completado.pdf

23
Completado de datos meteorológicos. Modelo CORMUL Javier Álvarez Rodríguez Centro de Estudios Hidrográficos del CEDEX

Upload: yarixrildo

Post on 16-Dec-2015

2 views

Category:

Documents


0 download

TRANSCRIPT

  • Completado de datos meteorolgicos. Modelo CORMUL

    Javier lvarez Rodrguez

    Centro de Estudios Hidrogrficos del CEDEX

  • ndice

    Introduccin

    Completado de series mensuales de variables meteorolgicas (precipitaciones, temperaturas, etc.)

    Proceso de completado

    Aplicacin de la metodologa de completado

    Completado de series mensuales de aportaciones

    Modelo HEC4

  • Planteamiento del problema

    Existencia de lagunas en las series hidrometeorolgicas

    Solucin:

    Reproducir el fenmeno fsico (ej.: simulacin de caudales, conocidos los datos meteorolgicos y el esquema del ciclo hidrolgico)

    Recurrir a estaciones hidrometeorolgicas de similar comportamiento (ej.: completado de precipitaciones o de caudales por correlacin)

  • Completado de series hidrometeorolgicas

    Es difcil completar los datos a partir de otras informaciones climatolgicas

    Apoyo en tcnicas estocsticas: rellenar las lagunas a partir delos datos conocidos de otras estaciones pluviomtricas

    El completado de los datos de aportaciones se puede realizar a partir de los datos de lluvia (son causa directa de ellas)

    El completado de las series de aportaciones se puede realizar tambin:

    Utilizando la informacin registrada en otras estaciones de aforo

    Utilizando los datos de la propia estacin (autocorrelacin)

  • Completado con datos de estaciones prximas o similares

    Esquema general de interpolacin

    Media aritmtica y medias mviles

    Media aritmtica en funcin de la altitud y orientacin del terreno

    Mtodo de Thiessen y Thiessen modificado

    Media aritmtica ponderada segn la altitud del terreno

    Esquemas de interpolacin en funcin de la distancia

    Mtodo de las isoyetas

    Interpolacin polinmica

    Tcnicas estocsticas de interpolacin

    Tcnicas estocsticas de correlacin

    )(),(),,( tPyxtyxP ii =

  • Completado utilizando tcnicas de interpolacin

    Conocimiento terico de la variable fsica

    +Informacin disponible: puntual

    Interpolacin. Esquema general

    Mtodos deterministas Mtodos estocsticos

    ii PyxyxP = ),(),(

  • Mtodos estocsticos

    Hiptesis previas a la aplicacin de CORMUL:

    El completado de datos se puede realizar utilizando ecuaciones de regresin entre variables

    Ejemplo: ajuste lineal por mnimos cuadrados

    Aplicacin a series mensuales

    Existen ciclos de duracin anual

    influyen en la valoracin de las similitudes entre series (orden en los datos)

    se impide un tratamiento homogneo de la serie mensual (distinto comportamiento segn meses)

  • Condicin de mnimos cuadrados: minimizar el error cuadrticoentre la variable estimada y los valores registrados

    =

    =

    n

    iestii yyECM

    1

    2)( 0),0( =

    kaECMnk

    =

    =

    n

    k

    kkest xay

    0

    bxayest +=

    x

    yxyra =

    xy mamb =

    Ajuste lineal por mnimos cuadrados

    10

    15

    20

    25

    30

    35

    40

    45

    10 15 20 25 30 35 40 45

    Pluvimetro A (mm)

    P

    l

    u

    v

    i

    m

    e

    t

    r

    o

    B

    (

    m

    m

    )

    EJEMPLO: ajuste lineal por mnimos cuadrados

  • Utilizar un ajuste por mnimos cuadrados con un trmino de error aleatorio

    Con las condiciones:

    Esperanza del error nula

    Desviacin tpica conocida

    Ecuacin de completado. Correlacin simple

    iiiest bxay ++=,

    [ ] [ ] 0, === xabyxabyEyyE iiiesti

    ( )[ ] ( )222, 1 xyyiesti ryyE =

  • Hiptesis previas para aplicacin de CORMUL

    Series mensuales meteorolgicas (estudios de recursos)

    Una serie temporal se puede considerar compuesta por Tendencia Componente cclica estacional Residuo

    0 20 40 60 80 100 0 20 40 60 80 100

    0 20 40 60 80 100

    Tipo de datoIntervalo temporal de trabajo

  • Proceso de completado

    La escala temporal mensual es usual en los estudios de recursos

    (1) Elegir el periodo de completado

    Necesidades del estudio

    Datos existentes

    (2) Estacionarizacin de las series meteorolgicas

    Filtrar las componentes estacionales

    (3) Establecimiento de la ecuacin de regresin

    Decidir el grado de correlacin: SIMPLE, DOBLE, TRIPLE, etc

    (4) Completado

    Orden y priorizacin

    (5) Desestacionarizacin de las series completadas

  • Proceso de estacionarizacin en CORMUL

    Se suponen series sin tendencia

    La componente cclica estacional aparece en media y desviaciones tpicas

  • Estacionarizacin

    Eliminacin de la tendencia cclica y homogeneizacin de todos los datos mensuales mediante normalizacin

    Serie estacionaria en media yvarianza

    Serie independiente con distribucin normal (no son necesarias transformacionesnormalizantes)

    =

    =

    N

    iijj xN

    x1

    1 ( )=

    =

    N

    ijijj xxN

    S1

    2

    11

    ( )1,0NS

    xxt

    j

    jijij

    =

    Precipitacin registrada (mm) en 03129

    0

    50

    100

    150

    200

    1

    9

    5

    0

    -

    5

    1

    1

    9

    5

    1

    -

    5

    2

    1

    9

    5

    2

    -

    5

    3

    1

    9

    5

    3

    -

    5

    4

    1

    9

    5

    4

    -

    5

    5

    1

    9

    5

    5

    -

    5

    6

    1

    9

    5

    6

    -

    5

    7

    1

    9

    5

    7

    -

    5

    8

    1

    9

    5

    8

    -

    5

    9

    1

    9

    5

    9

    -

    6

    0

    1

    9

    6

    0

    -

    6

    1

    1

    9

    6

    1

    -

    6

    2

    1

    9

    6

    2

    -

    6

    3

    1

    9

    6

    3

    -

    6

    4

    1

    9

    6

    4

    -

    6

    5

    1

    9

    6

    5

    -

    6

    6

    Precipitacin normalizada (mm) en 03129

    -2

    -1,5

    -1

    -0,5

    0

    0,5

    1

    1,5

    2

    2,5

    3

    3,5

    1

    9

    5

    0

    -

    5

    1

    1

    9

    5

    1

    -

    5

    2

    1

    9

    5

    2

    -

    5

    3

    1

    9

    5

    3

    -

    5

    4

    1

    9

    5

    4

    -

    5

    5

    1

    9

    5

    5

    -

    5

    6

    1

    9

    5

    6

    -

    5

    7

    1

    9

    5

    7

    -

    5

    8

    1

    9

    5

    8

    -

    5

    9

    1

    9

    5

    9

    -

    6

    0

    1

    9

    6

    0

    -

    6

    1

    1

    9

    6

    1

    -

    6

    2

    1

    9

    6

    2

    -

    6

    3

    1

    9

    6

    3

    -

    6

    4

    1

    9

    6

    4

    -

    6

    5

    1

    9

    6

    5

    -

    6

    6

  • Ecuacin de regresin

    Modelo lineal de regresin grado 2

    superndices 1, 2 representan a las estaciones de referencia para completar la estacin 3

    a1 y a2 son los coeficientes de regresin parcial que se pueden expresar en funcin de los coeficientes de correlacin simple r13, r23y r12 al aadir la condicin de error cuadrtico mnimo

    ij es un ruido independiente y normalmente distribuido de media 0 y desviacin tpica Se

    valores medios de los residuos tij en cada estacin (=0)

    ( ) ( ) ijijijij ttattatt +++= 22211133

    ( )321 ,, ttt

  • Coeficientes del modelo de regresin

    Coeficientes de regresin parcial

    rmn coeficientes de correlacin simple entre las estaciones m y n

    s1, s2 y s3 desviaciones tpicas de las series 1, 2 y 3 (=1)

    Desviacin tpica del ruido

    Varianza del ruido

    Varianza de la serie

    Coeficiente de correlacin mltiple de las estaciones 1 y 2 con la 3

    = 212

    122313

    1

    31 1 r

    rrrssa

    = 212

    121323

    2

    32 1 r

    rrrssa

    ( ) ( )( ) ( )

    =

    ij

    nnij

    ij

    mmij

    nnij

    ij

    mmij

    mntttt

    ttttr

    22

    ( )2312232 )(1 RSS =

    += 2

    12

    2313122

    232

    13312 1

    2r

    rrrrrR

  • Orden de completado, completado y desestacionarizacin

    Matriz de priorizacin

    donde Pmn es el elemento (m,n) de la matriz de priorizacincorrespondiente a la estacin a completar k

    coeficiente de correlacin mltiple entre la estacin k y las estaciones m y n de referencia

