Previsão estocástica em meteorologia: Parte 1 - modelo de águas rasas com mecanismo de chuva

Resumo

Devido às imperfeições presentes em qualquer modelo e dado observacional, a previsão numérica de futuros estados de um sistema instável deve envolver na prática um processo de preparação do estado inicial. Atualmente, métodos estocásticos de aprendizado a respeito do estado de um sistema em evolução através de um modelo para a dinâmica do sistema e de dados observacionais são oferecidos para tal. Nestes métodos, a melhor estimativa estatística do estado é produzida a todo instante em função da informação disponível. O Filtro Bayesiano de Partículas (FBP) é um algoritmo que determina entre dois instantes de observação a densidade de probabilidade do estado da Atmosfera estimado pela dinâmica do modelo, corrigida pela seqüência de dados observacionais disponível, através de simulações de Monte Cario e correção bayesiana da distribuição de estados produzida com tais simulações. Este é o algoritmo de previsão estocástica mais abrangente em termos da distribuição de estados produzida. Portanto a pesquisa em favor da operacionalização do FBP, mantendo sua abrangência, é de fundamental importância para à Meteorologia. Deseja-se testar um algoritmo proposto pelo autor deste projeto com um modelo para a dinâmica da atmosfera na escala planetária: o modelo de águas rasas com mecanismo de chuva. (AU)