UN ESTUDIO DEL ÍNDICE ESTANDARIZADO DE PRECIPITACIÓN (SPI) Y TÉCNICAS DE APRENDIZAJE AUTOMÁTICO PARA LA PREDICCIÓN DE SEQUÍAS EN EL ESTADO DE PARAÍBA, BRASIL

Resumen

Este estudio tuvo como objetivo identificar y analizar las sequías en Paraíba, utilizando el Índice Estandarizado de Precipitación (SPI) y algoritmos de aprendizaje automático para predecir el SPI para los años subsiguientes (2020-2021) en seis estaciones pluviométricas distribuidas por las mesorregiones de Paraíba. Los datos de precipitación fueron descargados del Centro de Climatología de Precipitación Global (GPCC) y de la base de datos de la Administración Nacional Oceánica y Atmosférica (NOAA), cubriendo el período de 1991 a 2019. Se seleccionaron tres algoritmos de aprendizaje automático en función de su capacidad para ajustar los datos históricos del SPI: Extra Trees Regressor, Gradient Boosting Regressor y Random Forest Regressor. Los modelos de aprendizaje automático aplicados produjeron resultados satisfactorios, con el Extra Trees Regressor presentando consistentemente el mayor valor de R² en todas las estaciones, lo que indica una alta explicabilidad de los datos. Las predicciones se analizaron para determinar su precisión y confiabilidad, proporcionando valiosas ideas sobre la variabilidad de la precipitación y la ocurrencia de sequías en diferentes mesorregiones de Paraíba. En conclusión, este estudio contribuyó a la comprensión de la variabilidad climática y sus implicaciones en Paraíba, ofreciendo valiosas ideas sobre la ocurrencia de sequías y la importancia de enfoques adaptativos para mitigar impactos adversos. La aplicación del SPI y de técnicas de aprendizaje automático resultó eficaz para analizar y predecir la precipitación, proporcionando un enfoque objetivo para caracterizar la sequía y la intensidad de la lluvia en regiones específicas.