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...
- 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 |