Imputación de Datos en Series de Precipitación Diaria Caso de Estudio Cuenca del Río Quindío

Imputation of Missing Daily Rainfall Data Case Study of Quindio River Basin

En este artículo se presentan los resultados obtenidos por la aplicación de cinco técnicas de imputación de datos en series de precipitación diaria para ocho estaciones que tienen aferencia sobre la cuenca del río Quindío, localizada en la zona central colombiana. Con el propósito de preservar la generación de valores de precipitación igual a cero, se consideró el cálculo de probabilidades empíricas a partir de una cadena de Markov de primer orden. Las técnicas fueron implementadas en un algoritmo iterativo, en el que los valores faltantes fueron iniciados con la precipitación promedio diaria. El algoritmo se ejecuta recursivamente sustituyendo los valores estimados en la corrida anterior, finaliza cuando la diferencia máxima entre dos iteraciones sucesivas es menor que un valor fijado previamente. Los datos imputados por la técnica de distancia estadística ponderada conservan adecuadamente las medidas detendencia central de la serie temporal de precipitación diaria condatos faltantes.

1. INTRODUCCIÓN

La precipitación pluvial, en adelante precipitación, es una variable climatológica de gran importancia en la hidrología, ya que es insumo fundamental para el cálculo de balances hídricos; la generación de alertas tempranas por riesgo de inundación o sequía; el estudio del régimen ambiental de caudales; y el diseño de sistemas de acueducto y alcantarillado, por mencionar las más importantes. La medición de la precipitación tiene como propósito conocer su distribución en el espacio y en el tiempo. En la escala temporal, el registro de precipitación se estudia como una serie de tiempo horaria, diaria, mensual o anual, y su utilidad dependerá, en gran medida, de su completitud [1].

El análisis hidrológico requiere de series de tiempo continuas que cubran el mayor intervalo de tiempo posible. En las series de tiempo de precipitación es normal localizar vacíos de información que se pueden explicar por la ausencia de lectura, falla del instrumento de registro, error de transcripción, etc. Al iniciar el estudio de una serie de tiempo se debe considerar el tratamiento que se dará a los vacíos de información. Este tratamiento se identifica en la literatura como relleno, completado, llenado, estimación o imputación de datos faltantes. En este artículo se considera adecuado el uso del término imputación, el cual se define desde la estadística como el proceso de sustitución de un único valor razonable para una observación faltante [2]. Aunque existen diferentes técnicas para la imputación de datos, la ejecución de este procedimiento puede poner en tela de juicio la utilidad de la serie de tiempo para ciertos fines [1].