Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 16 vistas

    01 Poster Segura Rainmusic

    Cargado por

    Quique Ortiz Andres
    Este documento describe un sistema automático de información hidrológica que combina datos de pluviómetros e imágenes de radar mediante una técnica bayesiana. Esto permite estimar campos de precipitación en tiempo real integrando medidas puntuales con datos de cobertura espacial más amplia. Se aplica a la cuenca del río Segura en España, mejorando las estimaciones de descarga mediante la combinación de fuentes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    01 Poster Segura Rainmusic

    Cargado por

    Quique Ortiz Andres
    16 vistas1 página
    Este documento describe un sistema automático de información hidrológica que combina datos de pluviómetros e imágenes de radar mediante una técnica bayesiana. Esto permite estimar campos de precipitación en tiempo real integrando medidas puntuales con datos de cobertura espacial más amplia. Se aplica a la cuenca del río Segura en España, mejorando las estimaciones de descarga mediante la combinación de fuentes.

    Título original

    01_POSTER_SEGURA_RAINMUSIC

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe un sistema automático de información hidrológica que combina datos de pluviómetros e imágenes de radar mediante una técnica bayesiana. Esto permite estimar campos de precipitación en tiempo real integrando medidas puntuales con datos de cobertura espacial más amplia. Se aplica a la cuenca del río Segura en España, mejorando las estimaciones de descarga mediante la combinación de fuentes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    16 vistas1 página

    01 Poster Segura Rainmusic

    Cargado por

    Quique Ortiz Andres
    Este documento describe un sistema automático de información hidrológica que combina datos de pluviómetros e imágenes de radar mediante una técnica bayesiana. Esto permite estimar campos de precipitación en tiempo real integrando medidas puntuales con datos de cobertura espacial más amplia. Se aplica a la cuenca del río Segura en España, mejorando las estimaciones de descarga mediante la combinación de fuentes.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 1

    Sistema Automático

    de Información
    Hidrológica

    COMBINACIÓN DE DATOS DE PLUVIÓMETROS E IMÁGENES RADAR


    APLICACIÓN A LA CUENCA DEL RÍO SEGURA
    Francés M., Toledano F., Todini E., Arévalo P., Gabaldón R., Guna
    Guna V., Ortiz E., Pujol L., Arbáizar J.

    COMBINACIÓN BAYESIANA: TÉCNICA QUE PERMITE COMBINAR DE FORMA BAYESIANA CAMPOS DE


    PRECIPITACIÓN AREAL (RADAR) CON MEDIDAS PUNTUALES DE PRECIPITACIÓN (PLUVIÓMETROS)

    DATOS DE PRECIPITACIÓN PUNTUAL: IMÁGENES RADAR


    COMBINACIÓN BAYESIANA (INM - RADAR MURCIA)
    RED PLUVIÓMETROS S.A.I.H.
    S.A.I.H. SEGURA
    BLOCK KRIGING

    RAINMUSIC

    MUSIC Project
    (Multi Sensor precipitation measurements
    Integration Calibration and flood forecasting)
    http://www.geomin.unibo.it/hydro/music/

    BLOCK KRIGING CORRECCIÓN IMÁGENES RADAR

    DISTRIBUCIÓN ESPACIAL DE LA MEDIA Y ESTIMACIÓN DEL CAMPO DE


    VARIANZA DEL CAMPO DE PRECIPITACIONES, OBTENIDA A PARTIR
    PRECIPITACIONES, OBTENIDA A PARTIR DE LA REFLECTIVIDAD OBSERVADA
    DE LOS DATOS DE PLUVIÓMETRCOS Z-R

    BLOCK KRIGING ALGORITMO FILTRO DE KALMAN


    FILTRO DE KALMAN
    KALMAN
    1
    Z S0 =
    S0 ∫ Z (x )dx
    S0
    Measurement Update (“Correct”)

    = ∑λ Z
    * i * COMBINACIÓN DE LOS CAMPOS DE
    Z S0 0 i PRECIPITACIÓN (PLUVIÓMETROS+RADAR) Æ Time update (“predict”) Compute the Kalman gain:
    i
    OBTENCIÓN DE UN CAMPO DE PRECIPITACIÓN (
    K k = Pk− H T HPk− H T + R )
    −1

    [
    E Z − Z S0 = 0
    *
    S0 ] ∑λ i
    0 =1 Unbiased VEROSÍMIL EN TIEMPO REAL
    Project the state ahead:

    xˆk− = Axˆk −1 + Buk −1 Update estimate with measurement zk:


    i

    [(
    E Z S*0 − Z S 0 )] 2 Minimum Variance Project the error covariance ahead:
    −
    P = APk −1 A + Q
    k
    T
    (
    xˆk = xˆk− + K k z k − Hxˆ k−

    Update the error covariance:


    )

    Pk = (I − K k H )Pk−

    EJEMPLO DE APLICACIÓN EN LA CUENCA DEL RENO (ITALIA)


    BLOCK KRIGING RADAR BAYESIAN COMBINATION
    THE RENO BASIN

    + = DISCHARGE AT CASALECCHIO

    2000

    Observed
    1500
    Discharge

    Bayesian C.
    1000
    DATA: RADAR
    AREA OF THE BASIN : 1081 Km2
    NUMBER OF RAINGAUGES: 25 500 Block Kriging
    RADAR: C band Doppler Double Polarization
    ARPA - SMR
    EVENT:
    0
    13/11 - 22/11/2000 240 HOURS
    13/11/00 0.00 15/11/00 0.00 17/11/00 0.00 19/11/00 0.00 21/11/00 0.00 23/11/00 0.00
    Hours

    También podría gustarte