La precipitación es el resultado de procesos físicos complejos, los cuales son altamente no lineales y muy sensibles a las condiciones iniciales. Bajo un planteamiento exclusivamente meteorológico determinístico no se pueden predecir de forma precisa valores de lluvia con aplicaciones potenciales en estudios hidrológicos. En esta tesis se sigue una vía estocástica-determinística.
En primer lugar se hace una revisión de los modelos más relevantes para simulación de precipitación diaria, tanto los puramente estadísticos como los que añaden relaciones con variables meteorológicas. A continuación se desarrolla un modelo estocástico para precipitación diaria. Los eventos lluviosos son realizaciones independientes de un proceso de Poisson. Los estadísticos de las series simuladas y observadas para varias estaciones pluviométricas son muy similares. Este modelo también es superior a uno basado en Cadenas de Markov.
Sin embargo, este modelo, aún siendo una herramienta útil para simulación de precipitación diaria, no es adecuado para predicción de precipitación o estudios de cambio climático. Los modelos de circulación general usan rejillas de varios grados de latitud por varios de longitud mucho mayores que la escala cuenca a la que operan los modelos relacionados con recursos hidráulicos. Por esta razón es por la que se presenta la idea de downscaling.
Esencialmente, el downscaling estadístico consiste en traducir las variaciones del flujo a gran escala en los valores de variables locales como puede ser la precipitación. Para ello se usan las relaciones observadas entre la circulación general y la variable en estudio.
De este modo, se propone un modelo basado en downscaling. Se utiliza una clasificación sinóptica a existente para la Península Ibérica. El calendario de tipos de tiempo se simula mediante un proceso de Markov discreto. El modelo se aplica con éxito para predicción tanto areal como puntual de la precipitación diaria.