Upload
dinhmien
View
230
Download
1
Embed Size (px)
Citation preview
INPE-16725-TDI/1663
ESTUDO DE FATORES DETERMINANTES DAS
CARACTERISTICAS DOS RAIOS NEGATIVOS
Antonio Carlos Varela Saraiva
Tese de Doutorado do Curso de Pos-Graduacao em Geofısica Espacial, orientada
pelos Drs. Marcelo Magalhaes Fares Saba, e Osmar Pinto Jr., aprovada em 31 de
maio de 2010.
URL do documento original:
<http://urlib.net/8JMKD3MGP7W/37GG4RP>
INPE
Sao Jose dos Campos
2010
PUBLICADO POR:
Instituto Nacional de Pesquisas Espaciais - INPE
Gabinete do Diretor (GB)
Servico de Informacao e Documentacao (SID)
Caixa Postal 515 - CEP 12.245-970
Sao Jose dos Campos - SP - Brasil
Tel.:(012) 3208-6923/6921
Fax: (012) 3208-6919
E-mail: [email protected]
CONSELHO DE EDITORACAO E PRESERVACAO DA PRODUCAO
INTELECTUAL DO INPE (RE/DIR-204):
Presidente:
Dr. Gerald Jean Francis Banon - Coordenacao Observacao da Terra (OBT)
Membros:
Dra Inez Staciarini Batista - Coordenacao Ciencias Espaciais e Atmosfericas (CEA)
Dra Maria do Carmo de Andrade Nono - Conselho de Pos-Graduacao
Dra Regina Celia dos Santos Alvala - Centro de Ciencia do Sistema Terrestre (CST)
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Dr. Ralf Gielow - Centro de Previsao de Tempo e Estudos Climaticos (CPT)
Dr. Wilson Yamaguti - Coordenacao Engenharia e Tecnologia Espacial (ETE)
Dr. Horacio Hideki Yanasse - Centro de Tecnologias Especiais (CTE)
BIBLIOTECA DIGITAL:
Dr. Gerald Jean Francis Banon - Coordenacao de Observacao da Terra (OBT)
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Deicy Farabello - Centro de Previsao de Tempo e Estudos Climaticos (CPT)
REVISAO E NORMALIZACAO DOCUMENTARIA:
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Yolanda Ribeiro da Silva Souza - Servico de Informacao e Documentacao (SID)
EDITORACAO ELETRONICA:
Viveca Sant´Ana Lemos - Servico de Informacao e Documentacao (SID)
INPE-16725-TDI/1663
ESTUDO DE FATORES DETERMINANTES DAS
CARACTERISTICAS DOS RAIOS NEGATIVOS
Antonio Carlos Varela Saraiva
Tese de Doutorado do Curso de Pos-Graduacao em Geofısica Espacial, orientada
pelos Drs. Marcelo Magalhaes Fares Saba, e Osmar Pinto Jr., aprovada em 31 de
maio de 2010.
URL do documento original:
<http://urlib.net/8JMKD3MGP7W/37GG4RP>
INPE
Sao Jose dos Campos
2010
Dados Internacionais de Catalogacao na Publicacao (CIP)
Saraiva, Antonio Carlos Varela.Sa71e Estudo de fatores determinantes das caracterısticas dos raios
negativos / Antonio Carlos Varela Saraiva. – Sao Jose dos Cam-pos : INPE, 2010.
xxviii + 161 p. ; (INPE-16725-TDI/1663)
Tese (Doutorado em Geofısica Espacial) – Instituto Nacionalde Pesquisas Espaciais, Sao Jose dos Campos, 2010.
Orientadores : Drs. Marcelo Magalhaes Fares Saba, e OsmarPinto Jr..
1. Relampagos. 2. Redes de deteccao de relampagos. 3. Came-ras de alta velocidade. 4. radar meteorologico. I.Tıtulo.
CDU 551.594
Copyright c© 2010 do MCT/INPE. Nenhuma parte desta publicacao pode ser reproduzida, arma-zenada em um sistema de recuperacao, ou transmitida sob qualquer forma ou por qualquer meio,eletronico, mecanico, fotografico, reprografico, de microfilmagem ou outros, sem a permissao es-crita do INPE, com excecao de qualquer material fornecido especificamente com o proposito de serentrado e executado num sistema computacional, para o uso exclusivo do leitor da obra.
Copyright c© 2010 by MCT/INPE. No part of this publication may be reproduced, stored in aretrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying,recording, microfilming, or otherwise, without written permission from INPE, with the exceptionof any material supplied specifically for the purpose of being entered and executed on a computersystem, for exclusive use of the reader of the work.
ii
iv
v
“A mente que se abre a uma nova idéia jamais voltará ao seu tamanho
original”.
Albert Einstein (1879 – 1955), físico alemão
vi
vii
A meu avô, Fernando Martins Saraiva (in memoriam): “Ao mestre com carinho”.
viii
ix
AGRADECIMENTOS
À minha mãe, Gilda Maria Varela Saraiva, meus avós, Francisca de Jesus Varela e Fernando Martins Saraiva, e meu tio, Antonio Manoel Varela Saraiva, que me criaram e ensinaram, se preocuparam, se sacrificaram e acima de tudo, me amaram. Vocês são a minha vida, obrigado.
À Gisele dos Santos Zepka, minha namorada, melhor amiga, companheira e amor da minha vida. Suas contribuições para a minha vida e para esta Tese são imensuráveis, muito maiores do que eu conseguiria expressar em palavras. A ciência pode ter me ensinado muito sobre relâmpagos, mas você me ensinou a amar. Aos meus orientadores, Dr. Marcelo Magalhães Fares Saba e Dr. Osmar Pinto Jr., pela sua dedicação à minha Tese e à minha pessoa, por terem me acolhido no momento mais difícil da minha vida e por toda a paciência e carinho que tiveram comigo ao longo destes três anos. Ao Dr. Carlos Augusto Morales Rodrigues pelo tempo dedicado a mim, pelas valiosas discussões e pela obtenção dos dados de radar junto ao Departamento de Águas e Energia Elétrica – DAEE, juntamente com os programas necessários para reduzi-los. Aos Doutores Ken Cummins e Philip Krider, da Universidade do Arizona, por todo o suporte prestado em julho e agosto de 2009, durante minha visita a Tucson. Agradeço também pelo forte laço de amizade que formamos. Agradeço a todos os meus amigos que me ajudaram, apoiaram e me deram forças para continuar, de uma maneira ou de outra. Não seria justo mencionar nomes, mas duas pessoas merecem um agradecimento especial, Vandoir Bourscheidt, que me ajudou muito no desenvolvimento dos programas utilizados neste trabalho e sempre me incentivou, e José Carlos Lima, um grande amigo que esteve presente em todos os momentos desta caminhada. A todos os colegas e amigos do Grupo de Eletricidade Atmosférica, que também sempre me apoiaram e proveram o material necessário para o desenvolvimento deste trabalho.
Ao Departamento de Águas e Energia Elétrica, pelos dados de radar, à CAPES pelo auxílio financeiro durante a pesquisa de Doutorado e ao INPE, pela oportunidade de realização desta Tese. E, finalmente, a Deus, pela saúde, por minha família, minha namorada e amigos e por iluminar meu caminho, estando sempre do meu lado nos bons momentos e me levando em seus braços nos momentos mais difíceis.
x
xi
RESUMO
Os relâmpagos nuvem-solo são importantes por causa do seu caráter destrutivo. Determinar como as suas características variam de região para região, em diferentes estações e condições meteorológicas, auxilia no melhor entendimento de quais parâmetros sofrem mais ou menos influência de condições externas à física da descarga. Para estudar a variabilidade dos seguintes parâmetros dos relâmpagos nuvem-solo, multiplicidade, duração, intervalo entre descargas de retorno, corrente contínua e corrente de pico, foram utilizadas observações provenientes de câmeras de alta velocidade e das redes de detecção de descargas atmosféricas BrasilDAt e NLDN. Três campanhas de observação de raios foram conduzidas, uma em Tucson, AZ, EUA, e duas em São José dos Campos, SP, Brasil. As eficiências de detecção foram calculadas para as três campanhas, mostrando que a região de Tucson possui uma eficiência de detecção de raios de 92%, enquanto S. J. dos Campos mostrou uma eficiência de detecção de 75% em 2003/2004 e uma melhora para 91% com a troca de dois sensores em 2008. A multiplicidade foi o parâmetro medido mais precisamente pelas duas técnicas utilizadas, variando de 3.7 a 4.8 entre as campanhas. Para entender a variação na multiplicidade, CAPPIs foram utilizadas para extrair parâmetros das nuvens, como a área delimitada pelo contorno da refletividade 35 dBZ na altura da isoterma de -10º C. Essa área foi considerada como uma estimativa da área da região principal de cargas negativas dentro das nuvens de tempestade. Outros parâmetros extraídos do radar foram a altura máxima do eco de 35 dBZ e o echotop. Foi encontrada, pela primeira vez, uma relação entre o aumento da multiplicidade e da duração dos raios negativos com o aumento das áreas dos contornos em 35 dBZ. Um modelo conceitual foi proposto para explicar fisicamente o que ocorre com o canal que se propaga dentro da nuvem quando esta aumenta de tamanho. O aumento no pico de corrente só foi observado quando comparado com o aumento da altura do eco de 35 dBZ e com o echotop. Essa é a primeira evidência dessas correlações e uma teoria que possa explicá-las é discutida. Não foram encontradas evidências de correlação entre o intervalo entre descargas de retorno e a corrente contínua com parâmetros extraídos do radar.
xii
xiii
STUDY OF THE DETERMINANT ASPECTS OF THE NEGATIVE CLOUD-TO-
GROUND LIGHTNING PARAMETERS
ABSTRACT
Cloud-to-ground lightning are important because of their destructive aspect. Determining how their characteristics vary from region to region in different seasons and weather regimes helps to better understand what parameters suffer more or less influences from conditions other than the physics of the discharge. To study the variability of the following cloud to ground lightning parameters: multiplicity, duration, interstroke interval, continuing and peak current, it were used data from high-speed cameras and Lightning Location Systems, such as BrasilDAT and NLDN. Three observation campaigns were conducted, one in Tucson, AZ, USA, and two in Sao Jose dos Campos, SP, Brazil. The detection efficiencies were estimated for the three campaigns, showing that Tucson region has a flash detection efficiency of 92%, while S. J. dos Campos presented a flash DE of 75% in 2003/2004, increasing this value to 91% due to the upgrade in the sensors in 2008. The flash multiplicity was the most precisely measured parameter by the two techniques, varying from 3.7 a 4.8. To understand the variation on the flash multiplicity, CAPPIs were used to extract parameters of the clouds, as the area enclosed by the contours of 35 dBZ level at the isotherm of -10 ° C. This area was con sidered as an estimate of the main negative charge center within the thunderstorm clouds. Other parameters taken from the radar were echo maximum height of 35 dBZ and ECHOTOP. We found, for the first time, correlations between multiplicity and duration with the contours of the areas of 35 dBZ. A conceptual model was proposed to explain this relationship physically. The peak current correlated well with the heights of 35 dBZ max. echo and with ECHOTOP. This is the first evidence of these correlations and a theory that can explain them is discussed. There was no evidence of correlation between the interstroke interval and the continuing current with parameters extracted from the radar.
xiv
xv
LISTA DE FIGURAS
Pág.
Figura 1.1 – Propagação das diferentes faixas de radiação emitidas pelo relâmpago até os observadores A, B e C (em função da faixa de freqüência (VLF, LF e VHF))................................................. 5
Figura 2.1 – Exemplo de nuvem cumulonimbus............................................ 10
Figura 2.2 – Ciclo evolutivo de uma nuvem de tempestade........................... 11
Figura 2.3 – Processo colisional indutivo....................................................... 13
Figura 2.4 – Processo Colisional Termoelétrico............................................. 15
Figura 2.5 – Estrutura elétrica de uma nuvem de tempestade. Modelo tripolar........................................................................................ 15
Figura 2.6 – As localizações dentro das nuvens dos pacotes de cargas negativas (pequenos contornos irregulares) observados em tempestades de verão na Flórida e no Novo México e em tempestades de inverno no Japão, usando medidas de campo elétrico........................................................................................ 16
Figura 2.7 – Estrutura elétrica de uma nuvem de tempestade. Modelo multipolar.................................................................................... 18
Figura 2.8 – Tipos de relâmpagos. Descargas para o ar (DA), relâmpagos intra-nuvem (IN), nuvem-solo positivos (NS+), nuvem-solo negativos (NS-) e solo-nuvem (SN)........................................... 19
Figura 2.9 – Exemplos de relâmpagos nuvem-solo negativos....................... 22
Figura 2.10 – Etapas de um relâmpago nuvem-solo negativo, desde a quebra de rigidez dielétrica até a segunda descarga de retorno........................................................................................ 24
Figura 2.11 – Exemplo de campo elétrico medido em São José dos Campos (Brasil) de um raio com três descargas de retorno e corrente contínua. No gráfico, estão indicados a quebra de rigidez preliminar, as descargas de retorno e os picos de corrente, o intervalo entre descargas e a corrente contínua........................ 25
Figura 2.12 – Exemplo de um condutor imerso em um campo elétrico. A terminação positiva é o local onde convergem os elétrons e a parte negativa é a região de divergência de elétrons................ 27
Figura 2.13 – a) Desenvolvimento de um raio negativo de acordo com a teoria do líder bidirecional. b) Desenvolvimento de um raio positivo. Conforme Saba ET AL. (2008), o desenvolvimento do líder positivo também apresenta ramificações (em vermelho)... 27
Figura 2.14 – Relâmpago iniciado por um avião decolando. A carcaça do avião está polarizada pelo campo elétrico da nuvem. Vê-se claramente os líderes positivo e negativo se propagando em 28
xvi
direções diferentes a partir das extremidades do avião.............
Figura 2.15 – Etapas de um líder bidirecional observado em Tucson (AZ) em 25 de julho 2007. Os quadros são provenientes de um vídeo utilizando câmera rápida. a) Descarga de retorno, b), c), d), e), f) e g) Desenvolvimento do líder positivo na nuvem, coletando mais cargas............................................................... 28
Figura 1.1 – Antenas ortogonais. Indicação da direção da descarga............ 33
Figura 3.2 – Algoritmo de localização ótima usado no método MDF............. 33
Figura 3.3 – a) Método de intersecção hiperbólica para sistemas de localização utilizando três sensores; b) Exemplo de localização ambígua resultante da intersecção hiperbólica a partir de três sensores................................................................ 35
Figura 3.4 – Método de intersecção circular utilizando quatro sensores....... 35
Figura 3.5 – Método de localização IMPACT aplicado a uma descarga cujo ponto de impacto localiza-se sobre a linha-base de dois sensores..................................................................................... 37
Figura 3.6 – Diagrama esquemático de uma descarga de retorno observada pelo sistema de detecção e de alguns dos parâmetros medidos................................................................... 41
Figura 3.7 – Algoritmo de agrupamento de descargas, mostrando que as descargas 1, 3, 4 e 5 serão agrupadas ao relâmpago em processamento, ao contrário das descargas 2, 6 e 7, que serão associadas a outros relâmpagos...................................... 43
Figura 3.8 – Distribuição Gaussiana 3D dos erros de localização................. 45
Figura 3.9 – Localização dos 47 sensores da BrasilDAt. Os sensores em forma de cruz são LPATS, aqueles marcados com esfera são IMPACTS e os losângulos ainda não tinham sido instalados na época da confecção desta figura.......................................... 47
Figura 3.10 – Distribuição dos sensores da rede NLDN em vermelho. Os círculos representam sensores do tipo IMPACT e os triângulos representam sensores mais antigos, LPATS............ 48
Figura 3.11 – a) Fotografia com câmera convencional do raio inteiro. b) Um quadro de 135 µs de uma etapa do raio; as setas mostram três líderes de recuo. c) Imagem integrada com todos os quadros da câmera rápida utilizada para filmar este raio. Nota-se uma grande quantidade de líderes de recuo......................... 51
Figura 3.12 – Relação entre duração mínima de raios e número de descargas de retorno subseqüentes. A equação no gráfico é o ajuste linear, e o R é o coeficiente de regressão linear. Os números em cima dos pontos são a quantidade de raios observados com multiplicidade indicada no eixo das abscissas.................................................................................... 51
Figura 3.13 – Corrente de pico (Ip) versus duração da corrente contínua (CC) para 248 descargas de retorno negativas e 9 descargas 52
xvii
de retorno positivas....................................................................
Figura 3.14 – Exemplos das formas de onda da corrente contínua dos tipos: a) Tipo I, b) Tipo II, c) Tipo III, d) Tipo IV, e) Tipo V e f) Tipo VI. As setas indicam as formas das características principais de cada tipo.............................................................................................. 53
Figura 3.15 – Exemplos de processos de attachment entre o líder contínuo e o líder conectante para 8 descargas de retorno. A resolução temporal dos vídeos é de 20 microssegundos........................... 54
Figura 3.16 – a) Redlake MotionScope PCI e b) Photron Fastcam 512 PCI... 55
Figura 3.17 – Imagens distintas de líderes escalonados: a) com o filtro e b) sem o filtro infravermelho........................................................... 55
Figura 3.18 – Exemplos de etapas de uma descarga de retorno observadas pelas duas câmeras de alta velocidade utilizadas neste trabalho, durante a campanha de Tucson, AZ........................... 57
Figura 3.19 – Diagrama de blocos de um radar simples.................................. 61
Figura 3.20 – Diagrama esquemático de um radar Doppler............................ 62
Figura 3.21 – PPIs a partir dos quais se pode estimar a distância e a altura de um eco em relação ao radar................................................. 68
Figura 3.22 – Exemplo de echotop para a região da Cidade Universitária, São Paulo (SP), com escala de altura em km............................ 69
Figura 4.1 – a) Localização da torre de Antenas IAE/AEL. Os pontos Azuis na figura representam alguns raios que ocorreram no dia 26/03/2008. A marcação em verde mostra a área cega da torre e os círculos são raios de 10 km a partir do centro. b) Foto da torre de Antenas IAE/AEL............................................. 73
Figura 4.2 – Distribuição dos pontos de observação durante a campanha em Tucson, AZ, no verão de 2007............................................. 74
Figura 4.3 – Imagem extraída do website do Grupo de Eletricidade Atmosférica (ELAT) do INPE. A imagem é de 26/03/2010, às 17h28min hora local. Os pontos coloridos mostram os raios e a diferença de cores está relacionada ao tempo, a partir da hora da atualização do site, em que o raio aconteceu............... 76
Figura 4.4 – Sensores da BrasilDAt participantes da detecção dos raios utilizados neste trabalho............................................................. 77
Figura 4.5 – Distribuição de correntes de pico somente para raios negativos para a campanha de São José dos Campos durante o verão de 2003/2004................................................... 78
Figura 4.6 – Distribuição de correntes de pico somente para raios negativos para a campanha de São José dos Campos durante o verão de 2008............................................................ 79
Figura 4.7 – Distribuição de correntes de pico somente para raios negativos para a campanha de Tucson durante o verão de 79
xviii
2007...........................................................................................
Figura 4.8 – Eficiência de detecção da rede BrasilDAt em 2003/2004 na região de São José dos Campos, SP, Brasil............................. 83
Figura 4.9 –
Eficiência de detecção da rede BrasilDAt em 2008 na região de São José dos Campos, SP, Brasil, após a substituição de 2 sensores..................................................................................
83
Figura 4.10 – Eficiência de detecção da rede NLDN no verão de 2007 na região de Tucson, AZ, EUA........................................................ 84
Figura 4.11 – Exemplo de imagem de radar gerada pelos programas em IDL®. As cruzes representam a localização das descargas de retorno observadas pela rede de detecção em LF..................... 91
Figura 4.12 – Exemplo do desenvolvimento de uma pequena célula de tempestade em Tucson, AZ. As cruzes representam a localização das descargas de retorno observadas pela rede de detecção em LF..................................................................... 91
Figura 4.13 – Programa utilizado para selecionar os raios de cada célula individualmente, desenvolvido em MapInfo®.............................. 92
Figura 5.1 – Porcentagem de raios versus o número de descargas por raio (ou multiplicidade) observados no Arizona e em São Paulo...... 97
Figura 5.2 – Duração dos raios versus porcentagem de raios no Arizona e em São Paulo............................................................................. 98
Figura 5.3 – Gráfico de dispersão mostrando a relação entre a duração dos raios e suas multiplicidades. Os círculos são dados do Arizona e os triângulos são dados de São Paulo...................... 100
Figura 5.4 – Exemplo de intervalo entre descargas para um raio bifurcado, para o dia 14/08/2007. Esse vídeo foi capturado em 8000 quadros por segundo, ou seja, 125 microssegundos de resolução temporal..................................................................... 101
Figura 5.5 – Distribuições de intervalos entre descargas no Arizona e em São Paulo................................................................................... 101
Figura 5.6 – Distribuição de durações de CC abaixo de 40 ms no Arizona e no Brasil. No gráfico também é mostrada a similaridade entre as distribuições...........................................................................103
Figura 5.7 – Distribuição de CC longas no Arizona e em São Paulo. Não há diferenças significativas entre as duas regiões de observação................................................................................. 103
Figura 5.8 – Distribuição de multiplicidades para a campanha SJC1, utilizando dados da rede BrasilDAt............................................ 106
Figura 5.9 – Distribuição de multiplicidades para a campanha SJC2, utilizando dados da rede BrasilDAt............................................ 107
Figura 5.10 – Distribuição de multiplicidades para a campanha TUS, 107
xix
utilizando dados da rede norte-americana NLDN......................
Figura 5.11 – Distribuição de durações dos raios para a campanha SJC1, utilizando dados da rede BrasilDAt............................................ 113
Figura 5.12 – Distribuição de durações dos raios para a campanha SJC2, utilizando dados da rede BrasilDAt............................................ 113
Figura 5.13 – Distribuição de durações dos raios para a campanha TUS, utilizando dados da rede norte-americana NLDN...................... 114
Figura 5.14 – Gráfico de dispersão mostrando a relação entre a duração dos raios e suas multiplicidades. Desta vez, foram utilizados dados das redes de detecção em LF.........................................
115
Figura 5.15 – Distribuição de intervalos entre descargas utilizando dados da rede de detecção de descargas, para a campanha SJC1......... 116
Figura 5.16 – Distribuição de intervalos entre descargas utilizando dados da rede de detecção de descargas, para a campanha SJC2......... 117
Figura 5.17 – Distribuição de intervalos entre descargas utilizando dados da rede de detecção de descargas, para a campanha TUS.......... 117
Figura 5.18 – Relação entre a área em 35 dBZ e a contagem de raios. A linha vermelha é um ajuste linear aplicado aos dados, com coeficiente de correlação R = 0,71............................................. 121
Figura 5.19 – Distribuição do número de raios ocorridos em função das áreas dos contornos de 35 dBZ................................................. 122
Figura 5.20 – Distribuição das multiplicidades dos raios pela área em 35 dBZ. Para esta análise foram utilizados dados das redes de detecção. A linha preta é um ajuste polinomial aos valores mínimos de área para cada multiplicidade................................. 122
Figura 5.21 – Distribuição das multiplicidades dos raios pela área em 35 dBZ. Aqui foram utilizados dados das câmeras de alta velocidade. A linha preta é o mesmo ajuste da figura anterior multiplicado por fc....................................................................... 123
Figura 5.22 – Multiplicidade média em função das faixas de área em 35 dBZ. A média em verde mostra uma clara tendência de aumento da multiplicidade com a área.......................................124
Figura 5.23 – Atividade elétrica em função da multiplicidade, utilizando dados das redes de detecção. Neste gráfico está considerada somente a faixa de 0 – 0,1 raios por km2 e por 5 min. A linha em preto é apenas uma linha de tendência, não um ajuste linear...........................................................................................125
Figura 5.24 – Atividade elétrica em função da multiplicidade, utilizando dados das redes de detecção. Neste gráfico está considerada somente a faixa de 0,1 – 0,5 raios por km2 e por 5 min. A linha em preto é apenas uma linha de tendência, não um ajuste linear...........................................................................................125
Figura 5.25 – Duração do raio em função da área em 35 dBZ, utilizando
xx
dados da rede de detecção........................................................ 126
Figura 5.26 – Duração do raio em função da área em 35 dBZ, utilizando dados das câmeras de alta velocidade...................................... 126
Figura 5.27 – Distribuição dos intervalos entre descargas contra a área dos contornos em 35 dBZ. Os vídeos das câmeras de alta velocidade foram utilizados para obter esses dados. O conjunto total de dados das três campanhas foi combinado..... 127
Figura 5.28 – Distribuição de corrente contínua pela área em 35 dBZ............ 129
Figura 5.29 – Média da corrente de pico para faixas de área em 35 dBZ. De maneira geral, a oscilação dos valores está em torno de 2 kA............................................................................................... 130
Figura 5.30 – Correlação entre multiplicidade dos raios e echotop................. 131
Figura 5.31 – Correlação entre multiplicidade e altura do último eco de 35 dBZ............................................................................................ 131
Figura 5.32 – Correlação entre corrente de pico e echotop............................ 132
Figura 5.33 – Correlação entre corrente de pico e altura do último eco de 35 dBZ............................................................................................ 132
Figura 6.1 – Seqüência de quadros de um vídeo de raio filmado com câmera de alta velocidade no dia 13/02/2008. As imagens representam as descargas números 7, 11, 14 e 16. As linhas vermelhas indicam o desenvolvimento do canal........................ 134
Figura 6.2 – Curva teórica relacionando a área da região de cargas negativas e as durações dos raios............................................. 136
Figura 6.3 – Duração dos raios filmados versus área do contorno de 35 dBZ. As linhas coloridas são as relações teóricas para 100% do raio em roxo, 85% em vermelho e 50% em preto................. 137
Figura 6.4 – Duração dos raios obtidos pela rede de detecção versus área do contorno de 35 dBZ. A linha representa a relação teórica para 100% do raio...................................................................... 137
Figura 6.5 – Duração média dos raios pela área da região de 35 dBZ. O gráfico foi cortado em 300 km2 para salientar a relação entre os dois parâmetros..................................................................... 138
Figura 6.6 – Corrente de pico das primeiras descargas de retorno em função do potencial da nuvem................................................... 143
xxi
LISTA DE TABELAS
Pág.
Tabela 2.1 – Características típicas de relâmpagos negativos.................. 25
Tabela 3.2 – Principais diferenças entre os sensores LPATS e IMPACT.. 38
Tabela 3.2 – Algumas características de raios negativos medidas nos “estudos precisos de contagem de descargas”..................... 50
Tabela 3.3 – Descrição das características principais dos tipos de radares utilizados neste trabalho........................................... 70
Tabela 4.1 – Cálculo das eficiências de detecção para as campanhas de observação de raios utilizadas neste trabalho....................... 81
Tabela 4.2 – Radiossondagens para os dias de tempestade em São José dos Campos estudados neste trabalho. Os valores mais próximos de -10º C foram utilizados como referência... 87
Tabela 4.3 – Radiossondagens para os dias de tempestade em Tucson estudados neste trabalho. Os valores mais próximos de -10º C foram utilizados como referência................................. 88
Tabela 5.1 – Sumário de algumas características dos raios para as três campanhas............................................................................ 96
Tabela 5.2 – Comparação entre multiplicidades medidas pelas câmeras de alta velocidade e pela rede de detecção em LF, antes e depois de aplicadas as devidas correções............................ 110
Tabela 5.3 – Resumo das principais estatísticas das características dos raios negativos estudadas neste trabalho. 118
Tabela 6.1 – Parâmetros dos raios obtidos para as células individuais durante as campanhas SJC1 e SJC2.................................... 141
xxii
xxiii
LISTA DE SIGLAS E ABREVIATURAS
ELF Extreme Low Frequency
VLF Very Low Frequency
LF Low Frequency
VHF Very High Frequency
WWLLN World Wide Lightning Location Network
SPG Serviço de Pós-Graduação
STARNET Sferics Timming and Ranging NETwork
GLD360 Global Lightning Dataset
NLDN National Lightning Detection Network
BrasilDAt Rede Brasileira de Detecção de Descargas Atmosféricas
ALDIS Austrian Lightning Detection and Information System
JLDN Japan Lightning Detection Network
Cu Nuvem cumulus
Cb Nuvem cumulonimbus
IN Relâmpago Intra-Nuvem
DA Descarga para o Ar
NS Relâmpago Nuvem-Solo
SN Relâmpago Solo-Nuvem
NS- Relâmpago Nuvem-Solo Negativo
NS+ Relâmpago Nuvem-Solo Positivo
A Ampères
kA Quiloampères
MV Megavolts
C Coulombs
s Segundos
ms Milissegundos
µs Microssegundos
K Kelvin
Descarga K Processo rápido de carga do canal previamente ionizado
Processo J Processo lento de rearranjo de cargas dentro da nuvem
Ip Corrente de pico de uma descarga de retorno
xxiv
V/m Volts por metro
CRDF Cathoderay Direction Finder
MDF Magnetic Direction Finder
LLP Lightning Location and Protection Inc.
TOA Time of Arrival
LPATS Lightning Position and Tracking System
GAI Global Atmospherics, Inc
IMPACT IMProved Accuracy from Combined Technology
GPS Global Positioning System
Relação E/B Razão entre os picos do campo elétrico e campo magnético
CEMIG Companhia Energética de Minas Gerais
SIMEPAR Sistema Meteorológico do Paraná
EPRI Electric Power Research Institute
CC Corrente contínua
Radar Radio Detection and Ranging
CW Continuous Waves
PW Pulsed Waves
PRF Pulse Repetition Frequency
STALO Stable Local Oscilator
COHO Coherent Oscilator
IF amp Intermadiate Frequency amplifier
dB Decibéis
dBZ Decibéis do parâmetro z
dBm Potência referenciada a 1 mW
Z/R ou Z-R Relação de Marshall – Palmer
PPI Plan Position Indicator
CAPPI Constant Altitude Plan Position Indicator
RHI Range Height Indicator
echotop Altura do ultimo eco de 18 dBZ
NEXRAD NEXt-generation RADar
DAEE Departamento de Águas e Energia Elétrica
NCDC National Climatic Data Center
IDL Interactive Data Language
xxv
WSR88D Weather Surveillance Radar 88 Doppler
CTA Centro Técnico Aeroespacial
INPE Instituto Nacional de Pesquisas Espaciais
ELAT Grupo de Eletricidade Atmosférica
ED Eficiência de detecção de descargas atmosféricas
SBMT Sounding Brazil “Campo de Marte”
SBGL Sounding Brazil “Galeão”
STUS Sounding over Tucson
SJC1 Campanha de observação de raios realizada em 2003/2004
em São José dos Campos, SP, Brasil.
SJC2 Campanha de observação de raios realizada em 2008 em
São José dos Campos, SP, Brasil.
TUS Campanha de observação de raios realizada em 2007 em
Tucson, AZ, EUA.
SCM Sistema Convectivo de Mesoescala
xxvi
xxvii
SUMÁRIO Pág.
1 INTRODUÇÃO ........................................................................................... 1
1.1. Objetivos .................................................................................................... 7
2 ELETRICIDADE ATMOSFÉRICA ............................................................. 9
2.1. Formação dos relâmpagos nuvem-solo negativos................................... 18
2.2. Etapas de formação do relâmpago nuvem-solo negativo ........................ 20
2.3. Líder bidirecional ...................................................................................... 26
3 INSTRUMENTAÇÃO ............................................................................... 31
3.1. Detecção de relâmpagos em LF .............................................................. 31
3.2. Observações com Câmeras de Alta Velocidade ...................................... 49
3.3. Radar Meteorológico ................................................................................ 57
4 METODOLOGIA E PREPARAÇÃO DOS DADOS ................................. 71
4.1. Câmeras de Alta Velocidade ................................................................... 72
4.2. Rede de Detecção de Relâmpagos em LF .............................................. 75
4.3. Dados dos Radares Meteorológicos ........................................................ 85
5 RESULTADOS E ANÁLISES .................................................................. 95
5.1. Análise I – Câmeras de Alta Velocidade .................................................. 95
5.2. Análise II – Redes de Detecção em LF .................................................. 104
5.3. Resumo ................................................................................................. 118
5.4. Análise III – Câmeras, Redes de Detecção em LF e Radar .................. 119
6 DISCUSSÕES ....................................................................................... 133
7 CONCLUSÕES ...................................................................................... 145
REFERÊNCIAS BIBLIOGRÁFICAS .............................................................. 149
xxviii
1
1 INTRODUÇÃO
Desde a antigüidade, o Homem se identifica de alguma forma com os
relâmpagos. Schonland (1964) mostrou que a simbologia do relâmpago foi
utilizada comumente através dos tempos em estátuas de Buddha, do deus
Seth (Egito antigo), Indra (Índia), etc. O brilho do relâmpago e o som do trovão
provocavam medo e admiração nas pessoas, sendo assim que as lendas de
Zeus (deus grego que demonstrava sua ira através de relâmpagos), Thor (deus
nórdico do trovão) e Júpiter (deus chefe dos romanos), por exemplo, foram
criadas. Até mesmo um dia da semana tem relação com o deus Thor e os
relâmpagos: quinta-feira em inglês é Thursday, que vem do dinamarquês
Torsday (dia de Thor), que em alemão é Donnerstag (dia do trovão) e assim
por diante. Algumas tribos indígenas norte-americanas acreditavam que o som
do trovão era produzido pelo bater de asas de um pássaro mitológico chamado
thunderbird (algo como “pássaro-trovão”).
