Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.uan.edu.co/handle/123456789/2176
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorCelis Gil, Liliana Vanesa-
dc.contributor.advisorCarvajal Vanegas, Andres Felipe-
dc.creatorNovoa Herrán, Néstor Alejandro-
dc.date.accessioned2021-03-01T22:46:13Z-
dc.date.available2021-03-01T22:46:13Z-
dc.date.created2020-06-12-
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/2176-
dc.descriptionPropiaes_ES
dc.description.abstractThe variability of precipitation in the Meta department is complex, not only due to the different subregions that compose it and the environmental climatic conditions that influence it, but also because its study is determined by the availability of traditional rainfall information, which for this case is scarce considering the area and distribution in a way that does not represent the reality of the behavior of the variable. The present investigation tries to evaluate the effectiveness of the satellite images of the GPM sensor to represent the precipitation in the department of Meta for the period 2014-2018, taking into account the observed data (meteorological stations) and the estimated ones (data from the IMERG V06 product) , and thus be able to validate the suitability of the remote sensor to estimate precipitation, taking into account performance measures such as the correlation coefficient, the determination coefficient and the covariance.The validation showed that the images correctly represent the precipitation behavior, but it cannot adequately represent extreme precipitation events. For the dry months the correlations were higher than for the rainier months, while the correlations of the plateau/high plain and foothills/piedmont were better than those of the Amazon plain, always showing how satellite images underestimated actual precipitation. In general, the correlation for the stations was 0,82, which is considered a good correlation.es_ES
dc.description.tableofcontentsLa variabilidad de la precipitación en el departamento del Meta resulta ser compleja, no solo por las diferentes subregiones que la componen y las condiciones climáticas ambientales que la afectan, sino también porque su estudio está determinado por la disponibilidad de información pluviométrica tradicional, que para este caso es escasa teniendo en cuenta el área y estar distribuida de una forma que no permite representar la realidad del comportamiento de la variable. La presente investigación pretende evaluar la efectividad de las imágenes satelitales del sensor GPM para representar la precipitación en el departamento del Meta para el periodo 2014-2018, teniendo en cuenta los datos observados (estaciones meteorológicas) y los estimados (datos del producto IMERG V06), y así poder validar la idoneidad del sensor remoto para estimar la precipitación, teniendo en cuenta medidas de rendimiento tales como el coeficiente de correlación, el coeficiente de determinación y la covarianza. La evaluación demostró que las imágenes representan bien el comportamiento de precipitación en rangos bajos e intermedios de precipitación, pero no logra representar adecuadamente eventos fuertes de precipitación. Para los meses secos las correlaciones fueron superiores que para los meses más lluviosos, mientras que las correlaciones de la altillanura y el piedemonte fueron mejores que las de la llanura amazónica, mostrando siempre como las imágenes satelitales subestimaban la precipitación real. En general, la correlación para las estaciones fue de 0,82, la cual se considera una buena correlación.es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Antonio Nariñoes_ES
dc.rightsAtribución 3.0 Estados Unidos de América*
dc.rightsAtribución 3.0 Estados Unidos de América*
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/us/*
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.subjectPrecipitaciónes_ES
dc.subjectGPMes_ES
dc.subjectvalidaciónes_ES
dc.subjectMetaes_ES
dc.subjectimágenes satelitales.es_ES
dc.titleEvaluación de la efectividad de las imágenes del sensor GPM para la representación de la precipitación en el departamento del Metaes_ES
dc.publisher.programMaestría en Geomática Ambientales_ES
dc.rights.accesRightsopenAccesses_ES
dc.subject.keywordPrecipitationes_ES
dc.subject.keywordGPMes_ES
dc.subject.keywordvalidationes_ES
dc.subject.keywordMetaes_ES
dc.subject.keywordsatellite imageses_ES
dc.type.spaTesis y disertaciones (Maestría y/o Doctorado)es_ES
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.source.bibliographicCitationAmat Rodrigo , J. (2016). Correlación lineal y Regresión lineal simple. GitHub.es_ES
dc.source.bibliographicCitationAndrades R., M., & Múnez L., C. (2012). Fundamentos de climatología. Universidad de la Rioja.es_ES
dc.source.bibliographicCitationAnónimo. (24 de Agosto de 2019). Ecosystem Accounts Planned for Stragic Orinoquia Region of Colombia. Obtenido de www.wavespartnership.orges_ES
dc.source.bibliographicCitationAnónimo. (22 de Agosto de 2019). Mecanismos de condensación precipitación. Obtenido de www.um.es/geograf/clima/tema05.pdfes_ES
dc.source.bibliographicCitationAnónimo. (24 de Febrero de 2020). Geographic Regions of Colombia. Obtenido de www.discovercolombia.comes_ES
dc.source.bibliographicCitationARSET, A. R. (15 de Septiembre de 2019). Introducción a los datos y las aplicaciones de las mediciones de la precipitación global. Obtenido de www.arset.gsfc.nasa.gov/sities/defaultes_ES
dc.source.bibliographicCitationCabrera Atiencia, E. B. (2016). Evaluación de imágenes satelitales de precipitaciones GPM (Global Precipitation Measurement) a escala mensual para el Azuay. Quito: ESCUELA DE INGENIERÍA CIVIL.es_ES
dc.source.bibliographicCitationCaicedo Carrascal, F. M. (2008). Asimilación de precipitación estimada por imágenes de satélite en modelos hidrológicos aglutinados y distribuidos, caso de estudio afluencias al embalse de Betania. Bogotá D.C.: PONTIFICIA UNIVERSIDAD JAVERIANA.es_ES
dc.source.bibliographicCitationCalle Cordero, S. (2016). ANÁLISIS Y EVALUACIÓN DE LOS DATOS DE PRECIPITACIÓN DE LOS SATÉLITES TRMM Y GPM, EN LAS 4 MACRO REGIONES CLIMÁTICAS DE BOLIVIA. La Paz: UNIVERSIDAD MAYOR DE SAN ANDRES.es_ES
dc.source.bibliographicCitationCamacho., C. (Agosto de 24 de 2019). Coeficiente correlación de Pearson. Obtenido de www.personal.us.es/vararey/adatos2/correlacion.pdfes_ES
dc.source.bibliographicCitationCastiblanco, C., & Martínez, , G. (2002). Manejo y Análisis de Imágenes de Satélite Aplicadas en Estudios Hidrológicos de Cuencas Mediante el SIG-GRASS. Bogotá D.C.: Universidad Nacional de Colombia.es_ES
