Beruflich Dokumente
Kultur Dokumente
PERSONAL DIRECTIVO
Lima-Per
Noviembre 2015
NDICE
RESUMEN ......................................................................................................................................... 4
ABSTRACT ....................................................................................................................................... 5
I. ASPECTOS GENERALES .................................................................................................... 6
1.1 INTRODUCCIN ........................................................................................................................ 6
1.2 OBJETIVOS ............................................................................................................................... 7
II. ZONA DE ESTUDIO ................................................................................................................ 8
2.1 UBICACIN ............................................................................................................................... 8
2.2 DATOS DISPONIBLES .............................................................................................................. 9
III. MTODOS ............................................................................................................................... 10
3.1 DATOS GRILLADOS DE TEMPERATURA (1981-2014) .................................................... 10
3.2 DATOS GRILLADOS DE EVAPOTRANSPIRACIN POTENCIAL (1981-2014) ............... 13
3.2.1 Mtodo de Hargreaves y Samani.................................................................. 13
3.3 EFICIENCIA DE LAS REGRESIONES MULTIVARIANTES .................................................... 14
3.3.1 Validacin cruzada ............................................................................................. 14
3.3.2 Error cuadrtico medio ..................................................................................... 14
3.3.3 Coeficiente de determinacin mltiple ...................................................... 15
IV. RESULTADOS Y DISCUSIN ........................................................................................... 16
4.1 EXPLORATORIO DE DATOS .................................................................................................. 16
4.2 VALIDACIN CRUZADA ......................................................................................................... 18
4.3 COEFICIENTE DE DETERMINACIN MLTIPLE .................................................................. 19
4.4 DATOS GRILLADOS DE TEMPERATURA (1981-2014) .................................................... 20
4.5 DATOS GRILLADOS DE EVAPOTRANSPIRACIN POTENCIAL (1981-2014)................ 25
V. CONCLUSIONES................................................................................................................... 29
VI. BIBLIOGRAFA ...................................................................................................................... 30
LISTA DE FIGURAS
Figura 2.2. Localizacin del rea de estudio y ubicacin espacial de las estaciones
meteorolgicas utilizadas (1981-2014). .................................................................................. 8
Figura 2.3. Evolucin temporal mensual de la cantidad de datos utilizados para
generar los mapas de temperatura mnima y mxima. ........................................................ 9
Figura 2.4. Variables explicativas utilizadas en la regresin multivariante, la longitud y
latitud estn expresadas en /1000, la elevacin en km, el seno y coseno representan
razones de cambio en el terreno (m/m). ............................................................................... 10
Figura 3.1. Componentes principales de las Variables explicativas utilizadas en la
regresin multivariante y porcentaje de varianza explicada por cada componente
principal. ..................................................................................................................... 11
Figura 3.2. Diagrama de flujo de la metodologa utilizada para la obtencin de los
mapas de temperatura. ............................................................................................... 12
Figura 3.3. Variacin latitudinal de los valores de la Radiacin solar extraterrestre en
MJ m-2 d-1 para cada mes del ao............................................................................. 15
Figura 4.1. Variacin temporal de las temperaturas en las estaciones Tarata y
Bambamarca. Se puede apreciar carencia de informacin en ciertos periodos como
saltos en la media. ...................................................................................................... 16
Figura 4.2. a) Distancia de Mahalanobis para los datos de las variables originales b)
Distancia de Mahalanobis para los datos de los componentes principales. ................ 17
Figura 4.3. Variacin temporal del error cuadrtico medio de las temperaturas
mnimas y mximas. ................................................................................................... 18
Figura 4.4. Variacin temporal del coeficiente de determinacin mltiple dela
regresiones multivariantes generadas para la temperatura mnima y mxima. ........... 19
Figura 4.5. Variacin espacial de la temperatura mnima (C) obtenida del modelo de
regresin multivariante para los meses del ao 2013. ................................................ 20
Figura 4.6. Variacin espacial de los errores interpolados mediante la tcnica IDW de
la temperatura mnima para los meses del ao 2013. ................................................. 22
Figura 4.7. Variacin espacial de la temperatura mnima (C) para el ao 2013. ....... 23
Figura 4.8. Variacin espacial de la temperatura mxima (C) para el ao 2013. ...... 24
Figura 4.9. Datos grillados de temperatura mnima (C) a nivel nacional (1981-2014).
