Rainfall forecasting using diverse predictors based on random forest over an andena basin
El ciclo hidrológico está impulsado principalmente por la lluvia, y predecir con precisión la lluvia se vuelve desafiante en regiones marcadas por diversos factores influyentes y variaciones espaciales significativas, como se observa en los Andes tropicales. La lluvia en los Andes tropicales está...
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | eng |
| Published: |
Universidad de Cuenca
2024
|
| Subjects: | |
| Online Access: | http://dspace.ucuenca.edu.ec/handle/123456789/43522 |
| _version_ | 1789157323557568512 |
|---|---|
| author | Montenegro Ambrosi, Martin Patricio |
| author2 | Córdova Mora, Mario Andrés |
| author_facet | Córdova Mora, Mario Andrés Montenegro Ambrosi, Martin Patricio |
| author_sort | Montenegro Ambrosi, Martin Patricio |
| collection | DSpace |
| description | El ciclo hidrológico está impulsado principalmente por la lluvia, y predecir con precisión la
lluvia se vuelve desafiante en regiones marcadas por diversos factores influyentes y
variaciones espaciales significativas, como se observa en los Andes tropicales. La lluvia en
los Andes tropicales está asociada a varios índices de temperatura superficial del mar (SST),
como ONI, NIÑO 1+2, TNI, y variables atmosféricas, incluyendo temperatura, viento y
humedad. Los índices de SST podrían explicar mejor las anomalías estacionales de lluvia y
las variables atmosféricas podrían explicar cambios más rápidos en las condiciones
atmosféricas asociadas a la lluvia. Considerar tanto los SST como las variables atmosféricas
proporciona un enfoque integral para predecir la lluvia en los Andes tropicales. Este estudio
tiene como objetivo predecir la lluvia de una media móvil acumulada de 30 días en la cuenca
del río Paute utilizando la técnica de Random Forest para 30, 60 y 90 pasos adelante,
utilizando una variedad de predictores. El producto de precipitación de lluvia utilizado fue
IMERG Late Run. Los índices de temperatura superficial del mar fueron obtenidos de la
Administración Nacional Oceánica y Atmosférica (NOAA). Las variables atmosféricas se
obtuvieron a partir de re análisis de la quinta generación del Centro Europeo para Pronósticos
Meteorológicos a Plazo Medio para el clima y el tiempo global (ERA5). Las variables ERA5
se utilizaron para construir índices asociados con la lluvia en el área de estudio a través de la
correlación de Pearson. Se desarrollaron cinco modelos distintos, incorporando gradualmente
predictores como lluvia pasada (ILP), índices climáticos oceánicos (GCI), índices
atmosféricos regionales (RCD) y combinaciones de GCI+RCD y GCI+RCD+ILP. Los
resultados indican que el modelo más efectivo es GCI+RCD+ILP, logrando valores de R
(MAE) de 0.92 (9.38 mm/acumulado de 30 días), 0.93 (9.85 mm/ acumulado de 30 días), y
0.94 (9.68 mm/ acumulado de 30 días) para 30, 60 y 90 pasos adelante, respectivamente.
Los próximos pasos están relacionados con la implementación operativa de estos modelos,
los cuales ofrecerán información valiosa para la gestión del agua y la mitigación de impactos
asociados a sequías e inundaciones. |
| id | oai:dspace.ucuenca.edu.ec:123456789-43522 |
| institution | Universidad de Cuenca |
| language | eng |
| publishDate | 2024 |
| publisher | Universidad de Cuenca |
| record_format | dspace |
| spelling | oai:dspace.ucuenca.edu.ec:123456789-435222024-01-03T16:12:59Z Rainfall forecasting using diverse predictors based on random forest over an andena basin RAINFALL FORECASTING USING DIVERSE PREDICTORS BASED ON RANDOM FOREST OVER AN ANDENA BASIN Montenegro Ambrosi, Martin Patricio Córdova Mora, Mario Andrés Ingeniería Precipitación Variables atmosféricas Andes tropicales CIUC::Ciencias de la Tierra::Hidrología El ciclo hidrológico está impulsado principalmente por la lluvia, y predecir con precisión la lluvia se vuelve desafiante en regiones marcadas por diversos factores influyentes y variaciones espaciales significativas, como se observa en los Andes tropicales. La lluvia en los Andes tropicales está asociada a varios índices de temperatura superficial del mar (SST), como ONI, NIÑO 1+2, TNI, y variables atmosféricas, incluyendo temperatura, viento y humedad. Los índices de SST podrían explicar mejor las anomalías estacionales de lluvia y las variables atmosféricas podrían explicar cambios más rápidos en las condiciones atmosféricas asociadas a la lluvia. Considerar tanto los SST como las variables atmosféricas proporciona un enfoque integral para predecir la lluvia en los Andes tropicales. Este estudio tiene como objetivo predecir la lluvia de una media móvil acumulada de 30 días en la cuenca del río Paute utilizando la técnica de Random Forest para 30, 60 y 90 pasos adelante, utilizando una