Interpolación espacio-temporal de la temperatura en Reino Unido 2017 con datos faltantes

El análisis de correlación espacial y temporal es útil para conocer la estructura de dependencia en ambas dimensiones, las causas de la variabilidad y realizar la predicción de puntos de la variable de interés, ubicados en sitios cercanos a los observados, o incluso ubicados en el mismo lugar pero en distintos periodos de tiempo. El método de kriging es uno de los métodos más utilizados en interpolación, sin embargo este no admite la presencia de datos incompletos. En este trabajo se realiza una aplicación que permite interpolar datos faltantes en el espacio y el tiempo. En primer lugar se identifica el modelo de covariograma que mejor explica la dependencia espacio-temporal presente en los datos observados descartando los datos faltantes. Después se predicen estos datos con el modelo escogido para completar la información y finalmente se implementa el algoritmo ya conocido de kriging ordinario, como un acercamiento inicial, para interpolar la variable de interés en todo el dominio espacial y temporal. Como aplicación, se utilizan los datos de la temperatura media diaria en Reino Unido durante el año 2017.

• Autores: López Sarmiento, Daniela
• Tipo de recurso: Masters Thesis
• Fecha de publicación: 2020
• Institución: Universidad Santo Tomás
• Repositorio: Universidad Santo Tomás
• OAI Identifier: oai:repository.usta.edu.co:11634/20831
• Acceso en línea: http://hdl.handle.net/11634/20831
• Palabra clave: Interpolation; Spatio-temporal models; Ordinary kriging; Missing data; Gaussian processes; Stochastic processes; Interpolación (Matemáticas) -- Reino Unido -- 2017; Procesos de Gauss -- Reino Unido -- 2017; Procesos estocásticos -- Reino Unido -- 2017; Interpolación; Modelos espacio-temporales; Kriging ordinario; Datos faltantes
• Rights: openAccess
• License: Atribución 2.5 Colombia