dc.source.bibliographicCitationCastro Loayza , E. S. (2014). Evaluación de Imágenes Satelitales de Precipitaciones (TRMM 3B43 mensual) en Región Costa, Sierra y Oriente del Ecuador. Quito: ESCUELA DE INGENIERÍA CIVIL .es_ES
dc.source.bibliographicCitationCastro, E. S. (2014). Evaluación de Imágenes Satelitales de Precipitaciones (TRMM 3B43 mensual) en Región Costa, Sierra y Oriente del Ecuador. Quito: Universidad de Cuenca.es_ES
dc.source.bibliographicCitationCerro Carpio, M. (24 de Agosto de 2019). Precipitación. Obtenido de www.olivacordobesa.es/Precipitaci%F3n.pdfes_ES
dc.source.bibliographicCitationChen, Z., Yang, K., Liang, S., & Tang, W. (24 de Agosto de 2019). Estimation of monthly-mean daily global solar radiation based on MODIS. Obtenido de www.ac.els-cdn.comes_ES
dc.source.bibliographicCitationChiara, J. (22 de Agosto de 2018). Fundamento para la medición de la precipitación. Obtenido de www.olivacordobesa.es.es_ES
dc.source.bibliographicCitationColombani, E., Behr, S., & Brandizi, L. (2017). ESTIMACION DE PRECIPITACIONES EXTREMAS A TRAVES DE GSMAP Y APLICACIÓN HIDROLOGICA A LA CRECIDA DEL ARROYO TELSEN, CHUBUT, PATAGONIA ARGENTINA. Meteorologica, 53-66.es_ES
dc.source.bibliographicCitationColombia, I. D. (2004). Ecosistemas de la cuenca del Orinoco Colombiano. Bogotá D.C.: Biodiversidad.es_ES
dc.source.bibliographicCitationCruz G., B. (2006). Validación del Algoritmo Hidroestimador en la Región de Puerto Rico. San Juan: Universidad de Puerto Rico.es_ES
dc.source.bibliographicCitationDi Rienzo, J. A., Balzarini, M., Gonzalez, L., Casanoves, F., Tablada, M., & Walter Robledo, C. (5 de 5 de 2020). InfoStat. Universidad Nacional de Córdoba, Cordoba, Argentina.es_ES
dc.source.bibliographicCitationDomínguez, E. A. (2005). Pronóstico probabilístico de afluencias para la evaluación de riesgos en embalses hidroeléctricos. Medellín: Avances en Recursos Hidráulicos.es_ES
dc.source.bibliographicCitationH., H. (28 de Agosto de 2019). Precipitaciones. Obtenido de www.agr.unne.edu.ar/Materias/Agroclima/Precipitaciones.pdfes_ES
dc.source.bibliographicCitationHobouchian, M. P., García Skabar, Y., Barrera, D., Vila, D., & Salio, P. (2017). VALIDACIÓN DE LA ESTIMACIÓN DE PRECIPITACIÓN POR SATÉLITE APLICANDO LA TÉCNICA HIDROESTIMADOR. Meteorologica, 19-37.es_ES
dc.source.bibliographicCitationHouze, R. A. (1993). Cloud Dynamics. International Geophysics Series.es_ES
dc.source.bibliographicCitationHuffman, G. J., Bolvin, D. T., Braithwaite, D., Hsu, K., Joyce, R., Kidd, C., & Xie, P. (2015). NASA Global Precipitation Measurement (GPM) Integrated Multi-satellite Retrievals for GPM. Journal of Hydrometeorology.es_ES
dc.source.bibliographicCitationHunink, J. E., Immerzeel, W. W., & Droogers, P. (2013). Análisis de Patrones Espaciales de Precipitación en la Provincia de Tungurahua .es_ES
dc.source.bibliographicCitationIDEAM-a. (2005). Protocolo para la Emisión de Pronósticos Hidrológicos. Bogotá: Grupo de Investigación en Hidrología.es_ES
dc.source.bibliographicCitationIDEAM-b. (2007). Pruebas Piloto de Modelación Hidrológica para Emitir Pronósticos Hidrológicos en Forma Cuantitativa y con Uso de Modelos Autorregresivos para el Horizonte Diario, Pentadal y Decadal de los Niveles de Agua. Bogotá D.C: Grupo de Investigación en Hidrología.es_ES
dc.source.bibliographicCitationJAXA. (6 de Octubre de 2019). GPM Data Utilization Handbook. Obtenido de www.eorc.jaxa.jp/GPM/doc/data_utilization/GPM_data_util_handbook_E.pes_ES
dc.source.bibliographicCitationJAXA. (24 de Agosto de 2019). Japan Aerospace Exploration Agency. Obtenido de www.eorc.jaxa.jp/TRMM/index_e.htmes_ES
dc.source.bibliographicCitationLeón Gómez , M. J., Símuta Champo, R., Vázquez Montoya, I. J., & Solano Barajas , R. (2016). Análisis comparativo de los métodos para interpolar precipitación en el estado de . Chiapas.es_ES
dc.source.bibliographicCitationLinsley M, M. A., & J., P. (1994). Hidrología para Ingenieros. México D.F.: McGraw-Hill.es_ES
dc.source.bibliographicCitationMárquez Pérez, C. I., Graciela Ustariz , M., Peña López, D. F., Caicedo Rubiano, I. H., & Cuevas Marín, A. (2016). Fenómeno El Niño. Análisis comparativo 1997-1998 / 2014-2016. Bogotá D.C.: Unidad Nacional para la Gestión del Riesgo de Desastres.es_ES
dc.source.bibliographicCitationMesa, , O. J., Poveda, G., & Carvajal, L. F. (1977). Introducción al clima de Colombia. Medellin: Universidad Nacional de Colombia.es_ES
dc.source.bibliographicCitationMiorta Cely, V., & Rangel Ch., J. O. (2014). El clima de la Orinoquia colombiana. Colombia Diversidad Biótica XIV, 153-206.es_ES
dc.source.bibliographicCitationMoreno R., A. L. (2013). Sistema de Infrormación para la Interpolación de datos de Temperatura y de Precipitación del Ecuados. Revista Politécnica.es_ES
dc.source.bibliographicCitationMuller, A. (22 de Agosto de 2019). Pluviómetros y pluviogágrafos. Obtenido de www.rfuess-mueller.de/221-0S.pdfes_ES
dc.source.bibliographicCitationNASA. (24 de Agosto de 2018). Visualización TRMM online y sistema de análisis. Obtenido de http://gdata1.sci.gsfc.nasa.gov/daac-bin/G3/gui.cgi?instance_id=TRMM_Monthlyes_ES
dc.source.bibliographicCitationNASA. (8 de Octubre de 2019). README Document for the GPM Data. Obtenido de www.gpm1.gesdisc.eosdis.nasa.gov/data/s4pa/GPM_L1A/doc/README.GPM.pdfes_ES
dc.source.bibliographicCitationOchoa, A., Pineda, L., Crespo, P., & Willems, P. (2014). Evaluation of TRMM 3B42 precipitation estimates and WRF retrospective precipitation simulation over the Pacific--Andean region of Ecuador and Peru. Hydrology and Earth System Sciences, 3179–3193.es_ES
dc.source.bibliographicCitationPIZARRO DÍAZ , H., & GUTIÉRREZ A. , J. M. (2006). ANÁLISIS DE DISTRIBUCIÓN ESPACIO TEMPORAL DE LA PRECIPITACIÓN UTILIZANDO HERRAMIENTAS PROCESAMIENTO ESPACIAL DE INFORMACIÓN. Medellin: UNIVERSIDAD DE SAN BUENAVENTURA .es_ES
dc.source.bibliographicCitationPrakash, S., Mitra, A. K., Pai, D. S., & AghaKouchak, A. (2016). From TRMM to GPM: How well can heavy rainfall be detected from space? Advances in Water Resources, 1–77.es_ES
dc.source.bibliographicCitationRangel Ch., J. O., & Aguilar P., M. (1995). Una aproximación sobre la diversidad climática en las regiones naturales de Colombia. Colombia Diversidad Biótica I, 25-77.es_ES
dc.source.bibliographicCitationRangel Ch., J. O., Sanchez C., H., Lowy C., P., Aguilar P., M., & Castillo, A. (1995). Región de la Orinoquia. Colombia Diversidad Biótica I, 239-254.es_ES
dc.source.bibliographicCitationRangel-Ch., J. O. (2014). Ecosistemas de la Orinoquia de Colombia. Colombia Diversidad Biótica XIV, 807-847.es_ES
dc.source.bibliographicCitationRangel-Ch., J. O. (2014). La región de la Orinoquia . Colombia Diversidad Biótica XIV, 895.es_ES
dc.source.bibliographicCitationRangel-Ch., J. O., & V. Minorta, C. (2014). Los tipos de vegetación de la Orinoquia colombiana. Colombia Diversidad Biótica XIV, 533-612.es_ES
