Mostrar el registro sencillo del ítem

dc.contributor.advisorFlores Villanueva, Weidi
dc.contributor.authorFlores Aguilar, Andy Jean Pierre
dc.date.accessioned2024-03-05T01:19:26Z
dc.date.available2024-03-05T01:19:26Z
dc.date.issued2024
dc.identifier.urihttps://hdl.handle.net/20.500.12996/6308
dc.descriptionUniversidad Nacional Agraria La Molina. Facultad de Ciencias. Departamento Académico de Ingeniería Ambiental, Física y Meteorologíaes_PE
dc.description.abstractEn esta investigación, se desarrollaron modelos de pronóstico para temperaturas extremas y probabilidad de precipitación en el área del Parque Nacional Huascarán y sus alrededores, en la región Áncash. Se utilizaron los datos grillados de PISCOp para calibrar los modelos de precipitación y datos de temperaturas extremas diarias recopilados de 10 estaciones en el área de estudio para calibrar los modelos de temperatura. Se aplicó el método Model Output Statistics (MOS) junto con técnicas específicas para cada tipo de predicción. Los predictores para estos modelos corresponden a pronósticos del modelo numérico Global Forecast System (GFS) con una resolución de 0.25°. Para las predicciones de temperaturas extremas diarias, se empleó la técnica de reducción de dimensionalidad conocida como análisis de componentes principales (PCA), junto con la regresión lineal múltiple para obtener las ecuaciones de pronóstico. En el caso de los modelos de probabilidad de precipitación, se utilizaron tanto la técnica de PCA como Random Forests para tareas de clasificación. Los modelos desarrollados para las temperaturas extremas superaron las predicciones sin posprocesamiento del modelo GFS en la zona de estudio y también superaron las predicciones por persistencia. Se observó una mayor precisión en la predicción de las temperaturas mínimas en comparación con las temperaturas máximas. Sin embargo, se identificaron ciertas limitaciones en la capacidad del modelo para prever la magnitud de eventos extremos de temperatura. En relación con la probabilidad de precipitación, los resultados variaron según el umbral establecido. Los modelos para umbrales de 0.1 mm/día y 1 mm/día demostraron ser eficaces en las predicciones, mientras que el modelo para 5 mm/día generó un alto número de falsas alarmas. Estos hallazgos indican que los modelos desarrollados son prometedores, pero también señalan áreas que podrían ser mejoradas para aumentar su precisión, especialmente en la identificación de eventos extremos.es_PE
dc.description.abstractIn this research, forecast models were developed for extreme temperatures and precipitation probability in the area of Huascarán National Park and its surroundings, in the Áncash region. Gridded data from PISCOp were used to calibrate the precipitation models and daily extreme temperature data collected from 10 stations in the study area were used to calibrate the temperature models. The Model Output Statistics (MOS) method was applied together with specific techniques for each type of prediction. The predictors for these models correspond to forecasts from the Global Forecast System (GFS) numerical model with a resolution of 0.25°. For the daily extreme temperature forecasts, the dimensionality reduction technique known as principal component analysis (PCA) was used, together with multiple linear regression to obtain the forecast equations. In the case of the precipitation probability models, both PCA and Random Forests were used for classification tasks. The models developed for extreme temperatures outperformed the non-post-processed predictions of the GFS model in the study area and also outperformed the predictions by persistence. Higher accuracy was observed in the prediction of minimum temperatures compared to maximum temperatures. However, certain limitations were identified in the model's ability to predict the magnitude of extreme temperature events. In relation to the probability of precipitation, results varied depending on the threshold set. The models for thresholds of 0.1 mm/day and 1 mm/day proved to be effective in predictions, while the model for 5 mm/day generated a high number of false alarms. These findings indicate that the developed models are promising, but also point to areas that could be improved to increase their accuracy, especially in the identification of extreme events.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional Agraria La Molinaes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/es_PE
dc.subjectParques nacionaleses_PE
dc.subjectTemperaturaes_PE
dc.subjectModelos matemáticoses_PE
dc.subjectAnálisis matemáticoses_PE
dc.subjectEvaluaciónes_PE
dc.titlePredicción diaria de temperaturas extremas y precipitación en la región Áncash mediante posprocesamiento estadístico del modelo GFSes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineIngeniería Ambiental, Física y Meteorologíaes_PE
thesis.degree.grantorUniversidad Nacional Agraria La Molina. Facultad de Cienciases_PE
thesis.degree.nameIngeniero Meteorólogoes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.05.10es_PE
renati.author.dni73172452es_PE
dc.publisher.countryPEes_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
renati.advisor.orcidhttps://orcid.org/0000-0001-8176-2418es_PE
renati.advisor.dni07975167es_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_PE
renati.discipline521035es_PE
renati.jurorIbáñez Blancas, Alexis Nicolás
renati.jurorCalle Montes, Victoria Doris
renati.jurorMoya Álvarez, Aldo Saturnino


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess