Impacto da assimilação de dados de sondagem e radiâncias em evento de ciclogênese

Autores

DOI:

https://doi.org/10.5902/2179460X66091

Palavras-chave:

Assimilação de dados, WRF, Ciclogênese

Resumo

Neste trabalho, avalia-se o impacto da assimilação dos dados de sondagem e satélite num caso de ciclogênese(fase inicial de um sistema de baixa pressão ou ciclone), ocorrido no sul do Brasil, no período de 20 a 23 de agosto de 2020. Utiliza-se o pacote de assimilação variacional tri-dimensional implementado no Weather Research and Forecasting Model (WRF3DVar).Os resultados evidenciam que a assimilação tem impacto maior nas primeiras 48 horas de previsão, nos níveis baixos e médios da atmosfera e, que a janela de assimilação de 2 horas centrada na análise, apresenta melhor resultado do que janelas maiores. Conclui-se também, que a matriz de covariância dos erros de previsão (B) gerada com poucos pares de previsão (24h –12h), apresenta resultados piores do que a matriz genérica fornecida pelo pacote de assimilação WRF e que os dados de satélite têm maior impactodo que dados de sondagem na previsão do tempo em escala sinótica.

Downloads

Não há dados estatísticos.

Biografia do Autor

Leonardo Matias Alves, Universidade Federal de Pelotas, Pelotas, RS

Possui graduação em Profesorado de Matemática pelo Centro Regional de Profesores del Norte (2016). Atualmente é discente do Programa de Pós-Graduação em Modelagem Matemática do Instituto de Fisica e Matematica da Universidade Federal de Pelotas. 

William Silva Barros, Universidade Federal de Pelotas, Pelotas, RS

Possui graduação em Agronomia pela Universidade Federal de Viçosa (2002), mestrado em Genética e Melhoramento pela Universidade Federal de Viçosa (2004) e doutorado em Genética e Melhoramento pela Universidade Federal de Viçosa (2007). Atualmente é professor associado II da Universidade Federal de Pelotas. Tem experiência na área de Probabilidade e Estatística, com ênfase em Biometria e Estatística Aplicada, atuando principalmente nos seguintes temas: estatística genômica, análise de dados, estatística, planta medicinal e diversidade genética

Fabrício Pereira Härter, Universidade Federal de Pelotas, Pelotas, RS

graduado em Meteorologia pela Universidade Federal de Pelotas (1995), mestre em Meteorologia pelo Instituto Nacional de Pesquisas Espaciais (1999) e doutor em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (2004) com pós-doutorado pela University of Waterloo (2006). Trabalhou com previsão de tempo voltada para meios de comunicação e agricultura, foi auxiliar de pesquisa num projeto sobre estimativas de precipitação por satélite, participou do Programa Antártico Brasileiro e prestou consultoria a Organização Meteorológica Mundial, junto ao Instituto Nacional de Meteorologia. Tem como linha de pesquisa prioritária assimilação de dados meteorológicos (redes neurais, filtragem de Kalman e métodos variacionais) e inicialização de modelos numéricos. Foi Vice-Diretor da Faculdade de Meteorologia e Chefe Adjunto do Centro de Pesquisas e Previsões Meteorológicas (CPPMet). Atualmente é professor Associado da Universidade Federal de Pelotas (UFPel), membro permanente do Programa de Pós-Graduação em Modelagem Matemática, membro do Núcleo Docente Estruturante do colegiado do Curso de Graduação em Meteorologia, do Conselho Departamental da Faculdade de Meteorologia, representante da Faculdade de Meteorologia no Conselho Universitário da UFPEL (CONSUN), representante Adjunto do CONSUN no Conselho de Ensino Pesquisa e Extensão (COCEPE), Membro do Conselho de Administração e Finanças do CONSUN e Diretor da Faculdade de Meteorologia no segundo mandato.

Referências

BARKER, D., HUANG, W., GUO, Y.R., Xiao. Q.N. A Three-Dimensional (3DVAR) Data Assimilation System For Use With MM5: Implementation and Initial Results. Monthly Weather Review, 132, 897-914, 2004.

BARKER, D., HUANG, X. -Y., LIU, Z., AULIGNÉ, T., ZHANG, X., RUGG, S., AJJAJI, R., BOURGEOIS, A., BRAY, J., CHEN, Y., DEMIRTAS, M., GUO, Y. -R., HENDERSON, T., HUANG, W., LIN, H. -C., MICHALAKES, J., RIZVI, S., ZHANG, X. The Weather Research and Forecasting Model's Community Variational/Ensemble Data Assimilation System: WRFDA. Bulletin American Meteorological Society, 93, 831–843, 2012.

COURTIER, P., ANDERSON, E., HECKLEY, W., PAILLEUX, J., VASILJEVIC, D., HAMRUD, M., HOLINGSWORTH, H., RABIER, F., FISHER, M. The European Centre for Medium-Range Weather Forecasting implementation of three-dimensional variational assimilation (3D-Var). Part 1: formulation. Quarterly Journal Royal Meteorological Society, 1783-1807, 1998.

DATA ASSIMILATION SYSTEM FOR USE WITH MM5: Implementation and Initial Results. Monthly Weather Review, 132, 897-914, 2004.

HARTER,F. P.,YAMASAKI,Y., BECK, V. C. Variational Data Assimilation in Chaotic Regime by Lorenz Model. Anuário IGEO, 38, 73-80, 2015.

HARTER, F. P., CAMPOS VELHO, H. F. New Approach to Applying Neural Network in Nonlinear Dynamic Model. Applied Mathematical Modeling, 12, 1-25, 2008.

HOLTON, J. R. An Introduction to Dynamic Meteorology. 4.ed. New York: Academic Press, 2004.

Downloads

Publicado

2021-11-08

Como Citar

Alves, L. M., Barros, W. S., & Härter, F. P. (2021). Impacto da assimilação de dados de sondagem e radiâncias em evento de ciclogênese. Ciência E Natura, 43, e4. https://doi.org/10.5902/2179460X66091

Edição

Seção

Edição Especial

Artigos mais lidos pelo mesmo(s) autor(es)