Kral VIII Henri ve Hristiyan Aile Hükümlerinin Eleştirilmesi

CONSIDERAÇÕES FINAIS

A maior parte das pesquisas atuais sobre comportamento do vento no NEB consultadas é realizada através de bases de dados pouco abrangentes. Especialmente as torres anemométricas, em alguns casos, são de empresas privadas e são instaladas para prospecção de potencial eólico para fins comerciais. Alguns desses dados são sigilosos e não podem ser repassados para pesquisas. Por outro lado, o monitoramento via estações meteorológicas convencionais apresenta uma série de falhas. Esses fatos dificultaram em parte o desenvolvimento deste estudo e houve um trabalho inicial de busca, organização e avaliação da base de dados a ser usada na avaliação das simulações com os modelos.

Com isso, a base observacional foi composta de dois conjuntos de dados: i) Estações meteorológicas do INMET, onde foi necessário utilizar a técnica estatística MICE para preencher dados ausentes, tendo assim o comportamento do vento com presença de uma série temporal longa, sem prejudicar as análises de tendências e agrupamento); ii) Rede de estações anemométricas do projeto SONDA e da SEINFRA com séries temporais curtas, mas com alta resolução temporal, a cada 10 minutos uma informação, podendo assim ser usadas para melhor qualificar as simulações do modelo WRF-ARW nos dois domínios utilizados.

As técnicas usadas, na parte estatística, foram: Mann Kendall, para análises das tendências positivas e negativas do comportamento do vento no NEB e RMSE, MAE e d na validação das simulações numéricas do WRF-ARW, por mês, e assimilação de dados (relaxamento newtoniano e filtro de Kalman) na parte dinâmica do estudo para melhor ajuste com as observações das condições iniciais e contorno e erros sistemáticos, apresentados na simulação após algum tempo.

No capítulo III a variabilidade, sazonalidade e a tendência linear da velocidade do vento em regiões homogêneas foram estudadas. Observou-se 5 grupos homogêneos, com maior velocidade do vento, em média, a 10 m da superfície, de 4,11 m/s no grupo G2, enquanto que a menor foi de 1,35 m/s no grupo G3. Quanto à variabilidade sazonal observou- se que as maiores velocidades foram nas estações inverno e primavera. Os grupos que apresentaram valores menores da velocidade do vento foram G3 e G4, enquanto os G1, G2 e G5 apresentaram valores maiores. Foi verificado na variabilidade interanual a influência dos fenômenos El Niño e La Niña, contribuindo para aumento e diminuição da intensidade da

velocidade do vento, respectivamente. As análises das tendências mostraram valores negativos para os grupos G3, G4 e G5 com níveis de significâncias nos valores P < 0,001, < 0,01 e < 0,05 para condições anual e sazonal. Por outro lado, não houve tendência linear significativa nos grupos G1 e G2. Assim, concluímos que as regiões dos grupos G1 e G2 são as mais propicias para investimentos na área eólica.

Diante dos resultados das simulações da velocidade do vento com opção nudging no modelo WRF-ARW para validação com as torres anemométricas, verificou-se que os menores valores de velocidade média horária do vento nas localidades Paracuru-CE, São João do Cariri-PB e Triunfo-PE ocorreram no primeiro semestre, exceto para Triunfo-PE. As maiores velocidades foram constatadas entre o inverno e a primavera, segundo semestre, em especial na primavera para a qual se obtiveram os valores mais elevados.

As simulações com o modelo WRF-ARW apresentaram desempenho satisfatório, baseado nos valores do métodos estatísticos d, RMSE e MAE, com menor erro para região Paracuru-CE, com exceção para Triunfo. Na região de Triunfo-PE, que tem topografia elevada, o modelo apresentou maior erro, principalmente no primeiro semestre do ano. O desempenho do modelo foi melhor para o local mais próximo do litoral do NEB.

Foi possível constatar que erros apresentados em um modelo dinâmico de mesoescala, baseado em outros estudos, na simulação da velocidade do vento podem ser devido aos seguintes fatores: (i) topografia e vegetação de baixa resolução inseridas no modelo; (ii) fenômenos como brisas marítimas e vale-montanha, ventos alísios; (iii) dados de condição inicial e de contorno; (iv) parametrização da camada limite atmosférica. Os diagramas de Taylor, com dados médios horários da velocidade do vento, identificaram que o modelo possui melhor desempenho nas estações do verão e outono e pior desempenho para inverno e primavera, exceto para Triunfo-PE que apresentou melhor desempenho para inverno e primavera e pior desempenho para verão e outono. Ambos os domínios simulados pelo modelo WRF-ARW apresentaram valores similares, com melhoria para o domínio WRF- ARW-d02 em área com alta topografia, como foi o caso de Triunfo-PE.

Os erros apresentados nas simulações foram amenizados após a aplicação do filtro de Kalman na velocidade do vento pós-processada pelo modelo WRF, aproximando-se assim da variabilidade diária das séries temporais observadas nas torres anemométricas, principalmente para Triunfo-PE.

Com auxílio do modelo de microescala WAsP foi possível mapear o recurso eólico por meio dos campos de densidade de potência e potencial eólico anual, próximas às torres anemométricas TA-PAR e TA-TRF. Os dados utilizados nas condições iniciais para

simulação do modelo WAsP foram torres anemométricas e modelo WRF-AWR-d02. Ambas as simulações apresentaram desempenhos diferentes, devido à complexidade apresentada na topografia de Triunfo-PE. Os resultados mostraram que houve subestimação das distribuições de Weibull da velocidade média do vento simuladas (WRF-ARW) quando comparada às observações. O erro foi maior na TA-TRF, consequentemente, afetando os valores de AEP e densidade de potência, simuladas pelo WAsP. Observou-se que o método de acoplamento do modelo de mesoescala inserido diretamente os dados simulados para o modelo microescala apresentou um mapa de densidade de potência mais similar com dado observado para região de Paracuru. A análise da densidade de potência na localidade Triunfo deve ser usada com cautela, uma vez que uma das estimativas foi com uso de simulação por meio de modelo numérico de mesoescala, que tem erros embutidos, principalmente com topografia complexa, portanto, têm um grau de incerteza. As regiões são apropriadas para geração de energia eólica, pois ambas apresentaram valores de densidade de potência acima de 400 W/m2, com os dados por meio das medições e estimados pelo modelo WRF-ARW para os resultados do modelo WAsP.

Apensar da Tese ser bastante ampla com técnicas estatísticas e dinâmicas para tentar explicar o comportamento da velocidade do vento na região NEB, consideramos ainda que existem lacunas deixadas pela pesquisa, que podem servir como sugestões para trabalhos futuros, sugere-se:

 Realização de simulações com modelos numéricos de tempo mesoescala em conjunto (ensemble) valendo-se de outras opções de parametrizações, por exemplo: da camada limite planetária, microfísica de nuvens e convecção profunda;

 Simulações com maior resolução e testes com maior número de grades aninhadas para casos de interesse, principalmente em áreas com topografia complexa;

 Utilizar modelos estatísticos para estimativa da velocidade do vento, como por exemplo, redes neurais, métodos multivariados e séries temporais.

 Testes com modelos estatísticos/determinísticos para velocidade do vento, por exemplo, o Model Output Statistics (MOS);

 Utilizar o vento geostrófico e arquivos de topografia e rugosidade de alta resolução inseridos no modelo WRF para um melhor acoplamento com modelo WAsP;

 Utilizar dados de condição de contorno e inicial de diferentes fontes, por exemplo, as do projeto Era Interim/ECMWF e MERRA/NASA.

REFERÊNCIAS

Alvares, C.A., Stape, J.L., Sentelhas, P.C., Gonçalves, J.L.M., Sparovek, G. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, n. 6, p. 711-728, 2013.

Ahrens, C.D. Essentials of Meteorology: An Invitation to the Atmosphere. Brooks/Cole, Cengage Learning, Stamford, Conn, USA, 6th edition, 2011.

Amarante, O.A.C., Brower, M., Zack, J. Sá, A.L. Atlas do Potencial Eólico Brasileiro, Ministério de Minas e Energia, Brasília, 2001.

Arakawa, A., and Lamb, V.R. Computational design of the basic dynamical processo f the UCLA general circulation model. Methods in Computational Physics, v.17, Academic Press, p. 173-265, 1977.

Bowen, A., and Mortensen, N. Wasp prediction errors due to site orography. Technical Report Risø-R-995 (EN). Risø National Laboratory, 2004.

Byrkjedal, Ø., Berge, E.The Use of WRF for Wind Resource Mapping in Norway, n.1, p. 3–6, 2005.

Carvalho, D., Rocha, A., Gómez-Gesteira, M., Santos, C. A sensitivity study of the WRF model in wind simulation for na area of high wind energy. Environmental Modelling &

Software, v. 33, p. 23-34, 2012.

Carvalho, D., Rocha, A., Gómez-Gesteira, M., Silva Santos, C. WRF wind simulation and wind energy production estimates forced by different reanalyses: Comparison with observed data for Portugal. Applied Energy, v. 117, p. 116-126, 2014.

Carvalho, D., Rocha, A., Santos, C.S., Pereira, R. Wind resource modelling in complex terrain using different mesoscale-microscale coupling techniques. Applied Energy, v. 108, p. 493-504, 2013.

Cassola, F., Burlando, M. Wind Speed and Wind Energy forecast through Kalman filtering of Numerical Weather Prediction model output. Applied Energy, v. 99, p. 154-166, 2012.

Cheng, W.Y.Y., Liu, Y., Liu, Y., Zhang, Y., Mahoney, W.P., Warner, T.T. The Impacto f model physics on numerical wind forecasts. Renewable Energy, v. 55, p. 347-356, 2013.

Chou, S. C., Paiva Neto, A. P., Chagas, D. J., Lyra, A. A., Pereira, E. B. Mapeamento Eólico para o Nordeste. XIV Congresso Brasileiro de Meteorologia. Florianópolis. Sociedade Brasileira de Meteorologia, 2006.

Costa, G.B., e Lyra, R. Análise dos padrões de vento no estado de Alagoas. Revista

Brasileira de Meteorologia, v. 27, n. 1, p. 31-38, 2012.

Cradden, L.C., Harrison, G.P., Chick, J.P. Will climate change impact on wind power development in the UK?. Climatic Charge, v. 115, n .3-4, p. 837–852, 2012.

Da Silva, V. D. P. R. On climate variability in Northeast of Brazil. Journal of Arid

Environments, v. 58, n. 4, p. 575–596, 2004.

Da Silva, V. D. P. R., De Azevedo, P.V., Brito, R. S., B., J. H. Da Cunha, C. Evaluating the urban climate of a typically tropical city of northeastern Brazil. Environmental Monitoring

and Assessment, v. 161, n. 1–4, p. 45–59, 2010.

De Lucena, A. F. P., Szklo, A. S., Schaeffer, R., Dutra, R.M. The vulnerability of wind power to climate change in Brazil. Renewable Energy, v. 35, n. 5, p. 904–912, 2010.

Dodla, V. B. R.; Ratna, S. B. Mesoscale characteristics and prediction of an unusual extreme heavy precipitation event over India using high resolution mesoscale model. Atmospheric

Research, v. 95, p. 255-269, 2010.

Global Wind Energy Council. Global Wind Report: Annual Market Update 2013, 80 p., 2014.

Galanis, G., Louka, P., Katsafados, P., Kallos, G., Pytharoulis, I. Applications of Kalman filters based on non-linear functions to numerical weather predictions. Annales Geophysicae, v. 24, p. 1-10, 2006.

Gonçalves, A. R. Refinamento estatístico das previsões de vento do modelo ETA aplicado

ao setor eólico-elétrico do nordeste brasileiro. Dissertação (Mestrado em Meteorologia) –

González-Mingueza, C., and Muñoz-Gutiérrez, F. Wind prediction using Weather Research Forecasting model (WRF): A case study in Peru. Energy Conversion and Management, v. 81, p. 363-373, 2014.

Güldal, V., and Tongal, H. Cluster analysis in search of wind impacts on evaporation.

Applied Ecology and Environmental Research, v. 6, n. 4, pp. 69–76, 2008.

