Acquisition and analysis of open source hydrometeorological data
DOI:
https://doi.org/10.15649/2346030X.3852Keywords:
data, prediction, precipitation, data processing, satellite imagesAbstract
This review article focuses on assessing various sources of hydrometeorological data for their utilization in an early warning system for flood prevention in the Arauca River basin. The analysis covers ground stations, radars, and aerial stations, detailing the specifics of the collected data and the procedures required for access. Additionally, it delves into considerations related to data quality and reliability, while outlining the challenges inherent in the data collection and analysis processes. This work significantly contributes to the understanding and implementation of an effective early warning system for flood mitigation in the Arauca River basin.
References
V. Bernal, J. Gomez, and C. Pardo, “Prediccion del fenomeno de la precipitacion ambiental en el municipio de Aquitania,” Reivsta Colomb. Tecnol. Av., vol. 2, 2023, doi: https://doi.org/10.24054/rcta.v2i42.2649.
J. Ayala-García and K. Ospino-Ramos, “Desastres naturales en Colombia: un análisis regional,” Bogotá, Colombia, Colombia, Jul. 2023. doi: 10.32468/dtseru.317.
World Mateorological organization WMO, Manual on Flood Forecasting and Warning, Segunda., no. 1072. Suiza, 2011.
S. K. Jain et al., “A Brief review of flood forecasting techniques and their applications,” Int. J. River Basin Manag., vol. 16, no. 3, pp. 329–344, 2018, doi: 10.1080/15715124.2017.1411920.
J. Styweart, L. Giraldo, J. Styweart, and L. Giraldo, “Evaluación del riesgo urbano por inundaciones del río Supía Evaluación del riesgo urbano por inundaciones del río Supía,” 2021.
R. J. G. Amaya, “Analisisd de falla de un talud en un sector urbano del municipio de Ocaña, Colombia,” Rev. Colomb. Tecnol. Av., vol. 1, 2020, doi: https://doi.org/10.24054/rcta.v1i35.35.
IDEAM and PNUD, “Tercera Comunicación Nacional de Cambio Climático,” 3ra Comun. Nac. Cambio Clim., p. 15, 2015, [Online]. Available: http://documentacion.ideam.gov.co/openbiblio/bvirtual/022965/documento_nacional_regional.pdf.
R. G. Bartual and E. C. Gimenez, “Predicción de caudales en tiempo real en grandes cuencas utilizando Redes Neuronales Artificiales,” Universidad Politecnica de Valencia, 2009.
W. S. Vargas-Crispin, E. Montes-Raymundo, M. Castrejón-Valdez, and R. A. Hinojosa-Benavides, “Machine Learning como Herramienta para Determinar la Variación de los Recursos Hídricos,” Sci. Res. J. CIDI, vol. 1, no. 1, pp. 56–69, Jul. 2021, doi: 10.53942/srjcidi.v1i1.46.
J. Ayala and K. Ospino, “Desastres naturales en Colombia: un análisis regional,” Bogotá, Colombia, Jul. 2023. doi: 10.32468/dtseru.317.
A. C. Alfaro, H. G. Ramos, J. P. Rozo, I. A. Cacunubo, and F. J. Lagos, “Relacion de la cadena de valor del sector agricola, sus beneficios fiancieron - medioambientales y el turismo sostenible,” Rev. Colomb. tenologias Av., vol. 2, 2020, doi: https://doi.org/10.24054/16927257.v36.n36.2020.4015.
J. A. Gomez, H. Y. Jaramillo, and L. A. C. Rojas, “Sistema para deteccion de fallos criticos en tuberias horizontales,” Rev. Colomb. Tecnol. Av., vol. 1, no. 1692–7257, 2020, doi: https://doi.org/10.24054/rcta.v1i35.41.
A. E. Maxwell, T. A. Warner, and F. Fang, “Implementation of machine-learning classification in remote sensing: An applied review,” Int. J. Remote Sens., vol. 39, no. 9, pp. 2784–2817, 2018, doi: 10.1080/01431161.2018.1433343.
A. Bahamon and J. P. Barrero, “Regulacion o no para la IA? propuesta de la reulacion hibrida de la IA en colombia,” Rev. Colomb. Tecnol. Av., vol. 2, 2020, doi: https://doi.org/10.24054/rcta.v2i36.17.
I. Sergio, L. Beleño, C. Viviana, M. Luna, I. Fernando, and M. Bernal, “Inspeccion de aisladores en lineas de transmision electrica usando inteligencia artificial,” Rev. Colomb. Tecnol. Av., vol. 2, 2020, doi: https://doi.org/10.24054/16927257.v36.n36.2020.4018.
S. López and J. Fernando, “V ehicle classification and counting through image analysis . Clasificación y conteo vehícular mediante análisis de imágenes . Resumen,” vol. 6, no. 4, pp. 313–334, 2022, doi: https://doi.org/10.56048/MQR20225.6.4.2022.313-334.
D. Marín and I. Pineda, “Modelo predictivo Machine Learning aplicado a análisis de datos Hidrometeorológicos para un SAT en Represas”,” 2019.
S. Wang, “Uncertainties in the Assessment of Individual and Compound Flooding from River Discharge and Coastal Water Levels under Climate Change,” 2020.
W. F. Rafael Miñope, P. V. R. Vilcherres Lizárraga, S. P. Muñoz Pérez, V. A. Tuesta Monteza, and H. I. Mejía Cabrera, “Modelamiento de procesos hidrológicos aplicando técnicas de inteligencia artificial: una revisión sistemática de la literatura,” Iteckne, vol. 19, no. 1, 2021, doi: 10.15332/iteckne.v19i1.2645.
F. García, J. Rojas, A. Vásquez, D. Parra, and E. Castro, “Estimating missing data in historic series of global radiation through neural network algorithms,” Sist. y Telemática, vol. 14, no. 37, pp. 9–22, 2016, doi: 10.18046/syt.v14i37.2239.
D. Aragon, L. E. Gomez, G. Rivera, and W. Cuevas, “Estudio de la tecnologia de TVWS en Colombia y comparacion con el mundo,” Rev. Colomb. Tecnol. Av., vol. 2, no. 1692–7257, 2019.
D. P. L. Ramirez and D. fernando G. Rojas, “Determinación De La Cota De Inundación Del Río Arauca En La Vereda Barrancones, Municipio De Arauca Mediante Un Modelo Hidrodinamico,” 2019.
Y. Gonzales, M. Peñaranda, and O. Manzano, “Innovaciones tecnologicas en las practicas academicas virtuales,” Rev. Colomb. Tecnol. Av., vol. 1, 2019, doi: https://doi.org/10.24054/rcta.v1i33.87.
M. A. A. Coll, “Sistema de Alerta Temprana para la prediccin del nivel de peligrosidad en inundaciones pluviales,” 2018.
A. Gupta and R. S. Govindaraju, “Uncertainty quantification in watershed hydrology: Which method to use?,” J. Hydrol., vol. 616, no. November 2022, p. 128749, 2023, doi: 10.1016/j.jhydrol.2022.128749.
A. López, “Diseño de Herramienta Hidrológica como Apoyo a Los Sistemas De Alerta Temprana Ante Inundaciones,” Universidad Autonoma Estado de Mexico, 2017. [Online]. Available: http://hdl.handle.net/20.500.11799/67762.
IDEAM, “Zonificación y Codificación de Cuencas Hidrográficas,” Doc. IDEAM, p. 46, 2013, [Online]. Available: http://documentacion.ideam.gov.co/openbiblio/bvirtual/022655/MEMORIASMAPAZONIFICACIONHIDROGRAFICA.pdf.
IDEAM, “DHIME - Manual de Usuario Consulta y Descarga de datos hidrometeorológicos - IDEAM,” Manual, p. 53, 2019.
