Predicción de la evapotranspiración de referencia mediante NASA-POWER: contraste con estaciones meteorológicas en el sudeste de Córdoba
La cuantificación de la evapotranspiración de referencia (ETo) resulta de utilidad para diferentes aplicaciones. Sin embargo, su estimación está limitada por la carencia de instrumentos y redes de observación terrestres. Actualmente, se dispone de productos satelitales grillados de reanálisis y mod...
| Main Authors: | , , , |
|---|---|
| Format: | Artículo |
| Language: | Español |
| Published: |
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
2025
|
| Subjects: | |
| Online Access: | http://hdl.handle.net/20.500.12123/21486 https://revistas.unlp.edu.ar/ejs/article/view/17731 http://doi.org/10.24215/15146774e050 |
| _version_ | 1855486761567780864 |
|---|---|
| author | Gusmerotti, Lucas Alberto Gattinoni, Natalia Noemí Di Bella, Carlos Marcelo Mercau, Jorge Luis |
| author_browse | Di Bella, Carlos Marcelo Gattinoni, Natalia Noemí Gusmerotti, Lucas Alberto Mercau, Jorge Luis |
| author_facet | Gusmerotti, Lucas Alberto Gattinoni, Natalia Noemí Di Bella, Carlos Marcelo Mercau, Jorge Luis |
| author_sort | Gusmerotti, Lucas Alberto |
| collection | INTA Digital |
| description | La cuantificación de la evapotranspiración de referencia (ETo) resulta de utilidad para diferentes aplicaciones. Sin embargo, su estimación está limitada por la carencia de instrumentos y redes de observación terrestres. Actualmente, se dispone de productos
satelitales grillados de reanálisis y modelos de aprendizaje automático que surgen como alternativa para estimar variables meteorológicas espacialmente explícitas a escala local y regional. El objetivo de este trabajo fue evaluar la predicción de la ETo mediante el producto NASA-POWER en el sudeste de Córdoba. A partir de la temperatura, humedad, velocidad de viento y radiación solar registradas en estaciones meteorológicas y estimadas por NASA-POWER, se estimó la ETo mediante el modelo Penman-Monteith. Además, se empleó el modelo de aprendizaje automático Extreme Gradient Boosting (XGBoost) para corregir las estimaciones de NASA-POWER necesarias para el cálculo de ETo. Los resultados mostraron que NASA-POWER estimó la ETo con errores inferiores a 1 mm.día-1 cuando se comparó con la observada en las estaciones. XGBoost mejoró sensiblemente la precisión. A partir del producto NASA-POWER y XGBoost se puede reconstruir la falta de registros meteorológicos en el sudeste de Córdoba y a partir de ello estimar la ETo en forma precisa. |
| format | Artículo |
| id | INTA21486 |
| institution | Instituto Nacional de Tecnología Agropecuaria (INTA -Argentina) |
| language | Español |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
| publisherStr | Sociedad Argentina de Informática e Investigación Operativa (SADIO) |
| record_format | dspace |
| spelling | INTA214862025-02-27T11:35:56Z Predicción de la evapotranspiración de referencia mediante NASA-POWER: contraste con estaciones meteorológicas en el sudeste de Córdoba Gusmerotti, Lucas Alberto Gattinoni, Natalia Noemí Di Bella, Carlos Marcelo Mercau, Jorge Luis Machine Learning Evapotranspiration Meteorological Observations Aprendizaje Automático Cordoba (Argentina) Evapotranspiración Observaciones Meteorológicas Reanalysis Data Datos de Reanálisis Penman-Monteith La cuantificación de la evapotranspiración de referencia (ETo) resulta de utilidad para diferentes aplicaciones. Sin embargo, su estimación está limitada por la carencia de instrumentos y redes de observación terrestres. Actualmente, se dispone de productos satelitales grillados de reanálisis y modelos de aprendizaje automático que surgen como alternativa para estimar variables meteorológicas espacialmente explícitas a escala local y regional. El objetivo de este trabajo fue evaluar la predicción de la ETo mediante el producto NASA-POWER en el sudeste de Córdoba. A partir de la temperatura, humedad, velocidad de viento y radiación solar registradas en estaciones meteorológicas y estimadas por NASA-POWER, se estimó la ETo mediante el modelo Penman-Monteith. Además, se empleó el modelo de aprendizaje automático Extreme Gradient Boosting (XGBoost) para corregir las estimaciones de NASA-POWER necesarias para el cálculo de ETo. Los resultados mostraron que NASA-POWER estimó la ETo con errores inferiores a 1 mm.día-1 cuando se comparó con la observada en las estaciones. XGBoost mejoró sensiblemente la precisión. A partir del producto NASA-POWER y XGBoost se puede reconstruir la falta de registros meteorológicos en el sudeste de Córdoba y a partir de ello estimar la ETo en forma precisa. Computation of reference evapotranspiration (ETo) is useful for different applications. However, its estimation is limited by the lack of terrestrial observation instruments and networks. Currently, gridded satellite reanalysis products and machine learning models are available as an alternative to estimate spatially explicit meteorological variables at local and regional scales. The aim of this work was to evaluate and predict ETo using the NASA-POWER product in southeastern Córdoba. Through the Penman-Monteith model, ETo was estimated from temperature, humidity, wind speed and solar radiation recorded at stations, those estimated by NASA-POWER and those predicted by the Extreme Gradient Boosting machine learning model (XGBoost). NASA-POWER estimated ETo with errors less than 1 mm.day-1 when compared to that observed at the stations. XGBoost obtained a better accuracy and lower estimation errors. From the NASA-POWER product and XGBoost it is possible to reconstruct the lack of meteorological records in southeastern Córdoba to estimate ETo accurately. Instituto de Clima y Agua Fil: Gusmerotti, Lucas Alberto. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina Fil: Gattinoni, Natalia Noemí. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Clima y Agua; Argentina Fil: Di Bella, Carlos Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Agronomía. Departamento de Métodos Cuantitativos; Argentina Fil: Mercau, Jorge Luis. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Agropecuaria San Luis. Agencia de Extensión Rural San Luis; Argentina 2025-02-27T11:25:06Z 2025-02-27T11:25:06Z 2024-07-31 info:ar-repo/semantics/artículo info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://hdl.handle.net/20.500.12123/21486 https://revistas.unlp.edu.ar/ejs/article/view/17731 1514-6774 http://doi.org/10.24215/15146774e050 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf Sociedad Argentina de Informática e Investigación Operativa (SADIO) SADIO Electronic Journal of Information and Operation Research 23 (2) : 21-42. (2024) |
| spellingShingle | Machine Learning Evapotranspiration Meteorological Observations Aprendizaje Automático Cordoba (Argentina) Evapotranspiración Observaciones Meteorológicas Reanalysis Data Datos de Reanálisis Penman-Monteith Gusmerotti, Lucas Alberto Gattinoni, Natalia Noemí Di Bella, Carlos Marcelo Mercau, Jorge Luis Predicción de la evapotranspiración de referencia mediante NASA-POWER: contraste con estaciones meteorológicas en el sudeste de Córdoba |
| title | Predicción de la evapotranspiración de referencia mediante NASA-POWER: contraste con estaciones meteorológicas en el sudeste de Córdoba |
| title_full | Predicción de la evapotranspiración de referencia mediante NASA-POWER: contraste con estaciones meteorológicas en el sudeste de Córdoba |
| title_fullStr | Predicción de la evapotranspiración de referencia mediante NASA-POWER: contraste con estaciones meteorológicas en el sudeste de Córdoba |
| title_full_unstemmed | Predicción de la evapotranspiración de referencia mediante NASA-POWER: contraste con estaciones meteorológicas en el sudeste de Córdoba |
| title_short | Predicción de la evapotranspiración de referencia mediante NASA-POWER: contraste con estaciones meteorológicas en el sudeste de Córdoba |
| title_sort | prediccion de la evapotranspiracion de referencia mediante nasa power contraste con estaciones meteorologicas en el sudeste de cordoba |
| topic | Machine Learning Evapotranspiration Meteorological Observations Aprendizaje Automático Cordoba (Argentina) Evapotranspiración Observaciones Meteorológicas Reanalysis Data Datos de Reanálisis Penman-Monteith |
| url | http://hdl.handle.net/20.500.12123/21486 https://revistas.unlp.edu.ar/ejs/article/view/17731 http://doi.org/10.24215/15146774e050 |
| work_keys_str_mv | AT gusmerottilucasalberto predicciondelaevapotranspiraciondereferenciamediantenasapowercontrasteconestacionesmeteorologicasenelsudestedecordoba AT gattinoninatalianoemi predicciondelaevapotranspiraciondereferenciamediantenasapowercontrasteconestacionesmeteorologicasenelsudestedecordoba AT dibellacarlosmarcelo predicciondelaevapotranspiraciondereferenciamediantenasapowercontrasteconestacionesmeteorologicasenelsudestedecordoba AT mercaujorgeluis predicciondelaevapotranspiraciondereferenciamediantenasapowercontrasteconestacionesmeteorologicasenelsudestedecordoba |