Luciano Ritter Nolasco Junior

Luciano Ritter Nolasco Junior

Auto-generated profile, based on publicly available information

Luciano Ritter Nolasco Junior

Instituto Nacional de Pesquisas Espaciais, Cachoeira Paulista, SP

Research Focus & Metrics

Academic Career Length

9Years (2018-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
29 November 2018 in International Journal of Biometeorology
Verified
Journal Article
Closed access
PDF file
ISIgor Rojahn da Silva
Igor Rojahn da Silva
ANAnderson Spohr Nedel
Anderson Spohr Nedel
JMJúlio Renato Quevedo Marques
Júlio Renato Quevedo Marques
LJLuciano Ritter Nolasco Júnior
Luciano Ritter Nolasco Júnior

1 March 2020 in Revista Brasileira de Meteorologia
Verified
Journal Article
Open access
PDF file
RFRute Costa Ferreira
Rute Costa Ferreira
MJMario Paulo Alves Júnior
Mario Paulo Alves Júnior
EVEder Vendrasco
Eder Vendrasco
JAJosé Antonio Aravéquia
José Antonio Aravéquia
LJLuciano Ritter Nolasco Junior
Luciano Ritter Nolasco Junior
TBThiago S. Biscaro
Thiago S. Biscaro
Resumo Trabalhos recentes mostram que a assimilação de dados melhora a eficácia dos modelos de previsão de tempo, contudo o impacto da assimilação dos dados de radar é pouco quantificado com relação às parametrizações físicas do modelo, especialmente de microfísica. O objetivo deste trabalho é estudar o impacto do uso de dados de radar com diferentes parametrizações de microfísica do modelo Weather Research and Forecasting (WRF) com seu sistema de assimilação de dados (WRFDA-3DVAR) para casos de precipitação intensa. Foram selecionados três eventos de precipitação em 2014, com área de estudo abrangendo o oeste da região sul do Brasil e sudeste do Paraguai. Desta forma, são avaliados nove esquemas de parametrizações de microfísica com assimilação de dados convencionais e de radar, para determinar qual representa de forma mais adequada a precipitação e refletividade nas previsões de curto prazo, além de determinar o impacto relativo entre as mudanças de microfísica e a assimilação de dados convencionais e de radar. A comparação realizada através da métrica estatística Fractional Skill Score (FSS) mostra o impacto positivo da assimilação de dados do radar foi na média de até 20% no FSS, enquanto que o impacto positivo entre as opções de microfísica atingiu 70%.

25 September 2020 in Ciência e Natura
Verified
Journal Article
Open access
RFRute Costa Ferreira
Rute Costa Ferreira
LJLuciano Ritter Nolasco Junior
Luciano Ritter Nolasco Junior
Dirceu HerdiesDirceu Herdies
Dirceu Herdies
EVEder Vendrasco
Eder Vendrasco
FDFábio Luiz Rodrigues Diniz
Fábio Luiz Rodrigues Diniz
RARita De Cassia Alves
Rita De Cassia Alves
The state of Santa Catarina is often hit by extreme events such as heavy rain, windstorms, hail and eventually tornadoes. Thus, the goal of the present study was to verify how the inclusion of a larger number of observations could improve the prediction of such events. Thus, through a campaign carried out in the west of Santa Catarina, surface and radiosonde data were collected and assimilated through the GSI system. This process produced an updated initial condition to the weather prediction model WRF. The surface data assimilation had 84 new pressure observations. The radiosonde experiment had 162 observations of temperature, wind, and humidity assimilated. It was observed that the improvement of the initial condition through the insertion of the local surface and upper air data obtained during the campaign significantly improved the forecast in the conduced experiments.