Gutiérrez, J.M., Cano, R., Cofiño, A.S., Rodriguez, A.M. Clustering methods for statistical downscaling in short-range weather forecast. Monthly Weather Review, v. 132, p. 2169– 2183, 2004.

Hastenrath, S. Exploring the climate problems of Brazil’s Nordeste: a review. Climatic

Change, v. 112, n. 2, p.243–251, 2012.

Himri, Y., Himri, S., Stambouli, A.B. Wind power resource in the South-western region of Algeria. Renewable and Sustainable Energy Reviews, v. 14, p. 554-556, 2010.

Hong, S.Y., and Lim, J.O.J. The WRF Single-Moment 6-Class Microphysics Scheme (WSM6). Journal of the Korean Meteorological Society, v. 42, n. 2, p. 129-151, 2006.

Iacono, M.J., Delamere, J.S., Mlawer, E.J., Shephard, M.W., Clough, S.A., Collins W.D. Radiative forcing by long-lived greenhouse gases: Calculations with the AER radiative transfer models. Journal of Geophysical Research, v. 113, D13103, doi: 10.1029/2008JD009944, 2008.

Intergovernmental Panel on Climate Change – IPCC. Climate Change 2007: The physical

Science basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge: Cambridge University Press,

2007, 996 p.

Janjic, Z. I. The step-mountain Eta coordinate model: further developments of the convection, viscous sublayer and turbulence closure schemes. Monthly Weather Review, v. 122, p. 927– 945, 1994.

Jiang, Y., Luo, Y., Zhao, Z., and Tao, S. Changes in wind speed over China during 1956– 2004. Theoretical and Applied Climatology, v.99, n.3-4, p. 421–430,2010.

Jiménez, P.A., González-Rouco, J.F., García-Bustamante. E. Surface wind regionalization over complex terrain: evaluation and analysis of a high-resolution WRF simulation. Journal

of Applied Meteorology and Climatology, v. 49, n. 2, p.268–287, 2010.

Jiménez, P.A., Dudhia, J. On the Ability of the WRF Model to Reproduce the Surface Wind Direction over Complex Terrain. Journal of Applied Meteorology and Climatology, v. 52, p. 1610-1617, 2013.

Johnson, A., Wang, X., Xue, M., Kong, F. Hierarchical cluster analysis of a convection- allowing ensemble during the hazardous weather testbed 2009 spring experiment. Part II: ensemble clustering over the whole experiment period. Monthly Weather Review, v. 139, n. 12, p. 3694–3710, 2011.

Kain, J.S. The Kain-Fritsch Convective Parameterization: An Update. Journal of Applied

Meteorology, v. 43, p.170-181, 2004.

Laprise, R. The Euler Equations of motion with hydrostatic pressure as independent variable.

Monthly Weather Review, v. 120, p. 197–207, 1992.

Lima, F.J.L., Cavalcanti, E.P., De Souza, E.P., Da Silva, E.M. Evaluation of the Wind Power in the State of Paraíba Using the Mesoscale Atmospheric Model Brazilian Developments on the Regional Atmospheric Modelling Sytem. Renewable Energy, v. 2012, doi:10.5402/2012/847356, p. 1-16, 2012.

Lima, K.C., Satyamurty, P., Fernándes, J.P.R. Large-scale atmospheric conditions associated with heavy rainfall episodes in Southeast Brazil. Theoretical and Applied Climatology, v. 101, n. 1-2, p. 121-135, 2010.

Lima, L.A., and Bezerra, C.R. Wind energy assessment and wind farm simulation in Triunfo- Pernambuco, Brazil. Renewable Energy, v. 35, p. 2705-2713, 2010.

Lima, L.A., and Bezerra, C.R. Wind Resource evaluation in São João do Cariri (SJC) – Paraíba, Brazil. Renewable and Sustainable Energy Reviews, v. 16, p. 474-480, 2012.

Lira, M.A.T., Da Silva, E.M., Alves, J.M.B. Estimativa dos Recursos Eólicos no Litoral Cearense usando a Teoria da Regressão Linear, Revista Brasileira de Meteorologia, v. 26, n. 23, p. 349-366, 2011.

