Relleno de series de precipitación diaria para largos periodos de tiempo en zonas de llanura: caso de estudio cuenca superior del arroyo del Azul
Palabras clave:
Relleno serie de datos, Precipitación diaria, LlanuraResumen
El relleno de datos faltantes de precipitación diaria es un problema común en los estudios hidrológicos. El objetivo de este artículo es realizar una comparación y una evaluación de diferentes métodos que permiten rellenar los datos de precipitación diaria faltante para largos periodos en zona de llanura. Este estudio se realiza en la cuenca superior del arroyo del Azul para periodo de nueve años (2006-2014) y se emplean tres estaciones que tienen 3287 datos completos de precipitación diaria y seis estaciones con datos faltantes. Se implementaron siete métodos para el relleno de datos diarios de precipitación: el método de regresión lineal (MRL), el método de razones de distancia (MRD), el método de coeficientes de correlación con estaciones vecinas (MRC), el método de la
razón promedio (MRP), método del inverso de la distancia al cuadrado (MIDW), seguido del método de cadenas de Márkov (MKV) y por último el método redes neuronales (MRN). Para la comparación y análisis de las diferentes metodologías se aplicaron diferentes estadísticos y gráficas temporales las cuales miden el ajuste de los datos calculados. Las redes probabilísticas y neuronales son los métodos más adecuados para rellenar datos en zonas de llanura. Los métodos que se aplicaron en el estudio obtuvieron un mejor ajuste en la época de otoño-invierno con menores precipitaciones, en comparación con el periodo primavera-verano en donde se obtuvieron ajustes más bajos debido a que en estas épocas se presentan tormentas convectivas con intensidades muy altas de precipitación.
Descargas
Citas
Ahrens, B., (2006). Distance in spatial interpolation of daily rain gauge data. Hydrology and Earth System Sciences Discussions, 10(2): 197-208.
Alfaro, R. y R. Pacheco, (2000). Aplicación de algunos métodos de relleno a series anuales de lluvia de diferentes regiones de Costa Rica. Tópicos Meteorológicos y Oceanográficos, 7(1): 19-26.
Almazroui, M., M.N. Islam, F. Saeed, A.K. Alkhalaf, R. Dambul, (2017). Assessing the robustness and uncertainties of projected changes in temperature and precipitation in AR5 Global Climate Models over the Arabian Peninsula. Atmospheric Research 194: 202-213.
Antico, P. y N. Sabbione, (2010). Variabilidad temporal de la precipitación en la ciudad de La Plata durante el periodo 1909-2007: tendencias y fluctuaciones cuasiperiódicas. GEOACTA, 35: 44-53.
Bai, Y., J. Wu, Q. Xing, Q. Pan, J. Huang, D. Yang, X. Han, (2008). Primary production and rain use efficiency across a precipitation gradient on the Mongolia plateau. Ecology, 89(8): 2140-2153.
Baigorria, G.A. and J.W. Jones, (2010). GIST: A stochastic model for generating spatially and temporally correlated daily rainfall data. Journal of Climate, 23(22): 5990-6008.
Barros, V.R., J.A. Boninsegna, I.A. Camilloni, M. Chidiak, G.O. Magrín, M. Rusticucci, (2015). Climate change in Argentina: trends, projections, impacts and adaptation. Climate Change, 6(2): 151-169.
Barros, V.R., M.E. Doyle, I.A. Camilloni, (2008). Precipitation trends in southeastern South America: relationship with ENSO phases and with low-level circulation. Theoretical and Applied Climatology, 93(1): 19-33
Beck, H.E., A.I. Van Dijk, V. Levizzani, J. Schellkens, D.J. Miralles, B. Martens, A. De Roo, (2017). MSWEP: 3-hourly 0.25 global gridded precipitation (1979-2015) by merging gauge, satellite, and reanalysis data. Hydrology and Earth System Sciences, 21(1): 589-615.
Bonsal, B.R., C. Cuell, E. Wheaton, D.J. Sauchyn. E. Barrow, (2017). An assessment of historical and projected future hydro-climatic variability and extremes over southern watersheds in the Canadian Prairies. International Journal of Climatology, 37: 3934-3948.
Camarillo, J., F. Álvarez, A. Aguilar, M. López, (2010). Metodología de cálculo de valores de precipitación diaria en estaciones meteorológicas automáticas para la obtención de indicadores climáticos mensuales. Congreso Nacional de Tecnologías de la Información Geográfica, pp 679- 690.
Canziani, O., (2008). Cuenca del Salado: 100 años de lluvias. Revista Hydria 18.
Campozano, L., E. Sánchez, A. Aviles, E. Samaniego, (2015). Evaluation of infilling methods for time series of daily precipitation and temperature: The case of the Ecuadorian Andes. Maskana, 5(1): 99-115.
Cazenave, G. y L. Vives, (2014). Predicción de inundaciones y sistemas de alerta: Avances usando datos a tiempo real en la cuenca del arroyo del Azul. Revista de Geología Aplicada a la Ingeniería y al Ambiente, 33: 83-91.
Chen, C.J., S.U. Senarath, I.M. Dima-West, M.P. Marcella, (2017). Evaluation and restructuring of gridded precipitation data over the Greater Mekong Subregion. International Journal of Climatology, 37(1): 180-196.
Chen, F. and C. Liu, (2012). Estimation of the spatial rainfall distribution using inverse distance weighting (IDW) in the middle of Taiwan. Paddy and Water Environment, 10(3). 209-222.
Correa, S.W., R.C. Dias, J.C. Espinoza W. Collischonn, (2017). Multi-decadal Hydrological Retrospective: Case study of Amazon floods and droughts. Journal of Hydrology, 549: 667-684.
Coulibaly, P., F. Anctil, B. Bobee, (2000). Daily reservoir in flow forecasting using artificial neural networks with stopped training approach. Journal of Hydrology, 230 (3-4): 244-257.
Cowden, J.R., D.W. Watkins, J.R. Mihelcic, (2008). Stochastic rainfall modeling in West Africa: parsimonious approaches for domestic rainwater harvesting assessment. Journal of Hydrology, 361(1): 64-77.
Davolio, S., F. Silvestro, T. Gastaldo, (2017). Impact of rainfall assimilation on high-resolution hydrometeorological forecasts over Liguria (Italy). Journal of Hydrometeorology, 18: 2659-2680.
De Silva, R.P., N.D.K. Dayawansa, M.D. Ratnasiri, (2007). A comparison of methods used in estimating missing rainfall data. Journal of agricultural sciences, 3(2): 101-108.
Del Grosso, S., W. Parton, T. Stohlgren, D. Zheng, D. Bachelet, S. Prince, R. Olson, (2008). Global potential net primary production predicted from vegetation class, precipitation, and temperature. Ecology, 89(8): 2117-2126.
Díaz, L.B. and C.S. Vera, (2017). Austral summer precipitation interannual variability and trends over Southeastern South America in CMIP5 models. International Journal of Climatology, 37: 681-695.
Díaz, G., I. Cohen, R. Quiroz, J. Payán, C. Thorpe, I. Cruz, (2008). Interpolación espacial de la precipitación pluvial en la zona de barlovento y sotavento del Golfo de México. Agricultura Técnica en México, 34(3): 279-287.
Dingman, S.L., (2002). Physical Hydrology, Prentice Hall, 2nd ed. Prentice Hall.
Dye, S., P. Buckley, J. Pinnegar, (2017). Impacts of Climate Change on the Coastal and Marine Physical Environments of Caribbean Small Island Developing States (SIDS). En Report Card: Science Review, pp 1-9.
Giorgi, F., (2002). Variability and trends of sub-continental scale surface climate in the twentieth century. Part I: observations. Climate Dynamics, 18(8): 675-691.
Guevara, C., (2015). Una metodología para el manejo integral de extremos hídricos en una cuenca rural en zona de llanura. Tesis de Maestría en ecohidrología, Universidad Nacional de la Plata, Facultad de Ingeniería y Facultad de Ciencias Naturales y Museo, pp 154.
Gutiérrez, J.M., R. Cano, A.S. Cofiño, C.M. Sordo, (2004). Redes probabilísticas y neuronales aplicadas a las ciencias atmosféricas. INM, Ministerio de Medio Ambiente, Madrid.
Haykin, S., (1998). Neural Networks: A Comprehensive Foundation, 2nd ed. Macmillan College Publishing. Nueva York.
Haylock, M.R., T.C. Peterson, L.M. Alves, T. Ambrizzi, Y.M.T. Anunciação, J. Baez, V. Corradi, (2006). Trends in total and extreme South American rainfall in 1960 2000 and links with sea surface temperature. Journal of climate, 19(8): 1490 1512.
Hu, W., A. Duan, B. He, (2017). Evaluation of intra-seasonal oscillation simulations in IPCC AR5 coupled GCMs associated with the Asian summer monsoon. International Journal of Climatology, 37:476-496.
Huang, J., A.T. Islam, F. Zhang, Z. Hu, (2017). Spatiotemporal analysis the precipitation extremes affecting rice yield in Jiangsu province, southeast China. International Journal of Biometeorology, 61: 1863-1872.
Hutchinson, M.F., (1989). A new procedure for gridding elevation and stream line data with automatic removal of spurious pits. Journal of Hydrology, 106(3-4): 211-232.
IHLLA, (2003). Sistema de soporte para la gestión eficiente de los recursos hídricos en la llanura bonaerense, pp 1-267.
Kashiwao, T., K. Nakayama, S. Ando, K. Ikeda, M. Lee, A. Bahadori, (2017). A neural network-based local rainfall prediction system using meteorological data on the Internet: A case study using data from the Japan Meteorological Agency. Applied Soft Computing, 56: 317-330.
Kim, J.W. and Y.A. Pachepsky, (2010). Reconstructing missing daily precipitation data using regression trees and artificial neural networks for SWAT streamflow simulation. Journal of Hydrology, 394 (3–4): 305-314.
Kim, J.W. and J.H. Ryu, (2016). A heuristic gap filling method for daily precipitation series. Water resources management, 30(7): 2275-2294.
Kolokytha, E., S. Oishi, R.S. Teegavarapu, (2017). Sustainable Water Resources Planning and Management Under Climate Change. Singapore: Springer.
Kuligowski, R. and A. Barros, (1998). Using artificial neural networks to estimate missing rainfall data. Jawra Journal of the American Water Resources Association, 34: 1437-1447.
Li, J., J. Dodson, H. Yan, D.D. Zhang, X. Zhang, Q. Xu, J. Ni, (2017). Quantifying climatic variability in monsoonal northern China over the last 2200 years and its role in driving Chinese dynastic changes. Quaternary Science Reviews, 159: 35-46.
Linsley, R.K., M.A. Kohler, J.L. Paulhus, (1977). Hidrología para ingenieros, 2nd ed. McGraw-Hill Latinoamericana, S.A.
Maenza, R.A., E.A. Agosta, M.L. Bettolli, (2017). Climate change and precipitation variability over the western „Pampas‟ in Argentina. International Journal of Climatology, 37: 445-463.
Mehan, S., T. Guo, M.W. Gitau, D.C. Flanagan, (2017). Comparative Study of Different Stochastic Weather Generators for Long-Term Climate Data Simulation. Climate, 5(2): 26.
Nash, J.E. and J.V. Sutcliffe, (1970). River flow forecasting through conceptual models part I-A discussion of principles. Journal of hydrology, 10 (3): 282-290.
Nguyen - Le, D., T.J. Yamada D. Tran-Anh, (2017). Classification and forecast of heavy rainfall in northern Kyushu during Baiu season using weather pattern recognition. Atmospheric Science Letter, 18: 324-329.
Nkuna, T.R. and J.O. Odiyo, (2011). Filling of missing rainfall data in Luvuvhu River Catchment using artificial neural networks. Physics and Chemistry of the Earth, 36 (14-15): 830-835.
Orsolini, H., E. Zimmermann, P. Basile, (2008). Hidrología procesos y métodos, segunda ed. UNR editora, Rosario, Argentina.
Pizarro, R., (1993). Elementos Técnicos de Hidrología III. En: Proyecto Regional Mayor sobre Uso y Conservación de Recursos Hídricos en Áreas Rurales América Latina y el Caribe Universidad de Talca, pp 135.
Pizarro, R. y C. Ramírez, (2003). Análisis comparativo de cinco métodos para la estimación de precipitaciones areales anuales en períodos extremos. Bosque (Valdivia), 24(3): 31-38.
Ponce, V.M., (1989). Engineering Hydrology: Princples and Practices. 1st ed. Editorial Prentice Hall.
Putnam, A.E. and W.S. Broecker, (2017). Human-induced changes in the distribution of rainfall. Science Advances, 3(5): 1-14.
Rezaeianzadeh, M., L. Kalin C.J. Anderson, (2015). Wetland Water-Level Prediction Using ANN in Conjunction with Base-Flow Recession Analysis. Journal of Hydrologic Engineering, 22(1): 1-11.
Romero, E.L. y W.L. Casimiro, (2015). Evaluación de métodos hidrológicos para la completación de datos faltantes de precipitación en estaciones de la cuenta Jetepeque, Perú. Tecnológica-ESPOLRTE, 28(3): 42-52.
Rudd, A., V. Bell, A. Kay, (2017). National-scale analysis of simulated hydrological droughts (1891– 2015). Journal of Hydrology, 550: 368-385.
Ruigar, H. and S. Golian, (2016). Prediction of precipitation in Golestan dam watershed using climate signals. Theoretical and Applied Climatology, 123(3-4): 671-682.
Saba, I., J. Ortega, F. Cedeño, (2008). Estimación de datos faltantes en estaciones meteorológicas de Venezuela vía un modelo de redes neuronales. Revista de Climatología, 8: 51-70.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2017 Cristian Guevara Ochoa, Ninoska Briceño, Erik Zimmermann, Luis Vives, Martin Blanco, Georgina Cazenave, Guadalupe Ares
![Creative Commons License](http://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
A partir de 2022 (Vol. 43 número 2) los artículos se publicarán en la revista bajo una licencia Creative Commons Atribución- NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.
Previo a esta fecha los artículos se publicaron en la revista bajo una licencia Creative Commons Atribución (CC BY)
En ambos casos, la aceptación de los originales por parte de la revista implica la cesión no exclusiva de los derechos patrimoniales de los/as autores/as en favor del editor, quien permite la reutilización, luego de su edición (posprint), bajo la licencia que corresponda según la edición.
Tal cesión supone, por un lado, que luego de su edición (posprint) en Revista GEOACTA de la Asociación de Geofísicos y Geodestas las/os autoras/es pueden publicar su trabajo en cualquier idioma, medio y formato (en tales casos, se solicita que se consigne que el material fue publicado originalmente en esta revista); por otro, la autorización de los/as autores/as para que el trabajo sea cosechado por SEDICI, el repositorio institucional de la Universidad Nacional de La Plata, y sea difundido en las bases de datos que el equipo editorial considere adecuadas para incrementar la visibilidad de la publicación y de sus autores/as.
Asimismo, la revista incentiva a las/os autoras/es para que luego de su publicación en Revista de la Asociación de Geofísicos y Geodestas depositen sus producciones en otros repositorios institucionales y temáticos, bajo el principio de que ofrecer a la sociedad la producción científica y académica sin restricciones contribuye a un mayor intercambio del conocimiento global.