Impacto dos esquemas parametrização convectiva do modelo WRF na previsão da precipitação, previsão deterministica vs. previsão por conjunto.

Lissette Guzmán-Rodríguez, Vagner Anabor, Franciano Puhales

Resumen


Na previsão numérica da precipitação, a resolução espacial do modelo é determinante na qualidade dos resultados. Para altas resoluções, ou seja, com espaçamento de grade inferior aos 4 km, a convecção tem resolução explícita a partir da ativação dos esquemas de microfísica. Com resoluções menores (espaçamento de grade maior de 12 km) são empregados os esquemas de parametrização convectiva, também conhecidos como parametrizações implícitas, os quais parametrizam ou simplificam os processos que produzem a precipitação. Neste estudo foi realizado uma análise de sensibilidade do modelo WRF para 55 eventos de precipitação intensa na região sul do Brasil, perante nove esquemas de parametrização convectiva que integraram um sistema de previsão por conjunto (EPS), a partir do qual foi calculado o produto da precipitação média do conjunto (MPP). Considerando as observações de precipitação acumulada nas estações da Agencia Nacional das Àguas (ANA), foi avaliado o desempenho da previsão dos membros do EPS (EPSm) e o MPP, na previsão de limiares de precipitação de 1, 10, 25 e 50 mm em 24 h. As previsões dos limiares de 1 e 10 mm, obtidas pelos EPSm e o MPP, foram respectivamente os de maior índice de ameaça (TS), índice de sucesso (H) e menor false alarme (FAR), com os melhores resultados dos índices Hiedke (HSS) e de Clayton (CSS), sendo em geral super-prognosticados. Por sua parte, a previsão do limiar de 50 mm foi a de pior desempenho segundo os resultados do TS, H e o FAR, porém, foi o limiar com menor taxa de falsos alarmes (F) e, geralmente previsto um número de vezes similar ao observado. Com os esquemas de parametrização convectiva Kain–Fritsch e Betts–Miller–Janjic foram obtidos bons resultados na previsão da precipitação moderada (limiares de 1 e 10 mm), porém esses esquemas tiveram péssimo desempenho na previsão de precipitação intensa, especialmente superior a 50 mm. O MPP poderia ser considerado como um bom preditor para valores não tão extremos de precipitação (excluindo 50 mm) já que seu desempenho foi superior ao de vários dos EPSm. O CSS indicou que a previsão de ocorrência dos limiares obtida a partir desse produto, que foi efetivamente observada, resulta superior à da maioria das previsões determinísticas, reforçando a vantagem de utilizar o enfoque da previsão por conjuntos para obter prognosticos mais acurados da precipitação. A partir da analise dos resultados dos índices de desempenho, especialmente HSS e CSS, foi possível identificar aos membros com os esquemas de parametrização convectiva New Simplified Arakawa–Schubert e Tiedtke (membros 14 e 6) como os de melhores resultados na previsão de todos os limiares de precipitação analisados. Esses são esquema de fluxo de massa com componentes rasas (e profunda no caso de NSAS), e transporte de momentum, que a partir dos resultados deste trabalho são recomendados pelos autores para a obtenção de previsões determinísticas da precipitação na região sul do Brasil.


Palabras clave


precipitação, parametrização convectiva, limiares, WRF, previsão por conjuntos

Texto completo:

PDF

Referencias


Anabor, V., Stensrud, D. J., Moraes, O. L. L. D., 2008: Serial upstream-propagating mesoscale convective system events over southeastern south america. Mon Wea Rev, 68(136), 3087–3105.

Andrade, K. M. 2005: Climatologia e comportamento dos sistemas frontais sobre a América do sul. Mestrado em meteorologia, Instituto Nacional de Pesquisas Espaciais, São José dos Campos.

Carvalho, L. M. V., Jones, C., Leibmann, B. 2002: Extreme precipitation events in southeastern South America and large-scale convective patterns in the south atlantic convergence zone.

Dudhia, J. 1989: Numerical study of convection observed during the winter monsoon experiment using a mesoscale two–dimensional model. J Atmos Sci, 46, 3077–3107.

Durai, V., Bhardwaj, R. 2013: Improving precipitation forecasts skill over india using a multi-model ensemble technique. Geofizika, 30, 120–140.

Epstein, E. 1969: Stochastic dynamic predition.