Louka, P., Galanis, G., Siebert, N., Kariniotakis, G., Pytharoulis, I. Improvements in wind speed forecasts for wind power prediction purposes using Kalman filtering, Journal of Wind

Engineering and Industrial Aerodynamics, v. 98, p. 2348-2362, 2008.

Marchi, A. C. Estudo do Vento para o Estado de Alagoas Utilizando o Modelo Regional

WRF: Testes de Parametrizações da Camada Limite Planetária. Trabalho de Conclusão

de Curso, Universidade Federal de Alagoas, Instituto Ciências Atmosférica-ICAT, Maceió- Al, 2011.

Martins, F. R., Guarnieri, R. A., Pereira, E. B., Mantelli, S., Chagas, R. C., Thomaz, C., Andrade, E. Projeto SONDA - Rede Nacional de Estações para a coleta de dados meteorológicos aplicados ao setor de energia. In: I Congresso Brasileiro de Energia Solar, 2007, Fortaleza. Anais do I Congresso Brasileiro de Energia Solar. Fortaleza: Associação Brasileira de Energia Solar, 2007.

Mason, J.A., Swinehart, J.B., Lu, H., Miao, X., Cha, P., Zhou, Y. Limited change in dune mobility in response to a large decrease in wind power in semi-arid northern China since the 1970s. Geomorphology, v.102, n.3-4, p.351–363, 2008.

Mathaba, T., Mpholo, M., Letuma, M. Velocity and power density analysis of the wind at Letseng-la-terae in Lesotho. Renewable Energy, v. 46, p. 210–217, 2012.

McVicar, T.R., Van Niel, T.G., Li, L.T. Wind speed climatology and trends for Australia, 1975–2006: capturing the stilling phenomenon and comparison with near-surface reanalysis output. Geophysical Research Letters, v. 35, n. 20, Article ID L20403, 2008.

Melo, E.C.S., Aragão, M.R.S., Correia, M.F. Regimes do Vento à Superfície na Área de Petrolina, Submédio São Francisco. Revista Brasileira de Meteorologia, v. 28, n.3, p. 229- 241, 2013.

Miglietta, M.M., Zecchetto, S., De Biasio, F. A comparison of WRF model simulations with SAR wind data in two case studies of orographic lee waves over the Eastern Mediterranean Sea. Atmospheric Research, v. 120-121, p. 127-146, 2013.

Mingoti, S. A. Análise de Dados Através de Métodos de Estatística Multivariada: uma

Modarres, R., and Da Silva. V., P., R. Rainfall trends in arid and semi-arid regions of Iran.

Journal of Arid Environments, v. 70, n. 2, p. 344–355, 2007.

Molion, L.C.B., Bernardo, S.O. Uma revisão da Dinâmica das Chuvas no Nordeste Brasileiro.

Revista Brasileira de Meteorologia, v. 17, n. 1, p. 1-10, 2002.

Monin, A.S., and Obukhov, A.M. Basic laws of turbulent mixing in the surface layer of the atmosphere. Tr. Geofiz. Inst. Akad. Nauk SSSR, v. 24, p. 163-187, 1954.

Mortensen, N. G., Bowen, A. J., and Antoniou, I. Improving WAsP predictions in (too) complex terrain. Proceedings of the 2006 European Wind Energy Conference and

Exhibition, EWEA, 2006.

Migoya, E., Crespo, A., Jiménez, Á., Garcia, J., Manuel, F. Wind Energy resource assessment in Madri region, Renewable Energy, v. 32, p. 1467-1483, 2007.

Mortensen, N. G., Heathfield, D. N., Myllerup, L., Landberg, L., Rathmann, O. Getting

Started with WAsP 9, Risø-I-2571(EN), Risø National Laboratory, 2007.

Mostafaeipour, A., Sedaghat, A., Ghalishooyan, M. Evaluation of wind energy potential as a power generation source for electricity production in Binalood, Iran. Renewable Energy, v. 52, p. 222–229, 2013.

Nawri, N., Petersen, G.N., Bjornsson, H., Hahmann, A.N., Jónasson, K., Hasager, C.B., Clausen, N.E. The Wind Energy potential of Iceland. Renewable Energy, v. 69, p. 290-299, 2014.

