agua

Artículo

Modelado de la variabilidad de las precipitaciones espaciotemporales en Para yo ba,

Brasil

Elias Silva de Medeiros 1, *, Renato Ribeiro de Lima 2, Ricardo Alves de Olinda 3 y

Carlos Antonio Costa dos Santos 4.5
1
Facultad de Ciencias Exactas y Tecnología, Universidad Federal de Grande Dourados, Dourados, Mato Grosso do Sul 79.804-970,
Brasil
2
Departamento de Estadística, Universidad Federal de Lavras - UFLA, Lavras 37.200-000, Departamento de Estadística de Brasil, Universidad
3
Estatal de Pará yo ba, Campina Grande, Para yo ba 58429-500, Brasil Unidad Académica de Ciencias Atmosféricas, Centro de Tecnología y Recursos
4
Naturales, Universidad Federal de Campina Grande, Campina Grande 58.109-970, Brasil

5
Daugherty Water for Food Global Institute, Universidad de Nebraska, Lincoln, NE 68588-6203, EE. UU. Correspondencia:
* eliasmedeiros@ufgd.edu.br ; Tel.: + 55-67-3410-2094

Recibido: 22 de julio de 2019; Aprobado: 30 de agosto de 2019; Publicado: 5 de septiembre de 2019

Resumen: El propósito de este estudio fue proporcionar un marco detallado para utilizar el kriging espacio-temporal para modelar la variabilidad
espacio-temporal de los datos de precipitación en Para yo ba, que se encuentra en la región noreste de Brasil (NEB). El NEB se caracteriza por
una distribución irregular y muy variable de las precipitaciones en el espacio y el tiempo. En esta región, es común encontrar altas tasas de lluvia
en lugares adyacentes a aquellos sin registro de lluvia. por yo ba experimenta períodos localizados de sequía dentro de las estaciones lluviosas y
distintos patrones de precipitación entre las mesorregiones del estado. Los valores medios de precipitación observados en varias estaciones
pluviométricas espaciadas irregularmente desde 1994 hasta 2014 mostraron variaciones notables entre las mesorregiones en Pará. yo ba durante
todo el año. Como consecuencia de este comportamiento, existe la necesidad de modelar la distribución de la lluvia de manera conjunta con el
espacio y el tiempo. Se aplicó una metodología geoestadística espacio-temporal a los datos de precipitación total mensual del estado de Pará. yo licenciado
en Letras. Los datos de lluvia indican variabilidades espaciales y temporales intensas que directamente ff afectar los recursos hídricos de toda la
región. Los resultados proporcionan un análisis espacial detallado de los sectores que experimentan condiciones de precipitación que van desde
una escasez hasta un exceso de lluvia. El presente estudio debería ayudar a impulsar futuras investigaciones sobre los patrones de lluvia
espacio-temporal en todo el NEB.

Palabras clave: kriging espacio-temporal; Brasil; precipitación

1. Introducción

El comportamiento espacio-temporal de las lluvias es de gran importancia en la gestión regional de los recursos hídricos y tiene una
influencia directa en las actividades humanas como la ganadería, la agricultura y el comercio. Una de las técnicas estadísticas encargadas de
analizar este tipo de comportamientos es el análisis geoestadístico espacio-temporal. La interpolación de observaciones espacio-temporales
presenta beneficios en comparación con las predicciones puramente espaciales. Uno de estos beneficios es que la interpolación se puede
aplicar a posiciones de georreferenciación en el espacio-tiempo [ 1 , 2 ].

En este estudio, se aplicó una metodología geoestadística espacio-temporal a los datos de precipitación total mensual del estado de Pará. yo ba,
que se encuentra en la región noreste de Brasil (NEB). El NEB se caracteriza por una distribución irregular y muy variable de las precipitaciones en
el espacio y el tiempo. En esta región, es común encontrar altas tasas de lluvia en lugares adyacentes a aquellos sin registro de lluvia [ 3 ]. por yo ba
también experimenta períodos localizados de sequía dentro de las estaciones lluviosas y distintos patrones de precipitación entre las
mesorregiones del estado [ 4 , 5 ]. Como consecuencia de este comportamiento, existe la necesidad de modelar la distribución de la lluvia de manera
conjunta con el espacio y el tiempo.

Agua 2019, 11, 1843; doi: 10.3390 / w11091843 www.mdpi.com/journal/water

Agua 2019, 11, 1843 2 de 16

En la literatura se han realizado varios estudios sobre la interpolación espacial de datos de precipitación utilizando técnicas
geoestadísticas [ 6 - 9 ]. Mercado yo nez-Cob [ 10 ] utilizó tres métodos de interpolación geoestadística (kriging ordinario, cokriging y kriging
residual modificado) para interpolar la precipitación media anual total en una región montañosa de Aragón, ubicada en el noreste de
España. Goovaerts [ 11 ] construyó mapas de la predicción espacial de la erosividad de las precipitaciones en la región del Algarve de
Portugal. Para calcular estas predicciones, el autor utilizó tres métodos geoestadísticos (kriging simple con medias locales variables,
kriging con deriva externa y cokriging colocado), además de la regresión lineal, concluyendo que la regresión lineal, sin considerar la
dependencia espacial entre las estaciones, produjo los mayores errores predictivos. Haberlandt [ 12 ] realizó un estudio sobre la
precipitación diaria en 281 estaciones ubicadas en la región sureste de Alemania utilizando los métodos de kriging con deriva externa y
kriging indicador con deriva externa para la interpolación espacial de precipitación. Además, un número creciente de estudios en los
últimos años han utilizado métodos geoestadísticos para modelar no solo la dinámica espacial, sino también temporal, de la precipitación [ 13
, 14 ].

En los últimos años han aparecido estudios que analizan la distribución espacio-temporal regional de la precipitación. Raja y col. [ 15 ]
aplicó la técnica de kriging espacio-temporal a los datos de lluvia de Turquía. En consecuencia, observaron que Turquía se encuentra en
una región con un mayor riesgo de posibles y ff efectos del cambio climático, similar al estado de Para yo ba, Brasil. Por lo tanto, informaron
que la comprensión de las características temporales y espaciales de la lluvia es crucial para la gestión de riesgos, así como para la
planificación, gestión y utilización de los recursos hídricos, que dependen en gran medida de la lluvia. Del mismo modo, Hu et al. [ 13 ]
realizó una regresión espacio-temporal utilizando kriging en la región autónoma Uygur de Xinjiang, ubicada en el noroeste de China, para
modelar los datos de precipitación mensual de 2004 a 2013. Los autores identificaron una fuerte correlación espacio-temporal en la
distribución de la lluvia en esta región, lo que justifica el uso de su propuesta metodología. Además, Mart yo nez et al. [ 14 ] realizó un análisis
espacio-temporal de datos de lluvia de Colombia e identificó regiones que exhiben distribuciones irregulares de lluvia.

La novedad de este estudio es la presentación detallada de una herramienta para la interpolación espacio-temporal de la precipitación en
la región en estudio. Cabe señalar que ninguna investigación ha aplicado este tipo de metodología a los datos de lluvia de esta región hasta
ahora. El presente estudio debería ayudar a impulsar futuras investigaciones sobre los patrones de lluvia espacio-temporal en todo el NEB. El
propósito de este estudio fue proporcionar un marco detallado para utilizar el kriging espacio-temporal para modelar la variabilidad
espacio-temporal de los datos de precipitación en Para yo ba, Brasil.

2. Materiales y métodos

Los conjuntos de datos utilizados en este estudio se obtuvieron de la Agencia Ejecutiva de Gestión del Agua en el Estado de Pará. yo
ba (AESA), responsable de la información sobre precipitaciones en la región. El estado de Para yo ba abarca un área de aproximadamente
56,585 km 2 en el noreste de Brasil entre los 6 ◦ y 8 ◦

paralelos de latitud sur y los 34 ◦ y 39 ◦ meridianos de longitud oeste. El estado de Para yo ba está situado en una región tropical y se divide
en las siguientes cuatro mesorregiones: Zona da Mata, Agreste, Borborema y Sert los O.

El conjunto de datos utilizado en el presente estudio incluye la serie de tiempo de la precipitación mensual total registrada en 269
estaciones de pluviómetro de 1994 a 2014. Alrededor del 80% de las estaciones tienen datos faltantes, representados como tonos blancos
(Figura 1 ). Así, para ajustar la tendencia de los datos de precipitación mensual total y luego ajustar el variograma residual, se consideraron 54
estaciones con registros para todos los meses del período de estudio porque estas ubicaciones representan adecuadamente la variabilidad en
los datos. Las otras estaciones excluidas del ajuste del variograma se utilizaron para realizar kriging espacio-temporal.

La distribución espacial de las 269 estaciones de lluvia se muestra en la Figura 2 . El di ff Los diferentes tonos de color en el mapa identifican las

cuatro mesorregiones, a saber, Zona da Mata, Agreste, Borborema y Sert. los o - de Para yo licenciado en Letras. Los puntos más pequeños dentro del mapa

representan estaciones de pluviómetro, mientras que los puntos más grandes son las 54 estaciones de lluvia que se utilizaron para ajustar la tendencia y el

variograma.
 Agua 2019, 11, 1843 3 de 16
Agua 2019, 11, x PARA REVISIÓN DE PARES 3 de 16

Figura 1. Precipitación mensual de las 269 estaciones en el período 1994-2014. Los datos que faltan se muestran como tonos blancos.

La distribución espacial de las 269 estaciones de lluvia se muestra en la Figura 2. Los diferentes tonos de color en el mapa identifican las cuatro
mesorregiones - a saber, Zona da Mata, Agreste, Borborema y Sertão - de Paraíba. Los puntos más pequeños dentro del mapa representan estaciones
pluviométricas, mientras que los puntos más grandes son th F F y yo yo gramo 5 gramo tu
METRO s t t los los tt t Hola yo O O un norte ds s ju Nueva Hampshire y y PAG sobredosis O 9 w norte norte los los s s
los los es yo norte t Eh H
F F t norte tf FreHy los
e2 allí
2 u6
l l 6l a
s9O9yo
wesd
yo nstt t el Educación física etrr r Oye0v1
yo ondd
1 a4Mgi
4ORío
losJajaja
yo F ifn
M norte anorte
1 s1d9 9t 4gramo
s 9img. 4 amre- -y los
re 2 2 los
0 t t los los yo yo s s s s H H O O w
4 tu r r r y y Hola
los 1 O1 en
Alabama
.. fM S tl ttythy Hior r a
norte
wH
H yo yo tO
t ynorte
norte
ytty Oy s s ..
w

La distribución espacial de las 269 estaciones de lluvia se muestra en la Figura 2. Los diferentes tonos de color en el mapa identifican las
cuatro mesorregiones - a saber, Zona da Mata, Agreste, Borborema y Sertão - de Paraíba. Los puntos más pequeños dentro del mapa representan
estaciones pluviométricas, mientras que los puntos más grandes son las 54 estaciones pluviales que se utilizaron para ajustar la tendencia y el
variograma.

Sp t los yo t los yo l Alabama túrenorte

segundo t tu io
re O syo
en de de 26 2 9 69 rana r yo los norte nsF sa
a.m
norte mpFyl llos
sl PAG
los re led
ll Sb t(ls segundo
los t t loslos
yol tCOlos
yo knorte
ck re re
F F YO G YO G tu tu re re 2 2.. Spa
es yo t s r t yo r segundo yo tu Antiguo Testamento y y SOt sslos
t) s)t tenFen
los Fy PAG
th
tú Orana
th O
PAGr yo
loslos
lossegundo
los yo b, a,
solamente re re gramo gramo io io norte norte s. s. T T y
re re iv iv carné de identidad carné de identidad y y re re enHen allí
él a l r fo
a fo ertugramo
los ertuPAG hola
r r metro
rgpolvo tr yen
norte
metro y solamente
s ts los los y re th th y y 5 5 4 4 rana rana en en fa fa ll ll S t s los Okay tú t O io norte norte s s tu tu Si Si re re a a los los re re
th y y v v los los r r io metro.
io gramo
. gramo r r los los metro
los los norte norte re re th

2.1. Modelo espacio-temporal { }

En hstd
yo polvo ): s (s ••)a,PAG m un ∈• le
(⊆reallí ℝ Csegundo
re eso × ℝ ng
d = 2 F norte
y tu yo
PAG r es y est2t t.uSdpya,
r gramo H yo s suy, en
un proceso
tiaal sdpi siones r En sp l C sZ
espacio-temporal
t sattriiobtuetm
en orfa2l 6p9roaciensfsa e( l(es
los { •t):
s, R re ×itude
( s,• t)tú ∈losreO⊆• norte
Okay R se yoasumió, Olosat)yore
k tú re re,)donde
ynorte s} stsh y el ∈ sSs
∈ Rt re,
tutmeod, R aefaa• ∈
Pwrhíebrae,
, •Modelo
ℝ 2.1. = 2 rentado el wo di yo metro
espacio-temporal t5 re tú Si re norte O tú norte re ly
ed divisor
Ometro
yo nd inrteosfeonutred
laen
y en v s yo yo metro
re rtew
metanfetamina
y lygioondsi.me
ly a tsonido
yo
estoy Entonces
Th tú y metro • ayudante
s y palmadita io• H
Tosin • ttas
PAG • ae,Oret •r (yo
(c spa
y en l) los
athO+ liet • u (4d
t Vamos tagtiiotundeu)
• estaba s, y • re ∈ reps
s • ai) nnfdalllosn ℝ trhe
ju st re ep
Simp
norte
segundoioOy ynorte
si t t H
O O norte norte ly un ,
y.
, en r PAG los O tú r Orisa loswnorte
tú los
l yo • los
O vs norte
norte yo t norte ablish w y losy re
es Z O sresegundo y y s t t H los y licenciado en Derec
y PAG re O y sae,
túrnios
esogio
norte
los
rcorrió
metro
yometro
metro S t yo O norte Cc re
yolos
H t slos
norte
yo scarné
C tú •de identidad
re O y F C t O H metro tu s los a l C ε H los lossissSdoble
en en O yo F S t t yo H C y metro re los et norte y rererm t F yo •Ocomo
C ll r Osigue:
yw

2.1. Modelo espacio-temporal Z( (rgn,

s, t)
es=• r)
mipn
( s,= pt) + ε ( s, t) (1) ( 1)

En este estudio, el proceso espacio-temporal { • (•, •): (•, •) ∈ • ⊆ ℝ × ℝ} se asumió, donde • ∈

ss O uno yo y yo t norte H s los yo t O Z un re re y el Si norte oCeso re en
re eso
tu y re
re
O ng
rlos en
y metro• ts. T∈ℝ él re Com
metro PAG
y si io
ℝ, • En = E 2 qué r los y t PAG 1 n), te eso re w th a y los tw d re ns H yo los norte re s segundo PAG O los t C H y fi ( l r los s),t t Yon ...
r norte / Atú re PAG
Si O norte norte t y y norte re t
)] yes Tth H y y y s X PAG PAGenlos polvo
y t Cv yo
r los
tOlos
losr lt Estaba
t y yo metro
yendo v segundo loslos
polvo le se ríesZy y norte
norte re y sy tre
Okay
er segundo
w segundo th re
min los li s sh t y y y
norte Cysiy (o
O O norte F l t y él O tmetro n sA nre,,ymetro
y /norte n norte
t)yo
a.m= Y y yo Z y (, s tú t metro at.io T norte Hola yo s norte co • metro w
H y y C r om y O los s norte iti O O r norte di O norte F los t r HOL y y•l los
re ySy( los s y•C
t re
norte) rss H
t re, rmetro yo tu anorte los es re tú s C ( • Alabama s: ε incluido lo siguiente
• y s) qgramo
re eb PAG re + O s re • d ( y tu l., los • l T • él a re F s O yo l re eso tu w
tres componentes: componentes espaciales, temporales y basados en la interacción [ 1 ]. Para fines de modelado,
= • s los yo ( s O • t norte, ic •) metro yo •) (1)
Agua 2019, 11, 1843 4 de 16

Se asumió que estos tres componentes eran estacionarios de segundo orden, mutuamente independientes y espacialmente isotrópicos.

Los valores de lluvia observados se consideraron en el campo aleatorio espacio-temporal de fi nido en la Ecuación (1), donde el
componente determinista m s, t), que es espacio-temporal no constante, representó una variación a gran escala, mientras que el residuo ε ( s,
t) describió fluctuaciones aleatorias a pequeña escala [ dieciséis ].

2.2. Componentes de la tendencia

El componente determinista m s, t) se calculó mediante regresión lineal múltiple. Varios estudios han utilizado este tipo de método
de regresión para modelar el componente de tendencia en geoestadística espacio-temporal [ 1 , 13 , 17 , 18 ]. En este estudio, las coordenadas
geográficas (latitud y longitud) y un índice temporal empleado para contornear el e ff El efecto de la estacionalidad anual sobre la
precipitación se consideró covariables. El modelo de tendencia ajustado viene dado por lo siguiente:

m̂ ( s, t) = β̂ 0 + β̂ 1 X 1 + β̂ 2 X 2 + β̂ 3 X 3 + β̂ 4 X 4 + β̂ 5 X 5, (2)

Onde X 1 = cosx = cos ((mes / 12) · 2 π) y X 2 = senx = sin ((mes / 12) · 2 π). los cosx y senx
Las funciones se utilizaron como covariables en el modelo de regresión múltiple para explicar la variación estacional.
Las variables X 3, X 4, y X 5 representan la latitud, la longitud y la cuadrática e ff ect de la longitud, respectivamente. Aunque las covariables
exhiben variaciones espaciales, temporales y espacio-temporales, la
El modelo de regresión por sí solo no puede dar cuenta de todas las variaciones. Por lo tanto, los residuos de este modelo pueden exhibir
dependencias espacio-temporales, lo que indica que se puede estimar un variograma espacio-temporal y luego utilizarlo para interpolar los
residuos con kriging [ 19 ].

2.3. Variograma espacio-temporal

Después de especificar el componente de tendencia y obtener las estimaciones de los parámetros, los resultados se restaron de Z, dejando
el residuo estocástico espacio-temporal ε. Los residuos producidos por esta regresión se utilizaron luego para la construcción de un
variograma de muestra. Para un modelo más detallado, la precipitación mensual ( Z) se modeló como una suma de la tendencia y el residuo
espacio-temporal ε ( s, t), como se define por lo siguiente:

Z ( s, t) = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + ε ( s, t) (3)

Después de analizar y eliminar las tendencias espaciales y temporales en los datos, el interés espacio-temporal se muestra en
términos de una evaluación empírica de la función de covarianza [ 14 ]. El espacio-temporal
La covarianza se describió mediante un variograma espacio-temporal, γ S t, que midió la media di ff diferencia entre los datos separados en
el dominio espacio-temporal usando el vector de distancia
( H s, H t). El variograma espacio-temporal se definió de la siguiente manera:

γ S t ( H s, H t) = 0,5 × Y[ ε ( s, t) - ε ( s + h s, t + h t)] 2 (4)

En la ecuación (4), H s = s - s ′ un (na H t = t - t ′ para cualquier ( s, t) y ( s ′, t ′) en el dominio espacio-temporal.

Una estimación del variograma γ S t ( H s, H t) se estableció de la siguiente manera:

∣ ∣∣) - 1 Σ L (r s, r t) [ ε ( s + h s, t + h t) ∣∣∣ - ε ( S t)] ∣ 2

∣∣ L
γ̂ S t ( r s, r t) = 2 (5)

Según la muestra var {(r s, r t) ∣ iograma presentado en la Ecuación (5), L (r s, r t) ∣∣ es la cardinalidad para
el conjunto L (r s, r t), es decir, L ( r s, r t) = ( s + h s, t + h t) ∈ LA, ( s, t) ∈ LA : H s ∈ Tol ( r s) y H t ∈ Tol ( r t), Onde
Tol ( r s) y Tol ( r t) son los vectores de los rezagos espaciales y temporales de r s y r t, respectivamente.
Agua 2019, 11, 1843 5 de 16

2.4. Producto-SumModel generalizado

En el siguiente paso del análisis, se utilizó un modelo teórico para ajustar los datos en función de las funciones de covarianza del variograma

de muestra espacio-temporal. En este estudio, un modelo no separable de un producto-suma generalizado [ 1 , 20 ] se utilizó para modelar la estructura

de lluvia espacio-temporal en el estado de Pará yo licenciado en Letras. Este modelo fue escrito de la siguiente manera:

C S t ( H s, H t) = kC s ( H s) C t ( H t) + C s ( H s) + C t ( H t) (6)

En la ecuación (6), C s y C t son las funciones de covarianza espacial y temporal, respectivamente. El variograma
espacio-temporal ( γ S t ( H s, H t)) se expresó de la siguiente manera:

γ S t ( H s, H t) = γ S t ( H s, 0) + γ S t ( 0, H t) - k γ S t ( H s, 0) γ S t ( 0, H t) (7)

En la ecuación (7), γ S t ( H s, 0) y γ S t ( 0, H t) fueron los variogramas marginales espaciales y temporales, respectivamente. El modelo de suma
de producto generalizado puede verse como una superficie con seis parámetros: dos
parámetros para cada variograma (umbral y rango), y un umbral y pepita de articulación espacio-temporal [ 2 ]. También el

parámetro k es positivo y tiene la siguiente identidad que involucra el umbral global ( umbral S t), junto con los umbrales espaciales y temporales, a
saber, umbral s y umbral t, respectivamente:

umbral st = k · umbral s · umbral t + umbral s + umbral t (8)

En la ecuación (8), k se estimó utilizando la información del umbral. Este enfoque constituye una alternativa que Graler et al. [ 20 ]
descrito para la formulación del modelo producto-suma propuesto en la Ecuación (7). En este estudio, los autores propusieron la siguiente
ecuación reestructurada (7), que se utilizó en este estudio:

γ S t ( H s, H t) = ( k · umbral t + 1) γ S t ( H s, 0) +
(9)
( k · umbral s + 1) γ S t ( 0, H t) - k γ S t ( H s, 0) γ S t ( 0, H t)

Para ajustar un variograma teórico espacio-temporal a un variograma de muestra, para la ponderación de los residuos cuadrados en la estimación

de mínimos cuadrados, usamos el número de pares en el intervalo espacio-temporal dividido

por el cuadrado del valor actual del variogrammodel: N [j] / γ S t ( H s [ J h t [ j]) 2. Los variogramas marginales
en este estudio se describieron en función del variograma de muestra espacio-temporal γ̂ S t ( r s, r t). A través del análisis visual, fue posible
de fi nir los modelos teóricos como gaussianos, exponenciales y esféricos,
que eran componentes de la Ecuación (9). De esta forma, fue posible orientar las estructuras para γ S t ( H s, 0) y γ S t ( 0, H t).

2.5. Kriging espacio-temporal

Después de establecer la función de tendencia y la covarianza para el residual, la interpolación se realizó mediante regresión
espacio-temporal kriging [ dieciséis , 18 , 21 ]. Según Kilibarda et al. [ 21 ], el modelo de variograma es crucial en el kriging espacio-temporal
para calcular el mejor predictor lineal no sesgado, que viene dado por lo siguiente:

-
ε̂ ( s 0, t 0) = C T 0 C 1norte ε
(10)

En la ecuación (10), ε̂ ( s 0, t 0) fue el predictor lineal obtenido usando kriging para la ubicación ( s 0, t 0),
C norte era la matriz de covarianza de orden norte × norte de los residuos para el norte puntos observados en el espacio-tiempo como

derivado del variograma espacio-temporal, C 0 era un vector de covarianza de residuos para los puntos observados y predichos, y ε era un
vector de residuos en el norte puntos observados.
El predictor final ( ẑ ( s 0, t 0)) para la variable lluvia ( Z) en la ubicación s 0, t 0) se definió de la siguiente manera:

ẑ ( s 0, t 0) = m̂ ( s 0, t 0) + ε̂ ( s 0, t 0) (11)
Agua 2019, 11, 1843 6 de 16

En la ecuación (11), m̂ ( s 0, t 0) es la cantidad estimada para la ubicación ( s 0, t 0) obtenido por la Ecuación (2),
y ε̂ ( s 0, t 0) es como se define en la ecuación (10). La varianza del error de la predicción en kriging espacio-temporal se definió como:

σ 2 ( s 0, t 0)) =
0n
( T ( C (0, 0) -) C T ( C
- 1- 1 C 0+ ) (12)
T T-1
metro
0 - METRO T Cnorte
-1 0
C MC - 1 norte METRO
metro
0 - MC norte C 0

En la ecuación (12), C( 0, 0) es la varianza para Z, METRO es la matriz de orden norte × PAG de predictores de variables

en los puntos observados, y metro 0 es el vector de predictores en el punto de predicción.

Por lo tanto, el kriging por regresión se realizó mediante los siguientes pasos:
Paso 1: se extrajeron los valores estimados mediante la Ecuación (2), seguido de la extracción de los residuos para todas las
observaciones.
Paso 2: Después de obtener estos residuos, se calcularon los valores del variograma espacio-temporal muestral como se define en
la Ecuación (5), seguido por el ajuste del modelo teórico definido en la Ecuación (9).
Paso 3: Los residuos se interpolaron usando la Ecuación (10), después de lo cual, se agregó el componente de tendencia, lo que resultó
en el predictor final de fi nido en la Ecuación (11).

2.6. Selección y ejecución del modelo

Para determinar el mejor modelo de variograma teórico que se ajusta al variograma de muestra, la raíz media
error cuadrado RMSE) y Nash - Sutcli ff y es √ ffi la eficiencia NSE) entre el variograma de muestreo y el
se calculó el variograma teórico [ 22 ]:

√
norte
1∑ 2
[ z yo ( s,t)∑−− ẑ yo ( s, t)] (13)
norte
yo = 1

∑ RMSE
norte
= norte
yo = 1 [ z yo ( s, t) - ∑ norte
z ( s, t)] 2 - yo = 1 [ z yo ( s, t) −− ẑ yo ( s, t)] 2
NSE = (14)
yo = 1 [ z yo ( s, t) - z ( s, t)] 2

Onde, norte es el número de observaciones, z yo ( s, t) es el yo- el valor observado, ẑ yo ( s, t) es el yo- el valor predicho, y z ( s, t) es el valor
medio observado.
Después de seleccionar el modelo que mejor se ajusta a la nube de puntos del variograma de muestra, se realizó un kriging
espacio-temporal para medir el rendimiento del modelo ajustado. Por lo tanto, la interpolación se implementó teniendo en cuenta el método
de dejar uno fuera [ 14 , 18 , 23 ], aplicado a todos los pluviómetros 269
estaciones. Este método consistió en eliminar un punto observado de la lluvia en el espacio-tiempo ( z (s 0, t))
y luego predecir su valor (ẑ ( s 0, t)). Este proceso se repitió luego para todos los puntos restantes y residuos de este proceso, después de lo
cual el di ff Se toma la diferencia entre los valores observados y predichos
en cada ubicación ( z (s 0, t) - ẑ ( s 0, t)).
Después de que se aplicó el método de dejar uno fuera para medir el desempeño del kriging, un diagrama de dispersión de

Se construyeron los valores observados versus los valores predichos por kriging espacio-temporal, y el coeficiente ffi Se calculó la ciencia
de determinación. Cabe señalar que la aplicación de la metodología propuesta en este estudio permite ingresar los datos faltantes. Una de
las ventajas del kriging espaciotemporal en relación con el kriging puramente espacial es que no solo se interpola a ubicaciones no
muestreadas, sino que también predice valores para un tiempo en el que no hubo recopilación de datos [ 1 , 24 ].

Todos los análisis estadísticos se realizaron en el software R [ 25 ], usando los paquetes gstat [ 20 ] y sp [ 26 ].

3. Resultados

3.1. Análisis exploratorio

Las medidas descriptivas y los diagramas de caja de los valores de precipitación en milímetros (mm) para el período 1994-2014 se muestran en

la Tabla 1 y figura 3 .
W
W los los t t y y r r 2 2 0 0 1 1 9 9 ,, 1 1 1 1 ,, 1 X 84 F 3 O REVISIÓN DE PARES OFF1166
7 Séptimo

Tabla 1. Valores medios, desviación estándar (DE) y coeficiente de variación (CV) de precipitación (mm) para
losPAG y y 1 Río METRO
T abl norte y da metro rd O re en
, una los norte losreffi en gramo t re O s F tú VamosCV,)
oe re segundo
los O se
norte
ríe O
F re r t segundo
losrana s yo y norte
io Or norte
F t losrelos
(ma
l O l. (mm) es
re y 1 los 9 norte0194
y4v -s,los
yo2slunorte Okay
es en
thre v gramo Estaba yendo los
io túC norte
METRO O sOkay o yo
norte c, (f sLOS
Z
el período 1994-2014 en las mesorregiones de Zona da Mata, Agreste, Borborema y Sert los O.
Zona de madera Agreste Borborema Retaguardia
Meses
retapete Clos V (%)
Media Zona s re el Media Ag s r reÉste CV (%) Media Bor s oremare CV
segundo (%) Media s er
s tre los O CV (%)
Meses
enero METRO
86 y el 6 norte 7 s 9 RE. 8 CV 9 (2%) METRO 6 y 2 un 98
s 3 RE. 8 CV 13 %)
(3 8 5snorte
METRO 6 y 1 Los. .59 re CV14 (0%) 12 y 47un
METRO 1 s 6.4
1 re CV 9 (3%)

