O uso da técnica de assimilação de dados meteorológicos é extremamente importante para a correção de imprecisões nos dados que compõem as condições iniciais e de fronteira dos modelos de previsão do tempo. Neste trabalho, faz-se uso da técnica de assimilação de dados 3DVAR contida no modelo de mesoescala WRF (Weather Research and Forecasting), o objetivo principal do trabalho é analisar o impacto da assimilação de dados meteorológicos de diversas fontes de dados (GTS – Sistema Global de Telecomunicações, estações automáticas, dados radar) no modelo WRF. Para analisar a consistência da assimilação de dados no WRF verificou-se a diferença entre a análise com e sem assimilação de dados. Confirmando a consistência da mesma, foram realizados os procedimentos necessários para gerar os prognósticos com assimilação de dados para cada caso individualmente. Os experimentos com assimilação de dados foram realizados para cada tipo de dado e em conjunto, possibilitando assim fazer uma análise do impacto que cada dado tem na previsão. Os resultados foram comparados entre si espacialmente utilizando dados do modelo global GFS (Global Forecast System) e satélite da Missão de Medida da Chuva Tropical (TRMM). A variável da precipitação acumulada foi comparada e validada espacialmente com os dados do TRMM, constatou-se para o caso do mês de janeiro uma superestimação dos valores acumulados para algumas regiões e para o caso do mês de abril uma subestimação, isso se deve ao fato da frequência temporal dos dados do satélite TRMM, pois provavelmente elas não foram compatíveis com o horário das precipitações. Quando comparado com o volume de chuva pontual com os dados da estação automática a maioria dos processamentos mostrou-se eficaz. Também no estudo de caso ocorrido no mês de janeiro a inserção de dados assimilados possibilitou uma melhora na intensidade e localização da célula convectiva. As variáveis da temperatura e do vento foram comparadas espacialmente com as análises do modelo GFS. A variável da temperatura ora apresentou valores superiores, ora inferiores ao modelo GFS, mesmo assim os resultados foram satisfatórios, uma vez que, foi possível simular temperaturas superiores antes da passagem do sistema e inferiores após a passagem do mesmo. Para o campo de vento houve uma pequena discrepância em todas as simulações em relação a magnitude, porém a direção do vento foi plotada de forma coerente, simulando até o ciclone presente no caso do mês de abril. Para o perfil vertical da temperatura e temperatura do ponto de orvalho o impacto da assimilação de dados foi pequeno, porém ambas as simulações representaram de forma coesa os perfis quando comparados com o perfil observado. Em suma, o estudo comprova que, embora se tenha algumas incoerências assimilação 3DVAR contribui de modo significativo nas previsões do tempo do modelo WRF. / The use of meteorological data assimilation technique is extremely important for the correction of the imprecisions of observational data for the initial and boundary conditions of weather forecasting models. In the present work it is used the 3DVAR data assimilation technique of the mesoscale model WRF system (Weather Research and Forecasting) aiming the analysis of the impact of the assimilation of meteorological data from several data sources (GTS - Global Telecommunication System, automatic surface stations network and radar) in the WRF model. To analysis the consistency of the data in the WRF assimilation it has been gathered the difference between analysis, with and without data assimilation. Confirming its consistency the procedures required, to generate predictions with data assimilation for each individual case were performed. The data assimilation experiments were performed for each data type as well as including all of them allowing, therefore, the analysis of the impact of each over the forecast. The results were compared and validated using data from the spatially global forecasting model GFS (Global Forecast System), satellite and the mission of the Tropical Rain Measurement (TRMM) data. The cumulative rainfall variable was compared spatially with data from TRMM, where it has been observed, in the case of January, an overestimation of the accumulated values for some regions and an underestimation for the case of April. These have been occurred because of temporal frequency of the TRMM satellite data - which probably because were not compatible with the precipitation time occurrence. Comparison between the accumulated precipitation with data from automatic station presented mostly effective results. Also, in the case study of the January with assimilated data, produced an improvement in the intensity as well as in the location of the convective cell. The wind and temperature variables were compared with the spatially GFS’s analysis. The higher temperature variable values presented alternated, from higher and lower values compared to the GFS results. The results were nevertheless unsatisfactory, because the simulated temperatures presented prior to passing the frontal system and after passing it. For the wind field there was a small discrepancy in all simulations regarding the magnitude, but the wind direction was plotted consistently simulating up to the present in the case of April cyclone. For the vertical profiles of temperature and dew point temperature the impact of data assimilation was small, but both simulations made represented good profiles, compared with the observed values. In summary, the study shows that, although there were some inconsistencies, compared with the observations, the 3DVAR assimilation contributes significantly to WRF model forecasts.

