Análisis comparativo de los métodos para interpolar precipitación en el estado de Chiapas

Abstract

Se evalúan y comparan tres métodos de interpolación de precipitación que son el Inverso de la Distancia Ponderada, el Kriging Orginario y el Co-Kriging Ordinario, con el objetivo de proponer un adecuado método para realizar un continuo de precipitaciones en el estado de Chiapas, partiendo de los valores mensuales obtenidos en 175 estaciones meteorológicas distribuidas en el estado durante el año 2014. Con la ayuda del software ArcGis 9.3, específicamente con el módulo Análisis Geoestadístico y la extensión Asistente Geoestadístico, se evaluó el método Inversa de la Distancia Ponderada y se realizó el cálculo de los valores óptimos de potencia y el método estadístico de validación cruzada, lo que permitió identificar a exactitud que el modelo predice los valores desconocidos. Para el Kriging Ordinario se estimaron los datos de transformación y tendencia como ayuda de la apli- cación Explorador de datos/ Histograma; se identificó el tipo de transformación que los datos requieren a partir de la distribución. Por otra parte con la aplicación Explorador/ Análisis de tendencia se identificó la tendencia que sigue la distribución de los datos. Para el método Co-Kriging Ordinario se emplearon los mismos datos que para el Kriging Ordinario además de emplear la elevación como variable secundaria. El estudio concluye que el interpolador que mayor bondad estadística expone es el Inverso de la Distancia Poderada.

This paper evaluated and compared three methods of interpolation of precipitation that are the Inverse Distance Weighting, the Kriging orginario and Co-Kriging Ordinary, with the aim of proposing a suitable method for continuous rainfall in the state of Chiapas, based on the monthly values obtai- ned from 175 weather stations in the state during 2014. With the help of ArcGIS 9.3 software, specifically with geostatistical analysis module and the Wizard Geostatistical extension, the Inverse Distance Weighted method was evaluated and calculating the optimum values of power and the statistical method of cross-validation was conducted, which identified how well the model predicts the unknown values. For the Kriging Ordinary data processing and tendency to help the Explorer application data / Histogram estimated; the type of processing that require data from the distribution was identified. Moreover with Explorer / Trend Analysis application trend following the distribution of the data was identified. For the Co- Kriging Ordinary method the same data that were used in the Kriging Ordinary and elevation as a secondary variable. The study concludes that the interpolator is greater statistical goodness exposes the Inverse Distance weighted.