Publicações

A geração de energia através da queima de combustíveis, acelerada pela forte urbanização do último século promoveu a alteração significativa da composição química da atmosfera global e, em particular dos centros urbanos. Para compreender os processos de emissão, transformação e contaminação da atmosfera por poluentes, é importante obter amostras ao longo do tempo e em diferentes situações climáticas em regiões sob influência de atividades antropogênicas. O material particulado inalável (MPI), devido à sua composição química complexa e às suas propriedades físicas, pode causar sérios danos ao sistema respiratório e à vegetação. Este estudo teve como objetivo comparar o material particulado inalável (MPI) e suas frações fina (MP≤ 2,5) e grossa (MP2,5-10) em três regiões com atmosferas distintas: São José dos Campos (região urbana de médio porte), Cachoeira Paulista (área rural) e São Paulo (zona urbana densamente povoada). Para tal, com um coletor do tipo dicotômico, foi coletado material particulado com frequência semanal nos três locais entre (03/2013-11/2014). Comparando os resultados obtidos nos três pontos de estudo, observou-se um gradiente de concentração maior para menor entre o local com intensa urbanização (São Paulo) e a zona rural (Cachoeira Paulista) conforme mostrado na Tabela 1. Tabela 1: Média aritmética das concentrações do particulado em MP≤ 2,5 e MP2,5-10 em ng.m-3, correspondente ao período total. Na+ K+ Mg+2 Ca+2 NH4 + Cl- NO3 – SO4-2 SP FF 109,395 113,882 0,001 373,256 597,758 204,569 1056,05 1432,264 SP FG 232,407 288,743 80,862 508,181 211,422 448,831 1168,774 712,075 SJC FF 167,412 140,732 42,595 369,928 304,393 169,682 532,499 617,053 SJC FG 248,034 628,917 66,167 477,69 186,875 300,363 728,375 341,912 CP FF 67,41 88,606 17,342 176,104 262,305 91,184 513,744 660,157 CP FG 114,815 1231,128 35,233 245,467 122,663 179,357 475,864 226,749.

On December 10th through 11th 2012, a strong convection activity over southern Brazil grew into a huge Mesoscale Convective System (MCS) accompanied by heavy precipitation, hailstorm, damaging winds and dangerous lightning. The Civil Defense Authority reported that over 700,000 people experienced power outages due to either strong winds or lightning strikes or even suffered from flash floods caused by high rain volumes. The Brazilian Lightning Location System (BrasilDAT) detected more than 90,000 cloud-to-ground (CG) lightning strikes during the MCS activity, and approximately 4,000 CG strokes presented large peak currents over 75 kA. The main objectives of this work were to achieve the most suitable configuration of the Weather Research and Forecasting (WRF) model, and to apply the Potential Lightning Region (PLR) tool, in order to forecast reliably this type of severe weather event with enough time in advance to adopt strategies that might minimize injuries and hazardous situations in the future. Firstly, the CG and IC lightning stroke rates, the peak currents distribution, and the IC/CG ratio were evaluated. Observed precipitation from a homogeneous network of surface meteorological stations was used as proxy data. Lightning and precipitation were compared during the MCS development in order to seek for correlations. As well known, current operational models cannot predict convective subgrid scale processes explicitly, due to their microscopic and discontinuous nature, and must do so via parameterization. In this case, a cumulus scheme should try to transport heat vertically, redistribute moisture, and reduce thermodynamic instability. Four cumulus parameterization schemes (CPS) in the WRFv3.3.1 model were investigated to proper simulate this MCS over southern Brazil. WRF grid points near meteorological stations with high accumulated precipitation values were chosen in order to assess the behavior of the simulated data against the observations. The Potential Lightning Region (PLR) is a tool that indicates the spatial distribution of lightning occurrence probabilities in a given area. PLR was developed from a combination of WRF output variables, and operationally tested over southeastern Brazil. The WRF convective parameterization selected from the previous analysis was used to generate new PLR maps over southern Brazil for the MCS. This case study served as a laboratory to expand PLR capabilities in the prediction of severe weather events.