O uso da técnica de assimilação de dados meteorológicos é extremamente importante para a correção de imprecisões nos dados que compõem as condições iniciais e de fronteira dos modelos de previsão do tempo. Neste trabalho, faz-se uso da técnica de assimilação de dados 3DVAR contida no modelo de mesoescala WRF (Weather Research and Forecasting), o objetivo principal do trabalho é analisar o impacto da assimilação de dados meteorológicos de diversas fontes de dados (GTS – Sistema Global de Telecomunicações, estações automáticas, dados radar) no modelo WRF. Para analisar a consistência da assimilação de dados no WRF verificou-se a diferença entre a análise com e sem assimilação de dados. Confirmando a consistência da mesma, foram realizados os procedimentos necessários para gerar os prognósticos com assimilação de dados para cada caso individualmente. Os experimentos com assimilação de dados foram realizados para cada tipo de dado e em conjunto, possibilitando assim fazer uma análise do impacto que cada dado tem na previsão. Os resultados foram comparados entre si espacialmente utilizando dados do modelo global GFS (Global Forecast System) e satélite da Missão de Medida da Chuva Tropical (TRMM). A variável da precipitação acumulada foi comparada e validada espacialmente com os dados do TRMM, constatou-se para o caso do mês de janeiro uma superestimação dos valores acumulados para algumas regiões e para o caso do mês de abril uma subestimação, isso se deve ao fato da frequência temporal dos dados do satélite TRMM, pois provavelmente elas não foram compatíveis com o horário das precipitações. Quando comparado com o volume de chuva pontual com os dados da estação automática a maioria dos processamentos mostrou-se eficaz. Também no estudo de caso ocorrido no mês de janeiro a inserção de dados assimilados possibilitou uma melhora na intensidade e localização da célula convectiva. As variáveis da temperatura e do vento foram comparadas espacialmente com as análises do modelo GFS. A variável da temperatura ora apresentou valores superiores, ora inferiores ao modelo GFS, mesmo assim os resultados foram satisfatórios, uma vez que, foi possível simular temperaturas superiores antes da passagem do sistema e inferiores após a passagem do mesmo. Para o campo de vento houve uma pequena discrepância em todas as simulações em relação a magnitude, porém a direção do vento foi plotada de forma coerente, simulando até o ciclone presente no caso do mês de abril. Para o perfil vertical da temperatura e temperatura do ponto de orvalho o impacto da assimilação de dados foi pequeno, porém ambas as simulações representaram de forma coesa os perfis quando comparados com o perfil observado. Em suma, o estudo comprova que, embora se tenha algumas incoerências assimilação 3DVAR contribui de modo significativo nas previsões do tempo do modelo WRF. / The use of meteorological data assimilation technique is extremely important for the correction of the imprecisions of observational data for the initial and boundary conditions of weather forecasting models. In the present work it is used the 3DVAR data assimilation technique of the mesoscale model WRF system (Weather Research and Forecasting) aiming the analysis of the impact of the assimilation of meteorological data from several data sources (GTS - Global Telecommunication System, automatic surface stations network and radar) in the WRF model. To analysis the consistency of the data in the WRF assimilation it has been gathered the difference between analysis, with and without data assimilation. Confirming its consistency the procedures required, to generate predictions with data assimilation for each individual case were performed. The data assimilation experiments were performed for each data type as well as including all of them allowing, therefore, the analysis of the impact of each over the forecast. The results were compared and validated using data from the spatially global forecasting model GFS (Global Forecast System), satellite and the mission of the Tropical Rain Measurement (TRMM) data. The cumulative rainfall variable was compared spatially with data from TRMM, where it has been observed, in the case of January, an overestimation of the accumulated values for some regions and an underestimation for the case of April. These have been occurred because of temporal frequency of the TRMM satellite data - which probably because were not compatible with the precipitation time occurrence. Comparison between the accumulated precipitation with data from automatic station presented mostly effective results. Also, in the case study of the January with assimilated data, produced an improvement in the intensity as well as in the location of the convective cell. The wind and temperature variables were compared with the spatially GFS’s analysis. The higher temperature variable values presented alternated, from higher and lower values compared to the GFS results. The results were nevertheless unsatisfactory, because the simulated temperatures presented prior to passing the frontal system and after passing it. For the wind field there was a small discrepancy in all simulations regarding the magnitude, but the wind direction was plotted consistently simulating up to the present in the case of April cyclone. For the vertical profiles of temperature and dew point temperature the impact of data assimilation was small, but both simulations made represented good profiles, compared with the observed values. In summary, the study shows that, although there were some inconsistencies, compared with the observations, the 3DVAR assimilation contributes significantly to WRF model forecasts.

