Estimación de datos faltantes de lluvia mensual a través de la asimilación de información satelital y pluviométrica en una cuenca andina tropical

• Autores: A.F. Cruz-Roa, M.I. Barrios
• Localización: Idesia, ISSN-e 0718-3429, ISSN 0073-4675, Vol. 36, Nº. 3, 2018, págs. 107-117
• Idioma: español
• Títulos paralelos:
  • Estimation of monthly rainfall missing data through rain gauge and satellite data assimilation in a tropical Andean river basin
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    RESUMEN Las series de datos hidrometeorológicos generalmente presentan datos faltantes o erróneos por falta de continuidad en los registros o errores instrumentales, surgiendo la necesidad de desarrollar métodos numéricos para calcular estimaciones cercanas al valor real, contribuyendo a mejorar la consistencia de los estudios de manejo y ordenación de los recursos hídricos. El objetivo de la investigación es comparar cuatro métodos para estimar datos faltantes de lluvia mensual y evaluar los errores de estimación en cuatro escenarios desde un 10% a un 40% de datos faltantes. Como caso de estudio se ha tomado la red de estaciones pluviométricas de la cuenca hidrográfica del río Coello durante el periodo de 1998 al 2005. Se compararon el método tradicional de la relación normal y el krigeado y dos derivaciones que utilizan la elevación y datos de lluvia estimada mediante satélite como información auxiliar. Los métodos fueron evaluados por medio de cuatro índices de ajuste (Raíz cuadrada del error cuadrático medio, Error medio absoluto, Error de sesgo promedio y Coeficiente de correlación de Pearson) calculados entre los valores observados y estimados en los cuatro escenarios de datos faltantes. De acuerdo con los resultados, el método que minimiza el error de estimación de los datos faltantes de lluvia corresponde al cokrigeado con la elevación como información auxiliar (RMSE = 15.54, MAE = 7.21, MBE = -0.23 y R = 0.97). La investigación concluye que los métodos que consideran la dependencia espacial proporcionan mejores estimaciones de la lluvia a escala mensual, recomendando los métodos geoestadísticos.

  • English

    ABSTRACT Hydrometeorological data sets usually present missing or erroneous data due to lack of continuity in the records or instrumental errors, which imply the need to develop numerical methods for calculating a reliable estimation, which contributes to improving the consistency in studies of water resources management. The objective of the research is to compare four methods to estimate missing monthly rainfall data and to evaluate the estimation errors in four scenarios (from 10% to 40% of missing data). As a case study, the rainfall gauge stations of the Coello river basin were analyzed during the period from 1998 to 2005. We applied the traditional method of the normal ratio, the ordinary kriging technique and cokriging using elevation and rainfall data estimated by satellite as auxiliary information. The performance of the four methods was evaluated by applying four indices (Root Mean Square Error, Mean Absolute Error, Mean Bias Error, and Pearson correlation coefficient), which were calculated for the four scenarios of missing data. According to results, cokriging with elevation as auxiliary information was the best method to minimize the estimation error (RMSE = 15.54, MAE = 7.21, MBE = -0.23 and R = 0.97). The research concludes that methods that consider spatial dependence provide better estimates of rainfall in the monthly scale.