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.

As medidas do AMSU-A para os canais que são sensíveis à superfície terrestre sobre os continentes não tem sido amplamente utilizadas para ajustar a previsão numérica de tempo de curto prazo (PNTs), devido à complexidade das características da superfície terrestre. Nesse sentido, o presente artigo utiliza o Sistema de Assimilação de Dados (G3DVAR) do Centro de Previsão de Tempo e Estudos Climáticos do Instituto Nacional de Pesquisas Espaciais (CPTEC/INPE), que inclui tais medidas de radiâncias feitas pelo sensor que está a bordo dos satélites da série NOAA. A versão operacional do sistema G3DVAR contempla apenas o satélite NOAA-15. Adicionalmente, foram realizados experimentos numéricos que incluíram os satélites NOAA-18 e NOAA-19. É feita uma avaliação sobre a variável temperatura de brilho simulada para os canais sensíveis à superfície terrestre (i), através de uma comparação com observações, e (ii) através da avaliação da equação de transferência radiativa, para os três satélites. Os resultados indicaram que o modelo de transferência radiativa em média superestima a temperatura de brilho nos canais sensíveis à superfície terrestre para os três satélites na região da América do Sul para os meses de verão. Além disso, as observações dos satélites incorporadas no sistema tiveram um aceite superior ao do satélite NOAA-15, de maneira que os satélites NOAA-18 e NOAA-19 podem ser incorporados no modo operacional do Sistema G3DVAR.

Channels sensitive to the terrestrial surface have not been widely used in Numerical Weather Prediction (NWP) due to the inherent complexities of the land surface. Thus, the present paper tested the tridimensional variational data assimilation framework implemented in the Global Model (G3DVAR) at the Center for Weather Forecast and Climate Studies (CPTEC) from the National Institute for Space Research (INPE) with near surface radiances from the NOAA-15 satellite. Since the operational version of the G3DVAR uses only NOAA-15, other experiments including the NOAA-18 and NOAA-19 satellites were performed. An assessment of the simulated brightness temperature for the near surface channels was made (i) through a comparison against observations and (ii) through a validation of the radiative transfer equation for the three satellites. The results indicate that the radiative transfer model overestimate, on average, the brightness temperature from the channels sensitive to the earth surface for all the considered satellites over South America during the austral summer. Furthermore, the number of observations accepted by the assimilation system increased substantially when NOAA-18 and NOAA-19 satellites were included, suggesting that incorporating these two new satellites should bring a positive impact to the G3DVAR operational system at CPTEC/INPE.