La sequía es un evento extremo que posee varias definiciones dependiendo el área de interés, pero las más significativas son las relacionadas a la meteorología y a la agricultura.
Paraguay en los últimos años ha sido afectado por sequias, esto queda demostrado por el decreto 8282 del 17/01/2012, donde el gobierno declara, situación de emergencia alimentaria a la producción de alimentos de la agricultura familiar campesina e indígena a nivel nacional por un periodo de 90 días por la prolongada sequía (presidencia de la república).
Teniendo en cuenta a la OMM (Organización Meteorológica Mundial), en su informe OMM-N° 1006, la sequía puede ser catalogada en cuatro formas: meteorológica, agrícola, hidrológica y socioeconómica.
La sequía meteorológica
La sequía meteorológica es detectada a partir de un umbral de déficit de precipitación que se alcanza durante un período de tiempo previamente determinado. El umbral escogido (por ejemplo, un 75% de la precipitación normal) y el período de duración (por ejemplo, seis meses) variarán según el lugar y en función de las necesidades de los usuarios y de sus actividades. La sequía meteorológica es un fenómeno natural que responde a muy diversas causas según la región.
La sequía agrícola
La sequía agrícola se define habitualmente en términos de disponibilidad de agua en los suelos para el sostenimiento de los cultivos y para su crecimiento y, menos habitualmente, como una desviación de los regímenes de precipitaciones normales durante cierto período de tiempo
La sequía hidrológica
La sequía hidrológica se produce cuando las reservas de agua disponibles en fuentes como acuíferos, ríos, lagos y presas caen por debajo de la media estadística. La sequía hidrológica tiende a aparecer más lentamente porque se trata de agua almacenada que se utiliza pero no se repone. Aunque una sequía hidrológica suele ser provocada por una precipitación deficiente, también pueden tener otras causas.
La sequía socioeconómica
La sequía socioeconómica se diferencia notablemente de los demás tipos de sequía porque refleja la relación entre la oferta y la demanda de mercancías básicas, como lo son el agua, los alimentos (para consumo humano como animal) o la energía hidroeléctrica, que dependen de las precipitaciones.
Las sequias agrícolas, hidrológica y socioeconómica se dan en menor medida que la sequía meteorológica. Regularmente, transcurren varias semanas antes de que las deficiencias de precipitación comiencen a producir un déficit de humedad en el suelo que, a su vez, afectará negativamente a los cultivos, a los pastos y a los pastizales. La persistencia de un tiempo seco durante meses reduce el caudal de los ríos y el nivel de los embalses y lagos y, potencialmente, el nivel de las aguas freáticas. Cuando la sequía se prolonga sobrevienen las sequías agrícola, hidrológica y socioeconómica, con sus correspondientes efectos.
Metodología
El periodo de datos analizados para este trabajo comprende desde enero de 1964 hasta diciembre de 2003 de las estaciones meteorológicas del Paraguay.
Los datos fueron controlados mediante dos métodos de control de calidad, ambos métodos son herramientas informáticas desarrolladas en R (Lenguaje y entorno de programación para análisis estadístico y gráfico).
Introducción a los L-momentos
Los momentos lineales surgen de combinaciones lineales de los momentos ponderados probabilísticamente, introducidos por Greenwood et al. (1979), y constituyen un sistema alternativo al método tradicional de los momentos convencionales para describir las funciones de distribución. Los momentos ponderados probabilísticamente, de la variable aleatoria X con una función de distribución F(X), quedan definidos por la expresión:
Mp,r,s = E[Xp{F(X)}r {1-F(X)}r ]
Donde E indica el valor de la Esperanza, siendo p, k y s números reales.
Son particularmente útiles los casos en que p = 1 con k = 0, y p = 1 con s = 0, denotados como
α r = M 1, 0, r y β = M 1, r, 0 respectivamente.
αr = ∫ 10 x(u)(1-u)r du βr = ∫ 10 x(u) u r du
Finalmente, el L-momento de orden r, se estima con base a una pequeña modificación de las fórmulas anteriores:
λ = ∫ 10 x(u)P*r-1 (u)du
Así, los primeros 4 L-momentos, en función de alfa y beta, son:
No obstante, para poder comparar diferentes estaciones, resulta necesario definir los momentos lineales de forma adimensional. Para ello, se calculan los ratios o cocientes de momentos lineales, L-momentos_ratios, dividiendo aquellos de mayor orden por la medida de escala λ 2 (Hosking y Wallis, 1997).
τ = λ r / λ 2 , r = 3,4,...
Obtienen especial importancia los L-coeficientes de variación, asimetría y kurtosis.
L - CV = τ = λ 1 / λ 2
L - asimetrica = τ 3 = λ 3 / λ 2
L - kurtosis = τ 4 = λ 4 / λ 2
Tal vez una de las formas más adecuadas de visualizar cómo los L-momentos contribuyen a definir un tipo de distribución es a través del denominado Diagrama de L-momento-ratio.
En el diagrama se observa que: las distribuciones de 2 parámetros (normal, logística, exponencial, Gumbel, etc.) se representan por un punto. Las distribuciones de 3 parámetros se representan por una línea. Las distribuciones de 4 parámetros (Kappa) se representan por un área.
Análisis Regional De Frecuencia
El Análisis Regional De Frecuencias es un procedimiento consistente en agregar la información proveniente de varias muestras, en una sola gran muestra, asumiendo previamente que todas éstas provienen de un mismo modelo de probabilidad, excepto por una diferencia entre ellas debidas a un factor de escala.
Materiales y métodos
Los datos que se utilizarán provienen de la base de datos de la Dirección de Meteorología e Hidrología, con rigurosos controles de calidad, creando una base de datos controlada
Ajuste de los datos de precipitación
La disponibilidad de datos confiables es un exigencia indefectible para cualquier tipo de análisis hidrológico, en particular, aquel relacionado con la determinación de probabilidad de ocurrencia de eventos extremos, en la que el error, presencia o ausencia de un dato en particular, puede tener importantes consecuencias sobre las estimaciones de probabilidad con altos periodos de retorno.
Histograma de frecuencia (%) de la precipitación media anual.
Control de Calidad de los Datos de Precipitación
La calidad del dato es un requisito emergente, que se desprende de las necesidades de información confiable y certera. La intención es proporcionar una calidad que sea satisfactoria, adecuada, confiable y económica.
Durante el proceso de observación y recolección de las series de datos, se producen inevitablemente errores de distinta naturaleza.
El control de calidad pretende detectar principalmente errores de carácter no sistemático, distintos de los que pretendemos detectar. Los errores que intentamos detectar y ajustar mediante los procesos de control de calidad son siempre de carácter sistemático y responden a fenómenos como el cambio de emplazamiento, entorno o instrumentación de los observatorios meteorológicos.
Los controles de calidad a la base de datos se realizan en dos etapas. En la primera etapa, los datos climáticos se someten a una serie de tests estadísticos de distintos tipos. Estos tests identifican registros que contienen variables meteorológicas con valores sospechosos. Una segunda etapa, involucra la verificación manual de todos los valores sospechosos identificados en la etapa anterior. Se verifican los datos sospechosos utilizando los registros originales, registrados en papel o en formato digital pero con mayor resolución temporal.
Grupos de Tests de Control de Calidad
Los controles de calidad se organizaron en seis familias que agrupan tests de características similares.
Tests generales
Tests de rango variable
Tests de consistencia entre variables
Tests de rango fijo
Tests de continuidad temporal
Tests de consistencia espacial
Familia de tests de control de calidad de datos. (Fuente: Reporte Técnico CRC-SAS-2014-001.)
A continuación describimos cada control de calidad mencionados en la tabla de arriba. Se pueden llamar tests también a los controles ya que los datos pasan por diferentes procesos para analizar su calidad.
Controles generales Estos controles verifican la integridad general de los datos. Por ejemplo, se controla que no haya fechas duplicadas o fuera de secuencia en las observaciones diarias. Otra verificación que se realiza es la frecuencia con la cual se registran los valores decimales para cada variable.
Controles de rango fijo Estos controles aseguran que no existan valores físicamente imposibles o nunca antes observados en el registro histórico. Los límites propuestos son fijos para cada variable durante todo el periodo de datos y todas las estaciones meteorológicas.
Controles de rango variable En esta familia, los rangos o umbrales usados para “marcar” valores sospechosos varían con el tiempo, tomando valores específicos para cada día o mes del año, por lo que los controles son más finos o sensibles que los tests de rango fijo.