O uso da técnica de assimilação de dados meteorológicos é extremamente importante para a correção de imprecisões nos dados que compõem as condições iniciais e de fronteira dos modelos de previsão do tempo. Neste trabalho, faz-se uso da técnica de assimilação de dados 3DVAR contida no modelo de mesoescala WRF (Weather Research and Forecasting), o objetivo principal do trabalho é analisar o impacto da assimilação de dados meteorológicos de diversas fontes de dados (GTS – Sistema Global de Telecomunicações, estações automáticas, dados radar) no modelo WRF. Para analisar a consistência da assimilação de dados no WRF verificou-se a diferença entre a análise com e sem assimilação de dados. Confirmando a consistência da mesma, foram realizados os procedimentos necessários para gerar os prognósticos com assimilação de dados para cada caso individualmente. Os experimentos com assimilação de dados foram realizados para cada tipo de dado e em conjunto, possibilitando assim fazer uma análise do impacto que cada dado tem na previsão. Os resultados foram comparados entre si espacialmente utilizando dados do modelo global GFS (Global Forecast System) e satélite da Missão de Medida da Chuva Tropical (TRMM). A variável da precipitação acumulada foi comparada e validada espacialmente com os dados do TRMM, constatou-se para o caso do mês de janeiro uma superestimação dos valores acumulados para algumas regiões e para o caso do mês de abril uma subestimação, isso se deve ao fato da frequência temporal dos dados do satélite TRMM, pois provavelmente elas não foram compatíveis com o horário das precipitações. Quando comparado com o volume de chuva pontual com os dados da estação automática a maioria dos processamentos mostrou-se eficaz. Também no estudo de caso ocorrido no mês de janeiro a inserção de dados assimilados possibilitou uma melhora na intensidade e localização da célula convectiva. As variáveis da temperatura e do vento foram comparadas espacialmente com as análises do modelo GFS. A variável da temperatura ora apresentou valores superiores, ora inferiores ao modelo GFS, mesmo assim os resultados foram satisfatórios, uma vez que, foi possível simular temperaturas superiores antes da passagem do sistema e inferiores após a passagem do mesmo. Para o campo de vento houve uma pequena discrepância em todas as simulações em relação a magnitude, porém a direção do vento foi plotada de forma coerente, simulando até o ciclone presente no caso do mês de abril. Para o perfil vertical da temperatura e temperatura do ponto de orvalho o impacto da assimilação de dados foi pequeno, porém ambas as simulações representaram de forma coesa os perfis quando comparados com o perfil observado. Em suma, o estudo comprova que, embora se tenha algumas incoerências assimilação 3DVAR contribui de modo significativo nas previsões do tempo do modelo WRF. / The use of meteorological data assimilation technique is extremely important for the correction of the imprecisions of observational data for the initial and boundary conditions of weather forecasting models. In the present work it is used the 3DVAR data assimilation technique of the mesoscale model WRF system (Weather Research and Forecasting) aiming the analysis of the impact of the assimilation of meteorological data from several data sources (GTS - Global Telecommunication System, automatic surface stations network and radar) in the WRF model. To analysis the consistency of the data in the WRF assimilation it has been gathered the difference between analysis, with and without data assimilation. Confirming its consistency the procedures required, to generate predictions with data assimilation for each individual case were performed. The data assimilation experiments were performed for each data type as well as including all of them allowing, therefore, the analysis of the impact of each over the forecast. The results were compared and validated using data from the spatially global forecasting model GFS (Global Forecast System), satellite and the mission of the Tropical Rain Measurement (TRMM) data. The cumulative rainfall variable was compared spatially with data from TRMM, where it has been observed, in the case of January, an overestimation of the accumulated values for some regions and an underestimation for the case of April. These have been occurred because of temporal frequency of the TRMM satellite data - which probably because were not compatible with the precipitation time occurrence. Comparison between the accumulated precipitation with data from automatic station presented mostly effective results. Also, in the case study of the January with assimilated data, produced an improvement in the intensity as well as in the location of the convective cell. The wind and temperature variables were compared with the spatially GFS’s analysis. The higher temperature variable values presented alternated, from higher and lower values compared to the GFS results. The results were nevertheless unsatisfactory, because the simulated temperatures presented prior to passing the frontal system and after passing it. For the wind field there was a small discrepancy in all simulations regarding the magnitude, but the wind direction was plotted consistently simulating up to the present in the case of April cyclone. For the vertical profiles of temperature and dew point temperature the impact of data assimilation was small, but both simulations made represented good profiles, compared with the observed values. In summary, the study shows that, although there were some inconsistencies, compared with the observations, the 3DVAR assimilation contributes significantly to WRF model forecasts.

Accurate prediction of Tropical Cyclones (TC) is vital for the protection of life and property in areas that are prone to their destructive forces. While significant improvements have been made in forecasting TC track, intensity remains a challenge. It is hypothesized that accurate TC intensity forecast requires, among other things, an adequate initial description of their inner-core region. Therefore, there must be reliable observations of the inner-core area of the TC and effective data assimilation (DA) methods to ingest these data into the Numerical Weather Prediction (NWP) models. However, these requirements are seldom met at the relatively low resolution of operational global prediction models and the lack of routine observations assimilated in the TC inner-core. This study tests the impacts of assimilating inner-core Airborne Doppler Radar (ADR) winds on the initial structure and subsequent intensity forecast of Hurricane Ike (2008). The 4-dimensional variational (4DVar) and the 3-dimensional variational (3DVar) methods are used to perform DA while the Weather Research and Forecasting (WRF) model is used to perform forecasts. It is found that assimilating data helps to initialize a more realistic inner-core structure using both DA methods. Additionally, the resulting short-term and long-term intensity forecasts are more accurate when data is assimilated versus cases when there is no DA. Additionally, it is found that in some cases the impact of DA lasts up to 12 hours longer with 4DVar versus 3DVar. It is shown that this is because the flow-dependent 4DVar method produces more dynamically and balanced analysis increments compared to the static and isotropic increments of 3DVar. However, the impact of using both methods is minimal in the long-range. The analyses show that at longer forecast range the dynamics of hurricane Ike was influenced more by outer environment features than the inner-core winds.

Made available in DSpace on 2014-08-20T14:25:46Z (GMT). No. of bitstreams: 1 dissertacao_vinicius_beck.pdf: 4949761 bytes, checksum: c6f13ff7be7f00316975865c6d3cf811 (MD5) Previous issue date: 2013-05-23 / The procedure to combine mathematical models with noise data, in order to improve numerical weather forecasting by statistical methods, is an important and challenging meteorology research field, known as data assimilation. The 3DVAR approach, state of art in data assimilation technique, is applied in this study. The aim of present development is to evaluate the results of the data assimilation from INMET automatic stations and soundings in Southern Region of Brazil in the weather forecasts of the WRF model with data assimilation via 3DVAR method, analyzing in each processed case, if the forecasting reproduces the synoptic scenario observed, with better prediction then the WRF without data assimilation. The specific aim is to evaluate the assimilation procedure of two precipitation events occurred in the year 2012. This study is especially important, because the INMET automatic weather stations data are not transmitted by GTS. Therefore, these data were not assimilated by prediction systems generated by global models, such as GFS, which provides initial and boundary conditions for regional models, such as WRF. The results show that the WRF with data assimilation procedure, reproduces satisfactorily the true synoptic scenario observed in the two cases evaluated and produces better forecasts then WRF without data assimilation. The thermodynamic analysis showed that the WRF with data assimilation producing vertical profiles of air temperature and dew point temperature very close to the observed profiles, with small improvement in prediction as compared with the WRF without assimilation. Additional experiments indicate that data assimilated from other sources, in addition to the INMET automatic weather stations and soundings stations, as well as the increases of horizontal resolution in the integration of the WRF with inclusion of subset, provide significant improvements in weather forecasting fields. / O procedimento de combinar modelos matemáticos com dados imprecisos e que apresentam ruídos, para melhorar a previsão do tempo por método estatístico, constitui uma importante e desafiadora linha de pesquisa em meteorologia, conhecida como assimilação de dados. O método 3DVAR, que é uma das técnicas que representam o estado da arte em assimilação de dados, é aplicado neste estudo. O objetivo do presente trabalho é avaliar os resultados da assimilação dos dados observados das estações automáticas do INMET e de radiossondagens da Região Sul do Brasil na previsão do modelo WRF com assimilação 3DVAR, analisando em cada caso processado, se os prognósticos reproduzem o cenário sinótico observado e melhoram a previsão do WRF sem assimilação. O objetivo específico é avaliar o procedimento de assimilação em dois eventos de precipitação ocorridos no ano de 2012. O estudo é especialmente importante, visto que os dados das estações automáticas do INMET não são transmitidos no GTS; portanto, não são assimilados pelos sistemas de previsões geradas por modelos globais, como o GFS, que proporcionam as condições iniciais e de contorno de modelos regionais, como o WRF. Os resultados mostram que o WRF com assimilação de dados reproduziu satisfatoriamente o cenário sinótico observado nos dois casos analisados e produziu prognósticos melhores do que os do WRF sem assimilação. As análises termodinâmicas mostraram que o WRF com assimilação de dados produziu perfis verticais de temperatura do ar e temperatura do ponto de orvalho bem próximos dos perfis observados, com pequena melhora na previsão em relação ao WRF sem assimilação. Experimentos adicionais indicam que a assimilação de dados de outras fontes, além das estações automáticas do INMET e radiossondagens, bem como o aumento da resolução espacial na integração do WRF com a inclusão de um subdomínio, resultam em melhora significativa na previsão dos campos meteorológicos.