UNIVERSIDADE FEDERAL FLUMINENSE

ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA QUÍMICA E DE PETRÓLEO

BARBARA ARAUJO DE OLIVEIRA SIQUEIRA

ESTUDO DA DISPERSÃO DE EFLUENTES A PARTIR DE

UMA CHAMINÉ POR FLUIDODINÂMICA
COMPUTACIONAL
 BARBARA ARAUJO DE OLIVEIRA SIQUEIRA

ESTUDO DA DISPERSÃO DE EFLUENTES A PARTIR DE

UMA CHAMINÉ POR FLUIDODINÂMICA
COMPUTACIONAL

Projeto Final apresentado ao Curso de Graduação em

Engenharia Química, oferecido pelo departamento de
Engenharia Química e de Petróleo da Escola de
Engenharia da Universidade Federal Fluminense,
como requisito parcial para obtenção do Grau de
Bacharel em Engenharia Química.

ORIENTADOR

Prof. Dr. João Felipe Mitre de Araujo

 DEDICATÓRIA

Dedico este trabalho a todos que me apoiaram durante a minha formação no curso
de Engenharia Química da Universidade Federal Fluminense. O dedico
principalmente à minha irmã, Carla Araújo de Oliveira Siqueira e aos meus pais,
Sandra Araújo de Oliveira Siqueira e Carlos Eduardo de Azevedo Siqueira que
apesar de todas as discordâncias, me impulsionaram a viver essa graduação.
 AGRADECIMENTOS
Família, amigos, time, colegas de quarto, conhecidos, pouco conhecidos, agradeço
a toda vida que encontrou a minha durante o período de graduação e
inevitavelmente contribuiu para a formação da pessoa e profissional que sou hoje.
Agradeço à minha família pela confiança e amor para comigo, por aguentarem a
distância e me ensinarem a buscar meus objetivos, por me buscarem sempre e por
estarem presentes mesmo contra tempos e espaços.
Agradeço aos amigos, de longe e de perto, por aguentarem o tempo e por serem
carinho, riso, furada, abrigo, ouvido, estrada, basquete, dança, graça e por vezes
aflição também. Em especial, agradeço aos que foram e são casa, por todos os
bandejões, orlas, praias, sorvetões, calouradas, por todo “bem”.
Agradeço à família LOOP, em especial, a profᵃ Rut Amélia Diaz por toda amizade e
aprendizado ao longo da graduação.
Agradeço a todos os professores e professoras do departamento de Engenharia
Química e de Petróleo da Escola de Engenharia da UFF pelos valiosos
ensinamentos, em especial, ao professor João Felipe Mitre de Araujo por me
apresentar a arte e ciência da fluidodinâmica computacional e por aceitar orientar
este trabalho.
Agradeço, por fim, à Universidade Federal Fluminense por abrir tantas
oportunidades, apresentar tanta diversidade, cor, vida e conhecimento. Agradeço
por aguçar ainda mais minha curiosidade e, assim como em casa, por me motivar a
ser sempre mais.
“Valeu a pena? Tudo vale a pena
Se a alma não é pequena.”
Fernando Pessoa
 RESUMO

A problemática da dispersão de poluentes na atmosfera está nos efeitos da

concentração da substância vazada sobre a saúde humana, seu bem estar e sobre
o meio ambiente. Diante disto, o objetivo deste trabalho foi simular o comportamento
da liberação de uma mistura de efluentes gasosa composta por ar atmosférico e
dióxido de carbono a partir de uma chaminé na atmosfera por meio da técnica da
fluidodinâmica computacional e comparar os resultados obtidos por essa técnica
com os resultados provenientes do modelo analítico de pluma gaussiana. A
simulação foi realizada por meio do programa ANSYS CFX® 19.5, na qual foi
modelada a liberação contínua da mistura de efluentes a temperatura ambiente sob
uma análise tridimensional e transiente do escoamento. Os resultados da simulação
demonstraram a deflexão da pluma liberada pela chaminé em direção ao solo na
direção do vento e a formação de zonas de recirculação na atmosfera que
evidenciam as contribuições das forças de empuxo e gravitacionais no escoamento
simulado como um todo. Os resultados da comparação entre modelo numérico e
analítico reforçaram as limitações do modelo analítico utilizado e confirmou a
eficiência da aplicação da técnica de CFD para a modelagem do fenômeno de
dispersão de plumas densas.

PALAVRAS – CHAVE: Dispersão de gases, CFD, Pluma de gás denso; Modelo de

pluma gaussiana.
 ABSTRACT

One of the most critical aspect of the gas dispersion phenomena is related to the
consequences of the pollutant concentration on human health, well-being and on the
environment. Based on this, the aim of this assessment is to simulate the release of
a mix formed by atmospheric air and carbon dioxide through a chimney in an open
atmosphere throughout CFD methodology and to compare the results provided by
the numerical approach to the ones provided by the analytical gaussian plume
model. The simulation of the scenario proposed was developed in ANSYS CFX®
19.5 software, in which the continuous release of the effluents was modelled
considering the leak temperature as the ambient temperature and a 3D and
transiente flow analysis. The results of the simulation showed the deflection of gas
plume donwind towards the ground direction and the occurrence of recirculation
zones in the atmosphere which highlights the influence of the buoyant and
gravitational forces in the fluid flow. The results of the comparison between the
numerical and analytical model also showed the applicability limitations of the second
one and confirmed the efficiency of the CFD methodology for modeling the dense
gas plumes dispersion phenomena.

KEY WORDS: Gas Dispersion, CFD, Dense gas plume, gaussian plume model.
 LISTA DE ILUSTRAÇÕES

Figura 1 - Fenômeno de dispersão de uma pluma de gás densa ............................. 21

Figura 2 - Fluxograma sequencial de etapas para implementação da metodologia

CFD. .......................................................................................................................... 26

Figura 3 - Exemplo de tipos de malha computacional. .............................................. 30

Figura 4 - Dinâmica da camada limite atmosférica - zonas de recirculação. ............. 33

Figura 5 - Representação do domínio físico da simulação e suas dimensões. ......... 44

Figura 6 - Linha de referência para monitoramento de variáveis para o estudo de

convergência de malha. ............................................................................................ 50

Figura 7 - Gráficos das variáveis concentração mássica de CO2, temperatura,

pressão e velocidade escalar na linha de referência no tempo de 190 s. ................. 50

Figura 8 - Vista de cortes gerais da malha computacional. ....................................... 51

Figura 9 - Refinamento da malha próximo ao ponto de vazamento – vista lateral (a) e

vista frontal (b)........................................................................................................... 52

Figura 10 - Camada de prismas aplicada a saída da chaminé, paredes da chaminé e

solo. ........................................................................................................................... 52

Figura 11 - Erro máximo obtido para as variáveis Fração mássica de CO2,

Momentum e Entalpia................................................................................................ 53

Figura 12 - Dispersão de vazamento de fluido mais denso que o ar atmosférico a

temperatura ambiente – Vista XZ (Y=125m). ............................................................ 54

Figura 13 - Área afetada pela dispersão da pluma de efluentes no solo - Vista XY .. 54

Figura 14 - Perfil da velocidade escalar no domínio computacional próximo do ponto

de vazamento em t = 140 s. ...................................................................................... 55

Figura 15 - Perfil de estratificação da pressão na atmosfera segundo a altura. ........ 56

Figura 16 - Zona de recirculação da simulação de dispersão atmosférica. ............... 57

Figura 17 - Desenvolvimento do vazamento contínuo de mistura de efluentes

contendo CO2 ao longo do tempo – Vista XZ (Y=125 m). ........................................ 57

Figura 18 - Localização dos pontos A, B e C no domínio computacional. ................. 59

Figura 19 - Perfis da fração mássica de CO2 ao longo do tempo de simulação para

os pontos A, B e C respectivamente. ........................................................................ 59

Figura 20 - Linhas referenciais analisadas pelo modelo numérico e pelo modelo

matemático ................................................................................................................ 61

Figura 21 - Concentração de CO2 ao longo do eixo x para o modelo numérico de

CFD e o modelo analítico de pluma gaussiana. ........................................................ 62

 LISTA DE TABELAS

Tabela 1 - Densidade dos gases ideais Ar atmosférico e CO2. ................................. 21

Tabela 2 - Modelagem do fenômeno de turbulência. ................................................ 34

Tabela 3 - Parâmetros de construção das malhas computacionais para teste de

convergência. ............................................................................................................ 45

Tabela 4 - Características das malhas computacionais utilizadas para o teste de

convergência de malha. ............................................................................................ 49

 LISTA DE ABREVIATURAS E SIGLAS

AQR - Analise Quantitativa de Risco

CFD - Computational fluid dynamics
Convenção-Quadro das Nações Unidas sobre
CQNUMC -
Mudança do Clima
DNS - Direct Numerical simulatio
INPE - Instituto Nacional de Pesquisas Espaciais
LES - Large Eddy simulation
MDF - Método das diferenças finitas
MEF - Método dos elementos finitos
MVF - Método dos volumes finitos
MPG - Método de pluma Gaussiana
MBQ - Modelo de Britter McQuaid
NR - Norma Regulamentadora
PNMC - Política Nacional sobre Mudança do Clima
MAX - Resíduo Máximo
RANS - Reynolds Averaged Navier-Stokes
SST - Shear Stress Transport
SSG - SSG Reynolds Stress
VLS - veículo lançador de satélites
WRF - Weather Research Forecasting
 LISTA DE SÍMBOLOS
𝐻 Altura do ponto de vazamento
𝜆 Coeficiente de difusão
𝜎𝑦 , 𝜎𝑧 Coeficientes de dispersão de Pasquill-Gifford
𝑢𝑥 Componente na direção x do vetor velocidade
𝑢𝑦 Componente na direção y do vetor velocidade
𝑢𝑧 Componente na direção z do vetor velocidade
𝐶𝑚 Concentração da mistura
〈𝐶 〉 Concentração média do poluente
𝜅 Energia cinética turbulenta
ℎ𝑡𝑜𝑡 Entalpia total
𝑆𝑒 Fontes de energia - reações químicas ou radiação
𝑆𝑚 Forças de empuxo ou gradientes de pressão
𝜌 Massa específica
𝐶𝑜 Número de Courant
∆𝑡 Passo de tempo
𝑝 Pressão
∆𝑥 Tamanho dos elementos da malha
ε Taxa de dissipação da energia cinética turbulenta
𝑇 Temperatura
𝑇𝑚 Temperatura da mistura
𝑇𝑠𝑢𝑝𝑒𝑟𝑓í𝑐𝑖𝑒 Temperatura na superfície
𝜏𝑠𝑢𝑝𝑒𝑟𝑓í𝑐𝑖𝑒 Tensão cisalhante na superfície
𝜏𝑖𝑗 Tensões viscosas
𝜙 Variável genérica
𝑄𝑚 Vazão mássica
𝑚̇𝑚 Vazão mássica da mistura
𝑣 Velocidade média do escoamento
𝑢𝑠𝑢𝑝𝑒𝑟𝑓í𝑐𝑖𝑒 Velocidade na superfície
𝑢𝑛,𝑠𝑢𝑝𝑒𝑟𝑓í𝑐𝑖𝑒 Velocidade normal a superfície
𝑈𝑗 Vetor velocidade
 SUMÁRIO

1 INTRODUÇÃO ................................................................................................... 17
1.1 PROBLEMÁTICA DA POLUIÇÃO ATMOSFÉRICA ..................................................... 17
1.1.1 Definição da poluição ................................................................................ 17
1.1.2 O dióxido de carbono e seus efeitos no meio ambiente e na saúde
humana ............................................................................................................... 17
1.1.3 Aplicação da metodologia CFD ................................................................. 19
1.2 OBJETIVOS ..................................................................................................... 19
1.3 ESTRUTURA DO TRABALHO .............................................................................. 20
2 FUNDAMENTAÇÃO TEÓRICA E REVISÃO DA LITERATURA ....................... 21
2.1 PROPRIEDADES FÍSICO-QUÍMICAS DO DIÓXIDO DE CARBONO ............................... 21
2.2 DEFINIÇÃO DO FENÔMENO DE DISPERSÃO DE GASES .......................................... 21
2.2.1 Variáveis no cenário da dispersão de gases............................................. 22
2.3 TIPOS DE MODELOS PARA O ESTUDO DE DISPERSÃO ATMOSFÉRICA DE GASES ...... 23
2.4 METODOLOGIA DE CFD................................................................................... 25
2.5 EQUAÇÕES DE CONSERVAÇÃO ......................................................................... 27
2.6 CONCEITO DE MALHA ...................................................................................... 29
2.7 MÉTODOS NUMÉRICOS DE DISCRETIZAÇÃO ........................................................ 31
2.8 NÚMERO DE COURANT .................................................................................... 32
2.9 CARACTERIZAÇÃO DO CENÁRIO ESPERADO ....................................................... 32
2.10 FENÔMENO DE TURBULÊNCIA ........................................................................... 34
2.11 TRABALHOS NA ÁREA ...................................................................................... 36
3 METODOLOGIA ................................................................................................. 44
3.1 DOMÍNIO FÍSICO .............................................................................................. 44
3.2 DOMÍNIO COMPUTACIONAL ............................................................................... 44
3.3 MODELO FÍSICO.............................................................................................. 45
3.3.1 Condições de contorno ............................................................................. 45
3.4 ANÁLISES DESENVOLVIDAS .............................................................................. 48
4 RESULTADOS E DISCUSSÃO ......................................................................... 49
4.1 CONVERGÊNCIA DE MALHA .............................................................................. 49
4.2 RESÍDUO DA SIMULAÇÃO UTILIZANDO A MALHA M3 ............................................. 52
4.3 ANÁLISE DO DESENVOLVIMENTO DA PLUMA NO TEMPO........................................ 53
4.4 RESULTADOS NUMÉRICO VERSUS ANALÍTICO ..................................................... 59
5 CONCLUSÃO ..................................................................................................... 63
5.1 PROPOSTAS DE TRABALHOS FUTUROS .............................................................. 64
 17

1 INTRODUÇÃO

1.1 Problemática da poluição atmosférica

1.1.1 Definição da poluição

A poluição atmosférica se caracteriza pelo aumento da capacidade oxidativa
da atmosfera, pela redução da sua visibilidade somado a deterioração da qualidade
do ar na região (WANG et al., 2013). A mesma decorre da existência ou emissão no
ambiente atmosférico de substâncias em concentração suficientemente alta para
interferir de maneira direta ou indireta na saúde da humanidade, na sua segurança e
no seu bem estar ou no pleno uso e gozo das suas propriedades (LISBOA, 2007).
De acordo com Romeu (2002), Transande e Thurston (2005) e Moura (2006)
(apud OLIVEIRA, 2008), há uma enorme gama de compostos químicos inaláveis no
ar, porém, seu potencial para agravar o estado e ocorrência de determinadas
patologias depende de fatores tais quais concentração e toxicidade desses
compostos, tempo de exposição dos organismos a eles, tipo de reação biológica por
parte destes organismos a esta exposição, além dos aditivos de exposições
múltiplas, uma vez que os efeitos decorrentes do contato com estas substâncias não
ocorrem isoladamente.
“A origem da poluição atmosférica é predominantemente antropogênica”
(BRITO e FERNANDES, 2012). Em se tratando dos gases do efeito estufa,
fenômeno que se caracteriza pela retenção do calor proveniente do aquecimento
pelos raios solares da Terra devido à formação de uma camada de poluentes na
atmosfera e cujo efeito se verifica no aumento da temperatura média do planeta
(LISBOA, 2007), no Brasil, a poluição apresenta como principais fontes, a mudança
do uso da Terra, de florestas e da agropecuária, relacionados ao desmatamento, e
às atividades dos setores de geração de energia, industrial e de tratamento de
resíduos (BRASIL, 2013).