Najac, J., Boé, J., and Terray, L. A multi-model ensemble approach for assessment of climate change impact on surface winds in France. Climate Dynamics, v. 32, n. 5, p. 615–634, 2009.

Oliveira, J. L., and Costa, A.A. Estudo de variabilidade do vento em escala sazonal sobre o nordeste Brasileiro utilizando o RAMS: os casos de 1973-1974 e 1982-1983. Revista

Brasileira de Meteorologia, v. 26, n. 1, p. 53–66, 2011.

Oliveira, J. L. Influência da circulação geral e da variabilidade interanual sobre o

potencial eólico do Nordeste brasileiro. Dissertação (Mestrado em Ciências Físicas

Oliveira, S.S. Análise do Potencial eólico do Estado da Paraíba utilizando modelos de

mesoescala. Tese (Doutorado em Meteorologia) – Universidade Federal de Campina Grande,

Centro de Tecnologia e Recursos Naturais, 127 f.: il., 2013.

Papanastasiou, D.K., Melas, D., Lissaridis, I. Study of wind field under sea breeze conditions; an application of WRF model. Atmospheric Research, v. 98, p. 102-117, 2010.

Pereira, E.B., Martins, F.R., Pes, M.P., da Cruz Segundo, E.I., and Lyra, A.D.A. The impacts of global climate changes on the wind power density in Brazil. Renewable Energy, v. 49, p. 107-110, 2013.

Pielke, R.A. Mesoscale meteorological modeling. Second Edition. International Geophysics Series, v. 78. Academic Press, 2002.

Pirazzoli, P.A., and Tomasin, A. Recent near-surface wind changes in the central Mediterranean and Adriatic áreas International. Journal of Climatology, v. 23, n. 8, p. 963– 973, 2003.

Pinto, M. O. Fundamentos de Energia Eólica. LTC, 10 ed, 392 p., 2013.

Polzin, D., Hastenrath, S. Climate of Brazil’s nordeste and tropical atlantic sector: preferred time scales of variability. Revista Brasileira de Meteorologia, v. 29, n. 2, p. 153-160, 2014.

Pryor, S.C., Schoof, J.T., Barthelmie, R.J. Windsofchange? projections of near-surface winds under climate change scenarios. Geophysical Research Letters, v. 33, n. 11, Article ID L11702, 2006.

Pasicko, R., Brankovic, C., and Simic, Z. Assessment of climate change impacts on energy generation from renewable sources in Croatia. Renewable Energy, v. 46, p. 224–231, 2012.

Raghunathan, T., and Bondarenko, I. Diagnostics for Multiple Imputations. SSRN, 2007, http://ssrn.com/abstract=1031750.

Ramos, D.N.S., Lyra, R.F.F., Da Silva, R.S. Previsão do Vento Utilizando o Modelo Atmosférico WRF para o Estado de Alagoas. Revista Brasileira de Meteorologia, v.28, n. 2, p. 163 – 172, 2013.

Ratto, G., Maronna, R., and Berri, G. Analysis of wind roses using hierarchical cluster and multidimensional scaling analysis at La Plata, Argentina. Boundary-Layer Meteorology, v. 137, n. 3, p. 477–492, 2010.

Rehman, S. Long-term wind speed analysis and detection of its trends using Mann-Kendall test and linear regression method. Arabian Journal for Science and Engineering, v. 38, n. 2, p. 421–437, 2013.

Rocha, P.A.C., De Sousa, R.C., De Andrade, C.F., Da Silva, M.E.V. Comparison of seven numerical methods for determining Weibull parameters for wind enegry generation in the northeast region of Brazil. Applied Energy, v. 89, p. 395-400, 2012.

Salmi, T., Määttä, A., Anttila, P., Ruoho-Airola, T.; Amnell, T. Detecting Trends of Annual Values of Atmospheric Pollutants by the Mann-Kendall Test and Sen’s Slope Estimates – The Excel Template Application MAKESENS. Publication on Air Quality, Finnish

Meteorological Institute, n. 31, 2002.

Santiago de Maria, P.H., Costa, A.A, Sombra, S.S. Modelagem Numérica em Alta Resolução para previsão de Geração de Energia Eólica no Ceará. Revista Brasileira de Meteorologia, v. 23, n. 4, p. 477-489, 2008.

