Simulação numérica da atmosfera utilizando modelo digital

de superfície para o estudo de dispersão de poluentes na

região de Candiota

SHEILA RADMANN DA PAZ

Porto Alegre

2004

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL - UFRGS

CEPSRM - CENTRO ESTADUAL DE PESQUISAS EM SENSORIAMENTO REMOTO E

METEOROLOGIA

PROGRAMA DE PÓS-GRADUACAO EM SENSORIAMENTO REMOTO

Simulação numérica da atmosfera utilizando modelo digital

de superfície para o estudo de dispersão de poluentes na

região de Candiota

SHEILA RADMANN DA PAZ

Dissertação apresentada como requisito parcial para a obtenção do grau de Mestre em Sensoriamento Remoto, área de concentração em Sensoriamento Remoto Aplicado a Recursos Naturais e ao Meio Ambiente.

Orientadora: Drª. Rita de Cássia Marques Alves

Porto Alegre, RS

Dezembro de 2004

Agradecimentos

A Profa. Rita de Cássia Marques Alves pela oportunidade, discussões e sugestões

durante o trabalho. O meu muito obrigado pela confiança e paciência que dedicaste ao

contribuir no meu crescimento profissional.

A minha família, pelo intenso carinho, compreensão e estímulos transmitidos

incondicionalmente. Agradeço em especial aos meus pais, que tanto amo, pelo empenho

em me ajudar a concluir os estudos e por me ensinarem os valores que busco trazer

sempre comigo. E aos meus queridos irmãos, minhas preciosidades.

A Edmilson Freitas pela valiosa ajuda em momentos decisivos. Sua colaboração e

presteza para na realização da dissertação foram fundamentais, principalmente na parte

final do trabalho.

As grandes amigas do Laboratório de Meteorologia Débora, Néia e Juliana. Obrigada

pelos inúmeros incentivos, pela paciência e ajuda em etapas difíceis e por todos os

momentos de alegria e descontração que passamos juntas. Nossas diferenças me

ensinaram muito. A vocês meu muito obrigado!!

Meu reconhecimento ao amigo Luiz que acompanha, há bastante tempo, diferentes

etapas de minha vida. Valeu pelos momentos de transição que passamos e que nos

uniram ainda mais, e também pelas incansáveis tentativas de mostrar um lado

descontraído das situações. Obrigada por tua amizade sincera e incondicional.

Estendo minha eterna gratidão a todos os amigos que sempre estiveram comigo.

Embora o silêncio muitas vezes tenha sido necessário, descobri que não posso nada sem

vocês. Agradeço também àqueles amigos que tive que abdicar preciosos momentos,

devido nossas distâncias físicas, mas que mesmo assim, sempre se mostraram pessoas

dispostas a ouvir e fazer o “social” necessário. Em especial a amiga Carol, e ao Michel,

um amigo de todos os momentos. Obrigada por tua sinceridade, apoio e toda ajuda

prestada num momento tão importante.

Ao colega Carlos Aluísio pelo apoio dedicado em fases decisivas do trabalho. Obrigada

por passar um pouco do seu conhecimento e do seu tempo, de forma tão prestativa e

amiga.

Aos colegas do Grupo de Estudos do (GEPRA) pela disponibilidade e concessão do

modelo. Em especial ao Chico e Gustavo por todas as vezes que solucionaram os

problemas com competência, paciência e prestatividade.

A CGTEE cuja oportunidade fez com que a realização deste trabalho fosse possível. Em

especial ao pessoal do setor do Meio Ambiente da Usina Presidente Médici, em nome

dos queridos amigos Renato, Vicente e Lazareno pelos bons momentos que passamos

nas cansativas e divertidas saídas de campo do projeto.

As colegas Elba e Claudinha, da FEPAM, pelas sugestões, companheirismo e

disponibilidade em ajudar...

Ao Bruno Biazeto, do Laboratório MASTER do IAG/USP, pela competência e

empenho em disponibilizar os materiais necessários para o desenvolvimento deste

estudo.

Aos colegas da turma 2003, cujas trocas de conhecimento e apoio foram muito

importantes para encarar as disciplinas do curso e a saudade de parentes e amigos.

Agradeço a colega Camila, com quem dividi o apartamento, frustrações e alegrias.

Agradeço também a turma 2004 que contribuíram para a formação de um ambiente de

agradável e barulhenta convivência. Obrigada pelos momentos de descontração e

amizade.

Aos tios e amigos Marcos e Claudia, por me ajudarem em inúmeros momentos,

principalmente por me acolherem em sua casa de forma tão gentil, em uma fase difícil

de minha vida. Obrigada pelos valiosos conselhos e críticas, pelo carinho e a confiança

depositada em mim. Serei eternamente grata a vocês pela oportunidade!

Aos colegas, funcionários e professores do CEPSRM pela contribuição de uma forma

ou de outra para a realização deste trabalho. Agradeço em especial aos professores Jorge

Ducati e Silvia Rolim pela colaboração e empenho em permitir a conclusão deste curso.

E finalmente, a Deus.

SIMULAÇÃO NUMÉRICA DA ATMOSFERA UTILIZANDO MODELO

DIGITAL DE SUPERFÍCIE PARA O ESTUDO DE DISPERSÃO DE

POLUENTES NA REGIÃO DE CANDIOTA 1

Autora: Sheila Radmann da Paz

Orientadora: Rita de Cássia Marques Alves

SINOPSE

O presente trabalho desenvolve um estudo de dispersão de poluentes emitidos pela

chaminé da Usina Termoelétrica Presidente Medica, localizada em Candiota-RS. O

caminho e a concentração destes materiais são associados às características topográficas

obtidas através da utilização de Modelagem Digital de Terreno (MDT) extraído de pares

estereoscópicos do sensor ASTER (Advanced Spacebone Thermal Emission and

Reflection Radiometer). Dados de elevação, declividade e aspecto, gerados pelo MDT,

são inseridos no modelo numérico RAMS (Regional Atmospheric Modeling System).

Com o intuito de abranger completamente a área de estudo, utilizou-se 4 cenas para a

composição do mosaico de imagens. Informações de umidade do solo e topografia

reamostrada para resolução espacial de 500m, foram integradas ao modelo, na tentativa

de buscar a contribuição individual de cada fator no processo de dispersão. Com esta

finalidade, utiliza-se o método da Análise Fatorial, intercalando a utilização destes

fatores em 4 ensaios diferentes. Os resultados mostram que o efeito no processo de

dispersão parece estar associado, em grande parte, à topografia, pois as amplitudes

destas contribuições são maiores do que a da umidade do solo. As simulações de

dispersão foram comparadas com dados obtidos através de estações meteorológicas e de

qualidade do ar, e os resultados apresentaram algumas discrepâncias, principalmente em

ocasiões de forte turbulência de origem mecânica.

1. Dissertação de Mestrado em Sensoriamento Remoto, Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia, Curso de Pós Gradução em Sensoriamento Remoto da Universidade Federal do Rio Grande do Sul. Porto Alegre/RS (95p.). Dezembro de 2004.

NUMERICAL SIMULATION OF THE ATMOSPHERE USING DIGITAL

MODEL OF SURFACE FOR THE STUDY OF DISPERSION OF POLLUTANTS

IN THE CANDIOTA REGION 1

Author: Sheila Radmann da Paz

Advisor: Rita de Cássia Marques Alves

ABSTRACT

This work presents a study of the behavior of pollutant emitted by the Thermoelectrical

Power Plant Presidente Médici, in Candiota - RS, associating the path and concentration

of these materials to the local topographic characteristics, which was obtained through

the use of digital terrain model (DTM) extracted from stereoscopic pairs of ASTER

(Advanced Spacebone Thermal Emission and Reflection Radiometer) sensor. The

elevation, slope and terrain aspect data, generated by the DTM, were added in the

numeric model RAMS (Regional Atmospheric Modeling System). Intending to enclose

the study area completely, 4 scenes were used for the composition of the mosaic.

Information about soil humidity and topography resampled to especial resolution of

500m, integrated in this model, on the attempt of finding the contribution of each factor

over the dispersion processes. The method of the Factorial Analysis was used,

intercalating the use these factors in 4 different essays. The results shows that dispersion

effects seems to be associated mainly by topography, once the amplitude of these

contributions are superior than soil humidity. The dispersion simulated were compared

with data acquired by meteorological and air quality surface stations, presenting some

discrepancies, especially in occasions of strong turbulence of mechanical origin.

1. Master Science Thesis, Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia, Graduate Course in Remote Sensing, Universidade Federal do Rio Grande do Sul. Porto Alegre/RS (95p.). Dezembro de 2004.

Sumário

Agradecimentos........................................................................................................... iii

SINOPSE...................................................................................................................... v

ABSTRACT................................................................................................................ vi

Sumário ...................................................................................................................... vii

Lista de Figuras ........................................................................................................... ix

Lista de Tabelas.......................................................................................................... xii

Lista de Abreviaturas ................................................................................................ xiii

1 Introdução ........................................................................................................ 1

2 Revisão bibliográfica ....................................................................................... 4

2.1 Estrutura e efeitos locais da camada limite planetária ..................................... 5

3 Modelo RAMS............................................................................................... 11

3.1 Estrutura da grade .......................................................................................... 12

3.2 Parametrizações utilizadas pelo modelo ........................................................ 13

3.2.1 Microfísica e convecção................................................................................. 14

3.2.2 Parametrização de radiação............................................................................ 14

3.2.3 Parametrização de turbulência ....................................................................... 15

3.2.4 Modelo de interação solo-vegetação-atmosfera............................................. 16

3.3 Inicialização do modelo ................................................................................. 17

4 Material e Métodos ........................................................................................ 19

4.1 Caracterização geral da área de estudo .......................................................... 20

4.1.1 Usina Termoelétrica Presidente Médici ......................................................... 20

4.1.2 Escoamento atmosférico ................................................................................ 22

4.1.3 Caracterização meteorológica ........................................................................ 23

4.2 Utilização de imagens ASTER para a geração do arquivo de topografia ...... 24

4.3 Modelo Digital do Terreno............................................................................. 26

4.4 Inicialização do modelo RAMS..................................................................... 30

4.5 Sub-rotina de dispersão do Modelo................................................................ 33

4.6 Planejamento fatorial ..................................................................................... 35

4.7 Descrição de metodologias de amostragens................................................... 37

5 Resultados e discussão ................................................................................... 41

5.1 Resultado das simulações............................................................................... 41

5.1.1 Análise da circulação atmosférica.................................................................. 41

5.1.2 Análise do efeito da topografia e umidade do solo sobre o comportamento

individual de algumas variáveis atmosféricas............................................................ 48

5.2 Resultados do modelo de transporte de poluentes ......................................... 57

5.3 Resultados do modelo de análise de fatores................................................... 63

5.3.1 Dia 20/04/2004............................................................................................... 64

5.3.2 Dia 25/04/2004............................................................................................... 66

5.4 Comparação entre os dados de concentração observados e modelados para o

PM10 e o SO2............................................................................................................. 70

6 Conclusões ..................................................................................................... 74

7 Referências bibliográficas.............................................................................. 78

Lista de Figuras

Figura 2. 1 - Estrutura diurna da Camada Limite Planetária. Adaptado de Stull, 1988....7

Figura 3. 1 - Grade do tipo "C" de Arakawa: h representa variáveis termodinâmicas e u

e v as componentes zonal e meridional do vento....................................................12

Figura 3. 2 - Organograma com a seqüência de comandos seguidos no modelo, assim

com os arquivos gerados por eles. ..........................................................................18

Figura 4. 1- Mapa de localização da área de estudo. Candiota – RS. .............................21

Figura 4. 2 - Plataforma EOS AM-1. ..............................................................................25

Figura 4. 3 - Disposição espectral de comprimento de onda do sistema ASTER.

Adaptado da versão 2 do Guia do usuário do ASTER (Abrams et al., 2004). .......26

Figura 4. 4 - Mosaico ASTER (RGB-231) utilizado para a geração do MDT. ..............28

Figura 4. 5 - Exemplo de representação 3D de grade regular. Fonte: Tutorial SPRING-

3.6, 2002). ...............................................................................................................29

Figura 4. 6 – Espacialização tridimensional por sombreamento de relevo da região de

Candiota – RS. ........................................................................................................30

Figura 4. 7 – Aninhamento das quatro grades utilizadas na modelagem, centrado em

53,68W e 31,5S (UTPM). .......................................................................................31

Figura 4. 8 – Representação do volume ocupado no tratamento dos gases na saída da

fonte pelo modelo RAMS. ......................................................................................35

Figura 4. 9 - Esquema da estrutura do amostrador AFG. ...............................................39

Figura 4. 10 - Amostrador HV PM10 utilizado para coleta de PI10 .................................39

Figura 5. 1 - Imagem do satélite GOES-12 (coluna da esquerda) e evolução do campo

do vento (m/s) e pressão atmosférica em mb (coluna da direita) ao nível de 13,4 m

acima da superfície. Em (a) 02:45 UTC, em (b) 03:00Z, em (c) 14:45 UTC, em (d)

15:00Z do dia 20/04/2004. As barras em cores indicam a magnitude do vento. ....42

Figura 5. 2 – Mesmo que na Figura 5.1, para o dia 21/04/2004. ....................................43

Figura 5. 3 - Mesmo que na Figura 5.1, para o dia 22/04/2004. .....................................44

Figura 5. 4 - Mesmo que na Figura 5.1, para o dia 23/04/2004. .....................................45

Figura 5. 5 - Mesmo que na Figura 5.1, para o dia 24/04/2004. .....................................46

Figura 5. 6 - Mesmo que na Figura 5.1, para o dia 25/04/2004. .....................................47

Figura 5. 7 – Campo de topografia da terceira grade do modelo RAMS, com resolução

de 500 metros. .........................................................................................................49

Figura 5. 8 – Campo de precipitação, obtido pela Estação Meteorológica de Aceguá...50

Figura 5. 9 – Evolução temporal de precipitação ao nível de 14,3m acima da superfície.

.................................................................................................................................51

Figura 5. 10 – Campo de temperatura registrada em Bagé, obtido pela Estação

Meteorológica do INMET.......................................................................................52

Figura 5. 11 – Campo de temperatura do ar, obtido pela Estação Meteorológica de

Aceguá, RS..............................................................................................................52

Figura 5. 12 – Evolução temporal de temperatura do ar simulada, ao nível de 14,3m

acima da superfície..................................................................................................53

Figura 5. 13 - Campo de umidade do ar registrada em Bagé, obtido pela Estação

Meteorológica do INMET.......................................................................................54

Figura 5. 14 – Campo de umidade relativa do ar, obtido pela Estação Meteorológica de

Aceguá, RS..............................................................................................................54

Figura 5. 15 – Evolução temporal da umidade relativa do ar ao nível de 14,3m acima da

superfície. ................................................................................................................55

Figura 5. 16 – Comparação entre a evolução temporal energia cinética turbulenta

(esquerda) e a altura da CLP (direita) para os quatro ensaios realizados................57

Figura 5. 17 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 20/04/04.

As barras em cores indicam a magnitude das concentrações, em µgm-3. ...............58

Figura 5. 18 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 21/04/04.

As barras em cores indicam a magnitude das concentrações (µgm-3). ...................59

Figura 5. 19 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 22/04/04.

As barras em cores indicam a magnitude das concentrações (µgm-3). ...................60

Figura 5.20 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 23/04/04.

As barras em cores indicam a magnitude das concentrações (µgm-3). ...................61

Figura 5. 21 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 24/04/04.

As barras em cores indicam a magnitude das concentrações, em (µgm-3). ............62

Figura 5. 22 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 25/04/04.

As barras em cores indicam a magnitude das concentrações (µgm-3). ...................63

Figura 5. 23 - Termos das equações 4.5 - 4.7, ilustrando os efeitos principais da

topografia (a), da umidade do solo (b) e da integração entre esses efeitos (c) sobre a

concentração de PM10 para o dia 20/04 as 23 UTC...............................................65

Figura 5. 24 – Mesmo que na Figura 5.23, para o SO2. ..................................................66

Figura 5. 25 – Termos das equações 4.5 - 4.7, ilustrando os efeitos principais da

topografia (a), da umidade do solo (b) e da integração entre esses efeitos (c) sobre a

concentração de PM10 para o dia 25/04 as 11 UTC...............................................67

Figura 5. 26 – Mesmo que na Figura 5.25, para o SO2. ..................................................68

Figura 5. 27 – Campo de topografia da terceira grade do modelo RAMS, com resolução

de 500 metros. .........................................................................................................69

Lista de Tabelas

Tabela 4. 1 – Opções numéricas utilizadas no RAMS, neste estudo. .............................32

Tabela 4. 2 – Valores atribuídos à umidade do solo, no experimento em que esta era

considerada..............................................................................................................36

Tabela 4. 3 – Representação dos ensaios para a análise da topografia e umidade do solo.

.................................................................................................................................36

Tabela 4. 4 - Coordenadas das estações de Qualidade do Ar da CGTEE e da Usina

Termoelétrica Presidente Médici localizada em Candiota - RS..............................38

Tabela 5. 1 – Dados de concentração de SO2 na estação de Três Lagoas.......................71

Tabela 5. 2 – Dados de concentração de SO2 na estação do Aeroporto de Candiota. ....72

Tabela 5. 3 – Dados de concentração de PM10 na estação de Três Lagoas. ..................72

Tabela 5. 4 – Dados de concentração de PM10 na estação de 8 de Agosto....................72

Tabela 5. 5 – Dados de concentração de PM10 na estação de Aceguá...........................73

Lista de Abreviaturas

AFG Amostrador Fino e Grosso

ASTER Advanced Spacebone Thermal Emission and Reflection Radiometer

CLP Camada Limite Planetária.

CGTEE Companhia de Geração Térmica de Energia Elétrica

CPTEC Centro de Previsão de Tempo e Estudos Climáticos.

GOES Geostationary Operational Environmental Satellite

GrADS Grid Analysis and Display System.

ECT Energia Cinética Turbulenta

ENVI Environment for Visualizing Images

INMET Instituto Nacional de Meteorologia

INPE Instituto Nacional de Pesquisas Espaciais.

MDT Modelo Digital do Terreno

NOx Óxidos de nitrogênio

PM10 Material Particulado Inalável.

RAMS Regional Atmospheric Modeling System.