ry norte r tu9tu8 los

F J y los segundo 9 6..6
los 4ry 7 7 9 9 .. 8 1 9820 6 6 2 6. 9. 2 8 6 3 2 .. 8 8 19353 6 6 1 4 .. 5 9 6 85 1 .. 9 6 19450 1 12 3 4 3 .. 7 2 1 8 1 7 6 .. 7 4 9636
eb los ru C los H ry
F Señor 1 9 2 9 1. 4. 1 7 8 9 5 .. 1 2 8700 6 8 6 5. 2. 8 6 6 2 2 .. 8 3 9753 1 6 0 4 6. 9. 6 8 61 6 .. 6 5 8 59 1 1 13 8 3 7 .. 2 6 1 8 1 7 5. 7. 1 6661
METRO H 1l 7 21 3 .. 1 0 1 8 1 5 1. 2. 7
LOS los PAG r r C yo 1 7605 8 9 5 5. 8. 5 6 7 2 0 .. 3 1 7733 1 8 0 4 6..6 2 7 86 6 .. 5 1 9801 1 87
1 56 .. 6 1 1 1 1 0 5 6 .. 1 9 6619
LOS 1 1 1 2 1 1 .. 7 1 6653 9 1 5 0.0 5. 2 7 7 0 7 .. 1 2 7737 8 6 4 7 .. 2 8 0 1 9 5 2 6 .. 9 1 1 7 0 6 6 .. 8 9 6893
METRO PAG los r y Illinois
1 1 9 73 1 .. 0 1 6 76 6 .. 1 7 998
1..1 3 1 1 2 4 1 6 .. 1 2 6534 1 1 0 3 0 1. 2. 07 8 7 0 .. 2 2 7671 6 4 7 4 .. 8 9 8 92 4 .. 9 0 7 3 6 6 .. 8 5 8 1 3 07
J Naciones
Malo Unidas y y2 1793 4 66 1 .. 7 5 993 3
J J tu 3. 11416 564 11301 8 7 02 6. 671 4 2 49 6. 5 34 3 1 65 9. 11017
tu norte ly y 1 2970 . . 2 41. 6. 19030 1 .
julio 033
19 ..3 1 14 ..2
4.8 8 60 0 0 .0. 06. 0
dieciséis 76 .2 2 72 2 26 .3 3 26 .3 3 100 1 7.17 ..1 0 19 .6 6 114 4
LOS
LOS Gu
tu tu tu s s t t
gramo 1 1 6..3
1 1 36 6 6 7 7 .. 2 2 5588 6 6 4 4. 8. 8 4 4 8 8 .. 7 7 7755 1 1 4 4 .. 4 4 1 18 8 .. 7 7 1 1 3 30 0 6
6..8 8 1 1 4 4 .. 3 3 221100
s s yPAG
y pm
t t y emb segundo 5 y5r 9
y 9..9r 9 6 6 8 8 .. 9 9 111155 2 2 9 9. 5. 5 4 4 1 1 .. 7 7 114411 4 4 .. 6 6 9
9..5 5 2 2 0 07 7 2 2 .. 1 1 7 7 .. 7 7 335599
OO
O C C t t O segundo segundo
2 2 0 y0..8
y r r8 1 1 9 9 .. 2 2 9922 9 9. 8. 8 1 1 3 3 .. 3 3 113355 7 7 .. 8 8 2 23 3 .. 6 6 3 3 0 02 2 13 3 .. 0 0
1 3 3 0 0 .. 3 3 223333
norte O O ve emb segundo y y7..7
rr 7 1 1 8 8 .. 1 1 110033 1 1 2 2. 0. 0 1 1 8 8 .. 9 9 115588 6 6 .. 1 1 13 3 .. 5 5 2 2 5 5 .. 8 8 119922
norte v metro 117 1 dieciséis 6 .. 0 02 2 6 60 0 1
re y y C C y en 1..7 7 3 3 0 0 .. 8 8 9977 2 2 0 0. 6. 6 2 2 3 3 .. 8 8 111166 2 2 0 0. 0. 0 29 9 .. 7 7 41 1 .. 5 5 4 4 5 5 .. 6 6 111100
re 3 3 1y y r r
metro segundo segundo 2 1 1 4 49 9 4

segundo segundo los los s s y y re re O O norte norte tre

t HCHCy O OC ylos
yffilos Cyyo
vffivyo r rnorte
yyy los los
norte t t Ogramo
gramo O re yffvyyyo
F Fyo vffr rlos
vvylos y ylos
los l l tu
r yo
rnorte yotulos
norte y yC sCst ytlos
los y slos
yo yo
s yo
O yo nortennorte
O norte
norte norte w los
re,, re r r los y yyor yo
r ynorte
y norte F F los los l l l l
O O segundo segundo w
s sy yy y ryrnorte
v v y norte
y re ret tsegundo
H H y y segundo
losmetro
los norte
Oy Oynorte
t w los
tnorte norte
lostl tl Hy yHzsMETRO
zsy((yTreTre
los O
los
r rsegundo
Ometro y ywOyoOyo
segundo
v vt yt H
y rHr lyo
,,l ywyo
y 1metro
1)) ..norte
norte O O norte
METROy y losnorte
los
metro
Ct tCHO
HHO
H,,norte
ttHH
metro norte
y y metro
t t H H l l y y r r los los yo yo norte n

y y X X H H yo yo segundo segundo yo yo t t y y re re los los re re yo yoy syss tst O

metro y Si
yor rnorte
yoO y gramo yo yo lyo
estoy gramo l los
tu losOtsr norte
yol O
es rs rnosotros y rO
reny..sssmetro
PAG
uw y rr rtdiyt yo
re rO ynorte
yy norte
PAG re
RR y y F F y norte
y r re C
y norte
C y y s s [[2 2 7 7 ,, 2 2 8 8 ]] ..

norte C C t t segundometro
segundo yHH
O O ynorte los los
norte s s vt v
t ryo yo los
r los Ot tr yr yyoys yo
O metro st HO HOnorte
ys st norte r r los
los yt re
y y gramo
tlos ylos
y los gramo
los
los CC
Clos
re re
H Hyo
yoC yo FF
myo
H H
O sOsyo
metrot tyo
norte norte Hgramo
yo norte
yogramo HnortetuCture
los los Cr tr tyr yr 3los3 los
re re y metro
yoyyo nortemetro
norteyyyyCPAG
C H PAG
metro
H losylos
y rnorte
r yo yo
norte
O Oyoreyo
reslos
s me
los

F F O O r r t t H H y y r r los los yo yo norte norte F F

FOlosr los
r y yl lXl lX
metrore
PAG
relos los
yo yo
PAG
metro s t yo
l l ysnorte
y,, t rtyo
rt yo yoy segundo
metro
H
Hnorte y y s ssegundo
y metro O O norte
r r y tu
yOtuOt tFyoFgramo
gramo yo
s sOy O
yyornorte
ryo nO..los
t tOlos F O O ,, t t H H y y H H yo yo gramo
norte metro
gramo
y y H H y y s s t t r r los los

O O C C C C tu tu r r r metro
r y y reJre F Flos
J los rrO O metro
norte norte
LOStuPAG
tu losPAG
w
losHrrHrr yyoy yo
tr tr O
lyl yO
,,los
w
LOSlos s s t t H H y y r r los los yo yo norte METRO
norte F Flos
w
loslos
lostlos
los tl llos
wlslyslos
ywlyo
yo l l norte
w l re renorte
yo yoZsZs O
t tO
r rnorte
yo yometro
norte los los
segundo segundo
re re los
tulos
tu tMETRO
t y y re

J J los los norte norteLOS

tu tutulos
tu los r r ygramo
gramo y t t O tu
O tu s s t t .. F F OreOPAG
LOS r r t tPAG
H Hdy ,,y srlos
rs yo
ylos
yyo Ometro
PAG OPAG
norte norte t yPAG
re segundo
t los ylos segundo
lrl ryyyyzszsyyre
metro yyyytre
t rHPAG
rnorteH norte
y y gramo
t t y ygramo
re r r y y los los t t y y s s t t v v los los r r yo yo los los segundo se

metro y y s s O O r r y y gramo gramo yo yo O O norte norte s s .. T T H H r r O O tu tu gramotúgramo

metro PAG metro
H H thOthPAG
y y se
losSi
Si ríe
Oreyo
l r vlos
s los
y tu segundo
s l r v Estaba
li los ty ili yo t norte
yendo losysegundo
t yo HOnorte y tHr tHOlos
afuera Hytuen
y tr F los los yo l norte l F

l tu ts es, s t, y
h tyyes
H sllkyw
yPAG sl los
kn
norte O lPAG
w O. tú
norte los los t l Estaba yendo los l norte los re norte t re en rs t t H los y tú S t yo los s t w
wn.

F F yo yo gramo gramo tu tu r r y y 3 3 .. segundo segundo O O X X PAG PAG l l O O t t F F O O r r metro

metro O O norte norte t t H H l l y y r r los los yo yo norte
re 1 1norte
9 9 9F9F4 los
4 - los
-22l l 0l l0F1F1O4 O
metro
4 yo
r r yo
t tyHnorte
yHss O norte
y norte
y PAG
O r trPAG s yysZ
tyHy H
gramoyyOrOrO
gramo
O FlosZO
yoFayo
metro na M
Oyolos
yoda re O norte
O Malo los t t los Los,,
LOS
LOS gramo gramo r r y y s s tmetro
t y y,, los Los,, segundo
segundo los los norte
OO norte
r r segundo
re re s ssegundo
y y r r t tO
losOlos
rrOy yOmetro
..

3.2. Análisis de regresión para el componente de tendencia

3.2. Análisis de regresión para el componente de tendencia
Los parámetros estimados, error estándar, estadístico t, p- valor y coeficiente ajustado ffi científico de determ
Th en
y los y tú s O tú norte malo R t 2 e) dtúfonorte
PAGr rsta
t los
s h,
at norte
r H lost re
ly y metro
los losmetro
l r r rey O
ain y F r los r l O l r para S t t los H t y es 1 tú 9 C 9 los 4 l - ep los PAG
• 2.01 r re y 4-
j s vtuPAG
y s norte
los y tl tr ytuyyo
reyreo,Cden
losoe
losT norte
F los rfi re
segundo C l yo y e
La determinación (R²) de la precipitación total mensual para el período 1994-2014 se presenta en la Tabla 2.
Considerando los resultados presentados en la Tabla 2, las covariables cosx, senx, La latitud y la longitud, además del efecto
cuadrático de la longitud, están asociadas con la precipitación en el nivel 0.01 de
Agua 2019, 11, 1843 8 de 16

Wate Cr 21O1 0 norte 9 s, id FO

1 e, r X en EV y Y r R es R tu
EDUCACIÓN FÍSICA
gramo R th es yo presentado
s EW en la tabla 2 , las covariables cosx, senx, latitud y longitud 8 tu O re F y 1,6
además de la cuadrática e ff ect de la longitud, están asociados con la precipitación en el nivel 0.01 de si s gramo YO G yo
. y 2 R y ² SStt ylossoy t y los re túth
estoy metro l lOssh
O y en re
segundo shreOth y ww t s th t yo H s los tr t y t norte H re es metro t O re ain
Olos F ed
re norte y reél 29 v% él
T Cy norte
norte norte fi Si C yoHlos H R los C norte y ce Tyt segundo H y en yo ex metro PAG O allí re yo y norte l ed aria
ex 2OPAG
t F io9 tl%
norte
Antiguo Testamento
norte O los th t l O y Okay PAG l re metro ci O PAGionorte R. 2 Tyos tHt hp
r yo O s norte l gramo O l w y los yo t norte t re H thyo
C los
y aquí
th t tr
O PAG túyyOs tnnorte
metro / A r y y norte norte t re w C los O s metro tu PAG
en Vamos th r y Estaba yendo t t O io Okay norte a l l yo
yo yMinnesota
en. re TesCeso
H ipl los O t w norte t yi R norte ² re s yo t C r los O tú norte s gramo t l H
ahí PAG norte o t los H l y Vamos s r PAG Estaba yendo los segundo tú yo O li t t y y metro en polvo th rana yOl pr yo vrov los
tyO
ynorte y,gramo
C r PAG
yo yo PAG los yo segundo Okay Illinois t
a w y los Xahísnorte
pl tunorte los t segundo H le es t PAG O ati y O X t PAG y l metro Mes t r H y y ov PAG y r r e, c eso ip w eso ng los los s tú C Or yo O ten
H norte a wMETRO
Sierra
a.lle
O y r C C yo l los estoy se ríe yo los, Okay es segundo
segundo PAG
t l yo
y yyCOCs los
ip
norteyo yo
los tu los
t t yo
s lllos
y ylos
t PAG
t lau
io PAG
los norte
s O yn,r dt los
segundo
H l y t y y C metro
los C PAG H r los y ltim
C le
Oes
losnorte
PAGyygramo
ro paraycarné
en s gtdet videntidad Clesy lihasta
los metro
es F PAG
PAG lly losarPAG
t y icic
cire
v Si
v Caire , yendo S t segundo
losyipEstaba H estoy
r y y s C PAG
PAG C O H rana v l los re r yo yo s los t segundo r l yo y segundo s Utah y yo X O H norte yo s bi O tú Estaba
F re su
yendo
allí Cmetro
r H geOVamosO nortev re r los
s e,
Estaba
l Cnt /los
Ayendo
O tu PAG
se ríesisegundo
r norte ylos
gramo
lty
re s es PAG t los r t yo yo segundo los tu l t los io norte norte re s t O y F metro su ng allí t r H gramo y y tr v y los norte r re tú
2 odelpara presentar un bajo R² [ 15]. Cabe señalar que la metodología propuesta en este trabajo para
[ 15
R metro ]. Cabe señalar que la metodología propuesta en este trabajo para estimar la precipitación
estimar que la precipitación explica no solo la tendencia sino también la dependencia de los datos espacio-temporales. Luego, se
explica no solo la tendencia sino también la dependencia de los datos espacio-temporales. Luego, se modelaron los residuos producidos por
modelaron los residuos producidos por este componente de tendencia.
este componente de tendencia.

Tabla 2. Estimación de los parámetros del modelo descrito en la Ecuación (2) de la precipitación en el
Tabla 2. Estimación de los parámetros del modelo descrito en la Ecuación (2) de la precipitación en el re r gramo y yo gramo O yo norte
en un los los norte l los y om y z1re9ed
l z y19 9 4fr F
94Oar metro
a 20 2 1 0 4 1.4.

Variable Error estándar de estimación t- Valor PAG- Valor R²

Variable Estimacion Error estándar t- Valor PAG- Valor R2
Interceptar 323,193 124,843 2.589 <0,01
Interceptar 323,193 124,843 2.589 < 0,01
<< 0 0 .. 0 0 1 1
cosx cosx - 19-. 9 1 8 9 1. 981 0. 0 85. 8 4 54 - - 2 2 3 3. 3. 3 9 9 2 2
senx senx 52,5 5 5 2 4. 554 0. 0 85. 8 4 54 6 6 1 1. 5. 5 2 2 5 5 << 0 0 .. 0 0 1 1
0,290
0,290
Latitud Latitud 0.061
0.061 0,013
0,013 4.884 < 0,01
<0,01
Longi L tú O re norte y gitude - 2.3 - 0 2 8. 308 0. 0 07. 0 9 79 - 4.884
- 2 2 9 9. 3. 3 3 3 0 0<< 0 0 .. 0 0 1 1
Longi L túgitud² 0,00
O re norte y 2 0 2. 002 0. 0 00. 0 1 01 3 3 0 0. 0. 0 8 8 2 2
<< 0 0 .. 0 0 1 1

LOS LOS
es yo
H tHs gramo
O ataviar
los fe O tu
los r metro metrotu th es
de s en
los reyr ysen
metro th
y yothsmu tull yo
re carné l tde
PAGidentidad
y elipyyrle
aire
li yl norte
re r gramo
en y r gramo H
y rws wn
y s en
s yo
ensFiO Fyo
gramo
gramo ren
norte yo es es
.yTre
tutu . 4ssYo
sh
H4H OO
es sunorte
es es
esosuyo los Okay segundo segundo le le
fo fo
r r vesv yo
suAlabama
tu Alabama los los norte norte los los ly ly si s s es O O, PAG
F
whFC
thPAG
th yHyyHel
yo relos
relos siysPAG carné
reJajaja
el de identidad
PAGJajaja lostulos
a a H H tu y yvsegundo
v y y los segundo yyH
los PAG PAG HEn
ry.O lossi
O los Fv F
s t vyo
norte io
ioYO
yo ivr YO
t vr,G ywhi C tulos
y los
G tusres re
y y4metro
4 ,, metro m
eso eso es es los los
sslss lyo
Ossolamente
segundo ibPAG
y le PAG yO
a ayPAG
O yl th
thPAGy allíerl yr los
y yr ygramo
C C yo rg
y del
Carolina v iv F ths los
FSur los vCvl rlos
losy yo
le rOnorte
O yo
los y norte
elt losyen
y en
yo t Orthio
re s th
y yo
tu s
tures e,
carné
s w wh
de identidad
C yo H chyPAG
es ex ed
esPAG
hola exlos
ed y thnorte
y los
l lsegundo
yo ythy en
segundo
HH
YOAhi IG Hlos
G esta v vyo
r los yo r los yo segundo
y y PAG
segundo
re r PAG
C y yo lCyo
eso yo
PAGloslen
yo ip
tt yo
t los
y ty t Oenyothnorte
yoen th

