Rediseño de la red de monitoreo meteorológico para el Departamento de Caldas

Abstract

El presente estudio propone una optimización de la red de monitoreo meteorológico del departamento de Caldas mediante la aplicación del Análisis de Componentes Principales (PCA) y el análisis de Entropía (ENT), combinados con criterios heurísticos. La red actual cuenta con 120 estaciones con registros pluviométricos entre los años 2000 y 2024; sin embargo, tras una evaluación de la calidad de los datos, se seleccionaron 65 estaciones con información adecuada, reduciendo el periodo de análisis al intervalo 2017–2024. El estudio se desarrolló en tres escalas temporales: 5 minutos (considerando cuatro eventos extremos), diaria y mensual. El análisis PCA, combinado con la técnica de agrupamiento K-means, permitió identificar patrones espaciales homogéneos en cada escala, destacando especialmente la influencia del ecosistema de páramo en las precipitaciones de corta duración en el centro del departamento, así como el aumento de la variabilidad en la zona occidental a medida que se incrementa la escala temporal. En el caso del análisis de Entropía, se estableció un procedimiento basado en el criterio de maximizar la información y minimizar la redundancia, mediante el cálculo de la Entropía Marginal, Conjunta, Condicional y la Transinformación. Los resultados obtenidos, tanto del PCA como del análisis de Entropía, indican que a mayor escala temporal se requiere un mayor número de estaciones, debido al incremento en la incertidumbre de la correlación espacial. Esta propuesta busca contribuir al rediseño eficiente de la red de monitoreo, optimizando recursos y mejorando la representatividad de los datos meteorológicos en la región (Texto tomado de la fuente).

This study proposes the optimization of the meteorological monitoring network in the department of Caldas through the application of Principal Component Analysis (PCA) and Entropy (ENT) analysis, combined with heuristic criteria. The current network includes 120 stations with pluviometric records from 2000 to 2024; however, following a data quality assessment, 65 stations with adequate information were selected, reducing the analysis period to 2017–2024. The analysis was carried out at three temporal scales: 5-minute (based on four extreme events), daily, and monthly. PCA, combined with the K-means clustering technique, enabled the identification of spatially homogeneous patterns at each scale, particularly highlighting the influence of the paramo ecosystem on short-duration precipitation in the central region of the department, as well as increased variability in the western region as the temporal scale increases. For the Entropy analysis, a procedure was established based on the criterion of maximizing information and minimizing redundancy, through the calculation of marginal, joint, conditional entropy, and mutual information (transinformation). The results from both PCA and the Entropy analysis, indicate that a larger number of stations is required at a larger time scale, due to the increase in the uncertainty of the spatial correlation. This proposal aims to contribute to the efficient redesign of the monitoring network, optimizing resources and improving the representativeness of meteorological data in the region.