La finalidad del proyecto es realizar un análisis espacio-temporal de las larvas de mitílidos en la región de la Patagonia Norte Chilena utilizando modelos de regresión sobre conjuntos de datos provenientes del Instituto de Fomento Pesquero (IFOP) y de la Universidad Católica de la Santísima Concepción.
Para ello, han sido utilizado diferentes modelos de regresión, tanto desde una óptica tradicional, desarrollando modelos como OLS, WLS y GLS, hasta considerar las dimensiones espacio-temporales de los datos aplicando los modelos GWR y GTWR implementados, todos ellos, utilizando el lenguaje Python.
En este trabajo se consideran datos que contienen variables de interés como son la cantidad de larvas de mejillón de diferentes tipos, el alimento de los mismos y variables atmosféricas y ambientales como la temperatura y la salinidad en profundidad. Adicionalmente, se consideraron datos provenientes de la Universidad Católica de la Santísima Concepción (UCSC), concretamente, del Departamento de Ecología Marina de la Facultad de Ingeniería de la dicha Universidad, que contenían variables asociadas con la temperatura, salinidad, clorofila y fluorescencia medidas en superficie.
El trabajo considera 13 estaciones de monitoreo, consideradas a partir del volumen de datos existente, lo que permite explotar las dimensiones espaciales y temporales de los datos considerados utilizando la variabilidad de la estaciones y factores como son las estaciones del año, la influencia de las variables atmosféricas o la cantidad de alimento que presenta el área.
Abstract:
The purpose of the project is perform an spatio-temporal analyst about mussel larvae in the Patagonia Norte Chilena region, using regression models about datasets provided by the Instituto de Fomento Pesquero (IFOP) and the Universidad de la Santísima Concepción.
To do this, different analysis methods have been used from a traditional perspective, developing models like OLS, WLS and GLS, until considerate the spatio-temporal dimension for the data applying GRW and GTWR models, using Python language.
Different data are considerate in this project that contain different variable of interest such as the amount of types of mushed larvaes, their food, atmospheric and environmental variables such as temperature and salinity at depth. Additionally, were considerate data provided from the Universidad Católica de la Santísima Concepción (UCSC), concretely, from the Departamento de Ecología Marítima de la Facultad de Ingeniería from the UCSC that contain associated variables with temperature, salinity, chlorophyll and surface fluorescence.
The project considers 13 monitoring station considered from the volume of existing data enables the use of the spatio-temporal dimension of the data using the variability of the stations and factors such as the season of the year, the influence of the atmospheric variables of the amount of food in the area.
La finalidad del proyecto es realizar un análisis espacio-temporal de las larvas de mitílidos en la región de la Patagonia Norte Chilena utilizando modelos de regresión sobre conjuntos de datos provenientes del Instituto de Fomento Pesquero (IFOP) y de la Universidad Católica de la Santísima Concepción.
Para ello, han sido utilizado diferentes modelos de regresión, tanto desde una óptica tradicional, desarrollando modelos como OLS, WLS y GLS, hasta considerar las dimensiones espacio-temporales de los datos aplicando los modelos GWR y GTWR implementados, todos ellos, utilizando el lenguaje Python.
En este trabajo se consideran datos que contienen variables de interés como son la cantidad de larvas de mejillón de diferentes tipos, el alimento de los mismos y variables atmosféricas y ambientales como la temperatura y la salinidad en profundidad. Adicionalmente, se consideraron datos provenientes de la Universidad Católica de la Santísima Concepción (UCSC), concretamente, del Departamento de Ecología Marina de la Facultad de Ingeniería de la dicha Universidad, que contenían variables asociadas con la temperatura, salinidad, clorofila y fluorescencia medidas en superficie.
El trabajo considera 13 estaciones de monitoreo, consideradas a partir del volumen de datos existente, lo que permite explotar las dimensiones espaciales y temporales de los datos considerados utilizando la variabilidad de la estaciones y factores como son las estaciones del año, la influencia de las variables atmosféricas o la cantidad de alimento que presenta el área.
Abstract:
The purpose of the project is perform an spatio-temporal analyst about mussel larvae in the Patagonia Norte Chilena region, using regression models about datasets provided by the Instituto de Fomento Pesquero (IFOP) and the Universidad de la Santísima Concepción.
To do this, different analysis methods have been used from a traditional perspective, developing models like OLS, WLS and GLS, until considerate the spatio-temporal dimension for the data applying GRW and GTWR models, using Python language.
Different data are considerate in this project that contain different variable of interest such as the amount of types of mushed larvaes, their food, atmospheric and environmental variables such as temperature and salinity at depth. Additionally, were considerate data provided from the Universidad Católica de la Santísima Concepción (UCSC), concretely, from the Departamento de Ecología Marítima de la Facultad de Ingeniería from the UCSC that contain associated variables with temperature, salinity, chlorophyll and surface fluorescence.
The project considers 13 monitoring station considered from the volume of existing data enables the use of the spatio-temporal dimension of the data using the variability of the stations and factors such as the season of the year, the influence of the atmospheric variables of the amount of food in the area. Read More
Related posts:
Comparación de modelos de par utilizando una combinación de variables radiométricas y meteorológicas
Acerca del “lenguaje” de las manos (manuaje). Una conversación con Mauricio Cárcamo
Monitoreo Espacio-Temporal de la variación de los Glaciares
Maladeta y Monte Perdido (Pirineos, España): Una Perspectiva
Geomática
Resistencia de madera con FRP: Análisis con Machine Learning
Clasificación inferida mediante datos: Titulación de Grado del autor del TFG
Los satélites de media y baja resolución espacial como fuente de datos para la obtención de indicadores ambientales