Resumen de Spatial characterization of climatic variables for Arica-Parinacota and Tarapacá, Chile using topoclimatic analysis

Luis Morales Salinas, Giorgio Castellaro G., Nora Frederiksen, Luis Román Osorio, Jose Neira Roman, Guillermo Fuentes Jaque, Cristian Escobar Avaria, Felipe Morales

• español

  En el presente estudio se desarrollaron modelos para determinar la variación espaciotemporal mensual y anual de temperatura, precipitación y radiación solar con base en el análisis topoclimático de Arica-Parinacota y Tarapacá en el norte de Chile. Para construir las ecuaciones del modelo topoclimático, se compilaron en una base de datos la información de estaciones meteorológicas y factores fisiográficos (latitud, longitud, altitud y distancia a cuerpos de agua) obtenidos de un modelo digital del terreno con una resolución de 90 m. Las ecuaciones del modelo topoclimático se generaron mediante una regresión escalonada con una técnica de selección hacia atrás. Las ecuaciones para la temperatura media mensual, la precipitación y la radiación solar se determinaron mediante combinaciones lineales. Los resultados fueron estadísticamente significativos con coeficientes de determinación superiores al 90%, siendo más elevados que las bases de datos climáticas existentes para esta área.

• English

  In the present study, models were developed to determine the monthly and annual spatio-temporal variation of temperature, precipitation, and solar radiation based on topoclimatic analysis of Arica-Parinacota and Tarapacá in northern Chile. To construct the equations of the topoclimatic model, the data from meteorological stations and physiographic factors (latitude, longitude, altitude, and distance to bodies of water) obtained from a digital terrain model with a resolution of 90 m were compiled in a database. The equations of the topoclimatic model were generated by a stepwise regression with a backward selection technique. The equations for average monthly temperature, precipitation, and solar radiation were determined by linear combinations. The results were statistically significant with coefficients of determination greater than 90%, in addition to being greater than the existing climate databases for this area.