SISTEMA DE ASSIMILAÇÃO LOCAL DE DADOS UTILIZADO NO INMET. Gilberto Ricardo Bonatti 1 Reinaldo Silveira 1 Ricardo Raposo dos Santos 1 Juliana Mol 1

Transcrição

1 SISTEMA DE ASSIMILAÇÃO LOCAL DE DADOS UTILIZADO NO INMET Gilberto Ricardo Bonatti 1 Reinaldo Silveira 1 Ricardo Raposo dos Santos 1 Juliana Mol 1 RESUMO Desde 2000 o INMET inicializa o Modelo Brasileiro de Alta Resolução (MBAR) com previsões provenientes do modelo global do Serviço Meteorológico Alemão (DWD) e com a análise realizada com o sistema local de assimilação de dados, em inglês Local Analysis and Prediction System (LAPS), o qual permite a elaboração de uma análise objetiva a partir de dados de um modelo de referência, complementado por qualquer tipo de dado disponível localmente, que nem sempre trafegam no Sistema Global de Telecomunicações (GTS), como por exemplo, METAR, estações automáticas, etc. Neste trabalho fazemos uma revisão de resultados mais recentes, provenientes da atualização do LAPS, incluindo testes de sensibilidade para inserção dos dados de estações automáticas recém adquiridas pelo INMET. ABSTRACT INMET initiate its model, the MBAR, originally HRM from Deutscher Wetterdienst (DWD), with forecast fields from the Germany Global Model (GME) and local analysis as performed with the Local Analysis and Prediction System (LAPS). This assimilation procedure allows the elaboration of an objective analysis using background model analysis plus a variety of local source of data, usually not included in the Global Telecommunications System (GTS), as for example, METAR, automatic stations, radar, satellite data and so on. We show an overview of recent achievements using LAPS at INMET, regarding to sensibility tests and use of new automatic weather stations acquired by INMET. Palavras-chave: MBAR, assimilação, LAPS, dados atmosféricos. INTRODUÇÃO Em Previsão Numérica de Tempo (PNT) são necessários dois componentes básicos: um estado real da atmosfera, definido pelas observações meteorológicas e a necessidade de um modelo 1

2 atmosférico que possa ser integrado no tempo através de um procedimento numérico. Na estimação do estado inicial, a partir de um conjunto de dados de observação incompletos no espaço-tempo utiliza-se a técnica de assimilação de dados. O objetivo da assimilação de dados é extrair o máximo de informações de observações para melhorar a previsão de tempo e aumentar o entendimento físico dos sistemas meteorológicos em evolução. O Modelo Brasileiro de Alta Resolução (MBAR), como modelo de área limitada utilizado no INMET, com resolução espacial de 25 km, utiliza para sua inicialização um recorte dos campos de análise do modelo global alemão (GME), correspondendo às fronteiras do domínio do MBAR. Estas fronteiras são recebidas do serviço meteorológico alemão (DWD) duas vezes ao dia, as 00 e 12 UTC, sendo reprojetadas para a grade do MBAR. Visando o aprimoramento do processo de assimilação de dados utilizado no sistema previsor de modelagem numérica do Instituto Nacional de Meteorologia (INMET), incorporou-se em 2000 o Local Analysis and Prediction System (doravante LAPS), descrito em Albers (1996), desenvolvido no Forecast Systems Laboratory da National Oceanic and Atmospheric Administration (NOAA FSL) dos Estados Unidos, de domínio público, podendo ser adquirido no site: O LAPS permite a elaboração de uma análise objetiva, sobre um modelo de referência (background driving model), utilizando diversos tipos de dados e de diversas fontes, que nem sempre são incluídas no Sistema Global de Telecomunicações (GTS), tais como METAR, estações automáticas, avião, dados de satélites (TOVS, ATOVS, radiância), observações de radar, dentre outros. As etapas compreendidas pelo LAPS são: pré-processamento, análise objetiva e acoplamento com o MBAR. O objetivo desse trabalho é avaliar o impacto dos dados de superfície (tanto devido às estações convencionais como automáticas) inseridos no processo de assimilação do LAPS como condição inicial para o MBAR. A Figura 1 mostra a representação esquemática dos processos e dos dados envolvidos no esquema de assimilação do LAPS. A parte a representa todas as fontes dos dados que podem ser assimilados no LAPS. A parte b mostra todos os módulos responsáveis pela conversão dos dados para um formato em que o LAPS possa ler. A parte c mostra os arquivos já transformados nos formatos requeridos pelo LAPS. 2

