Esta lección presenta los procesos de asimilación de datos del modelo, describe los impactos de los errores de asimilación de datos en los pronósticos del modelo y explica cómo el pronosticador puede compensarlos.
¿Tiene una cuenta? Inicie sesión para escribir una reseña.
describir el objetivo de la asimilación de datos y explicar por qué un modelo puede producir un mejor pronóstico si el análisis no coincide exactamente con una observación perfecta;
explicar las principales suposiciones de la asimilación de datos y por qué se utiliza una predicción numérica del tiempo como campo de fondo;
describir las principales desventajas de la asimilación de datos;
explicar cómo se aplican los errores de observación y los incrementos del modelo para producir el análisis;
explicar cómo 3D-VAR y 4D-VAR manejan las covarianzas del error de fondo;
identificar ejemplos de análisis incorrectos.
data assimilation, observations, 3D-VAR analysis, 4D-VAR analysis
Formulario de soporte
Utilice nuestro formulario de soporte para informarnos de cualquier problema que experimente con el sitio.
Asistencia con la inscripción y respuestas a preguntas frecuentes
A fin de atender lo mejor posible a las necesidades de nuestros usuarios y patrocinadores, es obligatorio inscribirse en el sitio para acceder a nuestros materiales. Encontrará una explicación de nuestro proceso de inscripción y otra información útil en la página de respuestas a las preguntas más frecuentes.
Avisos legales y reutilización de los materiales de MetEd
La mayor parte de los materiales que se presentan en MetEd se pueden usar libremente para fines educativos no comerciales. Le animamos a aprovechar nuestros materiales para mejorar sus proyectos de educación y capacitación. Encontrará los pormenores en la página Avisos legales.