Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c
- Autores
- Ruiz Suarez, Sofia Helena; Sued, Raquel Mariela; Vidal, Luciano; Salio, Paola Veronica; Rodriguez, Daniela; Nesbitt, Stephen; Garcia Skabar, Yanina
- Año de publicación
- 2019
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Los datos provenientes de los radares meteorológicos son de suma importancia para el diagnóstico y monitoreo de los sistemas que producen precipitación y sus posibles fenómenos severos asociados. Los ecos causados por objetivos no meteorológicos introducen errores en la información por lo que es necesario detectar la presencia de los mismos previo a la utilización de los datos. Este trabajo presenta cuatro técnicas de clasificación supervisada basadas en diferentes modelos estadísticos que buscan dar una respuesta a este problema. Asimismo como parte importante de este trabajo, se aplicaron técnicas de remuestreo estadísticas sobre los datos de entrenamiento, las que permitieron hacer un análisis más completo sobre los resultados. En la actualidad, las técnicas de remuestreo son herramientas fundamentales en la estadística moderna. Las mismas, a partir de simulaciones sobre los datos, permiten obtener información adicional sobre los modelos planteados. Para este trabajo se realizó un estudio de caso con datos provenientes del radar meteorológico Doppler banda C de doble polarización ubicado en la Estación Experimental Agropecuaria INTA Anguil (La Pampa). Partiendo de la clasificación manual de un experto, se aplicaron cuatro métodos de clasificación supervisada de diferentes grados de flexibilidad en su estructura: Modelo lineal, Modelo Cuadrático, Modelo Logístico y Modelo de Bayes Naive. Luego se compararon los resultados y se evaluó el desempeño de cada uno de ellos. Si bien se encontraron dificultades a la hora de clasificar las zonas de frontera entre clases, los resultados obtenidos fueron adecuados, mostrando el mejor desempeño el modelo menos flexible, el modelo lineal. Se considera necesario seguir avanzando en esta línea de investigación a fin de incorporar una mayor cantidad de casos y tener una mayor significancia de los resultados.
Fil: Ruiz Suarez, Sofia Helena. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); Argentina
Fil: Sued, Raquel Mariela. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Cálculo; Argentina
Fil: Vidal, Luciano. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); Argentina
Fil: Salio, Paola Veronica. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y los Océanos; Argentina. Instituto Franco-Argentino sobre Estudios del Clima y sus Impactos; Argentina
Fil: Rodriguez, Daniela. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Cálculo; Argentina
Fil: Nesbitt, Stephen. University of Illinois; Estados Unidos
Fil: Garcia Skabar, Yanina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); Argentina. Instituto Franco-Argentino sobre Estudios del Clima y sus Impactos; Argentina - Materia
-
CLASIFICACIÓN SUPERVISADA
REMUESTREO
ECO NO METEOROLÓGICO
RADAR METEOROLÓGICO - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
.jpg)
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/154691
Ver los metadatos del registro completo
| id |
CONICETDig_b59539960ca5bb502cee2c5694f65cca |
|---|---|
| oai_identifier_str |
oai:ri.conicet.gov.ar:11336/154691 |
| network_acronym_str |
CONICETDig |
| repository_id_str |
3498 |
| network_name_str |
CONICET Digital (CONICET) |
| spelling |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda cRuiz Suarez, Sofia HelenaSued, Raquel MarielaVidal, LucianoSalio, Paola VeronicaRodriguez, DanielaNesbitt, StephenGarcia Skabar, YaninaCLASIFICACIÓN SUPERVISADAREMUESTREOECO NO METEOROLÓGICORADAR METEOROLÓGICOhttps://purl.org/becyt/ford/1.5https://purl.org/becyt/ford/1Los datos provenientes de los radares meteorológicos son de suma importancia para el diagnóstico y monitoreo de los sistemas que producen precipitación y sus posibles fenómenos severos asociados. Los ecos causados por objetivos no meteorológicos introducen errores en la información por lo que es necesario detectar la presencia de los mismos previo a la utilización de los datos. Este trabajo presenta cuatro técnicas de clasificación supervisada basadas en diferentes modelos estadísticos que buscan dar una respuesta a este problema. Asimismo como parte importante de este trabajo, se aplicaron técnicas de remuestreo estadísticas sobre los datos de entrenamiento, las que permitieron hacer un análisis más completo sobre los resultados. En la actualidad, las técnicas de remuestreo son herramientas fundamentales en la estadística moderna. Las mismas, a partir de simulaciones sobre los datos, permiten obtener información adicional sobre los modelos planteados. Para este trabajo se realizó un estudio de caso con datos provenientes del radar meteorológico Doppler banda C de doble polarización ubicado en la Estación Experimental Agropecuaria INTA Anguil (La Pampa). Partiendo de la clasificación manual de un experto, se aplicaron cuatro métodos de clasificación supervisada de diferentes grados de flexibilidad en su estructura: Modelo lineal, Modelo Cuadrático, Modelo Logístico y Modelo de Bayes Naive. Luego se compararon los resultados y se evaluó el desempeño de cada uno de ellos. Si bien se encontraron dificultades a la hora de clasificar las zonas de frontera entre clases, los resultados obtenidos fueron adecuados, mostrando el mejor desempeño el modelo menos flexible, el modelo lineal. Se considera necesario seguir avanzando en esta línea de investigación a fin de incorporar una mayor cantidad de casos y tener una mayor significancia de los resultados.Fil: Ruiz Suarez, Sofia Helena. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); ArgentinaFil: Sued, Raquel Mariela. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Cálculo; ArgentinaFil: Vidal, Luciano. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); ArgentinaFil: Salio, Paola Veronica. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y los Océanos; Argentina. Instituto Franco-Argentino sobre Estudios del Clima y sus Impactos; ArgentinaFil: Rodriguez, Daniela. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Cálculo; ArgentinaFil: Nesbitt, Stephen. University of Illinois; Estados UnidosFil: Garcia Skabar, Yanina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); Argentina. Instituto Franco-Argentino sobre Estudios del Clima y sus Impactos; ArgentinaCentro Argentino de Meteorólogos2019-08info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/154691Ruiz Suarez, Sofia Helena; Sued, Raquel Mariela; Vidal, Luciano; Salio, Paola Veronica; Rodriguez, Daniela; et al.; Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c; Centro Argentino de Meteorólogos; Meteorológica; 44; 1; 8-2019; 45-650325-187X1850-468XCONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://www.meteorologica.org.ar/nota/tecnicas-de-clasificacion-supervisada-para-la-discriminacion-entre-ecos-meteorologicos-y-no-meteorologicos-usando-informacion-de-un-radar-de-banda-c/info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:21:27Zoai:ri.conicet.gov.ar:11336/154691instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:21:27.821CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
| dc.title.none.fl_str_mv |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c |
| title |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c |
| spellingShingle |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c Ruiz Suarez, Sofia Helena CLASIFICACIÓN SUPERVISADA REMUESTREO ECO NO METEOROLÓGICO RADAR METEOROLÓGICO |
| title_short |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c |
| title_full |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c |
| title_fullStr |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c |
| title_full_unstemmed |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c |
| title_sort |
Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c |
| dc.creator.none.fl_str_mv |
Ruiz Suarez, Sofia Helena Sued, Raquel Mariela Vidal, Luciano Salio, Paola Veronica Rodriguez, Daniela Nesbitt, Stephen Garcia Skabar, Yanina |
| author |
Ruiz Suarez, Sofia Helena |
| author_facet |
Ruiz Suarez, Sofia Helena Sued, Raquel Mariela Vidal, Luciano Salio, Paola Veronica Rodriguez, Daniela Nesbitt, Stephen Garcia Skabar, Yanina |
| author_role |
author |
| author2 |
Sued, Raquel Mariela Vidal, Luciano Salio, Paola Veronica Rodriguez, Daniela Nesbitt, Stephen Garcia Skabar, Yanina |
| author2_role |
author author author author author author |
| dc.subject.none.fl_str_mv |
CLASIFICACIÓN SUPERVISADA REMUESTREO ECO NO METEOROLÓGICO RADAR METEOROLÓGICO |
| topic |
CLASIFICACIÓN SUPERVISADA REMUESTREO ECO NO METEOROLÓGICO RADAR METEOROLÓGICO |
| purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.5 https://purl.org/becyt/ford/1 |
| dc.description.none.fl_txt_mv |
Los datos provenientes de los radares meteorológicos son de suma importancia para el diagnóstico y monitoreo de los sistemas que producen precipitación y sus posibles fenómenos severos asociados. Los ecos causados por objetivos no meteorológicos introducen errores en la información por lo que es necesario detectar la presencia de los mismos previo a la utilización de los datos. Este trabajo presenta cuatro técnicas de clasificación supervisada basadas en diferentes modelos estadísticos que buscan dar una respuesta a este problema. Asimismo como parte importante de este trabajo, se aplicaron técnicas de remuestreo estadísticas sobre los datos de entrenamiento, las que permitieron hacer un análisis más completo sobre los resultados. En la actualidad, las técnicas de remuestreo son herramientas fundamentales en la estadística moderna. Las mismas, a partir de simulaciones sobre los datos, permiten obtener información adicional sobre los modelos planteados. Para este trabajo se realizó un estudio de caso con datos provenientes del radar meteorológico Doppler banda C de doble polarización ubicado en la Estación Experimental Agropecuaria INTA Anguil (La Pampa). Partiendo de la clasificación manual de un experto, se aplicaron cuatro métodos de clasificación supervisada de diferentes grados de flexibilidad en su estructura: Modelo lineal, Modelo Cuadrático, Modelo Logístico y Modelo de Bayes Naive. Luego se compararon los resultados y se evaluó el desempeño de cada uno de ellos. Si bien se encontraron dificultades a la hora de clasificar las zonas de frontera entre clases, los resultados obtenidos fueron adecuados, mostrando el mejor desempeño el modelo menos flexible, el modelo lineal. Se considera necesario seguir avanzando en esta línea de investigación a fin de incorporar una mayor cantidad de casos y tener una mayor significancia de los resultados. Fil: Ruiz Suarez, Sofia Helena. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); Argentina Fil: Sued, Raquel Mariela. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Cálculo; Argentina Fil: Vidal, Luciano. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); Argentina Fil: Salio, Paola Veronica. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y los Océanos; Argentina. Instituto Franco-Argentino sobre Estudios del Clima y sus Impactos; Argentina Fil: Rodriguez, Daniela. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Cálculo; Argentina Fil: Nesbitt, Stephen. University of Illinois; Estados Unidos Fil: Garcia Skabar, Yanina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Ministerio de Defensa. Secretaría de Planeamiento. Servicio Meteorológico Nacional. Servicio Meteorológico Nacional (sede Dorrego); Argentina. Instituto Franco-Argentino sobre Estudios del Clima y sus Impactos; Argentina |
| description |
Los datos provenientes de los radares meteorológicos son de suma importancia para el diagnóstico y monitoreo de los sistemas que producen precipitación y sus posibles fenómenos severos asociados. Los ecos causados por objetivos no meteorológicos introducen errores en la información por lo que es necesario detectar la presencia de los mismos previo a la utilización de los datos. Este trabajo presenta cuatro técnicas de clasificación supervisada basadas en diferentes modelos estadísticos que buscan dar una respuesta a este problema. Asimismo como parte importante de este trabajo, se aplicaron técnicas de remuestreo estadísticas sobre los datos de entrenamiento, las que permitieron hacer un análisis más completo sobre los resultados. En la actualidad, las técnicas de remuestreo son herramientas fundamentales en la estadística moderna. Las mismas, a partir de simulaciones sobre los datos, permiten obtener información adicional sobre los modelos planteados. Para este trabajo se realizó un estudio de caso con datos provenientes del radar meteorológico Doppler banda C de doble polarización ubicado en la Estación Experimental Agropecuaria INTA Anguil (La Pampa). Partiendo de la clasificación manual de un experto, se aplicaron cuatro métodos de clasificación supervisada de diferentes grados de flexibilidad en su estructura: Modelo lineal, Modelo Cuadrático, Modelo Logístico y Modelo de Bayes Naive. Luego se compararon los resultados y se evaluó el desempeño de cada uno de ellos. Si bien se encontraron dificultades a la hora de clasificar las zonas de frontera entre clases, los resultados obtenidos fueron adecuados, mostrando el mejor desempeño el modelo menos flexible, el modelo lineal. Se considera necesario seguir avanzando en esta línea de investigación a fin de incorporar una mayor cantidad de casos y tener una mayor significancia de los resultados. |
| publishDate |
2019 |
| dc.date.none.fl_str_mv |
2019-08 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/154691 Ruiz Suarez, Sofia Helena; Sued, Raquel Mariela; Vidal, Luciano; Salio, Paola Veronica; Rodriguez, Daniela; et al.; Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c; Centro Argentino de Meteorólogos; Meteorológica; 44; 1; 8-2019; 45-65 0325-187X 1850-468X CONICET Digital CONICET |
| url |
http://hdl.handle.net/11336/154691 |
| identifier_str_mv |
Ruiz Suarez, Sofia Helena; Sued, Raquel Mariela; Vidal, Luciano; Salio, Paola Veronica; Rodriguez, Daniela; et al.; Técnicas de clasificación supervisada para la discriminación entre ecos meteorológicos y no meteorológicos usando información de un radar de banda c; Centro Argentino de Meteorólogos; Meteorológica; 44; 1; 8-2019; 45-65 0325-187X 1850-468X CONICET Digital CONICET |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://www.meteorologica.org.ar/nota/tecnicas-de-clasificacion-supervisada-para-la-discriminacion-entre-ecos-meteorologicos-y-no-meteorologicos-usando-informacion-de-un-radar-de-banda-c/ |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
| dc.format.none.fl_str_mv |
application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Centro Argentino de Meteorólogos |
| publisher.none.fl_str_mv |
Centro Argentino de Meteorólogos |
| dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
| reponame_str |
CONICET Digital (CONICET) |
| collection |
CONICET Digital (CONICET) |
| instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
| repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
| repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
| _version_ |
1844614203225145344 |
| score |
13.069144 |