A demanda de energia elétrica no Brasil é suprida principalmente pela hidroeletricidade, 80% da energia elétrica do país provêm de tal fonte. Alguns fenômenos meteorológicos causam mudanças diretas no regime de chuvas e dessa maneira, afetam a reserva de energia mantida nos reservatórios de centrais hidroelétricas, o que torna vulnerável o sistema elétrico nacional. Diante disso, e sendo de conhecimento que o Brasil possui enorme potencial do recurso de energia solar, o presente projeto se propõe a desenvolver uma metodologia para a previsão sazonal de irradiação solar, visando a exploração comercial de plantas fotovoltaicas e CSP (concentrated solar power), com o intuito de contribuir com o planejamento energético do país, reduzir a necessidade de operação de plantas termelétricas que utilizam combustíveis fósseis e amenizar os riscos à segurança energética nacional. Isso será feito através de uma abordagem envolvendo o tratamento de dados históricos, modelagem numérica e utilização de redes neurais artificiais, a fim de buscar uma análise conjunta das informações obtidas.

The Weather Research and Forecasting (WRF) model is suitable to reproduce the thermo-hydrodynamic coupling structure of atmosphere in order to analyze and/or predict the weather conditions. Knowing in advance meteorological scenarios responsible for the occurrence of severe thunderstorms is important since these natural phenomena usually cause huge economic injuries and more than one hundred casualties every year in Brazil. The present work intends to identify common patterns between the meteorological behavior of atmosphere and the occurrence of lightning for convective systems over southeastern Brazil. To accomplish this objective, we will use: (a) total lightning data from BrasilDAT, for constructing lightning activity maps, (b) output variables from high-resolution WRF simulations, for evaluating atmospheric conditions, and (c) correlation methods based on multivariate statistics. The initial study will consist to create, for each WRF grid point, a matrix in which the columns will correspond to the WRF variables to be analyzed, and the rows to the model time step. After the application of the chosen correlation method, the result will again be a matrix, for each WRF grid point, containing the mutual correlation between all variables investigated and lightning activity, allowing to analyze and compare spatially this correlation. Thus, we will intend to better understand the physical process involved in the lightning occurrence, and contribute to the development of indicators that make possible to forecast this kind of phenomenon.

Brazil has the major area of tropical forest and carbon stocks of the Amazon. There are plenty biomass distribution analysis with great difference between them, that make impossible to determine which is closer to the reality. IPCC (2006) recommends a biomass stratification at different levels of complexities (tiers), tier 1 requires IPCC default assumptions, methods and data; tier 2 requires detailed country specific strata, methods, assumptions and data. Thus, the aim of the study was to compare the carbon map of the Brazilian Amazon at IPCC tier 1 with the tier 2 carbon map used in Brazil`s Second National Communication to the UNFCCC and suggest the improvements that can be made. We started analyzing the forest biomass stratification and the emission factors (carbon estimates) to get tier 1 and tier 2 maps. As the biomass distribution of tier 2 MCT (2010) results in quadrants because of the RADAM Volumes extrapolation, an alternative tier 2 carbon map was elaborated using the mean biomass of the RADAM plots of each forest stratum. Tier 1 map simplified a more complex reality comparing to MCT (2010) tier 2 map with more detail and number of stratums. The alternative tier 2 carbon map had better carbon stocks distribution, even though future studies and an uncertainty analyses are needed to compare, validate and improve the MCT (2010) tier 2 approach and thus get a consistent carbon map for the Brazilian Amazon.

