Interpolación espacial de la precipitación media mensual en la cuenca del río Bravo/Grande

• Núñez-López, Daniel ^[1] ; Treviño-Garza, Eduardo Javier ^[1] ; Reyes-Gómez, Víctor Manuel ; Muñoz-Robles, Carlos Alfonso ^[2] ; Aguirre-Calderón, Oscar Alberto ^[1] ; Jiménez-Pérez, Javier ^[1]
  1. [1] Universidad Autónoma de Nuevo León

     Universidad Autónoma de Nuevo León

     México

     
  2. [2] Universidad Autónoma de San Luis Potosí

     Universidad Autónoma de San Luis Potosí

     México

     
• Localización: Tecnología y Ciencias del Agua, ISSN-e 2007-2422, Vol. 4, Nº. 2 (abril-junio de 2013), 2013, págs. 185-193
• Idioma: español
• Títulos paralelos:
  • Spatial interpolation of monthly mean precipitation in the Rio Bravo/Grande basin
• Enlaces
  • Texto completo
• Resumen
  • español

    La precipitación es una de las principales variables climáticas empleadas paradescribir procesos hidrológicos; sin embargo, su representación espacial es difícilen áreas con efecto orográfico complejo y escasa disponibilidad de estaciones. En elpresente estudio se analizaron datos mensuales de precipitación para representarde manera fiable la distribución espacial de la precipitación media mensual (PMM)en la cuenca del río Bravo/Grande (CRB). Se utilizaron datos de 201 estacionesclimáticas ubicadas al interior y en los alrededores de la cuenca. Con la informacióndel 60% de estaciones seleccionadas de forma aleatoria se ajustaron modelos deregresión múltiple para predecir la PMM a partir de la elevación, la complejidad delrelieve, la proximidad de zonas marítimas y la localización geográfica de estacionesclimáticas, que explicaron entre 70 y 82% la variabilidad espacial de la precipitaciónque ocurre durante los meses del periodo húmedo. Se obtuvieron mapasmensuales de PMM calibrados espacialmente con la interpolación de los residuales.Con el restante 40% de estaciones se llevaron a cabo pruebas de validaciónestadística antes y después de la calibración. Las pruebas de validación mostraronvalores de eficiencia (EF) comprendidos entre 0.41 y 0.82, y valores porcentuales delerror medio absoluto (%EMA) entre 19.1 y 39.5%, siendo los modelos del periodocomprendido entre mayo y agosto los de mejor capacidad predictiva. La calibraciónde los modelos mejoró de manera significativa la fiabilidad de las interpolacionesen la totalidad de los modelos (EF entre 0.60 y 0.90, y %EMA entre 16.2 y 30.1),permitiendo obtener coberturas geográficas fiables de alta resolución espacial y conpotencial de poder considerarlas como variables de entrada en modelos orientadosa evaluar procesos hidrológicos en la CRB.

  • English

    Precipitation is one of the primary climatic variables used to describe hydrological processes.Nevertheless, their spatial representation is difficult in areas with complex orographic effects and limited coverage of weather stations. The present study analyzed monthly rainfall data in order to reliably represent the spatial distribution of monthly mean precipitation (MMP) in the Bravo/Grande River Basin (CRB). Data were used from 201 weather stations located inside and around the basin. With information from 60% of the stations, selected randomly, multiple linear regression models were fitted to predict MMP as a function of elevation, complexity of the topography, coastal proximity and geographic location of stations, which explained between 70 and 82% of the spatial variability of precipitation occurring during the rainy period. Monthly maps of MMP were obtained, which were spatially calibrated by interpolating the residuals. Validation tests of the spatial calibration were conducted before and after for the remaining 40% of the stations. The validation tests showed efficiency values (EF) between 0.41 and 0.82 and mean absolute percentage error values (%EMA) between 19.1% and 39.5%. The best predictive months were from May to August. The calibration of the models significantly improved the reliability of the interpolations for every month (EF between 0.60 and 0.90, %EMA between 16.2% and 30.1%), making it possible to obtain reliable geographical coverage and high spatial resolution, with the potential for considering them as input variables in models to assess hydrological processes in the CRB.