Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel

Resumen: De las variables del ciclo hidrológico, la precipitación es una de las más cambiantes y complejas. Además, la información hidrometeorológica es escasa en varias zonas del mundo y los datos teledetectados pueden ayudar a mejorar las estimaciones de lluvia. Se explora en este trabajo el desem...

Full description

Autores:
Duque Gardeazábal, Nicolás
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/69628
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/69628
http://bdigital.unal.edu.co/71663/
Palabra clave:
51 Matemáticas / Mathematics
55 Ciencias de la tierra / Earth sciences and geology
62 Ingeniería y operaciones afines / Engineering
Funciones Kernel
Hidrología
Mezcla
Modelación
Precipitación
Recursos hídricos
Teledetección
Hydrology
Kernel functions
Merging
Modelling
Rainfall
Remote sensing
Water resources
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_691ebbe6926893f02f0e5d7227ee5a18
oai_identifier_str oai:repositorio.unal.edu.co:unal/69628
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel
title Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel
spellingShingle Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel
51 Matemáticas / Mathematics
55 Ciencias de la tierra / Earth sciences and geology
62 Ingeniería y operaciones afines / Engineering
Funciones Kernel
Hidrología
Mezcla
Modelación
Precipitación
Recursos hídricos
Teledetección
Hydrology
Kernel functions
Merging
Modelling
Rainfall
Remote sensing
Water resources
title_short Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel
title_full Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel
title_fullStr Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel
title_full_unstemmed Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel
title_sort Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel
dc.creator.fl_str_mv Duque Gardeazábal, Nicolás
dc.contributor.author.spa.fl_str_mv Duque Gardeazábal, Nicolás
dc.contributor.spa.fl_str_mv Rodríguez Sandoval, Erasmo Alfredo
dc.subject.ddc.spa.fl_str_mv 51 Matemáticas / Mathematics
55 Ciencias de la tierra / Earth sciences and geology
62 Ingeniería y operaciones afines / Engineering
topic 51 Matemáticas / Mathematics
55 Ciencias de la tierra / Earth sciences and geology
62 Ingeniería y operaciones afines / Engineering
Funciones Kernel
Hidrología
Mezcla
Modelación
Precipitación
Recursos hídricos
Teledetección
Hydrology
Kernel functions
Merging
Modelling
Rainfall
Remote sensing
Water resources
dc.subject.proposal.spa.fl_str_mv Funciones Kernel
Hidrología
Mezcla
Modelación
Precipitación
Recursos hídricos
Teledetección
Hydrology
Kernel functions
Merging
Modelling
Rainfall
Remote sensing
Water resources
description Resumen: De las variables del ciclo hidrológico, la precipitación es una de las más cambiantes y complejas. Además, la información hidrometeorológica es escasa en varias zonas del mundo y los datos teledetectados pueden ayudar a mejorar las estimaciones de lluvia. Se explora en este trabajo el desempeño del algoritmo de mezcla de doble suavizamiento (DS) con funciones de Kernel, variando la densidad de pluviómetros, cuyos resultados se comparan contra varios métodos tradicionales de interpolación como IDW, Kriging ordinario y Kriging con deriva externa. La comparación se realizó mediante validación cruzada, validación independiente y los campos también se contrastaron con un campo base de comparación en la cuenca del río Sogamoso. Adicionalmente se hizo una evaluación de los campos de precipitación producidos a través de modelación hidrológica en la cuenca del río Casanare. Se encontró que el método investigado puede reducir el error de la estimación en cerca del 20%, cuando se comparó directamente contra los pluviómetros y que el coeficiente de Nash-Sutcliffe usado en la modelación hidrológica presentó mejoras entre un 20 % y un 50 %. También se desarrollaron análisis espaciales y espacio temporales del error, así como un análisis de las hidrógrafas simuladas, producidas por diferentes campos de precipitación. En consecuencia, se recomienda usar la mezcla con DS tanto en redes con densidades altas como bajas.
publishDate 2018
dc.date.issued.spa.fl_str_mv 2018-03-08
dc.date.accessioned.spa.fl_str_mv 2019-07-03T10:31:13Z
dc.date.available.spa.fl_str_mv 2019-07-03T10:31:13Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/69628
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/71663/
url https://repositorio.unal.edu.co/handle/unal/69628
http://bdigital.unal.edu.co/71663/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería Civil y Agrícola Ingeniería Civil
Ingeniería Civil
dc.relation.references.spa.fl_str_mv Duque Gardeazábal, Nicolás (2018) Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/69628/1/1032448626.2019.pdf
https://repositorio.unal.edu.co/bitstream/unal/69628/2/1032448626.2019.pdf.jpg
bitstream.checksum.fl_str_mv 42a45857fe43cd41c0a56be6345282fe
5aed90de268667fc9e9d043170777cad
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089294877294592
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Rodríguez Sandoval, Erasmo AlfredoDuque Gardeazábal, Nicolás5b26d65c-8607-4b77-b1d9-566e9eaab1e03002019-07-03T10:31:13Z2019-07-03T10:31:13Z2018-03-08https://repositorio.unal.edu.co/handle/unal/69628http://bdigital.unal.edu.co/71663/Resumen: De las variables del ciclo hidrológico, la precipitación es una de las más cambiantes y complejas. Además, la información hidrometeorológica es escasa en varias zonas del mundo y los datos teledetectados pueden ayudar a mejorar las estimaciones de lluvia. Se explora en este trabajo el desempeño del algoritmo de mezcla de doble suavizamiento (DS) con funciones de Kernel, variando la densidad de pluviómetros, cuyos resultados se comparan contra varios métodos tradicionales de interpolación como IDW, Kriging ordinario y Kriging con deriva externa. La comparación se realizó mediante validación cruzada, validación independiente y los campos también se contrastaron con un campo base de comparación en la cuenca del río Sogamoso. Adicionalmente se hizo una evaluación de los campos de precipitación producidos a través de modelación hidrológica en la cuenca del río Casanare. Se encontró que el método investigado puede reducir el error de la estimación en cerca del 20%, cuando se comparó directamente contra los pluviómetros y que el coeficiente de Nash-Sutcliffe usado en la modelación hidrológica presentó mejoras entre un 20 % y un 50 %. También se desarrollaron análisis espaciales y espacio temporales del error, así como un análisis de las hidrógrafas simuladas, producidas por diferentes campos de precipitación. En consecuencia, se recomienda usar la mezcla con DS tanto en redes con densidades altas como bajas.Abstract: Precipitation is one of the most changing and complex variables of the water cycle. Moreover, hydrometeorological data is scarce in many regions of the world and remote sensed data can aid to improve the rainfall estimations. In this work, we explore the performance of the double smoothing merging algorithm, varying the raingauge density and comparing its results with traditional interpolation methods such as IDW, ordinary Kriging and Kriging with external drift. The comparison was performed using cross-validation and independent validation methodologies. Also, the rainfall fields were contrasted against a benchmark rainfall field in the Sogamoso river basin. Another validation was carried out using hydrological modelling in the Casanare river basin. It was found that the merging method can reduce the error estimation in nearly 20 % when the fields are compared with the raingauges, and that for the hydrological modelling the Nash-Sutcliffe coefficient registered an improvement between 20 % and 50 %. Furthermore, spatial and spatio-temporal analysis were carried out, as well as studies of the simulated hydrographs, produced by the different rainfall fields. Consequently, we recommend to use the DS merging algorithm in both, high and low density monitoring raingauges networks.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería Civil y Agrícola Ingeniería CivilIngeniería CivilDuque Gardeazábal, Nicolás (2018) Estimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de Kernel. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.51 Matemáticas / Mathematics55 Ciencias de la tierra / Earth sciences and geology62 Ingeniería y operaciones afines / EngineeringFunciones KernelHidrologíaMezclaModelaciónPrecipitaciónRecursos hídricosTeledetecciónHydrologyKernel functionsMergingModellingRainfallRemote sensingWater resourcesEstimación de campos de precipitación en cuencas hidrográficas colombianas con escasez de datos, combinando datos teledetectados y de estaciones en tierra, utilizando funciones de KernelTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINAL1032448626.2019.pdfapplication/pdf7287181https://repositorio.unal.edu.co/bitstream/unal/69628/1/1032448626.2019.pdf42a45857fe43cd41c0a56be6345282feMD51THUMBNAIL1032448626.2019.pdf.jpg1032448626.2019.pdf.jpgGenerated Thumbnailimage/jpeg6282https://repositorio.unal.edu.co/bitstream/unal/69628/2/1032448626.2019.pdf.jpg5aed90de268667fc9e9d043170777cadMD52unal/69628oai:repositorio.unal.edu.co:unal/696282024-06-01 23:11:16.158Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co