Proceso de combinar datos observacionales y previsiones de modelo para producir una estimación mejorada y dinámicamente consistente del estado de un sistema a lo largo del tiempo.

Principio

Fusionar observaciones e información del modelo ponderando según sus incertidumbres y estructuras de error espaciotemporales, típicamente mediante filtros (p. ej. filtros de Kalman), métodos variacionales o enfoques particulares.

Demostración

Los sistemas de predicción numérica del tiempo asimilan radiancias satelitales, observaciones de superficie y datos de radar en un modelo atmosférico dinámico usando 4D‑Var o filtros de Kalman ensemblistas para inicializar las predicciones.

Aplicación incorrecta

Asimilar observaciones sesgadas o no calibradas sin corrección de sesgo, contabilizar datos dobles, ajustar covarianzas de forma excesiva que suprima la dinámica del modelo, o tratar la asimilación como ajuste de parámetros en vez de estimación de estado.

Consecuencia

Una asimilación adecuada proporciona condiciones iniciales más precisas y físicamente consistentes, mejora las predicciones a corto plazo y permite estimaciones de incertidumbre coherentes para predicciones posteriores.

Inversión

Ejecutar predicciones sin asimilación o depender únicamente de observaciones sin propagación dinámica produce representaciones del estado temporalmente incoherentes o espacialmente dispersas.

Límite

Se aplica a sistemas con un modelo dinámico predictivo y observaciones registradas en el tiempo; excluye la interpolación estadística offline sin modelo dinámico y está limitada por la cobertura observacional y el error del modelo.

Tensión semántica

Existe tensión con la interpolación estadística pura, las correcciones basadas en aprendizaje automático y la estimación de parámetros: la asimilación se centra en la estimación del estado bajo la dinámica del modelo, no en reemplazar el modelo.

Síntesis

La asimilación de datos integra de forma sistemática observaciones y dinámica del modelo, ponderadas por la incertidumbre, para producir la mejor estimación evolutiva del estado de un sistema para previsión y análisis.