MODELOS BAYESIANOS HIERÁRQUICOS PARA ESTIMAR MATRIZES DE COVARIÂNCIA DE ERRO VERTICAL DO BACKGROUND NA ASSIMILAÇÃO DE DADOS OCEANOGRÁFICOS

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.