capítulo 1 - introdução

CAPÍTULO 1
1
INTRODUÇÃO
1.1 ASPECTOS GERAIS
Tendo em vista que cerca de 70% da superfície da Terra é constituída por água, e que os
oceanos desempenham um papel importante sobre o clima global, torna-se
imprescindível o estudo dos fenômenos oceanográficos, para que o homem possa
conhecer melhor os processos atmosféricos e climáticos. O melhor conhecimento dos
oceanos possibilitará também que a humanidade se aproprie dos recursos que os
mesmos tem a oferecer. Nestes aspectos a Oceanografia Física vem contribuindo com
estudos que interessam diretamente a várias áreas como: navegação, engenharia costeira
e portuária, meteorologia e na exploração da pesca e minerais marinhos (Assireu, 1998).
Em Oceanografia Física é muito importante o estabelecimento de condições médias, a
partir das quais pode-se determinar ou avaliar o intervalo das variações e determinar
escalas em tempo e espaço. É muito pequeno o número de trabalhos que objetivam
estudar a variabilidade temporal e espacial das águas da Plataforma Continental e
adjacentes do Brasil. O satisfatório conhecimento dos processos dinâmicos da
circulação da camada superficial fornece subsídios para uma melhor compreensão de
outros fenômenos físicos e biológicos tais como circulação de massas de água, frentes
oceânicas, dispersão, difusão, fenômeno da ressurgência, além de fornecer informações
importantes para pesquisas sobre distribuições, em tipo e época, de muitas espécies de
peixe (Assireu, 1998).
Com o desenvolvimento dos sistemas orbitais de coleta de informações o volume de
dados oceanográficos tem aumentado significativamente nos últimos anos. Através do
uso de satélites oceanográficos é possível a obtenção de dados com características
sinópticas, abrangendo grandes regiões oceânicas e com alta repetitividade temporal.
Vários parâmetros físicos podem ser medidos com esses satélites, como: Temperatura
da Superfície do Mar (TSM), vento de superfície (direção e intensidade), anomalia de
elevação do nível médio do mar, altura de ondas etc. No mar, bóias oceanográficas vêm
19
sendo eficientemente utilizadas como bases para plataformas de coletas de dados
(PCDs), coletando e transmitindo a determinados satélites parâmetros físicos medidos
“in situ”. Os parâmetros físicos medidos por estas bóias podem ser tomados desde a
superfície até a várias profundidades, fornecendo informações importantes sobre
diferentes extratos da coluna d’água, informações estas que não podem ser obtidas
através do imageamento da superfície do oceano (Souza, 1992).
Considerando a quantidade de dados oceanográficos pretéritos e os que serão gerados
por vários projetos em andamento, tais como: COROAS, DPROAS, BISEC, PIRATA
entre outros, faz-se necessário a busca de meios para organizar e tratar estes dados, de
forma a obter informações da distribuição espaço-temporal dos mesmos.
A questão principal é como esses dados coletados podem ser convertidos em
informações ? Em muitos casos, analistas desejam converte-los em mapas de contorno,
diagramas de perspectiva ou imagens, com a finalidade de representar graficamente a
variação espacial dos dados. Neste contexto, ferramentas capazes de manipular e
analisar grandes volumes de dados fazem-se necessárias.
A dificuldade de manipular grandes volumes de dados pode ser minimizada através do
uso de Sistemas de Informações Geográficas (SIG´s), que permitem realizar análises
complexas ao integrar dados de diversas fontes e ao criar banco de dados
georeferenciados (Câmara e Medeiros, 1996). Dessa forma, os SIG’s se apresentam
como uma tecnologia de grande potencial para a oceanografia, dado o aumento do
volume de dados oceanográficos.
O desenvolvimento e uso de SIG´s tem crescido visivelmente durante a última década,
mas existem ainda muitas oportunidades para o desenvolvimento de pesquisas que
contribuam para o seu aperfeiçoamento. A incorporação de procedimentos analíticos
mais adequados e interligados com as facilidades existentes para a apresentação de
dados geográficos possibilitam a extensão do SIG a várias áreas do conhecimento
(Camargo, 1997).
20
Outra potencial aplicação para os SIG’s são as bases de dados dos derivadores
rastreados por satélite. A grande quantidade de derivadores já lançados, somada às
perspectivas de que este número venha a aumentar significativamente, torna necessário
o desenvolvimento de metodologias e sistemas que permitam o melhor aproveitamento
destes dados. Estes derivadores, além de fornecerem a TSM, permitem o cálculo da
intensidade e direção das correntes, que são derivadas das sucessivas posições destes.
Estas medidas podem, além das finalidades mais diretas, ser utilizadas para estudos
climáticos e como base para a calibração de modelos oceanográficos de circulação.
Segundo Strong e McClain (1984), medidas de TSM realizadas por bóias de deriva temse mostrado como um dos melhores meios para validação de cartas de temperatura da
superfície do mar obtidas por imageamento via satélite.
Uma metodologia associada ao SIG que permite uma visualização instantânea e
sinóptica dos dados dos derivadores que se deslocaram por determinadas regiões e
épocas do ano é uma forma eficiente de utilização destes dados. Tal metodologia realiza
o processamento automático dos dados dos derivadores, o seu agrupamento por
períodos e por regiões e a visualização espaço temporal de parâmetros médios
associados, tais como: TSM, intensidade e direção das correntes de superfície
1.2 OBJETIVOS
O presente trabalho tem como objetivo geral a integração de parâmetros meteorológicos
e oceanográficos utilizando técnicas disponíveis em um Sistema de Informação
Geográfica (SIG), mais precisamente o Sistema para Processamento de Informações
Georeferenciadas (SPRING) desenvolvido pelo Instituto Nacional de Pesquisas
Espaciais (INPE), para o estudo, a partir de dados pretéritos, das variações sazonais
desses parâmetros.
São objetivos específicos:
-
desenvolver uma metodologia que permita, a partir da inserção de dados
geofísicos como temperatura, salinidade, pressão atmosférica, intensidade do
21
vento, batimetria dentre outros, gerar mapas que permitam a visualização da
distribuição espaço-temporal destes parâmetros;
-
utilizar o SIG para “cruzar” dados de temperatura e salinidade, com a finalidade
de visualizar a distribuição espaço-temporal das massas de água na região
oceânica Sudeste-Sul do Brasil. Verificar, nesta etapa, qual o tipo de
interpolador/extrapolador é mais adequado para o “preenchimento” de áreas com
baixa densidade ou inexistência de dados desta natureza;
-
desenvolver um sistema que permita o processamento automático dos dados de
derivadores, o seu agrupamento por períodos e por regiões, e a visualização
espaço-temporal dos parâmetros médios associados, como TSM, intensidade e
direção das correntes.
1.3 RELEVÂNCIA DO TRABALHO E ÁREA DE ESTUDO
O Brasil é um país de grandes dimensões, e com uma costa muito extensa (cerca de
8.000 km). Apesar de apresentar um enorme potencial de riquezas marinhas, ainda se
conhece muito pouco sobre o oceano territorial brasileiro. Por uma questão não só
econômica, mas também estratégica, faz-se necessário intensificar os estudos sobre os
nossos mares legais, particularmente em águas que vão além da isóbata de 200 m, pois
esta é uma área que apresenta um número muito reduzido de trabalhos científicos.
Existem ainda muitas incertezas sobre a variação temporal e espacial da Corrente do
Brasil (Peterson e Stramma, 1991).
A influência das marés, do regime de ventos e das descargas de bacias fluviais sobre a
circulação e distribuição das propriedades da água é amplamente estudada pelos
oceanógrafos físicos. Somam-se a estas atividades projetos relacionados a temas como
poluição, clima e atividades pesqueiras. Nestas pesquisas são empregados sofisticados
instrumentos de medidas de parâmetros oceanográficos “in situ”, apoiados por
modernos navios, e satélites de Sensoriamento Remoto. O desenvolvimento destes
sofisticados equipamentos e instrumentos de medições e observações oceanográficas fez
com que a capacidade de coleta de dados aumentasse substancialmente. Para que o
22
aumento desta capacidade seja bem aproveitado é necessário o desenvolvimento de
técnicas, o mais automatizadas possível, que permitam o tratamento e processamento
destes dados e a conseqüente extração de informações. Também, é importante que estas
informações sejam visualizadas de forma a permitir suas análises e interpretações da
forma mais direta possível.
A Figura 1.1, traz a distribuição geográfica dos derivadores lançados em escala global
nos oceanos. A partir desta figura pode-se imaginar o volume de dados que estão e que
estarão disponíveis, o que justifica a necessidade de se buscar metodologias
automatizadas de conversão destes dados em informações e a pronta visualização.
Percebe-se também que ainda existe uma densidade relativamente baixa de derivadores
no Atlântico Sudoeste. Porém, dada a importância destes instrumentos para os estudos
oceanográficos e os importantes projetos em andamento, espera-se que esta “grande
lacuna” seja gradativamente preenchida.
Fig. 1.1 – Distribuição geográfica dos derivadores lançados no globo.
FONTE: Adaptada de Global Drifter Center at NOAA/AOML (1995).
23
A área de estudo deste trabalho compreende a região Sudeste/Sul da costa brasileira
entre as latitudes 20º e 29ºS e longitudes 37º a 50ºW, correspondendo aos quadrados de
MARSDEN 376 e parte do 375 (Figura 1.2). A orientação geral da linha da costa é de
NE-SW, com exceção das regiões situadas imediatamente ao sul de Cabo Frio (23ºS),
onde a orientação é E-W, e ao norte do Cabo de Santa Marta (28º40’S), onde a
orientação é N-S. Esses dois cabos, delimitam uma das principais regiões
geomorfológicas da plataforma continental brasileira, a Plataforma Continental Sudeste
(Castro Filho et al., 1994).
A parte mais larga da PCSE, com 230 km, está localizada em frente a Santos, e as partes
mais estreitas nas proximidades de Cabo Frio, com 50 km, e Cabo de Santa Marta, com
70 km. Seu comprimento é de aproximadamente 1100 km e, com exceção de algumas
poucas ilhas grandes, geralmente situadas nas proximidades da costa, como Ilha Grande,
Ilha de São Sebastião, Ilha de São Francisco e Ilha de Santa Catarina, e de muitas ilhas
pequenas, situadas geralmente no interior de baías, a topografia da PCSE é suave, com
as isóbatas dispondo-se paralelamente à linha da costa (Castro Filho, 1996). A
profundidade da quebra da plataforma continental varia entre 120 m e 180 m, e a área
total da PCSE é de cerca de 150.000 km2 (Zembruski citado por Castro Filho, 1994).
Considerando uma profundidade média de 70 m pode-se estimar, em primeira
aproximação, o volume total da PCSE como cerca de 10.000 km3. A extensão da PCSE
após o cabo de Santa Marta, em direção ao Chuí, define a extremidade sul da plataforma
continental brasileira, a Plataforma Continental Sul (PCS). As mesmas condições de
suavidade da topografia, e de largura acentuada da plataforma continental, projetam-se
na PCS. O comprimento aproximado é de cerca de 750 km, a largura aproximada de
120 km. Usando uma profundidade média de 60 m, pode-se estimar um volume
aproximado de 5.500 km3 para a PCS, ou um pouco mais que a metade do volume da
PCSE (Castro Filho et al., 1994).
A variação sazonal das características hidrográficas e da circulação superficial para a
região de estudo foram apresentadas nos trabalhos pioneiros de Bohnecke (1936) e
Schumacher (1943), citados por Miranda e Katsuragawa (1991). Posteriormente, vários
estudos de caráter regional complementaram o conhecimento das características
24
hidrográficas da região: Emilsson (1961); Reid et al.(1977); Miranda e Castro Filho
(1979); Miranda (1982); Matsuura (1986); Castro Filho et al.(1987); Bakun e Parrish
(1990); Peterson e Stramma (1991); Silva (1995); Lentini (1997).
As características gerais da linha de costa e da topografia da plataforma continental, são
indicadas pelas isóbatas de 50, 100 e 200 m.
Fig. 1.2 – Área de estudo.
A circulação geral do Atlântico Sudoeste é caracterizada pelo fluxo da Corrente do
Brasil (CB) em direção ao polo ao longo da margem continental da América do Sul e
pelo fluxo da Corrente das Malvinas (CM) para norte sobre a quebra-da-plataforma
argentina (Legeckis e Gordon, 1982). A corrente quente do Brasil encontra-se com a
corrente fria das Malvinas criando uma região com fortes gradientes térmicos conhecida
como Convergência Subtropical, marcando a região limítrofe entre as águas
25
subtropicais e subantárticas (Castro Filho, 1990b). A Figura 1.3 mostra uma imagem
AVHRR/NOAA dos campos de TSM, da região de estudo, a partir da qual pode-se
observar a Corrente do Brasil se deslocando aproximadamente sobre o talude
continental (vermelho) e a intrusão do ramo costeiro da Corrente das Malvinas sobre
PCSE (azul).
Fig. 1.3 - Imagem AVHRR/NOAA da área de estudo.
26
CAPÍTULO 2
2
FUNDAMENTAÇÃO TEÓRICA
São apresentados neste capítulo os principais conceitos teóricos utilizados neste
trabalho. Inicia-se com as definições de Sistemas de Informação Geográfica e Banco de
dados e encerra-se com as definições de alguns conceitos importantes estudados em
oceanografia física.
2.1 SISTEMAS DE INFORMAÇÃO GEOGRÁFICA
Um Sistema de Informação Geográfica (SIG) é um sistema baseado em computador que
permite capturar, modelar, manipular, recuperar, consultar, analisar e apresentar dados
geograficamente referenciados (Câmara, 1995). A tecnologia de SIG pode trazer
enormes benefícios devido à sua capacidade de manipular a informação espacial11 de
forma precisa, rápida e sofisticada (Goodchild, 1993). Na década de 80, o uso de SIG
tornou-se comum em empresas, universidades e agências governamentais, e atualmente
diversos profissionais o utilizam para as mais variadas aplicações. Essa diversidade de
usos e aplicações fez surgir várias definições de SIG, tais como:
• “conjunto poderoso de ferramentas para coletar, armazenar, recuperar, transformar
e visualizar dados sobre o mundo real” (Burrough, 1987);
• “um banco de dados indexados espacialmente, sobre o qual opera um conjunto de
procedimentos para responder a consultas sobre entidades espaciais” (Smith et al.,
1987);
• “um sistema de suporte à decisão que integra dados referenciados espacialmente
num ambiente de respostas a problemas” (Cowen, 1988); e
1
O termo espacial é utilizado neste trabalho como sinônimo de geo-referenciado, ou seja, referenciado a
uma região geográfica do espaço.
27
•“um conjunto manual ou computacional de procedimentos utilizados para
armazenar e manipular dados geo-referenciados” (Aronoff, 1989).
Essas definições de SIG refletem, cada uma à sua maneira, a multiplicidade de usos e
visões possíveis desta tecnologia e apontam para uma perspectiva interdisciplinar de sua
utilização. Atualmente algumas de suas aplicações incluem temas como agricultura,
floresta, cartografia, geologia, cadastro urbano, redes de concessionárias (água, energia
e telefonia), dentre outras (Star e Estes, 1990).
2.1.1
TIPOS DE DADOS TRATADOS EM SIG
O aspecto mais fundamental dos dados tratados em um SIG é a natureza dual da
informação: um dado espacial ou dado geográfico possui uma localização expressa
como coordenadas de um mapa e atributos descritivos representados num banco de
dados convencional (Câmara, 1995). Outro aspecto é que os dados geográficos não
existem sozinhos no espaço: tão importante quanto localizá-los é descobrir e representar
as relações entre os diversos dados. Segundo Goodchild (1993), as aplicações de
geoprocessamento lidam com dois grandes tipos de dados espaciais:
• geo-campos: são variações espaciais contínuas. São usadas para grandezas
distribuídas espacialmente, tais como temperatura, salinidade e oxigênio dissolvido.
Correspondem, na prática, a dados temáticos, imagens e modelos numéricos de
terreno; e
• objetos geográficos (ou geo-objetos): são individualizáveis e
têm identificação. Este tipo de dado tem atributos não espaciais, armazenados em
um banco de dados convencional, e pode estar associado a várias representações
gráficas. Alguns exemplos são: escolas, municípios e fazendas.
28
2.2 BANCOS DE DADOS
Um banco de dados, muitas vezes também chamado de base de dados, é um conjunto de
arquivos estruturados de forma a facilitar o acesso a conjuntos de informações que
descrevem determinadas entidades no mundo (Medeiros e Pires, 1998).
A maneira com que os dados são armazenados em um banco de dados facilita a
organização, a consulta e a atualização das informações. No entanto, para obter esta
estruturação, é preciso que se realize a chamada modelagem de dados, que é a atividade
de especificar as necessidades de um conjunto de aplicações de forma a estruturar o
armazenamento de dados corretamente. Com isto, os mesmos dados podem ser
utilizados por aplicações diferentes, reduzindo o espaço e esforço de programação
(Medeiros e Pires, 1998).
À medida que o volume e o tipo de dados armazenados aumentam, é preciso fazer uso
de um sistema para gerenciá-los. Tais sistemas são chamados Sistemas de
Gerenciamento de Bancos de Dados (SGBD). Um SGBD consiste em uma coleção de
dados inter-relacionados e em uma coleção de programas para acessá-los. O seu
objetivo principal é prover um ambiente que seja conveniente e eficiente para uso na
recuperação e no armazenamento de informação (Korth e Silberschatz, 1993).
Segundo Medeiros e Pires (1998), a organização de bancos de dados geográficos mais
utilizada é a chamada estratégia dual. A arquitetura dual (Figura 2.1) refere-se a uma
estratégia de implementação onde utiliza-se um sistema gerenciador de banco de dados
relacional (SGBDR) para armazenar os atributos descritivos dos objetos geográficos (na
forma de tabelas) e arquivos convencionais para guardar as representações geométricas
destes objetos.
A conexão entre o dado gráfico (espacial) e o dado tabular (descritivo) é fundamental
em um SIG. Segundo Câmara (1995), para que isto ocorra existem três condições que
devem ser obedecidas:
29
•
manter um relacionamento único entre dados gráficos sobre o mapa e registros na
tabela de atributos;
•
manter a ligação entre o dado gráfico e o registro através de um único identificador;
e
•
manter o identificador armazenado fisicamente no arquivo que contém os dados
gráficos e no arquivo que contém o correspondente registro da tabela de atributos.
Fig. 2.1 - Arquitetura dual para banco de dados geográfico.
FONTE: Thome (1998, p.45)
Essas condições possibilitam a um SIG criar novos mapas baseados em informação
tabular e permitem realizar por exemplo, as seguintes operações:
•
apontando-se para uma representação sobre o mapa, identificar o geo-objeto e exibir
uma lista de seus atributos; e
30
•
apontando-se para um registro na tabela de atributos, identificar o geo-objeto
correspondente e realçar suas representações gráficas sobre o mapa.
Os identificadores são utilizados nessas operações como um meio de ligação entre as
representações gráficas do mapa e seus respectivos atributos tabulares e vice-versa.
Essas operações fornecem interatividade entre dados gráficos e tabulares.
Existem alguns problemas relacionados a esta abordagem. O primeiro está associado ao
controle da integridade em uma estratégia dual. Como um objeto geográfico possui
componentes nos dois subsistemas, se ocorrer uma exclusão de um dos componentes,
por motivo que não seja adequado, o outro componente não será atualizado (excluído), e
ocorrerá a inconsistência do objeto e consequentemente do banco de dados geográfico
(Thome, 1998).
Com relação às consultas, também existe a dualidade, no sentido de ocorrer nos dois
subsistemas separadamente. A parte da representação geométrica do objeto geográfico é
consultada de forma independente pelo seu subsistema, assim como a parte descritiva
do mesmo objeto é consultado pelo SGBDR. Após ambas as operações, os resultados
são tratados e unidos por uma camada de nível superior de implementação e o resultado
é apresentado (Thome, 1998).
2.3 PARÂMETROS OCEANOGRÁFICOS
A água do mar é caracterizada por certas propriedades físicas e químicas que
representam as características quantitativas do sistema oceânico. Essas quantidades são
chamadas de parâmetros, ou as características de estado do sistema. Para a água do mar
os parâmetros de estado são massa, volume, pressão, temperatura e salinidade. Os três
primeiros são mecânicos; a temperatura é um parâmetro termodinâmico, e a salinidade
está associada a parâmetros físicos-químicos (Mamayev, 1975). Neste trabalho, será de
grande importância o estudo da temperatura e da salinidade, pois tais parâmetros
possibilitam a identificação de massas de água no oceano. Assim, descrever-se-á um
pouco sobre a temperatura e a salinidade.
31
2.3.1 TEMPERATURA
A temperatura da água do mar, como propriedade fundamental do oceano, apresenta-se
como parâmetro básico para caracterização das massas de água em termos de
comportamento e distribuição espacial ou temporal (Nijoku et al., 1985).
Em oceanografia, a sua medida, abaixo da superfície, normalmente é feita com o
termômetro de reversão, que vai instalado numa garrafa de coleta de água (Nansen, Van
Dorn etc). Outra alternativa é a medida na vertical através de um conjunto de sensores
de registro contínuo chamado “CTD”, que é lançado da embarcação. Já a medida da
temperatura superficial do oceano pode ser feita com um termosalinômetro instalado a
bordo de embarcações ou até através de imagens de satélite na faixa do infravermelho
(Castro Filho, 1994)
Geralmente, em oceanografia, a temperatura é medida em graus Celsius (°C) com uma
precisão padrão da ordem de 0,01°C. Os oceanógrafos definem dois tipos de
temperatura: “in situ” e potencial θ. Temperatura “in situ” é a temperatura medida pelo
termômetro em um ponto qualquer no oceano e a temperatura potencial é a temperatura
de uma parcela adiabaticamente reduzida à pressão normal (atmosférica), isto é, a
temperatura que a parcela de água teria se fosse trazida à superfície adiabaticamente
(sem ganho ou perda de calor) (Mamayev, 1975).
A distribuição da temperatura à superfície no oceano é aproximadamente zonal e as
isolinhas de temperatura seguem aproximadamente os paralelos de latitude (Figura 2.2).
Perto da costa, que desvia as correntes, as isotermas podem tender à direção norte-sul.
Também ao longo da margem leste dos oceanos baixas temperaturas muitas vezes
ocorrem à superfície devido ao afloramento ou ressurgência das águas subsuperficiais,
mais frias, como se vê, por exemplo, ao longo da costa oeste. A temperatura superficial
dos oceanos decresce de valores bem elevados, em torno de 28ºC um pouco ao norte do
equador, a cerca de –2ºC junto ao gelo, nas latitudes polares (Pickard e Emery, 1990).
32
Fig. 2.2 – Climatologia da temperatura superficial média dos oceanos em agosto
FONTE: adaptada de Pickard e Emery (1990, p. 39).
No oceano, entre aproximadamente 200-300 m e 1000 m de profundidade, a
temperatura decresce rapidamente (Figura 2.4). Essa região com acentuado gradiente
vertical de temperatura é conhecida como termoclina permanente, abaixo da qual, em
torno de 1000 m de profundidade, não existe variação sazonal e (exceto em regiões
polares, Figura 2.3-c) a temperatura decresce suavemente entre 0ºC e 3ºC. Essa faixa
limitada é mantida em todo oceano profundo, geograficamente e sazonalmente, pois é
determinada pela temperatura de resfriamento e pela água densa que mergulha das
regiões polares para o fundo do oceano em direção ao Equador (Brown et al., 1989).
A região entre a superfície e uma profundidade de 25 a 200 m onde geralmente a
temperatura é próxima da temperatura de superfície, devido à mistura produzida pelas
ondas, é chamada de “camada de mistura”. A temperatura e a profundidade da camada
de mistura mostram variações sazonais em médias latitudes (Figura 2.3-a). Durante o
inverno, quando as temperaturas de superfície são baixas e as condições na superfície
são turbulentas, a camada de mistura superior pode aprofundar-se até atingir a
termoclina permanente; isto é, o perfil de temperatura pode ser efetivamente vertical
(constante) entre 200-300 m ou mais. No verão, como as temperaturas superficiais
aumentam e as condições na superfície são menos turbulentas, uma termoclina sazonal
freqüentemente surge acima da termoclina permanente (Brown et al., 1989).
33
Fig. 2.3 - Perfis médios típicos de temperatura para diferentes latitudes em oceano aberto.
FONTE: adaptada de Brown et al (1989, p. 24)
A Figura 2.4, mostra o desenvolvimento e desaparecimento de uma termoclina sazonal.
Como pode-se observar a termoclina sazonal começa a se formar na primavera e
alcança seu desenvolvimento máximo (isto é, com maior gradiente vertical de
temperatura) no verão. Esta termoclina se localiza geralmente em profundidades de
poucas dezenas de metros, com uma camada de mistura acima. Resfriamento e fortes
ventos no inverno aumentam progressivamente a profundidade da termoclina sazonal e
reduzem o gradiente de temperatura ao longo dela, de maneira que a camada de mistura
superior alcança sua total espessura de 200-300 m. Em baixas latitudes não existe
resfriamento de inverno, assim a ‘termoclina sazonal’ torna-se ‘permanente’ e une com
a termoclina permanente nas profundidades de 100-150 m. Em altas latitudes (maiores
ou iguais a 600), não existe termoclina permanente. Apesar disso, a termoclina sazonal
pode ainda desenvolver-se no verão nessas altas latitudes, sobre a fraca termoclina
permanente (Brown et al., 1989).
34
Fig. 2.4 –Sucessão de perfis de temperatura mostrando o desenvolvimento (linhas
sólidas) e desaparecimento (linhas pontilhadas) de uma termoclina sazonal
no Hemisfério Norte.
FONTE: Adaptada Brown et al. (1989, p. 24)
2.3.2
SALINIDADE
Entre os constituintes mais abundantes encontrados na água do mar estão os íons de
cloro, (55% do total de substâncias dissolvidas), os íons de sódio (30,6%), os íons de
sulfato, (7,7%), os íons de magnésio (3,7%) e os íons de potássio (1,1%) (Pickard e
Emery, 1990).
A concentração média de sais dissolvidos nos oceanos denomina-se “salinidade”, que
pode ser definida como “a quantidade total dos materiais sólidos, em gramas, contidos
em um quilograma de água do mar quando todos os carbonatos são convertidos em
óxidos, todos os brometos e iodetos substituídos por cloretos, e toda matéria orgânica
completamente oxidada”.
A salinidade média da água do mar é de cerca de 35g/kg, que em geral se escreve
“S=35%o” e lê-se “trinta e cinco partes por mil”. Tornou-se padrão a prática de
35
dispensar o símbolo(%o), pois a salinidade é agora definida em termos da razão da
condutividade elétrica (Pickard e Emery, 1990).
Desde meados de 1960 a definição de salinidade tem sido baseada (por acordo
internacional) em uma determinação empírica que envolve um padrão de condutividade.
A definição formal que tem sido usada desde os anos de 1980 é a seguinte:
A salinidade prática de uma amostra de água do mar é definida em termos da razão de
condutividade, K15, a qual é definida por:
K15 =
condutividade da amostra de água do mar
condutividade da solução de KCl padrão
(2.1)
a 15ºC e pressão de 1 atm a concentração da solução padrão de KCl é 32,4356 g/kg.
A salinidade prática é relacionada com a razão K15 pela seguinte equação:
3
1
5
2
S = 0,0080 + 0,1692K 152 + 25,3851K 15 + 14,0941K 152 − 7,0261K 15
+ 2,7081K 152
(2.2)
O valor da salinidade determinada pela condutividade depende da temperatura e da
pressão na qual a condutividade é medida (Brown et al., 1989).
Se a medição da razão da condutividade elétrica é feita a uma temperatura diferente de
15ºC, então resulta a razão Rt. Neste caso a conversão desse valor em S é feita mediante
a seguinte equação:
S = ∑ a i (R t )
i
2
+ ∆S
(2.3)
onde os coeficientes ai são dados por:
a0 = 0,0080
a1 = -0,1692
∑a
a2 = 25,3851
a3 = 14,0941
a4 = -7,0261
36
i
= 35
a5 = 2,7081
e ∆S é dado pela equação:
∆S =
i
(t - 15) 
b i (R t ) 2 
∑


1 + A(t - 15) 
(2.4)
onde,
b0 = 0,0005
b1 = -0,0056
A = 0,0162
b2 = -0,0066
∑b
b3 = -0,0375
i
= 0,00000
b4 = 0,0636
b5 = -0,0144
Para a determinação da salinidade a partir de medições “in situ” da razão da
condutividade elétrica os pesquisadores introduziram uma quantidade R, medida com
equipamentos de CTD, que se define por:
R = Rp.Rt.rt ou Rt=R/Rp.rt
(2.5)
Da equação 2.5 verifica-se que com o conhecimento das razões Rp e rt, pode-se calcular
Rt a partir das medições “in situ” da razão de condutividade R e, com as equações (2.3)
e (2.4) pode-se obter o valor correspondente da salinidade na escala prática As
quantidades Rp e rt foram obtidas por uma série de experimentos de laboratório e suas
expressões em função de R, T e p são encontradas em Unesco 1981 (Miranda, 1999)
A distribuição da salinidade superficial é basicamente zonal (Figura 2.5), embora menos
claramente que a temperatura. Os mínimos e máximos de salinidade aparecem em todos
os oceanos e os valores decrescem para as altas latitudes. As observações mostram que
a salinidade superficial é determinada por dois efeitos contrários: a evaporação, que a
aumenta, e a precipitação, que a reduz. Os máximos de salinidade estão na região dos
alíseos, onde a evaporação excede a precipitação (Pickard e Emery, 1990).
37
A faixa de valores da salinidade superficial nos oceanos varia de 33,0 a 37,0. Valores
mais baixos podem ocorrer junto à costa, próximo ao desaguadouro de grandes rios, e
nas regiões polares, onde gelo se funde. Valores mais altos aparecem nas regiões com
excesso de evaporação, como no Mediterrâneo Oriental (39,0) e no Mar Vermelho
(41,0). Em média, o Atlântico Norte é o oceano mais salgado (35,5), o Atlântico Sul e o
Pacífico Sul tendo apenas 35,2 e o Pacífico Norte, o menos salgado, 34,2 (Pickard e
Emery, 1990).
Fig. 2.5 – Salinidade superficial média dos oceanos em agosto.
FONTE: adaptada de Pickard e Emery (1990, p. 50).
Na vertical (Figura 2.6), encontra-se nas regiões equatorial, tropical e subtropical, um
mínimo permanente de salinidade entre 600 e 1000 metros, depois aumentando até 2000
m. Essas zonas, onde a salinidade decresce com a profundidade, são conhecidas como
haloclinas. Nos trópicos encontra-se muitas vezes um destacado máximo de salinidade a
cerca de 100 m, junto ao teto da termoclina. Nas altas latitudes, onde o valor à
superfície é baixo, a salinidade em geral cresce com a profundidade ate cerca de 2000
m, sem o mínimo subsuperficial (Pickard e Emery, 1990).
Nas águas profundas, abaixo de 4000 m, a salinidade é relativamente uniforme, entre
34,6 e 34,9 em todos os oceanos. Como a temperatura das águas profundas varia
também entre estreitos limites (-0,9 e 2ºC), pode-se dizer que o ambiente da água
profunda é quase perfeitamente uniforme (Brown et al., 1989).
38
Fig. 2.6 – Perfis verticais médios típicos de salinidade média nos oceanos.
FONTE: adaptada de Pickard e Emery (1990, p. 52).
2.4 FUNDAMENTOS TEÓRICOS DA ANÁLISE T-S
A possibilidade de analisar correlações entre as variáveis temperatura e salinidade
(análise T-S) originou-se graças aos trabalhos pioneiros de M. Knudsen e colaboradores
publicados em 1901, quando propuseram uma metodologia para a medida da salinidade
da água do mar e uma equação de estado à pressão atmosférica, e com o trabalho
pioneiro de Björn Helland-Hansen, publicado em 1918, que introduziu na pesquisa
oceanográfica a correlação entre a temperatura e a salinidade em condições reais e
descobriu a quase constância da configuração da curva T-S-z (Nogueira, 1993).
Shtokman (1946) estabeleceu teoremas que permitem identificar as massas de água que
estão se misturando e determinar como evoluem geometricamente os pares (S,T) sob a
ação de processos de mistura vertical. O ponto de partida para a determinação desses
teoremas foram as soluções analíticas T=T(z,t) e S=S(z,t) obtidas para mistura de três
massas de água num oceano infinito. A descrição destas soluções está contida em
Mamayev (1975).
39
Para os trabalhos práticos de Oceanografia Física, as principais utilidades dos teoremas
de Shtokman são: a determinação dos índices termohalinos dos tipos de água que estão
se misturando e do triângulo de mistura, bem como da espessura da camada de água
intermediária e a localização do seu núcleo. Inicialmente, o método de correlação TS
foi aplicado às regiões do oceano situadas abaixo da camada superficial (100-200 m),
onde a temperatura e a salinidade são alteradas somente por processos de advecção e
difusão.
Dessa forma, excluiu-se o estudo das massas de água na plataforma continental, já que
nesta região, sob um período de tempo, fatores locais, tais como: precipitação,
evaporação, radiação solar e aportes continentais, influenciam as propriedades físicas da
água do mar, principalmente nas regiões mais costeiras (Coelho, 1997).
Entretanto, Miller (1950) utilizou o método de correlação T-S para a plataforma
continental, assumindo que dentro de uma área limitada, na qual os processos de
mistura ocorrem mais rapidamente que os fatores locais, este método fornece resultados
úteis desde que dados quase sinópticos sejam amostrados. De acordo com este método
os índices termohalinos dos tipos de água que estão se misturando, são os extremos do
polígono indicado sobre o diagrama T-S espalhado. Miranda (1972), Miranda (1982),
Silva (1995), aplicaram o mesmo método em pesquisas sobre Massas de Água da
plataforma sul e sudeste do Brasil, o que também foi feito por Linhares (1995) para a
plataforma continental Amazônica (Coelho, 1997).
Colocando-se duas massas de água homogêneas em T e S em contato, e admitindo-se
que elas se formem continuamente, tem-se em virtude dos processos de mistura que
ocorrem na interface de separação, uma nova massa de água cujos valores de
temperatura e de salinidade se situam, no diagrama TS, ao longo da linha reta que une
os pontos respectivos das “massas de água” de lhe deram origem. Portanto, uma “massa
de água pode ser classificada a partir de intervalos bem definidos de variação da
temperatura e da salinidade (Miranda, 1972).
O caso mais comum da mistura de massas de água, sob condições reais, é a mistura
vertical de duas, três ou quatro massas de água superpostas verticalmente. O exame da
40
mistura dessas massas de água é feito com base na teoria analítica das curvas T-S para o
oceano infinito (Teoria de Shtokman), que continua sendo a base para a análise das
curvas T-S. Dessa teoria seguem as seguintes regras, resultantes das características
geométrica do triângulo de mistura (Miranda, 1999):
1) O limite entre as massas de água deve ser considerado como sendo a profundidade na
qual, a percentagem de mistura, determinada com base na reta ou no triângulo de
mistura, seja igual a 50%.
2) Se a curva T-S é aproximadamente uma reta, então a reta de mistura deve ser usada
para sua análise.
3) Se a curva T-S consiste de duas ou mais partes quase retas, ligadas uma as outras,
então há três ou mais massas de água. A quantidade de massas de água que interagem é
igual ao número de extremos da curva T-S mais dois. Estes extremos estão indicados na
Figura 2.7, por A, B, J e D.
4) A determinação dos índices termohalinos é feita traçando as “tangentes” aos trechos
da curva T-S. A interseção dessas tangentes na região dos pontos extremos, determina
os índices termohalinos da massa (tipo) de água intermediária (J e D na Figura 2.7). Os
extremos da curva T-S, correspondem aos índices termohalinos das massas (tipos) de
água da superfície e do fundo (A e B na Figura 2.7).
5) Para a determinação das percentagens de mistura e os seus limites entre as massas de
água, para diferentes valores da profundidade Z, são traçados os triângulos de mistura
(Triângulos AJD e JDB) tendo por vértice os índices termohalinos. Se for preferível
usar uma solução analítica, ao invés de gráfica, deve-se resolver o sistema de equações
para a mistura de três tipos de água apresentada em Mamayev (1975), que consiste das
seguintes equações:
m1T1+m2T2+m3T3=T
m1S1+m2S2+m3S3=S
(2.1)
m1+m2+m3=1
41
onde m1, m2 e m3 são respectivamente os percentuais de contribuição dos tipos de água
que estão se misturando; (S1,T1),(S2,T2) e (S3,T3) são os índices termohalinos e S e T
são os dados de salinidade e temperatura amostrados em uma determinada profundidade
na região de estudo. No caso da mistura de quatro tipos de água, através das interfaces
de separação, a solução do problema inverso nos conduz a um sistema de equações
indeterminado, pois teremos um número de incógnitas (m1, m2, m3 e m4) maior do que o
número de equações.
Neste caso deve-se lançar mão de uma terceira propriedade físico-química (P)
que seja independente de (S,T), de forma a se tratar o diagrama T-S na forma de
“parâmetros múltiplos”, de acordo com a terminologia introduzida na literatura
oceanográfica por Tomczak (1981). Neste caso, uma vez escolhida a propriedade P,
chega-se ao seguinte sistema de equações:
m1T1+m2T2+m3T3+m4T4=T
m1S1+m2S2+m3S3+m4S4=S
(2.2)
m1P1+m2P2+m3P3+m4P4=P
m1+m2+m3+m4=1
onde m1, m2 m3 e m4 são respectivamente os percentuais de contribuição dos tipos de
água que estão se misturando; (S1,T1), (S2,T2), (S3,T3) e (S4,T4) são os índices
termohalinos S, T e P são os dados de salinidade, temperatura e a propriedade físicoquímica amostrados em uma determinada profundidade.
6) A mediana principal do triângulo de mistura (Jd e Dc, na Figura 2.7), intercepta a
curva T-S em pontos (S,T,z) que caracterizam o núcleo da água intermediária.
7) As medianas secundárias do triângulo de mistura (ad e de; ce e bc, Figura 2.7),
interceptam a curva T-S em pontos onde o parâmetro z corresponde aos limites da
massa de água intermediária.
42
Fig. 2.7 – Exemplo de um triângulo de mistura.
FONTE: Mamayev (1975, p. 253)
Com a aplicação dessas regras à análise das curvas T-S dos oceanos, foi possível
estabelecer uma classificação de suas principais massas de água, as características de
suas transformações devido aos processos de mistura e as suas regiões de formação que
as qualificam nominalmente. Assim, por exemplo, a chamada Massa de Água
Intermediária existente em todos os oceanos e a Massa de Água Central desses oceanos
são formadas nas regiões de convergência Antártica e Subtropical, respectivamente.
Surgiram assim, graças principalmente ao trabalho pioneiro de Svertrup et al.(1942), os
diagramas T-S generalizados, alguns dos quais são reproduzidos na Figura 2.8
(Miranda, 1999).
Fig. 2.8 – Diagramas T-S generalizado das principais massas de água dos oceanos.
FONTE: Mamayev (1975, p. 306).
43
2.5 MASSAS DE ÁGUA NA REGIÃO DE ESTUDO
Emilsson (1961), identificou a ocorrência de três massas de água na Plataforma
Continental Sudeste (PCSE), as quais foram observadas posteriormente por outros
autores (Miranda (1982); Miranda (1985); Castro Filho et al.(1987); Castro Filho
(1990a); Miranda e Katsuragawa (1991); Silva (1995); Castro Filho (1996)). As massas
de água presentes na região de estudo são resultados das misturas entre:
•
Água Tropical (AT), quente e salina (T > 18ºC e S > 35.9 PSU) (Mamayev,
1975) transportada para o sul/sudoeste na camada superficial (0-200 m) da
Corrente do Brasil (CB), sobre o talude continental, nas proximidades da quebra
da plataforma continental;
•
Água Central do Atlântico Sul (ACAS), relativamente fria (6º < T < 18ºC e 34.5
< S < 35,9 PSU) (Mamayev, 1975) transportada também para o sul/sudoeste ao
longo do talude continental na camada inferior da CB (200-500 m), próximo à
quebra da plataforma continental;
•
Água Costeira (AC), resultante da mistura da descarga continental de água doce
com as águas da plataforma continental, tendo a menor salinidade das águas da
PCSE devido principalmente ao efeito combinado dos vários pequenos e médios
rios existentes na região (Castro Filho, 1996).
Segundo Castro Filho (1996), a parte mais interna da plataforma continental é ocupada
principalmente pela AC, a qual apresenta estratificação vertical muito pequena devido
aos processos de mistura causados pelas tensões de cisalhamento do vento na superfície
e de cisalhamento das correntes de maré no fundo. Ao largo dessa banda costeira
observa-se a presença de águas com influência da AT e da ACAS, geralmente as
primeiras próximas à superfície e as segundas próximas ao fundo, principalmente ao
longo da quebra da plataforma continental. Durante o verão, a ACAS penetra na camada
profunda em direção à costa, atingindo muitas vezes a parte mais interna da plataforma
continental. Durante o inverno, por outro lado, essa massa de água afasta-se em direção
a quebra da plataforma continental, aumentando a largura da região costeira onde AC é
44
predominante (Castro Filho et al., 1987). A distribuição dessas massas de água
apresenta variação temporal em escalas interanuais, sazonais, subinerciais e em
mesoescalas.
Na escala de tempo interanual, que está associada a períodos maiores do que um ano e
menores que alguns anos, podem ocorrer perturbações sobre o ciclo hidrólogo
climatológico médio, com verões apresentando maiores ou menores índices de
pluviosidade. Essas perturbações tem reflexos sobre a salinidade das águas,
particularmente daquelas situadas em zonas mais costeiras e mais rasas (Castro Filho,
1996).
Na escala de tempo sazonal (um ano) as variações da radiação solar incidente sobre a
superfície do oceano, bem como da diferença entre evaporação e precipitação
influenciam, por meio de mecanismos de troca de energia e de massa oceano-atmosfera,
as características de temperatura e de salinidade das águas da plataforma continental. De
acordo com Castro Filho (1996), essa influência estende-se desde a zona mais costeira
até aquela situada em regiões intermediárias da plataforma continental. Ainda na mesma
escala temporal, ocorrem as variações sazonais do vento médio ou do vento mais
freqüente; estes, através de trocas de energia cinética com a camada superficial do
oceano, são parcialmente responsáveis tanto pelos processos de mistura turbulenta das
águas do mar quanto pelas correntes sazonais.
Ventos intensos, como aqueles que ocorrem no inverno, por exemplo, acentuaram os
processos de mistura determinando estruturas verticais de densidade mais homogêneas,
principalmente na parte interna da plataforma continental. A circulação resultante em
cada estação do ano transporta águas provenientes de zonas eventualmente distintas, e
consequentemente possuidoras de propriedades físicas dissimilares, para a região de
amostragem (Castro Filho, 1996).
A penetração da ACAS em direção à costa durante o verão, e sua recessão para regiões
mais externas da plataforma continental durante o inverno, conforme observada por
vários autores (Emilsson, 1961; Miranda, 1982; Matsuura, 1983; Castro Filho et al.,
1987; Campos et al., 1996a), é uma típica variação termohalina com escala sazonal.
