Documente Academic
Documente Profesional
Documente Cultură
Febrero, 2017
ASESOR
COMITÉ DE EVALUACIÓN
Este documento describe el trabajo realizado como parte del programa de estudios de Maestría en el
Centro de Levantamientos Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de los
Recursos Naturales. Todos los puntos de vista y opiniones expresadas en el mismo son
responsabilidad exclusiva del autor y no representan necesariamente las del Centro.
Resumen
Para la publicación de información en la web se debe realizar un pre procesamiento de un mapa y los
datos relacionados a ella. La precipitación pluvial es un dato muy importante para el estudio hidrológico
en una cuenca sea su uso o consumo del recurso agua. Por otra parte la distribución de las estaciones
meteorológicas oferta estos datos de precipitación para un estudio hídrico continuo en proyecto de obras
hidráulicas, riego, agua potable, control de riesgos entre otros.
La posibilidad de sistematizar algún procesamiento de datos acerca del estudio hidrológico se debe aplicar
herramientas de programación así como Python que posibilita la automatización de los cálculos
matemáticos, conversión de datos y operaciones de procesamiento de datos basados en algún modelo
matemático entre otros.
Una vez procesada los datos de precipitación se procede a realizar análisis exploratorio de datos donde se
determina que no tiene una distribución normal luego se procede con la interpolación con el método de
Moving Average con la variante Inverse Distance posteriormente se convierte la interpolación en formato
geojson, luego socializar en la web y continuar con el proceso de estudio hidrológico.
Palabras clave
Precipitación Pluvial, Sistema Automatizado. Librerias Javascript, GeoJson, Leaflet, SIG en la Web.
Interpolación.
i
Dedico este trabajo a mi madre Bertha Barrionuevo vda. de Andrade, a mis hermanos y a mis sobrinos.
ii
Agradecimientos
A Dios por mostrarme lo maravilloso que es su creación y que debo cuidar el recurso tierra y agua con
principio.
A Mi madre y a mis hermanos por su apoyo incondicional y confianza para seguir capacitándome
A mis amigos de CLAS 2016: Adrián, Paola, Fanny Vargas, Julio Cesar, Adler, Jesus; Fanny Ticona por
la amistad, colaboración y trabajo en equipo.
A mis instructores María Rene, Mauricio, Nelson, Sergio, Stephan, Guy y Benjamin por compartir sus
conocimientos el área del manejo GIS y sus aplicaciones.
A mi tutor Stephan colaboración como asesor y Maria Rene que me ayudaron a elegir y guiar el proceso
de desarrollo de la tesis.
A todo el personal del CLAS en especial a don Emilio por su amistad y apoyo fraternal de buen
Cochabambino.
i
Tabla de contenidos
1. Introducción ............................................................................................................................................................. 1
1.1. Antecedentes ................................................................................................................................................... 1
1.2. Justificación ..................................................................................................................................................... 1
1.3. Planteamiento del problema ......................................................................................................................... 2
1.4. Objetivo general.............................................................................................................................................. 2
1.4.1. Objetivos específicos.......................................................................................................................... 2
2. Marco teórico ........................................................................................................................................................... 3
2.1. Manejo de Datos Espaciales ......................................................................................................................... 3
2.2. Estaciones meteorológicas ............................................................................................................................ 4
2.3. Relleno de Datos de Precipitación Pluvial.................................................................................................. 4
2.3.1. Georreferenciación ............................................................................................................................. 4
2.4. Programación de SIG en la WEB ................................................................................................................ 5
2.4.1. Programación con Librerias Web..................................................................................................... 5
2.4.2. Programación con Python................................................................................................................. 5
2.5. Proceso de Desarrollo de Software ............................................................................................................. 6
2.6. Lenguaje UML ................................................................................................................................................ 7
2.6.1. Diagrama de Casos de Uso ............................................................................................................... 7
2.6.2. Arquitectura en Modelo Vista Controlador.................................................................................... 8
2.7. Análisis Geoestadístico .................................................................................................................................. 8
2.7.1. La variable ............................................................................................................................................ 8
2.7.2. Análisis Exploratorio de Datos ........................................................................................................ 8
2.7.3. Método de Interpolación ................................................................................................................... 9
2.7.4. Validadacion de Datos calculados .................................................................................................... 9
3. Marco metodológico ............................................................................................................................................. 10
3.1. Tipo de Investigación................................................................................................................................... 10
3.2. Área de Estudio ............................................................................................................................................ 10
3.3. Flujograma Metodológico de Desarrollo .................................................................................................. 11
3.4. Flujograma Geoestadístico.......................................................................................................................... 12
3.4.1. Análisis de la información ............................................................................................................... 12
3.4.2. Diseño ................................................................................................................................................ 15
ii
3.4.3. Implementación ................................................................................................................................ 16
3.4.4. Pruebas y Puesta en marcha............................................................................................................ 17
4. Resultados y discusión .......................................................................................................................................... 18
