Desarrollo de una metodología para la predicción estacional de déficits y excesos hídricos en los departamentos de Quindío, Risaralda y Caldas, mediante técnicas de machine learning

Este estudio presenta el desarrollo de una metodología para pronosticar condiciones de exceso o déficit hídrico en la región cafetera colombiana (departamentos de Quindío, Risaralda y Caldas), utilizando el Índice Estandarizado de Precipitación-Evapotranspiración (SPEI) como indicador principal. La primera fase de la investigación se centró en la consolidación y homogeneización de datos climáticos, la caracterización de las condiciones hídricas de la región y la construcción del SPEI-3, que estima el balance hídrico utilizando datos de precipitación y evapotranspiración de los últimos 3 meses, y el SPEI-6, que lo hace con datos de los últimos 6 meses, para comprender las variaciones a corto y mediano plazo. Primeramente, se realizó una recopilación y homogeneización de datos de diversas fuentes climáticas, ajustándolos a una resolución uniforme para su correcto análisis. Posteriormente, se caracterizó el área de estudio, identificando sus particularidades climáticas. Además, se realizó una comparación de los índices SPEI con períodos históricos de los fenómenos de El Niño y La Niña para resaltar la capacidad del SPEI para reflejar la realidad climática del área de estudio. Se observó que los valores del SPEI coinciden con las estaciones en las que estos fenómenos se presentaron en Colombia, lo que valida su utilidad como indicador de sequías y excesos hídricos. Se utilizó el software CPT para generar los pronósticos del SPEI-3 y SPEI-6 para marzo de 2024. La segunda fase del proyecto consistió en probar otros predictores para realizar la predicción mediante CCA y un modelo de aprendizaje automático, con el fin de comparar los resultados obtenidos con ambos métodos. Finalmente, se destaca la importancia de pronosticar el SPEI con mayor precisión, ya que esto no solo reflejaría la realidad climática con mayor precisión, sino que también proporcionaría una herramienta valiosa para la planificación y la toma de decisiones en los sectores industrial y agrícola.

This study presents the development of a methodology to forecast excess or deficit water conditions in the Colombian coffee region (departments of Quindío, Risaralda, and Caldas), using the Standardized Precipitation-Evapotranspiration Index (SPEI) as the main indicator. The first phase of the research focused on the consolidation and homogenization of climatic data, the characterization of the region's water conditions, and the construction of SPEI-3, which estimates the water balance using precipitation and evapotranspiration data from the last 3 months, and SPEI-6, which does so with data from the last 6 months, to understand short and medium-term variations. Firstly, a compilation and homogenization of data from various climatic sources were carried out, adjusting them to a uniform resolution for proper analysis. Subsequently, the study area was characterized, identifying its climatic particularities. In addition, a comparison of the SPEI indices with historical periods of El Niño and La Niña phenomena was performed to highlight SPEI's capacity to reflect the climatic reality of the study area. It was observed that SPEI values coincide with the seasons in which these phenomena occurred in Colombia, thus validating its usefulness as an indicator of droughts and water excesses. CPT software was used to generate the SPEI-3 and SPEI-6 forecasts for March 2024. The second phase of the project consisted of testing other predictors to perform the prediction using CCA and a machine learning model, to compare the results obtained by both methods. Finally, the importance of forecasting SPEI with greater accuracy is highlighted, as this would not only reflect the climatic reality more precisely but would also provide a valuable tool for planning and decision-making in industrial and agricultural sectors.