Impacto do ajuste da matriz de covariância dos erros do background na assimilação de dados de radar

• Autor(a) principal: André Muniz Marinho da Rocha
• Data de Publicação: 2016
• 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-m21b/2016/11.30.10.55

A assimilação de dados combina as informações de modelos numéricos e as observações meteorológicas, através de um processo físico-estatístico, gerando a melhor representação possível do estado da atmosfera em um dado instante de tempo. O objetivo deste trabalho é ajustar a matriz covariância do erro do background dentro do ciclo de assimilação de dados de radar Doppler, a fim de melhorar a análise e, como consequência, as previsões de precipitação de curto prazo. O modelo atmosférico e o sistema de assimilação utilizados são o Weather Research and Forcasting (WRF) e o WRF Data Assimilation (WRFDA) 3D-Var. O domínio abrange o oeste do sul do Brasil, incluindo os estados do Paraná, Santa Catarina e Rio Grande do Sul e parte do Paraguai com resolução horizontal de 2 km e 45 níveis. O período de estudo é de 15 de outubro a 15 de novembro de 2014, com a avaliação da precipitação feita comparando os resultados da modelagem com os dados do Tropical Rainfall Measuring Mission (TRMM) 3B42, usando os índices estatístico Root Mean Square Error (RMSE). Os outros campos meteorológicos também foram avaliados usando o mesmo índice estatísticos comparando-o com as observações de superfície. Observações das Estações meteorológicas de superfície foram usadas para comparação com os resultados do modelo com e sem assimilação de dados do radar. As estações selecionadas foram Curitiba, Bacacheri, Londrina e Foz do Iguaçu. Durante o processo de assimilação, os dados convencionais do Global Telecommunication System também foram assimilados. A matriz de covariância do erro de background foi gerada utilizando um utilitário do WRFDA aplicando o método NMC com 03 meses de simulações de 24 h a partir de 00UTC e 12UTC. O processo de geração da matriz B espalha horizontalmente as informações de uma determinada observação usando um filtro recursivo, em seguida, o ajuste da matriz de covariância do erro de background foi aplicado, ajustando os parâmetros variance scaling, relacionada com a intensidade com que cada observação irá influenciar as variáveis de estado nos pontos da grade do modelo, e o length scaling, relacionada com a influência do erro em escala de distância nos valores dos pontos da grade das variáveis de estado do modelo, de modo a ajustá-los para a região de estudo, os dados assimilados e o sistema meteorológico estudado. Foram testados diversos valores dos dois parâmetros e os resultados baseado no índice estatístico mostrou melhorias na previsão da localização e intensidade da precipitação quando aplicado os ajustes na matriz de covariância do erro de background.