variedad de predictores. El producto de precipitación de lluvia utilizado fue IMERG Late Run. Los índices de temperatura superficial del mar fueron obtenidos de la Administración Nacional Oceánica y Atmosférica (NOAA). Las variables atmosféricas se obtuvieron a partir de re análisis de la quinta generación del Centro Europeo para Pronósticos Meteorológicos a Plazo Medio para el clima y el tiempo global (ERA5). Las variables ERA5 se utilizaron para construir índices asociados con la lluvia en el área de estudio a través de la correlación de Pearson. Se desarrollaron cinco modelos distintos, incorporando gradualmente predictores como lluvia pasada (ILP), índices climáticos oceánicos (GCI), índices atmosféricos regionales (RCD) y combinaciones de GCI+RCD y GCI+RCD+ILP. Los resultados indican que el modelo más efectivo es GCI+RCD+ILP, logrando valores de R (MAE) de 0.92 (9.38 mm/acumulado de 30 días), 0.93 (9.85 mm/ acumulado de 30 días), y 0.94 (9.68 mm/ acumulado de 30 días) para 30, 60 y 90 pasos adelante, respectivamente. Los próximos pasos están relacionados con la implementación operativa de estos modelos, los cuales ofrecerán información valiosa para la gestión del agua y la mitigación de impactos asociados a sequías e inundaciones. The hydrological cycle is primarily driven by rainfall, and accurately forecasting rainfall becomes challenging in regions marked by diverse influencing factors and significant spatial variations, as observed in the tropical Andes. Rainfall in the tropical Andes is associated to various sea surface temperature (SST) indices, such as ONI, NIÑO 1+2, TNI, and atmospheric variables, including temperature, wind, and humidity. The SST indices could better explain seasonal rainfall anomalies and the atmospheric variables could better explain faster changes in atmospheric conditions associated to rainfall. Considering both SST and atmospheric variables provides a comprehensive approach to forecast rainfall in the tropical Andes. This study aims to forecast cumulative 30 days moving average rainfall in the Paute Basin River using the Random Forest technique to forecast 30, 60, and 90 steps ahead, utilizing a variety of predictors. The rainfall precipitation product used was IMERG Late Run. Sea surface indices were sourced from the National Oceanic and Atmospheric Administration (NOAA). Atmospheric variables were obtained from the fifth-generation European Centre for MediumRange Weather Forecasts reanalysis for global climate and weather (ERA5). The ERA5 variables were used to build indices associated with rainfall in the study area through Pearson correlation. Five distinct models were developed, gradually incorporating predictors such as past rainfall (ILP), oceanic climate indices (GCI), regional atmospheric indices (RCD), and combinations of GCI+RCD and GCI+RCD+ILP. The results indicate that the most effective model is GCI+RCD+ILP, achieving R (MAE) values of 0.92 (9.38 mm/cumulative 30 days), 0.93 (9.85 mm/cumulative 30 days), and 0.94 (9.68 mm/cumulative 30 days) for 30, 60, and 90 steps ahead, respectively. The next steps are related to the operative implementation of these models, which will offer valuable information for water management, and the mitigation of impacts associated to droughts and floods. 0000-0001-8026-0387 2024-01-02T15:54:48Z 2024-01-02T15:54:48Z 2024-01-02 http://dspace.ucuenca.edu.ec/handle/123456789/43522 eng TM4;2142 Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ openAccess application/pdf 27 páginas application/pdf Universidad de Cuenca |
| spellingShingle | Ingeniería Precipitación Variables atmosféricas Andes tropicales CIUC::Ciencias de la Tierra::Hidrología Montenegro Ambrosi, Martin Patricio Rainfall forecasting using diverse predictors based on random forest over an andena basin |
| title | Rainfall forecasting using diverse predictors based on random forest over an andena basin |
| title_full | Rainfall forecasting using diverse predictors based on random forest over an andena basin |
| title_fullStr | Rainfall forecasting using diverse predictors based on random forest over an andena basin |
| title_full_unstemmed | Rainfall forecasting using diverse predictors based on random forest over an andena basin |
| title_short | Rainfall forecasting using diverse predictors based on random forest over an andena basin |
| title_sort | rainfall forecasting using diverse predictors based on random forest over an andena basin |
| topic | Ingeniería Precipitación Variables atmosféricas Andes tropicales CIUC::Ciencias de la Tierra::Hidrología |
| url | http://dspace.ucuenca.edu.ec/handle/123456789/43522 |
| work_keys_str_mv | AT montenegroambrosimartinpatricio rainfallforecastingusingdiversepredictorsbasedonrandomforestoveranandenabasin |