Schonland (1964) descreveu que, durante a Idade Média, igrejas eram
suscetíveis a relâmpagos, sendo muitas vezes incendiadas ou destruídas
completamente. As torres eram altas e continham sinos e cruzes de metal que
funcionavam com o mesmo princípio do pára-raios. O campanário da basílica
de São Marcos, por exemplo, foi destruído por um relâmpago em 1388,
incendiado em 1417 e 1489, sofrendo danos também em 1548, 1565, 1653 e
1745. Nessa época, a ignorância sobre fenômenos físicos comuns hoje em dia,
como conceitos de eletricidade, cargas elétricas, etc, levou à criação de um
“dispositivo” que era utilizado para dissipar relâmpagos: um sino com as
inscrições Fulgura Frango (Eu quebro relâmpagos). Tocar sinos, para dissipar
relâmpagos ou impedir que eles chegassem, causou a morte de 103 tocadores
de sino durante a sua prática.
Entretanto, foi em meados do século XVIII, que os relâmpagos deixaram de ser
apenas um objeto de temor e admiração e começaram a ser estudados.
2
Benjamin Franklin foi uma das primeiras pessoas que constatou que os
relâmpagos são fenômenos elétricos. Com a sua famosa experiência da pipa,
em 1752, ele verificou que as nuvens são carregadas eletricamente. Meses
antes de Franklin realizar a sua experiência, o francês Thomas-François
D’Alibard realizou a experiência que Franklin propôs em 1750 e chegou aos
mesmos resultados. Essa experiência foi realizada em outras oportunidades,
algumas vezes havendo fatalidades. Foi dela que se originou o pára-raios,
primeira aplicação prática para o estudo de relâmpagos.
Os estudos sobre relâmpagos não evoluíram muito até o final do século XVIII,
quando foram inventadas as máquinas fotográficas. Em Hoffert (1888), o autor
descreveu suas experiências com câmera fotográfica, sendo esse um dos
primeiros trabalhos que utilizaram essa nova técnica. Esses trabalhos pioneiros
estudavam a morfologia dos relâmpagos, multiplicidade, entre outras
características que não podiam ser verificadas a olho nu. Mas foi depois da
invenção das câmeras de lente dupla, em 1900, que as pesquisas nessa área
puderam avançar significativamente (UMAN, 1987). Schonland e Allibone
(1931), por exemplo, foi o primeiro trabalho a observar os raios bifurcados
utilizando medições de câmera e campo elétrico.
Em 1920, C. R. T. Wilson desenvolveu um equipamento para medir o campo
elétrico e realizou algumas das primeiras medições da corrente dos
relâmpagos (WILSON, 1921). Outros métodos para o estudo e a detecção de
relâmpagos foram desenvolvidos a partir daí (KRIDER et al., 1980, COLIN,
1970, LEWIS et al., 1960, RHODES et al., 1994).
A observação da emissão eletromagnética dos raios permitiu o
desenvolvimento de diversas técnicas de observação de relâmpagos com
diferentes objetivos:
a) Redes globais: A propagação em freqüências mais baixas, como o
ELF e VLF (de alguns hertz até 30 kHz), dá-se por meio de múltiplas
3
reflexões da radiação emitida pelo raio através da cavidade
ressonante formada entre a terra e a ionosfera. Algumas redes
mundiais, como a World Wide Lightning Location Network (WWLLN)
(DOWDEN et al., 2002), Sferics Timming and Ranging NETwork
(STARNET) (MORALES et al., 2002a, b, ANAGNOSTOU et al., 2002)
e Global Lightning Dataset (GLD360) (GROGAN; DEMETRIADES,
2009) utilizam sensores VLF espalhados pelo mundo (inclusive pelo
Brasil) e detectam raios de lugares remotos que não possuem
cobertura de nenhuma outra rede. As desvantagens destes sistemas
são uma precisão de localização e eficiência de detecção mais
limitadas do que os sistemas em LF (LAGOUVARDOS et al., 2009,
DEMETRIADES et al., 2010, NACCARATO et al, 2010).
b) Redes locais: As tecnologias empregadas no desenvolvimento de
redes locais se baseiam na captação, por um sensor ou um conjunto
de sensores, das componentes elétrica e/ou magnética da radiação
eletromagnética emitida pelos relâmpagos nuvem-solo, na faixa do LF
(30 – 300 kHz) e o uso das técnicas de tempo de chegada ou direção
magnética. Existem diversas redes de detecção de relâmpagos
operando nessa faixa de freqüência, como a norte-americana National
Lightning Detection Network (NLDN) (CUMMINS e MURPHY, 2009), a
brasileira BrasilDAt (NACCARATO; PINTO Jr., 2009), a austríaca
Austrian Lightning Detection and Information System (ALDIS)
(SCHULZ et al., 2005), a japonesa Japan Lightning Detection Network
(JLDN) (SUGITA et al., 2006), entre outras. Algumas das vantagens
dessas redes são a alta eficiência de detecção de descargas de
retorno e a localização do relâmpago com bastante precisão sendo
possível conhecer a sua intensidade e polaridade. A curta distância
que deve existir entre cada sensor para maior precisão é a principal
desvantagem de se observar na faixa do LF.
4
c) Observações em três dimensões: A emissão VHF, por outro lado,
atenua-se muito rapidamente no solo e não se reflete na ionosfera,
tornando necessária a observação da radiação diretamente pela
antena. Desde as etapas iniciais de seu desenvolvimento, o
relâmpago emite trens de pulsos nessa faixa do espectro
eletromagnético que são captados pelas antenas. Sensores que
operam nessa faixa são utilizados atualmente na observação em três
dimensões do canal do relâmpago, por meio de interferometria e
tempo de chegada. Um esquema da propagação da radiação do
relâmpago nas diferentes faixas de freqüência é mostrado na Figura
1.1. O primeiro sistema em tempo real a aplicar técnicas de
mapeamento de raios em VHF foi desenvolvido pela NASA, no
Kennedy Space Center (KSC). Este sistema, conhecido como LDAR
(Lightning Detection and Ranging), era capaz de prover localizações
em três dimensões de mais de milhares de fontes associadas aos
raios (MAIER et al., 1995; BOCCIPPIO, et al., 2001). Em 1998,
pesquisadores do New Mexico Institute of Mining and Technology
(NMT) desenvolveram outro sistema VHF com triangulação através do
método de tempo de chegada (TOA), chamado de Lightning Mapping
Array (LMA). Este sistema e sua performance são detalhados em
Thomas et al. (2004).
Além da emissão em radiofreqüência, outras faixas do espectro de radiação
emitida pelos relâmpagos são utilizadas para estudá-los, como a emissão em
raios-X (SALEH, 2009) e raios gamma (CARLSON et al., 2009). A própria
emissão na faixa de freqüências do espectro visível é utilizada através de
câmeras de vídeo para estudar as características visíveis dos relâmpagos
(BALLAROTTI, 2006; SABA et al. 2006a e b; BIAGI et al., 2007; 2009) e
realizar estudos de espectrometria (WARNER; ORVILLE, 2009).
5
Figura 1.1 – Propagação das diferentes faixas de radiação emitidas pelo relâmpago até os observadores A, B e C (em função da faixa de freqüência (VLF, LF e VHF)).
Fonte: Adaptado de Cummins e Murphy (2000).
Os raios são fenômenos comumente relacionados à ocorrência de nuvens de
tempestade. Conhecer o meio em que os raios são gerados, a partir do
emprego de ferramentas específicas para tal fim, possibilita compreender
melhor a física dos relâmpagos. Neste contexto, diversos trabalhos na literatura
buscaram correlacionar dados de raios com informações de satélites
(BOCCIPPIO et al., 2001; DOTZEK et al., 2005), radares (TORACINTA et al.,
1996; FENG et al., 2009; MAZUR et al., 1985; LHERMITTE, 1982) e modelos
meteorológicos (ZEPKA, 2005; YAIR et al., 2010). Estudos que integram
informações sobre radares meteorológicos e raios na região do Vale do
Paraíba, Brasil, são poucos (BOMFIN JÚNIOR, 2003), devido principalmente
ao difícil acesso aos seus dados. Além disso, são necessários estudos
comparando parâmetros importantes dos raios com dados de radar, como, por
exemplo, quantidade de descargas de retorno por raio (multiplicidade), corrente
contínua, corrente de pico, entre outros.
6
Os parâmetros dos raios analisados neste trabalho são importantes tanto para
o conhecimento teórico de fenômenos ainda não completamente
compreendidos das descargas elétricas atmosféricas, como também de
aplicação prática no dimensionamento de sistemas de proteção. Darveniza
(2000) descreveu algumas das aplicações práticas de alguns parâmetros de
raios estudados aqui. A corrente elétrica proveniente das descargas de retorno
é, talvez, o parâmetro de maior preocupação no dimensionamento de sistemas
de proteção, como, por exemplo, pára-raios e dispositivos de proteção contra
sobretensão nas redes de energia. Saber a distribuição do pico de corrente das
descargas de retorno determina mais precisamente o valor médio de corrente a
ser utilizado no dimensionamento dos sistemas de proteção; contudo ainda não
há um consenso se os valores médios encontrados nos poucos estudos feitos
precisamente no mundo são representativos de apenas uma região ou podem
ser generalizados para o mundo todo. Atualmente, os sistemas de proteção
utilizam o mesmo conjunto de dados para o mundo todo. A corrente contínua
de uma descarga de retorno pode ser responsável pela transferência de
centenas de Coulombs para o solo (FERRAZ, 2009), podendo ocasionar mais
prejuízos em uma linha de transmissão do que uma descarga de retorno sem
corrente contínua. A multiplicidade e o intervalo entre descargas também são
importantes na área de proteção de linhas de transmissão. Múltiplas descargas
de retorno em curtos intervalos de tempo são como trens de pulsos de tensão
aplicados sobre as linhas de transmissão, cujos sistemas de proteção podem
ser “enganados” pelas descargas subseqüentes e sofrerem avarias sérias.
Não é apenas o setor elétrico que é afetado pelos relâmpagos. Esses
fenômenos atmosféricos oferecem também riscos à própria vida humana.
Estudos recentes mostraram que mortes por raios ainda são
consideravelmente altas, principalmente em países em desenvolvimento, como
o Brasil (COOPER et al., 2009; PINTO et aL., 2009), chegando a mais de 100
mortes por ano.
7
1.1. Objetivos
Após pouco mais de cem anos de estudos sobre relâmpagos, apesar de muito
se saber sobre sua formação, propriedades físicas, etc., ainda existem muitas
questões em aberto. Neste trabalho, algumas das possíveis relações entre as
características dos raios e parâmetros derivados de radares meteorológicos
serão apresentadas com os objetivos de:
a) Identificar diferenças reais entre parâmetros observacionais dos raios,
multiplicidade, intervalo entre descargas, duração do raio, corrente
contínua e corrente de pico, obtidos a partir de três campanhas de
observação realizadas em dois sítios com condições geográficas e
meteorológicas distintas, sendo um deles duas vezes escolhido em
anos diferentes. As características dos raios foram obtidas a partir de
duas técnicas diferentes, câmeras de alta velocidade e redes de
detecção em LF. A mesma instrumentação foi utilizada durante as três
campanhas.
b) Investigar uma possível dependência entre as características
observacionais, previamente descritas, dos relâmpagos nuvem-solo e
determinadas características das tempestades estimadas a partir de
varreduras volumétricas originadas pelos radares meteorológicos
(CAPPI e ECHOTOP).
c) Sugerir argumentos físicos que expliquem o comportamento das
características dos raios em relação aos parâmetros extraídos dos
CAPPIs, através da criação de modelos conceituais que simulem as
condições de propagação dos raios no interior das nuvens.
No Capítulo 2, serão apresentadas noções básicas sobre a física, a formação e
os processos de eletrização de nuvens, conceitos sobre a formação e as
características dos raios negativos. O Capítulo 3 descreverá as redes de
detecção em LF, as câmeras de alta velocidade e os radares meteorológicos.
8
No Capítulo 4, a metodologia aplicada aos dados será detalhada, desde as
estimativas da eficiência de detecção das redes em LF até os processos finais
de análise discutidos no Capítulo 5. Esse capítulo mostrará os principais
resultados da tese, com a apresentação de três análises distintas envolvendo
somente dados de câmeras de alta velocidade, somente redes de detecção em
LF e, finalmente, a comparação dos dados de ambas as técnicas com os
parâmetros obtidos dos CAPPIs. As análises físicas dos resultados serão
discutidas no Capítulo 6, com a apresentação de um modelo conceitual simples
que descreve parte dos resultados encontrados. Por fim, as conclusões e
perspectivas futuras serão apresentadas no Capítulo 7.
9
2 ELETRICIDADE ATMOSFÉRICA
Os relâmpagos podem ser gerados por alguns fenômenos naturais
(tempestades de areia, tempestades de neve, erupções vulcânicas, etc.),
porém, eles ocorrem, em sua maioria, em nuvens de tempestade (UMAN,
1987). Nuvens que se formam quando o ar se torna altamente instável e
acelerado verticalmente para cima em uma região localizada da atmosfera são
chamadas de nuvens convectivas ou cumuliformes (HOUZE JR., 1993).
Incluídas neste grupo estão as nuvens cumulus (Cu) e cumulonimbus (Cb),
cujas principais características são movimentos verticais fortes e precipitações
mais intensas.
Para o estudo das condições de equilíbrio da atmosfera é adotado o método da
parcela, que analisa o comportamento de uma parcela de ar em relação à
atmosfera que a circunda (BJERKNES, 1938). Considere-se que uma parcela
de ar em dada camada da atmosfera sofra um impulso infinitesimal qualquer
que a obrigue a um pequeno deslocamento vertical. Uma vez cessada a causa
que obrigou a parcela a se deslocar, sua densidade poderá ser maior, igual ou
menor que a da atmosfera adjacente (no novo nível de pressão atingido) daí
resultando sua tendência a descer, a estacionar ou a subir, respectivamente.
Dependendo de sua densidade final em relação à do ar adjacente a parcela
poderá:
a) reverter o sentido do movimento e retornar ao nível de pressão
original;
b) continuar o movimento vertical, afastando-se da superfície isobárica
de onde se originou;
c) permanecer na nova superfície isobárica atingida.
Sendo a parcela representativa da camada atmosférica de onde se originou,
essa camada é dita em equilíbrio estável, instável ou indiferente, conforme
aconteça a situação a, b ou c, respectivamente.
10
Portanto, o processo de formação das nuvens de tempestade depende
basicamente de três fatores: a umidade do ar, o grau de instabilidade vertical
da atmosfera, que está relacionado à variação de temperatura com a altura, e a
existência de mecanismos dinâmicos, que atuam de modo a empurrar o ar para
cima, fornecendo energia para que ele possa superar a região estável (JOHNS;
DOSWELL, 1992; EMANUEL, 1994; JOHNSON; MAPES, 2001;
NASCIMENTO, 2005).
Uma nuvem cumulonimbus pode atingir em média 15 km de altitude (altura da
tropopausa), iniciando em torno de 1 – 3 km da superfície e apresentando
tipicamente um diâmetro de 10 a 20 km (Figura 2.1). Distingue -se dos outros
tipos de nuvens por seu tamanho e grande extensão vertical, pela presença de
gotículas de água superresfriadas, pela formação de gelo em elevadas
altitudes (acima de 5-6 km) e por apresentarem fortes correntes verticais de ar
(MACGORMAN; RUST, 1998; RAKOV; UMAN, 2003). Suas extensões vertical
e horizontal variam em função da região do planeta e das estações do ano,
sendo reguladas, em dimensão, características físicas, elétricas e morfológicas
pela latitude, topografia da superfície, perfil de temperatura atmosférica e
circulação dos ventos (PINTO Jr.; PINTO, 2000; RAKOV; UMAN, 1987;
SAUNDERS, 1995).
Figura 2.1 – Exemplo de nuvem cumulonimbus.
Fonte: Carn (2009).
11
Uma nuvem de tempestade, também chamada de célula de tempestade, dura
em média de uma a duas horas, possui diâmetro de 10 a 20 km, alcança
altitudes de 6 a 20 km e move-se com velocidade média de 50 km/h. Durante
sua vida (Figura 2.2), ela passa por três diferentes estágios – desenvolvimento,
maduro e dissipativo – cada um durando cerca de vinte a quarenta minutos.
Figura 2.2 – Ciclo evolutivo de uma nuvem de tempestade.
Fonte: Adaptada de Houze Jr. (1993).
12
Durante a etapa de desenvolvimento, o movimento do ar dentro da nuvem é
predominantemente ascendente, arrastando gotículas de água e partículas de
gelo para cima. No estágio maduro, a nuvem de tempestade apresenta em sua
parte inferior tanto movimentos ascendentes quanto descendentes. Os
movimentos descendentes ocorrem devido a não sustentação das gotas de
água e partículas de gelo que aumentaram seu tamanho. A forma do topo
costuma apresentar um alargamento em relação ao diâmetro da nuvem, por
causa do espalhamento horizontal das partículas de gelo devido aos ventos,
produzindo uma forma parecida à de uma bigorna. É nesse estágio que
costumam ocorrer chuvas intensas e relâmpagos. Os relâmpagos da nuvem
para o solo são, em geral, precedidos por relâmpagos dentro da nuvem e
podem ocorrer tanto antes como depois do início da chuva (PINTO Jr.; PINTO,
2008). No estágio dissipativo, o movimento de ar é quase exclusivamente
descendente, provocando um esfriamento da nuvem em relação a sua
vizinhança. A altura do topo tende a diminuir e a chuva passa de moderada a
fraca até que toda a nuvem seja completamente dissipada.
Uma tempestade isolada pode ser formada por uma única célula, sendo
chamada de tempestade unicelular. Quando várias células em estágios de
formação diferentes se fundem, esta será chamada de tempestade multicelular.
Há casos em que uma única célula atinge dimensões comparáveis às de uma
tempestade multicelular, ou seja, centenas de quilômetros de diâmetro e
alturas de até 20 km. Nesses casos a tempestade é chamada de supercelular
(IRIBARNE E CHO, 1980).
Não estão totalmente esclarecidos os processos físicos responsáveis pela
geração e separação de cargas elétricas no interior da nuvem. Em parte, isto
se deve ao fato de a estrutura elétrica de uma nuvem de tempestade ser
bastante complexa, resultado de processos microfísicos e macrofísicos que
ocorrem simultaneamente em seu interior. Os processos microfísicos
compreendem os processos de geração de cargas dentro da nuvem, a partir da
13
colisão de partículas de gelo de diferentes tamanhos (SAUNDERS, 1995). Os
detalhes da transferência de cargas durantes as colisões, contudo, não são
bem conhecidos. Se durante a colisão o campo elétrico atmosférico (ou campo
elétrico de tempo bom) tem um papel preponderante na separação de cargas,
por meio da polarização de partículas grandes de gelo (granizo), o processo é
chamado indutivo. Se a temperatura no local da colisão é fundamental na
separação de cargas, o processo é chamado termoelétrico.
O processo colisional indutivo assume que o campo elétrico atmosférico
externo polariza os granizos presentes. Conforme mostra a Figura 2.3, o
granizo pode colidir com cristais de gelo durante seu movimento de descida,
transferindo cargas positivas para o cristal de gelo, tornando-se polarizado
negativamente. Segundo Ogawa (1995), a presença de gelo é um importante
requisito para qualquer processo de eletrificação das nuvens de tempestade.
Figura 2.3 – Processo colisional indutivo.
Fonte: Adaptada de Saunders (1995).
No processo colisional termoelétrico, a polaridade da carga transferida durante
uma colisão entre diferentes partículas de gelo depende da temperatura no
local da colisão, denominada temperatura de inversão de carga e estimada ser
em torno de -15º C a aproximadamente 6 km de altitude. Alguns estudos
experimentais mostraram que essa temperatura de inversão pode estar entre -
10º C (TAKAHASHI, 1973) e -20º C (JAYARANTE et al., 1985). Essa
14
temperatura de inversão depende do tamanho e da velocidade de impacto
entre as partículas envolvidas na colisão e coincide com a temperatura do
centro de cargas negativas (RAKOV; UMAN, 2003). Abaixo desta isoterma, o
granizo colide com cristais de gelo durante seu movimento de descida,
transferindo cargas negativas para o cristal, tornando-se carregado
positivamente. Acima dessa região, há uma inversão de polaridade nas
partículas de gelo, ou seja, a colisão entre elas torna o cristal de gelo
polarizado positivamente e o granizo, negativamente (Figura 2.4).
Em termos macrofísicos, o principal processo é o gravitacional, responsável
pela separação das partículas polarizadas dentro da nuvem (VONNEGUT et
al., 1962; VONNEGUT, 1991). Atuando sobre diferentes partículas de gelo com
tamanhos que variam de uma fração de milímetro a até alguns poucos
centímetros, a ação da gravidade tende a fazer com que partículas maiores
permaneçam na parte inferior, enquanto as partículas menores permaneçam
na parte superior da nuvem de tempestade. Existem outros processos
sugeridos para a eletrização das nuvens (VONNEGUT et al., 1962,
SAUNDERS, 1995; BAKER; DASH, 1989; CARANTI et al., 1991; CARANTI;
ILLINGWORTH, 1983), mas nenhum deles explica a eletrização por si só.
Conclui-se então que, em altas altitudes e baixas temperaturas, o granizo
carrega-se negativamente enquanto que os cristais de gelo adquirem carga
positiva, sendo transportados para as regiões mais altas das nuvens. Nos
níveis mais baixos e mais quentes, o granizo carrega-se positivamente e cai
por ação gravitacional até a base da nuvem para formar um centro de carga
positiva nessa região. Já os cristais de gelo carregados negativamente tendem
a ser arrastados para cima e, juntamente com o granizo carregado
negativamente proveniente das regiões mais elevadas, formam um centro de
carga negativa entre os dois centros positivos.
15
Figura 2.4 – Processo Colisional Termoelétrico.
Fonte: Adaptada de Williams (1988).
A distribuição de cargas dentro de uma nuvem de tempestade depende dos
processos descritos acima. De forma simplificada, a Figura 2.5 apresenta a
estrutura elétrica tripolar das nuvens cumulonimbus.
Figura 2.5 – Estrutura elétrica de uma nuvem de tempestade. Modelo tripolar.
Fonte: Adaptada de Iribarne e Cho (1980).
16
Basicamente são considerados três centros de carga, um positivo
relativamente espalhado na parte superior da nuvem e estendendo-se até o
topo, um negativo concentrado na forma de uma camada horizontal na região
cuja temperatura está em torno de -10º C e um terceiro centro menor positivo
próximo à base da nuvem (WILLIAMS, 1989). Além desses centros, há finas
camadas de cargas, formadas a partir da captura pela nuvem de íons da
atmosfera, nas bordas superior e inferior da nuvem, denominadas camadas de
blindagem.
Combinações de medidas remotas e in situ têm indicado que em diferentes
ambientes as cargas negativas são tipicamente encontradas no mesmo
intervalo relativo de temperaturas de -10 a -25º C dentro da nuvem (Figura 2.6),
quando lá coexistem água superresfriada e gelo (RAKOV; UMAN, 2003).
Figura 2.6 – As localizações dentro das nuvens dos pacotes de cargas negativas (pequenos contornos irregulares) observados em tempestades de verão na Flórida e no Novo México e em tempestades de inverno no Japão, usando medidas de campo elétrico.
Fonte: Adaptada de Rakov; Uman (2003).
17
Stolzenburg et al. (1998a, b, c), a partir de sondagens feitas in situ, mostraram
que a temperatura média do centro de cargas negativas pode depender do tipo
de tempestade: -16º C na região convectiva ascendente de sistemas
convectivos de mesoescala, -22º C em correntes ascendentes de tempestades
supercelulares e -7º C em correntes ascendentes de tempestades orográficas
no Novo México. Essas três temperaturas médias pertencem aproximadamente
ao intervalo especificado e as diferenças aparentemente estão relacionadas à
velocidade das correntes de ar ascendente (quanto maior a velocidade da
corrente ascendente, maior a altitude e menor a temperatura do principal centro
de cargas negativas).
Stolzenburg et al. (1998a; b; c), através de medidas de sondagens com balão,
mostraram que, na realidade, a estrutura de cargas dentro das nuvens
cumulonimbus é bem mais complexa, em geral, apresentando múltiplas
camadas de cargas negativas ou positivas dispostas horizontalmente e
alternadas em função da altitude. Nessa estrutura multipolar (Figura 2.7), há
uma região de correntes ascendentes apresentando quatro centros de cargas,
em alturas que aumentam à medida que a velocidade das correntes se
intensifica, e uma região de correntes descendentes apresentando um total de
seis centros de cargas.
Neste trabalho, o início das células de tempestade foi considerado após o
aparecimento do primeiro eco de 35 dBZ em 6 ou 7 km (dependendo da região)
e o fim da vida da célula, quando do desaparecimento do último eco de 35 dBZ.
Mais de 60% (de 1 a 2 horas de duração) das tempestades analisadas nas
campanhas no Brasil eram multicelulares, 20% (mais de 2 horas)
supercelulares e 20% (menos que 1 hora) unicelulares. A campanha dos EUA,
por outro lado teve uma porcentagem similar de tempestades, 15%
supercelulares, 65% multicelulares e 20% unicelulares.
18
Figura 2.7 – Estrutura elétrica de uma nuvem de tempestade. Modelo multipolar.
Fonte: Adaptada de Stolzenburg et al. (1998b).
2.1. Formação dos relâmpagos nuvem-solo negativos
Conforme Pinto Jr. (2005), um relâmpago ou descarga atmosférica é uma
descarga elétrica de grande extensão (alguns quilômetros) e de grande
intensidade (picos de intensidade de corrente acima de um quiloampère), que
ocorre devido ao acúmulo de cargas elétricas em regiões localizadas na
atmosfera, em geral dentro das nuvens de tempestade. Existem vários tipos de
relâmpagos classificados de acordo com o local onde se originam e terminam.
Os relâmpagos mais freqüentes começam e terminam dentro da nuvem e são
chamados intra-nuvem (IN), representando, em média, 70% do número total de
relâmpagos. Outros relâmpagos mais raros que terminam na atmosfera são as
descargas no ar (DA). Os outros tipos de relâmpagos conectam-se ao solo e
são os nuvem-solo (NS) e solo-nuvem (SN). Dependendo da carga efetiva que
é transferida para o solo, eles ainda podem ser separados em positivos,
negativos ou bipolares. O mais comum deles é o nuvem-solo negativo (NS-),
que é observado em cerca de 90% dos casos. Os nuvem-solo positivos (NS+)
acontecem em cerca de 10% dos casos restantes. Já os relâmpagos solo-
nuvem são os mais raros de todos, porém, eles tendem a ocorrer mais
19
freqüentemente a partir de lugares muito altos, como topos de montanhas e
grandes edificações (PINTO Jr.; PINTO, 2000). A Figura 2.8 mostra de
maneira resumida os vários tipos de relâmpagos.
Figura 2.8 – Tipos de relâmpagos. Descargas para o ar (DA), relâmpagos intra-nuvem (IN), nuvem-solo positivos (NS+), nuvem-solo negativos (NS-) e solo-nuvem (SN).
Fonte: Pinto Jr. (2005).
Embora menos freqüentes, os relâmpagos nuvem-solo são os mais
amplamente estudados, principalmente por causa do seu caráter destrutivo
(RAKOV; UMAN, 2003; PINTO JR, 2005; NACCARATO, 2006). Os prejuízos
que esse tipo de relâmpago pode causar são desligamentos de linhas de
transmissão e distribuição de energia elétrica, danos consideráveis em
estruturas, avarias em torres de telecomunicações, queima de equipamentos
eletrônicos e, principalmente, mortes. Outro motivo para esse tipo de
relâmpago ser o mais estudado é a sua relativa facilidade de observação em
relação aos relâmpagos intra-nuvem. Sistemas ópticos, como câmeras
fotográficas ou de vídeo, e sistemas de detecção, em LF e VLF, são alguns dos
métodos que observam com mais facilidade esse tipo de relâmpago.
20
O conhecimento adquirido até hoje permite descrever as etapas da formação
do relâmpago nuvem-solo, bem como entender as suas características
principais, conforme mostrado a seguir.
2.2. Etapas de formação do relâmpago nuvem-solo negativo
Os relâmpagos nuvem-solo são também denominados de raios (PINTO JR.,
2005). Um raio pode durar entre poucos milissegundos até dois segundos, de
acordo com medidas feitas in situ (PINTO JR., 2005; RAKOV; UMAN, 2003;
SABA et al., 2006a, entre outros). Durante o seu desenvolvimento, o raio
percorre até dezenas de quilômetros na atmosfera (Figura 2.9), emitindo pulsos
de radiação eletromagnética, principalmente desde a faixa de ELF (Extremely
Low Frequencies – 300 Hz até 3 kHz) até VHF (Very High Frequencies – 30
MHz até 300 MHz), com máximo de emissão na faixa de 5 – 10 kHz. A corrente
elétrica gerada no processo pode variar entre centenas de ampères a centenas
de quiloampères. Ao conectar no solo, a carga transferida varia de algumas
dezenas de Coulombs (NS-) até centenas de Coulombs (NS+) (UMAN, 1987;
RAKOV; UMAN, 2003).
A Figura 2.10 mostra as etapas de formação de um raio negativo. A formação
do raio negativo é precedida pela distribuição de cargas dentro da nuvem
considerando a estrutura simplificada tripolar. Entre o centro de cargas
negativo e o centro menor de cargas positivo acontece a chamada quebra de
rigidez preliminar (UMAN, 1987). Essa etapa é caracterizada por uma série de
pulsos eletromagnéticos unipolares e bipolares, com duração de 50 µs e
intervalos de 100 µs. Ao final deste processo, um canal de plasma carregado
negativamente propaga-se em direção ao solo com velocidade de 2 x 105 m/s,
denominado líder escalonado. Ele é assim chamado porque o seu trajeto é em
passos de dezenas de metros (durando cerca de 1 µs), com intervalos de
aproximadamente 50 µs entre cada um. O pico de corrente associado a cada
pulso é estimado em cerca de 1 kA ou mais. Vários Coulombs de carga
21
negativa são distribuídos no canal durante seu caminho em direção ao solo,
assim pode-se dizer que o líder é um processo de remoção de cargas
negativas da nuvem. Devido a influências de cargas na atmosfera ao redor do
canal e às próprias cargas contidas no canal, algumas cargas seguem
caminhos diferentes, formando as ramificações. Apesar do raio se ramificar
bastante durante seu trajeto em direção ao solo, geralmente, apenas uma
ramificação conecta-se à descarga conectante.
Quando o raio se aproxima do solo, a diferença de potencial entre sua ponta e
o solo é de dezenas de Megavolts. Marshall e Stolzenburg (2001) estimaram
diferenças de potencial entre o líder e o solo de 20 a 130 MV, a partir de
medidas de balão. Essa diferença de potencial é suficiente para que descargas
ascendentes surjam do solo, em geral de objetos altos como árvores, postes,
pára-raios, em direção ao líder, dando início ao processo de conexão. Quando
uma das descargas ascendentes encontra o líder escalonado, a extremidade
do líder se conecta com o potencial da Terra, formando a primeira descarga de
retorno. Nesse estágio, é possível ver uma luminosidade muito intensa que se
refere a uma frente de onda se propagando para cima através do canal,
depositando todas as cargas presentes no canal ao solo. A velocidade da
descarga de retorno é de 1 a 1,5 x 108 m/s (aproximadamente metade da
velocidade da luz), diminuindo com a altura. A corrente elétrica flui pelo canal
em pouco mais de 100 µs e é da ordem de 40 kA. Essa alta corrente, fluindo
em tão pouco tempo, aquece o canal mais de 30.000 K, criando uma pressão
no ar ao redor do canal de mais de 10 atm, resultando na expansão do canal e
na propagação de uma onda de choque supersônica. Essa onda se converte
numa onda sonora, que é chamada de trovão.
