Modelo de distribución espacial del desequilibrio de radiación terrestre medido por medio de radiómetros puestos en órbita

dc.contributor.advisorOspina Noreña, Jesús Efrén
dc.contributor.authorGarcía Pedreros, Julián Guillermo
dc.date.accessioned2021-09-02T14:58:50Z
dc.date.available2021-09-02T14:58:50Z
dc.date.issued2021-08
dc.descriptionIlustraciones y tablasspa
dc.description.abstractThis research focused on the implementation of a spatial distribution model that is based on the application of geostatistical interpolation techniques. This procedure allowed a more exact analysis of the variables influencing the spatial patterns of the earth radiation imbalance in central Colombia. The input used in this model is called FlashFlux TISA, coming from the observations of the Terra and Aqua satellites of the CERES (Clouds and the Earths Radiant Energy System) and MODIS (Moderate-Resolution Imaging Spectroradiometer) projects [1]. In summary, the way in which this research was carried out was initially with an image quality evaluation, to analyze the potential and statistical characteristics of the FlashFlux TISA data; Subsequently, a kriging interpolation method was applied that adapted the radiometric data for a correct analysis and the patterns of earth radiation imbalance in the center of the country were analyzed, trying to explore variables that influence these spatial dynamics. Finally, an evaluation of the spatial distribution model of the earth radiation imbalance was established, where the virtues, relevance and limitations of the techniques used within it were validated. This research managed to implement statistical methods of spatial interpolation, specifically the Ordinary Kriging technique, allowing to model the recent situation of the earth radiation imbalance in the center of Colombia and managing to identify some processes and factors that are closely related to this atmospheric phenomenon responsible for the regional warming effects.eng
dc.description.abstractEsta investigación se centró en la implementación de un modelo de distribución espacial que se basa en la aplicación de técnicas de interpolación geoestadística. Este procedimiento permitió un análisis más exacto de las variables que influyen en los patrones espaciales del desequilibrio de la radiación terrestre en el centro de Colombia. Los datos de entrada utilizados en este modelo se llaman FlashFlux TISA, y provienen de las observaciones de los satélites Terra y Aqua de los proyectos CERES (Clouds and the Earths Radiant Energy System) y MODIS (Moderate-Resolution Imaging Spectroradiometer) (NASA, 2020). En síntesis, la forma en que se llevó a cabo esta investigación fue inicialmente con una evaluación de la calidad de la imagen, para analizar las características potenciales y estadísticas de los datos de FlashFlux TISA; Posteriormente, se aplicó un método de interpolación kriging que adaptó los datos radiométricos para un correcto análisis y se analizaron los patrones de desequilibrio de radiación terrestre en el centro del país, tratando de explorar variables que influyen en estas dinámicas espaciales. Finalmente, se estableció una evaluación del modelo de distribución espacial del desequilibrio de radiación terrestre, donde se validaron las virtudes, relevancia y limitaciones de las técnicas empleadas en él. Esta investigación logró implementar métodos estadísticos de interpolación espacial, específicamente la técnica Kriging Ordinario, permitiendo modelar la situación reciente del desequilibrio de radiación terrestre en el centro de Colombia y logrando identificar algunos procesos y factores que están estrechamente relacionados con este fenómeno atmosférico responsable de los efectos del calentamiento regional. (Texto tomado de la fuente).spa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Geomáticaspa