4.1. Datos Rellenados .......................................................................................................................................... 18
4.2. Elección de la Proyección ........................................................................................................................... 20
4.3. Interpolación de Datos de Precipitación .................................................................................................. 20
4.3.1. Datos Estadísticos de Precipitación .............................................................................................. 20
4.3.2. Pruebas de Normalidad de Precipitación ..................................................................................... 21
4.3.3. Determinación del Método de interpolación ............................................................................... 21
5. Conclusiones .......................................................................................................................................................... 23
6. Recomendaciones.................................................................................................................................................. 24
7. Propuesta ................................................................................................................................................................ 25
7.1. Objetivo de la Propuesta ............................................................................................................................. 25
7.2. Adquisición del Software ............................................................................................................................ 25
7.3. Aplicación del Software ............................................................................................................................... 26
7.4. Adquisición de datos de Precipitación ...................................................................................................... 26
7.5. Proceso de Rellenado de los Datos de Precipitación ............................................................................. 27
7.6. Proceso Interpolación de Datos de Precipitación ................................................................................... 28
7.7. Proceso de Publicación de Mapa ............................................................................................................... 28
7.7.1. Publicación de Mapas Tematicos ................................................................................................... 28
7.7.2. Publicación de Estaciones meteorológicas ................................................................................... 28
8. Referencias bibliográficas ..................................................................................................................................... 30
Anexos .......................................................................................................................................................................... 31
Anexo 1. Transformación de Coordenadas .................................................................................................. 31
Anexo 2. Personalizar Python y ejecutar....................................................................................................... 32
Anexo 3. Análisis Exploratorio de Datos ..................................................................................................... 34
iii
Lista de figuras
Figura 1. Esquema de Red de Servidores y Estaciones. ........................................................................................ 3
Figura 2. Despliegue de mapas de la tierra. ............................................................................................................. 5
Figura 4. Estaciones Meteorológicas de Cochabamba. ....................................................................................... 10
Figura 5. Flujograma Metodológico. ...................................................................................................................... 11
Figura 6. Flujograma Geoestadístico. ..................................................................................................................... 12
Figura 7. Diagrama de Casos de Uso ..................................................................................................................... 13
Figura 8. Modelo Vista Controlador ...................................................................................................................... 15
Figura 9. Especialización de Precipitación en la Web ......................................................................................... 16
Figura 10. Diagrama de Componentes ................................................................................................................... 16
Figura 11. Log de Relleno ......................................................................................................................................... 17
Figura 12. Precipitación de datos mensuales con máximas diarias .................................................................... 19
Figura 13. Mapa de Interpolación Pluvial de Cochabamba ................................................................................ 22
Figura 14. Diagrama de Flujo para Aplicación del Software .............................................................................. 26
Figura 15. Flujo de rellenado de datos ................................................................................................................... 27
Figura 16. Flujo de espacializar Poligonos en la web ........................................................................................... 28
Figura 17. Flujo de espacializar puntos en la web ................................................................................................ 29
iv
Lista de tablas
Tabla 1. Tipo de Datos en Python. ........................................................................................................................... 6
Tabla 2. Etapas de Desarrollo de Software. ............................................................................................................ 6
Tabla 3. Descripción de Modelo Vista Controlador. ............................................................................................. 8
Tabla 4. Descripción de Casos de Uso. .................................................................................................................. 13
Tabla 5. Datos de Precipitación de la estación Pairumani. ................................................................................. 18
Tabla 6. Datos de Precipitación Rellenados. ......................................................................................................... 19
Tabla 7. Comparación de proyección de un punto. ............................................................................................. 20
Tabla 8. Datos Estadísticos de Precipitación [mm].............................................................................................. 21
Tabla 9. Test de Normalidad con Kolmogorov-Smirnov. .................................................................................. 21
Tabla 10. Datos estadísticos calculados con la interpolación.............................................................................. 22
Tabla 11. Lista de Scripts en Python. ...................................................................................................................... 27
v
INTRODUCCIÓN
1. Introducción
La automatización del procesamiento y almacenamiento de información de los datos de posición
geográfica de cualquier objeto se realiza con herramientas de Sistemas de Información Geográfica o SIG.