    N el n total de aos del periodo de anlisis

    Nmnk el n de meses con registros en las tres estaciones m, n y k.

    a exponente pondera el n de datos comunes entre las tres estaciones

    Eleccin de la pareja de estaciones para completado ydesestacionarizacin

    amnkk

    mnmn NNRP

    =

    12

    kmnR

    ijjjij tSxx +=

  • Aplicacin de la metodologa de completado

    Determinacin de grupos homogneos de estaciones

    Afinidad climtica. Criterios:

    Estadsticos bsicos similares (media y desviacin tpica)

    Proximidad entre estaciones

    Altitudes similares

    Regresin bivariada: no es necesario definir series tipo

    No se ha considerado la autocorrelacin temporal

    No es necesario en series meteorolgicas mensuales; s lo es conseries de caudales

    Al trabajar con coeficientes de correlacin entre residuos se evitan los efectos que en ste inducen el orden de los datos (filtradas componentes estacionales)

  • CORMUL en CHAC

    Parmetros del modelo (exponente y umbral de priorizacin)

    Series de variables (periodo de completado; -100: no hay dato)

    Series de variables estacionarizadas (999: no hay dato)

    Matriz coeficientes de regresin parcial

    Matriz datos comunes

    Matriz correlacin mltiple entre cada estacin y cada pareja

    Matriz nm. datos comunes entre cada estacin y cada pareja

    Eleccin pareja de estaciones (0: no hay completado)

    Series de variables completadas

  • Completado de series mensuales de aportaciones

    Modelo estndar: HEC-4

    Consideracin:

    Estructura de correlacin espacial (otras estaciones)

    Estructura de correlacin temporal (autocorrelacin)

    Procedimiento similar (HEC-4):

    Necesidad de transformaciones normalizantes de las aportaciones

    Consideracin de la autocorrelacin temporal

    Permite elegir el grado de correlacin mltiple

    No establece matrices de priorizacin como en el caso del CORMUL

  • Diferencias entre tipos de series

    Series de precipitaciones

    Series de aportaciones

    0

    0,1

    0,2

    0,3

    0,4

    0,5

    0,6

    0,7

    0,8

    0,9

    1

    0 1 2 3 4 5

    Paso k

    C

    o

    e

    f

    i

    c

    i

    e

    n

    t

    e

    d

    e

    a

    u

    t

    o

    c

    o

    r

    r

    e

    l

    a

    c

    i

    n

    -0,2

    0

    0,2

    0,4

    0,6

    0,8

    1

    0 1 2 3 4 5

    Paso k

    C

    o

    e

    f

    i

    c

    i

    e

    n

    t

    e

    d

    e

    a

    u

    t

    o

    c

    o

    r

    r

    e

    l

    a

    c

    i

    n

  • Modelo HEC-4

    Clculo de los estadsticos estacionales y previa transformacinnormalizante

    Serie cuasinormal

    Media

    Desviacin tpica

    Sesgo

    ijij xy log=

    N

    yy

    N

    iij

    j

    =

    =1

    ( )1

    1

    2

    =

    =

    N

    yyN

    ijij

    j

    ( ) ( )( )

    31

    3

    21 j

    N

    ijij

    j

    yy

    NNNg

    =

  • Modelo HEC-4

    Estacionarizacin de las series cuasinormales

    Supresin del sesgo peridico

    j

    jijij

    yyt

    =

    611

    26

    3jijj

    jij

    gtgg

    k +

    +

    =

    Serie cuasinormal estacionaria

    Serie normalizada estacionaria

  • Modelo de regresin del HEC-4

    Ecuacin de regresin

    es el valor en el mes j del ao i de la variable transformada (Pearson-III) en la estacin a completar o

    es el valor en el mes j-1 del ao i de la variable transformada (Pearson-III) en la estacin a completar o

    bo es el coeficiente autorregresivo (temporal)

    b1 es el coeficiente de regresin entre las estaciones o y 1

    es el valor en el mes j del ao i de la variable transformada (Pearson-III) en la estacin de referencia 1

    M es el nmero de estaciones consideradas en la regresin

    ij es el ruido de media 0 y desviacin tpica

    ij

    M

    ijoijo

    oij kbkbk ++=

    =

    11

    111

    oijk

    oijk 1

    1, jik

    e