22
Figura 2.9 – Exemplos de relâmpagos nuvem-solo negativos.
Quando a descarga de retorno cessa, é possível que o raio acabe o seu
desenvolvimento, sendo então chamado de raio simples. Contudo, o mais
freqüente é que um novo líder, chamado líder contínuo, percorra de forma
contínua o canal da descarga anterior que apresenta ionização residual. Como
o caminho por onde ele passa já está previamente ionizado, ele não possui
ramificações e a sua velocidade de descida é muito maior que a velocidade do
líder escalonado, em torno de 107 m/s. A carga que o líder contínuo carrega é
da ordem de 1 C e o pico de corrente é de aproximadamente 1 kA. Ao atingir o
solo, esse líder dá origem a uma segunda descarga de retorno, chamada de
descarga de retorno subseqüente. O intervalo entre descargas de retorno pode
variar de alguns milissegundos até algumas centenas de milissegundos (SABA
et al., 2006a).
O número total de descargas que um raio gera é chamado de multiplicidade.
Mais de 80% dos raios negativos possuem mais de duas descargas, sendo que
a multiplicidade média está em torno de 3 a 4 (SABA et al., 2006a). Contudo,
há registros de até 26 descargas em um único raio (KITAGAWA, 1962). Outras
descargas de retorno subseqüentes ocorrerão sempre que houver condições
dentro da nuvem para que mais cargas sejam recolhidas. Processos
denominados J e K são responsáveis pela coleta de mais cargas negativas
23
para o canal. O processo J pode ser entendido como a redistribuição de cargas
dentro da nuvem, sendo um processo lento da ordem de dezenas de
milissegundos. O processo K é relativamente mais rápido que o processo J e
serve para levar cargas negativas adicionais para o canal do raio.
Em aproximadamente 35 a 50% dos casos (SABA et al., 2006a), o líder
contínuo pode desviar do canal previamente ionizado e seguir por um novo
caminho na atmosfera de maneira escalonada até conectar ao solo (VALINE;
KRIDER, 2002), denominando-se de líder contínuo-escalonado. Neste caso, a
nova descarga de retorno irá atingir um ponto diferente do solo, dando origem
ao chamado raio bifurcado.
Na maioria dos raios negativos múltiplos, uma ou mais descargas de retorno
subseqüentes são seguidas por uma corrente de 100 a 1000 A, durante alguns
milissegundos até centenas de milissegundos, chamada de corrente contínua
(CC). A corrente contínua transporta dezenas ou até centenas de Coulombs de
carga para o solo. Ela pode ser notada visualmente como um brilho persistente
do canal do relâmpago e também é classificada de acordo com a sua duração
como “longa” (KITAGAWA et al., 1962; BROOK et al., 1962), “curta” (SHINDO;
UMAN, 1989) e “muito curta” (BALLAROTTI, 2005). Às vezes, podem ocorrer
aumentos súbitos de brilho no canal associados às componentes M (CAMPOS
et al., 2007). Esse efeito ocorre por causa do aumento da corrente que está
percorrendo o canal. Uma componente M típica tem corrente entre 100 e 200 A
e transfere de 0,1 a 0,2 C de carga para o solo, e é até 90% mais lenta que
uma descarga de retorno. A duração do raio pode variar de acordo com sua
multiplicidade e/ou corrente contínua associada a cada descarga de retorno,
podendo então variar de centenas de µs até aproximadamente 1 segundo
(SARAIVA et al., 2010).
24
Figura 2.10 – Etapas de um relâmpago nuvem-solo negativo, desde a quebra de rigidez dielétrica até a segunda descarga de retorno.
Fonte: Adaptado de Uman (1987).
Como exemplo, é possível identificar as principais etapas de formação de um
raio negativo observado em São José dos Campos (SP) a partir de medidas de
uma antena de campo elétrico tipo prato, que opera na faixa de 10 Hz a 1,5
MHz (SCHULZ et al., 2005b), de acordo com a Figura 2.11.
Diversos parâmetros das descargas de retorno já foram estimados, tais como
corrente e cargas transferidas para o solo, variação de luminosidade e
velocidade dos elétrons no canal do raio e campos elétrico e magnético. As
características observacionais das descargas de retorno são apresentadas na
Tabela 2.1.
25
Figura 2.11 – Exemplo de campo elétrico medido em São José dos Campos (Brasil) de um raio com três descargas de retorno e corrente contínua. No gráfico, estão indicados a quebra de rigidez preliminar, as descargas de retorno e os picos de corrente, o intervalo entre descargas e a corrente contínua.
Tabela 2.1 – Características típicas de relâmpagos negativos.
Fenômeno físico Grandeza Valor médio / típico Rigidez dielétrica do ar - 1 MV/m
Rigidez dielétrica do ar dentro da nuvem
- 0,4 MV/m
Velocidade 2 x 105 m/s
Diâmetro do canal 1 - 2 cm Duração dos passos 1 µs Líder escalonado Intervalo de tempo entre os passos 20-50 µs Comprimento dos passos 50 m Corrente média 100 - 200 A Duração 20 - 40 ms Velocidade 1,5 x 108 m/s
Duração 70 µs Corrente de pico 20 - 40 kA Primeira descarga de Tempo para atingir o pico de corrente alguns µs retorno Tempo para decair à metade do valor de
pico 50 µs
Comprimento do canal 5 km Carga total transferida ao solo dezenas de C
(continua)
23 ms 19 ms 64 ms
quebra de
rigidez
primeira descarga
de retorno Ip = -32,5 kA
terceira descarga
de retorno Ip = -15,3 kA
Segunda descarga
de retorno Ip = ??
26
Tabela 2.1 – Conclusão.
Corrente média 1 kA Líder contínuo Velocidade de propagação 1 – 2 x 107 m/s Carga total transferida ao solo 1 C Duração 1 – 2 ms Descargas de retorno Corrente de pico 10 – 15 kA Subseqüentes Velocidade de propagação 1 – 2 x 108 m/s Tempo para atingir o pico de corrente 1 µs Duração dezenas de ms Corrente contínua Corrente média 100 – 800 A Diâmetro do canal 1 – 2 cm Comprimento do canal 5 – 10 km Características gerais Número de descargas de retorno 3 – 5 Intervalo de tempo entre as descargas 60 ms Duração total 200 – 300 ms Carga total destruída 20 C
Fonte: Solórzano (2003); Rakov; Uman (2003); Saba et al. (2006a, 2006b), Saraiva et al. (2010), Ferraz (2009).
2.3. Líder bidirecional
O conceito do líder bidirecional com carga total nula foi introduzido por Heinz
Kasemir na década de 50 e só se tornou reconhecido pela comunidade
científica cinqüenta anos depois com os trabalhos de Vladslav Mazur (MAZUR,
2002). A base dessa teoria é que a iniciação do relâmpago ocorre a partir de
um líder bidirecional, bipolar e com carga total nula, dando um enfoque
diferente a algumas etapas do desenvolvimento dos relâmpagos nuvem-solo e
intra-nuvem.
Um condutor imerso em um campo elétrico fica polarizado de acordo com a
direção do campo elétrico (mostrado na Figura 2.12). O campo necessário para
iniciar uma descarga elétrica entre a ponta positiva desse condutor e o ar é de
aproximadamente 5 x 106 V/m, enquanto que para iniciar uma descarga da
ponta oposta, é necessário um campo duas vezes maior, de acordo com
Williams (2006). Essa é a base da iniciação do líder, que sempre inicia a partir
da polaridade positiva, e a polaridade negativa inicia-se após um tempo,
quando o campo elétrico local se torna grande suficiente para que ocorra a
quebra de rigidez. No caso de um raio negativo, a polaridade positiva do líder
27
se desenvolve dentro da nuvem, enquanto que a polaridade negativa se
propaga em direção ao solo (Figura 2.13a). No caso do raio positivo, a
polaridade positiva propaga-se para baixo e a polaridade negativa se propaga
para o interior da nuvem. (Figura 2.13b). Um detalhe importante dessa teoria é
que a propagação contínua do ramo do líder no interior da nuvem se dá de
modo ininterrupto, mesmo durante o período de interrupção entre uma
descarga de retorno e sua descarga subseqüente.
Figura 2.12 – Exemplo de um condutor imerso em um campo elétrico. A terminação positiva é o local onde convergem os elétrons e a parte negativa é a região de divergência de elétrons.
Fonte: Williams (2006).
Figura 2.13 – a) Desenvolvimento de um raio negativo de acordo com a teoria do líder bidirecional. b) Desenvolvimento de um raio positivo. Conforme Saba ET AL. (2008), o desenvolvimento do líder positivo também apresenta ramificações (em vermelho).
Fonte: Adaptado de Mazur (2002).
a) b)
28
Figura 2.14 – Relâmpago iniciado por um avião decolando. A carcaça do avião está polarizada pelo campo elétrico da nuvem. Vê-se claramente os líderes positivo e negativo se propagando em direções diferentes a partir das extremidades do avião.
Fonte: Williams (2006).
Figura 2.15 – Etapas de um líder bidirecional observado em Tucson (AZ) em 25 de julho 2007. Os quadros são provenientes de um vídeo utilizando câmera rápida. a) Descarga de retorno, b), c), d), e), f) e g) Desenvolvimento do líder positivo na nuvem, coletando mais cargas.
a) b) c) d)
e) f) g)
29
Ainda há algumas discussões sobre a aceitação dessa teoria pela comunidade
científica. Contudo, já foram observados líderes bidirecionais iniciados por
aviões (WALDTEUFEL ET AL., 1980), conforme mostrado na Figura 2.14, e
evidências deles em raios naturais através de observações por câmera rápida
(FERRO, 2009). Na Figura 2.15, vê -se uma seqüência de imagens que
mostram um líder negativo que se conectou ao solo e a parte positiva se
propagando para o lado esquerdo, coletando cargas negativas que “alimentam”
a corrente contínua desse raio.
30
31
3 INSTRUMENTAÇÃO
3.1. Detecção de relâmpagos em LF
O interesse em observar a ocorrência de relâmpagos começou durante a
Segunda Guerra Mundial, uma vez que o conhecimento sobre as condições
meteorológicas dava ao exército vantagem tática sobre o inimigo (CUMMINS
ET AL., 1998a). Nessa época, era utilizado um sistema rudimentar de
localização de relâmpagos baseado no detector de direção magnética (CRDF –
Cathoderay Direction Finder). As primeiras estatísticas da distribuição global de
relâmpagos (densidade de relâmpagos por quilômetro quadrado) foram obtidas
a partir do índice ceráunico1 entre as décadas de 1940 e 1950. Por volta da
década de 1970, agências americanas da área de queimadas necessitavam de
informações sobre relâmpagos a fim de tomar medidas preventivas para
amenizar o problema. Esta foi a motivação para a criação, em 1975, nos
Estados Unidos, do primeiro sistema comercial de localização de relâmpagos
que utilizava a tecnologia MDF (Magnetic Direction Finder), sob o nome de
Lightning Location and Protection Inc. (LLP). Em 1987, foi criada outra empresa
nos Estados Unidos, agora utilizando a tecnologia TOA (Time of Arrival) para
detectar relâmpagos, cujos sensores são chamados LPATS (Lightning Position
and Tracking System). As duas empresas operaram separadamente até
meados da década de 1990, quando uma empresa japonesa comprou a LLP e
a tecnologia TOA, criando a Global Atmospherics, Inc (GAI). A GAI
desenvolveu uma técnica mais eficiente que as anteriores juntando as duas
tecnologias, MDF e TOA, em uma, chamada IMPACT (IMProved Accuracy from
Combined Technology). À primeira versão dos sensores que utilizam essa
tecnologia foi dado o mesmo nome da técnica.
1 Índice ceráunico é a contagem de dias de tempestade que ocorrem por ano em um determinado local. O som de qualquer trovão é considerado um dia de tempestade.
32
As tecnologias empregadas nos sistemas mencionados acima se baseiam na
captação, por um sensor ou um conjunto de sensores, dos pulsos
eletromagnéticos emitidos pelos relâmpagos nuvem-solo (raios). Tanto os
sensores que utilizam a tecnologia TOA como a MDF observam a faixa do LF
(30 – 300 kHz). Isso traz vantagens e desvantagens para o sistema. Algumas
das vantagens são localizar o relâmpago com precisão de alguns quilômetros e
conhecer a intensidade/polaridade da descarga de retorno. A curta distância
que deve haver entre cada sensor é a principal desvantagem de se observar na
faixa do LF.
3.1.1. Direção Magnética (MDF – Magnetic Direction Finder)
O primeiro método de detecção de raios é baseado na detecção por direção
magnética. Neste método, dois enrolamentos de fio na forma de bobina são
dispostos de maneira ortogonal entre si e captam a componente magnética da
radiação gerada pelo raio. Essas antenas são diretivas, isto é, a intensidade da
radiação recebida pela antena vai depender da direção entre cada bobina e a
onda. As bobinas ficam apontadas para as direções norte-sul e leste-oeste, e a
razão entre a intensidade recebida em cada bobina determina a direção
aproximada da ocorrência do raio, representada pelo seu azimute (conforme a
Figura 3.1).
A princípio, dois sensores seriam suficientes para detectar um raio através da
intersecção das retas que determinam as suas possíveis posições, entretanto,
existem situações onde o raio pode cair na mesma linha de base das duas
antenas, sendo impossível gerar uma solução para a sua localização. Quando
três ou mais sensores detectam uma descarga, pode ser empregado um
procedimento de otimização, que minimiza erros no cálculo dos ângulos,
denominado triangulação. Esse procedimento está ilustrado na Figura 3.2,
mostrando a região formada pela intersecção de três direções medidas pelos
sensores e a localização ótima obtida após a triangulação. Os três pontos (L12,
33
L13 e L23) mostram as possíveis localizações que seriam calculadas caso
apenas dois sensores informassem a ocorrência da descarga.
Figura 2.1 – Antenas ortogonais. Indicação da direção da descarga.
Figura 3.2 – Algoritmo de localização ótima usado no método MDF.
Fonte: Adaptada de GAI (1999, p. B-3).
3.1.2. Tempo de Chegada (TOA – Time of Arrival)
Existem duas técnicas para determinar a posição de um raio através do tempo
de chegada, a localização por intersecções hiperbólicas e a localização por
intersecções circulares. Um sistema baseado no tempo de chegada necessita
de quatro sensores para localizar um raio sem ambigüidade. Os sensores
chamados LPATS (Lightning Position And Tracking System) utilizam o método
34
TOA e não são mais comercializados. A BrasilDAt, por exemplo, é composta
tanto por sensores LPATS como IMPACT.
a) Localização por intersecções hiperbólicas: calcula a diferença
temporal relativa entre os horários de chegada registrados pelos
vários sensores. Cada par de sensores define uma curva hiperbólica
que descreve o conjunto de possíveis localizações que satisfazem a
diferença temporal medida. Quando três ou mais sensores participam
da solução do relâmpago, é possível determinar a localização através
do ponto de intersecção das curvas. A Figura 3.3a mostra a
localização de um raio a partir de três sensores; a Figura 3.3b mostra
que é possível três sensores gerarem uma ambigüidade na
determinação da posição sob certas condições geométricas. Esse
problema pode ser evitado se pelo menos quatro sensores
detectarem a descarga.
b) Localização por intersecções circulares: o horário de ocorrência do
raio e sua localização podem ser determinados por este método. Um
equipamento de GPS (Global Positioning System) é utilizado para
medir o instante de chegada da componente elétrica da radiação
emitida pelo raio em cada sensor. A localização através das
intersecções circulares leva em conta a diferença de tempo absoluta
de chegada do sinal em cada sensor. Esse tempo absoluto pode ser
obtido medindo-se precisamente o tempo de chegada do sinal em
cada sensor e, através de um método interativo, “voltar no tempo”,
criando-se círculos de modo que , onde r é um incremento
no raio do círculo dado em função de uma variação dt em relação ao
tempo de chegada do sinal ao sensor ( ) e é a velocidade de
propagação do sinal (considerada aqui como equivalente a velocidade
da luz). As soluções através desse método interativo podem se tornar
demoradas, em dadas situações. Para evitar essas situações, usa-se
35
a posição e o tempo obtidos pelas intersecções hiperbólicas.
Conforme ilustrado na Figura 3.4, o ponto de intersecção de vários
círculos dá a posição do raio. Da mesma maneira que para o método
anterior, quatro sensores são necessários para eliminar a
ambigüidade.
Figura 3.3 – a) Método de intersecção hiperbólica para sistemas de localização utilizando três sensores; b) Exemplo de localização ambígua resultante da intersecção hiperbólica a partir de três sensores.
Fonte: Adaptada de Gai (1999).
Figura 3.4 – Método de intersecção circular utilizando quatro sensores.
Fonte: Adaptada de Gai (1999).
36
O método de intersecção circular leva vantagem sobre o método das
hipérboles, pois quanto mais sensores participarem da localização do raio,
maior será o nível de otimização (obtida a partir de algoritmos interativos). Além
disso, é possível generalizar o método para incluir medidas de ângulo de
azimute. Por esse motivo, esse método é utilizado atualmente nos sistemas de
detecção.
3.1.3. Método da Melhoria da Precisão através da Tecnologia Combinada
(IMPACT – IMProved Accuracy from Combined Technology)
Como visto anteriormente, a empresa Global Atmospherics Inc. comprou as
duas tecnologias TOA e MDF e criou uma nova técnica, chamada IMPACT. O
sensor de mesmo nome é composto por uma antena de campo elétrico e duas
bobinas de campo magnético. Sua grande vantagem é a precisão, maior do
que TOA e MDF separados (CUMMINS et al. 1993), e a possibilidade de usar
apenas dois sensores para localizar um raio sem ambigüidade. O MDF fornece
a informação do ângulo de azimute, enquanto que o TOA, a informação da
distância em relação ao sensor (raio do círculo). Esses dados são empregados
simultaneamente em uma generalização do método de intersecções circulares
para se obter uma estimativa ótima da localização da descarga, utilizando-se
assim todos os dados disponíveis.
A Figura 3.5 mostra um exemplo de uma descarga que ocorreu entre dois
sensores na mesma linha de base. Nesse caso, ela foi localizada com precisão
através da intersecção entre a linha definida pelo azimute e os círculos
definidos pelas distâncias aos sensores. A informação do azimute para o
sensor S1 corresponde ao ângulo θ1 e o valor da distância (baseada no horário
de chegada absoluto) é representado por um círculo de raio r1. É importante
notar que, nesse exemplo, existem quatro parâmetros efetivamente medidos,
dois ângulos e dois tempos de chegada, os quais produzem três parâmetros
estimados: latitude, longitude e o horário da descarga. Assim, o método
37
IMPACT possui informação redundante, a qual permite uma estimativa
otimizada da localização, mesmo em uma condição de detecção mínima, isto é,
quando uma descarga é registrada por apenas dois sensores. Avaliações
desse método revelaram que o desempenho da combinação dos métodos MDF
e TOA supera o desempenho de cada método isoladamente, tanto na precisão
de localização quanto na probabilidade de detecção, minimizando, assim, a
probabilidade de se obter uma localização completamente errada (CUMMINS
et al. 1993). A Tabela 3.1 mostra uma comparação simplificada entre os
sensores LPATS (que utilizam apenas a tecnologia TOA) e IMPACT. É possível
verificar que existe uma clara vantagem dos sensores IMPACT por causa de
sua precisão e quantidade de parâmetros fornecidos.
Figura 3.5 – Método de localização IMPACT aplicado a uma descarga cujo ponto de impacto localiza-se sobre a linha-base de dois sensores.
Fonte: Adaptada de Gai (1999).
38
Tabela 3.1 – Principais diferenças entre os sensores LPATS e IMPACT.
LPATS IMPACT Método de Detecção TOA TOA-MDF
Faixa de Operação 1,5 – 430 kHz 1 – 400 kHz
Eficiência de Detecção 85% de 75% a 90%
(dependendo do modelo)
Tipo de Sinal Detectado
Apenas a componente vertical do campo elétrico
Componente vertical do campo elétrico e as duas componentes
ortogonais do campo magnético
Informação Temporal Sim Sim
Informação de Direção (azimute) Não Sim
Parâmetros da Descarga
(determinados no sensor)
Horário (ns) Intensidade do Sinal
Tempo de Subida Largura de Pulso
Horário (ns) Intensidade do Sinal
Tempo de Subida Largura de Pulso
Relação E/B (razão entre os picos do campo elétrico e campo
magnético)
Discriminação de Descargas IN
Apenas classifica as descargas como IN e NS
Classifica as descargas e rejeita ou não as IN
conforme configuração Discriminação
de Ruído Não Sim (através da relação E/B)
Taxa de Contaminação
Individual 34% de <1% a 5%
(dependendo do modelo)
Fonte: Adaptada de Naccarato (2006).
39
3.1.4. Redes de detecção de relâmpagos em LF
Uma rede de detecção de relâmpagos é caracterizada por um conjunto de
sensores dispostos adequadamente em uma determinada região, cujo objetivo
é a localização precisa de raios para um determinado fim (PINTO JR., 2005).
Uma rede necessita de uma central para gerenciar e reduzir os dados das
antenas. Todos os dados medidos pelos sensores (horário do evento,
intensidade do sinal, tempo de subida e largura do pulso da forma de onda) são
validados no próprio sensor. Caso o dado seja válido, ele irá para uma central
de processamento. Lá serão calculadas as soluções de localização das
descargas, a partir dos dados brutos recebidos dos sensores. Como resultado,
a central fornece os seguintes parâmetros das descargas: data, horário,
latitude, longitude, intensidade do sinal e polaridade (valor estimado da
corrente de pico em kA), multiplicidade do raio, número de sensores
participantes de uma solução, número de graus de liberdade disponíveis para a
otimização de uma solução, semi-eixos maior e menor da elipse de segurança
de 50% de probabilidade (dados em km), ângulo de azimute da elipse de
segurança, medida do erro de localização (χ2), tempo de subida e largura de
pulso da forma de onda (dados em µs), máxima taxa de subida do sinal ou
derivada (dada em kA/µs), classificação entre relâmpago NS ou IN e indicação
de qual informação foi utilizada na localização da descarga: ângulo, sinal ou
tempo (VAISALA, 2003).
A central de processamento também permite a configuração de diversos
parâmetros utilizados no reprocessamento dos dados de raios, entre eles: os
critérios de discriminação de relâmpagos IN, critérios de qualidade e seleção
dos dados e os critérios para o cálculo da multiplicidade (tempo total, raio de
abrangência, número máximo de descargas de retorno, raio de agrupamento,
etc).
40
3.1.4.1. Parâmetros obtidos pelo sistema de detecção
A Figura 3.6 mostra um exemplo de campo elétrico de uma descarga de
retorno observada por um sensor de campo elétrico/magnético desenvolvido
pela empresa Vaisala. Os valores de corrente de pico, polaridade, tempo de
subida e largura de pulso são processados diretamente no sensor e enviados à
central de processamento. Todos esses parâmetros influenciam na eficiência
de detecção de cada raio.
3.1.4.1.1. Corrente de pico e polaridade
A onda eletromagnética proveniente de uma descarga de retorno percorre um
caminho pelo solo até o sensor. Nesse trajeto, a onda é atenuada e sua forma
de onda, alterada. Diversos modelos matemáticos foram propostos para inferir
qual a forma de onda real de uma descarga de retorno a diferentes distâncias
do sensor (RAKOV, 1998; THOMSON, 1999; LUPO et al., 2000; POPOV et al.,
2000; RAKOV; UMAN. 2003). Uma importante aplicação desses modelos
consiste em inferir a propagação da frente de onda da corrente pelo canal da
descarga com base nas medidas dos campos eletromagnéticos nos sensores.
A corrente de pico em cada sensor é normalizada a 100 km e a média das
correntes individuais que participaram da solução do relâmpago é calculada.
Para se obter uma relação entre o pico da radiação e o pico da corrente,
assume-se um modelo de linha de transmissão (Transmission Line Model,
TLM), descrito em detalhes em Uman et al. (1975). Isso significa que o valor de
pico do campo elétrico da descarga é diretamente proporcional ao valor de pico
da corrente até 40 kA. Essa aproximação tem um erro intrínseco de 20 – 30%
na determinação da corrente de pico (CUMMINS et al. 1998b).
41
Figura 3.6 – Diagrama esquemático de uma descarga de retorno observada pelo sistema de detecção e de alguns dos parâmetros medidos.
Fonte: Cummins (2008 - Comunicação pessoal).
3.1.4.1.2. Tempo de subida e largura de pulso
Conforme visto na Figura 3.6, o tempo de subida é definido como o tempo que
o sinal leva para atingir o valor de pico, partindo do limiar de detecção dos
sensores (DIENDORFER et al. 1998). A largura de pulso é o tempo decorrido
entre o pico da radiação e o instante em que seu valor atinge o nível 0. A
largura de pulso tem sido utilizada para discriminar os relâmpagos intra-nuvem
dos raios nos sistemas de detecção atuais.
O tempo de subida e a largura de pulso da radiação eletromagnética emitida
por uma descarga de retorno são medidos diretamente pelos sensores e, para
um dado evento, correspondem aos valores registrados pelo sensor mais
próximo da primeira descarga de retorno. O objetivo desse critério é minimizar
os efeitos de propagação sobre a forma de onda da radiação, a qual sofre uma
maior atenuação com a distância, alterando assim seu tempo de subida,
largura de pulso e valor de pico (COORAY, 1987).
42
3.1.4.1.3. Multiplicidade
Além dos parâmetros comentados, também é possível medir a quantidade de
descargas de retorno por raio (multiplicidade) de um raio através de um método
de agrupamento de descargas de retorno. Um critério de agrupamento de
descargas de retorno foi desenvolvido para os sistemas de detecção
(CUMMINS et al., 1998a) e estabelece que as descargas de retorno
pertencerão a um mesmo raio se acontecerem em até um segundo depois da
primeira descarga, tendo como intervalo máximo entre elas 500 ms. As
descargas que atingirem pontos diferentes do solo devem também estar
espaçadas de no máximo 10 km para pertencerem a um mesmo raio.
Na Figura 3.7, vê-se um exemplo de sete descargas de retorno observadas
pelo sistema de detecção. Cada raio tem uma elipse de incerteza associada a
sua posição. A primeira descarga de retorno do raio é identificada pelo número
1, os dois círculos identificam áreas de 10 e 50 km. Não há como saber o
tempo que essas descargas ocorreram, mas considera-se que os tempos estão
dentro dos critérios de agrupamento descritos acima. Assim, as descargas 1, 3
e 4 estão dentro da área de 10 km e pertencem ao mesmo raio. A descarga 5
está dentro da área de agrupamento máxima de 50 km e sua elipse de
incerteza está dentro da área de 10 km, portanto será considerada como parte
do mesmo raio. As descargas 2, 6 e 7 não atendem aos critérios necessários e
serão associadas a outros raios.
O algoritmo ainda tem um limite de agrupamento de 15 descargas de retorno
para um raio, ou seja, esta será a multiplicidade máxima obtida pelo sistema de
detecção (CUMMINS et al., 1998b).
43
Figura 3.7 – Algoritmo de agrupamento de descargas, mostrando que as descargas 1, 3, 4 e 5 serão agrupadas ao relâmpago em processamento, ao contrário das descargas 2, 6 e 7, que serão associadas a outros relâmpagos.
Fonte: Adaptada de Cummins et al. (1998b).
Em geral, os valores de multiplicidade determinados pelos sistemas de
detecção tendem a subestimar os valores reais. Isso por que as descargas de
retorno subseqüentes costumam serem menos intensas do que a primeira
descarga de retorno (RAKOV; UMAN, 2003) e, portanto, tendem a ser perdidas
mais freqüentemente pelo sistema para uma mesma distância.
3.1.4.1.4. Precisão do sistema
Existem três parâmetros que determinam a precisão de um sistema de
detecção, são eles: eficiência de detecção (ED), precisão de localização e
limitações do sistema.
a) Eficiência de detecção (ED): é caracterizada pela capacidade da rede
em detectar raios (pelo menos uma descarga de retorno caracteriza
um raio) e descargas de retorno individuais. Nem todas as descargas
de retorno são identificadas, o que mostra que a eficiência do sistema
não é de 100%. Dentro de cada sensor há uma pré-análise da forma
44
de onda recebida, se ela não se encaixar no padrão estabelecido é
descartada. Se as descargas observadas por vários sensores não
puderem ser correlacionadas pelo sistema, produzirão soluções
erradas (NACCARATO, 2001).
Os principais fatores que afetam a ED são (CUMMINS et al., 1995, 1998a,
1998b): a eficiência de detecção individual de cada sensor (probabilidade de
uma descarga ser detectada ou não); o número médio de sensores
participantes da solução (que está relacionada a atrasos e problemas nos
sensores); as linhas de base da rede (relacionada à distância entre dois
sensores); e a distribuição das correntes de pico das descargas, em que a
eficiência individual de cada sensor está relacionada com as características
morfológicas da tempestade e sua posição geográfica em relação à rede.
As eficiências de detecção, em determinados pontos das redes, são calculadas
de maneira precisa utilizando dados de câmeras e campo elétrico, que estimam
a quase totalidade do total de descargas de retorno de cada raio (BALLAROTTI
et al., 2006, BIAGI et al., 2007). Neste trabalho, as eficiências de detecção para
a rede americana NLDN, na região de Tucson, AZ, EUA, e para a rede
BrasilDAt, na região de São José dos Campos, SP, Brasil, foram calculadas e
serão mostradas no Capítulo 4. Esses valores variam de região para região,
dependendo do tipo de sensor utilizado, da geografia do lugar e da disposição
dos sensores entre si.
b) Precisão de localização: é afetada basicamente por três fatores:
desvio padrão das medidas angulares e temporais na detecção
individual dos sensores; número de sensores que contribuem para as
soluções; e localização do sensor em relação à localização da
descarga e à distribuição espacial dos sensores.
A precisão de localização é definida a partir de uma região de segurança que
possui a probabilidade específica de conter todas as descargas, podendo ser
45
representada por uma distribuição Gaussiana de probabilidades. A região
definida é uma elipse dentro da qual existe a probabilidade p de se encontrar a
verdadeira solução da localização da descarga. O valor de p adotado
comumente é de 50%, de forma que a elipse define uma precisão média de
localização. Esta distribuição de probabilidades pode ser vista na Figura 3.8.
Figura 3.8 – Distribuição Gaussiana 3D dos erros de localização.
Fonte: Naccarato (2006).
c) Limitações do sistema: Qualquer incerteza que exista em um
parâmetro medido pelo sensor constitui uma limitação do sistema.
Foram mencionados acima erros atribuídos ao limiar de detecção
quando o sensor mede o tempo de subida, isso nada mais é do que
um nível de ruído que tende a ser menor para os sensores IMPACT
do que para os sensores LPATS. Descargas intra-nuvem também
emitem radiação em LF e possuem um campo elétrico similar ao
campo de uma descarga de retorno quando bem atenuado. O nível de
eficiência da distinção entre um relâmpago nuvem-solo e um intra-
46
nuvem é outra limitação do sistema e, novamente, os sensores
IMPACT levam vantagem sobre os LPATS (NACCARATO et al.,
2004).
Certas limitações importantes alteram significativamente as características dos
raios e devem ser observadas com cuidado ao se analisar os dados de uma
rede. Dois exemplos são: a multiplicidade do raio, que nunca será acima de 15
(seção 2.4.1.3) quando observada pelo sistema, e descargas com corrente
menor que 10 kA, as quais são descartadas devido à contaminação por
descargas intra-nuvem.
3.1.4.1.5. Rede Brasileira de Detecção de Descargas Atmosféricas
A Rede Brasileira de Detecção de Descargas Atmosféricas (BrasilDAt) conta
hoje com 47 sensores espalhados pelas regiões Sul, Sudeste, Centro-Oeste e
partes das regiões Norte e Nordeste. Essa rede começou em 1988 com a
compra de alguns sensores LPATS pela CEMIG (Companhia Energética de
Minas Gerais). Em 2003, convênios entre o INPE, a CEMIG, Furnas e o
Instituto tecnológico SIMEPAR criaram a primeira rede integrada de detecção
de descargas atmosféricas, a RINDAT. Essa rede contava com 25 sensores,
sendo 8 IMPACT e 17 LPATS (NACCARATO, 2006). Com a criação da
BrasilDAt, alguns anos mais tarde, o número de sensores aumentou para 47 e
outros membros tornaram-se participantes da rede. O projeto futuro é de 106
sensores cobrindo todo o território nacional, igualando a BrasilDAt às maiores
redes de detecção do mundo, como a NLDN. A disposição atual dos sensores
da BrasilDAt é mostrada na Figura 3.9, porém, alguns sensores estão em
manutenção periodicamente e a rede não costuma operar com a capacidade
máxima.
47
Figura 3.9 – Localização dos 47 sensores da BrasilDAt. Os sensores em forma de cruz são LPATS, aqueles marcados com esfera são IMPACTS e os losângulos ainda não tinham sido instalados na época da confecção desta figura.
Fonte: Naccarato; Pinto Jr. (2009).
3.1.4.1.6. Rede Norte-Americana NLDN ( National Lightning Detection
Network)
Segundo Cummins e Murphy (2009), a rede americana de detecção de
descargas atmosféricas começou na década de 70, com a instalação de
sensores que utilizavam a tecnologia MDF em toda a costa leste dos Estados
Unidos. Em 1983, a empresa EPRI (Electric Power Research Institute) proveu
suporte à antiga rede, aumentando, em 1989, a sua cobertura para os 48
estados americanos. O objetivo desse incremento era obter uma base de
dados de raios de 11 anos coincidente com um ciclo solar. Assim, estava
estabelecida a rede NLDN, contando com mais de 100 sensores que cobriam
48
todo o território americano. Devido aos altos custos operacionais, a rede
tornou-se comercial em 1993 e seus dados utilizados para gerar alertas de
raios, tanto para fins governamentais como comerciais.
Em 1995, sofreu sua primeira atualização, quando uma parte dos sensores
antigos foi substituída por sensores IMPACT e sua eficiência de detecção de
raios aumentou para 80 – 90%. Entre 2002 e 2003, todos os sensores da rede
foram substituídos por IMPACTs. A Figura 3.10 apresenta a distribuição dos
sensores da NLDN anterior à atualização de 2002-2003.
Figura 3.10 – Distribuição dos sensores da rede NLDN em vermelho. Os círculos representam sensores do tipo IMPACT e os triângulos representam sensores mais antigos, LPATS.
Fonte: Adaptado de Orville et al. (2002).
49
3.2. Observações com Câmeras de Alta Velocidade
Observações de raios por câmeras fotográficas começaram ainda no final do
século XIX, mas esse método só se tornou melhor explorado depois da criação
da técnica de filme corrido (ou câmera de Boys). É possível estudar mais
precisamente algumas características do relâmpago através de fotografia ou
vídeo do que com outros métodos, como, por exemplo, sistemas de detecção.
Entretanto, esse meio de observação se restringe ao ângulo de visada da
câmera e a relâmpagos que ocorram até 100 km de distância da câmera.
O uso de câmeras de alta velocidade começou recentemente, sendo alguns
dos primeiros estudos com este tipo de equipamento realizados por Mazur et
al. (1998), Saba et al. (2006a), Ballarotti (2005), Campos et al. (2007), entre
outros. Através da análise dos vídeos das câmeras rápidas, é possível
determinar as seguintes características dos raios: multiplicidade, duração do
raio, duração da corrente contínua, intervalo entre descargas de retorno, raios
com mais de um ponto de contato, morfologia da corrente contínua, estimativa
da velocidade do líder, diferenciação entre os diversos tipos de relâmpagos,
entre outras.
Os chamados “estudos precisos de contagem de descargas” (RAKOV; UMAN,
2003) é um compilado de estudos realizados com o auxílio de vários
equipamentos (entre eles, câmeras normal e rápida, campo elétrico, etc) com a
finalidade de analisar precisamente as características dos raios. Esses estudos
foram realizados nos EUA (KITAGAWA et al., 1962, RAKOV et al., 1994),
Suécia (COORAY; PEREZ, 1994), Sri Lanka (COORAY, 1994) e Brasil (SABA
et al., 2006a) e os parâmetros encontrados estão mostrados na Tabela 3.2.
Apesar dos resultados apresentarem diferenças entre si, deve-se ter precaução
ao analisá-los, pois, segundo Rakov e Uman (2003), o conhecimento sobre os
parâmetros dos relâmpagos é sempre limitado pela técnica que é utilizada e o
50
próprio uso de câmeras de vídeo limita a observação pela sua resolução
temporal e espacial e pela condição climática, inserindo erros nas observações.
Tabela 3.2 – Algumas características de raios negativos medidas nos “estudos precisos de contagem de descargas”.
Estudo Número total de raios
Multiplicidade máxima
% de raios simples (%)
Multiplicidade média
Kitagawa et al. (1962) 193 26 14 6,4 Rakov et al. (1994) 76 18 17 4,6
Cooray (1994) 137 10 18 3,4 Cooray e Perez (1994) 81 12 21 4,5
Saba et al. (2006a) 233 16 20 3,8
Fonte: Adaptada de Saba et al. (2006a).
A maior vantagem de se utilizar câmeras de alta velocidade é a resolução
temporal. Biagi et al. (2007) discutiram que câmeras convencionais podem
perder cerca de 21% das descargas de retorno se a observação não for
auxiliada por equipamentos extras (medidores de campo elétrico, por exemplo).
Isso por que em uma câmera convencional o intervalo de tempo entre um
quadro e outro é de 33 ms. Uma câmera rápida possui resolução temporal de
microssegundos. A observação, por exemplo, de eventos como descargas K
(também chamados de líderes de recuo) só pôde ser feita recentemente com
câmeras de resolução de 4000 a 8000 quadros por segundo (SABA et al.,
2008). A Figura 3.11 mostra as etapas de um raio positivo e os líderes de recuo
(Figura 3.11b e c) que foram filmados com uma câmera de alta velocidade a
8000 quadros por segundo.
Alguns exemplos de estudos realizados a partir de câmeras rápidas serão
apresentados a seguir. Saba et al. (2006a) utilizaram os parâmetros
multiplicidade e duração dos raios para determinar uma correlação linear entre
a duração mínima dos raios para cada valor de multiplicidade (Figura 3.12).
Essa correlação sugere que processos no canal do raio e dentro da nuvem não
permitem que raios múltiplos ocorram abaixo de um determinado intervalo de
tempo. Em Ballarotti (2005), foi a determinação precisa da duração da corrente
51
contínua que proporcionou a determinação de uma nova classe de corrente
contínua, denominada de “muito curta” que exibe duração de 4 a 10 ms.
Figura 3.11 – a) Fotografia com câmera convencional do raio inteiro. b) Um quadro de 135 µs de uma etapa do raio; as setas mostram três líderes de recuo. c) Imagem integrada com todos os quadros da câmera rápida utilizada para filmar este raio. Nota-se uma grande quantidade de líderes de recuo.
Fonte: Saba et al. (2008).
Figura 3.12 – Relação entre duração mínima de raios e número de descargas de retorno subseqüentes. A equação no gráfico é o ajuste linear, e o R é o coeficiente de regressão linear. Os números em cima dos pontos são a quantidade de raios observados com multiplicidade indicada no eixo das abscissas.
Fonte: Saba et al. (2006a).
a)
b)
c)
52
Em Saba et al. (2006b), foram utilizadas as durações da corrente contínua das
descargas de retorno em conjunto com dados de pico de corrente dado pelo
sistema de detecção para fazer o gráfico da Figura 3.13. Esse gráfico mostra
que raios com corrente contínua “curta” podem apresentar picos de corrente de
qualquer amplitude, enquanto que raios com corrente contínua “longa”
apresentam picos de corrente de, no máximo, 20 kA.
Figura 3.13 – Corrente de pico (Ip) versus duração da corrente contínua (CC) para 248 descargas de retorno negativas e 9 descargas de retorno positivas.
Fonte: Saba et al. (2006b).
Campos et al. (2007) estudaram a variação temporal da luminosidade de 63
raios negativos, que apresentaram corrente contínua, e determinaram a sua
“forma de onda” (waveshape). Fisher et al. (1993) foram os primeiros que
observaram a evolução temporal da luminosidade do canal do relâmpago em
decorrência da corrente contínua que apresentava formas variadas e
separaram-nas em quatro categorias, sendo que Campos et al. (2007)
adicionaram mais duas categorias. A Figura 3.14 mostra os tipos de formas de
onda observadas até o momento.
Conforme a tecnologia empregada nas câmeras de alta velocidade avança,
cada vez mais fenômenos de curtíssima duração relacionados aos raios
53
começam a ser observados. Em Saba et al. (2008), líderes de recuo foram
observados através de uma câmera de alta resolução temporal e espacial,
durante o desenvolvimento do líder de raios positivos (Figura 3.11). Biagi et al.
(2009) observaram o processo de attachment das ramificações dos líderes em
raios negativos com uma câmera de resolução espacial de 20 microssegundos
(Figura 3.15). Trabalhos recentes (WARNER; ORVILLE, 2009) aplicaram
técnicas de espectroscopia aos vídeos de câmeras de alta velocidade para
estudar o desenvolvimento dos líderes escalonados e descargas de retorno.
Figura 3.14 – Exemplos das formas de onda da corrente contínua dos tipos: a) Tipo I, b) Tipo II, c) Tipo III, d) Tipo IV, e) Tipo V e f) Tipo VI. As setas indicam as formas das características principais de cada tipo.
Fonte: Adaptada de Campos et al. (2007).
54
Figura 3.15 – Exemplos de processos de attachment entre o líder contínuo e o líder conectante para 8 descargas de retorno. A resolução temporal dos vídeos é de 20 microssegundos.
Fonte: Adaptada de Biagi et al. (2009).
Para a realização desta tese, foram utilizadas duas câmeras de alta velocidade.
A primeira foi uma MotionScope PCI, da marca Redlake (Figura 3.16a). O
Sistema de Imageamento Digital de Alta Velocidade (High Speed Digital
Imaging System), de acordo com o fabricante, é composto por uma CCD
(Charge Couple Device) que faz vídeos a uma taxa de 60 a 8000 quadros por
segundo, com sincronização de tempo via GPS (Global Positioning System). A
resolução espacial total do sensor é de 656 x 496 pixels, contudo, essa
resolução diminui proporcionalmente com o aumento da resolução temporal da
câmera. A maioria dos estudos feitos com essa câmera utiliza a resolução
temporal de 1000 quadros por segundo e, com isso, a resolução espacial fica
em 240 x 210 pixels. O tempo de exposição de cada quadro é de um
milissegundo. Outro ponto importante a se destacar é o uso do GPS. Esta é
uma das poucas técnicas de filmagem que proporciona a utilização de um GPS
para marcar o tempo preciso de início do vídeo. O tempo total de gravação de
um vídeo freqüentemente é de dois segundos. A gravação de vídeo pela
câmera é feita de maneira contínua e há um gatilho manual que, quando
pressionado, salva um segundo anterior ao disparo e um segundo posterior.
55
A segunda câmera é uma Fastcam 512 PCI, da marca Photron (Figura 3.16b).
A principal diferença entre esta e a primeira é a resolução espacial e temporal.
Acima de 4000 quadros por segundo, a resolução espacial fica em 512 x 256
pixels (e 512 x 128 pixels para 8000 quadros por segundo). A qualidade da
imagem também é superior, possibilitando uma nitidez maior de processos
menos luminosos, como a extremidade do líder escalonado que se propaga
pela atmosfera.
Figura 3.16 – a) Redlake MotionScope PCI e b) Photron Fastcam 512 PCI.
Figura 3.17 – Imagens distintas de líderes escalonados: a) com o filtro e b) sem o filtro infravermelho.
a) b)
56
Na faixa do visível, o relâmpago emite uma quantidade considerável de
radiação no infravermelho. Para as aplicações usuais, uma câmera de alta
velocidade é otimizada para observar uma faixa específica de comprimentos de
onda que vão desde 400 até 600 µm. Foram realizados, no Laboratório
Associado de Sensores do Centro de Tecnologias Espaciais do INPE, testes de
recepção de radiação de uma das câmeras rápidas (BALLAROTTI, 2005).
Após os testes, foi trocado o filtro de infravermelho, que a câmera da Redlake
possuía, por um vidro. O resultado pode ser visto na Figura 3.17, sendo a
primeira imagem com o filtro de infravermelho e a segunda sem o filtro. A
Figura 3.17 mostra um maior contraste, possibilitando um estudo mais
detalhado de algumas características do relâmpago.
Um teste comparativo entre as duas câmeras está mostrado na Figura 3.18.
Nesta figura são mostradas duas etapas distintas de um mesmo raio filmado
pelas duas câmeras simultaneamente em Tucson, AZ, em 16/08/07. As
imagens a) e b) são de um momento de grande intensidade de brilho, que
satura as duas câmeras na mesma proporção. As imagens c) e d) são do
momento de brilho mais fraco do canal do raio, novamente, as câmeras foram
capazes de observar este brilho fraco igualmente. Este exemplo é importante
para mostrar a grande similaridade entre as câmeras, o que garante que
variações nas características dos raios observadas independem de qual tipo de
câmera está sendo utilizada.
57
Figura 3.18 – Exemplos de etapas de uma descarga de retorno observadas
pelas duas câmeras de alta velocidade utilizadas neste trabalho,
durante a campanha de Tucson, AZ. As imagens a) e b) são a
mesma etapa do desenvolvimento do canal do raio observado
por cada câmera. c) e d) idem. As imagens diferem entre uma
câmera e outra por causa do ângulo em que estava cada uma
na hora da filmagem.
3.3. Radar Meteorológico
Radar, sigla em inglês para Radio Detection and Ranging (Detecção de Alvos e
Medida de Distância por Rádio), é um sistema que utiliza a radiação
eletromagnética para emitir um sinal e receber de volta parte da energia
espalhada pelos alvos. No caso do radar meteorológico, estes são constituídos
pelas gotas de chuva, cristais de gelo, granizo, etc. O tempo de retorno destes
a) 3:13:33.444000 b) 3:13:33.444000
c) 3:13:33.447000 d) 3:13:33.447000
58
ecos permite o conhecimento de propriedades do objeto estudado, como sua
distância, forma e natureza.
Segundo Rinehart (1997), os primeiros radares surgiram no final da década de
1930, com os experimentos de Sir Robert Watson-Watt. O objetivo inicial dessa
invenção era o de estudar o desenvolvimento das tempestades, porém ele
acabou tendo uma finalidade maior durante a segunda Guerra Mundial com o
propósito de detectar aeronaves. Esse radar era do tipo bi-estático, com um
transmissor e um receptor separados por algumas centenas de metros, em que
o receptor detectava o sinal refletido por uma aeronave quando esta passava
pela área entre o receptor e o transmissor. Logo após a guerra, o objetivo
inicial do radar foi retomado, sendo utilizado para fins meteorológicos e, em
1948, a primeira relação quantitativa entre radar e a intensidade de
precipitação na superfície foi estabelecida.
Com o passar dos anos, várias aplicações foram dadas para esse tipo de
dispositivo, entre elas: detecção de aeronaves e controle do tráfego aéreo;
detecção de ameaças e alvos inimigos; detectores de velocidade, utilizados no
apoio ao policiamento rodoviário; radares de bordo, para uso na detecção de
tempestades, furacões; e radares de solo, para uso na detecção de fenômenos
atmosféricos, hidrológicos e para fins de pesquisa.
O radar meteorológico proporcionou um grande avanço para a Meteorologia,
tendo se tornado importante não só para a previsão do tempo de curto prazo,
como também para o estudo da estrutura interna e da dinâmica das
tempestades. Os produtos gerados a partir dos dados de radares Doppler
encontram aplicações em diversas áreas que dependem de informações
meteorológicas, entre elas, a agricultura, a hidrologia, a meteorologia
aeronáutica e a previsão numérica de tempo.
59
Um radar Doppler é aquele que, além de medir a potência média que retorna
dos alvos para a estimativa da refletividade equivalente, permite também que
sejam obtidas medidas da velocidade radial média dos alvos. Basicamente um
radar Doppler infere a localização (distância entre o radar e os alvos e posição
angular de elevação e azimute dos alvos em relação ao radar), mede a
refletividade equivalente, a velocidade (Doppler) radial (média) e a largura
espectral (da velocidade) (LIBRELATO, 1997; RINEHART, 1999).
3.3.1. Hardware
O funcionamento de um Radar consiste basicamente na emissão de radiação
eletromagnética por uma fonte e na detecção da mesma radiação retro-
espalhada pelos alvos atingidos. A potência da radiação retro-espalhada
medida define a grandeza refletividade (Z) que depende diretamente das
características físicas dos alvos (Equação 2.8). A energia transmitida pelo radar
viaja na velocidade da luz, portanto, o tempo entre a transmissão e a recepção
é muito pequeno (~2 ms para 300 km) e este ciclo de transmissão/recepção é
repetido entre centenas a milhares de vezes por segundo. A antena do radar
meteorológico gira em azimute e elevação para determinar a estrutura
tridimensional dos alvos, sendo que o sinal de retorno detectado e amplificado
é exibido na forma de mapas e código de cores para facilitar a sua
interpretação.
Existem vários tipos de radar, eles podem ser: mono-estático, quando
composto de uma antena; bi-estático, quando possui duas ou mais antenas; de
ondas contínuas (CW), quando transmite e recebe os sinais de energia
eletromagnética em pulsos contínuos; de ondas pulsadas (PW), quando
transmite e recebe os sinais de energia eletromagnética em pulsos curtos;
Doppler, quando detecta a velocidade radial dos alvos; perfilador de vento, que
possui baixa freqüência e detecta ventos que vão da superfície até a baixa
estratosfera.
60
Um radar possui basicamente quatro componentes: o transmissor, o receptor, a
antena e um sistema de visualização para mostrar os alvos detectados (Figura
3.19). O radar emite um pulso de energia e recebe o sinal de retorno em um
determinado intervalo de tempo e, logo após, emite novamente um novo pulso
de energia. O tempo de transmissão e recepção é pequeno, da ordem de
microssegundos (µs), determinando a sua distância máxima de alcance (Pulse
Repetition Frequency – PRF). Os módulos básicos do sistema do radar serão
apresentados a seguir:
a) Transmissor: é o subsistema responsável pela geração e envio do
sinal eletromagnético pulsado de alta freqüência para a antena. Ele
requer uma potência elevada que é obtida através da utilização de
uma válvula do tipo Magnetrom, Klystron ou de estado sólido usado
em aeronaves.
b) Modulador: tem a função de azimute a energia gerada pelo
transmissor e controlar a duração e freqüência do pulso.
c) Controlador: faz a interface entre o radar e o usuário, processando,
armazenando e gerando produtos para visualização dos dados
recebidos.
d) Guia de onda: é um condutor de ondas eletromagnéticas de baixa
perda que conecta o transmissor e o receptor à antena. A antena é
diretiva, ou seja, o sinal irradiado é apontado a um alvo ou região
específica na atmosfera. Assim, a energia é concentrada em uma
determinada direção.
e) Duplex ou comutador: protege o receptor de uma sobrecarga de
energia do transmissor, controlando assim o fluxo de emissão e
recepção dos sinais. Devido a uma grande diferença em potência
entre os sinais emitidos e recebidos, o receptor pode ser facilmente
61
danificado pela potência de saída do transmissor. Para prevenir esta
possibilidade, os radares são providos de um chaveamento
automático chamado de duplex que está disposto entre o transmissor
e o receptor.
Figura 3.19 – Diagrama de blocos de um radar simples.
Fonte: Bomfin Júnior (2003).
O radar do tipo Doppler (Figura 3.20) possui basicamente as mesmas
características de um radar convencional, sendo que neste são utilizados dois
receptores. Um deles para adquirir os dados de refletividade, que é mais
sensível a um espectro de potência mais intenso, e outro para detectar a
velocidade radial Doppler, que é mais sensível a sinais mais fracos.
Devido à capacidade de detectar pequenos deslocamentos de fase de um
pulso para outro, o radar Doppler possui um oscilador local estável (STALO)
que é capaz de manter a freqüência de transmissão e a relação de fase
constantes de um pulso para o próximo. O sinal do STALO é misturado com a
freqüência do transmissor através do locking mixer (misturador travado) e
enviado ao oscilador coerente (COHO), que amplifica o sinal enquanto mantém
a relação de fase com o sinal inicialmente transmitido.
62
Figura 3.20 – Diagrama esquemático de um radar Doppler.
Fonte: Bomfin Júnior (2003).
O amplificador de freqüência intermediária (IF amp) tem a função de amplificar
o sinal do STALO e o detector de fase compara a fase do sinal recebido com a
fase da amostra do transmissor para determinar o deslocamento entre os
sinais.
63
3.3.2. Refletividade do Radar
O principal objetivo do radar meteorológico é a observação de hidrometeoros
que compõem as nuvens (água, gelo, granizo, etc). Para tanto, uma unidade é
derivada da equação do radar, diretamente proporcional ao diâmetro das
partículas observadas, chamada de fator de refletividade z do radar. Segundo
Rinehart (1997), esse parâmetro pode ser escrito das seguintes formas:
onde, D é o diâmetro da partícula alvo, Ni e Di são a densidade e o diâmetro de
cada partícula, respectivamente.
O parâmetro, a que foi dado originalmente o nome de refletividade, é o η, que é
proporcional à somatória das seções transversais espalhadas por todos os
alvos atingidos:
e se relaciona com z da seguinte forma:
sendo σ a seção transversal das partículas espalhadoras, λ o comprimento de
onda do radar, D o diâmetro das partículas espalhadoras e z, o fator de
refletividade. O parâmetro K está relacionado a um índice de refração de uma
esfera, dependente do material e da temperatura e que indica o quão bom um
material é para espalhar a radiação. Para a água, |K|2 ~ 0,93 e para o gelo, |K|2
~ 0,197.
64
A derivação da equação do radar assume geralmente que as partículas que
espalham a radiação de volta para o radar são espalhadores Rayleigh, em que
D<<λ. Se D> λ, D< λ, ou D ~ λ, o espalhamento é considerado Mie e a equação
do radar não é mais válida e a refletividade obtida não será correta. Alguns
radares, com comprimentos de onda diferentes são mais suscetíveis a
espalhadores Mie do que outros. Para a água, a relação D/ λ deve ser menor
que 1/20 e para o gelo, 1/10.
A utilização da refletividade η tem a grande desvantagem de depender do
comprimento de onda do radar; já o fator de refletividade z não possui tal
restrição. Das Equações 2.1 e 2.3, fica claro que o fator z só depende do
número e tamanho dos hidrometeoros dentro das nuvens. Foi por esse motivo,
que o fator de refletividade z se tornou amplamente utilizado e ficou sendo
conhecido simplesmente por “refletividade”. A partir daqui, o fator de
refletividade z será tratado apenas por refletividade z.
A equação do radar pode ser escrita em função da refletividade z como:
onde, c1 é uma constante que leva em conta os parâmetros físicos para um
determinado radar (potência transmitida, ganho, largura do feixe da antena,
comprimento do pulso e comprimento de onda); c2 leva em consideração
apenas a observação de água, sendo necessário mudar esse parâmetro
quando se conhece qual o tipo de partícula que se está observando. A
Equação (2.5) diz que a potência recebida por um dado radar é proporcional ao
fator de refletividade do radar da tempestade e inversamente proporcional ao
quadrado da distância.
65
Rearranjando a Equação 2.5 em termos de z, tem-se que:
onde c3 é a chamada “constante do radar” e tem a dimensão de mm6/m3*mW-
1km-2. A unidade da refletividade (z), que caracteriza a grandeza do alvo, é
dada pela quantidade e tamanho das partículas por metro cúbico (mm6/m3). Em
uma tempestade, normalmente com presença de precipitação em forma de
granizo, as refletividades variam de 102 a 106 mm6/m3 (limiar de tempestade
severa). Geralmente, utiliza-se uma simplificação de z, convertendo-a para
decibéis (Z):
Portanto, uma tempestade que tenha z = 105 mm6/m3, substituindo na Equação
(2.7), obtém-se uma refletividade de Z = 50 dBZ. Em termos observacionais, a
fórmula de Z também pode ser expressa por parâmetros medidos diretamente
pelos radares:
onde Z é medido em dBZ, a potência recebida Pr é medida em dBm, r está em
quilômetros e a constante C3 = 10*log10(c3). A constante C3 varia conforme as
características físicas do radar; para os radares WSR-88D, da rede americana
NEXRAD, essa constante é 58.4. Maiores detalhes sobre o equacionamento
apresentado aqui, bem como uma revisão sobre propagação de ondas
eletromagnéticas podem ser encontrados em Rinehart (1997).
Como uma das finalidades primárias do radar é detectar com precisão a
ocorrência e severidade de tempestades, valores de refletividade menores do
que +20 dBZ (100 mm6/m3) são, geralmente, desconsiderados. Como o limiar
66
de detecção dos radares é perto de -17 dBZ, a detecção das chuvas se dá com
grande precisão a longas distâncias. Os valores para chuva podem variar entre
20 e 50 dBZ, e níveis a partir de 55 dBZ possuem grande probabilidade de
estarem associados à presença de granizo.
O radar meteorológico pode inferir a taxa de precipitação indiretamente. A
quantidade de energia retornada pela chuva, representada pelo fator de
refletividade de radar z, depende da distribuição das gotas dentro do volume
observado pelo radar. Essa mesma distribuição de gotas também determina a
intensidade (ou taxa) de precipitação R (mm/h). Os fatores z e R podem então
ser relacionados entre si segundo a relação z/R (ou relação de Marshall-
Palmer) (MARSHALL; PALMER, 1948):
onde A e b são constantes e dependentes da distribuição do tamanho das
gotas da chuva. Segundo Marshall e Palmer (1948), as constantes A e b
assumem os valores 200 e 1,6, respectivamente. Outros trabalhos da literatura
calculam valores diferentes para essas constantes (JONES, 1956;
CALHEIROS; ZAWADZKI, 1987).
3.3.3. Produtos
Os produtos obtidos a partir dos dados dos radares Doppler têm por finalidade
auxiliar as previsões de curto prazo com informações que vão desde a
estimativa de precipitação, alertas de severidade de tempestades, até o início
da atividade elétrica (VAN HORNE et al., 2006).
Os produtos são gerados a partir das varreduras do radar, as quais podem ser
de três tipos:
67
a) Azimutal: O feixe do radar é apontado para um ângulo de elevação
constante. Em seguida, o radar é colocado em modo de rotação
azimutal, em geral com velocidade constante e no sentido horário. O
espaço varrido pelo feixe é formado por uma "casca" cônica centrada
no radar, com espessura determinada pela abertura do feixe principal.
A essa varredura é dada o nome de PPI (Plane Position Indicator).
b) Em elevação: O feixe do radar é apontado para um ângulo de azimute
fixo e a varredura se dá na vertical, com velocidade constante, entre
dois ângulos definidos dentro dos limites especificados para o radar.
O espaço varrido pelo feixe é formado por um plano vertical sobre a
linha do azimute escolhido, centrado no radar e passando pelo eixo z,
com espessura determinada pela abertura do feixe principal. Esse tipo
de varredura é chamado de RHI (Range Height Indicator).
c) Volumétrica: A varredura volumétrica é o conjunto de PPIs para
diversos ângulos de elevação, que variam de radar para radar e
conforme os objetivos das varreduras. Após n PPIs, o espaço varrido
pelo feixe do radar é formado por um conjunto de n "cascas" cônicas
sobrepostas, cada uma com espessura determinada pela abertura do
feixe principal.
Diversos produtos podem ser extraídos das varreduras dos radares, como
descrito em detalhes em SAISP (2010), Costa (2007), Bombin Júnior (2003).
Neste trabalho, foram utilizados dois produtos principais: CAPPI (Constant
Altitude Plan Position Indicator) e echotop.
a) CAPPI: Constant Altitude Plan Position Indicator, que representa, no
plano horizontal de refletividade (dBZ) observada, a altura constante
para uma determinada altitude. Observando o diagrama da Figura 3.21,
cada PPI tem uma fração dos dados a uma altura X, a certa distância do
radar. O conjunto dos PPIs, em diferentes ângulos, a uma determinada
68
altura fixa, forma anéis de dados, que interpolados formam os CAPPIs.
A resolução espacial dos CAPPIs vai depender, basicamente, da
distância entre um anel e outro, que, por sua vez, depende do número
de varreduras utilizadas. Para distâncias curtas (até aproximadamente
60 km do centro do radar), os anéis estão mais próximos e a resolução
espacial pode chegar a 1 km. Distâncias maiores, até ~150 km
necessitam uma interpolação em 2 x 2 km, e assim por diante.
Figura 3.21 – PPIs a partir dos quais se pode estimar a distância e a altura de um eco em relação ao radar.
b) Echotop: O echotop é um índice que indica qual a altura estimada da
nuvem, através da busca pela altura do último eco em 18 dBZ (no
caso do radar meteorológico de São Paulo e do presente estudo)
(SAISP, 2010). Cada ponto de resolução dos PPIs possui um perfil
vertical dado por todos os PPIs que compõem a varredura
volumétrica. Assim, é extraído o perfil vertical de cada ponto e a altura
69
do último eco de 18 dBZ é procurada. Um exemplo de echotop é
mostrado na Figura 3.22.
Figura 3.22 – Exemplo de echotop para a região da Cidade Universitária, São Paulo (SP), com escala de altura em km.
Fonte: Saisp (2010).
3.3.4. Radares Utilizados
Este estudo foi composto por dois sítios de observação, um em São José dos
Campos, SP, Brasil e outro em Tucson, AZ, EUA. Ambos os sítios possuem
cobertura de radar. No Brasil, os dados utilizados são do Radar Meteorológico
de São Paulo, pertencente ao Departamento de Águas e Energia Elétrica -
DAEE, autarquia da Secretaria de Recursos Hídricos, Saneamento e Obras do
Estado de São Paulo. Sua localização é na Barragem de Ponte Nova, a pouco
menos de 100 km do sítio de observação. Os dados do radar norte-americano
(WSR-88D) fazem parte da rede de radares NEXRAD (NEXt-generation
RADar), que conta com mais de 100 antenas cobrindo todo o território
americano, gerenciadas pelo National Climatic Data Center (NCDC). Os dados
desses radares são públicos e podem ser transferidos da internet em dois
formatos, Level II e Level III. Os arquivos Level III são dados já na forma de
produtos. O Level II é o dado mais próximo do dado bruto, em que nenhum
70
produto é previamente calculado e é necessário processá-lo em outros
programas.
Os dados de ambos os radares foram adquiridos em forma de varreduras
volumétricas e os produtos utilizados neste trabalho foram extraídos através de
programas desenvolvidos em IDL®. As principais características desses
radares estão descritas na Tabela 3.3.
Tabela 3.3 – Descrição das características principais dos tipos de radares utilizados neste trabalho.
Radar meteorológico
de São Paulo WSR88D
Antena Diâmetro 3,66 m 8,53 m Ganho 38 dB 45 dB
Largura do feixe 1 º 2,1 º Polarização Vertical Horizontal
Taxa de rotação máxima 18 º /s 36 º/s Transmissor
Banda S S Freqüência 2,7 – 2,9 GHz 2,8 – 3,0 GHz
Comprimento de onda 8 – 10 cm 10,71 cm Potência máxima 650 kW 1000 kW
PRF 250 Hz 318 – 1403, 318 – 452 Hz Receptor
Freqüência 30 MHz 0,63 MHz Filtro de banda 60 kHz - Amplificador IF Logarítmico -
Variação dinâmica 60 dB/min -
Fonte: Rinehart (1997); Saisp (2010).
71
4 METODOLOGIA E PREPARAÇÃO DOS DADOS
Os dados utilizados neste trabalho foram adquiridos de três fontes diferentes:
câmeras de alta velocidade, redes de detecção de relâmpagos em LF e
radares meteorológicos. Três análises distintas foram realizadas, tomando
como base os resultados de três campanhas de observação de raios em
regiões e/ou épocas diferentes. As duas primeiras campanhas foram realizadas
em São José dos Campos, SP, Brasil, durante os verões de 2003/2004 e
2007/2008, e a terceira campanha foi realizada em Tucson, AZ, EUA, durante o
verão de 2007. As duas cidades possuem latitudes, condições geográficas e
meteorológicas bastante diferentes. Tucson está localizada ao sul do Arizona,
na porção norte da chamada “monção norte-americana” (PYTLAK et al., 2008).
O fenômeno de monção começa na metade de julho e se estende até
setembro, alimentando a convecção local a partir do aquecimento e da
interação orográfica com o terreno montanhoso local. Já no Sudeste do Brasil,
a maioria das tempestades acontece entre os meses de novembro e março,
sendo produzidas por convecção local comumente associada à passagem de
frentes frias pela região.
O objetivo principal das três campanhas foi avaliar se e como os parâmetros
dos raios variam com as condições meteorológicas, utilizando a mesma
câmera, ou conjunto de câmeras, de alta velocidade, sistemas de detecção e
radares similares a fim de minimizar a influência da técnica nos resultados
obtidos. Assim, quaisquer variações observadas nas características dos raios
remetem a condições físicas associadas às descargas e não, a diferenças
instrumentais.
