Evaluación de un interpolador geoespacial óptimo para predecir la precipitación mensual en el Departamento del Huila

Abstract

Esta investigación evalúa las metodologías de carácter no determinístico kriging, empirical bayesian kriging y cokriging, y el estimador determinístico inverso ponderado de la distancia (IDW por sus siglas en inglés), para la producción de mapas de precipitación mensual en el departamento de Huila, Colombia. El análisis usó la serie histórica (1930-2017) de la precipitación del IDEAM1 , seleccionando las estaciones que poseen una serie temporal de más de 15 años. Se usaron los datos de 116 estaciones climáticas, como variables de entrada en los modelos de interpolación. A partir de 576 interpolaciones realizadas con rutinas completas en software R y Python, y con técnicas de validación cruzada, se concluyó que la técnica Empirical Bayesian Kriging, presenta la mejor predicción de la precipitación mensual en el departamento del Huila con resolución espacial de 1km2 . El interpolador fue usado para generar capas de precipitación bajo escenarios del fenómeno El Niño, La Niña y Neutro encontrando valores para los coeficientes de determinación (r2 ) por encima de 0.83. Finalmente, la investigación encontró 68 áreas con potencial para establecer nuevas estaciones climáticas, así como la posibilidad de pronosticar el comportamiento de las lluvias a nivel departamental usando 80% de las estaciones actuales.