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
Estado
versión publicada
Colaborador/a o director/a de tesis
Saulo, Andrea Celeste
Ruiz, Juan José
Descripción
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.
Materia
ASIMILACION DE DATOS
LETKF
FUENTES DE ERROR
RESOLUCION HORIZONTAL
ANALISIS
PRONOSTICO
DATA ASSIMILATION
LETKF
ERROR SOURCES
HORIZONTAL RESOLUTION
ANALYSIS
FORECAST
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
tesis:tesis_n5939_Saucedo

id BDUBAFCEN_926ce58cc8174ea0c3fcba35a67fd7dc
oai_identifier_str tesis:tesis_n5939_Saucedo
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Estudio de los efectos de diferentes fuentes de error sobre la calidad de los análisis generados por un sistema de asimilación por filtros de KalmanStudy of the effects of different error sources upon the quality of analysis generated by a Kalman Filter data assimilation systemSaucedo, Marcos AdolfoASIMILACION DE DATOSLETKFFUENTES DE ERRORRESOLUCION HORIZONTALANALISISPRONOSTICODATA ASSIMILATIONLETKFERROR SOURCESHORIZONTAL RESOLUTIONANALYSISFORECASTEl 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.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesSaulo, Andrea CelesteRuiz, Juan José2016-03-04info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttps://hdl.handle.net/20.500.12110/tesis_n5939_Saucedospainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-29T13:42:43Ztesis:tesis_n5939_SaucedoInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-29 13:42:44.901Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv 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
Study of the effects of different error sources upon the quality of analysis generated by a Kalman Filter data assimilation system
title 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
spellingShingle 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
Saucedo, Marcos Adolfo
ASIMILACION DE DATOS
LETKF
FUENTES DE ERROR
RESOLUCION HORIZONTAL
ANALISIS
PRONOSTICO
DATA ASSIMILATION
LETKF
ERROR SOURCES
HORIZONTAL RESOLUTION
ANALYSIS
FORECAST
title_short 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
title_full 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
title_fullStr 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
title_full_unstemmed 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
title_sort 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
dc.creator.none.fl_str_mv Saucedo, Marcos Adolfo
author Saucedo, Marcos Adolfo
author_facet Saucedo, Marcos Adolfo
author_role author
dc.contributor.none.fl_str_mv Saulo, Andrea Celeste
Ruiz, Juan José
dc.subject.none.fl_str_mv ASIMILACION DE DATOS
LETKF
FUENTES DE ERROR
RESOLUCION HORIZONTAL
ANALISIS
PRONOSTICO
DATA ASSIMILATION
LETKF
ERROR SOURCES
HORIZONTAL RESOLUTION
ANALYSIS
FORECAST
topic ASIMILACION DE DATOS
LETKF
FUENTES DE ERROR
RESOLUCION HORIZONTAL
ANALISIS
PRONOSTICO
DATA ASSIMILATION
LETKF
ERROR SOURCES
HORIZONTAL RESOLUTION
ANALYSIS
FORECAST
dc.description.none.fl_txt_mv 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.
description 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.
publishDate 2016
dc.date.none.fl_str_mv 2016-03-04
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/tesis_n5939_Saucedo
url https://hdl.handle.net/20.500.12110/tesis_n5939_Saucedo
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1844618731769036800
score 13.070432