Entretanto, toda a técnica possui limitações (Capítulo 3), sendo que a maior
limitação do uso de câmeras é a baixa quantidade de dados amostrada. Em
uma análise minuciosa dos raios que ocorreram nas células que tiveram ao
menos um raio filmado, estimou-se que menos de 4% do total de raios foram
72
observados pelas câmeras em cada campanha. Por esse motivo, dados das
redes de detecção de raios em LF foram utilizados para estimar com maior
precisão as variações das características dos raios. Incertezas associadas à
eficiência de detecção das redes nos diferentes lugares e épocas foram
levadas em consideração apenas para a validação dos dados, como será
descrito no capítulo seguinte.
Dados de radar foram utilizados para estimar a extensão horizontal da região
de cargas negativas, para limitar a área de seleção dos dados das redes por
célula e para estimar a altura das mesmas. Para as duas campanhas
realizadas no Brasil, o radar utilizado foi o Radar Meteorológico de São Paulo,
localizado na cidade de Biritiba Mirim, a menos de 70 km do local de
observação. Na campanha realizada nos EUA, foi utilizado o radar KEMX,
integrante da rede de radares NEXRAD, que cobre mais de 90% do território
americano. Ambos os radares são do tipo Doppler W88D, porém, o radar de
São Paulo opera com um maior número de elevações e sua resolução espacial
é maior, 500 m a curtas distâncias.
A seguir serão apresentadas as etapas de redução de dados utilizadas em
cada uma das técnicas.
4.1. Câmeras de Alta Velocidade
Nas três campanhas de observação, as mesmas câmeras de alta velocidade
foram utilizadas, com exceção da campanha em São José dos Campos de
2003, onde a HS-2 ainda não tinha sido adquirida. Diversos trabalhos foram
publicados com base nos resultados obtidos nessas campanhas (SABA et al.,
2006a., 2006b; BALLAROTTI, 2005, BALLAROTTI et al. 2006, FERRAZ, 2009,
SARAIVA et al., 2010, entre outros).
73
O sítio de observação no Brasil, durante as duas campanhas, foi a torre de
Antenas IAE/AEL pertencente ao Centro Técnico Aeroespacial (CTA), local
escolhido através de uma parceria entre o Grupo de Eletricidade Atmosférica
do INPE (ELAT) e o Instituto de Aeronáutica e Espaço (IAE). Sua localização é
mostrada na Figura 4.1a e b. Nos EUA, o sítio principal de observação foi a
cobertura do prédio do departamento de estudos atmosféricos (Institute of
Atmospheric Physics, University of Arizona), na Universidade do Arizona.
Outros locais, identificados com círculos pretos na Figura 4.2, também foram
utilizados esporadicamente para a gravação de raios com a câmera HS-1,
porém, a quantidade desses filmes representou menos de 5% do total dos raios
filmados nos EUA.
Figura 4.1 – a) Localização da torre de Antenas IAE/AEL. Os pontos Azuis na figura representam alguns raios que ocorreram no dia 26/03/2008. A marcação em verde mostra a área cega da torre e os círculos são raios de 10 km a partir do centro. b) Foto da torre de Antenas IAE/AEL.
A observação de cada raio é feita manualmente; o observador deve acionar o
mecanismo de trigger da câmera imediatamente após ver o raio. Nesse
momento, a câmera salva na memória interna um segundo antes do trigger e
um segundo após, totalizando um período de observação de dois segundos por
a) b)
74
raio. Os vídeos filmados são armazenados no disco local de um PC e
posteriormente reduzidos através de análise visual. Dessa forma, geralmente
as seguintes informações pertinentes ao estudo são extraídas: quantidade de
quadros do líder (quando visível); quantidade de descargas de retorno; duração
da corrente contínua e número de pontos de contato. Como as câmeras
possuem sincronização de tempo por GPS, é possível determinar o instante
exato da ocorrência de cada descarga de retorno, sendo assim possível
calcular o intervalo entre descargas, a duração do raio e a correspondência de
cada descarga com descargas observadas pelo sistema de detecção em LF.
Essa última parte é especialmente importante para a determinação da
polaridade e para a estimativa da corrente de pico de cada descarga. É
possível também inferir a eficiência de detecção do sistema através da razão
entre descargas não detectadas e as descargas observadas pela câmera.
Todos os dados reduzidos são transcritos para planilhas do Excel® para,
posteriormente, serem analisados.
Figura 4.2 – Distribuição dos pontos de observação durante a campanha em Tucson, AZ, no verão de 2007. Os círculos vermelhos mostram áreas de 50 km em torno do local de observação e os círculos pretos são os locais de observação com a segunda câmera rápida.
Fonte: Cummins et al. (2008).
75
As limitações dessa técnica incluem: a dificuldade de identificação de
descargas de retorno quando há intensa precipitação entre a câmera e o raio
resultando em uma classificação errônea entre descargas de retorno e
componentes M; a falta de conhecimento da polaridade do raio quando
nenhuma descarga foi observada pelo sistema de detecção em LF. Um filtro
comumente aplicado aos dados das câmeras é a exclusão de raios que foram
observados a mais de 50 km do ponto de observação, pois os erros envolvidos
nessas medidas são maiores.
4.2. Rede de Detecção de Relâmpagos em LF
Conforme descrito na Seção 3.1.4.1.4, os dados de raio das redes de detecção
de descargas atmosféricas possuem eficiência e precisão de localização que
dependem muito do tipo de sensores utilizados, da distribuição desses
sensores sobre a área de estudo e da quantidade de sensores funcionando
durante as observações, além das características intrínsecas dos sensores.
Tornou-se necessário, então, conhecer as circunstâncias em que se
encontravam os sensores das redes de detecção nos sítios de observação.
Infelizmente, em nenhuma das três campanhas, os conjuntos de sensores
foram os mesmos, ora devido à localização geográfica dos sítios de pesquisa,
ora devido a atualizações na rede de detecção.
As duas campanhas realizadas em São José dos Campos utilizaram dados da
BrasilDAt, formada a partir de um consórcio entre empresas do setor elétrico e
institutos de pesquisa do Brasil. Cobrindo o centro-sul do país e uma pequena
parte do Norte/Nordeste, essa rede conta hoje com 45 sensores, sendo esses
a maioria do tipo LPATS, alguns IMPACT e dois LS7000, instalados em 2008,
em São José dos Campos e Cachoeira Paulista. Portanto, a BrasilDAt é
considerada uma rede híbrida. As informações sobre os relâmpagos em tempo
real são divulgadas gratuitamente no site do grupo ELAT do INPE, conforme
um exemplo apresentado na Figura 4.3. A distribuição dos sensores
76
participantes das soluções dos raios utilizados neste trabalho é mostrada na
Figura 4.4. Apesar da localização dos sensores não mudar durante as duas
campanhas de 2003/2004 e 2007/2008, houve uma atualização dos sensores
de São José dos Campos e Cachoeira Paulista de IMPACT para LS7000 no
começo de 2008. Como o limiar de detecção para descargas de retorno com
correntes de pico baixas aumentou sensivelmente, houve também uma
melhora significativa na eficiência de detecção na região.
Figura 4.3 – Imagem extraída do website do Grupo de Eletricidade Atmosférica (ELAT) do INPE. A imagem é de 26/03/2010, às 17h28min hora local. Os pontos coloridos mostram os raios e a diferença de cores está relacionada ao tempo, a partir da hora da atualização do site, em que o raio aconteceu.
77
Figura 4.4 – Sensores da BrasilDAt participantes da detecção dos raios utilizados neste trabalho.
As Figuras 4.5 e 4.6 mostram, respectivamente, a distribuição da corrente de
pico das descargas de retorno nuvem-solo negativas utilizadas neste trabalho
em 2003/2004 e 2008. Nota-se claramente um aumento significativo na
detecção de descargas abaixo de -15 kA em 2008 quando comparado com
2003/2004. É importante salientar que a menor eficiência de detecção da rede
em medir descargas de retorno na faixa de -15 a 15 kA leva a uma
amostragem não aleatória da população de raios, podendo comprometer as
estatísticas geradas para esses dados, caso este fator não seja levado em
consideração.
Dados da NLDN foram utilizados durante a campanha em Tucson, EUA.
Apesar dos sensores de ambas as redes, BrasilDAt e NLDN, serem fabricados
pela mesma empresa (Vaisalla®), sua distribuição espacial é distinta, gerando
diferenças entre os dados medidos nesse sítio e no sítio de São José dos
Campos. A Figura 4.7 mostra a distribuição de correntes de pico para os raios
negativos observados durante a campanha no Arizona. É possível notar
também uma baixa eficiência de detecção de descargas de retorno abaixo de -
78
15 kA, devido ao tipo de sensores utilizado, porém, a distribuição desses
sensores faz com que a eficiência de detecção seja significativamente maior do
que a eficiência de detecção em São José dos Campos em 2003/2004.
O teste estatístico ANOVA foi aplicado às três distribuições de pico de corrente
para verificar a similaridade das distribuições. Esse teste avalia variâncias das
médias para determinar se as distribuições são provenientes da mesma
população. Ao nível de 0,05, foi determinado que as médias das amostras são
significativamente diferentes entre si. Esse resultado já era esperado, uma vez
que a avaliação precisa de qualquer parâmetro das redes de detecção
dependeria fundamentalmente da utilização dos mesmos sensores durante as
três campanhas, com a mesma configuração (distância entre sensores) e, de
preferência, mesma orografia.
Figura 4.5 – Distribuição de correntes de pico somente para raios negativos para a campanha de São José dos Campos durante o verão de 2003/2004.
79
Figura 4.6 – Distribuição de correntes de pico somente para raios negativos para a campanha de São José dos Campos durante o verão de 2008.
Figura 4.7 – Distribuição de correntes de pico somente para raios negativos para a campanha de Tucson durante o verão de 2007.
Em seguida, foi avaliada a eficiência de detecção nos sítios durante as
campanhas realizadas, o que permitiu conhecer o nível de confiabilidade dos
dados de cada campanha e aplicar as devidas correções aos dados. O cálculo
80
da eficiência de detecção (ED) considera a razão entre os raios observados
pela câmera e pelo sistema em relação ao total de raios observados pela
câmera. Esse cálculo assume que os raios filmados pelas câmeras
representam uma amostra aleatória do total de raios de cada região. Para
calcular a ED para os dias de tempestade utilizados neste estudo, foram
escolhidos apenas dias de filmagem nos quais a rede de detecção se manteve
estável e com a maioria dos sensores funcionando, a fim de não comprometer
a amostra. Para a região de São José dos Campos, foram escolhidos apenas
dias onde nenhum sensor IMPACT próximo ou mais de dois LPATS estivessem
fora do ar.
Um programa em IDL® foi desenvolvido para calcular a ED. Primeiramente, os
dados das câmeras, descriminados em planilhas do Excel®, são convertidos
para estruturas em IDL®, assim como os dados da rede de detecção. Em
seguida, o programa deve procurar no banco de raios da câmera a existência
de uma descarga de retorno coincidente dentro de um intervalo de ± 6
milissegundos detectada pela rede. Após a seleção, o número de descargas de
retorno coincidentes entre rede e câmera é dividido pelo número total de
descargas de retorno observadas pela câmera apenas, dando origem ao valor
de ED para descargas de retorno. A ED para raios é calculada da seguinte
maneira: se um raio filmado teve ao menos uma descarga de retorno
observada coincidentemente pelos dois sistemas, o raio é classificado como
observado; se nenhuma descarga de retorno é observada pela rede, então o
raio é desconsiderado. Dessa maneira, a ED para raios é sempre maior que a
ED para descargas.
As EDs calculadas para raios e descargas individuais estão presentes na
Tabela 4.1. Os valores para São José dos Campos em 2003/2004 são
coincidentes com valores encontrados por Ballarotti et al. (2006) e os valores
de Tucson são coincidentes com o trabalho de Biagi et al. (2007), que utiliza
outra técnica para chegar aos valores de ED. A grande diferença entre as EDs
81
em São José dos Campos é devido à substituição de dois sensores IMPACT
entre São José dos Campos e Cachoeira Paulista, no estado de SP, no início
de 2008. Vale salientar que esses valores de ED são válidos apenas para a
área de observação dos raios, não podendo ser extrapolados para o restante
da rede.
Outra característica importante é a similaridade entre as EDs calculadas para
as campanhas do Brasil de 2008 e Tucson. Apesar dessa semelhança, a perda
de descargas de retorno ocorre de maneira diferenciada para cada rede,
devido ao limiar de detecção para descargas entre -15 e 15 kA mencionado
anteriormente. Um teste simples, aplicado aos dados das duas campanhas,
eliminou todas as descargas positivas e negativas abaixo de 5 kA, reduzindo a
ED do Brasil em aproximadamente 2% e não alterando significativamente a ED
de Tucson. Um critério mais rigoroso implicaria eliminar aleatoriamente uma
quantidade de descargas entre 5 e 10 kA e 10 e 15 kA, porém, a quantidade de
variáveis envolvidas na uniformização das redes seria impossível de se obter
apropriadamente e a análise realizada já provou que há uma diferença de, no
mínimo, 2% entre as EDs nesses dois sítios. Este resultado será relevante no
decorrer do texto.
Tabela 4.1 – Cálculo das eficiências de detecção para as campanhas de observação de raios utilizadas neste trabalho.
São José dos Campos, SP, Brasil Tucson, AZ , EUA
2003/2004
(148 videos) 2008
(195 videos) 2007
(251 videos) ED para raios 75% (111) 91,79% (179) 92,43% (232)
ED para descargas individuais 54,4% 70,16% 69,2%
Uma análise estatística inédita foi realizada para os raios coincidentes entre
rede e câmera. Três casos foram estudados: quando a multiplicidade de raios
foi coincidente nos dois sistemas de observação; quando a rede observou
menos descargas de retorno do que a câmera; e casos em que o critério de
82
agrupamento da rede agrupou as descargas de um mesmo raio em dois ou
mais raios distintos. As Figuras 4.8 – 4.10 mostram os histogramas das
variações desses parâmetros para as três campanhas. Nos três gráficos, em
vermelho está o número de raios observados pelas câmeras, em verde, o
número de raios coincidentes entre rede e câmeras, e nas demais barras são
apresentadas as estatísticas para os raios coincidentes. Conforme esperado,
em mais de 50% dos dados coincidentes, as multiplicidades estimadas pelo
sistema de detecção foram subestimadas; em média, 30% dos dados
mostraram coincidência entre as multiplicidades; e, em torno de 10% dos
dados descargas de retorno pertencentes a um mesmo raio, como observado
pela câmera, foram agrupadas de maneira incorreta, divididas em dois ou mais
raios. Algumas descargas de retorno pertencentes a um raio podem não ser
agrupadas corretamente se estas excederem limites determinados pelos
critérios de agrupamento (Seção 3.1.4.1.3). Por exemplo, se a descarga de
retorno é a 16ª do raio, a central de processamento fará com que esta seja a
primeira descarga de retorno do próximo raio. O mesmo acontecerá se o
intervalo entre duas descargas de retorno exceder 500 ms, e assim por diante.
A configuração atual dos critérios de agrupamento é responsável pelas
quantidades de casos duplicados mostrados nas figuras 4.8 – 4.10.
As estatísticas, em que a multiplicidade da rede se mostrou maior que a
multiplicidade da câmera, foram também avaliadas, mas esse tipo de erro não
passou de 2% do total de casos. Em Rakov e Huffines (2003), os autores
negligenciaram o erro devido à má classificação das descargas de retorno em
raios e afirmaram que esse efeito não é significativo. Entretanto, este trabalho
mostra que há erros nos critérios de agrupamento que aumentam na mesma
proporção que a eficiência de detecção, trazendo problemas nas
determinações da densidade total de raios, nas estatísticas sobre multiplicidade
e corrente de pico, entre outros.
83
Figura 4.8 – Eficiência de detecção da rede BrasilDAt em 2003/2004 na região de São José dos Campos, SP, Brasil. A barra vermelha mostra o total de raios observados pela câmera. Em verde, os raios detectados pelo sistema de detecção em LF. O número de raios detectados foram divididos ainda em iguais (azul escuro), quando a multiplicidade dos dois sistemas foi a mesma, subestimados (azul claro), quando a multiplicidade do sistema em LF detectou menos descargas que a câmera e duplicados (roxo), quando o sistema agrupou descargas de um mesmo raio em dois ou mais raios distintos.
Figura 4.9 – Eficiência de detecção da rede BrasilDAt em 2008 na região de São José dos Campos, SP, Brasil, após a substituição de 2 sensores. Do mesmo modo que para a Figura 4.8, as barras estão divididas de modo a mostrar os raios observados pelas câmeras (vermelho), detectados pelo sistema
84
(verde), multiplicidade igual (azul escuro), multiplicidade diferente (azul claro) e raios duplicados (roxo).
Figura 4.10 – Eficiência de detecção da rede NLDN no verão de 2007 na região de Tucson, AZ, EUA. Do mesmo modo que para a Figura 4.8, as barras estão divididas de modo a mostrar os raios observados pelas câmeras (vermelho), detectados pelo sistema (verde), multiplicidade igual (azul escuro), multiplicidade diferente (azul claro) e raios duplicados (roxo).
Uma das possíveis soluções para esse problema seria alterar os parâmetros de
agrupamento na central de processamento. Em estudos de parâmetros, como
agrupamento máximo de descargas e intervalo máximo entre descargas
utilizando redes, a duração máxima do raio e a distância máxima de
agrupamento poderiam ser revistos e seus valores alterados a fim de minimizar
o problema.
Da análise dos dados da rede, também foram excluídos todos os raios
positivos, aqueles marcados como intra-nuvem pela central de processamento
e descargas de retorno cujo semi-eixo maior da elipse de incerteza foi maior
que 2 km, sendo essa última desconsideração importante para reduzir erros de
associação com os dados de radar. Após a redução, restaram
aproximadamente 83% dos dados do Brasil e 90% dos dados dos EUA.
85
4.3. Dados dos Radares Meteorológicos
Os dados de radares meteorológicos foram utilizados em conjunto com os
dados de raio para avaliar a dependência das características dos raios com a
região de 35 dBZ, assumindo que esta representa a região de cargas negativas
no interior das nuvens de tempestade. Os dados brutos do Radar
Meteorológico de São Paulo foram fornecidos pela Universidade de São Paulo
(MORALES, 2009, comunicação pessoal), assim como os programas
necessários para gerar imagens dos PPIs e dos CAPPIs a partir dos dados
brutos. Já os dados do radar KEMX da rede NEXRAD são públicos e estão
disponíveis em: http://www.ncdc.noaa.gov/nexradinv/. Em ambos os casos,
imagens com intervalos relativamente regulares de aproximadamente 5
minutos foram adquiridas em formato bruto (RAW). Os dados do Radar
Meteorológico de São Paulo foram reduzidos com programas feitos em IDL®
cedidos pela Universidade de São Paulo (MORALES, 2009, comunicação
pessoal), enquanto que toda a interação entre os dados de radar e raios,
gráficos e programas complementares em MapInfo® para o cálculo das áreas
foram desenvolvidos exclusivamente para este trabalho. Os CAPPIs do radar
KEMX foram feitos a partir de programas disponibilizados por (WOLFF e
KELLEY, 2009), cuja função é ler os dados brutos do radar e salvá-los em
variáveis do IDL®, juntamente com programas adaptados da USP.
Como um dos objetivos deste trabalho é estimar a área da região de cargas
negativas a partir de dados volumétricos de radar, CAPPIs foram extraídos e
utilizados para comparação com dados de raio. Assumindo que a porção do
canal dos raios que se propaga no interior das nuvens, dentro da região de
cargas negativas, dá-se em sua maior parte horizontalmente (LUND et al.,
2009, MACGORMAN; RUST, 1998; PROCTOR, 1991; NAKAMURA et al.,
2009; YOSHIDA et al., 2010), foi considerado comparar as características dos
raios com a extensão horizonal da região do centro principal de cargas
negativas. Como não existem instrumentos capazes de aferir a distribuição de
86
cargas em todo o volume das nuvens em tempo real, essa região foi estimada
a partir dos dados de radar, das radiossondagens e das teorias de eletrização
das nuvens de tempestade.
De acordo com o Capítulo 2, a teoria tripolar admite que o centro principal de
cargas negativas se encontra em torno da isoterma de -10º C. Já as teorias de
eletrização afirmam que em torno de -15º C estão localizados granizos e
cristais de gelo com cargas negativas.
As radiossondas são equipamentos a bordo de balões, lançados uma ou duas
vezes ao dia, sempre as 00 UT e/ou 12UT, que coletam informações de
temperatura, umidade, pressão e vento com a altitude, sendo deste último a
velocidade e direção, a partir do posicionamento dado por GPS em tempo real
(MARTINEZ et al., 1997). Para cada um dos dias de tempestade estudados, o
perfil de temperatura da atmosfera foi analisado e uma tabela com os valores
de altura correspondentes a -10º C foi gerada. A Tabela 4.2 mostra as alturas
para a temperatura mais próxima de -10º C para os dados do Brasil e a Tabela
4.3, para os EUA. Os dois pontos de lançamento de radiossondagem mais
próximos (Campo de Marte (SP) (SBMT) e Aeroporto do Galeão (RJ) (SBGL))
distam aproximadamente 100 km de São José dos Campos, de modo que, a
princípio, a atmosfera por eles representada não seria completamente
fidedigna. Contudo, quando analisados, não foram notadas diferenças
significativas entre os dados provenientes de ambas as sondagens, tomando-
se, portanto, como boa aproximação da realidade os resultados obtidos. Já em
Tucson, a radiossondagem é lançada a poucos metros do local de observação.
As médias de altura da região da isoterma de -10 ºC para ambos os sítios,
Brasil e EUA, foram utilizadas para a geração dos CAPPIs. Como, atualmente,
só foram possíveis gerar CAPPIs de 1 em 1 km, as médias das alturas
encontradas para cada região foram aproximadas para o valor inteiro mais
próximo e assim definiu-se as faixas de altura utilizadas neste trabalho.
87
Tabela 4.2 – Radiossondagens para os dias de tempestade em São José dos Campos estudados neste trabalho. Os valores mais próximos de -10º C foram utilizados como referência.
Data Estação Hora UT Pressão ( hPA) Altura (m) Temperatura (º C)
11/01/2003 SBMT 00 Z 462 6489 -8.7
05/03/2003 SBMT 12 Z 457 6585 -11.5
07/11/2003 SBMT 12 Z 547 5051 -9.2
14/12/2003 SBMT 12 Z 500 5880 -7.7
21/12/2003 SBMT 00 Z 500 5890 -7.5
15/01/2004 SBMT 00 Z 438 6849 -11.7
16/01/2004 SBMT 00 Z 464 6377 -11.7
28/03/2004 SBMT 00 Z 500 5790 -11.5
29/03/2004 SBMT 12 Z 500 5820 -9.5
31/03/2004 SBMT 12 Z 510 5667 -11.9
16/04/2004 SBMT 12 Z 473 6286 -9.7
10/02/2008 SBMT 12 Z 475 6259 -9.5
12/02/2008 SBMT 00 Z 460 6528 -10.2
18/02/2008 SBGL 12 Z 473 6310 -10.3
19/02/2008 SBMT 00 Z 481 6161 -9.3
22/02/2008 SBMT 00 Z 460 6499 -10.5
08/03/2008 SBMT 00 Z 462 6494 -9.9
25/03/2008 SBMT 00 Z 457 6568 -9.7
27/03/2008 SBMT 00 Z 497 5886 -7.7
28/03/2008 SBMT 00 Z 500 5810 -8.1
Médias: 6159.95 -9.79
88
Tabela 4.3 – Radiossondagens para os dias de tempestade em Tucson estudados neste trabalho. Os valores mais próximos de -10º C foram utilizados como referência.
Data Estação Hora UT Pressão ( hPA) Altura (m) Temperatura (º C)
19/07/2007 STUS 00 Z 458 6600 -11
23/07/2007 STUS 00 Z 455 6655 -10
23/07/2007 STUS 12 Z 440 6902 -11
28/07/2007 STUS 00 Z 450 6716 -10
28/07/2007 STUS 12 Z 450 6706 -11
30/07/2007 STUS 00 Z 432 7010 -13
31/07/2007 STUS 00 Z 439 6875 -11
31/07/2007 STUS 12 Z 449 6706 -10
11/08/2007 STUS 00 Z 447 6793 -10
11/08/2007 STUS 12 Z 449 6768 -10
12/08/2007 STUS 00 Z 436 7010 -13
14/08/2007 STUS 00 Z 449 6778 -10
15/08/2007 STUS 00 Z 450 6718 -11
16/08/2007 STUS 00 Z 461 6531 -10
17/08/2007 STUS 00 Z 463 6499 -9
Médias: 6751.133 -10.6067
Definidos os CAPPIs em 6 km para os dados de São José dos Campos e em 7
km para Tucson, deu-se início ao processo de redução dos dados de radar, o
qual foi composto das seguintes etapas:
a) Geração dos CAPPIs: É nesta etapa que são lidos os arquivos brutos
e gerados os dados dos CAPPIs de cada imagem para 14 elevações.
A média de tempo de processamento envolvida nesta etapa é de 10
segundos por elevação, um total de aproximadamente 4 horas para
um dia inteiro de dados. Após o cálculo dos CAPPIs para cada
elevação, fatores de correção são aplicados para calibrar as imagens.
Nenhum procedimento de calibração é sugerido pelas empresas que
geram os CAPPIs, porém, uma prática comum de calibração envolve
assumir um valor de referência; no caso, uma opção de referência
89
para os radares brasileiros é o radar a bordo do satélite Tropical
Rainfall Measuring Mission (TRMM-PR) (ANAGNOSTOU; MORALES,
2002). Basicamente são comparadas as regiões em que um radar
sobrepõe o outro e corrigidas eventuais subestimações ou
superestimações nos valores de refletividade. O fator de correção
adotado para o Radar Meteorológico de São Paulo é 4,13 dBZ para
menos, pois esse radar superestima os valores de refletividade reais.
Os dados de calibração dos radares NEXRAD W88D vêm com as
informações de calibração presentes no header de cada dado. No
caso dos dias utilizados neste trabalho, não houve a necessidade de
fazer nenhuma correção nos dados.
b) Assimilação dos dados das redes de detecção de relâmpagos e
correlação com o radar: Uma das considerações adotada neste
trabalho é a de que o canal dos raios, desde sua iniciação até o
contato no solo, propaga-se de maneira quase retilínea, não alterando
muito a distância horizontal entre o ponto de iniciação e o ponto de
contato no solo. As medições dos raios em VHF é a única forma de
saber com precisão o local de inicialização do raio e como ainda não
existem tais instrumentos no Brasil, não é possível comprovar
diretamente essa hipótese. Contudo, segundo Lund et al. (2009), os
autores mostraram que a inicialização dos raios ocorre, em sua
maioria, dentro dos contornos de 35 dBZ. Aqui foi encontrado que
mais de 95% dos pontos de contato dos raios está associado aos
mesmos contornos, o que indica, indiretamente, que a movimentação
na horizontal do canal dos raios não é significativa. Sendo assim,
foram calculadas as refletividades associadas ao ponto de contato de
cada raio para todas as alturas. Além disso, separados os raios que
ocorreram no intervalo entre cada imagem, arquivos textos foram
gerados. O tempo envolvido nesta etapa é variável e depende do
número de raios a serem analisados, podendo demorar desde alguns
segundos a dezenas de segundos.
90
c) Transformação das estruturas em IDL® para Shapefile: O formato
escolhido para exportar os dados do radar, de maneira que fosse
possível calcular a área do contorno de um determinado nível de
refletividade, foi o formato Shapefile. Um programa de ENVI/IDL® foi
desenvolvido para esse fim. A. Essa etapa não consome mais do que
alguns segundos e não incrementa significantemente o tempo total de
processamento dos dados.
d) Gráficos de referência: Todas as imagens dos CAPPIs utilizadas
neste trabalho, bem como todos os raios ocorridos no intervalo entre
cada imagem, são salvos em formato jpeg, com o objetivo de
identificar, visualmente, as células de interesse que serão avaliadas
nas etapas posteriores. Um exemplo das imagens do Radar
Meteorológico de São Paulo é mostrado na Figura 4.11. Um exemplo
do desenvolvimento de uma célula de tempestade em Tucson é
apresentado na Figura 4.12.
e) Processamento manual de cada CAPPI: O MapInfo® é um programa
versátil e de fácil manipulação de dados georeferenciados2. Como o
ganho de tempo ao utilizar essa ferramenta seria grande, então foi
desenvolvido um programa nessa plataforma para abrir os contornos
das células de tempestade em um nível específico de refletividade,
calcular sua área e selecionar os dados de raios pertencentes apenas
àquela célula. Como esta análise é totalmente manual, este é o
processo que mais demora a ser executado, levando algumas horas
para analisar cada conjunto de imagens referentes a um dia de
observação.
2 Dados georeferenciados podem ser imagens em formatos específicos, como GeoTiff ou Shapefiles, em que informações de latitude, longitude e tipo de projeção estão presentes no cabeçalho das imagens.
91
Figura 4.11 – Exemplo de CAPPI gerado pelos programas em IDL®. As cruzes representam a localização das descargas de retorno observadas pela rede de detecção em LF.
01:48 01:52 01:56
02:00 02:05 02:09
02:13 02:17 02:21
Figura 4.12 – Exemplo do desenvolvimento de uma pequena célula de tempestade em Tucson, AZ. As cruzes representam a localização das descargas de retorno
92
observadas pela rede de detecção em LF. As cruzes cinzas são raios observados pelas câmeras e rede simultaneamente.
f) Redução dos resultados obtidos: A saída do programa do Mapinfo® é
um conjunto de tabelas, em formato texto, com as informações de
multiplicidade, corrente de pico, data, hora, latitude, longitude, entre
outra informações para cada descarga de retorno que ocorreu dentro
da região delimitada pelo contorno de 35 dBZ. Ainda presentes nas
tabelas estão as áreas de cada célula em cada instante de tempo e o
nível de refletividade de cada descarga de retorno.. A Figura 4.13
mostra um caso de seleção de raios a partir de um contorno de 35
dBZ. As cores amarelas indicam regiões de 35 dBZ e as cores em
vermelho indicam contornos de 45 dBZ. Os pontos pretos são os raios
de 5 minutos selecionados.
Figura 4.13 – Programa utilizado para selecionar os raios de cada célula individualmente, desenvolvido em MapInfo®.
93
g) Análise dos resultados: Para realizar a análise desses dados, outro
programa em IDL® foi desenvolvido, agora para reunir os dados de
raio por tempestade e calcular a atividade elétrica com base no total
de raios por célula e por 5 minutos, montando a estrutura de dados
final para a análise. Os dados de área foram inseridos de forma
manual nas tabelas de raios filmados. A partir dessa estrutura de
dados, todas as análises mostradas no próximo capítulo foram
realizadas.
94
95
5 RESULTADOS E ANÁLISES
A análise dos resultados, obtidos neste trabalho e referentes às três
campanhas de observação, está dividida em três partes: a) resultados
utilizando dados de câmeras de alta velocidade; b) resultados utilizando redes
de detecção de descargas atmosféricas em LF; c) análises conjuntas entre
redes, câmeras e dados de radar. Na primeira análise, foi avaliada a
variabilidade dos seguintes parâmetros dos raios negativos: multiplicidade,
intervalo entre descargas, duração do raio e duração da corrente contínua. Na
segunda análise, os mesmos parâmetros foram avaliados, com exceção da
corrente contínua, devido à incapacidade dos sensores em medir tal parâmetro.
Finalmente, na terceira análise, as características físicas dos raios negativos
foram comparadas com parâmetros derivados das CAPPIs, como, por
exemplo: a área horizontal dos contornos de 35 dBZ na região de fase mista,
assumida representar a área horizontal de cargas negativas; altura máxima da
região de 35 dBZ e echotop.
Em todos os conjuntos de dados analisados foi aplicado o teste estatístico
ANOVA (Analises Of VAriance), que avalia as médias das distribuições através
da variância. O ANOVA basicamente divide a variância em variabilidade Entre
Grupos e variabilidade Dentro de Grupos, e compara as duas. Quanto maior for
a primeira comparada à segunda, maior é a evidência de que existe
variabilidade entre grupos, ou seja, médias diferentes. A similaridade entre as
médias, por sua vez, indica se os grupos são oriundos da mesma população.
