Avaliação do Método de Assimilação de Dados En4DVar Implementado no Modelo WRF

Abstract

Métodos Híbridos baseados em previsão por conjuntos e cálculo variacional quadri-dimensional (En4DVAR) representam o estado da arte em métodos de assimilação de dados aplicados às ciências atmosféricas. Esta técnica permite a atualização da matriz de covariância de erros de previsão, sem o cálculo explícito destes erros, conforme a derivação teórica do filtro de Kalman ou suas aplicações operacionais; e também evita o calculo do trabalhoso e custoso modelo adjunto e tangente linear, como no 4DVAR. Neste trabalho, avalia-se o método En4DVAR implementado no Weather Research and Forecasting Model (WRF), quanto a sua precisão nas primeiras 48 horas de previsão na região sul do Brasil no período de 09/04/2018 à 15/05/2018 dias. Utiliza-se como verdade terrestre dados das estações do Instituto Nacional de Meteorologia (INMET). Os resultados obtidos pelas métricas estatísticas Viés e Raiz do Erro Quadrático Médio, mostram que a o WRF-En4DVAR segue as mesmas tendências do WRF, com a particularidade de reduzir significativamente os erros. Entretanto, as variáveis Pressão à Superfície e Temperatura à 2m, apresentam melhor previsibilidade, tanto com como sem assimilação, ao passo que Umidade Relativa e Vento à 10 apresentam menor precisão tanto com o WRF como com o WRF-En4DVAR.