O impacto do uso da técnica de assimilação de dados 3DVAR nos prognósticos do modelo WRF

• Main Author: Macedo, Luana Ribeiro
• Other Authors: Alves, Rita de Cássia Marques
• Format: Others
• Language: Portuguese
• Published: 2015
• Subjects: Sensoriamento remoto; Data assimilation; 3DVAR; WRF; TRMM
• Online Access: http://hdl.handle.net/10183/111855

O uso da técnica de assimilação de dados meteorológicos é extremamente importante para a correção de imprecisões nos dados que compõem as condições iniciais e de fronteira dos modelos de previsão do tempo. Neste trabalho, faz-se uso da técnica de assimilação de dados 3DVAR contida no modelo de mesoescala WRF (Weather Research and Forecasting), o objetivo principal do trabalho é analisar o impacto da assimilação de dados meteorológicos de diversas fontes de dados (GTS – Sistema Global de Telecomunicações, estações automáticas, dados radar) no modelo WRF. Para analisar a consistência da assimilação de dados no WRF verificou-se a diferença entre a análise com e sem assimilação de dados. Confirmando a consistência da mesma, foram realizados os procedimentos necessários para gerar os prognósticos com assimilação de dados para cada caso individualmente. Os experimentos com assimilação de dados foram realizados para cada tipo de dado e em conjunto, possibilitando assim fazer uma análise do impacto que cada dado tem na previsão. Os resultados foram comparados entre si espacialmente utilizando dados do modelo global GFS (Global Forecast System) e satélite da Missão de Medida da Chuva Tropical (TRMM). A variável da precipitação acumulada foi comparada e validada espacialmente com os dados do TRMM, constatou-se para o caso do mês de janeiro uma superestimação dos valores acumulados para algumas regiões e para o caso do mês de abril uma subestimação, isso se deve ao fato da frequência temporal dos dados do satélite TRMM, pois provavelmente elas não foram compatíveis com o horário das precipitações. Quando comparado com o volume de chuva pontual com os dados da estação automática a maioria dos processamentos mostrou-se eficaz. Também no estudo de caso ocorrido no mês de janeiro a inserção de dados assimilados possibilitou uma melhora na intensidade e localização da célula convectiva. As variáveis da temperatura e do vento foram comparadas espacialmente com as análises do modelo GFS. A variável da temperatura ora apresentou valores superiores, ora inferiores ao modelo GFS, mesmo assim os resultados foram satisfatórios, uma vez que, foi possível simular temperaturas superiores antes da passagem do sistema e inferiores após a passagem do mesmo. Para o campo de vento houve uma pequena discrepância em todas as simulações em relação a magnitude, porém a direção do vento foi plotada de forma coerente, simulando até o ciclone presente no caso do mês de abril. Para o perfil vertical da temperatura e temperatura do ponto de orvalho o impacto da assimilação de dados foi pequeno, porém ambas as simulações representaram de forma coesa os perfis quando comparados com o perfil observado. Em suma, o estudo comprova que, embora se tenha algumas incoerências assimilação 3DVAR contribui de modo significativo nas previsões do tempo do modelo WRF. === The use of meteorological data assimilation technique is extremely important for the correction of the imprecisions of observational data for the initial and boundary conditions of weather forecasting models. In the present work it is used the 3DVAR data assimilation technique of the mesoscale model WRF system (Weather Research and Forecasting) aiming the analysis of the impact of the assimilation of meteorological data from several data sources (GTS - Global Telecommunication System, automatic surface stations network and radar) in the WRF model. To analysis the consistency of the data in the WRF assimilation it has been gathered the difference between analysis, with and without data assimilation. Confirming its consistency the procedures required, to generate predictions with data assimilation for each individual case were performed. The data assimilation experiments were performed for each data type as well as including all of them allowing, therefore, the analysis of the impact of each over the forecast. The results were compared and validated using data from the spatially global forecasting model GFS (Global Forecast System), satellite and the mission of the Tropical Rain Measurement (TRMM) data. The cumulative rainfall variable was compared spatially with data from TRMM, where it has been observed, in the case of January, an overestimation of the accumulated values for some regions and an underestimation for the case of April. These have been occurred because of temporal frequency of the TRMM satellite data - which probably because were not compatible with the precipitation time occurrence. Comparison between the accumulated precipitation with data from automatic station presented mostly effective results. Also, in the case study of the January with assimilated data, produced an improvement in the intensity as well as in the location of the convective cell. The wind and temperature variables were compared with the spatially GFS’s analysis. The higher temperature variable values presented alternated, from higher and lower values compared to the GFS results. The results were nevertheless unsatisfactory, because the simulated temperatures presented prior to passing the frontal system and after passing it. For the wind field there was a small discrepancy in all simulations regarding the magnitude, but the wind direction was plotted consistently simulating up to the present in the case of April cyclone. For the vertical profiles of temperature and dew point temperature the impact of data assimilation was small, but both simulations made represented good profiles, compared with the observed values. In summary, the study shows that, although there were some inconsistencies, compared with the observations, the 3DVAR assimilation contributes significantly to WRF model forecasts.