Introducción

La temperatura es una de las variables meteorológicas con mayor relevancia en estudios ambientales, dado que influye directamente en el desarrollo de la flora y fauna de los ecosistemas y en la conservación de los biomas. Sin embargo, a consecuencia del cambio climático ha sufrido de alteraciones en los últimos años. (Organización de las Naciones Unidas para la Alimentación y la Agricultura, 2018). Por otro lado, la variable Viento se caracteriza por ser una consecuencia de las variables climáticas como precipitación y temperatura. Debido a la ausencia de estaciones meteorológicas los investigadores recurren a la estimación de información climática a través de métodos geoestadísticos los cuales permiten estudiar el comportamiento espacial del fenómeno (Silva, 2019).

Resumen

En el presente estudio se analiza la relación entre la máxima temperatura de aire registrada y la velocidad promedio del viento (km/h), los cuales fueron registrados el 1 de enero del 2020, en 49 estaciones meteorológicas pertenecientes a la comunidad autónoma de Cataluña. En este trabajo se pretende aplicar la téninca de Kriging Universal para pronosticar la valocidad promedio del viento en las estaciones donde no se encontraon registros de estas variables, pero sí tienen registros de Temperatura máxima.

Metodología

En cuanto a la recopilación de los datos, estos fueron consultados en los reportes de la Agencia Española de meteorología (AEMET), cuyo propósito es salvaguardar la vida de los habitantes a través de la adecuada predicción y vigilancia de fenómenos meteorológicos adversos en el país. (AEMET, 2015).
Luego de tabular los datos, estos fueron leídos en el software R para su análisis. Los procedimientos aplicados corresponden a los ajustes de varios modelos de Semivariograma, selección del modelo con menor ECM y la predicción de la velocidad promedio del viento en función de la temperatura máxima utilizando el método de Kriging Universal.


Mediciones en las 49 Estaciones de Cataluña.


Gráfico de Dispersión de Log(Velocidad promedio del viento) vs. Temperatura Mínima.


Ajuste de Semivariograma seleecionado: Matern, M. Stein’s parameterization.


##   model     psill    range kappa
## 1   Ste 0.1835766 1222.052   0.5

Comparación de ajustes


Error cuadrático Medio de los Semivariogramas ajustados

##      Estaciones                    ECM         
## [1,] "Exponential"                 "453687.635"
## [2,] "Matern"                      "354966.516"
## [3,] "Spl."                        "358396.412"
## [4,] "Nugget"                      "360000"    
## [5,] "M. Stein's parameterization" "357098.081"
## [6,] "Circular"                    "358040.347"
## [7,] "Wave"                        "358040.341"

Predicción con Kriging Universal

## [using universal kriging]
##                   Estación Predicción
## 1          Barcelona Fabra  12.507913
## 2   Corbera, Pic d'Agulles  10.000418
## 3  Monistrol de Montserrat   8.856531
## 4                Tarragona  14.247552
## 5       Horta de Sant Joan   9.377900
## 6                    Valls  13.055053
## 7          Artesa de Segre  10.871773
## 8               El Soleràs   8.856270
## 9              Granyanella  11.995163
## 10         La Seo d'Urgell   6.599779
## 11                    Torà  11.156557
## 12       Torre de Cabdella   8.080881