Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución

Autores
Alfaro, Pablo; Scavino, Marco; Moreno, Leonardo
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El objetivo principal de este trabajo de tesis es mejorar, en términos predictivos, el desempeño de los modelos geoestadísticos clásicos de interpolación espacial para medidas de temperatura mínima del aire a 2m, registrada por las redes de estaciones de observación meteorológica del Uruguay operadas por INUMET e INIA. Basado en la experiencia de, se propone el uso de Kriging Universal, que permite la incorporación de información grillada de alta resolución, empleándose en este caso imágenes de la plataforma MODIS proporcionada por NASA y de libre acceso. En consideración de que todas las bases utilizadas tienen datos faltantes y outliers, se han desarrollado técnicas ad-hoc que permitieron la depuración y reconstrucción del producto satelital. Asimismo, se hizo necesario aplicar algoritmos supervisados de control de calidad para depurar la base de datos puntual de las estaciones. Estas bases de gran tamaño trasladan el problema al área de Big Data, por lo que uno de los desafíos computacionales del trabajo es lograr resultados en tiempos de máquina razonables mediante técnicas de computación de alta performance (HPC), compresión de información, y el uso de caches y estructuras de datos eficientes.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
modelos geoestadísticos
Kriging Universal
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/72041
Acceder
id SEDICI_d1320c3114112de2f083ec62f238e364
oai_identifier_str oai:sedici.unlp.edu.ar:10915/72041
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resoluciónAlfaro, PabloScavino, MarcoMoreno, LeonardoCiencias Informáticasmodelos geoestadísticosKriging UniversalEl objetivo principal de este trabajo de tesis es mejorar, en términos predictivos, el desempeño de los modelos geoestadísticos clásicos de interpolación espacial para medidas de temperatura mínima del aire a 2m, registrada por las redes de estaciones de observación meteorológica del Uruguay operadas por INUMET e INIA. Basado en la experiencia de, se propone el uso de Kriging Universal, que permite la incorporación de información grillada de alta resolución, empleándose en este caso imágenes de la plataforma MODIS proporcionada por NASA y de libre acceso. En consideración de que todas las bases utilizadas tienen datos faltantes y outliers, se han desarrollado técnicas ad-hoc que permitieron la depuración y reconstrucción del producto satelital. Asimismo, se hizo necesario aplicar algoritmos supervisados de control de calidad para depurar la base de datos puntual de las estaciones. Estas bases de gran tamaño trasladan el problema al área de Big Data, por lo que uno de los desafíos computacionales del trabajo es lograr resultados en tiempos de máquina razonables mediante técnicas de computación de alta performance (HPC), compresión de información, y el uso de caches y estructuras de datos eficientes.Sociedad Argentina de Informática e Investigación Operativa2018-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionResumenhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1-2http://sedici.unlp.edu.ar/handle/10915/72041spainfo:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/LatinR_1.pdfinfo:eu-repo/semantics/altIdentifier/issn/2618-3196info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T16:52:41Zoai:sedici.unlp.edu.ar:10915/72041Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 16:52:41.591SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución
title Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución
spellingShingle Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución
Alfaro, Pablo
Ciencias Informáticas
modelos geoestadísticos
Kriging Universal
title_short Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución
title_full Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución
title_fullStr Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución
title_full_unstemmed Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución
title_sort Incorporación de información satelital grillada para la producción de una base de datos de temperaturas mínimas de alta resolución
dc.creator.none.fl_str_mv Alfaro, Pablo
Scavino, Marco
Moreno, Leonardo
author Alfaro, Pablo
author_facet Alfaro, Pablo
Scavino, Marco
Moreno, Leonardo
author_role author
author2 Scavino, Marco
Moreno, Leonardo
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
modelos geoestadísticos
Kriging Universal
topic Ciencias Informáticas
modelos geoestadísticos
Kriging Universal
dc.description.none.fl_txt_mv El objetivo principal de este trabajo de tesis es mejorar, en términos predictivos, el desempeño de los modelos geoestadísticos clásicos de interpolación espacial para medidas de temperatura mínima del aire a 2m, registrada por las redes de estaciones de observación meteorológica del Uruguay operadas por INUMET e INIA. Basado en la experiencia de, se propone el uso de Kriging Universal, que permite la incorporación de información grillada de alta resolución, empleándose en este caso imágenes de la plataforma MODIS proporcionada por NASA y de libre acceso. En consideración de que todas las bases utilizadas tienen datos faltantes y outliers, se han desarrollado técnicas ad-hoc que permitieron la depuración y reconstrucción del producto satelital. Asimismo, se hizo necesario aplicar algoritmos supervisados de control de calidad para depurar la base de datos puntual de las estaciones. Estas bases de gran tamaño trasladan el problema al área de Big Data, por lo que uno de los desafíos computacionales del trabajo es lograr resultados en tiempos de máquina razonables mediante técnicas de computación de alta performance (HPC), compresión de información, y el uso de caches y estructuras de datos eficientes.
Sociedad Argentina de Informática e Investigación Operativa
description El objetivo principal de este trabajo de tesis es mejorar, en términos predictivos, el desempeño de los modelos geoestadísticos clásicos de interpolación espacial para medidas de temperatura mínima del aire a 2m, registrada por las redes de estaciones de observación meteorológica del Uruguay operadas por INUMET e INIA. Basado en la experiencia de, se propone el uso de Kriging Universal, que permite la incorporación de información grillada de alta resolución, empleándose en este caso imágenes de la plataforma MODIS proporcionada por NASA y de libre acceso. En consideración de que todas las bases utilizadas tienen datos faltantes y outliers, se han desarrollado técnicas ad-hoc que permitieron la depuración y reconstrucción del producto satelital. Asimismo, se hizo necesario aplicar algoritmos supervisados de control de calidad para depurar la base de datos puntual de las estaciones. Estas bases de gran tamaño trasladan el problema al área de Big Data, por lo que uno de los desafíos computacionales del trabajo es lograr resultados en tiempos de máquina razonables mediante técnicas de computación de alta performance (HPC), compresión de información, y el uso de caches y estructuras de datos eficientes.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Resumen
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/72041
url http://sedici.unlp.edu.ar/handle/10915/72041
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://47jaiio.sadio.org.ar/sites/default/files/LatinR_1.pdf
info:eu-repo/semantics/altIdentifier/issn/2618-3196
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
1-2
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783099546894336
score 12.982451

Publicaciones similares