Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Estimación de series
temporales de lluvias diarias
derivadas de datos satelitales
utilizando métodos no lineales
December1...
Contenido
• Introducción
• Breve descripción de dos herramientas
desarrolladas por CIP-CCAFS
• Conclusiones
Agricultura y cambio climático
• MCGs la única forma de predecir el clima
futuro y los modelos de procesos físico-
biológi...
Limitada cobertura de estaciones meteorológicas
Fuente: WMO
Frecuencia de brechas en la data medida
1pixel ~ 50 km
Spatial
Resolution
1pixel ~ 3 km
Apurímac1pixel ~ 3 km
1pixel ~ 3 km
Prov. Andahuaylas
Dist:
•Pacobamba
•Ki...
Herramientas desarrolladas en los Andes y probadas en
Africa
Información tomada por satélites
TRMM 3B42 v7: Estimación grillada de
lluvias
 Resolución Espacial = 0.25 grados
 Resolu...
La evidencia científica de los métodos
Pre-procesamiento de data NDVI
• NDVI lag :
• transformación de NDVI :
Mapa de estimación de rezagos
(NDVI lag) por pixel
Análisis Multi-resolución Basado
en Wavelets: el proceso
Herramienta de análisis
Multi-Resolución:
Aplicación con datos
TRMM
Estadísticas de las series de tiempo:
Gráficos de excedencia y bondad de ajuste:
Estadísticas y bondad de ajuste
Exceedance plots:
Quantile-Quantile plots:
Estadísticas y bondad de ajuste
Estación meteorológica de Ayaviri
Periodo Octubre (1999)-Marzo(2000)
mm/semana
0
20
40
60
80
100
0
30
60
90
anus24 anus6 n...
LINEAR REGRESSION
y = 1.0618x + 2.087
R2
= 0.7491
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
0.0 10.0 20.0 30.0 40.0 50.0 60.0...
Rad Temp Water
Soil moisture
Tran
s
Evap Perc
Fi
ETo
T
o
EoDry Matter
growth
Roots
Tube
rs
Ste
ms
Leav
es
Leaf area
LUE
Pa...
Estimación de rendimiento potencial y limitado por lluvias: Año húmedo
Estimación de rendimiento potencial y limitado por lluvias: Año seco
Conclusiones
• Los técnicas mostradas permiten estimar de
una manera robusta la información climática
diaria a resolucione...
Natural Resources
Management Division
http://inrm.cip.cgiar.org
Gracias
http://inrm.cip.cgiar.org
Programa de Intensificac...
Upcoming SlideShare
Loading in …5
×

Estimación de series temporales de lluvias diarias derivadas de datos satelitales utilizando métodos no lineales

1,102 views

Published on

Breve descripción de dos herramientas desarrolladas por CIP-CCAFS. Presentación en taller "Herramientas y Métodos para la Planeación y Toma de Decisiones en Agricultura y Cambio Climático" (1-2 Dec 2014 Lima, Peru).

Published in: Science
  • Be the first to comment

  • Be the first to like this

Estimación de series temporales de lluvias diarias derivadas de datos satelitales utilizando métodos no lineales

  1. 1. Estimación de series temporales de lluvias diarias derivadas de datos satelitales utilizando métodos no lineales December1, 2014 R. Quiroz, A. Posadas, M. Carbajal, L. Duffaut, C. Barreda, B. Condori, F. De Mendiburu
  2. 2. Contenido • Introducción • Breve descripción de dos herramientas desarrolladas por CIP-CCAFS • Conclusiones
  3. 3. Agricultura y cambio climático • MCGs la única forma de predecir el clima futuro y los modelos de procesos físico- biológicos (hidrológicos, cultivos, etc.) la forma de evaluar el impacto del CC • Se requiere datos de clima de alta resolución espacial y de mediana a alta resolución temporal • Para evaluar los MCGs se requiere data histórica de adecuadas resoluciones temporal y espacial
  4. 4. Limitada cobertura de estaciones meteorológicas Fuente: WMO
  5. 5. Frecuencia de brechas en la data medida
  6. 6. 1pixel ~ 50 km Spatial Resolution 1pixel ~ 3 km Apurímac1pixel ~ 3 km 1pixel ~ 3 km Prov. Andahuaylas Dist: •Pacobamba •Kishuara •Huancarama 1pixel ~ 300 m Prov. Andahuaylas Dist: •Kishuara •Huancarama 1 pixel ~ 15 m1pixel ~ 300 m 1pixel ~ 150 m Source: Google Earth 1 pixel ~ 2 m Resolución espacial
  7. 7. Herramientas desarrolladas en los Andes y probadas en Africa
  8. 8. Información tomada por satélites TRMM 3B42 v7: Estimación grillada de lluvias  Resolución Espacial = 0.25 grados  Resolución temporal = 3 hours  Data existente = 1998 – 2014 NDVI  Satélite de observación terrestre  Data desde 1980s Resolución espacial = 1 km  Resolución temporal útil = 10 d
  9. 9. La evidencia científica de los métodos
  10. 10. Pre-procesamiento de data NDVI • NDVI lag : • transformación de NDVI : Mapa de estimación de rezagos (NDVI lag) por pixel
  11. 11. Análisis Multi-resolución Basado en Wavelets: el proceso
  12. 12. Herramienta de análisis Multi-Resolución: Aplicación con datos TRMM
  13. 13. Estadísticas de las series de tiempo: Gráficos de excedencia y bondad de ajuste: Estadísticas y bondad de ajuste
  14. 14. Exceedance plots: Quantile-Quantile plots: Estadísticas y bondad de ajuste
  15. 15. Estación meteorológica de Ayaviri Periodo Octubre (1999)-Marzo(2000) mm/semana 0 20 40 60 80 100 0 30 60 90 anus24 anus6 ndvi trmmo trmmc trmmd ESTACION % ERROR mm/semana 0 5 10 15 20 25 0 20 40 60 80 100 ESTACION anus6 NDVI Estadísticas y bondad de ajuste
  16. 16. LINEAR REGRESSION y = 1.0618x + 2.087 R2 = 0.7491 0.0 10.0 20.0 30.0 40.0 50.0 60.0 70.0 0.0 10.0 20.0 30.0 40.0 50.0 60.0 Gauged Rainfall (mm) EstimatedRainfall(mm) Estimación de series de tiempo diarias: Etiopía
  17. 17. Rad Temp Water Soil moisture Tran s Evap Perc Fi ETo T o EoDry Matter growth Roots Tube rs Ste ms Leav es Leaf area LUE Part. Factor SLA Senesc. SOLANUM Modelo de producción de papa Simplified scheme of daily crop growth T/To
  18. 18. Estimación de rendimiento potencial y limitado por lluvias: Año húmedo
  19. 19. Estimación de rendimiento potencial y limitado por lluvias: Año seco
  20. 20. Conclusiones • Los técnicas mostradas permiten estimar de una manera robusta la información climática diaria a resoluciones de 1 km, tanto en condiciones planas como de alta topografía • Este tipo de información es crítico para la categorización de riesgos • El uso de modelos de procesos como los modelos de cultivo permite evaluar los impactos potenciales y escenarios de medidas de adaptación
  21. 21. Natural Resources Management Division http://inrm.cip.cgiar.org Gracias http://inrm.cip.cgiar.org Programa de Intensificación de sistemas de Cultivos y Cambio Climático

×