UNIVERSIDADE FEDERAL FLUMINENSE

ESCOLA DE ENGENHARIA

PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE

BIOSSISTEMAS

LUTHIENE ALVES DALANHESE

CLIMATOLOGIA DE ONDAS NO ATLÂNTICO SUL COM BASE EM

OBSERVAÇÕES DO PROGRAMA PNBOIA E DADOS REANALISADOS DO

MODELO WAVEWATCH III

Niterói-RJ

2017

LUTHIENE ALVES DALANHESE

CLIMATOLOGIA DE ONDAS NO ATLÂNTICO SUL COM BASE EM

OBSERVAÇÕES DO PROGRAMA PNBOIA E DADOS REANALISADOS DO

MODELO WAVEWATCH III

Dissertação apresentada ao Curso de

Mestrado em Engenharia de Biossistemas

da Universidade Federal Fluminense, como

requisito parcial a obtenção do título de

Mestre em Engenharia de Biossistemas.

Área de concentração Recursos Naturais e

Ambiente. Linha de Pesquisa: Meteorologia

e Mudanças Climáticas.

ORIENTADOR: DR. ANDRE LUIZ BELEM, DR.RER.NAT.

Niterói, RJ

2017

Opte por aquilo que faz o seu coração vibrar... apesar de todas as consequências.

Osho

AGRADECIMENTOS

À família que escolhi para trilhar meu caminho nesta Terra, e em especial ao Vitor pela

paciência, carinho e eterno cuidado comigo. Por acreditar em mim e se orgulhar de

cada conquista minha. Sem teu suporte, eu não teria o espaço que tenho para florescer.

Sempre!

A minha família, por me mostrarem que trabalho duro, o esforço e a dedicação,

principalmente em relação ao que amamos, vale a pena. Por se orgulharem de mim e se

manterem ao meu lado, mesmo nos momentos em que julguei não merecer. Por serem

meus exemplos e por me amarem incondicionalmente.

As minhas amoras Natalia, Danielle e Carol. Vocês tornam esse ser ogro em um ser

ogro fofo. Obrigada por manterem a minha sanidade – a maioria das vezes. Obrigada

por acreditarem em mim. Por me perdoarem pelas ausências (seu aniversário cai num

dia nada estratégico Dani) e por me amarem incondicionalmente. Por nada mudar,

mesmo eu estando tanto tempo longe.

A amiga Caíssa Perucci, que me torturou ao me fazer ir para a estufa no verão medir

Ipecas para nada. Ao me acalmar, e me manter sã, pela amizade e carinho sem igual.

Por ser um presente nesse mestrado.

Aos amigos: Thiago e Yuri pela companhia sem igual e amizade. Pela lealdade e

companheirismo. Por me fazer rir. Pelo café e chocolates.

A Yaci que chegou chegando na minha vida, marcando território e ocupando todo o

espaço. Fonte de chocolate, café e coerência. Músicas ótimas e melhores risadas!

Obrigada.

A Thais, pelas horas de trabalho que nos uniram, por compartilhar comida e bom gosto

musical. Por aceitar meus memes ruins e piadas horríveis.

À Marinha do Brasil e a todos no CHM-11 em especial a Tenente Vanessa e ao Capitão

- Tenente Tobias pelo auxílio na obtenção de dados e informações fundamentais para a

realização deste trabalho.

Ao Luciano, por sempre ter sido um exemplo do tipo de pessoa e profissional que quero

ser. Por ter sido meu mestre e hoje ser meu amigo. Por ter acreditado em mim. Por

você, Jaqueline e Gabriel serem família. Lu, Jaqueline e Biel, “tmj” sempre!

Ao André, vulgo querido mestre, por acreditar no meu potencial. Por me mostrar um

mundo novo, por ser meu exemplo. Por me ensinar sempre. Por estar ao meu lado

mesmo quando falho. Por ser paciente. Ser professor e ser amigo. Te admiro muito.

E ao querido café. Sem você, nada seria.

“Quando preciso for, tu serás a minha, assim como eu a sua. Asas. Que nos levam ao

futuro, nos atrelam ao presente, e nos fazem compreender o passado. A você. ”

“Continue a nadar, continue a nadar... Para achar a solução, continue a nadar.”

Dory

RESUMO

Regiões costeiras são ambientes naturalmente dinâmicos e capazes de constante

adaptação em resposta às forçantes naturais do clima, mas ainda assim condicionadas às

intervenções humanas, principalmente na fronteira mar-terra. A intensidade dos ventos

geradores de tempestades e ondas de superfície em mar totalmente desenvolvido pode

interagir de forma perigosa na propagação de energia e na frequência de ressacas na

costa, com consequências ambientais e socioeconômicas. Neste trabalho, dados de

hindcast do modelo Wavewatch III para a região do Atlântico Sudoeste (denominada de

METAREA V) foram correlacionados com observações diretas de boias oceanográficas

do programa PNBOIA (Marinha do Brasil), em especial aquelas instaladas nas áreas

Alfa, Bravo, Charlie e Delta, abrangendo o Sul e Sudeste da costa brasileira, de forma a

verificar estatisticamente a correlação entre o campo de ondas observado e o modelado.

Com base nos resultados calibrados, as ocorrências de ondas mais altas foram então

correlacionadas com os avisos de mar grosso e ressacas das áreas acima delimitadas,

entre 2003 e 2017, disponibilizados pelo Centro de Hidrografia da Marinha (CHM). A

frequência e intensidade dos eventos, tanto modelados quando observados, bem como

sua correlação com os avisos emitidos, foram estudadas. Os resultados indicaram que

apesar de a variabilidade natural do padrão de ondas de mar grosso e ressacas não ter

aumentado de forma expressiva nos 14 anos analisados, a frequência dos avisos variou

significativamente, indicando uma mudança clara no processo de análise de risco por

parte do CHM. A análise dos dados apresentada nos permite ressaltar a necessidade de

cautela quanto ao uso de avisos para gestão de risco, para que os custos gerados a partir

de um equívoco de interpretação entre os riscos previsto e observado não sejam

elevados.

Palavras Chave: Costa brasileira, METAREA V, Ondas, Mar Grosso, Ressaca.

ABSTRACT

Coastal regions are naturally dynamic environments, capable of constant adaptation in

response to the natural forcings of the climate, but still conditioned to human

interventions, especially at the sea-land border. The intensity of winds that generate

storms surges and surface waves at fully developed sea can interact in a dangerous way

in the energy propagation and frequency of storm surges with environmental and

socioeconomic consequences. In this study, hindcast data from the Wavewatch III

model for the Southwest Atlantic region (called METAREA V) were correlated with

direct observations of oceanographic buoys from the PNBOIA program (Brazilian

Navy), especially those located in Alfa, Bravo, Charlie and Delta areas, covering the

South and Southeast of the Brazilian coast, aiming to statistically verify the correlation

between the modeled and the observed wave fields. Based on the calibrated results, the

occurrence of higher waves were then correlated with warnings of rough sea and storm

surges in the areas defined above, between 2003 and 2017, available by the Navy

Hydrographic Center (CHM). The frequency and intensity of both modeled and

observed events, as well as their correlation with the issued warnings, were studied. The

results indicated that although the natural variability of the rough sea wave pattern and

storm surges did not increase expressively in the 14 years analyzed, the frequency of

warnings varied significantly, which is indicative of a clear change in the risk analysis

process by CHM. The analysis of the presented data allows us to emphasize the need for

caution in the use of warnings for risk management, so that the costs generated from an

interpretation misconception between the expected and the observed risks are not high.

Key words: Brazilian coast, METAREA V, waves, rough sea, storm surge.

LISTA DE ILUSTRAÇÕES

Figura 1: Perfil vertical de uma onda idealizada com forma senoidal adaptado de OPEN

UNIVERSITY, 1999. 5

Figura 2: Tipos de ondas de superfície relacionadas as forças geradoras e restauradoras,

os períodos das mesmas e a quantidade relativa de energia associada a cada uma (HZ

por segundo) adaptado DE MUNK, 1950 . 7

Figura 3: Esquema que mostra a geração de ondas pela ação do vento, adaptado de

(Open University 1999). 9

Figura 4: Área de estudo e pontos de localização das boias do PNBOIA, inseridas o nas

áreas de monitoramento da METAREA V, denominadas ALFA, BRAVO, CHARLIE,

DELTA, ECHO e FOXTROT (DHN 2003), os pontos das boias são os mesmos

utilizados para a retirada de dados do modelo WWIII. 15

Figura 5: Áreas onde estão localizadas as diferentes regiões do índice Niño (Dahkman

2009). Fonte: <https://www.climate.gov/news-features/understanding-climate/climate-

variability-oceanic-ni%C3%B1o-index>. 17

Figura 6: Representação de variação de TSM, em períodos de El Niño (globo esquerdo)

e La Niña (globo direito). Nota-se na figura, a variação de temperatura em diversos

pontos, inclusive na costa do Brasil. Adaptado das figuras disponíveis em:

https://www.climate.gov/news-features/understanding-climate/climate-variability-

oceanic-ni%C3%B1o-index. 18

Figura 7: MEI - Índice Multivariado ENOS, disponível em

https://www.esrl.noaa.gov/psd/enso/mei/. 19

Figura 8: Índice Marshal onde está representada a variação do SAM, sendo a curva em

preto ressalta a variação decadal do índice. Tal índice foi produzido com base nos

estudos propostos por Marshall (2003) e disponíveis em

<https://climatedataguide.ucar.edu/climate-data/marshall-southern-annular-mode-sam-

index-station-based>. 20

Figura 9: Boias Axys Technologis Inc. modelo 3-Meters (3M) utilizadas no programa

PNBOIA pela Marinha do Brasil. Na foto, a boia designada para a posição Cabo Frio 2

(Brasil 2017a). 24

Figura 10: Grades utilizadas no modelo WAVEWATCH III e a diferença entre as

grades NWW3 (1997 a 2006) e Multi (2005 a 2017). Círculos vermelhos indicam as

posições das boias do PNBOIA que não foram validadas pelo CHM e as verdes, boias

validadas. A linha azul clara delimita as áreas de monitoramento da METAREA V. 27

Figura 11: Boias utilizadas pelo NCEP para a validação dos dados obtidos pelo modelo

WWIII. O quadro vermelho destaca a área de estudo do presente trabalho. Fonte:

http://polar.ncep.noaa.gov/waves/. 28

Figura 12: Esquema simplificado de suposição de previsão acoplada do CFSRR para

ciclos de 18 horas (9+9 hs) utilizado pelo MMAB, adaptado de Saha et al., 2010. 29

Figura 13: Hs - Altura significativa de onda (m) x Tempo para as posições de Recife,

Porto Seguro, Cabo Frio, Santos, Santa Catarina e Rio Grande. 34

Figura 14: Wave Rose dividido por estações do ano para a posição de Recife. 36

Figura 15: Wave Rose dividido por estações do ano para a posição de Cabo Frio. 37

Figura 16: Wave Rose dividido por estações do ano para a posição de Santos. 38

Figura 17: Wave Rose dividido por estações do ano para a posição de Santa Catarina. 39

Figura 18: Wave Rose dividido por estações do ano para a posição de Rio Grande. 40

Figura 19: Histograma de Frequência em relação a altura significativa de ondas

divididas por estações do ano para a posição de Recife. 41

Figura 20: Histograma de Frequência em relação a altura significativa de ondas

divididas por estações do ano para a posição de Cabo Frio. 42

Figura 21: Histograma de Frequência em relação a altura significativa de ondas

divididas por estações do ano para a posição de Santos. 42

Figura 22: Histograma de Frequência em relação a altura significativa de ondas

divididas por estações do ano para a posição de Santa Catarina. 43

Figura 23: Histograma de Frequência em relação a altura significativa de ondas

divididas por estações do ano para a posição de Rio Grande. 43

Figura 24: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em

relação aos parâmetros de Hs e Dp para a posição de Recife. 44

Figura 25: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em

relação aos parâmetros de Hs e Dp para a posição de Porto Seguro. 45

Figura 26: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em

relação aos parâmetros de Hs e Dp para a posição de Cabo Frio. 45

Figura 27: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em

relação aos parâmetros de Hs e Dp para a posição de Santos. 46

Figura 28: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em

relação aos parâmetros de Hs e Dp para a posição de Santa Catarina. 46

Figura 29: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em

relação aos parâmetros de Hs e Dp para a posição de Rio Grande. 47

Figura 30: Energia de onda acumulada em kw/h para os pontos de grade referentes a

posição de Rio Grande, Santa Catarina e Santos, onde destacam-se o dado original em

azul, e o dado corrigido em vermelho para o período de 1997 até Março de 2017. 52

Figura 31: Avisos de Mau tempo para as condições de Mar Grosso (em azul) e Ressaca

(em vermelho), de 2003 a 2017, para as áreas ALFA, BRAVO, CHARLIE e DELTA. 54

Figura 32: Comparativo entre a quantidade de avisos emitidos pelo CHM para as

condições de Mar Grosso e Ressaca para as áreas Alva, Bravo, Charlie e Delta. 55

Figura 33: Coeficiente de correlação mensal para a posição de Rio Grande. 67

LISTA DE QUADROS

Quadro 1: Quadro comparativo com a área aproximada em Quilômetros (Km²) e Milhas

náuticas (mn²), além de quantos pontos de grade NWW3 e Multi_1 do Wavewatch III

estão definidos para cada sessão da METAREA V. 22

Quadro 2: Posição das boias do PNBOIA na METARIA V e seus períodos de atuação.

Perceba que as boias utilizadas no presente trabalho estão marcadas em cinza. Fonte:

http://www.goosbrasil.org. 23

Quadro 3: Quadro descritivo com os parâmetros contidos nos GRIBS disponibilizados

pelo modelo WAVEWATCH III. 30

Quadro 4: Identificador do indicador e nome do teste. Fonte: Marinha do Brasil. 31

Quadro 5: Identificador do indicador e nome do teste aplicado. Fonte: Marinha do

Brasil. 31

Quadro 6: Quadro descritivo com o número total de dados obtidos e de dados

aproveitados após a exclusão daqueles com o indicador 4. As boias destacadas em cinza

foram descartadas. Fonte: http://www.goosbrasil.org. 32

Quadro 7: Coeficiente de correlação geral entre a altura significativa - Hs - da onda para

os pontos onde estão as boias do PNBOIA, onde são identificados o coeficiente de

correlação geral e quantidades de dados observados, além de a e b que descrevem a reta

linear. 47

Quadro 8: Coeficiente de correlação mensal por boias e quantidades de dados

observados para cada mês. 49

Quadro 9: Coeficientes da equação que descreve a função reta (regressão linear) para

cada localidade. Estão dispostos os coeficientes da reta a e b. 50

LISTA DE ABREVIATURAS ATLAS – Autonomous Temperature Line Acquisition System

CFSR – Climate Forecast System Reanalysis

CHM – Centro de Hidrografia da Marinha

DHN – Diretoria de Hidrografia e Navegação

ENOS – El Niño Oscilação Sul

GOOS – Global Ocean Observing System

GRIB – Gradeded Binary

IOS – Índice de Oscilação do Sul

NaN – Not a number

NCAR – National Center for Atmospheric Research

NCEP – National Center for Environmental Prediction

NOAA – National Oceanic and Atmosphere Administration

PNBOIA – Programa Nacional de Boias

SAM – Southern Annular Mode / Modo Anular Sul

UFF – Universidade Federal Fluminense

UFRJ – Universidade Federal do Rio de Janeiro

WWIII – Wavewatch III

LISTA DE SÍMBOLOS

� – Altura da onda

� – Altura significativa de onda

! – Comprimento da onda

λ – Comprimento da onda

" – Período

"# – Período de pico

$ – Frequência

�% – Hertz

&$ – Celeridade

' – Profundidade de oceano

'# – Direção de onda

( – Gravidade

) – Número de onda

* - Sigma

+ - Pi

γ – Parâmetro de Phillips para crescimento linear de ondas

P – Fluxo de energia por onda

,- – Densidade da água

�./ – Altura significativa da onda

"0 – Período de onda médio

ρ – Densidade da água

E – Densidade de energia

( – Aceleração por gravidade

J – Joule

m² - Metros quadrados

&( – Velocidade de grupo

m – Metros

s – Segundos

mm – Milímetros

2 - Profundidade da água

3 - Aproximadamente

r – Correlação linear

km² – Quilômetros quadrados

mn² – Milhas náuticas quadrados

kw/m² - Kilowatts por metro quadrado

SUMÁRIO

1 INTRODUÇÃO 1

2 OBJETIVOS 3

3 FUNDAMENTAÇÃO TEÓRICA 4

ONDAS OCEÂNICAS GERADAS PELO VENTO 4

PROPAGAÇÃO DA ENERGIA DE ONDAS NO OCEANO 11

ASPECTOS REGIONAIS DO ATLÂNTICO SUL E A METAREA V 13

CONTEXTO CLIMÁTICO NA METAREA V 15

4 MATERIAIS E MÉTODOS 21

AVISOS DE MAU TEMPO 21

PROGRAMA NACIONAL DE BOIAS - PNBOIA 22

O MODELO WAVEWATCH III DO MMAB/NCEP 25

LEVANTAMENTO E PROCESSAMENTO DE DADOS 30

5 RESULTADOS E DISCUSSOES 32

5.1 CALIBRAÇÃO E VALIDAÇÃO DOS DADOS UTILIZADOS 33

5.1.1 ALTURA SIGNIFICATIVA DE ONDA PARA OS DADOS DO PNBOIA. 33

5.1.2 DISTRIBUIÇÃO DA DIREÇÃO DAS ONDAS PELAS ESTAÇÕES DO ANO PARA OS DADOS

DO PNBOIA. 35

5.1.3 HISTOGRAMA DE FREQUÊNCIA DISTRIBUIDO PELAS ESTAÇÕES DO ANO PARA OS

DADOS DO PNBOIA. 40

5.1.4 CORRELAÇÃO ENTRE OS DADOS DO PNBOIA E WWIII PARA OS PARÂMETROS DE

ALTURA SIGNIFICATIVA E DIREÇÃO DO ÂNGULO DE ONDA 44

AVALIAÇÃO TEMPORAL DOS AVISOS DE MAU TEMPO 53

6 CONCLUSÕES 57

7 REFERÊNCIAS BIBLIOGRÁFICAS 59

1

1 INTRODUÇÃO

Regiões costeiras são ambientes naturalmente móveis e dinâmicos e que devem

se adaptar de forma constante em resposta às forçantes naturais como as ondas

oceânicas - sejam elas de gravidade ou de longo período, vento e ciclones, mas também

em resposta as intervenções humanas (BIO et al., 2015). Seu dinamismo está associado

em parte a ocorrência de fenômenos extremos na zona marinha, onde a geração de

tempestades e ventos, resultantes da passagem de ciclones, potencializam o efeito

erosivo de ondas na costa.

A zona costeira do Brasil se estende, em sua porção terrestre, por mais de

8.500 km, abrangendo cerca de quatrocentos municípios englobados em 17 estados, que

permeiam sua costa do Norte equatorial ao Sul temperado do país. Tal área inclui a

faixa marítima formada por mar territorial, que conta com 12 milhas náuticas a partir da

linha da costa. Já a Zona Marinha compreende a plataforma continental marinha e a

Zona Econômica Exclusiva – ZEE - que, no caso do Brasil, alonga-se até 200 milhas da

costa, e tem seu início na região costeira. O órgão responsável pela fiscalização e

monitoramento do mar territorial, zona econômica exclusiva e águas internacionais é a

Marinha do Brasil. Tal região é denominada de METAREA V é a área marítima sob a

responsabilidade brasileira para fins de elaboração e disseminação de previsão do

Tempo e de Avisos de Mau Tempo. A METAREA V é subdividida em: área marítima

costeira composta das subáreas Alfa (A), Bravo (B), Charlie (C), Delta (D), Echo (E),

Foxtrot (F), Golf (G) e Hotel (H) e área oceânica composta das subáreas Sul Oceânica

(S) e Norte Oceânica (N). Em suma, a METAREA V conta com cerca de 10 milhões de

km² (BRASIL, 2017c), sendo a área Sul Oceânica o foco principal de estudo do

presente trabalho.

A Marinha do Brasil é responsável pelo monitoramento das condições de

tempo e mar, além da disseminação de avisos sobre tais condições na METAREA V. As

condições de tempo no leito oceânico podem colaborar para a desenvolvimento de

tempestades e ventos, e formação de ondas superficiais de gravidade geradas pelo vento.

Conforme a intensidade de tais condições rigorosas, pode haver a geração de ressacas

no litoral, contribuindo assim com um potencial efeito destrutivo no mesmo

(CANDELLA & SOUZA 2013).

2

Ondas podem ser caracterizadas por uma perturbação oscilatória de uma massa

no espaço e tempo, que se propaga, transportando energia. Quando consideramos ondas

oceânicas, estas contam com diversas forças geradoras, sendo classificadas como ondas

planetárias, de longo período, de gravidade e capilares. Dentre estas, destaca-se no

presente trabalho ondas de gravidade, cuja geração está condicionada pelo vento. Ondas

transportam energia e, dependendo do fator de geração da mesma, seu potencial

deletério pode vir a ser substancial devido ao acúmulo de energia deslocada. A

característica de ondas geradas por vento é dependente da intensidade e duração, além

da pista de ação do vento (PIANCA et al., 2010). A energia transportada pela onda tem

sua dissipação atrelada à altura e velocidade da onda, além da ação – contínua ou não –

das forças geradoras que atuam sobre a onda, podendo assim percorrer longas distâncias

sem perder seu potencial destrutivo ao chegar a costa.

Em mar aberto, eventos extremos como o acontecimento de tempestades e

ressacas tem efeitos destrutivos, podendo afetar a produção e transporte de recursos

minerais e/ou exploração dos recursos pesqueiros. Do ponto de vista físico, eventos

extremos são aqueles onde um padrão de clima extremo permanece por algum tempo, e

será classificado como evento extremo climático quando produz uma média ou total de

eventos intensos durante esse período, como seca ou chuvas. Do ponto de vista social,

eventos extremos são aqueles que promovem impactos extremos como mortes,

desabrigados e/ou danos materiais (ALLEN et al. 2012). Quando tais eventos geram

tempestades, estas influenciam na formação de ondas e propagação da energia das

mesmas pelo leito oceânico e quando chegam à zona costeira, contribuem para a

geração de mar grosso e/ou ressaca.

Geralmente são noticiados eventos extremos, quando estes resultam em perda

de vidas e/ou de patrimônio, afetando também produção e transporte de recursos

minerais e/ou exploração dos recursos pesqueiros. Desta forma, o estudo das interações

climáticas e os efeitos deletérios de eventos extremos faz-se cada vez mais necessários

para que então possamos ter uma maior compreensão dos acontecimentos relacionados

a eles (INNOCENTINI & CAETANO NETO, 1996; CANDELLA, 1997).

Fenômenos climáticos de interação oceano-atmosfera como o El Niño, La Niña

e Modo Anular Sul (SAM) são aspectos também destacados quando se fala de efeitos

destes nas ondas oceânicas. Estudos como o de Pereira & Klumb-Oliveira (2015)

3

realizam a associação de eventos extremos com a climatologia de ondas para o Brasil,

porém são poucos os estudos realizados para a área.

Para a realização do estudo e análise da climatologia de ondas são necessários

a utilização de plataformas que realizem a avaliação das condições de mar e

comportamento das ondas oceânicas geradas por vento. Podem ser utilizados para tal,

dados originados de diversas plataformas como: boias oceanográficas, satélites,

modelos numéricos, entre outros.

No Brasil, dentre serviços realizados pela Marinha do Brasil para o

monitoramento da região costeira, destacam-se os Avisos de Mau Tempo, que emite

avisos sobre condições adversas, tanto oceânicas quanto para a costa. Além deste,

destaca-se também o Programa Nacional de Boias (PNBOIA), um programa que conta

com uma rede de boias fixas, que coletam dados observacionais meteoceanográficos.

O comportamento natural do tempo e ondas em áreas oceânicas é um assunto

que requer grande atenção em países com vasta faixa costeira, como é o caso do Brasil.

Embora o programa PNBOIA realize a coleta de dados observacionais de forma

satisfatória, os dados obtidos não possuem uma resolução espacial ampla. Desta forma,

são necessários dados com uma vasta cobertura espacial, dados estes provenientes do

modelo Wavewatch III da NOAA/NCEP – National Oceanic and Atmospheric

Administration/National Center For Environmental Prediction.

2 OBJETIVOS

O presente trabalho tem por objetivo principal caracterizar o comportamento de

ondas oceânicas geradas pelo vento na METAREA V, no setor sul ocidental do Oceano

Atlântico, com base em dados de hindcast obtidos pelo modelo Wavewatch III,

validados com dados observacionais provenientes do Programa Nacional de Boias

(PNBOIA).

Além desta caracterização, este trabalho objetiva a criação de um campo

climatológico mensal calibrado dos parâmetros de onda para a região de estudo, bem

como a análise temporal da variabilidade dos parâmetros de onda, correlacionando com

índices climáticos regionais.

De forma específica, o presente trabalho busca:

4

§ Gerar um protocolo para calibração de dados de onda (altura, direção e

período) gerados pelo modelo Wavewatch III para a costa brasileira (oceano Atlântico

Sul Ocidental), utilizando dados medidos in situ por boias oceanográficas pertencentes

ao programa PNBOIA da Marinha do Brasil.

§ Criar uma climatologia para os dados de altura significativa, direção e

período de ondas para METAREA V.

§ Avaliar se houve um acréscimo real em relação aos acontecimentos de

eventos extremos como mar grosso e ressaca ao longo do período observado para a

METAREA V.

§ Analisar a influência de fenômenos climáticos (El Niño, La Niña e SAM)

em acontecimentos de eventos extremos de onda para a METAREA V.

3 FUNDAMENTAÇÃO TEÓRICA

ONDAS OCEÂNICAS GERADAS PELO VENTO

As ondas na superfície oceânica estão entre as visões mais impressionante que

a natureza pode ofertar, podendo variar entre movimentos caóticos provenientes de um

ciclone ou tempestade, a um suave marulho na costa de uma praia, onde pode ser

observado que sua altura, comprimento e período não são uniformes. O oceano está

constantemente sujeito a forçantes, tais como a força gravitacional exercida pela Terra e

por outros corpos celestes (Lua e o Sol), de gradiente de pressão desempenhado pela

atmosfera, os maremotos, a força de Coriolis (devido a rotação da Terra) e a tensão

superficial, as quais provocam ondulações na superfície do mar. As ondas são

produzidas pela força motriz dos movimentos terrestres, forças astronômicas e força dos

ventos. Tais ondas são criadas pela energia que passa através da água fazendo com que

esta movimente-se de forma circular. Pode-se afirmar então que ondas transmitem

energia, e caso não haja obstrução, elas têm o potencial de viajar por longas distâncias

em uma bacia oceânica (ANDREWS & MCINTYRE, 1976; STEWART, 2003;

HOLTHUIJSEN, 2007).

Pode-se caracterizar as ondas oceânicas como flutuações do nível da água

acompanhadas por corrente local, aceleração e variações na pressão próxima à

superfície. Considerando uma onda idealizada, cuja forma é senoidal, como ilustrada na

Figura 1, definem-se as seguintes propriedades para caracterizá-la: o ponto mais elevado

5

da onda é a crista e o mais baixo, entre duas ondas, é a cava – ou cavado – da onda. A

distância vertical entre o topo de uma crista e o cavado da outra onda corresponde à

altura da onda (�) e a distância horizontal entre qualquer ponto de uma onda e o ponto

correspondente da outra, seja tal ponto duas cristas (ou cavados) sucessivas é chamada

de comprimento de onda ( , ou λ). A inclinação ou esbeltez da onda, em inglês

chamado de wave steepness, é definido como a razão entre a altura da onda e seu

comprimento (�/ ). O nível basal do mar é caracterizado como o nível médio do mar

na ausência de ondas. O intervalo de tempo entre duas cristas (ou cavados) passando por

um ponto fixo no espaço, ou seja, o tempo em que a fonte gera um ciclo de subida e um

de descida é chamado de período (!) e o inverso desse período, ou seja, número de

oscilações completas (ciclos) geradas por unidade de tempo é denominado de

frequência (") e é medido em hertz (�#). A velocidade de uma onda (velocidade de fase

ou celeridade) está associada ao tempo que um comprimento de onda leva para passar

por um ponto fixo do espaço. Sendo assim, pode-se definir esta velocidade como $" &

/!. Em águas profundas, isto é, quando a profundidade do oceano (') é muito

superior à metade do comprimento de onda (' ≫ /2), a velocidade da onda é

computada por $" & ) !/2*. Pode-se definir também o número de onda (+) dado pela

relação + & 2 */ e a frequência angular , & 2 * " (OPEN UNIVERSITY, 1999).

Figura 1: Perfil vertical de uma onda idealizada com forma senoidal adaptado de OPEN UNIVERSITY, 1999.

Ondas oceânicas, também chamadas de ondas de vento ou ondas de superfície,

são criadas pelo atrito entre o vento e a água superficial. O vento flui através da

6

superfície do oceano ou lago, a perturbação contínua cria uma crista de onda. Uma vez

gerada, tais ondas viajam mantendo sua trajetória, mesmo o vento não sendo uma

forçante constante sobre elas. Estes tipos de ondas são encontrados globalmente através

do mar aberto e ao longo da costa (HOLTHUIJSEN, 2007; FERNANDES et al., 2015).

Dentre os tipos de ondas superficiais existente, destacam-se: ondas capilares,

planetárias, de maré, e de longo período. As ondas capilares contam com a tensão

superficial como principal força restauradora apresentando um comprimento menor que

1,7 cm e periocidade frequente. Já as ondas planetárias ou ondas de Rossby são

caracterizadas por movimentos oscilatórios de longo período e grande escala induzidos

por variações da rotação planetária devido a mudanças de profundidade ou latitude. As

ondas de maré – associadas à atração gravitacional que o Sol e a Lua exercem sobre o

planeta e, ondas de longo período – geradas por forçantes atmosféricas e

acontecimentos climáticos, como tempestades, ciclones, terremotos, ondas de gravidade

e capilares, onde o vento age como força geradora e a gravidade como força

restauradora - (ANDREWS & MCINTYRE, 1976; LEBLOND & MYSAK, 1979;

PEDLOWSKY & MILES, 2004; FERNANDES et al., 2015).

A maioria das ondas que atingem a costa é gerada por zonas de alta pressão

atmosférica, no meio dos oceanos, propagando-se a partir daí em direção aos

continentes não como transporte de massa pela onda, e sim transporte de energia. Na

Figura 2 pode-se observar um esquema onde os diversos tipos de onda citados são

relacionados as suas forças geradoras, entretanto, é preciso salientar que o presente

trabalho tem como foco ondas de longo período, geradas pelo vento em águas

profundas.

7

Figura 2: Tipos de ondas de superfície relacionadas as forças geradoras e restauradoras, os períodos das mesmas e

a quantidade relativa de energia associada a cada uma (HZ por segundo) adaptado DE MUNK, 1950 .

A geração e o desenvolvimento das ondas em águas profundas estão associados

aos seguintes processos: energia recebida pelo vento, flutuações de pressão próximas a

superfície do mar, interações não lineares, dissipação, interação onda e turbulência

oceânica, entre outros (HOLTHUIJSEN, 2007). Considerando um mar totalmente liso e

sem nenhuma alteração em sua superfície onde comece a atuar um vento em constante

velocidade, identificam-se três diferentes processos físicos: o vento, a atuação contínua

do mesmo e a interação não linear das ondas.

