Validación y corrección de la precipitación estimada por satélite del producto chirps, usando el modelo de redes neuronales artificiales en la cuenca del Río Vilcanota- Región Cusco

• Autor: Delgado Quispe, Yordan Alexander
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Andina del Cusco
• Repositorio: UAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uandina.edu.pe:20.500.12557/3283
• Enlace del recurso: https://hdl.handle.net/20.500.12557/3283
• Nivel de acceso: acceso abierto
• Materia: Cuenca del río Vilcanota; Validación; Corrección; Redes neuronales artificiales; https://purl.org/pe-repo/ocde/ford#2.01.00

Esta investigación, aplicada en la cuenca del río Vilcanota en el periodo de 1981-2017, tiene como objetivo evaluar la calidad de la precipitación estimada por satélite CHIRPS, con información grillada a una resolución espacial de 0.05° x 0.05° (~ 5*5 km), con respecto a la precipitación observada por los pluviómetros. Para la precipitación diaria CHIRPS, de 20 estaciones meteorológicas, se conluye que, a pesar de tener mayores probabilidades de acertar en la detección, todavía existe un gran porcentaje considerable que se manifiesta como falsa alarma, a pesar de que el 35% de las estaciones muestran sesgo muy bueno, la totalidad de estaciones muestra la eficiencia como insatisfactorio y correlación mala e incluso en ciertos casos no hay correlación, comparado con otros productos; PISCO es mejor que CHIRPS y CHIRPM. En la precipitación mensual, de 31 estaciones meteorológicas, en general, hay mayores Probabilidades de Detección que la generación de Falsa Alarma, Sesgo muy bueno y bueno, Eficiencia muy buena y buena y Correlación excelente y buena. Se obtienen mejores resultados de sesgo, eficiencia y correlación en la variación estacional que anual. En la precipitacion mensual, estacional y anual, PISCO tiene mejores indicadores que CHIRPS y CHIRPM, excepto en las estaciones que no se utilizó para la generación de PISCO. Se logra corregir la información CHIRPS mediante el Modelo de Redes Neuronales Artificiales (RNA), determinándose que el MAE y PBIAS son los indicadores estadísticos que más se mejoran. Tras cumplir con los objetivos planteados en la investigación, se concluye que la información pluvial estimada por satélite del producto CHIRPS mediante una adecuada calibración y/o corrección se convierte en una valiosa alternativa de información para trabajos de gestión, monitoreo hidrometeorológico y modelización de la disponibilidad hídrica en la cuenca del río Vilcanota con limitaciones en términos de cobertura espacial y uniformidad temporal.