dc.description.researchareaTecnologías geoespacialesspa
dc.format.extentxiii, 92 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameUniversidad Nacional de Colombiaspa
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombiaspa
dc.identifier.repourlhttps://repositorio.unal.edu.co/spa
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/80077
dc.language.isospaspa
dc.publisherUniversidad Nacional de Colombiaspa
dc.publisher.branchUniversidad Nacional de Colombia - Sede Bogotáspa
dc.publisher.departmentDepartamento de Agronomíaspa
dc.publisher.facultyFacultad de Ciencias Agrariasspa
dc.publisher.placeBogotá, Colombiaspa
dc.publisher.programBogotá - Ciencias Agrarias - Maestría en Geomáticaspa
dc.relation.referencesAlarcón, J. & Pabón, J. (2013). El cambio climático y la distribución espacial de las formaciones vegetales en Colombia. Colombia Forestal, 16(2), 171-185.spa
dc.relation.referencesAlmorox, J. (2011). Estimating global solar radiation Fromm common meteorological data in Aranjuez, Spain. Turkish Journal of Physics, 35, 53–64.eng
dc.relation.referencesAlmorox, J., Benito, M., & Hontoria, C. (2008). Estimation of global solar radiation in Venezuela. Interciencia, 33, 280–283.eng
dc.relation.referencesAlmorox, J., Benito, M., & Hontoria, C. (2005). Estimation of monthly Angström-Prescott equation coefficients from measured daily data in Toledo, Spain. Renewable Energy, 30, 931–936.eng
dc.relation.referencesÁlvarez Villa, O. D. (2007). Cuantificación de la incertidumbre en la estimación de campos hidrológicos. Aplicación al balance hídrico de largo plazo. Universidad Nacional de Colombia Sede Medellín.spa
dc.relation.referencesAlzate-Velásquez, D.F., Araujo-Carrilo, G.A., Rojas-Barbosa, E.O., Gómez-Latorre, D.A., & Martínez-Maldonado, F.E. (2018). Interpolacion Regnie para lluvia y temperatura en las regiones Andina, Caribe y Pacífica de Colombia. Colombia Forestal, 21(1), 102-118spa
dc.relation.referencesBachour, D., & Perez-Astudillo, D. (2014). Ground-measurement GHI map for Qatar. Energy Procedia, 49, 2297–2302.eng
dc.relation.referencesBanco Mundial; CIAT; CATIE. (2015). Agricultura climáticamente inteligente en Colombia. Serie de perfiles nacionales de agricultura climáticamente inteligente para América Latina. 2da. ed. Washington D.C.: Grupo del Banco Mundial.spa
dc.relation.referencesBarnes, William & Pagano, Thomas & Salomonson, Vincent. (1998). Prelaunch characteristics of the Moderate Resolution Imaging Spectroradiometer (MODIS) on EOS-AM1. Geoscience and Remote Sensing, IEEE Transactions on. 36. 1088 - 1100. 10.1109/36.700993.eng
dc.relation.referencesÁrpad Barsi, Zsófia Kugler, Attila Juhász, György Szabó, Carlo Batini, Hussein Abdulmuttalib, Guoman Huang & Huanfeng Shen (2019): Remote sensing data quality model: from data sources to lifecycle phases, International Journal of Image and Data Fusion, DOI: 10.1080/19479832.2019.1625977eng
dc.relation.referencesBenavides-Balleteros, H. O., Simbaqueva-Fonseca, O., & Zapata-Lesmes, H. J. (2017). Atlas de Radiación Solar, Ultravioleta y Ozono de Colombia. Bogotá D.C.spa
dc.relation.referencesBerndt, C., & Haberlandt, U. (2018). Spatial interpolation of climate variables in Northern Germany Influence of temporal resolution and network density. Journal of Hydrology: Regional Studies, 15, 184–202.eng
dc.relation.referencesBroecker W.S., and T.H. Peng. (1982). Tracers in the Sea. Palisades, NY: Lamont-Doherty Geological Observatory, Columbia University.eng
dc.relation.referencesCepeda Quintero, R. E. (2016). Evaluación de un periodo espaciotemporal para identificar variaciones en el comportamiento de la heliofonía en el Departamento del Valle del Cauca. Bogotá D.C.spa
