Bertin, KarineLagos Orellana, Alonso2026-04-062026-04-062025-08-14https://repositoriobibliotecas.uv.cl/handle/uvscl/17192El creciente aumento en las últimas décadas de fenómenos climáticos extremos, de la tasa de incendios y de demanda energética, han llevado a la necesidad de estudiar variables climáticas en zonas espaciales locales para generar soluciones a estas problemáticas. Este trabajo busca implementar un esquema de downscaling estadıstico para campos de intensidad de viento en la región de Valparaíso, el cual integra un modelo de regresión ponderada espacio-temporal (GTWR) para estimar mallas anidadas de modelos Weather Research and Forecasting (WRF) (3 km → 1 km → 1/3 km). El método se apoya en hipótesis locales de regularidad espacial, homogeneidad espacial, autosimilaridad espacial y estacionariedad de los residuos. Para esto, se calibran factores de escala no-paramétricos mediante mınimos cuadrados ponderados (WLS) con un kernel espacio-distribucional. Luego, se consideran los campos de intensidad del viento reales a resolucion 3 km y 1 km obtenidos por modelos WRF (73 mediciones temporales por hora entre 02/09/2023 y el 05/09/2023) con dominio espacial en la región de Valparaíso (coordenadas latitud Este-Oeste −33, 43985 y −32, 88078, y longitud Norte-Sur −71, 89282 y −70, 93353). Para los datos reales, se clasificaron las zonas topográficas de mar, valle y montaña, por un algoritmo del vecino más lejano (FPC) sobre las distancias distribucionales de la diferencia absoluta de las variaciones. Después, se aplica el modelo GTWR entre campos de 3 km a 1 km para recuperar los factores de escala, obteniendo una excelente capacidad predictiva en las zonas de mar y valle (MSE bajo y coeficientes de determinación altos, para espacio y tiempo). No obstante, el GTWR muestra dificultades para adaptarse a la topografía local en zonas de montaña (error cuadrático medio alto y coeficiente de determinación bajo-intermedio, para espacio y tiempo). Se finaliza el esquema aplicando los factores de escala para obtener el campo de viento objetivo a 1/3 km, en donde la predicción mejora la resolución espacial a 1/3 km capturando cambios en la intensidad del viento, desde aumentos locales leves en zonas de mayor homogeneidad (mar y valle), hasta grandes aumento en zonas de mayor variabilidad topográfica (montana). Se concluye que el modelo GTWR es eficiente en costos computacionales y muestra una alta capacidad predictiva para zonas espaciales en donde la topografıa es de variación leve o mediana, y en zonas de alta variabilidad topográfica el modelo sobreajusta el cambio de escala en las series de tiempo. Este comportamiento se deriva posiblemente del aumento de la heterogeneidad espacial al aplicar el downscaling espacial en zonas de montaña. Para mejorar la efectividad del modelo GTWR se recomienda: implementar un modelo por zonas topográficas, calibrar los anchos de ventana por cluster y/o por un método espacio-temporal, y estudiar la incorporación de nuevas covariables al modelo (dirección del viento, temperatura, variable de altura, entre otras).esAtribución-NoComercial-CompartirIgual 3.0 Chile (CC BY-NC-SA 3.0 CL)VIENTOS -- ANALISISNUBESMODELO ESTADISTICOTEMPERATURA AMBIENTALTURBULENCIATDPRE