Estudo dos processos envolvidos e da previsibilidade da Oscilação Madden-Julian com o modelo OLAM

Repositório institucional da UFSC

A- A A+

Estudo dos processos envolvidos e da previsibilidade da Oscilação Madden-Julian com o modelo OLAM

Mostrar registro completo

Título: Estudo dos processos envolvidos e da previsibilidade da Oscilação Madden-Julian com o modelo OLAM
Autor: Magina, Leandro José Rocha
Resumo: A Oscilação Madden Julian (OMJ) é um modo de variabilidade climático intrasazonal de escala planetária que influencia a distribuição espacial da convecção e da precipitação. O fenômeno geralmente tem início sobre o Oceano Índico Tropical e se propaga lentamente para leste (cerca de 5-6 m/s) ao longo da região de temperaturas mais quentes dos oceanos Índico, Pacífico e Atlântico. Estudos recentes mostram que esta oscilação tem a capacidade de influenciar não só a região tropical, mas também as regiões dos subtrópicos e extratrópicos. Deste modo, melhorar previsibilidade deste fenômeno é de grande importância para a sociedade de forma geral. Este trabalho tem como objetivo de avaliar a capacidade do modelo de previsão numérica Ocean Land Atmophere Model (OLAM) na previsibilidade de um evento da OMJ ocorrido entre os meses de março e abril de 2015. O modelo OLAM possui grades não estruturadas que se distribuem sobre o globo terrestre possibilitando um aumento na resolução espacial através do refinamento de grade. No presente estudo foram feitas três simulações de 31 dias para este evento. A primeira simulação foi feita utilizando a média mensal climatológica da Temperatura da Superfície do Mar (TSM) e a parametrização cumulus do tipo Kain-Fritsch; a segunda utilizando campos de TSM atualizados semanalmente e parametrização cumulus do tipo Kain-Fritsch; e por fim com a TSM atualizada semanalmente com parametrização cumulus do tipo Grell-Freitas. A grade espacial foi configurada a nível global com espaçamento de 200 km e com refinamento para a região tropical com espaçamento de 100 km. Para a avaliação e comparação dos resultados gerados pelo modelo com dados observacionais, foram utilizados dados de precipitação obtidos a partir das observações do satélite TRMM e do satélite GPM e dados de reanalise do projeto National Center for Environmental Prediction (NEP) para os campos de ventos. Os resultados mostram que o modelo consegue prever melhor a precipitação durante este episódio da OMJ quando configurado com o tipo de parametrização cumulus Grell-Freitas, segundo os mapas de precipitação acumulada e anomalia de precipitação para o período. Além disso, esta configuração apresenta o melhor viés de precipitação para o modelo. Para os campos de ventos os resultados mostram que a configuração utilizando a parametrização do tipo Kain-Fritsch apresenta melhores resultados se comparados com os observados nos mapas de vento da propagação da OMJ. Portanto, conclui-se que, o tipo de parametrização utilizada na configuração do modelo para a previsibilidade deste evento da OMJ foi mais relevante do que a própria mudança da TSM de climatológica para a TSM atualizada semanal nestas simulações.The Madden Julian Oscillation (MJO) is a mode of intrasazonal climate variability of planetary scale that has an influence on the spatial distribution of convection and precipitation. The phenomenon usually begins on the tropical Indian Ocean and spreads slowly eastwards (about 5-6 m / s) along the hottest region of the Indian, Pacific and Atlantic oceans. Recent studies show that this oscillation has the ability to influence not only the tropical region, but also the subtropical and extratropical regions. In this way, improving the predictability of this phenomenon is of great importance for society in general, so this work aims to evaluate the capacity of the Ocean Land Atmophere Model (OLAM) numerical prediction model in the predictability of an event of the OMJ occurred between the months of March and April 2015. The OLAM model has unstructured grids that distribute over the terrestrial globe allowing an increase in spatial resolution through grid refinement. In the present study three 31-day simulations were performed for this event. The first simulation was done using the monthly climatological average of the Sea Surface Temperature (SST) and the Kain-Fritsch cumulus parameterization; the second using weekly updated SST fields and Kain-Fritsch cumulus parameterization; and finally with the SST updated weekly with Cumulus parameterization of the Grell-Freitas type. The spatial grid was configured at a global level with spacing of 200 km and with refinement for the tropical region with spacing of 100 km. For the evaluation and comparison of the results generated by the model with observational data, precipitation data obtained from the observations of the TRMM satellite and the GPM satellite were used and the National Center for Environmental Prediction (NEP) data for wind fields . The results show that the model can better predict the precipitation during this episode of OMJ when configured with the Grell-Freitas clustering parameter, according to the maps of accumulated precipitation and precipitation anomaly for the period. In addition, this configuration presents the best precipitation skill for the model. For the wind fields, the results show that the configuration using the Kain-Fritsch parameterization presents better results when compared to those observed in the wind maps of the OMJ propagation. Therefore, it is concluded that the type of parameterization used in the configuration of the model for the predictability of this event of the OMJ was more relevant than the change from the SST of climatological to the weekly updated SST in these simulations.
Descrição: TCC(graduação) - Universidade Federal de Santa Catarina. Centro de Ciências Físicas e Matemáticas. Oceanografia
URI: https://repositorio.ufsc.br/handle/123456789/192087
Data: 2018-11-21


Arquivos deste item

Arquivos Tamanho Formato Visualização Descrição
TCC_LEANDRO_MAGINA.pdf 4.520Mb PDF Visualizar/Abrir TCC

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro completo

Buscar DSpace


Navegar

Minha conta

Estatística

Compartilhar