Estimación de datos faltantes de precipitación por el método de regresión lineal: Caso de estudio Cuenca Guadalupe, Baja California, México

Abstract

Para completar los datos faltantes en los registros de la precipitación pluvial anual reportados por 13 estaciones climatológicas distribuidas en el área de la Cuenca Guadalupe se realizó un análisis de regresión lineal entre estaciones cercanas. Para determinar la utilidad de la inferencia estadística, se calculó el coeficiente de correlación lineal (r), en todos los casos se obtuvo un alto valor que en promedio fue r=0.89, también se calculó la eficiencia estadística (E), la cual en todos los casos analizados sugiere la viabilidad de la inferencia estadística. Como resultado principal de este análisis se presenta una base de datos de precipitación pluvial completa para elperiodo 1948-2012.

Estimación de datos faltantes de precipitación mediante variabilidad climática estacional

“…Para este ejercicio en particular, la disponibilidad incompleta de la base de datos de Precipitación, es uno de los factores que introducen incertidumbre y dificultad en el entendimiento de la distribución espacio-temporal de la variable en discusión (Poveda et al, 2002). Uno de los problemas que frecuentemente se encontró al analizar los datos de las estaciones pluviométricas fue la existencia de datos faltantes en las series de tiempo registradas (Cortés, 2006;Herrera-Oliva et al, 2017). Por lo que la representatividad de datos depende en gran medida de dos factores: la ubicación de las estaciones y el proceso de selección de estas (Rosmann et al, 2016).…”

“…Adicional a ello, se debe aclarar que, en la mayoría de los casos al ser datos tratados y obtenidos de manera automatizada y remota, es común encontrar valores faltantes en estos, que no se pueden recuperar de alguna manera. Adicionalmente, existen fallas en la recolección de datos, los cuales pueden ser errados o salidos de contexto para el estudio realizado y que por ende deben ser imputados, y de dicho tratamiento depende que los pronósticos sean acertados (Herrera-Oliva et al, 2017;Sánchez Quiroga, 2020). Así mismo, debe quedar claro que el método utilizado para la completación de datos en este trabajo, es incapaz de reproducir los datos perdidos porque este método permite rellenar las series con valores "razonables" que son consistentes con la estadística descriptiva (Alfaro y Soley, 2009).…”

“…En cuanto a las metodologías para el relleno de datos faltantes, Alfaro y Soley (2009) mencionan que, existen dos maneras de lograr este objetivo, así: a) correlación de datos de una misma variable entre estaciones climatológicas cercanas y en periodo de tiempo comunes, con lo cual los valores rellenados dan cuenta de los fenómenos de mayor escala a partir de la información de las estaciones cercanas (Guevara, 2003;Poveda y Álvarez, 2012;Herrera-Oliva et al, 2017), y b) cuando no hay estaciones cercanas y el rellenado se debe hacer con la información de la misma estación (Puertas et al, 2011;Ortiz, 2016), situación que aplica para el departamento de Casanare, y que se tuvo en cuenta en este artículo.…”

Evaluación de la Agresividad Climática y Concentración de Precipitaciones en la Cuenca Chancay-Lambayeque, Perú

“…Se aplicó la correlación que permite identificar si una variable depende de otra y que se establece por medio de una ecuación, el coeficiente de correlación y el coeficiente de determinación, que por lo general en el campo de la hidrología es del tipo lineal, es decir debe haber una razón de correspondencia homogénea lo cual se logra a partir de graficar la dispersión de valores de ambas variables con la mayor cantidad posible de datos (Herrera et al, 2017;Liu et al, 2018). La ecuación 5 es la que determina la correlación de dos variables.…”

Eficiencia de la Imputación de Datos Faltantes de Precipitaciones Utilizando Herramientas Computacionales en la Cuenca Hidrográfica, Jubones - Ecuador

“…Para ello, existen varios métodos que permiten el rellenado de datos meteorológicos entre ellos se puede mencionar el método de regresión-correlación, que depende del supuesto de linealidad entre los datos de las estaciones que se encuentren dentro de un área de influencia cercana y establece el nivel de relación mediante un análisis de dispersión utilizando un coeficiente de correlación, posterior a esto se obtiene una ecuación que se usa para calcular el valor faltante en función de los datos de las estaciones de referencia (Herrera et al, 2017).…”