O vento, quando atuante como fonte de energia no primeiro estágio de geração

de ondas, gera pequenas turbulências produzindo flutuações aleatórias da pressão sobre

a superfície do mar, originando desta forma, pequenas ondas de forma quase regular

com comprimentos de ondas de alguns centímetros conhecidas como ondas capilares,

cuja forca restauradora é a tensão superficial (PHILLIPS, 1957; MASSEL, 1996). A

atuação contínua do vento faz com que a onda cresça, num processo considerado

instável, já que a medida com que esta cresce a diferença de pressão aumenta,

acelerando assim o processo de crescimento da onda. Tal instabilidade, faz com que o

crescimento da onda seja exponencial (MILES, 1957; PEDLOWSKY & MILES, 2004).

A transferência de energia entre as ondas, isto é, de uma componente de onda para outra

por ressonância, promove uma interação não-linear, intensificando desta forma o

crescimento das ondas em aguas profundas (HOLTHUIJSEN, 2007). Desta forma

8

transferem energia das ondas curtas, geradas pelo mecanismo proposto por Miles

(1957), para as ondas com frequências levemente menores do que a frequência de pico

do espectro de ondas.

Tal transferência, eventualmente, irá acarretar em ondas que viajam mais

rapidamente que o vento. Próxima à zona de geração, a energia do vento transferida

para as ondas origina ondas de diferentes períodos ou de frequências (YOUNG, 1999).

Inicialmente, as cristas das ondas são pouco definidas e menores, e as ondas viajam em

uma faixa de direções ao redor da direção dominante do vento. As alturas e os períodos

médios crescem à medida que elas se propagam através da área de geração. Após

deixarem a área de geração, as ondas se aproximam mais das ondas de pequena

amplitude, que não variam com o tempo e o espaço. Suas cristas se tornam mais longas

e mais facilmente discernidas, e elas continuam a perder alguma energia devido à

fricção interna e superficial. Tal perda sendo ainda mais expressiva pelo fato de o

espalhamento angular causar uma redução na densidade de energia da onda. Desta

forma, a dispersão da onda ocorre devido às diferenças na velocidade de grupo da onda,

ou seja, ondas de maior comprimento de onda e menor frequência propagam-se na

frente do corpo principal das ondas, e ondas menores com maior frequência atrás destas

(SORENSEN, 1993).

As características das ondas geradas pelo vento e seu desenvolvimento são

regulados por fatores como a velocidade do vento, o fetch e a duração do vento, e

também, a profundidade da água. Fetch – em português chamado de pista de vento -

pode ser definida como a distância sobre a qual o vento escoa sem uma mudança

significativa de direção, e duração pode ser definido como quanto tempo flui o vento.

Os limites superiores de altura da onda e comprimento de onda serão determinados pela

pista de vento ilimitada e duração, além da velocidade do vento. A profundidade da

água geralmente é desconsiderada quando se discute como as ondas se formam em

águas profundas, onde não há restrições ao crescimento baseado na profundidade já que,

em tese, não haverá interação com o fundo oceânico (MASSEL, 1996; YOUNG, 1999).

9

Figura 3: Esquema que mostra a geração de ondas pela ação do vento, adaptado de (Open University 1999).

A visão do oceano como totalmente liso pode se considerar como algo

relativamente raro, pois as ondulações sempre estão presentes em sua superfície. Tais

ondulações são chamadas de ondas capilares formando-se dentro de alguns segundos

após o vento começar a escoar e dissipam-se quando o mesmo cessa. Este tipo de onda

está quase sempre presente e é resultado do esforço de cisalhamento superficial

acionado pelo vento em conjunto com a instabilidade hidrodinâmica. Ou seja, ao fluir, o

vento gera pequenos turbilhões atmosféricos muito próximos à interface ar-mar, e estes

geram flutuações locais de pressão que perturbam a superfície da água, gerando

ondulações (MASSEL, 1996). Ondas capilares são definidas por seu comprimento de

onda, que não chega a ultrapassar a altura de <1,7 mm, tendo como base para calcular

sua forma a fórmula:

λ & 2π01 34)⁄

(1)

Onde: de acordo com o proposto por Knauss em 2005, γ representa a tensão superficial

e 36 a densidade da água.

A aparente rugosidade da superfície do mar pode ser parcialmente atribuída a essas

ondas muito pequenas, muitas vezes sobrepostas às ondas gravitacionais movidas pelo

10

vento. As ondulações continuam a crescer pela forçante direta do vento. Uma tensão de

cisalhamento é exercida na mesma direção do escoamento do vento sobre a onda,

induzindo um diferencial de pressão. Tal crescimento não linear pode ocorrer a partir de

ondas pequenas, originando desta forma, ondas maiores. O aumento da transferência de

energia do vento para a superfície da água expande as órbitas circulares das partículas

de água na direção do vento, resultando no crescimento da onda. As ondas de vento

(gravidade) são formadas quando o comprimento de onda excede 1,7 mm e serão

classificadas de acordo com o seu período e estes podem variar de aproximadamente 3 a

25 s (RESIO et al., 2002). Em geral o mar cresce, indo de ondas curtas e com altas

frequências para ondas maiores, porém com baixa frequência.

O vento e as ondas são fortemente acoplados. Em ventos que variem de

moderados a fortes, as ondas são irregulares, com comprimentos de onda, períodos e

direções diferentes e tem o potencial de evoluir rapidamente, na maioria dos casos,

devido à interferência com outras ondas geradas pelo vento. O termo ‘wind-sea’, em

português chamado de “vagas” foi criado para descrever ondas que ainda estão

crescendo ou sendo sustentadas pelo vento. Vagas não apresentam comprimento de

onda ou período consistente. No entanto, as ondas "dominantes" podem ser observadas

com um comprimento de onda e aceleração médios. Em contraste com o marulho –

caracterizado como ondas de gravidade livre – as vagas e as ondas dominantes muitas

vezes propagam-se em direções diferentes às do vento (CSANADY, 2001).

O marulho é o termo usado para descrever ondas que não estão crescendo ou

sendo sustentadas pelo vento, mesmo tendo sido gerada por ele a alguma distância, e

agora, se propagam livremente. É caracterizada por alturas de onda semelhantes, que se

movem em uma direção uniforme, direção esta que pode não alinhar com o vento e uma

decadência muito mais lenta do que ondas nas vagas. (CSANADY, 2001; GARRISON,

2015).

O termo estado do mar é uma descrição das propriedades das ondas da

superfície do oceano a um dado momento e local e pode ser classificado como “mar

totalmente desenvolvido”, onde tal classificação é limitada e dependente da pista de

vento e duração da pista. Caso o vento escoe a partir de uma direção relativamente

constante em uma distância e por um período de tempo suficientemente grandes, as

ondas serão capazes de se desenvolver completamente. Ondas no mar totalmente

desenvolvido não podem crescer mais, mesmo quando a pista de vento ou duração são

11

mais do que o mínimo exigido para o pleno desenvolvimento e altura da onda, ela estará

em um máximo teórico.

De forma mais especifica, a entrada de energia para as ondas do vento local

está em equilíbrio com a transferência de energia, e com a dissipação de energia por

quebra de onda (estado estacionário). Mares parcialmente desenvolvidos ocorrem

quando a pista ou duração (ou ambos) são limitados; portanto, a quantidade de energia

transmitida para as ondas necessárias para atingir uma condição de mar plenamente

desenvolvido não ocorre. Isto resulta numa gama limitada de comprimentos de onda e

períodos de onda. O estado do mar permanece parcialmente desenvolvido (faixa

limitada de comprimentos de onda e períodos de onda) em condições de ciclone, já que

a velocidade e a direção do vento são altamente variáveis e a pista de vento é limitada

(CSANADY, 2001; RESIO et al., 2002; GARRISON, 2015).

PROPAGAÇÃO DA ENERGIA DE ONDAS NO OCEANO

Como descrito anteriormente, as ondas são geradas pelo vento que se desloca

sobre a superfície oceânica. Enquanto estas se propagam de maneira mais lenta do que a

velocidade do vento logo acima das ondas, há uma transferência de energia do vento

para as ondas. As diferenças entre a pressão do ar entre o vento e a crista da onda, além

de sua fricção sob a superfície faz com que a água entre no estresse de cisalhamento

cause o crescimento das ondas (YOUNG, 1999; PEDLOSKY, 2003; KNAUSS, 2005).

No geral, ondas maiores contem maior quantidade de energia, e a medida que

ela se desloca pelo leito oceânico, transporta tal energia, porém seu transporte está

condicionando a amplitude, comprimento e período da onda. As ondas se propagam na

superfície do oceano e a energia da onda também é transportada horizontalmente com a

velocidade do grupo. A taxa média de transporte da energia da onda através da pista de

vento, paralela a uma crista de onda, é chamada de fluxo de energia da onda.

A energia da onda está relacionada à variação do deslocamento da mesma na

superfície do mar. A equação 2 representa o cálculo de energia deslocada pela onda;

energia essa que é calculada em J/m² (joules por metro quadrado) e é representado por E

e ζ a variação do deslocamento da energia na superfície do mar (STEWART, 2009).

� "#$%�

(2)

12

Em águas profundas, onde a profundidade da água é maior do que a metade do

comprimento de onda, o fluxo de energia da onda é determinado por

! " $%²64& '()� *+ , -0.5 /1

23. 78 '(9� *+ (3)

onde P representa o fluxo de energia da onda por unidade de comprimento da crista de

onda, '() a altura de onda significativa da mesma, *+ o período de onda médio, ρ a

densidade de água e % a aceleração por gravidade.

Num estado desenvolvido de mar, a potência da onda será proporcional ao período de

energia da onda e ao quadrado da altura da mesma, que pode ser descrita como

; " 18 $%'()>� (4)

onde E representa a soma da densidade de energia cinética e potencial por unidade de

área horizontal (KNAUSS, 2005).

A densidade de energia potencial é igual à energia cinética, contribuindo metade para a

densidade de energia da onda E. Em ondas oceânicas, os efeitos da tensão superficial

são insignificantes para os comprimentos de onda. À medida que a propagação da onda

ocorre, sua energia é transportada e a velocidade de tal transporte é a velocidade do

grupo. Como resultado, o fluxo de energia das ondas, é dado por

! " ;?@ (5)

onde A% representa a velocidade do grupo (m/s). Devido à relação de dispersão das

ondas de água sob a ação da gravidade, a velocidade do grupo de ondas depende de seu

comprimento λ, ou, de forma equivalente, no período da onda T. Além disso, a relação

de dispersão é função da profundidade da água h. Como resultado, a velocidade do

grupo se comporta de forma diferente nos limites da água profunda e rasa e em

profundidades intermediárias (YOUNG, 1999; PEDLOSKY, 2003; KNAUSS, 2005).

A partir de uma série de dados de ondas, Holthuijsen (2007) explica que uma

sequência ininterrupta de valores de altura significativa superior a um valor, certamente

13

bastante elevado, precedido e seguido por um valor inferior é definido como ondas

geradas por tempestade.

Segundo Souza & Bulhões (2011, apud PARENTE, 1999) existem

classificações para geração de ondas por vento, sendo elas ondas de Bom Tempo e

ondas de Mau Tempo. Ondas geradas por ventos de direção norte, nordeste e leste são

classificadas como ondas de Bom Tempo. Além desta, também há a classificação de

ondas de Mau Tempo, que conta com fator de geração ventos formados por ciclones

extratropicais, possíveis frentes frias, além de anticiclones extratropicais.

O presente trabalho busca avaliar ondas de Mau Tempo, evidenciando que a

energia transportada por tais ondas tem um potencial amplamente destrutivo ao atingir a

costa, o que justifica a necessidade do estudo da climatologia de ondas para o local.

ASPECTOS REGIONAIS DO ATLÂNTICO SUL E A METAREA V

O oceano Atlântico é o segundo maior oceano em extensão, e efeitos de

variabilidade climática e mesoescala oceânica são amplamente observados em busca de

compreensão de suas implicações no tempo e clima das regiões banhadas por tal

oceano. Entretanto, são poucos os estudos realizados em busca dos efeitos

climatológicos para a região do Atlântico Sul. Pezzi et al., (2016) ressaltam em seu

trabalho a importância do entendimento da variabilidade climática do Atlântico Sul,

pois esta região possui ampla influencia na climatologia das regiões costeiras sul e

sudeste do Brasil devido aos fenômenos atmosféricos que as atinge.

Meteorologicamente falando, tal região é influenciada pelo Anticiclone do

Atlântico Sul, que possui uma condição quase-permanente e semi-estacionária. Tal

cinturão de alta pressão possui evidentes variações ao longo das estações do ano, e tais

variações contribuem na geração de ciclones e anticiclones extratropicais e ventos para

a região, influenciando na climatologia de ondas que atingem a costa (PEZZA &

AMBRIZZI, 2000; SOPPA et al., 2011).

Além disso, a região costeira também sofre influências do cinturão subtropical

de tempestades, próximo ao Oceano Austral. Por se tratar de uma área conflitiva entre

massas de ar tropicais e polares (frontais), são gerados nela centros de baixa pressão que

se desprendem desta região e tomam um caráter migratório em direção às latitudes mais

baixas. O padrão de deslocamento dos centros formados acabam por resultar em

14

gradientes de pressão e formam as típicas frentes frias para a costa da METAREA V

(MENDES et al., 2009; PARISE et al., 2009).

Ao considerarmos o Brasil, cuja área de atuação da Marinha do Brasil se

concentra na METAREA V – que conta com 10 milhões de Km² -, e especialmente as

regiões costeiras do sul e sudeste onde as implicações das passagens de frentes

atmosféricas tendem a ser mais frequentes, o conhecimento acerca da real influência

Oceano Atlântico Sul no tempo e clima é muito importante, principalmente ao

considerarmos a importância dos efeitos costeiros no país e sua influência econômica

para o mesmo.

A área de atuação da marinha é extensa para a costa brasileira, porém, conta

com poucos recursos de captação de dados observacionais, o que dificulta realização de

trabalhos para a área, além de restringi-los em sua grande maioria a análise de dados

resultantes de modelos. Outro fator limitante para os trabalhos realizados em relação a

climatologia de onda para METAREA V é que não existe um sistema de calibração dos

dados oriundos de modelos, o que ressalta a importância da realização do presente

trabalho.

Para a avaliação dos diversos parâmetros de onda avaliados no presente

trabalho, parâmetros esses para altura significativa de onda (Hs), período de onda (Tp) e

direção de onda (Dp), foram selecionados seis pontos interpolados distintos de

cruzamento que se estendem pela área Sul-Sudeste da costa brasileira. Tais pontos

foram escolhidos por coincidirem com as posições geográficas referentes as boias do

programa PNBOIA que estão estrategicamente distribuídas nas 10 sub-regiões oceânica

do METAREA V, cobrindo a porção externa da plataforma continental em

profundidades acerca de 100 m desde a costa do Rio Grande – RS até Recife – PE.

Aquelas posições cujas boias utilizadas foram destacadas como pontos vermelho na

Figura 4 sendo elas: Rio Grande, Santa Catarina, Santos, Cabo Frio, Porto Seguro e

Recife.

As boias se encontram posicionadas na porção externa da plataforma

continental sobre uma coluna d’água de aproximadamente 100 m de distância da linha

de costa. Esta característica se dá pelo fato de que nesta profundidade as ondas geradas

pelo vento e/ou propagadas para estas posições ainda não sofrem influência do arrasto

do fundo marinho (YOUNG, 1999; GOMES, 2003). É importante notar que a medida

que avançam sobre a plataforma em direção a costa, a interação da onda com o fundo

15

causa uma diminuição da velocidade do trem de onda (MEIRELLES & VIOLANTE-

CARVALHO, 2007) e aumento da altura significativa. Sendo assim, o posicionamento

das boias próximos ao fim da plataforma permite que os dados ali coletados tenham

pouca influência da batimetria.

Figura 4: Área de estudo e pontos de localização das boias do PNBOIA, inseridas o nas áreas de

monitoramento da METAREA V, denominadas ALFA, BRAVO, CHARLIE, DELTA, ECHO e FOXTROT

(DHN 2003), os pontos das boias são os mesmos utilizados para a retirada de dados do modelo WWIII.

CONTEXTO CLIMÁTICO NA METAREA V

Fenômenos de onda e vento na região da METAREAV estão de certa forma

sob influência de fenômenos climáticos em mesoescala e globais. Entre os principais

fenômenos estão o ENOS – El Niño Oscilação Sul – e o SAM – Modo Anular Sul. Os

fenômenos ENOS têm teleconexões climáticas globais, e são considerados a

característica mais dominante da variabilidade climática cíclica em escala de tempo sub

decadal (YEH et al., 2009). Sendo assim, o fenômeno ENOS deve ser considerado como

um dos possíveis pontos de inflexão do sistema climático, evidenciando, portanto, a

importância dos estudos relacionados a este fenômeno. Entretanto, o ENOS não é o

único fenômeno que influi na climatologia de ondas oceânicas de um modo geral. O

ENOS pode estar associado a outros fenômenos de conexões oceano-atmosfera, como o

16

SAM que está relacionado a variações de pressão a nível da superfície do mar, como

pode ser observado em trabalhos como os de CARLETON, 2003; L’HEUREUX &

THOMPSON, 2006; FOGT et al., 2011; RODRIGUES et al., 2015; LINDEMANN &

JUSTINO, 2015; e PEZZI et al., 2016.

O fenômeno conhecido como El Niño Oscilação do Sul é um fenômeno que

ocorre naturalmente, envolvendo a variação na pressão do ar entre o Pacífico equatorial

central e leste, ocasionando mudanças na atmosfera. Essa alteração na pressão

atmosférica promove alterações na força e direção de ventos alísios, afetando as

correntes oceânicas. Tal fenômeno tem uma grande influência nos padrões climáticos

em várias partes do mundo, manifestando-se nas flutuações das chuvas, ventos,

correntes oceânicas e temperatura da superfície do mar (TSM) dos oceanos tropicais e

do Oceano Pacífico em particular (FRAEDRICH & MULLER 1992; TOMCZAK &

GODFREY 2003).

A caracterização do ENOS é determinada através do índice de Oscilação Sul

(IOS), e tal índice é calculado através da diferença de pressão atmosférica entre duas

distintas regiões: Taiti (Pacífico Central) e Darwin (Oeste do Pacífico). Embora Taiti e

Darwin estejam localizados mais ao Sul do Equador e o fenômeno ENOS se concentrar

mais próximo ao Equador, seus registros de pressão atmosférica ao nível do mar

abrangem um maior período de tempo, desta forma, o índice Taiti-Darwin foi utilizado

para representar o estado ENOS em uma série de estudos de referência que o relaciona

com seus efeitos climáticos globais (ROPELEWSKI & HALPERT, 1987; 1989; 1992;

FRAEDRICH & MULLER, 1992).

O rompante de vento de oeste no Oceano Pacífico ocidental, ou seja, as

reversões do padrão geral no trem de ventos, são os ingredientes necessários do

processo de inicio para um evento ENOS. Os ventos no Oceano Pacífico ocidental

equatorial geralmente são muito fracos, porém ocasionalmente, ocorre um impulso de

ventos de oeste. Reversões de vento no Oeste são importantes para a configuração em

movimentos do trem ondas características para a região equatorial. Eles literalmente

direcionam a água da superfície para o Leste ao longo do equador, alterando assim tanto

o comportamento ciclônico quanto as condições de TMS (RASMUSSON &

CARPENTER, 1982; WOLTER, 1987; WEBSTER & YANG, 1992; TORRENCE &

WEBSTER, 1999; TOMCZAK & GODFREY, 2003).

17

O monitoramento atual utiliza índices baseados na medição da TSM nomeadas

de Niño (Niño 1+2, Niño 3, Niño 3.4 e Niño 4), que são as anomalias de TSM

monitoradas em diferentes regiões do Pacífico Equatorial: Indonésia e Leste do pacífico,

como destacado na Figura 5. Atualmente, utilizamos os dados indexados de Niño 3.4

(região entre Niño 3 e 4) – dados estes que mostram uma variação de temperatura média

em 0,5º C – pois este foi identificado como o mais representativo ENOS e sua anomalia

de TSM reflete nos índices de anomalia salientados no IOS. Quando a anomalia de

temperatura é positiva (com IOS negativo) é chamado de El Niño, quando tal anomalia

tem valor negativo (com IOS positivo) é chamado de La Niña. O fenômeno, para ser

caracterizado como ENOS tende a perdurar por pelo menos três meses consecutivos.

(WOLTER 1987; WOLTER & TIMLIN 1993).

Figura 5: Áreas onde estão localizadas as diferentes regiões do índice Niño (Dahkman 2009). Fonte:

<https://www.climate.gov/news-features/understanding-climate/climate-variability-oceanic-ni%C3%B1o-index>.

O ENOS abrange três diferentes fases: El Niño, La Niña e neutra. El Niño é

caracterizado por águas anormalmente aquecidas (Figura 6). Seus episódios usualmente

têm início em meados do ano com uma alteração positiva em termos de TSM em grande

escala no Oceano Pacífico equatorial central e leste e alterações na circulação

atmosférica tropical (pressão e precipitação). Geralmente, o El Niño atinge um pico

durante o período de novembro a janeiro e sua temperatura tende a decrescer no

primeiro semestre do ano seguinte. Tem ocorrência entre períodos de dois a sete anos e

pode durar até 18 meses. Eventos El Niño fortes e moderados têm um efeito de

aquecimento na temperatura média global da superfície.

18

Figura 6: Representação de variação de TSM, em períodos de El Niño (globo esquerdo) e La Niña (globo direito).

Nota-se na figura, a variação de temperatura em diversos pontos, inclusive na costa do Brasil. Adaptado das figuras

disponíveis em: https://www.climate.gov/news-features/understanding-climate/climate-variability-oceanic-

ni%C3%B1o-index.

Já La Niña se caracteriza por ser o oposto do fenômeno El Niño, pois se

caracteriza pelo resfriamento em grande escala das temperaturas da superfície oceânica

na mesma região no Pacífico equatorial, juntamente com uma reversão do proposto para

as condições atmosféricas. Em muitos locais, especialmente na região dos trópicos, La

Niña (ou episódios de frio) produz as variações climáticas, dependendo do local

analisado, opostas quando comparadas ao El Niño. Situações onde não há variação

significativa da temperatura superficial oceânica, são caracterizadas como períodos

neutros.

Além de todos os índices descritos acima como representantes de fenômenos

climáticos relacionados a variação de temperatura, que utiliza parâmetros e até mesmo

regiões diferentes para realizar a caracterização de tais fenômenos, existe ainda o Índice

Multivariado do ENOS – MEI. O acompanhamento do ENOS baseando-se no MEI atua

sob o cálculo de seis variáveis observadas no Pacífico tropical. Tais variáveis são:

pressão do nível do mar, componentes zonal e meridional do vento da superfície,

temperatura da superfície do mar, temperatura do ar superficial e fração total de

nebulosidade do céu. O MEI é calculado separadamente para cada uma das doze

temporadas bimensais (dez/janeiro, janeiro/fev,) e depois filtrado de acordo com o

método proposto por Wolter em 1987. Posteriormente o MEI é calculado e normalizado

de acordo com o método proposto por Wolter & Timlin em 1993 e dessazonalizados em

relação a cada estação, mantendo os valores de referência de 1950-93. O índice MEI,

que pode ser observado na Figura 7, é o índice escolhido para a realização do presente

trabalho, pois o mesmo é utilizado para monitorar as condições climáticas que

contribuam para situações de mau tempo como tempestades e geração de ondas.

Brasil Brasil

19

Figura 7: MEI - Índice Multivariado ENOS, disponível em https://www.esrl.noaa.gov/psd/enso/mei/.

Trabalhos como o de Osorio et al. (2016) utilizam pelo menos um dos índices

apresentados acima como parâmetro para a análise do efeito do ENOS na climatologia

de ondas para diferentes áreas do globo. Porém, quando realizamos uma busca para

trabalhos realizados para o Atlântico Sul, em sua grande maioria os trabalhos são para

índices de precipitação. Trabalhos como o de Pereira & Klumb-Oliveira (2015) são

raros, e não fazem uma avaliação para amplas regiões da costa brasileira.

Como citado previamente o SAM, ou Modo Anular Sul também possui

teleconexões como o HS, incluindo a METAREA V. O fenômeno chamado de Modo

Anular Austral do inglês Southern Annular Mode (SAM), é o principal modo de

variabilidade e circulação das massas de ar na troposfera ao redor da Antártica, nas altas

latitudes e região subtropical do HS (MARSHALL, 2003), o que faz com que a

Antártica seja considerada uma região fundamental na manutenção do clima terrestre. O

SAM se caracteriza por ser o padrão dominante de variabilidade climática nas regiões

extratropicais do HS por representar o movimento norte-sul do cinturão de vento

ocidental que circunda a Antártica, dominando as latitudes médias e altas do HS

(KWOK & COMISO, 2002). Thompson & Wallace (2000) propuseram que o SAM

atua em campos atmosféricos como pressão superficial, altura geopotencial, temperatura

da superfície e vento zonal, descrevendo dessa forma, cerca de um terço da

variabilidade climática total no HS (MARSHALL, 2007).

Vale ressaltar que o SAM influencia diversas componentes do sistema climático

em todo o hemisfério. Gillett et al. (2006) demonstraram em seu trabalho que a fase

positiva do SAM está associada a um aquecimento significativo sobre a Argentina e a

condições de seca sobre o sul da América do Sul. Vasconcellos (2012) mostrou que, em

novembro, a fase positiva do SAM apresenta um dipolo de anomalia de precipitação

20

sobre a América do Sul, com anomalias negativas sobre o Sul do Brasil/Bacia do Prata e

anomalias positivas ao norte. Este dipolo inverte de sinal na fase negativa.

Assim como o ENOS, existe um índice Marshal para o SAM, índice esse que é

mostrado na Figura 8 também é utilizado para o monitoramento dos efeitos de tais

fenômenos na climatologia de ondas do globo. Para a criação de tal índice, Marshall

(2003) calculou de forma mensal, sazonal e anual, com base em dados provenientes de

seis estações localizadas aproximadamente a ~ 65° S e outras seis localizadas a ~ 40°S,

sendo os valores positivos correspondentes a períodos com ventos de oeste mais fortes

do que a média em áreas próximas a latitudes médias (50°S - 70°S) e mais fracos nas

latitudes médias (30°S - 50°S). O índice foi formado com os resultados representados

por:

��� !∗#$°% & !

∗'(°% (6)

descrita por Gong & Wang (1999) onde ! representa a pressão média a nível do mar.

Figura 8: Índice Marshal onde está representada a variação do SAM, sendo a curva em preto ressalta a variação

decadal do índice. Tal índice foi produzido com base nos estudos propostos por Marshall (2003) e disponíveis em

<https://climatedataguide.ucar.edu/climate-data/marshall-southern-annular-mode-sam-index-station-

based>.

Reboita et al., em 2009, em seu trabalho intitulado Relationship Between The

Southern Annular Mode And Southern Hemisphere Atmospheric Systems, demostram

que durante o SAM negativo a densidade do ciclone é mais dispersa e deslocada para o

norte quando comparada com o SAM positivo – cuja concentração de ciclones ao redor

21

do continente Antártico se torna mais reforçado. De uma forma mais geral, os

deslocamentos e variações nos padrões dos ventos de oeste resultam em frentes frias

mais fortes, podendo gerar tempestades, causadas por sistemas de baixa pressão sobre o

sudeste a América do Sul, e tal fenômeno reflete na climatologia de ondas, podendo

promover alterações na intensidade de energia propagada pelas mesmas.

Como citado anteriormente, a interação entre os fenômenos ENOS e SAM,

como os mesmos podem atuar de forma sinérgica e as eventuais respostas (no gelo

marinho, pressão a nível do mar, temperatura do mar, entre outros fatores) a eles

associados vem sendo tratada em diversos trabalhos, onde a combinação ENOS/SAM

reforçam as teleconexões ENOS (CARVALHO et al., 2005; FOGT et al., 2011;

REBOITA et al., 2009; PEZZA et al., 2012; WELHOUSE et al., 2016). Devido a

relevância desses fenômenos no clima global, é importante a compreensão de que estes

acabam por influenciar na dinâmica do vento no oceano, interferindo assim na formação

de ondas oceânicas dentro da METAREA V e por consequência na geração e

propagação de ressacas que atingem a zona costeira.

4 MATERIAIS E MÉTODOS

AVISOS DE MAU TEMPO

Os avisos de mau tempo são avisos que identificam situações de tempo e mar

adversas de acordo com determinados fatores que os causam, fatores como condição de

vento, neblina, mar grosso ou ressaca. Tais avisos são fornecidos e distribuídos pela

Marinha do Brasil de forma imediata, e posteriormente incluídos no

METEOROMARINHA e demais boletins de previsão de acordo com a área afetada.

Caso uma ou mais condições de tempo ou mar das listadas abaixo estejam previstas, o

aviso é emitido. São elas:

§ vento de força 7 ou acima, na escala Beaufort (intensidade 28 nós ou mais);

§ mar grosso, com ondas de 3 metros ou maiores, em águas profundas;

§ visibilidade restrita a 1 km ou menos; e

§ ressaca, com ondas de 2,5 metros ou mais atingindo a costa.

Os avisos são gerados por previsão meteorológica e validados após 24 horas

com dados obtidos de múltiplas plataformas, como embarcações, boias

metaoceanograficos, estações costeiras, entre outras. Se trata então de informações com

22

base em observações. Após sintetizados, os avisos são emitidos no site

https://www.mar.mil.br/dhn/chm/meteo/prev/avisos/avisos_mau.htm, e além de veicular

os avisos em meios de informação digital, os avisos são veiculados também pela

Estação Rádio da Marinha no Rio de Janeiro e pelas estações da Rede Nacional de

Estações Costeira, estas ultimas, pertencentes a EMBRATEL (BRASIL 2017c).

O serviço prestado pela Marinha do Brasil ao realizar os avisos é de extrema

importância, pois fazem a avaliação das condições de mar que embarcações e/ou

plataformas na METAREA V possam vir a enfrentar, prevenindo desta forma, possíveis

danos sofridos.

Ao realizar a verificação dos dados referentes aos Avisos de Mau Tempo para

a realização do trabalho, foi levantado o questionamento de se houve um aumento real

dos acontecimentos de mar grosso e ressaca nos últimos tempos, ou se apenas nos

tornamos mais atentos e sensíveis a tais eventos. Deste modo, os serviços de avisos de

mau tempo acabam por reforçar a importância de uma climatologia de ondas para o

Atlântico Sul, avaliando se houve um aumento real nos índices de onda para a região.

PROGRAMA NACIONAL DE BOIAS - PNBOIA

O Programa Nacional de Boias (PNBOIA -

http://www.mar.mil.br/dhn/chm/box-goos/pnboia.html) tem como objetivo a coleta de

dados tanto meteorológicos quando oceanógrafos no Atlântico, contando com uma rede

de boias fixas (Figura 4) – que estão instaladas estrategicamente distribuídas pela costa

do Brasil, a fim de cobrir as METARIA V – área essa que conta com aproximadamente

10 milhões de quilômetros quadrados e que fazem parte do oceano Atlântico.

A METAREA - V é dividida em 10 subáreas denominadas: ALFA, BRAVO,

CHARLIE, DELTA, ECHO, FOXTROT, GOLF, HOTEL, SIERRA (SUL OCEÂNICA) E

NOVEMBER (NORTE OCEÂNICA) (BRASIL 2017), onde a área aproximada em km² e

mn² de cada subárea da METAREA V estão descritos no Quadro 1 . Os dados coletados

pelas boias são dados observacionais e, podem estar sujeitos a erros de transcrição.

Quadro 1: Quadro comparativo com a área aproximada em Quilômetros (Km²) e Milhas náuticas (mn²), além de

quantos pontos de grade NWW3 e Multi_1 do Wavewatch III estão definidos para cada sessão da METAREA V.

Área km² mn² NWW3

1,25º x 1,0º

MULTI_1

0,5º x 0,5º

23

Alfa 406,696 118,574 33 165

Bravo 454,091 132,392 34 173

Charlie 121,779 35,505 05 24

Delta 417,842 121,823 31 160

Echo 379,088 110,524 26 136

Foxtrot 745,075 217,229 53 287

Golf 645,864 188,304 21 113

Hotel 798,223 232,724 21 113

Sierra 4.616,414 1.345,931 689 3341

November 3.506,844 1.022,432 139 654

O PNBOIA tornou-se uma atividade oficial do Programa Piloto GOOS Brasil

em 1997 embora as boias tenham sido lançadas em períodos diferentes, boias cujas

posições podem ser observadas no Quadro 2, sendo destacadas aquelas utilizadas para a

realização do presente trabalho. No site do GOOS Brasil existem informações sobre as

datas de lançamento das boias de destoam das informações contidas em dados brutos

para cada boia disponibilizado pelo mesmo site (BRASIL 2017).

Quadro 2: Posição das boias do PNBOIA na METARIA V e seus períodos de atuação. Perceba que as boias

utilizadas no presente trabalho estão marcadas em cinza. Fonte: http://www.goosbrasil.org.

Boia Lançamento da boia Latitude Longitude

Rio Grande Fevereiro 2012 a janeiro 2017 -31.52° -49.81°

Rio Grande2 Janeiro 2017 a junho 2017 -32.27° -49.56°

Santa Catarina Março 2011 a novembro 2016 -28.51° -47.39°

Santa Catarina2 Fevereiro 2017 a agosto 2017 -27.41° -47.27°

Santos Março 2011 a abril 2017 -25.70° -45.14°

Santos2 Junho 2017 a agosto 2017 -25.43° -45.04°

Cabo Frio Março 2012 a setembro 2013 -22.98° -42.10°

Cabo Frio2 Julho 2016 a Agosto 2017 -23.63° -42.20°

Porto Seguro Julho 2012 a janeiro 2017 -16.00° -37.94°

Recife Novembro 2012 a abril 2016 -7.29º -34.58º

Vitória Novembro 2016 a Agosto 2017 -20.32° -40.34°

Fortaleza Novembro 2016 a Agosto 2017 -3.21° -38.43°

O programa objetiva contribuir com dados meteorológicos e oceanográficos

obtidos na área marítima pela qual o Brasil é responsável, gerando e disseminando

informações para melhoria na recepção, processamento e divulgação de deles. Estes

24

dados recebidos através da rede de boias de deriva e boias fundeadas dispostas pela

costa brasileira, ambas as redes são rastreadas por satélite. O Oceano Atlântico Sul e

tropical é uma região oceânica que conta com uma grande deficiência de dados. De

acordo com a Convenção Internacional para a Salvaguarda da Vida Humana no Mar

(SOLAS 2014), o Brasil tem a responsabilidade de gerar e disseminar produtos

meteorológicos, embora a situação para coleta e avaliação dos dados ainda seja precária.

Cada boia (Figura 9) se encontra equipada com sensores para análise de

pressão atmosférica (hPa), vento – onde se avalia direção, intensidade e rajada -,

umidade relativa do ar, temperatura do ar, temperatura de ponto de orvalho, radiação

solar, correntes oceânicas, temperatura da superfície do mar, e, ondas oceânicas, onde se

avaliam parâmetros direcionais e não direcionais – como máxima (Hmax), altura

significativa (Hs), período, frequência de ondas. As boias, que são classificadas como

boias de plataforma, por se encontrarem a 200m de profundidade sobre a plataforma,

permeando o limite da plataforma continental (BRASIL, 2016), sendo a boia de Cabo

Frio exceção, pois se encontra a 45m de profundidade (Com. Pes. CHM-11).

Figura 9: Boias Axys Technologis Inc. modelo 3-Meters (3M) utilizadas no programa PNBOIA pela

Marinha do Brasil. Na foto, a boia designada para a posição Cabo Frio 2 (Brasil 2017a).

A boia TRIAXYS ™ (MILES et al. 2003), utilizada pela Marinha do Brasil

para todos os pontos de boia observados, é um instrumento que foi equipado para medir

com precisão a altura, o período e a direção das ondas. A unidade de sensor contida

25

neste dispositivo é composta por três acelerômetros, giroscópios de três velocidades,

uma bússola de entrada de fluxo, além de um processador próprio TRIAXYS ™.

Os movimentos da boia são medidos em seis graus livres, através de um

sistema amarrado de inércia que consiste em três acelerômetros e três sensores de taxa

angular. Os acelerômetros medem a aceleração total, incluindo os componentes da

gravidade terrestre, ao longo dos eixos da cavidade x, y e z. Os sensores de taxa angular

medem o vetor de velocidade de rotação angular tridimensional da boia, ao longo das

posições instantâneas dos eixos de corpo x, y e z. Um algoritmo iterativo exclusivo

baseado em técnicas de integração intitulada “Transformada rápida de Fourier” (em

inglês fast Fourier transform, ou FFT), que é utilizada para resolver as equações não-

lineares completas que relacionam os movimentos da boia com as acelerações dos eixos

do corpo e as taxas angulares medidas pelos seis sensores de tiragem. Uma vez que as

equações de movimento não-lineares completas são usadas, dados de movimento

precisos podem ser obtidos para condições extremas com grandes ângulos de rolo e

passo.

Embora todos os seis graus livres sejam computados internamente, apenas o

deslocamento de elevação e os componentes de velocidade de onda e influência são

usados para a análise de onda direcional subsequente. A boia também contém uma

bússola de entrada de fluxo que fornece uma referência magnética para que as

velocidades de onda e direção possam ser analisadas nas direções norte e oeste (MILES

et al., 2003).

Os dados apresentados pelo PNBOIA possuem resolução horária, porém, as

análises não são contínuas, apresentando lacunas durante o período observado. Tais

lacunas se mostram presentes tanto nos dados brutos quanto nos dados validados

disponibilizados pela Marinha do Brasil. Os dados obtidos diariamente das boias

auxiliam na composição de um outro programa da Marinha do Brasil, que recebe o

nome de Avisos de Mau Tempo, que identifica condições adversas de tempo e mar.

O MODELO WAVEWATCH III DO MMAB/NCEP

Modelos de simulação de ondas de vento de terceira geração como

WAVEWATCH III, possui um desempenho bastante satisfatório, em especial quando

se tratando de regiões oceânicas e não abrigadas, e tem a capacidade de gerar saídas

pontuais contendo o espectro bidimensional completo em pontos pré-selecionados das

26

grades numéricas. Graças a tal capacidade, o modelo propicia meios para uma análise

mais aprofundada e detalhada das propriedades dos campos de onda em pontos

específicos de interesse (ARDHUIN et al., 2007).

O WAVEWATCH III (WWIII) é um modelo totalmente espectral e é utilizado

para as simulações dos campos de ondas de gravidade superficiais, onde a evolução do

campo de ondas é simulada através da utilização do espectro direcional de ondas no

espaço dos números de onda. Foi desenvolvido por Tolman em 1991 na Seção de

Modelagem e Análise Marinha (MMAB) do Centro de Modelagem Ambiental (EMC)

dos Centros Nacionais de Previsão Ambiental (NCEP) e tem ampla e livre distribuição

pelo site da NCEP (disponível on-line em http://polar.ncep.noaa.gov/waves). O modelo

incorpora interações onda-corrente, um esquema de propagação numérica mais

sofisticado de terceira ordem, novas formulações de entrada de vento e termos de fonte

de dissipação (CHAWLA et al., 2011). O WWIII é baseado na modelagem de ondas

através da forçante natural do vento sobre o oceano, considerando a profundidade e as

condições de desenvolvimento do mar e propagação das ondas, no qual os parâmetros

da onda média modelados estão disponíveis no formato GRIB. Os arquivos GRIB

utilizados no presente trabalho contêm dados em intervalos de 6 horas, começando a

análise à 0 hora.

O modelo WWIII se encontra em constante desenvolvimento e é amplamente

utilizado tanto para pesquisa como para sistemas operacionais de previsão de ondas em

diversos centros de pesquisa nacionais e internacionais como NCEP - National Centers

for Environmental Prediction - e CHM – Centro de Hidrografia da Marinha -. A versão

utilizada para a realização do presente trabalho é a versão 3.14 (TOLMAN, 2009) que

apresenta opções de aninhamento de grades do tipo único ou múltiplo, contando com a

interação mútua grades alojadas em direções distintas de latitude 77º Sul a 77º Norte e

longitude 180º Leste a 180º Oeste, que em conjunto formam uma grade global (Figura

10) com resolução espacial de 0,5º x 0,5º. A versão mais recente é a 5.16, liberada em

outubro de 2016 e que foi desenvolvida por THE WAVEWATCH III Development

Group (WWIIIDG) em 2016.

27

Figura 10: Grades utilizadas no modelo WAVEWATCH III e a diferença entre as grades NWW3 (1997 a 2006) e

Multi (2005 a 2017). Círculos vermelhos indicam as posições das boias do PNBOIA que não foram validadas pelo

CHM e as verdes, boias validadas. A linha azul clara delimita as áreas de monitoramento da METAREA V.

O modelo WWIII é fornecido na forma de hindcast - que se caracteriza como

um módulo utilizado para se realizar “previsões” de um período pretérito dos campos de

onda – que datam cerca de 30 anos passados (CHAWLA et al., 2012), o modelo recorre

a uma combinação ponderada de valores de previsão direta (forecast) e previsão inversa

(backcast) para estimar de modo recorrente os valores omissos. Para calibração e

validação dos dados obtidos do modelo, foi realizado um teste indireto que utilizou

cálculos de amostra do modelo WAVEWATCH III, amostras essas de ondas geradas

por vento, e o modelo foi executado com os ventos providos pelo modelo NWWIII e

com os novos ventos de alta resolução, provenientes do NCEP Climate Forecast System

Reanalysis Reforecast (CFSRR). O teste funcionou avaliando a altura significativa das

ondas para cada local da boia solicitada a cada hora e comparando-a aos dados da boia

arquivada (Spindler et al., 2011). Os dados obtidos com o Reanalysis Reforecast

(SAHA et al., 2010) foram comparados aos dados obtidos de boias posicionadas no

Hemisfério Norte, como pode ser observado na Figura 11. Destaca-se na figura a

ausência de boias de calibração para a região da METAREA V.

28

Figura 11: Boias utilizadas pelo NCEP para a validação dos dados obtidos pelo modelo WWIII. O quadro vermelho

destaca a área de estudo do presente trabalho. Fonte: http://polar.ncep.noaa.gov/waves/.

Saha et al., 2010 descrevem em seu artigo como o processo de reanálise é

realizado. Resumidamente, são realizados quatro passos onde são avaliados previsão

atmosférica, análise do oceano e do gelo, acoplamento de dados ao oceano e análise de

Terra e precipitação, como pode ser observado no esquema da Figura 12. A análise

Atmosférica T382L64 (GSI) é feita de 06 em 06 horas, a começar à 00:00 além de

utilizar uma previsão acoplada para 9h (forecast). A análise do oceano e do gelo do mar

(GODAS com MOM4) também é feito de 06 em 06 horas, usando a mesma previsão do

passo anterior. Em cada um dos quatro ciclos, uma previsão acoplada para 9h (forecast)

[GFS em T382L64] é feita com 30 minutos de acoplamento ao oceano (MOM versão

4). Já a análise de Terra (GLDAS) utilizando a precipitação observada é realizada

apenas às 0000 UTC, utilizando o modelo Noah.

29

Figura 12: Esquema simplificado de suposição de previsão acoplada do CFSRR para ciclos de 18 horas (9+9 hs)

utilizado pelo MMAB, adaptado de Saha et al., 2010.

O modelo WWIII sofreu diversas melhorias até chegar a versão atual que

contribuíram para um maior refino da resolução utilizada. A grade mais antiga, de nome

nww3, conta com dados que se iniciam 1997 possui uma resolução de variáveis no

espaço físico/geográfico da ordem de 1,25º x 1º e evoluiu ao longo dos anos chegando

ao modelo atual, de nome multi, que foi atualizado em 2005 e possui resolução com

cerca de 0,5º x 0,5º, como pode ser observado na Figura 10. Os dados são gerados a

cada seis horas, iniciando sempre à zero horas, contabilizando um total de quatro

análises diárias. Os dados utilizados no presentem trabalho datam de 1997 a 2017, e por

possuírem diferentes resoluções, foram interpoladas para que tivessem a mesma

resolução.

A atual versão do modelo WWIII utiliza uma grade variável de números de

onda que incorpora naturalmente as mudanças nos números de onda devido a processos

de águas rasas. A grade de número de onda local correspondente é obtida diretamente

da grade de frequência através da relação de dispersão, se tornando assim dependente da

profundidade local. A grade espectral utilizada na configuração do modelo consiste na

combinação das frequências com as direções que variam de 0 a 360 graus em intervalos

de 10 graus no caso desta implementação.

O CFRRS disponibiliza dados do WWIII a cada 6 horas de forma instantânea e

não médias de 6 horas. Dessa maneira, os resultados são suficientes para descrever

sistemas de mesoescala até processos em escala regional. O Quadro 3 mostra os

30

parâmetros avaliados pelo modelo atualmente e dispostos em grades, passível de

download no site da NOAA.

Quadro 3: Quadro descritivo com os parâmetros contidos nos GRIBS disponibilizados pelo modelo WAVEWATCH

III.

Nome Unidade Descrição Fonte

UGRD m/s Componente de vento U. Dados reanalisados (via GFS)

VGRD m/s Componente de vento V. Dados reanalisados (via GFS)

HTSGW m Altura significante da onda Dados do WWIII reanalisados

WVDIR Graus º Direção média da onda Dados do WWIII reanalisados

WVPER Segundos (s) Período médio da onda Dados do WWIII reanalisados

DIRPW Graus º Direção do pico da onda Dados do WWIII reanalisados

PERPW segundos (s) Período do pico da onda Dados do WWIII reanalisados

DIRSW Graus º Direção das vagas Dados do WWIII reanalisados

PERSW Segundos (s) Período correspondente as vagas Dados do WWIII reanalisados

Como observado na Figura 11 e descrito anteriormente, o modelo WWIII

possui um sistema de calibração para os dados obtidos, sendo tal calibração realizada

com dados oriundos de boias fixas (observacionais). Nota-se a existência de inúmeras

boias para o HN, porém nenhuma calibração dos dados adquiridos é realizada para o

HS. Tendo em vista que o presente trabalho tem como objetivo sugerir uma calibração

dos dados reanalisados do WWIII para a METAREA V, o Quadro 1 apresenta a área e o

número de pontos de grade para cada subárea da METAREA V. A plataforma escolhida

para a correlação e calibração dos dados foi o Programa Nacional de Boias (PNBOIA)

sob comando do Centro de Hidrografia da Marinha do Brasil, onde os pontos de grade

escolhidos foram aqueles que coincidem com a posição das boias do programa.

LEVANTAMENTO E PROCESSAMENTO DE DADOS

Para a realização do presente trabalho foram utilizados como base os dados de

hindcast do modelo WWIII, provenientes da NOAA e descrito anteriormente. Por se

tratar de um modelo, o mesmo deve ser calibrado para que haja uma expressão realista

do dado em questão. A NOAA calibra e valida os dados de hindcast para o HN com os

dados obtidos por boias fixas (dados observacionais).

Não existe nenhuma boia para calibração e validação dos dados do modelo

WWIII para o HS, e tendo em vista tal desafio, foram utilizados os dados provenientes

31

do programa PNBOIA para tal. O programa conta com catorze (14) boias fixas na costa

brasileira, dentro da METAREA V, porém, no presente trabalho foram usados apenas

aquelas cujos dados foram validados pela Marinha do Brasil. Os dados validados

disponíveis pela Marinha do Brasil – dados estes utilizados no presente trabalho -,

contam com diferentes datas de lançamento e período de observação (como já descrito

anteriormente), porém todas – com exceção da boia de Cabo Frio – tem seus dados

disponibilizados até junho de 2016. Cabo Frio possui dados disponíveis até setembro de

2013.

Os dados do modelo WWIII, disponibilizados pela NOAA foram escolhidos

por possuírem uma boa cobertura espacial, além deste possuir uma maior resolução

quando comparado a outras reanálises. Já os dados do programa PNBOIA possuem

cobertura e distribuição razoáveis na costa brasileira. Apesar dos múltiplos parâmetros

que podem ser coletados do modelo WWIII e do PNBOIA, o presente trabalho busca

avaliar somente os dados de altura significativa (Hs), período de onda (Tp) e direção de

onda (Dp).

Os dados do programa PNBOIA são dados observacionais, portanto, estes

estão sujeitos a erros de leitura e transcrição. A Marinha possui uma metodologia

própria para a validação e tratamento dos dados, metodologia esta que se encontra

descrita em um arquivo em formato PDF que acompanha as planilhas com os dados

obtidos da MB. Cada parâmetro observado possui um indicador (Quadro 4) e uma

justificativa ao indicador utilizado (

Quadro 5).

Quadro 4: Identificador do indicador e nome do teste. Fonte: Marinha do Brasil.

Indicador Interpretação 0 Controle de qualidade não realizado 1 Dados Bons 2 Dados Provavelmente Bons 3 Dados Provavelmente Ruins 4 Dados Ruins

Quadro 5: Identificador do indicador e nome do teste aplicado. Fonte: Marinha do Brasil.

Identificador Nome do Teste

1 Verificação de valores inexistentes

2 Verificação dos intervalos de medição

3 Verificação da velocidade máxima do vento x rajada

4 Verificação da altura significativa de onda x altura máxima

5 Verificação de voltagem da bateria

32

6 Verificação de dados repetidos

7 Verificação da altura significativa de onda x período médio

8 Verificação de continuidade do tempo

Apesar dos dados provenientes das boias do programa PNBOIA possuírem

tantos indicadores, os dados disponibilizados pela MB possuem apenas indicador 0 e 4.

A metodologia utilizada é descrita em detalhes no PDF disposto pela MB (Brasil )

disponível pelo site do GOOS Brasil em http://www.goosbrasil.org.

5 RESULTADOS E DISCUSSOES

Os dados derivados do programa PNBOIA - apesar de cobrirem um razoável

número de dias observados (Quadro 6), ainda possuem muitas lacunas durante o período

analisado. Além disso, o período de tempo coberto pelo programa PNBOIA é

considerado curto para a realização das análises propostas neste trabalho. Desta forma,

os dados utilizados foram aqueles provenientes do Wavewatch III. Para realizar a

validação, foram usados os dados provenientes do PNBOIA. Para a validação, foi

necessário filtrar os dados oriundos do PNBOIA e retirar os dados que apresentassem os

erros marcados pelos indicadores estipulados pela MB.

Quadro 6: Quadro descritivo com o número total de dados obtidos e de dados aproveitados após a exclusão

daqueles com o indicador 4. As boias destacadas em cinza foram descartadas. Fonte: http://www.goosbrasil.org.

Boia Dias aproximados de

observação Total de dados obtidos % de dados válidos

Total de dados

aproveitados

Rio Grande 917 22015 85.05 18724

Santa Catarina 1447 28006 77.72 21765

Santos 1447 34734 85.81 29805

Cabo Frio 701 16837 51.14 8610

Porto Seguro 147 3518 14.18 499

Recife 658 15793 42.28 6677

Foram retirados apenas os dados classificados como indicador 4 (Quadro 4). se

um indicador 4 fosse identificado em um dos três parâmetros observados (altura

significativa, tempo e período de onda), toda a linha de dados para aquele dia e horário

seria descartado das observações. Sendo assim, para a validação dos dados do modelo

WWIII foram utilizados os dados com indicador 0; ou seja, aqueles em que não foram

realizados o controle de qualidade. Nenhum outro tipo de filtragem, fora aqueles já

realizados pela Marinha do Brasil, foi utilizado para o processamento dos dados,

buscando a compreensão e o esclarecimento de quais erros podem ser percebidos tanto

33

no modelo (WWIII) quanto nos dados observacionais (PNBOIA). Ainda no Quadro 6,

podem ser observados tanto o total de dados obtidos quanto o total de dados

aproveitados para cada boia.

5.1 CALIBRAÇÃO E VALIDAÇÃO DOS DADOS UTILIZADOS

O primeiro passo realizado foi compreender a extensão dos dados aproveitados

quando dispostos na linha do tempo obtida. Foram realizadas avaliações da altura

significativa da onda em relação ao tempo observado para a compreensão das lacunas

existentes na série temporal, a direção predominante das ondas sazonal, a frequência na

altura das ondas e por fim, a correlação entre os dados de altura significativa de onda e

direção das mesmas em relação aos dados do modelo WWIII.

5.1.1 ALTURA SIGNIFICATIVA DE ONDA PARA OS DADOS DO

PNBOIA.

Primeiramente processou-se os dados em busca de lacunas que fossem maiores

do que 2 dias para analisar a Hs (em metros) ao longo da série temporal (Figura 13).

Fica claro que a amostragem não é contínua embora algumas boias possuam uma

consistência maior que outras.

A boia de Recife, ainda na Figura 13, mostra uma quantidade de dados

razoável, e desta forma, foi utilizada para a validação dos dados. Porém para a posição

de Porto Seguro, pode-se perceber o reduzido número de amostras quando comparada

as demais boias – o que também pode ser observado no Quadro 6 -, o que fez com que

tal boia fosse desconsiderada no processo de validação dos dados. As causas para o

número de lacunas avaliadas nos dados obtidos das boias podem estar relacionadas aos

danos causados às mesmas provocando uma interrupção no funcionamento da boia, ou

até mesmo, erro na gravação dos dados adquiridos.

34

Figura 13: Hs - Altura significativa de onda (m) x Tempo para as posições de Recife, Porto Seguro, Cabo Frio,

Santos, Santa Catarina e Rio Grande.

35

5.1.2 DISTRIBUIÇÃO DA DIREÇÃO DAS ONDAS PELAS ESTAÇÕES

DO ANO PARA OS DADOS DO PNBOIA.

Para tal avaliação, foi realizado o método de rosa dos ventos, porém, adaptada

para ondas, e no presente trabalho, é chamado de Wave Rose. A análise da Wave Rose

foi feita em relação a direção predominante da onda. Para as alturas significativas

frequentes, durante o período analisado, foram utilizados os parâmetros em relação ao

ângulo em graus ( º ). O primeiro passo realizado foi separar a amostragem por estações

do ano. Após separadas, a imagem foi feita, demonstrando a angulação da onda e sua

altura para o período. Desta forma, para cada boia, existem 4 Wave Roses. Vale salientar

que o gráfico mostra o ângulo de deslocamento da onda durante o período analisado.

Embora a amostragem, de uma forma geral, busque ser uniformizada, a altura

significativa e o percentual de frequência de determinada altura foram analisados e

padronizados para as regiões de forma independente. O percentual padrão de frequência

foi designado para cada boia de acordo com o percentual de alturas significativas,

mostrando então, a variação ao longo dos gráficos.

36

Figura 14: Wave Rose dividido por estações do ano para a posição de Recife.

37

Figura 15: Wave Rose dividido por estações do ano para a posição de Cabo Frio.

38

Figura 16: Wave Rose dividido por estações do ano para a posição de Santos.

39

Figura 17: Wave Rose dividido por estações do ano para a posição de Santa Catarina.

40

Figura 18: Wave Rose dividido por estações do ano para a posição de Rio Grande.

5.1.3 HISTOGRAMA DE FREQUÊNCIA DISTRIBUIDO PELAS

ESTAÇÕES DO ANO PARA OS DADOS DO PNBOIA.

O método utilizado para a avaliação do histograma de frequência de ondas foi

similar ao utilizado para a Wave Rose. Os dados foram divididos por estações do ano,

resultando em quatro gráficos para cada boia. O parâmetro utilizado para a realização do

histograma foi a altura significativa da onda, onde são ressaltadas as frequências de

acontecimentos – uma densidade de função de probabilidade normalizada - para a altura

significativa. O valor para a função de probabilidade normalizada é de no máximo 1,

porém, foram observados valores maiores do que 1 para as boias de Recife (Figura 14 )

41

e Cabo Frio (Figura 20). Nestes casos, a escala foi ajustada para 2, de forma que o pico

do dado pudesse ser observado. Este valor, no entanto, é um forte indicativo de erro e

que não pôde ser corrigido, sendo este um dos motivos determinantes para o descarte

das boias. Percebe-se que para a posição da boia de Cabo Frio existe uma maior

frequência de ondas inferiores a 1 metro.

Ao observar os valores máximos dispostos em cada histograma, pode-se

percebe que os valores mais expressivos foram observados na porção Sul e Sudeste do

Brasil, e que a tendência, ao avançar para o norte é a diminuição de tais valores.

Figura 19: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para

a posição de Recife.

42

Figura 20: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para

a posição de Cabo Frio.

Figura 21: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para

a posição de Santos.

43

Figura 22: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para

a posição de Santa Catarina.

Figura 23: Histograma de Frequência em relação a altura significativa de ondas divididas por estações do ano para

a posição de Rio Grande.

44

5.1.4 CORRELAÇÃO ENTRE OS DADOS DO PNBOIA E WWIII PARA

OS PARÂMETROS DE ALTURA SIGNIFICATIVA E DIREÇÃO DO ÂNGULO

DE ONDA

Para a avaliação da correlação entre os dados referentes aos parâmetros de

altura significativa e direção do ângulo de onda, os dados do PNBOIA tiveram que ser

separados nas mesmas frequências horárias que os dados do WWIII. Feito isso, foi

analisado o coeficiente de correlação para cada boia. As figuras abaixo contam com

duas imagens distintas entre si. Na primeira estão dispostas e correlacionadas a altura

significativa de ondas, em forma de diagrama de dispersão onde os dados estão

dispostos de acordo com o seu acontecimento, onde o eixo representado pela reta

vermelha, mostra a reta de correlação perfeita entre os dados analisados. A reta verde

representa a regressão linear traçada pelo coeficiente de correlação médio para cada

boia.

Já a segunda mostra um histograma de frequência referente à direção do ângulo

da onda, buscando a compreensão em relação as diferenças apresentadas entre as boias

do programa PNBOIA e o ponto de grade do modelo WWIII para a mesma posição da

boia. O objetivo, foi para que os valores apresentados em maior frequência se

aproximem ao máximo do zero, demonstrando a menor diferença entre graus para os

dados observados. Os valores para o coeficiente de correlação geral foram sumarizados

no Quadro 7.

Figura 24: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp

para a posição de Recife.

45

Figura 25: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp

para a posição de Porto Seguro.

Figura 26: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp

para a posição de Cabo Frio.

46

Figura 27: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp

para a posição de Santos.

Figura 28: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp

para a posição de Santa Catarina.

47

Figura 29: Coeficiente de correlação entre os dados do PNBOIA e do WWIII em relação aos parâmetros de Hs e Dp

para a posição de Rio Grande.

Após análises primárias onde foram comparados dados pontuais entre a

observação (PNBOIA) e o modelo, foi gerado uma reta de regressão linear para

correção dos dados modelados. Aquelas posições onde a correlação se mostrava

insatisfatória, como Recife e Porto Seguro (Quadro 7) foram desconsideradas por não

haver um consenso sobre a precisão dos dados provenientes das boias, além do número

de dados observados ser para tais posições serem insatisfatórios, como pôde ser

observado anteriormente no Quadro 6. Ainda no mesmo quadro, destaca-se a boia de

Cabo Frio, que apesar apresentar uma boa correlação, também foi desconsiderada por

apresentar um número reduzido de dados.

Quadro 7: Coeficiente de correlação geral entre a altura significativa - Hs - da onda para os pontos onde estão as

boias do PNBOIA, onde são identificados o coeficiente de correlação geral e quantidades de dados observados, além

de a e b que descrevem a reta linear.

Coeficiente de Correlação Geral, a e b

Rio Grande 0.82 (6378) 0.7413 0.4392

Santa Catarina 0.79 (7284) 0.7845 0.5041

Santos 0.87 (9940) 0.8185 0.3913

Cabo Frio 0.73 (2869) 0.6461 1.1237

Porto Seguro 0.18 (177) 0.0714 1.8444

Recife 0.59 (2290) 0.3384 0.8681

Para cada posição de boia foi gerado também um coeficiente de correlação

mensal para uma melhor análise dos dados analisados, onde para cada mês observado,

foram destacadas a quantidade de dados observados na correlação (Quadro 8). O

48

coeficiente de correlação mensal, observado para cada boia avalia a correlação entre os

dados do WWIII e os dados do PNBOIA, onde o valor ótimo seria aquele que se

aproximasse mais de 1.

Observa-se que as boias de Rio Grande, Santa Catarina e Santos mostram

resultados superiores a 0.55. Apesar de as posições para Cabo Frio e Recife mostrarem

uma boa correlação, o número de observações é reduzido, sendo então, desconsideradas

na calibração dos dados do WWIII. Já para a posição de Porto seguro, não existem

dados consistentes o suficiente para a realização de uma correlação satisfatória, gerando

valores inferiores a 0.55, e até mesmo negativos.

Além disso, foram gerados também os valores para o coeficiente da reta de

regressão linear, para que houvesse um entendimento mais amplo acerca da correlação

entre os dados observados (Quadro 9). Embora tenham sido gerados valores de

coeficiente de reta de a e b para todas as posições de boias, foram utilizadas na

correção do dado do WWIII apenas aquelas onde os valore de correlação se

mostrassem satisfatórios.

49

Quadro 8: Coeficiente de correlação mensal por boias e quantidades de dados observados para cada mês.

Coeficiente de Correlação Mensal por Boia

Boias Rio Grande Santa Catarina Santos Cabo Frio Recife Porto Seguro

Mês

Janeiro 0.75 (575) 0.86 (637) 0.88 (855) 0.46 (238) 0.31 (208) 0.11 (016)

Fevereiro 0.64 (555) 0.80 (603) 0.84 (787) 0.83 (223) 0.81 (200) -0.70 (014)

Março 0.86 (594) 0.80 (628) 0.90 (846) 0.81 (268) 0.71 (196) 0.02 (013)

Abril 0.84 (515) 0.72 (592) 0.89 (804) 0.79 (252) 0.88 (171) 0.37 (012)

Maio 0.67 (521) 0.85 (631) 0.88 (859) 0.68 (262) 0.88 (228) -0.88 (015)

Junho 0.78 (466) 0.85 (597) 0.86 (819) 0.59 (263) 0.73 (216) 0.93 (021)

Julho 0.90 (478) 0.87 (605) 0.89 (819) 0.56 (263) 0.59 (184) -0.89 (016)

Agosto 0.78 (499) 0.83 (581) 0.90 (839) 0.79 (242) 0.32 (205) 0.40 (016)

Setembro 0.86 (533) 0.84 (554) 0.88 (807) 0.83 (200) 0.46 (177) 0.53 (016)

Outubro 0.88 (554) 0.79 (618) 0.90 (838) 0.79 (210) 0.75 (171) 0.85 (012)

Novembro 0.87 (516) 0.58 (615) 0.79 (825) 0.79 (206) 0.70 (154) 0.65 (012)

Dezembro 0.87 (572) 0.69 (623) 0.85 (842) 0.77 (242) 0.58 (180) -0.55 (014)

50

Quadro 9: Coeficientes da equação que descreve a função reta (regressão linear) para cada localidade. Estão dispostos os coeficientes da reta a e b.

Coeficiente da Reta Boias

Rio Grande a b

Santa Catarina a b

Santos a b

Cabo Frio a b

Recife a b

Porto Seguro a b Mês

Janeiro 0.6291 0.6424 0.8570 0.3161 0.8365 0.3477 0.4428 1.2648 0.1229 1.1765 0.0076 1.5147

Fevereiro 0.5459 0.8804 0.8184 0.3888 0.8330 0.3596 0.8688 0.6358 0.4968 0.6008 -0.1077 2.3127

Março 0.7858 0.3114 0.8530 0.4382 0.8447 0.3559 0.7430 1.1289 0.3677 0.8445 0.0283 2.9184

Abril 0.8023 0.3343 0.7760 0.5068 0.8169 0.3523 0.6337 1.1642 0.6876 0.3619 0.2858 2.1192

Maio 0.5641 0.7930 0.7565 0.4959 0.8567 0.2990 0.5908 1.3096 0.6993 0.3181 -0.0863 2.5390

Junho 0.6560 0.5822 0.8838 0.3005 0.8134 0.3694 0.5332 1.2507 0.5407 0.5787 1.2040 -0.0839

Julho 0.8109 0.2762 0.8584 0.3508 0.7906 0.4573 0.3661 1.5523 0.3616 0.8867 -0.4706 2.1723

Agosto 0.6673 0.6532 0.8987 0.3136 0.8214 0.3966 0.6632 1.0692 0.0816 1.2490 0.2642 1.2473

Setembro 0.8386 0.2851 0.8576 0.3333 0.8567 0.3224 0.7398 1.0040 0.1845 1.0771 0.5881 1.0829

Outubro 0.8591 0.1905 0.7867 0.4924 0.7796 0.4525 0.6739 1.1454 0.6091 0.4588 0.8748 0.6492

Novembro 0.7951 0.3230 0.4239 1.2423 0.7615 0.5520 0.8608 0.8244 0.4710 0.6828 0.6255 0.8365

Dezembro 0.8734 0.1815 0.6979 0.7813 0.8120 0.4358 0.6902 0.9847 0.4026 0.6987 -0.1268 1.5903

51

Após calibrados os dados para as posições de Santos, Santa Catarina e Rio

Grande, foram então aplicados os coeficientes de reta (regressão linear) mensal para

cada ponto, e com o resultado, calculado o índice de energia acumulada em kw/h por

m².

Os valores mensais gerados para o coeficiente de reta de a e b foram utilizados

para corrigir os dados obtidos do modelo Wavewatch III e os gráficos resultantes da

análise de tais dados foram apresentados na Figura 30, onde podem ser observados os

valores para energia acumulada transportada pela onda. Percebe-se então o transporte de

energia longitudinal ao longo da costa brasileira, e que a frequência de tal transporte

possui pouca variabilidade interanual, não demonstrando uma alteração expressiva em

seus acontecimentos.

52

Figura 30: Energia de onda acumulada em kw/h para os pontos de grade referentes a posição de Rio Grande, Santa Catarina e Santos, onde destacam-se o dado original em azul, e o dado

corrigido em vermelho para o período de 1997 até Março de 2017.

53

AVALIAÇÃO TEMPORAL DOS AVISOS DE MAU TEMPO

Como tratado previamente, os avisos de Mau Tempo são emitidos pela

Marinha do Brasil para as condições de tempo e mar, caso tais condições estejam

presentes. Tais dados foram incluídos no trabalho por se tratarem de dados

observacionais, e que resultam em acontecimentos tanto em mar aberto (mar grosso)

quanto na costa (ressaca).

Nota-se, porém, que apesar da quantidade de avisos emitidos ter aumentado

consideravelmente nos últimos anos, quando dispostos em série temporal ficou evidente

que o número de acontecimentos por área se mantém relativamente estável, mostrando

poucas alterações quando dispostos em uma série temporal. Considerando então que o

modelo Wavewatch III reanalisado não possui um refino de grade e bom funcionamento

para avaliação de altura e direção de ondas dentro da plataforma continental e zona

costeira, os avisos de Mau Tempo foram a forma mais eficiente para avaliar a

distribuição de eventos extremos ao longo do tempo.

Os dados foram disponibilizados pela Marinha do Brasil do período de janeiro

de 2003 até a presente data. Tais dados foram computados manualmente, e

posteriormente organizados de forma que seus resultados fossem expressos como nas

Figura 31 e Figura 32. Observa-se uma tendência à diminuição na duração de dias e

número de acontecimentos, tanto de ressaca quanto de mar grosso, quando comparada a

área Delta em relação as demais áreas.

Embora a correlação relacionada a energética de ondas e os avisos de Mau

Tempo emitidos para cada área avaliada não possa ser realizada de forma direta,

observa-se de forma ampla a ligação dos fenômenos discutidos com o acontecimento de

situações de mar grosso e ressaca.

54

Figura 31: Avisos de Mau tempo para as condições de Mar Grosso (em azul) e Ressaca (em vermelho), de 2003 a

2017, para as áreas ALFA, BRAVO, CHARLIE e DELTA.

Na Figura 31 foram comparados o número total de avisos de mar grosso em

relação ao número total de ressacas por ano, o que demonstra que situações de ressaca

no litoral sempre são precedidas por acontecimentos de mar grosso na área oceânica.

Observa-se que não há um aumento expressivo em relação a duração dos eventos, e sim,

que há uma maior preocupação em relação a emissão dos avisos para áreas afetadas.

55

Figura 32: Comparativo entre a quantidade de avisos emitidos pelo CHM para as condições de Mar Grosso e Ressaca para as áreas Alva, Bravo, Charlie e Delta.

56

Percebe-se que existe um valor expressivo de acontecimentos de mar grosso e

ressaca na área Alfa. Tal fato deve-se, provavelmente, ao fato de estar mais próxima as

áreas de geração de ciclones extratropicais, o que contribui para a geração de ondas

mais altas, além de uma maior frequência de frentes frias atingindo a área.

Constata-se, além disso, que existe um deslocamento no potencial energético

de tais ondas ao se avaliar a área Bravo. Ressalta-se, entretanto, a ausência de casos de

ressaca em tal área, pois esta encontra-se em “mar aberto”, ou seja, sem contato com a

linha de costa. Apesar de existir uma discreta diminuição nos avisos de mar grosso, que

podem ser observados nas figuras Figura 31 e Figura 32, o elevado número de avisos e

consequente duração continuam presentes, reforçando a compreensão de que existe uma

continuidade de tais acontecimentos devido ao deslocamento energético das ondas.

Ao avaliar a área Charlie, nota-se uma diminuição expressiva na quantidade de

acontecimentos de mar grosso. Entretanto, o número de casos de ressaca se mantém

relativamente estável, o que se deve provavelmente a posição geográfica onde a área

está delimitada. Sua morfogeologia permite que sistemas frontais atinjam a área,

promovendo um maior número de ressacas, em detrimento do número de casos de mar

grosso.

Já em Delta, existe um número superior de casos de mar grosso quando

comparados ao número de ressacas. Isso se dá provavelmente à sua posição geográfica,

pois a trajetória preferencial de um ciclone formado na região Sul tende a se deslocar

para alto mar e se inclinar em direção nordeste. Ao avaliar o estado de mar próximo a

área Delta, esse se mostrará completamente desenvolvido, o que corrobora com um

maior número de avisos para mar grosso.

57

6 CONCLUSÕES

Embora a calibração de dados do Wavewatch III realizada no hindcast de ondas

pela NOAA seja feita apenas com base em observações no HN, o cruzamento entre

dados do PNBOIA e WWIII apresentaram diferenças pequenas e lineares. O método de

calibração do modelo com base nos dados observacionais para altura significativa,

direção e período de ondas utilizados neste trabalho provou ser eficiente para extrair

séries temporais longas utilizadas em análises cruzadas para os pontos de grade.

Ao averiguar os dados do PNBOIA, pode-se observar que mesmo existindo

tantos identificadores para classificação e limpeza do dado, apenas 1 deles é utilizado,

reforçando uma necessidade de melhorias na validação dos dados à medida que a série

de dados observacionais aumente e um processo mais sistemático, automatizado e com

uma metodologia clara de limpeza dos dados seja desenvolvido e realizado.

A calibração dos dados obtidos do modelo se mostrou ser efetivo ao utilizar as

equações médias das retas encontradas baseada nos coeficientes a e b mensal para cada

localidade. Como os coeficientes a e b foram gerados para cada ponto de grade

interpolada referente à boia, aqueles em que os resultados foram considerados

insatisfatórios não foram utilizados para a análise geral de energia transportada pela

onda.

Ressalta-se então que os pontos de grade analisados para as posições de Cabo

Frio, Porto Seguro e Recife, apresentaram resultados de correlação insatisfatórios

devido ao baixo número de amostras ou baixa correlação entre os dados observados,

sendo então desconsideradas.

O trabalho realizado por Sarmento (2017) avaliou os dados de vento do modelo

WWIII, usando um método similar ao do presente trabalho para realizar a calibração do

modelo. Seus resultados corroboram com os observados no presente trabalho,

evidenciando uma variação sazonal no comportamento do vento sobre a superfície

oceânica, tendo em vista que a área e o período de tempo observados foram os mesmos

que os utilizados para este trabalho.

A síntese e a avaliação dos avisos de Mau Tempo reforçam o entendimento de

que existe uma variabilidade cíclica em relação as ondas oceânicas que resultam em

Mar Grosso e Ressaca. Apesar dos avisos serem emitidos por área – DELTA,

CHARLIE, BRAVO E ALFA – eles foram indiretamente correlacionados aos dados

58

reanalisados do Wavewatch III, uma vez que os pontos de grade se encontram em

posições fixas dentro das áreas da METAREA.

Percebe-se que existe uma continuidade nos eventos de Mar Grosso e Ressaca

que se deslocam por tais áreas, e tal observação também pode ser feita em relação a

energia acumulada de onda (dados reanalisados), apesar de haver uma diminuição

gradativa dos mesmos.

Observa-se também o acontecimento frequente de eventos extremos de ondas

(ressacas), validando assim a hipótese relacionada à contribuição de fenômenos

climáticos de mesoescala como o ENOS e o SAM para a geração de situações de Mau

Tempo e influência na climatologia de ondas na METAREA V, como observado em

Dalanhese et al. (2017).

A análise dos dados calibrados do Wavewatch III permite concluir que existe

uma variabilidade natural, variando independente das forçantes externas, na

climatologia de ondas da METAREA V. Além disso, pode-se afirmar que os dados de

hindcast do Wavewatch III podem ser usados de forma satisfatória para o Atlântico Sul.

59

7 REFERÊNCIAS BIBLIOGRÁFICAS

Allen, S.K. et al., 2012. IPCC, 2012: Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change C. B. Field et al., eds., New York: CAMBRIDGE UNIVERSITY PRESS Cambridge, New York, Melbourne, Madrid, Cape Town, Singapore, São Paulo, Delhi, Tokyo, Mexico City. Available at: http://ebooks.cambridge.org/ref/id/CBO9781139177245.

Andrews, D.G. & McIntyre, M.E., 1976. Planetary Waves in Horizontal and Vertical Shear: The Generalized Eliassen-Palm Relation and the Mean Zonal Acceleration. Journal of the Atmospheric Sciences, 33, pp.2031–2048.

Ardhuin, F. et al., 2007. Swell and Slanting-Fetch Effects on Wind Wave Growth. Journal of Physical Oceanography, 37(4), pp.908–931. Available at: http://journals.ametsoc.org/doi/abs/10.1175/JPO3039.1.

Bio, A. et al., 2015. Methods for coastal monitoring and erosion risk assessment: two Portuguese case studies. Revista de Gestão Costeira Integrada, 15(1), pp.47–63. Available at: http://www.aprh.pt/rgci/rgci490.html.

Brasil, 2017a. BOIA CABO FRIO - Acessado em 2017., Available at: http://www.goosbrasil.org/pnboia/dados/.

Brasil, 2017b. Controle de qualidade utilizado pela Marinha do Brasil na validação dos dados obtidos pelas boias do Programa Nacional de Boias PNBOIA - Acessado em 2017., Available at: http://www.goosbrasil.org/pnboia/dados/.

Brasil, 2017c. Departamento de Hidrografia e Navegação (DHN), Marinha do Brasil, Available at: http://www.mar.mil.br/dhn/chm/institucional/Carta_de_Servico_ao_Cidadao.pdf.

Candella, R.N., 1997. Estudo De Casos De Ondas No Atlântico Sul Através De Modelagem Numérica.

CANDELLA, R.N. & SOUZA, S.M.L., 2013. ONDAS OCEÂNICAS EXTREMAS NA COSTA SUL-SUDESTE BRASILEIRA GERADAS POR CICLONE COM TRAJETÓRIA ANORMAL EM MAIO DE 2011. Revista Brasileira de Meteorologia, 53(3), pp.1689–1699. Available at: http://dx.doi.org/10.1590/S0102-77862013000400010.

Carleton, A.M., 2003. Atmospheric teleconnections involving the Southern Ocean. Journal of Geophysical Research, 108(C4), p.8080.

Carvalho, L.M. V., Jones, C. & Ambrizzi, T., 2005. Opposite Phases of the Antarctic Oscillation and Relationships with Intraseasonal to Interannual Activity in the Tropics during the Austral Summer. OURNAL OF CLIMATE, 18, pp.702–718.

Chawla, A., Spindler, D. & Tolman, H.L., 2012. 30 Year Wave Hindcasts using WAVEWATCH III R with CFSR winds,

Chawla, A., Spindler, D. & Tolman, H.L., 2011. A Thirty Year Wave Hindcast Using The Latest NCEP Climate Forecast System Reanalysis Winds. In International Workshop on Wave Hindcasting and Forecasting. pp. 1–11.

Csanady, G., 2001. Air-Sea Interaction: Laws and Mechanisms, Cambridge ; New York: cambridge university press. Available at: http://appliedmechanicsreviews.asmedigitalcollection.asme.org/article.aspx?articleid=1397423.

Dahkman, L., 2009. Climate Variability: Oceanic Niño Index. NOAA / NWS / NCEP /

60

EnvironmentalModeling Center, pp.3–5. Available at: https://www.climate.gov/news-features/understanding-climate/climate-variability-oceanic-niño-index.

Dalanhese, L.A., Sarmento, T.L. & Belem, A.L., 2017. Teleconexões entre o El Niño Oscilação Sul e o Modo Anular Austral em eventos extremos de onda nas regiões oceânicas sul e sudeste do brasil. In U.-U. F. R. do R. de Janeiro, ed. 6o Simpósio de Gestão Ambiental e Biodiversidade. Rio de Janeiro. Available at: http://itr.ufrrj.br/sigabi/anais.

DHN, 2003. Departamento de Hidrografia e Navegação (DHN), Marinha do Brasil, Fernandes, E.H.L., Junior, O.O.M. & Cuchiara, D.C., 2015. Ondas. In Introdução às

Ciências do Mar. pp. 196–225. Fogt, R.L., Bromwich, D.H. & Hines, K.M., 2011. Understanding the SAM influence

on the South Pacific ENSO teleconnection. Climate Dynamics, 36(7), pp.1555–1576.

Fraedrich, K. & Muller, K., 1992. CLIMATE ANOMALIES IN EUROPE ASSOCIATED WITH ENSO EXTRMES. INTERNATIONAL JOURNAL OF CLIMATOLOGY, 12(12), pp.25–31.

Garrison, T., 2015. Oceanography: An Invitation to Marine Science, Cengage Learning. Gomes, A.S., 2003. Ondas marinhas. In UFF - DEPARTAMENTO DE BIOLOGIA

MARINHA. Gong, D. & Wang, S., 1999. Definition of Antarctic Oscillation Index. Geophysical

Research Letters, 26(4), pp.459–462. Halpert, M.S. & Ropelewski, C.F., 1992. Surface Temperature Patterns Associated with

the Southern Oscillation. Journal of Climate and Applied Meteorology, 5, pp.577–593.

Holthuijsen, L.H., 2007. Waves in Oceanic and Coastal Waters, Innocentini, V. & Caetano Neto, E.D.S., 1996. A Case Study of the 9 August 1988

South Atlantic Storm: Numerical Simulations of the Wave Activity. Weather and Forecasting, 11(1), pp.78–88. Available at: http://journals.ametsoc.org/doi/abs/10.1175/1520-0434(1996)011%3C0078:ACSOTA%3E2.0.CO;2.

Kalnay, E. et al., 1996. The NCEP/NCAR 40-year reanalysis project. Bulletin of the American Meteorological Society, 77(3), pp.437–471.

Knauss, J.A., 2005. Introduction to Physical Oceanography Second. U. Cornell, ed., Waveland Press, 2005.

Kwok, R. & Comiso, J.C., 2002. Spatial patterns of variability in Antarctic surface temperature: Connections to the Southern Hemisphere Annular Mode and the Southern Oscillation. Geophysical Research Letters, 29(14), p.1705. Available at: http://doi.wiley.com/10.1029/2002GL015415.

L’Heureux, M. & Thompson, D.W.J., 2006. Observed Relationships between the El Niño – Southern Oscillation and the Extratropical Zonal-Mean Circulation. 276 JOURNAL OF CLIMATE, 19(2002), pp.276–287.

Leblond, P.H. & Mysak, L.A., 1979. Ocean Waves: A Survey of Some Recent Results. SIAM Review, 21(3), pp.289–328. Available at: http://links.jstor.org/sici?sici=0036-1445%28197907%2921%3A3%3C289%3AOWASOS%3E2.0.CO%3B2-F.

Lindemann, D. da S. & Justino, F.B., 2015. A INFLUÊNCIA DOS MODOS DE VARIABILIDADE CLIMÁTICA NA TEMPERATURA EM SUPERFÍCIE NA ANTÁRTICA DOUGLAS DA SILVA LINDEMANN , FLÁVIO BARBOSA

61

JUSTINO Universidade Federal de Viçosa , Departamento de Engenharia Agrícola , Viçosa , MG , Brasil. Revista Brasileira de Meteorologia, 30(2), pp.214–222.

Marshall, G.J., 2007. Half-century seasonal relationships between the Southern Annular Mode and Antarctic temperatures. INTERNATIONAL JOURNAL OF CLIMATOLOGY, 4, p.11. Available at: http://cdiac.esd.ornl.gov/oceans/GLODAP/glodap_pdfs/Thermohaline.web.pdf.

Marshall, G.J., 2003. Trends in the Southern Annular Mode from observations and reanalyses. Journal of Climate, 16(24), pp.4134–4143.

Massel, S.R., 1996. Ocean Surface Waves: Their Physics and Prediction P. L.-F. Liu, ed., Singapore: World Scientific Publishing Co. Pte. Ltd.

Meirelles, S. & Violante-Carvalho, N., 2007. Modelagem computacional da propagação de ondas superficiais no oceano: um subsídio para a compreensão dos fenômenos ópticos. Revista Brasileira de Ensino de Física, 29(4), pp.555–563.

Mendes, D. et al., 2009. ESTUDO DE CASO DE CICLONE EXTRATROPICAL SOBRE A AMÉRICA DO SUL : SENSIBILIDADE DAS ANáLISES Centro de Ciência do Sistema Terrestre / Instituto Nacional de Pesquisas Espaciais ( CCST / INPE ) Centro de Previsão de Tempo e Estudos Climáticos / Instituto Nac. Revista Brasileira de Meteorologia, 24(4), p.8.

Miles, J.W., 1957. On the generation of surface waves by shear flows. Journal of Fluid Mechanics, 3(2), pp.185–204. Available at: http://www.journals.cambridge.org/abstract_S0022112057000567.

Miles, M.D. et al., 2003. Triaxys TM Directional Wave Buoy. In Canadian Coastal Conference 2003. pp. 1–15. Available at: http://www.axystechnologies.com/LinkClick.aspx?fileticket=%2BNkDd3vDF0c%3D&tabid=106.

Munk, W.H., 1950. Origin and generation of waves. Proceedings of the first Conference on Coastal Engineering, 1(531), pp.1–4.

Open University, 1999. Waves, tides, and shallow-water processes, Elsevier Inc. Osorio, A.F. et al., 2016. Construction of synthetic ocean wave series along the

Colombian Caribbean Coast: A wave climate analysis. Applied Ocean Research, 56, p.13. Available at: http://dx.doi.org/10.1016/j.apor.2016.01.004.

Parise, C.K., Calliari, L.J. & Krusche, N., 2009. Extreme storm surges in the south of Brazil: Atmospheric conditions and shore erosion. Brazilian Journal of Oceanography, 57(3), pp.175–188.

Pedlosky, J., 2003. Waves in the Ocean and Atmosphere: Introduction to Wave Dynamics 1st ed., Springer-Verlag Berlin Heidelberg New York in 2003.

Pedlowsky, J. & Miles, J., 2004. Waves in the Ocean and Atmosphere: Introduction to Wave Dynamics. Applied Mechanics Reviews, 57, p.B20.

Pereira, N.E. da S. & Klumb-Oliveira, L.A., 2015. Analysis of the influence of ENSO phenomena on wave climate on the central coastal zone of Rio de Janeiro (Brazil). Revista de Gestão Costeira Integrada, 15(3), pp.353–370. Available at: http://www.aprh.pt/rgci/rgci570.html.

Pezza, A.B. & Ambrizzi, T., 2000. Propagação de Ondas de Frio na América do Sul e as Trajetórias de Ciclones e Anticiclones Extratropicais. Anais do XI-CBMET, pp.3107–3117.

Pezza, A.B., Rashid, H.A. & Simmonds, I., 2012. Climate links and recent extremes in antarctic sea ice, high-latitude cyclones, Southern Annular Mode and ENSO. Climate Dynamics, 38(1–2), pp.57–73.

Pezzi, L.P., de Souza, R.B. & Quadro, M.F.L., 2016. Uma revisão dos processos de

62

interação oceano-atmosfera em regiões de intenso gradiente termal do oceano atlântico sul baseada em dados observacionais. Revista Brasileira de Meteorologia, 31(4), pp.428–453.

Phillips, 0. M., 1957. On the Generation of Waves by Wind C. University, ed. Journal of Fluid Mechanics, 2, pp.417–445.

Pianca, C., Mazzini, P.L.F. & Siegle, E., 2010. Brazilian offshore wave climate based on NWW3 reanalysis. Brazilian Journal of Oceanography, 58(1), pp.53–70.

Rasmusson, E.M. & Carpenter, T.H., 1982. Variations in Tropical Sea Surface Temperature and Surface Wind Fields Associated with the Southern Oscillation/El Niño. Monthly Weather Review, 110(5), pp.354–384. Available at: http://journals.ametsoc.org/doi/abs/10.1175/1520-0493%281982%29110%3C0354%3AVITSST%3E2.0.CO%3B2.

Reboita, M.S., Ambrizzi, T. & Rocha, R.P. Da, 2009. Relationship between the southern annular mode and southern hemisphere atmospheric systems. Revista Brasileira de Meteorologia, 24, pp.48–55.

Resio, D.T., Bratos, S.M. & Thompson, E.F., 2008. METEOROLOGY AND WAVE CLIMATE. In L. Vincent and Z. Demirbilek, ed. Meteorology and wave climate. Coasta Engineering Manual. Washington, DC: U.S. Army.

Rodrigues, R.R., Campos, E.J.D. & Haarsma, R., 2015. The impact of ENSO on the south Atlantic subtropical dipole mode. Journal of Climate, 28(7), pp.2691–2705.

Ropelewski, C.F. & Halpert, M.S., 1987. Global and Regional Scale Precipitation Patterns Associated with the El Niño/Southern Oscillation. Monthly Weather Review, 115(8), pp.1606–1626.

Ropelewski, C.F. & Halpert, M.S., 1989. Precipitation Patterns Associated with the High Index Phase of the Southern Oscillation. Journal of Climate, 2(3), pp.268–284. Available at: http://journals.ametsoc.org/doi/abs/10.1175/1520-0442%281989%29002%3C0268%3APPAWTH%3E2.0.CO%3B2.

Saha, S. et al., 2010. The NCEP climate forecast system reanalysis. Bulletin of the American Meteorological Society, 91(8), pp.1015–1057.

Sarmento, T.L., 2017. CLIMATOLOGIA DO VENTO SOBRE O OCEANO ATLÂNTICO SUL (METAREA V) E TELECONEXÕES CLIMÁTICAS. Universidade Federal Fluminense.

SOLAS, 2014. Convenção internacional para salvaguarda da vida humana no mar SOLAS 1974/1988,

Soppa, M.A., Souza, R.B. de & Pezzi, L.P., 2011. Variabilidade das anomalias de temperatura da superfície do mar no oceano atlântico sudoeste e sua relação com o fenomeno El Niño-Oscilação Sul. Revista Brasileira de Meteorologia, 26(3), pp.375–391. Available at: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862011000300005&lng=pt&nrm=iso&tlng=en.

Sorensen, R.M., 1993. BASIC WAVE MECHANICS: FOR COASTAL AND OCEAN ENGINEERS. Naval Engineers Journal, 103(6), p.227-. Available at: http://dx.doi.org/10.1111/j.1559-3584.1991.tb01089.x.

Souza, R.D. & Bulhões, E.M.R., 2011. Propagação De Ondas Para Águas Rasas No Litoral Norte Fluminense : Subsídios Para Estudos De Erosão Costeira E Transporte de Sedimentos. V Simpósio Brasileiro de Oceanogrfia, (1997), pp.1–5.

Spindler, D., Chawla, A. & Tolman, H.L., 2011. An initial look at the CFSR Reanalysis winds for wave modeling. Technical Note, (290). Available at: http://nopp.ncep.noaa.gov/mmab/papers/tn290/MMAB_290.pdf.

63

Stewart, R.H., 2003. Introduciton to Physical Oceanography. Applied Animal Behaviour Science, (August), p.352.

Stewart, R.H., 2009. Introduction To Physical Oceanography, The WAVEWATCH III Development Group (WW3DG), 2016. User manual and

system documentation of WAVEWATCH III version 5.16. Tech. Note 329, NOAA/NWS/NCEP/MMAB, College Park, MD, USA. Technical note, MMAB Contribution, 276(329), p.326 pp. + Appendices.

Thompson, D.W.J. & Wallace, J.M., 2000. Annular Mode in the Extratropical Circulation. Part I : Month-to-Month Variability. Journal of Climate, 13(1999), pp.1000–1016. Available at: papers2://publication/uuid/9A9E1710-F09C-4477-B3E2-BB99F78E6CA4.

Tolman, H.L., 1991. A Third-Generation Model for Wind Waves on Slowly Varying, Unsteady, and Inhomogeneous Depths and Currents. Journal of Physical Oceanography, 21(6), pp.782–797.

Tolman, H.L., 2009. User manual and system documentation of WAVEWATCH-IIITM version 3.14. Technical note, (3.14), p.220. Available at: http://polart.ncep.noaa.gov/mmab/papers/tn276/MMAB_276.pdf%5Cnpapers2://publication/uuid/298F36C7-957F-4D13-A6AB-ABE61B08BA6B.

Tomczak, M. & Godfrey, J.S., 2003. Chapter 19: El Niño and the Southern Oscillation (ENSO). Regional Oceanography: An Introduction, 0(December), pp.4–5.

Torrence, C. & Webster, P.J., 1999. Interdecadal changes in the ENSO-monsoon system. Journal of Climate, 12(8 PART 2), pp.2679–2690.

Webster, P.J. & Yang, S., 1992. Monsoon and ENSO:Selectively interactive systems. Quart. J. Roy. Meteorol. Soc., 118(507), pp.877–926.

Welhouse, L.J. et al., 2016. Composite analysis of the effects of ENSO events on Antarctica. Journal of Climate, 29(5), pp.1797–1808.

Wolter, K., 1987. The Southern Oscillation in Surface Circulation and Climate over the Tropical Atlantic, Eastern Pacific, and Indian Oceans as Captured by Cluster Analysis. Journal of Climate and Applied Meteorology, 26(4), pp.540–558. Available at: http://journals.ametsoc.org/doi/abs/10.1175/1520-0450%281987%29026%3C0540%3ATSOISC%3E2.0.CO%3B2.

Wolter, K. & Timlin, M.S., 1993. Monitoring ENSO in COADS with a seasonally adjusted principal component index. Proceedings of the 17th Climate Diagnostics Workshop,, pp.52–57.

Young, I.R., 1999. Wind generated ocean waves Ian R. You. Elsevier, ed., Elsevier Inc. Available at: http://linkinghub.elsevier.com/retrieve/pii/S0378383900000612.

64

APÊNDICES

APÊNDICE A: Coordenadas das áreas marítimas de previsão do tempo sob

responsabilidade do Brasil (subáreas da METAREA V), que foram utilizadas para o

cálculo de pontos de grade por área observada.

Anexo: Pontos de latitude e longitude delimitantes das distintas áreas oceânicas que cobrem a costa do Brasil,

determinados pela Marinha do Brasil (BRASIL 2017).

ALFA BRAVO

Pontos Latitude Longitude Pontos Latitude Longitude

1 33º 44’ S 053º 22’ W 1 28º 36’ S 048º 49’ W

2 36º 00’ S 048º 00’ W 2 31º 00’ S 043º 00’ W

3 31º 00’ S 043º 00’ W 3 26º 00’ S 038º 00’ W

4 28º 36’ S 048º 49’ W 4 23º 01’ S 042º 00’ W

CHARLIE DELTA

Pontos Latitude Longitude Pontos Latitude Longitude

1 28º 36’ S 048º 49’ W 1 23º 01’ S 042º 00’ W

2 23º 01’ S 042º 00’ W 2 26º 00’ S 038º 00’ W

3 21º 00’ S 033º 00’ W

4 17º 46’ S 039º 12’ W

ECHO FOXTROT

Pontos Latitude Longitude Pontos Latitude Longitude

1 17º 46’ S 039º 12’ W 1 13º 01’ S 038º 32’ W

2 21º 00’ S 033º 00’ W 2 15º 00’ S 033º 00’ W

3 15º 00’ S 033º 00’ W 3 10º 00’ S 029º 00’ W

4 13º 01’ S 038º 32’ W 4 03º 00’ S 029º 00’ W

5 05º 45’ S 035º 12’ W

GOLF HOTEL

Pontos Latitude Longitude Pontos Latitude Longitude

1 05º 45’ S 035º 12’ W 1 02º 29’ S 044º 18’ W

2 03º 00’ S 029º 00’ W 2 02º 00’ N 038º 00’ W

3 02º 00’ N 038º 00’ W 3 07º 00’ N 048º 00’ W

4 02º 29’ S 044º 18’ W 4 04º 26’ N 051º 33’ W

NOVEMBER – NORTE OCEÂNICA SIERRA – SUL OCEÂNICA

Pontos Latitude Longitude Pontos Latitude Longitude

1 15º 00’ S 033º 00’ W 1 15º 00’ S 033º 00’ W

2 15º 00’ S 020º 00’ W 2 15º 00’ S 020º 00’ W

3 07º 00’ N 020º 00’ W 3 36º 00’ S 020º 00’ W

4 07º 00’ N 048º 00’ W 4 36º 00’ S 048º 00’ W

5 02º 00’ N 038º 00’ W 5 31º 00’ S 043º 00’ W

6 03º 00’ S 029º 00’ W 6 26º 00’ S 038º 00’ W

7 10º 00’ S 029º 00’ W 7 21º 00’ S 033º 00’ W

65

APÊNDICE B: Amostragem do coeficiente de correlação linear mensal para a boia de Rio Grande, onde observa-se a variação da correlação ao longo dos meses. Tal dado foi mostrado para a avaliação dos valores sumarizados no .

66

67

Figura 33: Coeficiente de correlação mensal para a posição de Rio Grande.

View publication statsView publication stats