{"id":744,"date":"2017-10-18T15:27:07","date_gmt":"2017-10-18T18:27:07","guid":{"rendered":"http:\/\/datamining.dc.uba.ar\/predictivos\/?p=744"},"modified":"2017-10-18T15:27:07","modified_gmt":"2017-10-18T18:27:07","slug":"evaluacion-de-la-capacidad-de-prediccion-de-granizo-de-indices-atmosfericos","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=744","title":{"rendered":"Evaluaci\u00f3n de la capacidad de predicci\u00f3n de granizo de \u00edndices atmosf\u00e9ricos"},"content":{"rendered":"

Por Santiago Banchero<\/strong> (Mag\u00edster en Explotaci\u00f3n de Datos-UBA).<\/p>\n

En la actividad agr\u00edcola existen muchos factores de riesgo que condicionan la producci\u00f3n, algunos pueden ser tratados por el hombre, como por ejemplo enfermedades o plagas pero tambi\u00e9n existen otros que no pueden ser controlados y que de suceder ponen en peligro la seguridad de las personas y producen grandes trastornos econ\u00f3micos. Este conjunto de factores de riesgo tienen que ver con el comportamiento de la atm\u00f3sfera y los eventos extremos que surgen de ella. La ocurrencia de granizo constituye uno de los fen\u00f3menos meteorol\u00f3gicos capaces de infligir da\u00f1os cuantiosos al deteriorar seriamente cultivos, construcciones y medios de transporte.<\/p>\n

El objetivo de este trabajo ha sido evaluar cu\u00e1l es la capacidad de predicci\u00f3n de ocurrencia de granizo de un conjunto de \u00edndices de inestabilidad utilizando algoritmos de machine learning<\/em> para el \u00e1rea comprendida por la red de radares de INTA (Figura 1).<\/p>\n

\"\"<\/a>Figura 1: \u00c1rea de trabajo definida por la red de radares de INTA.<\/em><\/p>\n

Se utilizaron tres or\u00edgenes de datos diferentes, por un lado se trabaj\u00f3 con los radares de INTA para la determinaci\u00f3n de las \u00e1reas con desarrollo convectivo y esta informaci\u00f3n fue utilizada como target<\/em> para la construcci\u00f3n de modelos de pron\u00f3stico. Tambi\u00e9n se utilizaron datos del pron\u00f3stico operativo Global Forecast System <\/em>(GFS) de donde se extrajeron unas 60 variables de diferentes horarios a partir de las cuales se calcularon \u00edndices atmosf\u00e9ricos como Total Totals, K-Index, Showalter, SWEAT Index, entre otros. Por \u00faltimo, para la validaci\u00f3n de los modelos se utilizaron puntos donde se comprob\u00f3 la ca\u00edda de granizo. Estos puntos fueron obtenidos de dos fuentes: empresas aseguradoras de granizo y de la red social Twitter.<\/p>\n

La utilizaci\u00f3n de redes sociales como insumo de aplicaciones colaborativas relacionadas con el clima, el control del tr\u00e1nsito o en tareas de concientizaci\u00f3n combinada con diferentes redes de sensores es cada vez m\u00e1s com\u00fan. Para este trabajo se relev\u00f3 de Twitter a trav\u00e9s de su API REST una cantidad importantes de tweets que conten\u00edan t\u00e9rminos relacionados con la tem\u00e1tica granizo.<\/em> Los aportes en este sentido fueron dos, por un lado, la validaci\u00f3n de los tweets utilizando el producto de radar Composite Reflectivity (o CMAX) <\/em>de la variable dBZ (Figura 2) calculado a partir de los datos diarios de radar. Y por otro, el geoposicionamiento de los tweets a partir de la informaci\u00f3n provista en el cuerpo del mensaje. Para esto utilizaron t\u00e9cnicas de extracci\u00f3n de informaci\u00f3n \u2013 Named Entity Recognition<\/em> (NER) \u2013 que permite etiquetar entidades presentes en un texto como nombres propios, ubicaciones, etc.<\/p>\n

\"\"<\/a>Figura 2: Validaci\u00f3n de tweets utilizando reflectividad<\/em><\/p>\n

A partir de los \u00edndices de inestabilidad calculados utilizando los pron\u00f3sticos de GFS se realiz\u00f3 un an\u00e1lisis de clustering<\/em> con Mezclas Gaussianas (GMM) que ha permitido analizar regiones homog\u00e9neas y etiquetarlas como positivas o negativas seg\u00fan lo observado en los acumulados diarios de CMAX. Con esto se verific\u00f3 la capacidad de separar de los \u00edndices cuando se observan eventos convectivos a trav\u00e9s de RADAR.<\/p>\n

Otro experimento realizado ha sido la construcci\u00f3n de clasificadores con Random Forest (RF) a partir de los datos etiquetados en la etapa de clustering. Se realiz\u00f3 un muestreo de celdas marcadas como positivas y negativas desde los agrupamientos y se ajustaron clasificadores con RF. Estos resultados fueron muy buenos, logrando un ajuste en testing de AUC \u2248 98%. Con los modelos obtenidos se pronosticaron varias fechas y se mapearon las probabilidades (Figura 3) con que las celdas fueron clasificadas como positivas. Estos pron\u00f3sticos se validaron con puntos de campo y los resultados mostraron una buena correlaci\u00f3n espacial entre los puntos y las celdas con probabilidades mayor a 0.5 de ser positivas.<\/p>\n

Los mapas construidos con las probabilidades de pronosticar una celda como positiva tienen coherencia con los puntos de validaci\u00f3n, es decir, que existe una buena correlaci\u00f3n espacial entre estos en varias de las fechas estudiadas.<\/p>\n

\"\"<\/a>Figura 3: Mapas de probabilidad de pronosticar como positiva a una celda GFS.\u00a0 Se tom\u00f3 el pron\u00f3stico de referencia de las 12z (9 AM). Los mapas se corresponden con (a) 24 hs, (b) 18 hs y (c) 12 hs previas al pron\u00f3stico de referencia.<\/em><\/p>\n

En este trabajo se ha mostrado c\u00f3mo a partir de la construcci\u00f3n de \u00edndices atmosf\u00e9ricos implementados con pron\u00f3sticos operacionales como GFS y combinado con herramientas de descubrimiento de conocimiento y machine learning<\/em> es posible mejorar la determinaci\u00f3n de las \u00e1reas donde hay alta probabilidad de precipitaci\u00f3n de granizo. El enfoque muestra la precisi\u00f3n en la predicci\u00f3n de la ubicaci\u00f3n del granizo con hasta un d\u00eda de anticipaci\u00f3n. Adem\u00e1s, deja abiertas varias l\u00edneas para quienes quieran continuar trabajando en la tem\u00e1tica.<\/p>\n

 <\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Por Santiago Banchero (Mag\u00edster en Explotaci\u00f3n de Datos-UBA). En la actividad agr\u00edcola existen muchos factores de riesgo que condicionan la producci\u00f3n, algunos pueden ser tratados por el hombre, como por ejemplo enfermedades o plagas pero tambi\u00e9n existen otros que no pueden ser controlados y que de suceder ponen en peligro la seguridad de las personas y producen grandes trastornos econ\u00f3micos. Este conjunto de factores de […]<\/p>\n","protected":false},"author":1,"featured_media":746,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[24,25,29],"tags":[21,31,30],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/744"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=744"}],"version-history":[{"count":3,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/744\/revisions"}],"predecessor-version":[{"id":751,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/744\/revisions\/751"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/746"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=744"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=744"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=744"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}