@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 = "13 maio 2024"
}