Interpretación de:
Forecasting austral summer precipitation along the western coast of South America (WCSA)
https://doi.org/10.1088/2515-7620/ae0de9Sulca, J., Takahashi, K., 2025: Forecasting austral summer precipitation along the western coast of South America (WCSA), Environ. Res. Commun., https://doi.org/10.1088/2515-7620/ae0de9
Intérprete
Sulca Jota Juan Carlos
Fecha de interpretación
02/10/2025
Resultados y conclusiones
El estudio desarrolla un modelo estadístico simple de regresión lineal múltiple (MLR) para el pronóstico estacional de las precipitaciones en la costa norte del Perú (regiones Tumbes, Piura, Lambayeque y noroeste La Libertad) y Ecuador, focalizado en los meses de verano (diciembre-enero-febrero). El modelo MLR aplicado a las precipitaciones de verano muestra correlaciones significativas superiores a 0.6 en la mayor parte del área de estudio, con excepción del sector oriental de la frontera entre Piura y Lambayeque. Sin embargo, Por ejemplo, las mayores RMSE se localizan al suroeste de Ecuador, explicados por un flujo de humedad del norte las cuales no están asociados con el Niño. En contraste, al emplear datos pronosticados del modelo dinámico GFDL-SPEAR, el MLR solo genera predicciones significativas al norte de 5°S, debido en parte a que GFDL-SPEAR no representa adecuadamente el índice de El Niño oriental. Finalmente, el modelo MLR no logra pronosticar las precipitaciones de primavera (septiembre-octubre-noviembre), ya que durante la transición estacional estas no presentan una correlación robusta con los cambios en la circulación atmosférica regional.
Metodología y datos
El modelo de regresión lineal múltiple (MLR) utiliza como predictores los valores promedio de verano de los índices de El Niño central y oriental (C y E) y de la Zona de Convergencia Intertropical en el Pacífico central y oriental (CPITCZ y EPITCZ). Su calibración y validación se realizaron originalmente para los períodos 1982-2011 y 2012-2023, respectivamente. Posteriormente, el MLR se reprodujo con los valores pronosticados de los cuatro índices proporcionados por el modelo GFDL-SPEAR, ajustando los períodos de calibración y validación a 1992-2011 y 2012-2023. Se consideraron los pronósticos de la media estacional de diciembre-enero-febrero (DJF) inicializados con un tiempo de anticipación de 0,5 meses en diciembre. Los datos correspondientes a enero y febrero se obtuvieron a partir de los tiempos de anticipación de 1,5 y 2,5 meses, respectivamente. Además, se eliminó la tendencia lineal de las series temporales de DJF de las anomalías de temperatura superficial del mar (TSM) y de precipitación.
Limitaciones de la investigación
Entre las principales limitaciones se encuentra la insuficiencia de una red densa de estaciones meteorológicas con series de datos de largo plazo, lo que restringe la capacidad de caracterizar con detalle la variabilidad climática regional. A ello se suma la limitada disponibilidad de datos pronosticados en formato de rejilla, provenientes de modelos globales, necesarios para su validación mediante el modelo de regresión lineal múltiple (MLR). Asimismo, persiste el desconocimiento de los forzantes locales y regionales que modulan las lluvias de primavera en estas regiones, independientemente de la influencia de El Niño y de la Zona de Convergencia Intertropical (ZCIT). Por ejemplo, las mayores RMSE se encuentran al suroeste de Ecuador, lo que se explica porque el modelo MLR no considera flujos de humedad provenientes del norte, los cuales no están asociados con El Niño.
Recomendaciones
Verificar el desempeño de los demás modelos globales de pronóstico mediante un modelo de regresión lineal múltiple (MLR). Esto incluye: 1) definir las variables predictoras (p. ej. índices oceánicos/atmosféricos, anomalías SST u otros), 2) entrenar el MLR sobre periodos de hindcast, y 3) evaluar desempeño con métricas objetivas (RMSE, BIAS, CRPS) y pruebas de significancia. Extender los estudios al conjunto del territorio peruano, teniendo en cuenta su compleja orografía y la extensa Amazonía.
Adaptación: Agua, Bosques, Pesca y acuicultura , Salud, Turismo, Transporte, Agricultura
Mitigación: Agricultura, Uso de suelo, cambio de uso de suelo y silvicultura, Energía
Escala: Regional
Ámbito geográfico: TUMBES, PIURA ,LAMBAYEQUE,LA LIBERTAD,COSTA DE ECUADOR
Palabras clave: AGUA, PRONOSTICO ESTACIONAL, VERANO(DEF), PERU, ECUADOR, GFDL-SPEAR
Cita de la interpretación
Sulca Jota, Juan Carlos, 2025: Interpretación de Sulca et al. (2025, doi:10.1088/2515-7620/ae0de9), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/a004c2c9-7881-42ed-a9d7-204e7b65232d