Fi F gramo
Gu y re F F th
yo4.tu4. H H es yo t s O a gramo y th
y re rrana
gramo s y yo es
tu s
rana es
turemetrode
carné de
de th thju ju
y identidad
metroyO O St
anuncio
anuncio s ed
y t metro el el
re sobredosis
sobredosis
metro

norte y t x, t yt,yhrethr s y yo
exnorte tu sturel los s ls
carné metro F metro
roesthlos
defr identidad
Oes thr gramo
rep.ej re r s y snorte serO y
s yonorte iowywre re eh
Si stu re a a los los norte norte los los ly ly z z y y th th y y s s PAG PAG r y los
co rrlos t norte
r l ytúlos io tú
Oallí norte
tú ttúOmetro
io metro PAG PAG

tusitus norte
gea Engr glos y v v r los yo r O yog los r metro
th los edmetro Y re
en enre Eqtu
qué yt los
s los COsyo
r Ct O
yoyo
r segundo
norte n (yo y segundo
5 () 5.). re

3. 3 3 .. 3. s s PAG PAG los los tú t O io tú t metro

en PAG PAG O O rana rana a.ml lde
VVdeaire
th th
losy yo
y Rr R yo ygramo
O es yo s re
ogcarné
rana rde identidad tu tu Alabama los s ls
metro

pieLOS
LOS F y t r er movimiento rápido del ojo Antiguo Testamento los y t mp y trOFmetro
y los los PAG
norte yll re,
re,l O
t t rana
airerHt yo
enHva.m
rana y gramo
O en l fa rana
v llalcul
en los los s ted aquí l gramo
entu lc s tu re gramo ytlH
s.ua
re O metro v O en v gramo en t gramo él t s H PAG y a s yo p iot r ari wog los r s los C mw a t y H re er tu y s s yo yo norte
T r H y y s y carné de identidadiometro
PAG tuy yo
PAG loslvic
metro t los
yo l r syoi.ca
PAG los
r OO
Tiol H
rysgramo
y Pan
slos pametro
tyr toav
metro
y PAG
los t r metro
re 5 metro
rLos) O llos
metro re norte ylos
sobredosis re ll Río
t (h F gramo
y YO GYO
fi tu
Gttr rtuy y re 5 PAG los F re
YOlos
r) el tu C r)tu
tu norte
G re t y-resConnecticut-
5 tu segundot metro
s H tu y met
a.m tte O re en PAG l r (o
aireymetro
O s enH O l w ( F norte YO G en tu F y YO sh
G5 tu O yo th
norte w tu y re re 5 sis A
debido s Ho en w re
túnorte
y re reic,los
lesth
un tuC los
carné
y r sde
C identidad
yo O norte r re r yo y C l los los t t y io re norte los y re norte
un segundo C y le tw
SEGUNDO)Hresaire Ay5 y.norte
s LOSnorte Higo aire y C y O norte rr segundo
norte losysegundo
O allí th tío
C yspy dos
tú segundo
, re
unalos
s snorte
metroCOPAGPAG
y th Estaba yendo re allí t n / A los Si PAG X O PAG edr l los los l en co O y norte re en th th H y los s t y
y los los t norte
yo me tiene norte PAG re o lsPAG
los PAG
nortel eh
lostCnorte
t O Estaba
y t metro
yendo
metro t PAG
metro losHOOrey norte t y O norte Okayy ts
y tlvs yOlos
y Okay
X r aire
PAG
re ltusyoyo
v lcarné
y norte
loslos
losde
s ttío
Oyoyoyot norte y t t H
identidad
norte

residuos. Tenga en cuenta que la estructura espacial se debilitó a medida que aumentaron las diferencias de tiempo y la estructura temporal se

debilitó a medida que aumentaron las diferencias espaciales.

 Agua 2019, 11, 1843 9 de 16

la estructura espacial se hizo más débil a medida que el tiempo di ff erences aumentaron, y la estructura temporal
WW Okay C0210
tre los w y, 1xFO r O los PAG s Y t Y H R y RR s Y PAG V los VE t yo yo WW di ff erences aumentaron.
X a, ke FRR PEE REI E Alabama
segundo los yy 21,11
91,9 r metro 9 9 de 1616

gramo
tu
re r r tu
F soldado
FiF gramo e5. 5.
yamericano
los
s a5. metro
los metro
metro
yo tu
sPAG y metro
PAG lpe l l y es s PD
PAG
PAG metro
PAG apro
los
rPAG lv
O los
O losl AV
roirvgramo
losrlOkay
los a.m
ranametro
t yo yo
Vamos
yo yo
a((
Olos
ito r rg()los
O a)
tyya
norte
tm aire
H t los
Los) re y eltu
tymetro
hteh
anuncioanuncio
norteja
jresreture
tset
t j yen re O reOrpo
surPAG
PAGre su
u-culo
tc-rd
tu
uno
ts-us
Connecticut re
metro
metro
metro metro
O re OOl re
ymetro(re
el) Antiguo
segundo norte
el ( O segundo Testamento
re y licenciado en Letras re tian F yo r
SEGUNDO() segundo OKAY) O yo segundo

frf trm
O yHrmetro
O t y ht s Eh rede
ers carné
los Oye
O aulso
F allí
y foter
identidad
l Dakotatfht
s tu
metro
del H ipmetro
tuSur
Eh lstuyiule yo yo
t metro
Lutli li r enestaba
y los gramo
re rr
l tpnorte lpe y l los elO
s er
r en
er s ge
norte en
yo rg
se.ssisoin

Th los a.m l PAG el l y y vv gramo

O gramo
O unsegundo ytu
y vv ysre comienzo
yture norte tet renorte
r rmetro
tyo yOmetro
fi F tú yo S t tyo
metro mm l l v
s sgn O gramo metro w H en
,,srw norte O r r sps
O norte PAG s PAG
TTS.S y es y saspáginas
s mm los v rana loslos
rana rmcac
a.m los
Vamos
rm Cr nbeb
norte
Hola yoyo
gramo
v si
Alá nos
yolos Illinois l zi yo ez metro
zssres ofo ara los gramo
Alá losrlos
gni
v vyo O
rana loslos
norte
r gramo los
s,
Vamos smetro
aire rw
iti
metro
Hola yotOgramo
yo ht Hy es y linda Funa ro CA los CE C y y
re un los H yo T H re eso H y e emo aire
ro allí l re ns comienzo enésimo
los ttH
losun allí los l l undi y en loss Hola nn Hyoynorte
los norte yo metro norte norte t PAG PAG O r los
estoy l re O s yo los metro
unlos
ddlos norte
norte norte
O toh fometro
t th deroy r rrti
O antes tm
tFy.
FyOe..TT
H y H y yCcomienzo
norte rc Cyo
gramo
ernorte yysa
yrenorte
r ae norte gramo
s reess s gramo
los ni
comienzo
yoy norte
Htrtytyer minutos
sps
yo r norte
norte
s PAG eso
ddtet ahí
t tmyopáginas
metro imm ennhermana y esa metro sm
sPAG PAG
le PAG
llyy
v
v aire O gramo
v losgramo gramo
ahí
rana
losyo
losmin
r ror rm
metro
re norte y re
norte
yo
yo yoreOic y re H t HPAG y ynorte
eso
re yo iac C Okay
norte
y es
los yre
etPAGtr re
Jajaja
PAG norte s sPAG
O norte
cey C
y esCfo
PAG
ys es
Fsnfaellos
y ymetro
metro
PAG
O ast sgramo señorlos t a los
gramo r r gsp
OTai
.. HH tu ete y t t Alá Los. l l los
O norte
norte
norte
t aPAG
yoOyo roa O rdedo
OPAG rl losror del
losr lpie
[.. 2y
relco
r trlC
tm
re
et[[] reth
yt re
2
. lHesuu
yCynorte
Oel
St tHts tH
2H]]tlos tht tOkay
sa tH
los ahí t a yo yo O minutosy y y
H yre thHt t Hnorte y dtoy re t O
t tm r k
tu ertu
gramo r y y Quinto 5 HF F tu ysp s s PAG y y metro norte
gramo attO
chc ara
C Hlos aire r aquí los tc C r PAG
et t reeryr Vamos
Si y es sr si norte itc Quinto
yo tsy sNuevo yoturtlos
t yoTestamento r fu
Carolinarh
antes de y rnorte
t tt comienzo
H for reFLOCrfrse
yo Oy yCre
rríe
nFFgi y discos
en
yo ygramo
yyoenyo es
norte y ed toa
ycompactos
norte losPAG
los PAG
PAGPAG
ly lPAG
PAG l y PAG Tai t metro
los los dedo adelyoPAG
PAG Opie
yo
rugido
OPAG
O se
allíríegramo gg
comienzo
los r lrg k yoO
l kyo yo norte
gramo

re tu norte eso t H los metro

los metro y ymetro
metro l l v O O gramo
los metro
los , metro
, re y en
norte tu tu w y re o
y dfof F rtht t H y y norte
ro y re
y re
tu es
rer r s y Oye tu syDakota
y. s sI..nIdel
yoyoSur
Hnorte
siyo
yoyo ss
páginas
lsPAG
re a s metro
ellos
l y PAGy spsOkays PAGpáginas
O PAG
los ito t yo ro losO aire
yo av O ranaretallí
r tgramo
metro
los v, aire
losVamos d yorr metro
Hola
efre
re yyoerts
quince gramo tts
tnorte
ryo rt t turer tu
F ffs Connecticut r Jajaja Cerculo
yyyystes
SO
t tu
teta
r rwyt efif
tú t fitd y H yygramo
y ygg norte
norte re y aire r allí los Illinois l zi yo ez z re
delPAG
Sur Cres s pp et nnmm yometro tu O
Fmetro p PAG Fi F gramo yo tu r H hs O H w wysnorte w yS.S
y norte sen tu gramo tu s sGRAMO loslosyo lostunorte l Oo
y metro F re lfo los
re cepara r
ro rOrre OC
tu turetutc- t metro
C ts-- s nos
metro Oy
O tu tuyrele l lc C l l aquí los
re
re a s 5bs
uulsysantes s..s.Figg
de 5 5 segundo segundo ywOOyhijo FsOoo t fo
ys ynorte
HSipier es
OyH sl tlst
y sy th w
r tuHerSO l Siyt tu
nos norte
norte
s hermana
tu gramo nin tu
losGRAMO sssgramo
isai los
metroONuevo
re los O
norte
los Méjico
tu él
aGsp

norte un
GRAMO si GRAMOlos l metro
F O O
O yr yre re
sps los PAG aquí
re losre CE
re tulos
loslos ean
los aG los
ssnorte
ssisa
tu
metro tu
O enre norte t metro
leflof estoy
y ro.rtitm
estoy y es
Sutu segundo
s y y tu q yqnorte norte , , losunlosexnorte
y X norte a los l norte metro F r O r ed
ymetro y rsyPAG PAG
th yo los PAG ryoO PAGPAG r r O los aire metro
gramo
Si s sq
Su segundo tusegundo tl t ty
ytuy norte , l l y y X y ll PAG PAG O r Hola los ro t airelos
PAG Olos y norte
ss
Okay allírwAntiguo
issiyolos y ssly los
s Testamento
wyPAG sa rfantes
ws O PAG ydeRoy
y rpara
PAG
los ryreredesde
th y fo y para y icmetro
y los metro
PAG
l metro
Vamos tt yo
rlsH PAG
yo Vamos
losPD OO
r OkayPAGyco
lostmetro
C
ito itolal
Oyl allí et los metro
vmetro

metro en l sOa vgramo

t los O Orair C Hola
tu
losgramot C
O O
rt metrogramo
t a t C H jefe y norte r yo los norte yo yo gramo
a.m 6 s)
gramo
.s (F (F
vv rnorte
s aire s metroCtsr los tur
gramo y tc
l yrenvtumetro
los
tth se th los
losríe
los lav
rana
metrometro (ra F O tur gramo
irorgramoaire ign
y metro IG IG uurere6) 6.).

F soldado
gramo tu
FiF gramo
. 6.
americano
r tu er r y yMETRO
ara6 los
yo tu
norte allí
6 METRO
v rana
los vllos
YO G gramolos
gramo r METRO
AV
Vamos
l gramo aire Hola
rOmetro
tf F
losr metro
metro
ss
ni yo s ofo
un
htVamos
yoH yt yEh
rer rOSirgyyes
re tus di PAG
s srepruer
tu nos y e:PAG
yo tu:: u r le yPAG
yl l yOkay
y spslos
s ap
ita tnorte
yo yodpu
norte allí
PAG
re PAG rueruy
Los( l rl yle
un y (()
emp yl lun
ytet
Pro
polvo
O taire
los mm
a-N-A ) Los(
. re l l SEGUNDO(( segundo
r l segundo
los
).los

F thy yt es lt H vHt los segundo segundo y segundo yo rlos norteyo gramo

l norte F (yo F g ( F
FFO roO r rthy tyt yHlos norte
elHlos
los norte
los y reyl ldd
norte
z laico
z ez re
ylos reOkay
yrelos a Los,
slos
PDLa t,
Okay
losPAG vlos
PAG los
yo segundo yo ib
r r ahí
yo Okay yty liy yo
yollos
rana yilaX
XIllinois
yo
lX
yo
los H
v yyo
yo tH
segundo ted
t tú
Hsegundo yyiet
biyre
yo yt
t re Hy shtesy PAG
segundo H túPD
los Okayllos metro
loslos
PAG
los itaen
rg trapo
l ilalos vl allí
metro vmetro
rlos aire
los OOrlos
yo vrgramo gramo
un
Hola
brazo
metro (m r gramo
tu soldado
yo tu ry6tuer los americano
y) r gramo

6) el
s w w Dakota fre
del
F y r norte y th t t y H r PAG los PAG
ern
Sur re O metro ete tmy metro aire
yo los t segundo
los ty
ib O
w
sh sh Ay segundo y y thy tnótese
H norte t y H rana
etet y
bienPAG
metro
metro
t segundor metro
gramo los l envyo rana norte r yo
O
gramo
los gramo
gramoLos(
los gramo
Los)
Sexto w los re sa yoyo t
r quince
ff y
tyOfetfpara
norte H
t metroy metro
metro PAG O O l ro v aire loslos yo
losallí
r segundo
yo l
r lvyyoliiltvs iy O H norte w y y metro PAGPAGO O l ro
arla los lm en Alá loslos
metro l r vOyo rana metro
vrarmgramo F irometro
YOuu GrYO
r6yoer Fgramo
( tu F y)
Gysegundo
y C) segundo los segundo t t w vtwlos O r O yo vog
tHtues yH
O v r s es sp y PAG
a.m
yo y ff norte yCrH
6b6 segundo
) y tu segundo
celos
ssANTES yeth
es O
DE tw los
CRISTO y tugramogramo
r rana
s aire
metro Vamos
r PAG r norte
losesn er tt ySimetro
Hola tdSire
re re iffe
norte y lttnorte
vfrets slosy yo
esLos.
rl l norte
tu allí
enfermo
y Cyo Siul ys lv
O.los a t Ica los jefe ]l. O
y.tusI v Oy re
oe [segundo
1 sbes
estasyCrybien
relosHre
re Ovrlos Cyo
Clos
allí. vt H es[ syo
rana s l.aire
segundo 1 ci l1srv
aquí
túy[] los
C tccss retre s Vamos yo s me
O estoy
Antiguo Testamento
Si PAG PAG
y ht tdy
norte
H tu
y en 6 F los F
re r en YO G es6 a6 los Automóvil
norte
6 los
segundo
t s H ts yo los s Okay s et yoy re
club norte
británico
un y tú
dt norte
ht H
th entrar
O
O t, r H los th
norte y metro
hermanayo tt lmetro
H ial O rana t
O sssolamente
rt y Antiguo y
r re ersy yor F y
Testamento
ytnorte
y norte
yo y gramo
esnPAG YOtu Grlosersture
segundo
norte s Okay re los
dd t 6 H segundo dd en t tú
los t
los io OKAY, yo nortes situ, nilos
PAG t ss
norte Taies
túlos PAG
H, metro
th
t tú yyol yUtah
C slosOOrPDtu
Okay r PAG norte
y eso
PAGOl FOOro PAG
lost aire
ito t H
y yo
allít yOl metro
lta y ito en O O tu
O Cs norte
q tu fi ld
O y tu
t segundostúy segundo
anuncio
yo qué norte q r y losli tu
du PAG r t th
OH
y t norteAilziezyvlos
r PAG gramo
io
ranaPAGrd
re
re re O tu ts-us O tu
re y v l v fi YO
metro G en
O norte a.m gramo
mierda re ror s re yo r fo re lpasto
piey re hth isdytu
segundo
tu yycarné
yrer Side
tulos los sld
Si identidad
re t C y jefe y re lyre tuel tu tu los etl
gramo t OkayytueylHgramo yf y ssizt yo gg
norte y sniittere
yyrenorte
tdp.ej
y C tu norte
y-gramo
sarl
re metro
tu ro tu ctc- metro metro metro los re rana r yyaire
iro re metro
Y O q re
O re
.ed yo yo thnorte nin O los norte norte
9 (
th metro
y norteO y
norte re los los O v
segundo
F segundo
losl Connecticut
ru los cortar norte tu
los
O re
norte
tu
mm y los leyt norte l yo re e)
feif
Od re(ni 9 norteY yo q tu Cq tulos Okay s) eso
sY los 9.) y. snI (
y yo
hola
t nortemetro
es
noyo y es
t Orehtcacnorte losHsa segundo s
y y norte
t t eso
es Oh C
yr Hola tu
t yrev, tu r
losnorte s
Oy sa, y
Oyvt,sm y H yt yPAG ht ses H los ts rt re
r yogaélico
tú linda solamente
y rana
tú PAG th es
Olosth
l PD
O Okay
metroC PAG r reyonorte
eso r ahí y allí l l los los t norte

tmeny PAG re PAG

rer O
O
pasto
ww
noroeste l tai.toin eb los .tu
segundo
H
re
O
w w O
F y los es llstsut
metro
es decir
re
O
tu norte
segundo
tu t yo norte
r Si los O risa norterenin
t r yo solamente
l re
tu O
t yoyo Hs norte
norte dd
los y norte
tú w orar norte allí t aire segundo H l
cl yoOjefe C ro y r losantes deOy r,ertoity vpuaj
ens ci y
lel s. y tOH y s ve
norte
ymetro
O es decir
y norte norte
O v re, r r s, los los reyo yometro
re Faf
reyo lales norte
re Old susbabero
tu t s PAG
t rtir norte
ito y enhizo O s a YO t re yo
G tp tver
t t PAG
r finorte C snn
los PAG metro t uu
y METRO s y PAGEstaba yendo PAG y F gramo de yo ro O rt norte hth
esoyoCHO si r gramo
r iifc
norte
ssyo yo t iac;
yo los
Ontl O
ynorte
norte
Fsg Fyonorte
tclos rer los
r ocro yahí
r pasto
X PAG O ;,ymetro
toi
norte
l norte
f;ofro
METRO tu re t los X ysHmetroPAG
lel y,, en
hacha t losu H
tu metro s l2th
[u aa]9mymetro .vl .[dl2PAG
re ytety yylos [ yO
los
allí re
92 re] ev9]vel losOesyellyre da los los
tv lp los gramo
s lav
rahí lvPD
losaire
yometro
Okay OF PAG
r rOHolagramo
los
th los
eso
O rana Gy rm
r metro y O y F

O FHola
norte
,, segundo
Y re re
, Otusegundo
norte segundoy re
PAG tú O ltlH ldataat.a.
rer segundo
yo los ge YOaire
rerOnorte
r gramo los fogramo
r fo lre
FDr
norte fB,re
Y
los re
reB
re ro norte
gramo
norte allí tuen
lre
os
norte
tre , norte
yo
gramo tt rtutdidiota OOrelosr norte sy trlos
aerp OPAG PAG
t rnorte
los tr l Okay los Cy Okay
los Oocro sl yo
r PDOlosrrrTaiPAG
F erle Ot los
t allí io clnorte
los lta yyore
Hnorte DeOermi
norte fo rfatnorte
losafaflalld
aire
mi quinto
Estaba yendo los ni.n
re metro metro y y r re y antes de y y v ve losyo v r norte y irnth gramo en y tm
norte y t norte
H F y esonorte gramorygramo
H norte
los O PAG re-PAG s tu
fef y ree
y
DDSi yo Si ff t t TV r
norte
r y norte
losvlos O
v rana gramolos
r r aire mm
r Vamos gramo
metro
los metro O re re
yrey l O
OyoOHola l ww
es s ls w
gramo los l allí tdy dd
re tu re
ul los ytuyrretu gramo yt gramo
lostut Okay los
los y re tu
j sHlosre
uj tu
jt re
sthtsm
metro y O norte
t F a t fo y y p.ej y l re iz aire yy rlairere
y y norte r tu Oo tu
lziezC retut-
reC
t PAG re
tc- metro
re ymetro
metro
l sobredosis y, dt t yo H tm O reenen w re nortey GRAMO
los X tu norte, y t X uny Estaba
re yendo PAG
sus metro
metro tu O yF O
O metro rele. r.
FOlOsegundo
tF ro HOrbPAG s segundo
a los loshtnorte yun
C H norte
aquí
sps
re re losCE yo
PAG ytyyymetro
fo th
tyl w
elyoestoy H efO yo Ow Ay
norte flogramogramoOel O
llol
ygramo re
yr metro
re y les mm
s tu ere:
ls s w ws tu yess: yo
eryGRAMO Isrerelos
a: GRAMO
a, tu
u s ssi hojas
PAG Olos, norte
y norteXnorte
PAG
len enent s ita PAGlos
O norte ilaicH norte
l y, loslosr nre/ l.A

spspS.S
ereirciacla.l.
Agua 2019, 11, 1843 10 de 16

3.4. Selección y validación del modelo

Los parámetros estimados para el modelo de suma de producto generalizado se presentan en la Tabla 3 Fuimos fuimos

obtenido considerando la di ff diferentes estructuras para los componentes espaciales y temporales. los RMSE
y NSE se utilizaron para comparar los modelos. Algunos estudios, como Referencias [ 1 , 2 , 21 , 24 ], utilizó una única estructura de correlación
espacio-temporal. En este estudio, se propuso un análisis más completo utilizando di ff diferentes estructuras en la formación del modelo.

Tabla 3. Estimaciones de parámetros (umbral, rango y nugget) del modelo de variograma de suma de productos generalizado ajustado para los

residuos y el error cuadrático medio ( RMSE) y Nash - Sutcli ff y es ffi la eficiencia NSE).

El parámetro k involucra el umbral global.

Modelo Umbral Rango Pepita k RMSE NSE

Espacio Gaussiano 7,648 181 kilometros 1,713

23,480 10,207 0.903
Equipo Exponencial 26,683 43 días 8.446

Espacio Gaussiano 4.140 178 kilometros 0,930

25,129 10.155 0.905
Equipo Esférico 45.686 143 días 24.184

Espacio Gaussiano 8.591 180 kilometros 1.933

19,861 10.150 0.905
Equipo Gaussiano 27,963 71 días 17.075

Espacio Exponencial 6.889 192 kilometros 0,616

23,486 10,646 0,899
Equipo Gaussiano 29,500 71 días 18,056

Espacio Exponencial 4.380 192 kilometros 0.400

23,614 10,667 0.900
Equipo Esférico 46,065 147 días 24,232

Espacio Exponencial 6.280 195 kilometros 0.574

24,823 10,686 0,897
Equipo Exponencial 30,775 45 días 10,401

Espacio Esférico 1.804 388 kilometros 0,237

15,857 10,341 0.901
Equipo Exponencial 162.584 42 días 49.179

Espacio Esférico 5.967 391 kilometros 0,758

9.251 10,288 0.904
Equipo Gaussiano 85,384 70 días 51,693

Espacio Esférico 3,047 392 kilometros 0.385

23,750 10,294 0.904
Equipo Esférico 65,444 143 días 34,775

Para el modelo de variograma de suma de producto generalizado, la mejor estructura, RMSE

y más alto NSE, se encontró al considerar el modelo gaussiano tanto para el componente espacial como para el componente temporal. Según
el modelo seleccionado, los parámetros relacionados con el rango mostraron variaciones espaciales y temporales en la distribución de la lluvia
sobre el estado de Para. yo licenciado en Letras. El rango espacial de 180 km sugirió que la correlación espacial se volvió insignificante después
de este umbral, mientras que el intervalo de tiempo de 71 días (aproximadamente dos meses) indicó que la correlación temporal se volvió
insignificante después de este intervalo.

Después de seleccionar el mejor modelo mediante el ajuste del variograma, se aplicó el método de validación cruzada dejar uno fuera y los
resultados se presentan a continuación.
La distribución espacio-temporal de la media RMSE Los valores basados en el período 1994-2014 se presentan para cada mes en
la Tabla 4 , en el que valores altos indican una alta variabilidad entre las cantidades estimadas y observadas en la distribución de la lluvia.

Los valores más altos de la RMSE se muestran entre octubre y diciembre. En la mesorregión de Sert los o, valores menores de RMSE
se observaron entre enero y mayo, porque fue durante este período que ocurrió la menor variabilidad de precipitación (Cuadro 1 ). Estos
resultados son similares a los encontrados en Referencias [ 15 , 27 ]. Las temporadas de lluvias presentaron alta variabilidad espacial debido
a las acciones de di ff Los diferentes sistemas climáticos, como la Zona de Convergencia Intertropical (ITCZ) y el Vórtice Ciclónico de Nivel
Superior (ULCV), como lo describen Macedo et al. [ 28 ].
 Sertão.

Mes Zona da Mata Agreste Borborema Sertão

enero 30,4 32,9 30,4 30,9
febrero 31,5 30,2 29,2 31,0
Agua 2019, 11, 1843 marzo 30,9 30,0 32,1 29,7 11 de 16

abril 30,5 31,9 32,9 31,4

Cuadro 4. Valor medio METRO s los O y F RMSE de ra 3 en en 6 s de

1 fa 6 ll (mm) para 3 1 5 9,9 1 4-2014 en 3 t 2 él 1 mesoreg 3 Zona
yo 0 da Mata,
norte re y Sert los O. 31,2 32,6 35,8 33,7
Agreste, Borborema J, u un
julio 33,3 31,9 32,7 33,4
Mes LOS ráfaga
th norte tu Zona d 3 los 3 METRO
. 4 minutos Ag 3 es.
r 34 tú Bor 3 segundo 1 O. 5 fila 31 S. 4 ert los O

Ya 30 2. 4 8.4
s norte y tu PAG los t r y y mber 3 3 2 1. 9. 2 3 3 1 0 .. 5 4 31,330,9
feb Oru C los t r O y ber 31 3. 5 4.5 3 3 0 3. 2. 4 3 2 3 9 .. 1 2 33,331,0
Mc 3. 9 3.6
norte los O r v H ascua
30 3 3 0 4. 0. 6
3 3 3 2 .. 7 1 33,029,7
Al 30 3. 5 3.1 3 3 1 5. 9. 2 31,4
re PAG y r C yo ascua 3 3 3 2 .. 4 9 34,2
Mayo 31,6 35,1 32,1 30,6
junio 31,2 32,6 35,8 33,7
El valor más alto Ju y l s y del RMSE 33 aire 3 y apuesta mostrada 1.
3w 9y en Octobe 3 r 2 Los. 7 na Decemb 3 y 3 r. 4. En la mesorregión

de Sertão, menor v LOS los tu lu gramo y tu s S t de RMSE w 3 y 3 re 4 notado entre4 Un

3 y enero . 5 Mayo, vestido 3 tu 1 s. 4 y fue durante este
3 en 3 norte 1 re

período que el bajo Si y PAGVamos

s t t ensegundo r y yo r capacidad de p 2 r 8 y. 4 cipitación oc 3 C 1 tu 2 rojo (Tabla 3 1 15 Estos resu 3 l 1 ts. 3 son similares a los
3. t 4 ed high spa 3 t 3 Estaba yendo 1 l variabilit. 3 ydebido
3 re a las acciones de
encontrado en referencia O s c [t 1 O 5 b, y 2 r 7]. La lluvia 3 y 4 s. 5 easons prese 3 norte
ser s r, Como 3 t 3 33 ce 7 Zona (ITC33 Z. 0
H. 6 e intertrópico 3 los 4 l. 6 Convergen
diferente clima norte s O y v s y ten
metro
diciembre 33,1 35,2 33,4 34,2) y nivel superior
Vórtice ciclónico (ULCV), como describen Macedo et al. [28].
Los meses de enero a marzo proporcionaron los más bajos RMSE en la mayor parte de la región de estudio T
metro metro y O s s. t T O H F es th
, yoHydi
norte O
norte
aquí norte t t yo Httnorte
J H loss gramo
pr
y desnudo
los yFr di re
t rytHCOOlostú veh
r los
losMETRO
metro PAGCsl rHo w v y yo r re y y C retheso er
y y tssOHt ysegundo vAyY
y t lsOed Rthsr METRO
r los O en tu F gramo los H ll O v tu y los
y ret luul
s sretúts y
en yo gramo th th R los los t ya th yreyH t PAG
v O Alabama r tu y y PAG s O w
los re re soldado tú ic norte C
americano losOt O
t wnorte n, s yo Alabama
yo norterojos re1 yo 5 c] t, y w rt y y r re y t C H t O Hlos
el eso w Os st segundo
y th a et y s vyr los v r y Estaba yendo re segundo r Illinois re l tulos
ts se
yo ríe
yo tlos norte
norte y Fr yo
gramolos norte
y ll PA
tú O norte
w snorte
i.th Ct th
RC A los O tj gramo
r los re lylyen
[, los s H5 ]los
eso
1, w O ls r O ep O re
Washington aire ly los yo s segundo t los a O es en C tnorte
C yo tu gramo.
t C H O y norte s s y es metro PAG o s t s y ible th t los O t O yt segundo
el es s t tuHvssegundo
y y l r O vlos
w s r t yo los los norte segundoaquít yo
r l re
yovl re
losaire
yo lre
ty Estaba
metro yo yendo
O norte
tu tnorte
r io PAG th
estas T Minnesota , eso de w t los H s y los F l yo s le t OO a r O t s y el a su Si segundo l s y t C los t norte y t re Estaba yendo
fo PAG aquí yy ll rlos
v ymetro
los C r r yo y los los tú t O y norte re.
O O Víspera th lu s. a LOS y C t C H OHysirdy qsegundo yo tu nortemetro
los gramo l l yo y enty O l segundo t s H y los r t v w rl O es decir norte r t, h gramo ly rana s PAG Okay H t yo yo C s s tú w
th tu y s fi en t gramo fo s r PAG t los H t y io t rmetro
w Si los le C C C t O y r re di y norte los gramo rl t es decir O r, th gramo re y r yo los r PAG los H C yo
utilizando Atodas ev O los F l t tu H los y tú Vamos th lu y y q s tu PAG los r l y eso tú Oremetro
y ic O re
t FPAG
ed y YO O l rGt los
los yo
H lslos
ngk lv y los re lu C y r s y el los t norte y re
él v F alu H y y sp re r yo y ff re edy yo r C y t norte Vamos gramo ANTES DE CRISTO norte los re t l tu
tu lt los
gramo
2 l 6Hv y9 yAlabama r tu lo
t tu H s y en H gramo es los t l O l gramo O r F los t agudeza ce nos segundo yo y norte th tú yt gramo
metro ywpor
s y los
PAG losy lu
losk norte
s plataforma
tío sv l (yFyonorte YO G gramo tu los r C y co 7 r) di C norte O gramo ns a carné de identidad t y H

