Conferencia de la Dra. Eugenia Kalnay


25 de mayo de 2010

Con apoyo de la UDLAP, el pasado 19 de mayo se transmitió en línea la Conferencia Magistral de la Dra. Eugenia Kalnay sobre el sistema Ensamble Kalman Filter (EnKF) y los buenos resultados que se pueden obtener en la asimilación de datos.

La conferencia se llevó a cabo en el marco de la Reunión Regional de América del Norte del Programa THORPEX (THe Observing-system Research and Predictability EXperiment). Esta reunión busca mejorar los pronósticos meteorológicos en el rango de anticipación de 1 a 14 días, en especial, con aquellos fenómenos que históricamente han tenido un impacto importante en la sociedad, la economía y el medio ambiente.

Como parte de su presentación, la Dra. Kalnay explicó cómo la aplicación del algoritmo EnKF tiene ventajas sobre otros modelos, como el 3D-Var, y la compatibilidad que tiene con el 4D-Var (four-dimensional variational analysis). El EnKF “permite calcular un estimador lineal, no sesgado y óptimo del estado de un proceso en cada momento del tiempo con base en la información disponible en el momento t-1, y actualizar con la información adicional disponible en el momento t. Este filtro es el principal algoritmo para estimar sistemas dinámicos especificados en la forma de estado-espacio”.1 Para realizar mediciones más exactas, la Dra. Kalnay sugirió la implementación conjunta del EnKF y el 4D-Var.

La Dra. Kalnay fue la primera mujer en graduarse como doctora en Meteorología en el Instituto Tecnológico de Massachussets, en 1971. Es miembro de la Academia Nacional de Ingeniería de Estados Unidos y actualmente se desempeña como Profesora Universitaria Distinguida del Departamento de Ciencia Atmosférica y Oceánica de la Universidad de Maryland (Estados Unidos).

 

{flvremote}http://sddv.imta.mx/piunam/conferencia_kalnay{/flvremote}

 

Referencias

 

1 Álvaro Solera Ramírez

El Filtro de Kalman

http://www.bccr.fi.cr/ndie/Documentos/DIE-02-2003-NT-FILTRO%20DE%20KALMAN.pdf

 
IMTA - ALGUNOS DERECHOS RESERVADOS © - POLÍTICAS DE PRIVACIDAD