Reduciré la escala de la gracia para la evaluación de aguas subterráneas
La satisfacción del cliente y la calidad son nuestras principales prioridades
Nivel 2
Ha cumplido con los criterios de alto rendimiento y tiene un historial comprobado de cumplimiento de las expectativas de los clientes.
Acerca de este Servicio
Como sabemos, el satélite GRACE ofrece cobertura global con resolución temporal mensual, permitiendo a los científicos seguir las tendencias de agua a largo plazo, especialmente en regiones con escasez de datos. TWS de GRACE representa la cantidad total de agua almacenada en forma de glaciares, nieve/hielo, ríos, lagos/reservorios, cubierta vegetal, humedad del suelo y aguas subterráneas (Famiglietti, 2004). A pesar de sus contribuciones innovadoras, los datos de GRACE tienen una resolución espacial limitada significativa (0.25° x 0.25° o incluso más gruesa) (Sahour, 2020). Esta escala es demasiado amplia para aplicaciones de gestión de agua a nivel regional o local, donde las decisiones a menudo dependen de detalles espaciales mucho más finos. Por lo tanto, las técnicas de downscaling son fundamentales para transformar los datos de GRACE en estimaciones de mayor resolución que puedan apoyar la toma de decisiones a nivel de cuenca o subcuenca (Long et al., 2013). Las técnicas estadísticas de downscaling se han aplicado ampliamente, empleando una variedad de algoritmos que van desde regresiones lineales simples hasta métodos más sofisticados de aprendizaje automático (ML) no lineal (Ali et al., 2021).
En resumen, utilizaremos las imágenes satelitales de GRACE para reducir la escala de GRACE a una resolución muy fina según tus requisitos.
Experiencia:
Análisis predictivo
•
Otros
Lenguaje de programación:
Python
Marcos:
Scikit-learn
•
Panda
Herramientas:
Otros

