UNIVERSIDADE FEDERAL DE ALAGOAS

CENTRO DE TECNOLOGIA
ENGENHARIA AMBIENTAL E SANITÁRIA

MODELO DE PREVISÃO DE MARÉS: PORTO DE WEST PALM BEACH,

FLÓRIDA

Maceió – 2021
 UNIVERSIDADE FEDERAL DE ALAGOAS
CENTRO DE TECNOLOGIA
ENGENHARIA AMBIENTAL E SANITÁRIA

BRENDA BARROS CABRAL

MODELO DE PREVISÃO DE MARÉS: PORTO DE WEST PALM BEACH,

FLÓRIDA

Relatório utilizado como requisito

para obtenção de nota na disciplina de
Sistemas Estuarinos Costeiros, ministrada
pelo professor Carlos Ruberto Fragoso Jr.

Maceió – 2021
 1. INTRODUÇÃO

As marés são modificações cíclicas no nível do mar, podem ser influenciadas pela
rotação da Terra em conjunto com as forças exercidas pela lua e o sol. Suas características
variam de acordo com local em que se encontram, como amplitude e periodicidade.

O conhecimento das variações das alturas do nível do mar é importante do ponto

de vista da navegação para determinar valores de baixa-mar e sizígia de uma determinada
região, mas também para a utilização em modelos matemáticos que podem ajudar a
determinar processos hidrodinâmicos e padrões de transporte de sedimentos, através da
previsão de cenários futuros, o que se torna ferramenta essencial para a construção de
estruturas portuárias na zona costeira, ou proteção da mesma.

A maré possui grande relevância na hidrodinâmica estuarina, sendo assim, os

ciclos de maré, valores de maré real, devem ser registrados por meio de estações
maregráficas da forma mais precisa possível, a fim de que seja possível a aplicação de
um modelo físico ou computacional de previsão de maré, baseado em, ao menos, trinta
constituintes harmônicas calculadas.

2. OBJETIVO

O relatório tem como objetivo utilizar dados da maré no Porto de West Palm
Beach, na Flórida, com ID 8722588, para aplicar um modelo simplificado de previsão de
marés, baseado em constituintes harmônicas observadas durante dois anos, entre 2008 e
2010, para que os resultados obtidos sejam comparados com dados reais e o modelo usado
seja colocado à prova, para isso, será utilizado o software JTide.

3. METODOLOGIA

Para aplicar um modelo de previsão de maré é necessário obter os registros das

tábuas de marés na localidade e período de tempo determinados, por meio de quadros de
informações chamados cartas náuticas, que possuem as informações sobre o
comportamento das correntes de maré.

Na primeira etapa foi realizada uma coleta na base de dados do site Tides &
Currents – NOAA, pelo Center for Operational Oceoanographic Products and Services,
a escolha do período de tempo se deu pela quantidade satisfatória de dados na estação
selecionada, de acordo com o código da estação ID: 8722588, foram selecionados dados
equivalentes a 32 constantes harmônicas, representadas na tabela a seguir:
 Tabela 1: Constituintes harmônicas coletadas do site Tides and Currents.
CONSTITUINTES HARMÔNICAS - ID: 8722588
NOME AMPLITUDE FASE VELOCIDADE DESCRIÇÃO
M2 0,4 20,10 28,984104 Principal constituinte lunar semidiurno
S2 0,067 47,00 30,000000 Principal constituinte solar semidiurno
N2 0,096 358,50 28,439730 Constituinte semidiurno elíptico lunar maior
K1 0,061 222,50 15,041069 Constituinte lunar diurno
M4 0,004 166,60 57,968210 Overtides em águas rasas do principal
constituinte lunar
O1 0,048 236,60 13,943035 Constituinte lunar diurno
M6 0,004 48,00 86,952320 Overtides em águas rasas do principal
constituinte lunar
S4 0,002 264,20 60,000000 Overtides de águas rasas do principal
constituinte solar
MN4 0,003 161,00 57,423832 Constituinte diurno de um quarto de águas rasas
NU2 0,018 357,40 28,512583 Maior constituinte evectional lunar
MU2 0,012 10,50 27,968208 Constituinte Variacional
2N2 0,015 342,40 27,895355 Constituinte elíptico lunar semidiurno de
segunda ordem
OO1 0,002 229,30 16,139101 Lunar diurno
LAM2 0,004 35,20 29,455626 Constituinte evectional lunar menor
S1 0,002 308,50 15,000000 Constituinte solar diurno
M1 0,002 247,80 14,496694 Constituinte diurno elíptico lunar menor
J1 0,004 225,50 15,585444 Constituinte diurno elíptico lunar menor
SSA 0,074 51,60 0,082137 Constituinte semestral solar
SA 0,134 190,60 0,041069 Constituinte anual solar
RHO 0,002 236,70 13,471515 Maior constituinte diurno evectional lunar
T1 0,01 235,50 13,398661 Maior constituinte diurno elíptico lunar
T2 0,007 28,50 29,958933 Maior constituinte elíptico solar
R2 0,002 272,20 30,041067 Constituinte elíptico solar menor
P1 0,017 226,80 14,958931 Constituinte solar diurno
2SM2 0,001 48,50 31,015896 Constituinte semidiurno de águas rasas
M3 0,002 45,60 43,476160 Constituinte terdiurno lunar
L2 0,015 47,90 29,528479 Constituinte semidiurno elíptico lunar menor
K2 0,017 45,10 30,082138 Constituinte semidiurno lunisolar
MS4 0,002 157,30 58,984104 Constituinte diurno de um quarto de águas rasas

