d) 21/04/2004 15:00 UTC
Figura 5. 2 – Mesmo que na Figura 5.1, para o dia 21/04/2004.
44
No dia seguinte (22/04) observa-se que áreas de baixa pressão, mas não
muito organizada, avançam a partir do Uruguai e encontram as áreas de instabilidade
presente no Estado, provocando o aumento de nebulosidade em todo RS. Os ventos têm
intensidade variando entre 6 e 11 m/s (Figura 5.3b). As 15:00 UTC o centro de baixa
pressão, agora mais evidente, sofre deslocamento para nordeste e uma banda intensa de
nebulosidade atinge a metade sul do Estado (Figura 5.3c). A intensidade do vento nesta
região varia de 8 a 12 m/s (Figura 5.3d).
(a) 22/04/2004 02:45 UTC (b) 22/04/2004 03:00 UTC
(c) 22/04/2004 14:45 UTC (d) 22/04/2004 15:00 UTC
Figura 5. 3 - Mesmo que na Figura 5.1, para o dia 22/04/2004.
45
Às 02:45 UTC do dia 23 observa-se que as áreas de instabilidade que
estavam presentes há mais tempo, são responsáveis pela organização de uma frente-fria
(Figura 5.4a) que rapidamente desloca-se para latitudes menores (Figura 5.4c). Ventos
do quadrante NW com intensidade variando entre 5 e 8 m/s foram observados na
fronteira sudoeste gaúcha. Com o afastamento do sistema frontal, a atmosfera iniciou
um processo de gradual diminuição de nebulosidade e os ventos mudaram o sentido
para o quadrante sudoeste.
(a) 23/04/2004 02:45 UTC (b) 23/04/2004 03:00 UTC
(c) 23/04/2004 14:45 UTC (d) 23/04/2004 15:00 UTC
Figura 5. 4 - Mesmo que na Figura 5.1, para o dia 23/04/2004.
46
Na madrugada do dia 24 observa-se que a circulação associada ao núcleo de
baixa pressão presente no Atlântico, e áreas de alta pressão, que se organizavam no
centro da Argentina, são responsáveis pela entrada do vento de componente sudoeste,
passando a direção sul no decorrer do dia (Figura 5.5c e 5.5d). Porém, na imagem de
satélite das 02:45Z e 14:45Z (Figura 5.5a e 5.5d) observa-se uma banda de
nebulosidade no sentido zonal, melhor definida no período diurno, na região central do
Estado. Possivelmente, a presença destas nuvens altas, do tipo cirrus, esteja associada à
configuração do sistema anti-ciclônico, que apresentava um cavado de onda curta em
altos níveis (não mostrado) de fraca intensidade, posicionado no nordeste da Argentina.
(a) 24/04/2004 02:45 UTC (b) 24/04/2004 03:00 UTC
(c) 24/04/2004 14:45 UTC (d) 24/04/2004 15:00 UTC
Figura 5. 5 - Mesmo que na Figura 5.1, para o dia 24/04/2004.
47
No dia 25 de abril observa-se o predomínio do vento de quadrante sul
(Figura 5.6b e 5.6d), porém com menor intensidade em relação ao dia anterior, devido
ao avanço da área de alta pressão para o Estado, a partir da região sudoeste. Esta massa
de ar, caracteristicamente mais seca e fria, é responsável pela queda de temperatura e
diminuição de nebulosidade em todas as áreas do RS (Figura 5.6c).
(a) 25/04/2004 02:45 UTC (b) 25/04/2004 03:00 UTC
(c) 25/04/2004 14:45 UTC (d) 25/04/2004 15:00 UTC
Figura 5. 6 - Mesmo que na Figura 5.1, para o dia 25/04/2004.
48
5.1.2 Análise do efeito da topografia e umidade do solo
sobre o comportamento individual de algumas variáveis
atmosféricas
A flexibilidade do modelo RAMS em adaptar-se as condições requeridas para um
determinado estudo permite que possam ser realizadas alterações na precisão espacial
dos dados, buscando uma melhor definição na análise de variáveis importantes em
processo atmosféricos, como os ditados na dispersão de poluentes. Com isso, foram
realizadas simulações numéricas para quatro grades fixas e aninhadas, possibilitando
que processos que ocorram na grade de maior resolução sejam sentidos nas demais
grades e vice-versa. A quarta grade utilizada na simulação é de caráter principal, visto
que além de apresentar um refinamento da topografia para 500m, obteve o termo da
fonte de dispersão inserido. Porém as demais grades sentem o reflexo destas
componentes, e representam sua importância individual por serem utilizadas também
como ferramenta para análise das condições sinóticas e o estudo da trajetória dos
poluentes para caminhos mais longínquos da fonte de emissão.
Para a análise das variáveis meteorológicas do estudo, foram considerados
os resultados obtidos através da saída do modelo RAMS referentes à quarta grade do
modelo (40km x 40km), centrada na localidade da usina (31.5° S e 53.68° W). Quatro
situações hipotéticas e distintas foram representadas na elaboração de experimentos que
buscaram verificar o papel da topografia e umidade do solo no processo de dispersão de
poluentes. Para a topografia, dois eventos foram considerados, sendo que no primeiro a
inicialização foi realizada a partir de informações extraídas do sensor ASTER, com
dados reamostrados para resolução espacial de 500m (Figura 5.7) e inseridos nas grades
3 e 4 do modelo. O segundo evento considerou a topografia exatamente plana e ao nível
do mar para todas as grades.
49
Figura 5. 7 – Campo de topografia da terceira grade do modelo RAMS, com
resolução de 500 metros.
Para o estudo da umidade do solo, as situações consideradas foram solo
seco em 7 níveis horizontais (a partir da superfície), e outra situação em que eram
considerados valores elevados de umidade do solo, distribuído no intervalo de 0,60 a
0,42 % entre os 7 níveis. Salienta-se que os quatro ensaios distintos, obtidos na
integração destes fatores foram denominados de: C1 (topografia original e solo úmido);
C2 (topografia original e solo seco); C3 (topografia plana e solo úmido) e C4 (topografia
plana e solo seco).
Dados meteorológicos coletados da Estação de Aceguá e informações de
algumas variáveis meteorológicas, obtidas pela estação INMET - Estação Bagé foram
utilizados para a verificação dos resultados meteorológicos simulados.
Como visto anteriormente, as áreas de instabilidade que se formaram no dia
22 de abril deram início ao sistema frontal, responsável pelo avanço de muitas nuvens
para a região. Registros de precipitação superiores a 130mm acumulados no dia 22
foram obtidos na Estação Meteorológica de Bagé – INMET. Na Estação de Aceguá, 22
mm às 9 horas locais foram registrados (Figura 5.8), com total diário acumulado em 84
mm. Nos demais dias de simulação, não houve registros de precipitação na região.
50
Precipitação _ Aceguá
0
5
10
15
20
25
20 21 22 23 24 25
DiasPr
ecip
itaçã
o (m
m)
Figura 5. 8 – Campo de precipitação, obtido pela Estação Meteorológica de Aceguá.
