Utilización de diferentes metodologías para la construcción de un mapa de precipitación acumulada en la Provincia de Santa Cruz

  • Dora Maglione
  • Julio Soto
  • José Luis Sáenz
  • Oscar Bonfili
Palabras clave: Mapa de precipitación acumulada, Kriging, método de Cressman, método de Barnes, método IDW

Resumen

Uno de las aplicaciones más importantes en el área de la Climatología es la caracterización de las variables a través de superficies continuas. Para llevar adelante esta representación gráfica, es necesario recurrir a distintos métodos de interpolación para estimar el valor de la variable a partir de un número discreto de observaciones. En relación a la variable precipitación, en la literatura existe una gran cantidad de propuestas para llevar adelante este proceso. El objetivo de este trabajo fue comparar cuatro métodos para analizar los datos de la precipitación acumulada. Los métodos utilizados en este estudio fueron el de Kriging, Cressman, Barnes y el método de las distancias inversas ponderadas (IDW). El método de Kriging, para la estimación de los pesos, utiliza la estructura de correlación espacial capturada a partir del variograma. En el método de Cressman los pesos dependen de la distancia entre el punto a estimar y los vecinos que se encuentren dentro de un radio de proximidad R. El método de Barnes es una mejora del método de Cressman. El método IDW utiliza como pesos las distancias inversas ponderadas entre el punto a estimar y la de los puntos con información. Para llevar adelante esta comparación se calcularon para cada método, distintas medidas de errores de predicción.  Estos errores se determinaron utilizando los valores estimados desde las imágenes generadas en los puntos con información. Estos mapas se obtuvieron a partir de los valores medios observados en puntos pertenecientes a distintos grillados regulares. Una vez seleccionado el mejor método se procedió a la elaboración del mapa de precipitación acumulada de la provincia de Santa Cruz.

Citas

ALZATE VELÁZQUEZ D.F, ARAUJO CARRILLO G.A., ROJAS BARBOSA E. O., GÓMEZ LATORRE D.A., MARTINEZ MALDONADO F.M. (2017). Interpolación Regnie para lluvia y Temperatura en las regiones Andina, Caribe y Pacífica de Colombia. Colombia Forestal. 21(1): 102-118.
https://doi.org/10.14483/2256201x.11601

BARNES, S.L. (1964). A technique for maximizing details in numerical weather map analysys. J.Appl.Meteor. 3: 396.409.
https://doi.org/10.1175/1520-0450(1964)003<0396:atfmdi>2.0.co;2

BURROUGH, P.A., McDONELLl R.A. (1998). Principles of Geographical Information Systems. Oxford University Press. 333p

BUSTAMANTE, J. (2003). Cartografía predictiva de variables climatológicas: Comparación de distintos modelos de interpolación de la temperatura en España peninsular. Graellsia, 2-3, 359-376. https://doi.org/10.3989/graellsia.2003.v59.i2-3.252

CRESSIE, N. (1993). Statistics for Spatial Data. Rev.Edn. Wiley. New York. 900 p.

CRESSMAN, G.P. (1959). An operational objective analysis system. Month Weather Review, 87(10).

DIAZ B., BONFILI O., MONSERRAT M.C., ALMONACID L., STURZEMBAUM V. (2016). Red de cooperación hidrometeorológica en Santa Cruz. XVI Reunión Argentina y VIII Latinoamericana de Agrometeorología.

DOBESCH, H., P. DUMOLARD P. & DRYAS I., Eds. (2007) Spatial interpolation for climate data: the use of GIS in climatology and meteorology. Geographical Information Systems, Series. London: ISTE Ltd.

GILCHRIST, B., CRESSMAN G.P. (1954). An experiment in objective weather analysis. Tellus, 6(4).

GIRALDO, R. (2002). Introducción a la geoestadística: teoría y aplicación. Bogotá, D.C.: Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de Estadística. 94 p. https://doi.org/10.18273/revint.v35n1-2017006

HENGL, T. (2009). A practical guide to geostatistical mapping. Luxembourg: Office for Official Publications of the European Communities. 140 p. Recuperado de Hengl, T. (2007). A practical guide to geostatistical mapping of environmental variables. Luxembourg: Office for Official Publications of the European Communities. 140 p. https://doi.org/10.1086/343356

HIEMSTRA P., SLUITER R. (2011). Interpolation of Makkink evaporation in the Netherlands, Royal Netherlands Meteorological Institute.

