@PhDThesis{Bastarz:2017:AsDaGl,
               author = "Bastarz, Carlos Frederico",
                title = "Assimila{\c{c}}{\~a}o de dados global h{\'{\i}}brida por 
                         conjunto-variacional no CPTEC",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2017",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2017-07-18",
             keywords = "assimila{\c{c}}{\~a}o de dados. assimila{\c{c}}{\~a}o 
                         variacional tridimensional. filtro de Kalman por conjuntos. 
                         assimila{\c{c}}{\~a}o de dados h{\'{\i}}brida. matriz de 
                         covari{\^a}ncias. previs{\~a}o num{\'e}rica de tempo. data 
                         assimilation. 3D variational assimilation. ensemble Kalman filter. 
                         hybrid data assimilation. covariance matrix. numerical weather 
                         prediction.",
             abstract = "Esta tese de doutorado {\'e} dedicada a estudar a 
                         determina{\c{c}}{\~a}o e a aplica{\c{c}}{\~a}o das 
                         covari{\^a}ncias dos erros de previs{\~a}o, por meio da 
                         aplica{\c{c}}{\~a}o de um sistema h{\'{\i}}brido 3DVar de 
                         assimila{\c{c}}{\~a}o de dados. A caracter{\'{\i}}stica 
                         h{\'{\i}}brida deste sistema de assimila{\c{c}}{\~a}o de dados 
                         refere-se {\`a} forma da matriz de covari{\^a}ncias. Uma matriz 
                         de covari{\^a}ncias h{\'{\i}}brida {\'e} - no contexto deste 
                         trabalho, uma combina{\c{c}}{\~a}o linear entre uma matriz de 
                         covari{\^a}ncias est{\'a}tica (i.e., fixa no tempo) e 
                         covari{\^a}ncias obtidas a partir de um sistema de filtro de 
                         Kalman por conjunto (e.g., Ensemble Kalman Filter). A 
                         combina{\c{c}}{\~a}o entre estas duas esp{\'e}cies de 
                         covari{\^a}ncias tem o benef{\'{\i}}cio de fazer com a matriz 
                         de covari{\^a}ncias est{\'a}tica seja capaz de enxergar - com 
                         certa limita{\c{c}}{\~a}o, as varia{\c{c}}{\~o}es di{\'a}rias 
                         do fluxo atmosf{\'e}rico, uma caracter{\'{\i}}stica antes 
                         limitada a sistemas computacionalmente mais custosos e complexos. 
                         Atualmente, sistemas h{\'{\i}}bridos tem sido aplicados em 
                         centros operacionais de Previs{\~a}o Num{\'e}rica de Tempo sob 
                         diferentes metodologias. A metodologia aplicada neste trabalho 
                         para adicionar as covari{\^a}ncias dos erros de um conjunto de 
                         previs{\~o}es {\`a} matriz de covari{\^a}ncias est{\'a}tica, 
                         utiliza uma extens{\~a}o da vari{\'a}vel de controle do sistema 
                         de assimila{\c{c}}{\~a}o de dados variacional. A partir desta 
                         metodologia, foi estabelecido um ciclo de assimila{\c{c}}{\~a}o 
                         de dados em que an{\'a}lises e previs{\~o}es s{\~a}o geradas em 
                         uma {\'u}nica resolu{\c{c}}{\~a}o (TQ0062L028), gerando 
                         previs{\~o}es para at{\'e} 5 dias. O sistema foi experimentado 
                         por durante dois meses do vers{\~a}o austral de 2013, testando-se 
                         diferentes porcentagens de contribui{\c{c}}{\~o}es das 
                         covari{\^a}ncias do conjunto. Os resultados obtidos mostram que 
                         com a matriz de covari{\^a}ncias h{\'{\i}}brida, as 
                         an{\'a}lises produzidas pelo sistema permitem que o modelo de 
                         previs{\~a}o utilizado desempenhe melhor a previs{\~a}o de 
                         diversas vari{\'a}veis relacionadas ao aspecto f{\'{\i}}sico e 
                         din{\^a}mico da atmosfera. ABSTRACT: This thesis is dedicated to 
                         the study of background error covariances by means of the 
                         application of a hybrid 3DVar data assimilation system. The hybrid 
                         characteristic of this system refers to the combination of a 
                         static (i.e., fixed in time) background error covariance matrix 
                         and covariances drawn from an ensemble of backgrounds through an 
                         ensemble data assimilation system (e.g., Ensemble Kalman Filter). 
                         The combination between the two kinds of covariances has the 
                         benefit of enabling the static covariances to account for the 
                         day-to-day variations of the background flow. Recently, hybrid 
                         systems have been in use in several Numerical Weather Prediction 
                         Centers under different methodologies. The methodology used in 
                         this work in order to add the ensemble covariances to the static 
                         part, is through an extension of the control variable. From the 
                         application of this methodology, a data assimilation cycle was 
                         established at a single resolution (TQ0062L028) with forecasts up 
                         to 5 days. The system was exercised during two months of the 2013 
                         austral summer, where different amounts of the ensemble 
                         contribution to the static covariance have been experienced. The 
                         results shows that with the hybrid background error covariance 
                         matrix, the system analysis allowed an improvement in the skill of 
                         the numerical weather model in the prediction of several dynamical 
                         and physical atmospheric parameters.",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)}",
            committee = "Bonatti, Jos{\'e} Paulo (presidente) and Herdies, Dirceu Luis 
                         (orientador) and Sapucci, Luiz Fernando and Tanajura, Clemente 
                         Augusto Souza and Dias, Pedro Leite da Silva",
         englishtitle = "Global Hybrid Ensemble Variational Data Assimilation at CPTEC",
             language = "pt",
                pages = "275",
           targetfile = "publicacao.pdf",
        urlaccessdate = "27 abr. 2024"
}