O uso da assimilação de dados LETKF como ferramenta de auxílio à previsão de tempo. José Antonio Aravéquia Maria das Dores da Silva Medeiros Solange Silva de Souza Dirceu Luis Herdies Centro de Previsão do Tempo e Estudos Climáticos, Instituto Nacional de Pesquisas Espaciais, Rod. Dutra, Km 40, Cachoeira Paulista, SP, 12630 Brasil . jose.aravequia @ cptec.inpe.br RESUMO: A assimilação de dados cumpre uma etapa muito importante no sistema de previsão numérica do tempo. A previsão de tempo por conjunto, que possibilita a obtenção de probabilidade das previsões numéricas, se consolidou na última década. O novo sistema de assimilação de dados, o Filtro de Kalman Local por Conjunto, insere no sistema de previsão de tempo a informação da localização do erro do dia da previsão do tempo, indicando as regiões de maior incerteza nas previsões, além de fornecer as condições iniciais para a previsão por conjunto aos modelos numéricos. A integração destas condições iniciais realizada pelo modelo numérico prevê a evolução no tempo possibilitando a localização da incerteza no estado futuro da atmosfera, indicando onde o previsor deve atentar para possíveis alterações das condições previstas. Este trabalho tem por objetivo apresentar alguns mapas criados com as novas informações fornecidas por este sistema de assimilação de dados, entre eles os mapas de erro do dia e mapas do espalhamento e da incerteza da previsão. ABSTRACT: The data assimilation fulfills a very important step in the numerical weather forecast system. The ensemble forecast, which provides the probability for the numerical forecast, was consolidated in the last decade. The new data assimilation system, the Local Ensemble Kalman Filter provides the weather forescast system forecasting information on the location of the error of the day, indicating areas of greatest uncertainty in predictions, it also provide the ensemble initial conditions for the numerical forecast model. The integration of these initial conditions conducted by the numerical model evolves over time allowing the uncertainty to its location in the future state of the atmosphere, indicating where the forecaster should look for possible changes in the weather conditions. This paper aims to present some maps created with the new information provided by this data assimilation system, including error maps, spread maps and the uncertainty of the forecast. Palavras-Chave: assimilação de dados, dados de satélite, modelos de transferência radiativa, filtro de Kalman, radiative transfer model. 1 - INTRODUÇÃO A causa da falha em produzir uma previsão de tempo perfeita para qualquer prazo de previsão deve recair, como estabelecido por Lorenz (1965), sobre uma ou mais dos seguintes fatores: 1) O sistema atmosférico não é determinístico: o presente e o passado dos estados da atmosfera e seu ambiente não determina unicamente o estado futuro em todos os tempos; 2) Observações são insuficientes: mesmo se o estado da atmosfera fosse determinístico, a porção do presente e do passado observada da atmosfera e seu ambiente não determina unicamente o estado futuro; 3) Os procedimentos de previsão são inadequados: as técnicas usadas atualmente não reproduzem o comportamento da atmosfera e seu ambiente; Lorenz (1965) introduziu o conceito de "errro do dia": a previsibilidade não é constante: Ela depende da estabilidade do escoamento atmosférico variável (a trajetória básica ou estado de referência). O sistema de assimilação baseado no Filtro de Kalman Local por Conjunto (LETKF) (Ott et al,2003) para o modelo de circulação geral da atmosfera do CPTEC, GCM/CPTEC, está sendo testado como possível substituto do atual sistema GPSAS. O LETKF é um sistema baseado em filtro de Kalman que efetua a análise localmente como forma de diminuir o grau de liberdade necessária para o conjunto de previsões