Assimilação de dados global híbrida por conjunto-variacional no CPTEC
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do INPE |
Texto Completo: | http://urlib.net/sid.inpe.br/mtc-m21b/2017/06.20.12.39 |
Resumo: | Esta tese de doutorado é dedicada a estudar a determinação e a aplicação das covariâncias dos erros de previsão, por meio da aplicação de um sistema híbrido 3DVar de assimilação de dados. A característica híbrida deste sistema de assimilação de dados refere-se à forma da matriz de covariâncias. Uma matriz de covariâncias híbrida é - no contexto deste trabalho, uma combinação linear entre uma matriz de covariâncias estática (i.e., fixa no tempo) e covariâncias obtidas a partir de um sistema de filtro de Kalman por conjunto (e.g., Ensemble Kalman Filter). A combinação entre estas duas espécies de covariâncias tem o benefício de fazer com a matriz de covariâncias estática seja capaz de enxergar - com certa limitação, as variações diárias do fluxo atmosférico, uma característica antes limitada a sistemas computacionalmente mais custosos e complexos. Atualmente, sistemas híbridos tem sido aplicados em centros operacionais de Previsão Numérica de Tempo sob diferentes metodologias. A metodologia aplicada neste trabalho para adicionar as covariâncias dos erros de um conjunto de previsões à matriz de covariâncias estática, utiliza uma extensão da variável de controle do sistema de assimilação de dados variacional. A partir desta metodologia, foi estabelecido um ciclo de assimilação de dados em que análises e previsões são geradas em uma única resolução (TQ0062L028), gerando previsões para até 5 dias. O sistema foi experimentado por durante dois meses do versão austral de 2013, testando-se diferentes porcentagens de contribuições das covariâncias do conjunto. Os resultados obtidos mostram que com a matriz de covariâncias híbrida, as análises produzidas pelo sistema permitem que o modelo de previsão utilizado desempenhe melhor a previsão de diversas variáveis relacionadas ao aspecto físico e dinâmico da atmosfera. |
id |
INPE_e5f24685acbb1e5e51598757770fae35 |
---|---|
oai_identifier_str |
oai:urlib.net:sid.inpe.br/mtc-m21b/2017/06.20.12.39.50-0 |
network_acronym_str |
INPE |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INPE |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisAssimilação de dados global híbrida por conjunto-variacional no CPTECGlobal Hybrid Ensemble Variational Data Assimilation at CPTEC2017-07-18Dirceu Luis HerdiesLuiz Fernando SapucciClemente Augusto Souza TanajuraPedro Leite da Silva DiasCarlos Frederico BastarzInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em MeteorologiaINPEBRassimilação de dados. assimilação variacional tridimensional. filtro de Kalman por conjuntos. assimilação de dados híbrida. matriz de covariâncias. previsão numérica de tempo. data assimilation. 3D variational assimilation. ensemble Kalman filter. hybrid data assimilation. covariance matrix. numerical weather predictionEsta tese de doutorado é dedicada a estudar a determinação e a aplicação das covariâncias dos erros de previsão, por meio da aplicação de um sistema híbrido 3DVar de assimilação de dados. A característica híbrida deste sistema de assimilação de dados refere-se à forma da matriz de covariâncias. Uma matriz de covariâncias híbrida é - no contexto deste trabalho, uma combinação linear entre uma matriz de covariâncias estática (i.e., fixa no tempo) e covariâncias obtidas a partir de um sistema de filtro de Kalman por conjunto (e.g., Ensemble Kalman Filter). A combinação entre estas duas espécies de covariâncias tem o benefício de fazer com a matriz de covariâncias estática seja capaz de enxergar - com certa limitação, as variações diárias do fluxo atmosférico, uma característica antes limitada a sistemas computacionalmente mais custosos e complexos. Atualmente, sistemas híbridos tem sido aplicados em centros operacionais de Previsão Numérica de Tempo sob diferentes metodologias. A metodologia aplicada neste trabalho para adicionar as covariâncias dos erros de um conjunto de previsões à matriz de covariâncias estática, utiliza uma extensão da variável de controle do sistema de assimilação de dados variacional. A partir desta metodologia, foi estabelecido um ciclo de assimilação de dados em que análises e previsões são geradas em uma única resolução (TQ0062L028), gerando previsões para até 5 dias. O sistema foi experimentado por durante dois meses do versão austral de 2013, testando-se diferentes porcentagens de contribuições das covariâncias do conjunto. Os resultados obtidos mostram que com a matriz de covariâncias híbrida, as análises produzidas pelo sistema permitem que o modelo de previsão utilizado desempenhe melhor a