¿Qué es la interpolación espacial?
La interpolación espacial es la técnica matemática que permite estimar valores de variables meteorológicas (temperatura, viento, precipitación) en cualquier punto del espacio a partir de datos conocidos en puntos cercanos. Es omnipresente en meteorología porque los modelos calculan valores en los puntos de su malla (cada 9 km en ECMWF, cada 13 km en GFS) pero los usuarios necesitan predicciones para su localidad exacta, que casi nunca coincide con un punto de la malla.
Métodos principales
Los métodos de interpolación más utilizados en meteorología son la bilineal, que calcula una media ponderada de los 4 puntos más cercanos de la malla (el más común para datos regulares); la bicúbica, que usa 16 puntos vecinos y produce campos más suaves; el vecino más próximo, que simplemente asigna el valor del punto de malla más cercano; y el kriging, que considera la estructura estadística espacial de la variable y es óptimo en un sentido estadístico pero más costoso computacionalmente.
Desafíos con la orografía
La interpolación se complica cuando el terreno real difiere mucho del terreno "visto" por el modelo. Un modelo con malla de 9 km puede representar una montaña de 2.500 m como una colina de 1.500 m. Interpolar directamente la temperatura del modelo a una estación a 2.500 m real produciría valores demasiado cálidos. Se requieren correcciones altitudinales (gradiente térmico vertical) para compensar esta discrepancia, un proceso relacionado con el downscaling.
Interpolación de observaciones
También se interpolan las observaciones de estaciones meteorológicas para crear mapas continuos. Aquí el desafío es diferente: las estaciones son escasas e irregularmente distribuidas. Métodos como el kriging o la interpolación óptima (Cressman, Barnes) son preferibles porque ponderan las estaciones según la distancia y la estructura estadística del campo, produciendo mapas más realistas que la simple interpolación bilineal.
WikiMeteo