Download Nivel Medio del Mar

PROJETO
Metodologia, ferramentas e bases de dados para gestão de riscos às mudanças do clima em zonas costeiras: Uma proposta de aplicação para costa brasileira
Uma proposta de aplicação para costa brasileira
PERIGOS:
PERIGOS: VENTO, ONDAS, NÍVEL DO MAR
Melisa Menéndez ( [email protected] )
Novembro‐2015
PROJETO
Metodologia, ferramentas e bases de dados para gestão de riscos às mudanças do clima em zonas costeiras: Uma proposta de aplicação para costa brasileira
Uma proposta de aplicação para costa brasileira
PERIGOS: PERIGOS:
NÍVEL DO MAR
Melisa Menéndez ( [email protected] )
Novembro‐2015
 VIENTO Y VARIABLES ATMOSFÉRICAS:
‐ SeaWind (SW
SW)
 OLEAJE:
‐ Olas en el océano  Global Ocean Waves (GOW
GOW) ‐ Olas en costa
en costa  Downscaled Ocean Waves (ROW
Downscaled Ocean Waves (ROW
ROW)
 NIVEL DEL MAR Y CORRIENTES:
‐ Nivel Medio del Mar (MSL) (GOST)
‐ Marea astronómica (GOT) ‐ Marea meteorológica  Global Ocean Surge (GOS)
Contribución a la sobre-elevación del nivel del mar total
SWL
SWL
NIVEL MEDIO DEL MAR (décadas
décadas,, siglos
siglos))
MAREA ASTRONÓMICA (días
días,, anuales
anuales,, décadas)
décadas)
MAREA METEOROLÓGICA (horas
horas)) -> + COMPONENTE OCEANOGRÁFICA
Nivel Medio del Mar (MSL) La superficie media del mar presenta variaciones de altura de un lugar a otro y a lo largo del tiempo
n
Ni l Medio
Nivel
M di del Mar (MSL) d l M (MSL)
Nivel Medio del Mar (MSL) Nivel Medio del Mar (MSL) Nivel Medio del Mar (MSL) •Base de datos Histórica
 [Church & White, 2001]
.
.
 [Church, White et al., 2011]
[Church White et al 2011]
•Periodo:[1950-2010 ]
•A partir de:
- Mareógrafos
M ó f
- Satélite
Nivel Medio del Mar (MSL) 2010 2040
2010-2040
2040-2070
Tendencia media de SLR (mm/yr)
Nivel Medio del Mar (MSL) Proyecciones Regionales de MSL
[IPCC, AR5, 2013]. Ensemble mean regional relative sea level change (metres) evaluated from 21 CMIP5 models between 1986–2005 and 2081–2100.
Marea astronómica y Marea meteorológica (GOST) Nivel del mar:
• marea astronómica
 determinista
• marea meteorológica  dependiente de los gradientes de presión y la tensión
superficial del viento
Tarea:
Generación de una base de datos de nivel del mar de alta resolución espacial
((~ 1km)) y temporal
p
((datos horarios)) p
para el estado de Santa Catarina desde
1979 a 2010 (GOST‐StaCatarina) Tensión superficial del viento (Smith, S. & Banke, E. 1975) y gradientes de
presión calculados a partir del reanálisis atmosférico de alta resolución generado
en el marco de este estudio (malla D02).
Modelo global de mareas TPXO (Egbert et al., 1994; Egbert y Erofeeva, 2002). Modelo
inverso de mareas que asimila la información del nivel del mar derivada de las observaciones
del sensor TOPEX/Poseidon.
TPXO7.2  Ocho componentes armónicas primarias (M2, S2, N2, K2, K1, O1, P1, Q1), dos
de largo periodo (Mf y Mm), y tres no lineales (M4, MS4, MN4).
Los datos se proporcionan en una malla con cobertura global de 1440 x 721 puntos y con
0.25º de resolución espacial.
Componente de marea M2 calculada con el modelo TPXO.
http://volkov.oce.orst.edu/tides/global.html
Tipos de marea
Componente Oceaográfica en Nivel del Mar
Corrientes de CFSR promediadas en vertical (m/s) para el día 5 de abril de 1997 a las 18:30h.
GEBCO (global, 30’ de
resolución)
&
Cartas náuticas
ROMS  modelo de circulación oceánica que resuelve
las ecuaciones p
primitivas del océano ((Shchepetkin
p
y
McWilliams 2005)
 Reynolds Averaged Navier Stoke equations with:
Reynolds Averaged Navier Stoke equations with:
‐ Hydrostatic pressure approximation (H/L <<1)
‐ Boussinesq assumption  Split‐explicit time stepping algorithm
l
l
l
h
 Sigma coordinate
Dominio malla ROMS
450 x 325 celdas
~ 0.9 km
Percentiles del 99.5% y 99.9% calculados a partir de los datos horarios
calculados a partir de los datos horarios (1979‐2010) para cada una de las 3 componentes: nivel, MA y MM
¿Cómo afectará el Cambio Climático en la Marea
Meteorológica de una región/localización costera de
Brasil ?
Proyecciones Climáticas
Regionales del Storm Surge
Historical storm surge data
Historical atmospheric data
Global Climate Models
atmospheric data
Statistical downscaling technique
Multivariate linear regression
Projected storm surge changes
Surge( xi , t )  ai  bi1 PC 1 ( xi , t )  bi2 PC 2 ( xi , t )  ...  bik PC k ( xi , t )
where k is the number of PCs selected in a forward procedure from the d PCs that
explained the 95% of the variance.
ai,b1i, b2i, …, bki are the coefficients obtained in the regression model
M 1 : Yd (t )  a  b1 PCd1 (t )
M 2 : Y d (t )  a  b1 PCd1 (t )  b2 PCd2 (t )
...
i
M i : Yd  t   a   bi PCdi (t )
1