previsão de diversas variáveis relacionadas ao aspecto físico e dinâmico da atmosfera.This thesis is dedicated to the study of background error covariances by means of the application of a hybrid 3DVar data assimilation system. The hybrid characteristic of this system refers to the combination of a static (i.e., fixed in time) background error covariance matrix and covariances drawn from an ensemble of backgrounds through an ensemble data assimilation system (e.g., Ensemble Kalman Filter). The combination between the two kinds of covariances has the benefit of enabling the static covariances to account for the day-to-day variations of the background flow. Recently, hybrid systems have been in use in several Numerical Weather Prediction Centers under different methodologies. The methodology used in this work in order to add the ensemble covariances to the static part, is through an extension of the control variable. From the application of this methodology, a data assimilation cycle was established at a single resolution (TQ0062L028) with forecasts up to 5 days. The system was exercised during two months of the 2013 austral summer, where different amounts of the ensemble contribution to the static covariance have been experienced. The results shows that with the hybrid background error covariance matrix, the system analysis allowed an improvement in the skill of the numerical weather model in the prediction of several dynamical and physical atmospheric parameters.http://urlib.net/sid.inpe.br/mtc-m21b/2017/06.20.12.39info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:55:25Zoai:urlib.net:sid.inpe.br/mtc-m21b/2017/06.20.12.39.50-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:55:26.441Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false |
dc.title.pt.fl_str_mv |
Assimilação de dados global híbrida por conjunto-variacional no CPTEC |
dc.title.alternative.en.fl_str_mv |
Global Hybrid Ensemble Variational Data Assimilation at CPTEC |
title |
Assimilação de dados global híbrida por conjunto-variacional no CPTEC |
spellingShingle |
Assimilação de dados global híbrida por conjunto-variacional no CPTEC Carlos Frederico Bastarz |
title_short |
Assimilação de dados global híbrida por conjunto-variacional no CPTEC |
title_full |
Assimilação de dados global híbrida por conjunto-variacional no CPTEC |
title_fullStr |
Assimilação de dados global híbrida por conjunto-variacional no CPTEC |
title_full_unstemmed |
Assimilação de dados global híbrida por conjunto-variacional no CPTEC |
title_sort |
Assimilação de dados global híbrida por conjunto-variacional no CPTEC |
author |
Carlos Frederico Bastarz |
author_facet |
Carlos Frederico Bastarz |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Dirceu Luis Herdies |
dc.contributor.referee1.fl_str_mv |
Luiz Fernando Sapucci |
dc.contributor.referee2.fl_str_mv |
Clemente Augusto Souza Tanajura |
dc.contributor.referee3.fl_str_mv |
Pedro Leite da Silva Dias |
dc.contributor.author.fl_str_mv |
Carlos Frederico Bastarz |
contributor_str_mv |
Dirceu Luis Herdies Luiz Fernando Sapucci Clemente Augusto Souza Tanajura Pedro Leite da Silva Dias |
dc.description.abstract.por.fl_txt_mv |
Esta tese de doutorado é dedicada a estudar a determinação e a aplicação das covariâncias dos erros de previsão, por meio da aplicação de um sistema híbrido 3DVar de assimilação de dados. A característica híbrida deste sistema de assimilação de dados refere-se à forma da matriz de covariâncias. Uma matriz de covariâncias híbrida é - no contexto deste trabalho, uma combinação linear entre uma matriz de covariâncias estática (i.e., fixa no tempo) e covariâncias obtidas a partir de um sistema de filtro de Kalman por conjunto (e.g., Ensemble Kalman Filter). A combinação entre estas duas espécies de covariâncias tem o benefício de fazer com a matriz de covariâncias estática seja capaz de enxergar - com certa limitação, as variações diárias do fluxo atmosférico, uma característica antes limitada a sistemas computacionalmente mais custosos e complexos. Atualmente, sistemas híbridos tem sido aplicados em centros operacionais de Previsão Numérica de Tempo sob diferentes metodologias. A metodologia aplicada neste trabalho para adicionar as covariâncias dos erros de um conjunto de previsões à matriz de covariâncias estática, utiliza uma extensão da variável de controle do sistema de assimilação de dados variacional. A partir desta metodologia, foi estabelecido um ciclo de assimilação de dados em que análises e previsões são geradas em uma única resolução (TQ0062L028), gerando previsões para até 5 dias. O sistema foi experimentado por durante dois meses do versão austral de 2013, testando-se diferentes porcentagens de contribuições das covariâncias do conjunto. Os resultados obtidos mostram que com a matriz de covariâncias híbrida, as análises produzidas pelo sistema permitem que o modelo de previsão utilizado desempenhe melhor a previsão de diversas variáveis relacionadas ao aspecto físico e dinâmico da atmosfera. |