IZQUIERDO, J.C. (1993). Uso de Kriging para construcción de registros de precipitación en Antioquia. Atmósfera, 19: 13-24.

KRAVCHENKO A. (2003). Influence of spatial structure on accuracy of interpolation methods. Soil Science Society of American Journal, 67:1564-1571. https://doi.org/10.2136/sssaj2003.1564

MATHERON, G. (1971). The theory of regionalized variables and its applications: Cahlerscentre morph. Math. Fontainbleau, V. 5, 211 p.

MONSERRAT M.C., DIAZ B., BONFILI O., ALMONACID L. (2016). Banco de datos hidrometeorológicos de Santa Cruz. 3r Encuentro de Investigadores en Formación de Recursos Hídricos.

MONTOYA G., ESLAVA J., CALDERÓN A., VEGA H. (2000). Implementación del método de Gandin para interpolar datos de precipitación en Colombia. Meteorol. Colomb. 1:25-30. ISSN 0124-6984. Santa Fe de Bogotá, D.C. – Colombia.

PANOFSKY, H.A. (1949). Objective weather analysis Journal of Meteorology, 6(6).

RAUTHE, M., STEINER, H., U., RIEDIGER, A., MAZURKIEWITCZ, A., GRATZKI, A. (2013). A Central European precipitación climatology–Part I: Generation and validation of a high-resolution gridded daily data set (HYRAS). Meteorologische Zeitschrift, 22(3), 235-256. https://doi.org/10.1127/0941-2948/2013/0436

SAAVEDRA, U.H.A. (1993). Utilización de la interpolación cúbica Spline en la complementación de series meteorológicas. Atmósfera 19: 38-45. https://doi.org/10.4206/bosque.1999.v20n2-01

SCHUURMANS, J.M., BIERKENS M.F.P., PEBESMA E.J. (2007). Automatic Prediction of High-Resolution Daily Rainfall Fields for Multiple Extents: The Potential of Operational Radar. Journal of Hydrometeorology 8, pp. 1204 - 1224.SLUITER, R. (2009). Interpolation methods for climate data–Literature review. De Bilt: , Royal Netherlands Meteorological Institute. https://doi.org/10.1175/2007jhm792.1

SCHWARB, M. (2001). The Alpine Precipitation Climate. Evaluation of a High-Resolution Analysis Scheme Using Comprehensive Rain-Gauge Data. Zuercher Klimaschriften 80,

SHEPARD, D. (1968). A two-dimensional interpolation function for irregularly-spaced data. Proceedings of the 1968 ACM National Conference. pp. 517–524. https://doi.org/10.1145/800186.810616

SOENARIO, I., R. SLUITER R., PLIEGER M. (2010). Optimization of Rainfall Interpolation. De Bilt, Royal Netherlands Meteorological Institute.

STEPEK A., WIJNANT I.L. (2011). Interpolating wind speed normals from the sparse Dutch network to a high resolution grid using local roughness from land use maps. De Bilt, Royal Netherlands Meteorological Institute.

TVEITO O.E., (2007). The Developments in Spatialization of Meteorological and Climatological Elements In: H. Dobesch et al (Ed.) Spatial interpolation for climate data: the use of GIS in climatology and meteorology pp. 73-86. London: ISTE Ltd. https://doi.org/10.1002/9780470612262.ch6

TVEITO O.E., M. WEGEHENKEL M., VAN DER WEL F., DOBESCH H. (2006). The Use of Geographic Information Systems in Climatology and Meteorology - Final Report COST Action 719.
Publicado
2019-05-28
Cómo citar
Maglione, D., Soto, J., Sáenz, J. L., & Bonfili, O. (2019). Utilización de diferentes metodologías para la construcción de un mapa de precipitación acumulada en la Provincia de Santa Cruz . Informes Científicos Técnicos - UNPA, 11(1), 154-169. https://doi.org/10.22305/ict-unpa.v11i1.779
Sección
Artículos