@InProceedings{Nowosad:2004:EsMaCo,
               author = "Nowosad, Alexandre Guirland",
                title = "Estima{\c{c}}{\~a}o de matriz de covari{\^a}ncia de erro 
                         previsto para o sistema de assimila{\c{c}}{\~a}o de dados do 
                         CPTEC.",
            booktitle = "Anais...",
                 year = "2004",
         organization = "Congresso Brasileiro de Meteorologia, 13. (CBMet).",
            publisher = "Monferrer",
             keywords = "Covari{\^a}ncia, assimila{\c{c}}{\~a}o de dados 
                         meteorol{\'o}gicos, erro previsto, previs{\~a}o numerica do 
                         clima.",
             abstract = "O sistema de assimila{\c{c}}{\~a}o de dados usado no Centro de 
                         Previs{\~a}o do Tempo e Estudos Clim{\'a}ticos (CPTEC-INPE), 
                         ‘Physical-Space Analysis System’ (‘PSAS’) (Sistema de An{\'a}lise 
                         em Espa{\c{c}}o F{\'{\i}}sico) da NASA, usa m{\'e}todo 
                         estat{\'{\i}}stico variacional que requer 
                         especifica{\c{c}}{\~a}o da covari{\^a}ncia do erro previsto (ou 
                         erro de “chute inicial” ou ‘background error’) para o estado da 
                         atmosfera. Este erro {\'e} escrito como uma matriz e deveria ser 
                         calculado ou estimado a partir dos dados dispon{\'{\i}}veis a 
                         tempo de ser usado em cada assimila{\c{c}}{\~a}o. Este artigo 
                         descreve trabalho feito no CPTEC para estimar a matriz a partir 
                         dos dados de observa{\c{c}}{\~a}o-menos-previs{\~a}o 
                         dispon{\'{\i}}veis l{\'a}. Pensando na dire{\c{c}}{\~a}o do 
                         tamanho enorme do vetor descritor do estado da atmosfera em atuais 
                         sistemas (n{\~a}o s{\'o} o do CPTEC), 
                         parametriza{\c{c}}{\~o}es estat{\'{\i}}sticas foram feitas 
                         para diminuir o tempo de computa{\c{c}}{\~a}o tentando manter 
                         precis{\~a}o aceit{\'a}vel para o p{\'u}blico consumidor. O 
                         sistema precisou estimar o erro apesar da falta ou invalidez de 
                         alguns dados. A matriz de covari{\^a}ncia de erro estimada 
                         resultou estatisticamente consistente. ABSTRACT: The data 
                         assimilation system used at the Center for Weather Prediction and 
                         Climatic Studies at INPE (‘CPTEC-INPE’), NASA’s Physical-Space 
                         Analysis System (PSAS), uses statistical variational method 
                         requeriring specification of covariance of the predicted (or 
                         background) error for the (“first-guess”) state of the atmosphere. 
                         This error is described as a matrix and should be calculated or 
                         estimated from the available data in time to be used at each 
                         assimilation. This article describes work done at CPTEC to 
                         estimate the matrix from the observation-minus-forecast data 
                         available there. Thinking towards the enormous size of the vector 
                         describing the state of the atmosphere in present-days systems 
                         (not only CPTEC’s), statistical parametrizations were made to 
                         decrease the computing time trying to mantain precision acceptable 
                         to the consumer public. The system had to estimate the error 
                         despite lack or desqualification of some data. The estimated 
                         covariance matrix resulted statistically consistent.",
  conference-location = "Fortaleza - CE",
      conference-year = "Set. 2004",
           copyholder = "SID/SCD",
             language = "pt",
           targetfile = "cbmet04_2.PDF",
               volume = "CPC6 - 151",
        urlaccessdate = "21 maio 2024"
}