1.1.2 O dióxido de carbono e seus efeitos no meio ambiente e na saúde

humana
O dióxido de carbono (CO2) é o gás mais abundante do efeito estufa. Ele é
originado a partir da combustão completa de combustíveis fósseis tais quais gás
 18

natural, petróleo e carvão mineral, de processos naturais como respiração e

processos metabólicos e da conversão de monóxido de carbono (CO) na atmosfera
cuja reação é muito lenta (OLIVEIRA, 2008).
Das principais mazelas que elevadas concentrações deste composto podem
provocar, lista-se o agravamento do efeito estufa cujas consequências atingem
diversos sistemas ambientais por meio de mudanças climáticas (LISBOA, 2007) e os
efeitos sobre a saúde humana, a qual pode ser prejudicada pelo aumento da acidez
do sangue, podendo levar a processos de hiperventilação, transpiração, dor de
cabeça, perda de consciência e a morte (OLIVEIRA, 2008).
Com relação a regulamentação sobre a questão ambiental, com o objetivo de
combater a problemática do acúmulo de CO2 e outros gases que intensificam o
efeito estufa, os países estabeleceram o regime de mudança do clima. Este regime
se fundamenta na Convenção-Quadro das Nações Unidas sobre Mudança do Clima
(CQNUMC) e no Protocolo de Quioto (BRASIL, 2013).
Em 2009, a Política Nacional sobre Mudança do Clima (PNMC) foi instituída
pela Lei n°12.187, de dezembro de 2009 que oficializou o compromisso voluntário do
Brasil, em acordo com a Convenção-Quadro das Nações Unidas de reduzir as
emissões de gases de efeito estufa entre 36,1% e 38,9% das emissões projetadas
para 2020. Além disto, esta lei abordou os Planos Setoriais de Mitigação e
Adaptação à Mudança do Clima (BRASIL, 2013).
Segundo dados oficiais mais recentes coordenados pelo Ministério da
Ciência, Tecnologia, Inovações e Comunicação a redução das emissões desse gás
já era de 58% em 2015 e num comparativo com o ano de 2005 já havia alcançado
35%, o que indica que o país está próximo de cumprir seus compromissos neste
âmbito (BRASIL, 2019a)
Referente a regulamentação sobre a saúde humana, segundo a norma
regulamentadora 15 anexo n°11, a concentração máxima a qual um operador pode
estar exposto em uma jornada de 48 horas semanais é de 3900 ppm ou 7020 mg/m³
de CO2 (BRASIL, 2019b).
Diante disto, verifica-se a importância do estudo do fenômeno de dispersão
atmosférica de efluentes contendo CO2 para a compreensão do seu comportamento
quando emitidos na atmosfera e das suas iterações e impactos com e sobre o meio
ambiente. Além de, por meio desta análise, ser possível monitorar as concentrações
de CO2 presentes no espaço ao longo do tempo e prever a evolução das dispersões
 19

atmosféricas (GADELHA, 2016) de modo que seja possível identificar, baseando-se

nos limites definidos pela norma regulamentadora, as zonas de acúmulo de
efluentes e avaliar a qualidade do ar atmosférico nas regiões mais atingidas por
essas dispersões.

1.1.3 Aplicação da metodologia CFD

O fenômeno de dispersão atmosférica pode ser modelado por abordagens
teóricas, que compreendem os modelos analíticos e numéricos, e pelas abordagens
experimentais que compreendem os modelos estatísticos, simulações físicas,
experimentos de campo e de laboratório (BOÇON, 1998).
Dentre as abordagens teóricas, a fluidodinâmica computacional é uma
excelente ferramenta numérica para a análise do escoamento de fluidos de modo
geral.
Muito utilizada para fins industriais e não industriais esta técnica atualmente é
implementada em diversos segmentos da indústria (VERSTEEG e MALALASKERA,
2007). Fundamentada na resolução das equações de conservação de massa,
energia e da quantidade de movimento, por meio dela é possível averiguar o valor
da variável de interesse em qualquer região do domínio fluido definido e avaliar com
maior rapidez e facilidade os resultados de variações nos parâmetros da análise.
Ainda assim, todo este poder de cálculo computacional exige validação com
dados experimentais e modelos reais de modo a se garantir a concordância dos
resultados com a realidade e, dentre as desvantagens, pode-se apontar que apesar
de ser uma ferramenta bastante eficaz na solução deste modelo de exercício, ela
pode demandar altos custos computacionais, tornando inviável a simulação de
alguns cenários a depender das limitações de hardware do computador no qual esta
ferramenta é utilizada.

1.2 Objetivos
Motivado pelo que foi exposto, o objetivo geral deste trabalho foi analisar o
fenômeno de dispersão de poluentes de uma chaminé cujo efluente vazado consiste
em uma mistura de CO2 e ar atmosférico como gases ideais à temperatura ambiente
sob a configuração de uma liberação contínua caracterizada como transiente e
tridimensional.
Dentre os objetivos específicos do trabalho, tem-se:
 20

• Simular o cenário de dispersão no software ANSYS CFX® 19.5 estudantil;

• Realizar um estudo de convergência de malha para a definição da malha
computacional a ser utilizada no projeto
• Analisar a configuração das variáveis concentração mássica de CO 2,
velocidade escalar, temperatura e pressão no domínio de simulação; e,
• Comparar os resultados produzidos pela simulação numérica com os
resultados provenientes do modelo matemático analítico de pluma
gaussiana.

1.3 Estrutura do trabalho

O desenvolvimento das simulações numéricas no presente trabalho foi
influenciado pelo período de isolamento social em decorrência da Crise do COVID
19 no último ano. As restrições desse período limitaram o acesso a um maior
poderio computacional necessário para a obtenção de resultados mais precisos e
para a realização de outras análises envolvendo cenários modificados a partir do
proposto nesses estudo que o enriqueceriam como um todo. Diante disso, o trabalho
foi organizado em 6 seções. Na seção 1, foi apresentada uma breve introdução da
problemática da dispersão atmosférica e o potencial da ferramenta de CFD para a
análise desse fenômeno. A seção 2 apresenta uma descrição mais detalhada das
variáveis que caracterizam e influem no cenário de dispersão de gases poluentes na
atmosfera, a possibilidade de utilização de outros métodos para a modelagem e
estudo do fenômeno de dispersão e as qualidades e características da técnica de
CFD. A seção 3 apresenta a metodologia do presente trabalho e a especificação dos
parâmetros necessárias para a caracterização do fenômeno de dispersão proposto
na ferramenta de CFD. Na seção 4, foram apresentados os resultados da simulação
de CFD e a comparação dos resultados desse método numérico com os do método
analítico. Por fim, na seção 5 as conclusões do estudo proposto são apresentadas.
 21

2 FUNDAMENTAÇÃO TEÓRICA E REVISÃO DA LITERATURA

2.1 Propriedades físico-químicas do dióxido de carbono

O dióxido de carbono é um gás ácido, volátil e não inflamável de fórmula
molecular CO2 e peso molecular de 44,01 g/gmol (WHITE MARTINS, 2011).
Por apresentar densidade superior à do ar a temperatura e pressão
atmosférica, este fluido tende a se defletir, quando liberado no meio, em direção ao
solo e se concentrar nesta região (HARPER, 2011). Assim, a dispersão de uma
mistura de efluentes composta por CO2 e ar atmosférico tende a apresentar o
mesmo comportamento como apresentado na Figura 1. A Tabela 1 apresenta os
valores de densidade das substâncias Ar atmosférico e CO2, consideradas gases
ideais.

Figura 1 - Fenômeno de dispersão de uma pluma de gás densa

Fonte: CROWL (2011)

Tabela 1 - Densidade dos gases ideais Ar atmosférico e CO2.

T = 25°C Densidade
P = 1 atm (kg/m³)
Ar (Gás Ideal) 1183,96
CO2 (Gás Ideal) 1798,97

2.2 Definição do fenômeno de dispersão de gases

O fenômeno da dispersão de gases, em escoamentos turbulentos, é fruto da
combinação do transporte mássico molecular, convectivo e turbulento, sendo a
contribuição do primeiro significativamente menor que a dos demais fazendo do
mesmo negligenciável (GOUSSEAU et al., 2011). Com base nisso, tal fenômeno
 22

pode ser descrito como uma liberação de determinado volume gasoso seguido do
carreamento do mesmo pelo movimento do ar, fenômeno caracterizado como
advecção, ou, espalhamento do mesmo no espaço de modo tridimensional,
fenômeno caracterizado como difusão turbulenta (BOLOGNESI e MONTELATO,
2011).

2.2.1 Variáveis no cenário da dispersão de gases

Parâmetros tais quais velocidade do vento, estabilidade atmosférica,
rugosidade e obstruções presentes no meio onde ocorre a dispersão, elevação da
liberação do volume gasoso e momentum e empuxo associados ao inventário de
gás vazados são críticos para a caracterização do cenário de dispersão (CROWL,
2011). Seus efeitos sobre tal fenômeno são:
• Velocidade do vento: Quanto maior for a velocidade do vento maior será o
deslocamento da pluma vazada, o que indica um maior raio de alcance do
poluente. Por outro lado, elevadas velocidades também estão associadas
a um maior efeito da turbulência e a uma maior diluição do volume de gás
vazado. O que indica menores concentrações do mesmo em regiões mais
distantes do ponto de vazamento (ALMEIDA e REZENDE, 2018; CROWL,
2011).
• Estabilidade atmosférica: Este fenômeno está associado a mistura vertical
produzida por diferença de densidade das massas de ar. A estabilidade
atmosférica pode ser descrita em três categorias: instável, estável e
neutra. O perfil instável ocorre em dias quentes nos quais se tem um
rápido aquecimento da superfície terrestre que promove um mais rápido
aquecimento da massa de ar imediatamente superior a ela. Esta camada
de ar, por apresentar menor densidade em função de sua maior
temperatura, denota comportamento ascendente, enquanto as camadas
de ar superiores, de menor temperatura, denotam comportamento
descendente e, assim, se caracteriza o cenário de mistura vertical
anteriormente descrito. O perfil estável é descrito pelo lento aquecimento
da superfície terrestre de modo a não promover a ocorrência de camadas
menos densas de ar sob camadas mais densas. Quanto ao perfil neutro,
este é caracterizado pelo aquecimento da superfície terrestre juntamente
com a influência de correntes de vento que promovem o deslocamento da
 23

massa menos densa e de maior temperatura, atenuando, assim, este

fenômeno de mistura (CROWL, 2011).
• Rugosidade e obstruções: Estas ocorrências modificam os perfis de
ventilação em função da altura e quando presentes promovem uma maior
mistura mecânica do gás vazado com o ar (CROWL, 2011). A rugosidade
das superfícies também contribui para a geração da turbulência a partir da
tensão de cisalhamento (PFLUCK, 2010).
• Elevação do ponto de vazamento: Maiores elevações dos pontos de
vazamento indicam maior dispersão da concentração na direção vertical e,
com isso, menores concentrações de poluentes no nível do solo (CROWL,
2011; GADELHA, 2016).
• Momentum e empuxo: Quanto maior for o momentum do jato, mais
elevada será a projeção da pluma. Para substância menos densas que o
ar, as flutuações superam a força da gravidade e promovem a dispersão
do material vazado na direção ascendente. Para substâncias mais densas
que o ar, como é o caso da mistura de efluentes contendo CO 2, se tem a
deflexão da pluma justificada pela superioridade das forças gravitacionais
em relação às forças de empuxo (CROWL, 2011).

