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 Os modelos de previsão de tempo baseiam-se em métodos computacionais aplicados para prever os fenômenos meteorológicos a partir da integração numérica de equações que descrevem o movimento dos elementos químicos que compõem a atmosfera. Entre as variáveis previstas por esses modelos a precipitação é uma das mais importantes, e é a mais difícil de se obter bons resultados no posicionamento, intensidade e extensão dos eventos. Uma das fontes de incerteza na qualidade dessas previsões é o próprio método de avaliação empregado, pois os métodos convencionais não avaliam adequadamente os aspectos espaciais. O presente estudo tem como objetivo principal propor e validar uma metodologia de avaliação diagnóstica orientada a objeto, empregando o algoritmo Method for Object-Based Diagnostic Evaluation (MODE), dentro do Sistema Comunitário de Avaliação de Modelos Numéricos de Previsão de Tempo e Clima (SCANTEC). Experimentos utilizando casos idealizados são apresentados, os quais permitem validar a implementação do método e demonstrar as suas vantagens com relação às métricas convencionais de avaliação. São também apresentados os resultados desse método na comparação das previsões reais de precipitação gerados por modelos utilizados rotineiramente no CPTEC, como prova de conceito, exemplificando o uso ao explorar as métricas disponíveis. Os resultados são discutidos e demostram o grande potencial da metodologia orientada a objeto para o aprimoramento e evolução dos produtos de previsão numérica de tempo.

Abstract Numerical Weather Prediction Models (NWPM) are based on computational methods applied to predict meteorological phenomena from the numerical integration of equations that describe the movement of the atmospheric components. Among the variables predicted by NWPM, precipitation is one of the most important, and it is also the most difficult to obtain good results in the positioning, intensity, and extension of the events. One of the sources of uncertainty in the quality of these forecasts is the evaluation method because conventional methods do not evaluate the spatial aspects appropriately. The objective of this study is to propose and validate a methodology of object-based diagnostic evaluation using Object-Based Diagnostic Evaluation (MODE) algorithm implemented in the Community System for the Evaluation of Numerical Models of Weather and Climate Prediction (SCANTEC). Experiments using idealized cases are presented, which allow validate the implementation of the method and show its advantages over conventional evaluation metrics. The results of this method are also presented in the comparison of the real precipitation forecasts generated by routinely used models in CPTEC as proof of concept, exemplifying its use to explore the available metrics. The results demonstrate the great potential of the object-based methodology for the evolution of the NWPM.

Nos últimos anos, duas importantes implementações foram feitas no sistema global de assimilação de dados e previsão de tempo do CPTEC/INPE, as quais têm uma relação direta com a previsibilidade dos campos de umidade. A primeira é a assimilação de valores do vapor d'água integrado na atmosfera (IWV-Integrated Water Vapor). A segunda é a utilização de uma versão melhorada do modelo de previsão de tempo, juntamente com o aumento da resolução da grade. O objetivo do presente estudo é caracterizar o impacto de tais implementações na melhoria da previsibilidade da umidade. Para isso, quatro experimentos foram realizados utilizando as versões T126L28 (sem as melhorias) e T213L42 (com a implementação das melhorias) do modelo global do CPTEC, com e sem a assimilação do IWV. Os resultados obtidos mostram que o impacto da assimilação de IWV é maior nas primeiras horas de previsão. Por outro lado, as melhorias implementadas no modelo geram bons resultados para as previsões de médio (após 60 horas) a longo prazo. Em consequência disso, o impacto combinado de ambas as implementações é significativo ao longo de todo o período de integração avaliado. Nessa circunstância, o intervalo das previsões do IWV consideradas estatisticamente válidas (coeficiente de correlação de anomalia acima de 0.6) é ampliado em 25 horas na região tropical e em 18 horas na América do Sul.

Two important implementations, directly related to the prediction of atmospheric humidity fields, have been introduced during in the recent years in the weather forecast model and its data assimilation system at CPTEC/INPE. The first is the inclusion of Integrated Water Vapor (IWV) data in the assimilation scheme. The second is the improvement of the weather forecast model along with an increase in the grid resolution. The goal of this paper is to characterize the impact of these implementations in the prediction of humidity fields. To achieve this goal four experiments were conducted using the T126L28 (without the improvement) and T213L42 (with the improvement) versions of the CPTEC's global model, with and without assimilation of IWV. The results show that the impact of IWV assimilation is larger in the first hours of forecast. On the other hand, the larger impacts produced by the improvements in the weather forecast model occur from the 60th h of forecast onward. Consequently the combined impact of both implementations represent an improvement throughout the integration period or the period at which predictions of IWV present an acceptable skill (above 60%) were extended in up to 25 hours over the global tropical regions and up to 18 hours over South America.