Asimilación de datos reales a escala regional en Argentina

• Autores: Dillon, María Eugenia
• Año de publicación: 2017
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: García Skabar, Yanina; Kalnay, Eugenia
• Materia: ASIMILACION DE DATOS; LETKF; PRONOSTICOS; DATA ASSIMILATION; LETKF; FORECASTS
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Uno de los mayores desafíos en el pronóstico numérico del tiempo es describir las condiciones iniciales del estado de la atmósfera. Distintos métodos de asimilación de datos abordan esta temática desde diferentes ángulos. En la presente tesis se propone el desarrollo de un sistema de asimilación de datos regional en Argentina, utilizando el Local Ensemble Transform Kalman Filter (LETKF) acoplado con el modelo WRF (Weather Research and Forecasting Modeling System). La elección de este método responde no sólo a los resultados favorables hallados por muchos autores, sino también a su eficiencia computacional y, principalmente, a la posibilidad de generar pronósticos probabilísticos a partir de un ensamble de análisis. El objetivo general es avanzar en el diseño de un sistema de asimilación de datos reales en la región. Con ese fin se realizaron experimentos numéricos en un período de 2 meses, evaluando el impacto de diferentes factores en los análisis y pronósticos generados por el sistema de asimilación. Se evaluó el efecto producido al considerar el error del modelo mediante la utilización de una configuración multi esquema, compuesta por combinaciones entre parametrizaciones de cumulus y capa límite planetaria. También se estudió la sensibilidad a la inclusión de diferentes conjuntos de observaciones. Asimismo,se incluyeron perturbaciones en las condiciones de borde de los pronósticos con el fin de aumentar la dispersión del ensamble. Los resultados obtenidos muestran que tanto la implementación de un sistema multi esquema como la inclusión de perfiles verticales termodinámicos en la asimilación impactan positivamente en los análisis y pronósticos. Estos experimentos numéricos representan las bases para el diseño de un sistema de asimilación de datos reales eficiente para la región, ya que los resultados evidencian que su implementación es factible y que posee un gran potencial para una mejora continua.
One of the big challenges in numerical weather prediction is to reduce the uncertainty in theestimation of the atmospheric state. This issue is addressed by different data assimilation methods,which are used operationally at the most important prediction centers of the world. In this thesis, thedevelopment of a regional data assimilation system in Argentina is proposed, using the Local Ensemble Transform Kalman Filter (LETKF) coupled with the Weather Research and Forecasting Model (WRF). The selection of this method is motivated not only by the favorable results obtained by many authors,but also by its computational efficiency and, very importantly, by the possibility of generatingprobabilistic forecasts from an ensemble of analyses. With the aim of design a regional real data assimilation system, numerical experiments have beencarried out for a 2 months period to evaluate the impact of different factors on the analyses andforecasts generated by the assimilation system. A multi-scheme configuration combining cumulus andplanetary boundary layer parameterizations was implemented, in order to evaluate the effects ofconsidering the model error. Also, the sensitivity of the inclusion of different type of observations wasstudied. As well, boundary perturbations were included to increase the ensemble spread. The results show that both the implementation of the multi-scheme system and the inclusion ofthermodynamic vertical profiles in the assimilation, impact positively in analyses and forecasts. Thesenumerical experiments represent the basis for the design of an efficient real data assimilation systemfor the region, as the results evidence that its implementation is feasible and that it has the potentialfor a continuous improvement.
Fil: Dillon, María Eugenia. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.