Mostrar el registro sencillo del ítem
dc.contributor.author | De León Pérez, D. | es_ES |
dc.contributor.author | Domínguez, E. | es_ES |
dc.date.accessioned | 2021-04-30T10:56:25Z | |
dc.date.available | 2021-04-30T10:56:25Z | |
dc.date.issued | 2021-04-30 | |
dc.identifier.issn | 1134-2196 | |
dc.identifier.uri | http://hdl.handle.net/10251/165813 | |
dc.description.abstract | [EN] Different hydroclimatology researchers apply eigenvectors-based techniques to compress large volumes of information while preserving the invariant structure of the original data. This research developed a methodology applying one of these techniques, Principal Component Analysis, on the elements of variability in hydroclimatic time series, and then to identify clusters with the “k-means” method. The result is a regionalized map by variable. Finally, these maps are intersected, obtaining areas with a homogeneous hydroclimatic structure, because the variables have similarity in their variance structure. In the case study, 8 variables were evaluated for Colombia (9268 time series), obtaining as a result 26 hydroclimatic regions. Obtaining hydroclimatically homogeneous regions offers the possibility of generating, among others, projects for climate change adaptation in a localized way to provide quasi-specific solutions that maximize results. | es_ES |
dc.description.abstract | [ES] Diferentes investigadores en hidroclimatología aplican técnicas basadas en autovectores para comprimir grandes volúmenes de información mientras conservan la estructura invariante de los datos originales. La presente investigación desarrolló una metodología que aplica una de estas técnicas, Análisis de Componentes Principales, a los elementos de variabilidad en series de tiempo hidroclimáticas y luego se identifican grupos o clústers mediante el método “k-means”. El resultado es un mapa regionalizado por variable. Finalmente se hace la intersección de estos mapas y obteniéndose áreas que presentan una estructura hidroclimática homogénea debido que las variables comparten su estructura de varianza. En el caso de estudio se evaluaron 8 variables para Colombia (9268 series de tiempo), obteniendo como resultado 26 regiones hidroclimáticas. Obtener regiones hidroclimáticamente homogéneas brinda la posibilidad de generar, entre otros, proyectos de adaptación al cambio climático de forma localizada con el fin de dar soluciones cuasi particulares que maximicen los resultados. | es_ES |
dc.description.sponsorship | A la Gobernación del Magdalena y a COLCIENCIAS por seleccionar al ing. David De León Pérez como beneficiario de una beca-crédito condonable mediante la convocatoria 672 de COLCIENCIAS “Formación de capital humano de alto nivel para el departamento del Magdalena 2014” (Maestría Nacional). Al equipo del Taller S-Multistor que brindó su apoyo en medio de la Cooperación Programática entre la Dirección General de Cooperación Internacional (DGIS) del Ministerio de Asuntos Exteriores de los Países Bajos e IHE Delft, a través de la participación de la Facultad de Estudios Ambientales y Rurales de la Pontificia Universidad Javeriana (Bogotá, Colombia). | es_ES |
dc.language | Español | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.relation.ispartof | Ingeniería del agua | es_ES |
dc.rights | Reconocimiento - No comercial - Compartir igual (by-nc-sa) | es_ES |
dc.subject | Hydroclimatic regionalization | es_ES |
dc.subject | Homogenous areas | es_ES |
dc.subject | Hydroclimatology | es_ES |
dc.subject | Climatology | es_ES |
dc.subject | Hydroclimatic variability | es_ES |
dc.subject | Time series | es_ES |
dc.subject | Principal components analysis | es_ES |
dc.subject | Regionalización hidroclimática | es_ES |
dc.subject | Áreas homogéneas | es_ES |
dc.subject | Hidroclimatología | es_ES |
dc.subject | Climatología | es_ES |
dc.subject | Variabilidad hidroclimática | es_ES |
dc.subject | Series de tiempo | es_ES |
dc.subject | Análisis de componentes principales | es_ES |
