Previsão de Nevoeiro Utilizando Multicritérios Baseados em Simulações do Modelo WRF para o Aeroporto Internacional Afonso Pena

Autores

  • José Eduardo Gonçalves Platenik Centro Integrado de Meteorologia Aeronáutica (CIMAER) – Departamento de Controle do Espaço Aéreo Brasileiro (DECEA)
  • Gutemberg Borges França Universidade Federal do Rio de Janeiro
  • Antonio Vicente Pereira Neto Centro Integrado de Meteorologia Aeronáutica (CIMAER) – Departamento de Controle do Espaço Aéreo Brasileiro (DECEA)
  • Ricardo Marcelo da Silva Universidade Federal do Rio de Janeiro
  • Vinícius Albuquerque de Almeida Universidade Federal do Rio de Janeiro https://orcid.org/0000-0002-9645-7528

DOI:

https://doi.org/10.11137/2020_4_376_383

Palavras-chave:

Nevoeiro, Multicritérios, Previsão

Resumo

Desenvolve-se um método para previsão de nevoeiro no Aeroporto Internacional Afonso Pena, Paraná - Brasil. Utiliza-se uma abordagem de multicritérios ajustados com registros de dados meteorológicos observados e previstos, a cada 15 minutos, pela estação meteorológica de superfície e dados simulados pelo modelo numérico Weather Research and Forecasting, respectivamente, considerando 30 dias de ocorrência de eventos de nevoeiro no período entre maio e julho de 2019. As correlações entre os dados, previstos e observados, de temperatura, umidade relativa e velocidade do vento são iguais a 0,93, 0,89 e 0,74, respectivamente. Quatro critérios foram estabelecidos via combinação das variáveis meteorológicas mencionadas, isto é: (i) umidade relativa e temperatura; (ii) umidade relativa e temperatura do ar; (iii) umidade relativa, temperatura do ar e velocidade do vento; e (iv) umidade relativa, temperatura do ar, velocidade e direção do vento. Estes foram testados e as probabilidades de acerto para os critérios I, II, III e IV, da previsão do evento, para início (término) são, respectivamente, de 93,2% (91,5%), 93,2% (93,7%), 88,1% (88,7%) e 90% (87,5%). As previsões possuem uma leve tendência a atrasar o início e adiantar o término do nevoeiro.

Referências

Croft, P.J. & Ward B. 2015. Clouds and Fog: Encyclopedia of Atmospheric Sciences. Cambridge, Academic Press, 2998p.

França, G.B.; Carmo, L.F.R.; Almeida, M.V. & Neto, F.L.A. 2018. Fog at the Guarulhos International Airport from 1951 to 2015. Journal of Pure and Applied Geophysics, 176: 2191-2202.

Goswami, P. & Sarkar, S. 2017. An analogue dynamical model for forecasting fog-induced visibility: validation over Delhi. Meteorological Applications, 24: 360–375.

Goswami, P. & Tyagi, A. 2007. Advance forecasting of onset, duration and hourly fog intensity over Delhi. Research Report RR CM 0714, 27p.

Gultepe, I. 2006. A New Visibility Parameterization for Warm-Fog Applications in Numerical Weather Prediction Models. Journal of Applied Meteorological and Climatological, 45(11): 1469–1480.

Gultepe, I.; Heymsfield, A.J.; Field, P.R. & Axisa, D. 2017a. Ice-phase precipitation. Meteorological Monographs, 58: 6.1–6.36.

Gultepe, I.; Heymsfield, A.J.; Gallagher, M.; Ickes, L. & Baumgardner, D. 2017b. Ice fog: The current state of knowledge and future challenges. Meteorological Monographs, 58: 4.1–4.24.

Gultepe, I.; Sharman, R.; Williams, P.; Zhou, B.; Ellrod, G.; Minnis, P.; Trier, S.; Griffin, S.; Yum, S.S.; Gharabaghi, B.; Feltz, W.; Temimi, M.; Pu, Z.; Storer, L.N.; Kneringer, P.; Weston, M.J.; Chuang, H-y.; Thobois, L.; Dimri, A.P.; Dietz, S.J.; França, G.B.; Almeida, M.V. & Albuquerque Neto, F.L. 2019. A Review of High Impact Weather for Aviation Meteorology. Journal of Pure and Applied Geophysics, 176: 1869–1921.

Iacono, M.J.; Delamere J.S.; Mlawer, E.; Shepard, M.W.; Clough, S.A. & Collins, W. 2008. Radiative forcing by long-lived greenhouse gases: Calculations with the AER Radiative transfer models. Journal of Geophysical Research, 113(13): D13103.

