Cartografía de variables climáticas basada en gradientes, sistemas de expertos y SIG

Contenido principal del artículo

Ricardo Delgado-Téllez
Arisleidys Peña-de la Cruz

Resumen

Se presenta un método para la generación de mapas continuos de variables climáticas a partir de gradientes, valores de referencia y criterio de expertos en zonas de relieve complejo. La metodología propuesta usa un sistema de información geográfica para describir los factores geográficos formadores de microclimas en la región de estudio y modelos de inferencia difusa tipo Mamdani para integrar conocimiento climatológico local en un sistema de experto. De esta forma es posible asignar un número arbitrario de gradientes y valores de referencia a una serie de patrones que describen locaciones dentro de la región de estudio. Se incluye un estudio de caso para la variable climática temperatura mínima. En el mismo fueron generados mapas a escalas 1:250000 y 1:100000 de la variable para la región oriental de cuba. El proceso es totalmente automatizado, requiriendo la intervención humana solamente con propósitos de mejora cartográfica de los mapas finales.

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Cómo citar
Delgado-TéllezR., & Peña-de la CruzA. (2019). Cartografía de variables climáticas basada en gradientes, sistemas de expertos y SIG. Revista Cubana De Meteorología, 25(2). Recuperado a partir de http://rcm.insmet.cu/index.php/rcm/article/view/464
Sección
Artículos Originales

