Comparación de métodos de imputación en datos climáticos

Abstract

El duraznero requiere una determinada cantidad de frío invernal para atravesar el período de dormancia, maximizando el rendimiento y la calidad de la fruta en cada región. A causa del cambio climático global las futuras variedades podrían requerir menos frío que las actuales. Para realizar estudios de proyección climática se consideran registros climáticos, los cuales presentan frecuentemente valores faltantes. Es necesario tener un registro completo de datos climáticos, por lo que se deben considerar metodologías estadísticas apropiadas para imputar los datos perdidos. El objetivo de este proyecto es evaluar la eficiencia de diferentes métodos de imputación para datos climáticos. Se cuenta con datos diarios de radiación, temperatura máxima y mínima en 7 estaciones meteorológicas: San Pedro (Bs As), Concordia (Entre Rios), Cerro Azul (Misiones), El Colorado (Formosa), Salta, La Consulta (Mendoza) y Alto Valle (Río Negro). Se simularon distintos porcentajes de pérdida (5, 10, 20 y 40%) en subconjuntos de datos completos. Se comparó la reproducibilidad de las imputaciones de los métodos Predictive Mean Matching (PMM), K-Nearest Neighbors (KNN) y Random Forest (RF) Imputation mediante la raíz del error cuadrático medio, el coeficiente de correlación y un índice de acuerdo. En todas las estaciones meteorológicas, el método KNN presentó el mejor rendimiento de acuerdo a las tres medidas de calidad, seguido por PMM y RF.