dc.relation.referencesChilds, C. (2004). Interpolating Surfaces in ArcGis Spatial Analyst, (en la web: https://www.esri.com/news/arcuser/0704/files/interpolating.pdf, acceso: 05 de mayo, 2020)eng
dc.relation.referencesChirinos, L. & Mallqui, C. (2016). Comparación entre Interpoladores Espaciales en el Estudio de Distribución de Partículas Sedimentables Insolubles en la Cuenca Atmosférica de Lima y Callao. Información tecnológica, 27(4), 111-120. https://dx.doi.org/10.4067/S0718-07642016000400012spa
dc.relation.referencesChow, V. T; Maidment, D; Mays, L. (1994). Hidrología aplicada, McGraw Hill, Santafé de Bogotá, Colombia.spa
dc.relation.referencesColwell, R. N. (Ed.), (1983). Manual of Remote Sensing, 2nd Ed., Falls Church: ASPRS.eng
dc.relation.referencesCórdova, J & Iturbe, I. (2015). El ciclo hidrológico y su significación ecológica. (en la web: https://www.researchgate.net/publication/309203780. acceso: 08 de mayo, 2020)spa
dc.relation.referencesCrespo, C., Meizoso, M. del C., Sánchez, F., Rodríguez, B. A., Calvo, J. L., & de Cos, F. J. (2014). Missing Data Imputation of Solar Radiation Data under Different Atmospheric Conditions. Sensors, 14, 20382–20399.eng
dc.relation.referencesCressman, G.P. (1959). An operational objective analysis system. Month Wea. Rev. 87, No 10eng
dc.relation.referencesDominguez, A. (1973). La formación de la tierra. Barcelona, España. Editorial: Salvat Editores.spa
dc.relation.referencesESRI. (2017a). Cómo funciona Kriging. https://desktop.arcgis.com/es/arcmap/10.3/tools/3d-analyst-toolbox/how-kriging-works.htm (Consultado el 16 de junio de 2021).spa
dc.relation.referencesGallardo, A. (2007). Geostadística. Ecosistemas, 15(3). Recuperado a partir de https://www.revistaecosistemas.net/index.php/ecosistemas/article/view/161spa
dc.relation.referencesGao, B., et al., (2015). MODIS Atmosphere L2 Water Vapor Product. NASA MODIS Adaptive Processing System, Goddard Space Flight Center, USA: http://dx.doi.org/10.5067/MODIS/MYD05_L2.eng
dc.relation.referencesGuerrero, R & Sánchez Calle, J & Serpa, D & Bacuilima, A & Penarreta, L. (2017). CORRELACIÓN ENTRE IMÁGENES SATELITALES DE NUBOSIDAD Y PRECIPITACIÓN. GALILEO. 26. 67-74.spa
dc.relation.referencesHall, Dorothy & Salomonson, Vincent & Riggs, George & Klein, Andrew. (2003). Snow and Ice Products from the Moderate Resolution Imaging Spectroradiometer. American Society of Photogrammetry and remote sensing. Anchorage, AK. United states.eng
dc.relation.referencesHegglin, M.I; Fahey, D.W; McFarland, M; Montzka, S and Nash, E. (2014). Twenty Questions and Answers About the Ozone Layer: Update, Scientific Assessment of Ozone Depletion. World Meteorological Organization, Geneva, Switzerland. 84 pp.eng
dc.relation.referencesHegglin, M.I; Fahey, D.W; McFarland, M; Montzka, S and Nash, E. (2014). Twenty Questions and Answers About the Ozone Layer: Update, Scientific Assessment of Ozone Depletion. World Meteorological Organization, Geneva, Switzerland. 84 pp.eng
dc.relation.referencesIDEAM. (2005). Atlas de Radiación Solar de Colombia. Disponible en http://documentacion.ideam.gov.co/cgi-bin/koha/opac detail.pl?biblionumber=1398&shelfbrowse_itemnumber=1493#holdings.spa
dc.relation.referencesIDEAM. (2007). Información técnica sobre gases de efecto invernadero y el cambio climático. Subdirección De Meteorología. Bogotá, Colombia.spa
dc.relation.referencesIDEAM. (2015). Atlas de viento de Colombia. Disponible en: http://www.andi.com.co/Uploads/VIENTO.compressed.pdfspa
dc.relation.referencesIDEAM, PNUD, MADS, DNP, CANCILLERÍA. (2016). Inventario nacional y departamental de Gases Efecto Invernadero – Colombia. Tercera Comunicación Nacional de Cambio Climático. Bogotá D.C., Colombia.spa
dc.relation.referencesIDEAM – UNAL. (2018). Variabilidad Climática y Cambio Climático en Colombia, Bogotá, D.C.spa
dc.relation.referencesIsaaks, E.H. and Srivastava, R.M., (1989). Applied Geostatistics. Oxford University Press, New York, 561 pp.eng
dc.relation.referencesJamaly, M., & Kleissl, J. (2017). Spatiotemporal interpolation and forecast of irradiance data using Kriging. Solar Energy, 158, 407–423.eng
dc.relation.referencesJandaghian, Z.; Akbari, H. (2018). The Effect of Increasing Surface Albedo on Urban Climate and Air Quality: A Detailed Study for Sacramento, Houston, and Chicago. Climate, 6, 19. https://doi.org/10.3390/cli6020019eng
dc.relation.referencesJensen, J R., (2015). Introductory digital image processing: a remote sensing perspective. Pearson series in geographic information science. 4th edition. University of South Carolina. 623 pages.eng
dc.relation.referencesJensen, J R., (2015). Introductory digital image processing: a remote sensing perspective. Pearson series in geographic information science. 4th edition. University of South Carolina. 623 pages.eng
dc.relation.referencesJustice, C.O. & Townshend, J. & Vermote, E. & Ed, Masuoka & Wolfe, Robert & Saleous, Nazmi & Roy, David & Morisette, Jeffrey. (2002). An overview of MODIS Land data processing and product status. Remote Sensing of Environment. 83. 3-15. 10.1016/S0034-4257(02)00084-6.eng
dc.relation.referencesKratz, D.P., P.W. Stackhouse, S.K. Gupta, A.C. Wilber, P. Sawaengphokhai, and G.R. McGarragh. (2014). The Fast Longwave and Shortwave Flux (FLASHFlux) Data Product: Single-Scanner Footprint Fluxes. J. Appl. Meteor. Climatol., 53, 1059–1079, https://doi.org/10.1175/JAMC-D-13-061.1eng
dc.relation.referencesLaib, M., & Kanevski, M. (2016). Spatial Modelling of Extreme Wind Speed Distributions in Switzerland. Energy Procedia, 97, 100–107. https://doi.org/10.1016/J.EGYPRO.2016.10.029eng
dc.relation.referencesLi, J. y Heap, A. (2008). A review of spatial interpolation methods for environmental scientists, (en la web: http://www.ga.gov.au/webtemp/image_cache/GA12526.pdf, acceso: 20 de octubre, 2015), Australian Government, Australia.eng
dc.relation.referencesLoeb, N. G., Lyman, J. M., Johnson, G. C., Allan, R. P., Doelling, D. R., Wong, T., … Stephens, G. L. (2012). Observed changes in top-of-the-atmosphere radiation and upper-ocean heating consistent within uncertainty. Nature Geoscience. https://doi.org/10.1038/ngeo1375eng
dc.relation.referencesLoeb, N. (2017). What is Earth’s Energy Budget? Five Questions with a Guy Who Knows. https://www.nasa.gov/feature/langley/what-is-earth-s-energy-budget-five-questions-with-a-guy-who-knowseng
dc.relation.referencesLoeb, N.G.; Thorsen, T.J.; Norris, J.R.; Wang, H.; Su, W. (2018). Changes in Earth’s Energy Budget during and after the “Pause” in Global Warming: An Observational Perspective. Climate. 6, 62.eng
dc.relation.referencesLoghmari, I., Timoumi, Y., & Messadi, A. (2018). Performance comparison of two global solar radiation models for spatial interpolation parpases. Renewable and Sustainable Energy Reviews, 82, 837–844eng
dc.relation.referencesLondoño LA, Restrepo C, Marulanda E. (2014). Distribución espacial del dengue basado en herramientas del Sistema de Información Geográfica, Valle de Aburrá, Colombia. Rev. Fac. Nac. Salud Pública; 32(1): 7-15.spa
dc.relation.referencesLloyd, C. D. (2010). Spatial data analysis: an introduction for GIS users. Oxford University Press.eng
dc.relation.referencesMarin, L., Jimenez, J., Moreno, H., Velez, J., Guzman, J., Poveda, G. (2005). Distribución espacial y ciclo diurno de la temperatura ambiente y punto de rocio en una región de los Andes Tropicales de Colombia. Avances en Recursos Hidráulicos (12). pp. 149-158. ISSN 0121-5701spa
dc.relation.referencesMarzo, A., Trigo-Gonzalez, M., Alonso-Montesinos, J., Martínez-Durbán, M., López, G., Ferrada, P., … Batlles, F. J. (2017). Daily global solar radiation estimation in desert areas using daily extreme temperatures and extraterrestrial radiation. Renewable Energy, 113, 303–311.eng
dc.relation.referencesMateo, R. G., Felicísimo, Á. M., & Muñoz, J. (2011). Modelos de distribución de especies: Una revisión sintética. Revista Chilena de Historia Natural. https://doi.org/10.4067/S0716-078X2011000200008spa
dc.relation.referencesMejía, F., Mesa, O., Poveda, P., Vélez, J., Hoyos, C., Mantilla, R., Barco, J., Cuartas, A., Montoya, M., y Botero, B. (1999). Distribución espacial y ciclos anual y semianual de la precipitación en Colombia. DYNA, 127, pp. 7-24.spa
dc.relation.referencesMendez, M., & Calvo-Valverde, L. (2016). Assessing the Performance of Several Rainfall Interpolation Methods as Evaluated by a Conceptual Hydrological Model. Procedia Engineering, 154, 1050–1057. https://doi.org/10.1016/J.PROENG.2016.07.595eng
dc.relation.referencesMing, T & Kiesgen de R, Renaud & Liu, W & Caillol. (2014). Fighting global warming by climate engineering: ¿Is the Earth radiation management and the solar radiation management any option for fighting climate change? Renewable and Sustainable Energy Reviews. 31. 792–834.eng
dc.relation.referencesMolina, MJ, y Molina, LT (2004). Megaciudades y contaminación atmosférica. Revista de la Asociación de Administración de Aire y Desechos, 54 (6), 644-680. https://doi.org/10.1080/10473289.2004.10470936spa
dc.relation.referencesMontoya, G., J. Eslava, A. Calderón & H. Vega. (2000): Implementación del método de Gandin para interpolar datos de precipitación en Colombia. Meteorol. Colomb. 1:25-30. ISSN 0124-6984. Santa Fe de Bogotá, D.C. – Colombia.spa
dc.relation.referencesNASA. (2019). Jet Propulsion Laboratory. Earth Science Communications Team. California Institute of Technology. Recuperado de: https://climate.nasa.gov/nasa_science/missions/?page=0&per_page=40&order=title+asc&search=eng
dc.relation.referencesNasa. (2020). Nasa Earth Observation. Science Office. Goddard Space Flight Center. Net Radiation. Maryland, United States. Recuperado de: https://neo.sci.gsfc.nasa.gov/view.php?datasetId=CERES_NETFLUX_Meng
dc.relation.referencesOyana, Tonny & Margai, F.M. (2015). Spatial Analysis: Statistics, Visualization, and Computational Methods. 10.1201/b18808.eng
dc.relation.referencesPabón J.D., (2012). Cambio climático en Colombia: Tendencias en la segunda mitad del siglo XX y escenarios posibles para el siglo XXI. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales. 36. 261-278.spa
dc.relation.referencesPabón, N & Alzate, M. (2015). Problemática del agotamiento de la capa de ozono. Boletín Ozono. UTO, MINAMBIENTE & PNUD. Pg 16spa
dc.relation.referencesPabón, J. D; Montealegre, J. E. (2017). Los fenómenos de El Niño y de La Niña, su efecto climático e impactos socioeconómicos. Bogotá: Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 168 p.spa
dc.relation.referencesPan, T., Wu, S., Dai, E., & Liu, Y. (2013). Estimating the daily global solar radiation spatial distribution from diurnal temperature ranges over the Tibetan Plateau in China. Applied Energy, 107, 384–393. https://doi.org/10.1016/J.APENERGY.2013.02.053eng
dc.relation.referencesParamá, R. 2006. Heterogeneidad Espacial de Nutrientes del Suelo en Ecosistemas Terrestres. Tesis Doctoral. Universidad de Vigo.spa
dc.relation.referencesParkkari, M., Parviainen, M., Ojanen, P., & Tolvanen, A. (2017). Spatial modelling provides a novel tool for estimating the landscape level distribution of greenhouse gas balances. Ecological Indicators, 83, 380–389. https://doi.org/10.1016/J.ECOLIND.2017.08.014eng
dc.relation.referencesPetrescu, R & Aversa, R & Apicella, A & Petrescu, F. (2018). NASA Sees First in 2018 the Direct Proof of Ozone Hole Recovery. Journal of Aircraft and Spacecraft Technology. 2. 53-64. 10.3844/jastsp.2018.53.64.eng
dc.relation.referencesPlouffe, C. C. F., Robertson, C., & Chandrapala, L. (2015). Comparing interpolation techniques for monthly rainfall mapping using multiple evaluation criteria and auxiliary data sources: A case study of Sri Lanka. Environmental Modelling & Software, 67, 57–71.eng
dc.relation.referencesPrimo Salazar, A. (2015). Variabilidad de la temperatura y de la precipitación en la Ciudad de Toluca, Estado de México, periodo 1970 – 2013. (Tesis de maestría). Universidad Autónoma del Estado de México. Toluca.spa
dc.relation.referencesRodríguez-Amigo, M. C., Díez-Mediavilla, M., González-Peña, D., Pérez-Burgos, A., & Alonso-Tristán, C. (2017). Mathematical interpolation methods for spatial estimation of global horizontal irradiation in Castilla-León, Spain: A case study. Solar Energy, 151, 14–21.eng
dc.relation.referencesRodríguez, M.J., Zambrana, A. & Bernabé, M.A., (2009). Diseño de herramientas de análisis espaciotemporal para el estudio de bases de datos históricas. VI Jornadas Técnicas de la IDE de España.spa
dc.relation.referencesRose, L.S.; Akbari, H.; Taha, H. (2003). Characterizing the Fabric of the Urban Environment: A Case Study of Greater Houston, Texas; Report LBNL-51448; Lawrence Berkeley National Laboratory: Berkeley, CA, USA.eng
dc.relation.referencesSaavedra, M., Calvo, M. and Jiménez, C. (2011). “Caracterización climática de la circulación atmosférica en América del Sur”. Recuperado el 10 de noviembre de 2015spa
dc.relation.referencesStackhouse, P. W., D. P. Kratz, G. R. McGarragh, S. K. Gupta, and E. B. Geier, (2006). Fast Longwave and Shortwave Radiative Flux (FLASHFlux) Products from CERES and MODIS Measurements. 12th Conference on Atmospheric Radiation, American Meteorological Society, Madison, Wisconsin, 10-14.eng
dc.relation.referencesSebille, Q., Fougères, A.-L., & Mercadier, C. (2017). Modeling extreme rainfall A comparative study of spatial extreme value models. Spatial Statistics, 21, 187–208. https://doi.org/10.1016/J.SPASTA.2017.06.009eng
dc.relation.referencesSen, Z., & Sahin, A. D. (2001). Spatial interpolation and estimation of solar irradiation by cumulative semivariograms. Solar Energy, 71, 11–21.eng
dc.relation.referencesSmith, G.L. & Priestley, Kory & Loeb, Norman & Wielicki, Bruce & Charlock, T. & Minnis, Patrick & Doelling, D.R. & Rutan, D.A. (2011). Clouds and Earth Radiant Energy System (CERES), a review: Past, present and future. Advances in Space Research. 48. 254-263. 10.1016/j.asr.2011.03.009.eng
dc.relation.referencesSolomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.), (2007). The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 996 p.eng
dc.relation.referencesStephens, G. L., D. O’Brien, P. J. Webster, P. Pilewski, S. Kato, and J.-l. Li. (2015). The albedo of Earth, Rev. Geophys., 53, doi:10.1002/2014RG000449.eng
dc.relation.referencesStewart, R. (2008). Introduction To Physical Oceanography. A & M University. 344 pp.eng
dc.relation.referencesSwartz, W.; Lorentz, S. R.; Huang, P. M.; Smith, A. W.; Deglau, D.; Reynolds, E.; Carvo, J.; Papadakis, S.; Wu, D. L.; Wiscombe, W. J.; Dyrud, L. P. (2016). The RAVAN CubeSat Mission: A Pathfinder for a New Measurement of Earth's Radiation Budget. American Geophysical Union, Fall General Assembly, abstract id. A11I-0134.eng
