Orientador : Prof. Nelson Luís da Costa Dias / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Ambiental. Defesa: Curitiba, 15/03/2016 / Inclui referências : f. 84-90 / Resumo: Uma das ferramentas mais importantes da micrometeorologia é a Teoria de Similaridade de Monin-Obukhov (TSMO), cujas funções adimensionais descrevem a relação entre a concentração média dos escalares e os fluxos turbulentos na Camada Superficial da atmosfera. No entanto, a TSMO sofre muitas limitações dentro da Subcamada Rugosa, uma vez que suas funções universais não se aplicam nesta região, dificultando a tarefa de estimar fluxos turbulentos sobre florestas. Neste sentido, o presente estudo teve por objetivo realizar uma análise experimental em escalares (temperatura, dióxido de carbono e vapor d'água) medidos nos níveis de 39,4 e 81,6 m sobre uma floresta Amazônica (altura média de 40 m). Inicialmente o coeficiente de assimetria da velocidade vertical indicou que a Subcamada Rugosa exerce influência no escoamento sobre os dois níveis; na sequência, o desvio-padrão adimensional exibiu maior dispersão para os escalares do que para a velocidade vertical, que se adequou melhor à teoria. Menor grau de dispersão foi verificado para as funções de Monin-Obukhov classificadas de acordo com o ângulo solar zenital (Z), no qual verificou-se boa concordância com a TSMO em ângulos entre 0 e 20°. Conjectura-se que isso esteja relacionado à incidência solar e a "ativação/desativação" conjunta das fontes e sumidouros. Por fim, o Método Relaxado de Acumulação de Vórtices foi empregado, e os coeficientes de relaxamento para os três escalares mantiveram-se dentro da faixa indicada na literatura (0,51 - 0,62); além disso, mostraram-se maiores em 81,6 m do que em 39,4 m. Quando separados por ângulo zenital, novamente os resultados foram melhores na faixa 0_ < |Z| < 20_. De forma geral, a validade do desvio-padrão adimensional em ângulos zenitais pequenos foi o resultado mais proeminente desta análise, pois indica a possibilidade de calcular fluxos turbulentos via funções de Monin-Obukhov sobre florestas pelo menos nestes momentos do dia. Palavras-chave: Teoria de Similaridade de Monin-Obukhov, Subcamada Rugosa, Método Relaxado de Acumulação de Vórtices. / Abstract: One of the most important tools in micrometeorology is the Monin-Obukhov Similarity Theory (MOST), whose dimensionless functions describe the relationship between scalars' mean concentration and flux in the atmospheric surface layer. However, these functions are not valid in the canopy roughness sublayer region, making it difficult to estimate scalar fluxes above forests from concentration measurements. In this regard, the main goal of this study is to perform a similarity analysis of scalars (temperature, carbon dioxide and water vapor) measured at 39.4 and 81.6 m above the Amazon forest, in a region with mean canopy height of 40 m. The results of the vertical velocity skewness suggested that both heights are within the roughness sublayer. The nondimensional standard deviation showed more scattering for scalars than for vertical velocity, which follows the theory. Less scatter was found for the Monin-Obukhov functions classified by solar zenith angle (Z), where good accordance between MOST and Z was verified for angles between 0 and 20°. We conjecture that this is related to the low solar incidence and the combined "activation/deactivation" of sources and sinks . Finally, for the Relaxed Eddy Accumulation, the relaxation coefficients were found to be within the range indicated in the literature (0.51 - 0.62), and to be larger for 81.6 m than for 39.4 m. When classified by zenith angle, better results were found in the range 0_ < |Z| < 20_. In general, the nondimensional standard deviation validity for low zenith angles was the most prominent result in this research, because it allows us to calculate turbulent fluxes above forests using the universal functions at least in these moments of the day. Keywords: Monin-Obukhov Similarity Theory, Roughness Sublayer, Relaxed Eddy Accumulation.

Orientador : Prof. Dr. Ricardo Carvalho de Almeida / Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Ambiental. Defesa: Curitiba, 25/11/2015 / Inclui referências : f. 70-72 / Resumo: A altura da camada limite atmosférica (h) é um parâmetro fundamental em modelagem atmosférica, sendo a dimensão vertical do domínio em modelos de dispersão de poluentes na atmosfera. As relações entre parâmetros meteorológicos e características da superfície é apenas parcialmente conhecida, implicando em dificuldades na obtenção dessa variável. Nesse trabalho empregamos uma rede neural artificial do tipo multilayer perceptron, com algoritmo de treinamento backpropagation, para a estimativa de h a partir de dados de superfície, obtidos em estações meteorológicas. A base de dados para treinamento foi desenvolvida para esse trabalho, a partir de perfis de propriedades obtidos por radiossondagens e disponibilzados pelo Stratosphere-troposphere Processes and their Role in Climate (SPARC). Foram testadas diversas combinações de dados de entrada, incluindo também parâmetros meteorológicos de altitude. A melhor configuração empregando apenas dados de superfície obteve bons resultados, com IOA = 0:9432 e r = 0:9017, sendo indicada sua aplicação para estimativa de h em localidades onde não estejam disponíveis informações de perfis de propriedades atmosféricas. Palavras-chave: Camada Limite Atmosférica, Redes Neurais Artificiais, radiossondagem. / Abstract: The Boundary layer height (h) is considered a fundamental parameter for atmospheric modeling and it is the vertical extension of models domain for pollutants dispersion. Despite its importance, the relations for obtaining h are still only partially understood, limiting the quality of models results. In this work we present the use of a multilayer perceptron artificial neural network for estimating h, applying surface parameters obtained in ground based meteorological stations. The network was trained using a backpropagation algorithm, and it was tested for many different combinations of input data. For that, we needed to develop a hole data base from radiosounding profiles, which were available in the SPARC's (Stratosphere-troposphere Processes and their Role in Climate) website. The best combination showed IOA = 0:9432 and r = 0:9017. Therefore, operation of an artificial neural network is recommended for estimating h when meteorological parameters profiles are not available. Keywords: Atmospheric boundary layer, Artificial neural networks, radiosounding.