Impacto da assimilação 3DVAR no ciclone subtropical Yakecan

Autores

DOI:

https://doi.org/10.5902/2179460X74269

Palavras-chave:

Ciclone, Subtropical, Yakecan, Assimilação

Resumo

No presente trabalho, avalia-se o impacto da assimilação dos dados do satélite AMSU-A realizada através do sistema variacional tridimensional do modelo de previsão de tempo WRF. Estuda-se o caso do ciclone Yakecan, que causou prejuízos socioeconômicos no sul do Brasil no dia 17 de maio de 2022. Sistemas extratropicais são bastante comuns na região de estudo, entretanto sistemas como o Yakecan, que possuem características mistas entre ciclone tropical e extratropical são de particular interesse. As simulações realizadas pelo modelo WRF captaram a propagação e desenvolvimento do sistema. Entretanto, a condição inicial gerada com dados de satélite mostrou um posicionamento do sistema de maneira mais precisa do que a simulação sem assimilação de dados. Essa diferença é fundamental para a previsão de tempo no sul do Brasil, uma vez que o correto posicionamento do sistema define se as consequências do ciclone atingem áreas densamente povoadas no litoral do país ou limita-se a atingir o oceano adjacente.

Downloads

Não há dados estatísticos.

Biografia do Autor

Fabrício Pereira Härter, Universidade Federal de Pelotas

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) e Diretor da Faculdade de Meteorologia no segundo mandato.

Leonardo Calvetti, Federal University of Pelotas

Possui graduação em Meteorologia pela Universidade Federal de Pelotas (1998), mestrado(2002) e doutorado (2011) em Meteorologia pela Universidade de São Paulo. Atuou como meteorologista pesquisador no Simepar até janeiro de 2016. Atualmente é professor da Faculdade de Meteorologia da UFPel atuando nas áreas de radar meteorológico, nowcasting, mesoescala, hidrometeorologia e previsão numérica de tempo.

Elcio Hideiti Shiguemori, Instituto de Estudos Avançados (IEAv)

É Pesquisador do Instituto de Estudos Avançados (IEAv) do Departamento de Ciência e Tecnologia Aeroespacial (DCTA). Doutor em computação aplicada pelo Instituto Nacional de Pesquisas Espaciais (INPE) (2007). Mestre em Computação Aplicada pelo INPE (2002), possui graduação em Engenharia da Computação (1998) e em Ciências da Computação pela UBC (1999). É docente no programa de Pós-Graduação em Computação Aplicada do INPE e docente no programa de Pós-graduação PG-CTE do ITA. É professor na Universidade Paulista (UNIP) e coordenador do curso de Engenharia da Computação. Tem experiência na área de Computação, atuando principalmente nos seguintes temas: Inteligência Artificial, Aprendizagem de Máquina, Ciência dos Dados, Navegação Aérea Autônoma, Processamento de Imagens e Visão Computacional.

Felipe Copceski Rossatto, Federal University of Pelotas

Possui graduação em Matemática pela Universidade Regional Integrada do Alto Uruguai e das Missões (2019). Mestrado em Modelagem Matemática (2021-2023). Tem experiência na área de Matemática, com ênfase em Matemática.

Referências

BARKER, D. et al. The Weather Research and Forecasting Model’s Community Variational/Ensemble Data Assimilation System: WRFDA. Bulletin of the American Meteorological Society, Boston, v. 93, n. 6, p. 831-843, 2012. Disponível em: https://journals.ametsoc.org/view/journals/bams/93/6/bams-d-11-00167.1.xml. Acesso em: 18 fev. 2023.

BARKER, D. M. et al. A Three-Dimensional Variational Data Assimilation System for MM5: Implementation and Initial Results. Monthly Weather Review, Boston, v. 132, n. 6, p. 897-914, 2004. Disponível em: A Three-Dimensional Variational Data Assimilation System for MM5: Implementation and Initial Results in: Monthly Weather Review Volume 132 Issue 4 (2004) (ametsoc.org). Acesso em: 18 fev. 2023.

GAN, M. A.; RAO, V. B. Surface cyclogenesis over South America. Monthly Weather Review, Boston, v. 119, n. 5, p. 1293-1302, 1991. Disponível em: https://journals.ametsoc.org/view/journals/mwre/119/5/1520-0493_1991_119_1293_scosa_2_0_co_2.xml. Acesso em: 18 fev. 2023.

HARTER, F. P.; YAMASAKI, Y.; BECK, V. C. Variational Data Assimilation in Chaotic Regime by Lorenz Model. Anuário IGEO, Rio de Janeiro, v. 38, n. 1, p.73-80, 2015. Disponível em: https://revistas.ufrj.br/index.php/aigeo/article/view/7845. Acesso em: 18 fev. 2023.

HARTER, F. P.; VELHO, H. F. C. New approach to applying neural network in nonlinear dynamic model. Applied Mathematical Modeling, Amsterdam, v. 32, n. 12, p. 2621-2633, 2008. Disponível em: https://www.sciencedirect.com/science/article/pii/S0307904X07002296. Acesso em: 18 fev. 2023.

HOLTON, J. R. An introduction to dynamic meteorology. 4. ed. San Diego: Elsevier Science, 2004.

SANDERS, F.; GYAKUM J. R. Synoptic–dynamic climatology of the ‘‘Bomb’’. Monthly Weather Review, Boston, v. 108, n. 10, p. 1589-1606, 1980. Disponível em: https://journals.ametsoc.org/view/journals/mwre/108/10/1520-0493_1980_108_1589_sdcot_2_0_co_2.xml. Acesso em: 18 fev. 2023.

SINCLAIR, M. R. A climatology of cyclogenesis for the Southern Hemisphere. Monthly Weather Review, Boston, v. 123, n. 6, p. 1601-1619, 1995. Disponível em: https://journals.ametsoc.org/view/journals/mwre/123/6/1520-0493_1995_123_1601_acocft_2_0_co_2.xml. Acesso em: 18 fev. 2023.

Downloads

Publicado

2023-12-01

Como Citar

Härter, F. P., Calvetti, L., Shiguemori, E. H., & Rossatto, F. C. (2023). Impacto da assimilação 3DVAR no ciclone subtropical Yakecan. Ciência E Natura, 45(esp. 3), e74269. https://doi.org/10.5902/2179460X74269

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