InterporAPP v2.0 es una herramienta de escritorio desarrollada en Python que automatiza la espacialización e interpolación de variables hidrometeorológicas del IDEAM (Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia). Transforma los archivos .data de la red de estaciones y el Catálogo Nacional de Estaciones (CNE) en GeoPackages y rasters GeoTIFF listos para análisis en QGIS, ArcGIS o cualquier SIG.

Dashboard principal

Panel de ajustes: método, tamaño de celda, CRS, AOI y parámetros de Kriging

Procesamiento por lotes con barra de progreso, pausa y detención controlada

Raster de precipitación mensual sobre Colombia — validado con LOOCV (RMSE, MAE, R²)

¿Qué problema resuelve?

Los archivos .data del IDEAM contienen series temporales de variables como precipitación, temperatura, humedad relativa y caudal, distribuidos en cientos de estaciones. Procesarlos manualmente — cruzarlos con el CNE, calcular estadísticos y generar rasters de interpolación — puede tomar días de trabajo en SIG. InterporAPP lo hace en minutos.

Novedades en v2.0

• Interfaz gráfica tipo dashboard con sidebar de navegación y paleta de colores SkyMapStories (teal, naranja, azul marino)
• Tres métodos de interpolación: IDW, Kriging Ordinario (OK) y Kriging Universal (UK) con DEM como covariable
• Validación cruzada LOOCV automática — RMSE, MAE, R² y sesgo calculados sin configuración adicional
• Procesamiento por lotes paralelo con concurrent.futures — genera un raster por cada estadístico y período en simultáneo
• Recorte por AOI — soporta KML, KMZ, Shapefile, GeoPackage y GeoJSON; ajuste automático de extensión de la grilla
• Controles de pausa y detención en ambos procesos (espacialización e interpolación)
• Sección “Artículos de interés” con acceso directo a los PDFs científicos de referencia
• Guía de uso integrada paso a paso dentro de la propia aplicación

Módulos principales

1. Espacialización — GeoPackage

Carga los archivos .data (formato IDEAM: Fecha|Valor) y los cruza automáticamente con el CNE por código de estación. Genera:

• Estadísticos: promedio, mínimo, máximo, mediana, percentiles, total anual y por mes
• Exportación: GeoPackage (.gpkg) y CSV con coordenadas WGS84

2. Interpolación — Rasters GeoTIFF

Con las estaciones ya georreferenciadas, genera una grilla de interpolación usando el método seleccionado:

Cada interpolación incluye validación cruzada LOOCV automática con reporte .txt y .csv.

3. Validación estadística

RMSE  — Error cuadrático medio
MAE   — Error absoluto medio
R²    — Coeficiente de determinación
ME    — Sesgo medio (Mean Error)

Estos indicadores permiten comparar métodos y justificar la elección ante organismos técnicos o en documentos de cambio climático.

Fundamentos teóricos

IDW — Distancia Inversa Ponderada

Estima el valor en un punto no muestreado como la media ponderada de los valores observados, donde los pesos son inversamente proporcionales a una potencia de la distancia. El instructivo IDEAM (2014) recomienda p=2 y 12 vecinos.

Kriging Ordinario (OK)

Método geoestadístico que modela la autocorrelación espacial a través del variograma y produce estimaciones BLUE (Best Linear Unbiased Estimator). Wang et al. (2014) demostraron que OK obtiene ~15% mejor RMSE que IDW para precipitación en redes densas.

Kriging Universal (UK)

Extiende el OK permitiendo una tendencia dependiente de covariables. En los Andes colombianos la elevación (DEM) es la covariable más relevante para precipitación y temperatura, siguiendo el modelo de Goovaerts (2000).

Formato de datos de entrada

Archivos .data — pipe-separated, nombre ETIQUETA@CODIGO.data:

Fecha|Valor
1990/01/15|123.4
1990/02/15|98.7

CNE (CNE_IDEAM.xls) — Catálogo Nacional de Estaciones con código, nombre, latitud y longitud en WGS84 (EPSG:4326).

DEM (opcional) — GeoTIFF en WGS84, usado como deriva externa en Kriging Universal.

AOI (opcional) — Polígono de recorte en KML, KMZ, Shapefile, GeoPackage o GeoJSON.

Resultados de referencia

Wang et al. (2014) compararon métodos de interpolación para precipitación mensual con 4,684 estaciones en China:

Para Colombia, el IDEAM recomienda celda de 0.01° (~1.1 km) y CRS MAGNA-SIRGAS (EPSG:4686) o WGS84 (EPSG:4326).

Descarga

Requisitos: Windows 10/11 de 64 bits. No requiere Python ni dependencias adicionales — es un ejecutable autocontenido compilado con Nuitka.

Bibliografía

• Wang, S. et al. (2014). Comparison of interpolation methods for estimating spatial distribution of precipitation in Ontario, Canada. Int. J. Climatol., 34(14), 3745–3751.
• Goovaerts, P. (2000). Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. J. Hydrol., 228(1-2), 113–129.
• Ly, S. et al. (2011). Geostatistical interpolation of daily rainfall at catchment scale. HESS, 15(7), 2259–2274.
• IDEAM (2014). Instructivo para la elaboración del mapa de precipitación mensual.
• IDEAM et al. (2015). Nuevos Escenarios de Cambio Climático para Colombia 2011–2100.

¿Tienes datos del IDEAM y necesitas ayuda para procesarlos? Contáctanos — ofrecemos servicios de análisis hidrometeorológico y generación de escenarios de cambio climático para el Oriente Antioqueño y Colombia.