@Article{SilveiraCoutCostMari:2014:PrTeCo,
               author = "Silveira, Cleiton da Silva and Coutinho, Mariane Mendes and Costa, 
                         Alexandre Ara{\'u}jo and Maria, Paulo Henrique Santiago de",
          affiliation = "{Universidade Federal do Cear{\'a} (UFC)} and {Departamento de 
                         Ci{\^e}ncia e Tecnologia Aeroespacial (CTA. IAE)} and 
                         {Universidade Estadual do Cear{\'a} (UECE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)}",
                title = "Previs{\~a}o de tempo por conjuntos para a regi{\~a}o nordeste 
                         do Brasil",
              journal = "Revista Brasileira de Meteorologia",
                 year = "2014",
               volume = "29",
               number = "3",
                pages = "351--366",
             keywords = "Previs{\~a}o por ensemble, modelos num{\'e}ricos de tempo, 
                         verifica{\c{c}}{\~a}o, ensemble forecasts, numerical models, 
                         verification.",
             abstract = "A t{\'e}cnica de previs{\~a}o de tempo por conjuntos (ensemble) 
                         {\'e} implementada para a regi{\~a}o Nordeste do Brasil 
                         utilizando-se o modelo regional RAMS, inicializado com dados do 
                         modelo de circula{\c{c}}{\~a}o geral atmosf{\'e}rico (MCGA) do 
                         CPTEC. Os m{\'e}todos empregados para gera{\c{c}}{\~a}o dos 
                         conjuntos de previs{\~a}o consistem na utiliza{\c{c}}{\~a}o de 
                         diferentes parametriza{\c{c}}{\~o}es f{\'{\i}}sicas e esquemas 
                         de relaxamento newtoniano para cada rodada do modelo (ENSFI), e na 
                         perturba{\c{c}}{\~a}o das condi{\c{c}}{\~o}es iniciais (ENSCI 
                         e ENSCIFRONT). Esses m{\'e}todos s{\~a}o avaliados utilizando-se 
                         an{\'a}lises do MCGA e dados das plataformas de coletas de dados 
                         localizadas no estado do Cear{\'a}. As perturba{\c{c}}{\~o}es 
                         nas condi{\c{c}}{\~o}es iniciais para o ENSCI e ENSCI-FRONT 
                         s{\~a}o geradas com base no m{\'e}todo lagged-average 
                         forescasting a partir de execu{\c{c}}{\~o}es anteriores do 
                         modelo v{\'a}lidas para o hor{\'a}rio e regi{\~a}o de estudo, e 
                         inclu{\'{\i}}das nas componentes horizontais do vento de modo a 
                         apresentarem um desvio padr{\~a}o de 5 m.s-1. O ENSCI-FRONT 
                         inclui perturba{\c{c}}{\~o}es, tamb{\'e}m nas fronteiras do 
                         modelo regional para lidar com uma r{\'a}pida 
                         diminui{\c{c}}{\~a}o do espalhamento dos membros com o prazo de 
                         previs{\~a}o encontrada com perturba{\c{c}}{\~o}es apenas nas 
                         condi{\c{c}}{\~o}es iniciais. Os resultados mostram que as 
                         m{\'e}dias das previs{\~o}es para o ENSCI-FRONT e ENSFI 
                         apresentam melhores resultados do que a previs{\~a}o 
                         n{\~a}o-perturbada para a maioria das grandezas f{\'{\i}}sicas 
                         analisadas. ABSTRACT: Ensemble prediction is implemented for 
                         Northeast Brazil using RAMS mesoscale model, initialized with data 
                         from the CPTEC atmospheric general circulation model (AGCM). 
                         Methods for the ensemble generation consist of using different 
                         physical parametrizations and nudging timescales (Newtonian 
                         relaxation) for each model run (ENSFI), or perturbing the initial 
                         conditions (ENSCI and ENSCI-FRONT). These methods are evaluated 
                         against the AGCM analyses and data of automatic meteorological 
                         stations located in Cear{\'a} State. Perturbations in the initial 
                         conditions for ENSCI and ENSCI-FRONT are based on the method 
                         lagged-average forecasting, which takes previous model executions 
                         valid for the time and region of interest, and are included in the 
                         horizontal components of the wind, imposing a standard deviation 
                         of 5 m.s-1. ENSCI-FRONT also includes perturbations in the 
                         regional model lateral boundary conditions to deal with a rapid 
                         decrease of the ensemble dispersion with the forecast range found 
                         when perturbations are only included in the initial conditions. 
                         The mean of the perturbed forecasts obtained with ENSCI-FRONT or 
                         ENSFI give better results than the unperturbed forecast in most 
                         cases.",
                  doi = "10.1590/0102-778620100275",
                  url = "http://dx.doi.org/10.1590/0102-778620100275",
                 issn = "0102-7786",
                label = "lattes: 7303123173885427 2 SilveiraMariCoutCost:2014:PrTeCo",
             language = "pt",
                  url = "http://dx.doi.org/10.1590/0102-778620100275",
        urlaccessdate = "27 abr. 2024"
}