Caracterización de los procesos espaciales y temporales y sus interrelaciones en estaciones de precipitación mensual en la zona centro occidental de la República Bolivariana de Venezuela
Keywords:
Datos Espacio Temporales, Autocorrelación, Densidad espacial, Escala, PrecipitaciónAbstract
Venezuela dispone de una red de estaciones de precipitación mensual producto de Geocodificaciones (escala y densidad espacial desconocida) con data discontinua en el espacio tiempo (datos faltantes, englobados y distinta fecha de instalación y desinstalación). Se caracterizó en 961 estaciones con climas diversos en 11 estados de Venezuela las propiedades de primer orden (escala y densidad espacial) calculando el análisis del vecino más cercano y la función K de Ripley a través de su parámetro L(d), así como las propiedades de segundo orden (Autocorrelación Espacio Temporal) utilizando el I de Moran y su variante de Clúster LISA ambas en su versión espacio temporal. Se determinó que las estaciones poseen al menos tres escalas, un proceso puntual de tipo agregado y un mecanismo estocástico denominado Autocorrelación Espacio Temporal de tipo positiva que condiciona cualquier modelamiento de los datos. El Análisis Cluster permitió categorizar las estaciones utilizando el análisis de las K-Medias en cinco categorías de precipitación mensual (Baja; Media-Baja; Media; Media-Alta y Alta) coincidiendo con estudios previos, sin embargo se incorpora la existencia de un mecanismo de orden espacio temporal que debe ser tomado en cuenta en estudios posteriores.References
Alcaldía Mayor de Bogotá D.C. (2012). Análisis espacial y geoestadístico del comportamiento de los precios de la vivienda nueva ofertada en Bogotá (2009 –2011). [Consulta: 06-03-2015] Disponible en: http://www.sdp.gov.co/portal/page/portal/PortalSDP/InformacionTomaDecisiones/Estadisticas/Inventarios/Productividad/DICE035-AnalisisPreciosVivienda-31122011.pdf
Androva, N. y Boland, S. (2011). “Volume variability diagnostic for 4D datasets”. Geophysical Research Letters, 38, pp. 1-5.
Anselin, L. (1995). “Local indicators of spatial association—LISA”. Geographical Analysis, 27, 2, pp. 93–115.
Anselin, L. (2005). Exploring spatial Data with geodatm: A Workbook. Urbana Center for Spatially Integrated Social Science.
Bidegain, M. y Diaz, A. (2011). Análisis Estadístico de Datos Climáticos Distribuciones de Probabilidad. [Consulta: 05-03-2015]. Disponible en: http://meteo.fisica.edu.uy/Materias/Analisis_Estadistico_de_Datos_Climaticos/teorico_AEDC/Distribuciones_Probabilidad_2011.pdf
Bivand, R., Pebesma, E. y Gómez-Rubio, V. 2008. Applied spatial data analysis with R. New York, Springer.
Bosque, J. (1992). Sistemas de información geográfica. Madrid, Ediciones Rialph, S.A.
Chasco, C. (2003). “Métodos gráficos del análisis exploratorio de datos espaciales”. Anales de Economía Aplicada. [Consulta: 13-01-2015] Disponible en: http://www.asepelt.org/ficheros/File/Anales/2003%20-%20Almeria/asepeltPDF/93.PDF
Chasco, C. (2009). Análisis exploratorio de datos espaciales al servicio del Geomarketing III Seminario sobre Nuevas Tecnologías de la Investigación, en el Marketing y la Comunicación. [Consulta: 03-03-2015] https://www.google.co.ve/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0CBwQFjAA&url=http%3A%2F%2Fwww.uam.es%2Fpersonal_pdi%2Feconomicas%2Fcoro%2Fdocencia%2Fgeomark%2FPonenciaAedemo_CoroChasco.doc&ei=fer5VP_PM_iPsQS5h4GQBg&usg=AFQjCNHHeZ3lO5u2jZ_C_n2qQCvKlbw-tA&sig2=DMa_Hk9Q6QaN5cWk-JPT0A&bvm=bv.87611401,d.cWc
Clark, P. y Evans, F. (1954). “Distance to nearest neighbor as a measure of spatial relationships in populations”. Ecology, 35, 4, pp. 445-453.
Cocchi, D. y Bruno, F. (2010). “Considering groups in the statistical modeling of spatio-temporal data”. Statistica, 70,4, pp. 511-527.
Celemín. J. (2009). “Autocorrelación espacial e indicadores locales de asociación espacial. Importancia, estructura y aplicación”. Revista Universitaria de Geografía, 18,1, pp. 11-31.
Cortez, A., Rodríguez, M., Rey, J., Ovalles, F., Gonzales, W. y Parra, R. (2011). “Caracterizacion espacio temporal de la precipitación en el estado Guárico, Venezuela”. XIX Congreso Venezolano de la Ciencia del Suelo. [Consulta: 06-03-2015] Disponible en: http://www.sian.inia.gob.ve/repositorio/congresos/CVCS19/suelo_espacio_tiempo/SET25.pdf
Cressie, N. (1993). Statiscs for spatial data. New York, Wiley-Interscience.
Cressie, N. y Winkle, C. (2011). Statistics for spatio-temporal data. New York, Wiley.
Cryer, J. y Chan, K. (2008). Time series analysis with applications in R. New York, Springer.
Dixon, P. (2012). Ripley’s K function. El-Shaarawi, A., Piegorsch, W. (Ed.): Encyclopedia of Environmetrics. 5, Chichester, Wiley, pp 1796-1803.
Fisher, J., Trulio, L,. Biging, G. y Chromczak, D. (2007). “An analysis of spatial clustering and implications for wildlife management: A burrowing owl example”. Environ Manage, 39, pp. 403–411.
Figueras, S. y Gargallo, M. (2003). Análisis Exploratorio de Datos. [Consulta: 06-03-2015] Disponible en: http://www.5campus.com/leccion/aed
Fu,W., Jiang, P., Zhou, G. y Zhao, K. (2014). “Using Moran’s I and GIS to study the spatial pattern of forest litter carbon density in a subtropical region of southeastern China”. Biogeosciences, 11, 8, pp. 2401–2409.
Fundación Empresas Polar. (2004). Circulación atmosférica y tipos de clima.
Getis, A. y Aldstadt, J. 2004. “Constructing the spatial weights matrix using a local statistic”. Geographical Analysis, 36, 2, pp. 90–104.
Gilgen, H. 2006. Univariate time series in geosciences theory and examples. Berlin, Springer.
Giménez, Y. (2010). “Clasificación no supervisada: El método de k–medias”. Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires. [Consulta: 15-01-2015] Disponible en: http://cms.dm.uba.ar/academico/carreras/licenciatura/tesis/2010/Gimenez_Yanina.pdf
Gujarati, D. (2004). Econometría. México, MacGraw-Hill Interamericana.
Goldbrunner, A. (1984). Atlas climatológico de Venezuela 1951-1970. Servicio de Meteorología de la Fuerza Aérea Venezolana. Caracas.
Griffith, D. (2011). “Positive spatial autocorrelation, mixture distributions, and geospatial data histograms”. Spatial Data Mining and Geographical Knowledge Services (ICSDM), 2011 IEEE International Conference on, 1-6.
Hardisty, F. y Klippela, A. (2010). “Analysing spatio-temporal autocorrelation with LISTA-Viz”. International Journal of Geographical Information Science, 24, 10, pp. 1515-1526.
Hernández, R. (2008). Caracterización de la sequía meteorológica en los climas Árido, Semiárido y Subhúmedo seco en los Llanos Centro Orientales de Venezuela, para el manejo de los recursos hídricos. Centro de Investigación y Postgrado, Universidad Nacional Experimental Politécnica de la Fuerza Armada. [Consulta: 06-03-2015] Disponible en: http://www.inameh.gob.ve/documentos/Caracterizacion_sequia_Llanos_Centro_Orientales_Venezuela.pdf
Huo, X., Li, H., Sun, D., Zhou, L. y Li, B. (2012). “Combining geostatistics with Moran’s I analysis for mapping soil heavy metals in Beijing, China”. Int. J. Environ. Res. Public Health 2012, 9, pp. 995-1017.
Jenks, G. (1967). “The data model concept in statistical mapping”. International Yearbook of Cartography, 7, pp. 186-190.
Khanhasani, M., Akhavan, R., Sagheb- Talebi, K. y Vardanyan, Z. (2013). “Spatial patterns of oak species in the Zagrosian forests of Iran”. International Journal of Biosciences, 3,8, pp. 66-75.
Ketchen, D. y Shook, C. (1996). “The application of cluster analysis in Strategic Management Research: An analysis and critique”. Strategic Management Journal, 17, 6, pp. 441–458.
Li, H., Calder, C. y Cressie, N. (2007). “Beyond Moran’s I: Testing for Spatial Dependence Based on the Spatial Autoregressive Model”. Geographical Analysis, 39, pp. 357–375.
Lloyd. C. (2010). Spatial data analysis an introduction for GIS users. New York, Oxford University Press.
Lu, Y. (2000). “Spatial cluster analysis for point data: location quotients verses Kernel Density”. Presentation at Information Science Summer Assembly, Portland, Oregon. [Consulta: 06-03-2015] Disponible en: http://dusk.geo.orst.edu/ucgis/web/oregon/papers/lu.htm
Martelo, M. (2003). La precipitación en Venezuela y su relación con el sistema climático. Dirección de Hidrología, Meteorología y Oceanología–Dirección General de Cuencas Hidrográficas – MARN. [Consulta: 06-03-2015] Disponible en: http://www.inameh.gob.ve/documentos/precipitacion_venezuela_relacion_sistema%20climatico.pdf
Matthew, P. (2011). R Script for K-Means Cluster Analysis. [Consulta: 06-03-2015] Disponible en: http://www.mattpeeples.net/kmeans.html
Moran, P. (1950). “Notes on continuous stochastic phenomena”. Biometrika, 37, 1, pp. 17–23.
Moran, P. (1969). “Statistical inference with bivariate gamma distributions”. Biometrika, 56, 3, pp. 627-634.
Mohd, N. y Bee, Y. (2011). “Power comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling tests”. Journal of Statistical Modeling and Analytics, 2, 1, pp. 21-33.
Olaya, V. (2011). Sistemas de información geográfica. [Consulta: 06-03-2015] Disponible en: http://wiki.osgeo.org/wiki/Libro_SIG
Olivares, B. Parra, R., Guevara, E., Cortez, A. y Rodriguez, M. (2012). “Patrones de homogeneidad pluviométrica en estaciones climáticas del estado Anzoátegui, Venezuela”. Multiciencias, 12,1, pp. 11-17.
Othman, F., Akbari, A. y Samah, A. (2011). “Spatial rainfall analysis for an urbanized tropical river basin”. International Journal of the Physical Sciences. 6, 20, pp. 4861-4868.
Pérez, M. y Soto, E. (2004). “Régimen de precipitación en Montalbán estado Carabobo, Venezuela”. Agronomía Trop, 54,4, pp. 359-370.
Pruscha, H. (2013). Statistical analysis of climate series analyzing, plotting, modeling, and predicting with R. New York, Springer.
Reynolds, K. y Madden, L. (1988). “Analisys of epidemics using spatio-temporal autocorrelation”. Phytopatology, 78, 2, pp. 240-246.
Ripley, B. (1977). “Modelling spatial patterns”. Journal of the Royal Statistical Society. Series B 39, pp 172-192.
Rocco, C. (2012). “Analisis exploratorio de datos espaciales en estudios de demanda electrica”. III Congreso Venezolano de Redes y Energía Eléctrica. Consulta: [02-03-2015] Disponible en: http://www.cnv-cigre.org.ve/congreso_2012/temario/pdf/C1-32.pdf
Servicio de Metereología de la Fuerza Aerea Venezolana. (1955). Atlas climatológico provisional periodo 1951/1955.
Silva, G. (2010). Tipos y subtipos climáticos de Venezuela. Departamento de Geografía Física Universidad de Los Andes. Consulta: [02-03-2015] Disponible en: http://www.saber.ula.ve/bitstream/123456789/31158/3/trabajo_ascenso_2010.pdf
Stojanova, D. (2012). Considering autocorrelation in predictive models. (Tesis doctoral inédita). Jožef Stefan International Postgraduate School.
Tobler, W., (1970). “A computer movie simulating urban growth in the Detroit region”. Economic Geography, 46, 2, pp. 234-240.
Toledo, V. y Hernández-Szczurek, D. (2005). “Estudio de la variabilidad temporal y espacial de las lluvias anuales de la Depresión de Carora, estado Lara, Venezuela”. Lobo, D., Luján, D. y Soto, G. (Ed.): Evaluación de Parámetros y Procesos Hidrológicos en el Suelo Compendio de los trabajos presentados en la VII Escuela Latinoamericana de Física de Suelos Tema: Hidrología de Suelos La Serena, Chile, 2–14 de Noviembre de 2003, París, UNESCO, pp.53-59.
Toral, M. (2001). El factor espacial en la convergencia de las regiones de la Unión Europea: 1980-1996. (Tesis doctoral inédita). Centro: Facultad de Ciencias Económicas y Empresariales. Universidad Pontificia Comillas de Madrid.
Downloads
Published
How to Cite
Issue
Section
License
©The authors of the articles and other contributions published in GeoFocus keep intact the intellectual property rights over them. The authors and the publisher authorize the total or partial reproduction of the contents of the journal in the following terms:
1) Express mention of the author and the reference of the original publication.
2) Do not perform a commercial or lucrative use of them. Otherwise, you should contact the authors to make the appropriate arrangements.
3) Authors preserve their property rights and give to the journal the rights of the first publication of the work, registered with the Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional, which allows third parties to use the published data whenever the authorship of the work and first publication in this journal is mentioned.
4) It is allowed that authors disseminate electronically (e.g., in institutional repositories or on their own website) the published version of their work, as it encourages the earliest circulation and dissemination, and thus a possible increase in the citation and scope in the academic community.