Combinación Bayesiana de datos pluviométricos e imágenes del Radar Meteorológico mediante Block Kriging y Filtro de Kalman. Aplicación en España

Resumen

La precipitación es una variable atmosférica caracterizada por un comportamiento altamente variable, por eso es muy complicado proporcionar una descripción cuantitativa espacial precisa. Por un lado las medidas pluviométricas se pueden considerar como una estimación de lluvia cuantitativamente bastante precisa, pero no pueden reproducir la distribución espacial de dicha lluvia, y por otro lado los radares meteorológicos proporcionan una mejor representación espacial del campo de precipitación que los pluviómetros, pero más pobre en la estimación cuantitativa de la lluvia.
 
En la presente comunicación se presenta una metodología basada en el uso conjunto del Block Kriging y la combinación bayesiana con filtro de Kalman (Kalman, 1960) para combinar ambas fuentes de información asumiendo la independencia del origen de errores de ambas medidas (Pluviómetros y Radares), con el objetivo de obtener un campo espacio-temporal de precipitaciones más verosímil, con una reducción substancial del sesgo y una reducción de la varianza de los errores estimados, obteniéndose una consiguiente mejora de la fiabilidad de las estimaciones del campo espacio temporal de precipitación.