Interpolación espacio-temporal de la temperatura en Reino Unido 2017 con datos faltantes
Cargando...
Fecha
Autores
Director
Enlace al recurso
DOI
Google Scholar
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Descripción
El análisis de correlación espacial y temporal es útil para conocer la estructura de dependencia en ambas dimensiones, las causas de la variabilidad y realizar la predicción de puntos de la variable de interés, ubicados en sitios cercanos a los observados, o incluso ubicados en el mismo lugar pero en distintos periodos de tiempo. El método de kriging es uno de los métodos más utilizados en interpolación, sin embargo este no admite la presencia de datos incompletos. En este trabajo se realiza una aplicación que permite interpolar datos faltantes en el espacio y el tiempo. En primer lugar se identifica el modelo de covariograma que mejor explica la dependencia espacio-temporal presente en los datos observados descartando los datos faltantes. Después se predicen estos datos con el modelo escogido para completar la información y finalmente se implementa el algoritmo ya conocido de kriging ordinario, como un acercamiento inicial, para interpolar la variable de interés en todo el dominio espacial y temporal. Como aplicación, se utilizan los datos de la temperatura media diaria en Reino Unido durante el año 2017.
Abstract
The spatial and temporal correlation analysis is useful to know the structure of the dependency in both dimensions, the causes of the variability and the prediction of the points of the variable of interest, in places close to those observed, or even located in the same place but in different periods of time. The kriging method is one of the most used methods in interpolation, however this does not admit the presence of incomplete data. In this work an application is proposed that allows interpolating missing data in space and time. First, the covariogram model is identified that best explains the spatio-temporal dependency present in the observed data, discarding the missing data. After this data is predicted with the chosen model to complete the information and finally the algorithm already known for ordinary kriging is implemented, to interpolate the variable of interest throughout the spatial and temporal domain. As an application, the data of the average daily temperature in the United Kingdom is used during the year 2017.
Idioma
Palabras clave
Citación
López Sarmiento, D. (2019). Interpolación espacio-temporal de la temperatura en Reino Unido 2017 con datos faltantes. [Tesis de maestría, Universidad Santo Tomás Colombia]. Repositorio Institucional
Colecciones
Licencia Creative Commons
Atribución 2.5 Colombia