O Brasil lidera o mercado mundial do café, com fatias da ordem de 30 a 40% de toda a produção. Quebras de safras significativas podem afetar tanto o mercado interno quanto o mercado externo. O grão se apresenta como um fator fixador de mão de obra no meio rural e sua cadeia produtiva gera mais de 8 milhões de empregos. O cafeeiro para ter uma boa produtividade necessita ter condições climáticas adequadas. Faixas ótimas de temperatura médias anuais para a espécie Coffea arabica L. (mais cultivada no Brasil e no mundo) ocorrem entre 18oC e 22oC. A suscetibilidade da cultura a grandes variações de temperatura do ar é preocupante quando se leva em conta às projeções climáticas divulgadas pelo Painel Intergovernamental sobre Mudanças Climáticas (IPCC). Alguns estudos realizados para o Brasil relataram que a cafeicultura brasileira seria impactada diretamente pelas mudanças climáticas, com reduções significativas da produção, causando consequentemente prejuízos financeiros e sociais. No entanto, tais estudos consideraram apenas os zoneamentos agroclimáticos das regiões produtoras. Frente à importância da cafeicultura no cenário socioeconômico brasileiro e dos prognósticos futuros de aumentos da temperatura do ar, a proposta desse estudo consiste da avaliação dos impactos das mudanças climáticas na produtividade cafeeira em diferentes cenários climáticos futuros. Para isso serão usadas simulações dos novos cenários climáticos do IPCC (AR5), geradas a partir de downscaling dinâmico do Modelo Regional Eta em alta resolução espacial (5 km). As saídas do Eta serão usadas no Modelo de Superfície INLAND para gerar a produtividade cafeeira futura em áreas do sudeste do Brasil. O INLAD integra a maioria dos processos da superfície terrestre, incluindo robustamente os efeitos físicos e fisiológicos do dossel, fenologia e ciclo de carbono terrestre.

Previsões numéricas de variáveis meteorológicas, tais como: temperatura, umidade, radiação e principalmente precipitação, têm sido aplicadas em diversos setores socioeconômicos, sobretudo nos setores elétrico e agrícola. O Centro de Previsão de Tempo e Estudos Climáticos (CPTEC) do Instituto Nacional de Pesquisas Espaciais (INPE) produz previsões numéricas globais de forma operacional desde 1995 e previsões para a América do Sul com maior detalhamento, através do modelo Eta, desde 1997. O modelo Eta é um modelo numérico atmosférico complexo em sua representação dos processos físicos e dinâmicos da atmosfera. É da categoria de modelos atmosféricos chamados de regionais ou área limitada. Modelos regionais são computacionalmente mais econômicos que os modelos globais na resolução e na região desejada. O modelo Eta na versão sazonal (Eta-sazonal) é rodado mensalmente no CPTEC e as previsões são produzidas para um horizonte de quatro meses, com um domínio que cobre toda a América do Sul, América Central e Oceanos adjacentes na resolução horizontal de 40km. Neste trabalho, foram avaliados 10 anos de previsões climáticas sazonais de precipitação (2001 a 2010) geradas a partir de um segundo downscaling dinâmico do modelo na resolução de 10 km. O aumento da resolução horizontal contribuiu para um ganho no detalhamento da superfície, com uma melhor caracterização das regiões de topografias complexas, como por exemplo na região da Cordilheira dos Andes. As rodadas foram iniciadas a cada mês do ano, cobrindo um horizonte de tempo de quatro meses e meio, com três membros de perturbação, os quais consistiram de datas diferentes de condição inicial (dias 13, 15 e 17). A área de estudo consistiu da Amazônia Ocidental abrangendo também os territórios colombiano, peruano e regiões adjacentes. A precipitação foi avaliada por campos espaciais, tomando como base os dados observacionais do Climate Research Unit – University of East Anglia (CRU). Nas avaliações consideram-se as previsões com um a quatro meses de antecedência, os diferentes membros de perturbação do modelo e a média dos membros. Em geral, as precipitações previstas acompanharam o padrão climático, média do total das 30 previsões válidas para cada mês, apresentando uma boa concordância com a média observada independentemente do prazo de previsão e dos membros de perturbação. A média climatológica fornecida pelo modelo foi capaz de indicar os principais regimes de precipitação nas diferentes épocas do ano, mostrando-se hábil também em prever os períodos de transição entre a estação chuvosa e a seca e vice-versa.