SIG Sistema de Informações Geográficas

SO2 Dióxido de Enxofre

UTPM Usina Termoelétrica Presidente Médici

USEPA United States Enviromental Protection Agency

WGS84 World Geodetic System 1984

1

1 Introdução

O controle direto sobre o uso de recursos naturais e o impacto ambiental

decorrente da utilização indiscriminada destes meios representa a ferramenta de análise

e decisão para a exploração cautelosa destas reservas presentes no ambiente. Assim, a

continuidade da utilização torna-se comprometida, não dependendo somente da sua

disponibilidade, mas na busca de soluções para uma série de implicações ao meio

ambiente.

A implementação de projetos elétricos gerados a partir de certos tipos de

fontes energéticas naturais como o carvão, combustível fóssil, hidroeletricidade e gás

natural podem causar sérios problemas sócio-ambientais, como perdas de

biodiversidade, deslocamento de populações, chuva ácida, poluição do ar, efeito

estufa, etc.

O Rio Grande do Sul é detentor das maiores reservas nacionais de carvão e

não há duvidas de que há restrições importantes à utilização deste recurso. Um

aumento na produção na exploração poderá resultar em severas conseqüências

ambientais, se não houver controle entre a necessidade de geração de energia e

capacidade do ambiente físico em suprir esta necessidade. Com isso torna-se

indispensável um monitoramento dos diferentes estágios que englobam as rotinas

operacionais, compreendendo tanto as características e limitações de ambientes

naturais, bem como os resultados da extração da matéria-prima do ambiente e o

acompanhamento dos processos físicos envolvidos na liberação de material poluente a

atmosfera. A preocupação final destina-se a capacidade de regeneração do ambiente

frente às modificações impostas por estes processos.

O impacto ambiental das emissões de poluentes, decorrentes da combustão

do carvão mineral está associado aos processos de dispersão do material na atmosfera.

A trajetória dos poluentes atmosféricos, e conseqüentemente, sua concentração

2

ambiental são determinadas pelas condições climáticas, meteorológicas e

micrometeorológicas as quais está interligada à topografia, uso e ocupação do solo. Para

uma mesma quantidade de partículas ou gases introduzida na atmosfera a qualidade do

ar pode variar de acordo com as condições meteorológicas do momento. Fatores

meteorológicos atuantes, tais como a estabilidade do ar, determinada pela variação

vertical da temperatura, e os efeitos combinados da advecção, difusão turbulenta,

direção e intensidade do vento são os principais mecanismos que regem o

comportamento do material suspenso no ambiente atmosférico.

Devido a grande quantidade de variáveis envolvidas, o caminho dos

contaminantes torna-se um processo extremamente complexo. Com o aumento da

capacidade de processamento dos computadores modernos é possível realizar

"simulações" do comportamento dos sistemas reais e, assim, fazer previsões com

diversos graus de aproximação. A previsão é então realizada através de modelos

físico-matemáticos baseados no estado de um sistema em determinado momento e sua

solução através das equações adequadas. Desta forma pode-se caracterizá-lo em outro

instante.

Estes modelos de dispersão estão capacitados a avaliar a concentração de

um determinado constituinte atmosférico, através da solução da equação da

conservação da massa deste constituinte, envolvendo processos de advecção, difusão,

reações químicas, fontes e sorvedouros.

No que se refere à previsão de dispersão de poluentes, os modelos

meteorológicos buscam representar a interação entre os processos de dispersão do

material emitido e o comportamento deste diante o estado da atmosfera e as

características físicas do ambiente. Estas características do cenário podem ser: a

cobertura do terreno, umidade do solo, presença de centros urbanos, proximidade com

áreas lacustres e marítimas e influência da topografia. Estudos mostram que os tipos de

superfície interferem diretamente em gradientes horizontais do fluxo de calor sensível

e latente, assim como de temperatura do ar na Camada Limite Planetária (CLP). No

período diurno, este efeito estende-se na vertical até uma altura comparável a altura da

CLP. Por outro lado, no período noturno, este efeito está confinada as camadas

adjacentes à superfície. As variações topográficas e de rugosidade da superfície

modulam o escoamento na CLP, gerando áreas de convergência e divergência do ar,

correlacionadas com a distribuição de morros e vales.

3

Diante disso, a análise espacial topográfica pode ser realizada através de

técnicas de Sensoriamento Remoto que permitem que o usuário obtenha informações

relevantes sobre o ambiente físico que envolve a área de estudo. A obtenção do

levantamento destes dados não requer que o equipamento esteja em contato com a

área, pois as informações podem vir de sensores a bordo de satélites, baseando-se

somente na interação de radiação eletromagnética com o respectivo objeto.

Conhecendo fisicamente a área de abrangência a ser estudada, é necessário

conhecer também o efeito de variáveis meteorológicas e interações com o meio, para

entender os processos que definem o comportamento deste sistema. Com base nestes

assuntos, o presente o estudo busca verificar o comportamento da atmosfera diante de

diferentes condições de topografia e de umidade do solo, no processo de dispersão de

poluentes emitidos pela Usina Termoelétrica Presidente Médici. A análise espacial de

dados topográficos é obtida por Modelos Digitais de Terreno (MDT) extraídos de

pares estereoscópicos do sensor ASTER (Advanced Spacebone Thermal Emission and

Reflection Radiometer) através das bandas 3N e 3B. Dados de elevação, declividade e

aspecto, gerados pelo MDT, serão inseridos no modelo numérico RAMS (Regional

Atmospheric Modeling System). Os resultados simulados serão comparados com

aqueles obtidos através de campanhas experimentais realizadas na região.

Este trabalho encontra-se estruturado em sete capítulos.

O primeiro capítulo possui a finalidade de apresentar o tema, especificar o

problema e a área de estudo e apresentar os objetivos e a estrutura do trabalho. O

segundo capítulo trata da fundamentação teórica na literatura, onde se encontra uma

revisão bibliográfica sobre os conteúdos e conceitos necessários para o

desenvolvimento da pesquisa, nos quais o estudo se sustenta.

Dentro da abordagem de modelagem numérica, as principais assimilações e

estruturas do modelo atmosférico RAMS são apresentadas no terceiro capítulo. A

descrição da obtenção dos dados, metodologias e demais procedimentos serão

apresentadas do quarto capítulo. No quinto capítulo seguem-se as análises dos dados e

resultados alcançados no estudo, enfocando o papel da topografia e a contribuição da

umidade do solo no processo de dispersão de contaminantes validados através do

modelo RAMS.

Constam no sexto capítulo um relato das conclusões observadas a partir dos

resultados da pesquisa, e as recomendações para futuros trabalhos.

4

2 Revisão bibliográfica

Segundo Richter et al. (1984), a contaminação da atmosfera por

substâncias potencialmente tóxicas, oriundas da combustão de combustíveis fósseis foi

responsável, nos anos 70, por cerca de 30% das emissões antropogênicas globais.

Nesse contexto, a combustão do carvão apresenta papel destacado devido a sua grande

utilização como fonte de energia. Dentre os vários poluentes emitidos pelas centrais

térmicas de carvão, destacam-se, tanto pela quantidade como pelo impacto ambiental,

o material particulado e os óxidos de enxofre (SOx) e nitrogênio (NOx) (Pires, 2002).

No Brasil não existem informações precisas sobre as emissões

atmosféricas oriundas do uso e processamento do carvão. Entretanto, diversos autores

têm mostrado o comprometimento do meio ambiente e a qualidade de vida da

população residente próxima às áreas de influência das termoelétricas (Andrade, 1985;

Sanchez, 1987; Pires, 1990; Teixeira et al., 1998).

Diversos estudos têm salientado que a influência da concentração de uma

determinada substância na atmosfera varia no tempo e no espaço em função de reações

químicas e/ou fotoquímicas, dos fenômenos de transporte, fatores meteorológicos e da

topografia da região. Dentre estes fatores atuantes, talvez o de maior importância seja o

conhecimento de condições atmosféricas favoráveis ou não, à dispersão de poluentes,

por possuir um papel determinante na descrição físico-química dos processos de

transporte, concentração e deposição do material poluente. O campo do vento e a

turbulência (flutuações do campo do vento em relação à média) controlam os

mecanismos de transporte e dispersão de poluentes na atmosfera (Carvalho, 1999).

Segundo Zannetti (1990), os principais fatores meteorológicos que influenciam o

fenômeno do transporte e dispersão atmosférica são: vento horizontal (direção e

velocidade), estabilidade atmosférica, intensidade da inversão de altitude e movimento

vertical devido aos sistemas da pressão, ou efeitos de terreno.

5

Monteiro (1997) e Monteiro & Furtado (1998) estudaram a correlação das

concentrações de SO2 e MP (material particulado) com as condições atmosféricas na

área do complexo Jorge Lacerda, observando um predomínio de concentrações

anômalas de poluentes em situações pré-frontais.

A estabilidade do ar pode determinar que uma substância introduzida na

atmosfera fique confinada em uma camada quando a temperatura potencial aumenta

com a altura a partir de um determinado nível, os movimentos verticais cessam neste

nível, pois o ar abaixo da camada de inversão é mais denso que o ar acima dela (Toledo

et al., 2002).

A turbulência, fator principal na dispersão vertical dos poluentes, é

resultado direto dos efeitos térmicos (movimentos convectivos), e mecânicos

(cisalhamento do vento horizontal), em uma camada da atmosfera adjacente à

superfície, denominada de Camada Limite Planetária (CLP). Esta camada apresenta

comportamento e estrutura variável, onde a interação entre o sistema superfície-

atmosfera é realizada na troca mutua de umidade, energia interna e momento (Zannetti

1990). Do ponto de vista da poluição atmosférica, o conhecimento da evolução

temporal e espacial da CLP constitui no fator predominante, uma vez que a maior parte

dos poluentes gasosos ou particulados têm sua fonte localizada na superfície, e a

extensão vertical da difusão depende em grande parte da penetração vertical dos

turbilhões gerados na CLP. Com base nisso, uma breve descrição da estrutura da CLP é

feita a seguir.

2.1 Estrutura e efeitos locais da camada limite planetária

Na atmosfera, o movimento do ar não apresenta um comportamento trivial,

devido a processos de transferência vertical e horizontal de umidade, de calor e de

momentum da superfície. Estas trocas têm sua origem devido a efeitos mecânicos, pelo

atrito causado entre a superfície e o ar em movimento, ou então por efeitos térmicos

(convecção do ar, que durante o dia é aquecido pelo contato com a superfície terrestre, a

qual se aquece ao absorver radiação solar). Tais processos favorecem o

desenvolvimento de vórtices turbulentos, muito eficientes para o transporte de

propriedades atmosféricas em um setor em uma camada denominada de Camada Limite

Planetária (CLP).

6

A estrutura da CLP é função dos processos físicos que nela ocorrem, assim

num período de 24 horas sofre uma grande variação. A profundidade da camada, que

se inicia na superfície, atinge até uma altura em que o efeito do atrito esteja presente.

Esta extensão varia de 30 m até em torno de 2 a 3 km, e depende basicamente da taxa

de aquecimento e resfriamento da superfície, do cisalhamento do vento, da rugosidade

da superfície, dos movimentos verticais de larga escala e da advecção horizontal de

calor e de umidade (Frisch, 1995).

No período diurno, as forçantes de origem térmica prevalecem na evolução

da CLP e a tornam mais bem definida verticalmente, ao passo de que a estrutura

vertical da camada no período noturno é condicionada pela energia associada a

turbulência mecânica. O resultado é uma estrutura vertical de sub-camadas (Stull,

1988), definidas basicamente como: Camada Limite Convectiva ou Camada Mistura

(CM), Camada de Residual ou Camada Residual Noturna (CR) e Camada Limite

Estável ou Camada Noturna (CLE).

Ao amanhecer, inicia-se a formação da Camada de Mistura (CM) resultado

do aquecimento da superfície pela radiação solar. Conseqüentemente, inicia-se um

fluxo positivo de calor, e a parcela de ar adjacente se aquece. O ar aquecido torna-se

mais leve que o ar logo acima e tende a subir, enquanto que o ar mais frio desce, para

novamente passar pelo mesmo processo de aquecimento. Estes movimentos instalam

uma convecção intensa e surgem grandes vórtices turbulentos que proporcionam

grande mistura dos poluentes. Essa camada é evidente quando existe uma camada

estável (inversão térmica) funcionando como um tampão, podendo chegar a 2000m de

espessura sobre o continente. A CM caracteriza-se pela inexistência de gradientes

verticais das propriedades termodinâmicas e dinâmicas (Kaimal et al., 1976).

À medida que a noite avança, a quantidade de radiação que atinge a

superfície terrestre deixa de ser suficiente para manter o processo convectivo intenso

que gera turbulência, e a antiga camada gradualmente vai restringindo-se apenas a

parte superior da CLP. Esta camada não entra em contato com a superfície e é

denominada de Camada Residual, onde a turbulência existente é um resíduo daquela

gerada convectivamente ao longo do dia. Neste momento a atmosfera está neste

momento mais quente que a superfície, é ela quem passa a ceder o calor, por condução,

para o solo e conseqüentemente estabiliza-se. Uma Camada Limite Estável vai se

formando junto ao solo como resultado do resfriamento da superfície. O escoamento

7

nesta camada vai se tornando menos turbulento e o efeito do cisalhamento do vento é o

único agente responsável pela turbulência. Quanto maior for o resfriamento da

superfície, maior é a quantidade de calor que a atmosfera repassa ao solo,

aprofundando a CLE e reduzindo a profundidade da Camada Residual.

A camada de entranhamento é a camada onde ocorrem as trocas de calor e

de quantidade de movimento com a atmosfera livre. A divisão da CLP nas respectivas

sub-camadas, citadas acima, é apresentada na Figura 2.1, mostrada a seguir.

Figura 2. 1 - Estrutura diurna da Camada Limite Planetária. Adaptado de Stull, 1988.

A atmosfera livre é definida pela inexistência dos efeitos causados pela

presença da superfície, porém, influencia a estrutura da CLP, principalmente pelos

resultados de estabilidade e movimento vertical de subsidência.

Oliveira (1985) obteve resultados satisfatórios do comportamento

horizontal da CLP através de modelagem numérica, incluindo os processos de

advecção e difusão turbulenta horizontais juntamente com o balanço de energia na

superfície, verificando que a variação espacial dos fluxos verticais de calor sensível e

latente na superfície associada a advecção horizontal explicam a totalidade do

comportamento da CLP simulada numericamente.

8

De acordo com Segal e Arritt (1992) circulações de mesoescala,

semelhantes à circulação de brisa, podem ser geradas por contrastes superficiais de

umidade, capacidades térmicas do solo, cobertura vegetal, irrigação, albedo,

emissividade, nebulosidade, presença de neve, gelo, etc. As variações topográficas e de

rugosidade da superfície que modulam o escoamento em regiões onde as distribuições

de morros e vales estão correlacionadas, ocasionado em áreas de convergência e

divergência, devido a processos térmicos e mecânicos, contribuindo no

desenvolvimento da CLP e conseqüentemente na dispersão de poluentes.

Schmidt & Schumann (1989) mostraram em experimentos numéricos que a

turbulência de origem somente térmica, em regiões próximas à superfície, apresentava

estruturas horizontais sob forma de polígonos. Com a evolução na vertical, essas

estruturas se organizam em extensas e isoladas regiões de movimentos verticais

ascendentes. Moeng & Sulliva (1994) confirmaram estes resultados ao explorar a

diferença entre a CLP gerada por uma forçante predominantemente mecânica e outra

de regime misto, através das estimativas dos campos instantâneos e do balanço de

energia cinética turbulenta.

Os efeitos mecânicos surgidos na presença de topografia heterogênea são

causados pelo arrasto aerodinâmico induzido por ondas de gravidade ou pela presença

de turbulência, que é mais pronunciada próximo à superfície, mas sua intensidade

depende, sobretudo, da transferência de calor para a atmosfera, por condução dentro da

CLP e pelos transportes convectivos, que provocam efeitos desestabilizantes na

atmosfera (Lemes e Moura, 2002).

A intensidade da turbulência na atmosfera é representada pela Energia

Cinética Turbulenta (ECT) que realça a importância relativa dos termos de produção

mecânica e térmica de turbulência, e, permite prognosticar as características dos

vórtices turbulentos. O efeito de corte do vento modifica o estado turbulento da CL e

pode levar à formação de sistemas convectivos de mesoescala (Grossman, 1982). A

complexidade destes processos envolvidos na descrição da turbulência na CLP requer o

uso de modelos matemáticos para determinar o transporte de poluentes na atmosfera. Os

modelos que simulam as propriedades da atmosfera e o seu efeito sobre os poluentes

são denominados modelos de dispersão.

9

A simulação numérica da atmosfera depende fortemente das condições de

parametrização da superfície. A importância do assunto tornou-se evidente com o

aumento das emissões de poluentes causadas pelo crescimento das áreas urbanas e

industriais, localizados, geralmente, em regiões com bastante diversidade de tipos e

ocupação do solo e topografia bastante heterogênea. Estas peculiaridades tornam mais

difícil a caracterização da dispersão de contaminantes, pois como conseqüência da

própria configuração do terreno, surgem circulações locais que dificultam a previsão

das concentrações de contaminantes ao nível do solo. Portanto um melhor controle e

gerenciamento da qualidade do ar tornam-se possível quando estes processos são

compreendidos.

Sellers et al. (1989) demonstraram que o conteúdo de umidade é o

elemento mais importante nas transferências de calor sensível e latente. A simulação

de células convectivas apresentava melhoria significativa a partir de um campo de

umidade do solo heterogêneo. Para determinados mecanismos atmosféricos, quando o

modelo era utilizado a partir de uma distribuição de umidade homogênea, não era

possível simular a convecção observada (Bernardet et al., 2000). A previsão numérica

do tempo de curto período (entre 6 e 72 horas) apresenta maior dependência de um

campo de umidade do solo realista.

A complexidade do terreno ocasiona grandes mudanças no comportamento

do vento e nos fluxos turbulentos (Carvalho, 1999). Segundo o autor, as principais

situações que podem aumentar as concentrações em terreno complexo, com elevações

verticais significativas, a ponto de influenciar o escoamento atmosférico ao seu redor e

gerar recirculações são o encontro da pluma com montanhas, acúmulo de poluentes em

vales, arrasto dos poluentes para centros urbanos devido ao fenômeno da canalização do

vento pelos vales.

