DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/10992

Arxiu Descripció MidaFormat
3337310.pdf591,36 kBAdobe PDFThumbnail
Veure/Obrir

Citació: Schiemann, R. [et al.]. Bias-corrected nonparametric correlograms for geostatistical radar-raingauge combination. A: European Conference on Radar in Meteorology and Hydrology. "6th European Conference on Radar in Meteorology and Hydrology". Sibiu: 2010, p. 1-5.
Títol: Bias-corrected nonparametric correlograms for geostatistical radar-raingauge combination
Autor: Schiemann, Reinhard; Erdin, Rebekka; Willi, Marco; Frei, Christoph; Berenguer Ferrer, Marc Veure Producció científica UPC; Sempere Torres, Daniel Veure Producció científica UPC
Data: 2010
Tipus de document: Conference lecture
Resum: Geostatistical methods have been widely used for quantitative precipitation estimation (QPE) based on the combination of radar and raingauge observations. They are flexible and accurate and allow for radar-raingauge combination in real-time. Even within the area of geostatistical methods, however, a wide range of choices have to be made when planning for a particular application. These choices regard, for example, the actual combination method (e.g., kriging with external drift, cokriging), the kriging neighbourhood (global vs. local), the technique used to estimate the parameters of the geostatical model (e.g., least-squares, maximum-likelihood estimation), and the transformation of the precipitation variable. In addition to these issues, there are a number of options for modeling spatial dependencies in the precipitation data. Correlograms (variograms) for kriging are customarily one-dimensional, but two- or higher-dimensional correlation maps are also used and are one way of taking spatial anisotropy into account. Furthermore, correlograms can be parametric or nonparametric, they can be obtained from the radar or the raingauge data, and they can be estimated flexibly on a case-by-case basis or with data from a longer period of time. Recently, nonparametric correlograms based on spatially complete radar rainfall fields have been used in combining radar and raingauge data [1]. Here, we compare the estimation of nonparametric correlograms with the estimation of parametric semivariogram models conventionally used in geostatistical applications. We identify and explain a bias of the nonparametric correlograms towards too low ranges, and suggest a correction for this bias.
ISBN: 978-973--0-09073-4
URI: http://hdl.handle.net/2117/10992
Versió de l'editor: http://www.erad2010.org/pdf/POSTER/Thursday/04_Networks/11_ERAD2010_0370_extended.pdf
Apareix a les col·leccions:CRAHI - Centre de Recerca Aplicada en Hidrometeorologia. Ponències/Comunicacions de congressos
ETCG – Departament d’Enginyeria del Terreny, Cartogràfica i Geofísica. Ponències/Comunicacions de congressos
Altres. Enviament des de DRAC
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius