Daiane Gracieli Faller

Título

Modelos Bayesianos Hierárquicos para Estimar Matrizes de Covariância de Erro Vertical do Background na Assimilação de Dados Oceanográficos

Orientador(es)


Nelson Francisco Fávilla Ebecken
Andrew Michael Moore

Resumo


Esta tese objetivou implementar a perspectiva dos Modelos Bayesianos Hierárquicos (BHM) para estimar as matrizes de covariância de erros verticais do background no esquema de assimilação de dados (AD) 4DVAR (tetradimensional variacional). A matriz de covariância de erros do background é um elemento chave em AD, porque contribui para a filtragem da informação observada e ajuda a sua propagação espacial e multivariada para o espaço do modelo. Para testar a eficiência do BHM, as correlações verticais de erro foram substituídas pelas matrizes derivadas de cálculos Bayesianos. Após a implementação da abordagem no 4DVAR, foi realizado um estudo de caso teste para determinar o impacto da mudança. O estudo de caso objetivou estimar a variabilidade espaço-temporal da altura da superfície do mar (SSH), temperatura da superfície do mar (SST) e perfis de temperatura e salinidade na região da Bacia de Santos. Foram consideradas as abordagens com BHM (evolução temporal da covariância do erro) e a padrão do 4DVAR incremental com restrição forte ou IS4DVAR (erro é estático e prescrito no início de cada janela de assimilação). Na maioria dos casos a nova abordagem apresentou maior coerência quando comprada com os conjuntos de dados observados.

Abstract


This thesis implemented the perspective of Bayesian Hierarchical Models (BHM) to estimate vertical background-error covariance matrices in data assimilation 4-dimensional variational scheme (4DVAR). The background-errors covariance matrix is a key element in DA, because it contributes to the observed information be spread to the spatial and multivariate for the model space. To test the efficiency of the BHM, correlations error were replaced by vertical matrices derived from Bayesian calculations. After the implementation inside 4DVAR code, a case of study was conducted to determine the impact of change spell. The case study aimed to estimate the spatial and temporal variability of sea surface height (SSH), sea surface temperature (SST) and profiles of temperature and salinity in the Santos basin. The BHM and the standard incremental 4DVAR with strong constrain approaches were considered. In most cases the new approach presented higher consistency when compared with observed datasets.

Imprimir