Modelo estadístico para la predicción del índice estandarizado de sequía pluviométrica (IESP) en Andalucía

• Rafael Blanquero ^[1] ; Emilio Carrizosa ^[1] ; Mª Fernanda Pita ^[1] ; Juan Mariano Camarillo ^[1] ; José Ignacio Álvarez-Francoso ^[1]
  1. [1] Universidad de Sevilla

     Universidad de Sevilla

     Sevilla, España

     
• Localización: Cambio climático. Extremos e impactos: [ponencias presentadas al VIII Congreso Internacional de la Asociación Española de Climatología] / coord. por Concepción Rodríguez Puebla, Antonio Ceballos Barbancho, Nube González Reviriego, Enrique Morán Tejeda, María Ascensión Hernández Encinas, 2012, ISBN 978-84-695-4331-3, págs. 261-270
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    La comunicación aborda el diseño de un modelo estadístico de predicción dinámica de la sequía en Andalucía y su persistencia en un horizonte temporal de 12 meses a partir de los datos históricos (1950-2012) del Índice Estandarizado de Sequía Pluviométrica (IESP) en 243 observatorios de Andalucía. Se emplea un algoritmo kNN (k-Nearest Neighbors), que busca las situaciones pasadas más similares a la actual y predice el futuro promediando lo que ocurrió a continuación en dichas situaciones. Los resultados producen porcentajes de error muy reducidos. El modelo se está aplicando en rutina en el Sistema de Información de Climatología Ambiental (CLIMA) de la Consejería de Medio Ambiente de la Junta de Andalucía (http://www.climasig.es).

  • English

    This paper presents a statistical model for the dynamical prediction of drought in Andalusia. The drought index used is the IESP, which stands for Índice Estandarizado de Sequía Pluviométrica in Spanish, and has been applied to historical observation series (1950-2012) for 243 observatories. A kNN (k-Nearest Neighbors) algorithm is used to predict the future situations by averaging the past instances that are most similar to the current one. The application of a validation procedure on the available data shows that this model leads to very small percentages of failed predictions. The model is being applied by the Environment Ministry of the Andalusian Government to monitor drought in the region.