................................................................................................................................... 25
Figura 4.10. Variacin espacial de la radiacin solar incidente (mm/da) para el ao
2013. .......................................................................................................................... 26
Figura 4.11. Variacin evapotranspiracin potencial (mm/mes) para el ao 2013. ..... 27
Figura 4.12. Datos grillados de evapotranspiracin potencial (mm/mes) a nivel
nacional (1981-2014) .................................................................................................. 27
LISTA DE TABLAS
Tabla 3.1: Tabla de Radiacin solar extraterrestre en MJ m-2 d-1 (Allen et al., 1998).14
RESUMEN
El presente estudio tiene como principal objetivo la generacin de una base de datos
de Evapotranspiracin grillada y de alta resolucin a nivel nacional para el periodo
1981-2014. Para el estudio se ha utilizado la informacin de temperatura mxima y
mnima de entre 70 y 200 estaciones meteorolgicas dentro del mbito del territorio
peruano.
ABSTRACT
The present study aims to create a gridded and high resolution data set of
evapotranspiration estimates over the territory of the Peru for the period 1981-2014.
For the study we used the maximum and minimum temperature of between 70 and 200
weather stations.
Methodology describes the method for determining the topographical variables such as
sin and cosine angle of slope, in addition to the spatial location (latitude, longitude and
altitude) as explanatory variables for estimation of maximum and minimum
temperature, using a multivariate regression, for uncorrelated variables was applied
principal components to these variables, with these new variables we proceeded to
perform multivariate regression, finally, interpolation errors was added of the model
estimation, we used the inverse distance weighted interpolation, which were obtained
maps of maximum and minimum temperature for a 0.05 resolution gridded data set of
monthly.
Multivariate regression models were robust in the validation process (performed using
cross-validation), the coefficient of determination show that the models better explain
the minimum temperature, where average R2 for the series 1981-2014 is above 0.5,
while the maximum temperature for this statistical indicator is 0.4. Due to the
availability of Potential Evapotranspiration (PE) date, it was obtained using a model of
energy balance such as Hargreaves and Samani method. The lack of EP observed
data prevents validate generated maps, thus, we recommended for future study to
validate these kind of maps with other methods of EP, satellite information such as the
MOD 16 product - Evapotranspiration MODIS.
I. ASPECTOS GENERALES
1.1 Introduccin
Existen estimaciones ET grilladas del modelo climtico global (GCM por sus siglas en
ingls) cuyos resultados carecen de una buena resolucin requeridos para representar
la variabilidad espacial. Esto implica que datos de ET observados sean necesarios
para calibrar los resultados.
En general existen mayor cantidad de estaciones que miden la temperatura del aire
que estaciones que midan la insolacin o la velocidad del viento, razn por lo cual se
ha optado por utilizar un mtodo de balance de energa para estimar la ETP. Sin
embargo, para ello, previamente se deber obtener las variables de temperatura
mxima y mnima de manera espacial.
1.2 Objetivos
2.1 Ubicacin
Figura 2.1. Localizacin del rea de estudio y ubicacin espacial de las estaciones
meteorolgicas utilizadas (1981-2014).
El hecho de estar en el Per cerca de la lnea ecuatorial indicara que su clima debera
ser eminentemente tropical, sin embargo dos factores alteran notablemente el clima.