Fonte: Autor, 2021.

O modelo de previsão de marés utilizado se baseia nas principais componentes

harmônicas, sendo elas: amplitude harmônica (H), fase harmônica (G), velocidade
angular (𝜔) e o tempo (t), como pode-se observar na tabela anterior. A fórmula aplicada
para cada constituinte harmônica está abaixo:

𝛿(𝑡) = ∑ 𝐻𝑖 cos∙(𝜔𝑖 𝑡 + 𝐺𝑖) 𝑛 𝑖 (Equação 1)

 Utilizando o software Excel, todos os dados coletados foram organizados numa
planilha que contou com 32 colunas e 746 linhas, a equação 1 foi adaptada para o software
e aplicada para todas as constituintes harmônicas, o valor gerado é somado ao valor do
nível médio da maré e todos são somados, obtendo assim a altura da maré em determinado
intervalo de tempo.
Para que todos os cálculos fossem possíveis, os valores obtidos de velocidade
angular e fase foram convertidos de graus para radianos antes de aplicados à fórmula,
além disso, foi estabelecido um período de um mês para a previsão de marés da zona
selecionada, sendo o mês de março de 2021, o modelo contou com uma variação do tempo
de 0 a 744 horas.

Tabela 2: Parte da planilha preenchida do modelo de previsão de marés no Excel.

Data e T
Hora (hora) M2 S2 N2 K1 M4 O1 M6 S4 MN4 NU2 MU2 2N2
1/3/21 0:00 0 0,3756 0,04569 0,09597 -0,04497 -0,00389 -0,02642 0,00268 -0,0002 -0,0028 0,01798 0,011799 0,0143

1/3/21 1:00 1 0,262 0,01507 0,08558 -0,03274 -0,00285 -0,01599 -0,00283 0,00162 -0,0024 0,01619 0,009395 0,01476

1/3/21 2:00 2 0,0827 -0,01959 0,05454 -0,01826 0,000868 -0,00461 -0,00298 0,00182 0,0003 0,01047 0,004797 0,01179

1/3/21 3:00 3 -0,1173 -0,04900 0,01034 -0,00253 0,003771 0,00704 0,00251 0,0002 0,0027 0,00221 -0,000922 0,00608

1/3/21 4:00 4 -0,2879 -0,06528 -0,0364 0,01337 0,003132 0,01827 0,00324 -0,0016 0,0026 -0,00658 -0,006425 -0,00104

1/3/21 5:00 5 -0,3864 -0,06407 -0,0743 0,02836 -0,00045 0,02843 -0,00216 -0,0018 9,8E-05 -0,01378 -0,010428 -0,00792

1/3/21 6:00 6 -0,3881 -0,04569 -0,0943 0,0414 -0,00361 0,03691 -0,00347 -0,0002 -0,0025 -0,01764 -0,011995 -0,01296

