Franklin Paredes, Edilberto Guevara Pérez
Las sequías ocurren cuando las lluvias disminuyen o cesan durante días, meses o años. En el último quinquenio se registraron varias sequías meteorológicas en Venezuela, las cuales impactaron negativamente los sectores hidroeléctrico y agrícola. En este trabajo se desarrolló y validó un modelo de alerta temprana para la ocurrencia de sequías meteorológicas en el país, con el objeto de proporcionar a las instituciones que administran los recursos hídricos una herramienta que permita mejorar la planificación de su uso. Para desarrollar el modelo se utilizaron las series pluviométricas de 632 estaciones. La identificación de los episodios secos se realizó a través del índice estandarizado de precipitación (SPI, por sus siglas en inglés). Se utilizó un análisis de componentes principales asociado a un sistema de información geográfica para delimitar subregiones homogéneas (SH) geográficamente continuas, según el SPI. En cada SH se seleccionó una estación representativa (estación de referencia, ER) y se aplicó un análisis de correlación desfasada entre las series SPI en las ER y series de anomalías de 10 índices de variables macroclimáticas (VM). Las cuatro VM desfasadas con mayor correlación lineal en cada ER se organizaron en tres niveles (�1, 0 y +1), usando los cuartiles Q2 y Q4 como valores de truncamiento. Las series SPI se expresan en cuatro rangos: no seca, moderadamente seca, severamente seca y extremadamente seca. Se determinó la probabilidad condicional de ocurrencia de los cuatro rangos de SPI en cada combinación en que pueden presentarse las cuatro VM desfasadas. Se validaron los modelos en cada ER con las series de SPI provenientes de 20 estaciones pluviométricas del Servicio de Meteorología de la Fuerza Aérea Venezolana. Los resultados indican que los modelos detectan la ocurrencia de eventos ES con un acierto que varía de 85.19 a 100%; el acierto es directamente proporcional a la longitud de los registros usados en el desarrollo del modelo. El método puede aplicarse en cualquier país que disponga de series pluviométricas largas, continuas y homogéneas.
Droughts occur when rainfalls diminish or cease for several days, months or years. In the last five years several meteorological droughts have occurred in Venezuela, impacting negatively water supply, hydropower and agriculture sectors. In order to provide institutions with tools to manage the water resources, a probabilistic model has been developed and validated to predict in advance the occurrence of meteorological droughts in the country using monthly series of 632 rainfall stations. The standardized precipitation index (SPI) was used to identify dry events of each rainfall series. A principal component analysis associated to a geographic information system was used to define geographically continuous homogeneous sub-regions (HS) for the values of SPI. For each HS a representative station was selected (reference station, RS). A lagged correlation analysis was applied to the SPI series of the RS and the corresponding series of anomalyindices of 10 macroclimatic variables (MV). The four MV with higher correlation in each RS were organized into three levels (�1, 0 and +1), using the quartiles Q2 and Q4 as values of truncation. The SPI series are expressed in four ranges: non-dry, moderately dry, severely dry and extremely dry. The conditional probability of occurrence of the four ranges of SPI was determined in every combination that can occur in the four VM best correlated. The resulting model in each RS was validated using the SPI series from 20 meteorological stations operated by the Servicio de Meteorología de la Fuerza Aérea Venezolana (Meteorological Service of the Venezuelan Air Force) which were not used in the development of the models. Results indicate that models detected the occurrence of ES with an accuracy ranging from 85.19 to 100%; the success is directly proportional to the length of records used in the development of the model. This methodology could be applied in any country that has long, continuous and homogeneous rainfall series.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados