Estudio de los efectos de diferentes fuentes de error sobre la calidad de los análisis generados por un sistema de asimilación por filtros de Kalman

• Autores: Saucedo, Marcos Adolfo
• Año de publicación: 2016
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Saulo, Andrea Celeste; Ruiz, Juan José
• Materia: ASIMILACION DE DATOS; LETKF; FUENTES DE ERROR; RESOLUCION HORIZONTAL; ANALISIS; PRONOSTICO; DATA ASSIMILATION; LETKF; ERROR SOURCES; HORIZONTAL RESOLUTION; ANALYSIS; FORECAST
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

El presente trabajo de tesis plantea la realización de experimentos idealizadosde asimilación de datos basado en un Filtro de Kalman por ensambles (EnKF)sobre un dominio regional centrado en Sudamérica. En particular se emplea elalgoritmo conocido como Local Ensemble Transform Kalman Filter (LETKF)acoplado al modelo numérico Weather Research and Forecasting (WRF). Losexperimentos exploran la sensibilidad del sistema de asimilación frente a loserrores de modelo y los errores presentes en las condiciones de borde lateral. Los resultados indican que las regiones tropicales son más sensibles a loserrores de modelo, mientras que las latitudes medias están más directamenteinfluenciadas por los errores en las condiciones de borde lateral. Para reducirlos errores del análisis se evalúan diferentes metodologías que buscanrepresentar de manera explícita los errores en el sistema de asimilación: lainflación multiplicativa adaptativa estimada, los ensambles físicos y laintroducción de perturbaciones en las condiciones de borde lateral. El empleode dichas técnicas permite reducir el del error del análisis y contribuye amejorar la representación de su incertidumbre. Sin embargo, los mejoresresultados se obtienen al combinar dichas técnicas de forma simultánea. Finalmente, se llevan adelante experimentos utilizando observaciones reales enlos que se explora el impacto de la resolución del modelo en la calidad delanálisis y de los pronósticos a corto plazo. En estos experimentos se encuentraque el aumento de la resolución del modelo numérico genera una mejora tantode la calidad del análisis como del pronóstico resultante. Sin embargo, losresultados sugieren que un tratamiento adecuado de las diferentes fuentes deincertidumbre que afectan a un sistema de análisis - pronóstico regional, juntocon la incorporación de una mayor cantidad de observaciones, podría producirun impacto mayor sobre la calidad del análisis.
The present work proposes the realization of idealized data assimilationexperiments based on an Ensemble Kalman Filter (EnKF) in a regional domaincentered in South America. In particular, the Local Ensemble Transform Kalman Filter (LETKF) coupled with the Weather Research and Forecasting (WRF) model is employed. These experiments explore the sensitivity of theassimilation system to the model and lateral boundary condition errors. Results indicate that tropical regions are more sensitive to model errors,whereas mid-latitudes are more affected by lateral boundary condition errors. In order to reduce analysis errors different methodologies that seek torepresent explicitly errors present in the assimilation system are employed:the estimated adaptive multiplicative inflation, perturbed physic ensemble andperturbed lateral boundary conditions. The employment of these techniquesprovides a reduction of the analysis error and contributes to improve therepresentation of the uncertainty. Nevertheless, the best results are obtainedwhen these techniques are employed simultaneously. Finally, data assimilation experiments using real observations exploring theimpact of model’s horizontal resolution in both the analysis and short termforecast are carried on. In these experiments it is found that the increment inmodel resolution results in an improvement of both the analysis and theforecast. However, results suggest that an adequate treatment of the differenterror sources that affect a regional analysis - forecast system and the inclusionof a greater amount of observations in the assimilation process furtherenhance the improvement on the analysis quality.
Fil: Saucedo, Marcos Adolfo. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.