1/3/21 7:00 7 -0,2926 -0,01507 -0,0915 0,05161 -0,00338 0,04322 0,0018 0,00162 -0,0028 -0,01721 -0,01076 -0,01499

1/3/21 8:00 8 -0,1238 0,01959 -0,0667 0,05828 2,41E-05 0,04698 0,00366 0,00182 -5,0E-04 -0,01262 -0,007012 -0,01353

1/3/21 9:00 9 0,076 0,04900 -0,0257 0,06096 0,003404 0,04797 -0,00141 0,0002 0,0022 -0,00496 -0,001626 -0,00893

1/3/21 10:00 10 0,2568 0,06528 0,02143 0,05946 0,003586 0,04613 -0,00381 -0,0016 0,0029 0,0039 0,00414 -0,00226

1/3/21 11:00 11 0,3732 0,06407 0,06341 0,05388 0,000401 0,04158 0,001 -0,0018 0,0009 0,01182 0,008939 0,00495

1/3/21 12:00 12 0,3962 0,04569 0,09008 0,04462 -0,00316 0,03458 0,00392 -0,0002 -0,0019 0,01687 0,01165 0,0110

1/3/21 13:00 13 0,3199 0,01507 0,09501 0,03229 -0,00375 0,02554 -0,00058 0,00162 -0,003 0,01782 0,011639 0,01449

1/3/21 14:00 14 0,1635 -0,01959 0,07701 0,01776 -0,00082 0,01499 -0,00398 0,00182 -0,0013 0,01446 0,00891 0,01462

1/3/21 15:00 15 -0,0339 -0,04900 0,04043 0,00201 0,002883 0,00356 0,00016 0,0002 0,0016 0,00758 0,0041 0,01135

1/3/21 16:00 16 -0,2228 -0,06528 -0,0059 -0,01388 0,00388 -0,00808 0,004 -0,0016 0,003 -0,00113 -0,001668 0,00544

1/3/21 17:00 17 -0,3559 -0,06407 -0,0508 -0,02882 0,001232 -0,01924 0,00027 -0,0018 0,0016 -0,00957 -0,007047 -0,00173

1/3/21 18:00 18 -0,3998 -0,04569 -0,0835 -0,04179 -0,00257 -0,02927 -0,00397 -0,0002 -0,0013 -0,01569 -0,010779 -0,0085

1/3/21 19:00 19 -0,3436 -0,01507 -0,096 -0,05189 -0,00396 -0,03757 -0,00069 0,00162 -0,003 -0,018 -0,011993 -0,01329

1/3/21 20:00 20 -0,2013 0,01959 -0,0853 -0,05843 -0,00163 -0,04366 0,0039 0,00182 -0,0019 -0,01594 -0,010407 -0,015

1/3/21 21:00 21 -0,0086 0,04900 -0,0541 -0,06098 0,002233 -0,04718 0,0011 0,0002 0,0009 -0,01002 -0,006389 -0,01322

1/3/21 22:00 22 0,1862 0,06528 -0,0097 -0,05934 0,003998 -0,04792 -0,00378 -0,0016 0,0029 -0,00167 -0,000879 -0,00837

1/3/21 23:00 23 0,3345 0,06407 0,03691 -0,05364 0,002008 -0,04583 -0,0015 -0,0018 0,0022 0,00709 0,004837 -0,00157

2/3/21 0:00 24 0,3989 0,04569 0,07466 -0,04426 -0,00187 -0,04104 0,00362 -0,0002 -0,0005 0,01413 0,009422 0,00559

2/3/21 1:00 25 0,3634 0,01507 0,09439 -0,03185 -0,00399 -0,03384 0,00189 0,00162 -0,0028 0,01774 0,011807 0,01145

Fonte: Autor, 2021.

 Para comparar a atuação do modelo, utilizou-se o software JTides, os mesmos
dados equivalentes ao mês de março da estação escolhida foram adicionados, gerando
uma tabela composta por 6 colunas e 746 linhas, mostrada a seguir:

Tabela 3: Dados inseridos no JTides.