dc.title | Determinación de áreas hidroclimáticamente homogéneas. Una propuesta técnica | es_ES |
dc.title.alternative | Determination of hydroclimatically homogeneous areas. A technical proposal | es_ES |
dc.type | Artículo | es_ES |
dc.identifier.doi | 10.4995/ia.2021.14659 | |
dc.rights.accessRights | Abierto | es_ES |
dc.description.bibliographicCitation | De León Pérez, D.; Domínguez, E. (2021). Determinación de áreas hidroclimáticamente homogéneas. Una propuesta técnica. Ingeniería del agua. 25(2):97-114. https://doi.org/10.4995/ia.2021.14659 | es_ES |
dc.description.accrualMethod | OJS | es_ES |
dc.relation.publisherversion | https://doi.org/10.4995/ia.2021.14659 | es_ES |
dc.description.upvformatpinicio | 97 | es_ES |
dc.description.upvformatpfin | 114 | es_ES |
dc.type.version | info:eu-repo/semantics/publishedVersion | es_ES |
dc.description.volume | 25 | es_ES |
dc.description.issue | 2 | es_ES |
dc.identifier.eissn | 1886-4996 | |
dc.relation.pasarela | OJS\14659 | es_ES |
dc.description.references | Abadi, A.M., Rowe, C.M., Andrade, M. 2019. Climate regionalization in Bolivia: A combination of non-hierarchical and consensus clustering analyses based on precipitation and temperature. International Journal of Climatology, 40(10), 4408-4421. https://doi.org/10.1002/joc.6464 | es_ES |
dc.description.references | Aliaga, V.S., Ferrelli, F., Piccolo, M.C. 2017. Regionalization of climate over the Argentine Pampas. International Journal of Climatology, 37(S1), 1237-1247. https://doi.org/10.1002/joc.5079 | es_ES |
dc.description.references | Arthur, D., Vassilvitskii, S. 2007. k-means++: The advantages of careful seeding. In: Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms. Society for Industrial and Applied Mathematics, pp. 1027-1035. https://dl.acm.org/doi/10.5555/1283383.1283494 | es_ES |
dc.description.references | Badr, H., Zaitchik, B.F., Dezfuli, A.K. 2015. A tool for hierarchical climate regionalization. Earth Science Informatics, 8, 945-958. https://doi.org/10.1007/s12145-015-0221-7 | es_ES |
dc.description.references | Bradley, J. 1968. Distribution-Free Statistical Tests. Prentice-Hall, Englewood Cliffs, NJ, 283-310. | es_ES |
dc.description.references | Coulibaly, P., Evora, N.D. 2005. Comparison of neural network methods for infilling missing daily weather records. Journal of Hydrogy, 341 (1-2), 27-41. https://doi.org/10.1016/j.jhydrol.2007.04.020 | es_ES |
dc.description.references | De Gooijer, J. 2017. Elements of Nonlinear Time Series Analysis and Forecasting. Springer Series in Statistics. Springer International Publishing. https://doi.org/10.1007/978-3-319-43252-6 | es_ES |
dc.description.references | De León Pérez, D. 2017. Análisis de sincronización espacio-temporal de señales océano-atmosféricas y variables hidroclimatológicas de Colombia. Tesis de maestría, Facultad de Ingeniería, Pontificia Universidad Javeriana. http://hdl.handle.net/10554/35731. | es_ES |
dc.description.references | Dingman, S.L. 2015. Physical Hydrology: Third Edition. Waveland Press. https://www.waveland.com/browse.php?t=382 | es_ES |
dc.description.references | Domínguez, E., Angarita, H., Rivera, H. 2010. Viabilidad para pronósticos hidrológicos de niveles diarios, semanales y decadales en Colombia. Ingeniería e investigación, 30(2), 178-187. Disponible en http://www.scielo.org.co/pdf/iei/v30n2/v30n2a18.pdf. Último acceso: marzo de 2021. | es_ES |
dc.description.references | Dubois, P., Hinsen, K., Hugunin, J. 1996. Numerical python. Computers in Physics, 10(3), 262. https://doi.org/10.1063/1.4822400 | es_ES |
dc.description.references | Environmental Systems Research Institute (ESRI). 2015. Arcgis for desktop. http://www.esri.com | es_ES |
dc.description.references | Fedorov, V. 2015. Spatial and temporal variations in solar climate of earth in the present epoch. Izvestiya, Atmospheric and Oceanic Physics, 51(8), 779-791. https://doi.org/10.1134/S0001433815080034 | es_ES |
