1. RODNA
  2. FCEN
  3. FCEN - Facultad de Ciencias Exactas y Naturales. UBA
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.provenanceFacultad de Ciencias Exactas y Naturales de la UBA-
dc.contributorSaulo, Andrea Celeste-
dc.contributorRuiz, Juan José-
dc.contributorSaucedo, Marcos Adolfo-
dc.creatorSaucedo, Marcos Adolfo-
dc.date.accessioned2018-05-04T22:05:23Z-
dc.date.accessioned2018-05-28T16:57:43Z-
dc.date.available2018-05-04T22:05:23Z-
dc.date.available2018-05-28T16:57:43Z-
dc.date.issued2016-03-04-
dc.identifier.urihttp://10.0.0.11:8080/jspui/handle/bnmm/75366-
dc.descriptionEl presente trabajo de tesis plantea la realización de experimentos idealizados de asimilación de datos basado en un Filtro de Kalman por ensambles (EnKF) sobre un dominio regional centrado en Sudamérica. En particular se emplea el algoritmo conocido como Local Ensemble Transform Kalman Filter (LETKF) acoplado al modelo numérico Weather Research and Forecasting (WRF). Los experimentos exploran la sensibilidad del sistema de asimilación frente a los errores de modelo y los errores presentes en las condiciones de borde lateral. Los resultados indican que las regiones tropicales son más sensibles a los errores de modelo, mientras que las latitudes medias están más directamente influenciadas por los errores en las condiciones de borde lateral. Para reducir los errores del análisis se evalúan diferentes metodologías que buscan representar de manera explícita los errores en el sistema de asimilación: la inflación multiplicativa adaptativa estimada, los ensambles físicos y la introducción de perturbaciones en las condiciones de borde lateral. El empleo de dichas técnicas permite reducir el del error del análisis y contribuye a mejorar la representación de su incertidumbre. Sin embargo, los mejores resultados se obtienen al combinar dichas técnicas de forma simultánea. Finalmente, se llevan adelante experimentos utilizando observaciones reales en los que se explora el impacto de la resolución del modelo en la calidad del análisis y de los pronósticos a corto plazo. En estos experimentos se encuentra que el aumento de la resolución del modelo numérico genera una mejora tanto de la calidad del análisis como del pronóstico resultante. Sin embargo, los resultados sugieren que un tratamiento adecuado de las diferentes fuentes de incertidumbre que afectan a un sistema de análisis - pronóstico regional, junto con la incorporación de una mayor cantidad de observaciones, podría producir un impacto mayor sobre la calidad del análisis.-
dc.descriptionThe present work proposes the realization of idealized data assimilation experiments based on an Ensemble Kalman Filter (EnKF) in a regional domain centered in South America. In particular, the Local Ensemble Transform Kalman Filter (LETKF) coupled with the Weather Research and Forecasting (WRF) model is employed. These experiments explore the sensitivity of the assimilation system to the model and lateral boundary condition errors. Results indicate that tropical regions are more sensitive to model errors, whereas mid-latitudes are more affected by lateral boundary condition errors. In order to reduce analysis errors different methodologies that seek to represent explicitly errors present in the assimilation system are employed: the estimated adaptive multiplicative inflation, perturbed physic ensemble and perturbed lateral boundary conditions. The employment of these techniques provides a reduction of the analysis error and contributes to improve the representation of the uncertainty. Nevertheless, the best results are obtained when these techniques are employed simultaneously. Finally, data assimilation experiments using real observations exploring the impact of model’s horizontal resolution in both the analysis and short term forecast are carried on. In these experiments it is found that the increment in model resolution results in an improvement of both the analysis and the forecast. However, results suggest that an adequate treatment of the different error sources that affect a regional analysis - forecast system and the inclusion of a greater amount of observations in the assimilation process further enhance the improvement on the analysis quality.-
dc.descriptionFil:Saucedo, Marcos Adolfo. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.-
dc.formatapplication/pdf-
dc.languagespa-
dc.publisherFacultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires-
dc.rightsinfo:eu-repo/semantics/openAccess-
dc.rightshttp://creativecommons.org/licenses/by/2.5/ar-
dc.source.urihttp://digital.bl.fcen.uba.ar/gsdl-282/cgi-bin/library.cgi?a=d&c=tesis&d=Tesis_5939_Saucedo-
dc.subjectDATA ASSIMILATION-
dc.subjectLETKF-
dc.subjectERROR SOURCES-
dc.subjectHORIZONTAL RESOLUTION-
dc.subjectANALYSIS-
dc.subjectFORECAST-
dc.subjectASIMILACION DE DATOS-
dc.subjectLETKF-
dc.subjectFUENTES DE ERROR-
dc.subjectRESOLUCION HORIZONTAL-
dc.subjectANALISIS-
dc.subjectPRONOSTICO-
dc.titleEstudio de los efectos de diferentes fuentes de error sobre la calidad de los análisis generados por un sistema de asimilación por filtros de Kalman-
dc.titleStudy of the effects of different error sources upon the quality of analysis generated by a Kalman Filter data assimilation system-
dc.typeinfo:eu-repo/semantics/doctoralThesis-
dc.typeinfo:ar-repo/semantics/tesis doctoral-
dc.typeinfo:eu-repo/semantics/publishedVersion-
Aparece en las colecciones: FCEN - Facultad de Ciencias Exactas y Naturales. UBA

Ficheros en este ítem:
No hay ficheros asociados a este ítem.
Mostrar el registro sencillo del ítem