UTCDate UTCTime Date Time Tide Units

01/03/2021 05:00:00 01/03/2021 0 0,72 Meters
01/03/2021 06:00:00 01/03/2021 1 0,51 Meters
01/03/2021 07:00:00 01/03/2021 2 0,27 Meters
01/03/2021 08:00:00 01/03/2021 3 0,06 Meters
01/03/2021 09:00:00 01/03/2021 4 -0,1 Meters
01/03/2021 10:00:00 01/03/2021 5 -0,15 Meters
01/03/2021 11:00:00 01/03/2021 6 -0,08 Meters
01/03/2021 12:00:00 01/03/2021 7 0,1 Meters
01/03/2021 13:00:00 01/03/2021 8 0,37 Meters
01/03/2021 14:00:00 01/03/2021 9 0,63 Meters
01/03/2021 15:00:00 01/03/2021 10 0,81 Meters
01/03/2021 16:00:00 01/03/2021 11 0,85 Meters
01/03/2021 17:00:00 01/03/2021 12 0,76 Meters
01/03/2021 18:00:00 01/03/2021 13 0,58 Meters
01/03/2021 19:00:00 01/03/2021 14 0,34 Meters
01/03/2021 20:00:00 01/03/2021 15 0,11 Meters

Fonte: Autor, 2021.

A partir da aplicação dos modelos mencionados, foram gerados gráficos de

comportamento das marés, com o propósito de comparar os resultados do modelo
construído no Excel e do executado pelo software JTides.

4. RESULTADOS E DISCUSSÃO

O primeiro gráfico mostra o comportamento das marés pelo modelo baseado nos
cálculos e utilizando apenas o software Excel, tabela 2.
 Gráfico 1: Curva modelo de previsão de marés. West Palm Beach, FL.

MODELO DE PREVISÃO DE MARÉS

1,2

0,8

0,6
ALTURA DA MARÉ (M)

0,4

0,2

-0,2

-0,4

-0,6
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750
TEMPO (HRS)

Fonte: Autor, 2021.

O segundo gráfico apresenta o modelo desenvolvido pelo software JTides a partir

dos mesmos dados, pode-se perceber que os resultados apresentam a mesma tendência de
comportamento.
Gráfico 2: Curva previsão de marés pelo JTides. West Palm Beach, FL.

JTIDES - PREVISÃO DE MARÉS

1,2

0,8

0,6
ALTURA DE MARÉ (M)

0,4

0,2

-0,2

-0,4
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750
TEMPO (H)

Fonte: Autor, 2021.

 A fim de consolidar a comparação do modelo e do JTides, foi gerado um gráfico
com as duas curvas.

Gráfico 3: Comparação de resultados de modelos de previsão de marés.

Modelo de Previsão de Marés Jtides

1,2

0,8
ALTURA DE MARÉ (M)

0,6

0,4

0,2

-0,2

-0,4

-0,6
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750

TEMPO (H)

Fonte: Autor, 2021.

O erro pode ser calculado pela expressão a seguir:

ERRO = AmplitudeModelo - AmplitudeJTides (Equação 2)

Utilizando a equação 2 numa nova planilha do Excel, o erro médio encontrado foi
igual a 0,907, valor que indica que as curvas apresentam uma boa correlação e tendências
semelhantes.

5. CONCLUSÃO

Visto que os gráficos gerados apresentaram padrões de comportamento

semelhantes e o valor da correlação foi satisfatório, podemos afirmar que o modelo
aplicado, em comparação com o software JTides, apresentou resultados de previsão de
maré coerentes, sendo uma alternativa apropriada para esse tipo de estudo.
 6. REFERÊNCIAS

[1] NOAA – National Oceanis and Atmopheric Administratio. About Harmonis

Constituents. Disponível em:
<https://tidesandcurrents.noaa.gov/about_harmonic_constituents.html>. Acesso em: 10
jul. 2021.

[2] COELHO, A. Método de previsão de maré oceânica, utilizando análise harmônica

em séries de 18,69 anos. Dissertação (Mestrado em Engenharia Civil) – Faculdade de
Engenharia Civil, Arquitetura e Urbanismo da Unicamp. Campinas. 2016.

[3] MARÉS. Disponível em: <http://www.iag.usp.br/siae98/fenomastro/mares.htm>.

Acesso em: 12 jul. 2021.