5.1. Análise I – Câmeras de Alta Velocidade
Nesta primeira análise, foram avaliadas as características dos raios negativos
filmados pelas câmeras de alta velocidade durante as três campanhas
mencionadas anteriormente. As Figuras 5.1 e 5.2 mostram dois exemplos de
raios filmados com as duas câmeras simultaneamente. Na primeira Figura é
96
mostrado que a descarga de retorno é igualmente visível em ambas as
câmeras, e na segunda Figura é mostrado o último quadro visível da corrente
contínua de um raio filmado com as duas câmeras. Esses exemplos mostram
que, mesmo sendo modelos diferentes de câmeras, elas se comportam de
maneira bastante similar. A determinação da polaridade dos raios foi feita
através dos dados das redes de detecção de relâmpagos em LF. Para facilitar
a descrição das campanhas, a partir de agora a campanha em São José dos
Campos durante o verão de 2003/2004 será chamada de SJC1, a campanha
do verão de 2008 será chamada de SJC2 e a campanha em Tucson será
chamada apenas de TUS.
5.1.1. Multiplicidade
Os números totais de raios negativos observados por campanha, multiplicidade
média e porcentagem de raios simples estão descritos na Tabela 5.1. A
multiplicidade média pode ser calculada tanto como a média aritmética da
multiplicidade dos raios, como também dividindo o valor do número total de
descargas de retorno observadas pelo número total de raios. Nota-se uma
semelhança grande entre as multiplicidades médias entre SJC1 e TUS, além
da porcentagem de raios simples; contudo, em SJC2, a multiplicidade média foi
consideravelmente maior, assim como a porcentagem de raios simples.
Tabela 5.1 – Sumário de algumas características dos raios para as três campanhas.
Total de raios observados
Porcentagem de raios simples
Multiplicidade Desvio padrão
das médias SJC1 222 22,5% 3,7 0,20 SJC2 195 14,4% 4,8 0,24 TUS 250 22,0% 3,9 0,19
Na Figura 5.1, em que é mostrada a comparação entre multiplicidade e
porcentagem de raios para as campanhas SJC1, SJC2 e TUS, pode-se notar a
similaridade entre todas as distribuições. Um aumento na quantidade de raios
de ordem maior em SJC2 levou ao aumento da multiplicidade média para essa
97
campanha. A figura ainda apresenta o valor 2 como a multiplicidade mais
provável para ambas as campanhas no Brasil.
Figura 5.1 – Porcentagem de raios versus o número de descargas por raio (ou multiplicidade) observados no Arizona e em São Paulo.
O teste ANOVA, a um nível de significância de 95%, mostrou que as
distribuições SJC1 e TUS são estatisticamente iguais, em contrapartida, a
distribuição de multiplicidades SJC2 se mostrou estatisticamente diferente das
outras ao nível de 95%.
5.1.2. Duração
A duração do raio foi definida como o tempo entre a ocorrência da primeira
descarga de retorno e o final da luminosidade da última descarga de retorno
subseqüente ou o final da luminosidade da corrente contínua (caso presente).
A média geométrica das durações dos raios foram 174 ms, 325 ms e 221 ms
para SJC1, SJC2 e TUS, respectivamente. A maior duração na campanha
SJC2 está coerente com a maior multiplicidade presente. A Figura 5.2 mostra
as durações das observações no Brasil e nos EUA separadamente, ficando
98
novamente evidente como as distribuições se assemelham para ambos os
sítios em SJC1 e TUS, mas diferentemente para SJC2. A máxima duração
registrada foi no Brasil, 1,4 s, porém, a maioria das durações analisadas
(97,5%) foi menor do que 1 segundo.
Figura 5.2 – Duração dos raios versus porcentagem de raios no Arizona e em São Paulo.
O gráfico de dispersão da Figura 5.3 mostra a duração dos raios em relação à
multiplicidade. Neste diagrama, pode-se observar duas tendências, sendo uma
delas a mínima duração dos raios para uma dada multiplicidade, já abordada
em Saba et al. (2006a). Duas possíveis explicações para esse fenômeno foram
sugeridas nesse artigo: 1) há um tempo mínimo requerido para o canal da
descarga anterior decair ao ponto apropriado para suportar a propagação do
próximo líder contínuo, e 2) há uma taxa máxima de suprimento de cargas para
a ocorrência da próxima descarga de retorno. Um ajuste linear foi aplicado aos
valores mínimos de duração para cada multiplicidade e o coeficiente de
correlação (R) encontrado foi de 0,77. Da mesma forma, é possível notar no
diagrama que os valores de duração máxima também seguem uma tendência
e, para a sua avaliação, foi ajustada uma função exponencial às máximas
99
durações para cada multiplicidade. Assim, percebe-se que há uma intersecção
entre os dois ajustes, mostrando que existe um limite para a quantidade de
descargas que um raio pode apresentar. Como ainda existem poucos dados de
raios com multiplicidade maior que 10 neste estudo com câmeras, é difícil
afirmar com certeza qual seria a multiplicidade máxima, muito embora o valor
encontrado (em torno de 21) não esteja muito distante do valor real. De fato,
apenas 1% dos raios negativos apresentou duração maior do que um segundo
e nenhum dos 432 raios observados apresentou multiplicidade acima de 18. O
único estudo da literatura, em que foram observados raios com multiplicidade
acima de 20, foi o de Kitagawa et al. (1962), em que apenas 3% dos raios
documentados no artigo (de um total de 99) apresentaram tais multiplicidades.
O mecanismo responsável pela máxima duração ainda precisa ser estudado,
embora uma explicação possível seja a de que os líderes dentro da nuvem se
expandem continuamente durante a “vida útil” do raio, coletando cargas para
as descargas de retorno subseqüentes. Conforme o canal se alonga, ele se
torna mais instável (HECKMAN, 1992) e a ocorrência de novas descargas vai
se tornando cada vez mais improvável.
Tanto a evidência de uma máxima duração como a de uma máxima
multiplicidade são importantes resultados que podem promover mudanças na
configuração das atuais redes de detecção.
Novamente foi aplicado o teste ANOVA aos dados mostrando que as duas
distribuições SJC1 e TUS são iguais e a distribuição SJC2 diferente das
demais, ao nível de confiança de 95%. Como ambas, multiplicidade e duração
do raio, são parâmetros dependentes, era esperado este resultado.
100
Figura 5.3 – Gráfico de dispersão mostrando a relação entre a duração dos raios e suas multiplicidades. Os círculos são dados do Arizona e os triângulos são dados de São Paulo.
5.1.3. Intervalo entre descargas
Foram medidos ao todo 2052 intervalos entre descargas com valores entre
algumas dezenas de microssegundos até centenas de milissegundos. Os
intervalos da ordem de microssegundos estão relacionados com raios
bifurcados (BALLAROTTI et al. 2005), ou seja, uma situação em que um único
líder escalonado se conecta a dois pontos no solo quase simultaneamente. Um
exemplo é apresentado na Figura 5.4, nela pode-se ver o intervalo entre dois
pontos de contato de um raio bifurcado, menor que 125 µs. Por outro lado,
intervalos extremamente longos estão associados à presença de corrente
contínua longa (SABA et al., 2006a), o que explica o porquê de uma descarga
de retorno subseqüente ocorrer em um canal previamente ionizado mesmo
depois de aproximadamente 700 ms. A média geométrica para a distribuição
dos intervalos foi de 62,4 ms e esse valor oscilou entre 58,8 e 65,7 ms entre as
campanhas. Esse valor médio é da mesma ordem que o encontrado por Schulz
et al. (2005) na Áustria, utilizando somente a rede de detecção ALDIS. A Figura
101
5.5 mostra uma comparação dos histogramas de intervalos entre descargas no
Arizona e em São Paulo. Ambas as distribuições seguem uma log-normal.
Figura 5.4 – Exemplo de intervalo entre descargas para um raio bifurcado, para o dia 14/08/2007. Esse vídeo foi capturado em 8000 quadros por segundo, ou seja, 125 microssegundos de resolução temporal. A imagem mostra que o intervalo entre o primeiro e o segundo pontos de contato no solo foi menor do que 125 microssegundos.
Figura 5.5 – Distribuições de intervalos entre descargas no Arizona e em São Paulo.
Aproximadamente 393 dos 2052 intervalos entre descargas estavam abaixo
dos 33 ms, que é a resolução de uma câmera de vídeo convencional. Isso
a) 00:44:58.160500 b) 00:44:58.160625
102
significa que até 19% do número total de descargas poderiam ser perdidas
caso fossem observadas através de uma câmera convencional. (SABA ET AL.,
2006a, BIAGI et al., 2007, THOMSON et al., 1984).
A única diferença nos testes estatísticos realizados para os outros parâmetros
dos raios, observados através de câmeras de alta velocidade, foi verificada na
análise do intervalo entre descargas. Ao nível de 95% de significância, todas as
distribuições foram consideradas iguais, segundo o teste ANOVA.
5.1.4. Corrente Contínua
A duração da corrente contínua (CC) pode ser inferida através da duração da
luminosidade remanescente do canal do relâmpago que segue a descarga de
retorno. Pode durar de alguns milissegundos até centenas de milissegundos.
De acordo com a sua duração, a CC é classificada em longa (maior que 40 ms)
(KITAGAWA et al., 1962; BROOK et al., 1962), curta (entre 10 e 40 ms)
(SHIDO e UMAN, 1989) e muito curta (entre 4 e 10 ms) (BALLAROTTI, 2005).
Neste estudo, a duração da CC pode ser subestimada por causa de incertezas
na determinação do momento em que ela acaba. Nesta análise, para minimizar
esse problema, apenas raios que ocorreram em distâncias inferiores a 50 km
do local de observação foram analisados.
A Figura 5.6 mostra as distribuições de CC de duração curta e muito curta no
Arizona e em São Paulo. Devido à pequena amostragem de dados de CC, é
difícil determinar qualquer tendência de variação desse parâmetro. Por outro
lado, dados das três campanhas mostram as mesmas tendências de
diminuição dos dados de CC entre 4 e 16 ms, quantidade muito semelhante de
dados entre 16 e 40 ms e novamente uma queda na quantidade de dados para
CC longas. A Figura 5.7 mostra a distribuição de CCs longas que formam
aproximadamente 10% do conjunto total de dados.
103
Figura 5.6 – Distribuição de durações de CC abaixo de 40 ms no Arizona e no Brasil. No gráfico também é mostrada a similaridade entre as distribuições.
Figura 5.7 – Distribuição de CC longas no Arizona e em São Paulo. Não há diferenças significativas entre as duas regiões de observação.
Para testar a similaridade entre as distribuições de corrente contínua foi
utilizado o ANOVA para a distribuição total de valores de CC, para apenas CC
curta e apenas CC longa. Os testes para os três tipos de distribuição
104
mostraram que SJC1 e TUS são iguais e SJC2 é diferente das demais, ao nível
de significância de 95%.
5.2. Análise II – Redes de Detecção em LF
A próxima análise consiste em verificar as variações dos mesmos parâmetros
dos raios, vistos na seção anterior, observados agora pelas redes de detecção
de raios (RDR) em LF, com exceção da corrente contínua. Um cuidado
especial com os resultados obtidos deve ser tomado, uma vez que a diferença
entre as eficiências de detecção das redes BrasilDAt e NLDN pode alterar
drasticamente os dados. Esse estudo se torna crítico quando vários dias são
analisados e, em alguns deles, um ou mais sensores estão sem comunicação
com a central de processamento. Para a análise apresentada a seguir, foram
selecionados dias que apresentaram dados de câmera e uma configuração
ótima da rede de detecção em LF. Através de CAPPIs, foi possível identificar
as células que tiveram raios filmados e selecionar todos os raios detectados
pela rede em LF para cada célula. A seleção por células é importante no que
diz respeito à comparação precisa entre os parâmetros dos raios vistos pela
câmera e pela rede. Características globais dos raios, como as médias de
multiplicidade e duração do raio, intervalo entre descargas, entre outros
parâmetros, fornecidos pelas câmeras, só podem ser comparados às médias
fornecidas pela rede para as mesmas células em que os raios foram filmados.
No Capítulo 6, a Tabela 6.1 apresentará uma comparação entre os dados da
rede para vários dias de tempestade, mostrando uma grande variabilidade
entre multiplicidade e pico de corrente de tempestade para tempestade.
As análises para os dados das redes em LF mostradas a seguir são
provenientes das mesmas tempestades das quais foram filmados os raios da
seção anterior. A única exceção é para a análise feita para a altura máxima do
eco de 35 dBZ e echotop. Nesse caso, todos os raios observados dentro do
campo visual do radar foram aproveitados, uma vez que a quantidade
105
necessária de dados para essa análise era pouca considerando apenas as
tempestades que tinham raios filmados.
Entre todas as análises apresentadas nesta seção, o único que pode ser
corrigido é a multiplicidade média dos raios, que depende exclusivamente da
quantidade de descargas de retorno e de raios3. Redes com diferentes
eficiências de detecção podem ter o valor real de multiplicidade média obtido
através da aplicação de um fator de correção. Por coincidência, as EDs para as
campanhas SJC2 e TUS é bastante similar e a comparação direta entre seus
resultados foi realizada e será mostrada adiante.
Similarmente à seção anterior, foi aplicado o teste ANOVA a todas as
distribuições das características dos raios apresentadas a seguir. Porém,
conforme era esperado, os testes mostraram que todas as distribuições são
significativamente diferentes umas das outras, para cada característica, a um
nível de confiança de 95%. Isso aconteceu devido às diferenças nas eficiências
de detecção de cada campanha. A perda de descargas de retorno implica
diminuição da multiplicidade média, aumento do intervalo entre descargas,
diminuição da duração média dos raios e aumento da corrente de pico média
das descargas de retorno. Sendo assim, a análise visual é a única ferramenta
disponível para a verificação da similaridade entre as distribuições
apresentadas a seguir, sem qualquer validade estatística.
5.2.1. Multiplicidade
Analisando as Figuras 4.8 – 4.10, verifica-se que a quantidade total de raios
com a multiplicidade subestimada e a quantidade de raios duplicados pelas
redes de detecção em LF, nas três campanhas, somam aproximadamente 60 –
70% do total de raios detectados, ou seja, essas porcentagens indicam a
3 Um raio é determinado pelo agrupamento de todas as descargas de retorno que o compõe. A multiplicidade média é obtida através da divisão entre número de descargas de retorno e número de raios.
106
quantidade de raios cuja multiplicidade é subestimada pelas redes. Por causa
disso, a multiplicidade média calculada através do sistema sempre mostra
valores menores do que a multiplicidade média real, calculada com maior
precisão utilizando dados de câmeras de alta velocidade. As Figuras 5.8, 5.9 e
5.10 apresentam a distribuição de multiplicidades calculadas pelo sistema
respectivamente para as campanhas SJC1, SJC2 e TUS. Nota-se em todos os
gráficos uma maior quantidade de raios simples, quando comparadas essas
distribuições com os dados das câmeras de alta velocidade (Figura 5.1). As
redes de detecção observaram aproximadamente 40% de raios simples contra
cerca de 20% observados pelas câmeras. Esse efeito está diretamente
relacionado com a perda de descargas de retorno pela rede e a contaminação
dos dados da rede de detecção por relâmpagos intra-nuvem, que foram
classificados incorretamente pelo sistema como raios simples (apenas uma
descarga de retorno), não tendo influência significativa dos critérios de
agrupamento.
Figura 5.8 – Distribuição de multiplicidades para a campanha SJC1, utilizando dados da rede BrasilDAt.
Para as tempestades estudadas, 2797 raios foram observados na campanha
SJC1, 4103 na campanha SJC2 e 3067 na campanha TUS. Considerando as
107
eficiências de detecção em cada campanha, a quantidade total de raios mais
próxima do real seria 3729, 4470, 3318, respectivamente.
Figura 5.9 – Distribuição de multiplicidades para a campanha SJC2, utilizando dados da rede BrasilDAt.
Figura 5.10 – Distribuição de multiplicidades para a campanha TUS, utilizando dados da rede norte-americana NLDN.
108
A equação utilizada para o cálculo da multiplicidade média observada pelo
sistema está mostrada abaixo:
onde mc é a multiplicidade calculada, S é o número total de descargas de
retorno, F é o número total de raios e o termo F*er(%) é um fator de correção
devido aos raios duplicados pela rede detecção. O erro er(%) é determinado
para cada campanha, como sendo a quantidade de raios duplicados pelas
redes (vide Capítulo 4, Figuras 4.8 – 4.10).
Para calcular essas multiplicidades médias de maneira mais precisa, algumas
correções foram aplicadas aos dados. No capítulo anterior, foram mostradas as
distribuições de corrente de pico para as campanhas. Nota-se claramente um
aumento na quantidade de raios medidos com picos de corrente abaixo de 10
kA para a campanha SJC2, devido à instalação de sensores novos na rede
BrasilDAt no começo de 2008. Para não polarizar os resultados, foram
retirados, de todos os conjuntos de dados, descargas de retorno com medidas
de corrente de pico abaixo de 6 kA. Segundo Cummins et al. (1998), é sugerido
que todas as descargas de retorno com picos de corrente abaixo de 10 kA
sejam desconsideradas por apresentarem alta contaminação de descargas
intra-nuvem; contudo, esse critério também deve ser mudado se descargas de
retorno forem comprovadas como nuvem-solo. A escolha de 6 kA vem da
análise dos gráficos das Figuras 4.5 – 4.7. Após a aplicação desse filtro, os
dados da rede foram comparados novamente com os raios filmados e novas
eficiências de detecção foram calculadas. A única alteração ocorreu na
campanha SJC2. A nova ED para SJC2 foi reduzida de um fator de
aproximadamente 2% para então 68,13%. Se um filtro mais criterioso de 10 kA
fosse aplicado, aproximadamente 15% de descargas nuvem-solo reais seriam
perdidas.
109
Para se obter uma estimativa realista da multiplicidade média para as
tempestades observadas em cada campanha (Mr), foi desenvolvida a seguinte
equação:
onde Mr é a multiplicidade real, mc é a multiplicidade calculada, EDref e EDc
são, respectivamente, as eficiências de detecção de referência e calculada, e fc
é a razão entre as multiplicidades obtidas pelas câmeras (valor próximo da
multiplicidade real). O fator EDref/EDc é a razão entre uma eficiência de
detecção de referência (EDref) e a eficiência de detecção da rede estimada no
sítio onde as observações foram realizadas (EDc). O objetivo de utilizar esse
fator foi assegurar que fc não dependeria das eficiências de detecção das
redes, devendo ser um valor constante para as três redes. O valor de EDref
adotado foi o valor da maior eficiência de detecção estimada entre as três
campanhas. A campanha TUS apresentou o maior valor de ED quando
desconsiderados os raios com correntes de pico abaixo de 6 kA, por isso o
valor de 69,2% foi utilizado como referência.
As multiplicidades médias calculadas (Mr) para as três campanhas podem ser
vistas na Tabela 5.2. Para chegar a esses valores foi calculada primeiramente
a multiplicidade média dos dados das redes de detecção para cada campanha.
Em seguida, foi calculado o fator (EDref/EDc) para cada conjunto de dados de
cada campanha, multiplicado-o por mc. Esse valor de multiplicidade encontrado
não é real, porém normalizado. A próxima etapa foi dividir o valor de
multiplicidade da câmera, que é uma boa estimativa da multiplicidade real, pela
multiplicidade normalizada da rede. Essa divisão gerou um valor de fc para
cada sítio, sendo encontrados valores de fc muito parecidos nos três conjuntos
de dados. Um valor de fc médio foi calculado e, em princípio, esse valor deve
ser válido para todos os casos onde a eficiência de detecção seja 69,2%.
110
Todos os valores calculados foram inseridos na Equação 5.2 e o valor de Mr foi
calculado para a rede. Como mostrado na tabela, os valores de multiplicidade
Mr calculados se assemelham muito aos valores das câmeras conforme
esperado, pois os dados de ambas, rede e câmera, são amostras provenientes
das mesmas tempestades.
Tabela 5.2 – Comparação entre multiplicidades medidas pelas câmeras de alta velocidade e pela rede de detecção em LF, antes e depois de aplicadas as devidas correções.
Campanha
Multiplicidade normalizada da
rede (mc*[EDref/EDc])
Multiplicidade câmera
Desvio padrão
fc Mr
TUS 3.08 3.9 0.19 1.27 3.97
SJC2 3.70 4.8 0.24 1.30 4.77
SJC1 2.84 3.7 0.20 1.30 3.66
Média = 1.29
Aplicando-se as correções possíveis às médias de multiplicidades do sistema,
o valor extrapolado Mr praticamente iguala-se aos valores de multiplicidade
média obtidos para as câmeras nas três campanhas. Salienta-se também que
mesmo para a campanha SJC1, cuja ED é muito baixa (54,4% para
descargas), o método de correção se mostrou eficiente.
Outra conclusão importante sobre os dados da Tabela 5.2 é que dois métodos
de observação de relâmpagos proporcionaram os mesmos resultados após as
devidas correções e esses resultados mostram que a campanha SJC2
produziu raios mais múltiplos do que as outras duas campanhas, as quais
apesar de serem conduzidas em regiões diferentes, com climas diferentes,
mostraram multiplicidades muito similares, assim como outros parâmetros
(SARAIVA et al., 2010). Isso pode ser um indicativo de que as condições
meteorológicas, mais do que as condições geográficas e climáticas, estejam
atuando de maneira mais significativa, ao menos, sobre a multiplicidade dos
raios.
111
5.2.2. Duração
A rede de detecção de descargas atmosféricas BrasilDAt utiliza a mesma
técnica em LF que a rede norte-americana NLDN, a rede Austríaca ALDIS,
entre outras ao redor do mundo. Esses sensores se reportam a uma central de
processamento desenvolvida pela mesma empresa que criou os sensores. As
configurações padrão dos critérios de agrupamento de descargas de retorno
individuais em raios são utilizadas pelas redes de detecção em LF, inclusive
pela BrasilDAt. Um dos critérios de agrupamento utilizado se refere à duração
máxima de um raio, ou seja, a rede agrupará descargas de retorno até o
momento em que o intervalo entre a primeira descarga e a última permanecer
inferior a 1 segundo. Esse critério padrão foi utilizado no processamento dos
dados mostrados neste trabalho, então nenhum raio nesta análise ultrapassou
1 segundo de duração total.
Tanto a duração do raio como o intervalo entre descargas não são parâmetros
normalmente utilizados nos estudos envolvendo redes de detecção. A
explicação para isso está nas limitações das redes em LF, em especial no que
diz respeito à eficiência de detecção.
Os principais erros envolvidos no cálculo da duração do raio são:
a) Eficiência de detecção: Até pouco mais de 10 anos atrás, nem as
maiores redes de detecção de raios do mundo possuíam uma ED de
descargas de retorno maior do que 50% (PINTO JR., 2009). Nesse
caso, praticamente uma em cada duas descargas era perdida e isso
comprometia muito qualquer estimativa da duração dos raios.
b) Incapacidade de observação de corrente contínua: A duração real do
raio é o tempo entre o processo de ruptura da rigidez dielétrica até o
final da corrente contínua da última descarga de retorno, quando
112
presente. A rede de detecção apenas provê o tempo entre a primeira
e a última descarga de retorno. Nem utilizando apenas câmeras, é
possível medir com precisão a duração de um raio, pois um método
mais preciso, necessitaria conjuntamente de dados de campo elétrico
lento (FERRAZ, 2009). Aproximadamente 10% (67) do total de 667
raios filmados apresentaram corrente contínua longa na última
descarga de retorno do raio.
c) Falhas nos critérios de agrupamento: O critério de duração máxima foi
desenvolvido a partir de observações de raios, que dificilmente
apresentaram durações superiores a 1 segundo. Mesmo no caso dos
raios filmados para este trabalho, apenas 2,25% apresentaram
durações maiores do que 1 segundo. Entretanto, pequenos erros em
cada um dos critérios de agrupamento perfazem incertezas maiores
do que 10% nas soluções dos raios.
Dos três erros que afetam a precisão do cálculo da duração dos raios aquele
que influencia mais drasticamente é a eficiência de detecção. Como atualmente
as redes de detecção possuem EDs cada vez maiores, as durações calculadas
começam a representar melhor a duração real dos raios. As Figuras 5.11, 5.12
e 5.13 mostram as distribuições das durações calculadas para os dados das
redes de detecção em LF para as três campanhas. É notável uma grande
similaridade entre as distribuições, mesmo levando-se em conta a baixa ED da
campanha SJC1.
113
Figura 5.11 – Distribuição de durações dos raios para a campanha SJC1, utilizando dados da rede BrasilDAt.
Figura 5.12 – Distribuição de durações dos raios para a campanha SJC2, utilizando dados da rede BrasilDAt.
114
Figura 5.13 – Distribuição de durações dos raios para a campanha TUS, utilizando dados da rede norte-americana NLDN.
A seguir, a Figura 5.14 mostra a relação entre a multiplicidade calculada a
partir dos dados do sistema de detecção, sem correções de ED4, e a duração
calculada. A figura apresenta as mesmas relações mostradas na Figura 5.3,
porém, com uma dispersão muito menor, fortalecendo a relação já estabelecida
entre multiplicidade dos raios e sua duração. Os valores de R2 também
aumentaram significativamente para os ajustes linear e exponencial.
Extrapolando a reta do ajuste linear para cruzar com o ajuste exponencial,
chega-se a um limite para a ocorrência de raios múltiplos de aproximadamente
24 descargas de retorno por raio. Corrigindo esse valor pela eficiência de
detecção, a maior multiplicidade de um raio seria algo em torno de 30.
Considerando que raios com duração próxima de 1 segundo são mais raros,
multiplicidades de ordem maior se tornam cada vez mais raras também. Por
exemplo, do total de durações calculadas para a rede, apenas 6 – 9%
apresentaram valores maiores do que 700 ms, indicando que multiplicidades
4 Lembrando que as correções de ED são úteis apenas na determinação da multiplicidade pois a ED trata apenas da correção nas quantidades de descargas e quantidade de raios.
115
acima de 18 têm ainda menos chances de acontecer devido à raridade de raios
com durações maiores.
Figura 5.14 – Gráfico de dispersão mostrando a relação entre a duração dos raios e suas multiplicidades. Desta vez, foram utilizados dados das redes de detecção em LF.
5.2.3. Intervalo entre Descargas
Os critérios de agrupamento das redes em LF, cujos dados foram utilizados
neste trabalho, também possuem uma limitação quanto ao intervalo entre
descargas. Na configuração padrão utilizada para o processamento dos dados,
o critério de agrupamento assume que qualquer descarga de retorno com
tempo superior a 500 ms não pertence mais ao mesmo raio. Esse critério é
ainda menos problemático do que o critério de duração total do raio, pois
apenas 1% dos intervalos entre descargas filmados tiveram durações maiores
do que 500 ms.
Similarmente à seção anterior, o maior problema para o cálculo dos intervalos
entre descargas é a eficiência de detecção da rede. A perda de uma descarga
de retorno entre duas outras descargas de um mesmo raio gera um erro na
116
determinação do intervalo entre as descargas, ou seja, quanto menor a ED de
um sistema, maior serão os intervalos calculados. No caso de redes com EDs
próximas, outros fatores podem contribuir para a perda de descargas, como,
por exemplo, os tipos de sensores e a configuração da rede.
As Figuras 5.15, 5.16 e 5.17 mostram as distribuições dos intervalos entre
descargas para as três campanhas. Além de similares entre si, estas
distribuições também são similares àquelas apresentadas na Figura 5.4
calculadas a partir dos dados das câmeras de alta velocidade. As médias
geométricas dos intervalos, descritas na legenda das figuras, apresentaram
valores mais altos do que para as câmeras, como era esperado, sendo o valor
de SJC1 maior do que os outros devido à menor ED das três campanhas.
Schulz et al. (2005), utilizando dados da rede austríaca ALDIS, calcularam o
intervalo entre descargas para um período de 10 anos de dados na Áustria e a
média geométrica ficou em torno de 60 ms, o que era esperado devido à alta
ED dessa rede (devido à proximidade dos sensores e a um menor limiar de
detecção).
Figura 5.15 – Distribuição de intervalos entre descargas utilizando dados da rede de detecção de descargas, para a campanha SJC1.
117
Figura 5.16 – Distribuição de intervalos entre descargas utilizando dados da rede de detecção de descargas, para a campanha SJC2.
Figura 5.17 – Distribuição de intervalos entre descargas utilizando dados da rede de detecção de descargas, para a campanha TUS.
Os resultados apresentados aqui corroboram com a idéia de que o intervalo
entre descargas é um fenômeno que depende exclusivamente de processos
intrínsecos à física da descarga, como a eficiência do líder no interior da nuvem
118
ao coletar cargas suficientes para as próximas descargas. Os maiores
intervalos ocorrerão, em sua maioria, devido à presença de corrente contínua.
5.3. Resumo
Nesta seção é apresentada uma tabela com o resumo das principais
estatísticas das características dos raios negativos mostrados nas seções 5.1 e
5.2. Os valores médios apresentados na tabela 5.3 são: quantidade de dados
utilizados, média aritmética, desvio padrão (σ), desvio padrão das médias (σerr)
e média geométrica. A nenhum valor foram aplicadas correções de ED.
Tabela 5.3 – Resumo das principais estatísticas das características dos raios negativos estudadas neste trabalho.
Parâmetro Número de raios
Média Aritmética
σ σerr Média
Geométrica São José dos Campos – verão 2003/2004 (SJC1)
Multiplicidade 222 3,7 3,0 0,2 2,8 Intervalo entre descargas (ms ) 602 90,2 91,6 3,8 63,6
Duração (ms ) 204 283,2 279,8 19,6 112,3 CC curta/longa (ms ) 586/ 41 4,5/ 144.9 6,5/ 97,3 0.3/ 15,2 3/120 Multiplicidade – rede 2797 2,1 1,5 0.03 1,7 Intervalo – rede (ms ) 2792 125,2 9,7 0,2 95 Duração – rede (ms ) 1269 270,3 207,9 5,8 194,7 Corrente de pico (kA) 5685 -18,3 9,0 0,1 -16,6
São José dos Campos – verão 2008 (SJC2) Multiplicidade 195 4,8 3,4 0,2 3,7
Intervalo entre descargas (ms ) 727 98,0 99,4 3,7 65,7 Duração (ms ) 194 401,0 318,0 22,8 160,7
CC curta/longa (ms ) 570/ 101 5,8/ 203,8 6,2/ 129,5 0,3/ 12,9 4/164 Multiplicidade – rede 4103 3,1 2,5 0,04 2,4 Intervalo – rede (ms ) 8433 100,4 87,6 1,0 74 Duração – rede (ms ) 2549 317,6 244,3 4,8 220,6 Corrente de pico (kA) 12782 -16,3 9,4 0,1 -14,1
Tucson – verão 2007 (TUS) Multiplicidade 250 3,9 3,1 0,2 2,9
Intervalo entre descargas (ms ) 721 87,0 84,7 3,2 58,8 Duração (ms ) 212 326,3 273,1 18,8 199,1
CC curta/longa (ms ) 735/ 63 4,1/ 160,5 5,8/ 98,9 0,2/ 12,5 2/133 Multiplicidade – rede 2828 3,0 2,3 0,04 2,2 Intervalo - rede (ms ) 4687 108,74 89,43 1,31 79 Duração – rede (ms ) 1595 305,8 225,1 5,6 221,2 Corrente de pico (kA) 7883 -18,8 9,7 0,1 -16,8
119
5.4. Análise III – Câmeras, Redes de Detecção em LF e Radar
Nesta terceira e última etapa, foram introduzidos os dados de radar para
buscar uma explicação dos fatores determinantes que levaram às diferenças
nas distribuições e nas médias dos parâmetros dos raios analisados para as
três campanhas. O grande motivador para a utilização dos dados de radar foi a
diferença encontrada na multiplicidade para a campanha SJC2 em comparação
com as outras. Como foi mostrado nas seções 5.1 e 5.2, a multiplicidade foi a
medida com maior precisão entre as duas técnicas de observação de raios e
mostrou um claro aumento para a campanha SJC2 em relação aos dados das
campanhas SJC1 e TUS, que, por sua vez, apresentaram uma grande
similaridade. Esses resultados mostraram pouca influência de fatores
geográficos sobre as características dos raios. Uma análise mais rigorosa
sobre os tipos de tempestades nos diferentes sítios deve mostrar qual a
influência que fatores climáticos exercem sobre os resultados.
