Resumo O Gridpoint Statistical Interpolation (GSI) é o sistema de assimilação de dados utilizado no Centro de Previsão de Tempo e Estudos Climáticos (CPTEC) do Instituto Nacional de Pesquisas Espaciais (INPE) desde 2013 e atualmente integra, de maneira acoplada ao Brazilian Global Atmospheric Model (BAM), o Sistema de Modelagem Global (SMG). Por meio da abordagem variacional aplicada ao SMG, esse sistema permite assimilar de forma direta dados de radiância, os quais são atualmente o sistema de observação que apresenta o maior impacto positivo para a melhoria da qualidade das Previsão Numérica de Tempo (PNT) em escala sinótica. Com intuito de detalhar as particularidades necessárias para a assimilação desses dados e evidenciar sua importância para a qualidade dos produtos obtidos ao utilizar o SMG, o presente estudo destaca os principais pontos do tratamento dos dados de radiância dentro do GSI e apresenta resultados de um experimento usando dados do sensor AMSU-A a bordo de diversos satélites para descrever o comportamento espacial e temporal dos dados assimilados, em termos quantitativos e qualitativos. Usando os dados de radiância como referência, em uma comparação da previsão de curto prazo do modelo com as análises, observa-se que essas últimas apresentam uma diminuição dos erros indicando a eficiência do processo de assimilação de radiância, com impacto positivo na assimilação de outras bases de dados, como os da Rádio Ocultação GNSS aqui avaliados. Esse impacto deve contribuir para a melhoria da qualidade dos produtos de PNT gerados pelo CPTEC, o que deverá ser avaliado na continuidade dessa pesquisa.

Abstract The Gridpoint Statistical Interpolation (GSI) is the data assimilation system used in the Center for Weather Forecasting and Climate Studies (CPTEC) of the National Institute for Space Research (INPE) since 2013 and is currently part of the Brazilian Global Atmospheric Model (BAM), the GLobal Modeling System (SMG). Through the variational approach applied to the SMG, this system allows for the direct assimilation of radiance data, which currently represents the greatest impact for obtaining a better Numerical Weather Forecast (NWP) quality on a large scale. In order to detail the particularities necessary for the assimilation of these data and call attention to its importance for the quality of the products obtained using the SMG, this study highlights the main points of the treatment of radiance data within the GSI and presents results of an experiment using AMSU-A sensor data on board several satellites to describe the spatial and temporal behavior of the assimilated data, in quantitative and qualitative terms. Using the radiance data as a reference, in a comparison of a short-term forecast of the model with the analyses, it is observed that the latter shows a decrease in error indicating the efficiency of the radiance assimilation process, with a positive impact on the assimilation of other databases, such as the GNSS Concealment Radio evaluated here. This impact should contribute to improving the quality of the PNT products generated by CPTEC, which should be evaluated in the continuation of this research.

Resumo Nesse estudo avaliou-se o desempenho do Brazilian Global Atmospheric Model (BAM) na representação dos componentes do balanço de água na bacia Amazônica para o clima presente (1979-2015). Os resultados mostram que o modelo BAM reproduz a variação espaço-temporal dos componentes do balanço de água na bacia Amazônica, apesar da deficiência em posicionar corretamente os máximos de precipitação e convergência de umidade sobre a região. O BAM subestimou a precipitação (8,8%) e o escoamento superficial (36,8%), e superestimou a evapotranspiração (5,3%). O comportamento de sumidouro de umidade foi bem representado pelo BAM, pois a precipitação é sempre maior que a evapotranspiração (P > E) na bacia Amazônica. O não fechamento do balanço de água (52,6%) na bacia mostra a limitação das parametrizações físicas do BAM na representação da convecção (precipitação) e convergência de umidade, comprovando a necessidade de melhores ajustes e calibração. De maneira geral, apesar de subestimar a precipitação, o BAM simulou adequadamente a precipitação anual e sazonal. A evapotranspiração foi superestimada, principalmente na estação chuvosa, porém foi subestimada na estação seca. Os resultados mostraram que o BAM necessita de ajustes e calibração na representação de processos de superfície, uma vez que, apresentou dificuldade na simulação da variação sazonal da evapotranspiração. Os erros sistemáticos encontrados nos componentes do balanço de água são de grande importância para determinação do grau de confiança para simulações do clima presente e projeções futuras.

Abstract This study evaluated the performance of the Brazilian Global Atmospheric Model (BAM) in the representation of water balance components in the Amazon basin for the present climate (1979-2015). The BAM model reproduces the space-temporal variation of the water balance components in the Amazon basin, despite the deficiency in correctly positioning the maximum precipitation and moisture convergence over the region. BAM underestimated precipitation (8,8%) and runoff (36,8%), and overestimated evapotranspiration (5,3%). Moisture sink behavior was well represented by BAM, since precipitation is always greater than evapotranspiration (P > E) in the Amazon basin. The non-closure of the water budget (52,6%) in the basin shows the limitation of BAM physical parameters in the representation of convection (precipitation) and moisture convergence, proving the need for better adjustments. Overall, despite underestimating rainfall, BAM adequately simulated annual and seasonal rainfall. The evapotranspiration was overestimated, especially in the rainy season, but was underestimated in the dry season. The results showed that BAM needs adjustments and calibration in the representation of surface processes, since it presented difficulty in simulating the seasonal variation of evapotranspiration. Systematic errors found in water balance components are of great importance in determining the degree of confidence for present climate simulations and future projections.

Os parâmetros do "Simplified Simple Biosphere Model"-SSiB foram validados e posteriormente calibrados para os sítios de pastagem da Fazenda Nossa Senhora Aparecida (62º22'W; 10º45'S) e de floresta da Reserva Biológica do Jaru (62º22'W; 10º45'S), ambos situados no estado de Rondônia. Foram utilizadas medidas micrometeorológicas e hidrológicas obtidas durante o período seco de 2001, como parte do Experimento de Grande Escala da Biosfera-Atmosfera na Amazônia - LBA. Os resultados indicam que o modelo simulou bem o saldo de radiação, tanto na pastagem quanto na floresta. O fluxo de calor latente foi superestimado nos dois sítios nos períodos de simulação, o que deve estar relacionado aos parâmetros utilizados no cálculo dessa variável. O modelo subestimou o fluxo de calor sensível na pastagem e na floresta, principalmente no período noturno; porém, para a floresta, os valores foram mais próximos daqueles observados. Com os parâmetros ajustados, melhores estimativas dos fluxos de calor latente e de calor sensível foram geradas e, conseqüentemente, representou melhor as partições de energia na floresta e na pastagem.

The parameters of the Simplified Simple Biosphere Model - SSiB were validated and subsequently calibrated for the Fazenda Nossa Senhora Aparecida (62º22'W; 10º45'S) pasture site and the Reserva Biológica do Jaru (62º22'W; 10º45'S) forest site, both located in the state of Rondônia. Micrometeorological and hydrological data collected during the dry period of 2001, as part of the Large-Scale Biosphere-Atmosphere Experiment in Amazonia - LBA, were used. The results showed that the model simulated well the net radiation, both at the pasture and at the forest. The latent heat flux was super-estimated in both sites. The model sub-estimated the sensible heat flux at the pasture and at the forest, mainly during the night period; notwithstanding, the values for the forest were nearer to the observed ones. With the calibrated parameters, the model generated better estimations of the latent and the sensible heat fluxes, thus better representing the energy partition both at the forest and at the pasture.