Trabajo final: Datos espaciales
Luisa Grijalba 2028177, Nataly Leudo 2226738, Sthefany Villarraga 2028271
2024-12-10
Caso 1: Estudio Variabilidad Espacial de Variables Climáticas
Analisis exploratorio
Estadisticas descriptivas
| Media | Desviacion | Mediana | Minimo | Maximo |
|---|---|---|---|---|
| 22.62 | 4.29 | 21.3 | 16 | 34.6 |
En la tabla de las estadisticas descriptivas se puede observar que la temperatura media es de 22.62°C, lo que indica un clima moderado en la finca. La desviación estándar de 4.29°C muestra que la temperatura no varía drásticamente, aunque existe una variabilidad moderada. La mediana de 21.3°C es ligeramente inferior a la media, lo que sugiere que la distribución de los valores de temperatura podría estar sesgada hacia valores más bajos. El rango de temperaturas va desde 16°C hasta 34.6°C, lo que refleja un comportamiento climático que oscila entre frescas y cálidas condiciones, lo que puede influir en el desarrollo de cultivos y en la gestión de recursos en la finca.
| Media | Desviacion | Mediana | Minimo | Maximo |
|---|---|---|---|---|
| 58.09 | 14.01 | 63.25 | 28.5 | 91.4 |
Figura 1: Histogramas y Boxplots de Temperatura y Humedad Relativa
La figura 1 muestra que los datos de temperatura están relativamente concentrados en un rango entre 19.23°C y 26.48°C,sin embargo, hay algunos valores extremos que alcanzan los 34.60°C, lo que indica que, aunque la mayoría de las mediciones están en el rango medio, ocasionalmente se registran temperaturas más altas, posiblemente debido a factores locales o eventos climáticos extremos.
La distribución de la temperatura muestra una ligera asimetría hacia valores más altos, ya que la media (22.62°C) es ligeramente mayor que la mediana (21.30°C). Esto sugiere que, aunque los valores no están sesgados de manera significativa hacia temperaturas más altas o bajas, existe una leve tendencia hacia temperaturas más elevadas. Esta diferencia entre la media y la mediana indica que hay algunos valores extremos en el rango superior, lo que genera una ligera inclinación en la distribución hacia temperaturas más altas, sin que sea una asimetría pronunciada.
La humedad relativa muestra una amplia variabilidad, con un rango entre 28.50% y 91.40%. La mediana de 63.25% refleja el valor central, mientras que la media de 58.09% es algo menor, lo que indica que la distribución está sesgada hacia valores más bajos y no sigue una forma simétrica. Esto sugiere una asimetría en la distribución, donde los valores tienden a concentrarse en el rango inferior y hay una cola hacia valores más altos.
Este comportamiento sugiere que la humedad en la región varía considerablemente a lo largo del tiempo, probablemente debido a factores climáticos o geográficos como lluvias o la proximidad a cuerpos de agua o vegetación. Los valores más bajos (cerca del mínimo de 28.50%) podrían corresponder a periodos secos, mientras que los valores más altos (cerca del máximo de 91.40%) reflejan condiciones más húmedas.
Figura 2: Diagrama de dispersión temperatura vs. humedad relativa
En la figura 2 se puede observar que la correlación de -0.91 entre la Temperatura y la Humedad Relativa indica una fuerte relación negativa entre ambas variables. Es decir, a medida que la temperatura aumenta, la humedad relativa tiende a disminuir, y viceversa. Este valor de correlación sugiere que en la finca de la zona de Colombia donde se recopilaron los datos, existe una tendencia consistente en la que los días más calurosos se asocian con niveles más bajos de humedad relativa, lo cual es un comportamiento común en muchos entornos debido a la capacidad del aire cálido para retener menos vapor de agua.
Análisis Exploratorio Espacial
Temperatura
La figura 3 muestra un gradiente de temperatura dentro de la finca, con valores más altos en el noroeste y más bajos hacia el sureste. Este patrón espacial sugiere la influencia de factores ambientales específicos, como la altitud, la orientación del terreno o la cobertura vegetal, que podrían estar modulando las condiciones térmicas en las diferentes áreas. Además, la distribución uniforme de los puntos de medición asegura que se capturen adecuadamente las variaciones espaciales de esta variable climática.
Las zonas con temperaturas más altas, representadas por tonos rojos,
podrían estar asociadas con áreas expuestas a mayor radiación solar,
menor cobertura vegetal o características topográficas particulares,
como altitudes más bajas. Por otro lado, las temperaturas más bajas,
marcadas por tonos azules, podrían coincidir con áreas sombreadas,
cercanas a cuerpos de agua o ubicadas en terrenos más elevados. La zona
central, con tonos morados, parece actuar como una región de transición
entre estos dos extremos térmicos.
#### Humedad Relativa
La figura 4 revela que los valores de humedad relativa varían espacialmente, con áreas que presentan mayor humedad relativa (en tonos más oscuros, hacia el rango azul) y otras con valores más bajos (en tonos rosados). Esta variabilidad sugiere la presencia de microclimas influenciados por factores locales como diferencias en el relieve, sombra proporcionada por la vegetación o proximidad a fuentes de agua.
No parece haber una tendencia espacial clara o uniforme dentro de la finca que explique de manera evidente los patrones de la humedad relativa. Aunque hay variaciones en los valores de humedad, estas no se agrupan siguiendo un gradiente evidente (por ejemplo, aumentando de un lado a otro de la finca). Esto podría indicar que la distribución de la humedad está influenciada por factores más locales, como características específicas del terreno, vegetación o manejo del agua, en lugar de condiciones ambientales más amplias.Analisis Estructural
Con base en el análisis del semivariograma generado para la variable temperatura(que se muestra en la figura 5) y utilizando las bandas de no correlación generadas por el método de Monte Carlo como referencia, se observa que únicamente un punto cae dentro de dichas bandas. Esto indica que los valores del semivariograma no son consistentes con la hipótesis de ausencia de correlación espacial. Por lo tanto, se puede concluir que la temperatura presenta autocorrelación espacial, es decir, las observaciones cercanas entre sí tienden a estar relacionadas.
Figura 5 : Semivariograma para Temperatura
Para el caso de la Humedad Relativa,observando la figura 6 se puede afirmar que el proceso presenta autocorrelación espacial. En el gráfico del semivariograma, se observa que al principio los puntos muestran una fuerte dependencia espacial, la cual se estabiliza al alcanzar la meseta. Después de este punto, la dependencia espacial disminuye gradualmente, lo que indica que a medida que aumenta la distancia entre los puntos, la correlación espacial se va perdiendo. Además, ninguno de los puntos cae dentro de las bandas de no correlación generadas por el método de Monte Carlo, lo que refuerza la evidencia de autocorrelación espacial en los datos. Este comportamiento sugiere que las variaciones de la Humedad Relativa están estructuradas espacialmente dentro del área de estudio.
Figura 6 : Semivariograma Humedad Relativa
Ajuste de Modelo Teórico
En la figura 7 se puede observar que para seleccionar el modelo que mejor se ajusta a los datos de temperatura, se ajustaron tres modelos teóricos de semivariograma: exponencial, gaussiano y esférico. En el gráfico, se observa que el modelo gaussiano es el que mejor sigue la tendencia de los puntos de la muestra. Para validar este ajuste, se utilizó como métrica la suma de los cuadrados de los errores (SSE), seleccionando el modelo que minimizara este valor. El modelo gaussiano presentó la menor SSE (422,487), seguido del modelo esférico con un valor de 494,488 y, por último, el modelo exponencial con una SSE de 517,213. Estos resultados confirman que el modelo gaussiano es el más adecuado para describir la variabilidad espacial de los datos.
Figura 7 : Ajuste del modelo teorico: Temperatura
Se evaluaron tres modelos teóricos de semivariograma para ajustar los datos de humedad relativa: exponencial, gaussiano y esférico. En la figura 8 se puede observar que, el modelo gaussiano parece proporcionar un mejor ajuste a los datos observados. Para confirmar esta elección, se utilizó la suma de los cuadrados de los errores (SSE) como métrica de ajuste. El modelo gaussiano presentó una SSE de 24,447,206, significativamente menor que el modelo esférico (262,439,634) y el modelo exponencial (270,868,823). Estos resultados indican que el modelo gaussiano es el más adecuado para representar la variabilidad espacial de la humedad relativa en este caso.
Figura 8 : Ajuste del modelo teórico: Humedad Relativa
Predición Espacial
Predición espacial:Temperatura
Figura 9 : kriging Predict: Temperatura
Predición espacial:Humedad relativa
Figura 10 : kriging Predict: Humedad relativa