Desarrollo de un método para estimar la distribución espacial de la precipitación mensual en alta resolución en el desierto de Atacama (Chile) a partir de productos chirps

Abstract

Durante los últimos años, la precipitación en el Desierto de Atacama ha disminuido considerablemente. La evidencia apunta a que, debido al Cambio Climático, los montos de precipitación proyectados al año 2050 sufrirán una disminución importante. Los eventos de precipitación son críticos para fenómenos como el Desierto Florido, por lo que estudiar los patrones de distribución de la precipitación se vuelve fundamental. Existe una baja densidad de estaciones meteorológicas en la zona, lo que produce incertidumbre al momento de representar espacialmente la precipitación. Los productos derivados de sensores remotos como CHIRPS, han ayudado a reducir este problema, sin embargo, la resolución espacial o temporal de estos productos no es apropiada para estudiar fenómenos a nivel local. Aquí radica la importancia de implementar técnicas de reducción de escala (downscaling). Esta investigación propone que, mediante el desarrollo e implementación de un algoritmo basado en métodos de regresión espacialmente explícitos, utilizando el conjunto de datos de precipitación CHIRPS V2.0 e información meteorológica, es posible conseguir grillas mensuales de precipitación para el Desierto de Atacama a una resolución de 250 m con un nivel de error menor al 20% en el periodo 2001 - 2020. En el estudio se homogeneizaron y rellenaron series de datos mensuales de precipitación para 199 estaciones meteorológicas mediante el paquete Climatol de R, con las cuales se corrigió el producto CHIRPS a escala local. Se les aplicó una reducción de escala mediante la técnica de regresiones geográficamente ponderadas (GWR) sobre las grillas corregidas para finalmente comparar su rendimiento con otras técnicas o productos grillados de precipitación. El método se desarrolló e implementó de manera exitosa con un rendimiento superior en comparación a los productos CHIRPS, ANUSPLIN y CR2MET consiguiendo niveles de error promedio del 9.7% comprobando la hipótesis planteada.

During the last years, the precipitation in the Atacama Desert has decreased with difficulty. The evidence points to the fact that, due to Climate Change, the amounts of precipitation projected to the year 2050 will suffer a significant decrease. Precipitation events are critical for phenomena such as the Desierto Florido, so studying precipitation distribution patterns becomes essential. There is a low density of meteorological stations in the area, which produces uncertainty when spatially representing precipitation. Products derived from remote sensing, such as CHIRPS, have helped to reduce this problem, however, the spatial or temporal resolution of these products is not appropriate for studying phenomena at the local level. Here lies the importance of implementing downscaling techniques. This research proposes that, through the development and implementation of an algorithm based on spatially explicit regression methods, using the CHIRPS V2.0 precipitation data set and meteorological information, it is possible to obtain monthly precipitation grids for the Atacama Desert at a resolution of 250 m with an error level of less than 20% in the period 2001 - 2020. In the study, monthly precipitation data series for 199 meteorological stations were homogenized and filled in using the Climatol R package, with which the error was corrected. CHIRPS product on a local scale. A scale reduction was applied using the geographically weighted regression (GWR) technique on the corrected grids to finally compare their performance with other techniques or gridded precipitation products. The method was successfully opened and implemented with superior performance compared to the CHIRPS, ANUSPLIN and CR2MET products, achieving average error levels of 9.7%, verifying the proposed hypothesis.