ICEA. 2019. Instituto de Controle do Espaço Aéreo, 2019. Sistema de Geração e Disponibilização de Informações Aeronáuticas do Instituto de Controle do Espaço Aéreo. Disponível em <http://clima.icea.gov.br/>. Acesso em 23 de fev. de 2020.

INFRAERO. 2019. Empresa Brasileira de Infraestructura Aeroportuária. Anuário Estatístico Operacional da INFRAERO de 2018. Disponível em <http://www4.infraero.gov.br/media/677124/ANUARIO_2018.PDF>. Acesso em 23 de fev. de 2020.

Janjic, Z.I. 1994. The step-mountain eta coordinate model: further developments of the convection, viscous sublayer, and turbulence closure schemes. Monthly Weather Review, 122(5): 927-945.

Kain, J.S. 2004. The Kain–Fritsch Convective Parameterization: An Update. Journal of Applied Meteorology, 43(1): 170–181.

Kessler, E. 1969. On the distribution and continuity of water substance in atmospheric circulation. Meteorological Monographs, 10(32): 1-84.

Mohan, M. & Bhati, S. 2011. Analysis of WRF model performance over subtropical region of Delhi, India. Advances in Meteorology, 2011: 13p.

Naira, C.; Marouane, T.; Michael, W. & Hosni, G. 2017. Sensitivity of the meteorological model WRF/ARW to planetary boundary layer schemes during fog conditions in a coastal arid region. Atmosheric Research, 187: 106–127.

Niu, G.-Y.; Yang, Z.-L., Mitchell, K.E.; Chen, F.; Ek, M.B.; Barlage, M.; Kumar, A.; Manning, K.; Niyogi, D.; Rosero, E.; Tewari, M. & Xia, Y. 2011. The community Noah land surface model with multiparameterization options (Noah-mp): 1. Model description and evaluation with local-scale measurements. Journal of Geophysical Research, 116: D12110.

Oliveira, M.V., 2019. Caracterização e Previsão dos Nevoeiros no Aeródromo SBCT utilizando Inteligência Artificial. Departamento de Meteorologia do Instituto de Geociências, Universidade Federal do Rio de Janeiro, Dissertação de Mestrado, 173p.

Oke, T.R., 1988. The urban energy balance. Progress in Physical Geography, 12: 471-508.

Payra, S. & Mohan, M. 2014. Multirule Based Diagnostic Approach for the Fog Predictions Using WRF Modelling Tool. Advances in Meteorology, 2014: 11p.

Pereira, M.C.M. 2014. Emprego de Redes Neurais Artificiais RBF na Previsão de Nevoeiro no Aeroporto Internacional Afonso Pena. Programa de Pós-graduação em Métodos Numéricos em Engenharia, Universidade Federal do Paraná, Dissertação de Mestrado, 109p.

Pithani, P.; Ghude, S.D.; Prabhakaran, T.; Karipot, A.; Hazra, A.; Kulkarni, R.; Chowdhuri, S.; Resmi, E.A.; Konwar, M.; Murugavel, P.; Safai, P.D.; Chate, D.M.; Chate, D.M.; Tiwari, Y.; Jenamani, R.K. & Rajeevan, M. 2018. WRF model sensitivity to choice of PBL and microphysics parameterization for an advection fog event at Barkachha, rural site in the Indo-Gangetic basin, India. Theoretical and Applied Climatology, 136: 1099-1113.

Skamarock, W.C.; Klemp, J.B.; Dudhia, J; Gill, D.O.; Liu Z.; Berner, J.; Wang, W.; Powers, J.G.; Duda, M.G.; Barker, D.M. & X.-Y. Huang. 2019. A Description of the Advanced Research WRF Version 4. NCAR Tech. Note, 145p.

Varejão-Silva, M.A. 2006. Meteorologia e Climatologia. Versão digital. Recife, Pernambuco, Brazil, 522p.

WMO. 1992. Vocabulário Meteorológico Internacional. Organização Meteorológica Mundial, Genebra, 802p.

Yang, Y.; Shi, T.; Tang, W.A.; Wu, B.W.; Xun, S.P. & Zhang, H.Q. 2011. Study of Observational Environment of Meteorological Station Based on Remote Sensing: Cases in six stations of Anhui province. Remote Sensing Technology and Application, 26 (6): 791-797.

Downloads

Arquivos adicionais

Publicado

2020-12-18

Edição

v. 43 n. 4 (2020)

Seção

Artigos

Licença

Os artigos publicados nesta revista se encontram sob a llicença Creative Commons — Atribuição 4.0 Internacional — CC BY 4.0, que permite o uso, distribuição e reprodução em qualquer meio, contanto que o trabalho original seja devidamente citado.