IDEAM, “Catálogo Nacional de Estaciones del IDEAM.” https://www.datos.gov.co/Ambiente-y-Desarrollo-Sostenible/Cat-logo-Nacional-de-Estaciones-del-IDEAM/hp9r-jxuu/data.
J. Wu, L. Lin, T. Li, Q. Cheng, C. Zhang, and H. Shen, “Fusing Landsat 8 and Sentinel-2 data for 10-m dense time-series imagery using a degradation-term constrained deep network,” Int. J. Appl. Earth Obs. Geoinf., vol. 108, no. December 2021, 2022, doi: 10.1016/j.jag.2022.102738.
P. J. Copete, “Uso de radares meteorológicos como herramienta para la Gestión del Riesgo y monitoreo dentro de los Sistemas de Alerta Temprana ( SAT ),” 2017.
IDEAM, “Seguimos apostándole a la prevención: Minambiente.” p. 3, 2019. [Online]. Available: http://www.ideam.gov.co/web/sala-de-prensa/noticias/-/asset_publisher/LdWW0ECY1uxz/content/minambiente-y-el-ideam-inauguran-radar-meteorologico-en-barrancaberme-2%0Ahttp://www.ideam.gov.co/documents/24277/83134001/COMUNICADO+RADAR/fed8bd8a-40f2-4f5a-8cc3-.
IDEAM, “Plataforma IDEAM radar,” 2023. http://www.pronosticosyalertas.gov.co/archivos-radar.
J. J. Helmus and S. M. Collis, “The Python ARM Radar Toolkit (Py-ART), a Library for Working with Weather Radar Data in the Python Programming Language,” J. Open Res. Softw., vol. 4, no. 1, p. 25, 2016, doi: 10.5334/jors.119.
J. A. S. Duarte, M. A. Contreras, and J. A. Torres, “Caracterización geotécnica del subsuelo en el relleno sanitario regional ‘la cortada’, pamplona (norte de santander) a partir de datos geofísicos,” Rev. Colomb. Tecnol. Av., vol. 2, 2020, doi: https://doi.org/10.24054/rcta.v2i36.15.
OEA. Irlanda., “Manual para el Diseño e Implementación de un Sistema de Alerta Temprana de Inundaciones en Cuencas Menores,” Manual. Washington, D.C, p. 55, 2001.
Organizacion Mundial Metereologica OMM, Manual sobre predicción y avisos de crecidas. Ginebra, Suiza, 2011.
A. Florez, C. Durán, and J. Carrillo, “Data processing from electrical signals acquired by an E-nose system used for quality control of cocoa,” J. Phys. Conf. Ser., vol. 1704, no. 1, 2020, doi: 10.1088/1742-6596/1704/1/012013.
N. F. B. Morales, Teledeteccion espacial Landsat, Sentinel2, Aster L1T y Modis. 2017. [Online]. Available: https://acolita.com/wp-content/uploads/2018/01/Teledeteccion_espacial_ArcGeek.pdf.
NASA ARSET, “Fundamentos de la Teledetección ( Percepción Remota ).” 2021.
K. Sayler, “Landsat 9 Data Users Handbook Version 1.0,” Nasa, no. February, p. 107, 2022, [Online]. Available: https://d9-wret.s3.us-west-2.amazonaws.com/assets/palladium/production/s3fs-public/media/files/LSDS-2082_L9-Data-Users-Handbook_v1.pdf.
J. A. Martínez and P. A. Arias, “Estimación y pronóstico de radiación solar en el valle de Aburrá – Colombia Estimation and forecast of solar radiation in the Aburrá Resumen Introducción,” vol. 46, no. 179, pp. 529–549, 2022.
X. Wang, J. Gong, Y. Zhang, and P. M. Atkinson, “Science of Remote Sensing Near real-time surface water extraction from GOES-16 geostationary satellite ABI images by constructing and sharpening the green-like band,” Sci. Remote Sens., vol. 5, no. May, p. 100055, 2022, doi: 10.1016/j.srs.2022.100055.