La información geográfica se puede almacenar en los formatos internos de la herramienta o bien se puede
utilizar la geodatabase para integrar la información de datos relacionales con datos espaciales llevando a
una infraestructura de datos espaciales.
El procesamiento de la información siempre será la recolección de datos y bajo que formato se la puede
conseguir dependerá del proceso que genera el dato para pasarlo a otro proceso, la técnica e instrumentos
o herramientas utilizados, tal el caso es el caso de los datos meteorológicos con estaciones hidrométricas
que están interconectadas o bien son descargados a un medio de almacenamiento portable, las estaciones
interconectados en una red digital de datos almacenan la información en un servidor de datos para que
posteriormente sean transportados a un sitio web que permite a los usuarios descargase la información
para que posteriormente realice el procesamiento de la información.
1.1. Antecedentes
Según Trujillo, et al. (2013), los satélites brindan información meteorológica de Bolivia son GOES 14,
MeteoSat 8 (Eumetsat), con un intervalo de recepción de 15 minutos en doce canales diferentes
incluyendo IR, WV y VIS (Bandas de Infrarrojo, Bandas Visibles, Vapor de Agua, Precipitación)
Según Mapping (2012), la aparición de SIG en la Web o Móvil lleva las aplicaciones el uso de la red de
internet y a los programadores a manejar la información para la publicación de datos procesados en tiempo
real. Es en este sentido que la tendencia es el desarrollo de Web Mapping con ayuda de aplicación como
Python permite procesar la información y entregar al usuario final.
Según Pereyra Rodríguez (2015), en nuestro medio la publicación de datos meteorológicos es en tiempo
cuasi real, esta carencia depende mucho de los recursos que se tiene. Según Gonzales, et al. (2015) se tiene
requerimiento de gestión de sistemas de alerta temprana y según Mariaca, et al.(2013) hay varias
organizaciones en Bolivia se organizan para el proceso de implementación del Sistema Nacional de Alerta
Temprana de Desastres.
1.2. Justificación
La importancia de automatizar el procesamiento de datos es reducir o disminuir el tiempo en el cálculo
manual o cualquier proceso repetitivo y obtener resultados que se convierten inmediatamente en
información.
Los datos puntuales que genera una estación pluviométrica son almacenados en una base de datos, los
cuales son publicados en la web en forma de datos históricos por Servicio Nacional de Meteorología e
1
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
Hidrología (SENAMHI) a través de sus estaciones automáticas instaladas en Bolivia. Revisando en los
datos publicados en la web se tiene publicado los pronósticos en un mapa. Para poder visualizarse en un
modelo espacial se debe procesar e interpretar la precipitación real a través de técnicas de interpolación y
análisis geoestadístico.
Los usuarios podrán acceder a la información de manera inmediata desde cualquier servicio de datos
online o internet verificando el estado climatológico alguna zona en particular a través de una consulta.
Se desea brindar un componente de visualización de los resultados de las estaciones meteorológicas como
punto de referencia a futuros investigadores para automatización de procesamiento de datos puntuales
en el ámbito de los sistemas de información geográfica integrado a los sistemas meteorológicos existentes.
Sobre todo con la integración de los sistemas de alerta temprana, gestión de riesgos y reducción de los
impactos de fenómenos adversos.
La información generada en los estudios hidrológicos, en su mayoría no está publicadas, por lo que existe
duplicación de esfuerzos para generar de la misma información en el área de estudio.
Los procesos meteorológicos son muy dinámicos que deben responder a ocurrencias de un evento
extremo por lo que se requiera una respuesta inmediata para hacer conocer a inmediatamente a los
interesados que dependen de información de precipitación.
2
MARCO TEÓRICO
2. Marco teórico
Un sistema automatizado es un conjunto de elementos que permite realizar operaciones de modelamiento,
transacciones de bases de datos, representación del mundo real, procesamiento de imágenes, análisis
espacial entre otros para los usuarios. Una de las herramientas más utilizadas en el área geográfica son los
sistemas de información geográfica (SIG) para el estudio de fenómenos geográficos entre cualquier objeto
que ocupa un lugar en el espacio en un tiempo estacionario o continuo (By, et al., 2014).
Servidor SISMET
GOES 14/MeteoSat 8 (Eumetsat) Base de Datos
Postgres/Oracle/Ms Access
Servidor Web GIS
GeoServer/NodeJS/GeoNode
Servidor FTP TopoJSON/GeoJSON/GML
HTML 5, CSS, JavaScript
Openlayer/Leaflet
Internet
VPN
Replica Servidor
Base de Datos
Postgres/Oracle/Ms Access
La Paz
DATA CENTER
PRINCIPAL
Hidrólogo
FTP
Cochabamba
67 Estaciones en Instaladas
56 Estaciones en Funcionamiento
Red
GPRS/GSM Radio Frecuencia 12 Estaciones de Tiempo real
Estación Zona Cochabamba
3
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
Inicialmente los datos están almacenados por dispositivos meteorológicos la lecturación se envía al
servidor de archivos en formato de texto o csv. Estos datos son procesados por los hidrólogos y luego
loa almacenan en un Sistema de Procesamiento de Datos Meteorológicos SISMET o Sistema de Gestión
de Estación SIGE del SENAMHI de nuestro entorno, para que sea disponible en la red.
∑( ∗ )
=
∑
Donde:
Wi = 1/Di siendo la distancia entre la estación que tiene dato en la misma fecha con la estación
que no cuenta con el dato.
El cálculo de la distancia entre dos puntos: P1(X1, Y1) y P2(X2, Y2) se basa en la fórmula de Teorema de
Pitagoras:
2.3.1. Georreferenciación
Un mapa esta referenciada con un sistema de coordenadas, el sistema de coordenadas define una
superficie plana de dos o tres dimensiones con la información de proyección, el datum y elipsoide en una
forma similar que se muestra en la figura de despliegue de mapas de la tierra con la idea de llevar la tierra
en un plano visual
4
MARCO TEÓRICO
Fuente: http://resources.arcgis.com/es/help/getting-started/articles/026n0000000s000000.htm
La proyección UTM sigue una forma cilíndrica con sistema de coordenadas WGS 84 son necesarios para
para realizar cálculos matemáticos en una zona de estudio y las Geográficas para la representación de
mapas en diferentes zonas. En aplicaciones web el sistema de coordenadas que corresponde es EPSG:
4326 que corresponde Geográficas con Datum WGS84.
5
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
Fuente: http://developeando.net/introduccion-python/
Diseño del Sistema Se define los componentes y los recursos del sistema
Implementación Se genera el código fuente de forma que sea tangible por la máquina. Fase
para definir la arquitectura de desarrollo por ejemplo el Modelo Vista
Controlador (MVC) esto para separar el modelo de la vista de los usuarios
con un módulo controlador.
En un proceso secuencial algunas veces no se captura todos los requerimientos funcionales dependiendo
de los usuarios o bien las limitaciones del sistema por lo que se puede repetir la secuencia del modelo por
lo que se puede convertir en repetitivo e incremental como es el Proceso Unificado.
6
MARCO TEÓRICO
En la figura parágrafo del análisis de la información se puede visualizar los requerimientos funcionales
del hidrólogo.
FIGURA O
NOMBRE DESCRIPCIÓN
ARTEFACTO
Actor, Usuario o
Es el individuo o Sistema Indipendiente que opera o
Sistema
sirve una funcionalidad.
Actor Independiente
7
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
TIPO DESCRIPCIÓN
En la figura 3, se puede visualizar el diseño del software en ese modelo se incluye al actor para inciar las
operaciones o el computo de la computador.
2.7.1. La variable
La variable de estudio es la Precipitación tipo numérico flotante, estos datos puntuales obtenidas de una
estación pluviométrica que serán los datos medidos u obtenidos para estudiarla. Más específicamente
serán los datos mensuales de precipitación [mm] de máximas diarias al año en cada estación meteorológica
de SENAMHI.
2.7.2. Análisis Exploratorio de Datos
La tarea de realizar análisis exploratorio de datos es determinar cuál es la distribución de los datos
estadísticos o graficas basadas en modelos matemáticos (Dalence, 2016) permiten obtener la Varianza,
Media, Desviación Estandar entre otros.
Es importante plantear una hipótesis con un nivel de significancia (alfa) considerable para contar con un
nivel de confianza. Tomando la variable de estudio se plante una la hipótesis nula (Ho) y otra alternativa
(Ha).
Ho: La muestra de Precipitación sigue una distribución Normal
Ha: La muestra de Precipitación no sigue una distribución Normal
P-Valor < se rechaza la Hipótesis nula (Ho)
8
MARCO TEÓRICO
Para determinar P-Valor se puede utilizar cualquier técnica de test de Normalidad como ser Shapiro-Wilk,
Kolmogorov-Smirnov. Anderson-Darling entre otros que se puede utilizar en R (Paradis, 2003).
Existen diferentes métodos de interpolación (Dalence, 2016), entre ellos: Narest Point, Kriging, Trend
Surface, Moving Average, Inverse Distance Wheighting – IDW entre otros están implementadas en los
SIG’s cada uno con su variante modelo matemático. El uso de cada uno depende la cantidad de datos, la
distribución de datos, la distancia entre los puntos observados y calculados; o su variograma permitirá el
uso correspondiente.
Los métodos de interpolación mencionados permiten obtener los datos continuos a partir de datos
puntuales u observados, en un punto deseado.
1 10km 20km 2
A
100mm ? mm 50mm
?km
3 30mm
Al querer asignar un valor en el punto A, se debe considerar cuáles? serán los puntos asignados como
promedio o ponderando a una distancia relativa de todas las distancias el segundo se utiliza como Inverso
a la Distancia (IDW) respondiendo a Principio de Burrough y McDonnell que dice:
“Todas las cosas están relacionadas entre sí y es muy probable que los valores de puntos cercanos sean más similares entre
sí, que con valores de puntos más lejanos”.
9
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
3. Marco metodológico
3.1. Tipo de Investigación
En el marco del conocimiento científico se procederá al diseño y construcción de un módulo web que
permita visualizar imágenes de datos interpolados de precipitación pluvial por lo que procedimiento será
similar a los proyectos de ingeniería de software utilizando en modelo en cascada, modelo lineal o
secuencial este modelo ofrece métodos y técnicas para la producción y mantenimiento de aplicaciones
informáticas (Pressman, 2010) .
Por lo que la metodología se basa en el constructivismo y un enfoque Geo estadístico con la utilización
de método de interpolación del área de estudio para generar información.
10
MARCO METODOLÓGICO
Recopilación de Información
del sistema actual de
Meteorología
ANÁLISIS
Estructura y Parametrización
de Datos Estación
11
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
MEDICIONES
PUNTUALES
DATOS VERIFICADOS
ESTADÍSTICA
PARA ANALIZAR
DESCRIPTIVA
ANÁLISIS EXPLORATORIO DE DATOS
DE CADA VARIABLE: precipitación HIPÓTESIS
TEST DE NORMALIDAD
alfa = 5%
DISTANCIA LIMITANTE
PARA 6 PUNTOS
INVERSE LINEAR
DISTANCE (ID) DECREASE (LD)
DATOS INTERPOLADOS
DISEÑO DE LAYOUT
Un Hidrólogo accede mediante la consulta de datos deseados, posteriormente se procede a utilizar algún
método de relleno de datos para la especialización de los datos con algún método de interpolación.
