| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21c.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34R/448DGFE | |||||||||
| Repositório | sid.inpe.br/mtc-m21c/2021/02.24.18.02 | |||||||||
| Última Atualização | 2021:07.05.12.19.47 (UTC) simone | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21c/2021/02.24.18.02.25 | |||||||||
| Última Atualização dos Metadados | 2022:04.03.22.30.13 (UTC) administrator | |||||||||
| Chave Secundária | INPE-18418-TDI/3068 | |||||||||
| Chave de Citação | Nobre:2021:ImAsDa | |||||||||
| Título | Impacto da assimilação de dados conjunto-variacional na previsão de episódios de chuvas intensas no Nordeste brasileiro  | |||||||||
| Título Alternativo | Ensemble-variational data assimilation impact in heavy rain forecasting episodes in brazilian Northeast | |||||||||
| Curso | MET-MET-DIPGR-INPE-MCTI-GOV-BR | |||||||||
| Ano | 2021 | |||||||||
| Data | 2021-02-22 | |||||||||
| Data de Acesso | 20 maio 2024 | |||||||||
| Tipo da Tese | Dissertação (Mestrado em Meteorologia) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 143 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 29407 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | Nobre, João Pedro Gonçalves | |||||||||
| Banca | Gonçalves, Luís Gustavo Gonçalves de (presidente) Herdies, Dirceu Luis (orientador) Vendrasco, Éder Paulo (orientador) Bastarz, Carlos Frederico Harter, Fabricio Pereira | |||||||||
| Endereço de e-Mail | pedronobrejp@gmail.com | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2021-02-24 18:02:25 :: joao.nobre@inpe.br -> pubtc@inpe.br :: 2021-02-25 18:32:12 :: pubtc@inpe.br -> joao.nobre@inpe.br :: 2021-04-01 11:22:55 :: joao.nobre@inpe.br -> pubtc@inpe.br :: 2021-04-16 17:09:29 :: pubtc@inpe.br -> joao.nobre@inpe.br :: 2021-04-16 17:42:53 :: joao.nobre@inpe.br -> pubtc@inpe.br :: 2021-06-08 14:44:03 :: pubtc@inpe.br -> simone :: 2021-06-08 14:44:51 :: simone :: -> 2021 2021-06-08 14:49:38 :: simone -> administrator :: 2021 2021-06-28 19:48:31 :: administrator -> simone :: 2021 2021-06-28 21:02:40 :: simone -> administrator :: 2021 2021-07-05 12:15:21 :: administrator -> simone :: 2021 2021-07-05 12:25:49 :: simone -> administrator :: 2021 2022-04-03 22:30:13 :: administrator -> :: 2021 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | 3DVar 3DEnVar sistemas convectivos de mesoescala assimilação de dados gridpoint statistical interpolation mesoscale convective systems data assimilation | |||||||||
| Resumo | O Nordeste Brasileiro (NEB) encontra-se na região tropical do Brasil, limitado pelo oceano Atlântico e com um clima e vegetação fortemente influenciados pelo Planalto da Borborema. A presença desse planalto marca significativamente o clima da região ao manter a leste massas de ar com características mais úmidas e responsáveis pela ocorrência de chuvas e o lado oeste, massas de ar predominantemente secas. Este trabalho visa avaliar a performance dos diferentes sistemas de assimilação dados; 3DVar (Three-Dimensional Variational), EnKF (Ensemble Kalman Filter) e o híbrido, 3DEnVar (Three-Dimensional Ensemble-Variational), no estudo de episódios de SCM (Sistemas Convectivos de Mesoescala), utilizando previsões do modelo meteorológico de mesoescala WRF (Weather Research and Forecasting), em comparação com previsões do WRF inicializadas com dados do GEFS (Global Ensemble Forecast System), para dois eventos de SCM ocorridos nos dias 14 e 24 de janeiro de 2017. Para isso, será utilizada a versão V3.0.0 do SMR (Sistema de Modelagem Regional) do CPTEC (Centro de Previsão de Tempo e Estudos Climáticos) constituído de dois componentes: o modelo WRF e o sistema de assimilação de dados GSI (Gridpoint Statistical Interpolation). Atualmente, o SMR encontra-se configurado para fornecer condições iniciais ao modelo WRF atualizadas pelo 3DVar, que utiliza uma matriz de covariância dos erros de previsão climatológica, para ponderar os erros do modelo no processo de minimização da função custo. No presente trabalho, utilizou-se o 3DEnVar no SMR, que consiste de um sistema 3DVar, cuja matriz de covariância dos erros de previsão é calculada através da combinação linear dos membros de um conjunto de previsões que servirão para atualizar a matriz climatológica do SMR, com os erros do dia. Desse modo, o presente trabalho visa melhorar a detecção e estimativa da quantidade de chuva dos casos de SCM sobre o NEB ao utilizar a análise do 3DEnVar na previsão de chuva acumulada em 24 h. Resultados obtidos ilustram que o sistema de assimilação de dados híbrido (3DEnVar) foi capaz de gerar melhores análises, se comparado a um sistema variacional puro (3DVar), para os campos de pressão superficial e umidade ao analisar estatisticamente o desempenho dos sistemas variacionais através do BIAS e RMSE (Root Mean Square Error). O melhoramento obtido na representação dos campos de umidade através do 3DEnVar foi essencial para obtenção de boas previsões de chuva acumulada em 24 horas, com o modelo WRF, ao ser comparado com a precipitação registrada por estações meteorológicas em superfície, do Instituto Nacional de Meteorologia (INMET), para os dias 14 e 24 de janeiro de 2017 sobre o NEB. ABSTRACT: The Brazilian Northeast (BNE) is located in the tropical region of Brazil, it is bounded by the Atlantic Ocean, and its climate and vegetation is strongly affected by the Borborema Plateau. The presence of the plateau significantly defines the climate region. It keeps the humid air masses to the east, which is responsible for the rain episodes, and at the west side (northeastern hinterland) predominantly dry air masses are observed. This work evaluates the performance obtained from different data assimilation methods, 3DVar (Three-Dimensional Variational), EnKF (Ensemble Kalman Filter), and 3DEnVar (Three-Dimensional Ensemble Variational), in the study of Mesoscale Convective Systems (MCS) episodes. The deterministic predictions was used from the GEFS (Global Ensemble Forecast System) model to compare with the WRF (Weather Research and Forecasting) numerical weather forecast model analysis updated by different data assimilation methods for January 14th and 24th, 2017 MCS episodes. For that purpose, the RMS (Regional Modeling System) 3.0.0 version from the Center for Weather Forecasting and Climate Studies was used with two components: the WRF mesoscale model and the GSI (Gridpoint Statistical Interpolation) data assimilation system. Currently, the SMR provides the WRF initial conditions using the 3DVar data assimilation methodology that uses a climatological forecast error covariance matrix to weight the model errors in the cost function minimization process. At this work, the 3DEnVar was used in the SMR, and it updates the SMR climatological covariance matrix through the forecast ensemble members with the errors of the day. To summarise, the present work studied the improvements in the detection and estimation of 24 hours rain accumulated precipitation quality in MCS cases over BNE. The statistics indexes BIAS and RMSE (Root Mean Square Error) show that the hybrid data assimilation system (3DEnVar) is the best variational system in producing better analyses for the surface pressure and humidity fields. The best humidity performances with 3DEn- Var were essential in forecasting 24 hours accumulated precipitation compared with observational data from the Brazilian National Institute of Meteorology (INMET) stations, during convective storms over BNE on January 14th and 24th, 2017. | |||||||||
| Área | MET | |||||||||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > MET > Impacto da assimilação... | |||||||||
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Impacto da assimilação... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34R/448DGFE | |||||||||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34R/448DGFE | |||||||||
| Idioma | pt | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | joao.nobre@inpe.br pubtc@inpe.br simone | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Detentor dos Direitos | originalauthor yes | |||||||||
| Permissão de Leitura | allow from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | urlib.net/www/2017/11.22.19.04.03 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F35TRS 8JMKD3MGPCW/46KUATE | |||||||||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.15.01.34 1 | |||||||||
| Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||