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

• Hernández-Vásquez, Claudio César ^[1] ; Ibáñez-Castillo, Laura Alicia ^[1] ; Arteaga-Ramírez, Ramón ^[1] ; Monterroso-Rivas, Alejandro Ismael ^[1] ; Cervantes-Osornio, Rocío ^[2]
  1. [1] Universidad Autónoma Chapingo

     Universidad Autónoma Chapingo

     México

     
  2. [2] Campo Experimental Valle de México-INIFAP, Coatlinchán, México
• Localización: Tecnología y Ciencias del Agua, ISSN-e 2007-2422, Vol. 13, Nº. 3 (mayo-junio), 2022, págs. 242-292
• Idioma: español
• Títulos paralelos:
  • Forecast of meteorological droughts with neural networks in Sonora watershed, Mexico
• Enlaces
  • Texto completo
• Resumen
  • español

    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.

  • English

    Droughts are hydrometeorological hazards that are characterized by an abnormal and persistent humidity deficit. In the last years, this hazard  has been present more frequently and with more severity levels, producing negative impacts on the ecosystem, agriculture, livestock, and  society. Therefore, its monitoring and forecast, must be part of integral planning, preparation, and mitigation of its adverse effects at local, regional, and national levels. In Mexico, most of the drought studies are focused on characterization and analysis. Thus, in this research, we evaluated the application of artificial neural networks (ANN) to forecast the meteorological droughts in the medium and high parts of the Sonora River watershed. SPI and SPEI index were used, on scales of 3, 6, 12, and, 24 months, for the 1974 to 2013 period of years. Forecast results showed that ANN has a satisfactory level of prediction, with an average determination coefficient (R2) in the validation phase, of 0.76. It was observed that the statistical efficiency of SPEI was better than that of SPI, and that this efficiency increased with the longer temporal scale; maybe because in a short term, climate variability is greater.