Métodos de asimilación de datos secuenciales en el modelo Speedy con datos reales

Abstract

El proceso de asimilación de datos (DA) ha cobrado importancia en los últimos años debido a la mejora que ofrece en modelos numéricos complejos. Aun así, la mayoría de los fenómenos naturales tienen muchas correlaciones entre variables que son muy difíciles de capturar con tales modelos. Esta propuesta presenta una comparación entre modelos: el Ensemble Kalman Filter basado en una Descomposición de Cholesky Modificada, el Local Ensemble Kalman Filter y local ensemble transform Kalman filter. Tres formulaciones para el Ensemble Kalman Filter usando y sin usar el salto de paso para un Modelo de Circulación Atmosférica General, esto usando condiciones reales.