dc.description.references | Gómez Lende, S. 2011. Región y regionalización: Su teoría y su método. El nuevo orden espacial del territorio argentino. Universidad del Bío-Bío, 26, 83-122. http://www.ubiobio.cl/miweb/webfile/media/222/Tiempo/2011/%2327.05.pdf | es_ES |
dc.description.references | Govindaraju, R.S., 2000. Artificial neural networks in hydrology. ii: Hydrologic applications. Journal of Hydrologic Engineering, 5(2), 124-137. https://doi.org/10.1061/(ASCE)1084-0699(2000)5:2(124) | es_ES |
dc.description.references | Grubbs, F.E. 1950. Sample criteria for testing outlying observations. Annals of Mathematical Statistics, 21(1), 27-58. https://doi.org/10.1214/aoms/1177729885 | es_ES |
dc.description.references | Haan, C. 1977. Statistical Methods in Hydrology. Iowa State University Press. http://hdl.handle.net/1969.3/24532 | es_ES |
dc.description.references | Hannachi, A. 2004. A primer for eof analysis of climate data. Department of Meteorology, University of Reading, 1-33. | es_ES |
dc.description.references | HIMAT. 1978. Resolución 00337, por el cual se adopta un sistema de codificación para las estaciones hidrometeorológicas. Instituto Colombiano de Hidrología, Meteorología y Adecuación de Tierras, Bogotá, Colombia. | es_ES |
dc.description.references | Hotellin, H. 1933. Analysis of a complex of statistical variables into principal components. Journal of Educational Psychology, 24, 417-441. https://doi.org/10.1037/h0071325 | es_ES |
dc.description.references | Hunter, J.D. 2007. Matplotlib: A 2d graphics environment. Computing In Science & Engineering, 9(3), 90-95. https://doi.org/10.1109/MCSE.2007.55 | es_ES |
dc.description.references | IDEAM. 2001. El medio ambiente en Colombia, 2nd Edición. Instituto de Hidrología, Meteorología y Estudios Ambientales, IDEAM, Bogotá D.C., Colombia. http://www.ideam.gov.co | es_ES |
dc.description.references | IPCC, Stocker, T., Qin, D., Plattner, G.K., Tignor, M., Allen, S., Boschung, J., Nauels, A., Xia, Y., Bex, V., Midgley, P. 2013. Annex III: Glossary. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, book section AIII, p. 1447-1466. https://www.climatechange2013.org | es_ES |
dc.description.references | Jones, E., Oliphant, T., Peterson, P., et al. 2001. SciPy: Open source scientific tools for Python. http://www.scipy.org/ | es_ES |
dc.description.references | Leland, C., Pederson, N., Hessl, A.m Nachin, D, Davi, N., D'Arrigo, R., Jacoby, G., 2013. Climate regionalization in Bolivia: A combination of non-hierarchical and consensus clustering analyses based on precipitation and temperature. Dendrochronologia, 31(3), 205-215. https://doi.org/10.1016/j.dendro.2012.11.003 | es_ES |
dc.description.references | León, G., Zea, J., Eslava, J. 2000. Circulación general del trópico y la zona de confluencia intertropical en Colombia. Meteorología Colombiana, 1, 31-38. http://168.176.14.11/fileadmin/content/geociencias/revista_meteorologia_colombiana/numero01/01_05.pdf | es_ES |
dc.description.references | Leys, C., Ley, C., Klein, O., Bernard, P., Licata, L. 2013. Detecting outliers: Do not use standard deviation around the mean, use absolute deviation around the median. Journal of Experimental Social Psychology, 49(4), 764-766. https://doi.org/10.1016/j.jesp.2013.03.013 | es_ES |
dc.description.references | Lorenz, E.N. 1970. Climatic change as a mathematical problem. Journal of Applied Meteorology, 9(3), 325-329. https://doi.org/10.1175/1520-0450(1970)009%3C0325:CCAAMP%3E2.0.CO;2 | es_ES |
dc.description.references | MADS. 2012. Decreto 1640, por medio del cual se reglamenta los instrumentos para la planificación ordenación y manejo de las cuencas hidrográficas y acuíferos, y se dictan otras disposiciones. Ministerio de Ambiente y Desarrollo Sostenible, Bogotá, Colombia. Disponible en https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=49987 | es_ES |
dc.description.references | Malcolm, G.A., McDonnell, J.J. 2005. Encyclopedia of hydrological science. John Wiley & Sons Ltd. https://doi.org/10.1002/0470848944 | es_ES |
