Magíster en Matemática Aplicada

Esta investigación se enfocó en aplicar métodos estadísticos de escalado espacial para mejorar la resolución de la estimación de precipitación promedio anual del producto satelital CHIRPS en las cuencas binacionales Catamayo-Chira y Mayo-Chinchipe, utilizando modelos lineales y no lineales. Se utilizaron cinco variables predictoras geoespaciales como la elevación, latitud, longitud, NDVI y temperatura de la superficie terrestre para conocer la variabilidad espacial de la precipitación. Los modelos se validaron con datos de estaciones meteorológicas provenientes del INAMHI y SENAMHI. El método de AIC mostró que las regresiones lineales de las variables de la temperatura, NDVI y elevación son predictores significativos de la precipitación. Los modelos no lineales, en particular el método de random forest y el support vector machine lineal, demostraron un desempeño superior en la predicción de la precipitación, indicado por valores más altos de R² y menores valores de MAE, RMSE y Se, pero no son aceptables por AIC. Estos resultados muestran la efectividad del escalado espacial a 1 km en la mejora de la precisión y resolución de las estimaciones de precipitación satelital.