A ocorrência de precipitação mostra-se importante no estudo da dispersão
dos poluentes, pois a chuva aparece como agente removedor de partículas em suspensão
na atmosfera, provocando a diminuição de concentração de poluentes. Contudo, as
simulações realizadas no RAMS apresentaram resultados peculiares em cada um dos
ensaios. Na Figura 5.9 estão representados os resultados da evolução temporal do
período de simulação para a precipitação, com coordenadas fixas UTPM (53.68° W e
31.5° S). Mesmo não sendo possível a comparação direta da amplitude de precipitações
simuladas para a localidade de Candiota, com os dados de chuva coletada nas estações
de cidades vizinhas (Bagé e Aceguá), busca-se uma descrição do comportamento
aproximado da variável. Com base nisso, a contribuição da topografia somada ao efeito
da umidade presente no solo se mostra satisfatoriamente representada na intensidade de
precipitação no ensaio C1, onde o estimado ultrapassou apenas 1.5 mm de chuva em
relação aos dados observados pela Estação de Aceguá, quando comparado com o valor
máximo de chuva acumulada em 1 hora. Em C3, a simulação obteve intensidade
reprimida em 24% seguidos de índices ainda maiores nos ensaios C2 e C4 (solo seco),
onde obtiveram 50% (11,8mm) e 69% (7mm), respectivamente, de seus valores
subestimados. Neste caso, as duas variáveis apresentaram uma grande influência, porém
a contribuição orográfica se mostra de caráter mais expressivo no que diz respeito a
intensidade da precipitação.
51
(C1) (C2)
(C3) (C4)
Figura 5. 9 – Evolução temporal de precipitação ao nível de 14,3m acima da superfície.
As instabilidades presentes na região no início do período estudado foram
responsáveis pelo aumento de temperatura, chegando a 27° C na tarde do dia 21 de
abril, depois de uma madrugada fria, com registros de 9,4° C às 4 horas locais. Dias 22
e 23, as temperaturas permaneceram em torno de 18° C, devido à intensa nebulosidade
presente, voltando a cair na madrugada dos dias 24 e 25, onde foram registradas
temperaturas de 8,3° C, devido à entrada de uma massa de ar mais fria e seca para a
região. As temperaturas máximas nestes dias, não ultrapassaram 18° C (Figuras 5.10 e
5.11).
52
Temperatura do Ar - Bagé (INMET)
8
12
16
20
24
28
20 21 22 23 24 25Dias
Tem
pera
tura
(° C
)
Figura 5. 10 – Campo de temperatura registrada em Bagé, obtido pela Estação
Meteorológica do INMET.
Temperatura do Ar _ Aceguá
81216202428
20 21 22 23 24 25Dias
Tem
pera
tura
(°C
)
Figura 5. 11 – Campo de temperatura do ar, obtido pela Estação Meteorológica de
Aceguá, RS.
Conforme a descrição dos gráficos de temperatura do ar, registradas em dois
pontos distintos, mas próximos a UTPM, os ensaios obtidos pela simulação numérica
apresentaram razoável coerência, no que diz respeito à assinatura temporal da variável
(Figura 5.12), para os quatro eventos selecionados. Porém, apesar de estrutura
semelhante, a grandeza da variável não foi satisfatoriamente modelada em nenhuma
situação. Comparando os resultados dos eventos C2 e C4 aos registros das estações,
observa-se que as simulações com característica de solo seco apresentam uma tendência
exagerada do declínio de temperaturas mínimas, porém representam satisfatoriamente
as temperaturas máximas ocorridas ao longo de todo período.
Do contrário, é interessante notar que os eventos com solo úmido, C1 e C3,
apresentam uma forte subestimação das variáveis nos primeiros três dias, período em
que a atmosfera estava sob condições de muita nebulosidade. Nestes dias as
53
temperaturas foram subestimadas em 6° C em todos os horários. Nos demais dias, o
comportamento passou a ser muito semelhante àquele observado nas estações
meteorológicas.
(C1) (C2)
(C3) (C4)
Figura 5. 12 – Evolução temporal de temperatura do ar simulada, ao nível de 14,3m
acima da superfície.
A umidade relativa ao longo do período da simulação apresenta
características distintas, no que diz respeito à amplitude da variável, entre os registros
das estações de Bagé e Aceguá, porém, isto é explicado pelo fato de que os dados de
umidade do ar obtido pela Estação do INMET compreenderam registros referentes a
00Z, 12Z e 18Z, mas representados em um mesmo gráfico, como mostra a Figura 5.13.
Com a análise dos gráficos seguintes observa-se que no final do dia 20, uma queda
acentuada de umidade ocasionada pelo habitual término dos processos de transporte
advectivos a partir do anoitecer, além do fato de que ventos de oeste penetravam na
54
região. Com a mudança na direção do vento para o quadrante leste ano dia 21, uma
massa de ar mais úmida vinda do Atlântico, avança pelo Estado ocasionado em aumento
de umidade do ar. A circulação de leste permanece sendo responsável pelo ingresso de
umidade na região, que inicia um processo de instabilidade atmosférica, com ligeiro
aumento da temperatura e nuvens cobrindo toda metade sudoeste do RS. A
nebulosidade presente, associada a frente fria, desloca-se e a atmosfera gradualmente
torna-se mais seca nos dias seguintes.
Umidade do Ar - Bagé (INMET)
25
40
55
70
85
100
20 21 22 23 24 25
Dias
Um
idad
e %
Figura 5. 13 - Campo de umidade do ar registrada em Bagé, obtido pela Estação
Meteorológica do INMET.
Umidade do Ar _ Aceguá
2540557085
100
20 21 22 23 24 25Dias
Um
idad
e %
Figura 5. 14 – Campo de umidade relativa do ar, obtido pela Estação Meteorológica de
Aceguá, RS.
A Figura 5.15 representa os quatro ensaios realizados no estudo, com a
evolução temporal da umidade relativa do ar para o período. Utilizando como base de
comparação às informações obtidas pelas estações meteorológicas, os ensaios
mostraram comportamentos distintos em alguns momentos, em relação aos observados,
principalmente nos três primeiros dias, quando a região estava sobre a atuação de
sistema pré-frontal e frontal. Os experimentos C1 e C3 (solo úmido) apresentaram
55
valores superiores aos registrados em até 36% nos dias 20 e 21, principalmente no
anoitecer, horário em que a umidade do ar está mais baixa. Nos dias seguintes, com a
atuação de processos conjuntos de avanço da banda de nebulosidade para outras regiões
e entrada de umidade do oceano, a atmosfera encontrava-se saturada e o modelo
inicializado com umidade do solo representou satisfatoriamente os resultados, voltando
a superestimar a partir do dia 24.
(C1) (C2)
(C3) (C4)
Figura 5. 15 – Evolução temporal da umidade relativa do ar ao nível de 14,3m acima da superfície.
O aquecimento da atmosfera próxima à superfície impulsiona movimentos
verticais na baixa atmosfera, visto que quando esta parcela se aquece pelo contato direto
com o solo, torna-se menos densa, sendo impulsionada para cima, ao passo de que uma
outra parcela de ar, mais fria e densa, substitui o espaço ocupado pela parcela antiga.