2.3 Tipos de modelos para o estudo de dispersão atmosférica de gases

A atmosfera é um ambiente extremamente complexo e reativo no qual
inúmeros fenômenos físicos e químicos ocorrem simultaneamente (SEINFELD e
PANDIS, 2006). A dispersão de poluentes nesse cenário, pode ser estudada por
meio de modelos diversos que entre outros podem ser categorizados em
experimentais ou teóricos (BOÇON, 1998).
Dentre os modelos experimentais, listam-se os estatísticos que se
fundamentam na coleta de dados por meio de estações de medição e
monitoramento, armazenamento de todas essas medições em uma base de dados e
aplicação das informações recolhidas para definição de funções, correlações e
extrapolação de novas informações (SEINFELD e PANDIS, 2006) e os físicos que
se fundamentam na avaliação do fenômeno de dispersão de gases sob a
perspectiva de réplicas reduzidas do cenário a ser estudado, como por exemplo
áreas urbanas e túneis de vento (MENDES, 2018) além dos experimentos de campo
propriamente ditos.
 24

Quanto aos modelos teóricos, listam-se os analíticos e os numéricos. Dentre

os modelos analíticos, o de pluma gaussiana é amplamente empregado para
modelar a dispersão atmosférica principalmente em se tratando da modelagem do
fenômeno de dispersão passiva, processo governado exclusivamente pela
turbulência atmosférica não havendo influência das forças gravitacionais em tal
fenômeno (SALAZAR, 2016). O modelo de pluma gaussiana se fundamenta nas
soluções analíticas da equação de conservação de uma espécie química sob
hipóteses simplificadoras da equação tais quais, vazão mássica constante durante o
vazamento, sem reação química, terrenos planos, sem obstáculos a jusante da
fonte, velocidade unidirecional e constante do vento e condições homogêneas e
estacionárias de turbulência atmosférica, que resultam em um perfil de distribuição
normal da concentração de poluentes emitidos a partir de uma fonte pontual de
emissão contínua e estacionária com pico de concentração na linha de centro da
pluma (BOÇON, 1998; SALAZAR, 2016). O modelo de pluma gaussiana para
liberação contínua a partir de uma altura do solo com ventilação unidirecional e
constante no estado estacionário e as correlações dos coeficientes de dispersão
horizontal e vertical de Pasquill-Gifford para a condição rural considerando, segundo
a classificação de estabilidade atmosférica de Pasquill-Gifford, a condição instável
(A) são dadas por (CROWL, 2011):
2
𝑄𝑚 1 𝑦
〈𝐶 〉(𝑥, 𝑦, 𝑧) = 𝑒𝑥𝑝 [− ( ) ]
2𝜋𝑢𝜎𝑦 𝜎𝑧 2 𝜎𝑦
(2.1)
1 𝑧 − 𝐻𝑟 2 1 𝑧 + 𝐻𝑟 2
× {𝑒𝑥𝑝 [− ( ) ] + 𝑒𝑥𝑝 [− ( ) ]}
2 𝜎𝑧 2 𝜎𝑧

1
𝜎𝑦 (𝑥 ) = 0,22𝑥(1 + 0.0001𝑥)−2 (2.2)

𝜎𝑧 (𝑥 ) = 0,20𝑥 (2.3)

Onde (〈𝐶 〉(𝑥, 𝑦, 𝑧)) é a concentração do poluente na posição (x, y, z), (𝑄𝑚 ) é
a vazão mássica, (𝜎𝑦 ) e (𝜎𝑧 ) são os coeficientes de dispersão lateral e vertical de
Pasquill-Gifford para plumas definidos a partir das classes de estabilidade de
Pasquill-Gifford atmosférica e da distância do ponto de vazamento em x e (𝐻) é a
altura do ponto de vazamento (CROWL, 2011).
 25

Quanto aos modelos numéricos, estes se fundamentam na solução da

equação da concentração bi ou tri dimensional de maneira mais genérica em vista
de suplantar as limitações impostas pelas hipóteses simplificadoras dos modelos
analíticos. Este tipo de modelo se baseia na resolução destas equações de
conservação considerando as difusividades turbulentas e componentes de
velocidade como funções do espaço e, possivelmente, do tempo (BOÇON, 1998).

2.4 Metodologia de CFD

Pfluck (2010) define a metodologia CFD, de modo generalizado, como
“simulação numérica de todos os processos físicos e/ou físico-químicos que
apresentam escoamento”. Por meio de modelos diferenciais que se fundamentam
nos princípios gerais da conservação de massa, energia e da quantidade de
movimento em determinado domínio espaço tempo, ele é capaz de prever os
campos de concentração, pressão, velocidade, temperatura além dos campos das
propriedades turbulentas do problema a ser estudado (PFLUCK, 2010).
A resolução de um problema por meio da metodologia CFD pode ser
resumida em três etapas: pré-processamento, solver e pós processamento. O pré-
processamento engloba as etapas de tratamento do problema, geração de malha e
especificação do escoamento, o solver engloba a etapa de solução numérica e o
pós-processamento, a análise dos resultados. A sequência base de
desenvolvimento de qualquer estudo por meio da ferramenta de CFD obedece às
seguintes etapas, de acordo com Shaw (apud PFLUCK, 2010), explicitadas na
Figura 2.
Quanto ao pré-processamento, o tratamento do problema pode ser descrito
como a avaliação da problemática a ser solucionada e a definição de estratégias
para alcançar este objetivo. Nesta fase, tem-se o entendimento teórico do fenômeno
a ser estudado, a definição da sua geometria, a definição do domínio de solução, a
listagem das condições físicas que o governam e a definição da abordagem
matemática a ser aplicada. Em seguida, tem-se a construção da malha que pode ser
descrita como a subdivisão do domínio de simulação em múltiplos e pequenos
volumes onde as equações de conservação de massa, energia e de momentum são
discretizadas e resolvidas. Como última fase da etapa de pré-processamento, tem-
se a especificação do escoamento na qual se define as condições de contorno mais
apropriadas para o problema proposto, o modelo matemático a ser empregado, o
 26

método de discretização, o tipo de regime a ser simulado, entre outros parâmetros.

Esta última etapa possibilita a adequação das características físicas do problema ao
modelo matemático selecionado a fim de ser possível a adequada representação do
mesmo e a sua resolução em tempos computacionais não-proibitivos (PFLUCK,
2010).

Figura 2 - Fluxograma sequencial de etapas para implementação da metodologia CFD.

Fonte: Adaptado de Shaw (1992).

O solver é, dentre as etapas da simulação, aquela que permite menor

manipulação de suas configurações (PFLUCK, 2010). Trata-se da fase em que
decorre a simulação iterativa da problemática segundo o algoritmo associado ao
software selecionado. Esta etapa permite a definição da quantidade de núcleos
computacionais a serem dedicados à simulação, os esquemas de interpolação e o
tipo de erro e sua magnitude entre as iterações, definido como critérios de
convergência, por exemplo.
A fase de pós-processamento consiste na análise dos resultados gerados
sendo a etapa mais importante da metodologia uma vez que nela se verifica a
adequação do problema à física regente e a consistência dos resultados gerados ao
estudo inicialmente proposto. Nela, verifica-se a convergência da malha construída,
os parâmetros de estabilidade da simulação como o número de Courant (𝐶𝑜 ), a
precisão numérica, entre outros resultados gerados a partir da simulação. Além
disso, é possível gerar vistas diversas, gráficos, vetores, superfícies de contorno,
linhas de corrente entre outras visualizações das variáveis de interesse que auxiliam
 27

na interpretação da solução obtida (PFLUCK, 2010). Sobre os resultados da

simulação ainda podem ser realizados outros cálculos a fim de realizar o tratamento
preliminar dos mesmos.
Diante do sequenciamento das etapas que configuram a execução de uma
simulação computacional por meio da metodologia de CFD, identificam-se como
processos mais críticos para a correta caracterização do problema a definição do
modelo matemático, a construção da malha computacional e a definição do modelo
de discretização a serem adotados no estudo proposto (PFLUCK, 2010).

2.5 Equações de conservação

As equações que governam a dinâmica dos fluidos e o estudo de
escoamentos tais quais o fenômeno de dispersão atmosférica são regidas por leis
de conservação físicas fundamentadas na Lei da Conservação das Massa, na
Segunda Lei de Newton que trata da conservação da quantidade de movimento e na
Primeira Lei da Termodinâmica que trata da conservação da energia. Essas leis de
conservação são descritas como equações diferenciais parciais não lineares que
devido a esta última característica, não possuem solução analítica, sendo, portanto,
necessária a aplicação de técnicas avançadas como a de CFD para a sua resolução
(GADELHA, 2016).
As equações diferenciais resolvidas pelo software considerando-se as médias
e flutuações das variáveis de conservação analisadas, segundo a metodologia
RANS a ser descrita no item 2.10, são descritas nas equações (2.4), (2.5), (2.6)
(ANSYS, 2011b).
𝜕𝜌 𝜕𝜌
+ (𝜌𝑈𝑗 ) = 0 (2.4)
𝜕𝑡 𝜕𝑥𝑗

𝜕𝜌𝑈𝑖 𝜕𝜌 𝜕𝜌 𝜕𝜌
+ (𝜌𝑈𝑖 𝑈𝑗 ) = − + (𝜏 − 𝜌𝑢𝑖 𝑢𝑗 ) + 𝑆𝑀 (2.5)
𝜕𝑡 𝜕𝑥𝑗 𝜕𝑥𝑖 𝜕𝑥𝑗 𝑖𝑗

𝜕𝜌ℎ𝑡𝑜𝑡 𝜕𝑝 𝜕𝑝 𝜕 𝜕𝑇 𝜕
− + (𝜌𝑈𝑗 ℎ𝑡𝑜𝑡 ) = (𝜆 − 𝜌𝑢𝑗 ℎ) + [𝑈 (𝜏 − 𝜌𝑢𝑖 𝑢𝑗 )] + 𝑆𝐸 (2.6)
𝜕𝑡 𝜕𝑡 𝜕𝑥𝑗 𝜕𝑥𝑗 𝜕𝑥𝑗 𝜕𝑥𝑗 𝑖 𝑖𝑗

Nestas equações a variável (𝜌) se remete à massa específica do fluido, (𝑈𝑗 )

se remete ao vetor velocidade, (𝜏𝑖𝑗 ) se remete às tensões moleculares viscosas do
 28

fluido que incluem tanto as tensões normais quanto as cisalhantes, (𝑆𝑚 ) se remete
ao termo fonte do momentum (ℎ𝑡𝑜𝑡 ) se remete à entalpia total por unidade de massa
do fluido, (𝑝) se remete à pressão, (𝑇) se remete à temperatura, (𝜆) se remete ao
coeficiente de difusão e (𝑆𝑒 ) ao termo fonte da energia.
Na equação de conservação de massa (2.4), o primeiro termo se refere a taxa
de acúmulo de massa no elemento de fluido no tempo e o segundo termo se refere
ao fluxo de massa através da face do elemento de fluido também denominado termo
convectivo.
Na equação de conservação da quantidade de movimento (2.5), o somatório
das forças atuando sobre o fluido é representado pelos termos a direita da
igualdade, sendo eles o gradiente de pressão, as tensões internas no fluido e o
termo fonte.
Na equação de conservação da energia térmica (2.6), tem-se a representação
𝜕 𝜕𝑇
da entalpia total (ℎ𝑡𝑜𝑡 ). Onde o termo (𝜆 𝜕𝑥 − 𝜌𝑢𝑗 ℎ) representa o fluxo de calor
𝜕𝑥𝑗 𝑗

𝜕
por meio da Lei de Fourier (contribuição difusiva) e o termo [𝑈𝑖 (𝜏𝑖𝑗 − 𝜌𝑢𝑖 𝑢𝑗 )]
𝜕𝑥𝑗

representa o trabalho viscoso (ANDRADE, 2014; VERSTEEG e MALALASKERA,

2004).
Pode-se resumir, de modo genérico, todas as equações de conservação
resolvidas por meio da aplicação da técnica de CFD segundo a seguinte estrutura:
Termo transiente (a), termo convectivo (b), termo difusivo composto pelas
contribuições molecular e turbulenta (c) e termo fonte (d), como explicitado na
equação (2.7) (BOLOGNESI e MONTELATO, 2011):

(2.7)

O termo fonte é caracterizado por sumarizar na equação todas as incertezas

com relação às definições das condições iniciais e de contorno referentes às
características específicas de cada cenário avaliado. Portanto, ele define, por
exemplo, as forças de empuxo, os gradientes de pressão, em se tratando das
equações de conservação da quantidade de movimento, define as taxas de
conversão química em se tratando das equações de conservação de massa
 29

havendo reação química, além das fontes de energia como contribuição da radiação,
em se tratando das equações de conservação de energia (BOLOGNESI e
MONTELATO, 2011)
Com base no detalhamento das equações de conservação resolvidas pelo
software, pode-se compreender quais parâmetros são avaliados sobre cada
elemento de malha do domínio computacional após aplicado o método de
discretização.

2.6 Conceito de malha

A geração de malha é o processo no qual se subdivide o domínio da
simulação em subdomínios menores para que nestes últimos as equações parciais
de conservação de massa, energia e momentum sejam resolvidas (PFLUCK, 2010).
Estes subdomínios menores assumem o formato de geometrias primitivas, que são
identificados como células ou elementos na linguagem aplicada à fluidodinâmica
computacional. A quantidade, dimensão e a transição entre esses elementos são os
parâmetros considerados para a avaliação da qualidade da malha gerada para
determinado problema.
Quanto maior for a quantidade de elementos em um determinado domínio
computacional, teoricamente, menores serão as dimensões desses elementos o que
define uma grande malha ou malha refinada, enquanto que, considerando o oposto,
quanto menor for a quantidade de elementos, maiores serão as dimensões dos
mesmos o que define uma pequena malha ou malha grosseira. Sabe-se que um
certo domínio é tão melhor representado quanto menores forem as dimensões de
seus elementos visto que quando estas tendem a um valor infinitesimal, as
aproximações dos métodos numéricos posteriormente aplicados na solução da
simulação tornam-se mais adequadas gerando, com isso, resultados mais precisos.
Entretanto, uma maior quantidade de elementos implica em um número maior de
equações parciais de conservação a serem resolvidas, porque, como dito
anteriormente, estas são aplicadas em cada um desses elementos o que culmina
em um maior esforço computacional traduzido pelo tempo de processamento da
simulação (PFLUCK, 2010).
Como citado anteriormente, além das dimensões de cada elemento em
particular, a transição entre elementos vizinhos também é um parâmetro de grande
relevância para a solução numérica uma vez que se não for configurada de maneira
 30

suave pode acarretar resultados imprecisos ou até mesmo na não convergência da

solução.
Diante dos domínios bastantes expressivos normalmente representados em
estudos de dispersão de gases, pode-se sinalizar, como um dos maiores desafios, a
construção de uma malha grande o suficiente para fornecer resultados confiáveis e
precisos sem exceder a capacidade de processamento do computador fazendo ser
viável a execução da simulação. A fim de contornar esta limitação, é possível refinar
pontos estratégicos do domínio tais como aqueles concentradores de gradientes
mais elevados e regiões críticas de acordo com as especificidades físicas do
problema a ser resolvido, tornando a malha mais densa nas regiões mais
importantes da simulação (PFLUCK, 2010).
É possível definir dois tipos de conectividade de malhas: cartesianas ou
estruturadas e não estruturadas. As primeiras apresentam-se com uma distribuição
regular de pontos sobre o domínio de simulação enquanto as segundas,
apresentam-se de modo não regular. Dentre as vantagens do primeiro tipo de
malha, tem-se uma maior facilidade de resolução de sistemas lineares além de uma
maior facilidade de implementação computacional e adequação ao método
numérico. Dentre as vantagens da segunda malha, tem-se uma maior facilidade de
adequação da mesma a geometrias não regulares e a regiões críticas do domínio e
consequentemente geração de menor número de elementos de malha no mesmo. A
Figura 3 exibe os modelos de malha estruturada e não estruturada respectivamente.

Figura 3 - Exemplo de tipos de malha computacional.

Fonte: Pfluck (2010).

