Llenando brechas en series de datos meteorológicos de estaciones automáticas
DOI:
https://doi.org/10.55761/abclima.v35i20.17599Palabras clave:
Relleno de lagunas. Datos meteorológicos. Hidrología estocástica.Resumen
Uno de los grandes problemas que surgen al trabajar con datos medidos en estaciones meteorológicas es la cantidad de lagunas encontradas en las bases de datos. El análisis de series incompletas puede generar resultados inciertos, impactando negativamente en la gestión de los recursos hídricos. Con el objetivo de solucionar estas deficiencias, el presente trabajo tuvo como objetivo realizar la imputación de los valores faltantes utilizando el método que arroja los errores más bajos. Los datos utilizados como caso de estudio son referentes a la estación meteorológica automática de Iguatu-CE. Para la imputación de los valores faltantes, se aplicaron métodos como la interpolación, el promedio móvil, la media, el valor faltante descompuesto estacionalmente y el valor faltante dividido estacionalmente. Las simulaciones de valores faltantes se realizaron siguiendo el esquema de muestreo de ausencia aleatoria (MAR), generadas para porcentajes de 10% y 20% de fallas. La eficiencia de cada método se probó utilizando medidas de error, error absoluto medio (MAE) y raíz del error cuadrático medio (RMSE). Los métodos probados mostraron buenos resultados para llenar los datos faltantes en la serie.
Descargas
Citas
BECK, Marcus W.; BOKDE, Neeraj Dhanraj; ASENCIO-CORTÉS, Gualberto; KULAT, K.D. R Package imputeTestbench to Compare Imputation Methods for Univariate Time Series. The R Journal, v.10, p.1-16, 2018.
BIER, Anderson Augusto; FERRAZ, Simone Erotildes Teleginski. Comparação de Metodologias de Preenchimento de Falhas em Dados Meteorológicos para Estações no Sul do Brasil. Revista Brasileira de Meteorologia, v. 32, n. 2, p. 215-226, 2017. Disponível em: https://doi.org/10.1590/0102-77863220008.
CLEVELAND, Robert B.; CLEVELAND, William S.; MCRAE, Jean E.; TERPENNING, Irma. STL: A Seasonal-Trend Decomposition Procedure Based on Loess. Journal of Official Statistics, v. 6, n. 1, p. 3-73, 1990.
CORREA, Marcele de Jesus; LIMA, Kellen Carla; SILVA, Jonathan Mota da; MEDEIROS, Gilvandro César. Filling of faults in climatological air temperature series in brazilian state capitals from 1980 to 2017. Revista Brasileira De Climatologia, v. 29, p. 251–272, 2021. Disponível em: https://ojs.ufgd.edu.br/index.php/rbclima/article/view/15176.
CORREIA, Tamíres Partélli; DOHLER, Rafael Esteves; DAMBROZ, Carlos Silva; BINOTI, Daniel Henrique Breda. Aplicação de Redes Neurais Artificiais no Preenchimento de Falhas de Precipitação Mensal na Região Serrana do Espírito Santo. Geociências, v. 35, n. 4, p.560-567, 2016.
CUNHA JÚNIOR, Rubens Oliveira da; FIRMINO, Paulo Renato Alves. Simulação de valores ausentes em séries temporais de precipitação para avaliação de métodos de imputação. Revista Brasileira De Climatologia, v.30, n.18, p.691–714. 2022. Disponível em: https://doi.org/10.55761/abclima.v30i18.15243.
DOURADO, Wesley Barbosa. Avaliação de técnicas de interpolação de imagens digitais. 2014. 141 f. Dissertação (Mestrado em Matemática Aplicada e Computacional) - Universidade Estadual Paulista, Presidente Prudente. 2014. Disponível em: https://repositorio.unesp.br/server/api/core/bitstreams/a4a2c492-32c3-4a27-8573-d5f543980736/content. Acesso em: 27 set. 2023.
GNAUCK, Albrecht. Interpolation and approximation of water quality time series and process identification. Analytical and bioanalytical chemistry, v. 380, p. 484-492, 2004. Disponível em: https://doi.org/10.1007/s00216-004-2799-3.
HODSON, Timothy O. Root-mean-square error (RMSE) or mean absolute error (MAE): when to use them or not. Geoscientific Model Development, v. 15, n. 14, p. 5481-5487, 2022. Disponível em: https://doi.org/10.5194/gmd-15-5481-2022, 2022.
INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ – IPECE. Perfil Municipal 2017: Iguatu. Fortaleza: IPECE, 2017.
JUNQUEIRA, Rubens; AMORIM, Jhones da Silva; OLIVEIRA, Alisson Souza de. Comparação entre diferentes metodologias para preenchimento de falhas em dados pluviométricos. Sustentare, v.2, n.1, p. 198-210, 2018.
MACHIWAL, Deepesh; JHA, Madan Kumar Jha. Hydrologic time series analysis: theory and practice. Springer Science & Business Media, 2012.
MELLO, Yara Rúbia de, KOHLS, Werner; OLIVEIRA, Therezinha Maria Novais de. Uso de diferentes métodos para o preenchimento de falhas em estações pluviométricas. Boletim de Geografia, v. 35, n.1, p.112-121, 2017. Disponível em: https://doi.org/10.4025/bolgeogr.v35i1.30893.
MORITZ, Steffen; BARTZ-BEIELSTEIN, Thomas. imputeTS: Time Series Missing Value Imputation in R. R Journal, v. 9, n. 1, p. 207, 2017.
OLIVEIRA, Luiz F. C. de; FIOREZE, Ana P.; MEDEIROS, Antonio M. M.; SILVA, Mellissa A. S. Comparação de metodologias de preenchimento de falhas de séries históricas de precipitação pluvial anual. Revista Brasileira De Engenharia Agrícola e Ambiental, v. 14, n. 11, p. 1186-1192, 2010. Disponível em: https://doi.org/10.1590/S1415-43662010001100008.
OLIVEIRA, Thiago Alves; SANCHES, Fabio de Oliveira; FERREIRA, Cássia de Castro Martins. (2021). Aplicação e avaliação de técnicas para o preenchimento de falhas de dados pluviométricos em anos habituais, secos e chuvosos. ENTRE-LUGAR, v.12, n. 24, p. 301–320. Disponível em: https://doi.org/10.30612/rel.v12i24.15137.
R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2023. URL: <https://www.R-project.org/>.
RSTUDIO TEAM. RStudio: Integrated Development for R. RStudio, PBC, Boston, MA, 2023. URL: http://www.rstudio.com.
SABINO, Marlus; SOUZA, Adilson P. de. Gap-filling meteorological data series using the GapMET software in the state of Mato Grosso, Brazil. Revista Brasileira De Engenharia Agrícola e Ambiental, v.27, n.2, p.149–156, 2023. Disponível em: https://doi.org/10.1590/1807-1929/agriambi.v27n2p149-156.
TURICCHI, Jake; O'DRISCOLL, Ruairi; FINLAYSON, Graham; DUARTE, Cristiana; PALMEIRA, A. L.; LARSEN, Sofus. C.; HEITMANN, Berit L.; STUBBS, R James. Data imputation and body weight variability calculation using linear and nonlinear methods in data collected from digital smart scales: simulation and validation study. JMIR Mhealth Uhealth, v. 8, n. 9, p. e17977, 2020. Disponível em: https://doi.org/10.2196/17977.
WIJESEKARA, Lakmini, LIYANAGE, Liwan. Comparison of Imputation Methods for Missing Values in Air Pollution Data: Case Study on Sydney Air Quality Index. In: ARAI, K., KAPOOR, S., BHATIA, R. (eds) Advances in Information and Communication: Proceedings of the 2020 Future of Information and Communication Conference (FICC). Springer International Publishing, vol 1130, p. 257-269, 2020. Disponível em: https://doi.org/10.1007/978-3-030-39442-4_20.
ZENERE, Pedro Vinicius S.; VENTURA, Thiago M.; GOMES, Raphael S. R.; RODRIGUES, Thiago R. Uso de árvore de decisão para escolha de método de preenchimento de falhas em dados meteorológicos. In: BRAZILIAN E-SCIENCE WORKSHOP (BRESCI), 14, 2020, Cuiabá. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, p. 89-96, 2020.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
A aprovação dos artigos implica a aceitação imediata e sem ônus de que a Revista Brasileira de Climatologia terá exclusividade na primeira publicação do artigo. Os autores continuarão, não obstante, a deter os direitos autorais. Os autores autorizam também que seus artigos sejam disponibilizados em todos os indexadores aos quais a revista está vinculada.
Os autores mantém seus direitos de publicação sem restrições
A Comissão Editorial não se responsabiliza pelos conceitos ou afirmações expressos nos trabalhos publicados, que são de inteira responsabilidade dos autores.
A Revista Brasileira de Climatologia oferece acesso livre imediato ao seu conteúdo, seguindo o entendimento de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização do conhecimento e tende a produzir maior impacto dos artigos publicados. Os artigos publicados na revista são disponibilizados segundo a Licença Creative Commons CC-BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/). Segundo essa licença é permitido acessar, distribuir e reutilizar os artigos para fins não comerciais desde que citados os autores e a fonte. Ao submeter artigos à Revista Brasileira de Climatologia, os autores concordam em tornar seus textos legalmente disponíveis segundo essa licença