Show simple item record

dc.contributor.advisorArangoitia Valdivia, Víctor Manuel
dc.contributor.authorDelgado Quispe, Yordan Alexander
dc.date.accessioned2020-02-28T16:40:33Z
dc.date.available2020-02-28T16:40:33Z
dc.date.issued2019-12-06
dc.identifier.urihttps://hdl.handle.net/20.500.12557/3283
dc.description.abstractEsta investigación, aplicada en la cuenca del río Vilcanota en el periodo de 1981-2017, tiene como objetivo evaluar la calidad de la precipitación estimada por satélite CHIRPS, con información grillada a una resolución espacial de 0.05° x 0.05° (~ 5*5 km), con respecto a la precipitación observada por los pluviómetros. Para la precipitación diaria CHIRPS, de 20 estaciones meteorológicas, se conluye que, a pesar de tener mayores probabilidades de acertar en la detección, todavía existe un gran porcentaje considerable que se manifiesta como falsa alarma, a pesar de que el 35% de las estaciones muestran sesgo muy bueno, la totalidad de estaciones muestra la eficiencia como insatisfactorio y correlación mala e incluso en ciertos casos no hay correlación, comparado con otros productos; PISCO es mejor que CHIRPS y CHIRPM. En la precipitación mensual, de 31 estaciones meteorológicas, en general, hay mayores Probabilidades de Detección que la generación de Falsa Alarma, Sesgo muy bueno y bueno, Eficiencia muy buena y buena y Correlación excelente y buena. Se obtienen mejores resultados de sesgo, eficiencia y correlación en la variación estacional que anual. En la precipitacion mensual, estacional y anual, PISCO tiene mejores indicadores que CHIRPS y CHIRPM, excepto en las estaciones que no se utilizó para la generación de PISCO. Se logra corregir la información CHIRPS mediante el Modelo de Redes Neuronales Artificiales (RNA), determinándose que el MAE y PBIAS son los indicadores estadísticos que más se mejoran. Tras cumplir con los objetivos planteados en la investigación, se concluye que la información pluvial estimada por satélite del producto CHIRPS mediante una adecuada calibración y/o corrección se convierte en una valiosa alternativa de información para trabajos de gestión, monitoreo hidrometeorológico y modelización de la disponibilidad hídrica en la cuenca del río Vilcanota con limitaciones en términos de cobertura espacial y uniformidad temporal.es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Andina del Cuscoes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/2.5/pe/es_PE
dc.sourceUniversidad Andina del Cuscoes_PE
dc.sourceRepositorio Institucional - UACes_PE
dc.subjectCuenca del río Vilcanotaes_PE
dc.subjectValidaciónes_PE
dc.subjectCorrecciónes_PE
dc.subjectRedes neuronales artificialeses_PE
dc.titleValidación y corrección de la precipitación estimada por satélite del producto chirps, usando el modelo de redes neuronales artificiales en la cuenca del Río Vilcanota- Región Cuscoes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.nameIngeniero Civiles_PE
thesis.degree.grantorUniversidad Andina del Cusco. Facultad de Ingeniería y Arquitecturaes_PE
thesis.degree.levelTitulo Profesionales_PE
thesis.degree.disciplineIngeniería Civiles_PE


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess