Ajuste de valores de precipitaciones mensuales estimados por satélites TRMM y GPM en seis estaciones climáticas de las provincias de Jujuy y Salta

SOLIS, JUAN MANUEL; ALABAR, FABIO DAVID; HURTADO, RAFAEL HORACIO; LEON RUIZ, SEBASTIAN

Córdoba

Jornada; XLVIII Coloquio Argentino de Estadística. VI Jornada de Educación Estadística "Martha de Aliaga"; 2020

Universidad Nacional de Córdoba

El objetivo del presente trabajo fue comparar diferentes modelos lineales por mínimos cuadrados generalizados para ajustar los valores de precipitaciones mensuales estimados por 2 modelos generados por algoritmos predictivos a partir de datos de sensores remotos pertenecientes a los proyectos TRMM (Misión de Medición de Lluvias Tropicales) y GPM (Medición Global de Precipitación) disponibles en el entorno web Giovanni NASA. Para el estudio se emplearon las precipitaciones mensuales registradas en seis estaciones climáticas de Jujuy y Salta durante 18 años (datos provistos y consistidos por el Servicio Meteorológico Nacional), y las precipitaciones correspondientes estimadas por los sistemas TRMM y GPM en esos puntos. Para ello, a través de la técnica bootstrap o de re-muestreo con reposición, se evaluaron diferentes modelos alternativos en los que la variable respuesta fue la precipitación mensual observada superficie, y la variable regresora fue la precipitación mensual estimada (por sistema TRMM y GPM), pudiendo incluir o no los factores Mes y/o Estación Climática dentro de los efectos fijos. No se detectó auto-correlación en las observaciones, pero sí heterocedasticidad (método Breusch-Pagan), motivo por el cual los modelos comparados presentaron un ajuste ponderado por varianzas heterogéneas. Para cada modelo, se calculó su valor de AIC, el error cuadrático medio (RMSE) y el sesgo (MBE), los cuales fueron comparados para la selección del mejor modelo de ajuste. Los modelos que incluyeron únicamente la variable regresora precipitación mensual estimada dentro de los efectos fijos con ajuste de heterocedasticidad por mes y/o por estación climática, fueron los que mejor ajustaron las estimaciones. Como criterio adicional, el modelo con ajuste de heterocedasticidad por mes únicamente (sin incluir la estación climática) fue considerado el más óptimo, ya que permite la versatilidad de ajustar valores estimados de precipitaciones mensuales por los sistemas TRMM y GPM en sitios próximos a las estaciones climáticas.