Examinando por Autor "Ospina Galindez, Johann Alexis"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Comparación de métodos de estimación de datos faltantes en series de precipitación diaria en el Valle del Cauca.
    (2019-10-22) Russi Peña, Jessica; Larrahondo Méndez, Eider Alonso; Ospina Galindez, Johann Alexis; Conde Arango, Gabriel
    Los datos de series climáticas se ven afectadas por la existencia de datos faltantes, por ejemplo en interrupciones ocasionales de estaciones automáticas, mal funcionamiento del instrumento de medición o reorganizaciones de la red de monitoreo. Los resultados de cualquier modelo y análisis estadístico podrían deteriorarse cuando se utilizan registros incompletos como entrada, por esto, la estimación de los datos faltantes se convierte en prioridad en el proceso de preparación de datos, que en conjunto con otras metodologías estadísticas aplicadas dejan los datos listos para su respectivo análisis. De esta forma, en este trabajo se describe y se comparan cuatro metodologías de estimación estadística, por medio de tres indicadores de desempeño (ECM - Error Cuadrático Medio, RECM - Raíz del Error Cuadrático Medio, CVRECM -Coeficiente de Variación del Error Cuadrático Medio), tres de ellas basadas en datos georreferenciados (K-Vecinos Cercanos, Distancia Inversa Ponderada, Kriging Ordinario) y una en estimaciones a partir de la información con la que se disponga de estaciones climáticas adyacentes (Regresión Lineal), para la estimación de datos faltantes en series diarias de precipitación en el Valle del Cauca, según la zona (valle o montaña) en la que se encuentre la estación climática que se va a estimar y el porcentaje de datos faltantes que se deba estimar (10,15 y 20 %). De los resultados obtenidos se destaca que el método Kriging Ordinario obtuvo el mejor desempeño en la zona de valle bajo un porcentaje de datos faltantes del 10 %, el método Regresión Lineal se desempeñó mejor en la zona de valle con un 15% de datos faltantes, el método Distancia Inversa Ponderada se desempeñó mejor en la zona de valle bajo un 20% de datos faltantes y en la zona de montaña bajo un 10% y finalmente el método K-Vecinos más cercanos se desempeñó mejor en la zona de montaña bajo un 15% y 20% de datos faltantes.
  • Miniatura
    PublicaciónAcceso abierto
    Metodología para estimar material particulado PM2.5 integrando datos de estaciones de monitoreo y sensores remotos en el área urbana de la ciudad de Medellín.
    (Universidad del Valle, 2021) Culma Ortiz, Ivan Andres; Hernandez Torres, Francisco Luis; Ospina Galindez, Johann Alexis
    La contaminación atmosférica es una problemática que enfrentan la mayoría de las ciudades del mundo, puesto que puede causar enfermedades respiratorias, daños en cultivos agrícolas, entre otros. La presente investigación estima concentraciones de PM2.5 en el área urbana de la ciudad de Medellín para 26 fechas disponibles libres de nubosidad para datos del Espectro radiómetro de imágenes de resolución moderada (MODIS) a una resolución de 500 metros, durante los años 2019 y 2020; empleando técnicas de percepción remota mediante un algoritmo simplificado de recuperación de aerosoles (SARA) aplicado a los datos de entrada se recuperó el espesor óptico de aerosoles (AOD). Dado que distintos estudios han demostrado la relación positiva entre AOD y PM2.5, se generaron modelos de regresión lineal obteniendo un coeficiente de determinación R 2 = 0.886 para el mejor de los casos y un promedio de R 2 = 0.66 y desviación estándar de 4.85 ¿g/m3 para todas las fechas evaluadas; a partir de las regresiones lineales se estimó las concentraciones de PM2.5 dentro de toda el área de estudio, obteniendo mediciones que se encuentran apartadas de la red de estaciones de monitoreo tradicional. Se utilizó el análisis de datos funcionales (ADF) para modelar el comportamiento del PM2.5 durante las fechas de estudio para los años 2019 y 2020. Durante las fechas del año 2019 se evidenciaron días que superaron los 25 ¿g/m3 ; mientras que para las fechas del año 2020 se presentaron valores inferiores promedios de 10 ¿g/m3 , reflejando probablemente el impacto positivo en las concentraciones de PM2.5 durante la pandemia, aumento de precipitaciones y/o velocidades del viento, entre otras variaciones climáticas. El uso de metodologías basadas en sensores remotos como alternativa para complementar y/o sustituir los métodos tradicionales, presenta gran importancia en temas de costos y distribución espacial de los datos.
  • Miniatura
    PublicaciónAcceso abierto
    Modelo de regresión funcional de la precipitación pentadal, integrando datos de estaciones climáticas y de satélite.
    (2019-02-20) Ospina Galindez, Johann Alexis; Andrade Bejarano, Mercedes; Giraldo Henao, Ramón
    El conocimiento del comportamiento de las variables climáticas y su modelación ayudan a predecir, pronosticar, monitorear el cambio climático y a caracterizar los fenómenos naturales relacionados con el clima que afectan el medio ambiente y los recursos hídricos que determinan la agricultura en una región. Es por ello que la modelación de variables climáticas, es uno de los objetivos del Grupo de Investigación en Estadística Aplicada INFERIR. El presente proyecto de investigación está enmarcado dentro de la línea de investigación en Regresión y Predicción del grupo INFERIR y tiene como meta modelar la precipitación pentadal en el Valle del Cauca en el período 1993-2011, con el fín de generar información que sirva de insumo para la toma de decisiones de los agricultores, centros de investigación, corporaciones autónomas regionales e instituciones de salud, entre otros.