Patrones de comportamiento de temperatura en el Ecuador en modelos de circulación atmosférica mediante Clustering

• Pérez Londo, Natalia Alexandra ^[1] ; Lema Londo, Darwin Saul ^[2] ; Toapanta Yugcha, Erika Alexandra ^[3]
  1. [1] Escuela Superior Politécnica de Chimborazo
  2. [2] Investigador Independiente, Riobamba, Ecuador
  3. [3] Investigadora Independiente, Riobamba, Ecuador

  Mostrar afiliaciones +
• Localización: Polo del Conocimiento: Revista científico - profesional, ISSN-e 2550-682X, Vol. 8, Nº. 8 (AGOSTO 2023), 2023, págs. 2169-2185
• Idioma: español
• Títulos paralelos:
  • Patterns of temperature behavior in Ecuador in atmospheric circulation models through Clustering
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La circulación atmosférica, influenciada por la radiación solar y las temperaturas, regula la distribución de calor, humedad y energía en la Tierra, impactando los patrones climáticos. Su análisis estadístico es crucial para identificar tendencias y fenómenos climáticos extremos como inundaciones o sequias, mejorando las predicciones meteorológicas y el entendimiento del cambio climático. Esta investigación tuvo como objetivo conocer el comportamiento de los patrones de temperatura en el Ecuador, utilizando técnicas estadísticas y de aprendizaje no supervisado mediante la agrupación de características similares. El estudio es de tipo cuantitativo y analiza los patrones de temperatura en Ecuador de 2020 a 2050 utilizando datos de predicción del clima. Se emplearon técnicas de reducción de dimensionalidad (PCA, TSNE y UMAP) y algoritmos de agrupamiento (K-means, DBSCAN, Agglomerative Clustering) para identificar comportamientos similares en los datos. Se evaluó la confiabilidad mediante el coeficiente de Silhouette y se validaron los resultados con diferentes métricas y gráficas usando Python como lenguaje de programación. En los resultados se implementó el algoritmo UMAP para reducir la dimensionalidad con 20 vecinos y distancias calculadas mediante Chebyshev, logrando el mejor modelo de clustering en K-means con 4 grupos y un índice de Silhouette del 67%, que fue el más destacado. Se concluyó que cuatro grupos identificados podrían asociarse con frecuencias de días con temperaturas altas, muy altas, bajas y normales, lo cual coincide con los resultados del análisis exploratorio.

  • English

    Atmospheric circulation, influenced by solar radiation and temperatures, regulates the distribution of heat, moisture, and energy on Earth, impacting weather patterns. Its statistical analysis is crucial to identify trends and extreme weather events such as floods or droughts, improving weather predictions and understanding of climate change. This research aimed to know the behavior of temperature patterns in Ecuador, using statistical techniques and unsupervised learning through the grouping of similar characteristics. The study is quantitative and analyzes the temperature patterns in Ecuador from 2020 to 2050 using climate prediction data. Dimensionality reduction techniques (PCA, TSNE, and UMAP) and clustering algorithms (K-means, DBSCAN, Agglomerative Clustering) were used to identify similar behaviors in the data. Reliability was evaluated using the Silhouette coefficient and the results were validated with different metrics and graphs using Python as the programming language. In the results, the UMAP algorithm was implemented to reduce the dimensionality with 20 neighbors and distances calculated using Chebyshev, achieving the best clustering model in K-means with 4 groups and a Silhouette index of 67%, which was the most outstanding. It was concluded that four identified groups could be associated with frequencies of days with high, very high, low and normal temperatures, which coincides with the results of the exploratory analysis