Fritsch, J., Houze, J. R., Adler, R., Bluestein, H., Bosart, L., Brown, J., Carr, F., Davis, C., Johnson, R., Junke, r. N., Kuo, Y. H., Rutledge, S., Smith, J., Toth, Z., Wilson, J., Zipse, r. E., Zrnic, D., 1998: Quantitative precipitation forecasting: Report of the eighth prospectus development team. Bull Am Meteorol Soc, 79, 285–299.

Grell, G., 1993: Prognostic evaluation of assumptions used by cumulus parameterizations. Mon Wea Rev, 121, 764–787.

Grell, G., Devenyi, D., 2002: A generalized approach to parameterizing convection combining ensemble and data assimilation techniques. Geophys Res Lett, 29, 1693.

Grell, G., Freitas, S., 2014: A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling. Atmos Chem Phys, 14, 5233–5250.

Han, J., Pan, H., 2011: Revision of convection and vertical diffusion schemes in the ncep global forecast system. Atmos– Ocean, 26, 520–533.

Harnack, R. P., Apel, K., Cermak, J. R., 1999: Heavy precipitation events in new jersey: Attendant upper-air conditions.

Hong, S. Y., Noh, Y., Dudhia, J., 2006: A new vertical diffusion package with an explicit treatment of entrainment processes. Mon Wea Rev, 134, 2318–2341.

Janjic, Z., 1994: The step–mountain eta coordinate model: Further developments of the convection, viscous sublayer, and turbulence closure schemes. Mon Wea Rev, 122, 927–945.

Junker, N. W., Schneider, R. S., Fauver, S. L., 1999: A study of heavy rainfall events during the great midwest flood of 1993.

Kain, J., 2004: The kain–fritsch convective parameterization: An update. J Appl Meteor, 43, 170–181.

Kain, J., Fritsch, J., 1990: Ra one–dimensional entraining/detraining plume model and its application in convective parameterization. J Atmos Sci, 47, 2784–2802.

Kalnay, E. a. A., 1987: Forecasting forecast skill. Mon Wea Rev, 115, 349–356.

Lin, Y. L., Farley, R., Orville, H., 1983: Bulk parameterization of the snow field in a cloud model. Jclimate Appl Met, 22, 1065–1092.

Mapes, B., 1997: Equilibrium vs. activation control of large-scale variations of tropical deep convection in the physics and parameterization of moist atmospheric convection.

Mlawer, E., Taubman, S., Brown, P., Iacono, M., Clough, S., 1997: Radiative transfer for inhomogeneous atmospheres: Rrtm, a validated correlated–k model for the longwave. J Geophys Res, 102, 16,663–16,682.

SKAMAROCK, W., KLEMP, J., DUDHIA, J., GILL, D., BARKER, D., DUDA, M., HUANG, X., POWERS, J., WANG, W., 2008a: A description of the advanced research wrf version 3.

SKAMAROCK, W., KLEMP, J., DUDHIA, J., GILL, D., BARKER, D., DUDA, M., HUANG, X., WANG, W., POWERS, J., 2008b: A description of the advanced research wrf version 3. URL http://www2.mmm.ucar.edu/wrf/users/docs/arw_v3.pdf.

STENSRUD, D., 2009: PARAMETERIZATION SCHEMES. Cambridge University Press, United States of America, New York.

Teixeira, M., Satyamurty, P., 2010: Trends in the frequency of intense precipitation events in southern and southeastern brazil during 1960-2004. Journal of Climate, 24, 1913–1921.

Teixeira, M. S., Satyamurty, P., 2007: Dynamical and synoptic characteristics of heavy rainfall episodes in southern brazil. Mon Wea Rev, 135, 598–617.

Wilks, D., 2011: Statistical Methods in the Atmospheric Sciences. Academic Press, Oxford.

World Meteorological Organization, 2012: Guidelines on ensemble prediction systems and forecasting. URL https://www.wmo.int/pages/prog/www/DPFS/Manual/documents/1091_Guidelines_on_EPS_en.pdf, acesso em 14 set. 2015.

Zhang, C., Wang, Y., Hamilton, K., 2011: Improved representation of boundary layer clouds over the southe-east pacific in arw–wrf using a modified tiedtke cumulus parameterization scheme. Mon Wea Rev, 139, 3489–3513.




DOI: https://doi.org/10.30859/ameJrCn35p139

Enlaces refback

  • No hay ningún enlace refback.


ISSN: 2605-2202 - © Asociación Meteorológica Española