PROBLEMA QUE SE MODELIZA. LA AUSENCIA DE LA NOCIÓN DE VARIABLE.
Modeliza De Variables Climaticas2
description
Transcript of Modeliza De Variables Climaticas2
Modelización de variables climáticas
Autor: Lucas Sevilla García
Introducción Objetivo Metodología Resultados Conclusiones
Introducción
Proyecto cooperación Tema: Monitorización de áreas
protegidas. Sistema propuesto para Parque
Natural Cabo de Gata-Níjar (Almería). Objetivo: Pretende obtener
información de la situación actual y la tendencia de los distintos ecosistemas.
Estructura: 3 niveles Utiliza información satelital Automatización
Introducción
Obtener el uso eficiente de agua de lluvia (RUE).
Índice propuesto por Le Houérou, para medir la productividad de ecosistemas.
RUE= PPN/Precipitación
Información PPN medianteimágenes del sensor MODIS (índice EVI).
Información Precipitación mediante un modelo climático.
Objetivo
Diseñar un modelo climático que genere mapas de precipitación mensual y anual.
Automatizar el modelo climático para una serie temporal.
Metodología
1. Modelo climático• Depurar datos - Homogeneización de datos climáticos.• Mapas climáticos - Interpolación de variables climáticas
(métodos y criterios).
2. Automatización del modelo climático para una serie temporal – Diseño de un código.
Homogeneización de datos
Obtención de datos climáticos de 10 estaciones: 6 estaciones Instituto
Nacional de Meteorología.
1 estación Consejería de Agricultura de la Junta de Andalucía.
3 estaciones de la Universidad de Almería.
Homogeneización de datos
Software utilizado: Excel
1. Establecer escala temporal en todos los datos: Las estaciones registran a distinta escala. Transformar a mensual los datos climáticos.
2. Inicio y final de la serie (2004 - 2009).
3. Ausencia de datos: Matriz de correlación.
Homogeneización de datos Resultado final:
7 estaciones Base de datos en Excel.
5 hojas: una hoja por año (2004 – 2009)
Homogeneización de datos
Interpolación climática Transformar datos
puntuales a datos continuos.
Métodos de interpolación: Modelo de regresión:
Cuando el ajuste de los datos sea bueno (mayoría de los meses).
Krigeado: Cuando el ajuste sea muy pobre (escasa precipitación o ausencia total de precipitación) (meses de verano y casos especiales).
Interpolación climática Modelo de regresión. Software utilizado: ArcGIS y
SPSS Variable dependiente:
Precipitación mensual y anual. Variables independientes:
Latitud, longitud y altitud. Razones para elegir estas tres
variables: Explica la distribución
espacial del clima Disponibilidad en un
modelo digital de elevaciones.
¿Siempre 3 variables?
Interpolación climática Criterios de selección de
variables:
Interpolación climática
Krigeado Software utilizado: R Método geoestadístico. Utiliza datos de
precipitación, no necesita modelo digital.
Variograma.
Automatización
Repetir los pasos anteriores para una serie temporal.
Reducir tiempo y personal en el proceso.
Tres niveles.
Diseño automatización
Proceso como una cadena de montaje.
Software utilizado: R y ENVI.
Importación de datos desde Excel.
Interpolación climática: modelo de regresión o krigeado.
Exportación de mapas climáticos en formato ENVI.
Resultados 70 mapas de precipitación:
65 mapas de precipitación mensual. 5 mapas de precipitación anual.
Resolución espacial: 20 metros Resolución temporal: mensual
Conclusiones
Métodos de interpolación. Mapas modelo de regresión. Mapas Krigeado. Mapa de residuales ¿Precipitación mensual o anual?
Gracias por vuestra atención