Resumen:
Se desarrollaron tres herramientas que forman parte de un sistema integral de proyección de indicadores de cambio climático. El objetivo final de este sistema es la proyección de indicadores de clima para el siglo XXI, utilizando modelos pre-existentes de cambio climático y registros del siglo XX de estaciones meteorológicas. La primera herramienta es APACH, un procedimiento automatizado de control de calidad para datos históricos de temperatura y precipitación. Este se basa en dos árboles de decisión (uno para temperatura, el otro para precipitación), que procesan las series diarias de cada estación, y elaboran conclusiones sobre la calidad de cada dato, tanto en referencia a la serie en la que ocurre (tests intra-estación) como el mismo contexto espacial (tests inter-estación). Cada árbol como resultado genera una descripción para cada valor de temperatura o precipitación, donde se registra cualquier situación anómala encontrada (o la ausencia de estas), así como un indicador numérico (de 0 a 3) del nivel de confianza que se tiene sobre el valor. APACH se utilizo para controlar y depurar el registro histórico del Servicio Meteorológico Nacional Argentino para el período 1960-2005, que a continuación fue utilizado para generar una grilla regular de datos diarios de temperatura, con precisión de 0.5º, sobre el territorio de la república Argentina. Este proceso de interpolación está compuesto por dos etapas, la primera consiste en un estimador de variograma basado en redes neuronales supervisadas de tipo Perceptrón multicapa (MLP). La segunda etapa utiliza los valores estimados de variograma e interpola la base de datos de temperatura utilizando Kriging. El modelo MLP de variograma fue justamente la segunda herramienta desarrollada como parte de este trabajo, mientras que la interpolación por Kriging no se trata en este informe, pero fue desarrollada dentro del mismo grupo de trabajo y se presenta en Pausader (2008). El variograma es una función que describe el grado de dependencia espacial de un proceso estocástico Z(x), y se define como el incremento esperado (al cuadrado) de los valores entre un punto X y un punto Y. Kriging es un interpolador muy conocido en geo-estadística, y se puede aplicar a procesos estocásticos geográficos utilizando un modelo de variograma. La segunda herramienta, combinada con el trabajo de interpolación, genera información de temperatura diaria, presentada en una grilla regular con resolución de 0.5º. Este nuevo conjunto de datos fue justamente utilizado por la tercera herramienta para evaluar la aplicabilidad de distintos modelos de cambio climático al territorio de la República Argentina. Como parte de este trabajo se estudiaron las mediciones de temperatura de modelos climáticos del IPCC (Intergovernmental Panel on Climate Change / Panel intergubernamental del Cambio Climático) utilizando Mapas Auto-Organizados (SOM, por sus siglas en inglés) cuando éstos predicen un aumento de 2 grados respecto al período de referencia del siglo 20. De este análisis se hizo foco en Sudamérica para obtener regiones (clases) en las cuales analizar la veracidad en la predicción de los hechos climatológicos del siglo 20 realizada por cada modelo sobre Argentina.
Citación:
---------- APA ----------
Leggieri, Luciano; Aizpuru, Juan. (2008). Predicción de indicadores de cambio climático para Argentina durante el siglo XXI. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nCOM000371_LeggieriAizpuru
---------- CHICAGO ----------
Leggieri, Luciano; Aizpuru, Juan. "Predicción de indicadores de cambio climático para Argentina durante el siglo XXI". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2008.https://hdl.handle.net/20.500.12110/seminario_nCOM000371_LeggieriAizpuru
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000371_LeggieriAizpuru.pdf
Distrubución geográfica
