SISTEMA DE PROCESAMIENTO DE DATOS DE

PRECIPITACIÓN PLUVIAL PARA LA WEB

COCHABAMBA, BOLIVIA

Maestría en Ciencias de la Geo - Información y Observación de la Tierra

Mención en Evaluación de Recursos hídricos
Novena versión

Ing. Franklin Andrade Barrionuevo

Febrero, 2017

CENTRO DE LEVANTAMIENTOS AEROESPACIALES Y APLICACIONES SIG PARA

EL DESARROLLO SOSTENIBLE DE LOS RECURSOS NATURALES
Cochabamba, Bolivia
SISTEMA DE PROCESAMIENTO DE DATOS
DE PRECIPITACIÓN PLUVIAL PARA LA WEB
Por

Franklin Andrade Barrionuevo

Asignación Final Individual (Trabajo de Grado) presentado al Centro de Levantamientos

Aeroespaciales y Aplicaciones SIG para el Desarrollo Sostenible de los Recursos Naturales
en cumplimiento parcial de los requisitos para la obtención del grado académico de
Magister en Ciencias de la Geo - Información y Observación de la Tierra, en la mención
en: Evaluación de Recursos hídricos.

ASESOR

Asesor 1: Lic. J. Stephan Dalence Martinic, M.Sc.

COMITÉ DE EVALUACIÓN

Examinador 1 (Presidente): Ing. Ma. René Sandoval Gómez, M.Sc

Examinador 2 (Docente CLAS): Ing. Mauricio M. Auza Aramayo, M. Sc
Examinador 3 (Tribunal externo): Arq. Paul A. Pineda Gamarra, M.Sc

CENTRO DE LEVANTAMIENTOS AEROESPACIALES Y APLICACIONES SIG

PARA EL DESARROLLO SOSTENIBLE DE LOS RECURSOS NATURALES
Cochabamba, Bolivia
 Aclaración

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

Los sistemas de información geográfica son herramientas colaborativas en los procedimientos de

tratamiento de información geográfica y en las gestiones en la evaluación de los recursos: tierra y hídricos;
la información geográfica tiene sentido con el tratamiento de la posición del objeto estudiado y los datos
que son relacionados a ello por ejemplo mapa temático que se puede representar como ser puntos, líneas
o polígonos; con la aparición de Web Mapping la publicación de los mapas procesados en la Web, se
realiza mediante librerías de JavaScript, HTML y estilos CSS3.

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.

1.3. Planteamiento del problema

Un estudio hidrológico inicia con la recolección de datos de precipitación pluvial recolectadas de las
estaciones del SENAMHI, estos datos son publicados en la web al realizar la consulta correspondiente al
área de estudio, por lo que se tiene que en algunas fechas existen datos faltantes en una estación
meteorológica requerida los cuales se debe rellenar con herramientas automatizadas o manualmente los
datos con algún método de relleno.

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.

1.4. Objetivo general

Desarrollar un sistema de procesamiento de datos para la generación de mapas online a partir de datos
meteorológicos de precipitación pluvial en el departamento de Cochabamba-Bolivia.

1.4.1. Objetivos específicos

 Procesar los datos de salida del sistema meteorológico para utilizarlos en el sistema web.
 Diseñar la infraestructura de intercambio de datos relacionales a datos espaciales.
 Implementar la automatización de rellenado de datos de datos faltantes de precipitación pluvial.
 Determinar el método geo estadístico de interpolación de mejor ajuste para obtener precipitación
pluvial continua de datos.

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).

2.1. Manejo de Datos Espaciales

Los formatos más comunes para el tratamiento de imágenes son SHP, TIFF, IMG para el procesamiento
de imágenes en desktop, para la web los formatos más utilizados GeoJSON para el diseño de polígonos
y para puntos GeoCSV o el mencionado anteriormente. Los navegadores web utilizan aplicaciones
basadas en JavaScript como por ejemplo Leaflet o Openlayers para visualizar los mapas. Con la integración
de infraestructura de servidores y la gestión de recursos de servidores de internet se puede contar con un
esquema de red similar al de SENAMHI (Gonzales, et al., 2015), como se ve en la siguiente figura:

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

Figura 1. Esquema de Red de Servidores y Estaciones.

