Resumen de Uso de modelos de regresión para interpolar espacialmente la precipitación media mensual en la cuenca del río Conchos

Daniel Núñez López, Eduardo Javier Treviño Garza, Víctor Manuel Reyes Gómez, Carlos A. Muñoz Robles, Óscar Alberto Aguirre Calderón, Javier Jiménez Pérez

• español

  En el presente estudio se analizaron datos mensuales de precipitación provenientes de 110 estaciones climáticas ubicadas al interior y en los alrededores de la Cuenca del Río Conchos (CRC) con el propósito de representar fiablemente la distribución espacial de la precipitación media mensual (PMM) para cada mes del año. Con la información de 60% de estaciones seleccionadas aleatoriamente, se ajustaron modelos de regresión lineal múltiple (MRLM) por pasos para predecir la PMM en función de la elevación del relieve, la proximidad de zonas marítimas y la localización geográfica de las estaciones. Los MRLM se utilizaron para interpolar espacialmente la PMM, obteniéndose mapas mensuales que fueron calibrados en función de los residuales. Pruebas de validación estadística se llevaron a cabo antes y después de la calibración espacial, utilizando el restante 40% de estaciones no consideradas en el proceso de ajuste de modelos. La proporción de varianza atribuible a las variables predictivas de los MRLM que comprenden el periodo de verano (junio a septiembre) osciló entre 71 y 76%, en tanto que para los modelos del periodo invernal (diciembre y enero) se mantuvo cercana a 50%. Las pruebas de validación estadística mostraron mejoras significativas en la fiabilidad después de calibrar los mapas de PMM, resultando los meses comprendidos entre mayo y septiembre, así como del periodo noviembre a enero, como los mapas más confiables para representar espacialmente la PMM.

• English

  In the present study, we analyzed monthly precipitation data from 110 weather stations located within and around Rio Conchos Basin (CRC) in order to reliably represent the spatial distribution of mean monthly precipitation (MMP) for each month of the year. With information from 60% of randomly selected stations were adjusted multiple linear regression models (MLRM) by MMP steps to predict based on the elevation of the terrain, the proximity of sea areas and the geographical location of the stations. The MLRM used to spatially interpolate the MMP; yielding monthly maps were calibrated according to the residuals. Statistical validation tests were conducted before and after the spatial calibration, using the remaining 40% of stations not considered in the model fitting process. The proportion of variance attributable to the predictors of MLRM comprising the summer period (June to September) ranged between 71 and 76%, while for models of the winter period (December and January) remained close to 50%. The validation tests showed statistically significant improvements in the reliability after calibrating MMP maps, resulting the months between May and September and November to January period, as the most reliable maps spatially represent the MMP.