Pronóstico estadístico de la precipitación en el semestre cálido en la cuenca del río Bermejo
La Cuenca del Río Bermejo se ubica en el norte argentino en una zona de transición de ecosistemas que se refleja en los regímenes pluviométricos de la cuenca. En particular, la variabilidad interanual de la precipitación en la temporada cálida austral afecta significativamente el aspecto ambiental y...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | , , , , |
| Formato: | Tesis Libro |
| Lenguaje: | Español |
| Publicado: |
2025
|
| Materias: | |
| Aporte de: | Registro referencial: Solicitar el recurso aquí |
| LEADER | 05882nam a22005537a 4500 | ||
|---|---|---|---|
| 003 | AR-BaUEN | ||
| 005 | 20250915180025.0 | ||
| 008 | 250901s2025 ag abd|f|m||| 000 0|spa|d | ||
| 040 | |a AR-BaUEN |b spa |c AR-BaUEN | ||
| 041 | 0 | |b spa |b eng | |
| 044 | |a ag | ||
| 084 | |a ATM 007789 | ||
| 100 | 1 | |a Ayala, Sabrina Noemí | |
| 245 | 1 | 0 | |a Pronóstico estadístico de la precipitación en el semestre cálido en la cuenca del río Bermejo |
| 246 | 3 | 1 | |a Statistical forecast of precipitation in the warm semester in the Bermejo river basin |
| 260 | |c 2025 | ||
| 300 | |a 242 p. : |b il., gráfs. color, mapas color, tablas | ||
| 502 | |b Doctor de la Universidad de Buenos Aires en el área de Ciencias de la Atmósfera y los Océanos |c Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |d 2025-06-25 |g Universidad de Buenos Aires - CONICET. Centro de Investigaciones del Mar y la Atmósfera (CIMA) | ||
| 506 | |2 openaire |e Autorización del autor |f info:eu-repo/semantics/embargoedAccess |g 2025-12-25 | ||
| 518 | |o Fecha de publicación en la Biblioteca Digital FCEN-UBA | ||
| 520 | 3 | |a La Cuenca del Río Bermejo se ubica en el norte argentino en una zona de transición de ecosistemas que se refleja en los regímenes pluviométricos de la cuenca. En particular, la variabilidad interanual de la precipitación en la temporada cálida austral afecta significativamente el aspecto ambiental y socio-económico de la cuenca. Por este motivo, el objetivo de este estudio es diseñar modelos de pronóstico de la precipitación mensual en el semestre cálido (octubre-marzo) en la Cuenca del Río Bermejo mediante el uso de técnicas estadísticas. Para ello, se dividió a la región de estudio en dos zonas climáticamente homogéneas y, a partir del uso de indicadores tomados en el mes previo, se exploraron posibles fuentes de predictibilidad de la precipitación mensual en estas áreas. Entre los forzantes más destacados se encuentran El Niño-Oscilación del Sur, la circulación regional dada por la variabilidad del anticiclón del océano Atlántico, y el desarrollo convectivo en Sudamérica tropical. Se encontró que la señal de cada forzante es variable a lo largo del semestre de estudio, así como varía la influencia de cada forzante sobre las áreas climáticamente homogéneas. Con los indicadores obtenidos se definieron predictores de la precipitación mensual, y se elaboraron esquemas de predicción estadística empleando las técnicas de Regresión Lineal Múltiple (RLM), Modelos Aditivos Generalizados (GAM), Regresión de Vectores de Soporte (SVR), y Redes Neuronales Artificiales Multicapa (ANN). Desde el enfoque determinístico, los modelos ANN fueron los que mejor desempeño exhibieron. En cuanto al enfoque probabilístico por categorías, el mejor rendimiento se observó para los pronósticos mensuales en la primera mitad del semestre cálido, particularmente para los eventos de precipitación subnormal y sobrenormal en el área ubicada en el centro-oeste de la cuenca. |l spa | |
| 520 | 3 | |a The Bermejo River Basin is located in the argentinean north in a zone with ecosystem transition that reflects in the precipitation regimes of the basin. In particular, interannual variability of precipitation in the austral warm season significantly affects the environmental and socio-economic aspects of the basin. Given these reasons, the objective of this thesis is to design forecast models of monthly precipitation in the warm semester (October-March) in the Bermejo River Basin using statistical techniques. In order to achieve this, the study region was divided into two climatic homogeneous areas and, through the use of indicators measured on the previous month, different possible sources of predictability of monthly precipitation in these areas were explored. Amongst the most relevant forcings are the El Niño-Southern Oscillation, regional circulation features given by the variability of the semipermanent Atlantic High, and the development of convection in tropical South America. The signal of each forcing varies throughout the semester of study, as does the influence that each forcing has on the two distinct climatic areas. These indicators were used to define predictors of monthly precipitation, and statistical prediction schemes were constructed by Multiple Linear Regression (MLR), Generalized Additive Models (GAM), Support Vector Regression (SVR), and Multi-layer Artificial Neural Networks (ANN). From the deterministic standpoint, ANN models were the ones that showed the best performance. As for the categorical probabilistic forecast, the highest efficiency was obtained for monthly forecasts during the first half of the warmsemester, particularly for events with below normal and above normal precipitation in the area located in the centre-west portion of the basin. |l eng | |
| 540 | |2 cc |f https://creativecommons.org/licenses/by-nc-sa/2.5/ar | ||
| 651 | 4 | |a RIO BERMEJO | |
| 651 | 4 | |a CHACO (ARGENTINA : PROVINCIA) | |
| 651 | 4 | |a SALTA (ARGENTINA : PROVINCIA) | |
| 651 | 4 | |a FORMOSA (ARGENTINA : PROVINCIA) | |
| 653 | 1 | 0 | |a PRECIPITACION |
| 653 | 1 | 0 | |a CUENCA |
| 653 | 1 | 0 | |a BERMEJO |
| 653 | 1 | 0 | |a APRENDIZAJE AUTOMATICO |
| 653 | 1 | 0 | |a MODELADO ESTADISTICO |
| 653 | 1 | 0 | |a PRONOSTICO PROBABILISTICO |
| 690 | 1 | 0 | |a PRECIPITATION |
| 690 | 1 | 0 | |a BASIN |
| 690 | 1 | 0 | |a BERMEJO |
| 690 | 1 | 0 | |a MACHINE LEARNING |
| 690 | 1 | 0 | |a STATISTICAL MODELING |
| 690 | 1 | 0 | |a PROBABILISTIC FORECAST |
| 700 | 1 | |a González, Marcela Hebe | |
| 700 | 1 | |a Rusticucci, Matilde Mónica | |
| 700 | 1 | |a Bettolli, María Laura | |
| 700 | 1 | |a Lovino, Miguel Ángel | |
| 700 | 1 | |a Renom Molina, Madeleine | |
| 856 | 4 | |q application/pdf | |
| 931 | |a DCA | ||
| 961 | |b tesis |c EM |e ND | ||
| 962 | |a info:eu-repo/semantics/doctoralThesis |a info:ar-repo/semantics/tesis doctoral |b info:eu-repo/semantics/publishedVersion | ||
| 999 | |c 108076 | ||