Fuente: construcción propia a partir de bibliografía de SENAMHI

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.

2.2. Estaciones meteorológicas

Según (Olaya, 2016) la información de los puntos son manejados por el Global Positioning System (GPS).
Las estaciones generan datos de precipitación por lo que se accede al dato con la colaboración de sistemas
de comunicación permiten centralizar la información de los Pluviometros en una red de despliegue como
el de SENAMHI (Trujillo, et al., 2013) como se puede visualizar en un esquema de red de la figura 1.

2.3. Relleno de Datos de Precipitación Pluvial

Según (Auza Aramayo, 2016) existen diferentes métodos de relleno de datos faltantes, entre ellos más
utilizados es el Método de la Distancia Ponderada aplicado para estimar datos de precipitación pluvial
diarios, mensuales y anuales por lo que sigue el siguiente modelo:

∑( ∗ )
=
∑

Donde:

Px= Lluvia buscada en mm.

Pi = Precipitación observada en mm, para la fecha faltante en la estación vecina, mínimo 2

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

Figura 2. Despliegue de mapas de la tierra.

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.

2.4. Programación de SIG en la WEB

El lenguaje de programación básica para el lado del cliente o navegador de la web es Hypertext Markup
Language (HTML) para la parte de visualización de contenidos combinando los eventos con JavaScript y
el protocolo que transporta la información es Hypertext Transfer Protocol (HTTP) estandarizados en el
consorcio de la Web (W3C) con algún lenguaje de servidor como es PHP, ASP o JSP como lenguajes de
Servidor basado en un funcionamiento en un modelo Cliente-Servidor (Tanenbaum, 2012). Para la
incorporación de mapas en la web se utiliza aplicaciones como geoserver, mapserver, OpenStreetMap o
similares como servidor y OpenLayer o Leaflet como cliente librerías JavaScript con la aparición de Web
Mapping (Olaya, 2016) estandarizados por Open Geospatial Consortium (OGC).

2.4.1. Programación con Librerias Web

Esencialmente son librerías JavaScript (Gabarró, 2011), que permiten llevar los mapas de un SIG a la Web
con tratamiento de información por ejemplo el tipo GeoJson como es el Leaflet (Agafonkin, 2015) para
la visualización e interacción con mapas en Hypertext Markup Language (HTML).

2.4.2. Programación con Python

La programación de scripts es habitual para automatizar tareas, tal el caso del uso de Python; que permite
la automatización de las tareas repetitivas a procesos de cálculo matemático u operaciones de
automatización en conversiones de tipos de datos por ejemplo de CSV a JSON integrado con soporte a
otras tecnologías. A continuación en la tabla de Tipo de Datos en Python (Downey, et al., 2002)

5
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB

Tabla 1. Tipo de Datos en Python.

Fuente: http://developeando.net/introduccion-python/

2.5. Proceso de Desarrollo de Software

Un proceso de desarrollo de software, tiene un ciclo de vida desde que inicia hasta que termine, algunas
veces iterativamente. Por lo que se procede a optar un modelo en cascada o línea secuencial (Mesa Giraldo,
2012) teniendo en cuenta las siguientes etapas como se muestra en la Tabla 2 de Etapas de Desarrollo
de Software.

Tabla 2. Etapas de Desarrollo de Software.

ETAPA DESCRIPCION

Análisis Se realiza la recolección o captura requerimientos funcionales y los datos

asociados.

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.

Pruebas y Puesta en Fase de instalación y ejecución de la aplicación si lo que fue implementado

Marcha funciona conforme a lo planeado.

Fuente: (Mesa Giraldo, 2012)

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

2.6. Lenguaje UML

El Lenguaje de Modelamiento Unificado UML (Rumbaugh, et al., 2000) es utilizado en la representación
de graficas de representación de software y el proceso de desarrollo de software; esta notación de símbolos
gráficos está regulado por Object Management Group (OMG). El lenguaje gráfico de los desarrolladores
de software ayuda la inmediata comprensión para la mejor de versión de producto de software.

2.6.1. Diagrama de Casos de Uso

En un proceso de desarrollo de software es importante la recopilación de requerimientos funcionales del
usuario, por lo que el diagrama de casos de uso expresa una abstracción del mundo real entre un actor y
los sistemas que intervienen.

En la figura parágrafo del análisis de la información se puede visualizar los requerimientos funcionales
del hidrólogo.
FIGURA O
NOMBRE DESCRIPCIÓN
ARTEFACTO

Nombre de Caso de Es la funcionalidad que el Actor o Usuario que

Uso
Caso de Uso
requiere utilizar en el software

Sistema o Es la forma de presentar el alcance del sistema,

Susistema contiene las funcionalidades del actor(e)

Actor, Usuario o
Es el individuo o Sistema Indipendiente que opera o
Sistema
sirve una funcionalidad.
Actor Independiente

Es la línea que relaciona funcionalidades entre

<<extend>>
<<uses>>
diferentes artefactos que permiten re uso (uses) o
Relación
dependencia(include) de otras funcionalidades o
<<include>>
herencia(extent)

7
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB

2.6.2. Arquitectura en Modelo Vista Controlador

Existe la arquitectura Cliente-Servidor en la que se basa las redes de computadoras, por otro lado la
arquitectura de Modelo Vista Controlador permite la separación de los componentes de información:
Tabla 3. Descripción de Modelo Vista Controlador.

TIPO DESCRIPCIÓN

Vista Maneja los aspectos visuales del software. Para el diseño se

utilizara HTML5 y CSS3

Controlador Utiliza los componentes visuales de la vista y accede a los datos

que están el modelo. En este proceso se utilizar JavaScript,
Python

Modelo Maneja los datos que el controlador procesara. Los datos se

almacenaran en formato CSV, GeoJson y Json

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. Análisis Geoestadístico

El estudio de las variables en geoestadística (Dalence, 2016) para la interpolación de datos ya que se desea
encontrar los datos faltantes en un campo en otros puntos del espacio a partir de datos puntuales por
ejemplo como de la variable precipitación pluvial.

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).

2.7.3. Método de Interpolación

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

Figura 3. Interpolación de un dato

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”.

2.7.4. Validadacion de Datos calculados

El cálculo de Bonda de Ajuste R2, permite la aproximación de la mejor método de interpolación de los
datos, pero para decidir por el método adecuado se compara los datos estadísticos.

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.

3.2. Área de Estudio

La utilización algún método para el diseño de redes hidrométricas (Sossa Sanchez, 2006) en el área de
estudio, por ejemplo el método Karasiev, se define la distribución a instalar las estaciones para recolectar
datos de precipitación pluvial y en función a algún criterio y recursos disponibles son instalados y luego
posteriormente son interconectados por redes satelitales, GPRS/GSM y radio frecuencia (Pereyra
Rodríguez, 2015). En nuestro medio el Servicio Nacional de Meteorología e Hidrología (SENAMHI)
concentra en una red de datos como se muestra en la figura Layout de Estaciones Meteorológicas en
funcionamiento

Figura 4. Estaciones Meteorológicas de Cochabamba.

10
 MARCO METODOLÓGICO

Se tiene 87 estaciones meteorológicas de precipitación pluvial en funcionamiento, considerando las

estaciones de departamentos vecinos para el relleno de los datos faltantes.

3.3. Flujograma Metodológico de Desarrollo

Recopilación de Información
del sistema actual de
Meteorología
ANÁLISIS
Estructura y Parametrización
de Datos Estación

Modelado del Sistema y la base

de datos Geográfico
DISEÑO DEL SISTEMA
Diseño de Interfaz para la
generación de Mapa Online

Desarrollo del Módulo de

Procesamiento de Datos
IMPLEMENTACIÓN
Aplicación de método de
Interpolación

Pruebas y Puesta en Marcha del

PRUEBAS Sistema

Figura 5. Flujograma Metodológico.

En función al proceso de desarrollo de software se procedió a seguir el modelo en cascada como se

muestra en la figura Flujograma Metodológico. En la etapa de implementación, el procesamiento de datos
permite el rellenado de datos faltantes y posteriormente el uso de SIG para la aplicación de algún método
de interpolación.

11
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB

3.4. Flujograma Geoestadístico

MEDICIONES
PUNTUALES

ANÁLISIS VISUAL DE LOS DATOS

DATOS VERIFICADOS
ESTADÍSTICA
PARA ANALIZAR
DESCRIPTIVA
ANÁLISIS EXPLORATORIO DE DATOS
DE CADA VARIABLE: precipitación HIPÓTESIS
TEST DE NORMALIDAD
alfa = 5%

ANALISIS DE SI DISTRIBUCIÓN NO CALCULO TABLA DE

VARIOGRAMAS NORMAL PROBABILIDADES

DISTANCIA LIMITANTE
PARA 6 PUNTOS

INTERPOLACIÓN INTERPOLACIÓN DE VARIABLE

CON KRIGING MOVING AVERAGE

INVERSE LINEAR
DISTANCE (ID) DECREASE (LD)

DATOS INTERPOLADOS

CALCULO DE COEFICIENTE DE CORRELACION

BONDAD DE AJUSTE

R^2(ID): 0.86 R^2(LD): 0.12

DISEÑO DE LAYOUT

Figura 6. Flujograma Geoestadístico.

En la figura de Flujograma Geoestadistico, se puede visualizar el método a seguir para la determinación

del método a interpolar con previo análisis exploratorio de los datos.

3.4.1. Análisis de la información

Los datos de precipitación pluvial en: Datos Diarias y Datos Mensuales (Maximas Diarias, Tortales o
Medias Mensuales) de Precipitación están administrados y publicados en la web en el SISMET por
estaciones y los datos de las estaciones están registrados en el SIGE de SENAMHI (SENAMHI, 2006)
por departamentos y tipos de estaciones.

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

Selección de Datos Diarios, Datos

Máximas Diarias, Totales o
Medias de Precipitación Pluvial

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

Figura 7. Diagrama de Casos de Uso

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.

Tabla 4. Descripción de Casos de Uso.

NOMBRE DEL Selección de Datos de Precipitación Fluvial.
CASO DE USO
ACTOR Hidrólogo.
Son las funcionalidades que ofertan SISMET y SIGE; para obtener los datos
DESCRIPCIÓN de precipitación en bruto de Diario, Mensual o Anual.
PRECONDICIÓN: Seleccionar los tipos de datos requeridos
ACTOR SISTEMA
FLUJO DE 1. Ingresa al sistema de datos de 2. Despliega opciones de
INFORMACION precipitación SISMET o SIGE. búsqueda conforme a la consulta
del ACTOR.

13
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB

3. Selecciona la consulta de datos a 4. Visualiza los datos.

visualizar.
POSTCONDICION: Datos listo para rellenar y analizar.

NOMBRE DEL Relleno de Datos.

CASO DE USO
ACTOR Hidrólogo.
Buscar las estaciones vecinas con un dato existente en la misma fecha
DESCRIPCIÓN aplicando algún método de relleno.
PRECONDICIÓN: Datos de estaciones vecinas en la misma fecha.
ACTOR SISTEMA
1. ingresa todos los datos tabulados en el 2. Utiliza aplicaciones CSV y
formato de “template” y aplicar el hace lectura y escritura de los
FLUJO DE
método de relleno. archivos con resultados
INFORMACION
obtenidos, con el método de
relleno programado.
3. Visualiza los datos en formato CSV.
POSTCONDICION: Datos listo para realizar análisis hidrológico.

