@Article{AlmeidaFranCampEbec:2021:DaAsUs,
author = "Almeida, Vin{\'{\i}}cius Albuquerque de and Fran{\c{c}}a,
Gutemberg Borges and Campos Velho, Haroldo Fraga de and Ebecken,
Nelson Francisco Favilla",
affiliation = "{Universidade Federal do Rio de Janeiro (UFRJ)} and {Universidade
Federal do Rio de Janeiro (UFRJ)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and {Instituto Alberto Luiz Coimbra de
P{\'o}s-Gradua{\c{c}}{\~a}o e Pesquisa de Engenharia}",
title = "Data assimilation using WRFDA over the terminal area of Rio de
Janeiro",
journal = "Revista Brasileira de Meteorologia",
year = "2021",
volume = "36",
number = "1",
pages = "87--96",
keywords = "data assimilation, 3d Var, surface data, profile data,
assimila{\c{c}}{\~a}o de dados, 3d Var, dados de
superf{\'{\i}}cie, sondagem.",
abstract = "The impact of the data assimilation process of air temperature and
relative humidity from surface meteorological stations and
sounding at airports in the terminal area of Rio de Janeiro is
evaluated using the Weather Research and Forecast Data
Assimilation system. Synthetic data of temperature, relative
humidity and wind are generated in the locations of airport
sensors by applying a white-noise perturbation in the forecast
data. Results show a positive overall impact of the assimilation
process with the removal of part of the noise in the observation
data but keeping the effect of local conditions in the later
timesteps of the simulation. In addition, with the assimilation
process there is a global reduction of the error between the
analysis data and the observation data. In the future, a neural
network will be trained to emulate the data assimilation process
to speed-up the assimilation process in the WRF model. RESUMO: O
impacto do processo de assimila{\c{c}}{\~a}o de dados de
temperatura do ar e umidade relativa de esta{\c{c}}{\~o}es
meteorol{\'o}gicas de superf{\'{\i}}cie e sondagem em
aeroportos na {\'a}rea terminal do Rio de Janeiro {\'e} avaliado
usando o sistema Weather Research and Forecast Data Assimilation.
Dados sint{\'e}ticos de temperatura, umidade relativa e vento,
s{\~a}o gerados nas localidades dos sensores dos aeroportos a
partir da aplica{\c{c}}{\~a}o de uma perturba{\c{c}}{\~a}o
gaussiana nos dados de previs{\~a}o. Resultados mostram um
resultado positivo do processo de assimila{\c{c}}{\~a}o com
remo{\c{c}}{\~a}o de parte do ru{\'{\i}}do nos dados de
observa{\c{c}}{\~a}o, mas mantendo o efeito das
condi{\c{c}}{\~o}es locais nos instantes posteriores da
simula{\c{c}}{\~a}o. Al{\'e}m disso, com o processo de
assimila{\c{c}}{\~a}o h{\'a} uma redu{\c{c}}{\~a}o global no
dom{\'{\i}}nio do erro entre os dados da an{\'a}lise e os dados
de observa{\c{c}}{\~a}o. No futuro, uma rede neural ser{\'a}
treinada para emular o processo de assimila{\c{c}}{\~a}o de
dados para acelerar o processo de assimila{\c{c}}{\~a}o no
modelo WRF.",
doi = "10.1590/0102-77863610001",
url = "http://dx.doi.org/10.1590/0102-77863610001",
issn = "0102-7786",
language = "en",
targetfile = "almeida-data.pdf",
urlaccessdate = "03 maio 2024"
}