Modelando las Emisiones de Gases de Efecto Invernadero de la Agricultura
Autores: Brbulescu, Alina
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Estudio
Gases de efecto invernadero
Agricultura
Unión Europea
Emisiones
Tendencia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 4
Citaciones: Sin citaciones
Este estudio analiza la serie de emisiones anuales de gases de efecto invernadero (GEI) provenientes de la agricultura en los países de la Unión Europea durante 32 años. Se detectaron los valores atípicos, la autocorrelación y los puntos de cambio para cada serie y la Total utilizando el boxplot, la función de autocorrelación (ACF) y las pruebas de Pettit, Hubert y CUSUM. Se verificó la existencia de una tendencia monótona en las series de datos frente a la aleatoriedad mediante la prueba de Mann-Kendall; además, se determinó la pendiente de la tendencia lineal mediante el enfoque no paramétrico de Sen y la regresión clásica. Se ajustó la mejor distribución para cada serie de datos. Los resultados indican que la mayoría de las series presentan valores aberrantes (indicando períodos con altas emisiones), son autocorrelacionadas y tienen una tendencia decreciente a lo largo del tiempo (mostrando la disminución de las emisiones de GEI de la agricultura durante el período de estudio). Las distribuciones que mejor se ajustan a las series individuales fueron de tipo Wakeby, Johnson SB, Burr y Log-logística. La serie Total tiene una tendencia decreciente, presenta una autocorrelación de segundo orden y está sesgada a la derecha. Se construyó y validó un modelo ARIMA(1,1,2) para ella y se utilizó para la previsión.
Descripción
Este estudio analiza la serie de emisiones anuales de gases de efecto invernadero (GEI) provenientes de la agricultura en los países de la Unión Europea durante 32 años. Se detectaron los valores atípicos, la autocorrelación y los puntos de cambio para cada serie y la Total utilizando el boxplot, la función de autocorrelación (ACF) y las pruebas de Pettit, Hubert y CUSUM. Se verificó la existencia de una tendencia monótona en las series de datos frente a la aleatoriedad mediante la prueba de Mann-Kendall; además, se determinó la pendiente de la tendencia lineal mediante el enfoque no paramétrico de Sen y la regresión clásica. Se ajustó la mejor distribución para cada serie de datos. Los resultados indican que la mayoría de las series presentan valores aberrantes (indicando períodos con altas emisiones), son autocorrelacionadas y tienen una tendencia decreciente a lo largo del tiempo (mostrando la disminución de las emisiones de GEI de la agricultura durante el período de estudio). Las distribuciones que mejor se ajustan a las series individuales fueron de tipo Wakeby, Johnson SB, Burr y Log-logística. La serie Total tiene una tendencia decreciente, presenta una autocorrelación de segundo orden y está sesgada a la derecha. Se construyó y validó un modelo ARIMA(1,1,2) para ella y se utilizó para la previsión.