En primer lugar la existencia de la elevada Cordillera de los Andes paralela en Amrica
del Sur al Ocano Pacfico y, en segundo lugar, la fra Corriente Peruana o de
Humboldt que se manifiesta de sur a norte hasta la latitud 5 y que choca con la
Corriente del Nio en las costas de Piura y Tumbes hasta la latitud 3.2, al sur de la
lnea ecuatorial. Estos accidentes, ms el anticicln del Pacfico sur en esta parte del
continente, originan una disminucin de las temperaturas promedio anuales de unos
diez grados centgrados en la costa y una gran variedad de climas simultneos en todo
el pas el cual ha situado al Per como uno de los pases con mayor variedad de
climas en el mundo.
Figura 2.2. Evolucin temporal mensual de la cantidad de datos utilizados para generar los
mapas de temperatura mnima y mxima.
III. MTODOS
Donde:
Yi= temperatura mxima, mnima
i= coeficientes del modelo.
Xi=longitud, latitud, elevacin, seno y coseno del aspecto del terreno.
ui= error de estimacin.
Sin embargo, la regresin multivariante debe cumplir algunos supuestos, por lo cual se
realizaron anlisis previos antes de efectuar las regresiones mltiples, como el anlisis
exploratorio de datos multivariantes (el cual fue realizad mediante la distancia de
Mahalanobis).
Donde:
Yi= temperatura mxima, mnima
i= coeficientes del modelo.
CPi=componente principal, con i=1,2,5.
ui= error de estimacin.
Con >0
El resultado es que los datos de los puntos cercanos son ponderados por el inverso de
la distancia para obtener el valor en el punto objetivo. La opcin ms usada es cuando
=2.
Figura 3.2. Diagrama de flujo de la metodologa utilizada para la obtencin de los mapas de
temperatura.
( )
Donde:
ETo=evapotranspiracin potencial diaria, mm/da.
tmed= temperatura media C.
Rs= radiacin solar incidente, convertida en mm/da.
( )
Donde:
Rs= Radiacin solar incidente
Ro=Radiacin solar extraterrestre (tabulada)
KT=coeficiente
tmax= temperatura mxima
tmin=temperatura mnima
Para evaluar la Radiacin Solar Extraterrestre (Ro) existen varias tablas, todas
ellas en funcin de la latitud y del mes. Esta tabla est en MJulio/m2/da, para
pasar a mm./da (de agua evaporada) multiplicar por 0.4082.
Tabla 3.1: Tabla de Radiacin solar extraterrestre en MJ m-2 d-1 (Allen et al., 1998).
Latitud ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
2 35.4 37.0 37.8 37.1 35.4 34.2 34.6 36.1 37.3 37.0 35.6 34.8
0 36.2 37.5 37.9 36.8 34.8 33.4 33.9 35.7 37.2 37.4 36.3 35.6
-2 36.9 37.9 38.0 36.4 34.1 32.6 33.1 35.2 37.1 37.7 37.0 36.4
-4 37.6 38.3 38.0 36.0 33.4 31.8 32.3 34.6 37.0 38.0 37.6 37.2
-6 38.3 38.7 38.0 35.6 32.7 30.9 31.5 34.0 36.8 38.2 38.2 38.0
-8 38.9 39.0 37.9 35.1 31.9 30.0 30.7 33.4 36.6 38.4 38.8 38.7
-10 39.5 39.3 37.8 34.6 31.1 29.1 29.8 32.8 36.3 38.5 39.3 39.4
-12 40.1 39.6 37.7 34.0 30.2 28.1 28.9 32.1 36.0 38.6 39.8 40.0
-14 40.6 39.7 37.5 33.4 29.4 27.2 27.9 31.3 35.6 38.7 40.2 40.6
-16 41.1 39.9 37.2 32.8 28.5 26.2 27.0 30.6 35.2 38.7 40.6 41.2
-18 41.5 40.0 37.0 32.1 27.5 25.1 26.0 29.8 34.7 38.7 40.9 41.7
-20 41.9 40.0 36.6 31.3 26.6 24.1 25.0 28.9 34.2 38.6 41.2 42.1
El ECM es el segundo momento (sobre el origen) del error, y por lo tanto incorpora
tanto la varianza del estimador as como su sesgo. Para un estimador insesgado,
el ECM es la varianza del estimador. Al igual que la varianza, el EMC tiene las
mismas unidades de medida que el cuadrado de la cantidad que se estima. En
una analoga con la desviacin estndar, tomando la raz cuadrada del EMC
produce el error de la raz cuadrada de la media o la desviacin de la raz
cuadrada media (RMSE o RMSD), que tiene las mismas unidades que la cantidad
que se estima; para un estimador insesgado, el RMSE es la raz cuadrada de la
varianza, conocida como la desviacin estndar.
a) b)
Figura 4.2. a) Distancia de Mahalanobis para los datos de las variables originales b) Distancia
de Mahalanobis para los datos de los componentes principales.
De acuerdo a la Figura 4.2 para los datos de las variables originales se aprecian
cuatro valores atpicos, correspondientes a las estaciones Tamshiyacu, Genaro
Herrera, Punta tico, Caete. Estas estaciones no han sido retiradas del anlisis, las
estaciones mencionadas representan comportamientos distintos a las dems
estaciones por lo cual presentan el comportamiento atpico en relacin a las dems
estaciones, as se tiene a las estaciones Tamshiyacu y Genaro Herrera, ambas
ubicadas en la regin de Loreto, adems de ser las nicas en dicha regin, por lo cual
no se puede colegir que el comportamiento en esas estaciones en cuanto a la
variabilidad de la temperatura es distinto al resto de las estaciones, por otro lado las
estaciones de Punta tico se encuentra ubicada en la zona muy costera, al igual que
la estacin Caete, por lo cual el comportamiento distinto al resto de las estaciones.
Con los datos de componentes principales la estacin atpica sera la de la Mallares,
ubicada en la regin de Piura, sin embargo, la otra estacin debajo de ella en cuanto a
la distancia de Mahalonabis es la estacin de Ayabaca tambin ubicada en la misma
regin.
La validacin cruzada fue realizada dejando una estacin fuera del anlisis para
generar el modelo de regresin multivariante y fue evaluada la eficiencia mediante el
error medio cuadrtico, los cuales se muestran en la Figura 4.3.
Figura 4.3. Variacin temporal del error cuadrtico medio de las temperaturas mnimas y
mximas.
Como se puede apreciar en la Figura 4.3 existe un decaimiento del error cuadrtico
medio paras ambas variables analizadas (temperatura mnima y mxima), desde
1981al 2010 se aprecia un ECM alrededor del 26, a partir de enero del 2011 hasta el
2014 el valor flucta en 18, esto se debe a la cantidad de estaciones que se utilizaron
en estos dos periodos mencionados (ver Figura 2.2), a partir del 2011 la cantidad de
estaciones utilizadas se incrementaron considerablemente desde alrededor de 100 a
Figura 4.4. Variacin temporal del coeficiente de determinacin mltiple dela regresiones
multivariantes generadas para la temperatura mnima y mxima.
Figura 4.5. Variacin espacial de la temperatura mnima (C) obtenida del modelo de
regresin multivariante para los meses del ao 2013.
Figura 4.6. Variacin espacial de los errores interpolados mediante la tcnica IDW de la
temperatura mnima para los meses del ao 2013.
Con los mapas de temperaturas obtenidos mediante las regresiones y los mapas de
errores espacialmente distribuidos, los mapas de temperaturas mximas y mnimas
son obtenidos mediante una suma algebraica, en la Figura 4.7 se aprecia la
variabilidad de la temperatura mnima para el ao 2013 y en la Figura 4.8 la
variabilidad de la temperatura mxima para el ao 2013.
Los mismos procedimientos fueron realizados para toda la serie de tiempo analizada,
obtenindose as mapas de temperatura mnima y mxima para cada mes del periodo
1981-2014. En la Figura 4.9 se aprecia informacin generada para los aos 1981,
1982, 1999, 2000, 2013, 2014.
Figura 4.9. Datos grillados de temperatura mnima (C) a nivel nacional (1981-2014).
Una vez obtenidos los mapas de temperatura mnima y mxima se obtuvieron los
mapas de evapotranspiracin potencial usando el mtodo de Hargreaves y Samani
para cada mes para el periodo 1981-2014. En la Figura 4.10 se pueden apreciar los
mapas para el ao 2013. Previamente fueron obtenidos los mapas de Rs (radiacin
solar incidente), los cuales se muestran en la Figura 4.11 para el ao 2013.
presentan las mayores demandas de ETP, al igual, que en la zona costera de la regin
de Piura.
Figura 4.10. Variacin espacial de la radiacin solar incidente (mm/da) para el ao 2013.
Figura 4.12. Datos grillados de evapotranspiracin potencial (mm/mes) a nivel nacional (1981-2014)
Los datos grillados generados han sido almacenados en formato GEOTIFF, de tal
manera que puedan ser ledos y editados mediantes programas de sistemas de
informacin geogrfica.
V. CONCLUSIONES
Los errores obtenidos de las regresiones han sido interpolados mediante IDW,
los mapas finales de temperaturas corresponden a la suma algebraica de las
regresiones y los errores. La representacin de los mapas es a una resolucin
espacial de 0.05 y resolucin temporal mensual. Como en todo modelo, la
calidad de los resultados en una zona determinada est influenciada de
manera importante a la calidad y cantidad de informacin observada disponible.
VI. BIBLIOGRAFA
Brutsaert, W., Parlange, M.B., 1998. Hydrological cycle explains the evaporation paradox.
Nature 396, 30.
Fleming MD, Chapin FS, Cramer WP, Hufford GL, Serreze MC. 2000. Geographic patterns
and dynamics of Alaskan climate interpolated from a sparse station record. Global
Change Biology 6: 4958.
Goovaerts P. 2000. Geostatistical approaches for incorporating elevation into the spatial
interpolation of rainfall. Journal of Hydrology 228: 113129.
Golubev, V.S., Lawrimore, J.H., Groisman, P.Y., Speranskaya, N.A., Zhuravin, S.A.,
Menne, M.J., Peterson, T.C., Malone, R.W., 2001. Evaporation changes over the
contiguous United States and the former USSR: a reassessment. Geophysical
Research Letters 28, 26652668.
Hudson G, Wackernagel H. 1994. Mapping temperature using kriging with external drift:
theory and an example from Scotland. International Journal of Climatology 14: 7791.
Hutchinson MF. 1995a. Interpolating mean rainfall using thin plate smoothing splines.
International Journal of Geographical Information Systems 9: 385403.
Hutchinson MF. 1995b. A new objective method for spatial interpolation of meteorological
variables from irregular networks applied to the estimation of monthly mean solar
radiation, temperature, precipitation and windrun. CSIRO Division of Water Resources
Technical Memo 89/5; 95104.
New MG, Lister D, Hulme M, Makin I. 2002. A high-resolution data set of surface climate
over global land areas. Climate Research 21: 125.
Ohmura, A., Wild, M., 2002. Climate change: is the hydrological cycle accelerating?
Science 298, 13451346.
Peterson, T.C., Golubev, V.S., Groisman, P.Ya., 1995. Evaporation losing its strength.
Nature 377, 687688.
Phillips DL, Dolph J, Marks D. 1992. A comparison of geostatistical procedures for spatial
analysis of precipitation in mountainous terrain. Agricultural and Forest Meteorology
58: 119141.
Roderick, M.L., Farquhar, G.D., 2002. The cause of decreased pan evaporation over the
past 50 years. Science 298, 14101411.