Deve-se destacar, que o processo de construção de uma boa malha está

diretamente atrelado ao usuário que a constrói, podendo ser, portanto, caracterizado
como um processo artesanal (MITRE, 2018). Uma vez que as equações de
conservação são resolvidas sobre os elementos da malha computacional, os
 31

resultados e desempenho da simulação podem ser significativamente influenciados

por ela (FOGAÇA, 2015). Diante disto, se definem os parâmetros de qualidade de
malha tais quais skewness, ortogonalidade, smoothness e aspect ratio que auxiliam
e norteiam o desenvolvimento deste processo (ANSYS, 2017; MITRE, 2018).

2.7 Métodos numéricos de discretização

O método numérico ou de discretização tem a função de transformar um
problema composto por equações diferenciais em um problema composto por um
sistema de equações algébricas por meio de aproximações em pontos discretos no
espaço e tempo (SOUZA, 200-?).
Os mais utilizados métodos de discretização são o Método das Diferenças
Finitas (MDF), o Método dos Elementos Finitos (MEF) e o Método dos Volumes
Finitos (MVF) (FIATES, 2015).
Dentre estes métodos, o mais utilizado para simulação de escoamento de
fluidos e transferência de calor e massa, o que engloba a simulação de estudos de
dispersão de gases, é o método dos volumes finitos (PFLUCK, 2010). O software
ANSYS CFX se utiliza desse método (ANSYS, 2011b) que por se tratar de um
método conservativo, além da convergência numérica da solução geral, ele garante
a convergência das equações de conservação localmente (ANDRADE, 2014).
Tal método se utiliza da forma integral das equações de conservação e se
aplica a qualquer tipo de geometria. Ele se baseia na decomposição do domínio em
volumes de controle contíguos, seguido da formulação de equações de balanços
integrais para cada um desses volumes de controle, posteriormente na aproximação
dessas integrais de superfície e volume por fórmulas de quadratura, seguido da
aproximação de valores de funções e derivadas por esquemas de interpolação
usando valores modais e, por fim, na estruturação e solução dos sistemas algébricos
discretos (MITRE, 2018).
Aplicado o método de discretização, faz-se necessário verificar alguns
parâmetros que definem a qualidade dos resultados obtidos a partir da simulação.
Entre eles, pode-se citar a estabilidade dos resultados por meio da não amplificação
dos erros que surgem durante o processo de simulação em decorrência de
arredondamentos e truncamentos, a consistência dos resultados definida quando a
solução numérica obtida converge à solução das equações de conservação quando
a distância entre pontos quaisquer na malha é igual a zero, a convergência dada
 32

quando os critérios de estabilidade e consistência são atendidos, a limitação dada

quando os resultados se adequam aos limites físicos reais, a precisão dos
resultados uma vez reconhecido que tal metodologia gera resultados aproximados,
entre outros (SOUZA, 200-?)

2.8 Número de Courant

O número de Courant é um número adimensional que pode ser traduzido
como a medida da quantidade de volumes de controle que uma partícula consegue
avançar em determinado passo de tempo. Ele é utilizado como critério para a
garantia da estabilidade numérica de simulações transientes (INACIO, 2012).
Segundo Wander (2011), tal número “relaciona as dimensões espaciais e
temporais da simulação” e é descrito como:
𝑣∆𝑥
𝐶𝑜 = (2.8)
∆𝑡

Onde se define (𝑣) como a velocidade média do escoamento em cada

elemento da malha, (∆𝑥) como o tamanho dos elementos de malha do domínio
computacional e (∆𝑡) como passo de tempo da simulação.
Para Favero (apud WANDER, 2011), é indicado que valores de Courant não
sejam superiores a um para problemas nos quais a não-linearidade é uma
característica significativa. Com base nisso e na equação (2.8), tem-se que quanto
menor for a dimensão do elemento de malha no domínio computacional, menor será
o passo de tempo requerido para se garantir a convergência da simulação (INÁCIO,
2012).

2.9 Caracterização do cenário esperado

A camada limite atmosférica, onde ocorre o fenômeno de dispersão de
efluentes, proposto neste estudo, é a região da troposfera que sofre efeitos diretos
da presença da superfície terrestre (MOURA, 1995) e é caracterizada por apresentar
escoamentos com elevados números de Reynolds (MOREIRA, 2007).
Variáveis tais quais rugosidade e temperatura da superfície terrestre
apresentam direto impacto sobre a dinâmica dessa camada que pode ser verificada
na Figura 4. Isto porque tais variáveis geram processos turbulentos que promovem o
 33

transporte de massa, energia e quantidade de movimento entre a superfície e a

atmosfera (MOREIRA, 2007).
Em se tratando da contribuição da temperatura na dinâmica dessa camada,
pode-se descrever que o aquecimento das camadas de ar imediatamente acima da
superfície terrestre provocado pela radiação térmica emitida a partir do solo em dias
quentes, por exemplo, culmina no deslocamento ascendente dessa massa de ar em
função da diminuição da sua densidade, resultando nos grandes vórtices
denominados termas (MOREIRA, 2007) e caracterizando a atmosfera instável como
mencionado no item 2.2.1. Soma-se a este fenômeno o resfriamento do topo da
camada de nuvens que leva ao deslocamento descendente do ar de maiores
elevações e, sob essas condições, de maior densidade. Este fenômeno é
denominado termas de ar frio e ocorre simultaneamente às termas (MOURA, 1995).

Figura 4 - Dinâmica da camada limite atmosférica - zonas de recirculação.

Fonte: Wingaard (apud MOREIRA, 2007).

Com relação a contribuição do terreno e da rugosidade, tem-se que as forças

de atrito atuantes sobre a superfície levam ao desenvolvimento do cisalhamento que
muitas vezes se torna turbulento e, na presença de obstáculos, se observa a
ocorrência do fenômeno da turbulência no entorno dos mesmos e no escoamento de
vento descendente devido ao desvio do escoamento (MOREIRA, 2007; SALAZAR,
2016).
Tais fatores associados a velocidade e direção do vento promovem tanto o
transporte vertical das variáveis apresentadas por meio da turbulência, quanto o
transporte horizontal por meio das contribuições advectivas (MOREIRA, 2007) e
contribuem para um maior alcance do fenômeno da dispersão.
 34

2.10 Fenômeno de turbulência

Segundo Gadelha (2016), “A turbulência consiste de flutuações no campo de
escoamento no tempo e no espaço”. Como visto anteriormente, a turbulência tem
grande influência sobre a dinâmica do meio onde ocorre a dispersão dos efluentes e
consequentemente afeta intensamente o fenômeno de dispersão. Segundo Ferziger
e Peric (apud FIATES, 2015), o fenômeno turbulento se caracteriza como: instável
por apresentar um comportamento caótico do fluido; tridimensional uma vez que se
observa a flutuação nas três coordenadas espaciais da velocidade mesmo que esta
seja função de apenas duas direções; formador de vórtices que são responsáveis
por propagar e intensificar o próprio movimento turbulento; intensificador da difusão
turbulenta e complexo devido a aleatoriedade de variáveis tais quais tamanho de
vórtices, força, intervalo de tempo entre ocorrências e também devido às oscilações
em amplas faixas de comprimento e em diferentes escalas que o fenômeno
apresenta.
Diante disto, modelos de turbulência foram desenvolvidos a fim de predizer o
comportamento de fluidos com estas características e facilitar a simulação e o
estudo do fenômeno da turbulência (FIATES, 2015). Dentre os modelos utilizados
computacionalmente, lista-se o DNS (Direct Numerical Simulation), o LES (Large
Eddy Simulation) e o RANS (Reynolds Averaged Navier-Stokes) cujas
características estão descritas na Tabela 2.

Tabela 2 - Modelagem do fenômeno de turbulência.

Fonte: Adaptado de Ansys (2018).

 35

Dentro da abordagem RANS, se identificam os modelos de turbulência que,

no geral, modificam as equações originais de Navier-Stokes por meio da introdução
de quantidades médias e flutuantes (GADELHA, 2016). Tais modelos podem ser
classificados em algébricos, modelos de uma equação, modelos de duas equações
ou modelos de stress de Reynolds (FIATES, 2015).
Dentre os modelos de duas equações, o κ-epsilon é considerado
numericamente robusto e estável e apresenta boa capacidade de predição das
estruturas turbulentas (SKLAVOUNOS e RIGAS, 2004). Por meio dele, se insere
duas variáveis ao sistema de equações do modelo matemático proposto: a energia
cinética turbulenta (𝜅) descrita como a variação das flutuações da velocidade,
apresentada na equação (2.9), e a taxa de dissipação da energia cinética turbulenta
(ε) que se trata da taxa com a qual as flutuações da velocidade se dissipam, descrita
na equação (2.10) (GADELHA, 2016).
𝜕(𝜌𝜅) 𝜇𝑡
+ 𝛻. (𝜌𝜅𝑼) = 𝛻. [ 𝛻𝜅] + 2𝜇𝑡 𝑆𝑖𝑗 . 𝑆𝑖𝑗 − 𝜌ε (2.9)
𝜕𝑡 𝜎𝜅

𝜕(𝜌ε) 𝜇𝑡 ε ε2
+ 𝛻. (𝜌ε𝑼) = 𝛻. [ 𝛻ε] + 𝐶1ε 2𝜇𝑡 𝑆𝑖𝑗 . 𝑆𝑖𝑗 − 𝐶2ε 𝜌 (2.10)
𝜕𝑡 𝜎ε 𝜅 𝜅

Para ambas as equações pode-se descrever o primeiro termo como a taxa de

mudança das variáveis (𝜅) e (ε) no tempo, o segundo termo como sendo a
contribuição convectiva sobre o transporte das variáveis (𝜅) e (ε), o terceiro termo
como a contribuição difusiva sobre o transporte de (𝜅) e (ε), o quarto como a taxa
de produção de (𝜅) e (ε) e o quinto como a taxa de destruição de (𝜅) e (ε)
respectivamente (FIATES, 2015).
Dentre as vantagens de aplicação desse modelo na simulação de dispersão
de efluentes, tem-se a sua validação para múltiplos casos e a sua simples aplicação
que requer apenas a definição de condições iniciais ou de contorno. Como
desvantagens do modelo, identifica-se a sua incapacidade de resolução do campo
da velocidade real e a apresentação de resultados menos acurados em regiões
próximas a paredes, principalmente em se tratando de paredes lisas (FIATES,
2015).
 36

2.11 Trabalhos na área

O fenômeno de dispersão de gases vem sendo extensivamente estudado
atrelado a problemática da poluição atmosférica. Como citado por Boçon (1998) por
exemplo, alguns dos primeiros estudos datam das primeiras décadas do século
passado.
Principalmente em se tratando de locais onde ocorre concentração industrial,
a dispersão atmosférica de gases e vapores tóxicos ou inflamáveis constitui uma
grande ameaça à saúde pública e segurança da população do entorno e dos
trabalhadores dessas unidades industriais (DARDOURI e SGHAIER, 2019;
OLIVEIRA, 2008; SKLAVOUNOS e RIGAS, 2004). Em um macro contexto, a
emissão e consequente dispersão de gases poluentes não somente afeta a saúde
humana, de modo geral, mas o meio ambiente ao modificar as concentrações de
determinados gases na atmosfera resultando na intensificação do efeito estufa, na
destruição da camada de ozônio e na incidência de chuva ácida por exemplo
(OLIVEIRA, 2008).
Há diversas maneiras de se avaliar tal fenômeno e a dimensão de suas
consequências. Leal. e Chiaramonte (2000) apresentaram um modelo matemático
aproximado de dispersão de gases para os três tipos de liberação de gases pesados
a nível do solo possíveis: instantânea, contínua e intermitente. Em 2004, Moreira e
Tirabassi evidenciaram a relevância dos modelos matemáticos como instrumento de
auxílio ao monitoramento das medidas de concentração atmosférica, transporte e
difusão dos poluentes. Ohba et al. (2004) compararam os resultados provenientes
dos experimentos em túnel de vento da dispersão de gases pesados e criogênicos
de mesma massa específica do LNG como foi feito nos experimentos de Thorney
Island (1987) e China Lake (1987) (apud OHBA et al., 2004), com a média das
concentrações no tempo obtida através do modelo numérico também desenvolvido
por eles (numerical code standard deviation – STD). Primo et al. (2005) utilizou-se
do modelo de dispersão ISCST3 – Industrial Source Complex Short Term version 3,
para mensurar os efeitos da emissão de óxidos de nitrogênio sobre a qualidade do
ar da região do entorno. Paouli (2006) realizou a simulação física por meio de um
modelo em escala reduzida da emissão de contaminantes a partir de uma chaminé
isolada cujo fluido traçador foi o hélio. Wittwer e Paoli (2007), analisaram o
fenômeno de difusão turbulenta de gases poluentes leves emitidos a partir de uma
fonte pontual que se dispersam na camada limite turbulenta em estabilidade neutra
 37

por meio de um túnel de vento. Melo (2015) realizou um estudo probabilístico no

qual utilizou-se do modelo SLAB para a caracterização do fenômeno de dispersão a
fim de analisar propagação de incertezas associadas a este fenômeno. Com foco
nas queimadas na Amazônia legal, Junior et al. (2015), utilizaram-se do módulo
químico do modelo atmosférico WRF (WRF/CHEM – Weather Research
Forecasting/CHEMistry) para analisar a concentração e dispersão do gás monóxido
de carbono (CO) provenientes dos focos de queimadas detectadas
operacionalmente no Instituto Nacional de Pesquisas Espaciais (INPE) por sensores
de satélites polares e imagens de satélite geoestacionais. Iriart e Fisch (2016)
também se utilizaram do modelo Weather Research and Forecasting/Chem (WRF-
CHEM) para simular a dispersão de poluentes emitidos por um veículo lançador de
satélites (VLS). Salazar (2016) analisou a dispersão atmosférica de nuvens densas
com efeitos tóxicos nas vizinhanças de liberação com base na modelagem
matemática do fenômeno segundo diversos modelos tais como de pluma gaussiana,
Box models, modelos de pluma entre outros, a fim de desenvolver uma análise
quantitativa de risco (AQR).
Dedicando-se um maior foco aos modelos numéricos, diante da crescente
aplicação da fluidodinâmica computacional na predição de perfis de ventilação e
dispersão de poluentes ao redor de edifícios em áreas urbanas, cuja relevância e
grande vantagem foram reforçadas por Lateb et al. (2015), Gousseau et al. (2011)
compararam a performance dos modelos de turbulência Reynolds Average Navier-
Stokes (RANS) e Large-Eddy Simulation (LES) na predição da ventilação e da
dispersão de poluentes diante dos seguintes cenários: duas configurações de
edifícios isolados e as contribuições de fluxo convectivo e turbulento - componentes
do fenômeno do transporte de massa- promovidas pela ventilação na dispersão dos
poluentes. Utilizaram-se do software Fluent 6.3. e por meio deste estudo, foi
verificado que uma simulação correta da contribuição do fluxo convectivo se faz
necessária para garantir a acurácia do campo de concentração em ambos os
modelos. Quanto à contribuição turbulenta, para o modelo RANS, eles verificaram
que a correta parametrização e modelagem das estruturas turbulentas se faz
necessária enquanto, para o modelo LES, apenas a construção de uma malha
adequada para o estudo de interesse é suficiente para a obtenção de resultados
acurados. Por fim, concluíram que quando o termo fonte se encontra fora de uma
região de recirculação, ambos os modelos de turbulência se apresentam como
 38