dc.source.bibliographicCitationRavelo, A. C., & Santa, J. A. (2000). Estimación de las precipitaciones utilizando información satelital y terrestre en la provincia de Córdoba (Argentina). AGRISCIENTIA, 21-27.es_ES
dc.source.bibliographicCitationRegion, O. o. (22 de Agosto de 2019). colombia bird watch. Obtenido de www.colombiabirdwatch.comes_ES
dc.source.bibliographicCitationRIVAS ESCOBAR , J. A. (2014). ANÁLISIS DE LA CORRELACIÓN DE DATOS DE PRECIPITACIÓN ENTRE EL SATÉLITE TRMM Y LAS ESTACIONES PLUVIOMETRICAS UBICADAS EN LA CUENCA DEL RIO BOGOTA. Bogotá D.C.: UNIVERSIDAD SANTO TOMAS.es_ES
dc.source.bibliographicCitationRoman, F. J. (8 de Septiembre de 2019). Precipitaciones. Obtenido de www.hidrologia.usal.es/temas/Precipitaciones.pdfes_ES
dc.source.bibliographicCitationRuiz, J. J. (2009). EVALUACIÓN DE DIFERENTES METODOLOGÍAS PARA LA CALIBRACIÓN DE LAS ESTIMACIONES DE PRECIPITACIÓN CMORPH SOBRE SUDAMÉRICA. Revista Brasileira de Meteorologia, 473-488.es_ES
dc.source.bibliographicCitationSchargel, R. (2015). Suelos llaneros: geomorfología, distribución geográfica y caracterización. Tieras Llaneras de Venezuela, 63-125.es_ES
dc.source.bibliographicCitationSharifi, E., Steinacker, R., & Saghafian, B. (2016). Assessment of GPM-IMERG and Other Precipitation Products against Gauge Data under Different Topographic and Climatic Conditions in Iran: Preliminary Results. Remote Sensing, 135.es_ES
dc.source.bibliographicCitationSimbaqueba H., A. (2018). Estimación de la Capacidad Imágenes del Sensor TRMM (Tropical Rainfall Measuring Mission), para la Identificación del Comportamiento de la Precipitación en la Amazonia Colombiana. Bogotá D.C.: Universidad Antonio Nariñoes_ES
dc.source.bibliographicCitationTang, G., Ma, Y., Long, D., Zhong, L., & Hong, Y. (2016). Evaluation of GPM Day-1 IMERG and TMPA Version-7 legacy products over Mainland China at multiple spatiotemporal scales. Journal of Hydrology, 152-167.es_ES
dc.source.bibliographicCitationTang, G., Ma, Y., Long, D., Zhong, L., & Hong, Y. (2016). Statistical and Hydrological Comparisons between TRMM and GPM Level-3 Products over a Midlatitude Basin: Is Day-1 IMERG a Good Successor for TMPA 3B42V7? Journal of Hydrometeorology, 121-137.es_ES
dc.source.bibliographicCitationTorres, C., Coll D., R., Oliveira J., J. F., Gois, G., & Samento C., A. (2015). Assessment of Rainfall Estimates from the TRMM-3B43 Product in the State of Amazonas. Floresta e Ambiente, 279-286.es_ES
dc.source.bibliographicCitationVargas Sabadías, A. (1995). Estadística descriptiva e inferencial. La Mancha: Colección Ciencia y Tecnica.es_ES
dc.source.bibliographicCitationZinck, A. (2015). Las tierras llaneras " vuelo de pájaro". Tierras Llaneras de Venezuela, 26-32.es_ES
dc.description.degreenameMagíster en Geomática Ambientales_ES
dc.description.degreelevelMaestríaes_ES
dc.publisher.facultyFacultad de Ingeniería Ambientales_ES
dc.description.notesPresenciales_ES
dc.publisher.campusBogotá - Federmán-
Aparece en las colecciones: Maestría en Geomática ambiental

Ficheros en este ítem:
Fichero Tamaño  
2020NestorAlejandroNovoaHerran.pdf8.92 MBVisualizar/Abrir
2020AutorizacióndeAutores.pdf
  Restricted Access
418.39 kBVisualizar/Abrir  Request a copy


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons