• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Natureza
    Um novo método para gerar perturbações iniciais de conjunto

    O conceito de previsão por conjunto é descrito esquematicamente no centro da capa acima de Advances in Atmospheric Sciences, em que é demonstrado que o erro inicial causará a incerteza da previsão. O atrator Lorenz, mostrado espalhado em verde, assim como as asas de uma borboleta, indica a incerteza inicial. A cobertura é produzida com base no crescimento do erro e previsão do conjunto. Crédito:Avanços em Ciências Atmosféricas

    A atmosfera é um sistema caótico, e mesmo erros iniciais insignificantes darão origem a um desvio gradual do estado de previsão do caminho verdadeiro, eventualmente resultando em caos. Isso significa que o tempo tem um limite de previsibilidade além do qual as previsões perderão toda a precisão. Com base nisso, qualquer previsão é simplesmente uma estimativa do estado futuro da atmosfera dentro de uma estrutura estocástica, mas não fornece nenhuma informação sobre sua confiabilidade. A previsão de conjunto oferece uma abordagem para gerar previsões probabilísticas do estado futuro do sistema com base em uma abordagem de amostragem estatística.

    Nas últimas duas décadas, a previsão de conjunto avançou substancialmente, e agora é uma abordagem poderosa que melhora a previsão numérica do tempo. O princípio básico da geração dos membros do conjunto inicial é amostrar as incertezas relacionadas à análise inicial. Vários esquemas de geração de conjuntos baseados na teoria de crescimento de erro dinâmico foram testados e usados ​​em centros de previsão do tempo; por exemplo, o método do vetor criado (BV) usado no NCEP, e o método do vetor singular (SV) na ECMWF. Recentemente, esquemas de assimilação de dados (DA) foram ainda combinados com os métodos dinâmicos para melhor amostrar as incertezas da análise, como no esquema de filtro de Kalman de transformação de conjunto (ETKF).

    Em um jornal publicado na capa da Avanços nas Ciências Atmosféricas , O Dr. Ruiqiang Ding do CAS Institute of Atmospheric Physics e seus co-autores estenderam a definição do NLLE de espectros unidimensionais para n-dimensionais, e demonstrar a superioridade do espectro NLLE em estimar a previsibilidade de sistemas caóticos em comparação com o espectro expoente de Lyapunov tradicional. Além de estimar a previsibilidade de sistemas caóticos, outra aplicação importante do método NLLE é fornecer perturbações iniciais para previsão por conjunto. Os resultados indicam que o esquema NLLE tem habilidade de previsão de conjunto semelhante ao esquema ETKF, ambos demonstram melhor habilidade de previsão de conjunto em comparação com os esquemas BV e SV. Apesar das habilidades de previsão semelhantes dos esquemas NLLV e ETKF, a geração dos NLLVs economiza muito mais tempo e é mais fácil de implementar, em comparação com o esquema ETKF.

    "Esperamos que o esquema NLLE seja eficaz na geração de perturbações de conjunto em um modelo numérico de alta dimensão, "diz Ding." Em trabalhos futuros, pretendemos investigar melhor o desempenho do NLLE por meio da comparação com vários métodos em modelos mais complexos, e nosso objetivo final é aplicar o método NLLE nas previsões meteorológicas operacionais. "


    © Ciência https://pt.scienceaq.com