Modelamiento estadístico para el pronóstico mensual de precipitaciones en Perú

• Autores: Moya Álvarez, Aldo Saturnino, Rivera, Gerardo, Mosquera Vásquez, Kobi Alberto
• Formato: documento de trabajo
• Fecha de Publicación: 2022
• Institución: Instituto Geofísico del Perú
• Repositorio: IGP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.igp.gob.pe:20.500.12816/5341
• Enlace del recurso: http://hdl.handle.net/20.500.12816/5341
• Nivel de acceso: acceso abierto
• Materia: Pronóstico de lluvias; Modelamiento estadístico; Regresión lineal; LAMAR; https://purl.org/pe-repo/ocde/ford#1.05.09; https://purl.org/pe-repo/ocde/ford#1.05.11

Se construye un modelo estadístico de pronóstico mensual de precipitaciones para Perú, basado en la relación de varios índices climáticos oceánicos y atmosféricos, así como de los índices de la oscilación de Madden-Julian, con la variabilidad estacional de la precipitación en el país, a inicializar en el mes de junio de cada año. Se aplicó la técnica de regresión lineal entre los índices y la precipitación grillada de la fuente de datos de PISCO para el período diciembre marzo, meses que corresponden a la estación lluviosa en Perú. El modelo se construyó con datos correspondientes al período 1981-2016 y se verificó con los registros de precipitación correspondientes a los años 2017-2022 para 15 zonas dentro de la costa, sierra y selva. El valor del error medio absoluto (MAE, por sus siglas en inglés) fue mejor para la selva, con excepción de los pronósticos para enero en la selva norte. El mejor rendimiento se obtuvo para marzo en la selva sur y central. En cuanto a la sierra, el mejor rendimiento del modelo se obtuvo para la sierra sur y central, en ambos casos para la vertiente Atlántica. Para la selva, el mejor rendimiento se obtuvo en la parte alta. En 8 de las 12 regiones correspondientes a la sierra y la selva, el modelo realizó “pronósticos correctos” en más del 60 % de los casos, y en uno, selva sur baja, muy cercano al 60 %.