Citas

Alvioli, M.; Marchesini, I.; Reichenbach, P.; Rossi, M.; Ardizzone, F.; Fiorucci, F. & Guzzetti, F. 2016. “Automatic delineation of geomorphological slope units with r.slopeunits v1.0; and their optimization for landslide susceptibility modeling”. Geoscientific Model Development, 9(11): 3975-3991, ISSN: 1991-9603, DOI: 10.5194/gmd-9-3975-2016.
Bai, R.; Li, T.; Huang, Y.; Li, J. & Wang, G. 2015. “An efficient and comprehensive method for drainage network extraction from DEM with billions of pixels using a size-balanced binary search tree”. Geomorphology, 238: 56-67, ISSN: 0169-555X, DOI: 10.1016/j.geomorph.2015.02.028.
Boytel, F. B. 1972. Geografía Eólica de Oriente. .
Bukovsky, M. S. & Karoly, D. J. 2009. “Precipitation Simulations Using WRF as a Nested Regional Climate Model”. : 2152-2159.
Fernando, H. J. S.; Hacker, J. P.; Katopodes Chow, F.; Pardyjak, E.; Dunn, P.; Pratt, T.; Hoch, S.; Steenburgh, J.; Whiteman, D.; Pu, Z. & de Wekker, S. F. J. 2017. Mountain Terrain Atmospheric Modeling and Observations (MATERHORN) Program. Reporte Final del Programa, no. N00014-11-1-0709, call no. OMB no. 0704-0188, Notre Dame, Estados Unidos.: University of Notre Dame, p. 43.
Fong G., A.; Maceira, D.; William, F.; Alverson, S. & Wachter, T. (ed. ser.). 2005. Cuba: Parque Nacional “Alejandro de Humboldt”. (ser. Rapid Biological Inventories), Chicago: The Field Museum, p. 119.
Heikkilä, U.; Sandvik, A. & Sorteberg, A. 2011. “Dynamical downscaling of ERA-40 in complex terrain using the WRF regional climate model”. Climate Dynamics, 37(7-8): 1551-1564, ISSN: 0930-7575, 1432-0894, DOI: 10.1007/s00382-010-0928-6.
Hernández, M. 2016. Influencia de los factores físico-geográficos en la configuración espacio-temporal de la lluvia en la Sierra Maestra y las provincias La Habana y Mayabeque. Habana, Cuba.: Universidad de la Habana.
Hutchinson, M. F. 2011. “ANUDEM version 5.3, user guide”. Canberra: Fenner School of Environment and Society, Australian National University, Available: Available: http://fennerschool.anu.edu.au/files/usedem53_pdf_16552.pdf , [Consulted: April 7, 2015].
Jasiewicz, J. & Stepinski, T. F. 2013. “Geomorphons - a pattern recognition approach to classification and mapping of landforms”. Geomorphology, 182: 147-156, ISSN: 0169-555X, DOI: 10.1016/j.geomorph.2012.11.005.
Kanjilal, V.; Liu, H. & Schneider, M. 2010. “Plateau Regions: An Implementation Concept for Fuzzy Regions in Spatial Databases and GIS”. In: Hüllermeier, E., Kruse, R. & Hoffmann, F. , (eds.)Hutchison, D., Kanade, T., Kittler, J., Kleinberg, J. M., Mattern, F., Mitchell, J. C., Naor, M., Nierstrasz, O., Pandu Rangan, C., Steffen, B., Sudan, M., Terzopoulos, D., Tygar, D., Vardi, M. Y. & Weikum, G. (ed. ser.), Computational Intelligence for Knowledge-Based Systems Design, vol. 6178, Berlin, Heidelberg: Springer Berlin Heidelberg, pp. 624-633, ISBN: 978-3-642-14048-8, DOI: 10.1007/978-3-642-14049-5_64, Available: Available: http://link.springer.com/10.1007/978-3-642-14049-5_64 , [Consulted: October 19, 2017].
Kryza, M.; Wałaszek, K.; Ojrzyńska, H.; Szymanowski, M.; Werner, M. & Dore, A. J. 2017. “High-Resolution Dynamical Downscaling of ERA-Interim Using the WRF Regional Climate Model for the Area of Poland. Part 1: Model Configuration and Statistical Evaluation for the 1981-2010 Period”. Pure and Applied Geophysics, 174(2): 511-526, ISSN: 0033-4553, 1420-9136, DOI: 10.1007/s00024-016-1272-5.
Lecha, L. B.; Paz, L. R. & Lapinel, B. 1994. El Clima de Cuba. La Habana, Cuba.: Editorial Academia, 186 p.
Li, D.; Storch, H. von & Geyer, B. 2016. “Testing Reanalyses in Constraining Dynamical Downscaling”. Journal of the Meteorological Society of Japan. Ser. II, 94A: 47-68, DOI: 10.2151/jmsj.2015-044.
Maceira, D.; Fong G., A.; William, F.; Alverson, S. & Wachter, T. (ed. ser.). 2005. Cuba: Parque Nacional La Bayamesa. (ser. Rapid Biological Inventories), Chicago: The Field Museum , p. 81.
Mamdani, E. H. 1974. “Application of fuzzy algorithms for control of simple dynamic plant”. Proceedings of the Institution of Electrical Engineers, 121(12): 1585, ISSN: 0020-3270, DOI: 10.1049/piee.1974.0328.
Montenegro, U. 1989. Procedimientos metodológicos para la investigación y caracterización del clima en las montañas de cuba. .
Montenegro, U. 1993. Caracterización Climática de las montañas de la región oriental de Cuba. .
Morales, G. M. 2002. Perfeccionamiento del manejo de la información en las regiones especiales de desarrollo sostenible de la república de cuba, mediante la aplicación de los sistemas de información geográfica. Tesis presentada en opción al grado científico de Doctor en Ciencias Geográficas, Habana, Cuba.: Instituto Técnico Militar (ITM).
Nuñez, A. & Viña, N. 1989. Regiones Naturales y Antrópicas. (ser. Nuevo Atlas nacional de Cuba.), Habana, Cuba.: Academia de ciencias de Cuba.
Planos, E.; Boudet, D.; Gonzalez, I.; Carrillo, E.; Hernández, M. & al;, et. 2012. Atlas Climático de Cuba. digital, Ministerio de las Fuerzas Armadas Revolucionarias.
Planos, E.; Guevara, V. & Rivero, R. 2013. Impacto del Cambio Climático en Cuba y medida de Adaptación. La Habana, Cuba.: Editorial AMA., ISBN: 978-959-300-039-0.
Stepinski, T. F. & Jasiewicz, J. 2011. “Geomorphons-A New Approach to Classification of Landforms”. Proceedings of Geomorphometry 2011, : 109-112.
Theobald, D. M.; Stevens, D. L.; White, D.; Urquhart, N. S.; Olsen, A. R. & Norman, J. B. 2007. “Using GIS to Generate Spatially Balanced Random Survey Designs for Natural Resource Applications”. Environmental Management, 40(1): 134-146, ISSN: 0364-152X, 1432-1009, DOI: 10.1007/s00267-005-0199-x.
TNC. 2018. The Nature Conservancy. The Nature Conservancy, Available: Available: https://www.nature.org/en-us/ , [Consulted: October 30, 2018].
Vázquez, R. & Solano, O. 2013. “Modelación espacial de la lluvia y la evapotranspiración teniendo en cuenta parámetros geográficos.”. Revista Ciencias de la Tierra y el Espacio., 14(1), ISSN: 1729-3790.
von Asmuth, J. R.; Maas, K.; Knotters, M.; Bierkens, M. F. P.; Bakker, M.; Olsthoorn, T. N.; Cirkel, D. G.; Leunk, I.; Schaars, F. & von Asmuth, D. C. 2012. “Software for hydrogeologic time series analysis, interfacing data with physical insight”. Environmental Modelling & Software, 38(0): 178-190, ISSN: 1364-8152, DOI: 10.1016/j.envsoft.2012.06.003.
Wang, T.; Hamann, A.; Spittlehouse, D. L. & Murdock, T. Q. 2012. “ClimateWNA-high-resolution spatial climate data for western North America”. : 16-29.