adequados. Entretanto, quando este ponto se encontra imerso em uma região de

recirculação, o modelo RANS fornece uma predição errônea do fluxo convectivo,
sendo preferível a aplicação do modelo LES nestes casos. Considerando-se as
diferentes demandas computacionais requeridas por cada um destes modelos de
turbulência, sendo o modelo LES mais custoso que o modelo RANS (REZENDE,
2009), por meio deste estudo, pode-se concluir que o modelo de turbulência deve
ser selecionado com base no cenário de dispersão que se objetiva estudar a fim de
se garantir a qualidade dos resultados frente ao poderio computacional e a
disponibilidade de tempo para as simulações.
Deorce e Furieri (2017) simularam numericamente, por meio do software
Fluent, o escoamento atmosférico turbulento incidente sobre uma chaminé - fonte de
um vazamento pontual. Estudaram os efeitos das condições de ventilação sobre o
cenário de interesse e as características da fonte de vazamento (velocidade de
vazamento), além da importância do refinamento da malha computacional e da
direta influência desta nos resultados obtidos. Também discutiram a aplicação de
diferentes modelos de turbulência na predição de escoamentos como, por exemplo,
as complexas zonas de recirculação que se formam à jusante de obstáculos como a
própria chamine de onde se realiza o vazamento do fluido de interesse.
Sklavounos e Rigas, (2004) também avaliaram a adequação de diversos
modelos de turbulência para a simulação do fenômeno de dispersão de gases
densos considerando a presença de obstáculos e o fenômeno de geração da
turbulência por meio da comparação desses resultados com dados experimentais.
Com esse estudo eles visavam validar o uso da ferramenta CFD como suporte para
estudos quantitativos de análise de risco. A análise foi desenvolvida por meio do
software CFX 5.6, e, com ela, se verificou a robustez do modelo κ-épsilon e κ-ômega
SST na resolução do problema proposto. Verificou-se também que o modelo SSG
não contribui com uma maior acurácia dos resultados apesar do incremento do
tempo computacional. De modo geral, os resultados obtidos por meio das suas
simulações apresentaram boa concordância com os dados experimentais,
reforçando, assim, a utilização da fluidodinâmica computacional como ferramenta
para estudos de avaliação de consequência, pertencente a gama dos estudos de
risco, ainda mais para aqueles em que o modelo “box” é limitado.
Liu et al. (2016) avaliaram o comportamento da dispersão de uma pluma de
CO2 sobre dois diferentes tipos de terrenos complexos hipotéticos: um plano com a
 39

presença de um morro simétrico ao eixo da direção do vazamento do gás e outro

sendo uma representação simplificada de uma área urbana composta por edifícios
distribuídos na direção do vazamento. Com este estudo, buscaram avaliar o impacto
das obstruções no fenômeno de dispersão e verificou-se que o tipo de topografia do
terreno associado às condições de vazamento do gás afeta significativamente o
comportamento deste fenômeno. No caso do cenário plano contendo um morro, a
presença da elevação bloqueia a passagem da pluma de gás que se espalha em
direção às laterais do morro o envolvendo quando o vazamento de CO2 apresenta
uma baixa quantidade de movimento. Diante de uma alta quantidade de movimento,
a pluma de gás ascende em direção ao topo do morro. Por outro lado, no cenário
urbano, a presença de edifícios de maior elevação promove um maior bloqueio do
fenômeno de espalhamento lateral do CO 2 e uma vez que o gás é mais denso que o
ar, diante de um obstáculo foi observada a deflexão do mesmo em direção ao solo, o
que levou a ocorrência de maiores concentrações de CO 2 nessa região
representando maiores riscos à população e ao ambiente local. Para ambos os
cenários, verificaram, ainda, que diante de maiores velocidades de ventilação, a
dispersão do gás ocorria mais rapidamente e, para tais condições, houve menores
áreas afetadas pela presença de CO2.
Neto (2017) propôs uma modelagem híbrida do vazamento de CO 2 de um
duto ou tanque considerando sua transição entre condições de equilíbrio e não-
equilíbrio termodinâmico, a formação de sólido em decorrência da variação das
condições de temperatura e pressão durante o vazamento e das propriedades do
fluido e os impactos deste estado sólido para a fase gasosa. Aplicou este modelo,
denominado HSM, como termo fonte para a análise da dispersão do CO 2 utilizando-
se da fluidodinâmica computacional por meio do software OpenFoam. Uma
comparação entre os resultados da análise de CFD com dados experimentais
fornecidos pelo National Grid identificou o modelo como promissor diante das
características do vazamento apresentadas.
Tominaga e Stathopoulos (2018), avaliaram os efeitos de um gás vazado com
diferentes densidades em relação ao ar sobre o escoamento e dispersão desse gás
e cujo ponto de vazamento se encontra atrás de um edifício cúbico. Eles simularam
por meio do software ANSYS FLUENT 16.0 três tipos de vazamento: o primeiro
considerando o escoamento de gás menos denso que o ar, o segundo considerando
o escoamento de gás neutro em relação ao ar e o terceiro considerando o
 40

escoamento de um gás mais denso que o ar. O modelo de turbulência utilizado foi o
RANS e o empuxo foi abordado segundo a aproximação Boussinesq. Ao final os
resultados da simulação foram comparados à dados experimentais para distintos
comportamentos de pluma quanto ao empuxo e eles concluíram que a utilização do
modelo RANS juntamente com a aproximação Boussinesq reproduziu bem os
efeitos do empuxo sobre a pluma de gás vazada de acordo com os dados
experimentais disponíveis. Concluíram também que as predições das concentrações
segundo os modelos de pluma menos densa e mais densa que o ar foram menos
assertivas que as predições do modelo neutro, mas, ainda assim, dentre as duas
primeiras predições, aquela referente à pluma mais densa que o ar apresentou
melhores resultados em relação à primeira e, por fim, que a predição da pluma leve
teve as concentrações na região de vigília superestimadas o que indica que o
fenômeno de difusão turbulenta foi subestimado, enquanto as predições de pluma
densa mostraram comportamento oposto.
Deve-se evidenciar que uma das maiores problemáticas acerca do fenômeno
de dispersão de gases está nos casos em que o gás vazado é tóxico ou inflamável.
Em vista de estimar os potenciais riscos que este fenômeno pode trazer a
comunidades e planejar e otimizar o uso dos terrenos próximos a ele, Gant e Tucker
(2017) discutiram os desafios da implementação desta nova metodologia de CFD
em detrimento de um modelo integral de dispersão, que tradicionalmente é mais
utilizado juntamente aos modelos empíricos por fornecer resultados rápidos e
confiáveis para cenários simples. Ao final do estudo eles levantaram diversas
problemáticas com respeito a quantitativo e tempo de simulações ou validação da
mesma, porém, passíveis de serem ainda solucionadas de modo a aumentar a
confiança sobre os seus resultados reconhecendo, assim, o grande potencial da
metodologia de CFD para atuar em ainda mais diversas áreas.
Como visto anteriormente, as ferramentas de CFD exigem do usuário a
determinação de uma grande gama de variáveis como modelo de turbulência,
domínio computacional, malha computacional, condições de contorno, critérios de
convergência, método de discretização, entre outras o que justifica a possibilidade
de obtenção de diferentes resultados para uma mesma simulação executada por
meio de softwares diferentes. Com base nisso e com o intuito de fornecer mais
dados experimentais acerca do fenômeno de dispersão de gases tóxicos e
inflamáveis para a validação e avaliação da performance dessas diferentes
 41

ferramentas de fluidodinâmica computacional, Schleder e Martins (2016) realizaram

um teste de campo na Universidade de São Paulo com vazamentos de gás CO 2
contínuo, avaliação da formação da nuvem de gás e da dispersão deste material por
meio do monitoramento da concentração do gás através de sensores. Além disto,
eles avaliaram o desempenho do software FLACS na predição deste fenômeno e
averiguaram uma boa concordância desta ferramenta com ressalvas para os
resultados dos cenários em que a direção do vento era oposta à do vazamento.
A fim de avaliar comparativamente a performance da metodologia da
fluidodinâmica computacional frente aos métodos analíticos de pluma gaussiana
(Método de Pluma Gaussiana – MPG) e de Britter-McQuaid (Método de Britter-
McQuaid – MBQ) na resolução do fenômeno de dispersão do SO 2, Ribeiro et al.
(2018) simularam os perfis logarítmico, logarítmico baseado na Teoria da
Similaridade de Monin-Obukhov e constante de entrada da velocidade do vento
juntamente com diferentes modelos de turbulência e compararam os resultados
obtidos com dados experimentais de um cenário do Projeto de Prairie Grass em
atmosfera estável. Eles se utilizaram do software ANSYS CFX 16.1 para a
realização das simulações e verificaram que as simulações de perfil de velocidade
de vento constante e gás denso apresentaram os maiores erros relativos médios,
sendo, por isso, melhor a utilização de um método analítico para estas condições de
simulação uma vez que este perfil de vento não descreve as condições de
estabilidade atmosférica e não representa adequadamente o perfil de velocidade de
vento próximo do solo. Por meio do seu estudo também se verificou que frente aos
métodos analíticos, o Método de Pluma Densa deve ser utilizado com bastante
cautela quando aplicado sobre atmosferas estáveis uma vez que não considera o
fenômeno de empuxo, sendo, portanto, os resultados de simulação bastantes
sensíveis à medição da altura do vento.
Em se tratando de estudos computacionais com dispersão de gases saídos
de chaminé, em ambientes abertos focados na dispersão de CO 2, Gadelha (2016),
avaliou a fluidodinâmica da dispersão de emissões de poluentes a partir de uma
chaminé de uma termelétrica por meio de simulações de fluidodinâmica
computacional partir do software ANSYS CFX® 15.0. Na simulação, utilizou-se do
modelo de turbulência κ-ε padrão. Em seu estudo, avaliou o impacto de variáveis
tais quais altura do ponto de vazamento, ação do vento no local da fonte de
vazamento (variação da direção e do grau de estabilidade) e taxa de vazamento de
 42

efluente sobre o fenômeno de dispersão de gases. Quanto a elevação da fonte de

vazamento em relação ao solo, verificou que quanto menor é este parâmetro, mais
rapidamente o efluente disperso chega ao nível do solo culminando numa maior
concentração do mesmo nessa região ao longo do tempo. Quanto à variação do
ângulo de incidência da velocidade da ventilação, verificou que quanto maior é a
variação deste parâmetro, maior é o espalhamento lateral da pluma dispersa o que
culmina num mais rápido decaimento da concentração do poluente ao longo da
direção do vazamento além de uma significativa modificação do perfil da pluma
dispersa. Também observou que uma maior instabilidade na atmosfera resulta em
uma maior dispersão do poluente tanto na horizontal quanto na vertical ao longo do
domínio de simulação, assim, observou uma menor concentração do efluente
próximo a fonte de emissão e um maior arraste traduzido em maiores alcances do
mesmo. Por fim, quanto a taxa de vazamento, verificou a relevância da influência
deste parâmetro na formação da pluma de gás.
Almeida e Rezende (2018) apresentaram a resolução para um modelo
matemático pelo método dos volumes finitos com o uso do software ANSYS CFX®
18.1 do fenômeno de dispersão de efluente contendo CO2 a partir de uma chaminé e
avaliaram as concentrações deste componente e os perfis de temperatura no
domínio computacional contendo a chaminé diante de diferentes velocidades de
incidência da ventilação sobre a fonte de vazamento. Eles verificaram uma boa
concordância entre a simulação realizada por eles e o estudo de referência de
Majoub Said et al. (2005) (apud ALMEIDA e RESENDE, 2018). Verificaram que
quanto menor é a velocidade do vento sobre a fonte de emissão maior é a
temperatura da pluma na região de monitoramento a 270m da fonte de vazamento.
Quanto a concentração, verificaram que um aumento das velocidades da ventilação
promove uma maior dispersão da pluma levando a menores concentrações de CO 2
na região de monitoramento, comportamento similar ao da temperatura.
Frente ao que foi anteriormente exposto, sabe-se que as vantagens da
aplicação da fluidodinâmica computacional no estudo de dispersão de gases são
muitas, desde uma melhor caracterização do fenômeno de turbulência regente no
cenário de interesse a ser estudado, à consideração mais realista do terreno no qual
o fenômeno de dispersão se desenvolve como variável de rugosidade ou até mesmo
obstrução, à possibilidade de múltiplas caracterizações da condição em que o
vazamento ocorre ou à consideração de modo mais dinâmico de efeitos de variáveis
 43

tais quais empuxo no estudo proposto. Ainda assim, se reconhece a importância da

correta caracterização do cenário a ser estudado no software de interesse e a
validação dos resultados obtidos a fim de garantir a representatividade da
metodologia com relação à realidade.
 44

3 METODOLOGIA

3.1 Domínio físico

Definiu-se o domínio físico como a região no entorno de uma chaminé de 25 m
de altura situada em um terreno plano livre de obstruções. A tradução deste cenário
para o volume de controle se fez por meio da construção através do software Space-
Claim de um prisma de 452 m de comprimento, 250 m de largura e 175 m de altura
do qual se extrudou um outro prisma de base quadrada de 2 m de largura e altura de
25 m, a 50 m na direção x do início do domínio e centralizado na direção y. No
volume de controle, as laterais e o topo foram definidos com distanciamento
significativo da fonte de vazamento para que as condições de contorno dessas
fronteiras não influenciassem no comportamento dos fluidos próximo ao ponto de
vazamento e a sua base foi limitada pelo terreno plano. A geometria resultante se
verifica na Figura 5.

Figura 5 - Representação do domínio físico da simulação e suas dimensões.

3.2 Domínio computacional

Utilizou-se o software ANSYS Mechanical para a construção da malha não
estruturada e definição do domínio computacional. Diante das diversas malhas
computacionais possíveis de serem aplicadas ao problema proposto e a liberdade
para configuração da mesma, realizou-se um teste de convergência de malha no
 45

qual foram construídas 5 malhas computacionais com diferentes graus de

refinamento cujas características são apresentadas na Tabela 3.