dc.relation.referencesSwartz, W & Lorentz, S & Papadakis, S & Huang, P & Smith, A & Deglau, D & Yu, Y & Reilly, S & Reilly, N & Anderson, D. (2019). RAVAN: CubeSat Demonstration for Multi-Point Earth Radiation Budget Measurements. Remote Sensing. 11. 796. 10.3390/rs11070796.eng
dc.relation.referencesTait, A., & Liley, B. (2009). Interpolation of daily solar radiation for New Zealand using a satellite data-derived cloud cover surface. Weather and Climate, 29, 70–88.eng
dc.relation.referencesTrenberth, K. E., Fasullo, J. T., & Balmaseda, M. A. (2014). Earth’s energy imbalance. Journal of Climate. https://doi.org/10.1175/JCLI-D-13-00294.1eng
dc.relation.referencesValdés, J; Londoño, L. (2016). Análisis y Modelamiento Espacial. Colombia. Ed: Editorial Bonaventuriana. ISBN: 978-958-8474-51-9 v. pags.spa
dc.relation.referencesVon Schuckmann, K.; Palmer, M. D.; Trenberth, K. E.; Cazenave, A.; Chambers, D.; Champollion, N.; Hansen, J.; Josey, S. A.; Loeb, N.; Mathieu, P.-P.; Meyssignac, B.; Wild, M. (2016). An imperative to monitor Earth's energy imbalance. Nature Climate Change, Volume 6, Issue 2, pp. 138-144. https://doi.org/10.1038/nclimate2876eng
dc.relation.referencesWagner, P. D., Fiener, P., Wilken, F., Kumar, S., & Schneider, K. (2012). Comparison and evaluation of spatial interpolation schemes for daily rainfall in data scarce regions. Journal of Hydrology, 464–465, 388–400. https://doi.org/10.1016/J.JHYDROL.2012.07.026eng
dc.relation.referencesWackernagel, H., (2003). Multivariate Geostatistics: An Introduction with Applications. Springer, Berlin, 387 ppeng
dc.relation.referencesYan, G., Wang, T., Jiao, Z., Mu, X., Zhao, J., & Chen, L. (2016). Topographic radiation modeling and spatial scaling of clear-sky land surface longwave radiation over rugged terrain. Remote Sensing of Environment, 172, 15–27. https://doi.org/10.1016/J.RSE.2015.10.026eng
dc.relation.referencesYang, Jun & Gong, Peng & Fu, Rong & Zhang, Minghua & Chen, Jing & Liang, Shunlin & Xu, Bing & Shi, Jiancheng & Dickinson, Robert. (2013). The role of satellite remote sensing in climate change studies. Nature Climate Change. 3. 875-883. 10.1038/nclimate2033.eng
dc.relation.referencesZuluaga Pulgarín, D.P. (2018). Evaluación de metodologías de interpolación de radiación solar en Colombia (Trabajo de grado). Recuperado de: http://repository.eia.edu.co/handle/11190/2241spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacionalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.ddc550 - Ciencias de la tierraspa
dc.subject.lembRadiación terrestre
dc.subject.lembTerrestrial radiation
dc.subject.lembMétodos estadísticos en geología
dc.subject.lembGeological statistic methods
dc.subject.otherRadiómetro
dc.subject.otherRadiometer
dc.subject.proposalModelingeng
dc.subject.proposalInterpolationeng
dc.subject.proposalRadiation Imbalanceeng
dc.subject.proposalRemote Sensingeng
dc.subject.proposalKrigingeng
dc.subject.proposalModelamientospa
dc.subject.proposalInterpolaciónspa
dc.subject.proposalDesbalance de Radiaciónspa
dc.subject.proposalSensores Remotosspa
dc.subject.proposalKrigeajespa
dc.titleModelo de distribución espacial del desequilibrio de radiación terrestre medido por medio de radiómetros puestos en órbitaspa
dc.title.translatedSpatial distribution model of Earth’s radiation imbalance measured by radiometers placed in orbiteng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TMspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dcterms.audienceGeneralspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
1010183878.2021.pdf
Tamaño:
3.86 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestría en Geomática

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
3.87 KB
Formato:
Item-specific license agreed upon to submission
Descripción: