Impacto da assimilação de dados conjunto-variacional na previsão de episódios de chuvas intensas no Nordeste brasileiro

• Autor(a) principal: João Pedro Gonçalves Nobre
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
• Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21c/2021/02.24.18.02

O Nordeste Brasileiro (NEB) encontra-se na região tropical do Brasil, limitado pelo oceano Atlântico e com um clima e vegetação fortemente influenciados pelo Planalto da Borborema. A presença desse planalto marca significativamente o clima da região ao manter a leste massas de ar com características mais úmidas e responsáveis pela ocorrência de chuvas e o lado oeste, massas de ar predominantemente secas. Este trabalho visa avaliar a performance dos diferentes sistemas de assimilação dados; 3DVar (Three-Dimensional Variational), EnKF (Ensemble Kalman Filter) e o híbrido, 3DEnVar (Three-Dimensional Ensemble-Variational), no estudo de episódios de SCM (Sistemas Convectivos de Mesoescala), utilizando previsões do modelo meteorológico de mesoescala WRF (Weather Research and Forecasting), em comparação com previsões do WRF inicializadas com dados do GEFS (Global Ensemble Forecast System), para dois eventos de SCM ocorridos nos dias 14 e 24 de janeiro de 2017. Para isso, será utilizada a versão V3.0.0 do SMR (Sistema de Modelagem Regional) do CPTEC (Centro de Previsão de Tempo e Estudos Climáticos) constituído de dois componentes: o modelo WRF e o sistema de assimilação de dados GSI (Gridpoint Statistical Interpolation). Atualmente, o SMR encontra-se configurado para fornecer condições iniciais ao modelo WRF atualizadas pelo 3DVar, que utiliza uma matriz de covariância dos erros de previsão climatológica, para ponderar os erros do modelo no processo de minimização da função custo. No presente trabalho, utilizou-se o 3DEnVar no SMR, que consiste de um sistema 3DVar, cuja matriz de covariância dos erros de previsão é calculada através da combinação linear dos membros de um conjunto de previsões que servirão para atualizar a matriz climatológica do SMR, com os erros do dia. Desse modo, o presente trabalho visa melhorar a detecção e estimativa da quantidade de chuva dos casos de SCM sobre o NEB ao utilizar a análise do 3DEnVar na previsão de chuva acumulada em 24 h. Resultados obtidos ilustram que o sistema de assimilação de dados híbrido (3DEnVar) foi capaz de gerar melhores análises, se comparado a um sistema variacional puro (3DVar), para os campos de pressão superficial e umidade ao analisar estatisticamente o desempenho dos sistemas variacionais através do BIAS e RMSE (Root Mean Square Error). O melhoramento obtido na representação dos campos de umidade através do 3DEnVar foi essencial para obtenção de boas previsões de chuva acumulada em 24 horas, com o modelo WRF, ao ser comparado com a precipitação registrada por estações meteorológicas em superfície, do Instituto Nacional de Meteorologia (INMET), para os dias 14 e 24 de janeiro de 2017 sobre o NEB.