La predicción de lluvias extremas ha cobrado significativa importancia en los últimos años en los ámbitos de investigación y de gestión gubernamental, tanto a nivel local, regional y a nivel mundial. En particular en la provincia de Córdoba han ocurrido en los últimos años, grandes inundaciones en diversas partes de la provincia: Villa María en 2014, Sierras Chicas en 2015, Mina Clavero en 2018, etc.
En esta mentoría se propone en primer lugar, recopilar y analizar largos registros de observaciones hidro-meteorológicas en la provincia con especial énfasis en una variable: lluvia máxima anual. Además se propone evaluar si la disponibilidad espacial de esa información es suficiente para los estudios hidrometeorológicos requeridos. En los casos que sea necesario rellenar las series y suplir la falta de datos espacialmente, se propone complementar los datos disponibles con datos obtenidos de reanálisis climáticos.
En segundo lugar, se propone generar un modelo capaz de predecir (con cierta probabilidad) las lluvias extremas en diferentes partes de la provincia para los próximos años. Para ello se utilizará la información histórica la cual será dividida en dos grupos utilizando los últimos 10 años de registro para validación y test del modelo propuesto.
¿Qué distribución de probabilidad poseen las lluvias extremas en las diferentes regiones de la Provincia de Córdoba? ¿Y las lluvias acumuladas anuales?
¿Hay tendencias temporales de aumento o disminución de las lluvias extremas en la Provincia?
¿Existe alguna correlación entre las lluvias extremas e índices climáticos que caracterizan procesos cuasi-periódicos?
¿Podemos predecir si en los próximos años las lluvias serán mayores o menores a la media?
¿Cuál es la mejor herramienta matemática para realizar estas proyecciones?
Si querés inspeccionar el conjunto de datos, lo encontrarás en la dirección del repo:
https://github.com/Rondamon/2020_Mentoria_LluviasExtremas
22/6 práctico de análisis y visualización, para entender los patrones de las lluvias máximas diarias anuales (PMDA) en distintas estaciones de la Provincia, se espera:
Entender qué distribución de probabilidades representan a los datos
¿Cambian los estadísticos en función de la altura o latitud y longitud de la estación?
¿Existen tendencias temporales en las series de PMDA?
19/7 práctico de análisis y curación, consistirá en cuantificar en cada estación el número de datos faltantes respecto al total de datos y evaluar la metodología ideal para rellenar la serie.
16/8 práctico de introducción al aprendizaje automático, consistirá en intentar implementar un algoritmo perceptrón e intentar aplicar K-means con diferentes índices climáticos.
13/9 práctico de aprendizaje supervisado, consistirá en intentar predecir si las futuras lluvias serán mayores o menores respecto a la media.
27/9 práctico de aprendizaje no supervisado, consistirá en intentar predecir la magnitud de las precipitaciones extremas para los próximos años.
6/11/2020 – 7/11/2020 presentación de mentorías. Para esta etapa, te propongo comparar las predicciones realizadas con análisis de series temporales (ARIMA) y con redes neuronales.