Santos e Silva, C. M.; Silva, A.; Oliveira, P.; Lima, K. C. Dynamical downscaling of the precipitation in Northeast Brazil with a regional climate model during contrasting years.

Atmospheric Science Letters, v. 15, p. 50-57, 2014.

Santos, A.T.S. Alguns aspectos dinâmicos e termodinâmicos de um Vórtice Ciclônico de

Altos Níveis (VCAN) sobre sua região de atuação, 115 f., S237a, Dissertação (Mestrado em

Meteorologia Processos de Superfície Terrestre) –Universidade Federal de Alagoas. Instituto de Ciências Atmosféricas.Maceió, 2005.

Santos, A.T.S., Santos e Silva, C.M. Seasonality, Interannual Variability, and Linear Tendency of Wind Speeds in the Northeast Brasil from 1986 to 2011. The Scientific World

Journal, v. 2013, p. 1-10, 2013.

Santos-Alamillos, F.J., Pozo-Vázquez, D., Ruiz-Arias, J.A., Lara-Fanego, V., Tovar- Pescador, J. Analysis of WRF model Wind Estimate Sensitivity to Physics Parameterization

Choice and Terrain Representation in Andalusia (Sounthern Spain). Journal of Applied

Meteorology and Climatology, v. 52, p. 1592-1608, 2013.

Sousa, P.H.G.O. Dinâmica ambiental e transformações socioespaciais da orla marítima

de Paracuru. Dissertação (Mestrado Acadêmico em Geografia) – Universidade Estadual do

Ceará, Centro de Ciências e Tecnologia, 113 p., 2007.

Shamarock, W.C., Klemp, J.B., Dudhia, J., Gill, D.O., Barker, D.M., Duda, M.G., Huang, X., Wang, W., and Powers, J.G. A Description of the Advanced Research WRF Version 3. National Center for Atmospheric Research, Boulder, CO, 2008.

Silva, G. R. Características de Vento da Região Nordeste. Recife: UFPE, 2003. Dissertação (Mestrado em Energia Eólica) - Programa de Pós - Graduação em Engenharia Mecânica, UFPE, 2003.

Taylor, K.E. Summarizing multiple aspects of model performance in a single diagram.

Journal of Geophysical Research, v. 106, p. 7183-7192, 2001.

Tewari, M., F. Chen, W. Wang, J. Dudhia, M. A. LeMone, K. Mitchell, M. Ek, G. Gayno, J. Wegiel, and R. H. Cuenca. Implementation and verification of the unified NOAH land surface model in the WRF model. 20th conference on weather analysis and forecasting/16th

conference on numerical weather prediction, p. 11–15, 2004.

Troccoli, A., Muller, K., Coppin, P., Davy, R., Russell, C., Hirsch, A.L. Long-term wind speed trends over Australia. Journal of Climate, v.25, n.1, p.170–183,2012.

Usbeck, T., Wohlgemuth, T., Pfister, C., Volz, R., Beniston, M., Dobbertin, M. Wind speed measurements and forest damage in Canton Zurich (Central Europe) from 1891 to winter 2007. International Journal of Climatology, v. 30, n.3, p.347–358, 2010.

Valeriano, M. M.; Rossetti, D. F. Topodata: Brazilian full coverage refinement of SRTM data.

Applied Geography, v. 32, p. 300-309, 2012.

Van Buuren, S., and Groothuis-Oudshoorn, K. Mice: multivariate imputation by chained equations in R. Journal of Statistical Software, v. 45, n. 3, pp. 1–67, 2011.

Vieira, C. F. A. Sensibilidade do modelo WAsP aos efeitos da estabilidade atmosférica no

Nordeste do Brasil, Dissertação (Mestrado em Ciências Físicas Aplicadas), Universidade

Estadual do Ceara, Fortaleza, Brasil, 2008.

Wallace, J.M. and Hobbs, P.V. Atmospheric Science: An Introductory Survey, 2nd Ed.,

Belgede Küreselleşmenin Aile Üzerindeki Etkileri ve İslami Perspektif (sayfa 122-126)