Modelo de predicción de precipitación para Ecuador continental basado en índices climáticos en el período de 1980-2022
La predicción de la precipitación es crucial para gestionar adecuadamente los recursos hídricos. Sin embargo, debido a los múltiples factores que influyen en su ocurrencia, como la tele conexiones climáticas, esta tarea es compleja. Uno de los fenómenos más significativos es El Niño-Oscilación del S...
Guardat en:
| Autor principal: | |
|---|---|
| Format: | bachelorThesis |
| Idioma: | spa |
| Publicat: |
2024
|
| Matèries: | |
| Accés en línia: | https://dspace.espoch.edu.ec/handle/123456789/23243 |
| Etiquetes: |
Afegir etiqueta
Sense etiquetes, Sigues el primer a etiquetar aquest registre!
|
Afegir etiqueta | Sumari: | La predicción de la precipitación es crucial para gestionar adecuadamente los recursos hídricos. Sin embargo, debido a los múltiples factores que influyen en su ocurrencia, como la tele conexiones climáticas, esta tarea es compleja. Uno de los fenómenos más significativos es El Niño-Oscilación del Sur (ENOS), que impacta considerablemente el clima en Ecuador. Este estudio tiene como objetivo desarrollar un modelo predictivo de precipitación para Ecuador continental utilizando técnicas avanzadas de aprendizaje automático (Machine Learning) y datos climáticos históricos. Se utilizaron datos de precipitación obtenidos del producto satelital ERA5-Land, que abarca desde 1980 hasta 2022. Considerando que las teleconexiones climáticas afectan los patrones de precipitación, se utilizaron los datos de los índices climáticos globales para monitorear estas teleconexiones, obtenidos de la Administración Nacional Oceánica y Atmosférica (por sus siglas en ingles NOAA). Para la creación del modelo predictivo para Ecuador se utilizó la técnica XGBoost, Además se desarrolló modelos por provincias utilizando la técnica Bosques aleatorios (Random Forest). La evaluación de los modelos se realizó mediante el coeficiente de determinación (R²) y el error cuadrático medio (ECM). Los resultados indican que el índice "Niña 1+2" tiene una correlación positiva moderadamente fuerte con la precipitación en diferentes ubicaciones, con un desfase de 1 mes. Aunque el modelo XGBoost permitió realizar un análisis general, la alta variabilidad climática de Ecuador y los patrones de precipitación particulares de cada provincia sugieren que Bosques aleatorios (Random Forest) es una opción más adecuada para desarrollar modelos de predicción a nivel provincial. A pesar de que estas métricas muestran resultados satisfactorios, se podrían incluir otras variables climáticas y realizar ajustes en los hiperparámetros para mejorar la precisión del modelo. Pese a estas limitaciones, se espera que el modelo predictivo desarrollado sirva como una herramienta inicial útil para la gestión de los recursos hídricos en Ecuador. |
|---|