12
MARCO METODOLÓGICO
Sistema Integrado de
Gestión de Estaciones
Análisis Exploratorio SIGE
de Datos
<<uses>>
Hidrólogo
Especialización de Datos
Mediante Interpolación de datos <<uses>>
de Precipitación Pluvial Rellenado de Datos
Sistema de Procesamiento
Faltantes
de Datos Meteorológicos
SISMET
<<extent>>
Procesamiento de
Información por
Cuencas
Publicación de Datos Espaciales
de Precipitación Pluvial <<uses>>
Conversión de
Formatos de SHP a
GeoJSON
Los requerimientos funcionales del sistema se pueden visualizar en el diagrama de casos de uso que están
representadas en Elipse. El flujo de información se describe en la tabla de descripción de Casos de Uso.
13
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
14
MARCO METODOLÓGICO
3.4.2. Diseño
En esta etapa se procede a definir la arquitectura Modelo Vista Controlador para el Caso de Uso de la
visualización de los de los datos de precipitación pluvial, por lo que se separa los módulos de Vista que
visualiza los mapas, Control que interpreta y administra la información entre Vista y Modelo; y Modelo
donde están los datos procesados.
Hidrólogo
Fuente Propia
El usuario Hidrólogo ingresa los datos procesados en una página web procesando previamente con scripts
Python, con tratamiento de base de datos en una estructura básica de CSV. Los datos de CSV se debe
transformar en formato GeoJson y posteriormente para que leaflet visualice los datos del mapa en HTML.
15
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
Las estaciones se visualizan mediante un marker que representa un punto en coordendas Geograficas a
partir de un fichero CSV a Json, para ser desplegado con sus elementos.
3.4.3. Implementación
Se tiene los componentes entre directorios y ficheros que están relacionados en el fichero index.html
como se ve en la figura 10.
csvtojson.py
rellenomedia.py
cocha.geojson
*.png rellenopmax.py
ston.json
*.jpg pmax.py
cochastons.csv
pmedia.py
ston.json
*.py, *.csv
leaflet.js
feaf-demo.js
jquery.min
leaflet.css
leaflet-search.js
leaflet-search.css
index.html
16
MARCO METODOLÓGICO
En base a los ejemplos propuestos de la librería Leaflet en su verion 0.7 se implementó la codificación de
los componentes como se ve en la Figura de Diagrama de Componentes, para visualizar la información
en la web con previo transformación de formatos y rellenados de datos con scripts Python.
17
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
4. Resultados y discusión
Es importante verificar como verificar los cálculos realizados en el procesamiento de datos automatizados,
ya que el correcto ingreso de los datos permitir obtener resultados correctos, para poder rellenarlos y
luego procesar la información se debe considerar los puntos de las estaciones en coordenadas proyectadas
para el método que se automatizo se requiere la distancia entre los puntos.
Fuente: http://www.senamhi.gob.bo/sismet/index.php
Realizando una consulta de los datos de la Estación de Pairumani, se puede visualizar los caracteres ****
en la tabla 3, que significan dato de precipitación pluvial en la fecha es faltante, a diferencia de un valor
0.0 que si es representativo que si significa que no hay precipitación. Por lo que se puede rellenar los datos
18
RESULTADOS Y DISCUSIÓN
representados con ****, con lo que rellenando resulta como la siguiente tabla de datos de precipitación
rellenados:
En caso de que no se encuentre dato se representa el dato no encontrado con un valor -1 para su
procesamiento. Para el relleno se creó un script Python para el rellenado de datos faltantes por el método
de distancia. La automatización de cálculo se utilizó el método de distancia ponderada y también se generó
un script que permite sacar año húmedo, año seco y año normal, a partir de datos de pmedia.csv genera
phumedo.csv, pseco.csv y pnormal.csv entre otros en el capítulo de propuesta.