dc.description.abstract.eng.fl_txt_mv |
This thesis is dedicated to the study of background error covariances by means of the application of a hybrid 3DVar data assimilation system. The hybrid characteristic of this system refers to the combination of a static (i.e., fixed in time) background error covariance matrix and covariances drawn from an ensemble of backgrounds through an ensemble data assimilation system (e.g., Ensemble Kalman Filter). The combination between the two kinds of covariances has the benefit of enabling the static covariances to account for the day-to-day variations of the background flow. Recently, hybrid systems have been in use in several Numerical Weather Prediction Centers under different methodologies. The methodology used in this work in order to add the ensemble covariances to the static part, is through an extension of the control variable. From the application of this methodology, a data assimilation cycle was established at a single resolution (TQ0062L028) with forecasts up to 5 days. The system was exercised during two months of the 2013 austral summer, where different amounts of the ensemble contribution to the static covariance have been experienced. The results shows that with the hybrid background error covariance matrix, the system analysis allowed an improvement in the skill of the numerical weather model in the prediction of several dynamical and physical atmospheric parameters. |
description |
Esta tese de doutorado é dedicada a estudar a determinação e a aplicação das covariâncias dos erros de previsão, por meio da aplicação de um sistema híbrido 3DVar de assimilação de dados. A característica híbrida deste sistema de assimilação de dados refere-se à forma da matriz de covariâncias. Uma matriz de covariâncias híbrida é - no contexto deste trabalho, uma combinação linear entre uma matriz de covariâncias estática (i.e., fixa no tempo) e covariâncias obtidas a partir de um sistema de filtro de Kalman por conjunto (e.g., Ensemble Kalman Filter). A combinação entre estas duas espécies de covariâncias tem o benefício de fazer com a matriz de covariâncias estática seja capaz de enxergar - com certa limitação, as variações diárias do fluxo atmosférico, uma característica antes limitada a sistemas computacionalmente mais custosos e complexos. Atualmente, sistemas híbridos tem sido aplicados em centros operacionais de Previsão Numérica de Tempo sob diferentes metodologias. A metodologia aplicada neste trabalho para adicionar as covariâncias dos erros de um conjunto de previsões à matriz de covariâncias estática, utiliza uma extensão da variável de controle do sistema de assimilação de dados variacional. A partir desta metodologia, foi estabelecido um ciclo de assimilação de dados em que análises e previsões são geradas em uma única resolução (TQ0062L028), gerando previsões para até 5 dias. O sistema foi experimentado por durante dois meses do versão austral de 2013, testando-se diferentes porcentagens de contribuições das covariâncias do conjunto. Os resultados obtidos mostram que com a matriz de covariâncias híbrida, as análises produzidas pelo sistema permitem que o modelo de previsão utilizado desempenhe melhor a previsão de diversas variáveis relacionadas ao aspecto físico e dinâmico da atmosfera. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-07-18 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
status_str |
publishedVersion |
format |
doctoralThesis |
dc.identifier.uri.fl_str_mv |
http://urlib.net/sid.inpe.br/mtc-m21b/2017/06.20.12.39 |
url |
http://urlib.net/sid.inpe.br/mtc-m21b/2017/06.20.12.39 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação do INPE em Meteorologia |
dc.publisher.initials.fl_str_mv |
INPE |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Instituto Nacional de Pesquisas Espaciais (INPE) |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INPE instname:Instituto Nacional de Pesquisas Espaciais (INPE) instacron:INPE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INPE |
collection |
Biblioteca Digital de Teses e Dissertações do INPE |
instname_str |
Instituto Nacional de Pesquisas Espaciais (INPE) |
instacron_str |
INPE |
institution |
INPE |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE) |
repository.mail.fl_str_mv |
|
publisher_program_txtF_mv |
Programa de Pós-Graduação do INPE em Meteorologia |
contributor_advisor1_txtF_mv |
Dirceu Luis Herdies |
_version_ |
1706809360057892864 |