NOMBRE DEL Especialización de los datos de precipitación.

CASO DE USO
ACTOR Hidrólogo.
En un sistema GIS visualiza la información interpolada verificando el grado
DESCRIPCIÓN de correlación que existe en los datos. Hablar de Análisis Exploratorio de
Datos.
PRECONDICIÓN: Datos de precipitación rellenados.
ACTOR SISTEMA
1. Utiliza los datos rellenados he ingresa 2. SIG colabora en el
FLUJO DE
al sistema SIG y procesa con el análisis procesamiento de datos y con
INFORMACION
exploratorio de Datos. herramientas estadísticas.
3. Interpreta la información e Interpola
POSTCONDICION: Mapa Interpolado de Precipitación Pluvial.

NOMBRE DEL Publicación de Datos de Precipitación pluvial.

CASO DE USO
ACTOR Hidrólogo
Visualiza los datos procesados por cada estación en el mapa virtual en la web
DESCRIPCIÓN
PRECONDICIÓN: Datos de Precipitación Pluvial, Datos de las Estaciones
ACTOR SISTEMA
1. Edita el template de CSV luego ejecuta 2. Utiliza las librerías de CSV y
FLUJO DE
el script Python para convertir JSON.
INFORMACION
información a formato Json para las
estaciones.

14
 MARCO METODOLÓGICO

3. Cambiar formato de mapa a GeoJson 4. Utiliza las librerías necesarias

en un SIG desktop. en un entorno SIG para
convertir el formato.
5. Ingresa la información al portal web en 6. Utiliza las librerías y
el formato requerido. protocolos necesarios para
cargar la información en la web.
POSTCONDICION: Información publicada en la Web.

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.

Vista: html, Control: JavaScript, Modelo: CSV,

geojson Leaflet,Python GeoJson,Json

Hidrólogo

Ingresa los Datos de Precipitación

Carga los datos procesdos

en formato GeoJSon o Json

Recarga la página Entrega los datos del mapa

Figura 8. Modelo Vista Controlador

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

Figura 9. Especialización de Precipitación en 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

Figura 10. Diagrama de Componentes

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.

3.4.4. Pruebas y Puesta en marcha

La puesta en marcha se procede a verificar las salidas en base a las entradas de datos, en un cálculo manual
y otro calculado con los scripts de python y una salida de fichero se ve en la figura de log de relleno.

Figura 11. Log de Relleno

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.

4.1. Datos Rellenados

Los datos entregados publicados en el SISMET de SENAMHI, tienen un formato similar al que se
presenta en la tabla de datos de precipitación de la estación de Pairumani de Cochabamba generada por
el sistema.

Tabla 5. Datos de Precipitación de la estación Pairumani.

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:

Tabla 6. 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.

DATOS MENSUALES PRECIPITACIÓN [MM]

CON MAXIMAS DIARIAS AL AÑO
COCHABAMBA-BOLIVIA
332
203.8

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 -…

SAN JUAN DE…

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

Figura 12. Precipitación de datos mensuales con máximas diarias

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

4.2. Elección de la Proyección

Cochabamba pertenece a las zonas 19 y 20, se elegio la zona 20 en Proyección UTM por contener más
área de cobertura y por la diferencia de distancias de proyección de un punto por Teorema de Pitágoras
en un espacio cartesiano se calcula que los puntos proyectados desde Coordenadas Geográficas a UTM
zona 19 y zona 20 de la misma forma a Lambert. Calculando se optine la tabla de comparación de
proyección de un punto

Tabla 7. Comparación de proyección de un punto.

PUNTO EN ZONA 19
UTM WGS UTM WGS IGM
Estación X Y PROYECCION 84 Zona 19 84 Zona 20 LAMBERT
UTM WGS
Pairumani 784539.01 8067759.76 84 Zona 19 0
UTM WGS
Pairumani 147287.29 8076893.15 84 Zona 20 637317.169 0
IGM
Pairumani 166160.02 180751.49 LAMBERT 7911213.06 7896164.21 0
PUNTO EN ZONA 20
UTM WGS UTM WGS IGM
Estación X Y PROYECCION 84 Zona 19 84 Zona 20 LAMBERT
UTM WGS
Chipiriri 874303.96 8121185.45 84 Zona 19 0
UTM WGS
Chipiriri 235476.49 8132796.77 84 Zona 20 638932.985 0
IGM
Chipiriri 255078.05 235212.02 LAMBERT 7910247.64 7897609.08 0

Claro que la información de procesamiento cuando se trabaja con micro cuencas es más precisos porque
solo se trabaja en una zona.

4.3. Interpolación de Datos de Precipitación

4.3.1. Datos Estadísticos de Precipitación
Con la utilización del lenguaje R, se visualizar datos estadísticos como se muestra en la tabla 8:

20
 RESULTADOS Y DISCUSIÓN

Tabla 8. Datos Estadísticos de Precipitación [mm]

MEDIDAS DE POSICION MEDIDAS DE DISPERSION
summary(P) mfv(P) var(P) sd(P)
Media Mediana Varianza Desviacion
Min 1st Qu. 3rd Qu Max Moda
Mean Median Estandar
13.00 31.90 61.90 332.00 59.28 40.70 45 2703.568 51.99584

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.

4.3.2. Pruebas de Normalidad de Precipitación

Previamente a la elección del método de interpolación, se verifica el supuesto de normalidad la variable
de precipitación, para lo cual se emplea una prueba de hipótesis, con la siguiente hipótesis nula (Ho) y
alternativa (Ha)

Ho: La muestra de Precipitación sigue una distribución Normal

Ha: La muestra de Precipitación no sigue una distribución Normal

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.

Tabla 9. Test de Normalidad con Kolmogorov-Smirnov.

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.

4.3.3. Determinación del Método de interpolación

La interpolación que se aplica a estos datos de precipitación fue Moving Average con weigth funtion:
Inverse Distance y una distancia limitante de 161077 [m], el resultado de la prueba de bondad de ajuste es
de R2=0.86 y R2=0.96 con weigth exponent de 1.00 y 2.00 respectivamente. Los valores estadísticos se
aproximan a los valores reales como se muestra en la tabla comparativa de datos.

21
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB

Tabla 10. Datos estadísticos calculados con la interpolación.

Media Mediana Desviacion
Precipitación Min Max
Mean Median Estandar
Real 13.00 332.00 59.28 40.70 51.99584
Interpolado(weigth exponent=1.0) 14.09 331.99 77.58 57.75 41.94
Interpolado(weigth exponent=2.0) 13.03 331.54 78.34 56.44 44.5

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.

Con la interpolación de la precipitación se genera el layout correspondiente a la primera opción con

R2=0.86 con la comparación de datos estadísticos se seleccionó.

Figura 13. Mapa de Interpolación Pluvial de Cochabamba

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.

7.1. Objetivo de la Propuesta

Publicar la información producida por el hidrólogo con capacidades de procesamiento de datos en el
área de hidrología evitando esfuerzos dobles para generar información y compartir en la web.

7.2. Adquisición del Software

El template esta publicado en la página de CLAS (http://www.clas.umss.edu.bo/clas/index.asp),
inicialmente se puede descargar y trabajar en un directorio de su computador luego coordina con el
encargado su encargado de sistema de Sistemas para publicarlo en su página Web. Como se ve en la figura
de especialización de Precipitación de Cochabamba.

25
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB

7.3. Aplicación del Software

Básicamente se debe seguir el siguiente Diagrama de Flujo para Aplicación del Software de la Figura 14.

Datos de Precipitación Datos de

Fluvial Estaciones

Tabular la información en
formato sugerido como
formato CSV

Rellenar los datos Faltantes con algún

Datos Rellenados
método implementado Python

Interpolar y analizar los

datos

Desplegar los mapa, concretizando el interpolado en la

Web con la conversión a GeoJson y Json con
herramienta GIS o Python.

Mapa de Estaciones, Cuencas y

Provincias en la Web

Figura 14. Diagrama de Flujo para Aplicación del Software

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.

7.4. Adquisición de datos de Precipitación

Ingresar a la página web de SENAMHI mediante el navegador Web. Seleccionar los datos para procesar,
en el siguiente formato del fichero Excel en la Pestaña TemplateStons los puntos de las estaciones
utilizadas, los datos de precipitación para el relleno en TemplatePluvial luego convertirlo en formato csv
con la operación de guardar en formato CSV (delimitado por comas).

26
 PROPUESTA

7.5. Proceso de Rellenado de los Datos de Precipitación

Dependiendo del requerimiento se debe ejecutar los escripts para el rellenado automático de los datos de
precipitación.

rellenar*.py copiar

estaciones.xls *.csv estaciones.xls

TemplatePuvial TemplateStons
Figura 15. Flujo de rellenado de datos

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.

Tabla 11. Lista de Scripts en Python.

ENTRADA DE
NRO SCRIPT RESULTADO DESCRIPCION
DATOS

1 pararelleno.csv rellenopmedia.py pmedia.csv Se lee el fichero de entrada con

archivos auxiliares procede a
llenar los datos faltantes y lo
escribe en el fichero resultante

2 pararelleno.csv rellenopmax.py pmaxdia.csv Se lee el fichero de entrada con

archivos auxiliares procede a
llenar los datos faltantes y lo
escribe en el fichero resultante

3 pmaxdia.csv pmaxanio.py pmaxanio.csv Busca las precipitaciones

máximas y en qué año fue de cada
estación

4 pmedia.csv pmedia.py phumedo.csv A partir de datos rellenados en el

archivo de entrada se genera los
pseco.csv distintos ficheros de salida para
utilizar en el estudio hidrológico
pnormal.csv
por cada estación.

5 cochastons.csv csvtoston.py ston.json Ingresamos los datos que se

cargará con las estaciones se
ejecuta el script para que se genere

27
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB

un json para cargarlo a la web

mediante leaflet.

6 *.shp GIS *.geojson.js Para visualizar el mapa de

provincias y mapa de cuencas con
la ayuda de conversión

7.6. Proceso Interpolación de Datos de Precipitación

El método de interpolación esta función al estudio realizado del hidrólogo, este proceso el hidrólogo
procede a realizar el análisis exploratorio de datos, análisis de bondad de ajuste, uso de metodo de
interpolación adecuado y clasificación de imágenes definir los colores y los rangos.

7.7. Proceso de Publicación de Mapa

Una vez ingresada los datos al template. El método de interpolación esta función al estudio realizado del
hidrólogo, este proceso el hidrólogo procede a realizar el análisis exploratorio de datos, análisis de bondad
de ajuste, uso de metodo de interpolación adecuado y clasificación de imágenes. La información generada
convirtiendo en formato GeoJson o Json considerando que se debe crear una variable del contenido. Con
la librería leflet de javascript ubicada en el directorio “js” se puede manipular los mapas en la web.

7.7.1. Publicación de Mapas Tematicos

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.

SIG cambiar copiar

Mapa de mapa.geojson mapa.geojson.js json

Poligonos
Figura 16. Flujo de espacializar Poligonos en la web

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.

7.7.2. Publicación de Estaciones meteorológicas

Para procesar la información y cargar los puntos de las estaciones es importante mantener le fomato, el
nombre de las columnas y el sistema coordenadas geograficas (Latitud y Longitud) de las estaciones.
Luego proceder con la ejecución del script python.

28
 PROPUESTA

guardar csvtojson.py

estaciones.xls stons.csv stons.json json

TemplateStons

Figura 17. Flujo de espacializar puntos en la web

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

Agafonkin, V., 2015. Leaflet. En: s.l.:s.n.

Auza Aramayo, M., 2016. Texto de Precipitación. Cochabamba - Bolivia: s.n.
By, R. d. y otros, 2014. En: Principios de los Sistemas de Información. s.l.:s.n.
Crespo, Á., Van Damme, P. & Zapata, M., s.f. Clasificación de Cuencas de Bolivia según la metodología
de Pfafstetter, s.l.: s.n.
Dalence, S., 2016. Principios de modelamiento y geoestadistica. Cochabamba - Bolivia: s.n.
Downey, A., Elkner, J. & Meyers, C., 2002. En: Aprenda a Pensar Como un Programador con Python.
s.l.:s.n.
Fowler, Martin;Scott,Kendall, 1999. UML gota a gota. s.l.:s.n.
Gabarró, A., 2011. Programación de SIG en entornos Web. s.l.:s.n.
Gonzales, V., Quiñones, M. & Peralta, M., 2015. Integración de redes de sensores para Visualización de
datos meteorológicos en tiempo real y sus uso en infraestructura de datos espaciales. Ecuador: s.n.
Mariaca, C., Trujillo, F., Rossi, L. & Mendoza, O., 2013. Sistema de Alerta Temprana de Desastres -
SNATD. Bolivia: s.n.
Mesa Giraldo, S. F., 2012. Desarrollo de un Sistema de Información Geográfica Web para el análisis
espacial y temporal de las finanzas del Reino de Castilla en el siglo XVI. España: s.n.
Olaya, V., 2016. Sistemas de Información Geográfica. s.l.:s.n.
Paradis, E., 2003. En: R para Principiantes. s.l.:s.n.
Pereyra Rodríguez, L. E., 2015. Modelo Conceptual del “Sistema Nacional de Información
Meteorológica, Climatológica, Agrometeorológica e Hidrológica (SNIMCAH)”. La Paz - Bolivia: s.n.
Pressman, R., 2010. Ingenieria de Software - Un enfoque práctico. Mexico: s.n.
Rumbaugh, J., Jacobson, I. & Booch, G., 2000. En: Manual de Referencia del Lenguaje Unficado de
Modelado. s.l.:s.n.
SENAMHI, P., 2006. Servicio Nacional de Meteorología e Hidrología. http://www.senamhi.gob.bo/
Sossa Sanchez, E. V., 2006. Diseño de una red hidrométrica para el valle central de Cochabamba.
Cochabamba - Bolivia: s.n.
Tanenbaum, A., 2012. Redes de Computadoras. s.l.:s.n.
Trujillo, F., Pereyra, L., Chura, O. & Campero, S., 2013. Funcionamiento del Servicio de Meteorología e
Hidrología - SENAMHI. La Paz - Bolivia: s.n.

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

Anexo 2. Personalizar Python y ejecutar

Crear variables de Entorno en Windows, en caso de GNU Linux la aplicación Python viene instalado
por defecto.

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

Para ejecutar los scripts se puede utilizar:

Como editor de Python se puede utilizar Notepad++ o PyScripter

33
SISTEMA DE PROCESAMIENTO DE DATOS DE PRECIPITACIÓN PLUVIAL PARA LA WEB

Anexo 3. Análisis Exploratorio de Datos

Ingresando la herramienta de Software R se procedio:
Prueba de Hipótesis – NORMALIDAD con un nivel de confianza de 95% (nivel de significancia
alfa=5%)

Ho: La muestra de Precipitación sigue una distribución Normal

Ha: La muestra de Precipitación no sigue una distribución Normal
A partir de los datos

34
ANEXOS

35