-
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.
-
Data assimilation combines the information from numerical models and meteorological observations through a physical-statistical process generating the best representation of atmospheric state in a moment of time. The goal of this work is to tune the background error covariance matrix while assimilating Doppler radar data in order to improve the analysis and then the short-term precipitation forecast. The atmospheric model and the assimilation system used are the Weather Research and Forecasting (WRF) and the WRF Data Assimilation (WRFDA) 3D-Var. The domain covers the west of Southern Brazil, including the state of Parana, Santa Catarina and Rio Grande do Sul and part of Paraguay with horizontal resolution of 2-km and 45 levels. The period of study is from October 15 to November 15, 2014, and the evaluation of the precipitation was made by comparing the results from modeling against the Tropical Rainfall Measuring Mission (TRMM) 3B42 data, using statistical index such the Root Mean Square Error (RMSE). The other meteorological fields were also evaluated using the same statistical indice comparing them to the surface observations. Observations of the surface weather stations were used for comparison with the model results with and without radar data assimilation. The selected stations were Curitiba, Bacacheri, Londrina and Foz do Iguaçu. During the assimilation process, the conventional data from Global Telecommunication System was also assimilated. The background error covariance matrix was generated using utility WRFDA applying the NMC method with 03 months of simulations of 24-h starting at 00UTC and 12UTC. The process of generating the matrix B horizontally spreads the information from a specific observation using a recursive filter, and then setting the error covariance matrix background was applied by adjusting the parameters variance scaling related to the intensity at each observation will influence the state variables in the model grid points , and the length scaling, related to the influence of the error in distance scale the values of the grid points of the model state variables, in order to adjust them to the region study, the assimilated data and the weather system studied. Different values of the two parameters were tested and the results based on statistical indicator showed improvements in predicting the location and intensity of precipitation when applied adjustments to the covariance matrix of background error.
... mais