3 RESULTADOS E DISCUSSÕES Para avaliar as saídas do LAPS com a introdução dos dados de superfície (estações sinóticas), o MBAR-LAPS foi rodado entre 01 de junho de 2005 (00Z) até 30 de junho de 2005 (12Z) e avaliado o erro (o que chamamos BIAS) na comparação das previsões com análises realizadas sem o uso do LAPS. Esta verificação foi realizada para 30 dias (média desses dias para as 00 e 12 UTC), sendo o resultado apresentado como uma distribuição espacial do erro para níveis isobáricos e válidos para 12, 24, 36, 48, 60 e 72 horas seguintes. a b c Figura 1 Representação esquemática do LAPS. As figuras 2 e 3 apresentam respectivamente o BIAS dos campos de Geopotencial em 500 hpa e Pressão Reduzida (hpa) para o MBAR (modelo operacional no INMET) e MBAR-LAPS para 12 e 72 horas (média mensal para esses horários) com inicialização às 12 UTC. Pode-se observar que para o campo de geopotencial, o MBAR (2a) apresentou melhores resultados para as 12 horas, mas para as 72 horas (2d) o LAPS apresenta melhoria significativa sobre os estados de São Paulo, Minas Gerais (com destaque para esses dois estados), Goiás e algumas regiões do centro e oeste do Brasil, provavelmente explicado pelo elevado número de estações meteorológicas nesses estados (SP e MG), utilizado no processo de assimilação dos dados sinóticos pelo LAPS. 3

4 Para o campo de Pressão Reduzida (hpa) na figura 3, os resultados são semelhantes ao campo do geopotencial em 500 hpa, com destaque para a previsão de 12 horas, onde o MBAR (3a) apresenta melhores resultados na região de Tocantins, estendendo-se pelo norte de Mato Grosso e Rondônia. Para esse mesmo horário, o MBAR-LAPS (3c) apresenta melhores resultados para a Bahia e norte de Minas. Comparando-se os resultados da Figura 3, onde é mostrado o mesmo campo, mas para a previsão de 24 horas e com inicialização às 00 UTC, pode-se observar que na região citada anteriormente (figura 3), o MBAR-LAPS mostra um BIAS melhor (4c) em comparação ao MBAR (4a) e para 72 horas esses resultados melhoram ainda mais para o LAPS (4d) em comparação ao MBAR (4b). a) MBAR 12 horas de previsão b) MBAR 72 horas de previsão c) LAPS 12 horas de previsão d) LAPS 72 horas de previsão Figura 2 BIAS do Geopotencial em 500 hpa, com inicialização as 12UTC para o MBAR (12 horas (a) e 72 horas (b)) e MBAR-LAPS (12 horas (c) e 72 horas (d)). 4

5 Os dados sinóticos das 00 UTC, inseridos no processo de assimilação do LAPS para esse horário contém um menor número de observações em relação aos dados das 12 UTC. Certamente isso pode contribuir de forma positiva e conseqüentemente melhoria das previsões. a) MBAR 12 horas de previsão b) MBAR 72 horas de previsão c) LAPS 12 horas de previsão d) LAPS 72 horas de previsão Figura 3 BIAS da Pressão Reduzida (hpa), com inicialização as 12UTC para o MBAR (12 horas (a) e 72 horas (b)) e MBAR-LAPS (12 horas (c) e 72 horas (d)). Finalizando, a Figura 5 mostra o BIAS da Temperatura a 2m com inicialização às 12 UTC. A diferença entre o MBAR e o MBAR-LAPS para previsões de 12 e 72 horas (médias mensais para esses horários) é muito pequena. Entretanto, o MBAR-LAPS (5c e 5d) apresenta uma pequena melhoria em algumas regiões. 5

6 a) MBAR 24 horas de previsão b) LAPS 24 horas de previsão c) MBAR 24 horas de previsão d) LAPS 24 horas de previsão Figura 4 BIAS da Pressão Reduzida (hpa), para o MBAR 24 horas com inicialização às 00 UTC (a) e 12 UTC (c); e MBAR-LAPS, com inicialização às 00 UTC (b) e 12 UTC (d). a) MBAR 12 horas de previsão b) MBAR 72 horas de previsão 6

7 c) LAPS 12 horas de previsão d) LAPS 72 horas de previsão Figura 5 BIAS da Temperatura a 2m, com inicialização as 12UTC para o MBAR (12 horas (a) e 72 horas (b)) e MBAR-LAPS (12 horas (c) e 72 horas (d)). CONCLUSÕES E SUGESTÕES: Embora a verificação seja ainda preliminar, observa-se impacto nas previsões quando a análise é composta com o LAPS, contra o uso com somente dos recortes do modelo global como campo inicial. Além dos problemas devido à reprojeção para a grade do MBAR, corrigidos ao recompor o campo inicial, observou-se impacto em várias regiões do Brasil. Tal fato revela a importância de análises locais, além do fato óbvio de melhor difusão dos dados no GTS e da adição de dados não vistos na análise operacional. Enquanto continuaremos avaliar o LAPS, outras implementações serão realizadas para grades com domínios e espaçamento horizontal menores. REFERÊNCIAS BIBLIOGRÁFICAS Albers, S., MacGinley, J., Birkenheuer, D. and Smart, J., 1996: The Local Analysis and Prediction System (LAPS): Analyses of clouds, precipitation, and temperature. Weather and Forecasting, v.11, n. 3, pp