Turbulência de Ar Claro no Sudeste do Brasil: Estudo de Casos

Abstract

Resumo Analisa-se a aplicabilidade dos índices clássicos, numericamente modelados, indicadores de condições atmosféricas turbulenta para previsão de turbulência de céu claro (CAT) na região sul do Brasil. Os eventos foram reconstruídos usando 25.465 mensagens de CAT, denominado de AIREP (Air-Report), de 2015 a 2019, e 12.959 observações in-situ da aceleração vertical da gravidade (VRTG) registrados pelas aeronaves de fevereiro de 2018 a dezembro de 2019. Os registros de CAT via VRTG mostraram que os eventos turbulentos são proporcionalmente distribuídos (em parênteses a sua severidade) em 94% (leve), 4% (moderada) e 1% (severa) na região de estudo. As análises sinóticas de 5 estudos de casos revelam que os eventos de CAT ocorreram durante condições de céu claro na presença da corrente de jato e, assim, o cisalhamento de vento foi o mecanismo de sua formação. Três análises, baseada na composição de variáveis modelados pelos modelos GFS0,25 e WRF (com grade de 18, 6 e 2 km), definido como, (1) perfil de vento, temperatura potencial (θ), energia cinética turbulenta (TKE), (2) número de Richardson (Ri) e velocidade vertical (W), e (3) os índices indicadores de CAT denominados de Ri, Brown, Ellrod-Endlich, Ellrod-Knap and Ellroad-Knox, mostraram que quanto maior a resolução espacial da simulação numérica melhor é previsão de CAT. Análises da resposta dos índices modelados versus capacidade destes em representar as condições de uma atmosfera turbulenta, na circunvizinhança dos registros de VRTG, é calculada e se observou que o índice Brown foi o mais eficiente para tal, uma que este foi capaz de identificar 100% dos cinco casos estudados. O resultado de tentativa inicial para ajustar os índices (Brown, Ellrod-Endlich e Ellrod-Knap) de previsão de CAT, usando dados modelados do WRF são bastante promissores, visto que os três índices ajustados foram capazes de detectar, respectivamente, 96%, 96% e 99% da previsão de eventos de CAT, com 12 horas de antecedência nos dias 21 de maio de 2018 e 27 de março de 2019.

Enhancing Clear Air Turbulence Prediction: A Comparative Analysis of Machine Learning Algorithms Using GFS Forecast and ERA-5 Reanalysis Data

“…Research related to CAT forecasting in South America is still in its beginning and is limited to the work carried out by Santos and Krapp (2006) and c) the southern cone of Brazil, representing the Flight Information Region (FIR) under Curitiba's responsibility, is signi cantly impacted by CAT, as demonstrated by a study conducted by Gomes et al (2022), utilizing AIREP records between October 2nd, 2015, and June 4th, 2019, and VRTG data collected by LATAM A320 aircraft from 2018 to 2019. The objective is to create a hybrid CAT prediction model by 1) utilizing the output from a numerical atmospheric model (and alternatively in re-analysis data) to identify and extract features (potential predictors) associated with regional atmospheric turbulence stages, and 2) con guring and training machine learning algorithms to predict the presence or absence of CAT in the atmospheric volume embracing the ight route using these de ned predictors.…”