Sensibilidad de un sistema de asimilación de datos por ensambles a diferentes configuraciones, implementado en el Sur de Sudamérica

Abstract

Uno de los mayores desafíos en la predicción numérica del tiempo es el de reducir la incertidumbre de las condiciones iniciales. Con el fin de abordar esta problemática, variados esfuerzos se están llevando a cabo en el Servicio Meteorológico Nacional de Argentina (SMN). En este artículo se presenta la evaluación del sistema regional de asimilación por ensambles WRF-LETKF (Weather Research and Forecasting model - Local Ensemble Transform Kalman Filter). El dominio cubre el Sur de Sudamérica con una resolución horizontal de 40 km, y el período de prueba utilizado es de dos meses (noviembre y diciembre de 2012). El sistema de asimilación consta de un ensamble de 40 miembros e incorpora observaciones tanto convencionales como provenientes de satélites. En este trabajo, se evaluó el impacto de utilizar un ensamble multi física incluyendo en sus miembros distintas opciones de parametrizaciones de cumulus y capa límite planetaria. Se halló que dicha estrategia generalmente produce resultados mejores comparada con un sistema de ensamble en el cual todos los miembros poseen las mismas parametrizaciones. También se exploró la inclusión de bordes perturbados, pero no se encontró un impacto significativo con la metodología propuesta. Otro experimento consistió en la inclusión de los perfiles verticales de temperatura y humedad de los AIRS (Atmospheric Infrared Sounders) en la asimilación, cuya evaluación demostró un impacto positivo en los resultados. Finalmente, se comparó la media de los pronósticos por ensamble inicializados con los análisis de las diferentes variantes del sistema WRF-LETKF con un pronóstico determinístico del WRF inicializado con los análisis provistos por el GFS (Global Forecast System). Si bien generalmente dicha comparación mostró un impacto positivo de la asimilación de datos a escala regional, también mostró la necesidad de que el sistema regional mantenga la información de mayor escala provista por el modelo global.

One of the big challenges in numerical weather prediction is to reduce the uncertainty in the initial conditions. At the National Meteorological Service (SMN) of Argentina, many efforts have been carried out to address this issue. In this work, the regional Local Ensemble Transform Kalman Filter coupled with the Weather Research and Forecasting model (WRF-LETKF) system is evaluated. The domain covers most of Southern South America with an horizontal resolution of 40 km and a 2 month period is tested (November and December 2012). A 40 member ensemble is used to assimilate conventional and satellite observations. In this work a multi physics ensemble that includes different choices for the cumulus and planetary boundary layer parameterizations is evaluated. This experiment shows that, overall, the multi physics approach produce better results than a single physics configuration. The inclusion of boundary perturbations has also been explored although, it does not produce a significant impact in the current experimental settings. In addition, we explore the sensitivity to the assimilation of the Atmospheric Infrared Sounder (AIRS) temperature and moisture retrievals. The results indicate that the inclusion of these retrievals is a valuable alternative to deal with the scarcity of radiosondes observations in Southern South America. Finally, a comparison among the different WRF-LETKF ensemble mean forecasts and deterministic WRF forecasts initialized from the GFS (Global Forecast System) without assimilation, was carried on. Generally a positive impact of the data assimilation technique was achieved, although it was found that the regional system needs to keep large scale information from the global model.