Vários trabalhos na literatura tentaram relacionar a ocorrência de relâmpagos a
parâmetros de radar. Porém, não se sabe ao certo qual é o melhor eco de
radar que representa bem a ocorrência de relâmpagos. MacGorman (1978) e
MacGorman et al. (1983) observaram que a extensão horizontal dos canais dos
relâmpagos dentro das nuvens está relacionada aos contornos dos níveis de
36 dBZ dos ecos de radar. Michimoto (1991) observou que a iniciação do
relâmpago ocorre em níveis superiores a 30 dBZ nas tempestades de inverno
no Japão. Lund et al. (2009) observaram que a inicialização dos raios ocorre
geralmente dentro dos limites dos contornos de 35 dBZ dentro da nuvem em
camadas de 3 – 6 km, 7 – 10 km e cerca de 10 – 12 km, com a maioria dos
raios ocorrendo entre 7 – 10 km durante a fase madura das tempestades
analisadas. Proctor (1991) estudou a região de iniciação dos relâmpagos e
verificou raios se formando em duas camadas, além de apresentar uma tabela
citando outros trabalhos em que foram observadas apenas uma ou duas
camadas produtoras de raios.
120
O nível de refletividade de 35 dBZ também é considerado como indicativo de
forte convecção, sendo os ecos provenientes de partículas do tamanho de
milímetros (graupel) (MACGORMAN e RUST, 1998, ROBERTS, 2002,
TAKAHASHI ET AL. 1998). De acordo com o modelo de distribuição de carga
tripolar (SIMPSON e SCRASE, 1937, SIMPSON e ROBINSON, 1941), sabe-se
que a camada de carga negativa principal está localizada próxima ao nível de -
10º C (WILLIAMS, 1989; MACGORMAN e RUST, 1998) e sua altura pode ser
determinada através de dados de radiossondagens.
Embora outros trabalhos sugiram diferentes níveis de refletividade para a
iniciação do relâmpago, a escolha dos contornos em 35 dBZ foi consistente
com a análise das três campanhas, mostrando que mais de 90% das
coordenadas dos raios, estimados através das redes de detecção, estão
relacionados com as regiões >35 dBZ, e com observações recentes feitas em
VHF (MACGORMAN, comunicação pessoal, 2010). As áreas utilizadas nesta
terceira etapa compreendem, então, os contornos de 35 dBZ, extraídos dos
CAPPIs gerados na altura da isoterma de -10º C.
Além das áreas dos contornos em 35 dBZ, a quantidade de raios a cada 5
minutos, relacionada a cada contorno, foi medida. A relação entre a área em 35
dBZ e a contagem de raios por 5 minutos está mostrada na Figura 5.18. Para
esse gráfico foram utilizados dados apenas das campanhas SJC2 e TUS, cujas
EDs são similares. Nota-se uma relação linear entre os dois parâmetros, com
grande dispersão. Uma parte da dispersão pode ser explicada por áreas de
mesmo tamanho em fases diferentes das tempestades, que produzem mais ou
menos raios. A atividade elétrica de cada célula foi definida neste trabalho
como a razão entre a área da região de 35 dBZ e a contagem de raios por 5
minutos, ou seja, a atividade elétrica foi definida como a quantidade de raios
por quilômetro quadrado por 5 minutos.
121
Figura 5.18 – Relação entre a área em 35 dBZ e a contagem de raios. A linha vermelha é um ajuste linear aplicado aos dados, com coeficiente de correlação R = 0,71.
As distribuições de raios por faixas de áreas estão mostradas na Figura 5.19. A
partir do gráfico, pode-se observar que a maioria dos raios observados da
campanha SJC2 ocorreu em regiões maiores do que nas outras campanhas.
As médias geométricas das distribuições também mostram que as áreas de
maior ocorrência dos raios das campanhas SJC1 e TUS são muito similares.
Este resultado pode estar relacionado com as multiplicidades médias
observadas para as três campanhas.
5.4.1. Multiplicidade
As relações entre a multiplicidade das campanhas SJC2 e TUS com a área dos
contornos de 35 dBZ estão mostradas no diagrama de dispersão da Figura
5.20. Um ajuste polinomial de grau 2 foi realizado para a área mínima de cada
multiplicidade e o resultado mostra uma clara tendência de aumento da
multiplicidade máxima com o aumento da área. O mesmo gráfico foi feito para
o conjunto de dados das câmeras de alta velocidade, revelando a mesma
tendência (Figura 5.21).
122
Figura 5.19 – Distribuição do número de raios ocorridos em função das áreas dos contornos de 35 dBZ.
Figura 5.20 – Distribuição das multiplicidades dos raios pela área em 35 dBZ. Para esta análise foram utilizados dados das redes de detecção. A linha preta é um ajuste polinomial aos valores mínimos de área para cada multiplicidade.
123
Figura 5.21 – Distribuição das multiplicidades dos raios pela área em 35 dBZ. Aqui foram utilizados dados das câmeras de alta velocidade. A linha preta é o mesmo ajuste da figura anterior multiplicado por fc.
As médias da multiplicidade da rede de detecção calculadas em faixas de 50
em 50 km estão mostradas na Figura 5.22. Nesse gráfico, os erros baseados
no desvio padrão das médias (σ/√n) foram inseridos. Esses erros consideram
apenas a distribuição de multiplicidades para cada faixa de área. Outros erros
sistemáticos, como, por exemplo, aqueles relacionados à ED, não foram
computados. A linha verde representa a média das multiplicidades juntando os
conjuntos de dados das campanhas SJC2 e TUS. Com um conjunto maior de
dados por faixa de área, a tendência de aumento da multiplicidade média torna-
se mais clara. O diagrama de dispersão da Figura 5.20 mostra que os valores
máximos de multiplicidade, para cada faixa de área, aumentam gradativamente
até 125 km2, porém, no gráfico da Figura 5.22, o aumento gradativo da
multiplicidade média por faixa de área chega a aproximadamente 300 km2. A
partir dessa área, a multiplicidade não segue mais um padrão, percebido em
todos os conjuntos de dados.
124
Figura 5.22 – Multiplicidade média em função das faixas de área em 35 dBZ. A média em verde mostra uma clara tendência de aumento da multiplicidade com a área.
A seguir, na Figura 5.23, estão relacionados multiplicidade e atividade elétrica.
Até o nível de 0,1 raios*km-2*5min-1, a mesma relação vista entre multiplicidade
e área foi observada, como era de se esperar. Após esse nível, até o máximo
em aproximadamente 0,5, a multiplicidade decresce com o aumento da
atividade, conforme o gráfico da Figura 5.24. Esse efeito é mais visível quando
a multiplicidade é correlacionada com a atividade elétrica do que com a área
em 35 dBZ. As relações mostradas aqui serão discutidas em maiores detalhes
no próximo capítulo.
5.4.2. Duração
A duração do raio é outro parâmetro que foi comparado com a área em 35 dBZ
e com a atividade elétrica. O gráfico de dispersão da Figura 5.25 mostra que a
duração dos raios, aparentemente, não têm relação com a área em 35 dBZ. A
comparação com dados das câmeras é mostrada na Figura 5.26 e também não
se nota uma relação clara. Contudo, no próximo capítulo, esta questão será
125
novamente abordada. A comparação da duração dos raios com a atividade
elétrica também não mostrou nenhum resultado.
Figura 5.23 – Atividade elétrica em função da multiplicidade, utilizando dados das redes de detecção. Neste gráfico está considerada somente a faixa de 0 – 0,1 raios por km2 e por 5 min. A linha em preto é apenas uma linha de tendência, não um ajuste linear.
Figura 5.24 – Atividade elétrica em função da multiplicidade, utilizando dados das redes de detecção. A linha em preto é apenas uma linha de tendência.
126
Figura 5.25 – Duração do raio em função da área em 35 dBZ, utilizando dados da rede de detecção.
Figura 5.26 – Duração do raio em função da área em 35 dBZ, utilizando dados das câmeras de alta velocidade.
127
5.4.3. Outros Parâmetros dos Raios
O intervalo entre descargas, a corrente contínua e a corrente de pico das
descargas também foram comparados com os parâmetros derivados dos
CAPPIs, porém, nenhuma relação entre eles foi encontrada.
5.4.3.1. Intervalo entre descargas
São poucos os trabalhos na literatura que medem precisamente o intervalo
entre descargas (THOMSON ET AL. 1979; SHINDO e UMAN, 1989; COORAY
e JAYARANTE, 1994; COORAY e PEREZ, 1994; SCHULZ ET AL. 2005; SABA
ET AL., 2006; trabalho presente). Em diferentes localidades e com medições
através de instrumentações distintas, a média geométrica do intervalo entre
descargas sempre esteve muito próxima de 60 ms. Isso é um indicativo de que
esse parâmetro não depende dos parâmetros derivados dos CAPPIs
analisados aqui. O gráfico da Figura 5.27 mostra um exemplo da dispersão do
intervalo entre descargas medido pelas câmeras de alta velocidade e a área
dos contornos de 35 dBZ.
Figura 5.27 – Distribuição dos intervalos entre descargas contra a área dos contornos em 35 dBZ. Os vídeos das câmeras de alta velocidade foram utilizados para obter esses dados. O conjunto total de dados das três campanhas foi combinado.
128
5.4.3.2. Corrente contínua
A corrente contínua é um dos parâmetros mais importantes dos raios e um dos
menos compreendidos. Um resumo das teorias conhecidas sobre o mecanismo
de formação desse fenômeno pode ser encontrado em Rakov e Uman (1990).
Em suma, a formação da corrente contínua supostamente depende de duas
condições básicas: condicionamento do canal e disponibilidade de cargas
dentro da nuvem. O condicionamento do canal pode ser entendido como o
conjunto de condições necessárias para que o canal esteja apto a manter um
fluxo de cargas durante um tempo maior. Segundo Rakov e Uman (1990),
depois do canal estar condicionado para manter a corrente contínua, a próxima
condição dependerá da disponibilidade de cargas no interior da nuvem capaz
de prover a quantidade necessária de cargas para o canal. A disponibilidade de
cargas dentro da nuvem está diretamente relacionada aos objetivos deste
trabalho. Porém, talvez devido a pouca quantidade de dados de corrente
contínua longa, os resultados não mostraram nenhuma evidência de relação,
conforme a Figura 5.28.
Considerando a teoria do líder bi-direcional (MAZUR, 2002), a propagação do
líder dentro da nuvem dá-se de forma contínua desde o instante da quebra de
rigidez dielétrica, até o final da corrente contínua da última descarga de retorno.
Sob esse ponto de vista, a corrente contínua tenderia a aumentar a duração do
raio, porém, o gráfico da Figura 5.2 mostra que a duração máxima dos raios
raramente ultrapassa 1 segundo, o que implica que a corrente contínua não
deve ser responsável por nenhum aumento anormal da duração do raio e,
conseqüentemente, da extensão horizontal do mesmo.
129
Figura 5.28 – Distribuição de corrente contínua pela área em 35 dBZ.
5.4.3.3. Corrente de pico
A corrente de pico das descargas de retorno medida pelas redes de detecção
em LF também não mostraram relação com a área dos contornos de 35 dBZ,
de acordo com a Figura 5.29. Nesse gráfico, em que as médias dos picos de
corrente são discretizadas para faixas de área de 50 km2, nenhuma tendência
foi encontrada. Esse resultado é, de certa forma, esperado uma vez que o pico
de corrente da descarga de retorno depende, fundamentalmente, da
quantidade de cargas presentes no canal e da velocidade da descarga de
retorno. A dependência da extensão da região de cargas negativas poderia
estar relacionada com a diferença de potencial entre o centro de cargas e o
solo. Segundo Cooray (2009), quanto maior essa diferença de potencial, maior
poderá ser o pico de corrente da descarga de retorno. Porém, nenhum efeito
dessa natureza foi observado.
130
Figura 5.29 – Média da corrente de pico para faixas de área em 35 dBZ. De maneira geral, a oscilação dos valores está em torno de 2 kA.
5.4.3.4. Altura da região de 35 dB Z e echotop
Dois resultados conflitantes foram o motivador para esta análise. Na seção
anterior foi visto que, aparentemente, não existe relação entre as áreas em 35
dBZ e a corrente de pico das descargas de retorno. Em outras análises
realizadas, médias dos picos de corrente foram avaliados e uma variação de
até 6 kA foi observada entre células do mesmo dia. Para tentar determinar a
causa dessa variação na corrente de pico, foram utilizadas informações sobre a
altura máxima da nuvem (echotop) e a altura máxima do eco de 35 dBZ.
Tanto o echotop quanto o último eco de 35 dBZ foram calculados na
coordenada de cada raio, dada pela rede de detecção. Tanto a resolução
espacial do radar, quanto a precisão de localização dos raios é de
aproximadamente 2 km2. Os gráficos a seguir mostram como a corrente de
pico e a multiplicidade variam com o aumento da altura do eco de 35 dBZ e do
echotop. As Figuras 5.30 e 5.31 mostram como a multiplicidade variou com o
aumento dos dois parâmetros do radar e as Figuras 5.32 e 5.33 mostram a
131
variação da corrente de pico. O resultado desta análise mostra uma clara
tendência de aumento tanto da multiplicidade como da corrente de pico. As
possíveis explicações para os fenômenos observados aqui serão discutidas em
maiores detalhes no próximo capítulo.
Figura 5.30 – Correlação entre multiplicidade dos raios e echotop.
Figura 5.31 – Correlação entre multiplicidade e altura do último eco de 35 dBZ.
132
Figura 5.32 – Correlação entre corrente de pico e echotop.
Figura 5.33 – Correlação entre corrente de pico e altura do último eco de 35 dBZ.
133
6 DISCUSSÕES
No capítulo anterior, foram apresentadas relações entre dados de raios,
provenientes de câmeras de alta velocidade e redes de detecção em LF, e
dados de radar. Todos os resultados foram obtidos a partir de três campanhas
de observação em dois sítios com características geográficas e meteorológicas
distintas, sendo duas das campanhas realizadas no mesmo sítio em anos
diferentes. Os parâmetros dos raios analisados foram: multiplicidade e duração
dos raios, intervalo entre descargas de retorno, corrente contínua e corrente de
pico. Dentre eles, a multiplicidade média pôde ser comparada diretamente
entre os dados das câmeras e das redes de detecção com a aplicação de
fatores de correção. Esse parâmetro apresentou maior valor na campanha de
São José dos Campos no verão de 2008 (SJC2) quando comparado aos
valores médios das demais campanhas. Foi verificado também, durante a
campanha SJC2, um máximo de ocorrência de raios em áreas próximas a 200
km2 e, nas outras campanhas, em áreas menores (em torno de 140 km2).
Também foi observada uma relação entre as extensões horizontais dos
contornos de 35 dBZ e a multiplicidade.
A explicação para as variações da multiplicidade será mostrada em duas
etapas. A primeira considerará as variações da área dos contornos de 35 dBZ
até 300 km2. Para entender as relações observadas, um modelo conceitual
simples será introduzido a seguir.
Os gráficos das Figuras 5.3 e 5.14 mostram uma relação linear para a duração
mínima de cada ordem de raio múltiplo. A duração do raio também está
diretamente relacionada com a propagação do líder no interior da nuvem,
durante o desenvolvimento do raio. Seguindo a teoria do líder bidirecional, essa
propagação só cessará ao final da corrente contínua da última descarga de
retorno, caso haja. Durante o desenvolvimento do líder negativo, um líder
positivo contínuo, com igual quantidade de carga, desenvolve-se no interior da
134
nuvem e, após a primeira descarga de retorno, ele será o responsável pela
geração de cargas em quantidade suficiente para o desenvolvimento da
segunda descarga de retorno ou pela manutenção da corrente contínua. Assim,
a duração total de um raio está intimamente relacionada à disponibilidade de
cargas no interior da nuvem. Através da observação das emissões em VHF
(LUND et al., 2009, MACGORMAN; RUST, 1998; PROCTOR, 1991,
NAKAMURA et al., 2009; YOSHIDA et al., 2010), sabe-se que a propagação do
líder no interior da nuvem é basicamente horizontal. Observações in situ
também mostraram o mesmo efeito, como no exemplo da Figura 6.1. Nesse
caso raro de condições de observação, é possível ver o desenvolvimento do
canal por fora da nuvem e, conforme a ordem das descargas aumenta, a
porção horizontal do canal aumenta, visivelmente ultrapassando a dimensão
vertical do canal que tocou o solo. A consideração inicial do modelo será,
então, a de que o canal dentro da nuvem propaga-se na horizontal.
Figura 6.1 – Seqüência de quadros de um vídeo de raio filmado com câmera de alta velocidade no dia 13/02/2008. As imagens representam as descargas números 7, 11, 14 e 16. As linhas vermelhas indicam o desenvolvimento do canal.
A próxima etapa é definir a forma da área da região de cargas negativas. As
considerações iniciais deste trabalho aproximam a extensão horizontal dos
contornos de 35 dBZ em -10º C com a área da região de cargas negativas. As
formas geométricas observadas nos contornos de 35 dBZ vão desde formas
simples, como esferóides e elipsóides, a formas extremamente complexas. Foi
observado que, ao se desenvolver, as células modificam seus contornos,
muitas vezes pelo crescimento desordenado ou mesmo devido à agregação
135
com outras células. Como este é apenas um modelo conceitual, a forma das
células será aproximada para a forma mais simples, um disco esférico cuja
área (A) é dada simplesmente pela equação:
onde R é o raio da esfera.
Para relacionar a duração dos raios à área do disco esférico, é necessário
assumir que a duração do raio é diretamente proporcional à distância de
propagação do líder dentro da nuvem de maneira retilínea. Sendo assim, esta
distância será:
onde v é a velocidade do líder, estimada como constante em 105 m/s
(CAMPOS et al,. 2009), e t é a duração do raio.
Um relâmpago pode ser iniciado em qualquer ponto do disco esférico. Se o
relâmpago ocorrer na extremidade do disco e tiver uma distância de
propagação d, necessariamente o raio mínimo do disco precisa ser igual a d/2.
Para que um relâmpago, formado em qualquer lugar do disco, tenha uma
distância de propagação d, o raio do disco deve ser igual a d. Substituindo R =
d na Equação 6.1, tem-se:
onde α é uma constante de proporcionalidade.
136
O gráfico da Figura 6.2 mostra em preto a curva teórica da relação entre a área
da região de cargas negativas e a duração dos raios. As curvas em vermelho e
verde são a mesma relação, mas considerando uma redução de 85% e 50% do
raio (R), respectivamente. Abaixo da curva preta (100% do raio) deveria estar
contida a maioria dos dados de raio, onde R ≥ d. A densidade de raios
diminuirá enquanto d ≤ R ≤ d/2. De acordo com o modelo conceitual proposto,
não deveria haver nenhum raio à esquerda da curva verde, ou seja, se R < d/2.
Figura 6.2 – Curva teórica relacionando a área da região de cargas negativas e as durações dos raios.
O gráfico da Figura 6.3 é a mesma Figura 5.26, porém, agora juntamente com
as curvas teóricas. A partir dessa nova perspectiva, é possível notar uma
diminuição da concentração de dados acima da curva preta e uma diminuição
maior com praticamente nenhum dado acima da curva verde. A redução da
concentração de dados acima da curva teórica fica explícita no histograma
bidimensional da Figura 6.4. Nesse gráfico, as cores indicam a concentração
de dados em escala logarítmica. Finalmente, na Figura 6.5, são mostradas as
médias das durações dos raios calculadas a partir dos dados das redes de
137
detecção para faixas de 50 até 300 km2, novamente notando-se uma tendência
clara de aumento das durações dos raios com a área.
Figura 6.3 – Duração dos raios filmados versus área do contorno de 35 dBZ. As linhas coloridas são as relações teóricas para 100% do raio em roxo, 85% em vermelho e 50% em preto.
Figura 6.4 – Duração dos raios obtidos pela rede de detecção versus área do contorno de 35 dBZ. A linha representa a relação teórica para 100% do raio.
138
Figura 6.5 – Duração média dos raios pela área da região de 35 dBZ. O gráfico foi cortado em 300 km2 para salientar a relação entre os dois parâmetros.
A relação linear descrita anteriormente, entre a duração mínima e a
multiplicidade, indica que este modelo conceitual pode ser extrapolado para a
multiplicidade, conforme mostrado nos gráficos das Figuras 5.20, 5.21 e 5.22.
A partir da área de 300 km2, as relações entre multiplicidade e duração dos
raios com a extensão horizontal da região dos contornos de 35 dBZ já não
seguem uma tendência crescente. A partir desse valor, as médias de
multiplicidade e duração começam a oscilar, aumentando e diminuindo a cada
incremento de 50 km2 na área. A variação aleatória dos valores de
multiplicidade está mostrada na Figura 5.22; já as variações da duração não
foram mostradas aqui devido à falta de confiabilidade das médias dessa
grandeza a partir de 300 km2, quando há uma diminuição considerável do
número de dados de duração. Alguns efeitos estatísticos e físicos podem agir
conjuntamente para descrever esse comportamento dos dados.
139
Análise das flutuações acima de 300 km:
a) A quantidade de raios diminui com o aumento da área acima de 300
km2. Isso poderia ocasionar uma redução da multiplicidade média
gradativamente com o aumento da área. Para avaliar esse problema,
foi verificado qual o número mínimo de raios para cada faixa de área,
de 50 em 50 km2. Mesmo em faixas de área pouco povoadas, a
amostra nunca foi menor do que 200 raios medidos pela rede de
detecção. Assim, para cada faixa de área, foram escolhidas amostras
aleatórias de 200 raios e recalculadas as médias. Em nenhum caso
foi notada alteração nas tendências observadas. Em suma, a hipótese
da baixa amostragem de dados em função da faixa de área escolhida
foi descartada.
b) A seleção dos dados no MapInfo® poderia ter gerado grandes áreas
com baixas multiplicidade e duração. Em alguns casos, quando duas
áreas de 35 dBZ estão juntas por um estreito filamento, o programa
seleciona as duas áreas como se fossem somente uma. Assim, duas
áreas pequenas, com multiplicidades e durações correspondentes,
tornam-se uma área grande com multiplicidades e durações de áreas
menores. Em milhares de CAPPIs analisadas neste trabalho, uma
quantidade inexpressiva desse tipo de caso foi verificada. Qualquer
erro baseado nessa hipótese também foi desconsiderado.
c) Uma possível explicação física parte do modelo conceitual.
Considerando que os líderes no interior das nuvens estejam se
propagando da mesma forma mencionada acima, o que muda a partir
de 300 km2 é, em um primeiro momento, a forma das áreas da região
de cargas. Formas elipsoidais com excentricidade alta são bastante
comuns, assim como áreas com regiões estreitas, improváveis que o
canal do raio percorra. Algumas dessas áreas podem apresentar
dificuldades para propagação do líder, que tem seu desenvolvimento
interrompido precocemente.
140
d) Em outros casos, o que pode acontecer é a junção de duas células ou
duas regiões de cargas. No caso em que uma célula em suas etapas
finais de desenvolvimento e outra iniciando a fase madura se
encontram, fica difícil avaliar qual o efeito que a área teria sobre as
características dos raios. Uma idéia seria tentar estimar, por alguma
medição indireta, a área das duas células separadas e assim verificar
como elas se comportam. Em diversos casos, foram observadas
células mescladas.
e) Durante o desenvolvimento de alguns sistemas convectivos de
mesoescala (SCM) em Oklahoma, MacGorman (2010 – comunicação
privada) verificou um decréscimo na multiplicidade. Uma hipótese
para explicar esse efeito estaria relacionada com a atividade elétrica.
Em grande escala temporal, durante a fase madura da tempestade,
os ventos ascendentes são responsáveis pela manutenção dos
centros de cargas. Já em um curto intervalo de tempo, uma alta
produção de raios por minuto pode criar “buracos” na região de
cargas negativas. Os buracos seriam regiões sem carga permeando
toda a área, inibindo a propagação dos líderes dos próximos raios,
encurtando a sua duração e, conseqüentemente, sua multiplicidade.
O gráfico da Figura 5.24 mostra a taxa de raios por 5 minutos e por
quilômetro quadrado versus a multiplicidade dos raios. Nota-se a
diminuição gradativa da multiplicidade conforme a taxa de raios
aumenta. Mais dados ainda são necessários para quantificar qual a
real diminuição da multiplicidade com o aumento da atividade elétrica.
O método proposto neste trabalho para a análise individual de células de
tempestade proporcionou também a avaliação dos parâmetros dos raios célula
a célula utilizando os dados das redes de detecção em LF, uma vez que os
dados das câmeras observam em média apenas 4% do total de raios de cada
célula. A Tabela 6.1 apresenta as multiplicidades e picos de corrente para
141
algumas células individuais analisadas neste trabalho durante as campanhas
SJC1 e SJC2. As diferenças nas multiplicidades são esperadas já que a
distribuição de raios em diferentes tamanhos de áreas de 35 dBZ variou entre
tempestades e de dia para dia. A diferença dos valores médios de
multiplicidade variou entre 0 e 1 para tempestades do mesmo dia e,
considerando os efeitos da eficiência de detecção, entre 2,5 a 4 para dias
diferentes. Os picos de corrente variaram de 1 a 6 kA entre tempestades do
mesmo dia.
Tabela 6.1 – Parâmetros dos raios obtidos para as células individuais durante as campanhas SJC1 e SJC2.
Data Multiplicidade média Número de raios Corrente de pico médio
07/11/2003 1.5 135 -16
07/11/2003 1.5 80 -19
20/12/2003 3 330 -15
15/01/2004 2.5 140 -17
15/01/2004 1.75 368 -19
30/03/2004 2.3 94 -17
30/03/2004 2.2 121 -20
30/03/2004 2.2 84 -23
16/04/2004 2.7 108 -27
21/02/2008 3 80 -16
21/02/2008 2.5 481 -17
07/03/2008 3.5 340 -12
07/03/2008 2.5 525 -15
18/02/2008 2.5 2400 -16
24/03/2008 4 600 -17
26/03/2008 3.4 500 -16
Com o objetivo de buscar uma explicação para a variação da corrente de pico
média, foram correlacionadas a altura da nuvem (echotop) e a altura do eco
mais alto de 35 dBZ para a coordenada dos raios dada pela rede de detecção.
Desse resultado, mostrado nas Figuras 5.30, 5.31, 5.32 e 5.33, nota-se um
142
aumento de ambas, multiplicidade e corrente de pico, com as duas alturas
analisadas.
Até o momento não existe nenhuma teoria capaz de explicar esse fenômeno.
Contudo, podem-se conjecturar alguns efeitos talvez parcialmente
responsáveis pelas variações encontradas.
Cooray (2009) e Cooray et al. (2007) mostraram que existe uma correlação
entre a diferença de potencial entre a nuvem e o solo e a corrente de pico das
descargas de retorno. Essa relação é dada por:
onde Ip é a corrente de pico da descarga de retorno e V é a diferença de
potencial entre a nuvem e o solo. A Figura 6.6 mostra essa curva teórica.
Considerando que os raios se formem sempre na mesma altura, ecos de 35
dBZ mais altos podem estar relacionados com o aumento volumétrico da região
de cargas negativas, criando diferenças de potencial maior entre as regiões de
cargas, produzindo assim maiores correntes de pico.
Alturas maiores dos ecos de 35 dBZ e do echotop podem também sugerir
maior convecção local que, por sua vez, pode estar influenciando na geração
de cargas, reforçando a teoria anteriormente proposta, baseada em Cooray et
al. (2007) e Cooray (2009).
As alturas dos ecos de 35 dBZ e o echotop podem estar relacionados com o
volume da região de cargas negativas e indiretamente com a sua extensão
horizontal. Já que foi mostrada uma relação entre multiplicidade e a extensão
horizontal dos contornos de 35 dBZ, seria esperado encontrar uma variação
das médias da multiplicidade com a altura dos ecos e echotop. As Figuras 5.30
e 5.31 mostram o aumento da multiplicidade com a altura, conforme esperado.
143
Contudo, a falta de maiores informações locais impede que uma avaliação
mais detalhada possa ser feita.
Figura 6.6 – Corrente de pico das primeiras descargas de retorno em função do potencial da nuvem.
144
145
7 CONCLUSÕES
Este trabalho apresentou um estudo inédito sobre a variabilidade de
parâmetros de raios em diferentes regiões e períodos, utilizando observações
de três técnicas diferentes (câmeras de alta velocidade, sistemas de detecção
de descargas e radar meteorológico). Foram analisadas a multiplicidade e a
duração dos raios, o intervalo entre descargas de retorno, a duração da
corrente contínua e a corrente de pico. Dos parâmetros analisados, a
multiplicidade média foi aquele que apresentou maior variabilidade, assumindo
valor máximo na campanha em São José dos Campos em 2008, em
comparação às demais campanhas realizadas. Os dois métodos de
observação de raios utilizados, câmeras de alta velocidade e redes de
detecção em LF, confirmaram o resultado.
Para explicar esse fenômeno, estimou-se a extensão horizontal da região de
cargas negativas a partir dos contornos de 35 dBZ de CAPPIs, na altura da
isoterma de -10º C. Foram encontradas relações entre: a multiplicidade média
dos raios e a área média dos contornos de 35 dBZ nos CAPPIs em que havia
ocorrência dos raios; as áreas mínimas para cada valor de multiplicidade
observada pelas redes de detecção; e as médias de multiplicidades e faixas de
áreas de 50 em 50 km2.
As médias das durações dos raios para faixas de áreas também obtiveram
resultados similares ao da multiplicidade. Para explicar esses fenômenos, um
modelo conceitual foi criado, assumindo as condições mais simples e ideais de
propagação do líder dentro de uma região de cargas negativas ideal, circular,
com distribuição uniforme de cargas. Mesmo sendo um modelo simples, foi
possível observar uma boa concordância entre as curvas teóricas e a
distribuição de durações dos raios até uma área de aproximadamente 300 km2.
146
A partir de 300 km2, não há mais correlação entre nenhum parâmetro dos raios
e a área dos contornos em 35 dBZ. Os efeitos que levam à distribuição
aleatória para áreas maiores não são claros, porém, os resultados sugerem
que a taxa de raios por minuto e por fração de área tenha um papel
fundamental na inibição do líder no interior das nuvens, responsável pela coleta
de cargas para as próximas descargas de retorno.
Desta análise, conclui-se que as variações de multiplicidade são reais, apesar
de pequenas, e um dos principais responsáveis por essa variação é a extensão
da região de cargas negativas.
Nenhuma relação foi encontrada entre a extensão horizontal dos contornos de
35 dBZ e a corrente de pico das descargas de retorno, porém, foi encontrada
uma grande variabilidade do pico de corrente médio entre células de
tempestade individuais. Essa variabilidade motivou a análise da altura máxima
dos ecos de 35 dBZ e echotop. Para esses dois parâmetros foram encontradas
variações da corrente de pico. Algumas sugestões foram apresentadas para
explicar essa relação, sendo que o modelo teórico proposto por Cooray (2009)
parece ser a mais indicada para esta situação. A variação da multiplicidade
com as alturas não é nunca foi observado diretamente, ou indiretamente. A
sugestão deste trabalho é que ecos de 35 dBZ em maiores altitudes devem ser
representativos de regiões de cargas mais extensas. E como foi mostrado
anteriormente, a multiplicidade média aumenta com a área da região de 35
dBZ, que é uma estimativa da área da região de cargas negativas.
Os outros parâmetros, corrente contínua e intervalo entre descargas, não
apresentaram variações com a extensão horizontal dos contornos de 35 dBZ. A
não variação do intervalo entre descargas de retorno está de acordo com
outras observações presentes na literatura. A corrente contínua, segundo a
teoria do líder bidirecional, não deveria influenciar na duração total do líder
dentro da nuvem. Apenas 10% dos raios, como mostrado aqui, possuem
147
corrente contínua longa na última descarga de retorno, sendo esse o único
caso em que haveria influência da corrente contínua na duração total do raio.
Conclui-se que as evidências de invariância desses parâmetros estão de
acordo com o que era esperado.
Depois de uma análise cuidadosa dos critérios de agrupamento das redes de
detecção em LF, chegou-se a conclusão de que, para regiões com alta
eficiência de detecção, aproximadamente 10% dos raios reais são divididos em
dois ou mais raios pela rede de detecção. Um erro dessa magnitude pode se
tornar maior conforme a eficiência de detecção de descargas individuais
aumente no futuro, sugerindo a adoção de um diferente critério de
agrupamento. O surgimento de 10% ou mais de raios agrupados erroneamente
pode afetar mapas de densidade de raios, cálculos das multiplicidades e
correntes de pico médias. Uma correção da multiplicidade média das redes
considerando esse erro foi proposta e provou ser mais adequada para
representar a multiplicidade real.
Em face da complexidade dos processos físicos que ocorrem dentro das
nuvens de tempestade, a seguir serão citadas algumas perspectivas futuras
mostrando o que este tema ainda tem a oferecer:
a) Estender as análises apresentadas para outras regiões, utilizando a
mesma instrumentação;
b) Realizar uma análise meteorológica, procurando separar os dados por
tipo de tempestade e refazendo as análises. Para a realização desta
etapa, ao menos três vezes mais dados são necessários;
c) Utilizar equipamentos adicionais, como informações de redes em
VHF, para localizar precisamente o local de inicialização dos raios e a
extensão real do líder dentro da nuvem;
148
d) Procurar aumentar o banco de dados de raios filmados com câmeras
de alta velocidade. Mais dados de raios filmados poderiam contribuir
com as estatísticas apresentadas aqui e até mesmo evidenciar
alguma outra relação que não pôde ser encontrada com a base de
dados utilizada, devido às limitações dos conjuntos de dados.
149
REFERÊNCIAS BIBLIOGRÁFICAS
ABDOULAEV, S., MARQUES, V. S., PINHEIRO, F. M. A., MARTINEZ, E. F. A., LENSKAIA, O. Análise de sistemas de mesoescala utilizando dados de descargas nuvem-terra. Brazilian Journal of Geophysics , v. 19, n. 1, p. 75-95. 2001. ANAGNOSTOU, E. N., CHRONIS, T., LALAS, D. P. New Receiver Network Advances Long-Range Lightning Monitoring. EOS-Transactions , v. 83, n. 50, p. 589, 594-595. 2002. ANAGNOSTOU, E. N., E MORALES, C. A. Rainfall estimation from TOGA radar observations during LBA field campaign, Journal of Geophysical Research , 107(D20), 8068, 2002. BAKER, M.B., DASH, J.G. Charge transfer in thunderstorms and the surface melting of ice, Journal of Crystal Growth , v. 97, ed. 3-4, pp. 770-776, 1989. BALLAROTTI, M. G. Estudo de relâmpagos nuvem-solo através de câmera rápida. 2005-02-21. 101 p. (INPE-14476-TDI/1157). Dissertação de Mestrado - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 2005. BALLAROTTI, M.G., SABA, M.M.F. AND PINTO, O. High-speed camera observations of negative ground flashes on a millisecond-scale. Geophysical Research Letters, v. 32, n. 23802, 2005. BALLAROTTI, M. G., SABA, M. M. F., PINTO JR., O. A new performance of evaluation of the brazilian lightning location system (rindat) based on high-speed camera observations of natural negative ground flashes. In: INTERNATIONAL LIGHTNING DETECTION CONFERENCE, 19., 2006, Tucson, Arizona. Proceedings… Tucson: [s.n], 2006. BIAGI, C. J.; CUMMINS, K. L.; KEHOE, K. E.; KRIDER, E. P., National Lightning Detection Network (NLDN) performance in southern Arizona, Texas, and Oklahoma in 2003-2004. Journal of Geophysical Research , v. 112, n. D5, 2007. BIAGI, C. J.; JORDAN, D. M.; UMAN, M. A.; HILL, J. D.; BEASLEY, W. H.; HOWARD, J. High-speed video observations of rocket-and-wire initiated lightning. Geophysical Research Letters , v. 36, n. 15. 2009. BJERKNES, J. B. Saturated-adiabatic ascent of air through dry-adiabatically descending environment. Quart. J. R. Met. Soc. , v. 64, p. 325-330. 1938.
150
BOCCIPPIO, D. J., CUMMINS, K. L., CHRISTIAN, H. J., GOODMAN, S. J. Combined Satellite- and Surface-Based Estimation of the Intracloud Cloud-to-Ground Lightning Ratio over the Continental United States. Monthly Weather Review , v. 129, n. 1, p. 108. 2001. BOCCIPPIO, D. J., HECKMAN, S., GOODMAN, S. J. A diagnostic analysis of the Kennedy Space Center LDAR network 1. Data characteristics. J. Geophys. Res., vol. 106, pp. 4769–4786, 2001. BOMFIN JÚNIOR, A. Implementação de uma rede neural artificial para associação de imagens de radar meteorológico e dado s de descargas elétricas . 2003. 133 p. (INPE-10460-TDI/928). Dissertação (Mestrado em Computação Aplicada) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 2003. BROOK, M.; KITAGAWA, N.; WORKMAN, E. J. Quantitative Study of Strokes and Continuing Currents in Lightning Discharges to Ground. Journal of Geophysical Research , v. 67, p. 649. 1962. CALHEIROS, V.R, ZAWADZI, I. Reflectivity-rain rate relationships for radar hidrology in Brazil. J. Climate Appl. Meteor. , v.26, p. 118-132, 1987. CAMPOS, L. Z. S.; SABA, M. M. F., PINTO JR., O.; BALLAROTTI, M. G. Waveshapes of continuing currents and properties of M-components in natural negative cloud-to-ground lightning from high-speed video observations. Atmospheric Research , v. 84, n. 4, p. 302-310. 2007. CARANTI, J. M., ILLINGWORTH, A. J. Transient Workman-Reynolds Freezing Potentials, J. Geophys. Res. , v. 88(C13), pp. 8483–8489, 1983. CARANTI, G. M., AVILA, E. E., RÉ, M. A. Charge Transfer During Individual Collisions in Ice Growing from Vapor Deposition, J. Geophys. Res. , v. 96(D8), p. 375, 1991. CARLSON, B. E.; LEHTINEN, N. G.; INAN, U. S. Terrestrial gamma ray flash production by lightning current pulses. Journal of Geophysical Research , v. 114, n. 3. 2009. CARN, S. A. Atmospheric observations and meteorology . 2009. Local: Michigan, EUA, 2009. Michigan Technological University, Department of Geological Engineering and Sciences at Michigan Tech. Disponível em: <http://www.geo.mtu.edu/~scarn/teaching/GE2640.htm>. Acesso em: 08/Maio/2010.
151
COLIN, R. I. “Dr. Meint Harms and hyperbolic navigation: A vignette of radio navigation history,” IEEE Trans. Aerosp. Electron. Syst. , vol. AES- 6, no. 1, pp. 2–9, Jan. 1970. COOPER, M.A. AB KADIR, M. Z. A. Lightning injury continues to be a public health threat internationally. In: INTERNATIONAL LIGHTNING DETECTION CONFERENCE, 21, 2010, Orlando, Florida. Proceedings… Orlando: [s.n], 2010. COORAY, V. Effects of propagation on the return stroke radiation fields. Radio Science , v. 22, n. 5, p. 757-768. 1987. COORAY, V., PEREZ, H. Some features of lightning flashes observed in Sweden, Journal of Geophysical Research , v. 99, p. 10,683– 10,688. 1994. COORAY, V. JAYARATNE, K. P. S. Characteristics of lightning flashes observed in Sri Lanka in the tropics, Journal of Geophysical Research , v. 99, p. 21,051–21,056. 1994. COORAY, V., RAKOV, V., THEETHAYI, N. The lightning striking distance—Revisited, Journal of Electrostatics , v. 65, p. 296–306, 2007. COORAY, V. On The Upper Limit Of Peak Current In Return Strokes Of Lightning Flashes. Proceendings in X International Symposium on Lightning Protection, 13 – 19 November, Curitiba, Brazil, 2009. CUMMINS, K. L.; BURNETT, R. O.; HISCOX, W. L.; PIFER, A. E. Line reliability and fault analysis using the National Lightning Detection Network. In: PRECISE MEASUREMENTS IN POWER CONFERENCE, 1993, Arlington, USA. Proceedings … CUMMINS, K. L.; BARDO, E. A.; HISCOX, W. L., PYLE, R. B.; PIFER, A. E. NLDN’95: A combined TOA/MDF technology upgrade of the U.S. National Lightning Detection Network. In: INTERNATIONAL AEROSPACE & GROUND CONFERENCE ON LIGHTNING AND STATIC ELECTRICITY, 1995, Williamsburg, EUA. National Interagency Coordination Group, 1995. Proceedings … Williamsburg, EUA. National Interagency Coordination Group, 1995. CUMMINS, K. L.; MURPHY, M. J.; BARDO, E. A.; HISCOX, W. L., PYLE, R. B.; PIFER, A. E. A combined TOA/MDF technology upgrade of the U.S. National Lightning Detection Network. Journal of Geophysical Research , v. 103, n.D8, pp. 9035-9044, 1998 (a). CUMMINS, K. L.; KRIDER, E. P.; MALONE, M. D. The U.S. National Lightning Detection Network and applications of cloud-to-ground lightning data by electric
152
power utilities. IEEE Transactions on Electromagnetic Compatibility , v.40, n.4, part 2, pp. 465-480, 1998 (b). CUMMINS, K. L., MURPHY, M. J. Overview of lightning detection in the VLF, VF, and VHF frequency ranges. In: INTERNATIONAL LIGHTNING DETECTION CONFERENCE, 19., 2000, Tucson, Arizona. Proceendings… Tucson: [s.n], 2000. CUMMINS, K. L., SABA M. M. F., KRIDER, E. P., WARNER, T. A., WEIDMAN, C., CAMPOS L. Z. S., FLEENOR, S. A., SARAIVA, A. C. V., SCHEFTIC, W. D. A Multi-Camera High-Speed Video Study of Cloud-to-Ground Lightning in Southern Arizona - Preliminary Results. In: International Conference On Lightning Protection (ICLP), 2008, Uppsala, Sweden. Proceedings … Uppsala, ICLP, 2008. CUMMINS, K. L., MURPHY, M. J. An Overview of Lightning Locating Systems: History, Techniques, and Data Uses, With an In-Depth Look at the U.S. NLDN. IEEE Transactions on Electromagnetic Compatibility , v. 51, n. 3, pp. 499-518. 2009. DARVENIZA, E. P.M. Some Lightning Parameters Revisited. In: International Conference On Lightning Protection (ICLP), 2000, Rhodes, Greece. Proceedings … Rhodes, ICLP, 2000. DEMETRIADES, N. W. S., MURPHY, M. J.,CRAMER, J. A. Validation of vaisala’s global lightning dataset (gld360) over the Continental United States. In: INTERNATIONAL LIGHTNING DETECTION CONFERENCE, 21, 2010, Orlando, Florida. Proceedings… Orlando: [s.n], 2010. DIENDORFER, G.; SCHULZ W.; RAKOV V. A. Lightning characteristics based on data from the Austrian Lightning Location System. IEEE Transactions of Electromagnetic Compatibility , v. 40, n. 4, part 2, pp. 452-464. 1998. DOTZEK, N., RABIN, R. M., CAREY, L. D., MACGORMAN, D. R., MCCORMICK, T. L., DEMETRIADES, N. W., MURPHY, M. J., HOLLE, R. L. Lightning activity related to satellite and radar observations of a mesoscale convective system over Texas on 7 8 April 2002. Atmospheric Research , v. 76, n. 1-4, pp. 127-166. 2005. DOWDEN, R. L., BRUNDELL, J. B., RODGER, C. J. VLF lightning location by time of group arrival (TOGA) at multiple sites. Journal of Atmospheric and Solar-Terrestrial Physics , v. 64, n. 7, p. 817-830. 2002. EMANUEL, K. A. Atmospheric Convection . Oxford University Press, pp. 580, 1994.
153
FENG, G., QIE, X., WANG, J., GONG, D. Lightning and Doppler radar observations of a squall line system. Atmospheric Research , v. 91, n. 2-4, p. 466-478. 2009. FERRAZ, E. C. Medidas de corrente contínua em raios nuvem-solo negativos naturais no Brasil: desenvolvimento de instrumentação e primeiros resultados. 2009. 133 p. (INPE-15786-TDI/1529). Tese (Doutorado em Geofísica Espacial) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 2009. FISHER, R.J., SCHNETZER, G.H., THOTTAPPILLIL, R., RAKOV, V.A., UMAN,M.A., GOLDBERG, J.D. Parameters of triggered-lightning flashes in Florida and Alabama. Journal of Geophysical Reseach . v. 98, pp. 22887–22908. 1993. GLOBAL ATMOSPHERICS (GAI).. IMPACT ES Advanced Lightning Direction Finder - Model 141-TES ALDF: installation, operation and maintenance manual. Tucson, 1999. (40211 REV 9904). GROGAN, M., DEMETRIADES, N. Vaisala Global Lightning Dataset GLD360: Technology, operations, and applications overview. Vaisala, 2009. p. 9. HECKMAN, S. Why does a lightning flash have multiple strokes? In: Massachusetts Institute of Technology. Dept. of Earth, Atmospheric, and Planetary Sciences, p. 134, Massachusetts Institute of Technology, Massachusetts, 1992. HOFFERT, H. H. Intermittent Lightning-Flashes. Proceedings of the Physical Society of London , v. 10, n. 1, pp. 176-180, 1888. HOLTON, J. R. An introduction to dynamic meteorology . New York: Academic. 1979. HOUZE JR, R. A. Cloud dynamics . San Diego: Academic Press, 573 p. (International Geophysics Series, v.53). ISBN 0-12-356881-1. 1993. IRIBARNE, J. V.; CHO, H. R. Atmospheric physics . Dordrecht: D. Reidel Publishing Company, 212 p. ISBN 90-277-1033-3. 1980. JAYARANTE, E. R., SAUNDERS C. P. R., HALLETT, J. Laboratory studies of the charging of soft hail during ice crystal interactions, Quart. J. Roy. Meteo. Soc. , v. 109, pp. 609 – 630. 1985. JOHNS, R., DOSWELL, C. A. Severe Local Storms Forecasting. Weather Forecasting , v. 7, pp. 588–612, 1992.
154
JOHNSON, R. H., MAPES, B. E. Mesoscale Processes and Severe Convective Weather. Meteorological Monographs , v. 28, pp. 71–122, 2001. JONES, D. M. A., Rainfall drop-size distribution and radar reflectiv ity. Urban Meteorology Laboratory: State Water Survey, Illinois, n. 6, 20 p., 1956. KITAGAWA, N.; BROOK, M.; WORKMAN, E. J. Continuing Currents in Cloud-to-Ground Lightning Discharges. Journal of Geophysical Research , v. 67, p.637, 1962. KRIDER, E. P., NOGGLE, C., PIFER, A. E., VANCE, D. L. Lightning direction finding systems for forest fire detection. Bull. Amer. Meteorol. Soc., vol. 61, pp. 980–986, 1980. LAGOUVARDOS, K., KOTRONI, V., BETZ, H.-D., SCHMIDT, K. A Comparison of Lightning Data Provided by ZEUS and LINET Networks Over Western Europe. Nat. Hazards Earth Syst. Sci. , 9, 1713-1717, 2009. LEWIS, E. A., HARVEY, R. B. RASMUSSEN, J. E. Hyperbolic direction finding with sferics of transatlantic origin. J. Geophys. Res. , vol. 65, pp. 1879–1905, 1960. LHERMITTE, R. Doppler radar observations of triggered lightning. Geophysical Research Letters , v. 9, n. 6, p. 712-715. 1982. LIBRELATO, A.S. Introdução ao sistema radar meteorológico doppler: curso de interpretação de imagens e análise meteorológica. Parte C. S. J. dos Campos: UNIVAP, Laboratório de Meteorologia, 1997. Curso de Extensão, 5. LUND, N. R.; MACGORMAN, D. R.; SCHUUR, T. J.; BIGGERSTAFF, M. I.; RUST, W. D. Relationships between Lightning Location and Polarimetric Radar Signatures in a Small Mesoscale Convective System. Monthly Weather Review , v. 137, n. 12, p. 4151. 2009. LUPO, G.; PETRARCA, C.; TUCCI, V.; VITELLI, M. EM fields associated with lightning channels: on the effect of tortuosity and branching. IEEE Transactions on Electromagnetic Compatibility , v. 42, n. 4, p. 394-404, 2000. MACGORMAN, D.R. Lightning in a storm with strong wind shear . Ph.D. diss., Rice Univ., Houston. 1978. MACGORMAN, D.R., TAYLOR, W.R., FEW, A. A., Lightning location from acoustic and VHF techniques relative to storm structure from 10-cm radar. In: RUHNKE, L.H. AND LATHAM, J. (eds). Proceedings in atmospheric electricity , Hampton: A. Deepak Publishing, 1983. p. 377-380
155
MACGORMAN, D. R.; RUST, W. D. The electrical nature of storms . New York: Oxford University, 1998. 422 p. MACGORMAN, D. R, (National Severe Storms Laboratory, Norman, Oklahoma, USA, Oklahoma, USA), 2010. Comunicação pessoal. MAIER, L., LENNON, C., BRITT, T. SCHAEFER, S. Lightning detection and ranging (LDAR) system performance analysis, In: Proc. 6th Conf. AviationWeather Syst.. Proceedings:… Dallas, TX: Amer.Meteorol. Soc., 1995. MARSHALL, J.S.; PALMER, W.M. The distribution of raindrops with size. Journal of Meteorology , v.5, n.1, p.165-166, Jan. 1948. MARSHALL, T. C.; STOLZENBURG, M. Voltages inside and just above thunderstorms. Journal of Geophysical Research , v. 106, n. D5, p. 4757-4768, 2001. MARTINEZ, K., HART, J. K., LINACRE, E., GEERTS, B. Climates & Weather Explained. Routledge (UK). p. 17. 1997. MAZUR, V., ZRNIC', D., RUST, W. D. Lightning channel properties determined with a vertically pointing doppler radar. Journal of Geophysical Research , v. 90, n. D4, p. 6165-6174. 1985. MAZUR, V. Physical processes during development of lightning flashes. Comptes Rendus Physique. v. 3, n. 10., pp. 1393-1409, 2002. MICHIMOTO, K.. A study of radar echoes and their relation to lightning discharge of thunder-clouds in the Hokuriku district. Part 1: Observa-tion and analysis of thunderclouds in summer and winter. J. Meteor. Soc . Japan, 69, 327–336. 1991. MORALES, C., WEINMAN, J., ANAGNOSTOU, E. N. Continuous long-range thunderstorm monitoring by a VLF receiver network Part I: location error analysis. Manuscrito não publicado, 2002. Disponível em: <http://www.zeus.iag.usp.br/publication.php>. Acesso em: 01/05/2010. ________. Continuous long-range thunderstorm monitoring by a VLF receiver network Part II: cloud-to-ground and intra-cloud detection efficiency. Manuscrito não publicado, 2002. Disponível em: <http://www.zeus.iag.usp.br/publication.php>. Acesso em: 01/05/2010. MORALES, C. A, (Universidade de São Paulo, São Paulo, Brasil), 2009. Comunicação pessoal.
156
NACCARATO, K. P. Estudo de relâmpagos no Brasil com base na análise de desempenho do sistema de localização de tempesta des. 2001. 165p. (INPE-8380- TDI/770). Dissertação (Mestrado em Geofísica Espacial) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 2001. NACCARATO, K.P.; PINTO, O. JR.; PINTO, I.R.C.A. Intracloud contamination due to LPATS sensors in a lightning detection network. In: INTERNATIONAL CONFERENCE ON GROUNDING AND EARTHING (GROUND’2004) AND INTERNATIONAL CONFERENCE ON LIGHTNING PHYSICS AND EFFECTS (LPE), 1. Belo Horizonte, Brasil. Proceedings … Belo Horizonte: Sociedade Brasileira de Proteção Elétrica (SB-RAI), 2004. NACCARATO, K. P. Análise das características dos relâmpagos na regiã o sudeste do Brasil . 2005. 362 p. (INPE-14083-TDI/1069). Tese (Doutorado em Geofísica Espacial) – INPE, São José dos Campos, 2006. NACCARATO, K. P.; PINTO JR, O. Improvements in the detection efficiency model for the Brazilian lightning detection network BrasilDAT. Atmospheric Research , n. 91, v. 2, 546-563 p., 2009. NACCARATO, K. P., PINTO JR., O. GARCIA, S. A. MURPHY, M. J., DEMETRIADES, N. W. S., CRAMER, J. A. Validation Of The New Gld360 Dataset In Brazil: First Results. In: INTERNATIONAL LIGHTNING DETECTION CONFERENCE, 21, 2010, Orlando, Florida. Proceedings… Orlando: [s.n], 2010. NAKAMURA, Y., YOSHIKAWA, E., AKITA, M., MORIMOTO, T., USHIO, T., KAWASAKI, Z-I, SAITO, T., NISHIDA, T., SAKAZUME, N. High-resolution Precipitation and Lightning Monitoring by the Ku-band Broadband Radar and the VHF Broadband Digital Interferometer. IEEJ Transactions on Fundamentals and Materials , v. 129, n. 12, pp. 845-852. 2009. NASCIMENTO, E. L. Previsão de tempestades severas utilizando-se parâmetros convectivos e modelos de mesoescala: uma estratégia operacional adotável no brasil?, Revista Brasileira de Meteorologia , v. 20, p. 121-140. 2005. OGAWA, T. Lightning currents. In: Volland, H. Handbook of atmospheric electrodynamics . Boca Raton, Florida: CRC Press, v. 1, 1995. p. 93-136 ORVILLE, R. E., HUFFINES, G. R. BURROWS, W. R., HOLLE, R. L., CUMMINS, K. L. The North American Lightning Detection Network (NALDN)—First Results: 1998–2000. Monthly Weather Review , v. 130, pp. 2098 – 2109. 2002.
157
PINTO, I.R.C.A. CARDOSO, I., PINTO JR., O. GEIER N. Lightning fatalities in Brazil in the last decade In: INTERNATIONAL LIGHTNING DETECTION CONFERENCE, 21, 2010, Orlando, Florida. Proceedings… Orlando: [s.n], 2010. PINTO Jr., O., PINTO, I. R. C. A. Tempestades e relâmpagos no Brasil . São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 196 p. ISBN 85-901719-1-4. 2000. PINTO Jr., O. Arte da guerra contra os raios. São Paulo, SP: Oficina de textos, 80 p. ISBN 85-86238-40-6. 2005. PINTO Jr., O., PINTO, I. R. C. A. Relâmpagos . São Paulo: Brasiliense. 110 p. ISBN 978-85-11-00112-9. 2008. PINTO Jr., O. Lightning in the tropics: From a Source of Fire to a Monitoring System of Climatic Changes. Nova Science Publishers Inc., 2009. 109p. POPOV, M., HE, S., THOTTAPPILLIL, R. Reconstruction of lightning currents and return stroke model parameters using remote electromagnetic fields. Journal of Geophysical Research , v. 105, n. D19, p. 24469-24481, 2000. PROCTOR, D. E. Regions Where Lightning Flashes Began, Journal of Geophysical Research, v. 96, n. (D3), p. 5099–5112. 1991. PROCTOR, D. E., UYTENBOGAARDT, R., MEREDITH, B. M. VHF radio pictures of lightning flashes to ground. Journal of Geophysical Research , v. 93, n. D10, p. 12683-12727. 1988. PYTLAK, E., MURPHY M., DEMETRIADES N., HOLLE R. L. Total Lightning, Radar And Satellite Observations Of Two Monsoon Thunderstorm Events In: INTERNATIONAL LIGHTNING METEOROLOGY CONFERENCE, 2., 2008, Tucson, Arizona. Proceedings… Tucson: [s.n], 2008. RAKOV, V. A., UMAN, M. A., THOTTAPPILLIL, R. Review of lightning properties from electric field and TV observations, Journal of Geophysical Research , v. 99, pp. 10,745– 10,750, 1994. RAKOV, V. A.; UMAN, M. A. Review and evaluation of lightning return stroke models including some aspects of their application. IEEE Transactions on Electromagnetic Compatibility , v. 40, n. 4, pp. 403-426, 1998. RAKOV, V. A.; UMAN, M. A. Lightning: physics and effects. Cambridge: Cambridge University, 687 p. ISBN 0-521-58327-6. 2003. RINEHART, R.E. Radar for meteorologists . 3. ed., Grand Forks: Rinehart Publications, 1997.
158
RHODES, C. T., SHAO, X.-M., KREHBIEL, P. R., THOMAS, R. J., HAYENGA, C. O. Observations of lightning phenomena using radio interferometry. J. Geophys. Res. , vol. 99, pp. 13059–13082, 1994. SABA, M. M. F., BALLAROTTI, M. G., PINTO JR., O. Negative cloud-to-ground lightning properties from high-speed video observations. Journal of Geophysical Research , v. 111, 2006 (a). SABA, M. M. F., PINTO JR., O., BALLAROTTI, M. G. Relation between lightning return stroke peak current and following continuing current. Geophysical Research Letters , v. 33, n. 23, 2006 (b). SABA, M.M.F., CUMMINS, K.L., WARNER, T.A., KRIDER, E.P., CAMPOS, L.Z.S., BALLAROTTI, M.G., PINTO, O. AND FLEENOR, S.A. Positive leader characteristics from high-speed video observations. Geophysical Research Letters, v. 35, 07802. 2008 Sistema de Alerta a Inundações de São Paulo (SAISP). São Paulo, SP, Brasil. Disponível em HTML por: <http://www.saisp.br/site/radar.html>, último acesso em: 08/05/2010. SALEH, Z. H.; DWYER, J. R.; RASSOUL, H.; SCHAAL, M.; CRAMER, E. S.; HILL, J. D.; BIAGI, C. J.; JORDAN, D. M.; STAPLETON, M. V.; UMAN, M. A. Characterization of X-ray emission from natural and rocket-and-wire triggered lightning. Proceedings of American Geophysical Union, Fall Meeting 2009, abstract #AE33B-0303. 2009. SARAIVA, A. C. V.; SABA, M. M. F.; PINTO Jr. O.; CUMMINS, K. L.; KRIDER, E. P.; CAMPOS, L. Z. S. A comparative study of negative cloud-to-ground lightning characteristics in São Paulo (Brazil) and Arizona (United States) based on high-speed video observations, J. Geophys. Res. , v. 115, p. D11102, 2010. SAUNDERS, C. P. R. Thunderstorm electrification. In: Volland, H. Handbook of atmospheric electrodynamics . Boca Raton, Florida: CRC Press, v. 1, 1995. p. 61-92. SCHULZ W., B. LACKENBAUER, H. PICHLER, G. DIENDORFER: LLS data and correlated continuous E-Field measurements. In: VIII Int. Symposium on Lightning Protection (SIPDA), Proceedings: … Sao Paulo, Brazil, 2005. SCHULZ, W., CUMMINS, K., DIENDORFER, G. AND DORNINGER, M. Cloud-to-ground lightning in Austria: A 10-year study using data from a lightning location system. Journal of Geophysical Research , v.110, n. D09, 2005.
159
SHINDO, T., UMAN, M.A. Continuing current in negative cloud-to-ground lightning. Journal of Geophysical Research, v. 94, pp. 5189–5198. 1989. SHONLAND, B. F. J., ALLIBONE, T. E. Branching of lightning . Gen. Elect. Rev., vol. 34, 8. 1931. SHONLAND, B. F. J. The flight of thunderbolts , 2. ed. Oxford Univ. Press (Clarendon), 1964. STOLZENBURG, M.; RUST, W. D.; SMULL, B. F.; MARSHALL, T. C. Electrical structure in thunderstorm convective regions – 1. Mesoscale convective systems. Journal of Geophysical Research , v. 103, n. D12, p. 14059-14078. 1998(a). STOLZENBURG, M.; RUST, W. D.; MARSHALL, T. C. Electrical structure in thunderstorm convective regions – 2. Isolated storms. Journal of Geophysical Research , v. 103, n. D12, p. 14079-14096. 1998(b). STOLZENBURG, M.; RUST, W. D.; MARSHALL, T. C. Electrical structure in thunderstorm convective regions – 3. Synthesis. Journal of Geophysical Research , v. 103, n. D12, p. 14097-14108. 1998(c). SUGITA, A., MATSUI, M., OSADA, M. Lightning Characteristics in Japan Observed by the JLDN from 2000 to 2004. In: INT. CONF. LIGHTNING PROTECTION, 28., 200, Kanaza. Proceedings … Kanaza, Japan: [s.n], 2006. p. 426-429. Preprints. TAKAHASHI, T., Electrification of growing ice crystals, J. Atmos. Sci. , v. 35, p. 1220 – 1224, 1973. THOMAS, R. J., KREHBIEL, P. R., RISON, W., HUNYADY, S. J., WINN, W. P., HAMLIN, T., HARLIN, J. Accuracy of the lightning mapping array. Jounal of Geophysical Research , vol. 109, p. D14207, 2004. THOMSON, E. M. Exact expressions for electric and magnetic fields from a propagating lightning channel with arbitrary orientation. Journal of Geophysical Research, v. 104, D18, p. 22293-22300. 1999. THOMSON, E.M., GALIB, M.A., UMAN, M.A., BEASLEY, W.H. AND MASTER, M.J. Some features of stroke occurrence in Florida lightning flashes. Journal of Geophysical Research v. 89, p. 4910-4916. 1984. TORACINTA, R. E., MOHR, K. I., ZIPSER, E. J., ORVILLE, R. E. A Comparison of WSR-88D Reflectivities, SSM/I Brightness Temperatures, and Lightning for Mesoscale Convective Systems in Texas. Part I: Radar Reflectivity and Lightning. Journal of Applied Meteorology , v. 35, n. 6, p.902-918. 1996.
160
UMAN, M. A.; MCLAIN, D. K.; KRIDER, E. P. The electromagnetic radiation from a finite antenna. American Journal of Physics , v. 43, n. 1, p. 33-38, Jan. 1975. UMAN, M. A. The lightning discharge . 1ª ed. New York: Academy Press, 1987. VAISALA. LP series (LP2000, LP5000): user’s guide. (M210412EN-B). Helsinki, 2003. VALINE, W. C.; KRIDER, E. P. Statistics and characteristics of cloud-to-ground lightning with multiple ground contacts. Journal of Geophysical Research (Atmospheres), v. 107, n. D20, p. AAC 8-1, 2002. VAN HORNE, M. P., VIVONI, E. R., ENTEKHABI, D., HOFFMAN, R. N., GRASSOTTI, C. Evaluating the effects of image filtering in short-term radar rainfall forecasting for hydrological applications. Meteorological Applications , v. 13, n. 3, p.289-303, 2006. VONNEGUT, B., MOORE, C. B., SEMONIN, R. G., BULLOCK, J. W., STAGGS, D. W., BRADLEY, W. E. Effect of Atmospheric Space Charge on Initial Electrification of Cumulus Clouds. J. Geophys. Res. , v. 67(10), pp. 3909–3922, 1962. VONNEGUT, B. How the External Currents Flowing to a Thundercloud Influence Its Electrification. Ann. Geophysicae v. 9, pp. 34 - 36, 1991. WALDTEUFEL, P., METZGER, P., BOUKAY J-L, LAROCHE P., HUBERT, P. Triggered lightning strokes originating in clear air. Journal of Geophysical Research, v. 83, p. 2861–8. 1980. WARNER, T. ORVILLE, R. E. High-speed observations of faint positive lightning leaders and lightning spectra. In: Proceedings of American Geophysical Union, Proceedings: … AGU Fall Meeting, 2009. WILLIAMS, E. R. The electrification of thunderstorms. Scientific American , v. 259, n. 5, p. 88-99. 1988. WILLIAMS, E. R., Problems in lightning physics—the role of polarity asymmetry. Plasma Sources Sci. Technol. v. 15, p. S91–S108, 2006. WILSON, C. T. R. Investigations on Lightning Discharges and on the Electric Field of Thunderstorms Philosophical Transactions of the Royal Society of London. Series A , Containing Papers of a Mathematical or Physical Character, v. 221, p. 73-115. 1921.
161
WOLFF, D. B. e KELLEY, B. L. NASA's Radar Software Library (RSL) and RSL in IDL. In: Conference on Radar Meteorology, 34., 2009, Virginia, USA. Proceedins… Williamsburg: [s.n], 2009. YAIR, Y.; LYNN, B.; PRICE, C.; KOTRONI, V.; LAGOUVARDOS, K.; MORIN, E.; MUGNAI, A.; LLASAT, M. d. C. Predicting the potential for lightning activity in Mediterranean storms based on the Weather Research and Forecasting (WRF) model dynamic and microphysical fields. Journal of Geophysical Research , v. 115. 2010. YOSHIDA, S., BIAGI, C. J., RAKOV, V. A., HILL, J. D., STAPLETON, M. V., JORDAN, D. M., UMAN, M. A., MORIMOTO, T., USHIO, T., KAWASAKI, Z.-I. Three-dimensional imaging of upward positive leaders in triggered lightning using VHF broadband digital interferometers. Geophysical Research Letters , v. 37, n. 5. 2010. ZEPKA, G. S. Estudo para o desenvolvimento de um previsor de descargas elétricas atmosféricas aplicado à região costeira do estado do Rio de Janeiro . 2005. 149 p. Dissertação (Mestrado em Engenharia Oceânica) – Fundação Universidade Federal do Rio Grande, Rio Grande, 2005.