Landslides have frequently occurred in last years, due to the disorderly growth of the cities and the occupation of risk areas by the poor population, causing social, environmental and economic impacts. Urban areas in expansion move to geologically unstable areas and topographically inclined, such as the River Bengalas Basin, located in the city of Nova Friburgo, mountainous region of the State of Rio de Janeiro, Brazil. This article aims to present the model developed and used to evaluate the susceptibility and vulnerability of the River Bengalas Basin to landslides, which in January 2011, with the occurrence of heavy rains, caused landslides that impacted in the death of 429 people in city of Nova Friburgo. For the case study, several investigations have been made related to the areas of the basin, such as slope, soil conditions, lithology, land use and cover, vertical curvature (Very Convex, Convex, Flat, Concave, Very Concave), horizontal curvature (Very Divergent, Divergent, Flat, Convergent, Very Convergent), and precipitation data. With this study it was possible to understand how the natural and anthropics elements of the basin are related to the local dynamics of the disasters regarding to their interferences in the induction of landslides; evaluate the effectiveness of the guidelines of the Plano Diretor Participativo of the city of Nova Friburgo regarding the landslides; identify the susceptible and vulnerable areas to landslides and assess the rates of susceptibility and vulnerability to landslides from new calculation model proposed.

As sucessões secundárias são tipologias importantes para a manutenção da biodiversidade, regime hidrológico e sequestro de carbono. A utilização de métricas texturais GLCM pode colaborar na discriminação dessas classes por extrair a variabilidade espacial do dossel florestal. Assim sendo, também se faz necessária uma técnica como redes neurais artificiais para seleção dos atributos mais relevantes e integração desses dados. O objetivo do presente estudo foi de avaliar e comparar o uso de atributos espectrais ALI/EO-1 e métricas texturais GLCM utilizando a técnica de redes neurais artificiais Multi-Layer Perceptron para mapeamento da cobertura da terra na Floresta Nacional do Tapajós e arredores, com foco na discriminação das tipologias florestais primárias e sucessões secundárias. Observou-se que os atributos texturais mais relevantes foram a textura média das bandas 3, 4, 6, 7 e 8, e textura dissimilaridade da banda 8. Esses atributos, ao serem integrados aos dados espectrais em um conjunto híbrido, proporcionaram uma melhor discriminação entre as classes de NPV e solo, culturas agrícolas e SS1/SS2, SS1 e SS2, SS2 e SS3/FP. Dessa forma, as áreas de SS1, SS2, SS3 e FP puderam ser discriminadas com 89, 63, 62 e 83% de acurácia. Constatou-se exatidão global de 89% para a utilização dos dados híbridos contra 79% para dados somente espectrais. ABSTRACT Secondary successions are important typologies for biodiversity maintenance, hydrological regimen, and carbon sequestration. The use of GLCM textural metrics can collaborate to discriminate these classes due to the extraction of the spatial variability of the forest canopy. Hence, it is also necessary a technique such as artificial neural networks to select the most relevant attributes and to integrate these data. The aim of this study was to evaluate and compare the use of ALI/EO-1 spectral attributes and GLCM textural metrics using the Multi-Layer Perceptron artificial neural networks technique for land cover mapping in the Tapajos National Forest and vicinity, focusing on the discrimination of primary forest and secondary successions. It was observed that the most important textural attributes were the mean texture of bands 3, 4, 6, 7 and 8, and the dissimilarity of band 8. These attributes, when integrated into the spectral data to compose a hybrid dataset, provided better discrimination between the classes of NPV and soil, crops and SS1/SS2, SS1 and SS2, SS2 and SS3/PF. Thereby, the SS1, SS2, SS3 and FP areas could be discriminated with 89, 63, 62 and 83% of classification accuracy. It was observed an overall accuracy of 89% using the hybrid dataset against 79% using only the spectral data.