Atkinson (1981) levantou uma revisão de alguns importantes trabalhos

feitos até 1970 que apresentavam os efeitos térmicos da topografia no escoamento sobre

a baixa atmosfera, com destaque a produção de Fleage (1950) que desenvolveu uma

descrição dos efeitos catabáticos e Prandtl (1952) para os ventos anabáticos produzidos

pelo efeito topográficos, assim como a produção de Gleeson (1951, 1953) que utilizou a

simulação numérica sobre os ventos induzidos por encostas diferentemente aquecidas

pelo terreno complexo.

10

Com base na importância do modelo de elevação da superfície, para o

transporte de poluentes, a caracterização topográfica da área de estudo, selecionada

neste presente trabalho, foi realizada através de técnicas de sensoriamento remoto, onde

a obtenção de informações de um objeto é realizada sem que haja contato físico com

ele, e sim através da utilização de sensores (Novo, 1989). O sensoriamento remoto

consiste na utilização conjunta de equipamentos para processamento e transmissão de

dados possuindo plataformas (aéreas ou espaciais) para carregar tais instrumentos, com

o objetivo de estudar o ambiente terrestre identificando as diferentes composições da

superfície terrestre. Com isso, é realizado o registro e a análise das interações entre a

radiação eletromagnética e as substâncias componentes do planeta Terra, em suas mais

diferentes coberturas (Novo, 1989).

Freitas & Silva Dias (2000) apresentaram resultados que comprovam a

grande sensibilidade do modelo RAMS à topografia e uso do solo. Freitas (2003) em

um estudo para a região Metropolitana de São Paulo utilizou o modelo RAMS para

verificar a influência de circulações locais na dispersão de poluentes, verificando que o

modelo é capaz de reproduzir as interações da intensificação das zonas de convergência

no centro da cidade, ocasionando recirculação de poluentes nessa área.

Alves (2000), desenvolvendo um estudo da simulação da circulação

atmosférica para a Usina Termoelétrica de Candiota, utilizou dois experimentos

numéricos, sendo que o primeiro foi inicializado sem forçante externo, e mostrou que o

modelo utilizado, o RAMS, é altamente sensível a mudanças topográficas. Os

resultados do segundo experimento, inicializado com dados advindos do modelo global

do CPTEC/INPE, foram comparados com medidas obtidas em experimentos de campo.

De modo geral os fluxos superficiais de momentum e calor são reproduzidos de maneira

satisfatória. Do estudo de circulações locais, pode-se dizer que elas são de extrema

importância no estudo da dispersão de poluentes.

11

3 Modelo RAMS

O Regional Atmospheric Modeling System (RAMS) é um modelo de

mesoescala de área limitada, desenvolvido para simulação e previsão de fenômenos

meteorológicos (Tripoli & Cotton, 1982), designados para simular circulações

atmosféricas que vão desde a micro até a grande escala. O código elaborado para o

modelo permite o aninhamento múltiplo de grades com mutua interação entre si,

proporcionando uma alta resolução espacial de áreas selecionadas. O modelo possui um

módulo atmosférico, um modelo de solo e vegetação, um pacote de análise dos dados

para inicialização e assimilação de dados meteorológicos e um modulo gráfico para

visualização dos resultados.

O RAMS é elaborado a partir de um conjunto de equações dinâmicas e

termodinâmicas que governam o movimento atmosférico com aproximação não

hidrostática. As equações prognósticas do modelo são obtidas a partir das equações de

Navier-Stokes, aplicando as médias de Reynolds e a aproximação de Boussinesq

descritos por Tripoli & Cotton (1982) citados por Walko & Tremback (2000). A grande

versatilidade do código numérico e a capacidade em simular fenômenos meteorológicos

de diferentes escalas espaciais, são algumas características notáveis do modelo, que

opera em ambiente de execução UNIX e é composto por um conjunto de sub-rotinas

estruturadas em linguagem FORTRAN e C.

O RAMS é complementado com esquemas de parametrizações de processos

físicos contidos no código do modelo que permitem serem alterados de maneira a

melhor se adequarem às condições específicas de determinado local, ou a condições

idealizadas para simulações de situações, o que constitui numa excelente ferramenta

para pesquisas meteorológicas.

12

3.1 Estrutura da grade

O código do modelo possui um esquema de aninhamento múltiplo de

grades, onde as equações do modelo são resolvidas para diversas grades com diferentes

resoluções espaciais, permitindo uma interação simultânea de informações entre elas.

As soluções dependentes do tempo são primeiramente realizadas nas grades

espacialmente maiores, com resolução inferior. Estas grades são utilizadas para modelar

o ambiente de sistemas atmosféricos de larga escala, os quais interagem com os

sistemas de mesoescala, através das condições de fronteira resolvidos nas grades mais

finas. As grades de maior resolução, portanto com menores dimensões espaciais, são

utilizados para modelar detalhes dos sistemas atmosféricos de menor escala, tais como

escoamento sobre terrenos complexos e circulações termicamente induzidas pela

superfície.

O sistema de grade utilizada pelo RAMS é alternado, do tipo C de Arakawa

(Mesinger & Arakawa, 1976). Neste esquema de grade, as variáveis termodinâmicas e

de umidade são definidas nos mesmos pontos de grade, enquanto que os componentes

u, v e w do vento são intercalados em ∆x/2, ∆y/2 e ∆z/2, respectivamente (Figura 3.1).

Figura 3. 1 - Grade do tipo "C" de Arakawa: h representa variáveis termodinâmicas e u

e v as componentes zonal e meridional do vento.

13

( ) HZHZZZ

s

s⎥⎦

⎤⎢⎣

⎡−−

=*

As derivadas verticais são calculadas por diferenças finitas com

espaçamento irregular, apresentando uma transformação na vertical que segue

exatamente o modelo do terreno, denominada de sigma-z (σz,), descrito por Gal-Chen &

Somerville (1975), Clark (1977) e Tripoli & Cotton (1982) citados por Walko &

Tremback (2000). Este sistema incorpora ao modelo os aspectos topográficos

característicos da região de interesse, sendo o topo do domínio plano. Considera-se o

espaçamento vertical irregular por ser necessária uma resolução maior próximo à

superfície, onde atuam os processos de camada limite e transferência de fluxos de

energia entre solo e ar. Do contrário, torna-se importante uma resolução maior na região

de interface entre troposfera e estratosfera devido a variações verticais rápidas,

principalmente no campo de temperatura.

A projeção horizontal utilizada para a definição das coordenadas da grade é

a projeção estereográfica cujo pólo de projeção fica próximo do centro da área de

domínio.

O sistema de localização pode ser utilizado através de coordenadas

cartesianas, definidas como Y’=Y e X’=X na horizontal.

Na vertical, a coordenada é do tipo σz, na forma:

(4.1)

sendo que ( )*** ,, ZYX , representam as coordenadas transformadas e ( )ZYX ,, ,

representam as coordenadas cartesianas. sZ é a altura da superfície, em relação ao nível

do mar. H é a altura do topo do modelo, onde Z e sZ tornam-se paralelos.

3.2 Parametrizações utilizadas pelo modelo

As equações da dinâmica da atmosfera que compõem o modelo são

complementadas com parametrizações, que permitem ser alteradas de maneira a melhor

se adequarem às situações requeridas na simulação. Com isso, ajustes podem ser

realizados na configuração da difusão turbulenta, radiação solar e terrestre, processos

úmidos incluindo a formação e a interação de nuvens e água líquida precipitante e gelo,

calor sensível e latente, camadas de solo, vegetação e superfície d’água, os efeitos

14

cinemáticos do terreno e convecção cumulus. Uma breve discussão de parametrizações

contidas no modelo é feita a seguir.

3.2.1 Microfísica e convecção

A parametrização convectiva usada no modelo RAMS é do tipo Kuo (1974)

com adaptações descritas por Molinari e Corsetti (1985). Este esquema é selecionado

para grades com resolução espacial menor que 2 km, sendo também utilizados em

grades de menor resolução, com espaçamentos horizontais superior a 20 km. O esquema

tipo Kuo baseia-se no equilíbrio da atmosfera, em que a convecção atua para eliminar a

instabilidade condicional gerada por efeitos da grande escala e evaporação local. Existe

uma forte correlação entre a precipitação convectiva observada e o total de

convergência de vapor d’água em larga escala numa coluna. Estas observações sugerem

que a convergência de vapor d’água é uma variável muito útil para parametrizar os

efeitos da convecção em modelos de larga escala. Números expressivos de

parametrizações cumulus têm sido baseados na relação entre chuva convectiva e

convergência de umidade na escala maior.

Em grades com resolução espacial compreendida entre 2 e 20 km, a

parametrização da microfísica pode ser ativada. Neste esquema, o RAMS calcula as

fontes e sumidouros das diferentes categorias de hidrometeoros: vapor, gota de nuvem,

chuva, "pristine ice", neve, agregados, "graupel" e granizo.

3.2.2 Parametrização de radiação

O RAMS possui duas opções de esquema de radiação. O esquema de

Mahrer & Pielke (1977) que é mais simples e de menor tempo computacional, pois

considera apenas a presença de vapor, não representando nenhum tipo de interação da

radiação com nuvens e a presença de gelo e líquido na atmosfera, sendo indicado para

simulações sem nebulosidade. Neste método, o espalhamento de onda curta da radiação

ocorre devido ao oxigênio, ozônio e dióxido de carbono e a absorção pelo vapor d’água,

enquanto que o espalhamento de onda longa considera a emissão e absorção

15

infravermelha do dióxido de carbono e do vapor d’água, mas não trata nuvens ou

material condensado de maneira alguma.

O outro esquema de radiação foi proposto por Chen & Cotton (1983) e

considera os efeitos de condensação na atmosfera, representando uma solução completa

da equação de transferência radiativa. Esse esquema de parametrização permite que o

conteúdo de água liquida e vapor d’água disponível na atmosfera tenha influência sobre

os fluxos radiativos de onda longa e onda curta, portanto indicado para simulações em

que nuvens estejam presentes.

3.2.3 Parametrização de turbulência

Reynolds (1895) mostrou que as contribuições equivalentes aos termos de

micro escala são responsáveis pelo caráter irregular (turbulento) do escoamento de um

fluido em certos regimes. Em todos os casos, a turbulência associada a escalas

inferiores ao limite de discretização tem que ser parametrizada, através de um modelo,

em que o efeito médio estatístico de escalas menores sobre as equações é representado

para as variáveis médias.

O modelo RAMS possui quatro formas distintas de parametrização da

difusão turbulenta. A escolha passa pela relação entre as escalas horizontal e vertical do

modelo. Duas opções são apropriadas para o caso em que o espaçamento de grade na

horizontal é muito maior que na vertical, ocasionando em dificuldade em calcular os

movimentos convectivos dominantes. Os coeficientes de difusão horizontais são então

tratados como o produto da taxa de deformação horizontal (gradientes horizontais da

velocidade do vento) e do quadrado da escala de comprimento. Esta escala é definida

como o produto do espaçamento de grade horizontal por um fator de multiplicação que

depende das dimensões da grade utilizada, como proposto por Smagorinsky (1963). O

diferencial destas opções está na parametrização dos coeficientes verticais, onde o

primeiro esquema, sugerido por Mellor & Yamada (1982) parametriza a difusão através

da energia cinética turbulenta prognosticada pelo modelo. A segunda opção utiliza um

procedimento unidimensional análogo ao esquema de Smagorinsky. A deformação

vertical é obtida dos gradientes verticais do vento horizontal (cisalhamento vertical) e a

escala de comprimento é o espaçamento vertical local multiplicado por um fator que

depende das dimensões da grade utilizada.

16

Algumas modificações nos coeficientes de difusão verticais devido à

estabilidade estática são utilizadas, baseadas nas formulações de Lilly (1962) e Hill

(1974). A modificação de Lilly é na forma de um fator de multiplicação que depende do

número de Richardson (Ri) e da razão entre os coeficientes de difusão de temperatura e

momento na vertical. A modificação de Hill relaciona a taxa de deformação do fluído, a

partir de correções para a freqüência de Brünt-Vaisala. Neste esquema são filtrados os

aspectos de ondas com comprimento de onda inferior à pelo menos duas vezes o

espaçamento da grade os quais não são bem resolvidos pelo esquema numérico

utilizado pelo modelo

3.2.4 Modelo de interação solo-vegetação-atmosfera

Para a caracterização da superfície, foi formulada uma parametrização

denominada modelo de solo e vegetação. Neste esquema os fluxos de calor, quantidade

de movimento e vapor d’água na camada superficial são computados através de

esquema segundo Louis (1979).

Na determinação desses fluxos, a parametrização necessita de informações

da temperatura e umidade da superfície, considerando os casos em que a superfície é

água, solo sem cobertura vegetal ("solo nu") e superfície vegetada.

Para a superfície de água (reservatório d’água, lago ou mar) assume-se que

a temperatura da superfície e a umidade de saturação relacionadas à temperatura da

água e pressão à superfície são constantes no tempo, mas podem variar no espaço.

Equações prognósticas para a temperatura e a umidade do solo são

envolvidas no caso de solo nu através de um modelo de solo de múltiplas camadas

(McCumber & Pielke, 1981). A temperatura do solo é obtida pela equação do balanço

de energia à superfície. Para simulações típicas, este modelo é executado em uma

profundidade de aproximadamente 5 metros, compreendendo cerca de sete a doze

camadas. Os diferentes tipos de cobertura vegetal são discretizados no RAMS,

definidos por constantes específicas para 12 tipos diferentes de solo, que compreendem

desde a superfície revestida por areia, passando aos diferentes tipos de solo argiloso e

turfa.

17

De forma semelhante parâmetros predefinidos e específicos para cada tipo

de vegetação fazem parte do banco de dados do RAMS, onde o cálculo da temperatura e

da umidade do solo depende, também, da transmissividade da camada de vegetação e da

temperatura do dossel. Com isso, é utilizada a equação do balanço de energia à

superfície para o cálculo da temperatura e da umidade à superfície, levando-se em

consideração os processos radiativos inerentes à camada de vegetação (Avissar &

Pielke, 1989). Os 18 tipos de vegetação representados pelo modelo, definidos por

constantes, diferenciam-se em plantações, grama, tipos de árvores, desertos, superfície

de gelo, oceano, entre outros.

3.3 Inicialização do modelo

O modelo RAMS recebe como informações de entrada, dados de

observações de superfície e altitude, subprodutos gerados de satélite ou então resultados

de modelos numéricos. As variáveis de entrada, tais como temperatura do ar, vento,

geopotencial, umidade do ar (esta expressa na forma de temperatura do ponto de

orvalho, razão de mistura, umidade relativa ou ainda diferença psicrometrica) referem-

se a diferentes níveis da atmosfera, e necessitam estar em arquivo com formato

compatível com o código do modelo.

A inicialização do modelo pode ser feita de duas formas distintas: do tipo

Homogênea, quando se atribui horizontalmente a grade do modelo às informações da

observação feita em um ponto, como por exemplo, aquelas obtidas através de

radiossondagens. E inicialização Variável, caracterizada pela interpolação horizontal de

informações para a grade utilizada no modelo, a partir de uma série de pontos de

registros de informações meteorológicas obtidos em superfície. O processo de

interpolação baseia-se numa análise objetiva proposta por Barnes (1964) a qual consiste

em obter um valor interpolado para o ponto de grade através de uma média ponderada

da informação original, onde se atribui maior peso à informação mais próxima do ponto

de grade e, conseqüentemente, menor peso a informação mais distante, de acordo com

uma função Gaussiana, em que o peso é função da distância do valor observado ao

ponto de grade.

O início da simulação ocorre no pré-processamento, onde neste trabalho,

são inseridos dados de entrada do modelo global do Centro de Previsão do Tempo e

18

Clima do Instituto Nacional de Pesquisas Espaciais (CPTEC/INPE) da área de interesse

e transformados em arquivos de solo, vegetação e TSM, para então serem interpolados

para as grades selecionadas. A fase seguinte, a de processamento, é responsável pelas

integrações no tempo das variáveis, gerando arquivos de análises, que contém a

informação gerada pela simulação. Os dados contidos nas análises são transformados

em novo formato, separados grade a grade, em extensão possíveis de serem

manipuladas em programas de visualização. A Figura 3.2 representa o organograma

com o esquema da seqüência da simulação.

Figura 3. 2 - Organograma com a seqüência de comandos seguidos no modelo, assim

com os arquivos gerados por eles.

19

4 Material e Métodos

O presente trabalho foi desenvolvido aplicando a modelagem numérica

para verificar o comportamento da dispersão de poluentes emitidos pela Usina

Termoelétrica Presidente Médici, Candiota-RS. Foram associadas às condições

meteorológicas e a topografia local ao Modelo de Mesoescala RAMS (Regional

Atmospheric Modeling System), inicializado a partir de análises do modelo global do

CPTEC/INPE.

O modelo RAMS é constituído de diferentes sub-rotinas, que permitem ser

alteradas e recompiladas. Neste estudo foram realizadas alterações em duas sub-rotinas

existentes no modelo. A primeira referente à topografia foi alterada a partir de uma

nova malha de dados, extraídas do sistema de satélites do EOS (Earth Observing

System), a partir de pares estereoscópicos do sensor ASTER (Advanced Spacebone

Thermal Emission and Reflection Radiometer) através das bandas 3N e 3B. Dados de

elevação, declividade e aspecto, serão gerados pelo Modelo Digital de Terreno (MDT),

e então inseridos no modelo numérico RAMS (Regional Atmospheric Modeling

System). Originalmente estas informações possuíam uma resolução de 15 metros, mas

os dados foram reamostrado para 500 metros, para evitar instabilidade durante o

processamento computacional no RAMS. A outra sub-rotina modificada é a de

dispersão do material poluente, onde foram inseridos as informações de emissão de 3

constituintes, visando o estudo da trajetória e deposição do material emitido pela

Usina, associada às condições atmosféricas e de terreno.

Fazendo uso destas informações, foram efetuadas quatro simulações

distintas no modelo numérico RAMS, onde dois fatores, topografia e umidade do solo

foram interados de maneiras diferentes. As simulações referem-se a quatro ensaios

variados, intercalando a utilização dos dois fatores. O resultado é a contribuição

individual de cada uma das variáveis e o efeito da interação entre elas, quando o

20

comportamento destas são relacionadas com a dispersão de poluentes. Para a análise

da contribuição individual e a interação entre os fatores umidade do solo e a topografia

que abrange a área da UTPM, foi utilizado o método de Separação de Fatores (Stein &

Alpert, 1993), também proposto por (Freitas & Silva Dias, 2004). A seguir uma breve

discussão dos processos envolvidos na elaboração do trabalho, assim como a descrição

das metodologias utilizadas.

