O objetivo do presente do estudo foi observar a sensibilidade das parametrizações do modelo WRF ao quantificar as variáveis em superfície: pressão atmosférica, temperatura do ar, umidade relativa e precipitação durante o Inverno de 2014 no Estado do Rio Grande do Sul (RS). Os resultados foram demonstrados a partir de análise dos índices estatísticos, bias e Raiz do Erro Quadrático Médio (REQM), quando calculados para comparações entre os dados extraídos de 6 experimentos de simulações do modelo WRF com dados de estações de monitoramento do Instituto Nacional de Meteorologia (INMET) no RS. Os experimentos foram configurados com diferentes parametrização físicas, para assim poder verificar qual combinação apresenta melhor desempenho na representação das condições de Inverno do RS. A partir do reconhecimento das diferentes interpretações físicas que cada conjunto de parametrização pode representar, foi apresentado um estudo de caso afim de diagnosticar as precipitações ocorridas no Estado, principalmente no município de Irai-RS. As análises partiu de um acompanhamento de evento de chuvas ocorrido entre os dias 25 e 30 de junho de 2014, utilizando-se de cartas dos campos meteorológicos de Linhas de Corrente em 850hPa e Precipitação. Percebeu-se que tanto temperatura quanto pressão, o bias e o REQM obtiveram diferenças não significativas entre os experimentos. A UR, no cálculo do bias mostrou uma grande diferença entre os experimentos, devido a forma de seu cálculo considerar apenas o erros sistemáticos, podendo haver cancelamento de erros entre subestimativas e superestimativas. A REQM para a mesma variável, mostrou que os experimentos não se diferenciaram em valores significativos, obtendo apenas nos experimentos 3 e 5, menor valor de erro em comparação aos outros experimentos (~2%). Ao tecer considerações sobre a precipitação, o bias diagnosticou subestimativas nos experimentos para as chuvas durante o inverno de 2014, entretanto no cálculo da REQM os experimentos não tiveram assentimento entre si, exceto o 4 e o 6, onde os valores dos erros totais ficaram inferiores à 2mm. Para o estudo de caso, onde foi acompanhado as chuvas ocorridas durante a passagem de um fenômeno Ciclone Extratropical, em todos os experimentos mostrou a caracterização do evento de precipitação. Com isso, ao diagnosticar a quantidade de precipitação durante o evento ocorrido sobre a estação meteorológica de Irai-RS com os dados do modelo, somado as análises estatísticas, o experimento 6 dentre as combinações de parametrizações apresentadas neste estudo, obteve o melhor desempenho para caracterizar o estado atmosférico durante o período de inverno no RS. ABSTRACT The objective of this study is to observe the sensitivity of parameterizations of the WRF model to quantify the variables in surface: atmospheric pressure, air temperature, relative humidity and precipitation during the winter of 2014 in the State of Rio Grande do Sul (RS). The results were demonstrated from analysis of statistical indices, bias and Mean Squared Error root (RMSE) calculated for comparisons between the data extracted from 6 experiments of the WRF model simulations with data from the National Institute of Meteorology monitoring stations (INMET) in RS. The experiments were configuring with different physical parameterization, so that it may examine what combination performs better in the representation of the RS winter conditions. From the recognition of different physical interpretations that each set of parameterization can represent, a case study was made in order to diagnose the precipitations that occurred in the State, mainly in the municipality of Irai. The analysis came from a monitoring rain event occurred between 25 and 30 June 2014, using meteorological fields of 850hPa stream lines and rainfall. However, realizes that both temperature as pressure, the bias and the RMSE obtained no significant differences between experiments. UR, in the calculation of bias showed a big difference between the experiments, because of the manner of calculation only considers the systematic errors, which may cause cancellation of errors between underestimation and overestimation. The RMSE for the same variable showed no differences in significant amounts in the experiments, only in experiments 3 and 5, smallest error value when compared to the other experiments (~ 2%). To develop some considerations on the precipitation, the bias diagnosed underestimates the experiments for the rains during the winter of 2014; however, in the calculation of RMSE the experiments had not consent to each other, except 4 and 6, where the values of total errors were lower to 2mm. For the case study, which was accompanied rainfall occurred during the passage of an extratropical cyclone, in all experiments showed the characterization of the precipitation event. Thus, to diagnose the amount of precipitation during the event occurring on the Irai weather station with model data, combined with statistical analysis, the experiment 6 from the parameterization of combinations shown in this study had the best performance to characterize the atmospheric state during the winter period in the RS. Keywords: Weather numerical forecast, WRF, physical parameterization, atmospheric modeling.
Impacts of Aerosol Particle Size Distribution and Land Cover Land Use on Precipitation in a Coastal Urban Environment Using a Cloud-Resolving Mesoscale Model
