InicioRETACEventosPonenciasDirectorio ResumenesCuestionarioInstitucionesPresentaciones

19 may 2009

Gabriel Díaz Padilla

Análisis de Series de Tiempo de Clima para la Toma de Decisiones en México

Gabriel Díaz Padilla 1, Investigador Titular del INIFAP; Ignacio Sánchez Cohen2, Coordinador Nacional de la Red de Agua y Suelo del INIFAP; Rafael Alberto Guajardo Panes 3, Investigador Asociado del INIFAP
1 INIFAP. Centro de Investigación Regional Golfo Centro. Campo Experimental Cotaxtla. Sitio Experimental Teocelo. Km. 3.5 Carretera Xalapa-Veracruz. Colonia Ánimas. Xalapa, Veracruz. C.P. 91190. Tel. 01(228) 812 57 44. diaz.gabriel@inifap.gob.mx, 3 guajardo.rafael@inifap.gob.mx
2 INIFAP. Centro Nacional de Investigación Disciplinaria en la Relación Agua-Suelo-Planta-Atmósfera. Margen derecha Canal de Sacramento, Gómez Palacio, Dgo. C.P. 35140. Tel. 01 (871) 7191 134.
sanchez.ignacio@inifap.gob.mx


El análisis de series de tiempo para la toma de decisiones, involucra principalmente tres procesos matemático-estadísticos: El primero, corresponde a conformar bases de datos con información depurada de registros atípicos y su estimación utilizando un generador climático; el segundo, se enfoca en evaluar la bondad de ajuste de los datos; y el tercero evaluar técnicas de interpolación para generar superficies continuas.
Como caso particular y debido a su comportamiento irregular, se expone lo realizado con la variable precipitación, cuyos datos provienen de más de 5,000 estaciones del Servicio Meteorológico Nacional (SMN), las cuales se evaluaron con R-ClimDex y solo 2,165 estaciones cumplieron con los requisitos de temporalidad y calidad suficiente. Posteriormente se evaluó su bondad de ajuste en dos periodos: mayo-octubre y anual; en ambos casos cerca del 80% de las estaciones se ajustaron a la distribución gamma incompleta.
Para la generación de mapas continuos se evaluaron de acuerdo al cuadrado medio del error (CME), diferentes técnicas de interpolación. Como resultado se observó que el método Thin plate smoothing spline (ANUSPLIN) fue el mejor, seguido del método Kriging, Co-kriging y finalmente Inverso de la distancia al cuadrado.

Líneas de Investigación: Modelación climática y Geoestadística

No hay comentarios:

Publicar un comentario