Imputation of Missing Daily Rainfall Data Case Study of Quindio River Basin

Vista sencilla de ítem
dc.contributor.authorGarcía Reinoso, Pedro León
dc.date2015-01-01
dc.descriptionThis paper shows the results obtained when five methods for imputing missing daily rainfall were applied to records of eight hydrological stations located in the Quindío river basin, on the west-center part of Colombia. With the purpose of preserving the presence of no rainfall data, were considered calculate the empirical probabilities of first-order Markov chains. The five methods were implemented with a recursive algorithm which initializes missing data with the average daily rainfall. After this, the algorithm runs iteratively, replacing the previous run missing data imputations, it runs until the maximum difference between two successive imputations is smaller than a threshold value. Data imputed by the Statistical Measure Weighting Method conserves the measures of central tendency from each station daily rainfall record when it includes missing data.en-US
dc.descriptionEn este artículo se presentan los resultados obtenidos por la aplicaciónde cinco técnicas de imputación de datos en series de precipitación diaria para ocho estaciones que tienen aferencia sobre la cuenca del río Quindío, localizada en la zona central colombiana.  Con el propósito de preservar la generación de valores de precipitación igual a cero, se consideró el cálculo de probabilidades empíricas a partir de una cadena de Markov de primer orden. Las técnicas fueron implementadas en un algoritmo iterativo, en el que los valores faltantes fueron iniciados con la precipitación promedio diaria. El algoritmo se ejecuta recursivamente sustituyendo los valores estimados en la corrida anterior, finaliza cuando la diferencia máxima entre dos iteraciones sucesivas es menor que un valor fijado previamente. Los datos imputados por la técnica de distanciaestadística ponderada conservan adecuadamente las medidas de tendencia central de la serie temporal de precipitación diaria condatos faltantes.  es-ES
dc.formatapplication/pdf
dc.identifierhttps://revistas.unilibre.edu.co/index.php/ingeniare/article/view/539
dc.identifier10.18041/1909-2458/ingeniare.18.539
dc.identifier.urihttp://hdl.handle.net/10901/15299
dc.languagespa
dc.language.isospaspa
dc.publisherUniversidad Librees-ES
dc.relationhttps://revistas.unilibre.edu.co/index.php/ingeniare/article/view/539/421
dc.relation/*ref*/Organización Meteorológica Mundial, Guía de prácticas hidrológicas. Volumen I. Hidrología – De la medición a la información hidrológica. OMN-Nº 168, 6ta. ed. Ginebra: Organización Meteorológica Mundial, 2011.
dc.relation/*ref*/D. L. Fairclough, Design and Analysis of Quality of Life Studies in Clinical Trials, 2da. ed. Boca Ratón: CRC Press, 2010.
dc.relation/*ref*/R.P. Tapia, P.A. Tapia, D.A. Garrido and C.S. Pool, Evaluación de métodos hidrológicos para la completación de datos faltantes de precipitación en estaciones pluviográficas de la VII región del Maule, Chile. 2008. [Online]. Disponible: http://ctha.utalca.cl/Docs/pdf/Publicaciones/articulos_cientificos/pizarro_ausensi_aravena_sanguesa.pdf
dc.relation/*ref*/F.-W. Chen and C.-W. Liu, “Estimation of the spatial rainfall distribution using inverse distance weighting (IDW) in the middle of Taiwan”, Paddy and Water Environment, vol.10, n°. 3, pp. 209- 222, 2012.
dc.relation/*ref*/J.-W. Kim and Y.A. Pachepsky, “Reconstructing missing daily precipitation data using regression trees and artificial neural networks for SWAT streamflow simulation”, Journal of Hydrology, n°.
dc.relation/*ref*/, pp. 305-314, 2010.
dc.relation/*ref*/B. Ahrens. “Distance in spatial interpolation of daily rain gauge data”, Hydrol. Earth Syst. Sci, n°. 10, pp. 197-208, 2006.
dc.relation/*ref*/R.S.V. Teegavarapu and V. Chandramouli, “Improved weighting methods, deterministic and stochastic data-driven models for estimation of missing precipitation records”, Journal of Hydrology,
dc.relation/*ref*/n°. 312, pp. 191-206, 2005.
dc.relation/*ref*/Y. Xia, P. Fabian, A. Stohl and M. Winterhalter, “Forest climatology: estimation of missing values for Bavaria, Germany”, Agricultural and Forest Meteorology, n°. 96, pp. 131-144, 1999.
dc.relation/*ref*/Corporación Autónoma Regional del Quindío. Proyecto de reglamentación de las aguas del río Quindío y sus tributarios. Subdirección de Ejecución de Políticas Ambientales, Corporación Autónoma Regional del Quindío, 2011.
dc.relation/*ref*/Corporación Autónoma Regional del Quindío. Boletín Meteorológico CRQ 2005. Subdirección de Ejecución de Políticas Ambientales, Corporación Autónoma Regional del Quindío, 2006.
dc.relation/*ref*/L. Campozano, E. Sanchez, A. Aviles and E. Samaniego, “Evaluation of infilling methods for time series of daily precipitation and temperature: The case of the Ecuadorian Andes”, Maskana,
dc.relation/*ref*/vol. 5, n°. 1, pp. 99-115, 2014.
dc.relation/*ref*/M.A. Malek, S.M. Shamsuddin and S. Harun, “Restoration of hydrological data in the presence of missing data via Kohonen Self Organizing Maps”, en New Trends in Technologies, B. Ramov.
dc.relation/*ref*/Ed., 2010. New York, USA: Editorial Intech, pp. 223-242.
dc.relation/*ref*/B. Hingray, C. Picouet and A. Musy, Hydrology: A Science for Engineers. New York, USA: CRC Press. Data required for hydrological analysis and modeling, Precipitation, 2015.
dc.relation/*ref*/M.M. Hasan and B.F.W. Croke (2013). Filling gaps in daily rainfall data: a statistical approach. Conference presented at 20th International Congress on Modelling and Simulation, Adelaide,
dc.relation/*ref*/Australia.
dc.relation/*ref*/B.E. Vieux, Distributed Hydrologic Modeling Using GIS. Norwell, USA: Kluwer Academic Publishers, 2004. Surface Generation: Producing spatial data from point measurements, Surface
dc.relation/*ref*/Generators, 2004.
dc.relation/*ref*/Python Software Foundation. Python Language Reference, version 2.7. Disponible en: http://www.python.org
dc.relation.ispartofjournalRevistas – Ingenieríasspa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.sourceIngeniare; No 18 (2015): INGENIARE; 73-86en-US
dc.sourceIngeniare; Núm. 18 (2015): INGENIARE; 73-86es-ES
dc.source2390-0504
dc.source1909-2458
dc.subject.proposalPrecipitación pluviales-ES
dc.subject.proposalInterpolación espaciales-ES
dc.subject.proposalMé- todos ponderadoses-ES
dc.titleImputation of Missing Daily Rainfall Data Case Study of Quindio River Basinen-US
dc.titleImputación de Datos en Series de Precipitación Diaria Caso de Estudio Cuenca del Río Quindíoes-ES
dc.type.coarhttp://purl.org/coar/resource_type/c_6501
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.localArtículo Revisado por Pares Académicoses-ES

Archivos

Colecciones

Ingeniare