dc.description.references | McKinney, W. 2010. Pandas: a foundational python library for data analysis and statistics. Python for High Performance and Scientific Computing, 14(9), 1-9. | es_ES |
dc.description.references | Mesa, O.J., Poveda, G., Carvajal, L. 1997. Introducción al clima de Colombia. Universidad Nacional de Colombia. | es_ES |
dc.description.references | Montgomery, D., Jennings, C., Kulahci, M. 2015. Introduction to Time Series Analysis and Forecasting. Wiley Series in Probability and Statistics. Wiley. https://onlinelibrary.wiley.com/doi/abs/10.1111/jtsa.12203 | es_ES |
dc.description.references | Montoya Gaviria, G. d. J. 2008. Lecciones de meteorología dinámica y modelamiento atmosférico. Universidad Nacional de Colombia. Facultad de Ciencias. http://ciencias.bogota.unal.edu.co/fileadmin/Facultad_de_Ciencias/Publicaciones/Archivos_Libros/Libros_Geociencias/Lecciones_de_Meteorologia_dinamica/Metereologia.pdf | es_ES |
dc.description.references | Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., Duch- esnay, E. 2011. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, Microtome Publishing. hal-00650905v1. Disponible en https://hal.inria.fr/hal-00650905v1. Último acceso: marzo de 2021. | es_ES |
dc.description.references | Poveda, G. 2004. La Hidroclimatología de Colombia: Una síntesis desde la escala inter-decadal hasta la escala diurna. Revista de la Academia Colombiana de Ciencias, 28(107), 201-222. Disponible en https://www.accefyn.com/revista/Vol_28/107/201-222.pdf. | es_ES |
dc.description.references | Último acceso: marzo de 2021. | es_ES |
dc.description.references | Poveda, G., Jaramillo, A., Mantilla, R. 2001. Asociación entre el fenómeno el niño y las anomalías de humedad del suelo y del índice "ndvi" en colombia. In: IX Congreso Latinoamericano e Ibérico de Meteorología y VIII Congreso Argentino de Meteorología. p. 8. | es_ES |
dc.description.references | http://www.accefyn.com/revista/Vol_28/107/201-222.pdf | es_ES |
dc.description.references | Poveda, G., Mesa, O.J. 1997. Feedbacks between hydrological processes in tropical south america and large-scale ocean-atmospheric phenomena. Journal of Climate, 10(10), 2690-2702. https://doi.org/10.1175/1520-0442(1997)010%3C2690:FBHPIT%3E2.0.CO;2 | es_ES |
dc.description.references | Python Core Team. 2017. Python: A dynamic, open source programming language. https://www.python.org/. | es_ES |
dc.description.references | R Core Team. 2017. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/ | es_ES |
dc.description.references | Rossum, G. 1995. Python reference manual. Tech. rep., CWI (Centre for Mathematics and Computer Science), Amsterdam, The Netherlands, The Netherlands. | es_ES |
dc.description.references | Samarasinghe, S. 2016. Neural networks for applied sciences and engineering: from fundamentals to complex pattern recognition. CRC Press. 25, 33 | es_ES |
dc.description.references | Velasco, A. 2016. Integración del concepto de variabilidad hidroclimática en pronósticos hidrológicos de largo plazo de resolución mensual en Colombia. Tesis de maestría, Facultad de Ingeniería, Pontificia Universidad Javeriana. http://hdl.handle.net/10554/19628 | es_ES |
dc.description.references | Ward, J.H., Marion, JR. 1963. Application of an Hierarchical Grouping Procedure to a Problem of Grouping Profiles. Educational and Psychological Measurement, 23(1), 69-81. https://doi.org/10.1177/001316446302300107 | es_ES |
dc.description.references | White, D., Richman, M., Yarnal, B. 1991. Climate regionalization and rotation of principal components. International Journal of Climatology, 11(1), 1-25. http://doi.org/10.1002/joc.3370110102 | es_ES |
dc.description.references | WMO. 1994. Guía de prácticas hidrológicas: adquisición y proceso de datos, análisis, predicción y otras aplicaciones. Organización Meteorológica Mundial. http://www.whycos.org/hwrp/guide/index_es.php | es_ES |