4.1 Caracterização geral da área de estudo

4.1.1 Usina Termoelétrica Presidente Médici

A Usina Termoelétrica Presidente Médici situa-se na cidade de Candiota,

na maior reserva carbonífera brasileira, localizada no sudoeste do Estado do Rio

Grande do Sul (Figura 4.1), distante 420 km da capital, Porto Alegre. A vegetação na

região é composta por áreas de estepes alternando cobertura vegetal graminea-lenhosa

(campos) e arbórea.

O complexo termoelétrico é responsável por gerar energia elétrica a partir

da queima do carvão mineral oriundo da própria região de Candiota. A área abrange os

municípios de Aceguá, Bagé, Candiota, Herval, Hulha Negra, Pedras Altas e Pinheiro

Machado, compreendendo a jazida Grande Candiota. A região recebeu esta

denominação por concentrar 38% da reserva de carvão do Brasil, em uma área de 2500

km2, totalizando aproximadamente 12,3 bilhões de toneladas, sendo 30% mineráveis a

céu aberto (Teixeira & Pires, 2004). Atualmente o complexo termoelétrico gera 446

MW de potência. Em curto prazo, está previsto um aumento da capacidade para 796

MW.

21

Figura 4. 1- Mapa de localização da área de estudo. Candiota – RS.

22

4.1.2 Escoamento atmosférico

No Rio Grande do Sul o movimento atmosférico é definido pela dinâmica

entre o anticiclone subtropical do Atlântico, a depressão barométrica do nordeste da

Argentina e os intermitentes deslocamentos de massas polares. Estas massas de ar têm

origem na região oceânica, e são denominadas de massa Tropical Marítima (TM) e

massa Polar Marítima (PM). A TM origina-se do Anticiclone Subtropical Atlântico,

um centro de altas pressões cuja posição média anual é próxima a 30° S, 25° W. A

circulação atmosférica dele resultante, no sentido anti-horário, é normalmente úmida,

quente e instável, e resulta no predomínio de ventos de leste-nordeste sobre todo o

território brasileiro situado abaixo da latitude 10° S. Sua freqüência é maior na

primavera e no verão, quando a insolação é mais intensa no Hemisfério Sul e os

sistemas circulatórios atmosféricos estão deslocados mais ao Sul. O resultado é a

ocorrência de precipitações do tipo convectiva intensas e freqüentes.

As massas Polares Marítima, formadas sobre a superfície oceânica que

circunda o sul do continente, atinge a região com maior freqüência no outono-inverno,

quando o Anticiclone Subtropical Atlântico está deslocado mais ao Norte. Na área do

sudoeste gaúcho avançam, portanto, ciclones e anticiclones migratórios polares

associados à instabilidade da frente polar, que determinam a precipitação do tipo

frontal. Os ciclones trazem em suas esteiras os anticiclones migratórios, responsáveis

pela queda brusca de temperatura e pela instabilidade atmosférica que se estabelece

após a passagem do sistema frontal.

O escoamento atmosférico encontra ainda no relevo do sul do continente

um outro fator que defini seu comportamento, através da existência de uma depressão

barométrica localizada no nordeste da Argentina, com áreas quase permanentes de

baixas pressões, geralmente estacionária, a leste dos Andes. Este fenômeno é

ocasionado pelo bloqueio da circulação geral atmosférica imposto pela cordilheira e

acentuado pelo intenso aquecimento das planícies de baixa altitude da região.

O gradiente de pressão atmosférica entre a depressão do nordeste da

Argentina e o anticiclone subtropical Atlântico, induz um escoamento persistente de

leste-nordeste ao longo de toda a região Sul do Brasil. Desse escoamento resultam

velocidades médias anuais de 5.5m/s a 6.5m/s sobre grandes áreas da região. Porém

condições isoladas, ocasionadas por diferenças entre as em propriedades de

23

superfícies, podem resultar em ventos superiores a 7m/s, nas elevações mais favoráveis

do continente, sempre associados à baixa rugosidade da região da campanha.

4.1.3 Caracterização meteorológica

O intenso e diferenciado escoamento atmosférico sobre o estado gaúcho, é

responsável pelas marcantes oscilações anuais das variáveis meteorológicas. Os

resultados são comportamentos oscilatórios das variáveis ao longo do ano, o que

caracteriza as quatro estações extremamente distintas.

O caráter dinâmico da atmosfera sobre o vasto território gaúcho se mostra

presente no comportamento do vento, com inúmeros episódios de intensa

movimentação do ar, rajadas, assim como períodos de calmaria. Contudo o

comportamento anual da direção do vento observada na região se apresenta

predominantemente do quadrante nordeste, caracterizando ventos médios na faixa de 7

a 8 m/s nas maiores elevações. Ventos da componente sul representam velocidades

inferiores, por volta de 3,3 m/s e as componentes de norte e nordeste mais elevada com

média anual de 4,5 m/s.

A precipitação anual na região de Candiota é de 1465 mm, apresentando-se

bem distribuída ao longo do ano, sendo que os maiores registros ocorrem durante o do

inverno, representando 34% da ocorrência total, e com menor incidência no verão, que

compreende 16% da variação anual. Os maiores índices de precipitação nos meses

frios são decorrentes das incursões freqüentes dos ciclones migratórios polares e das

frentes frias a eles associados. As chuvas do tipo frontal são prolongadas e menos

intensas do que no verão quando predominam as precipitações do tipo convectivo,

intensas e de curta duração.

A variável umidade relativa média do ar é de 70,3%, oscilando entre 62%,

em dezembro e 77% nos meses de junho e julho, decorrentes das temperaturas

inferiores nesta estação. De forma contrária, a evaporação é maior na estação do verão,

quando a insolação é máxima. Os meses frios apresentam uma taxa de evaporação

menor, porém sem a ocorrência de déficit hídrico, devido a suficiente precipitação ao

longo de todo ano.

A temperatura média anual na região é de 17,6°C, sendo de 24°C em

janeiro, o mês mais quente, e a média do mês mais frio de 12,5°, em julho (DNM,

24

1992). Existe uma grande predisposição para ocorrência de geadas nos meses de junho

a setembro, período em que se observam também fenômenos denominados “ondas de

frio”, caracterizados por declínios das temperaturas máximas em 10 °C em um período

de 24 h, com temperaturas mínimas de zero a 3 °C. Este fenômeno tem duração de 3 a

9 dias e são geralmente causados pela penetração da massa Polar Marítima em

trajetória continental, pelo sudoeste do Estado, que traz além da queda brusca de

temperatura, um vento frio e seco do quadrante oeste (Vento Minuano).

Estas características fazem com que a região de Candiota tenha um clima

do tipo Cfa, conforme a classificação de Von Koepen, correspondente a áreas com

clima mesotérmico, tipo subtropical e precipitação bem distribuída ao longo do ano. A

disponibilidade da atmosfera de água precipitável é resultante da influência oceânica e

a convergência atmosférica de médias latitudes que intermitentemente afetam a região.

4.2 Utilização de imagens ASTER para a geração do arquivo de

topografia

Os modelos de dispersão de poluentes são ferramentas altamente eficazes

na avaliação do comportamento dos poluentes emitidos a partir de uma fonte fixa.

Freitas & Silva Dias (2000) apresentaram resultados que comprovam a grande

sensibilidade do modelo RAMS à topografia e uso do solo. No desenvolvimento deste

estudo, foram utilizadas informações de modelo de elevação de superfície, obtidas de

imagens digitais do ASTER, tratados e transformados em formatos compatíveis com o

modelo RAMS, onde foi realizado o processamento numérico.

O instrumento ASTER faz parte de um conjunto de 5 sensores alocados na

plataforma EOS AM-1 (a primeira grande plataforma do "Earth Observing System"),

(Figura 4.2), sendo constituído por três subsistemas de telescópios distintos perfazendo

um total de 14 bandas com diferentes resoluções espaciais, espectrais e radiométricas.

Cada um dos subsistemas VNIR (visible and near infrared), SWIR (short wave

infrared) e TIR (thermal infrared), operam numa região espectral diferente, e possui seu

próprio telescópio, imageando cenas da superfície terrestre em uma área de 60 X 60 km

(Abrams et al., 2004).

25

Figura 4. 2 - Plataforma EOS AM-1.

O módulo do VNIR gera imagens com uma resolução espacial de 15

metros. Este módulo registra imagens em 4 bandas, dispostas no intervalo de 0,52 a

0,60 µm (banda 1), 0,63-0,69 µm (banda 2) e 0,78-0,86 µm (banda 3), sendo que este

último registra 2 cenas: uma com visadas em nadir (banda 3N) e outra fora do nadir

num ângulo de aproximadamente 28º (banda 3B-backdoor). A diferença de paralaxe

entre as bandas 3N e 3B é responsável pela geração de pares estereoscópicos e,

conseqüentemente, a construção de modelos tridimensionais de elevação, sendo,

portanto a faixa de interesse neste trabalho.

O módulo SWIR gera imagens no comprimento de onda infravermelho (1,6-

2,5 µm), dispostas em 6 bandas que geram imagens com 30 metros de resolução. Cenas

de resolução de 90 metros são obtidas no módulo TIR, que opera no infravermelho

distante (8-12 µm) e produz imagens em 5 bandas. A disposição espectral de

comprimento de onda do sensor encontra-se na figura abaixo (Figura 4.3):

26

Figura 4. 3 - Disposição espectral de comprimento de onda do sistema ASTER.

Adaptado da versão 2 do Guia do usuário do ASTER (Abrams et al., 2004).

O ASTER opera por um tempo limitado em partes do dia e da noite ao

longo de uma órbita. A configuração completa coleta dados numa média de 8 minutos

por órbita. Os produtos do sensor incluem radiações e reflexões espectrais da superfície

da Terra, temperatura da superfície e emissividade, mapas digitais de elevação, mapas

da vegetação e da composição da superfície, nuvens, gelo do mar e gelo polar,

observação de desastres naturais.

4.3 Modelo Digital do Terreno

O modelo digital de terreno (MDT) consiste em um conjunto de dados com

informações de elevação da área representados através de uma matriz numérica

referenciada a um sistema de coordenadas espaciais.

A geração do modelo de terreno foi desenvolvida no módulo AsterDTM do

programa ENVI (Environment for Visualizing Images). Com este programa é possível

realizar a extração de um modelo digital de terreno, a partir de arquivos vetoriais

altimétricos, que neste caso foi obtido através das cenas ASTER 1B.

Cada imagem ASTER contém seu próprio par estereoscópico e o princípio

fundamental é o efeito de paralaxe que ocorre junto à banda que corresponde ao

infravermelho próximo, com 15 metros de resolução, chamada de banda 3N (Nadir), e

uma banda adicional 3B (Backdoor), que trabalha na mesma resolução espacial, porém

as cenas adquiridas são em um ângulo de aproximadamente 28 graus na direção

contrária ao movimento do satélite, produzindo um par estereoscópico para cada

27

imagem. Estas cenas correspondem ao mesmo local, porém possuem uma distância de

aproximadamente 70 km entre as órbitas.

O módulo AsterDTM converte essas duas bandas num par de imagens, com

o centro da imagem orientado exatamente para o norte. Conhecendo o ângulo de tomada

da imagem (ângulo de visada), sabendo a altura da órbita do sensor, a área de

abrangência do mesmo e a resolução do pixel, é possível calcular alturas relativas entre

diferentes regiões. Neste caso as alturas estão relacionadas ao sistema de referência

DATUM WGS84 (World Geodetic System 1984), que consiste em um determinado

ponto na superfície terrestre base para o cálculo dos levantamentos planialtimétricos.

Este modelo é adequado ao sistema de satélites NAVSTAR-GPS, definido pela medida

de distâncias entre uma fonte transmissora e uma fonte receptora de rádio-sinais. Três

distâncias medidas e o conhecimento da posição absoluta das três fontes transmissoras

(fixos) permitem determinar a posição absoluta da fonte receptora a partir do processo

de triangulação. A precisão nominal das informações altimétricas é de

aproximadamente 12 metros, e a precisão nominal dos dados efeméricos planimétricos é

de 25 metros.

Para a geração de modelo digital de terreno da região que envolve a Usina

Termoelétrica Presidente Médici, utilizou-se quatro cenas ASTER 1B, tendo em vista

que a área de interesse necessitava de uma cobertura maior do que aquela oferecida por

cada imagem separadamente. Com isso, adotou-se o processo de mosaico entre imagens

com superposição. O termo mosaico, utilizado em Sistema de Informações Geográficas

(SIGs), é um sinônimo de junção de mapas, onde estes são automaticamente agrupados

em uma única cena. O produto final do mosaico é uma imagem ou um mapa com

topografia consistente e com continuidade física. A Figura 4.4 apresenta a associação

destas imagens.

28

Figura 4. 4 - Mosaico ASTER (RGB-231) utilizado para a geração do MDT.

As quatro cenas utilizadas neste trabalho representam, cada uma, uma área

de 60km x 60km, e resolução de 15m x 15m por pixel. As imagens foram capturadas

nos dias 24 de dezembro de 2001, 22 de maio de 2002, 23 de setembro de 2003 e 13 de

novembro de 2003. Estas cenas não correspondem à mesma época do ano, porém este

fato não surge como fator relevante, uma vez que estudo está voltado a informações de

topografia. O mosaico gerado originalmente com resolução de 15 metros foi

reamostrado para 500 metros para evitar instabilidade numérica durante o

processamento computacional do modelo RAMS.

A malha do polígono resultante da composição pode compreender grades do

tipo regular ou irregular triangular, diferenciando apenas na estrutura dos polígonos.

Formas geométricas irregulares possuem mesmo formato, porém tamanhos

diferenciados, ao passo de que a forma e tamanho são similares na grade regular. Os

arranjos regulares são de interesse neste trabalho, já que a implementação no modelo

numérico exige a coerência na estrutura de grade.

Porém, o arquivo de topografia gerado através da extração de informações

do sensor orbital, apresentava irregularidade, pois o espaçamento em longitude era

diferente do espaçamento em latitude. Com isso, uma nova grade foi ajustada, e o

resultado foi uma grade maior do que a original, onde foi atribuído valor “zero” aos

29

pixels correspondentes às áreas sem informação de altitude, com a condição de que a

região a ser manipulada no estudo, deveria estar contida dentro dos limites com

informação.

A grade retangular (ou regular) resultante é um modelo de elevação digital

de faces retangulares (Figura 4.5), resultando em um arquivo vetorial, do tipo linha,

convenientemente preparados para sua futura modelagem.

Figura 4. 5 - Exemplo de representação 3D de grade regular. Fonte: Tutorial SPRING-3.6, 2002).

Uma nova objeção foi encontrada após a construção da nova grade, que

possuía espaçamento igual na direção zonal e meridional, porém menor que qualquer

um dos espaçamentos entre os dados da grade original. Com isso, as coordenadas dos

dados da nova grade não combinaram perfeitamente com as dos valores da grade

original, necessitando interpolação para que os valores da nova grade sejam obtidos.

Para isto utilizou-se um método de interpolação de dados para obter uma freqüência de

amostragem constante e igual nas direções x e y, e posterior inclusão destas

informações no modelo RAMS.

Os valores da nova grade compreendidos dentro da área originalmente

definida são obtidos através de um algoritmo que calcula a equação do plano que

melhor se ajusta aos quatro pontos da grade original que estão mais próximos, em

coordenadas, do ponto da grade nova a ser calculado. É um processo semelhante ao

ajuste a uma reta, de uma distribuição de pontos no espaço bidimensional, porém

30

estendido para o espaço tridimensional. A equação do plano encontrada é utilizada para

estimar a altura do ponto a ser calculado.

A malha de dados obtida é submetida então a um programa de mapeamento

georreferenciado de superfície em 3D (tridimensional) e de contorno, o Surfer – 8

(Golden Software, 2003). O software exige que os dados tabulares e vetoriais

devidamente tratados estejam sob forma de cotas altimétricas, plotadas com as

coordenadas de latitude (eixo x), longitude (eixo y) e altitude (eixo z). O resultado

obtido é a visualização tridimensional da topografia da região correspondente à área da

imagem (Figura 4.6).

4.4 Inicialização do modelo RAMS

O RAMS foi inicializado com as informações de análise meteorológicas do

modelo global do CPTEC/INPE, com resolução de 0,9°, referente aos horários das 00 e

12 UTC (Coordenada de Tempo Universal, equivalente ao horário de Londres, que

corresponde a 3 horas a mais em relação ao horário de Brasília). Quatro grades

centradas na coordenada da usina (31.5° S e 53.68° W) foram aninhadas, com

resoluções horizontais de 32, 8, 4 e 0,5 km para as grades 1, 2, 3 e 4, respectivamente

(Figura 4.7).

Figura 4. 6 – Espacialização tridimensional por sombreamento de relevo da região de

Candiota – RS.

31

Figura 4. 7 – Aninhamento das quatro grades utilizadas na modelagem, centrado em

53,68W e 31,5S (UTPM).

Na vertical, foram utilizados 30 níveis em coordenadas sigma-z, sendo que

o espaçamento inicial foi de 30 metros próximo a superfície, variando com uma taxa de

1,1 até atingir a 1 km de altitude, esta condição faz com que o primeiro nível do modelo

esteja a uma altura de 14,3 metros. Os 4 níveis seguintes estão em 47,2 m, 86,6 m, 133

m e 190 m. A chaminé da Usina esta presente entre o 4° e o 5° nível, em 150m. Após

1000 m, o espaçamento vertical do modelo mantém-se constante e igual a 1000 (∆z =

1000). Na Tabela 4.1, uma representação das opções numéricas utilizadas nesta

modelagem.

As simulações foram realizadas em processamento paralelo, através da

composição de vários microcomputadores interligados, compartilhando seus

processadores e controlados por uma unidade principal. Este conjunto recebe a

denominação de “cluster” de PC’s. A estrutura física do cluster utilizado está instalada

no laboratório do Grupo de Estudos em Previsão Regional Atmosférica (GEPRA) da

Fundação Universidade Federal de Rio Grande (FURG).

32

Tabela 4. 1 – Opções numéricas utilizadas no RAMS, neste estudo.

CARACTERISTICAS OPÇÃO

Equações básicas Não hidrostática compressível

(Tripoli e Cotton, 1982).

Estrutura de grade 4 grades

Resolução espacial de 32, 8, 2 e 0,5 km.

FRONTEIRA

LATERAL

Freqüência de atualização

de 10800 s em 5 pontos

Esquema de

Klemp/Wilhelmsom (1978)

TOPO Freqüência de atualização

de 10800 s

CENTRO 0 s

Nudging no domínio

ACIMA DO

TOPO 13 km

Parametrização de Radiação Chen & Cotton (1983) para onda curta e onda

longa

Parametrização de Microfísica e

Convecção

Tipo Kuo (1974)

Com microfísica acionada na grade 1 e 4.

Parametrização de turbulência

Coeficientes de difusão horizontais

Smagorinsky (1963).

Coeficientes verticais

Mellor & Yamada (1982).

Número de camadas do solo 7 níveis

(-3.0, -2.0, -1.50, -1.0, -0.5, -0.25, -0.05 m).

Grau de saturação nas camadas do

solo 0.60, 0.57, 0.54, 0.51, 0.48, 0.45, 0.42.

33

4.5 Sub-rotina de dispersão do Modelo

O monitoramento da qualidade do ar depende de parâmetros que se

apresentam de forma aleatória e de comportamento não homogêneo, sendo definido

pelas variáveis atmosféricas. Com isso, a avaliação temporal e espacial da concentração

de um determinado constituinte presente na atmosfera é efetuada através da solução da

equação da conservação de massa deste constituinte, o que pode ser resolvido

numericamente. Estes modelos de dispersão consideram o peso que as variáveis

meteorológicas, dados como temperatura da atmosfera, velocidade e direção dos ventos,

grau de estabilidade ou instabilidade da atmosfera, entre outros, influenciam no cálculo

do comportamento de contaminantes.

Os modelos de transporte e dispersão de poluentes devem ser capazes de

simular em detalhes os efeitos da turbulência para obter previsões confiáveis de

contaminantes. Neste estudo será implementada uma nova sub-rotina no RAMS,

buscando simular o comportamento dos poluentes diante a interferência do ambiente.

A sub-rotina de dispersão é estruturada pelo método de modelagem

euleriana, onde o transporte de poluentes é analisado em termos de uma equação

diferencial parcial para a conservação da massa da substância considerada, sendo

resolvida em uma malha (grade) fixa no tempo e no espaço. Elas fornecem valores

médios de concentração, para os poluentes considerados, em um ponto no espaço. A

partir das equações de conservação é possível obter um modelo matemático da

dispersão de uma fonte. Com o avanço no tempo, obtém-se o comportamento e

trajetória destes poluentes, considerando as condições do ambiente natural.

Para a determinação do transporte de uma substância presente numa massa

de ar, a sub-rotina implementada no modelo resolve a seguinte equação de transporte

para um constituinte atmosférico, aqui representado genericamente pela letra C (Freitas,

1999):

[ ]cturbadv

QtC

tC

tC

+⎟⎟⎠

⎞⎜⎜⎝

⎛∂∂

+⎟⎟⎠

⎞⎜⎜⎝

⎛∂∂

=∂∂

(4.1)

onde adv⎟⎟⎠

⎞⎜⎜⎝

⎛∂∂

tC é o termo associado a advecção de grande escala, definido por:

34

i

i xCu∂∂

−=⎟⎟⎠

⎞⎜⎜⎝

⎛∂∂

advtC (4.2)

sendo C o valor médio do escalar C e iu o componente genérico i da velocidade média

do vento, indicado pela ocorrência de uma soma no domínio [1,3] de tal forma que u1 =

u, u2 = v e u3 = w e x1 = x, x2 = y e x3 = z.

turbtC⎟⎟⎠

⎞⎜⎜⎝

⎛∂∂ é o termo associado ao transporte turbulento na camada limite, definido por:

( )i

io

o xCu

∂∂

−=⎟⎟⎠

⎞⎜⎜⎝

⎛∂∂ ''1

tC

turb

ρρ

(4.3)

sendo oρ a densidade do ar no estado básico, '' Cu i o fluxo turbulento transportando o

escalar C através do momento ui, e i, j os índices que designam as três dimensões

espaciais (1, 2, 3) utilizando a notação soma.

[ ]cQ representa o termo fonte inserido na quarta grade do modelo, expresso em

unidades de µgm-3. Este termo é expresso por:

[ ] VQ

o

o

ρ=cQ (4.4)

sendo que o volume é dado por V= ∆x.∆y.∆z e Qo é a taxa de emissão da Usina,

considerando:

- 1000 g/s para o SO2

- 944 g/s para PM10

- 980 g/s para o NOx.

A fonte é inserida na quarta grade do modelo, entre o quarto e o quinto

nível, porém os resultados são refletidos para as demais grades e em outras altitudes. As

emissões lançadas da chaminé, a uma altura de 150 m, com temperatura de exaustão dos

gases de 420 K e velocidade de saída de 20 m/s. O cálculo da concentração dos

poluentes, no momento que são emitidos, é tratado no modelo como mostra o esquema

da Figura 4.8.

35

Figura 4. 8 – Representação do volume ocupado no tratamento dos gases na saída da

fonte pelo modelo RAMS.

4.6 Planejamento fatorial

O processo de dispersão e o caminho dos contaminantes é resultado da

atuação de vários fatores cuja combinação é, muitas vezes, não linear. Na tentativa de

entender a contribuição individual de alguns fatores envolvidos na dinâmica dos agentes

que participam no processo de dispersão, assim como sua interação não-linear, foi

utilizada o método da separação de fatores, proposto por STEIN & ALPERT, 1993.

Este método possibilita conhecer como diferentes fatores influenciam na configuração

de uma determinada variável.

A separação de fatores estabelece que o efeito de n fatores está determinado

por 2n ensaios. Neste estudo foram analisadas as contribuições exercidas pela presença

de topografia e a modificação da umidade do solo, constituindo, portanto em 4 ensaios

diferentes. Para a análise da topografia, foram considerados os resultados obtidos

através da saída do modelo RAMS quando este foi inicializado a partir de informações

extraídos do sensor ASTER, com resolução espacial reamostrados para 500m, e quando

a inicialização ocorreu com a topografia exatamente plana e ao nível do mar. De

semelhante modo, o efeito da umidade presente no solo foi analisado com resultados de

simulações em que foi atribuído valor zero a todos os níveis do solo considerado, e

experimentos em que foram atribuídos diferentes valores de umidade para os sete

36

primeiros níveis horizontais. A Tabela 4.2 apresenta os valores que foram definidos

para os níveis, sendo que o primeiro refere-se ao mais próximo da superfície:

Tabela 4. 2 – Valores atribuídos à umidade do solo, no experimento em que esta era

considerada.

NÍVEIS UMIDADE DO SOLO ATRIBUIDA 1° 0,42 2° 0,45 3° 0,48 4° 0,51 5° 0,54 6° 0,57 7° 0,60

Utilizando o procedimento descrito anteriormente, denominou-se

experimento C1, a contribuição integrada entre a umidade do solo, estabelecida em um

valor inicial de 42%, e a topografia real. No experimento C2 o modelo é inicializado

com o solo seco, porém considerando o efeito da topografia regional. Em C3 é realizada

a análise de uma situação hipotética em que o solo apresenta-se úmido e com a

topografia plana. No quarto e último ensaio, C4, o modelo é integrado com umidade do

solo igual a zero e com a topografia plana. A Tabela 4.3 apresenta um esquema dos

ensaios realizados no experimento.

Tabela 4. 3 – Representação dos ensaios para a análise da topografia e umidade do solo.

Ensaio Topografia Umidade do solo Concentração

1 Original (+) Úmido (+) C1

2 Original (+) Seco (-) C2

3 Plana (-) Úmido (+) C3

4 Plana (-) Seco (-) C4

Freitas & Silva Dias, 2004 propõe que o cálculo do efeito topografia sobre o

campo de concentração do material poluente seja definido como a média dos efeitos da

topografia nas duas situações distintas do campo de umidade do solo, dado por:

37

( ) ( )[ ]341221 CCCCTOPO −+−= , (4.5)

sendo que TOPO expressa o efeito isolado da topografia, e C1, C2, C3 e C4 as

concentrações de variável poluente obtida nos ensaios 1, 2, 3 e 4 respectivamente. Da

mesma forma, a contribuição da umidade do solo sobre o campo de concentração do

material poluente é obtido pela média dos efeitos da umidade do solo nas duas situações

definidas de topografia, dado por:

( ) ( )[ ]214321 CCCCUMI +−+= , (4.6)

onde UMI é a contribuição isolada da umidade inicial disponível no solo.

A interação entre estes dois parâmetros é dada por:

( ) ( )[ ]324121_ CCCCUMITOPO +−+= (4.7)

4.7 Descrição de metodologias de amostragens

Para a avaliação do modelo, foram utilizados dados de emissão do material

poluente emitido pela UTPM ao longo durante uma das campanhas experimentais

compreendidas no Projeto CGTEE/ CEPSRM/ UFRGS “Estudo Ambiental Aplicando

Modelos Numéricos - Região de Candiota -RS”. A campanha selecionada foi realizada

no período de 20 a 30 de abril de 2004. Os dados de SO2 foram coletados através da

análise contínua de fluorescência, nas estações de Três Lagoas e Aeroporto de Candiota,

enquanto que as amostragens de material particulado foram obtidas nas estações de Três

Lagoas, Aceguá e 8 de Agosto, através de amostradores AFG (Amostrador Fino e

Grosso) e de Grandes Volumes (HV PM10). Na Tabela 4.4 estão representadas as

coordenadas das estações de amostragem de aerossóis, utilizados na modelagem. As

estações de amostragem estão distribuídas pela região de abrangência da UTPM,

posicionadas, preferencialmente, na direção predominante do vento, buscando

representar de maneira satisfatória a concentração de poluentes emitidos na direção de

alcance da pluma.

38

Tabela 4. 4 - Coordenadas das estações de Qualidade do Ar da CGTEE e da Usina

Termoelétrica Presidente Médici localizada em Candiota - RS.

Coordenadas Geográficas Estações X

(latitudes) Y

(longitudes)

Altitudes (m)

Usina Termoelétrica -31°33’23’’ -53°41’05’’ 280

Aeroporto de Candiota -31°29’72’’ -53°41’64’’ 232

Três Lagoas -31°36’11’’ -53°44’12’’ 215

Oito de Agosto -31°40’44’’ -53°49’21’’ 261

Aceguá -31°52’52’’ -54°09’21’’ 265

O AFG tem como princípio de funcionamento, a coleta do material

particulado por impactação em dois filtros colocados em série, permitindo a separação

do particulado em dois intervalos diferentes de tamanho. A fração grossa retém por

impactação inercial partículas com diâmetros maiores de 10µm enquanto que a fração

fina retém partículas finas com poros de 0,4µm, onde são retidas as partículas finas –

diâmetro <2,5µm (Figura 6).

A estrutura do equipamento é esquematizada na Figura 4.9. O AFG é fixado

em um suporte adequado, livre da influência direta de precipitação e ventos mais

intensos, e preso a uma haste com aproximadamente 1m e 80cm de altura. Todo o

sistema é construído em material Teflon. Uma bomba de vácuo instalada na estrutura é

responsável pela sucção do ar amostrado, cujo fluxo é monitorado com o auxílio de um

medidor de fluxo de massa (aproximadamente 17 L min-1), havendo interrupção para

troca de AFG, após 24 horas contínuas de amostragem.

39

Figura 4. 9 - Esquema da estrutura do amostrador AFG.

Foram utilizados também amostradores de Grandes Volumes - HV PM10

conforme critérios estabelecidos pela USEPA (United States Enviromental Protection

Agency). O amostrador HV PM10 (Figura 4.10) é um coletor de grande volume para

partículas de até 10 µm suspensas no ar. Seu princípio de funcionamento é por

impactação, e as partículas são dirigidas para um filtro de quartzo com dimensão de

20,3 cm x 25,4 cm, onde estas ficam retidas. O equipamento mantém-se a uma vazão

operacional de 1,13 m3min-1 (com tolerância de 10%) em condições reais de

temperatura e pressão (ENERGÉTICA, 1998).

Figura 4. 10 - Amostrador HV PM10 utilizado para coleta de PI10

40

Neste caso, estes equipamentos foram submetidos à coleta por um período

contínuo de 24 horas em 10 dias consecutivos, com intervalo de 60 dias entre cada

campanha experimental.

As informações de condições meteorológicas atuantes no período de estudo

foram obtidas através da estação meteorológica automática obtida pelo Projeto

CGTEE/ CEPSRM/ UFRGS, e instalada próxima a Estação de Monitoramento de

Qualidade do Ar de Aceguá, RS, com monitoramento contínuo dos parâmetros

meteorológicos: precipitação, temperatura do ar, velocidade e direção do vento,

umidade relativa, pressão atmosférica, umidade do solo. Dados da rede de coleta do

INMET (Instituto Nacional de Meteorologia) - Estação Bagé, também foram utilizados.

As análises sinóticas das condições atmosféricas reinantes no período foram

feitas a partir das imagens do satélite GOES – 12 (Geostationary Operational

Environmental Satellite) no canal Infravermelho, obtidas através do Laboratório

MASTER do IAG/USP. Foram utilizados também os campos meteorológicos

resultantes da saída do modelo RAMS, como: vento, pressão atmosférica ao nível

médio do mar, temperatura do ar, umidade relativa, energia cinética turbulenta e

precipitação.

Os parâmetros meteorológicos obtidos na saída do modelo, assim como os

campos de concentração de SO2, NOx e PM10, obtidos pelo RAMS após a

implementação da sub-rotina, foram plotados no software de visualização GRADS

(Grid Analisys and Display System), permitindo a análise visual dos resultados.

41

5 Resultados e discussão

Neste capítulo encontram-se os resultados obtidos após o processamento

dos dados, no modelo RAMS. O caráter de escolha dos dias selecionados no estudo, 20

a 25 de Abril de 2004, baseou-se em coincidir episódios de diversificada atividade

atmosférica com um período de realização de campanhas experimentais executadas ao

longo do projeto “Estudo Ambiental Aplicando Modelos Numéricos - Região de

Candiota -RS”, onde os dados coletados serviriam como suporte para posterior

comparação aos dados simulados.

5.1 Resultado das simulações

5.1.1 Análise da circulação atmosférica

Inicialmente serão apresentados os resultados da análise sinótica realizada

para o período, a partir de imagens do satélite GOES-12, no canal infravermelho, assim

como os resultados do campo de pressão e vento, simulados pelo modelo. Os campos

são relativos à primeira grade do modelo, e possuem uma resolução horizontal de 32

km, dispostos em 34 pontos na direção zonal e meridional, sendo o primeiro nível da

ordem de 13,4 metros acima da superfície.

No dia 20 as condições atmosféricas predominantes eram de ausência de

nebulosidade em praticamente todo Rio Grande do Sul (Figura 5.1a e 5.1c), com

algumas nuvens presentes no extremo nordeste gaúcho na madrugada, associadas ao

sistema frontal que avançou sobre o Estado em dias anteriores. No horário das 03:00

UTC do dia 20 de abril (Figura 5.1b) verifica-se que a zona de baixa pressão

relacionada à passagem desta frente fria posiciona-se em 29.5 °S e 49.8 °W

direcionando-se ao oceano. Os ventos na fronteira com o Uruguai apresentaram-se do

42

quadrante sudoeste e relativamente fracos, com intensidade da ordem de 2 m/s. As 15

UTC verificam-se áreas de pressão relativamente alta (mas não muito organizada) em

31 °S e 56 °W (Figura 5.1d) aproximando-se do RS, provocando a permanência de

ventos fracos sobre praticamente todo Estado.

(a) 20/04/2004 02:45 UTC (b) 20/04/2004 03:00 UTC

(c) 20/04/2004 14:45 UTC (d) 20/04/2004 15:00 UTC

Figura 5. 1 - Imagem do satélite GOES-12 (coluna da esquerda) e evolução do campo

do vento (m/s) e pressão atmosférica em mb (coluna da direita) ao nível de 13,4 m

acima da superfície. Em (a) 02:45 UTC, em (b) 03:00Z, em (c) 14:45 UTC, em (d)

15:00Z do dia 20/04/2004. As barras em cores indicam a magnitude do vento.

43

No dia 21, nuvens esparsas avançavam sobre o extremo sul do Rio Grande

do Sul (Figura 5.2a), devido à entrada de áreas de alta pressão sobre o Estado. A

atuação deste sistema é responsável pela circulação de intensidade moderada de leste

(Figura 5.2b), ocasionando em aumento de nebulosidade associado à entrada de

umidade do oceano. As 15:00 UTC ventos do setor noroeste avançavam a partir da

metade norte do Estado, ao passo em que a entrada de umidade do mar continuava

sendo verificada no setor sul. A variação de temperatura provocado pelo habitual

aquecimento no período da tarde foi responsável pelos ventos levemente mais intensos

ocorridos no período da tarde, variando entre 4 e 7 m/s em todo Estado.

(a) 21/04/2004 02:45 UTC (b) 21/04/2004 03:00 UTC

(c) 21/04/2004 14:45 UTC (d) 21/04/2004 15:00 UTC

Figura 5. 2 – Mesmo que na Figura 5.1, para o dia 21/04/2004.

44

No dia seguinte (22/04) observa-se que áreas de baixa pressão, mas não

muito organizada, avançam a partir do Uruguai e encontram as áreas de instabilidade

presente no Estado, provocando o aumento de nebulosidade em todo RS. Os ventos têm

intensidade variando entre 6 e 11 m/s (Figura 5.3b). As 15:00 UTC o centro de baixa

pressão, agora mais evidente, sofre deslocamento para nordeste e uma banda intensa de

nebulosidade atinge a metade sul do Estado (Figura 5.3c). A intensidade do vento nesta

região varia de 8 a 12 m/s (Figura 5.3d).

(a) 22/04/2004 02:45 UTC (b) 22/04/2004 03:00 UTC

(c) 22/04/2004 14:45 UTC (d) 22/04/2004 15:00 UTC

Figura 5. 3 - Mesmo que na Figura 5.1, para o dia 22/04/2004.

45

Às 02:45 UTC do dia 23 observa-se que as áreas de instabilidade que

estavam presentes há mais tempo, são responsáveis pela organização de uma frente-fria

(Figura 5.4a) que rapidamente desloca-se para latitudes menores (Figura 5.4c). Ventos

do quadrante NW com intensidade variando entre 5 e 8 m/s foram observados na

fronteira sudoeste gaúcha. Com o afastamento do sistema frontal, a atmosfera iniciou

um processo de gradual diminuição de nebulosidade e os ventos mudaram o sentido

para o quadrante sudoeste.

(a) 23/04/2004 02:45 UTC (b) 23/04/2004 03:00 UTC

(c) 23/04/2004 14:45 UTC (d) 23/04/2004 15:00 UTC

Figura 5. 4 - Mesmo que na Figura 5.1, para o dia 23/04/2004.

46

Na madrugada do dia 24 observa-se que a circulação associada ao núcleo de

baixa pressão presente no Atlântico, e áreas de alta pressão, que se organizavam no

centro da Argentina, são responsáveis pela entrada do vento de componente sudoeste,

passando a direção sul no decorrer do dia (Figura 5.5c e 5.5d). Porém, na imagem de

satélite das 02:45Z e 14:45Z (Figura 5.5a e 5.5d) observa-se uma banda de

nebulosidade no sentido zonal, melhor definida no período diurno, na região central do

Estado. Possivelmente, a presença destas nuvens altas, do tipo cirrus, esteja associada à

configuração do sistema anti-ciclônico, que apresentava um cavado de onda curta em

altos níveis (não mostrado) de fraca intensidade, posicionado no nordeste da Argentina.

(a) 24/04/2004 02:45 UTC (b) 24/04/2004 03:00 UTC

(c) 24/04/2004 14:45 UTC (d) 24/04/2004 15:00 UTC

Figura 5. 5 - Mesmo que na Figura 5.1, para o dia 24/04/2004.

47

No dia 25 de abril observa-se o predomínio do vento de quadrante sul

(Figura 5.6b e 5.6d), porém com menor intensidade em relação ao dia anterior, devido

ao avanço da área de alta pressão para o Estado, a partir da região sudoeste. Esta massa

de ar, caracteristicamente mais seca e fria, é responsável pela queda de temperatura e

diminuição de nebulosidade em todas as áreas do RS (Figura 5.6c).

(a) 25/04/2004 02:45 UTC (b) 25/04/2004 03:00 UTC

(c) 25/04/2004 14:45 UTC (d) 25/04/2004 15:00 UTC

Figura 5. 6 - Mesmo que na Figura 5.1, para o dia 25/04/2004.

48

5.1.2 Análise do efeito da topografia e umidade do solo

sobre o comportamento individual de algumas variáveis

atmosféricas

A flexibilidade do modelo RAMS em adaptar-se as condições requeridas para um

determinado estudo permite que possam ser realizadas alterações na precisão espacial

dos dados, buscando uma melhor definição na análise de variáveis importantes em

processo atmosféricos, como os ditados na dispersão de poluentes. Com isso, foram

realizadas simulações numéricas para quatro grades fixas e aninhadas, possibilitando

que processos que ocorram na grade de maior resolução sejam sentidos nas demais

grades e vice-versa. A quarta grade utilizada na simulação é de caráter principal, visto

que além de apresentar um refinamento da topografia para 500m, obteve o termo da

fonte de dispersão inserido. Porém as demais grades sentem o reflexo destas

componentes, e representam sua importância individual por serem utilizadas também

como ferramenta para análise das condições sinóticas e o estudo da trajetória dos

poluentes para caminhos mais longínquos da fonte de emissão.

Para a análise das variáveis meteorológicas do estudo, foram considerados

os resultados obtidos através da saída do modelo RAMS referentes à quarta grade do

modelo (40km x 40km), centrada na localidade da usina (31.5° S e 53.68° W). Quatro

situações hipotéticas e distintas foram representadas na elaboração de experimentos que

buscaram verificar o papel da topografia e umidade do solo no processo de dispersão de

poluentes. Para a topografia, dois eventos foram considerados, sendo que no primeiro a

inicialização foi realizada a partir de informações extraídas do sensor ASTER, com

dados reamostrados para resolução espacial de 500m (Figura 5.7) e inseridos nas grades

3 e 4 do modelo. O segundo evento considerou a topografia exatamente plana e ao nível

do mar para todas as grades.

49

Figura 5. 7 – Campo de topografia da terceira grade do modelo RAMS, com

resolução de 500 metros.

Para o estudo da umidade do solo, as situações consideradas foram solo

seco em 7 níveis horizontais (a partir da superfície), e outra situação em que eram

considerados valores elevados de umidade do solo, distribuído no intervalo de 0,60 a

0,42 % entre os 7 níveis. Salienta-se que os quatro ensaios distintos, obtidos na

integração destes fatores foram denominados de: C1 (topografia original e solo úmido);

C2 (topografia original e solo seco); C3 (topografia plana e solo úmido) e C4 (topografia

plana e solo seco).

Dados meteorológicos coletados da Estação de Aceguá e informações de

algumas variáveis meteorológicas, obtidas pela estação INMET - Estação Bagé foram

utilizados para a verificação dos resultados meteorológicos simulados.

Como visto anteriormente, as áreas de instabilidade que se formaram no dia

22 de abril deram início ao sistema frontal, responsável pelo avanço de muitas nuvens

para a região. Registros de precipitação superiores a 130mm acumulados no dia 22

foram obtidos na Estação Meteorológica de Bagé – INMET. Na Estação de Aceguá, 22

mm às 9 horas locais foram registrados (Figura 5.8), com total diário acumulado em 84

mm. Nos demais dias de simulação, não houve registros de precipitação na região.

50

Precipitação _ Aceguá

0

5

10

15

20

25

20 21 22 23 24 25

DiasPr

ecip

itaçã

o (m

m)

Figura 5. 8 – Campo de precipitação, obtido pela Estação Meteorológica de Aceguá.

A ocorrência de precipitação mostra-se importante no estudo da dispersão

dos poluentes, pois a chuva aparece como agente removedor de partículas em suspensão

na atmosfera, provocando a diminuição de concentração de poluentes. Contudo, as

simulações realizadas no RAMS apresentaram resultados peculiares em cada um dos

ensaios. Na Figura 5.9 estão representados os resultados da evolução temporal do

período de simulação para a precipitação, com coordenadas fixas UTPM (53.68° W e

31.5° S). Mesmo não sendo possível a comparação direta da amplitude de precipitações

simuladas para a localidade de Candiota, com os dados de chuva coletada nas estações

de cidades vizinhas (Bagé e Aceguá), busca-se uma descrição do comportamento

aproximado da variável. Com base nisso, a contribuição da topografia somada ao efeito

da umidade presente no solo se mostra satisfatoriamente representada na intensidade de

precipitação no ensaio C1, onde o estimado ultrapassou apenas 1.5 mm de chuva em

relação aos dados observados pela Estação de Aceguá, quando comparado com o valor

máximo de chuva acumulada em 1 hora. Em C3, a simulação obteve intensidade

reprimida em 24% seguidos de índices ainda maiores nos ensaios C2 e C4 (solo seco),

onde obtiveram 50% (11,8mm) e 69% (7mm), respectivamente, de seus valores

subestimados. Neste caso, as duas variáveis apresentaram uma grande influência, porém

a contribuição orográfica se mostra de caráter mais expressivo no que diz respeito a

intensidade da precipitação.

51

(C1) (C2)

(C3) (C4)

Figura 5. 9 – Evolução temporal de precipitação ao nível de 14,3m acima da superfície.

As instabilidades presentes na região no início do período estudado foram

responsáveis pelo aumento de temperatura, chegando a 27° C na tarde do dia 21 de

abril, depois de uma madrugada fria, com registros de 9,4° C às 4 horas locais. Dias 22

e 23, as temperaturas permaneceram em torno de 18° C, devido à intensa nebulosidade

presente, voltando a cair na madrugada dos dias 24 e 25, onde foram registradas

temperaturas de 8,3° C, devido à entrada de uma massa de ar mais fria e seca para a

região. As temperaturas máximas nestes dias, não ultrapassaram 18° C (Figuras 5.10 e

5.11).

52

Temperatura do Ar - Bagé (INMET)

8

12

16

20

24

28

20 21 22 23 24 25Dias

Tem

pera

tura

(° C

)

Figura 5. 10 – Campo de temperatura registrada em Bagé, obtido pela Estação

Meteorológica do INMET.

Temperatura do Ar _ Aceguá

81216202428

20 21 22 23 24 25Dias

Tem

pera

tura

(°C

)

Figura 5. 11 – Campo de temperatura do ar, obtido pela Estação Meteorológica de

Aceguá, RS.

Conforme a descrição dos gráficos de temperatura do ar, registradas em dois

pontos distintos, mas próximos a UTPM, os ensaios obtidos pela simulação numérica

apresentaram razoável coerência, no que diz respeito à assinatura temporal da variável

(Figura 5.12), para os quatro eventos selecionados. Porém, apesar de estrutura

semelhante, a grandeza da variável não foi satisfatoriamente modelada em nenhuma

situação. Comparando os resultados dos eventos C2 e C4 aos registros das estações,

observa-se que as simulações com característica de solo seco apresentam uma tendência

exagerada do declínio de temperaturas mínimas, porém representam satisfatoriamente

as temperaturas máximas ocorridas ao longo de todo período.

Do contrário, é interessante notar que os eventos com solo úmido, C1 e C3,

apresentam uma forte subestimação das variáveis nos primeiros três dias, período em

que a atmosfera estava sob condições de muita nebulosidade. Nestes dias as

53

temperaturas foram subestimadas em 6° C em todos os horários. Nos demais dias, o

comportamento passou a ser muito semelhante àquele observado nas estações

meteorológicas.

(C1) (C2)

(C3) (C4)

Figura 5. 12 – Evolução temporal de temperatura do ar simulada, ao nível de 14,3m

acima da superfície.

A umidade relativa ao longo do período da simulação apresenta

características distintas, no que diz respeito à amplitude da variável, entre os registros

das estações de Bagé e Aceguá, porém, isto é explicado pelo fato de que os dados de

umidade do ar obtido pela Estação do INMET compreenderam registros referentes a

00Z, 12Z e 18Z, mas representados em um mesmo gráfico, como mostra a Figura 5.13.

Com a análise dos gráficos seguintes observa-se que no final do dia 20, uma queda

acentuada de umidade ocasionada pelo habitual término dos processos de transporte

advectivos a partir do anoitecer, além do fato de que ventos de oeste penetravam na

54

região. Com a mudança na direção do vento para o quadrante leste ano dia 21, uma

massa de ar mais úmida vinda do Atlântico, avança pelo Estado ocasionado em aumento

de umidade do ar. A circulação de leste permanece sendo responsável pelo ingresso de

umidade na região, que inicia um processo de instabilidade atmosférica, com ligeiro

aumento da temperatura e nuvens cobrindo toda metade sudoeste do RS. A

nebulosidade presente, associada a frente fria, desloca-se e a atmosfera gradualmente

torna-se mais seca nos dias seguintes.

Umidade do Ar - Bagé (INMET)

25

40

55

70

85

100

20 21 22 23 24 25

Dias

Um

idad

e %

Figura 5. 13 - Campo de umidade do ar registrada em Bagé, obtido pela Estação

Meteorológica do INMET.

Umidade do Ar _ Aceguá

2540557085

100

20 21 22 23 24 25Dias

Um

idad

e %

Figura 5. 14 – Campo de umidade relativa do ar, obtido pela Estação Meteorológica de

Aceguá, RS.

A Figura 5.15 representa os quatro ensaios realizados no estudo, com a

evolução temporal da umidade relativa do ar para o período. Utilizando como base de

comparação às informações obtidas pelas estações meteorológicas, os ensaios

mostraram comportamentos distintos em alguns momentos, em relação aos observados,

principalmente nos três primeiros dias, quando a região estava sobre a atuação de

sistema pré-frontal e frontal. Os experimentos C1 e C3 (solo úmido) apresentaram

55

valores superiores aos registrados em até 36% nos dias 20 e 21, principalmente no

anoitecer, horário em que a umidade do ar está mais baixa. Nos dias seguintes, com a

atuação de processos conjuntos de avanço da banda de nebulosidade para outras regiões

e entrada de umidade do oceano, a atmosfera encontrava-se saturada e o modelo

inicializado com umidade do solo representou satisfatoriamente os resultados, voltando

a superestimar a partir do dia 24.

(C1) (C2)

(C3) (C4)

Figura 5. 15 – Evolução temporal da umidade relativa do ar ao nível de 14,3m acima da superfície.

O aquecimento da atmosfera próxima à superfície impulsiona movimentos

verticais na baixa atmosfera, visto que quando esta parcela se aquece pelo contato direto

com o solo, torna-se menos densa, sendo impulsionada para cima, ao passo de que uma

outra parcela de ar, mais fria e densa, substitui o espaço ocupado pela parcela antiga.

Estes movimentos formam turbilhões, que misturam o ar, e são definidos pela

quantidade de energia que chega a superfície e por ela repassada a atmosfera. Com isso,

quanto maior a disponibilidade de calor, mais intensos serão estes vórtices. Os

movimentos do ar, relacionados pelo aquecimento desigual da atmosfera, são

56

responsáveis pela estrutura da camada em contato direto com a superfície, a CLP. A

estrutura desta camada é função dos processos físicos que nela ocorrem, sofrendo

grande variação ao longo do dia, devido às trocas de energia entre a superfície e a

atmosfera.

Na Figura 5.16 estão representadas as saídas do RAMS para a estrutura da

Camada Limite Planetária para os quatro ensaios realizados. Com a análise dos gráficos,

observa-se que em todos os ensaios, fracos movimentos verticais na baixa atmosfera

foram responsáveis pela estrutura pouco desenvolvida da CLP nas primeiras 50 horas de

simulação. Estas características são impostas pelas condições de deficiência de radiação

devido à intensa quantidade de nuvens presente no período pré-frontal e frontal (dias 21

e 22 de abril). Porém, com o deslocamento da banda de nebulosidade, a radiação atinge

à superfície e gradualmente uma reposta é obtida pela atmosfera, onde se dá inicio o

processo de movimentos turbulentos, elevando o topo da camada limite para altitudes

da ordem de até 2400m.

Com a análise dos ensaios observa-se um comportamento distinto da CLP

para cada situação. No dia 20, os ensaios C1 e C3 (eventos com umidade) mostraram

uma baixa atividade na camada limite, da ordem de apenas 650m de altitude no final da

tarde, ao passo em que, no mesmo horário, a altura da camada foi da ordem de 1300 m

nos eventos com umidade (C2 e C4). No dia 21, a CLP manteve um comportamento

semelhante ao descrito anteriormente, e a pouca atividade convectiva ocorre pelo

avanço de nebulosidade associada à frente fria. Ao longo da tarde do dia 22, observa-se

que a banda de nebulosidade desloca-se para latitudes menores, possibilitando um

aumento de radiação atingindo à superfície. Com a disponibilidade de energia,

gradualmente uma reposta é obtida pela atmosfera, onde se dá inicio o processo de

movimentos turbulentos na CLP.

No demais dias a presença de radiação intensa provoca aumento nos

processos de transferência de umidade e de calor na atmosfera, e a energia disponível é

responsável por manter uma altura elevada da CLP, o que foi verificado em todos

ensaios. Porém, é interessante notar que a situação em que o solo foi considerado

inicialmente seco, existe uma leve predisposição em aumentar a estrutura vertical da

camada, quando relacionados aos ensaios com o solo úmido. No entanto, a análise do

período em que o solo inicialmente seco é suprido de umidade, após o episódio de

precipitação, esta taxa de contribuição para o desenvolvimento vertical mostra-se de

57

menor intensidade quando comparado à amplitude da variação na estrutura da CLP

observada antes da passagem do sistema frontal. Este resultado se deve ao fato de que

as temperaturas mais baixas presente após a passagem da frente fria, associado à

saturação de umidade no solo, pelo efeito da precipitação, diminuem a altura da CLP.

5.2 Resultados do modelo de transporte de poluentes

O transporte de poluentes emitidos pela Usina para áreas remotas, foi

verificado através da utilização do modelo de dispersão presente no RAMS, onde foram

inseridas as características de emissão de três materiais, na equação que determina o

transporte de poluentes. Os dias selecionados para a integração dos resultados de

partículas presentes na atmosfera, compreenderam o período entre 20 e 25 de abril de

(C1) (C2)

(C3) (C4)

Figura 5. 16 – Comparação entre a evolução temporal energia cinética turbulenta

(esquerda) e a altura da CLP (direita) para os quatro ensaios realizados

58

2004 e os resultados da simulação estão representados nas Figuras 5.17 a 5.22 com

campos superficiais de concentrações médias diárias de PM10, SO2 e NOx, expressos

em unidades de µgm-3.

Conforme a simulação, dia 20/04 ventos do quadrante sudoeste, são

responsáveis pelo direcionamento da pluma para direção nordeste, onde são observadas,

ao nível do solo, taxas elevadas de concentração dos três poluentes, da ordem máxima

de 170 µgm-3 em áreas muito próximas a fonte de emissão (Figura 5.17a, 5.17b e 5.17c).

Estes resultados estão relacionados à fraca intensidade do vento, dificultando a mistura

na camada limite planetária e o arraste dos poluentes a maiores distâncias da fonte.

(a) PM10 (b) SO2

(c) NOx

Figura 5. 17 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 20/04/04.

As barras em cores indicam a magnitude das concentrações, em µgm-3.

O dia 21/04, conforme citado anteriormente, antecede a entrada de um

sistema frontal, e uma intensificação no vento pode ser observada. Primeiramente,

concentrações esparsas no setor à noroeste da usina foram simuladas, justamente pela

59

predominância dos ventos fracos, de quadrante leste, no período da madrugada. No

decorrer da tarde observa-se um aumento na intensidade do vento, que arrastam os

poluentes para regiões afastadas da fonte de emissão, contribuindo para uma situação

favorável à dispersão de poluentes. As concentrações de PM10 e NOX apresentaram

uma configuração semelhante da dispersão no dia 21, onde núcleos de máximas

concentrações, da ordem de 27 µgm-3, foram simulados para estes materiais.

Concentrações de até 30 µgm-3 de SO2 foram simuladas para áreas próximas a UTPM,

com transporte organizado para a direção sudoeste (Figuras 5.18b). É interessante

observar que estas áreas de maior concentração posicionaram-se distantes até 7 km da

fonte de emissão (Figuras 5.18a e 5.18c), possivelmente devido ao arraste da pluma,

pela acentuada atividade turbulenta, de origem mecânica presente em todo dia.

(a)– PM10 (b) SO2

(c) NOx

Figura 5. 18 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 21/04/04.

As barras em cores indicam a magnitude das concentrações (µgm-3).

As concentrações do dia 22 foram bem menores do que àquelas do dia

anterior, em decorrência do aumento de nebulosidade já no período da madrugada,

60

assim como a intensificação de ventos de noroeste. No decorrer do dia, o vento sofre

uma variação para o quadrante norte e a turbulência por origem mecânica torna-se ainda

mais acentuada. Concentrações de PM10 e NOx não ultrapassam a ordem de 15 µgm-3

(Figura 5.19a e 5.19c), enquanto que máximos de 10 µgm-3 de SO2 (Figura 5.19b)

distantes 9 km da fonte de emissão. O fato de centros de concentrações mais altas

estarem afastadas da fonte de emissão é explicado pelo fraco transporte vertical, assim

como o predomínio de ventos intensos, que arrastam os poluentes em níveis mais

elevados da atmosfera, impedindo que sejam depositados próximos à fonte de emissão.

(a) PM10 (b) SO2

(c) NOx

Figura 5. 19 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 22/04/04.

As barras em cores indicam a magnitude das concentrações (µgm-3).

Com a passagem do sistema frontal, foram registradas precipitações

atmosféricas superiores a 100 mm no dia 23, sendo este um fator favorável à dispersão,

pois a chuva representa um agente de remoção dos aerossóis presentes na atmosfera,

resultando em baixos valores de concentração dos materiais analisados. Os ventos

61

apresentaram-se do quadrante noroeste no momento da atuação do sistema frontal sobre

a região, com variação para a direção sudoeste no início da tarde, que já se encontrava

sob condições de diminuição de nebulosidade. A partir deste momento, foram

simuladas algumas concentrações no setor sudeste à Usina, com ramificações na pluma

de poluentes, devido à variação no sentido do vento ao longo do dia. As concentrações

para os três poluentes, que não ultrapassaram a ordem de 9 µgm-3, ocorreram em pontos

situados a aproximadamente 9 km à sudeste da fonte de emissão (Figura 5.20a-c).

(a) PM10 (b) SO2

(c) NOx

Figura 5.20 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 23/04/04.

As barras em cores indicam a magnitude das concentrações (µgm-3).

No dia 24 foram observados ventos de sudoeste penetrando na região de

Candiota ao longo na madruga, mudando para a componente sul no início da tarde.

Antes do amanhecer, concentrações de até 33 µgm-3 de SO2 foram simuladas, ao passo

que os constituintes PM10 e NOx tiveram máximos simulados na ordem de 22 µgm-3

(Figura 5.21 a-c). Os centros de maiores concentrações apresentavam-se na direção

nordeste, quando o efeito da dispersão era basicamente controlado pela turbulência de

origem mecânica. Porém, observam-se ramificações na pluma de poluentes, seguindo

62

justamente a variação no sentido do vento, observada ao longo do dia. À medida que o

dia avança, a quantidade de radiação atinge que superfície mantém um processo

convectivo intenso, observando-se um aumento da atividade turbulenta, agora de

origem térmica. Fatores como a energia advectiva pelo processo de aquecimento do ar,

ventos moderados de sul, associados ao suprimento adicional de umidade no solo após a

precipitação ocorrida em dias anteriores, foram responsáveis pelos processos mais

intensos de transferência de calor e de umidade, possibilitando um aumento no

transporte vertical dos poluentes na atmosfera. No período diurno, quando atuavam

estas condições de turbulência expressiva, os valores não excederam a ordem de 16

µgm-3 de concentração para o PM10 e NOx e de 24 µgm-3 para o SO2.

(a) PM10 (b) SO2

(c) NOx

Figura 5. 21 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 24/04/04.

As barras em cores indicam a magnitude das concentrações, em (µgm-3).

Porém no dia 25/04 observa-se que as concentrações voltam a ser mais

elevadas na região, com valores superiores a 60 µgm-3 de SO2 e da ordem de 65 µgm-3

de PM10 e NOx em pontos situados próximos a UTPM (Figura 5.22 a-c).

Provavelmente o transporte de poluentes tenha sido dificultado pelo falto de que ventos

63

da componente sul e de baixa intensidade tenham favorecido a entrada de uma massa de

ar mais fria e seca impedindo que a atividade convectiva ganhasse força suficiente para

a dissipação local dos poluentes.

(a) Média do dia 25/04 – PM10 (b) Média do dia 25/04 – SO2

(c) Média do dia 25/04 –NOx

Figura 5. 22 – Concentração média de (a) PM10 (b) SO2 e (c) NOx para o dia 25/04/04.

As barras em cores indicam a magnitude das concentrações (µgm-3).

5.3 Resultados do modelo de análise de fatores

Como descrito anteriormente, o objetivo do trabalho consiste em verificar a

influência de dois fatores sobre a concentração de poluentes: o efeito causado pela

topografia e o resultado decorrente de alterações na umidade do solo. Entretanto, vale

ressaltar que estes processos, além de hipotéticos, não representam os únicos fatores

importantes nos processos relacionados à concentração do material suspenso na

atmosfera.

64

Com a utilização das equações 4.5 - 4.7 obtêm-se as contribuições

individuais dos fatores analisados neste estudo, e a conseqüência da interação entre os

mesmos.

Na descrição dos campos médios de concentração em um período de 24 h,

observou-se que as variáveis NOx e PM10 apresentaram comportamento muito

semelhante no que diz respeito ao valor de concentração e caminho dos poluentes.

Portanto, os resultados da análise fatorial mostram uma estrutura extremamente

parecida, e a inclusão destas informações tornaria a descrição repetitiva. Com isso

selecionou-se para o desenvolvimento desta etapa, apenas os campos de PM10 e SO2,

para os dias 20 e 25 de abril, caracterizado por apresentaram aos maiores valores de

concentrações.

5.3.1 Dia 20/04/2004

No dia 20, concentrações elevadas de PM10 e SO2 em superfície foram

simuladas. Através da aplicação da análise fatorial, observou-se uma maior contribuição

dos fatores integrados neste estudo, no horário das 23Z (20 horas locais). Análises de

umidade do solo (Figura 5.23a (PM10) e 5.24a (SO2)) mostram que neste horário,

ocorreram núcleos de contribuição positiva da variável para a dispersão na área de

estudo em 53°69’W e 31°50’S, tanto para o SO2 quanto também para o PM10, ao passo

que efeitos contrários ao processo de dispersão são presenciados em 53°60’W e

31°44’S. Situação semelhante é observada no ensaio que considera as características

topográficas locais (Figura 5.23b e 5.24b). Ventos desorganizados de sul provocavam o

arraste da pluma na encosta da pequena elevação existente à leste, bloqueando o

escoamento do vento, causando deposição do material poluente na altura de 31°50’S e

53°62’W, que são forçados pelo vento a se dirigir em direção norte/noroeste, onde

encontram uma região de vale (53°61’W e 31°42’S) e a partir deste momento a

circulação é canalizada e o transporte de poluentes para outras localidades é possível.

Analisando a Figura 5.25c, nota-se que entre os fatores analisados, ocorre

um efeito positivo para a dispersão de PM10 na interação dos fatores umidade do solo e

topografia, com um núcleo organizado em 53°61’W e 31°42’S, justamente na área em

que efeito associado à topografia apresenta como um contribuinte favorável. Conclui-se

então que, nesta situação, em que são considerados períodos noturnos, e atuação de

ventos de sudoeste, às características orográficas parece ser ligeiramente mais influentes

do à umidade do solo no processo de dispersão.

65

(a) (b)

(c)

Figura 5. 23 - Termos das equações 4.5 - 4.7, ilustrando os efeitos principais da

topografia (a), da umidade do solo (b) e da integração entre esses efeitos (c) sobre a

concentração de PM10 para o dia 20/04 as 23 UTC.

A estrutura da contribuição dos fatores para o SO2 diferencia-se do PM10,

neste caso, na amplitude dos valores e na dimensão dos núcleos. Na Figura 5.24c

observa-se a contribuição favorável à dispersão em núcleos ao redor de 31°41’ e 53°63’,

região que condiz com as áreas de contribuição positiva tanto para a topografia quanto

para a umidade do solo, no transporte de SO2, ao passo de que áreas desfavoráveis à

dispersão foram verificadas imediatamente a nordeste da fonte de emissão, onde de

semelhante modo, observou-se núcleos de contribuição negativa para os dois fatores.

Como estes resultados são válidos para situações em que a atmosfera apresenta

componentes do vento de sul e período noturno, a quantidade de radiação que atingia a

superfície deixou de ser suficiente para manter o processo advectivo. O término das

atividades turbulentas de origem térmica, e a presença de pequenas elevações à leste da

fonte de emissão, provocam a estagnação do ar em regiões próximas à fonte de emissão

(núcleos negativos). Porém, a circulação de sul encontra esta parcela que lentamente é

arrastada em direção norte/noroeste, onde encontram uma região de vale (53°61’W e

66

31°42’S) favorecendo com que a massa de ar entre no corredor existente no pequeno

vale, onde o transporte de poluentes para outras localidades é possível (núcleos

positivos). É interessante observar que no caso do SO2, a contribuição dos fatores

umidade do solo e topografia parece agir de forma a compensar a influência uma da

outra, pois as amplitudes da interação entre os dois fatores são da mesma ordem que a

contribuição individual de cada um dos fatores.

(a) (b)

(c)

Figura 5. 24 – Mesmo que na Figura 5.23, para o SO2.

5.3.2 Dia 25/04/2004

Os resultados das simulações apontaram concentrações de PM10 e SO2

elevadas em superfície no dia 25 de abril de 2004. Na Figura 5.25a (PM10) e 5.26a

(SO2) observa-se que para as 11Z do dia 25, o efeito da umidade do solo apresenta uma

alternância entre contribuições positivas e negativas para o processo de dispersão.

Situação distinta ocorre no efeito topográfico local (Figura 5.25b e 5.26b) onde se

observa em grande parte um desempenho positivo da topografia. Tanto para o PM10

quanto para o SO2, à localização dos núcleos de contribuição, está posicionada no setor

67

norte (expressões negativas) e nordeste (expressões positivas), direções em que se

deslocava a pluma neste momento.

Nota-se ainda que entre os fatores analisados, o efeito associado às

características orográficas parece ter uma influência mais significativa, uma vez que as

amplitudes das contribuições devido a características topográficas são mais relevantes

em relação à umidade do solo. A Figura 5.25c mostra que a interação entre os dois

fatores é praticamente da mesma ordem que a contribuição individual de cada um dos

fatores, fato que ressalta a importância da análise conjunta das influências exercidas por

esses fatores, pois os mesmos interagem entre si e uma análise isolada pode levar a

interpretações incorretas.

(a) (b)

(c)

Figura 5. 25 – Termos das equações 4.5 - 4.7, ilustrando os efeitos principais da

topografia (a), da umidade do solo (b) e da integração entre esses efeitos (c) sobre a

concentração de PM10 para o dia 25/04 as 11 UTC.

68

No caso do SO2 (Figura 5.26c) uma contribuição favorável à dispersão na

integração dos fatores foi observada, com o sinal do efeito apresentando deslocamento

para direção nordeste, resultando em um desempenho positivo no campo da dispersão

nesta direção. No entanto o efeito parece estar associado em grande parte à topografia,

pois as amplitudes das contribuições devidas a este fator são maiores do que a umidade

do solo.

(a) (b)

(c)

Figura 5. 26 – Mesmo que na Figura 5.25, para o SO2.

Com a aplicação do método proposto, nota-se que esses dois fatores

desempenham um papel importante no campo da dispersão de poluentes, porém as

amplitudes devidas à topografia local são maiores do que as de umidade do solo.

Em relação à direção favorável a dispersão de poluentes quando os dois

efeitos são interados, observa-se através da analise dos resultados que o efeito pode ser

69

observado em praticamente todos os setores da grade analisada, porém, algumas regiões

apresentam-se mais favoráveis à dispersão. Neste estudo, a direção predominante da

pluma foi norte-nordeste, e os resultados mostraram uma tendência positiva para o

transporte de poluentes no setor nordeste, justamente pela contribuição associada à

orografia local. O efeito da topografia é claramente entendido com análise da Figura

5.27 que representa o modelo de elevação da região de Candiota, definido dentro da

quarta grade utilizada no modelo RAMS. A topografia presente provoca a canalização

em baixos níveis no transporte de poluentes, que ao ser arrastado em direção nordeste, é

forçado a entrar no pequeno vale.

Figura 5. 27 – Campo de topografia da terceira grade do modelo RAMS, com

resolução de 500 metros.

70

5.4 Comparação entre os dados de concentração observados

e modelados para o PM10 e o SO2

Os dados de concentração de SO2 foram coletados nas estações de Três

Lagoas (Tabela 5.1) e Aeroporto de Candiota (Tabela 5.2), enquanto que os dados de

PM10 foram obtidos nas estações de Três Lagoas (Tabela 5.3), Aceguá (Tabela 5.4) e 8

de Agosto (Tabela 5.5).

No dia 20 de abril os ventos de sudoeste passando a oeste foram observados,

e os resultados da modelagem apontaram concentrações de SO2 da ordem de 13,5 µgm-3

para a localidade da estação do Aeroporto de Candiota, posicionada a norte da Usina,

direção que incluía a rota da pluma, enquanto que os dados coletados não ultrapassaram

a ordem de 5,8 µgm-3. De forma contrária, a estação de Três lagoas, posicionada a

sudoeste da Usina, obteve valores simulados de SO2 e PM10 muito próximos de zero,

enquanto que os dados observados foram da ordem de 5,3 µgm-3de SO2 e 4,4 µgm-3 de

PM10. As estações de 8 de agosto e Aceguá, posicionadas a sudoeste da Usina, também

apresentaram valores simulados muito próximos a zero. Com base nisso, compreende-se

que o modelo não conseguiu acompanhar a trajetória dos poluentes que se espalharam ao

redor da Usina, devido aos processos de difusão, entendendo apenas concentrações que

seguem a direção da pluma.

Dia 21, uma circulação de leste, bem definida penetra na região, e a

simulação das concentrações na localidade da estação de Três Lagoas, distante

aproximadamente 7 km a sudoeste da Usina, foram da ordem de 17,6 e 5,7 µgm-3 para o

SO2 e PM10, respectivamente, de magnitude superior às registradas. Como as

simulações nas coordenadas das estações de 8 de agosto e Aceguá, posicionadas a

sudoeste, obtiveram concentrações inferiores àquelas obtidas pelas estações de qualidade

do ar, é provável que os resultados contraditórios tenham ocorrido devido a uma

disfunção no modelo. Analisando os resultados das simulações, observa-se que a

amplitude da diferença entre os resultados da simulação e os dados observados foi mais

expressiva na estação de Aceguá. Neste dia os resultados das simulações estimaram uma

baixa estrutura da CLP, e possivelmente o modelo tenha entendido que, com esta

situação, o transporte dos poluentes para outras áreas seria dificultado, resultando em

uma maior concentração destes poluentes em áreas próximas a Usina.

71

No dia 22 a aproximação de um sistema frontal, é responsável pela variação

do vento, que passou de nordeste a norte ao longo do dia, com intensidade moderada,

chegando a 9 m/s na região. Como descrito anteriormente, este fato provocou o arraste

da pluma para regiões distantes da usina, e os núcleos de concentração máxima foram

presenciados a 9 metros da fonte de emissão, resultando em concentrações mais elevadas

na localidade da estação de 8 de Agosto, chegando a ordem de 8 µgm-3, enquanto que os

dados observados não ultrapassaram 1,3 µgm-3.

Ventos de direção noroeste mudando para sudoeste são sentidos no dia 23, e

concentrações evidentemente baixas no período da passagem do sistema frontal são

simuladas nas localidades de estações dispostas, em grande parte, a sudoeste da Usina,

direção de deslocamento da pluma. No dia 24 e 25, ventos de sul avançam pela região, e

a estação do Aeroporto de Candiota registra concentrações da ordem de 4 µgm-3 no dia

24 chegando a 12,5 µgm-3 no dia 25, ao passo em que são simuladas concentrações de

0,9 e 1,2 µgm-3 para os respectivos dias, nesta localidade. As demais estações que

permaneceram fora da direção predominante dos ventos deste dias, obtiveram valores

muito baixos quando comparados aos valores relacionados à modelagem numérica,

principalmente para o material particulado.

Tabela 5. 1 – Dados de concentração de SO2 na estação de Três Lagoas.

CONCENTRAÇÕES (µgm-3) DIA

SIMULADOS OBSERVADOS

20 / 04 0,1 5,3 21 / 04 17,6 12,7 22 / 04 5,15 1,67 23 / 04 0,16 1,08 24 / 04 0,2 0,72 25 / 04 0,21 0,49

72

Tabela 5. 2 – Dados de concentração de SO2 na estação do Aeroporto de Candiota.

CONCENTRAÇÕES (µgm-3) DIA

SIMULADOS OBSERVADOS

20 / 04 13,5 5,5 21 / 04 5,7 4,1 22 / 04 0,2 3,7 23 / 04 0,9 3,6 24 / 04 0,9 4,0 25 / 04 1,2 12,5

Tabela 5. 3 – Dados de concentração de PM10 na estação de Três Lagoas.

CONCENTRAÇÕES (µgm-3) DIA

SIMULADOS OBSERVADOS

20 / 04 0,1 4,4 21 / 04 22,05 12,9 22 / 04 4,9 11,1 23 / 04 0,2 14,7 24 / 04 0,2 14,8 25 / 04 0,2 20,4

Tabela 5. 4 – Dados de concentração de PM10 na estação de 8 de Agosto.

CONCENTRAÇÕES (µgm-3) DIA

SIMULADOS OBSERVADOS

20 / 04 0,02 13,5 21 / 04 13,5 21,3 22 / 04 8,0 1,3 23 / 04 0,2 13,6 24 / 04 0,2 12,8 25 / 04 0,2 7,7

73

Tabela 5. 5 – Dados de concentração de PM10 na estação de Aceguá.

CONCENTRAÇÕES (µgm-3) DIA

SIMULADOS OBSERVADOS

20 / 04 0,01 9,3 21 / 04 4,0 20,5 22 / 04 2,7 2,7 23 / 04 0,2 20,5 24 / 04 0,3 7,5 25 / 04 0,2 13,5

74

6 Conclusões

O objetivo deste trabalho foi utilizar a modelagem numérica da atmosfera,

analisando alguns efeitos causados pela interação entre a topografia da região de

Candiota e variações da umidade presente no solo, buscando avançar o conhecimento

no comportamento da atmosfera nos processos de dispersão de poluente emitidos pela

Usina Termoelétrica Presidente Médici, localizada no município de Candiota. Com isso

utilizou-se o modelo meteorológico de mesoescala RAMS (Regional Atmospheric

Modeling System), para a modelagem atmosférica e de transporte e concentração dos

poluentes SO2, PM10 e SOx. Os resultados foram comparados aos dados coletados em

campanhas experimentais compreendida no Projeto CGTEE/ CEPSRM/ UFRGS

“Estudo Ambiental Aplicando Modelos Numéricos - Região de Candiota -RS”. O

período selecionado compreendeu um episódio de passagem de sistema frontal, com o

objetivo de analisar as circulações associadas a estas condições, e o transporte e

deposição do material em suspensão na atmosfera.

Para uma melhor representação das características orográficas, novos

arquivos de topografia foram inseridos no RAMS, a partir da geração do Modelo Digital

de Terreno (MDT) obtido através de imagens do sensor ASTER, a bordo do satélite

Terra. Com o intuito de abranger completamente a área de estudo, utilizou-se 4 cenas

para a composição do mosaico de imagens, gerado originalmente com resolução de 15

metros, porém reamostrado para 500 metros para evitar instabilidade numérica durante

o processamento computacional do modelo RAMS.

Inicialmente uma investigação das circulações de grande escala para o

período de 20 a 25 de abril de 2004 foi realizada, para a compreensão das condições

atmosféricas atuantes no período da simulação realizada. Para a análise individual da

contribuição da topografia e umidade do solo, foram realizadas quatro simulações

distintas, intercalando a forma de consideração destes fatores. Embora o principal

75

enfoque deste trabalho tenha sido a dispersão de poluentes, foram analisados os

comportamentos de parâmetros meteorológicos diante as diferentes condições de

topografia e umidade imposta no modelo, justamente pelo fato de que o comportamento

da atmosfera define os processos de deposição e trajetória dos poluentes. O resultado

desta interação pôde ser observado no campo de algumas variáveis meteorológicas, que

apresentaram comportamento distinto em cada simulação. No que diz respeito à

precipitação atmosférica, as simulações mostraram uma contribuição marcante da

influência da topografia somada ao efeito da umidade presente no solo. A ordem da

grandeza foi representada satisfatoriamente no ensaio em que os dois fatores estavam

presentes, ao passo em que os valores foram reduzidos em mais de 60% no ensaio em

que a topografia era considerada exatamente plana, e a umidade igual a zero em todas as

camadas do solo.

Os resultados mostram que em condições onde o solo foi considerado

inicialmente seco o modelo simulou uma estrutura da CLP mais desenvolvida

verticalmente, devido principalmente aos efeitos térmicos. A intensificação dos vórtices

turbulentos parece estar associada a temperaturas do ar mais elevadas apresentadas nas

simulações dos eventos de solo seco. No entanto a diferença na estrutura vertical da

CLP, observada na situação de solo seco foi ainda maior no período que antecede a

atuação do sistema frontal. Este resultado se deve ao fato de que as temperaturas mais

baixas presente após a passagem da frente fria, associado à saturação de umidade no

solo, pelo efeito da precipitação, diminuem a altura da camada. O solo mais seco é

responsável por aumentar a extensão vertical da camada limite e facilitar dispersão de

poluentes. Cabe ressaltar que o período analisado compreendeu apenas 6 dias, podendo

estes efeitos não ser representativos para períodos mais longos.

O transporte de poluentes emitidos pela Usina para áreas remotas, foi

verificado através da utilização do modelo de dispersão presente no RAMS,

considerando as concentrações resultantes da emissão de SO2, PM10 e SOx. Através da

análise dos resultados observa-se que nos dias que antecederam a entrada do sistema

frontal os núcleos de concentrações mais altas, em superfície, situavam-se ao longo da

trajetória descrita pela pluma, porém em áreas distante até 10 km da fonte de emissão,

devido ao predomínio de ventos intensos que arrastaram os poluentes em níveis mais

elevados da atmosfera, impedindo que estes fossem depositados em áreas próximos à

76

fonte de emissão. Com a passagem da frente-fria, os poluentes foram removidos pela

precipitação, e concentrações muito baixas foram simuladas ao longo dos demais dias.

Através da aplicação do método de análise fatorial, foram obtidos alguns

efeitos causados pela interação entre a umidade do solo e a topografia local sobre a

dispersão de poluente. Apesar dos resultados mostrarem regiões que são afetadas

negativamente pela presença de umidade do solo, uma análise abrangente do transporte

de poluentes mostra que a variável contribui para o processo de dispersão. No entanto o

efeito parece estar associado, em grande parte, à topografia, pois as amplitudes das

contribuições devidas a este fator são maiores do que as da umidade do solo. O fato se

mostrou ainda mais representativo na interação das duas variáveis, no que diz respeito à

direção favorável para a dispersão de poluentes. Neste estudo, a direção predominante

da pluma foi norte-nordeste, e os resultados mostraram uma tendência positiva para o

transporte de poluentes no setor nordeste, justamente pela contribuição associada à

orografia local. A topografia presente provocou a canalização da pluma, em baixos

níveis, que ao ser arrastada em direção nordeste, é forçada a entrar no pequeno vale.

Porém, os resultados mostraram que a interação entre os dois fatores é

praticamente da mesma ordem que a contribuição individual de cada um deles, fato que

ressalta a importância da análise conjunta das influências exercidas por esses fatores,

pois os mesmos interagem entre si e uma análise isolada pode levar a interpretação

incorreta.

Comparando os dados de concentração observados nas estações de coleta de

amostra de ar, observou-se que na maioria dos casos, o modelo não representou

satisfatoriamente os valores das concentrações ao redor da UTPM. O fato de que, em

situações de ventos moderados, as estações de coleta situadas em localidades opostas ao

sentido do vento, apresentam valores simulados muito próximos à zero, pode estar

ligada à razão de que o modelo não compreende a transporte dos poluentes que se

espalham ao redor da Usina pela turbulência atmosférica presente, acompanhando

apenas a concentração de poluentes que seguem a trajetória da pluma. Esta diferença

entre os valores observados e simulados foi mais significativa no material particulado

(PM10) do que no SO2, podendo ser explicado devido às concentrações de PM sofrerem

influência de outras fontes, como por exemplo, a ressuspensão de partículas do solo.

77

Observou-se que justamente no período em que o RAMS modelou uma fraca

estrutura da camada limite, as amplitudes entre os valores de concentrações observados

e simulados cresciam, à medida que as distâncias entre as estações e a Usina

aumentavam. Possivelmente o modelo tenha entendido que, com esta situação, a

atividade turbulenta ficaria confinada em regiões muito próximas a fonte de emissão, de

tal forma que o transporte dos poluentes para outras áreas estaria dificultado, resultando

em uma maior concentração em áreas ao redor a Usina.

Com base em estudos anteriores de simulação com o RAMS, na própria

região do sudoeste gaúcho, justifica-se o uso de um refinamento da topografia, visto que

resultados de simulações realizadas com a topografia original do modelo não

apresentaram concordância na ordem de grandeza das variáveis, quando comparados

com dados registrados em estações de superfície e até mesmo os dados simulados neste

trabalho. Porém, entende-se que a simulação com inclusão de MDT, ao mesmo tempo

em que otimiza os resultados, requer um aumento no tempo disponível para o

processamento, além, obviamente, do recurso das máquinas. Baseado no progresso da

informática e na facilidade de aquisição de dados ASTER sugere-se o uso de modelos

digitais de terreno de alta precisão como uma alternativa para melhoria das

características topográficas dos modelos meteorológicos existentes.

78

7 Referências bibliográficas

ABRAMS, M.; HOOK, S and RAMACHANDRAN, B. ASTER User Handbook – Version 2.

Jet Propulsion Laboratory/Califórnia Institute of Technology.

www.sulsoft.com.br/downloads/main.htm. Acesso em março de 2004.

ALVES, R. C. M. Descrição das Circulações Locais na Região de Candiota-RS e seus efeitos

no Transporte de Poluentes. São Paulo, 2000. 118p. Tese de doutoramento do

Departamento de Ciências Atmosféricas IAG –USP.

ATKINSON, B. W. Meso-scale Atmospheric Circulations. London – Academic Press Inc. LTD.

495p, 1981.

AVISSAR, R. & PIELKE, R. A. A Parameterization of Heterogeneous Land Surfaces for

Atmospheric Numerical Models and its Impact on regional Meteorology. Mon. Wea. Rev..,

117, 2113-2136, 1989.

BARNES, S. L. A Technique for maximing details in numerical weather map analysis. J. Appl.

Meteor., 3, 396-409, 1964.

BERNARDET, L. R.; GRASSO, L. D.; NACHAMKIN, J. E.; FINLEY, C. A.; COTTON, W.

R. Simulating convective events using a high-resolution mesoscale model. J. Geophys. Res.,

v. 105, n. D11, p. 14963-14982, 2000.

CARVALHO, J.C. Estudo dos processos de transporte e difusão na camada limite planetária

utilizando os modelos RAMS e SPRAY. Aplicação ao caso do experimento TRACT. São

Paulo, 1999. Tese de doutoramento do Departamento de Ciências Atmosféricas IAG –USP.

CLARK, T. L. A small-scale dynamic model using a terrain-following coordinate

transformation. J. Comp. Phys., 24, 186-215, 1977.

79

CHEN, C. & COTTON, W. R. A one dimensional simulation of the stratocumulus cappedmixed

layer. Bound- Layer Meteor., 25, 289-3321, 1983.

DEPARTAMENTO NACIONAL DE METEROLOGIA (Brasil). Normal climatológicas (1961-

1990). Brasília. 84p, 1984.

ENERGÉTICA, AGV MP10 (Amostrador de Grande Volume para partículas de até 10mm)–

Modelo 1200/CVV. Manual de operação – Energética. Rio de Janeiro, 1998.

FLEAGE, R. E. A Theory of Air Drainage. J. Met., 17, pp. 227-232, 1950.

FREITAS, E. D. Circulações locais em São Paulo e sua influência sobre a dispersão de

poluentes. São Paulo, 2003. 175p. Tese de doutoramento do Departamento de Ciências

Atmosféricas IAG –USP.

FREITAS, E. D. & SILVA DIAS, P. L. O efeito da Ilha de calor urbana sobre os fluxos de calor

através da utilização do modelo RAMS. In: Congresso Brasileiro de Meteorologia, 11, Rio

de Janeiro, 2000.

FREITAS, E. D., SILVA DIAS, P. L. Interação entre fatores envolvidos na formação e

desenvolvimento de tempestades severas na Região Metropolitana de São Paulo In: I

Simpósio Brasileiro de Desastres Naturais, Florianópolis-SC. 2004.

FREITAS, S. R. Modelagem numérica do transporte e das emissões de gases e aerossóis de

queimadas no cerrado e floresta tropical da América do Sul. São Paulo, 1999. 185p. Tese de

doutoramento do Instituto de Física da Universidade de São Paulo.

FRISCH, U. Turbulence, Cambridge University Press. Pp Cambridge 1995.

GAL-CHEN, T., & SOMERVILLE, R. C. J. On the use of a coordinate transformation for the

solution of the Navier-Stokes equations. J. Comput. Phys., 17, 209-228, 1975.

GLEESON T. A. On the Theory of Cross-Valley Winds Arising from Differential Heating of

the Slopes. J. Met., Vol. 8, pp. 398-405, 1951.

GLEESON T. A. Effects of Various Factors on Valley Winds. J. Met., Vol. 10, pp. 262-269,

1953.

GROSSMAN, R. An analysis of vertical velocity spectra obtained in the bomex fair-weather,

trade-wind boundary layer. Bound. Layer Meteor., 23, 323-357, 1982.

80

HILL, G. E. Factors controlling the size and spacing of cumulus clouds as revealed by

numerical experiments. J. Atmos. Sci., 31, 3, 646-673, 1974.

KAIMAL, J. C., WYNGAARD, J.C., HAUGEN, D.A, COTÉ, O. R., IZUMI, Y., GAUGHEY,

S.J. and READINGS, C.J. Turbulence structure in the convective boundary layer. Journal

of the atmospheric Science, 33, 2152-2169. 1976.

KUO, H. L. Further studies of the parameterization of the influence of cumulus convection on

large scale flow. J. Atmos. Sci., 31, 1232-1240, 1974.

LEMES, M. A. M., MOURA, A. D. Fundamentos de Dinâmica Aplicados à Meteorologia e

Oceanografia. 2ª Ed. Holos. Ribeirão Preto-SP, 296p, 2002.

LILLY, D. K. On the numerical simulation of buoyant convection. TELLUS, XIV, 2, 148-172,

1962.

LOUIS, J. F. A parametric model of vertical eddy fluxes in the atmosphere. Bound-Layer

Meteor., 17, 187-202, 1979.

MAHRER, Y. & PIELKE, R. The Effects of a Topography on Sea and Land Breezes in a Two-

Dimensional Numerical Model.Weather Rev., Vol. 105, pp. 1151-1162, 1977.

MCCUMBER, M. C. & PIELKE, R. A. Simulation of the effects of surface fluxes of heat and

moisture in a mesoscale numerical model. Part I: Soil layer. J. Geophys. Res., 86, 9929-

9938, 1981.

MELLOR, G. L. & YAMADA, T. Development of a turbulence closure-model for geophysical

fluid problems. Rev. Geophys., 20, 4, 851-875, 1982.

MESINGER, F. & ARAKAWA, A. Numerical methods used in atmospheric models. GARP

Publication Series, No. 14, WMO/ICSU Joint Organizing Committee, 64 pp. 1976.

MOENG, C-H. & SULLIVAN, P.P. A comparison of shear-and buoyancy-driver planetary

boundary layer flows. Journal of the Atmospheric Sciences, 51, 999-1022. 1994.

MOLINARI, J. & CORSETTI, T. Incorporation of Cloud-Scale and Mesoscale Downdrafts into

a Cumulus Parameterization: results of One-and Three-Dimensional Integrations. Mon.

Wea. Rev., 113. 485-501, 1985.

81

MONTEIRO, M. A. Avaliação das condições atmosféricas no entorno do Complexo

Termoelétrico Jorge Lacerda para controle da qualidade do ar. Florianópolis, 1997.

Dissertação (Mestrado), Programa de Pós-Graduação em Geografia da Universidade

Federal de Santa Catarina.

MONTEIRO, M. A. & FURTADO, S. M. A. Poluição atmosférica: o caso do Complexo

Termoelétrico Jorge Lacerda. Florianópolis: GEOSU / Departamento Geociências da UFSC,

ano 13, n°26, p. 75-95, 1998.

NOVO, E. M. L. M. Sensoriamento Remoto: Princípios e Aplicações. São Paulo: Edgard

Blücher. 1989. 303p.

PIRES, M. Emissões oriundas da combustão do carvão. Meio ambiente e carvão. Fundação

Estadual de Proteção Ambiental (FEPAM). Cadernos de Planejamento e Gestão

Ambiental – n° 2. Porto Alegre. 253-274p, 2002.

PRANDTL, L. “Essentials of fluid Dynamics”, Blackie an Son Ltd, London. Tradução de

Prandtl (1942) – “Führer durch die Strömungslehre”, Braunschweig und Sohn. 1952.

REYNOLDS, O. On the dynamical theory of incompressible viscous fluids and the

determination of the criterion. Phil. Trans. Roy. Soc. London, A186, 123-164, 1895.

RICHTER, L. A. et al. Thermal power plants and environmental control. Moscow: Mir

Publishers, 1984.

SCHMIDT, H. & SCHUMANN, U. Coherent structure of the convective boundary layer

derived from large-eddy simulations. Journal Fluid Mechanics, 200, 511-562, 1989.

SANCHEZ, J. C. D. Emissão de elementos traços provenientes da combustão de carvão em

caldeira de grande porte. Porto Alegre, 1987. Dissertação de Mestrado em Engenharia –

PPGEMM, Universidade Federal do Rio Grande do Sul.

SEGAL M. & ARRITT R. W. Nonclassical Mesoscale Circulations Caused by Surface Sensible

Heat-Flux Gradients. Bulletin of the American Meteorological Society, Vol. 73, No. 10,

October, 1593-1604, 1992.

SELLERS, P. J.; SUD, Y. C. and DALCHER, A. A Simple Biosphere Model (SiB) for use

within General Circulation Models. J. Atmos. Sci., v. 43, p. 505-531, 1989.

82

SMAGORINSKY, J. General circulation experiments with the primitive equations: 1. The basic

experiment. Mon Wea. Rev., 91, 99-164, 1963.

STEIN, U. & ALPERT, P. Factor separation in numerical simulation. J. Atmos. Sci., 50. 2107-

2115, 1993.

STULL, R. B. An Introduction to Boundary Layer Meteorology. Boston: Kluwer Academic

Publishers. 666p, 1988.

TEIXEIRA, E. C. & PIRES, M. J. R. Estudos Ambientais em Candiota: carvão e seus impactos.

FINEP/PDACT/CIAMB/FAPERGS/FEPAM. Cadernos de planejamento e gestão

ambiental, n° 4. Porto Alegre:, 2004. 232p

TEIXEIRA, E. C. et al. Impacto ambiental do uso e processamento do carvão mineral na região

do Baixo Jacuí, RS. Relatório Projeto PADCT/CIAMB, 1998.

TOLEDO, E. M., ALVES, C.M. e TORRES JÚNIOR, A. R., Transporte de constituintes

Passivos na Atmosfera Utilizando o RAMS. Sociedade Brasileira de Matemática Aplicada e

Computacional. Tendências em Matemática Aplicada e Computacional, 3, n°. 2 , 207-216,

2002.

TRIPOLI, G.J. & COTTON, W. R. The Colorado State University three-dimensional

cloud/mesoscale model. Part I: General theoretical framework and sensitivity experiments.

J. de Rech. Atmos., 16, 185-195, 1982.

SPRING-3.6. TUTORIAL - 10 Aulas, versão Windows/UNIX. Spring Básico. 2002. INPE. In

http://www.dpi.inpe.br/spring/usuario/aula01.pdf

GOLDEN SOFTWARE. Surfer version 8.03. Golden Software. 2003

WALKO, R. L. & TREMBACK, C. J. Regional Atmospheric Modeling System (RAMS)

version 4.3/4.4 – Model Input Namelist Parameters. In http://www.atmet.com, 2000.

ZANNETTI, P. Air Pollution Modeling. Van Nostrand, Reinhold. 1990