Tabela 3 - Parâmetros de construção das malhas computacionais para teste de convergência.

Dimensão Número de Taxa de
Malha Quantidade de
característica camadas crescimento
computacional elementos
média (m) de prisma global
Tetraédricos – 74 mil
M1 2,9978 5 1,2
Wedges – 12 mil
Tetraédricos- 115 mil
M2 1,8314 5 1,2
Wedges - 30 mil
Tetraédricos - 180 mil
M3 1,1095 5 1,2
Wedges - 64 mil
Tetraédricos -215 mil
M4 0,88352 5 1,2
Wedges - 90 mil
Tetraédricos - 240 mil
M5 0,76053 5 1,2
Wedges - 110 mil

3.3 Modelo Físico

Este estudo foi desenvolvido sob as seguintes considerações:

• Escoamento em regime transiente;

• Escoamento não-isotérmico, tridimensional, monofásico, multicomponente,
compressível;
• Sem reação química;
• Sob a influência de forças gravitacionais;
• Não se considerou os efeitos da umidade do ar;
• Ar atmosférico e CO2 considerados gases ideais;
• Modelo de turbulência utilizado κ-ε padrão;
• Rugosidade do solo definida como Smooth wallI;e,
• Consideração da aproximação Full Buoyancy Model para os efeitos de
empuxo.

Com base nessas hipóteses, se aplicam simplificações às equações de

conservação de massa, quantidade de movimento, energia e às equações
referentes ao modelo de turbulência apresentadas anteriormente nas sessões 2.5 e
2.10.

3.3.1 Condições de contorno

Para as respectivas fronteiras do domínio computacional se definiu as
seguintes condições de contorno:
 46

• Entrada de vento: Definiu-se a condição INLET, onde se caracterizou a

ocorrência de um perfil de ventilação constante e normal à entrada do
domínio cujo módulo da velocidade na direção x é de 1 m.s -1 e nas outras
direções é nulo, a composição do efluente se apresenta apenas como ar
atmosférico e a temperatura foi definida como a temperatura ambiente;

ux = 1 m.s-1
uy = 0 m.s-1
Grupamento
em x = 0 m uz = 0 m.s-1
Entrada de vento
Cm = 100% Ar atmosférico
Tm = 298,15 K

Onde ux, uy e uz são as componentes da velocidade do vento nas

direções x, y e z respectivamente, Cm é a concentração da mistura e Tm é a
temperatura da mistura.

• Fronteiras laterais e superior: Definiu-se a condição WALL, onde se

caracterizou o comportamento de Free slip wall descrito pela ocorrência de
uma velocidade finita e calculada na componente de velocidade paralela à
superfície e nula na componente de velocidade normal à superfície, além
de caracterizar a tensão cisalhante como nula nessas fronteiras (ANSYS,
2011a) e definiu-se tais superfícies como adiabáticas;

Grupamentos em
un,superfície = 0 m.s-1
Lateral direita y=0m
𝜏superfície = 0 Pa
Lateral esquerda y = 250 m
Adiabático
Topo z = 175 m
Onde un,superfície é a velocidade normal ás superfícies e 𝜏superfície é a
tensão cisalhante às superfícies.

• Fronteira inferior: Definiu-se a condição WALL, onde se caracterizou o

comportamento No slip wall descrito pela ocorrência de velocidade nula na
superfície. Além disso, atribuiu-se a esta superfície uma temperatura fixa
de 300,15 K com base no estudo de Barros e Lombardo (2016);
 47

Grupamento Em usuperfície = 0 m.s-1

Solo z=0m Tsuperfície = 300, 15 K

Onde usuperfície é a velocidade na superfície e Tsuperfície é a temperatura

na superfície.

• Paredes da chaminé: Definiu-se a condição WALL, onde se caracterizou o

comportamento No slip wall descrito pela ocorrência de velocidade nula na
superfície e se definiu tais superfícies como adiabáticas;

Grupamento usuperfície = 0 m.s-1

Paredes chaminé Adiabático

• Saída de vento: Definiu-se a condição OPENING, na qual a superfície se

comporta como uma fronteira aberta pela qual o escoamento tanto pode
entrar no domínio computacional quanto sair do mesmo ou até pode
ocorrer uma mistura desses dois movimentos (ANSYS, 2011a). A
temperatura nesta fronteira foi definida como a ambiente e se atribuiu uma
pressão relativa de 1atm;

• Saída da chaminé: Definiu-se a condição INLET, para caracterizar a

emissão da mistura de efluentes no domínio de simulação. Definiu-se para
tal fronteira, uma vazão mássica constante de 20 kg.s-1, composição da
mistura de 95% de CO2 e temperatura de saída da chaminé de 298,15 K.

𝑚̇𝑚 = 20 𝑘𝑔. 𝑠 −1
Grupamento Cm = 95% CO2, 5% Ar
Saída chaminé atmosférico
Tm = 298,15 K

Quanto às definições da simulação propriamente dita, lista-se:

• Critério de convergência: Resíduo máximo (MAX) de 1,0E-04 para as

variáveis concentração mássica de CO2, Componentes da velocidade,
Pressão, Entalpia (H-Energy);
 48

• Tempo limite de simulação: 200 s; e,

• Passo de tempo: 0,01 s.

3.4 Análises desenvolvidas

A dinâmica do fenômeno de dispersão de efluentes na atmosfera a partir de
uma chaminé foi estudada numericamente por meio do software ANSYS CFX®19.5.
Para o cálculo de todas as simulações foi utilizado um processador Intel Core i5-
8265U CPU 1,60GHz de memória RAM igual a 8GB e sistema operacional de 64
bits. O pós-processamento dos resultados das simulações foi realizado por meio do
software ANSYS CFD-Post® 19.5.
Para tanto, duas análises foram conduzidas. A principal trata-se da análise do
fenômeno de dispersão propriamente dito considerando-se o efeito do empuxo e das
forças gravitacionais sobre o comportamento da pluma de gás vazado e posterior
comparação dos resultados numéricos da simulação com os resultados do modelo
matemático gaussiano aplicado (CROWL, 2011). A análise secundária se trata do
estudo da influência do refinamento da malha nos resultados numéricos obtidos.
Com base nela se analisou a viabilidade da utilização de diferentes malhas diante de
limitações de poderio computacional e tempo e se verificou a acurácia dos
resultados numéricos, definindo-se, por fim, a malha mais adequada para a
realização do estudo principal.
 49

4 RESULTADOS E DISCUSSÃO

4.1 Convergência de malha

Como descrito na seção 2.6, a malha computacional influi significativamente
no desempenho da simulação computacional e nos seus resultados propriamente
ditos. Diante disto, se realiza o estudo de convergência de malha com o intuito de
averiguar a malha mais adequada para a simulação do problema proposto neste
projeto. No estudo, um mesmo cenário é simulado com malhas de diferentes
dimensões que variam desde a menos refinada até a mais refinada. Para o presente
projeto, foram simuladas 5 malhas computacionais não estruturadas, apresentadas
na Tabela 4, cuja principal variação está na densidade da malha próximo da região
crítica da simulação – topo da chaminé.

Tabela 4 - Características das malhas computacionais utilizadas para o teste de convergência de

malha.
Malha computacional Número de nós Tempo de simulação
M1 20 mil 24 horas
M2 36 mil 66 horas
M3 66 mil 184 horas
M4 86 mil 202 horas
M5 103 mil 270 horas

As variáveis concentração mássica, temperatura, pressão e velocidade

escalar foram monitoradas sobre uma linha referencial centralizada em y, que se
estende da chaminé até o limite máximo em x do domínio computacional e cuja
elevação está a 10 cm do nível do solo. A Figura 6 ilustra a localização da linha
referencial selecionada para a realização do estudo de convergência de malha.
Os perfis das variáveis citadas anteriormente no tempo de 190 s de simulação
ao longo do referencial escolhido são apresentados na Figura 7. O tempo de 190 s
foi escolhido para a construção dos gráficos por ser o último tempo de exportação na
simulação dos resultados das variáveis listadas anteriormente em todas as malhas.
Por meio do estudo de convergência de malha, foi identificado um maior
alinhamento dos resultados gerados pelas simulações com as malhas M3, M4 e M5,
denotado pela sobreposição das linhas nos gráficos de concentração mássica. Isto
indica que a simulação do problema proposto com malhas mais refinadas que a
malha M3 não fornece resultados significativamente mais precisos que os gerados
 50

por ela. Além disso, como mencionado no item 2.6, a utilização de malhas maiores
exige maiores custos computacionais e resulta em maiores tempos de simulação,
como verificado na Tabela 4.

Figura 6 - Linha de referência para monitoramento de variáveis para o estudo de convergência de

malha.

Figura 7 - Gráficos das variáveis concentração mássica de CO2, temperatura, pressão e velocidade
escalar na linha de referência no tempo de 190 s.

Diante disso, dentre as malhas avaliadas, a malha M3 é a que melhor se

adequa às limitações de tempo e poderio computacional disponíveis para a
realização deste projeto e, ainda assim, providencia resultados coerentes quando
comparados a malhas mais refinadas. O que satisfaz o propósito do projeto e conclui
o estudo de convergência de malha. A malha M3 de 66 mil nós é apresentada na
Figura 8.
 51

Figura 8 - Vista de cortes gerais da malha computacional.

Das suas principais características, se listam um maior refinamento da malha

na região próxima a saída da chaminé seguido de um gradativo aumento de
tamanho dos elementos de malha com o distanciamento deste ponto (Figura 9), e,
além disso, a definição de uma camada de prismas regular Boundary Layer sobre o
ponto crítico do domínio (saída da chaminé) e sobre as superfícies sólidas do
mesmo (paredes da chaminé e solo) como detalhado na Figura 10.
 52

Figura 9 - Refinamento da malha próximo ao ponto de vazamento – vista lateral (a) e vista frontal (b).

Figura 10 - Camada de prismas aplicada a saída da chaminé, paredes da chaminé e solo.

4.2 Resíduo da simulação utilizando a malha M3

Um passo de tempo de 0,01 s foi aplicado a malha M3 para a execução da
simulação. Este parâmetro é relevante pois afeta diretamente o número de Courant
como descrito no item 2.8.
Sob este passo de tempo, considerando-se o tamanho das células do domínio
computacional definido na malha M3 e a velocidade do escoamento em cada célula
do domínio computacional, obteve-se número de Courant máximo inferior a 4 para a
simulação e, numa análise geral, a convergência foi alcançada para o critério de erro
máximo de 1,0E-04. A Figura 11 apresenta os erros máximos obtidos a partir da
resolução iterativa no domínio computacional das equações de conservação de
massa, da quantidade de movimento e energia térmica, identificadas nos gráficos
 53

pelas variáveis fração mássica de CO2, componentes da variável momentum e

entalpia respectivamente.

Figura 11 - Erro máximo obtido para as variáveis Fração mássica de CO2, Momentum e Entalpia.

4.3 Análise do desenvolvimento da pluma no tempo

A deflexão da pluma de efluentes em direção ao solo e o consequente
acúmulo do componente CO2, presente na mistura de efluentes, na região mais
próxima do solo foi observado nos resultados da simulação, como esperado. Tal
comportamento se justifica pelo fato de a densidade da mistura, calculada por meio
do software (3,53 kg m-3) ser superior a do ar atmosférico, descrita no item 2.1,
quando vazada à temperatura ambiente. Sendo assim, a Figura 12 demonstra a
vista XZ do comportamento descendente da pluma de efluentes e a Figura 13
descreve, no plano XY na elevação do solo, a área calculada pelo software de
2890,51 m2 atingida por concentrações de CO2 iguais ou superiores à concentração
de 0,00702 g.m-³ definida como máxima de exposição pela NR15 n°11, como
apresentado no item 1.1.2. Ambas as figuras foram plotadas em 140 s de simulação
 54

Figura 12 - Dispersão de vazamento de fluido mais denso que o ar atmosférico a temperatura

ambiente – Vista XZ (Y=125m).

Figura 13 - Área afetada pela dispersão da pluma de efluentes no solo - Vista XY

Quanto ao comportamento da velocidade, diante das definições de vazão

mássica, temperatura de vazamento, composição da mistura de efluentes liberados
e a própria área da chaminé, calculou-se, por meio da simulação, a velocidade de
saída da mistura de efluentes a partir da chaminé (1,40567m.s-1), cuja resultante
apresenta-se como ascendente. Devido, entretanto a densidade do fluido vazado,
velocidades escalares mais significativas em módulo são observadas direcionadas
 55

para o solo (Figura 14), como esperado segundo o item 2.1. A Figura 14 também
denota a ocorrência de velocidades superiores às descritas no escoamento principal
e à de saída da chaminé, o que pode estar associado tanto a contribuição de outras
variáveis como turbulência do meio e pressão local, como também a erros
numéricos de truncamento e associados a malha computacional utilizada.
A Figura 14 também apresenta zonas azuis escuras representativas de
velocidades entre 0,00 m.s-1 e 0,21.m.s-1 que indicam uma zona de estagnação do
escoamento. Como descrito no item 3.3.1, foi definido um perfil de ventilação para a
entrada do domínio computacional com velocidade de 1m.s-1 constante ao longo da
área da entrada. O encontro deste perfil de ventilação com a obstrução da chaminé
leva a redução da magnitude de velocidade do escoamento na região à montante da
mesma (DEORCE e FURIERE, 2017) e a ocorrência de zonas de recirculação pouco
expressivas à jusante dela que podem apresentar velocidades longitudinais no
sentido contrário às do escoamento principal (DEORCE e FURIERE, 2017;
GOUSSEAU et al., 2011). A redução da velocidade do escoamento à jusante da
chaminé também ocorre devido ao desvio que esta promove ao escoamento
principal, como definido no item 2.9.

Figura 14 - Perfil da velocidade escalar no domínio computacional próximo do ponto de vazamento

em t = 140 s.
 56

Em relação a variável temperatura, uma vez que o vazamento ocorre a

temperatura ambiente, ele não contribui para o fenômeno de transferência de calor
na atmosfera. Ainda assim, foi atribuída uma temperatura de 300,15 K como
representativa do solo, a fim de verificar a influência desse valor na dinâmica
atmosférica como um todo, como descrito no item 3.3.1.
Os resultados da simulação numérica definem, também, o perfil de
estratificação da pressão na atmosfera caracterizado por uma pequena variação da
pressão ao longo dos 175 m de altura do domínio computacional, demonstrado na
Figura 15. Nesse perfil, uma gradativa diminuição da pressão é observada com o
aumento da altura em acordo com Pascal (apud LONGUINI e NARDI, 2000).

Figura 15 - Perfil de estratificação da pressão na atmosfera segundo a altura.

Tanto a ocorrência do gradiente de pressão ao longo da altura quanto o efeito

da temperatura sobre a densidade das camadas de ar adjacentes ao solo e de topo,
cujo mecanismo é descrito no item 2.9, contribuem para a ocorrência das zonas de
recirculação. Neste projeto, se possibilita a formação destas zonas de recirculação
por meio da condição de contorno OPENING descrita na saída da ventilação no
domínio computacional. A Figura 16 demonstra o comportamento das zonas de
recirculação.
 57

Essas zonas turbulentas, são definidas como deslocamentos verticais das

massas de ar e apresentam significativo efeito sobre o fenômeno de dispersão ao
contribuir tanto para o espalhamento e maior alcance da pluma, quanto para a
diluição da mesma, modificando o seu comportamento. O perfil de fração mássica
de CO2 da pluma de gás vazado ao longo do tempo é demonstrado na Figura 17.
Por meio da análise visual dos resultados transiente da simulação de
dispersão, para as dadas condições de entrada do domínio computacional, verificou-
se que a pluma de efluentes vazada encontra-se em equilíbrio com o ambiente em
termos de dimensões a partir de aproximadamente 140 s de simulação. O que indica
que a partir deste instante, não são observadas alterações significativas no formato
e dimensões da pluma.

Figura 16 - Zona de recirculação da simulação de dispersão atmosférica.

Figura 17 - Desenvolvimento do vazamento contínuo de mistura de efluentes contendo CO2 ao longo

do tempo – Vista XZ (Y=125 m).
A fim de se avaliar numericamente o comportamento da pluma de efluentes
ao longo do tempo, três pontos foram selecionados no domínio computacional sobre
 58

a linha de referência apresentada no item 4.1. O Ponto A se encontra a 15 m na

direção x do ponto de vazamento, o ponto B. se encontra a 100 m do ponto de
vazamento e ponto C a 200 m, estando todos os pontos centralizados em relação ao
eixo y, como demonstrado na Figura 18. Sobre estes pontos, se avaliou a fração
mássica de CO2 ao longo do tempo, seus resultados estão dispostos na Figura 19.
Por meio dos gráficos de cada ponto, se verifica uma gradativa diminuição da
ordem de grandeza das frações mássicas de CO2 partindo-se do ponto A para o
ponto C, onde o ponto A apresenta ordem de grandeza de 1,0E-02, o ponto B, de
1,0E-03 e o ponto C, de 1,0E-04. Esse comportamento se justifica no gradativo
aumento das distâncias entre os pontos A, B e C e o ponto de vazamento
respectivamente, que se associa diretamente ao aumento da diluição pelo ar
atmosférico da pluma de gás liberada (CROWL, 2011).
Também é possível observar o fenômeno de frente livre, ou seja, a
transladação da pluma de efluentes vazada sobre o eixo x uma vez que os máximos
das frações mássicas de CO2 nos pontos A, B e C ocorrem sequencialmente e
respectivamente em 110, 130 e 150 s. Esse panorama indica o desenvolvimento do
fenômeno de dispersão do gás ao longo do tempo que é configurado pelo
espalhamento da pluma na direção do gradiente de concentração e auxiliado pela
contribuição convectiva da ventilação no domínio fluído (GOUSSEAU et al., 2011). A
contribuição do segundo fator mencionado nesse cenário, apresenta maior influência
sobre o deslocamento da pluma na direção a favor do vento, ou seja, sentido
crescente do eixo x.
A contribuição convectiva da ventilação tanto influencia o fenômeno de
dispersão como impulsora da pluma de gás, quanto como diluidora da mesma.
Nesse sentido, acrescenta-se a turbulência e as zonas de recirculação alimentadas
por ela como variáveis de distúrbio sobre o fenômeno da dispersão, que tanto
auxiliam na diluição da pluma quanto no espalhamento randômico da mesma
também para direções além daquela a favor do vento. Com base nisso, pode-se
justificar um ligeiro decrescimento das frações mássicas de CO2 nos pontos A, B e C
para maiores tempos de simulação. Deve-se frisar também que um maior
decrescimento pode ser observado no ponto C tanto pela maior influência dessas
variáveis distúrbio sobre o ponto quanto pelo fato deste apresentar menores valores
de fração mássica sobre os quais pequenas variações geram resultados mais
significativos quando comparados aos outros pontos. A análise da fração mássica no
 59

tempo também indica a possibilidade de a simulação não ter se estabilizado, sendo

necessário, diante disso, um maior tempo de simulação para o alcance do estado
estacionário.

Figura 18 - Localização dos pontos A, B e C no domínio computacional.

Figura 19 - Perfis da fração mássica de CO2 ao longo do tempo de simulação para os pontos A, B e C
respectivamente.

4.4 Resultados numérico versus analítico

Em vista de mensurar qual método se apresenta como mais conservativo, se
comparou os resultados obtidos através do modelo numérico aos resultados obtidos
por meio do modelo matemático analítico de pluma gaussiana.
 60

O primeiro parâmetro comparado entre os dois modelos foi a distância a partir

do ponto de vazamento na qual se verifica a concentração máxima de CO 2 no solo.
O modelo numérico descreve uma distância de aproximadamente 17 m da chaminé,
enquanto o modelo matemático analítico descreve uma distância de
aproximadamente 88 m considerando as variáveis altura da chaminé e coeficiente
de dispersão vertical. Diante disto, verifica-se um maior conservadorismo do modelo
analítico na descrição do alcance da pluma de efluentes na região do solo.
A análise numérica da divergência dos resultados entre esses dois modelos,
consequência das diferentes simplificações que cada um deles adota, também foi
realizada. Para isto, foram definidos pontos sobre linhas paralelas ao eixo x no
domínio computacional, dos quais se extraiu os valores da variável concentração
mássica de CO2 no tempo de 190 s. As coordenadas desses pontos foram
posteriormente inseridas no modelo matemático analítico juntamente a outras
especificações do cenário para se obter as concentrações mássicas de CO2
fornecidas por esse último modelo. A Figura 21 apresenta as concentrações
calculadas por meio dos modelos numérico e analítico para as linhas referenciais
localizadas em três diferentes elevações do solo: 10 cm, 12,5 m e 25 m, e
distribuídas 60 m à esquerda do ponto de vazamento (Y = 185 m), centralizadas em
Y (Y = 125 m), e 60 m à direita do ponto de vazamento (Y = 65 m) respectivamente
explícitas na Figura 20.
Verificou-se por meio da comparação que, em todos as linhas referenciais, o
modelo matemático analítico apresenta valores de concentração média superiores
às concentrações instantâneas apresentadas pelo modelo numérico a partir de 250
m do início do domínio computacional na direção x, ou, 200 m do ponto de
vazamento. Em contrapartida, para distâncias menores que 250 m se observam
maiores concentrações de CO2 descritas pelo modelo numérico. Isto se deve ao fato
de o modelo de pluma gaussiana apresentar como região válida para a predição das
concentrações do efluente disperso aquela localizada entre 100 m e 10 km do ponto
de vazamento (JUNIOR, C., 2015).
Deve-se ressaltar que à medida que a pluma de gás vazado se distancia do
ponto de vazamento, torna-se cada vez mais diluída até que em determinado
momento, é caracterizada como neutra em relação às forças de empuxo e
gravitacionais e sua dispersão é dominada pela turbulência do meio (CROWL,
2011). Diante disto, se justifica as menores concentrações observadas nos pontos
 61

de monitoramento distantes do ponto de vazamento pelo modelo numérico, como

mencionado anteriormente e, sob outra perspectiva, um maior conservadorismo por
parte do modelo analítico por apresentar valores de concentração superiores aos do
método de CFD, como esperado. Nessas configurações, se espera uma modelagem
mais representativa da pluma de gás vazada pelo modelo analítico uma vez que ele
foi desenvolvido para modelar dispersões neutras (JUNIOR C., 2015) e atua dentro
das suas limitações.
Na Figura 21, observa-se também a assimetria entre os valores de
concentração mássica observados em regiões igualmente espaçadas do ponto de
vazamento obtidos por meio da técnica de CFD. Isto possivelmente está associado a
malha computacional construída para a simulação do cenário proposto, que
superestima as concentrações mássicas de CO2 na região localizada à esquerda do
ponto de vazamento, fato também ilustrado na Figura 13 em tempo computacional
anterior a 190 s. Deve-se frisar, entretanto, que a assimetria no perfil XY da pluma
de efluentes não necessariamente indica menor precisão dos resultados numéricos
na referenciada região uma vez que as condições atmosféricas caracterizadas por
instabilidades e zonas de recirculação podem deslocar a posição da pluma. A
condição de simetria é verificada no modelo matemático analítico devido às
hipóteses adotadas por ele como, segundo Boçon (1998), “condições homogêneas e
estacionárias de turbulência atmosférica” e velocidade constante e unidirecional da
ventilação, características distintas do cenário numérico.

Figura 20 - Linhas referenciais analisadas pelo modelo numérico e pelo modelo matemático
 62

Figura 21 - Concentração de CO2 ao longo do eixo x para o modelo numérico de CFD e o modelo analítico de pluma gaussiana.
 63

5 CONCLUSÃO

No que diz respeito à simulação numérica, verificou-se que a mesma atende

às limitações físicas do problema proposto no quesito comportamento descendente
da mistura de efluentes vazada (ar atmosférico + CO2), em acordo com o esperado
da interação dessa mistura com o fluido ar atmosférico sob condições de vazamento
à temperatura ambiente de 298,15 K sendo o escoamento influenciado pelas forças
gravitacionais e de empuxo. Além disso, verificou-se a convergência da simulação
sob o critério de erro máximo de 1,0E-04, o que assegura a estabilidade e
consistência dos resultados obtidos por meio dela. Entretanto, uma vez que a
atmosfera se trata de um ambiente complexo e considerando-se a liberdade que a
metodologia de CFD fornece no sentido de possibilitar a geração de resultados a
partir de quaisquer dados de entrada, sejam esses fisicamente críveis ou não, faz-se
ainda mais necessário para a simulação deste cenário, a validação dos resultados
gerados numericamente com resultados experimentais.
Quanto à comparação entre os resultados providos pela simulação numérica
e pelo modelo analítico, conclui-se que, os modelos numérico e analítico consideram
aproximações distintas que impossibilitam a sua comparação direta. Quanto ao
modelo matemático, ele considera simplificações de parâmetros característicos do
escoamento e do meio em que ele ocorre para viabilizar a resolução das equações
de transporte do fenômeno de dispersão. Dentro das suas limitações, o modelo
matemático tende a superestimar as concentrações médias dos fluidos vazados e o
alcance da pluma a fim de preservar o conservadorismo dos seus resultados. Para
além das suas limitações, verifica-se a não adequação do modelo de pluma
gaussiana para mensurar o desenvolvimento do fenômeno de dispersão,
principalmente quando a análise ocorre nas regiões próximas do ponto de
vazamento do cenário caracterizado pelo vazamento de uma pluma de gás denso
por exemplo.
A consideração das hipóteses simplificadoras da equação no modelo de
pluma gaussiana como condições homogêneas e estacionárias de turbulência
atmosférica e a desconsideração dos efeitos do empuxo, momentum e das forças
gravitacionais sobre a pluma de gás vazado resultam num distanciamento dos
resultados instantâneos fornecidos pelo modelo numérico que mesmo diante de
 64

outras simplificações como terreno livre de obstruções e velocidade de escoamento

da ventilação unidirecional e constante, é capaz de modelar com eficiência o
fenômeno de dispersão de uma pluma densa.

5.1 Propostas de trabalhos futuros

Por meio deste estudo, são reconhecidas oportunidades de melhoria na
simulação numérica realizada e motivação para a realização de outros trabalhos que
complementem o estudo da dinâmica da dispersão de efluentes na atmosfera.
Com relação a assimetria entre as concentrações mássica de CO2 avaliadas a
esquerda e a direita do ponto de vazamento possivelmente associadas a malha
utilizada. Como sugestão para trabalhos futuros tem-se, a realização de simulações
com malhas ainda mais refinadas a fim de evitar tendências provenientes das
configurações dela sobre os resultados e a consideração de tempos de simulação
mais longos para a verificação da estabilização dos resultados da simulação.
Também a realização de um estudo de convergência e estabilidade da malha
mais aprofundado com a consideração de passos de tempo menores e
consequentemente a obtenção de números de Courant máximo menores com o
intuito de gerar resultados mais estáveis para a simulação numérica.
A comparação dos resultados numéricos obtidos a dados experimentais para a
validação da simulação também seria de grande valia para esse estudo.
Além disso, a simulação de vazamentos compostos pelo mesmo fluido a
temperaturas de emissão diferentes também enriqueceria o estudo uma vez que por
meio dela, poder-se-ia avaliar o comportamento de uma pluma neutra (não afetada
pelas forças de empuxo e gravitacionais) e uma pluma ascendente a fim de verificar
como se desenvolvem os seus processos de dispersão e, se diante destas outras
características, a aplicação do modelo de pluma gaussiana utilizado neste trabalho é
mais adequada. Além da verificação da adequação de outros modelos analíticos a
estes diferentes comportamentos de pluma.
Soma-se a estas propostas, a realização da simulação de um vazamento
instantâneo, em um cenário de explosão de gases confinados em um taque por
exemplo, seguido da imediata expansão e posterior carreamento dos mesmos na
atmosfera, entre outros cenários de condição de ventilação atmosférica e
composição da mistura vazada.
 65

REFERÊNCIAS BIBLIOGRÁFICAS

ALMEIDA, R. A.; REZENDE, R. V. P. Simulação numérica da Dispersão de CO 2 na

atmosfera a partir de uma Chaminé Industrial. Jornal Eletrônico de Ensino e
Pesquisa de Matemática., Maringa: Jeepema, v. 2, p. 103-121, ago. 2018.

ANDRADE, H. C. C. O Método dos volumes finitos aplicado a escoamentos de

convecção forçada e natural. Rio de Janeiro, 2014. 98 f. Dissertação (Mestrado em
Engenharia Civil) – COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro,
2014.

ANSYS, Inc. Ansys CFX-Solver Modeling Guide: Release 14.0. Canonsburg, 2011a.

______. Ansys CFX-Solver Theory Guide: Release 14.0. Canonsburg 2011b.

______. Ansys CFX-Solver Theory Guide: Release 17.2. Canonsburg, 2018.

______. Ansys CFD-Post User’s Guide: Release 14.0. Canonsburg, 2017.

BARROS, H. R.; LOMBARDO, M. A. A ilha de calor urbana e o uso e cobertura do

solo em São Paulo - SP. Geousp-Espaço e Tempo, São Paulo, v. 20, p. 160-177,
abr. 2016. Disponível em: < http://www.journals.usp.br/>. Acesso em: 20 mai. 2020.

BOÇON, F. T. Modelagem matemática do escoamento e da dispersão de poluentes

na microescala atmosférica. Florianópolis, 1998. 308 f. Tese (Doutorado em
Engenharia Mecânica) -Programa de Pós-Graduação em Engenharia Mecânica,
Universidade Federal de Santa Catarina, Florianópolis, 1998.

BOLOGNESI, B.; MONTELATO, F. Estudo de dispersão de poluentes atmosféricos

usando CFD. São Paulo. 2011. 64 f. Trabalho de Conclusão de Curso (Bacharelado
em Engenharia Química) – Escola Politécnica, Departamento de Engenharia
Química, Universidade de São Paulo, São Paulo, 2011.

BRASIL. Ministério do Meio Ambiente. Plano Setorial de Mitigação e Adaptação à

Mudança do Clima para a consolidação de uma economia de baixa emissão de
 66

carbono na indústria de transformação, 2013. Disponível em:<

https://www.mma.gov.br/>. Acesso em: 31 maio 2020.

______. Ministério do Meio Ambiente. Brasil perto de cumprir meta de redução de

CO2 em 2020, 2019a. Disponível em:< https://www.mma.gov.br/>. Acesso em: 31
maio 2020.

______. Ministério do Trabalho. NR15 – Atividades e operações insalubres, 2019b.

Disponível em:< https://enit.trabalho.gov.br/portal/>. Acesso em: 31 maio 2020.

BRITO, M. R. C.; FERNANDES, M. A. Efeito de fontes fixas combustíveis na

poluição atmosférica: aplicação da análise multivariada às características de
efluentes gasosos. Coimbra, 2012. 197 f. Dissertação (Mestrado em Química) –
Especialização em Controle da Qualidade, Universidade de Coimbra, Coimbra,
2012.

CROWL, D. A.; LOUVAR, J. F.Toxic release and dispersion Models. In: Chemical
process safety: Fundamentals with applications. 3.ed. Boston: Prentice Hall,.2011.
629p. cap. 5, p.171-224.

DARDOURI, S.; SGHAIER, J. Modeling atmospheric emissions during olive husk

drying and study of meteorological factors effect in the vicinity of urban áreas.
Journal of King Saud University – Science, Tunisia: Elvevier B.V., v. 31, p. 635-641,
jun. 2019.

DEORCE, E. R.; FUERI, B. Estudo numérico da influência de condições

meteorológicas na dispersão de gases e partículas emitidos de uma chaminé
cilíndrica isolada. In: ANAIS CONGRESSO ABES/AESabesp/FERNASAN 2017, 29.
28. 28., 2017, São Paulo. Anais eletrônicos ... Vitória, 2017. Disponível em:<
http://abes.locaweb.com.br>. Acesso em: 20 out. 2020.

FIATES, J. Desenvolvimento de uma metodologia para simulação de dispersão de

gás inflamável por meio de CFD utilizando OpenFOAM. Campinas, 2015. 148 f.
Dissertação (Mestrado em Engenharia Química), Faculdade de engenharia Química
– Universidade Estadual de Campinas, Campinas, 2015.
 67

FOGAÇA, I. A. Utilização de refinamento de malhas na simulação computacional

aplicada ao problema da transferência de calor. Alegrete, 2015. 62 f. Monografia
(Bacharelado em Ciência da Computação), Universidade Federal do Pampa,
Alegrete, 2015.

GADELHA, A. J. F. Simulação Fluidodinâmica da Dispersão de Poluentes a partir da

Chaminé de uma Termelétrica. Campina Grande, 2016. 124 f. Tese (Doutorado em
Engenharia Química) – Centro de Ciências e Tecnologia, Universidade Federal de
Campina Grande, Campina Grande, 2016.

GANT, S. E.; TUCKER, H. Computational Fluid Dynamics (CFD) modelling of

atmospheric dispersion for land-use planning around major hazards sites in Great
Britain. Journal of Loss Prevention in the Process Industries, Inglaterra: Elsevier Ltd.,
v. 54, p. 340-345, mar. 2018.

GOUSSEAU et al. CFD Simulation of polutant dispersion around isolated buildings:

On the role of convective and turbulent mass fluxes in the prediction accuracy.
Journal of Hazardous Materials, Holanda: Elsevier B.V, v. 194, p. 422-434, ago.
2011.

HARPER, P. Assessment of the major hazard potential of carbono dioxide (CO 2).
Health and Safety Executive, Inglaterra: Crown, p. 1-28, 2011. Disponível em:<
www.hse.gov.uk/carboncapture/partners.htm>. Acesso em: 10 jun. 2020.

INACIO, J. da R. G. Simulação do regime intermitente em tubulações verticais

utilizando o modelo de dois fluidos com diferentes relações de fechamento. Rio de
Janeiro, 2012. 110 f. Dissertação (Mestrado em Engenharia Mecânica) – Centro
Técnico PUC - Rio, Pontifícia Universidade Católica do Rio de Janeiro, Rio de
Janeiro, 2012.

IRIART, P. G; FISCH, G. Uso do modelo WRF-CHEM para a simulação da dispersão

de gases no centro de lançamento de Alcântra. Revista Brasileira de Meteorologia,
São José dos Campos, v. 31, p. 610-625, jan. 2016.

JUNIOR, C. A. V. Modelos de dispersão.2015. 134 slides. Disponível em:<

http://www.eq.ufrj.br/docentes/>. Acesso em: 15 nov. 2020.
 68

JUNIOR et al. Estudo da dispersão de monóxido de carbono emitido por queimadas

na Amazônia legal em 19 agosto de 2010 baseado em: simulações do modelo WRF-
CHEM e Sensoriamento Remoto. Ciência e Natura, Santa Maria: Editora da UFSM,
v. 37 Ed. Especial, p.144-152, 2015.

LATEB et al. On the use of numerical modelling for near-field pollutant dispersion in
urban environments – A review. Environmental Pollution, Estados Unidos: Elsevier
Ltd., v. 208, p. 271-283, ago. 2015.

LEAL, C. A; CHIARAMONTE, E. A. Discussão de hipótese para modelagem da

dispersão de gases pesados na atmosfera. Ciência e Natura, Dispersion Process,
Porto Alegre, volume especial, p. 217-236, 2000.

LISBOA, H. M. Introdução. In: Controle da poluição atmosférica. Montreal: Editora da

UFSC, 2007. 567 p. cap. 1, p. 1-19.

LIU et al. Computational fluid dynamics simulation of carbono dioxide dipersion in a

complex environment. Journal of loss Prevention in the Process Industries, Australia:
Elsevier Ltd., v. 40, p. 419-432, jan. 2016.

LONGUINI, M. D.; NARDI, R. Origens históricas e considerações acerca do conceito

de pressão atmosférica. Caderno catarinense de ensino em física, Bauru: Editora
UNESP, v. 19, p. 64-75, abr. 2000.

MELO, R. G. Análise e propagação de incertezas associadas à dispersão

atmosférica dos gases da unidade SNOX. Recife, 2015. 161 f. Tese (Doutorado em
Engenharia Química) – Programa de Pós Graduação em Engenharia Química,
Universidade Federal de Pernambuco, Recife, 2015.

MENDES, P. R. A. Modelos matemáticos de dispersão dos poluentes na atmosfera.

2018. 66 slides. Disponível em:< https://edisciplinas.usp.br/>. Acesso em: 3 abr.
2020.

MITRE, J. F. Introdução a fluidodinâmica computacional. 2018. 108 slides.

Disponível em:< http://www.professores.uff.br/mitre/>. Acesso: em 4 abr. 2020.
 69

MOREIRA, D.; TIRABASSI, T. Modelo matemático de dispersão de poluentes na

atmosfera: Um instrumento técnico para a gestão ambiental. Ambiente & Sociedade,
Canoas: Revista Ambiente & Sociedade, v. 7, p. 159-173, ago. 2004.

MOREIRA, G. A. A. Modelagem numérica da camada limite atmosférica com

validação experimental. Belo Horizonte, 2007. 134 f. Dissertação (Mestrado em
Engenharia Mecânica) – Programa de Pós-Graduação em Engenharia Mecânica,
Universidade Federal de Minas Gerais, Belo Horizonte, 2007.

MOURA, A. B. D. Solução analítica para dispersão vertical turbulenta em uma

camada limite estável. Porto Alegre, 1995. 91 f. Dissertação (Mestrado em
Engenharia) – Escola de Engenharia, Universidade Federal do Rio Grande do Sul,
Porto Alegre, 1995.

NETO, F. F. Modelo de troca híbrido (HSM) para um vazamento acidental em uma

tubulação de CO2 pressurizada. Campinas, 2017. 79 f. Dissertação (Mestrado em
Engenharia Química) – Faculdade de Engenharia Química, Universidade Estadual
de Campinas, Campinas, 2017.

OHBA et al. Validation of heavy and light gas dispersion models for the safety
analysis of LNG tank. Jounarl of Loss Prevention in the Process Industries, Japão:
Elsevier Ltd., v.17, p. 325-337, 2004.

OLIVEIRA, V. A qualidade do ar na Região Metropolitana do Rio de Janeiro: a saúde

pública como elo central de articulação e suas implicações na gestão integrada
saúde e ambiente. Rio de Janeiro, 2008. 201 f. Tese (Doutorado em Ciências na
área de Saúde Pública) - Escola Nacional de Saúde Pública Sergio Arouca, Rio de
Janeiro, 2008.

PAOLI, F. Simulação em túnel de vento da dispersão de uma pluma emitida por uma
chaminé isolada. Porto Alegre, 2006. 160 f. Dissertação (Mestrado em Engenharia
Civil) – Escola de Engenharia, Universidade Federal do Rio Grande do Sul, Porto
Alegre, 2006.

PFLUCK, C. E. de F. Simulação fluidodinâmica da dispersão de poluentes na

atmosfera. Porto Alegre, 2010. 142 f. Dissertação (Mestrado em Engenharia na área
 70

de Fenômenos de Transporte e Operações unitárias), Universidade Federal do Rio

Grande do Sul, Porto Alegre, 2010.

PRIMO et al. Estudo de dispersão atmosférica dos óxidos de nitrogênio (NOx)

emitidos durante a queima de bagaço em usina de açúcar. Biomassa & Energia,
Minas Gerais: Renabi, v.2, p 79-90, mar. 2005.

REZENDE, A. L. T. Análise numérica da bolha de separação do escoamento

turbulento sobre placa plana fina inclinada. Rio de Janeiro, 2009. 263 f. Tese
(Doutorado em Engenharia Mecânica) – Programa de Pós Graduação em
Engenharia Mecânica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de
janeiro, 2009.

RIBEIRO et al. Análise de dispersão de gás denso em atmosfera estável com

validação e verificação dos dados. In: ANAIS DO CONGRESSO BRASILEIRO DE
FLUIDODINÂMICA COMPUTACIONAL, 2018, Rio de Janeiro. Anais eletrônicos ...
Campinas: Galoá, 2018. Disponível em: < https://proceedings.science/cbcfd-2018/>.
Acesso em: 23 jun. 2020.

SALAZAR, M. P. Estudo sobre modelagem da dispersão atmosférica de gases

densos decorrente de liberações acidentais em análise quantitativa de risco. São
Paulo, 2016. 97 f. Dissertação (Mestrado em Ciências), Escola Politécnica,
Universidade de São Paulo, São Paulo, 2016.

SCHLEDER, A. M.; MARTINS, M.R. Experimental data and CFD performance for
CO2 cloud dispersion analysis. Journal of Loss Prevention in the Process Industries,
São Paulo: Elsevier, Ltd., p. 1-12, mar. 2016.

SEINFELD, J. H.; PANDIS, S. N. Atmospheric chemistry and physics: from air to

climate change. 2.ed. New Jersey: John Wiley & Sons, Inc, 2006. 1248p.

SHAW, T. Computer-based analysis procedures and tools. In: . Using

Computational Fluid Dynamics. University of Warwick: Prentice Hall, 1992. 323p.
cap.4, p. 85-98.
 71

SKLAVOUNOS, S.; RIGAS, F. Validation of turbulence models in heavy gas

dispersion over obstacles. Journal of Hazardous Materials. Atenas: Elsevier B.V., v
108, p. 9-20, jan. 2004.

SOUZA, L. F. Introdução aos métodos numéricos. [200-?]. 38 slides. Disponível

em:<https://sites.icmc.usp.br/lefraso/disc/dia02.pdf>. Acesso em: 21 mar 2020.

SOUZA, D. B. O uso de CFD no estudo da dispersão de monóxido de carbono em

ambiente urbano. Uberlândia, 2016. 192 f. Dissertação (Mestrado em Engenharia
Química) – Programa de Pós-Graduação em Engenharia Química, Universidade
Federal de Uberlândia, Uberlândia, 2016.

TOMINAGA, Y.; STATHOPOULOS, T. CFD simulations of near-field pollutant

dispersion with diferente plume buoyancies. Building and Environment. Japão:
Elsevier Ltd., v. 136, p. 128-139, maio 2018.

VERSTEEG, H. K.; MALALASEKERA, W. An Introduction to Computational Fluid

Dynamics: The finite volume method, 2.ed. England: Pearson Education Limited,
2007. 517p.

WANDER, A. P. Validação das aproximações do tipo Hele-Shaw aplicadas ao

escoamento de fluídos viscoplásticos em uma cavidade simétrica. Porto Alegre,
2011. 49 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química)
– Escola de Engenharia, Universidade Federal do Rio Grande do Sul, Porto Alegre,
2011.

WANG et al. Mechanism for the formation of the January 2013 heavy haze pollution
episode over central and eastern China. Science China: Earth Science, China:
Verlag Berlin Heidelberg, v. 57, p.14-25, nov 2013.

WHITE MARTINS. Ficha de informação de segurança de produto químico: FISPQ n°

P-4574-H. Disponível em: < https://cloud.cnpgc>. Acesso em: 31 maio 2020.

WITTWER, A. R.; De PAOLI, F.; SCHETTINI, E. B. C.; LOREDO-SOUZA, A. M.

Simulação física de processo de difusão turbulenta de gases poluentes na camada
atmosférica superficial. Avances em Energías Renovables y Medio Ambiente,
Argentina: ASADES, v.11, p. 115-122, 2007.