Descripción: Uno de los mayores desafíos en el pronóstico numérico del tiempo es describir las condiciones inicialesdel estado de la atmósfera. Distintos métodos de asimilación de datos abordan esta temática desdediferentes ángulos. En la presente tesis se propone el desarrollo de un sistema de asimilación de datosregional en Argentina, utilizando el Local Ensemble Transform Kalman Filter (LETKF) acoplado con elmodelo WRF (Weather Research and Forecasting Modeling System). La elección de este métodoresponde no sólo a los resultados favorables hallados por muchos autores, sino también a su eficienciacomputacional y, principalmente, a la posibilidad de generar pronósticos probabilísticos a partir de unensamble de análisis. El objetivo general es avanzar en el diseño de un sistema de asimilación de datos reales en la región. Con ese fin se realizaron experimentos numéricos en un período de 2 meses, evaluando el impacto dediferentes factores en los análisis y pronósticos generados por el sistema de asimilación. Se evaluó elefecto producido al considerar el error del modelo mediante la utilización de una configuración multiesquema, compuesta por combinaciones entre parametrizaciones de cumulus y capa límite planetaria. También se estudió la sensibilidad a la inclusión de diferentes conjuntos de observaciones. Asimismo,se incluyeron perturbaciones en las condiciones de borde de los pronósticos con el fin de aumentar ladispersión del ensamble. Los resultados obtenidos muestran que tanto la implementación de un sistema multi esquema como lainclusión de perfiles verticales termodinámicos en la asimilación impactan positivamente en los análisisy pronósticos. Estos experimentos numéricos representan las bases para el diseño de un sistema deasimilación de datos reales eficiente para la región, ya que los resultados evidencian que suimplementación es factible y que posee un gran potencial para una mejora continua.

Descripción: El sudeste de Sudamérica y en particular la zona centro de Argentina son regiones caracterizadas por la ocurrencia de sistemas convectivos intensos que producen fenómenos meteorológicos con un gran impacto social y económico, como son precipitaciones intensas, fuertes vientos, granizo, inundaciones y actividad eléctrica. Por lo tanto, avanzar en el conocimiento de estos fenómenos y en la capacidad de pronosticar en forma eficaz la ocurrencia de los mismos es una preocupación primordial en nuestra región y al mismo tiempo un desafío científico actual a nivel internacional. Un potencial enfoque que permite mejorar la condición inicial de los pronósticos de fenómenos severos es acoplar modelos numéricos regionales en alta resolución con sistemas de asimilación de datos y contar con observaciones que posean la suficiente resolución espacio tempo ral para capturar los procesos asociados a la escala convectiva. El objetivo general del presente trabajo es contribuir al desarrollo a nivel nacional y regional de un sistema de pronóstico por ensambles a muy corto plazo de eventos meteorológicos de alto impacto que, a su vez, sea factible de ser transferido para su uso operativo. Para ello se implementó un sistema de asimilación de datos de radar basado en el filtro de Kalman por ensambles transformado y localizado (LETKF) que permite asimilar observaciones de velocidad radial y reflectividad. Se evaluó su desempeño en dos situaciones de convección húmeda profunda, considerando diferentes modos de organización de la convección y empleando dos modelos numéricos de la atmósfera para explorar distintos aspectos en el diseño experimental, como es la aplicación de una estrategia de asimilación utilizando dominios anidados. Por un lado, se acopló el LETKF con el modelo de mesoescala Weather Research and Forecasting (WRF) para asimilar observaciones sintéticas de radar. Se exploró la sensibilidad del sistema WRF-LETKF a las perturbaciones aleatorias empleadas para generar un ensamble de condiciones iniciales y de borde en escala convectiva y también la sensibilidad a parámetros del método LETKF, como son la localización y la inflación de la matriz de covarianza de los errores. Por otro lado, se acopló el LETKF con el modelo regional Scalable Computing for Advanced Library and Environment (SCALE-RM) para asimilar observaciones reales del radar RMA1-Córdoba perteneciente al SIstema NAcional de RAdares Meteorológicos (SINARAME). Se analizó el desempeño del sistema SCALE-LETKF para un caso de estudio de una tormenta supercelular que tuvo lugar durante la campaña de medición Remote sensing of Electrification, Lightning, And Mesoscale/microscale Processes with Adaptive Ground Observations (RELAMPAGO). Los resultados obtenidos muestran que la asimilación de datos de radar impacta positivamente la representación de la ubicación, intensidad y tiempo de ocurrencia de los sistemas convectivos, a la vez que contribuye en forma eficaz en el pronóstico de fenómenos severos como lluvias intensas y ráfagas en superficie. El sistema WRF-LETKF presenta gran sensibilidad al tipo de perturbaciones empleadas para generar el ensamble de condiciones iniciales y de borde, y una mayor sensibilidad a modificaciones en la escala de localización horizontal que en el parámetro de inación. El sistema SCALE-LETKF reproduce en forma acertada y consistente la dinámica de la supercelda simulada, por lo que el conjunto de datos generado resulta de gran valor para el estudio detallado de los procesos asociados a convección húmeda profunda en nuestra región. De esta forma, los experimentos numéricos realizados permiten destacar aspectos que resultan relevantes para el diseño de un sistema de asimilación de datos de radar en escala convectiva, ponen en evidencia la factibilidad de su implementación con los recursos computacionales adecuados y demuestran el enorme potencial de este método para el desarrollo de un sistema de pronósticos por ensambles en escala convectiva en nuestro país.

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.