Métodos de geoestadística e interpolación espacial aplicados a datos climáticos

La predicción de una propiedad sobre la base de un conjunto de mediciones puntuales en una región es necesaria si se va a elaborar un mapa de la propiedad para la región. De las técnicas de predicción e interpolación espacial, Kriging es óptimo entre todos los procedimientos lineales, ya que es imparcial y tiene una variación mínima del error de predicción. En Cokriging, que tiene esta misma propiedad atractiva, se utilizan observaciones adicionales de una o más covariables, lo que puede contribuir a una mayor precisión de las predicciones. Un procedimiento más reciente son los Splines de píate fino (TPS), de los cuales el famoso spline cúbico para una variable es un caso particular. Este método no requiere análisis de correlación espacial y es más fácil de implementar en computadora. En este estudio intentamos mejorar la comprensión de estos tres métodos, proporcionando los fundamentos matemáticos y comparando su desempeño utilizando valores medios mensuales de variables clonadas como temperatura y precipitación para Colombia; Implementando los principales algoritmos con Delphi Pascal Lenguaje.

• Autores: Montegranario Riascos, Hebert
• Fecha de publicación: 2001
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/25468
• Acceso en línea: http://hdl.handle.net/20.500.12749/25468
• Palabra clave: Computer sciences; Systems engineer; Weather forecast; Math; Geology; Statistical methods; Geophysical predictions; Meteorology; Interpolation spaces; Ciencias computacionales; Ingeniería de sistemas; Predicciones geofísicas; Meteorología; Espacios de interpolación; Pronóstico del tiempo; Matemáticas; Geología; Métodos estadísticos
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/