198.2
220
190.5
149.4
141.7
138.9
130.4
122.3
106.5
77.6
74.2
72.4
64.4
62.8
87
60.4
82
57.2
80
52.5
77
50.1
49.3
48.7
70
43.7
44.1
68
43.3
42.9
40.8
40.7
40.5
40.7
38.1
38.1
37.8
37.7
36.9
61
60
35.5
34.4
33.8
33.4
32.5
31.3
30.1
54
29.4
29.7
28.5
28.7
27.2
26.6
25.6
50
25.3
24.5
48
48
22.8
22.9
45
45
45
19.3
42
40
40
38
38
37
36
35
35
34
31
29
27
25
25
24
18
13
CARACOLLO -…
CHOQUETANGA…
INDEPENDENCIA -…
ORURO -…
PRESTO…
PUERTO…
SAN BENITO…
VALLE GRANDE -…
VILLA TUNARI -…
CAMPAMENT O…
COCHABAMBA -…
IVIRGARZAMA -…
SENDA VI…
SIVINGANI…
SANTIVANEZ
PARACTI
CONCHAMARCA
TUTIMELGA
ACASIO
ANZALDO
CERRO PELADO
KOARI
CHUQUI CHUQUI
MATARAL
MISICUNI
MOLLE MOLLE
SACABAMBA
TABOADA
CHIPIRIRI - C SAT
EL QUINE
COPACHUNCHO B
CRISTAL MAYU
ALALAY - GPRS
ARBIETO - GPRS
BUENA VISTA
TIRAQUE
COLOMI
RAVELO
CHAUPISUYO - C A
KATARICAGUA - A
LA VIOLETA - C SAT
LA JOTA - C A
PASORAPA - GPRS
19
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
Una vez rellenado los datos en formato CSV se puede llevar a una hoja de cálculo para seguir con el
estudio correspondiente de la precipitación, obtener por ejemplo la figura 12 de datos de precipitación
mensual de máximas diarias
Claro que la información de procesamiento cuando se trabaja con micro cuencas es más precisos porque
solo se trabaja en una zona.
20
RESULTADOS Y DISCUSIÓN
Es claro que la precipitación máxima diaria en el área de estudio está entre 13 y 332 mm, este rango nos
ayuda a determinar el método de interpolación y las aproximaciones en los estadísticos interpolados.
Se define un nivel de significancia para la prueba de hipótesis igual a α=0.05, se calculó el valor de la
probabilidad (p-value) como se muestra en la Tabla.
PMaxDia[mm] Lilliefors(Kolmogorov-Smirnov)
D 0.13267
p-value 0.0006005
Nivel de Significancia
alpha (α) 0.05
En visto que el p-value calculado es menor que α se puede concluir que la hipótesis nula (Ho) se
rechaza por lo que se opta por la hipótesis alternativa, entonces se determina que la distribución de
datos no sigue una distribución normal.
21
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
A la hora interpolar se debe considerar el tamaño de pixel por ejemplo 500x500m, ya que mientras más
grande sea el mapa de estudio y menor sea la resolución espacial el procesamiento tardara más en la
interpolación.
La interpretación grafica de Mapa de Interpolación nos puede dar una aproximación y es la interpolación
con Moving Average con la opción Inverse Decrease.
22
CONCLUSIONES
5. Conclusiones
Se procesó los datos de 87 estaciones meteorológicas de funcionamiento obtenidos del SISMET y SIGE
precipitación de datos mensuales de máximas diarias. El posicionamiento de las estaciones está registrado
en coordenadas geográficas, los datos publicados en la web son textuales por lo que cambio el tipo de
dato textual a numérico para realizar el cálculo y viceversa en la web.
Se diseñó la estructura de datos de las estaciones meteorológicas en formato CSV para convertirlo en
Json y para la lectura de los mapas GeoJson a se generó con la herramienta QGIS partir de un shapefile
de mapa interpolado, cuencas y provincias de Cochabamba. La librería leaflet basada en el lenguaje
JavaScript y CSS3 permitió la posibilidad de interacción y la publicación del mapa en la web.
Se implementó scripts Python para el rellenado de datos de precipitación pluvial con previo parámetro en
un fichero formato CSV, en caso de que no existiese dato para rellenar se utiliza el valor de -1 para
determinar los máximos anuales, para la conversión de CSV a JSON.
El análisis exploratorio de los datos se determinó los datos estadísticos y la distribución no siguen una
distribución normal. El método Moving Average con Inverse Distance de interpolación espacial es el de
mejor rendimiento para los datos de precipitación que se exploró, obteniendo bondad de ajuste de R 2 =
0,86 con un peso 1 y la comparación de datos estadísticos de interpolación y los reales se aproximan en
los valores máximos y mínimos.
23
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
6. Recomendaciones
Se recomienda mantener el formato del CSV de cabecera del fichero pararelleno.csv y el de ston.csv
creados a partir de los templates en el fichero estaciones.xls. Para recargar los datos de precipitaciones y
las estaciones para mayor aprovechamiento se recomiendan revisar la propuesta de esta aplicación web.
Para la extracción de datos de promedios máximas diarias se debe identificar cual es la primera estación
meteorológica.
Para la ejecución de los scripts se recomienda utilizar la versión Python 3.x o superior para creación de
JSON de las estaciones los datos deben estar entre comillas para que se lea en leaflet. Si tiene una versión
de Python 2.7, la versión se instala en otro directorio por lo que se debe cambiar de nombre el ejecutable
de la versión 3 en Windows.
24
PROPUESTA
7. Propuesta
Se propone un témplate o proforma de trabajo en formato CSV; para publicación de información en la
Web de los estudios que realizan por el Hidrólogo y compartir los estudios en las cuencas. Sin necesidad
de un servidor de mapas dedicado, sino simplemente con las posibilidades de un navegador que tiene la
institución que realizo el estudio. Con la idea de compartir información de estudios realizados en la Web
y posteriormente en un GeoPortal como el que tiene GeoSIRH o GeoBolivia los mapas procesados.
25
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
Tabular la información en
formato sugerido como
formato CSV
A partir de los datos de precipitación y las estaciones correspondientes publicados en la página web se
de SENAMHI, se tabula los datos en formato CSV luego se procede la secuencia que se muestra en el
diagrama de flujo de datos.
26
PROPUESTA
rellenar*.py copiar
En función a la entrada y los datos de precipitación se puede aplicar el dato deseado el resultado se debe
verificar e interpretar por un hidrologo.
27
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
En este apartado se quiere generalizar a cualquier mapa tematico que sigue el proceso de conversion de
formatos de mapa a un formato geojson, con la herramienta que soporta por ejemplo QGIS, simplemente
cambiar la extension a js finalmente copiarlo al directorio “json” del directorio de la web. Este combio de
formato sigue las recomendaciones de W3C.
En el caso de los mapas interpolados se debe concretizar o clasificar para publicarlos en la web. Para que
leaflet puede referenciarlos se debe crear la variable correspondiente.
28
PROPUESTA
guardar csvtojson.py
Este proceso de convertir de csv a json se debe ejecutar con Python 3.x ya que la versión 2.x simplemente
crea con comillas simples.
29
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
8. Referencias bibliográficas
30
ANEXOS
Anexos
Anexo 1. Transformación de Coordenadas
Se puede utilizar alguna aplicación autmatizada para transformar coordenadas geográficas a UTM con la
herramienta ILWIS. A partir de los puntos creados se realiza la opción de transformación con un sistema
de coordenadas proyectada.
31
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
Para seguir entonces se debe seguir los siguientes pasos: Ingresar a Propiedades de Sistema-Botón
Variable de Entorno-Seleccionar Path-Examinar o copiar (separando con ;) la ruta del directorio Python
y Aceptar
03
04
02
01
32
ANEXOS
Para contar con dos versiones solo se debe cambiar el python.exe (c:\python33\) por ejemplo
python3.exe. Luego ingresar a CLI de Windows
33
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB
34
ANEXOS
35