Estes movimentos formam turbilhões, que misturam o ar, e são definidos pela
quantidade de energia que chega a superfície e por ela repassada a atmosfera. Com isso,
quanto maior a disponibilidade de calor, mais intensos serão estes vórtices. Os
movimentos do ar, relacionados pelo aquecimento desigual da atmosfera, são
56
responsáveis pela estrutura da camada em contato direto com a superfície, a CLP. A
estrutura desta camada é função dos processos físicos que nela ocorrem, sofrendo
grande variação ao longo do dia, devido às trocas de energia entre a superfície e a
atmosfera.
Na Figura 5.16 estão representadas as saídas do RAMS para a estrutura da
Camada Limite Planetária para os quatro ensaios realizados. Com a análise dos gráficos,
observa-se que em todos os ensaios, fracos movimentos verticais na baixa atmosfera
foram responsáveis pela estrutura pouco desenvolvida da CLP nas primeiras 50 horas de
simulação. Estas características são impostas pelas condições de deficiência de radiação
devido à intensa quantidade de nuvens presente no período pré-frontal e frontal (dias 21
e 22 de abril). Porém, com o deslocamento da banda de nebulosidade, a radiação atinge
à superfície e gradualmente uma reposta é obtida pela atmosfera, onde se dá inicio o
processo de movimentos turbulentos, elevando o topo da camada limite para altitudes
da ordem de até 2400m.
Com a análise dos ensaios observa-se um comportamento distinto da CLP
para cada situação. No dia 20, os ensaios C1 e C3 (eventos com umidade) mostraram
uma baixa atividade na camada limite, da ordem de apenas 650m de altitude no final da
tarde, ao passo em que, no mesmo horário, a altura da camada foi da ordem de 1300 m
nos eventos com umidade (C2 e C4). No dia 21, a CLP manteve um comportamento
semelhante ao descrito anteriormente, e a pouca atividade convectiva ocorre pelo
avanço de nebulosidade associada à frente fria. Ao longo da tarde do dia 22, observa-se
que a banda de nebulosidade desloca-se para latitudes menores, possibilitando um
aumento de radiação atingindo à superfície. Com a disponibilidade de energia,
gradualmente uma reposta é obtida pela atmosfera, onde se dá inicio o processo de
movimentos turbulentos na CLP.
No demais dias a presença de radiação intensa provoca aumento nos
processos de transferência de umidade e de calor na atmosfera, e a energia disponível é
responsável por manter uma altura elevada da CLP, o que foi verificado em todos
ensaios. Porém, é interessante notar que a situação em que o solo foi considerado
inicialmente seco, existe uma leve predisposição em aumentar a estrutura vertical da
camada, quando relacionados aos ensaios com o solo úmido. No entanto, a análise do
período em que o solo inicialmente seco é suprido de umidade, após o episódio de
precipitação, esta taxa de contribuição para o desenvolvimento vertical mostra-se de
57
menor intensidade quando comparado à amplitude da variação na estrutura da CLP
observada antes da passagem do sistema frontal. Este resultado se deve ao fato de que
as temperaturas mais baixas presente após a passagem da frente fria, associado à
saturação de umidade no solo, pelo efeito da precipitação, diminuem a altura da CLP.
5.2 Resultados do modelo de transporte de poluentes
O transporte de poluentes emitidos pela Usina para áreas remotas, foi
verificado através da utilização do modelo de dispersão presente no RAMS, onde foram
inseridas as características de emissão de três materiais, na equação que determina o
transporte de poluentes. Os dias selecionados para a integração dos resultados de
partículas presentes na atmosfera, compreenderam o período entre 20 e 25 de abril de
(C1) (C2)
(C3) (C4)
Figura 5. 16 – Comparação entre a evolução temporal energia cinética turbulenta
(esquerda) e a altura da CLP (direita) para os quatro ensaios realizados
58
2004 e os resultados da simulação estão representados nas Figuras 5.17 a 5.22 com
campos superficiais de concentrações médias diárias de PM10, SO2 e NOx, expressos
em unidades de µgm-3.
Conforme a simulação, dia 20/04 ventos do quadrante sudoeste, são
responsáveis pelo direcionamento da pluma para direção nordeste, onde são observadas,
ao nível do solo, taxas elevadas de concentração dos três poluentes, da ordem máxima
de 170 µgm-3 em áreas muito próximas a fonte de emissão (Figura 5.17a, 5.17b e 5.17c).
Estes resultados estão relacionados à fraca intensidade do vento, dificultando a mistura
na camada limite planetária e o arraste dos poluentes a maiores distâncias da fonte.
(a) PM10 (b) SO2
(c) NOx
Figura 5. 17 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 20/04/04.
As barras em cores indicam a magnitude das concentrações, em µgm-3.
O dia 21/04, conforme citado anteriormente, antecede a entrada de um
sistema frontal, e uma intensificação no vento pode ser observada. Primeiramente,
concentrações esparsas no setor à noroeste da usina foram simuladas, justamente pela
59
predominância dos ventos fracos, de quadrante leste, no período da madrugada. No
decorrer da tarde observa-se um aumento na intensidade do vento, que arrastam os
poluentes para regiões afastadas da fonte de emissão, contribuindo para uma situação
favorável à dispersão de poluentes. As concentrações de PM10 e NOX apresentaram
uma configuração semelhante da dispersão no dia 21, onde núcleos de máximas
concentrações, da ordem de 27 µgm-3, foram simulados para estes materiais.
Concentrações de até 30 µgm-3 de SO2 foram simuladas para áreas próximas a UTPM,
com transporte organizado para a direção sudoeste (Figuras 5.18b). É interessante
observar que estas áreas de maior concentração posicionaram-se distantes até 7 km da
fonte de emissão (Figuras 5.18a e 5.18c), possivelmente devido ao arraste da pluma,
pela acentuada atividade turbulenta, de origem mecânica presente em todo dia.
(a)– PM10 (b) SO2
(c) NOx
Figura 5. 18 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 21/04/04.
As barras em cores indicam a magnitude das concentrações (µgm-3).
As concentrações do dia 22 foram bem menores do que àquelas do dia
anterior, em decorrência do aumento de nebulosidade já no período da madrugada,
60
assim como a intensificação de ventos de noroeste. No decorrer do dia, o vento sofre
uma variação para o quadrante norte e a turbulência por origem mecânica torna-se ainda
mais acentuada. Concentrações de PM10 e NOx não ultrapassam a ordem de 15 µgm-3
(Figura 5.19a e 5.19c), enquanto que máximos de 10 µgm-3 de SO2 (Figura 5.19b)
distantes 9 km da fonte de emissão. O fato de centros de concentrações mais altas
estarem afastadas da fonte de emissão é explicado pelo fraco transporte vertical, assim
como o predomínio de ventos intensos, que arrastam os poluentes em níveis mais
elevados da atmosfera, impedindo que sejam depositados próximos à fonte de emissão.
(a) PM10 (b) SO2
(c) NOx
Figura 5. 19 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 22/04/04.
As barras em cores indicam a magnitude das concentrações (µgm-3).
Com a passagem do sistema frontal, foram registradas precipitações
atmosféricas superiores a 100 mm no dia 23, sendo este um fator favorável à dispersão,
pois a chuva representa um agente de remoção dos aerossóis presentes na atmosfera,
resultando em baixos valores de concentração dos materiais analisados. Os ventos
61
apresentaram-se do quadrante noroeste no momento da atuação do sistema frontal sobre
a região, com variação para a direção sudoeste no início da tarde, que já se encontrava
sob condições de diminuição de nebulosidade. A partir deste momento, foram
simuladas algumas concentrações no setor sudeste à Usina, com ramificações na pluma
de poluentes, devido à variação no sentido do vento ao longo do dia. As concentrações
para os três poluentes, que não ultrapassaram a ordem de 9 µgm-3, ocorreram em pontos
situados a aproximadamente 9 km à sudeste da fonte de emissão (Figura 5.20a-c).
(a) PM10 (b) SO2
(c) NOx
Figura 5.20 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 23/04/04.
As barras em cores indicam a magnitude das concentrações (µgm-3).
No dia 24 foram observados ventos de sudoeste penetrando na região de
Candiota ao longo na madruga, mudando para a componente sul no início da tarde.
Antes do amanhecer, concentrações de até 33 µgm-3 de SO2 foram simuladas, ao passo
que os constituintes PM10 e NOx tiveram máximos simulados na ordem de 22 µgm-3
(Figura 5.21 a-c). Os centros de maiores concentrações apresentavam-se na direção
nordeste, quando o efeito da dispersão era basicamente controlado pela turbulência de
origem mecânica. Porém, observam-se ramificações na pluma de poluentes, seguindo
62
justamente a variação no sentido do vento, observada ao longo do dia. À medida que o
dia avança, a quantidade de radiação atinge que superfície mantém um processo
convectivo intenso, observando-se um aumento da atividade turbulenta, agora de
origem térmica. Fatores como a energia advectiva pelo processo de aquecimento do ar,
ventos moderados de sul, associados ao suprimento adicional de umidade no solo após a
precipitação ocorrida em dias anteriores, foram responsáveis pelos processos mais
intensos de transferência de calor e de umidade, possibilitando um aumento no
transporte vertical dos poluentes na atmosfera. No período diurno, quando atuavam
estas condições de turbulência expressiva, os valores não excederam a ordem de 16
µgm-3 de concentração para o PM10 e NOx e de 24 µgm-3 para o SO2.
(a) PM10 (b) SO2
(c) NOx
Figura 5. 21 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 24/04/04.
As barras em cores indicam a magnitude das concentrações, em (µgm-3).
Porém no dia 25/04 observa-se que as concentrações voltam a ser mais
elevadas na região, com valores superiores a 60 µgm-3 de SO2 e da ordem de 65 µgm-3
de PM10 e NOx em pontos situados próximos a UTPM (Figura 5.22 a-c).
Provavelmente o transporte de poluentes tenha sido dificultado pelo falto de que ventos
63
da componente sul e de baixa intensidade tenham favorecido a entrada de uma massa de
ar mais fria e seca impedindo que a atividade convectiva ganhasse força suficiente para
a dissipação local dos poluentes.
(a) Média do dia 25/04 – PM10 (b) Média do dia 25/04 – SO2
(c) Média do dia 25/04 –NOx
Figura 5. 22 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 25/04/04.
As barras em cores indicam a magnitude das concentrações (µgm-3).
5.3 Resultados do modelo de análise de fatores
Como descrito anteriormente, o objetivo do trabalho consiste em verificar a
influência de dois fatores sobre a concentração de poluentes: o efeito causado pela
topografia e o resultado decorrente de alterações na umidade do solo. Entretanto, vale
ressaltar que estes processos, além de hipotéticos, não representam os únicos fatores
importantes nos processos relacionados à concentração do material suspenso na
atmosfera.
64
Com a utilização das equações 4.5 - 4.7 obtêm-se as contribuições
individuais dos fatores analisados neste estudo, e a conseqüência da interação entre os
mesmos.
Na descrição dos campos médios de concentração em um período de 24 h,
observou-se que as variáveis NOx e PM10 apresentaram comportamento muito
semelhante no que diz respeito ao valor de concentração e caminho dos poluentes.
Portanto, os resultados da análise fatorial mostram uma estrutura extremamente
parecida, e a inclusão destas informações tornaria a descrição repetitiva. Com isso
selecionou-se para o desenvolvimento desta etapa, apenas os campos de PM10 e SO2,
para os dias 20 e 25 de abril, caracterizado por apresentaram aos maiores valores de
concentrações.
5.3.1 Dia 20/04/2004
No dia 20, concentrações elevadas de PM10 e SO2 em superfície foram
simuladas. Através da aplicação da análise fatorial, observou-se uma maior contribuição
dos fatores integrados neste estudo, no horário das 23Z (20 horas locais). Análises de
umidade do solo (Figura 5.23a (PM10) e 5.24a (SO2)) mostram que neste horário,
ocorreram núcleos de contribuição positiva da variável para a dispersão na área de
estudo em 53°69’W e 31°50’S, tanto para o SO2 quanto também para o PM10, ao passo
que efeitos contrários ao processo de dispersão são presenciados em 53°60’W e
31°44’S. Situação semelhante é observada no ensaio que considera as características
topográficas locais (Figura 5.23b e 5.24b). Ventos desorganizados de sul provocavam o
arraste da pluma na encosta da pequena elevação existente à leste, bloqueando o
escoamento do vento, causando deposição do material poluente na altura de 31°50’S e
53°62’W, que são forçados pelo vento a se dirigir em direção norte/noroeste, onde
encontram uma região de vale (53°61’W e 31°42’S) e a partir deste momento a
circulação é canalizada e o transporte de poluentes para outras localidades é possível.
Analisando a Figura 5.25c, nota-se que entre os fatores analisados, ocorre
um efeito positivo para a dispersão de PM10 na interação dos fatores umidade do solo e
topografia, com um núcleo organizado em 53°61’W e 31°42’S, justamente na área em
que efeito associado à topografia apresenta como um contribuinte favorável. Conclui-se
então que, nesta situação, em que são considerados períodos noturnos, e atuação de
ventos de sudoeste, às características orográficas parece ser ligeiramente mais influentes
do à umidade do solo no processo de dispersão.
65
(a) (b)
(c)
Figura 5. 23 - Termos das equações 4.5 - 4.7, ilustrando os efeitos principais da
topografia (a), da umidade do solo (b) e da integração entre esses efeitos (c) sobre a
concentração de PM10 para o dia 20/04 as 23 UTC.
A estrutura da contribuição dos fatores para o SO2 diferencia-se do PM10,
neste caso, na amplitude dos valores e na dimensão dos núcleos. Na Figura 5.24c
observa-se a contribuição favorável à dispersão em núcleos ao redor de 31°41’ e 53°63’,
região que condiz com as áreas de contribuição positiva tanto para a topografia quanto
para a umidade do solo, no transporte de SO2, ao passo de que áreas desfavoráveis à
dispersão foram verificadas imediatamente a nordeste da fonte de emissão, onde de
semelhante modo, observou-se núcleos de contribuição negativa para os dois fatores.
Como estes resultados são válidos para situações em que a atmosfera apresenta
componentes do vento de sul e período noturno, a quantidade de radiação que atingia a
superfície deixou de ser suficiente para manter o processo advectivo. O término das
atividades turbulentas de origem térmica, e a presença de pequenas elevações à leste da
fonte de emissão, provocam a estagnação do ar em regiões próximas à fonte de emissão
(núcleos negativos). Porém, a circulação de sul encontra esta parcela que lentamente é
arrastada em direção norte/noroeste, onde encontram uma região de vale (53°61’W e
66
31°42’S) favorecendo com que a massa de ar entre no corredor existente no pequeno
vale, onde o transporte de poluentes para outras localidades é possível (núcleos
positivos). É interessante observar que no caso do SO2, a contribuição dos fatores
umidade do solo e topografia parece agir de forma a compensar a influência uma da
outra, pois as amplitudes da interação entre os dois fatores são da mesma ordem que a
contribuição individual de cada um dos fatores.
(a) (b)
(c)
Figura 5. 24 – Mesmo que na Figura 5.23, para o SO2.
5.3.2 Dia 25/04/2004
Os resultados das simulações apontaram concentrações de PM10 e SO2
elevadas em superfície no dia 25 de abril de 2004. Na Figura 5.25a (PM10) e 5.26a
(SO2) observa-se que para as 11Z do dia 25, o efeito da umidade do solo apresenta uma
alternância entre contribuições positivas e negativas para o processo de dispersão.
Situação distinta ocorre no efeito topográfico local (Figura 5.25b e 5.26b) onde se
observa em grande parte um desempenho positivo da topografia. Tanto para o PM10
quanto para o SO2, à localização dos núcleos de contribuição, está posicionada no setor
67
norte (expressões negativas) e nordeste (expressões positivas), direções em que se
deslocava a pluma neste momento.
Nota-se ainda que entre os fatores analisados, o efeito associado às
características orográficas parece ter uma influência mais significativa, uma vez que as
amplitudes das contribuições devido a características topográficas são mais relevantes
em relação à umidade do solo. A Figura 5.25c mostra que a interação entre os dois
fatores é praticamente da mesma ordem que a contribuição individual de cada um dos
fatores, fato que ressalta a importância da análise conjunta das influências exercidas por
esses fatores, pois os mesmos interagem entre si e uma análise isolada pode levar a
interpretações incorretas.
(a) (b)
(c)
Figura 5. 25 – Termos das equações 4.5 - 4.7, ilustrando os efeitos principais da
topografia (a), da umidade do solo (b) e da integração entre esses efeitos (c) sobre a
concentração de PM10 para o dia 25/04 as 11 UTC.
68
No caso do SO2 (Figura 5.26c) uma contribuição favorável à dispersão na
integração dos fatores foi observada, com o sinal do efeito apresentando deslocamento
para direção nordeste, resultando em um desempenho positivo no campo da dispersão
nesta direção. No entanto o efeito parece estar associado em grande parte à topografia,
pois as amplitudes das contribuições devidas a este fator são maiores do que a umidade
do solo.
(a) (b)
(c)
Figura 5. 26 – Mesmo que na Figura 5.25, para o SO2.
Com a aplicação do método proposto, nota-se que esses dois fatores
desempenham um papel importante no campo da dispersão de poluentes, porém as
amplitudes devidas à topografia local são maiores do que as de umidade do solo.
Em relação à direção favorável a dispersão de poluentes quando os dois
efeitos são interados, observa-se através da analise dos resultados que o efeito pode ser
69
observado em praticamente todos os setores da grade analisada, porém, algumas regiões
apresentam-se mais favoráveis à dispersão. Neste estudo, a direção predominante da
pluma foi norte-nordeste, e os resultados mostraram uma tendência positiva para o
transporte de poluentes no setor nordeste, justamente pela contribuição associada à
orografia local. O efeito da topografia é claramente entendido com análise da Figura
5.27 que representa o modelo de elevação da região de Candiota, definido dentro da
quarta grade utilizada no modelo RAMS. A topografia presente provoca a canalização
em baixos níveis no transporte de poluentes, que ao ser arrastado em direção nordeste, é
forçado a entrar no pequeno vale.
Figura 5. 27 – Campo de topografia da terceira grade do modelo RAMS, com
resolução de 500 metros.
70
5.4 Comparação entre os dados de concentração observados
e modelados para o PM10 e o SO2
Os dados de concentração de SO2 foram coletados nas estações de Três
Lagoas (Tabela 5.1) e Aeroporto de Candiota (Tabela 5.2), enquanto que os dados de
PM10 foram obtidos nas estações de Três Lagoas (Tabela 5.3), Aceguá (Tabela 5.4) e 8
de Agosto (Tabela 5.5).
No dia 20 de abril os ventos de sudoeste passando a oeste foram observados,
e os resultados da modelagem apontaram concentrações de SO2 da ordem de 13,5 µgm-3
para a localidade da estação do Aeroporto de Candiota, posicionada a norte da Usina,
direção que incluía a rota da pluma, enquanto que os dados coletados não ultrapassaram
a ordem de 5,8 µgm-3. De forma contrária, a estação de Três lagoas, posicionada a
sudoeste da Usina, obteve valores simulados de SO2 e PM10 muito próximos de zero,
enquanto que os dados observados foram da ordem de 5,3 µgm-3de SO2 e 4,4 µgm-3 de
PM10. As estações de 8 de agosto e Aceguá, posicionadas a sudoeste da Usina, também
apresentaram valores simulados muito próximos a zero. Com base nisso, compreende-se
que o modelo não conseguiu acompanhar a trajetória dos poluentes que se espalharam ao
redor da Usina, devido aos processos de difusão, entendendo apenas concentrações que
seguem a direção da pluma.
Dia 21, uma circulação de leste, bem definida penetra na região, e a
simulação das concentrações na localidade da estação de Três Lagoas, distante
aproximadamente 7 km a sudoeste da Usina, foram da ordem de 17,6 e 5,7 µgm-3 para o
SO2 e PM10, respectivamente, de magnitude superior às registradas. Como as
simulações nas coordenadas das estações de 8 de agosto e Aceguá, posicionadas a
sudoeste, obtiveram concentrações inferiores àquelas obtidas pelas estações de qualidade
do ar, é provável que os resultados contraditórios tenham ocorrido devido a uma
disfunção no modelo. Analisando os resultados das simulações, observa-se que a
amplitude da diferença entre os resultados da simulação e os dados observados foi mais
expressiva na estação de Aceguá. Neste dia os resultados das simulações estimaram uma
baixa estrutura da CLP, e possivelmente o modelo tenha entendido que, com esta
situação, o transporte dos poluentes para outras áreas seria dificultado, resultando em
uma maior concentração destes poluentes em áreas próximas a Usina.
71
No dia 22 a aproximação de um sistema frontal, é responsável pela variação
do vento, que passou de nordeste a norte ao longo do dia, com intensidade moderada,
chegando a 9 m/s na região. Como descrito anteriormente, este fato provocou o arraste
da pluma para regiões distantes da usina, e os núcleos de concentração máxima foram
presenciados a 9 metros da fonte de emissão, resultando em concentrações mais elevadas
na localidade da estação de 8 de Agosto, chegando a ordem de 8 µgm-3, enquanto que os
dados observados não ultrapassaram 1,3 µgm-3.
Ventos de direção noroeste mudando para sudoeste são sentidos no dia 23, e
concentrações evidentemente baixas no período da passagem do sistema frontal são
simuladas nas localidades de estações dispostas, em grande parte, a sudoeste da Usina,
direção de deslocamento da pluma. No dia 24 e 25, ventos de sul avançam pela região, e
a estação do Aeroporto de Candiota registra concentrações da ordem de 4 µgm-3 no dia
24 chegando a 12,5 µgm-3 no dia 25, ao passo em que são simuladas concentrações de
0,9 e 1,2 µgm-3 para os respectivos dias, nesta localidade. As demais estações que
permaneceram fora da direção predominante dos ventos deste dias, obtiveram valores
muito baixos quando comparados aos valores relacionados à modelagem numérica,
principalmente para o material particulado.
Tabela 5. 1 – Dados de concentração de SO2 na estação de Três Lagoas.
CONCENTRAÇÕES (µgm-3) DIA
SIMULADOS OBSERVADOS
20 / 04 0,1 5,3 21 / 04 17,6 12,7 22 / 04 5,15 1,67 23 / 04 0,16 1,08 24 / 04 0,2 0,72 25 / 04 0,21 0,49
72
Tabela 5. 2 – Dados de concentração de SO2 na estação do Aeroporto de Candiota.
CONCENTRAÇÕES (µgm-3) DIA
SIMULADOS OBSERVADOS
20 / 04 13,5 5,5 21 / 04 5,7 4,1 22 / 04 0,2 3,7 23 / 04 0,9 3,6 24 / 04 0,9 4,0 25 / 04 1,2 12,5
Tabela 5. 3 – Dados de concentração de PM10 na estação de Três Lagoas.
CONCENTRAÇÕES (µgm-3) DIA
SIMULADOS OBSERVADOS
20 / 04 0,1 4,4 21 / 04 22,05 12,9 22 / 04 4,9 11,1 23 / 04 0,2 14,7 24 / 04 0,2 14,8 25 / 04 0,2 20,4
Tabela 5. 4 – Dados de concentração de PM10 na estação de 8 de Agosto.
CONCENTRAÇÕES (µgm-3) DIA
SIMULADOS OBSERVADOS
20 / 04 0,02 13,5 21 / 04 13,5 21,3 22 / 04 8,0 1,3 23 / 04 0,2 13,6 24 / 04 0,2 12,8 25 / 04 0,2 7,7
73
Tabela 5. 5 – Dados de concentração de PM10 na estação de Aceguá.
CONCENTRAÇÕES (µgm-3) DIA
SIMULADOS OBSERVADOS
20 / 04 0,01 9,3 21 / 04 4,0 20,5 22 / 04 2,7 2,7 23 / 04 0,2 20,5 24 / 04 0,3 7,5 25 / 04 0,2 13,5
74
6 Conclusões
O objetivo deste trabalho foi utilizar a modelagem numérica da atmosfera,
analisando alguns efeitos causados pela interação entre a topografia da região de
Candiota e variações da umidade presente no solo, buscando avançar o conhecimento
no comportamento da atmosfera nos processos de dispersão de poluente emitidos pela
Usina Termoelétrica Presidente Médici, localizada no município de Candiota. Com isso
utilizou-se o modelo meteorológico de mesoescala RAMS (Regional Atmospheric
Modeling System), para a modelagem atmosférica e de transporte e concentração dos
poluentes SO2, PM10 e SOx. Os resultados foram comparados aos dados coletados em
campanhas experimentais compreendida no Projeto CGTEE/ CEPSRM/ UFRGS
“Estudo Ambiental Aplicando Modelos Numéricos - Região de Candiota -RS”. O
período selecionado compreendeu um episódio de passagem de sistema frontal, com o
objetivo de analisar as circulações associadas a estas condições, e o transporte e
deposição do material em suspensão na atmosfera.
Para uma melhor representação das características orográficas, novos
arquivos de topografia foram inseridos no RAMS, a partir da geração do Modelo Digital
de Terreno (MDT) obtido através de imagens do sensor ASTER, a bordo do satélite
Terra. Com o intuito de abranger completamente a área de estudo, utilizou-se 4 cenas
para a composição do mosaico de imagens, gerado originalmente com resolução de 15
metros, porém reamostrado para 500 metros para evitar instabilidade numérica durante
o processamento computacional do modelo RAMS.
Inicialmente uma investigação das circulações de grande escala para o
período de 20 a 25 de abril de 2004 foi realizada, para a compreensão das condições
atmosféricas atuantes no período da simulação realizada. Para a análise individual da
contribuição da topografia e umidade do solo, foram realizadas quatro simulações
distintas, intercalando a forma de consideração destes fatores. Embora o principal
75
enfoque deste trabalho tenha sido a dispersão de poluentes, foram analisados os
comportamentos de parâmetros meteorológicos diante as diferentes condições de
topografia e umidade imposta no modelo, justamente pelo fato de que o comportamento
da atmosfera define os processos de deposição e trajetória dos poluentes. O resultado
desta interação pôde ser observado no campo de algumas variáveis meteorológicas, que
apresentaram comportamento distinto em cada simulação. No que diz respeito à
precipitação atmosférica, as simulações mostraram uma contribuição marcante da
influência da topografia somada ao efeito da umidade presente no solo. A ordem da
grandeza foi representada satisfatoriamente no ensaio em que os dois fatores estavam
presentes, ao passo em que os valores foram reduzidos em mais de 60% no ensaio em
que a topografia era considerada exatamente plana, e a umidade igual a zero em todas as
camadas do solo.
Os resultados mostram que em condições onde o solo foi considerado
inicialmente seco o modelo simulou uma estrutura da CLP mais desenvolvida
verticalmente, devido principalmente aos efeitos térmicos. A intensificação dos vórtices
turbulentos parece estar associada a temperaturas do ar mais elevadas apresentadas nas
simulações dos eventos de solo seco. No entanto a diferença na estrutura vertical da
CLP, observada na situação de solo seco foi ainda maior no período que antecede a
atuação do sistema frontal. Este resultado se deve ao fato de que as temperaturas mais
baixas presente após a passagem da frente fria, associado à saturação de umidade no
solo, pelo efeito da precipitação, diminuem a altura da camada. O solo mais seco é
responsável por aumentar a extensão vertical da camada limite e facilitar dispersão de
poluentes. Cabe ressaltar que o período analisado compreendeu apenas 6 dias, podendo
estes efeitos não ser representativos para períodos mais longos.
O transporte de poluentes emitidos pela Usina para áreas remotas, foi
verificado através da utilização do modelo de dispersão presente no RAMS,
considerando as concentrações resultantes da emissão de SO2, PM10 e SOx. Através da
análise dos resultados observa-se que nos dias que antecederam a entrada do sistema
frontal os núcleos de concentrações mais altas, em superfície, situavam-se ao longo da
trajetória descrita pela pluma, porém em áreas distante até 10 km da fonte de emissão,
devido ao predomínio de ventos intensos que arrastaram os poluentes em níveis mais
elevados da atmosfera, impedindo que estes fossem depositados em áreas próximos à
76
fonte de emissão. Com a passagem da frente-fria, os poluentes foram removidos pela
precipitação, e concentrações muito baixas foram simuladas ao longo dos demais dias.
Através da aplicação do método de análise fatorial, foram obtidos alguns
efeitos causados pela interação entre a umidade do solo e a topografia local sobre a
dispersão de poluente. Apesar dos resultados mostrarem regiões que são afetadas
negativamente pela presença de umidade do solo, uma análise abrangente do transporte
de poluentes mostra que a variável contribui para o processo de dispersão. No entanto o
efeito parece estar associado, em grande parte, à topografia, pois as amplitudes das
contribuições devidas a este fator são maiores do que as da umidade do solo. O fato se
mostrou ainda mais representativo na interação das duas variáveis, no que diz respeito à
direção favorável para a dispersão de poluentes. Neste estudo, a direção predominante
da pluma foi norte-nordeste, e os resultados mostraram uma tendência positiva para o
transporte de poluentes no setor nordeste, justamente pela contribuição associada à
orografia local. A topografia presente provocou a canalização da pluma, em baixos
níveis, que ao ser arrastada em direção nordeste, é forçada a entrar no pequeno vale.
Porém, os resultados mostraram que a interação entre os dois fatores é
praticamente da mesma ordem que a contribuição individual de cada um deles, fato que
ressalta a importância da análise conjunta das influências exercidas por esses fatores,
pois os mesmos interagem entre si e uma análise isolada pode levar a interpretação
incorreta.
Comparando os dados de concentração observados nas estações de coleta de
amostra de ar, observou-se que na maioria dos casos, o modelo não representou
satisfatoriamente os valores das concentrações ao redor da UTPM. O fato de que, em
situações de ventos moderados, as estações de coleta situadas em localidades opostas ao
sentido do vento, apresentam valores simulados muito próximos à zero, pode estar
ligada à razão de que o modelo não compreende a transporte dos poluentes que se
espalham ao redor da Usina pela turbulência atmosférica presente, acompanhando
apenas a concentração de poluentes que seguem a trajetória da pluma. Esta diferença
entre os valores observados e simulados foi mais significativa no material particulado
(PM10) do que no SO2, podendo ser explicado devido às concentrações de PM sofrerem
influência de outras fontes, como por exemplo, a ressuspensão de partículas do solo.
77
Observou-se que justamente no período em que o RAMS modelou uma fraca
estrutura da camada limite, as amplitudes entre os valores de concentrações observados
e simulados cresciam, à medida que as distâncias entre as estações e a Usina
aumentavam. Possivelmente o modelo tenha entendido que, com esta situação, a
atividade turbulenta ficaria confinada em regiões muito próximas a fonte de emissão, de
tal forma que o transporte dos poluentes para outras áreas estaria dificultado, resultando
em uma maior concentração em áreas ao redor a Usina.
Com base em estudos anteriores de simulação com o RAMS, na própria
região do sudoeste gaúcho, justifica-se o uso de um refinamento da topografia, visto que
resultados de simulações realizadas com a topografia original do modelo não
apresentaram concordância na ordem de grandeza das variáveis, quando comparados
com dados registrados em estações de superfície e até mesmo os dados simulados neste
trabalho. Porém, entende-se que a simulação com inclusão de MDT, ao mesmo tempo
em que otimiza os resultados, requer um aumento no tempo disponível para o
processamento, além, obviamente, do recurso das máquinas. Baseado no progresso da
informática e na facilidade de aquisição de dados ASTER sugere-se o uso de modelos
digitais de terreno de alta precisão como uma alternativa para melhoria das
características topográficas dos modelos meteorológicos existentes.
78
7 Referências bibliográficas
ABRAMS, M.; HOOK, S and RAMACHANDRAN, B. ASTER User Handbook – Version 2.
Jet Propulsion Laboratory/Califórnia Institute of Technology.
www.sulsoft.com.br/downloads/main.htm. Acesso em março de 2004.
ALVES, R. C. M. Descrição das Circulações Locais na Região de Candiota-RS e seus efeitos
no Transporte de Poluentes. São Paulo, 2000. 118p. Tese de doutoramento do
Departamento de Ciências Atmosféricas IAG –USP.
ATKINSON, B. W. Meso-scale Atmospheric Circulations. London – Academic Press Inc. LTD.
495p, 1981.
AVISSAR, R. & PIELKE, R. A. A Parameterization of Heterogeneous Land Surfaces for
Atmospheric Numerical Models and its Impact on regional Meteorology. Mon. Wea. Rev..,
117, 2113-2136, 1989.
BARNES, S. L. A Technique for maximing details in numerical weather map analysis. J. Appl.
Meteor., 3, 396-409, 1964.
BERNARDET, L. R.; GRASSO, L. D.; NACHAMKIN, J. E.; FINLEY, C. A.; COTTON, W.
R. Simulating convective events using a high-resolution mesoscale model. J. Geophys. Res.,
v. 105, n. D11, p. 14963-14982, 2000.
CARVALHO, J.C. Estudo dos processos de transporte e difusão na camada limite planetária
utilizando os modelos RAMS e SPRAY. Aplicação ao caso do experimento TRACT. São
Paulo, 1999. Tese de doutoramento do Departamento de Ciências Atmosféricas IAG –USP.
CLARK, T. L. A small-scale dynamic model using a terrain-following coordinate
transformation. J. Comp. Phys., 24, 186-215, 1977.
79
CHEN, C. & COTTON, W. R. A one dimensional simulation of the stratocumulus cappedmixed
layer. Bound- Layer Meteor., 25, 289-3321, 1983.
DEPARTAMENTO NACIONAL DE METEROLOGIA (Brasil). Normal climatológicas (1961-
1990). Brasília. 84p, 1984.
ENERGÉTICA, AGV MP10 (Amostrador de Grande Volume para partículas de até 10mm)–
Modelo 1200/CVV. Manual de operação – Energética. Rio de Janeiro, 1998.
FLEAGE, R. E. A Theory of Air Drainage. J. Met., 17, pp. 227-232, 1950.
FREITAS, E. D. Circulações locais em São Paulo e sua influência sobre a dispersão de
poluentes. São Paulo, 2003. 175p. Tese de doutoramento do Departamento de Ciências
Atmosféricas IAG –USP.
FREITAS, E. D. & SILVA DIAS, P. L. O efeito da Ilha de calor urbana sobre os fluxos de calor
através da utilização do modelo RAMS. In: Congresso Brasileiro de Meteorologia, 11, Rio
de Janeiro, 2000.
FREITAS, E. D., SILVA DIAS, P. L. Interação entre fatores envolvidos na formação e
desenvolvimento de tempestades severas na Região Metropolitana de São Paulo In: I
Simpósio Brasileiro de Desastres Naturais, Florianópolis-SC. 2004.
FREITAS, S. R. Modelagem numérica do transporte e das emissões de gases e aerossóis de
queimadas no cerrado e floresta tropical da América do Sul. São Paulo, 1999. 185p. Tese de
doutoramento do Instituto de Física da Universidade de São Paulo.
FRISCH, U. Turbulence, Cambridge University Press. Pp Cambridge 1995.
GAL-CHEN, T., & SOMERVILLE, R. C. J. On the use of a coordinate transformation for the
solution of the Navier-Stokes equations. J. Comput. Phys., 17, 209-228, 1975.
GLEESON T. A. On the Theory of Cross-Valley Winds Arising from Differential Heating of
the Slopes. J. Met., Vol. 8, pp. 398-405, 1951.
