| Summary: | La cuenca del río Paute formada por varias subcuencas que suministran agua para diferentes
sectores urbanos, agrícolas y energético presenta diferentes comportamientos hidrológicos que
dependen del clima y la intervención antropogénica. Debido al cambio climático y a la variabilidad
climática que se produce de forma natural a través del tiempo, afectan los distintos procesos
hidrológicos, generando eventos extremos (inundaciones y sequías) que impactan los ecosistemas,
la productividad de las centrales hidroeléctricas y la calidad de vida de las personas que dependen
de los recursos hídricos. Esta problemática demuestra la importancia de conocer con anticipación
el comportamiento hidrológico que permita tomar decisiones adecuadas con respecto a adaptación
y la resiliencia en ambientes extremos cambiantes. El objetivo de este estudio es explorar la
predictibilidad de los caudales en la cuenca del río Paute a partir de los índices de teleconexión a
nivel global. El proceso se dividió en varias etapas que incluyen, la recopilación y relleno de datos,
exploración gráfica, aplicación de análisis de componentes principales, usando desfases mensuales
y análisis de multicolinealidad en modelos de regresión múltiple. Todo esto a través del software
R Studio, utilizando métricas estadísticas para comparar el rendimiento de cada modelo propuesto.
Se demostró que el escenario con análisis de componentes principales obtuvo los mejores ajustes,
específicamente al incluir 41 índices y 20 componentes. Para el escenario usando retrasos
mensuales el mejor desfase ocurre con un solo mes, para la mayoría de estaciones. Finalmente,
con el escenario de análisis de multicolinealidad se obtuvo mejores resultados usando 41 índices,
aunque esencialmente el desempeño corresponde a la cantidad y a los índices de cada modelo. Los
índices de teleconexión no son suficientes al utilizarlos como única variable de entrada para
modelamiento y predicción de caudales, dando en su mayoría resultados poco satisfactorios. Sin
embargo, existe una clara tendencia que vincula el comportamiento de caudales e índices,
pudiéndose mejorar los modelos a partir de más variables climáticas o con otros métodos
predictivos
|
|---|