Slide 1

Modelação Operacional
Objectivos iniciais
Desenvolver o protótipo de um modelo operacional
1. Tornar visíveis as limitações do sistema
2. Ganhar experiência nos processos
3. Divulgar o trabalho que está a ser feito, de modo a angariar
novos investimentos
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
Seixal
Sesimbra
Trafaria
VilaFranca
Sesimbra
Trafaria
VilaFranca
Root Mean Squared Error (RMSE)
Seixal
Povoa Iria
PontadaErva
Peniche
Pedroucos
Parcos
Montijo
Lisboa
Cascais
Cacilhas
Cabo Ruivo
Alfeite
Alcochete
0.91
Povoa Iria
PontadaErva
Peniche
Pedroucos
Parcos
Montijo
Lisboa
Cascais
Cacilhas
Cabo Ruivo
Alfeite
Alcochete
m
m
Correlation Coefficient
1
0.99
0.98
0.97
0.96
0.95
0.94
0.93
0.92
velocity [m m /s] : -1m depth
velocity [m m /s] : 15m depth
1000
1000
800
800
600
600
400
400
200
200
0
0
-1000
-500
-200
0
500
1000
-1000
-500
-800
-800
-1000
velocity [m m /s] : 25m depth
velocity [m m /s] : average in the w ater
colum n
1000
1000
800
800
600
600
400
400
200
200
0
0
0
500
1000
-400
-1000
-500
-200
0
500
1000
-400
-600
-600
ADCP
-1000
M OHID
M OHID
-1000
-800
1000
ADCP
ADCP
-200
500
-600
-600
-500
0
-400
-400
-1000
-200
M OHID
ADCP
-800
-1000
M OHID
Water height above
bottom (m)
35.0
30.0
25.0
20.0
15.0
10.0
5.0
0.0
0.000
0.200
0.400
0.600
Correlation
•
WE
SN
WE mean
SN mean
- Correlation between ADCP
and MOHID data for each layer
(assigned at the average
height), for the average velocity
for water column (referred as
mean) and by velocity
component (West-East, WE,
and South-North, SN). Heights
referred bottom of sea
Correlações:
– componente zonal / WE (dominante) > Componente meridional / SN
– Aumentam em direcção à superfície
•
Como explicar?
– Processos de larga escala? => nível 1 3D + circulação de larga escala
– Atrito junto ao fundo? => baixar o valor
– Vento sem variabilidade espacial? => impôr variabilidade espacial ao modelo de
nível 1
Validation – Ecological Model (2D)
Stations where data were collected and compared with
MOHID operational model results
Validation - Ecological Model (2D)
Nitrates
Dissolved Oxygen
10
0.15
Model
0.1
Field Data
0.05
0
28-06-2003
17-08-2003
06-10-2003
8
D.O. [mg/L]
Nitrates [mg N/L]
0.2
Field Data
4
2
0
28-06-2003
25-11-2003
Model
6
17-08-2003
Date
Ammonia
4
Model
3
Field Data
2
1
06-10-2003
25-11-2003
Ammonia [mg N/L]
Chl a [ug/L]
5
17-08-2003
25-11-2003
Date
Chlorophyll a
0
28-06-2003
06-10-2003
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
28-06-2003
Model
Field Data
17-08-2003
06-10-2003
25-11-2003
Date
Date
Comparison between parameters concentration calculated with MOHID operational
model for station P8, and field data, averaged in space, obtained in the same point
and other points near P8, at different depths (surface, middle and bottom). The
vertical black bars represent the magnitude of the standard deviation between the
measured points. (a) – nitrates; (b) – Dissolved oxygen; (c) – Chlorophyll a; (d) –
ammonia.
Field data
- automatic data acquisition stations 1 Ship-of-Opportunity System (MARETEC’s Ship)
-Multiparametric Sounder + Acoustic Doppler Profiler*
-> Atmospheric Station
-> Water quality monitoring
stations*:
-Currents Sensor: horizontal velocities and
direction
Cascais
- Multiparametric Sounder: Temperature,
salinity / condutivity, dissolved oxygen, pH,
turbidity, chlorophyll
Carcavelos
ADCP SANEST ?
* - In the near future
Futuro
Modelação
• Domínios de computação
– Modelo 2D e 3D* para a costa portuguesa (Hidrodinâmica)
– 3D para o Tejo com Hidrodinâmica + Qual. da água – o modelo
3D com qualidade da água demora +/- o dobro o tempo de
cálculo;
• Condições de Fronteira
– Forçamento atmosférico com variabilidade espacial no modelo
para a Costa Portuguesa
– Inserir descargas das ETAR’s da SimTejo no modelo
– Utilizar climatologia ou outros modelos globais nas condições de
fronteira aberta dos modelos 3D (Tejo e/ou Portugal)
* Muito tempo de cálculo
Futuro
Data Management
1.Modelo:
– Escolher séries temporais específicas para fazer outputs
directos para a Bases de dados. As séries temporais devem:
a)ser representativas; b) ter uma boa base de validação (p.ex.
pontos da SANEST/SIMTEJO ou pontos de marégrafos).
2.Aquisição de dados:
– Informação do sistema de aquisição em movimento deve ser
transferida para uma base de dados em postgreSQL
– Converter a base de dados de sistemas de aquisição fixas toda
para postgreSQL
– Arranjar dados dos marégrafos, enviá-los para uma base de
dados nossa.
Futuro
Data Management
3. Visualização de Resultados:
–
–
–
–
graficar e tabelar as séries temporais de output do modelo e
compará-las com dados de campo das campanhas e de
marégrafos “on-the-fly”
fazer gráficos com o GMT
página integrada dos modelos operacionais (modelo de ondas
com o modelo atmosférico e com o modelo oceanográfico
comparação do MOHID com os dados de satélite
4. Outros:
–
desenvolver ferramenta para correr operacionalmente o
sistema operacional, baseado em .NET
Futuro
Validação
Elaborar um relatório periódico (6 meses?)
1. Valores Locais:
–
–
–
–
Maré: marégrafos, e componentes harmónicas
Velocidades: ADCP SANEST (parado de momento) e futuro ADP
móvel
Temperatura e Salinidade: CTD’s; campanhas; estações fixas;
sistema móvel de aquisição dados; imagens satélite
Sedimentos e Qualidade da água: campanhas; estações fixas;
imagens satélite
2. Mapas:
–
–
Temperatura e Salinidade: imagens satélite; sistema móvel de
aquisição dados
Sedimentos e Qualidade da água: imagens satélite; sistema móvel de
aquisição dados; situação de referência