GLEESON T. A. Effects of Various Factors on Valley Winds. J. Met., Vol. 10, pp. 262-269,
1953.
GROSSMAN, R. An analysis of vertical velocity spectra obtained in the bomex fair-weather,
trade-wind boundary layer. Bound. Layer Meteor., 23, 323-357, 1982.
80
HILL, G. E. Factors controlling the size and spacing of cumulus clouds as revealed by
numerical experiments. J. Atmos. Sci., 31, 3, 646-673, 1974.
KAIMAL, J. C., WYNGAARD, J.C., HAUGEN, D.A, COTÉ, O. R., IZUMI, Y., GAUGHEY,
S.J. and READINGS, C.J. Turbulence structure in the convective boundary layer. Journal
of the atmospheric Science, 33, 2152-2169. 1976.
KUO, H. L. Further studies of the parameterization of the influence of cumulus convection on
large scale flow. J. Atmos. Sci., 31, 1232-1240, 1974.
LEMES, M. A. M., MOURA, A. D. Fundamentos de Dinâmica Aplicados à Meteorologia e
Oceanografia. 2ª Ed. Holos. Ribeirão Preto-SP, 296p, 2002.
LILLY, D. K. On the numerical simulation of buoyant convection. TELLUS, XIV, 2, 148-172,
1962.
LOUIS, J. F. A parametric model of vertical eddy fluxes in the atmosphere. Bound-Layer
Meteor., 17, 187-202, 1979.
MAHRER, Y. & PIELKE, R. The Effects of a Topography on Sea and Land Breezes in a Two-
Dimensional Numerical Model.Weather Rev., Vol. 105, pp. 1151-1162, 1977.
MCCUMBER, M. C. & PIELKE, R. A. Simulation of the effects of surface fluxes of heat and
moisture in a mesoscale numerical model. Part I: Soil layer. J. Geophys. Res., 86, 9929-
9938, 1981.
MELLOR, G. L. & YAMADA, T. Development of a turbulence closure-model for geophysical
fluid problems. Rev. Geophys., 20, 4, 851-875, 1982.
MESINGER, F. & ARAKAWA, A. Numerical methods used in atmospheric models. GARP
Publication Series, No. 14, WMO/ICSU Joint Organizing Committee, 64 pp. 1976.
MOENG, C-H. & SULLIVAN, P.P. A comparison of shear-and buoyancy-driver planetary
boundary layer flows. Journal of the Atmospheric Sciences, 51, 999-1022. 1994.
MOLINARI, J. & CORSETTI, T. Incorporation of Cloud-Scale and Mesoscale Downdrafts into
a Cumulus Parameterization: results of One-and Three-Dimensional Integrations. Mon.
Wea. Rev., 113. 485-501, 1985.
81
MONTEIRO, M. A. Avaliação das condições atmosféricas no entorno do Complexo
Termoelétrico Jorge Lacerda para controle da qualidade do ar. Florianópolis, 1997.
Dissertação (Mestrado), Programa de Pós-Graduação em Geografia da Universidade
Federal de Santa Catarina.
MONTEIRO, M. A. & FURTADO, S. M. A. Poluição atmosférica: o caso do Complexo
Termoelétrico Jorge Lacerda. Florianópolis: GEOSU / Departamento Geociências da UFSC,
ano 13, n°26, p. 75-95, 1998.
NOVO, E. M. L. M. Sensoriamento Remoto: Princípios e Aplicações. São Paulo: Edgard
Blücher. 1989. 303p.
PIRES, M. Emissões oriundas da combustão do carvão. Meio ambiente e carvão. Fundação
Estadual de Proteção Ambiental (FEPAM). Cadernos de Planejamento e Gestão
Ambiental – n° 2. Porto Alegre. 253-274p, 2002.
PRANDTL, L. “Essentials of fluid Dynamics”, Blackie an Son Ltd, London. Tradução de
Prandtl (1942) – “Führer durch die Strömungslehre”, Braunschweig und Sohn. 1952.
REYNOLDS, O. On the dynamical theory of incompressible viscous fluids and the
determination of the criterion. Phil. Trans. Roy. Soc. London, A186, 123-164, 1895.
RICHTER, L. A. et al. Thermal power plants and environmental control. Moscow: Mir
Publishers, 1984.
SCHMIDT, H. & SCHUMANN, U. Coherent structure of the convective boundary layer
derived from large-eddy simulations. Journal Fluid Mechanics, 200, 511-562, 1989.
SANCHEZ, J. C. D. Emissão de elementos traços provenientes da combustão de carvão em
caldeira de grande porte. Porto Alegre, 1987. Dissertação de Mestrado em Engenharia –
PPGEMM, Universidade Federal do Rio Grande do Sul.
SEGAL M. & ARRITT R. W. Nonclassical Mesoscale Circulations Caused by Surface Sensible
Heat-Flux Gradients. Bulletin of the American Meteorological Society, Vol. 73, No. 10,
October, 1593-1604, 1992.
SELLERS, P. J.; SUD, Y. C. and DALCHER, A. A Simple Biosphere Model (SiB) for use
within General Circulation Models. J. Atmos. Sci., v. 43, p. 505-531, 1989.
82
SMAGORINSKY, J. General circulation experiments with the primitive equations: 1. The basic
experiment. Mon Wea. Rev., 91, 99-164, 1963.
STEIN, U. & ALPERT, P. Factor separation in numerical simulation. J. Atmos. Sci., 50. 2107-
2115, 1993.
STULL, R. B. An Introduction to Boundary Layer Meteorology. Boston: Kluwer Academic
Publishers. 666p, 1988.
TEIXEIRA, E. C. & PIRES, M. J. R. Estudos Ambientais em Candiota: carvão e seus impactos.
FINEP/PDACT/CIAMB/FAPERGS/FEPAM. Cadernos de planejamento e gestão
ambiental, n° 4. Porto Alegre:, 2004. 232p
TEIXEIRA, E. C. et al. Impacto ambiental do uso e processamento do carvão mineral na região
do Baixo Jacuí, RS. Relatório Projeto PADCT/CIAMB, 1998.
TOLEDO, E. M., ALVES, C.M. e TORRES JÚNIOR, A. R., Transporte de constituintes
Passivos na Atmosfera Utilizando o RAMS. Sociedade Brasileira de Matemática Aplicada e
Computacional. Tendências em Matemática Aplicada e Computacional, 3, n°. 2 , 207-216,
2002.
TRIPOLI, G.J. & COTTON, W. R. The Colorado State University three-dimensional
cloud/mesoscale model. Part I: General theoretical framework and sensitivity experiments.
J. de Rech. Atmos., 16, 185-195, 1982.
SPRING-3.6. TUTORIAL - 10 Aulas, versão Windows/UNIX. Spring Básico. 2002. INPE. In
http://www.dpi.inpe.br/spring/usuario/aula01.pdf
GOLDEN SOFTWARE. Surfer version 8.03. Golden Software. 2003
WALKO, R. L. & TREMBACK, C. J. Regional Atmospheric Modeling System (RAMS)
version 4.3/4.4 – Model Input Namelist Parameters. In http://www.atmet.com, 2000.
ZANNETTI, P. Air Pollution Modeling. Van Nostrand, Reinhold. 1990