Controles de continuidad temporal Estos controles estudian las secuencias de valores de cada variable en días consecutivos. Algunos de los controles en esta familia detectan la presencia de saltos o picos inusuales en las series de datos. Otros tests en esta familia identifican secuencias largas con valores idénticos.
Controles de consistencia entre variables Una serie de controles en esta familia o grupo evalúan la consistencia entre valores de pares o grupos de variables que deben guardar cierta consistencia.
Controles de consistencia espacial Todos los controles descritos anteriormente se realizan sobre los datos de una única estación meteorológica (aunque en algunos controles se use más de una variable). En esta familia de tests, sin embargo, los valores de una variable para una estación determinada (que generalmente se denomina la “estación central”) se comparan con los valores de esa variable registrados en estaciones geográficamente cercanas (o “estaciones vecinas”).
Identificación Regiones Homogéneas
Para la identificación de las regiones homogéneas los métodos más utilizados son el Análisis Clúster, Métodos Multivariados, Métodos basados en atributos geográficos y climáticos del área de estudio, región de influencia, lógica difusa, mapas auto organizados e Índice de Estacionalidad (Gaál et al, 2007; Gaál y Kyselý, 2009; Fowler y Kilsby, 2003; Chavochi y Soleiman, 2009; Burn y Goel, 2000; Kohnova et al, 2009; Lin y Chen, 2004).
En el Análisis Clúster se utiliza la información de una serie de variables para cada sujeto u objeto y, conforme a estas variables se mide la similitud entre ellos. Una vez medida la similitud se agrupan en: grupos homogéneos internamente y diferentes entre sí. La "nueva dimensión" lograda con el clúster se aprovecha después para facilitar la aproximación "segmentada" de un determinado análisis.
El análisis de datos multivariantes tiene por objeto el estudio estadístico de varias variables medidas en elementos de una población.
Usaremos dos métodos que son el Índice de Estacionalidad y el Día Juliano Medio. El primero se relaciona con el grado de concentración de la precipitación mientras que el segundo se refiere a la época en que ésta se concentra.
Período de Retorno de Eventos de Sequía
Para el cálculo de los periodos de retorno es posible determinar las propiedades de la función de densidad de probabilidad, esto es, sus parámetros (mismos que son estimados a partir de los L-momentos) a partir de alguna variable explicativa o predictiva (la principal variable predictiva de los L-momentos es la magnitud de la precipitación media anual), con una mejor distribución espacial de información que aquella basada solamente en la de los sitios de observación disponibles.
En la tabla, se tiene los valores calculados de los diferentes periodos de retorno para cada estación meteorológica analizada.
Resultados
Como lo explica en el curso Internacional Análisis Regional de Frecuencia de Sequías basado en L-momentos Jorge Nuñez C “La base del mapeo espacial de la distribución de probabilidad de un evento, es determinar, para cada celda o píxel en el mapa de salida, los parámetros de la función de distribución de probabilidad, que especifican la curva de cuantiles en cada celda. Para ello, se debe, a partir de los L-momentos en cada sub-región, determinar cómo éstos varían en el espacio”
Esto involucra conocer y relacionar la variación espacial de los L-momentos (desconocida), con la variación espacial de una variable auxiliar que sí se conoce y tiene una buena capacidad explicativa sobre los L-momentos.
La base para el mapeo de cuantiles y probabilidad, es disponer de un buen mapa de Precipitación Media Anual.
INFORME FINAL
Conclusión
Desde el punto de vista científico, este proyecto tiene un papel importante debido al tipo de información que proporcionará para nuestro país y especialmente para el sector productivo que es directamente afectado por este fenómeno.
Al tener con mayor detalle el comportamiento de las sequías ya sea su duración y severidad, se analizan las zonas donde ocurren con más frecuencia y severidad.
Los resultados de este proyecto proporcionarán una importante información para el sector productivo de nuestro país ya que con esto se podría prever o mitigar los daños que ocasiona un evento de sequía en las diferentes actividades relacionadas con el agua.
Para optimizar los resultados será necesario ensanchar el periodo de análisis de datos. Ya que para un estudio de la precipitación, es transcendental contar con el elemento esencial que son los datos, por ende es preciso tener una mayor cantidad de estaciones meteorológicas.
Para profundizar en dicho método, es necesario modificar o agregar pasos en el script utilizado en R, con el propósito de obtener resultados más detallados con un tamaño muestral más pequeño.