45
Outro exemplo é a penetração superficial ao longo da PCSE, durante o inverno, de
águas frias provenientes do sul. Essas águas muitas vezes atingem regiões centrais da
PCSE (Campos et al., 1996b). O ciclo de estratificação-desestratificação sazonal é
acompanhado pela formação de frentes, as quais determinam as interfaces de separação
entre duas ou mais massas de água.
Na escala de tempo conhecida como mesoescala podem ocorrer penetrações de
meandros ou de vórtices frontais da Corrente do Brasil sobre a plataforma continental.
Além do transporte da própria Água Tropical, essas perturbações sobre a circulação
média da plataforma continental podem induzir o transporte vertical, em direção à
superfície, de águas profundas mais frias fortemente influenciadas pela ACAS. A área
típica de ocorrência desses fenômenos é aquela situada ao largo da isóbata de 100 m, até
a quebra da plataforma continental, embora manifestações desta natureza possam ser
algumas vezes observadas até mesmo nas proximidades da isóbata de 50 m. Essas
perturbações na Corrente do Brasil destacam-se tanto em resultados de medições
clássicas através de cruzeiros hidrográficos quanto no mapeamento do campo de
temperatura superficial a partir de medições infravermelhas de satélites (Lorenzzetti,
1994).
Em escalas de tempos menores, como a subinercial, podem ocorrer fenômenos como
ressurgência e subsidência costeira, e oscilações de frentes térmicas ou halinas. Uma
conseqüência dos ventos predominantes de nordeste na parte norte da PCSE,
especialmente durante o verão, é a ressurgência gerada pelo vento, conhecida como
ressurgência costeira de Cabo Frio. Na verdade, o núcleo principal de ressurgência tem
sido observado desde o Estado de Espírito Santo até imediações da Baía de Guanabara.
Em algumas imagens infra-vermelho termal de satélites é algumas vezes possível vê-la
se estendendo até bem mais a oeste, delimitando, portanto, uma região de influência
bem maior do que aquela indicada pelo nome usual (Lorenzzetti, 1994a).
Depois dos trabalhos pioneiros de Allard (1955), vários autores observaram a correlação
existente entre o campo térmico superficial anômalo e os ventos provenientes de lestenordeste (Miranda, 1982). Esse último autor identificou a água que ressurge como sendo
46
ACAS. A ressurgência costeira é freqüente entre o Cabo de São Tomé e Cabo Frio
(Mascarenhas, Jr. et al., 1971; Ikeda et al., 1974; Maglioca et al., 1979), conforme pode
ser visto, por exemplo, em mapeamentos de temperatura superficial a partir de satélites
(Lorenzzetti, 1994). Ao contrário da ressurgência existente na costa oeste, as quais são
praticamente permanentes, a ressurgência de Cabo Frio é marcadamente sazonal,
ocorrendo com maior freqüência no verão do que no inverno (Ikeda et al., 1974;
Miranda, 1982). Mais recentemente, Lorenzzetti e Tanaka (1990) implementaram um
modelo numérico em duas camadas para estudar a ressurgência entre Cabo de São
Tomé e Cabo Frio. Os resultados dos experimentos, além de comprovarem a alta
correlação existente entre o vento de leste-nordeste e o movimento vertical ascendente,
também mostraram que o vento de sudoeste pode estancar o afloramento de água. Não
se conhece ainda qual a influência que os meandros e vórtices da Corrente do Brasil
(CB), freqüentes na região, tem sobre a ressurgência (Castro Filho, 1996).
2.6 DIFERENÇA DE TEMPERATURA AR-MAR
A diferença – temperatura do ar menos temperatura do mar – é um importante indicador
da estabilidade do ar sobre um oceano e determina o fluxo de calor sensível para a
atmosfera. Valores positivos indicam uma estratificação estável que interrompe o fluxo
e resfria a atmosfera e valores negativos indicam uma estratificação instável que induz o
fluxo de calor do oceano para atmosfera por meio da intensificação turbulenta (Loon,
1984).
Uma vez que a diferença de temperatura ar-mar é um parâmetro importante, foi
estudada por vários autores, dentre eles pode-se citar: Loon (1984), Da Silva et
al.(1994), Ikeda (1984), Rao et al. (1980). As Figuras 2.9 e 2.10 mostram mapas de
médias climatológicas da diferença de temperatura gerados por Lonn (1984), para os
meses de janeiro e julho. Como a diferença entre duas medidas é mais susceptível a
erros que as próprias medidas, as análises são duvidosas em algumas regiões,
especialmente em altas latitudes. Em janeiro predominam valores positivos e em julho
negativo. Em média sobre todo Oceano Atlântico Sul, a diferença é + 0,1ºC em janeiro e
– 0,1ºC em julho.
47
Fig. 2.9 – Diferença de temperatura ar-mar no oceano Atlântico Sul
para o mês janeiro.
FONTE: Loon (1984., p. 172).
Fig. 2.10 – Diferença de temperatura ar-mar no oceano Atlântico
Sul para o mês julho.
FONTE: Loon (1984, p. 173).
48
Na média anual, a diferença de temperatura ar-mar é – 0,5ºC sobre o Atlântico Sul. Por
comparação, um cálculo desta quantidade no Atlântico Norte usando dados coletados
por navios resultou num valor médio de – 0,7ºC. Esta diferença vertical de temperatura
refere-se a uma diferença na altura das medidas em torno de 10 m acima e de 0,5 m
abaixo da superfície do mar. Um gradiente vertical de temperatura é gerado entre as
águas de superfície e de sub-superfície devido ao resfriamento da camada superficial
por irradiação de ondas longas e por evaporação, enquanto que a insolação aquece
camadas profundas até a profundidade óptica da água. No entanto, a turbulência na
água, facilitada pelas instabilidades e ondas, tendem compensar os processos
radiacionais. O gradiente de temperatura vertical médio na superfície da água poderia
ser determinado por uma comparação com medidas de radiação da superfície adjacente
se estas pudessem atingir uma precisão necessária. A menor diferença de temperatura
ar-mar no Oceano Atlântico Sul em relação ao Atlântico Norte é explicada pelo
escoamento médio de águas relativamente frias através do Atlântico Sul, sendo portanto
uma fonte mais fraca de calor do que o Atlântico Norte. O desvio padrão médio da
diferença de temperatura varia entre 1ºC em baixas latitudes e 2.5ºC em altas latitudes
no Oceano Atlântico Sul (Loon, 1984).
2.6.1
FLUXO VERTICAL DE CALOR NA SUPERFÍCIE DO MAR
O fluxo vertical de calor entre o oceano e a atmosfera é composto pelo fluxo de calor
sensível e latente na superfície do mar. Ambos são causados por troca turbulenta. A
troca de calor sensível é realizada quando existe uma diferença de temperatura potencial
entre a superfície do mar e a atmosfera, e o fluxo de calor latente acontece nas trocas de
vapor d’água quando a umidade específica (ou pressão de vapor) exibe um gradiente
vertical.
Por outro lado, as médias climatologicas das diferenças de temperatura ar-mar reflete
um balanço entre o aquecimento da superfície do mar pelo fluxo de radiação líquida e o
fluxo de calor sensível pelas trocas turbulentas. Médias climatológicas da umidade
relativa reflete o gradiente vertical médio da umidade específica e desta forma o balanço
49
entre evaporação na superfície do mar e fluxo de calor latente na atmosfera (Loon,
1984).
2.6.1.1 FLUXO DE CALOR LATENTE
No processo de evaporação, o calor latente de vaporização é absorvido no vapor d’água
e, por sua vez, é liberado para atmosfera quando o vapor d’água condensa de maneira
que o fluxo vertical de vapor d’água também é transformado em fluxo de calor latente.
Na superfície do mar esse fluxo é proporcional à evaporação (Loon, 1984).
Segundo Loon (1984) não é a quantidade de vapor d’água, mas a quantidade de calor
latente transferida para atmosfera que é de interesse. Essa transferência W (em W/m2) é
calculada como o produto da taxa de evaporação E (em mm/dia) pelo calor latente de
vaporização L (J/kg) e a densidade da água ρw (kg/m3), sem considerar a dependência
com a temperatura.
Deve ser ressaltado que altos valores de fluxo de calor latente são observados nos
trópicos e sobre as correntes de águas quentes. Os maiores valores são encontrados
sobre as correntes quentes do Brasil e das Agulhas, ao passo que baixos valores ocorrem
sobre as águas frias de ressurgência no Equador e ao longo da costa da África e sobre a
Corrente das Malvinas.
A quantidade de W pode ser calculada como se segue:
W = 1/3 x L x (E + EA + EB),
(2.3)
onde E é a evaporação média calculada pelo método de Laevastu para cada observação,
EA é a evaporação calculada pelo método de Laevastu de médias mensais da velocidade
do vento, temperatura da superfície do mar, e pressão de vapor d’água, e EB é a
evaporação calculada de médias mensais (Loon, 1984).
50
2.6.1.2 FLUXO DE CALOR SENSÍVEL
O gradiente vertical de temperatura entre a superfície do mar e a atmosfera gera um
fluxo de calor sensível. O fluxo de calor sensível é proporcional à velocidade do vento F
(em m/s) como uma medida da turbulência, e à diferença entre a temperatura da
superfície do mar Tw e temperatura do ar Ta observada aproximadamente 10 m acima do
nível do mar. Essa diferença de temperatura é uma medida da estabilidade do ar.
Portanto, para o fluxo de calor sensível W (em W/m2), a seguinte fórmula de Wucknitz
(1974) e Krügermeyer (1975) é válida: W = aF(Tw-Ta) com a = ρac = 1.6x10-3, o
coeficiente de troca, ρa = 1.2 kg/m3, a densidade do ar, e c = 1.3x10-3, o coeficiente de
transporte de calor (Loon, 1984).
Esta fórmula é valida somente para um perfil vertical logarítmico da velocidade do
vento e da temperatura do ar (ou mais exatamente, temperatura potencial virtual), para
uma altura de 10 m acima do nível do mar e um estado não perturbado do mar. A
densidade do ar diminui com o decrescimento da pressão do ar, mas aumenta com o
decrescimento da temperatura; geralmente, aumenta ligeiramente em direção ao pólo
(Loon, 1984).
Utilizando a fórmula anterior, Da Silva et al. (1994) calcularam médias mensais do
fluxo de calor sensível na superfície do mar para janeiro e julho, mostradas nas Figuras
2.11 e 2.12. Valores positivos são encontrados sobre correntes quentes e na Zona de
Convergência Intertropical e valores negativos são mais comuns em janeiro que em
julho, em concordância com a mudança sazonal no sinal das diferenças de temperatura
ar-mar (Figuras 2.9 e 2.10). Contudo, para o Atlântico Sul e durante todo o ano, valores
positivos do fluxo de calor sensível predominam porque a água é geralmente mais
quente que o ar próximo a superfície. Os menores valores de fluxo estão sujeitos a
dúvidas, especialmente em altas latitudes.
51
Fig. 2.11 – Fluxo de calor sensível na superfície do mar para o mês de janeiro.
FONTE: Da Silva et al. (1994)
Fig. 2.12 – Fluxo de calor sensível na superfície do mar para o mês de julho.
FONTE: Da Silva et al. (1994.)
52
CAPÍTULO 3
3
MATERIAIS
3.1 SISTEMAS
3.1.1
SPRING
O produto SPRING (Sistema para Processamento de Informações Georeferenciadas) é
um banco de dados geográficos de 2ª geração, desenvolvido pelo Instituto Nacional de
Pesquisas Espaciais (INPE) para ambientes UNIX e Windows.
O SPRING foi concebido como um banco de dados geográfico e projetado para operar
em conjunto com um sistema gerenciador de bancos de dados (SGBD). O banco de
dados geográfico é o repositório de dados de um SIG, armazenando e recuperando
dados geográficos em diferentes geometrias (imagens, vetores, grades) e as informações
descritivas (atributos não-espaciais) sobre esses dados são guardadas em tabelas do
SGBD relacional associado ao sistema. As suas principais características são:
•
Operar como um banco de dados geográfico sem fronteiras e suportar grande
volume de dados (sem limitações de escala, projeção e fuso), mantendo a
identidade dos objetos geográficos ao longo de todo banco;
•
Administrar tanto dados vetoriais como dados matriciais (“raster”), e realizar a
integração de dados de Sensoriamento Remoto num SIG;
•
Prover um ambiente de trabalho amigável e poderoso, através da combinação de
menus e janelas com uma linguagem espacial facilmente programável pelo
usuário, a Linguagem Espaço-Geográfica baseada em Álgebra (LEGAL);
•
Conseguir escalonabilidade completa, isto é, ser capaz de operar com toda sua
funcionalidade em ambientes que variem desde micro-computadores a estações
de trabalho RISC de alto desempenho.
53
A motivação básica para o desenvolvimento do SPRING baseia-se em duas premissas:
integração de dados e facilidade de uso. No primeiro caso, constatou-se que a
complexidade dos problemas ambientais do Brasil requer uma forte capacidade de
integração de dados entre imagens de satélite, mapas temáticos e cadastrais, e modelos
numéricos de terreno. Adicionalmente, muitos dos sistemas disponíveis no mercado
nacional apresentam alta complexidade de uso e demandam tempo de aprendizado
muito longo. Os objetivos do sistema SPRING são (Câmara, 1995):
•
Integrar as tecnologias de Sensoriamento Remoto e Sistemas de Informação
Geográfica.
•
Utilizar modelo de dados orientado-a-objetos, que reflita melhor a metodologia
de trabalho de estudos ambientais e cadastrais.
•
Fornecer ao usuário um ambiente iterativo para visualizar, manipular e editar
imagens e dados geográficos.
Para alcançar estes objetivos, o SPRING está baseado em um modelo de dados
orientado-a-objetos, que combina as idéias de “campos” e “objetos geográficos”.
Baseado nessas características o SPRING tem se mostrado uma opção altamente
atrativa na área de geoprocessamento, pois é um software de domínio público, podendo
ser adquirido pela internet (http://www.inpe.com.br).
Os tipos de dados tratados no SPRING podem ser classificados em cinco categorias:
temática, cadastral, rede, imagem e MNT. Cada uma dessas categorias será descrita a
seguir:
-
Mapas temáticos são dados do tipo geo-campo e caracterizam-se por conter regiões
definidas por um ou mais polígonos, como mapas de uso do solo e de aptidão
agrícola de uma região. Este tipo de dado é armazenado na forma de arcos (limites
entre regiões), incluindo os nós (pontos de interseções entre arcos) para montar uma
representação topológica. A topologia construída é do tipo arco-nó-região: arcos se
54
conectam entre si através de nós (ponto inicial e final) e arcos que circundam uma
área definem um polígono (região) (Burrough, 1987);
-
Mapas cadastrais são dados do tipo geo-objeto, onde cada elemento é um objeto
geográfico, que possui atributos e pode estar associado a várias representações
gráficas. Por exemplo, os lotes de uma cidade são elementos do espaço geográfico
que possuem atributos (dono, localização, valor vendal, IPTU etc.) e podem ter
representações gráficas diferentes, como pontos, linhas e polígonos. Normalmente a
parte gráfica dos mapas cadastrais não é representada na forma matricial. A forma
mais eficiente e convencional de armazená-la é como coordenadas vetoriais, com
sua topologia associada. A Figura 3.1 ilustra um exemplo de mapa cadastral, onde é
mostrada a associação existente entre os objetos geográficos e os seus respectivos
atributos.
Fig. 3.1 - Exemplo de mapa cadastral (países da América do Sul).
FONTE: Câmara e Medeiros (1998, p. 15).
-
Redes também são do tipo geo-objeto e também se caracterizam por cada objeto
(por exemplo: um cabo telefônico, transformador de rede elétrica ou cano de água)
possuir uma localização geográfica exata e estar associado a atributos descritivos,
presentes no banco de dados. Dados de redes são compostos por informações
55
associadas a serviços de utilidade pública, como água, luz, telefone, redes de
drenagem (bacias hidrográficas), malhas viárias, etc. As informações gráficas de
redes são armazenadas em coordenadas vetoriais, com topologia arco-nó: arcos têm
um sentido de fluxo e nós têm atributos que podem ser fontes ou sorvedouros. Neste
tipo de dado (da mesma forma que no cadastral) também é fundamental a ligação
com banco de dados, para que se possa realizar consultas e apresentar os resultados
de forma adequada. Estes tipos de dados são mais complexos de serem tratados que
dados cadastrais. Normalmente os pacotes de rede de sistemas comerciais possuem
cálculos de caminho ótimo e crítico, mas nem sempre são suficientes para a
exigência das aplicações (Peuquet, 1990).
-
Imagens são do tipo geo-campo, obtidas por satélites ou aeronaves e armazenadas
como matrizes, onde cada elemento unitário de informação (“pixel”) está ligado a
certas características físicas e/ou químicas do material da superfície. O uso de
imagens de satélite tem se tornado comum em SIG e suas características mais
importantes são: resolução espectral (número de bandas); resolução espacial (a área
unitária da superfície terrestre observada instantaneamente por cada sensor); e
resolução temporal (intervalo de tempo entre passagens sucessivas sobre uma
mesma área) (Hara, 1997).
-
Modelos Numéricos de Terreno (MNT) também são do tipo geo-campo e denotam a
representação de uma grandeza que varia continuamente no espaço. Um MNT é
normalmente associado à altimetria, mas pode ser utilizado para modelar outros
fenômenos de variação contínua, tais como variáveis geofísicas, geoquímicas e
batimetria. Em MNT podem ser utilizados dois tipos de representações:
•
grades regulares: matriz de elementos com espaçamento fixo, onde é
associado o valor estimado da grandeza na posição geográfica de cada ponto da
grade; e
56
•
malhas triangulares: a grade é formada por conexão entre amostras do fenômeno,
utilizando, por exemplo, a triangulação de Delaunay2. A grade triangular é uma
estrutura topológica vetorial do tipo arco-nó formando recortes triangulares do espaço.
Uma mesma variável pode ser representada por uma ou mais de uma categoria
dependendo do tipo de operação efetuada, por exemplo: o parâmetro temperatura pode
ser geo-campo ou geo-objeto.
Parâmetro
Tipo de dado
Categoria
Operação
Temperatura
Geo-campo
MNT
Interpolação
Geo-objeto
Cadastral
Consulta ao BD
Geo-campo
Temática
Fatiamento
3.1.2
IDL
O Interactive Data Language (IDL) é um software proprietário para análise e
visualização interativa de dados, desenvolvido pela Reasearch System, Inc. Atualmente
existem versões do IDL disponíveis para os sistemas UNIX, VMS, Windows e
Macintosh. IDL integra uma poderosa linguagem orientada à manipulação de matrizes,
além de um grande número de técnicas de visualização e análise numérica.
Entre as principais características do IDL tem-se:
- rotinas avançadas de processamento de imagens;
- rotinas de manipulação de matrizes;
- visualização de gráficos 2D e 3D, tais como gráficos de linha, superfícies e mapas
de contorno;
- visualização volumétrica;
- funções de análises matemáticas e estatísticas;
- leitura e escrita em vários formatos de dados científicos;
2
A triangulação Dalaunay garante que o circumcírculo de cada triângulo não contém nenhum outro ponto
de outra triangulação.
57
- Possibilidade de desenvolvimento de novas rotinas em linguagem C e FORTRAN,
se necessário.
Embora seja uma linguagem interpretada, o IDL é rápido para a maioria das aplicações
científicas que trabalham com conjuntos de dados multidimensionais, em comparação a
outros pacotes de análise de dados, além de prover um conjunto de rotinas avançadas
para visualização de dados.
Uma grande limitação do IDL é o fato de ser um sistema proprietário, mas vem se
difundindo cada vez mais no meio científico. Nem todos os sistemas computacionais
são suportados pelo IDL, embora ele esteja disponível para a maioria das plataformas
utilizadas no meio científico (Sun, DEC, HP e IBM). Além disto a linguagem nativa do
IDL não está tão bem testada como outras linguagens tradicionais, FORTRAN e C,
portanto alguns problemas podem surgir, principalmente quando se migra entre várias
plataformas de hardware (Faria, 1998).
3.2 CONJUNTO DE DADOS
A seguir é apresentada uma descrição dos dados utilizados no desenvolvimento do
presente trabalho.
3.2.1
DADOS HIDROGRÁFICOS
Seguindo a prática internacional, denomina-se “dados hidrográficos” os dados de
temperatura e de salinidade da água do mar, coletados em estações oceanográficas.
Os dados hidrográficos, como função da profundidade, foram obtidos junto ao Banco
Nacional de Dados Oceanográficos (BNDO) na Diretoria de Hidrografia e Navegação
(DHN) do Ministério da Marinha, referentes a cruzeiros hidrográficos realizados na
região compreendida entre os paralelos 20º-30ºS e os meridianos 35º-50ºW, no período
entre 1980 a 1996. Foram utilizados dados de temperatura coletados em 1057 estações
oceanográficas, por instrumentos de XBT, temperatura e salinidade coletados por CTD
em 383 estações e “garrafas de Nansen” em 1076 estações. Apesar dos dados quase
58
sinópticos não possuírem a mesma resolução temporal e espacial, estes revelam, em
primeira aproximação, as variações ocorridas na região de estudo.
3.2.2
DADOS METEOROLÓGICOS
Dados meteorológicos de superfície (temperatura do ar, velocidade e direção do vento,
pressão, umidade relativa) para o período de 1980 a 1996, também foram obtidos junto
ao BNDO na DHN. Esses dados possuem uma resolução espacial de 1º de latitude por
1º de longitude, distribuídos nos quadrados de MARSDEN 375 e 376 que abrangem a
área de estudo.
Desses dados foram utilizados os de temperatura atmosférica e velocidade e direção de
vento, pois esses parâmetros são importantes para o estudo das trocas de energia entre o
oceano e a atmosfera.
3.2.3
DADOS DE DERIVADORES RASTREADOS POR SATÉLITE
A Figura 3.2 mostra uma bóia de deriva juntamente com seu importante componente, a
vela de arrasto.
Fig 3.2 - Ilustração do Derivador de Baixo Custo (LCD).
FONTE: Global Drifter Center at NOAA/AOML (1995).
59
Estes derivadores quando lançados no oceano seguem as correntes e coletam, através de
seus sensores, parâmetros físicos da água. Eles são rastreados por satélites e transmitem,
através destes, dados coletados “in situ” durante um longo período de tempo (Assireu,
1998).
Os derivadores de baixo custo, assim chamados por apresentarem preço correspondente
a quase 1/3 do valor das bóias convencionais, podem ser lançados a partir de navios ou
aeronaves. Quando lançados a partir de navios, a chance destes derivadores não serem
danificados é de 98%; essa taxa cai para 78% quando o lançamento é feito a partir de
aeronaves (Global Drifter Center at NOAA/AOML, 1995).
Por várias razões, 50% dos derivadores perdem sua capacidade de comunicação com o
satélite a partir de 440 dias após terem sido lançados. Isto equivale a dizer que a vida
média dos LCDs gira em torno de 440 dias. Entretanto, alguns derivadores excedem
muito esta estimativa, como é o caso do LCD-3194 que foi lançado pelo Projeto Medica
em novembro de 1993 e que enviou sinais por mais de 1200 dias (Stevenson e Assireu,
1997).
Além do baixo custo, este tipo de derivador apresenta uma vantagem muito grande em
relação à bóia convencional, uma vez que ele é lançado manualmente, não necessitando,
portanto, de guinchos, como acontece no lançamento de algumas bóias convencionais
(Assireu, 1998).
Os dados de derivadores utilizados neste trabalho são provenientes de um conjunto de
37 derivadores de baixo custo (LCD’s) lançados entre 1993 e 1994 e entre 1997 e 1998,
no âmbito dos Projetos COROAS e PNBÓIA, respectivamente. Estes dados
constituíram-se em séries temporais de posicionamento e Temperatura da Superfície do
Mar (TSM). As intensidades e direções das correntes foram derivadas da série temporal
de posicionamento, posições estas que apresentam precisões próximas a 0,001 graus de
latitude/longitude (111 m em latitude).
60
O derivador tem a capacidade de fornecer valores de temperaturas entre –5ºC e 45ºC.
Os dados relativos à temperatura são transmitidos em 10 bits, o que resulta em uma
resolução em ºC/bit igual a:
∆T /210 = [45ºC – (-5ºC)/ 210] = 50ºC/1024 ≅ 0,048ºC/bit.
(3.1)
As trajetórias destes derivadores se distribuíram pela região de estudo conforme a
Figura 3.1.
Fig. 3.3 – Distribuição geográfica das trajetórias dos derivadores na área de estudo.
61
62
CAPÍTULO 4
4
METODOLOGIA
4.1 SUBDIVISÃO DA ÁREA DE ESTUDO
A área de estudo (Figura 4.1) foi dividida em subquadrados de 0,5º de latitude por 0,5º
longitude, o que constituiu a base espacial do trabalho. Em cada um deles foi feito um
levantamento dos dados existentes, considerando como base de tempo as estações do
ano (Verão: dezembro, janeiro e fevereiro; Inverno: junho, julho e agosto; Outono:
março, abril e maio; Primavera: setembro, outubro e novembro) para os dados de
derivadores e para os dados fornecidos pela DHN apenas as épocas de Verão e Inverno.
Fig. 4.1- Área de estudo dividida em subquadrados.
Como a região estudada é muito extensa, observou-se que vários subquadrados não
apresentavam um número suficiente de informações, principalmente em regiões fora da
plataforma continental. Assim, adotou-se o número três como o mínimo de informações
63
para cada subquadrado, pois com menos que isto os resultados estatísticos não são
consistentes (Stech et al. 1981). Assim, para os subquadrados que tivessem esse número
mínimo de informações era calculada uma média aritmética dos dados e essa média
alocada no centro desse subquadrado, para representar o parâmetro em questão. Para os
subquadrados que não satisfaziam essa condição, adotou-se o seguinte procedimento:
- Para os dados coletados pelos derivadores não foram considerados os
subquadrados com menos de três informações.
- Para os dados fornecidos pelo BNDO/DHN utilizou-se interpolação e/ou
extrapolação para o preenchimento destas lacunas. O método utilizado para essa
interpolação e/ou extrapolação foi a krigeagem, porém, para a adoção deste método,
comparou-se os resultados obtidos com outros métodos disponíveis no SPRING, tais
como: média ponderada pelo inverso do quadrado da distância, média simples e vizinho
mais próximo. Esta comparação é descrita a seguir na Seção 4.2.3.
4.2 TRATAMENTO DOS DADOS DO BNDO/DHN
A metodologia utilizada para o tratamento e processamento dos dados do BNDO/DHN
foi a seguinte:
4.2.1
LEITURA E FILTRAGEM
Para esta etapa do trabalho foram criados, em linguagem de programação FORTRAN,
programas para ler e filtrar os dados fornecidos em disquetes pelo BNDO/DHN no
formato ASCII. Estes dados foram, antes de qualquer processamento, amostrados para
cada estação oceanográfica afim de identificar e, se possível, corrigir erros e eliminar
dados espúrios.
Para os dados coletados por instrumentos de CTD e “garrafas de Nansen” o método
utilizado para eliminação dos dados espúrios foi a plotagem do diagrama TS espalhado
e para os dados coletados por instrumentos de XBT utilizou-se como critério de
64
eliminação os limites das temperaturas encontradas no oceano Atlântico, segundo
Svertrup et al. (1942). A Figura 4.2 representa o diagrama TS dos dados, após o
tratamento, para as épocas de verão e inverno. Observa-se que há similaridade entre os
diagramas TS da Figura 4.2 com os diagramas TS generalizados para o oceano
Atlântico da Figura 2.12, portanto, pode-se concluir que os dados (T,S) utilizados neste
trabalho estão de acordo como os valores encontrados na região Sudeste/Sul do Oceano
Atlântico.
Fig. 4.2 – Diagramas TS espalhados dos dados para o verão(esquerda) e
inverno(direita), respectivamente.
4.2.2
INTERPOLAÇÃO VERTICAL
Após os dados serem filtrados e separados sazonalmente, foi criado um programa em
linguagem IDL para interpolá-los segundo profundidades padrões pré-definidas (0, 10,
25, 50, 75, 100, 150, 200 e 500 m). Inicialmente, pensou-se em utilizar o método de
interpolação da “spline” cúbica, mas depois de uma comparação entre os arquivos dos
dados interpolados por esse método com os dos dados originais, concluiu-se que não
seria possível, pois estes apresentavam valores inconsistentes. Desta forma, optou-se
por outro método de interpolação, no caso o “linear”, já que a distância entre cada
65
medida era de poucos metros, o que facilitou a interpolação na profundidade padrão e
tornou o método “linear” mais preciso que o “spline”.
4.2.3
GERAÇÃO
DAS
GRADES
REGULARES
(INTERPOLAÇÃO
HORIZONTAL)
Sabe-se que as propriedades naturais da superfície terrestre são espacialmente
contínuas, sendo restritivo descrevê-las através de simples funções matemáticas que não
consideram a anisotropia e a continuidade do fenômeno que se deseja observar. Sendo
assim, modelos inferenciais para este objetivo vem sendo propostos. Particularmente no
SPRING estão disponíveis alguns modelos como: média ponderada pelo inverso do
quadrado da distância, média simples e vizinho mais próximo (Camargo, 1997). Não é
objetivo deste trabalho detalhar cada um destes métodos, pois os mesmos são descritos
na literatura, como por exemplo, Burrough (1987).
Após testar os interpoladores disponíveis no SPRING, optou-se pelos procedimentos
geoestatísticos baseados em técnicas de krigeagem para gerar as grades regulares. Essa
técnica estima uma matriz de covariância espacial que determina os pesos atribuídos às
diferentes amostras, o tratamento da redundância dos dados, a vizinhança a ser
considerada no procedimento inferencial e o erro associado ao valor estimado. Assim,
as grades geradas por esse método modelam de maneira mais precisa a realidade
espacial dos dados, já que estimadores exatos com propriedades de não tendenciosidade
e eficiência são utilizados. Alguns pesquisadores utilizaram as técnicas de krigeagem e
obtiveram bons resultados, dentre eles podemos citar os trabalhos de Da Silva (1996),
que utilizando o interpolador “kriging”, gerou mapas de campos de precipitação para
identificar a estrutura espacial das chuvas na Bacia Amazônica e Camargo (1997) que
aplicou essa técnica num estudo de caso onde, a partir de amostras de solos foram feitas
interpolações por krigeagem para se obter imagens contínuas das variação do teor de
argila.
O programa utilizado nessa etapa do trabalho foi o Módulo de Procedimentos
Geoestatísticos baseado em técnicas de krigeagem, desenvolvido na plataforma
66
SPRING. Essas grades foram geradas de tal forma que o dado interpolado e/ou
extrapolado ficasse locado no centro de cada subquadrado, para que tivesse uma
representação em termos médios do parâmetro estudado.
A seguir será apresentada a comparação feita entre o método de interpolação da
Krigeagem com os métodos disponíveis no SPRING. Para tal comparação foram
escolhidos dados de temperaturas do BNDO/DHN, à profundidade de 75 metros da
época de verão, pois estes estavam bem distribuídos sobre a área de estudo e em
quantidade suficiente.
Serão utilizadas as seguintes siglas para representar cada método de interpolação:
- VMP = vizinho mais próximo;
- MS = média simples;
- ID = Média ponderada pelo inverso do quadrado da distância;
- Krig = krigeagem.
A seqüência de imagens da Figura 4.3 apresenta os resultados obtidos por cada um dos
métodos de interpolação: (a) Krig, (b) ID, (c) MS e (d) VMP.
Observando a Figura 4.3, percebe-se que a imagem referente ao método da Krigeagem
(Figura 4.3-a) é a que melhor expressa a variabilidade da temperatura, pois a
distribuição espacial desta grandeza física no oceano acontece de forma bastante suave,
exceto em algumas regiões onde existe um forte gradiente de temperatura, tais como:
ressurgência e frentes oceanográficas.
Com algumas ressalvas, o método da média ponderada pelo inverso do quadrado da
distância (Figura 4.3-b) produz resultados que se assemelham aos resultados de
Krigeagem. O ponto crítico, porém, ocorre em regiões onde há superestimação e
subestimação do valor da temperatura, como pode ser verificado nas regiões próximas à
costa. Ao contrário, os resultados obtidos a partir da Krigeagem, as mudanças de valores
de temperatura são graduais.
67
(a)
(b)
(c)
(d)
Fig. 4.3 – Seqüência de imagens geradas a partir de dados de temperatura a 75 m de
profundidade, utilizando os seguintes estimadores: (a) Krig, (b) ID, (c) MS e
(d) VMP.
Os resultados obtidos pelos métodos de estimação por média simples (Figura 4.3 – c) e
vizinho mais próximo (Figura 4.3 – d) são menos expressivos com relação aos demais.
O método MS gera resultados que apresentam sobreposições nas fronteiras de transição.
Já o método de estimação relativo ao VMP, embora tenha se mostrado como o pior,
68
expressa a variabilidade espacial do parâmetro estudado, o que permite observar a área
de influência de cada ponto coletado. Tal informação é de grande importância, como,
por exemplo, numa análise preliminar para detecção de valores amostrais duvidosos.
A Figura 4.4 traz as sucessivas imagens e a distribuição espacial dos dados utilizados
para gerá-las, a partir dos métodos de interpolação discutidos anteriormente. Isto
permite visualizar melhor os méritos e as deficiências de cada método.
(a)
(b)
(c)
(d)
Fig. 4.4 – Seqüência de imagens geradas a partir de dados de temperatura a 75 m de
profundidade, utilizando estimadores (a) Krig, (b) ID, (c) MS e (d) VMP e a
distribuição espacial destes dados.
69
4.3 CRIAÇÃO DOS PLANOS DE INFORMAÇÕES CADASTRAIS E DO
BANCO DE DADOS RELACIONAL
Nesta etapa foram criados no SPRING planos de informações (PI’s) cadastrais,
correspondendo às diferentes épocas do ano, que subdividiram a área de estudo em
‘células’ quadradas de 0,5º de latitude por 0,5º de longitude (Figura 4.1). Cada uma
dessas ‘células’ deu origem a um ‘objeto’, ao qual foi atribuído um identificador
(rótulo), que está associado aos parâmetros estudados. A seguir, com o auxílio do
software ACCESS, foram criadas as tabelas que deram origem ao banco de dados
relacional. Na Figura 4.5 , apresenta-se uma amostra de parte do banco de dados
relacional (tabela) com os respectivos parâmetros, onde as colunas representam as
variáveis estudadas em diferentes profundidades (atributos não-espaciais) e as linhas as
respectivas ‘células’. Por exemplo, nesta tabela ÁREA representa a área da ‘célula’
estudada, TEMPP0 e SALP0 representam a temperatura e a salinidade na profundidade
de zero metros, respectivamente. Alguns parâmetros desta tabela são criados
internamente pelo SPRING, como por exemplo, ID (identificador interno), ÁREA e o
PERÍMETRO.
Fig. 4.5 – Parte do banco de dados relacional do SPRING.
70
Após a construção das tabelas, as mesmas foram interligadas aos PI’s cadastrais, onde
estavam representados os atributos espaciais das ‘células’ (objetos), e em seguida,
efetuadas as consultas sobre esses PI’s. A consulta permitiu o uso dos operadores maior,
menor, maior ou igual, menor ou igual, igual e diferença. O resultado da consulta foi
visualizado e pôde ser combinado com outras consultas por meio de operações de união,
interseção e diferença.
4.4 TRATAMENTO DOS DADOS DOS DERIVADORES RASTREADOS POR
SATÉLITE
4.4.1
LEITURA E FILTRAGEM
Esta etapa consistiu na elaboração de um programa em linguagem FORTRAN para a
leitura dos arquivos e retirada de dados espúrios. No intuito de assegurar uma
distribuição temporalmente eqüidistante dos dados foram feitas interpolações para
intervalos de cada 3 hs. Posteriormente foram eliminados dos arquivos de dados valores
de temperatura fora do intervalo de 12 - 35 ºC. A escolha desse intervalo foi baseada em
temperaturas consideradas extremas para as águas do Atlântico Sudoeste. A seguir,
foram calculadas as intensidades e direções das correntes a partir dos dados das
sucessivas posições dos derivadores de acordo com a metodologia descrita a seguir na
Seção 4.4.2. Os valores de velocidade superiores 200 cm/s foram eliminados, por serem
considerados espúrios (Hansen e Poulain, 1996) .
4.4.2
CÁLCULO DA INTENSIDADE E DIREÇÃO DAS CORRENTES
Criou-se em linguagem de programação FORTRAN um programa para calcular a
velocidade e direção das correntes. Para esses cálculos foram considerados os
deslocamentos entre sucessivas posições em termos de componente zonal e meridional
dos dados do derivador. Estes dados que originalmente consistem de posição geográfica
(latitude, longitude) foram convertidos para unidades métricas (cm) através das
seguintes equações:
71
∆Xi (cm) = (π•6400x105/180)•[(cos(radianos(lati+1))•cos(radianos(lati-1))•(longi+1 longi-1)2]1/2•Sinal (longi+1 - longi-1)
(i = 2,3,4.......n-1)
∆Yi (cm) = (π•6400x105/180)•[(lati+1 - lati-1)2] 1/2•Sinal(lati+1 - lati-1)
(4.1)
(4.2)
E portanto as componentes das velocidades instantâneas foram calculadas por:
Ui = ∆Xi (cm) / (6*3600)
(i = 2,3,4.......n-1)
(4.3)
Vi = ∆Yi (cm) / (6*3600)
(i = 2,3,4.......n-1)
(4.4)
Desta forma as componentes das velocidades são dadas em cm/s, unidade
convencionalmente utilizada na literatura quando se está tratando de correntes
oceânicas.
A resultante instantânea destas velocidades é obtida a partir da relação de Pitágoras:
VRi = (Ui2 + Vi2)1/2
(4.5)
A direção da corrente média (θ), dada em graus trigonométricos, foi obtida por:
θi = arc tang (Vi / Ui)
(4.6)
Por convenção, (θ) é determinado a partir do sinal de Vi e Ui em relação ao círculo
trigonométrico. Posteriormente, foi efetuado a conversão de ângulo trigonométrico
(referencial o círculo trigonométrico) para ângulo geográfico (referencial o norte
geográfico).
Após efetuados todos os cálculos, os arquivos foram agrupados em um arquivo global
contendo os resultados relativos a todas as trajetórias. A partir de uma rotina feita na
linguagem FORTRAN, estes dados foram agrupados por quadrados de 0,5º x 0,5º, e por
época do ano: verão (dezembro, janeiro e fevereiro), outono ( março, abril e maio),
72
inverno (junho, julho e agosto), primavera (setembro, outubro e novembro). Isto
resultou em um banco de dados contendo intensidade e direção das correntes por época
do ano e por regiões e os valores de Temperatura da Superfície do Mar. Portanto, todos
os derivadores que passaram por uma região nas mesmas épocas do ano tiveram seus
dados agrupados e as médias dos parâmetros calculadas. Isto permitiu tratar os dados de
todos os derivadores, conjuntamente, em termos de condições médias. Estes dados
foram então implementados no SPRING, o que permitiu a visualização espaçotemporal, imediata e direta, dos valores de intensidade e direção das correntes e TSM.
4.5 OPERANDO O SPRING
Neste ítem será apresentada, de forma detalhada, a descrição de todas as etapas a serem
executadas no SPRING para a utilização e visualização do banco de dados relacional
gerado neste trabalho. Para isto serão apresentadas figuras contendo a tela no ambiente
SPRING o que auxiliará na compreensão dos procedimentos.
4.5.1
VISUALIZANDO OS DADOS DO BNDO/DHN
Quando ambiente SPRING é inicializado, automaticamente é aberta a interface painel
de controle, ilustrado no lado direito da Figura 4.6. Este módulo permite selecionar
vários tipos de dados, os quais podem ser exibidos graficamente na tela. O próximo
passo é “chamar” o Plano de Informação (PI) correspondente a área de estudo na qual
os dados estão distribuídos. Para isto faz-se o seguinte:
•
no painel de controle seleciona-se a categoria tematico (através de um “clic”
com o cursor sobre esta opção);
•
escolhe-se o plano de informação, no caso deste trabalho: tema;
•
marca-se a representação: classes e
•
clica-se no atalho desenhar ( vide Figura 4.6).
Feito isto, a área de estudo é mostrada no lado esquerdo do Painel de Controle.
73
Fig. 4.6 – Visualização da área de estudo.
As opções de categorias mostradas na interface Painel de controle permitem, para o
trabalho em questão, as seguintes visualizações:
Temática: visualiza a região de estudo;
Mnt: visualiza a posição espacial dos dados (valores associados às coordenadas,
salinidade, temperatura etc.) e as grades regulares geradas a partir destes dados; e
Cadastral: visualiza os PI’s que permitem associar os atributos não espaciais aos
atributos geométricos.
Ainda na interface Painel de controle seleciona-se a categoria cadastral e na janela
‘plano de informação’ surgem os PI’s desta categoria, cujo os nomes se referem as
estações do ano (verão e inverno). No caso deste exemplo o plano de informação
utilizado será o verão (lado direito da Figura 4.7).
74
Fig 4.7 – Declaração do Plano de informação.
A seguir seleciona-se a representação objetos e clica-se em consultar. Aparecerá na tela
a interface Geração e seleção de coleção (Figura 4.8). Nesta interface as declarações
necessárias para ativar o banco de dados utilizado neste trabalho já vêm como ‘default’,
podendo-se clicar diretamente em aplicar.
Fig. 4.8 - Ativando a interface Geração e seleção de coleção.
75
Esta ação fará com que surja na tela a tabela referente ao banco de dados (vide Figura
4.9). Nesta tabela estão todos os parâmetros (colunas) que compõem o banco de dados
referente à época de verão. Para verificar os atributos (temperatura, salinidade etc) em
cada subquadrado devem ser analisadas as linhas da tabela.
Fig. 4.9 – Visualização da tabela referente ao banco de dados.
Caso queira fazer uma análise estatística de um determinado parâmetro, o procedimento
é o seguinte:
•
marca-se a coluna referente ao parâmetro de interesse;
•
clica-se sobre a coluna marcada usando-se o botão direito do mouse;
•
após isto aparecerá a janela operações onde deve-se clicar em estatística (vide
Figura 4.10).
76
Fig. 4.10 - Análise estatística dos dados.
Após acionado o comando estatística, surge uma janela contendo algumas informações
estatísticas dos dados. São mostrados valores como: número de amostras, valores
extremos (máximos e mínimos), valores de dispersão etc. Os valores são vistos na
forma como mostrado na Figura 4.11.
Fig. 4.11 – Visualização do resultado da análise estatística.
77
No plano do fundo da tela mostrada nas Figuras 4.9, 4.10 e 4.11 está a interface
visualização de objetos a qual pode ser acessada ao se fechar a tabela. Portanto, após
feitas todas as observações que se pretendia na tabela, esta deve ser fechada para que se
possa acessar a interface visualização de objetos (Figura 4.12).
Fig. 4.12 - Acessando a interface visualização de objetos
Esta interface permite que se selecione o objeto a ser visualizado. No caso deste
trabalho o objeto oceano deve ser selecionado. Feita esta seleção clica-se em editar
(Figura 4.12). Este procedimento fará com que surja na janela visualização de objetos as
opções mostradas na Figura 4.13.
78
Fig. 4.13 – Apresentação da interface Visualização de objetos.
As opções mostradas pela janela editar são:
•
Consulta – seleciona e apresenta geo-objetos que satisfazem a determinada
condição imposta pelo usuário;
•
Agrupamento – cria e apresenta grupos de objetos geográficos determinados a
partir de atributos descritivos;
•
Tabela – apresenta todos os atributos de uma categoria e realça sobre o mapa os
geo-objetos selecionados sobre a tabela.
A opção que deve ser selecionada é a consulta. Assim, para o PI selecionado, neste
exemplo o verão, é possível a consulta e posterior visualização dos parâmetros
estudados em diferentes profundidades. Após ‘pressionada’ a opção consulta a interface
Seleção de objetos é aberta, conforme pode ser visto na Figura 4.14
79
Fig. 4.14 - Acessando a janela Seleção de objetos.
No exemplo mostrado na Figura 4.14 o atributo escolhido foi Tempp0. Isto significa que
se quer visualizar a distribuição espacial dos valores de temperatura à profundidade de
zero metros. Antes de fazer a consulta é necessário definir qual o intervalo de
temperaturas que se quer visualizar, isto é feito da seguinte maneira:
•
na interface Seleção de objetos marca-se o atributo, no caso, Tempp0 (Figura
4.14). Note que após isto, no campo expressão lógica aparece o atributo
selecionado;
•
ainda nesta interface, na coluna operação, é executada a expressão lógica que
definirá o intervalo do atributo a ser visualizado. Neste exemplo, o intervalo é
18 < temperatura < 25. Esta expressão é obtida através do seguinte
procedimento:
•
clica-se no atributo (Tempp0) e na coluna operação marca-se o símbolo ‘>’ e no
lado direito desta interface digita-se o valor 18 e aperte o botão cf. Após isto
clica-se no botão do operador booleano and. A seguir clica-se novamente em
Tempp0 e na coluna operação marca-se o símbolo ‘<’ , digita-se o valor 25 e
clica-se no botão cf. Feito isto, clica-se em executar e o produto é mostrado na
tela conforme pode ser visto na Figura 4.15.
80
Fig. 4.15 – Visualização dos parâmetros selecionados.
Portanto, como pode ser observado na Figura 4.15, o produto das operações executadas
acima é a distribuição espacial dos parâmetros selecionados.
Fig. 4.16 – Visualização do parâmetro e as respectivas posições das estações de coleta.
81
Caso se deseja visualizar a distribuição amostral dos dados concomitantemente aos
parâmetros gerados, o procedimento é o seguinte:
•
retorna-se ao painel de controle (vide Figura 4.16);
•
seleciona-se a categoria mnt (modelo numérico no terreno);
•
no plano de informação: seleciona-se o atributo que está sendo consultado;
•
clica-se em amostras e finalmente
•
clica-se no atalho desenhar indicado na Figura 4.16.
O produto destas seqüências de operações é a visualização do plano de informação
selecionado. No caso deste exemplo, são mostradas todas as estações oceanográficas de
coleta de temperatura a 0 metro de profundidade. A grade em vermelho representa quais
destas estações apresentaram valores de temperatura no intervalo de 18 e 25º C. Pode-se
perceber também, a partir desta figura, o efeito da interpolação horizontal sobre os
pontos.
Quando se pretende ‘cruzar’ atributos (parâmetros), para visualizar, por exemplo, a
distribuição espacial de massas de água, a consulta é feita considerando os intervalos de
temperatura e salinidade que caracterizam a massa de água em questão.
Suponhamos que se pretenda visualizar a distribuição espacial da ACAS no verão à
profundidade de 200 m, o procedimento é o seguinte:
•
dentro da janela seleção de objetos clique em carregar;
•
com este procedimento aparecerá a janela carregar expressão, clique no nome
da massa de água na profundidade desejada. Esta é selecionada na janela seleção
de objetos clicando em batimetria e digitando a profundidade requerida. Neste
exemplo, clica-se em ACAS 200 m, conforme pode ser observado na Figura
4.17.
82
•
Ao acionar o comando desenhar a distribuição espacial desta massa de água é
apresentada na profundidade de 200 m (Figura 4.17).
Fig. 4.17 – Visualização dos parâmetros conjugados (cruzados).
4.5.2
VISUALIZANDO OS DADOS DOS DERIVADORES
Uma outra forma de consulta é a que trata dos dados de derivadores disponíveis no
banco de dados. A consulta feita da forma como é proposta neste trabalho permite que
se visualize, além das trajetórias dos derivadores, os valores de intensidade e direção
das correntes e a Temperatura da Superfície do Mar (TSM). Para visualizar os
parâmetros associados aos dados dos derivadores concomitantemente às trajetórias
destes, o procedimento é o seguinte:
•
no painel de controle selecione a categoria mnt (permite visualizar a distribuição
espacial das trajetórias dos dados) e o plano de informação inver (para este
exemplo está-se selecionando os dados relativos ao inverno);
83
•
selecione na representação amostras e
•
clique em desenhar (Figura 4.18)
Fig. 4.18 – Visualização das trajetórias dos derivadores para a época selecionada.
Após este procedimento, todas as trajetórias dos derivadores referentes à época de
inverno, surgirão na tela.
A próxima etapa é a seleção do parâmetro a ser visualizado. Para esta etapa faz-se o
seguinte:
•
na janela seleção de objetos (Figura 4.19) marca-se o parâmetro (neste exemplo
a temp0_boia) que significa temperatura na superfície do mar obtida a partir das
bóias. Após isto determina-se o intervalo, que para este exemplo foi a
temperatura entre 22 e 23ºC.
84
Na janela seleção de objetos a opção valores, quando ativado, mostra os valores do
parâmetro ‘marcado’ presente no banco de dados.
Fig. 4.19 - Visualização das trajetórias dos derivadores e do parâmetro selecionado.
Este procedimento permite que se visualize a distribuição espacial das trajetórias dos
derivadores junto com o parâmetros selecionado.
4.5.2.1 VIZUALIZANDO
OS
DADOS
ATRAVÉS
DA
OPERAÇÃO
DE
AGRUPAMENTO
Nesta Seção serão mostradas as etapas necessárias para a visualização sinóptica da
distribuição espacial dos parâmetros medidos/calculados a partir dos derivadores. Esses
parâmetros são visualizados por diferentes cores e identificados por legendas através da
operação de “agrupamento”. O módulo de agrupamento controla a forma de simbolizar
geo-objetos em função dos seus atributos característicos.
Na Figura 4.20, é mostrada a interface Painel de controle através da qual declara-se a
categoria e o Plano de Informação. No caso deste exemplo escolhe-se as opções
cadastral e inverno.
85
Fig. 4.20 – Declarando a categoria e o plano de informação.
A seguir clica-se em consultar, que fará surgir a interface mostrada na Figura 4.21.
Fig. 4.21 – Acessando a interface Geração e seleção de coleção.
86
Ao clicar-se em Aplicar na interface Geração e seleção de coleção, obtém-se a Tabela
relativa aos dados, como visto na Figura 4.9.
Ao fechar-se a Tabela surge a interface visualização de objetos, vide Figura 4.22.
Fig. 4.22 – Ativando a interface visualização de objetos.
A próxima etapa é a seleção de objetos. Para isto clica-se em inverno (vide Figura 4.22).
Após, clica-se em editar o que fará surgir as opções agrupamento, consulta e tabela,
como mostrado na Figura 4.23.
Opta-se pela opção agrupamento.
87
Fig. 4.23 – Escolhendo a forma de visualizar os dados.
Estas opções mostradas na janela “editar” permitem:
•
Agrupamento: visualiza os dados dos derivadores “fatiados” por intervalos
definidos pelo operador;
•
Consulta: permite a realização de consultas dos parâmetros associados aos
derivadores ;
•
Tabela: acessa a Tabela com os parâmetros estudados.
Após selecionada a opção agrupamento, é acionada a interface Agrupar objetos (Figura
4.24).
88
Fig. 4.24 – Ativando a interface Agrupar objetos.
Nesta interface seleciona-se em Atributos o atributo da tabela, neste exemplo: Tempboia
(temperaturas obtidas pelos derivadores). Ao lado da relação dos atributos surge uma
legenda em ‘default’.
Caso se deseja alterar os intervalos e as cores atribuídas a cada intervalo, é efetuado o
seguinte procedimento:
•
define-se em quantas partes (intervalos) se quer dividir o conjunto de dados.
Para isto clica-se na janela superior direita (Figura 4.24) e declara-se o número
de partes. Na Figura 4.25 é mostrado o resultado deste procedimento.
89
Fig. 4.25 – Escolhendo os intervalos e as cores da legenda.
Para alterar a legenda de cores clica-se duas vezes sobre a cor a ser mudada e depois em
Visual (vide Figura 4.25). Este procedimento faz surgir a janela visuais de apresentação
gráfica (Figura 4.26).
Fig. 4.26 – Acionando a interface Visuais de Apresentação Gráfica.
90
Na interface Visuais de apresentação gráfica clica-se em cor na janela Áreas e
seleciona-se a cor que se deseja atribuir. Feito isto clica-se em executar. Repete-se este
procedimento para cada intervalo que se deseja alterar. Após feitas todas as alterações
fecha-se a interface Visuais de apresentação gráfica e clica-se em executar na interface
agrupar objetos. Isto permitirá a visualização da distribuição espacial dos atributos
selecionados, conforme pode ser visto na Figura 4.27.
Fig. 4.27 – Visualização dos atributos selecionados e a respectiva legenda.
Na Figura 4.27, para visualizar a legenda como mostrada, clica-se na janela
visualização de objetos e seleciona-se a categoria do objeto (neste exemplo: inverno).
Um exemplo do produto destas operações é apresentado na Figura 4.27 onde pode ser
visto a distribuição espacial das temperaturas registradas pelos derivadores para a época
do ano definida anteriormente.
91
92
CAPÍTULO 5
5
RESULTADOS E DISCUSSÕES
Este capítulo está estruturado em três seções onde serão apresentados os produtos
gerados a partir das técnicas de processamento, tratamento e visualização dos
parâmetros oceanográficos e meteorológicos, estudados no presente trabalho. Na
primeira seção serão mostrados e comentados os resultados obtidos a partir da operação
de “agrupamento” disponível no SPRING, que permite a visualização espaço-temporal
de parâmetros previamente selecionados disponíveis em um SGBD. Na segunda seção
apresentar-se-á a distribuição horizontal das massas de água para a região de estudo,
obtidas a partir da operação “cruzamento” dos dados hidrográficos de temperatura e
salinidade. No intuito de inferir sobre a evolução espaço-temporal dessas massas de
água, elas serão visualizadas segundo a sazonalidade (verão e inverno) e para algumas
profundidades padrões: 0, 10, 25, 50, 75, 100, 150, 200 e 500 m. Finalmente, na terceira
seção serão apresentados e discutidos os parâmetros relativos aos dados dos derivadores
rastreados por satélite: temperatura, intensidade e direção das correntes para cada
estação climatológica do ano: verão (dez,jan,fev), outono (mar,abr,mai), inverno
(jun,jul,ago) e primavera (set,out,nov).
5.1 AGRUPAMENTO
DOS
PARÂMETROS
OCEANOGRÁFICOS
E
METEOROLÓGICOS
5.1.1
DADOS DE INTENSIDADE E DIREÇÃO DO VENTO
Os dados de intensidade e direção do vento foram tratados estatisticamente e em
seguida agrupados em duas estações do ano para análise da variabilidade sazonal dos
mesmos. A seguir serão apresentados os resultados obtidos através da operação de
“agrupamento”, por faixas de intensidade e direção média do vento, realizada no
SPRING para as duas épocas do ano: Verão, correspondendo aos meses de dezembro,
janeiro e fevereiro; Inverno correspondendo aos meses de junho, julho e agosto.
93
As Figuras 5.1 e 5.2 apresentam a distribuição amostral dos dados de vento na região de
estudo, para as épocas de verão e inverno, respectivamente. Observa-se que em ambas
estações do ano existe uma alta densidade de dados em regiões costeiras,
particularmente nas regiões próximas a Vitória, Cabo de São Tomé, Cabo Frio, Baia da
Guanabara, Ilha de São Sebastião e Cananéia, ao passo que nas regiões fora da
plataforma continental a densidade amostral é bem menor. Isto indica que os resultados
obtidos próximos às regiões costeiras são mais confiáveis que os resultados obtidos fora
da plataforma continental.
Vitória
-21
C. de São
-22
Tomé
Latitude (ºS)
Nº de amostras
C.Frio
-23
10 - 200
200 - 500
São Sebastião
-24
500 - 1000
1000 - 2000
-25Cananéia
2000 - 3500
-26
-27
-28
-48
-47
-46
-45
-44
-43
-42
-41
-40
-39
-38
Longitude (ºW)
Fig. 5.1 – Densidade amostral dos dados de vento para o verão (dez, jan e fev).
94
Vitória
-21
C. de São
-22
Tomé
Nº de amostras
C.Frio
Latitude (ºS)
-23
-24
10 - 200
200 - 500
São Sebastião
500 - 1000
1000 - 1500
Cananéia
-25
1500 - 2200
-26
-27
-28
-48
-47
-46
-45
-44
-43
-42
-41
-40
-39
-38
Longitude (ºW)
Fig. 5.2 – Densidade amostral dos dados de vento para o inverno (jun, jul e ago).
As Figuras 5.3, 5.4, 5.5 e 5.6 mostram as direções e intensidades médias do vento para o
verão e inverno, respectivamente.
Fig. 5.3 – Direção média do vento para o verão (dez, jan e fev).
95
Fig. 5.4– Intensidade média do vento para o verão (dez, jan e fev).
Fig. 5.5 - Direção média do vento para o inverno (jun, jul e ago).
96
Fig. 5.6 – Intensidade média do vento para o inverno (jun, jul e ago).
Pode-se observar nas Figuras 5.3 e 5.5 que ocorreram variações sazonais na direção do
vento, sobretudo em latitudes maiores que 25ºS. Particularmente no inverno (Figura
5.5), na região próxima a Cananéia, houve uma inversão no sentido do vetor velocidade.
Esse resultado está de acordo com Stech (1990), que utilizando um modelo de uma
frente fria conceitual, para região da plataforma continental da costa sudeste do Brasil,
mostrou que no inverno, com a passagem de uma frente fria, o vento varia de NE para
SW.
Verifica-se também que tanto no inverno quanto no verão a direção média predominante
do vento é de primeiro quadrante, ou seja, vento de nordeste. No entanto, no inverno
houve uma maior freqüência de ventos de terceiro quadrante (sudoeste) em relação ao
verão, principalmente mais ao sul da região de estudo. Isto está de acordo com Castro
Filho (1985; 1990b), Bakun e Parrish (1990) e Lima et al (1996). De um modo geral, os
autores, constataram variações sazonais marcantes na região entre 15º S e 35º S.
Durante o verão, a direção predominante dos ventos é do primeiro quadrante (E-N),
com componente paralela à costa soprando de NE para SW. Durante o inverno, a
97
direção predominante dos ventos é do terceiro quadrante (W-S), também apresentando
uma componente paralela à costa, só que agora soprando de SW para NE. Segundo
Castro Filho (1996), dependendo da intensidade e da freqüência de ocorrência de
sistemas frontais, mesmo durante o inverno os ventos provenientes de nordeste podem
ser predominantes.
Com o objetivo de descrever a climatologia da tensão de cisalhamento do vento na
PCSE, Castro Filho (1996) utilizou dados interpolados por Samuels e Cox (1987) e
gerou mapas de médias mensais da tensão de cisalhamento do vento sobre a PCSE e
regiões adjacentes para os meses de janeiro e julho (Figura 5.7). Observa-se que, para
região aqui estudada (20-29ºS e 37-50ºW), os resultados obtidos tem uma boa
concordância com os resultados obtidos pelo autor.
Fig. 5.7 – Tensão de cisalhamento do vento na região oeste do Oceano Atlântico Sul
para os meses de janeiro(esquerda) e julho(direita).
FONTE: Castro Filho (1996, p. 4)
Analisando as Figuras 5.4 e 5.6 verifica-se que no inverno a intensidade do vento médio
é maior e tende a aumentar com o aumento da latitude. Observa-se também que,
próximo à costa, tanto no inverno quanto no verão, encontram-se maiores valores
médios (entre 7 e 10 m/s) ao sul, sobre águas mais frias e menores valores médios (entre
5 e 7 m/s) ao norte, sobre águas mais quentes. Os ventos sopraram mais intensamente
sobre o oceano aberto do que sobre plataforma continental. A Figura 5.8, apresenta a
98
distribuição mensal dos sistemas frontais que atuaram nas regiões B, C e D, as quais
representam, respectivamente, 35°S/25°S, 25°S/20°S e acima de 20°S.
to ta l T
B anda B
B anda C
B anda D
N ú m e ro d e s is te m a s
7
6
5
4
3
2
1
0
2
4
6
8
10
12
M eses
Fig. 5.8 - Média mensal dos sistemas que atuaram na costa do Brasil entre 1987 e 1995.
FONTE: Lemos e Calbete (1996, p.132).
A partir da análise da Figura 5.8, verifica-se que a freqüência de entrada de sistemas
meteorológicos aumenta como o aumento da latitude. Isto parece ser uma indicação de
que o aumento na intensidade do vento em latitudes maiores esteja relacionado com o
aumento da entrada de sistemas meteorológicos.
Os resultados obtidos nas Figuras 5.3, 5.4, 5.5 e 5.6 estão de acordo com Stech e
Lorenzzetti (1992). Esse autores utilizaram imagens termais do satélite GOES e cartas
meteorológicas sinópticas para definir um modelo conceitual para as frentes frias na
PCSE e observaram que os ventos em áreas mais quentes das frentes tem intensidade
média de 5 m/s e giram de nordeste para noroeste com a aproximação da frente. Nas
áreas frias das frentes, os ventos sopram predominantemente de sudoeste, com
intensidade média de 8 m/s, rodando dessa direção para provenientes de nordeste após
24 h da passagem da frente.
99
5.1.2
DIFERENÇAS DE TEMPERATURA MAR/AR
Tendo em vista que a diferença da temperatura do mar pela temperatura do ar é um
parâmetro importante para caracterização das trocas de calor entre o oceano e a
atmosfera e um importante indicador da estabilidade do ar sobre um oceano, foram
gerados mapas dessas diferenças para o verão (dez, jan e fev) e inverno (jun, jul, ago),
utilizando a operação de “agrupamento” do SPRING.
As Figuras 5.9 e 5.10 apresentam a distribuição amostral dos dados utilizados para o
cálculo das diferenças de temperatura do mar pela temperatura do ar, sobre a superfície
da região de estudo, para o verão e inverno, respectivamente.
Vitória
São Tomé
-22
Nº de amostras
LATITUDE(ºS)
Cabo Frio
1
S.Sebastião
-24
2- 5
6 - 10
Cananéia
11 - 20
21 - 30
-26
-28
-48
-46
-44
-42
-40
-38
LONGITUDE(ºW)
Fig. 5.9 – Distribuição amostral dos dados das diferenças de temperaturas mar/ar, para o
verão (dez, jan e fev).
100
Vitória
São Tomé
-22
Nº de amostras
LATITUDE(ºS)
Cabo Frio
1
São Sebastião
2- 5
-24
6 - 10
Cananéia
11 - 20
21 - 30
-26
-28
-48
-46
-44
-42
-40
-38
LONGITUDE(ºW)
Fig. 5.10 – Distribuição amostral dos dados das diferenças de temperaturas mar/ar, para
o inverno (jun, jul e ago).
Observa-se nas Figuras 5.9 e 5.10 que, tanto no verão quanto no inverno, as áreas
próximas à costa, particularmente nas proximidades de São Sebastião e Cabo Frio,
foram mais amostradas do que as áreas fora da plataforma continental, o que permite
dizer que os resultados obtidos nessas áreas são mais confiáveis.
As Figuras 5.11 e 5.12 mostram as diferenças de temperatura média mar/ar, para o
verão e inverno, respectivamente. Pode-se observar que existe uma grande variação
sazonal da diferença de temperatura mar/ar, sendo que no inverno predomiram valores
positivos, indicando uma estratificação instável que induz o fluxo de calor do oceano
para atmosfera, e no verão predomiram valores negativos que indicam a existência de
uma estratificação estável, que inverte o fluxo de calor e resfria a atmosfera. Nota-se
também um predomínio, ao norte, de valores médios positivos variando entre 0 e + 2ºC,
indicando a presença de águas quentes provenientes da Corrente do Brasil. Isto está de
acordo com Loon (1984), que caracterizou as correntes quentes e a Zona de
Convergência Intertropical (ITCZ) por valores positivos das diferenças de temperatura
mar/ar. A Corrente do Brasil foi estudada por Garfield (1990) no qual concluiu que a
mesma origina-se da bifurcação da Corrente Sul Equatorial, em aproximadamente 8ºS, e
flui para sul ao longo da costa leste do continente sul- americano até aproximadamente
38ºS.
101
Fig 5.11 – Diferença de temperatura média mar/ar para o verão (dez, jan e fev).
Fig. 5.12 - Diferença de temperatura média mar/ar para o inverno (jun, jul e ago).
102
Ao sul, predominantemente na época de inverno, são observados valores negativos entre
0 e –2ºC o que sugere a intrusão das águas frias da Corrente das Malvinas. A penetração
dessas águas frias nessa região e época do ano também foi observada por Stevenson et
al. (1998). Através do uso de derivadores e imagens termais de satélite estes autores
observaram que o ramo da Corrente das Malvinas flui em sentido nordeste, ao longo da
costa, podendo atingir aproximadamente 23ºS.
Uma região que merece destaque, pela intensa variabilidade sazonal das diferenças de
temperatura mar/ar, é a região próximo a Cabo Frio (23ºS e 42ºW). Observa-se que no
inverno os valores médios variaram entre 0 e 2º C e no verão entre–4 e –6º C. Essa
variabilidade sazonal é um forte indicador do fenômeno da ressurgência costeira que
ocorre nessa região estudada por vários pesquisadores tais como: Bohnecke (1936);
Emilsson (1961); Mascarenhas Jr. et al.(1971); Ikeda et al.(1974); Tanaka (1977);
Lorenzzetti et al. (1988); Stech et al. (1995); Franchito et al. (1998) dentre outros, que
ao analisarem as características físicas da região observaram a ocorrência de núcleos de
águas frias ao largo de Cabo Frio, sugerindo a presença, na superfície do mar, de águas
de camadas mais profundas. Essa variabilidade sazonal, na diferença de temperatura
mar/ar, também foi observada por Rao et al. (1980). Esses últimos autores, estudando as
interações entre o oceano e a atmosfera, na região próxima a Cabo Frio, observaram que
durante o inverno são encontrados valores positivos para a diferença de temperatura
mar/ar e negativos no verão. Eles concluíram que os valores positivos estão associados a
passagem de frentes frias na região e os valores negativos a forte ressurgência que
ocorre nessa época do ano. Loon (1984), estudando a climatologia do Atlântico Sul,
observou que durante todo ano as diferenças de temperaturas mar/ar negativas são
encontradas em regiões de ressurgência e sobre correntes frias.
Outra região de grande variabilidade sazonal da diferença de temperatura mar/ar é a
região próxima a Ubatuba (23º30’S e 43º20’W), onde no verão os valores médios dessa
diferença ficaram entre –4 e –6 ºC e no inverno entre 0 e–1 ºC. Essas variações estão de
acordo com Aidar et al.(1993), que para caracterizar o ecossistema costeiro da região de
Ubatuba, utilizaram dados climatológicos, biológicos e oceanográficos, no período de
103
1985 a 1987, observando que os valores máximos para média mensal da temperatura do
ar são encontrados no verão e os valores mínimos no inverno.
Pode-se observar também que, em média, as diferenças de temperatura mar/ar variaram
em torno de ± 2ºC. Esses valores também foram observados na região do Atlântico Sul
por Da Silva et al. (1994) em mapas de diferenças de temperatura mar/ar gerados a
partir de dados globais, do projeto COADS (Comprehensive Ocean-Atmosphere Data
Set), com resolução de 2º x 2º graus. As Figuras 5.13 e 5.14 mostram os mapas gerados
por estes autores para os meses de janeiro (verão) e julho (inverno), respectivamente.
Embora os dados utilizados pelos autores tenham uma baixa resolução, pode-se
observar, nas Figuras 5.13 e 5.14, que em média a diferença de temperatura mar/ar no
verão variou entre 0 e 2ºC e no inverno ficou entre –2 e 0ºC, estando de acordo com o
que foi observado neste trabalho.
Fig. 5.13– Diferença da temperatura mar/ar média no Atlântico Sul para o mês
de Janeiro.
FONTE: Da Silva et al. (1994)
104
Fig. 5.14 – Diferença de temperatura mar/ar média no Atlântico Sul para o mês
de Julho.
FONTE: Da Silva et al. (1994)
5.2 CRUZAMENTO
DOS
PARÂMETROS
OCEANOGRÁFICOS
TEMPERATURA E SALINIDADE
5.2.1
DISTRIBUIÇÃO DAS MASSAS DE ÁGUA NA REGIÃO
A maior parte do conhecimento descritivo dos oceanos vem do exame das propriedades
da água do mar de local para local. Assim, o estudo de parâmetros oceanográficos,
como a temperatura e a salinidade, são de fundamental importância para classificação
das massas de água presentes nos oceanos.
Com o objetivo de apresentar mais uma das potencialidades da ferramenta SIG
(SPRING), aplicada à área de oceanografia, foram utilizados os dados de temperatura e
salinidade para gerar mapas de distribuição horizontal das principais massas de água
presentes na região de estudo, através da operação de “cruzamento de dados”. Para
identificar as massas de Água Tropical (AT), Água Central Atlântico Sul (ACAS) e a
Água Costeira (AC) foram definidos intervalos de temperatura e salinidade com base
nos diagramas TS espalhados da Figura 4.2, nos quais podem ser observada a pequena
variabilidade temporal dos índices para a ACAS e a AT. Para essas duas massas de água
105
os intervalos de temperatura e a salinidade são os mesmos definidos por Mamayev
(1975), descritos na Seção 2.5, e para Água Costeira os intervalos T > 18ºC e S < 34,5.
Como essas massas de água apresentam uma variação sazonal bem marcada (Castro
Filho et al. 1987), os mapas de suas distribuições foram gerados para as épocas de verão
(dez,jan e fev) e inverno (jun,jul e ago), em algumas das profundidades padrões
definidas na Seção 4.2.2, com o intuito de observar a evolução espaço-temporal das
mesmas.
Para mostrar o volume de dados de temperatura e salinidade disponíveis na região, em
cada profundidade padrão e nas épocas do ano (verão e inverno), foram construídos os
mapas da distribuição amostral desse dados. Na Figura 5.15 apresenta-se a distribuição
amostral dos dados de temperatura, para cada profundidade padrão e época do ano
(verão e inverno).
Vitória
Distribuição amostral (Verão)
Temperatura (ºC) 0 m
São Tomé
-22
Vitória
Distribuição amostral (Inverno)
Temperatura (ºC) 0 m
Nº de amostras
São Tomé
-22
0
1-5
LATITUDE(ºS)
LATITUDE(ºS)
Cabo Frio
S.Sebastião
-24
Cananéia
São Sebastião
21 - 30
-26
-28
-28
-46
-44
-42
-40
11 - 20
Cananéia
-26
-48
6 - 10
-24
-38
-48
-46
LONGITUDE(ºW)
Vitória
Distribuição amostral (Verão)
Temperatura (ºC) 25 m
-40
-38
Vitória
São Tomé
-22
Cabo Frio
Nº de amostras
C abo Frio
LATITUDE(ºS)
LATITUDE(ºS)
-42
Distribuição amostral (Inverno)
Temperatura (ºC) 25 m
São Tomé
-22
-44
LONGITUDE(ºW)
S.Sebastião
-24
Cananéia
0
1-5
S.Sebastião
-24
6 - 10
Cananéia
11 - 20
21 - 30
-26
-26
-28
-28
-48
-46
-44
-42
-40
-38
-48
LONGITUDE(ºW)
-46
-44
-42
-40
-38
LONGITUDE(ºW)
Fig. 5.15 – Distribuição amostral dos dados de temperatura nas profundidades padrões para
o verão e inverno.
(continua)
106
Vit ória
Distribuição amostral (Verão)
Temperatura (ºC) 50 m
São Tomé
-22
São Tomé
-22
Cabo Frio
Cabo Frio
LATITUDE(ºS)
LATITUDE(ºS)
Vitória
Distribuição amostral (Inverno)
Temperatura (ºC) 50 m
S.Sebastião
-24
Cananéia
-26
Nº de amostras
S.Sebastião
0
1-5
-24
Cananéia
6 - 10
11 - 20
-26
21 - 30
-28
-28
-48
-46
-44
-42
-40
-38
-48
-46
LONGITUDE(ºW)
Distribuição amostal (Verão)
Temperatura (ºC) 100 m
Vitória
-40
-38
Vitória
São Tomé
-22
Cabo Frio
Nº de amostras
Cabo Frio
LATITUDE(ºS)
LATITUDE(ºS)
-42
Distribuição amostral (Inverno)
Temperatura (ºC) 100 m
São Tomé
-22
-44
LONGITUDE(ºW)
S.Sebastião
-24
Cananéia
0
1-5
S.Sebastião
-24
6 - 10
Cananéia
11 - 20
21 - 30
-26
-26
-28
-28
-48
-46
-44
-42
-40
-38
-48
-46
LONGITUDE(ºW)
Vitória
Distribuição amostral (Verão)
Temperatura (ºC) 200 m
LATITUDE(ºS)
LATITUDE(ºS)
S.Sebastião
Cananéia
-40
6 - 10
11 - 20
-28
-42
0
1-5
Cananéia
-28
-38
21 - 30
-48
-46
LONGITUDE(ºW)
-44
LATITUDE(ºS)
LATITUDE(ºS)
S.Sebastião
Cananéia
1-5
6 - 10
Cananéia
11 - 20
-26
-28
-28
-40
0
S.Sebastião
-24
-26
-42
Nº de amostras
Cabo Frio
-24
-44
-38
São Tomé
-22
Cabo Frio
-46
-40
Vitória
Distribuição amostral (Inverno)
Temperatura (ºC) 500 m
São Tomé
-48
-42
LONGITUDE(ºW)
Vitória
-22
Nº de amostras
S.Sebastião
-26
Distribuição amostral (Verão)
Temperatura (ºC) 500 m
Vitória
-24
-26
-44
-38
Cabo Frio
-24
-46
-40
São Tomé
-22
Cabo Frio
-48
-42
Distribuição amostral (Inverno)
Temperatura (ºC) 200 m
São Tomé
-22
-44
LONGITUDE(ºW)
21 - 30
-48
-38
-46
-44
-42
LONGITUDE(ºW)
LONGITUDE(ºW)
Fig. 5.15 – Conclusão.
107
-40
-38
A partir da Figura 5.15 constata-se que há uma maior densidade de dados de
temperatura no inverno e que esta maior densidade concentra-se em regiões ao norte de
25ºS e sobre a plataforma continental. Observa-se também que, em geral, toda a região
de estudo foi amostrada, com exceção da parte mais a sudeste onde praticamente em
todas as profundidades de amostragem não tem dados. Embora a quantidade de dados
disponível seja pequena, se comparada às dimensões da área de estudo, essa quantidade
é suficiente para alcançar os objetivos propostos no presente item que é a análise
qualitativa das massas de água na região.
A Figura 5.16 mostra a distribuição amostral dos dados de salinidade para cada uma das
profundidades padrões e para as épocas de inverno e verão.
Vitória
Distribuição amostral (Verão)
Salinidade (PSU) 0 m
São Tomé
-22
LATITUDE(ºS)
LATITUDE(ºS)
S.Sebastião
Cananéia
São Sebastião
11 - 15
Cananéia
16 - 20
-26
-28
-28
-42
-40
-48
-38
-46
Vit ória
LATITUDE(ºS)
LATITUDE(ºS)
S.Sebastião
Cananéia
Nº de amostras
0
1-5
11 - 15
Cananéia
-28
-28
-40
-38
6 - 10
S.Sebastião
-26
-42
Vit ória
-24
-26
-44
-38
Cabo Frio
-24
-46
-40
São Tomé
-22
Cabo Frio
-48
-42
Distribuição amostral (Inverno)
Salinidade (PSU) 25 m
São Tomé
-22
-44
LONGITUDE(ºW)
LONGITUDE(ºW)
Distribuição amostral (Verão)
Salinidade (PSU) 25 m
6 - 10
-24
-26
-44
0
1-5
Cabo Frio
-24
-46
Nº de amostras
São Tomé
-22
Cabo Frio
-48
Vitória
Distribuição amostral (Inverno)
Salinidade (PSU) 0 m
-48
LONGITUDE(ºW)
16 - 20
-46
-44
-42
-40
-38
LONGITUDE(ºW)
Fig. 5.16 – Distribuição amostral dos dados de salinidade nas profundidades padrões
para o verão e inverno.
(continua)
108
Vit ória
Distribuição amostral (Verão)
Salinidade (PSU) 50 m
São Tomé
-22
São Tomé
-22
Nº de amostras
LATITUDE(ºS)
Cabo Frio
S.Sebastião
-24
Cananéia
11 - 15
-28
-28
-44
-42
-40
6 - 10
Cananéia
-26
-46
16 - 20
-38
-48
-46
LONGITUDE(ºW)
-44
Vit ória
São Tomé
LATITUDE(ºS)
LATITUDE(ºS)
Cananéia
11 - 15
-28
-40
6 - 10
Cananéia
-28
-42
0
1-5
S.Sebastião
-26
16 - 20
-38
-48
-46
LONGITUDE(ºW)
-44
Distribuição amostral (Inverno)
Salinidade (PSU) 200 m
São Tomé
-40
-38
Vit ória
São Tomé
-22
Cabo Frio
Cabo Frio
LATITUDE(ºS)
LATITUDE(ºS)
-42
LONGITUDE(ºW)
Vit ória
-22
Nº de amostras
-24
-26
Distribuição amostral (Verão)
Salinidade (PSU) 200 m
Vit ória
Cabo Frio
S.Sebastião
-44
-38
São Tomé
-22
-24
-46
-40
Distribuição amostral (Inverno)
Salinidade (PSU) 100 m
Cabo Frio
-48
-42
LONGITUDE(ºW)
Distribuição amostral (Verão)
Salinidade (PSU) 100 m
-22
0
1-5
S.Sebastião
-24
-26
S.Sebastião
-24
Cananéia
-26
Nº de amostras
S.Sebastião
0
1-5
-24
Cananéia
6 - 10
11 - 15
-26
16 - 20
-28
-28
-48
-46
-44
-42
-40
-38
-48
-46
LONGITUDE(ºW)
-42
-40
-38
Vit ória
Distribuição amostral (Inverno)
Salinidade (PSU) 500 m
São Tomé
-22
-44
LONGITUDE(ºW)
Vit ória
Distribuição amostral (Verão)
Salinidade (PSU) 500 m
São Tomé
-22
Cabo Frio
Cabo Frio
LATITUDE(ºS)
LATITUDE(ºS)
LATITUDE(ºS)
Cabo Frio
-48
Vit ória
Distribuição amostral (Inverno)
Salinidade (PSU) 50 m
S.Sebastião
-24
Cananéia
-26
S.Sebastião
Nº de amostras
-24
0
1-5
Cananéia
-26
6 - 10
11 - 15
16 - 20
-28
-28
-48
-46
-44
-42
-40
-38
-48
LONGITUDE(ºW)
-46
-44
-42
LONGITUDE(ºW)
Fig. 5.16 – Conclusão.
109
-40
-38
Observa-se na Figura 5.16 que os dados de salinidade são mais escassos do que os
dados de temperatura com uma tendência de maior amostragem no inverno. O motivo
da maior densidade de dados de temperatura é por que no conjunto de dados utilizados
estavam disponíveis dados coletados por CTD, garrafas de Nansen e XBT, sendo que
este último instrumento coleta apenas dados de temperatura. Constata-se também que,
sobretudo no verão, há um sensível aumento da coleta de dados na região da plataforma
continental entre São Tomé e Cananéia. Este fato também foi observado para os dados
de temperatura, porém na época de inverno.
Com o objetivo de mostrar a estrutura térmica e salina de superfície da região de estudo,
foram construídos mapas de isolinhas de temperaturas (isotermas) e de salinidade
(isohalinas). As Figuras 5.17 e 5.18 trazem as distribuições horizontais de temperatura e
de salinidade, na superfície, para o verão e inverno, respectivamente.
Vitória
-21
Temperatura (ºC)
Verão
0 metros
São Tomé
Cabo Frio
-23
LATITUDE(ºS)
S.Sebastião
-25
-27
Cabo
Sta.Marta
-29
-49
-47
-45
-43
-41
-39
-37
LONGITUDE(ºW)
Fig. 5.17 – Distribuição horizontal da temperatura na superfície do mar para o verão e
inverno.
(continua)
110
Vitória
Temperatura (ºC)
Inverno
0 metros
São Tomé
-22
Cabo Frio
LATITUDE(ºS)
S.Sebastião
-24
-26
-28
Cabo
Sta.Marta
-48
-46
-44
-42
-40
-38
-36
LONGITUDE(ºW)
Fig. 5.17 – Conclusão.
-21
Vitória
Salinidade (PSU)
Verão
0 metros
São Tomé
Cabo Frio
-23
LATITUDE(ºS)
S.Sebastião
-25
-27
Cabo
Sta.Marta
-29
-49
-47
-45
-43
-41
-39
-37
LONGITUDE(ºW)
Fig. 5.18 – Distribuição horizontal da salinidade na superfície do mar para o verão e
inverno.
(continua)
111
Vitória
-21
Salinidade (PSU)
Inverno
0 metros
São Tomé
Cabo Frio
-23
LATITUDE(ºS)
S.Sebastião
-25
-27
Cabo
Sta.Marta
-29
-48
-46
-44
-42
-40
-38
-36
LONGITUDE(ºW)
Fig. 5.18 – Conclusão.
A distribuição horizontal da temperatura superficial no verão (Figura 5.17-a) apresenta
uma variação entre 22 e 28ºC, com os menores valores sendo encontrados sobre as
isóbatas de 100 e 150 metros na região próxima a Cabo Frio. Nessa região encontra-se
os maiores gradientes de temperatura associados aos freqüentes eventos de ressurgência
costeiras de águas relativamente frias nas proximidades de Cabo Frio. No inverno a
estrutura térmica é menos homogênea, variando entre 18 e 25,5ºC (Figura 5.17-b) com o
mínimo estendendo-se sobre a isóbata de 100 metros ao largo do Cabo de Santa Marta
(T<18ºC), onde são encontrados os maiores gradientes de temperatura. Nesses dois
períodos os maiores valores de temperatura são observados mais afastados da costa,
indicando a presença da Corrente do Brasil.
As distribuições de salinidade na superfície (Figura 5.18) mostram que, embora o
intervalo de variação dessa propriedade seja aproximadamente o mesmo para ambos os
períodos (34,5-36,3 e 35,0-37,0), houve acentuada variação na configuração das
isohalinas. No verão observa-se mínimos de salinidade (34,5) sobre a isóbata de 50
metros estendendo-se desde São Sebastião até as proximidades de Paranaguá. Segundo
Miranda (1987), esses valores relativamente baixos de salinidade são devidos à maior
112
influência de águas de origem continental nessa época do ano. Os maiores valores de
salinidade (36,3) ocorrem na quebra da plataforma continental, sobre a isóbata de 200
metros, e na região adjacente, indicando a influência da AT na parte externa da PCSE.
No inverno a salinidade apresenta menor uniformidade com núcleos de valores mínimos
(35,0) próximos à costa e máximos (37,0) ocorrendo nas regiões fora da plataforma
continental, sobre a Corrente do Brasil. Segundo Castro Filho (1996), esses menores
valores de salinidade, encontrados próximos à costa, são devidos a penetração, sobre a
PCSE, da massa de água superficial fria oriunda do sul durante essa época do ano.
A seguir serão apresentadas as áreas ocupadas pelas AC, AT e ACAS, na região de
estudo, de acordo com os intervalos de temperatura e salinidade definidos
anteriormente. As áreas que estiverem fora desses intervalos, correspondem as áreas de
maior grau de mistura entre duas (AC+AT, AC+ACAS, AT+ACAS) ou entre as três
massas de água e não foram consideradas neste estudo.
A Figura 5.19 mostra, em destaque, as áreas ocupadas pela AC na região de estudo para
as épocas de verão e inverno. Para essa massa de água foi gerado apenas os mapas de
superfície (profundidade de 0 m), já que a mesma só foi encontrada nessa profundidade
padrão.
Fig. 5.19 – Distribuição horizontal da Água Costeira (áreas quadriculadas em vermelho)
na superfície, para o verão e o inverno.
113
Pode-se observar, na Figura 5.19, que no verão a AC ocupa a região costeira ao sul de
24º S, sobre a plataforma continental, e no inverno avança um pouco em direção a
isóbata de 200 metros. Segundo Lentini (1997), a porção interna da plataforma
continental é ocupada pela AC devido ao aporte de águas fluviais provenientes do Rio
da Prata e da Lagoa dos Patos presentes na região. Castro Filho et al. (1987) também
observaram esses resultados ao estudar as condições hidrográficas na plataforma
continental ao largo de Ubatuba. De acordo com os autores, a fonte da água de baixa
salinidade e alta temperatura (AC) esta localizada na parte mais costeira da região.
Nota-se também que no verão a concentração dessa massa de água é maior do que no
inverno. Segundo os mesmos autores isto acontece por que durante o inverno a região
apresenta uma fraca estratificação e no verão uma estratificação típica de duas camadas,
com a camada superior com profundidades menores que 20 metros constituída de AC. A
explicação dada por Emilsson (1961) para esse aumento da concentração da AC no
verão é que os índices pluviométricos são maiores nessa época do ano, funcionando
como uma fonte de água de baixa salinidade.
A Figura 5.20 mostra, em destaque, as áreas ocupadas pela AT na região de estudo para
as épocas de verão e inverno nas profundidades padrões de 0, 25, 50, 100 e 200 metros.
Observa-se que a partir da superfície até a profundidade de 100 metros, para região
além da isóbata de 100 m, toda a bacia é ocupada pela AT e que na profundidade de 200
metros essa massa de água praticamente se extingue, principalmente na época de verão.
Isto esta de acordo com Miranda (1982) que, estudando as massas de água da
plataforma continental e da região oceânica adjacente entre Cabo de São Tomé e São
Sebastião observou que a AT é uma água quente e salina transportada para Sul/Sudoeste
na camada superficial (0-200 m) pela Corrente do Brasil, sobre o talude continental , nas
proximidades da quebra da plataforma. Campos et al. (1995), estudando as
características das massas de água e circulação geostrófica da PCSE para o verão de
1991, concluiu que, a região além da quebra da plataforma continental e acima de 200
metros de profundidade, é toda ocupada por águas quentes e com altas salinidade (AT).
Observa-se que no inverno, na profundidade de 200 metros, há uma maior concentração
dessa massa de água na região nordeste da área de estudo, sobre a Corrente do Brasil, e
114
que essa concentração tende a diminuir à medida que aumenta a latitude. Isto esta de
acordo com o que foi observado por Fisher (1964). O autor, estudando as características
físicas da Corrente do Brasil, verificou que, de uma forma geral, ocorre o resfriamento e
decréscimo em salinidade dessa corrente na medida em que ela se move para o sul. A
análise do mapa relativo ao verão, na superfície (0 m), mostra a ausência dessa massa de
água nas regiões mais ao norte (abaixo de 21ºS) e mais ao sul (acima de 26ºS e acima de
45ºW) da área de estudo, que pode estar relacionado a baixa amostragem tanto de dados
de temperatura como de salinidade nessas áreas, como mostram as Figuras 5.15 e 5.16.
Fig. 5.20 – Distribuição horizontal da Água Tropical (áreas quadriculadas em vermelho)
nas profundidades de 0, 25, 50, 100 e 200 metros para o verão e inverno.
(continua)
115
Fig. 5.20 – Conclusão.
116
A Figura 5.21 traz, em destaque, as áreas ocupadas pela ACAS na região de estudo para
as épocas de verão e inverno nas profundidades de 0, 25, 50, 100, 200 e 500 metros.
Pode-se observar a presença da ACAS em todas as profundidades na época de verão e
nas profundidades de 50, 100, 200 e 500 metros no inverno. Durante o verão a ACAS
penetra em direção à costa e no inverno se afasta para regiões mais externas da
plataforma continental. Esse comportamento foi observado por vários autores, dentre
eles podemos citar: Emilsson (1961); Miranda (1982); Matsuura (1983); Castro Filho et
al. (1987); Campos et al.(1996b); Castro Filho et al. (1998) entre outros, que
concluíram que a penetração da ACAS é uma típica variação termohalina com escala
sazonal. Um fato importante que merece destaque é a presença da ACAS no verão, na
camada compreendida entre a superfície e a profundidade de 150 metros próxima a
região de Cabo Frio. Isto esta associado a ascensão de águas de subsuperfície mais frias
até a superfície que ocorre freqüentemente nessa época do ano, caracterizando o
fenômeno da ressurgência costeira. Esse fenômeno também foi observado por Miranda
(1982), que analisando as massas de água da PCSE, identificou a água que ressurge
nessa região como sendo ACAS. Segundo Ikeda et al. (1974), a ressurgência de Cabo
Frio é marcadamente sazonal, ocorrendo com maior freqüência no verão do que no
inverno.
Nota-se também, na Figura 5.21, que a ACAS aparece na região ao largo de Ubatuba
nas profundidades de 25 e 50 metros entre a costa e a isóbata de 100 metros. Isto
também foi observado por Vanin e Matsuura (1993). Os autores, estudando a estrutura e
função do ecossistema de plataforma continental da região de Ubatuba, observaram a
presença da ACAS sobre o domínio interior da plataforma continental nas
profundidades de10 a 50 metros. Nas profundidades de 200 e 500 metros a ACAS
ocupa praticamente toda a bacia, com exceção de algumas pequenas regiões na
profundidade de 200 metros onde aparece algumas lacunas. Essas lacunas existentes na
figura devem estar relacionadas a ausência de dados nessas áreas, como pode ser
observado nas Figuras 5.15 e 5.16.
117
Fig. 5.21 – Distribuição horizontal da Água Central do Atlântico Sul (áreas
quadriculadas em vermelho) nas profundidades de 0, 25, 50, 100, 200 e
500 metros para as épocas de verão e inverno.
(continua)
118
Fig. 5.21 – Conclusão.
119
5.2.2
INTRUSÃO DE ÁGUA FRIA NA REGIÃO DE ESTUDO
Na Figura 5.22 observa-se uma área próxima ao Cabo de Santa Marta com valores de
temperatura menores que 18o C, para o inverno. A princípio esta água poderia ser
confundida com a ACAS, porém os valores da salinidade são menores do que 34.3, que
estão fora do intervalo definido para a ACAS (34.5 –35.9). Este pode ser um sinal da
intrusão de águas da Corrente das Malvinas nesta região como tem sido observado por
outros autores. Por exemplo Stevenson et al. (1998) utilizando dados de derivadores,
imagem de satélite e dados de foraminifera, originários da plataforma Argentina e
região Antártica e ostracoda, originários das plataformas Argentina e Uruguaia,
observaram este padrão de intrusão. Assireu (1998) utilizando derivadores de baixo
custo, observou que alguns mudavam a direção de suas trajetórias e retornavam junto à
costa atingindo a região da Baía de Sepetiba, no litoral do estado do Rio de Janeiro.
Bianchi et al. (1993), utilizando dados de CTD observaram valores da salinidade da
Corrente das Malvinas menores que 34.3, iguais aos observados neste trabalho. Kampel
(1993), estudando a variação da confluência das Correntes das Malvinas e Brasil,
observou a penetração para norte ao longo da costa de línguas de águas frias da
Corrente das Malvinas. Boltovskoy (1965, 1976) dividiu o oceano Atlântico do lado da
América do Sul em províncias e sub-províncias e considerou, esta área do Cabo de
Santa Marta, como sendo uma área de transição entre águas quentes e águas frias
originárias da plataforma Argentina. Na Figura 1.3, imagem AVHRR/NOAA de
inverno de 1993, também observa-se esta intrusão.
Fig. 5.22 – Intrusão de água fria (áreas quadriculadas em vermelho) na região.
120
5.3 AGRUPAMENTO DOS DADOS DOS DERIVADORES RASTREADOS POR
SATÉLITE.
Os dados disponíveis, de um conjunto de 37 derivadores de baixo custo, foram
agrupados por áreas (subquadrados) e épocas do ano e os resultados expressos em forma
de médias de temperatura, intensidade e direção das correntes de superfície. Estes
resultados serão agora apresentados e discutidos, separadamente, para cada época do
ano.
5.3.1
VERÃO
A Figura 5.23 mostra as trajetórias dos derivadores, a temperatura, intensidade e direção
média das correntes calculadas para o verão
Fig. 5.23 – (a) Distribuição espacial das trajetórias dos derivadores, (b) temperatura, (c)
intensidade e (d) direção média das correntes para o verão, respectivamente.
121
A Figura 5.23-a mostra que existe uma baixa densidade de dados no verão em virtude
das poucas trajetórias dos derivadores, na área de estudo, nessa época do ano. A partir
da distribuição de temperatura, baseada nestes dados (Figura 5.23-b), percebe-se que as
águas a nordeste da região apresentam temperaturas entre 25,5 e 27,80 ºC e que há um
resfriamento destas águas em latitudes mais altas com temperaturas entre 22,19 e
24,4ºC. Essas temperaturas são típicas da Corrente do Brasil. Stech et al. (1995),
utilizando imagens de satélite para o estudo da variação sazonal da ressurgência em
Cabo Frio, observaram sobre essa mesma região e mesma época do ano (verão), águas
com temperaturas acima de 25º C e concluíram que se tratava da Corrente do Brasil. As
águas na região da quebra da Plataforma Continental (vide Figura 1.2) apresentam
temperaturas entre 24,43 e 27,24ºC e a sudoeste da área de estudo, próximo à costa,
temperaturas mais baixas entre 23,31 e 25ºC.
Nas Figuras 5.23-c e 5.23-d observa-se que as correntes mais a leste da costa
apresentam intensidades médias entre 12,58 e 42,58 cm/s e direções compreendidas
entre o 2º e o 3º quadrantes, respectivamente. As correntes na região relativa a
extremidade leste da Plataforma Continental apresentam valores, predominantemente,
entre o intervalo 12,58 e 72,77 cm/s e direções no 3º quadrante, ou seja, correntes para
sudoeste. Segundo Emilsson (1961), os altos valores de intensidade das correntes nessa
região e nessa época do ano é devido a presença de vórtices na plataforma continental.
Essas direções para as correntes também foram observadas por Caldas (1978) que
utilizou um modelo semi-analítico simplificado, forçado com dados de janeiro de 1968,
para estudar as correntes estacionárias na PCSE. O retângulo tracejado, na Figura 5.23d, mostra grandes variações nas direções das correntes o que sugere a presença de
vórtices próximo a essas regiões. Assireu (1998), utilizando dados de derivadores
rastreados por satélite, analisou a circulação superficial oceânica na costa sudeste/sul do
Brasil e verificou a presença de vórtices nas proximidades dessa região.
5.3.2
INVERNO
A Figura 5.24 mostra a distribuição das trajetórias dos derivadores, os valores de
temperatura, intensidades e direções médias das correntes para época de inverno,
122
respectivamente. Observa-se nesta figura que no inverno existe uma maior cobertura das
trajetórias dos derivadores, consequentemente, uma maior disponibilidade de dados do
que no verão. A distribuição de temperatura (Figura 5.24-b), baseada nestes dados,
mostra uma predominância de temperaturas entre 20,25ºC e 23,26ºC. Pode-se perceber
águas com temperaturas mais elevadas, entre 23,26ºC e 27,27ºC, na parte mais a leste
da área de estudo, indicando a presença da Corrente do Brasil. Stevenson et al. (1998),
estudando a biota na região próxima ao Rio de Janeiro, observaram em imagens de
satélites esses valores para TSM e concluíram que se tratava da Corrente do Brasil.
Também, águas mais frias, com temperaturas entre 17,25ºC e 20,25ºC, podem ser
observadas ao sul próximo à costa, o que sugere tratar-se da intrusão do ramo costeiro
da Corrente das Malvinas. Campos et al. (1996) e Stevenson et al. (1998) constataram a
penetração de águas provenientes da Região da Confluência das Correntes do Brasil e
das Malvinas ao longo da costa brasileira, nessa mesma região.
Na Figura 5.24-c observa-se que as intensidades das correntes variaram desde 7,55 a
34,12 cm/s na parte mais a leste da região de estudo e 34,12 a 60,68 cm/s na região
relativa a borda oeste da Corrente do Brasil. A Figura 5.24-d mostra que as direções das
correntes foram predominantemente de 3º quadrante (sudoeste); sobre a Plataforma
Continental observa-se direções de 1º quadrante (nordeste), o que parece estar associado
ao ramo costeiro da Corrente das Malvinas. Entre o fluxo sudoeste (vermelho) e
nordeste (azul) nota-se a presença de correntes com direção de 2º quadrante (sudeste).
Especula-se que isto se deva ao seguinte fato: como esta é uma região tipicamente de
fluxo sudoeste (Corrente do Brasil) e, ocasionalmente, fluxo nordeste (Ramo costeiro
das Malvinas) e como se considera as condições médias, a soma vetorial de direções
nordeste e sudoeste, não simétricas, dariam um vetor (corrente) para sudeste. O
retângulo tracejado (Figura 5.24.d) indica algumas regiões de instabilidade do fluxo.
123
Fig. 5.24 – (a) Distribuição espacial das trajetórias dos derivadores, (b) temperatura, (c)
intensidade e (d) direção média das correntes para o inverno,
respectivamente
5.3.3
PRIMAVERA
A Figura 5.25 mostra a distribuição geográfica das trajetórias dos derivadores, a
temperatura, intensidade e direção média das correntes, na primavera.
Fig. 5.25 – (a) Distribuição espacial das trajetórias dos derivadores, (b) temperatura, (c)
intensidade e (d) direção média das correntes na primavera.
(continua)
124
Fig. 5.25 – Conclusão.
A distribuição de temperatura para esta época do ano (Figura 5.25-b) mostra valores
entre 22,86ºC e 26ºC na parte superior leste da área de estudo e nas proximidades da
costa do Paraná. Temperaturas mais baixas, entre 18,15 e 22,07ºC, são observadas sobre
a Plataforma Continental e a leste da área de estudo em latitudes superiores que 23ºS.
Quanto as intensidades das correntes (Figura 5.25-b), houve uma predominância da
faixa entre 10,5 cm/s e 32,34 cm/s. Algumas regiões apresentaram valores elevados da
ordem de 54,0 a 83,0 cm/s. Com relação à direção das correntes(Figura 5.25-d),
observa-se uma baixa homogeneidade, o que aponta para uma possível maior
instabilidade das mesmas nesta época do ano. Por se tratar de correntes superficiais,
espera-se que o vento tenha atuação sobre estas. Assireu (1998) argumenta que esta
maior variabilidade das correntes nesta época do ano está associada a maior freqüência
de entrada de sistemas meteorológicos entre outubro e novembro, o que está de acordo
também com Castro Filho (1985). Percebe-se também a ausência de correntes com
direção nordeste (azul) sobre a Plataforma Continental indicando o relaxamento do
processo de intrusão do ramo costeiro da Corrente das Malvinas ao longo da costa
brasileira nesta época do ano, verificado também por Stevenson et al. (1998)
5.3.4
OUTONO
A Figura 5.26 mostra a distribuição espacial das trajetórias dos derivadores,
temperatura, intensidade e direção média das correntes para o outono.
125
Fig. 5.26 – (a) Distribuições espacial das trajetórias dos derivadores, (b) temperatura, (c)
intensidade e (d) direção média das correntes para o outono.
Pode-se observar, na Figura 5.26-a, a relativa boa cobertura dos derivadores se
comparado com outras épocas do ano. A Figura 5.26-b mostra uma distribuição de
temperatura paralela a linha de costa e sobre a quebra da Plataforma Continental com
temperaturas altas, entre 25,0 e 28,37ºC. Também, algumas regiões isoladas com
temperaturas entre 20 e 22,51ºC próximas a costa, o que sugere haver associação com
descarga de rios. No restante da área de estudo encontramos temperaturas entre 22,51ºC
e 25,02ºC. Quanto a intensidade das correntes (Figura 5.26-c), houve uma ligeira
predominância de correntes com velocidades entre 37,80 cm/s e 75,60 cm/s. Correntes
entre 12,60 cm/s e 37,80 cm/s também foram observadas e algumas poucas regiões com
velocidades que variaram entre 75 cm/s e 126 cm/s. Correntes com direção sudoeste
foram absolutamente predominantes nesta época do ano (Figura 5.26-d), o que indica o
aumento do transporte da Corrente do Brasil nessa direção, verificado por Garfield
(1990).
126
CAPÍTULO 6
6
CONCLUSÕES E RECOMENDAÇÕES
A partir do objetivo principal deste trabalho, a integração de parâmetros oceanográficos
e meteorológicos fazendo-se uso de técnicas disponíveis em um Sistema de Informação
Geográfica (SIG), pôde-se avaliar a aplicabilidade do SPRING para estudos
oceanográficos. O sistema permitiu a análise de séries temporais de dezesseis anos
(1980-1996) de dados hidrográficos (temperatura e salinidade), meteorológicos
(temperatura do ar, direção e intensidade do vento) obtidos junto ao Banco Nacional de
Dados Oceanográficos (BNDO) na Diretoria de Hidrografia e Navegação (DHN) e
dados de Temperatura da Superfície do Mar (TSM) e posição, coletados por derivadores
de baixo custo (LCD’s), lançados entre 1993 e 1998, na região Sudeste/Sul da costa
brasileira, pela divisão de Sensoriamento Remoto do INPE.
Com o avanço da tecnologia espacial aplicada à oceanografia, há possibilidade de se
coletar dados em extensas áreas (alta cobertura espacial) e num curto período de tempo
(alta resolução temporal). Portanto, a visualização instantânea da distribuição espaçotemporal desses dados e a possibilidade de atualização contínua do banco de dados dão
um grau de operacionalidade ao SIG que o torna uma ferramenta muito útil, face a esse
crescente volume de dados oceanográficos.
A área de estudo foi dividida em subquadrados de 0,5º latitude por 0,5º de longitude e
em alguns subquadrados não havia um número mínimo de dados. Portanto, houve a
necessidade de realizar interpolações e/ou extrapolações de dados para esses
subquadrados. Para isto foi utilizado o método da Krigeagem que se mostrou bastante
eficiente quando comparado com os resultados encontrados na literatura.
O tratamento de dados coletados por derivadores rastreados por satélite foi realizado de
forma eficiente por meio do uso do SPRING, pois informações importantes como TSM,
intensidade e direção das correntes puderam ser visualizadas em termos médios na área
de estudo.
127
Foram elaborados mapas de diferenças de temperatura da água do mar pela temperatura
do ar, logo acima da superfície. Durante o verão ocorreram valores negativos destas
diferenças nas áreas de ressurgência costeira e valores positivos sobre a Corrente do
Brasil. No inverno, encontraram-se valores negativos desse parâmetro a sudoeste da
área de estudo, que pode ser um sinal da intrusão do ramo costeiro da Corrente das
Malvinas.
Por meio dos mapas de ventos de superfície construídos a partir da base de dados
disponível, observou-se que, predominantemente, o vento soprou do primeiro quadrante
(N-S), tanto para o inverno quanto para o verão. Verificou-se ainda que os ventos mais
intensos ocorreram nas regiões mais afastadas da costa, em oceano aberto, para as duas
épocas do ano, porém com maiores valores durante o inverno.
Conseguiu-se caracterizar, ainda que qualitativamente, a evolução espaço-temporal de
três massas de água da região, com a presença da Água Tropical (AT) na porção leste da
área de estudo e da Água Costeira (AC) na superfície. Sob a AT observou-se a Água
Central do Atlântico Sul (ACAS). Na superfície e próximo à costa, na parte mais interna
da PCSE, o predomínio foi da AC, que apareceu nas duas épocas do ano (verão e
inverno), com uma maior concentração no verão. Em cinco, das seis profundidades
estudas, constatou-se a presença da AT. A maior concentração dessa massa de água,
tanto no verão quanto no inverno, foram nos 100 primeiros metros de profundidade,
sendo que, no verão, na profundidade de 200 metros, praticamente desapareceu e, no
inverno, apresentou uma pequena concentração.
Embora os ventos nas duas épocas do ano sopraram predominantemente de nordeste,
direção favorável à ocorrência da ressurgência, observou-se a ressurgência costeira de
Cabo Frio apenas no verão. Isto se deve ao fato de que no verão a ACAS esteve
presente em todas as profundidades estudadas, ao passo que no inverno esteve
disponível apenas a partir de 50 metros de profundidade e em pequena concentração.
Até pouco tempo as informações obtidas a partir dos derivadores rastreados por satélite
eram em forma de gráficos, o que tornava a interpretação dos resultados menos
imediata. Utilizando o SPRING pôde-se observar variações de até 5ºC na TSM entre o
128
verão e o inverno. Quanto ao padrão de circulação, as correntes mostraram-se mais
instáveis no inverno e primavera, o que pode ser observado a partir da alta variabilidade
nas direções das mesmas nestas estações do ano.
Como a capacidade de coletar dados tem aumentado significativamente nos últimos
anos e como esses dados são apenas convertidos em informações após serem
adequadamente organizados, tratados e visualizados, o desenvolvimento de técnicas
operacionais para tratamento dos mesmos torna-se necessário. Neste contexto, o
presente trabalho apresenta uma primeira indicação de como os Sistemas de
Informações Geográficas (SIG’s), em particular o SPRING, podem ser úteis aplicados à
área de oceanografia. Porém, há muitas potencialidades dos SIG’s a serem exploradas
de forma a maximinizar a utilização desta importante ferramenta no âmbito da
oceanografia. Sugere-se, portanto, que sejam desenvolvidas pesquisas que visem
aperfeiçoar o que foi aqui apresentado e estender as aplicações para outros estudos
oceanográficos.
Sugere-se para trabalhos futuros a criação de mapas com a distribuição zonal do fluxo
de calor sensível a partir dos dados de vento e da diferença de temperatura mar/ar já
apresentados nesse trabalho. Outra aplicabilidade que poderia ser implementada no
SPRING seria a capacidade de explorar as imagens de TSM obtidas por plataformas
orbitais.
Embora os resultados obtidos pelos mapas gerados, utilizando as técnicas de
Krigeagem, tenham se mostrado expressivos, estes resultados se tornarão tão mais
confiáveis quanto maior for a densidade de dados utilizada. Portanto, seria importante
uma amostragem sistemática das regiões que apresentaram baixa densidade ou ausência
de dados. Isto possibilitaria, inclusive, análises trimestrais ao invés de verão e inverno
como a realizada neste trabalho. Seria importante também a busca de procedimentos
estatísticos que avaliassem os erros cometidos com esse método de interpolação
Deve-se ressaltar que o SPRING ainda possui algumas limitações que devem ser
melhoradas por meio de pesquisas. Por exemplo, variáveis vetoriais como vento e
corrente não são bem visualizadas. Tais variáveis são representadas por dois mapas
129
distintos, um para intensidade e outro para direção, com seus valores representados por
meio de diferentes cores. Seria mais fácil a interpretação destes campos se as variáveis
fossem representadas através de setas de diferentes tamanhos, indicando a intensidade e
a direção dos vetores. Outra limitação do sistema esta relacionado à “paleta de cores”
disponível, em alguns casos fica difícil representar a variável que se esta estudando,
uma vez que a gradação das cores não é suave. Portanto, sugere-se que seja empregado
um esforço pela equipe que desenvolve o SPRING no sentido de corrigir estas
limitações.
Finalmente, deve-se salientar que apesar do SPRING operar num ambiente multijanelas, com a finalidade de proporcionar ao usuário um ambiente agradável e de fácil
utilização, os resultados obtidos só se tornam relevantes quando adequadamente
interpretados. Assim, a metodologia aqui apresentada não dispensa a postura crítica e
científica do operador diante dos resultados encontrados.
130
7
REFERÊNCIAS BIBLIOGRÁFICAS
Aidar, E.; Gaeta, S. A.; Galvão, S. M. F. G; Kutner, M. B. B.; Teixeira, C. Ecossistema
costeiro subtropical: nutrientes dissolvidos, fitoplâncton e clorofila-a e sua relações
com as condições oceanográficas na região de Ubatuba – SP: Publicação Esp. Inst.
Oceanogr., n.10, p. 9-43, 1993.
Allard, P. Anomalies dans le temperature de l'eau de la mer observees au Cabo Frio au
Bresil. Bull. Inf. Com. Oceanogr. Etude Cotes, v.7, n.2, p.58-63, 1955.
Aronoff, S. Geographic information systems: a management perspective. Ottawa,
WDL, 1989. 295p.
Assireu, A. T. Análise da circulação superficial oceânica na costa sudeste-sul do
Brasil, a partir da utilização dos dados de derivadores rastreados por satélite.
São José dos Campos: 124 p. (INPE–6751-TDI/636). Dissertação (Mestrado em
Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, 1998.
Bakun, A.; Parrish, R. H. Comparative studies of coastal celagic fish reproducticve
habitats: the brazilian sardine (Sardinella aurita). J. Cons. Int. Explor. Mer., nº 46,
p.269-283, 1990:
Bianchi, A. A.; Giulivi, C. F.; Piolo, A. R. Mixing in the Brazil-Malvinas confluence.
Deep-Sea Research, v. 40, n. 7, p. 1345-1358, Jul, 1993.
Boltovskoy, E. Los Foraminiferos recientes. Bueno Aires. Editorial Universitária de
Buenos Aires: 510 p., 1965.
Boltovskoy, E. Distribuição of recent foraminifera of the South America Region.
Foraminifera 2. p. 171-235, 1976.
131
Bohnecke, G. Temperature, salynity and density of the surface waters os the Atlantic
Ocean. Scientific results os the German Atlantic expedition of the research
Vessel Meteor, 1925-1927, Washington, DC: v. 5, 1936.
Brown, J.; Colling, A.; Park, D.; Phillips, J.; Rothery, D. ; Wright, J. Seawater: its
composition, properties and behaviour. New York: Pergamon, 1989. 165p.
Burrough, P. A. Principles of geographical information systems for land resources
assessment. Oxford: Clarendon Press, 1987. 193p.
Caldas, M. J. Características da estrutura e da circulação das águas da plataforma
continental entre Cabo Frio e Ilha de Santa Catarina em janeiro de 1968.
(Dissertação de Mestrado), Instituto Oceanográfico, Universidade de São Paulo, São
Paulo, 1978.
Câmara, G. Modelos, linguagens e arquiteturas para banco de
dados
geográficos
(Preliminar
da
Tese
de
Doutorado).
Instituto Nacional de Pesquisas Espaciais, 1995.
Câmara G.; Medeiros J. S. Geoprocessamento para projetos ambientais. São José
dos Campos, INPE, 1996.
Câmara, G.; Medeiros, J. S. Mapas e suas representações computacionais. In: Assad, E.
D.; Sano, E. E. ed. Sistemas de informações geográficas: aplicações na agricultura.
2.ed. Brasília: Embrapa, 1998. Cap. 2, p 13 – 31.
Camargo, E. C. G. Desenvolvimento, implementação e teste de procedimentos
geoestatísticos (KRIGEAGEM) no sistema de processamento de informações
geo-referenciadas (SPRING). São José dos Campos, 124p. (INPE-6410-TDI/620).
Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas
Espaciais,. 1997
Campos, E. J. D.; Gonçalves, J. E.; Ikeda, Y. Water mass characteristics and
geostrophic circulation in the south Brazil Bight: summer of 1991. Journal of
Geophysical Research, v.100, n.C9, p.18,573-18,550, Set. 1995.
132
Campos, E. J. D.; Miller; J. L.; Silva, M. P. Hidrography of the south Brazil bight as
observed during project COROAS. Submetido ao J. Geophys. Res, 1996a
Campos, E.J.D.; Lorenzzetti, J. A.; Stevenson, M. R. ; Stech, J. L. ; Souza, R. B.
Penetration of waters from the Brazil-Malvinas confluence region along the South
América Continental Shelf up to 23ºS. Anais da Academia Brasileira de Ciências,
1996b
Campos, E. J. D.; Ikeda, Y; Castro Filho, B.M.; Gaeta, S. A.; Lorenzzetti, J.A.;
Stevenson, M. R.; Experiment studies circulation in the Western South Atlantic.
EOS, Transactions, American Geophysical Union, v.77, n.27, p. 253-259,1996.
Castro Filho, B. M. Subtidal response to wind forcing in the south Brazil bight
during winter. Miami: 211p. (Ph.D. Dissertation in Ocean Physics). Rosenstiel
School of Marine and Atmospheric Science University of Miami. Miami, 1985.
Castro Filho, B. M.; Miranda L. B.; Miyao, S. Y. Condições hidrográficas na plataforma
continental ao largo de Ubatuba: variações sazonais e em média escala. Bolm. Inst.
oceanogr., v.35, n.2, p.135-151, 1987.
Castro Filho, B. M. Estado atual do conhecimento dos processos físicos das águas da
plataforma continental do Brasil. In: II Simpósio de Ecossistemas da costa sul e
sudeste brasileira, v.1, p.1-19. Estrutura, função e manejo. Águas de Lindóia,
1990a.
Castro Filho, B. M. Relatório do 5º ano do subprojeto oceanografia física do projeto
utilização racional dos ecossistemas costeiros da região tropical brasileira. São
Paulo: Instituto Oceanográfico da Universidade de São Paulo. 1990b.
Castro Filho, B. M.; Campos, E.J.D.; Mascarenhas Jr., A.S.; Ikeda, Y.; Lorenzzetti,
J.A.; Garcia, C.A.E.; Möller Jr., O.O. Diagnóstico ambiental oceânico e costeiro
das regiões Sul e Sudeste do Brasil. São Paulo: FUNDESPA, v.3, p. 04-214, 1994.
133
Castro Filho, B. M.; Moreira, J. R. G. B.; Coelho, A. L; Silva, L. S.; Fontes, R. F. C.
Levantamento Oceanográfico da área diretamente afetada por efluente dos
emissários submarinos entre os municípios de São Sebastião e Mongaguá. São
Paulo - Subprojeto Oceanografia Física: FUNDESPA, p.1-135, 1995
Castro Filho, B. M. Correntes e massas de água da plataforma continental norte de
São Paulo. São Paulo: 248 p. Tese (Livre Docência em Oceanografia). Universidade
de São Paulo, 1996.
Castro Filho, B.; Miranda. L. B. Physical oceanography os the western atlantic
continental shelf located between 4ºN and 34ºS coastal segment (4ºW). In: Robinson,
A. R.; Brink, K. H. ed. The sea. John Wiley & Sons, v.11, cap. 11, p. 209-251, 1998.
Coelho, A. L. Massas de água e circulação no canal de São Sebastião São Paulo.
244p. Dissertação (Mestrado em Oceanografia Física) – Instituto oceanográfico da
Universidade de São Paulo, 1997.
Cowen, D. J. GIS versus CAD versus DBMS: what are the
differences,
Photogrammetric
Engineering
and
Remote
Sensing, v. 54, n.11, p.1551-1554, 1988.
Da Silva, A.; Young, .A. C.; Levitus, S. Atlas of Surface Marine Data 1994,
Washington DC: NOAA Atlas, U.S. Department of Commerce, 1994, v. 1.
Emilsson, I. The shelf and coastal waters of southern Brazil. Bolm Inst. oceanogr., v.7,
n.2, p.101-112, 1961.
Global Drifter Center at NOAA/AOML [Online]
< URL:http://inspire.ospi.wednet.edu:8001/curric/oceans/drifters/drifters.html>.
20 de fev. 1997
Faria, C. Uma interface de visualização e análise de dados radioastronômicos. São
José dos Campos. 58 p. Proposta de Dissertação (Mestrado em Computação
Aplicada) - Instituto Nacional de Pesquisas Espaciais, 1998
134
Fisher, A. The circulation and stratification of the Brazil Current. New York: 86 p.
M.Sc. Thesis, New York University, 1964.
Franchito, S. H.; Rao, V. B.; Stech, J. L.; Lorenzzetti, J. A. The effect of coastal
upwelling on the sea-breeze circulation at Cabo Frio, Brazil: a numerical experiment.
Annales Geophysicae. v.16, p. 866-881, Fev. 1998.
Garfield, N. The Brazil current at subtropical latitudes. Rhode Island: 122 p. (PH.D.
Dissertation in Ocean Phyisics). University of Rhode Island, 1990.
Goodchild, M.; Parks, B.; Steyart, L. Environmental
Modelling with GIS, Oxford: Oxford University Press,
1993.
Hansen, D. V; Poulain, P. M. Quality control and interpolations of WOCE-TOGA
drifter data. J. Atmos Ocean Tech, v.13, n. 4, p. 900-909, Aug. 1996.
Hara, L. Técnicas de Apresentação de Dados em Geoprocessamento. São José dos
Campos. 88 p.
(INPE-5457-TDI/499).
Dissertação (Mestrado em Computação
Aplicada) - Instituto Nacional de Pesquisas Espaciais, 1997
Ikeda, Y., Miranda, L. B.; Rock, N. J. Observations on stages of upwelling in the region
of Cabo Frio (Brazil) as conducted by continuous surface temperature e salinity
measurements. Bolm Inst. oceanogr., v.23, p. 33-46, 1974.
Kampel, M. Caracterização dos modos principais de variabilidade dos campos de
TSM no Atlântico utilizando dados AVHRR. São José dos Campos. 111 p. (INPE5535-TDI/523). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto
Nacional de Pesquisas Espaciais, 1993.
Korth, H. F.; Silberschatz, A. Sistema de bancos de dados. São Paulo: Makron Books,
1993. 748p.
135
Krügermeyer, L. Vertikale transporte von impuls, sensibler und latenter warme aus
profilmessungen uber dem tropischen Atlantik warrend . Ber. Inst. Radiometeorol.
Marit. Meteorol., v. 29, p. 84, 1975.
Laevastu, T.; Clarke, L.; Wolff, P. M. Oceanic part of the hidrological cycle. Rep.
WMO/IHD Projects, v. 11, Geneva., 1969, 71p.
Legeckis, R.; Gordon, A. L.; Satellite Observations of the Brazil and Falkland Currents,
1975 to 1976 and 1978. Deep-Sea Research, v.36, n. 3, p. 359-384, 1982.
Lemos, C. F.; Calbete, N. O. Sistemas frontais que atuaram no litoral do Brasil (Período
1987-1995). In: Climanálise Especial. v. 11 p.131-134, Ago. 1996. Edição
comemorativa de 10 anos. Centro de Previsão de Tempo e estudos ClimatológicosCPTEC.
Lentini, C. A. D. Estudo das variabilidades da temperatura da superfície do mar na
plataforma continental sudeste da américa do sul. São Paulo: 133p. Dissertação
(Mestrado em Oceanografia Física) - Instituto Oceanográfico da Universidade de São
Paulo, 1997.
Lima, I. D.; Garcia, C. A. E.; Möller, O. O. Ocean surface processes on the southern
brazilian shelf: characterization and seasonal variability. Cont. Shelf Res., v.16, p.
1307-1317, 1996.
Linhares, V. P. Circulação e massas de água na plataforma continental amazônica.
São Paulo: 191p. Dissertação (Mestrado em Oceanografia Física) - Instituto
Oceanográfico da Universidade de São Paulo, 1995.
Loon, H. V. Climates of the oceans: world survey of climatology. New York:
Elsevier, 1984, v.15, 716 p.
Lorenzzetti, J. A.; Tanaka, K.; Wang, J. D. Simulacao numérica do fenômeno da
ressurgência costeira em Cabo Frio. São José dos Campos. 133 p. (INPE-4502RPE/561). Instituto Nacional de Pesquisas Espaciais – INPE, 1988.
136
Lorenzzetti, J. A.; K. Tanaka. Uso de um modelo numérico para o estudo da resposta da
ressurgência costeira de Cabo Frio à passagem de frentes frias. In: VI Congresso
Brasileiro de Meteorologia, Salvador, 1990.
Lorenzzetti, J. A. Diagnóstico ambiental oceânico e costeiro das regiões Sul e
Sudeste do Brasil. São Paulo: FUNDESPA, 1994a. v.3. p. 04-214.
Lorenzzetti, J. A. Southwestern Atlantic surface features as observed from AVHRR
images during project COROAS (1992 to 1994). In: Southwestern Atlantic
Physical Oceanography Workshop. Publicação IOUSP, p.49, 1994.
Maglioca, A.; Miranda, L. B.; Signorini, S. R. Physical and chemical aspects of
transient stages of the upwelling at southwest of Cabo Frio (Lat. 23ºS,Long. 42ºW).
Bolm Inst. oceanogr., v. 28, p. 37-46, 1979
Mamayev, O. I. Temperature-salinity analysis of word ocean waters. Amsterdam:
Holanda. Elsevier Scientific Pub. Co., 1975. 374p.
Martin, J. Princípios de análise e projetos baseados em objetos. Rio de Janeiro:
Campos, 1994. 486 p.
Mascarenhas Jr., A. S.; Miranda, L. B.; Rock, N. J. A study of the oceanographic
conditions in the region of Cabo Frio. In: Costlow, J.D; - Fertility of the Sea. New
York: Gordon and Breach , 1971. vol. 1, p. 285-308.
Matsuura, Y. Estudo comparativo das fases iniciais do ciclo de vida da sardinhaverdadeira, Sardinella Brasiliensis, e da sardinha cascuda, Harengula Jaquana,
Pisces: Clupeidae, e nota sobre a dinâmica da população da sardinha
verdadeira na região sudeste do Brasil. São Paulo: 253p. Tese (Livre Docência em
Oceanografia) Universidade de São Paulo, 1983.
Matsuura, Y. Contribuição ao estudo da estrutura oceanográfica da região sudeste entre
Cabo Frio (RJ) e Cabo de Santa Marta Grande (SC). Ciência e Cultura, v.38, n.8,
p.1439-1451, 1986.
137
Medeiros, C. B; Pires, F. Banco de dados e sistemas de informações geográficas. In:
Assad, E. D.; Sano, E. E. ed. Sistemas de informações geográficas: aplicações na
agricultura. 2.ed. local: Embrapa, 1998. Cap. 3, p 31-45.
Miller, A. R. A study of mixing processes over the edge of the continental shelf. J.
Mar. Res., v. 9, n.2, p. 145-160, 1950.
Miranda, L. B.
Análise de massas de água dos oceanos: notas de aulas da
Universidade de São Paulo. São Paulo, 1. trim. de 1999. 220p.
Miranda, L. B. Propriedades e variáveis físicas das águas da plataforma continental
do Rio Grande do Sul. São Paulo: 127p. Dissertação (Doutorado em Física) –
Instituto de Física da Universidade de São Paulo, 1972.
Miranda, L. B.; Castro Filho, B. M. Aplicação do diagrama TS estatístico volumétrico à
análise das massas de água da plataforma continental do Rio Grande do Sul. Bolm.
Inst. Oceanogr., v. 28, n.1, p. 185-200, 1979.
Miranda, L. B. Análise de massas de água da plataforma continental e da região
oceânica adjacente: Cabo de São Tomé (RJ) à ilha de São Sebastião (SP). São
Paulo: 194p. Tese (Livre Docência em Oceanografia) Instituto Oceanográfico da
Universidade de São Paulo, 1982.
Miranda, L. B.; Mascarenhas, A. S; Ikeda, Y.; Rago, T. A.; Cacciari, P. L. Resultados
preliminares da estrutura térmica e do campo de velocidade amostradas
durante o cruzeiro oceanográfico . Transcobra III: Relatório de Cruzeiros, série:
N/Oc Prof. W. Besnard, v. 6, p. 1-13, 1985.
Miranda, L. B.; Katsuragawa, M. Estrutura térmica na região sudeste do Brasil
(outono/novembro de 1988). Pub. Esp. Inst. Oceanogr., v.8, p. 1-14, 1991.
Nijoku, E. G. ; Barnett, T. P. ; Laurus, R. M.; Vastano, A. C. Advences in satellite sea
surface temperature measurement and oceanogaphic applications. Journal of
Geophysical Research, v. 90(C6) , p.11573 - 11586, Nov. 1985.
138
Nogueira, A. S. Condições oceanográficas da plataforma continental e região
oceânica adjacente entre Santos (SP) e cabo de Santa Marta Grande (SC). São
Paulo: 211 p.
Dissertação (Mestrado em Oceanografia Física) - Instituto
Oceanográfico da Universidade de São Paulo, 1993.
Peterson, R. G.; Stramma, L. Upper-level circulation in the South Atlantic Ocean.
Progress in Oceanography, v.26, n.1, p. 1-73, 1991.
Peuquet, D. J.; Marble, D. F. Introductory readings in
geographic information systems. London: Taylor & Francis,
1990. 371p.
Pickard, G. L.; Emery, W. J. Descriptive physical oceanography: an introduction.
New York: Pergamon, 1990. 300p.
Rao, N. J. M.; Mascarenhas Jr. A. S.; Yamazaki, Y. Air-sea interaction studies at Cabo
Frio, Brazil. Meteorol. Rdsch. v.44, p. 56-59, Abr. 1980.
Reid, J. L.; Nowlin Jr, W. D.; Patzert, W. C. On characteristics and circulation of the
Southwestern Atlantic Ocean. Journal of Physical Oceanography, v.7, p. 62-91,
1977.
Samuels, B. ; Cox, M. Data set atlas for ocean modeling. Ocean Modeling. v.75, p.1-3,
1987
Shibata, C. S. Fortran básico. São José dos Campos. 84 p. (INPE-5978-PUT/027).
Notas de aula referentes ao curso organizado pelo centro de treinamento - Instituto
Nacional de Pesquisas Espaciais, 1996.
Silva, M. P. Caracterização físico-química das massas de água da bacia de Santos
durante o projeto COROAS. Verão e inverno de 1993. São Paulo. 153p.
Dissertação (Mestrado em Oceanográfico) – Instituto Oceanográfico da Universidade
de São Paulo, 1995.
139
Smith,
T.
R.;
Menon,
S.;
Star,
J.;
Estes,
J.
E.
Requirements and Principles for the Implementation and
Construction
Systems.
of
Large
International
Scale
Geographical
Journal
of
Information
Geographical
Information Systems, 1 (1):13-31, 1987.
Souza, R. B. Estudo da circulação superficial ao norte do Estreito de Bransfield,
Antártica. São José dos Campos. 161 p. (INPE-5472-TDI/503). Dissertação
(Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais,
1992.
Star,
J.;
Estes,
introduction.
J.
Geographic
information
systems:
Englewood
Cliffs,
Prentice-Hall,
Stevenson,
M.
Villagra,
an
1990.
303p.
Stech,
J.
L.;
R.;
H.
M.
I.
Determinação das características climatológicas sazonais
da temperatura nas águas sudeste do brasil, usando dados
oceanográficos.
São José dos Campos: INPE, 1981.
41 p.
(INPE- 3819 – RPE/503).
Stech, J. L. Um estudo comparativo da dinâmica da circulação de inverno entre as
plataformas continentais das costas sudeste do Brasil e dos Estados Unidos
utilizando um modelo numérico. São Paulo, 227 p. Tese (Doutorado em
Oceanografia)– Instituto Oceanográfico da Universidade de São Paulo, 1990.
Stech, J. L.; Lorenzzetti, J. A. The Response of the South Brazil Bight to the passage of
wintertime cold fronts. Journal of Geophysical Research, v. 97, n.C6, p. 95079520, 1992.
Stech, J. L.; Lorrenzzetti, J. A; Silva, C. L. Observações por satélite da variação sazonal
da ressurgência de Cabo Frio. In: Simpósio Latinoamericano de Percepción Remota,
Puerto Vallarta, 1995. Memorias. Puerto Vallarta, 1995. p. 269-275.
140
Stevenson, M. R.; Assireu, A. T. Medição da corrente circumpolar Antártica durante a
XV Expedição à Antártica. Informativo CIRM, v.8, n.2, p. 10, 1997.
Stevenson, M. R.; Brito, D. D.; Stech, J. L.; Kampel, M. How do cold water biota arrive
in a tropical bay near Rio de Janeiro, Brazil. Continental Shelf Research, v. 18, p.
1595-1612, Jan. 1998.
Stockmanm, W. B. A theory of T-S curves as a method for studying the mixing of water
masses in the sea. J. Mar. Res., v.6 , nº.1, 1946.
Strong, A. E.; McClain, E. P. Improved ocean surface temperatures from spacecomparisons with drifting buoys. Bulletin American Meteorological Society, v.65,
n.2, p. 138-142, 1984.
Svertrup, H. U.; Johnson, M. W.; Fleming, R. H. The oceans: their physics, chemistry
and general biology. Englewood Cliffs.:Prentice-Hall, 1942. 1087 p.
Tanaka, K. Simulação da ressurgência comparada com dados oceanográficos e de
sensores remotos em Cabo Frio. São José dos Campos Dissertação. 88p. (INPE1085-TPT/061) Dissertação (Mestrado em Sensores Remotos e Aplicações) –
Instituto de Pesquisas Espaciais, 1977.
Thome, R. Interoperabilidade em geoprocessamento: conversão entre modelos
conceituais de SIG e comparação com o padrão OPEN GIS. São José dos
Campos. 199 p. Dissertação (Mestrado em Computação Aplicada) - Instituto
Nacional de Pesquisas Espaciais, 1998.
Tomczak, Jr. A multi-parameter extension of temperature/salinity diagram techniques
for the analysis on non-isopicnal mixing. Progr. Oceanogr. v.10, 1981, 147p.
Vanin, A. M. S. P; Matsuura, Y. Estrutura e função do ecossistema de plataforma
continental da região de Ubatuba, Estado de São Paulo: uma introdução. Publicação
Esp. Inst. Oceanogr., n.10, p. 1-8, 1993.
141
Wucknitz, J. Bestimmung der turbulenten flusse von impuls und sensibler warme aus
fluktuations-messungen und struktur des windfeldes uber den wellen unber dem
tropischen atlantik wahrend APEX. Ber. Inst. Radiometeorol. Marit. Meteorol.,
25: 159 p. 1974.
142