Catálogo de publicaciones - tesis
Título de Acceso Abierto
Evalución de la capacidad de predicción de granizo de índices atmosféricos
Santiago Banchero Marcelo Soria
publishedVersion.
Resumen/Descripción – provisto por el repositorio digital
En la actividad agrícola existen muchos factores de riesgo que condicionan la producción, algunos pueden ser tratados por el hombre, como por ejemplo enfermedades o plagas pero también existen otros que no pueden ser controlados y que de suceder ponen en peligro la seguridad de las personas y producen grandes trastornos económicos. Este conjunto de factores de riesgo tienen que ver con el comportamiento de la atmósfera y los eventos extremos que surgen de ella. En particular, la ocurrencia de granizo constituye uno de los fenómenos meteorológicos capaces de infligir daños cuantiosos al deteriorar seriamente cultivos, construcciones y medios de transporte. Con el objetivo de evaluar cuál es la capacidad de predicción de ocurrencia de granizo de un conjunto de índices de inestabilidad, se procesaron 168 fechas del año 2015 donde hubo caída de granizo. Se utilizó la red de radares de INTA para la determinación de las áreas con desarrollo convectivo y esta informaci ón fue utilizada como target para la construcción de modelos de pronóstico. También se utilizaron datos del pronóstico operativo GFS de donde se extrajeron unas 60 variables de diferentes horarios a partir de las cuales se calcularon índices atmosféricos como Total Totals, K-Index, Showalter, SWEAT Index, entre otros. A partir de los índices y utilizando técnicas de agrupamiento como Modelos de Mezclas Gaussianas se realizaron clusters por fechas y horarios de pronósticos. Cruzando los clusters obtenidos con GFS y utilizando la información de los radares se etiquetaron los grupos como positivos o negativos según puedan o no desarrollar convección. Luego se verificó el comportamiento de los índices dentro de los clusters a partir de su condición de positivo o negativo y el comportamiento de estos fue adecuado con los umbrales de peligrosidad vistos en la bibliografía. Se ajustaron diferentes modelos de regresiones utilizando Support Vector Regression y regresiones regularizadas (Ridge y LASSO) para modelar el comportamiento de la probabilidad acumulada para valores mayores a 50 y 60 dBZ a partir de los índices atmosféricos. Los resultados de estos experimentos no fueron buenos y no fue posible modelar la densidad de dBZ a partir de los índices. También se ajustaron clasificadores con Random Forest a partir de los datos etiquetados con los clusters, estos resultados fueron muy buenos logrando un muy buen ajuste en testing. Con los modelos obtenidos se pronosticaron varias fechas y se mapearon las probabilidades de con que las celdas fueron clasificadas como positivas. Estos pronósticos se validaron con puntos de campo y los resultados mostraron una buena correlación espacial entre los puntos y las celdas con probabilidades mayor a 0.5 de ser positivas. Para cumplir con este trabajo se desarrolló una arquitectura de procesamiento compuesta por diferentes módulos que preparan los datos de cada uno de los proveedores. Esta plataforma modular fue implementada para que escale horizontalmente.Palabras clave – provistas por el repositorio digital
GRANIZO; RADARES METEOROLÓGICOS; GLOBAL FORECASR SYSTEM; PRONOSTICOS; DATA MINING; BIG DATA
Disponibilidad
| Institución detectada | Año de publicación | Navegá | Descargá | Solicitá |
|---|---|---|---|---|
| No requiere | 2017 | Biblioteca Digital (FCEN-UBA) (SNRD) |
|
Información
Tipo de recurso:
tesis
Idiomas de la publicación
- español castellano
País de edición
Argentina
Fecha de publicación
2017-08-28
Información sobre licencias CC
