Métodos empíricos y de soft-computing para estimar evapotranspiración de referencia en el estado de Campeche.

Abstract

En el presente estudio, utilizando solamente datos de temperatura, se evaluó el desempeño de tres modelos de soft-computing (máquinas de soporte vectorial (SVM), Programación de Expresión Genética (GEP) y XGBoost) y dos ecuaciones empíricas (Hargreaves- Samani y Camargo) para predecir la evapotranspiración de referencia (ETo) en el estado de Campeche, México. El desempeño de los modelos empíricos y de soft-computing se evaluaron de acuerdo a los índices estadísticos: Error Absoluto Medio (MAE), Raíz Cuadrada Media del Error (RMSE) y el coeficiente de determinación (R2). Se evaluaron dos técnicas de interpolación de datos (PCHIP y SPLINE) siendo PCHIP la mejor técnica de interpolación para estimar valores faltantes en series históricas de datos meteorológicos; y tres técnicas de detección de datos atípicos (Grubbs, Cuartiles y Mean), siendo el método de Mean elegido como el mejor, ya que permite mayor tolerancia a valores atípicos causados por eventos de lluvias y/o nubosidades. Los resultados muestran que, entre los modelos empíricos evaluados, la ecuación de Camargo (MAE = 0.563, RMSE = 0.721 y R2 = 0.723) obtuvo mejor eficiencia en la estimación de la ETo en comparación con la ecuación de Hargreaves-Samani (MAE = 0.588, RMSE = 0.750 y R2 = 0.703) confirmando que el modelo funciona en climas cálido subhúmedo como el del estado de Campeche. Respecto a los modelos de soft-computing, el modelo SVM obtuvo mejor desempeño global entre las técnicas evaluadas (MAE = 0.480, RMSE = 0.637 y R2 = 0.786) siendo el modelo recomendado para estimar la ETo en el estado de Campeche. El modelo GEP superó ligeramente a los modelos empíricos, sin embargo, tiene la ventaja de proporcionar un modelo algebraico programable en una hoja de cálculo para realizar predicciones de ETo, siendo otra opción viable en la determinación de la ETo en el estado de Campeche. _______________ EMPIRICAL AND SOFT-COMPUTING METHODS TO ESTIMATE EVAPOTRANSPIRATION OF REFERENCE IN THE STATE OF CAMPECHE. ABSTRACT: In the present study, the performance of three soft-computing models and two empirical equations were evaluated using only temperature data for predict the ETo in Campeche, México. The evaluated soft-computing models were support vector machines (SVM), Gene expression programing (GEP) and XGBoost, the empirical approaches Hargreaves-Samani and Camargo models were evaluated. The soft computing and empirical models performance were evaluated accord to the statistics rates; Mean absolute error (MAE), root mean square error (RMSE) and the determination coefficient (R2). Two data interpolation techniques (PCHIP and SPLINE) were evaluated, with PCHIP being the best interpolation technique for estimating missing values in historical meteorological data series; and three outliers techniques (Grubbs, Quartiles and Mean), being the Mean method chosen as the best, since it allows greater tolerance to outliers caused by rainy events and / or cloudiness. As results of the empirical approaches, the Camargo model (MAE = 0.563, RMSE = 0.721 y R2 = 0.723) obtained a better efficiency in the ETo prediction in comparison with the Hargreaves-Samani model (MAE = 0. 0.588, RMSE = 0.750 y R2 = 0.703) confirming that the model operate in sub humid warm climate like that of the state of Campeche. About the soft computing models, the SVM model obtained a better performance (MAE = 0.480, RMSE = 0.637 y R2 = 0.786) being the recommended model to estimate the ETo in the state of Campeche. The GEP model slightly surpassed the empirical models and provides a programmable algebraic model in a spreadsheet, to make predictions of ETo, being another viable option in the determination of ETo in the state of Campeche.