L. F. Gopar-Merino and A. Velázquez, “Componentes del paisaje como predictores de cubiertas de vegetación: estudio de caso del estado de Michoacán, México,” Investig. Geogr., vol. 2016, no. 90, pp. 75–88, 2016, doi: 10.14350/rig.46688.
Administracon Nacional Oceanica Atmosferica NOAA, “GOES IMAGE VIEWER,” Plataforma online, 2023. https://www.star.nesdis.noaa.gov/GOES/sector.php?sat=G16§or=nsa#.
L. A. Lasso, E. Rincon, and G. Estrada, “INTRODUCTION TO CAPACITY EVALUATION : A THEORETICAL REVIEW,” Rev. Colomb. Tecnol. Av., vol. 2, 2020, doi: https://doi.org/10.24054/rcta.v2i36.18.
W. Y. Lai and K. K. Kuok, “A Study on Bayesian Principal Component Analysis for Addressing Missing Rainfall Data,” Water Resour. Manag., vol. 33, no. 8, pp. 2615–2628, 2019, doi: 10.1007/s11269-019-02209-8.
Y. Gao, C. Merz, G. Lischeid, and M. Schneider, “A review on missing hydrological data processing,” Environ. Earth Sci., vol. 77, no. 2, p. 47, 2018, doi: 10.1007/s12665-018-7228-6.
J. Yang, C. Cheng, and C. Chan, “A Time-Series Water Level Forecasting Model Based on Imputation and Variable Selection Method,” vol. 2017, 2017.
K. Z. Vallejo, “Sistema Electrónico Inalámbrico De Alerta Temprana Y Monitoreo Del Comportamiento Del Nivel De Los Ríos De Bajo Costo.,” Tesis Pregr., p. 117, 2013.
T. Khampuengson and W. Wang, “Novel Methods for Imputing Missing Values in Water Level Monitoring Data,” Water Resour. Manag., vol. 37, no. 2, pp. 851–878, 2023, doi: 10.1007/s11269-022-03408-6.
L. Mdegela, Y. De Bock, E. Luhanga, J. Leo, and E. Mannens, “Monitoring Kikuletwa river levels in northern Tanzania : A data set unlocking insights for effective flood early warning systems,” vol. 49, 2023, doi: 10.1016/j.dib.2023.109395.
I. Silva, M. Rodriguez, R. Acosta, and P. Gomez, “Diseño de plan de mejoramiento preventivo para los talleres del centro CIES SENA regional Norte de Santander utlizando metodologia AMEF,” Rev. Colomb. Tecnol. Av., vol. 3, no. 1692–7257, pp. 143–154, 2020, doi: https://doi.org/10.24054/rcta.v3iEspecial.880.
F. Fichtner, N. Mandery, M. Wieland, S. Groth, and S. Martinis, “International Journal of Applied Earth Observation and Geoinformation Time-series analysis of Sentinel-1 / 2 data for flood detection using a discrete global grid system and seasonal decomposition,” Int. J. Appl. Earth Obs. Geoinf., vol. 119, no. May, p. 103329, 2023, doi: 10.1016/j.jag.2023.103329.
C. Schwatke, D. Dettmering, W. Bosch, and F. Seitz, “DAHITI – an innovative approach for estimating water level time series over inland waters using multi-mission satellite altimetry,” pp. 4345–4364, 2015, doi: 10.5194/hess-19-4345-2015.
S. Cardenas, C. Vides, and A. Pardo, “Sistema de alerta temprana de inundaciones para el río Arauca basado en técnicas de inteligencia artificial,” vol. 12, pp. 315–326, 2022.
D. Echeverría, “Aplicacion del indice de vulnerabilidad a la inundacion en la cuenta del rio IPA en la region del chaco Bolivariano,” 2019.
Downloads
Published
How to Cite
Issue
Section
Altmetrics
Downloads
License
Copyright (c) 2024 AiBi Journal of Research, Administration and Engineering
This work is licensed under a Creative Commons Attribution 4.0 International License.
The journal offers open access under a Creative Commons Attibution License
This work is under license Creative Commons Attribution (CC BY 4.0).
