Pronóstico de sequías meteorológicas usando redes neuronales artificiales en la cuenca del río Sonora, México

Autores/as

DOI:

https://doi.org/10.24850/j-tyca-2022-03-06

Palabras clave:

SPI, SPEI, perceptrón multicapa (MLP), validación cruzada, propagación resiliente (RPROP)

Resumen

Las sequías son un fenómeno hidrometeorológico extremo que se caracteriza por la deficiencia de humedad de manera anormal y persistente. En los últimos años, este fenómeno se ha presentado con mayor frecuencia y con niveles de gravedad cada vez más intensos, lo que ha provocado numerosos impactos negativos en los sistemas ecológicos, agrícolas, ganaderos y sociales. Por lo tanto, su monitoreo y pronóstico deben ser parte integral de la planeación, preparación y mitigación de sus efectos adversos a nivel local, regional e incluso nacional. En México, los estudios se han enfocado mayoritariamente en la caracterización y el análisis de los eventos de sequía, por lo que el objetivo de este estudio fue evaluar la aplicabilidad de las redes neuronales artificiales (RNA) para pronosticar las sequías meteorológicas en la parte media y alta de la cuenca del río Sonora, México. Para ello se utilizaron los índices SPI y SPEI a escalas temporales de 3, 6, 12 y 24 meses, para el periodo de 1974 a 2013. De manera general, los resultados mostraron que las habilidades predictivas de los modelos de RNA fueron satisfactorias, con un coeficiente de determinación (R2) promedio de 0.76 en la etapa final de validación de los modelos. Se observó que el rendimiento estadístico de los modelos para el pronóstico del SPEI fue superior al SPI y que éste aumentaba conforme la escala temporal era mayor, probablemente debido a que a corto plazo existe mayor variabilidad de las condiciones climáticas.

Publicado

2022-05-02

Número

Sección

Artículos