s H t yo los s t t yo O O gramo norte r s soy de los di ff diferencia entre estos valores (Figura 7 ) considerando las 269 estaciones pluviométricas. tu r r y y 7 7 s s H H O O w
w s s los los s snorte t t r r gl
OO l yo yo eh
norte gn y los los r r r r y y l l los los t O t yo io nhpoh
metro w y y y y norte norte t tmetro H H ylos y ylos
y st st yt tyyo re yore metro
los los norte norte re re O O segundo seg
F F yo yo gramo gramo tu O ns s Hola yo p de F t t él ef F O r r metro y y == X X segundo segundo y y t t w
tu y y s w s ,,H
Hwyo H yo w
C
w los
C Hlos stusppor
s s turt ppo
t y yreresegundo
segundoy ynorte R 2norte R² v v los los l lwtuHtuH yyo
los los yO yoOCFCFH0H0 yo .. 8yo85norte
5 ,, wnorte re %O re OyoFyo FC t tCH los
H ylosy t tt tOy O y st tslos
ttH losHl losl PAG los tPAG
t 8 8r 5r y
5%y C C yo yo PAG PA
v v los los l l tu
PAG l l los los yo yo eh y d nosotros s yo metro ng
yoPAGPAGO O r rslos
gramo s Pan los llos
l t t yoLOS yo re
O re
O tret yreyyometro ly t,,tlos
yo yo losyo Ov vOyo norte
yo snorte
s tu tu loslosloslosll ll yl los los norte norte los los l l y y s s yo y
v v los los r r yo yo los los segundo segundo yo yo l l yo yo t t y y C C O O tu tu l l re re segundo k ksegundo
r r yo yoygramoy y y XgramoX PAG yondunp
yo norte norte gramo g .. LOS
re yo yo F ffnorte
fe y rCr C
y yy norte
y swsysegundo
y y y norte norte t yt yHtHt w
segundo y y s sPAGy y rv rvylos
y slos
s yl yl tu
norte
tu y norte
y s s tPAG
t y y re re yo yownorte s s t norte
t H HF los yo yo
F los t re
t tgramo
yo
t Hyo HF ygramore yw
fe yturCrtuC
yffnorte ryyry y s7rw
yy sy
norte yyoylos
7rrelos ress ss tu
yo Ht tHtr rtOre
yOyyo
yo wresegundo segundo tu
re
metro metro
metro y y t t r r yo yo
wC yoCyolost tlos
H lHl llos ywyFCarolina
l ytuylos F r r y ydelq qNorte
tu nnC y y eh y los los r rwzOz O y yr r rreOreOs..syo ,, tyo
t Hnorte
H y ynorte
s s COCOlos ttH losHt yt tyt ryr ywr r PAG PAG re vl vl O y yOr tr tsOs O tu FtuFst st tHt H
H yHyyOy O segundo segun
s s y y metro
metro los los t t y y re re v v los los l l tu tu y y s s re re tu tu r r yo yo norte norte gramo w y ygramo
l l l l los
ttHlosHsysyt 1t H 19H 9y 9y 9
H4H4metro
yo- -yo2O 2s 0O
s0 tFt1OF1tO
4tH
re gramo
4yoPAGy yFgramo
H yo reffnorte
PAG feyyryrC r rlos
rysegundo
C yo
yylos
norte
yyo smetro
O
s segundo
yO yret tdnosotros
,, los
w los s yysw
y norte norte
y y s s t t yo yo metro
tu y y s s (( F Ftuyo
r r yo
y ygramo
7 7 segundo
SEGUNDO)),,H deber
gramo tus sy H
dt ow
t Ahi
dh estaHlosy yt pr
t t re
t Hy PAG
di yoreC C t t yo yo O
t t H H y y s s y y v v los los l l tu O norte
nortews ysywr r ynorte y norteO O t norte
t s s yoyoyoyogramo
fi yo CgramoC los los d norte
norte .. F norte t t l l y y segundo segundo yo yo los los s s y y re

Figura 7. Comparación entre los valores observados y estimados ( Los) y el histograma de la di ff diferencia entre estos valores ( SEGUNDO).

3.5. Kriging espacio-temporal

En la Figura se muestran mapas de las precipitaciones estimadas para enero en los años 2015-2018. 8 .
 Figura 7. Comparación entre los valores observados y estimados ( Los) y el histograma de la diferencia entre estos valores ( SEGUNDO).

3.5. Kriging espacio-temporal

Agua 201 los 9 p, s 11 Oh

METRO 1 F 8 t 4 H 3 y la precipitación estimada para enero en los años de 2015-2018 se muestran en la Figura 8 1.2 de 16

Figura 8. Mapas de predicción de precipitación en enero de 2015-2018.

Figura 8. Mapas de predicción de precipitación en enero de 2015-2018.
La aplicación de la metodología propuesta en este estudio presenta una gran ventaja porque permite T segundo H l y es ap
th PAGCy li tu los sspa
t y io
thOtúnorte
y AntiguoHo
enFetde
PAG re O l metro
Testamento
O rana edyAlaska
eso k gramo se ríe enamericano
soldado y t PAG HPAG
r yo ynorte
s re rsgramo
yonorte
t C op
tuy tú
as los
rereO
PAG tlos
ylos
metro prgramo
nsOyo tlos y ten
norte slos yPAG
y ser
loss yrenorte losC
tv w Hlos
yo los
sCen t ehy Okay tú gramo metro
norte

yo t t H y y norte C los Htusegundo

yo s O y norte
le tsde
Ohu ssyo,
T spa
en th r yt p.ej
o yo a aOmetro
t y y metro norte PAG los O los
segundo re
losOske
r lenorte re losicPAG
lk w
de ns
tú los
r rnorteH los
faYOO en
l t yl los
G yo re norte
en los
v norte t iogramo
tes y En
tr PAG
s PAGib O
lu yo PAG
tú slos
metro
Nacioneslosun wrn Hyy en w t yo H th
CyyHygramo
Unidas
ttCeso

C re H gramo
norte r Osen
O tlos p.ej
rth. T sp
y re H tu
losCyo
segundo sOy, yore
loslos tle
t norte en estoy s y, los yo
segundo ennorte
a de PAG
norte H losrOvt slos
re
y en rewlos yolunorte
yo re lu
esoesnorte
los
y t yo
s se
t Oríe
gramo yoyo
fa ll los re norte tu PAG tú l Oew
vsegundo
norte losnorte
norteeso
ce yo
PAG rd
HO ryytyt gramo
s rlos H tú losrer tlos segundo
norte los s r C y

t Owy segundo
th er sp
losS O
t los
th los C t y io Hola
los norte anorte re. ltre
en slos
y s,páginas T estoy
O norte
ic re si
norte t yo
losPAG
yoOt lltúr yo est t tu
tu yOs s t y r norte los yoen p, la
y norte re w y Ahi
gramo sesta
H yo ic t sHyt sHAlabama
v norte en
loselOthr w
tF
y metro 8 C O r norte y yo re a ic r t y y re re segundo los y metro
tu ig e PAG

s s t PAG los los tú t O io norte t s en T PAG

enHnorte
O yothr s
esAlabama los red
es yo trana
llos FPAG
lu ttúPAG
ara los
SyotO PAG
yo li F C los8,
enlicenciado
norte losaire
en Letras wh
l t l io yoic
F Fen yH losrsh
O tgramo
O él ys solamente
wtur Ya y desnudot yF él 201 PAG 5 r -tuyO re
losNuevo
2 ry 0tuic 1 t Testamento
8 ed Ya los norte metro O s F
Washington

sC
H PAG
los O t s yo y aquí
O norte
O tutúlos s l y r yo
segundo metro
los tyyo
prPAG norte r F y los s tlllos en túrana
en rana t re H
ent ib
y Hfaslos
y Okay enygh
ll fo vHr Alabama
t yo ghth
JOtu yF Utah
Oy los y t y sO
s yPAG
norte tlos
Htu Ft los
y Jajaja
H r r2yen
Vamos yo01 re 5 gramo - yo 2 O 0wnorte
y los1.8
re sLos. norte Ya re norte yo tu

C H H YO G O H Si v norte aire segundo yo y los C segundo los es y t. tu

Illinois
estoy r Teso
lossHAlabama
eny yes
yo Vamos
Feso
r l ed
PAG ic pr
en l t tu y y reAlabama
segundo sy rOt los
s t yes
HHyo
t norte
gramoy rt norte tú
O
l HsPAG
norte HPAG ytued
Ft O r re ANTES
tuen DE
s t t yo y un
rCRISTO
rtía Olos ret re
l norte
norte yr Heso
losHo
gramo ss mes
ytúynorte
PAG w
H rreyPAG
gramo YO
los re
Giotl los
H norte

H re C t yo tyo
PAG yo los gramo tt H er v norte los s se ríe yo los norte segundo H li ymetro
yonorte túccs rygramo
yt s
y tu
s rey sthre
yo Tnorte
yo y HConnecticut
los synf
ysegundo
w lPAG
tu H l y rPAG esre
COy yHtnorte
re
gramo SrstsvPAG
losio
H
decir r H yO
tnorte
los ygramo
y norte
PAG
Pan
yo reynorte
r svPAG
los
C OylPAG
t y los
yo y yo
rere
PAG los
ng Oent s Estaba yendo y l re los gramo norte
norte

PAG
sp los los tt t y io rn tú s metro yo PAG norte o t los H l y metro s y t t tu H re O y del r l y O gramo gramo yo y en adelante, evidenciando el éxito alcanzado en la aplicación de lo propuesto en y yo gramo

geost RS t los yo r C re los l l y s s PAGels O

losy O dp
r Ct F ioet
los tt ltyHHyryOmetro
metro io re sgramo
thre PAG
o, lo y y. el nivel más alto de lluvia se distribuyó en la Zona da Mata
es YO
meso R re y gramo gramo s tu
yoGlos OO r F ydt 8(l él.
r norte F s re
T ylos
H PAG
le er Cse,y vtú
l rt eso
w yor tyOEstaba
los H l re yendo H túfayoyoOl gramo
t l los l tnorte
y io vélnorte
en Selt PAG
en w rt rlos
losHy syo
y re norte yo
C norte ip O s r tr th ib - tu solamente tú tur,re th en di t r H y y Con
ev los y Okay

metro tu losr yo
Hola y gramo s H o v y los gramo y s yo
8 o)
Ob.
los H
T vyybil
ers norte los wr metro
y(yo F tyafligir
re s en
YO G lwgramo tt PAG y re v re los ic se ríe t los io
atitúy norte
O s norte
O s norte
td yo en
yo en
norte
th PAGt C-yH
reen retúyu,
los syClth
O
en élni
loslyyo
diF th
s PAGret yo
t gramo re C
- t los
w tú t O y norte S t.

H yo O r w los y Hola
Vamos tú v Or ygramo losenH en v fa los
norte r, w lnorte
r l Estaba
los re yendo
s yo O w segundo
norte segundo
los Illinois
om nortet ys gramo
H y sy eso
rvsolamente
ic
syF yy re
norteo ciones
los los
rtPAG r rmes
Pan en rana tyre
y gramo
ysegundo yoioHde
Los. y yos re
Gu lostdnorte
1 ir ySwt F
t H- yo
O ic
nosotros
norte H.sFcies en los los v l los ly il, a t segundo H l y

gramo
en re t los H t y es s t tu vioPAG
y norte norte
losaire
PAG nfríe
yo
r y se
ahí tlos losEstaba
norte
l los
METRO yt tl metro
y l ryendo
w PAGlos yoresed
t Fnorte
H O yicNaciones
t t H y y reUnidas
s ryylos
lv rsolamente
losluyo
rryo
y yt snorte
soldado OPAG w r norte
los F americano
Alabama Oahí
metro
los F segundo
r norteYO
y OGs O tulos
FOHo r., yo
norte
los r tlos
yo y hs
w norte
H S1yopeso
H F metro
ll yo norte ch th yo y s

los012 los
v 5 Illinois - los 2 segundo 0 le 20 en PAG t y H r y io s re u.pplementarymaterial, los valores de precipitación pronosticados se muestran para todos los meses dentro de los 20 En

15 los - re 2 re . y er
02 eso 0 io PAG norte t yo O sobredosis
predicciones relacionadas
th con el kriging espacio-temporal para enero de 2015 a 2018,
Figura En re Osh
y 9 anuncio eso a sap
yow O sthymetro
norte splos y tío Smetro
de th t t los re PAG los O r r re Alabamatú
y norte kre
er tEnr rgpr yH
O tyo re y io
ic C
r soldado t norte
tuamericano
norte rs rta
foy en t rJnorte
y uny en
gramouafr pr
ry er thr O
los y yen 15norte
s lmetro
y los farojo
a2 ic
ll 02 PAG
tú 0 O 1 norte 8 s,

F
en YO G t tu H r y y Cnorte
9 H ss O H smetro
PAG H yyodo.
O y wrylos
PD es yde losda
t rOT srH
t Hr norte r re
er y roAy
re r v re ríe Educación
selos r los y t s iofísica
Nuevo norte C t yOkay
agramo
Testamento H -s renw en tst télt yy re
y en tu yo yo norte
y norte falre
O tl C
r PAG
H t y yior rOnorte
y en
v re
en
eso yo
snorte
Hr c,
y METRO yotu
yownorte

t y H los y ch ch metro
norte O
re yPAG
s s ygramo
O y yo rerOyioro y r vre,.
norte shOlos
aire tú yven
yo w t y io re norte y syo
s los S tr yo
metro yo
norte norte
t los
Estaba
H tú yyendo
s y. losthyo swt yo
t yoO- ys rwClos
th y
iolsnorte
s Oo norte
ng tdrt
tyHO METRO
o.tilos v t y t r h,rby en o y y ch
w segundoloslos
yo O th
metro

metro
th T y H r y ewrm y yyos yo
gramo s Oen, r r y yed
O PAG t gramo
rHeryt yy sen
élr vy H
y los gramo en
yo rTestamento
Nuevo exwt yyendo
Estaba H s y fo
H yt yr S
io tSt tyo H metro
norte yo s ny /los
A s t t y los s n rt
/ Ay yo
H PAG
los t norte
r yo reres O
y los
re tú
r lyo
r snorte
OyO Bo
y ro wlos
FOr vthsegundo
Connecticut gramo
metroiolos
tOnorte
los
r resw
Ahi esta t t Hola t s H

metro norte yOyo

Att y r s yo O segundo r tu y t gramo tú re
r re HastPAG
enyo YO G
nortetH t HF
ryH yyren
yo
yySi Xeny t lsreHl F
losyosnorte es o aire t y H los e. error estándar de la predicción; este comportamiento fue
y en

atribuido a las lluvias más intensas en esta zona.

Wate W
r 2 los 0 tú 1 r 9 2.0 1 1 1 9, 1,, R 1 FPAG
X 84 1 O 3 REVISIÓN DE EER 13 de 1 1 3 6 de 16

Figura 9. Mapas del error estándar de predicción de la precipitación en enero de 2015-2018.

Figura 9. Mapas del error estándar de predicción de la precipitación en enero de 2015-2018.
4. Discusión

4. Discus Ensio th norte es estudio, las precipitaciones en el estado de Pará yo ba fue modelado espacio-temporal utilizando bien conocido

gramo yo y norte los t t H los yo t s es s t ts,yot stuHaquí

tu yre
C lsyHtúOkay
r C los Ht en
los
PAG ynorte
syo O norte
klos rFFmetro
yo
YOrlos
Glos
q l Illinois
gramo l ytúen
tua.íba sre twyosp
Siaire los tú O
y ys metro yosPAG norteOOsvre
gramo los yl llos
rAlabama
PAG
O vu ly
[l 3ten
ysirtyo
0y n]
yrellgmetro
metro O w k PAG nortenO[ 31
Alabama O r] w

geos los t norte los los tú l s y t snorte

yo y Faquí
yo los
slOq lt tu
F ylHyrtú
C los
re s yo,
los H st
O senns
s rkr
tuHibyo
C los
tu gramo v en y gramo yosyyyyo
PAGa.lr rvslos yo
re rlvnorte
yfoOmetro Freyo los
yometro
Oyynorte tr tgramo
yo losr yth
allí ssegundo los yt ltO
] slos
sp esr el 3ud
r los
norte F,yo
O
una PAG l O[3
0 tlPAG
ug
segundo yth
los 1] ellos
rana
H metro

anal re y yo s reOesFnorte
t r t los
O losllyo norte
t dik los S tyCfar en
segundo o ONaciones
C yo Utah t Unidas
y segundo
Alabama r segundo
Hsps
yo t enyo y H Cylos
norte los
y los yPAG
Oerv
re y ioOnorte
tdy
metro PAGl metro
O r rtúmetro v reFlos
y Illinois yFityr O
los Okay
H F en tú
PAGt oaPAG
es yendo
Estaba r H loseste
licenciado
r segundo y yo
en sno,H
mH
Letras los yyess,norte
tuth y esta
H O O norte ug T

Si yt los
hizo r norte O t r los C k H y PAG yo rDE
ANTES norte y t s O ts
CRISTO túcometro
en segundo
los tut jo norte yoen y PAG
t norte t t re
H so yF O thPAG
s Pan
los rana
co los
Oahí
l en l rsvtnorte
y los t yo litu
r yo
FOyo
tre ytútrlos
s los metro
yyo tú segundo
lyoyonorte
O PAG
O s norte
bul yo
th PAG
re yoaHOnorte
y norte.
y t norte
. Por HloOtanto,
es metro
este s y t norte

investigación Hpr y y r s y e, n th ts y los tr j y Oa norte en

io Oen
PAG re tPAG
en
t norte CsOtO r r ymetro
PAG los PAG l r s y t s tu y re norte y tú OSret PAG
F 2 th estaba
se9 ríe aire yo
O yoIllinois
O segundo norte
F rnorte
tu yo th
tFl H
abtyo
los sio.tyvyS
los ylluvia. losyEstudios
t llyot re
norte yo metro
norte tú th

en HerRy y fe,
enct rt él
y re s 13
n [dc,17
o metro, 1 PAG 8 entúyor yrenorte
es t ynorte
H norte
re t ic
metro 2 rO
los tlos
eli 9
tOed
ep
norte F gramo
re% trethPAG
t y rana
Hola tCsOlaire
norte en
Orev PAG
metroEstaba yendo
norte Florida
O segundo
los ennorte
ranayo
C yo
y liynorte
nortetyretúfa
yot desnudo
l H l. y s fi tú tt re en es decir gram

Refe s r PAG y los norte3,t COio1yr t78]

[1 PAG s a,
enl 1yo
aire v yo norte
tedOF re
t t gramo
H H losyoy rt C metro
re los los mes
si O re re esyrdy tli yo
co tu r norte
snorte
norte. y y,
H
l re mp
gramo
gramo CS Ot O
estu norte
tANTES tu yFyldNuevo
re
DE CRISTO y Testamento
thtu ysegundo enc
H estoy re
ve Fcoreenprlyt ng
tú
eso O yco O norte F si t re H y y anillo
segundo

ro PAG
escupió Antiguo
y yo norte norte O metro
Testamento rana
ANTES
v y yo s,
metroyDE O su
l norte v Okay
CRISTO
pie C gramo
H Hlos l trcarné
y los rFrOio
slos
esderthmetro
Educación
.identidad
LOS t y yCsly
física
y tu Ct, los
h thOy tyo
r metro yosyyyn,
r tulosresrtu
re atúC
gqtuen
re OCds
yy ld io PAG
segundo norte
se ríe recorrer
y PAG th re y de
yo t metro segundo
er PAGt yen
re OCgramo
norte Onent;
re ns C yo O re metro

env t Vamos HwOy es

O norte
Nuevo t l los re
tu Méjico si l los
Jajaja ik Connecticut
re su tu ch t los enyt O
loslyPAG s PAG
HslCE y t et
norte r yylos tú yo r norte y c, r yo y norte
y Xremetro s cr
a H y ylosret norte ip
H yyyynorte
yoslos
O t Ovnorte
en
metroyo reFt yseHríe
norte
O los q yt los
tu PAG
re O PAG
y C ren
H segundo Okay
Cy Minnesota
Illinois O rge
t yo t yen
y norte PAGt y; En g
segundo

esta metro w O O re tu y l l re ed l.ik T y H ly nos

norte
rere
t slos
H tu
y norte
y CE
es metro
y tyt O
si yyo
rXre
Carolina
rOPAG
en yo
y th
el
redel yo O
ly SiNorte thwr norte
solamente yHenaPAG
H y y X norte
ahí yPAG Onorte
norte l metroOríe
yse re norte
los losthr vyyylos
yo vr norte
segundo yocelos
norte
yo y th
Okay
l segundo
re gramo
eso yo
losyyiluminado
Okay ser PAG
segundo yo y norte

modificación eso
. Jue
y los
y slere,
C re y rO
H Oles
t Fcontar s re t y o
metro HHl los FH
t los norte
l y fo tr F y t norte H re iluminadoFylos
y O v norte twythlO
ylos r yHsPAG
ex PAGl los
Estaba los tsyo
yendo yo norte
segundo yoymetro
O tú reyendo
OEstaba tymetro th
eso ryo PAG
segundoynorte
oyvtú
los norte los
t COlos
los
yo ltHt lnorte
yo Hryo
los
PAG segundo
yy yo
PAG re s y t C tu los re tu y Si zona.

es ac s C y O v tu y norte
o dir tl ylosesy sl re F tuH v los y norteHsyHa Hv los
s HStt los t losOHsir wy Estaba
O norte yendo
pietht H yo segundo
norte y O s FAntiguo
PAG Cyo
norteic PAGt l lytveso
Testamento
los O yo
yo los rlos
gramo r los
yy trana
licenciado
metro enl los
yo
metro O tPAG
F io
Derecho
io r y yC
r norte s ci
yoyoyoPAG Pi t tyo
nortenorte t OyatúEducación
H tlos s O t nortefísica
ud PAG y re los re r yo y
2 r v y los re lu ic y t s io [ 1 norte 5 s, 32 ].
Seve gramo r y los norte sl yOsHr treloslos tuysh
túv re
ls y
esosOesHdecir
w w gramo cc y re
metronorte tu tyo norte
losr H los
tú alos r tt C
y yo rOy th
los yy g, r th porci de
norte losrenorte
rrtlos
C re ligramo rlicenciado
tuOmetro ricEstaba
yv syendo
t losDerecho
en Ometro
n / A ryyo
y tysnorte C pC yo r PAG y yo los t s los yo t norte io gramo norte R PAG
ric En

gene H r Otúlos
y s vwer
metro d y y lsesreeso
o, th w los H allí gramo C r ktuyrelr OO los
t F lerCAlabama
O y g,los
metro ic er
yC
iab
th v rytú yCyO
l los segundo
re s tu F C
r yO yo tu
r norte
r dy metro
t gramo
r y él
y tergramo
r t Ose
snorte O ríe yoCt O
re ryo s norte.
norte los
H CPAG
gramo ²Saire
FFR
y re luvlos
t los slos
lose,
los yoysegundo
tsyo norte O
solamente

[15,3 y 2 ig] .htAyyHelwyve

th er r, as yt yo
t Hr O y ns es PAG losderorel vmetro
los
et yo
ry C
co Okyed
rere r re Hola re O los gramo
licenciado
t yofo en
aquí
losPAGDerecho
rOlost sl norte
Hlos
s yyvibsresaire
t y eso
lestoytu t re
EstabaF
O. y pecado
F tu
Oyendo
rOs Fy rywgramo
th th O ylos
Si io
S fe
t snorte
los Okay
w tú tío O norte

por th ib es Los, w Oy segundo

O norte rOye
l k y gramo C H los t nos w y y pr
t los H tO
norte yyv
y aH yo
yo yrer ryre
gramo rcarnérd
lsylos
y Cde
tytlos tidentidad
ylos th
C ffreytúaCPAG
Olos
re vO Olos
norte
re los
t norte
tu sreldnorte yoélre
w s los polvo
yo O yo ss
yometro
s norte
cti O yo re segundo y le l. de
t metro t F muere
O O tu r s F y Utah los tu F r y y w St

esos t y él S t r los y t s io tu norte eseds os en

yo segundo H y yo Ct tsHlos
O norte segundo tuatyoser
loss yo s stunorte
y re
co uld
tsemana
compy élnorte
C yotlos
O rytur gramo
re losyl H
veldeso losy re
t los
tú H
wth vs rC
ff yOyyse yyyPAG
ríe re re F en
t re yo tr sCHOyo
túymetro
norte
y l metro aquíl.H
los t PAG OFPi
re o
tO io yfecha
nf

futu O r segundo
tuyyOkay
re re sesyodecir
t norte
tu es
s s,ulyo
l los
t norte
ts tíoHOgramo
norte
norte ysegundo
r estoy
s norte ed
stut.ai
thes
en er t yo
APAG s OHtmetro re y y
r tu Okay re norte Drt C ya
SiOPanmetro
sPAG resto
yotu re l Wisconsin
norte
yo Ced r t y H Si t los H r O C s H y esoeret X
re slos segundo t yHHPAG
r y ivylos y segundo re ili F t r y O t m
acostado

ic yt l aH aire
aplicación v ionorte Estaba yendo O segundo F Illinois re eso los yjusta
estoy Okay t ttransmisión
allíen t yo H O y nsexterior
y metro
Ot.re LOSthrnorte
en Okay
PAG estoy
yOennorte
PAGnorte re yOlos
re rCt Okay
re Okay
th norte
tu segundo
tanuncio t esreaslos
H yo y en
los PAG
re lysgramo
norte
th
los en s sC
slos
s segundo
los yo re tu
ylyt
los recre
yo C siluminado
H y yo los
yoyyrnorte
v C ywH d por

es th los y DJ los tu segundo s yo t l yo yo norte ty gramo

aire norte
t t OyoélCexlos
ent PAG
co segundo
rt t él vy allí
r re yIllinois
iolos los
yo
lossrtunorte
tnorte
segundo
carnéeso
Estaba yyendo
y lHy st norte
de identidad
slos fo H C ysegundo
Osegundo
O norte t los
yy v fu r re
re yOkay
j norte
H Oj yo norte
y tuturenorte
stitr C
ysHynorte
ynorte
reO
yt es th
aquí lost; metro
norte
gramo re tysegundo
CtyPAG
túnorte
tu sAlabama
los y ly thtenido

ce a
abil s eso PAG loslos
y tú y y v PAGy yju,y2
w metro C y Hola re anuncio [sregramo 1 ] Lasrefunciones
t 4 ensegundo
1norte y enc de covarianza para los residuos obtenidos ajustando la
ib losy tu
tendencia bec T los H tu y s r y los t yo H norte fa C y ioret los
y llt H yo estoy
norte s ryyPAG
re S t tú
en Ot re
norte
H y Fy ce
PAG s y1
Pan[
2 los norte
1]trana 4 los
yo, re
s. mostró segundo
una clara correlación tanto para el espacio como para el tiempo,

th T y H r y eb tu
r yFahí j norte
s los tú l F l y re entúess gramo tr t yo
O y norte H segundo
O yo F norte
tú PAG tuOlos
spy th tuOyFtío s t PAG
rana Ay
t y losl los k rH
metro yCarolina
r losyyoreyo gramo
del Norte losrrOgramo
segundo Cyonorte
los lt slos
el ng y tHW
sh los
t y rior uc C t OPan
s Antiguo
norte en
Testamento
F t O io r norte
t segundo
s r PAG
polvogramoenreHRAM
los los l C v y aire los io

equipo o, f t t H H y y r r y tu
y segundo
y s s ti, f norte
s y ycarné
yo yv de
y lgramo tu rana
y s los
re identidadth jysturc Os H
losF ytustú
túfo r PAG
O re Ahi esta
metro
norte O t rana s re
t PAG l Pan
gramo
k t r Educación
yo yo los gramo
física W
l enucy.yynorte
en tú w hn
Carolina y el t C
del Norte
gramo kHyO
y ysegundo
r s wen PAG
norte
PAG yoC sOCtyttrHlos
ylos iorlos
los metro
los l ynorte
st norte
enen r

vari t O estoy
gramo y a, m w O H F Illinois eh
t y él
PAGth rsyo,es
r st yo
los yy re
l vmetro
re y y rana PAG
er y sl yaquí
r norte y ret sSitu
en
fo metro HyyYO
n i /G
ts
los Aclos
losnorte
finorte r los PAG
C Ctú
re H v re
v ysegundo
y nortey los
PAG t l sO y t norte
r en los C PAG
di y tSyt Estaba
y los ssegundo w norteyendo 9 ,yl yo
y C los
C k1s2,er
a.m th7
los
los[ 12,w
33 ].
norte

incr yo y norte a t y él endiSyt te,tusmetro

w H y yo norte le tío th
estoy o y a,yled
O norte re los
th tú y ep
metro
metro
norte enyyOl norte
segundore PAGyCv re yo
a.m y PAG
yo asegundo
sig re norte
H ycarné
hormiga
y C en enO y v ssiyyo
deelidentidad
pr y rnorte
Pan
NuevoC Testamento
O t norte
Antiguo Alabama
Vamos ch
Testamento C sreOlos
t metro
yo r ss los Okay
metro yo C norte tú C r y

[19,2 en 1, t 2 H 7 y, 3 s 3 p] .at yo
y PAG
yo norte
s O tú ranametro
Antiguo re l esCdecir
y t Nuevo
Testamento tsysHtrumetro
Testamento
udbo t v H y re,yo
c tyOuno tuOre
Hrunorte reSlos
Cyrin tt ymetro
io leF norte
gramo H H yrey O
enPAG
el yv yog
aire Lun
t re carnénorte
losmetro. de identidad
LOS O F t tú PAG rmetro
t y H smetro
co Or Vamos y en rl tOen
O norte f el

carbonizarse t los re cs
C norte
PAG tú norte
yore
O se y t,eh
norte
ríe Cs sthOpatúr metro
los yoAlabama
los O yo PAG
t nortel O
y tu
Fremetro
r los
w t y los
tu ret lre
los
le sr los
los sret C
yotu
H r rOsng
C PAG t los H t yallí
ialCcot tco yotr OFrO
yonorte tu rttyC
s norte H
yr ruytú
vnorte
lossOOr v io yffgramo
er LOSr norte pie
r re los t ymetro
thyoPAG t ryen
oral
y

eliminación del componente de tendencia, los datos de lluvia mostraron una clara estructura de correlación espacial sobre
Agua 2019, 11, 1843 14 de 16

distancias y una estructura de correlación temporal sobre di ff distancias espaciales diferentes. Desde una perspectiva teórica, algunos
estudios ajustaron modelos a los variogramas muestrales marginales obtenidos de un variograma espacio-temporal empírico y luego
insertaron los ajustes individuales en el modelo de suma de productos [ 1 , 24 ]. Sin embargo, este estudio propone un método para ajustarse al
modelo teórico espacio-temporal porque las interacciones espacio-temporales impactan directamente en las estimaciones de los parámetros;
cuando los modelos teóricos se ajustan a los variogramas marginales, no hay interferencia en la estimación de esta interacción. Sin embargo,
este tipo de procedimiento genera problemas durante la optimización y determinación de las estimaciones de los parámetros. Se pueden
encontrar ejemplos de estudios que emplearon este tipo de ajuste en Referencias [ 2 , 34 ].

Esta investigación representa un gran avance para los estudios climatológicos porque emplea una técnica que es más precisa que
los métodos estadísticos tradicionales. La aplicación de la metodología estadística propuesta en este trabajo constituye una contribución
significativa para comprender la variabilidad en las precipitaciones y los recursos hídricos de una región. El enfoque propuesto considera
que la variabilidad espacio-temporal es descompuesta por el componente tendencial y el residuo estocástico. Sin embargo, el método
presenta algunas limitaciones, una de las cuales es el di ffi culto en la captura de las variabilidades entre las ubicaciones separadas por
grandes distancias en el conjunto de datos. Adicionalmente, para futuros trabajos que involucren este tipo de modelado, será necesario
incluir variables auxiliares, como la humedad y la temperatura, para que el componente tendencial presente mejores métricas.

La interpolación de datos climáticos se utiliza ampliamente con fines de investigación y gestión en varias disciplinas, incluidas las
ciencias sociales [ 1 ], hidrología [ 14 ], y silvicultura [ 33 ]. La importancia de la modelización espacial y temporal de la distribución de las
lluvias en el estado de Para yo ba es crucial para el manejo de áreas de alta prioridad que pueden experimentar escasez de lluvias causada
por períodos de sequía o casos de inundaciones causadas por lluvias excesivas, lo que induce daños ambientales y socioeconómicos [ 35 ].
La aplicación del kriging espacio-temporal para obtener registros de precipitaciones de sitios no observados debería brindar condiciones
favorables para la planificación y gestión de los recursos hídricos, ya que será posible analizar regiones que tienen un alto impacto en la
economía estatal. Por ejemplo, Biondi [ 36 ] realizó kriging de lluvia espacio-temporal y presentó resultados que abordaron directamente las
necesidades de planificación para la distribución de agua y recursos naturales una vez diagnosticada la ocurrencia de sequía en una
cuenca hidrográfica, ya que fue posible analizar qué áreas geográficas tenían más probabilidades de ser un ff afectados por sequías
severas.

5. Conclusiones

Los mecanismos de precipitación en toda la región analizada presentaron variabilidad tanto en el espacio como en el tiempo.
Además, el kriging espacio-temporal de la precipitación aclaró la dramática variabilidad espacial y temporal de los recursos hídricos entre
las mesorregiones en todo el estado, proporcionando así un análisis visual detallado de los sectores que experimentan condiciones de
precipitación que van desde escasez de agua hasta exceso de lluvia.

En este estudio, se propuso una metodología de análisis de datos de lluvia a través de geoestadísticas espaciotemporales y se
aplicó a estaciones meteorológicas espaciadas irregularmente considerando la distribución de lluvia tanto en el espacio como en el tiempo.
En particular, la variabilidad de la lluvia puede estar relacionada con covariables espaciales y climáticas, como la temperatura, la humedad
y la altitud, entre otras, lo que sugiere la necesidad de incluir tales covariables para futuros estudios para modelar la e ff efecto de la
tendencia de las precipitaciones. Además, la precipitación mensual en la región analizada presentó una serie de registros con valores
nulos, que ff En cierta medida, efectuó la aplicación de un modelo de regresión estándar. Explorar estos temas en detalle requerirá el
desarrollo de un modelo anormal que permita una mejor explicación de la variabilidad en la distribución de las lluvias en la región. Este
modelo constituirá el siguiente paso de investigación y se informará pronto.

Los resultados alcanzados en esta investigación deberían motivar más investigaciones, incluyendo estudios en toda la región nororiental de

Brasil, para hacer predicciones para diagnosticar qué sitios podrían experimentar sequías o inundaciones.
Agua 2019, 11, 1843 15 de 16

Materiales complementarios: Los siguientes están disponibles en línea en http://www.mdpi.com/2073-4441/11/9/1843/s1 , Figura S1: Mapas de predicción
de precipitación en 2015-2020.

Contribuciones de autor: Conceptualización, ESdM, RRdL, RAdO y CACdS; Metodología, ESdM,

RRdL y RAdO; Software, ESdM; Validación, ESdM y RRdL; Análisis formal, ESdM, RRdL,
RAdO y CACdS; Investigación, ESdM, RRdL, RAdO y CACdS; Recursos, ESdM; Curación de datos, ESdM y CACdS; Redacción: preparación del borrador
original, ESdM, RRdL, RAdO y CACdS; Escritura: revisión y edición, ESdM, RRdL, RAdO y CACdS; Visualización, ESdM; supervisión,

ESdM, RRdL, RAdO y CACdS

Fondos: Esta investigación fue financiada por el Consejo Nacional Brasileño de Desarrollo Científico y Tecnológico (CNPq) y la Agencia Federal Brasileña
de Apoyo y Evaluación de la Educación de Posgrado (CAPES). El cuarto autor también reconoce la CAPES - Código de Finanzas 001 (Pr O- Alertas de
proyectos de investigación - Subvención No. 88887.091737 / 2014-01 y 88887.123949 / 2015-00; y Beca de Profesor Visitante - Beca No.

88881.172029 / 2018-01).

Expresiones de gratitud: El autor principal desea agradecer el apoyo administrativo brindado por la UFLA (Universidad Federal de Lavras) y la UFGD
(Universidad Federal de Grande Dourados) y el apoyo técnico brindado por Water. El cuarto autor también agradece a Lacey Bodnar del Instituto Global
Daugherty Water for Food (DWFI) de la Universidad de Nebraska-Lincoln por su invaluable ayuda.

Conflictos de interés: Los autores declaran no tener ningún conflicto de intereses.

Referencias

1. Iaco, SD; Palma, M.; Posa, D. Modelado geoestadístico espacio-temporal para predicciones de fertilidad en Francia.

Escupió. Stat. 2015, 14, 546–562. [ CrossRef ]

2. Hu, Y.; Li, R.; Bergquist, R.; Lynn, H.; Gao, F.; Wang, Q.; Zhang, S.; Sol, L.; Zhang, Z.; Jiang, Q. Transmisión espacio-temporal y determinantes

ambientales de la esquistosomiasis japonesa en la provincia de Anhui, China.

PLoS Negl. Trop. Dis. 2015, 9, e0003470. [ CrossRef ]

3. Lopes, I.; Santos, SM; Leal, BG; Melo, JMM Variación del índice de aridez y tendencia climática a la desertificación para la región semiárida del

Nordeste brasileño. Rev. Bras. Geogr. F yo sica 2017, 10, 1014. [ CrossRef ] de Almeida, HA; Medeiros, EA Variabilidad de la precipitación en dos

4. mesorregiones O del Para yo ba y su relación los el con el pantano O menos EL Niño Oscilaç los el sur. J. Environ. Anal. Prog. 2017, 2, 177. [ CrossRef ]

Gomes, OM; dos Santos, CAC; Souza, F.; de Paiva, W.; de Olinda, RA An los Análisis comparativo de la precipitación los en el Estado de Para yo ba

5. Uso de modelos de regresión los el polinomio. Rev. Bras. Meteorol. 2015, 30, 47–58. [ CrossRef ]

6. Tabios, GQ; Salas, JD Un análisis comparativo de técnicas para la interpolación espacial de la precipitación.

J. Am. Water Resour. Assoc. 1985, 21, 365–380. [ CrossRef ]

7. Phillips, DL; Dolph, J.; Marks, D. Una comparación de procedimientos geoestadísticos para el análisis espacial de la precipitación en terreno

montañoso. Agric. Por. Meteorol. 1992, 58, 119-141. [ CrossRef ]

8. Hevesi, JA; Flint, AL; Istok, JD Estimación de la precipitación en terreno montañoso utilizando geoestadísticas multivariadas. Parte II: Mapas de

isoyetas. J. Appl. Meteorol. 1992, 31, 677–688. [ CrossRef ]

9. Goovaerts, P. Enfoques geoestadísticos para incorporar la elevación en la interpolación espacial de la lluvia.

J. Hydrol. 2000, 228, 113-129. [ CrossRef ] Mart yo nez-Cob, A. Análisis geoestadístico multivariante de evapotranspiración y precipitación en terreno
10. montañoso. J. Hydrol. 1996, 174, 19–35. [ CrossRef ]

11. Goovaerts, P. Uso de la elevación para ayudar al mapeo geoestadístico de la erosividad de las lluvias. Cadena 1999, 34, 227–242. [ CrossRef ]

12. Haberlandt, U. Interpolación geoestadística de precipitación por hora de pluviómetros y radar para un evento de lluvia extrema a gran escala. J.

Hydrol. 2007, 332, 144-157. [ CrossRef ]

13. Hu, D.; Shu, H.; Hu, H.; Xu, J. Regresión espacio-temporal Kriging para predecir la precipitación utilizando datos MODIS de series de tiempo. Clust.

Computación. 2017, 20, 347–357. [ CrossRef ] Mart yo nez, WA; Melo, CE; Melo, OO Median Polish Kriging para el análisis espacio-temporal de la
14. precipitación.

Escupió. Stat. 2017, 19, 1–20. [ CrossRef ]

15. Raja, NB; Aydin, O.; Türkoğlu, N.; Çiçek, I. Kriging espacio-temporal de la variabilidad de las precipitaciones en Turquía para el período 1976–2010. Theor.

Apl. Climatol. 2017, 129, 293–304. [ CrossRef ]

Agua 2019, 11, 1843 16 de 16

dieciséis. Heuvelink, GBM; Gri ffi th, DA; Hengl, T.; Melles, SJ Optimización del diseño de muestreo para Kriging espacio-temporal. En Diseño espacio-temporal;

John Wiley & Sons, Ltd.: Chichester, Reino Unido, 2012; páginas. 207–230. ISBN

9781118441862.

17. Gräler, B.; Gerharz, L.; Pebesma, E. Análisis espacio-temporal e interpolación de mediciones de PM10 en Europa. ETC ACM Tech. Papilla. 2011/10 2012,

8, 1-29.
18. Hengl, T.; Heuvelink, GBM; Perčec Tadić, M.; Pebesma, EJ Predicción espacio-temporal de temperaturas diarias utilizando series de tiempo de

imágenes MODIS LST. Theor. Apl. Climatol. 2012, 107, 265-277. [ CrossRef ]

19. Monteiro, A.; Menezes, R.; Silva, ME Modelado de datos espacio-temporales con múltiples estacionalidades: el caso portugués del NO2. Escupió.

Stat. 2017, 22, 371–387. [ CrossRef ]

20. Graler, B.; Pebesma, E.; Heuvelink, G. Interpolación espacio-temporal usando gstat. WP 2016, 8, 1–20. [ CrossRef ] Kilibarda, M .; Tadić, diputado; Hengl,

21. T.; Luković, J.; Bajat, B. Cobertura global geográfica y espacial de características de los datos de temperatura en el contexto de la interpolación

espacio-temporal. Escupió. Stat. 2015, 14, 22–38. [ CrossRef ] Pushpalatha, R .; Perrin, C.; LeMoine, N.; Andr Está assian, V.La revisión y ffi Criterios de

22. eficiencia adecuados para evaluar simulaciones de caudal bajo. J. Hydrol. 2012, 420–421, 171–182. [ CrossRef ]

23. Kilibarda, M.; Hengl, T.; Heuvelink, GBM; Gräler, B.; Pebesma, E.; Perčec Tadić, M.; Bajat, B. Interpolación espacio-temporal de temperaturas diarias

para áreas terrestres globales a una resolución de 1 km. J. Geophys. Res. Atmos. 2014, 119,

2294–2313. [ CrossRef ]

24. Bahrami Jovein, E.; Hosseini, SM Predicción de la intrusión de agua salada en los acuíferos en las proximidades de los desiertos utilizando kriging

espacio-temporal. Reinar. Monit. Evaluar. 2017, 189, 81. [ CrossRef ] [ PubMed ] Core Team, R. R: Un lenguaje y un entorno para la computación estadística.

25. RA Lang. Reinar. Stat. Computación.

2018. [ CrossRef ]

26. Bivand, RS; Pebesma, E.; GRAMO O mez-Rubio, V. Hello World: Introducing Spatial Data. En Análisis de datos espaciales aplicados con R; Springer: Nueva

York, NY, EE. UU., 2013; páginas. 1-16.

27. Menezes, HEA; De Brito, JIB; Lima, RAFDA Veranico y producción los el agr yo pegamento en el estado de para yo ba, Brasil. Rev. Bras. Agr. yo pegamento

y ambiente. 2010, 14, 181-186. [ CrossRef ]

28. Macedo, MJ; Guedes, R.; de Sousa, FA; Dantas, F.Análisis del índice de precipitación estandarizado para el Para yo estado de ba, Brasil. Interdisciplinario

de Medio Ambiente y Agua. J. Appl. Sci. 2010, 5, 204–214. [ CrossRef ]

29. Muthusamy, M.; Schellart, A.; Tait, S.; Heuvelink, GBM Escalado geoestadístico de los datos del pluviómetro para respaldar el análisis de la

incertidumbre de los modelos hidrológicos urbanos agrupados. Hydrol. Earth Syst. Sci. 2017, 21,

1077–1091. [ CrossRef ]

30. dos Santos, CAC; Gomes, OM; de Souza, FAS; Paiva, W. De An los Lisis de geoestatos yo Precipitación los el Pluvial del Estado de Para yo ba (Análisis

Geoestadístico de Precipitaciones en el Estado de Paraíba). Rev. Bras. Geogr. F yo sica 2012, 4, 692. [ CrossRef ]

31. Dantas, LG; Santos, CACS; Olinda, RA de Serie de remuestreo de precipitaciones en el estado de Paraíba. Rev. Bras. Geogr. F yo sica 2016, 9, 997–1006.

32. Apaydin, H.; Anli, AS; Ozturk, F. Evaluación de e topográfico y geográfico ff efectos sobre algunos parámetros climáticos en la región de Anatolia

central de Turquía. Int. J. Climatol. 2011, 31, 1264–1279. [ CrossRef ] Tonini, F.; Dillon, WW; Money, ES; Meentemeyer, RK Reconstrucción

33. espacio-temporal de mediciones faltantes del microclima forestal. Agric. Por. Meteorol. 2016, 218–219, 1-10. [ CrossRef ] Pebesma, EJ Geoestadística

multivariable en S: El paquete gstat. Computación. Geosci. 2004, 30, 683–691. [ CrossRef ] Tavares Diniz, JM Variabilidad de la precipitación los oe no ú

34. número de días de lluvia de dos ciudades diferentes en Pará yo licenciado en Letras. HOLOS 2013, 3, 171. [ CrossRef ]

35.

36. Biondi, F. Extensión kriging espacio-temporal de la variabilidad de la precipitación a un espacio de 12 km de cronologías de anillos de árboles y sus implicaciones

para el análisis de sequías. Hydrol. Earth Syst. Sci. Discutir. 2013, 10, 4301–4335. [ CrossRef ]

© 2019 por los autores. Licenciatario MDPI, Basilea, Suiza. Este artículo es un artículo de acceso abierto distribuido bajo los

términos y condiciones de la licencia Creative Commons Attribution (CC BY) (http://creativecommons.org/licenses/by/4.0/).