Publicado

2019-10-01

Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia

Using Artificial Neural Networks to predict monthly precipitation for the Cali river basin, Colombia

DOI:

https://doi.org/10.15446/dyna.v86n211.76079

Palabras clave:

Reducción de escala, Redes Neuronales Artificiales, escenarios de Cambio Climático (es)
Downscaling, Artificial Neural Network, Climatic Change scenarios (en)

Descargas

Autores/as

Estudiar el comportamiento futuro de la precipitación en las cuencas hidrográficas es un tema vital cuando se habla realizar un correcto ordenamiento territorial de las mismas, ya que, esto permitiría disminuir la vulnerabilidad y mitigar desastres. Por esta razón, este estudio se enfocó realizar un análisis de los escenarios de cambio climático en la cuenca hidrográfica del río Cali; partiendo de una base datos de precipitación mensual de 35 estaciones y Modelos de Circulación General (GCM) del conjunto de datos CMIP5, a partir de estos se realizó una reducción de escala estadística de los escenarios RCP 2.6, 4.5 y 8.5 mediante Redes Neuronales Artificiales y posteriormente se analizaron los cambios que se presentaran para el año 2100. Estos análisis permitieron establecer que los diferentes escenarios analizados afirman que en los años venideros existirá un desplazamiento de la precipitación de la zona alta a la media y baja de la cuenca.
Studying the future behavior of precipitation in the watersheds is a vital issue when talking about the correct territorial ordering of the same, since it would reduce vulnerability and mitigate disasters. For this reason, this study focused on an analysis of the climate change scenarios in the Cali river basin; Starting with a monthly precipitation database of 35 stations and General Circulation Models (GCM) of the CMIP5 data set, a reduction was made in the statistical scale of RCP scenarios 2.6, 4.5 and 8.5 using artificial neural networks and, Later, they analyzed the changes they presented. for the year 2100. These analyzes allowed to establish that in the coming years there will be a displacement in the precipitation from the high zone to the middle and lower zone of the basin.

Referencias

Tang, M.S.Y., Chenoli, S.N., Samah, A.A. and Hai, O.S., An assessment of historical Antarctic precipitation and temperature trend using CMIP5 models and reanalysis datasets, Polar Science, 15(1), pp. 1-12, 2018. DOI: 10.1016/j.polar.2018.01.001

Okkan, U. and Kirdemir, U., Downscaling of monthly precipitation using CMIP5 climate models operated under RCPs, Meteorological Applications, 23(3), pp. 514-528, 2016. DOI: 10.1002/met.1575

Sinha, P., Mann, M.E., Fuentes, J.D., Mejia, A., Ning, L., Sun, W., He, T. and Obeysekera, J., Downscaled rainfall projections in south Florida using self-organizing maps, Science of the Total Environment, 635, pp. 1110-1123, 2018. DOI: 10.1016/j.scitotenv.2018.04.144

Potter, N.J., Ekström, M., Chiew, F.H.S., Zhang, L. and Fu, G., Change-signal impacts in downscaled data and its influence on hydroclimate projections, Journal of Hydrology, 564, pp. 12-25, 2018. DOI: 10.1016/j.jhydrol.2018.06.018

Bernal, N., Pabon, J.D., Molina, A. and Collantes, J.M., El método de reducción de escala estadístico aplicado a estudios de cambio climático, Meteorología Colombiana, [en línea]. 2000. [Accedido en: 19-jun-2018]. Disponible en: http://ciencias.bogota.unal.edu.co/ fileadmin/content/geociencias/revista_meteorologia_colombiana/numero02/02_12.pdf.

Tucker, S., Jones, R.G., Buonomo, E., Burgin, L. and Gallo, F., Dynamical downscaling of GloSea5 over Ethiopia, Climate Services, 9, pp. 57-71, 2018. DOI: 10.1016/J.CLISER.2018.02.001

Sa’adi, Z., Shahid, S., Chung, E.-S. and Ismail, T., bin Projection of spatial and temporal changes of rainfall in Sarawak of Borneo Island using statistical downscaling of CMIP5 models, Atmospheric Research, 197, pp. 446-460, 2017. DOI: 10.1016/J.ATMOSRES.2017.08.002

Le Roux, R., Katurji, M., Zawar-Reza, P., Qu enol, H. and Sturman, A., Comparison of statistical and dynamical downscaling results from the WRF model, Environmental Modelling & Software, 100, pp. 67-73, 2018. DOI: 10.1016/j.envsoft.2017.11.002

Jones, P.G., Thornton, P.K. and Heinke, J., Generating characteristic daily weather data using downscaled climate model data from the IPCC’s Fourth Assessment, CCAFS-climate, [online]. 2009, 24 P, Available at: http://www.ccafs-climate.org/downloads/docs/ Generating_Characteristic_Daily_Weather_Data_using_Downscaled_Climate_Model_Data_Jones_Thornton_Heinke_2009.pdf

Sachindra, D.A., Ahmed, K., Rashid, M.M., Shahid, S. and Perera, B.J.C., Statistical downscaling of precipitation using machine learning techniques, Atmospheric Research, 212, pp. 240-258, 2018. DOI: 10.1016/j.atmosres.2018.05.022

Vu, M.T., Aribarg, T., Supratid, S., Raghavan, S.V. and Liong, S.Y., Statistical downscaling rainfall using artificial neural network: significantly wetter Bangkok?, Theoretical and Applied Climatology, 126(3-4), pp. 453-467, 2016. DOI: 10.1007/s00704-015-1580-1

Coulibaly, P., Dibike, Y.B. and Anctil, F., Downscaling precipitation and temperature with temporal Neural Networks, Journal of Hydrometeorology, 6, pp. 483-496, 2005. DOI: 10.1175/JHM409.1

IDEAM. Nuevos escenarios de cambio climático para Colombia 2011-2100, Colombia, 2015, 60 P.

López-López, P., Immerzeel, W.W., Rodríguez-Sandoval, E.A., Sterk, G. and Schellekens, J., Spatial downscaling of satellite-based precipitation and its impact on discharge simulations in the Magdalena river Basin in Colombia, Frontiers in Earth Science, 6, pp. 1-23, 2018. DOI: 10.3389/feart.2018.00068

Armenta, G., Dorado, J., Rodríguez, A. and Ruiz, J., Escenarios de cambio climático para precipitación y temperaturas en Colombia, Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia IDEAM, 2014.

Pabon-Caicedo, J.D., Cambio climático en Colombia: tendencias en la segunda mitad del Siglo XX y escenarios posibles para el siglo XXI, Acad. Colomb. Cienc., [en línea]. (139), pp. 261-278, 2012. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid= S0370-39082012000200010. [Accedido 19-may-2018].

Ruiz-Murcia, J.F., Cambio climático en temperatura, precipitación y humedad relativa para Colombia usando modelos meteorológicos de alta resolución. (Panorama 2011-2100), Nota Técnica del IDEAM, (5), pp. 1-91, 2010. DOI: 10.4067/S0250-71612010000100002.

Cardona-Guerrero, F., Ávila-Díaz, Á.J., Carvajal-Escobar, Y. and Jiménez-Escobar, H., Tendencias en las series de precipitación en dos cuencas torrenciales andinas del Valle del Cauca (Colombia), Tecno Lógicas, 17(32), pp. 85-95, 2014. DOI: 10.22430/22565337.208.

CVC and Fundación Pachamama, Plan de ordenación y manejo de la cuenca hidrográfica río Cali, Corporación Autónoma Regional del Valle del Cauca CVC, Cali, Colombia, 2011.

CVC. Corporación Autónoma Regional del Valle del Cauca. Boletin Hidroclimatico, [en línea]. 2016. [Accedido 17-sep-2019]. Disponible en: https://geo.cvc.gov.co/visor_avanzado/

IDEAM. Instituto de Hidrologia Metereologia y Estudios Ambientales. Servicio de solicitud de información IDEAM. [en línea]. S.f.[Accedido 17-sep-2019]. Disponible en: http://www.ideam.gov.co/ solicitud-de-informacion

Earth System Grid Federation (ESGF) Earth System Grid Federation (ESGF)- Home Page, [online]. 2018. [Acceced: January 19th of 2018]. Available at: https://esgf-node.llnl.gov/projects/esgf-llnl/.

Nkuna, T.R. and Odiyo, J.O., Filling of missing rainfall data in Luvuvhu River Catchment using artificial neural networks. Physics and Chemistry of the Earth, Parts A/B/C, 36(14-15), pp. 830-835, 2011. DOI: 10.1016/j.pce.2011.07.041

Rodríguez-Pérez, J.R. y Beltrán-Vargas, J.E., Análisis de escenarios de cambio climático A1B, A2 y B1 para la reserva forestal protectora bosque oriental de Bogotá años 2040, 2070 y 2095 utilizando MarksimGCM, Revista Científica, 1(18), pp. 166-183, 2014. DOI: 10.14483/23448350.5595

Pierce, D., Package «ncdf4» Interface to Unidata netCDF (Version 4 or Earlier) Format Data Files, CRAN, [online]. 2017. [Acceced: August 22th of 2018]. Available at: https://cran.r-project.org/web/packages/ncdf4/ncdf4.pdf.

Kajornrit, J., Wong, K.W. and Fung, C.C., Estimation of missing precipitation records using modular artificial Neural Networks, Springer, Berlin, Heidelberg, [online]. 2012, pp. 52-59. Available at: https://link.springer.com/chapter/10.1007/978-3-642-34478-7_7

Matich, D.J. Redes Neuronales: conceptos básicos y aplicaciones., Departamento de Ingeniería Química, Universidad Tecnológica Nacional, [en línea]. 2001, 55 P. [Consultado: 19 de Enero de 2018] Disponible en: https://www.frro.utn.edu.ar/repositorio/catedras/ quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf

Venables, W.N. and Ripley, B.D., Modern applied statistics with S. Springer New York, New York, NY, USA, 2002.

Coulibaly, P. and Evora, N.D., Comparison of neural network methods for infilling missing daily weather records, Journal of Hydrology, 341(1-2), pp. 27-41, 2007. DOI: 10.1016/j.jhydrol.2007.04.020 .

Ripley, B. and Venables, W., Package «nnet» Feed-Forward Neural Networks and Multinomial Log-Linear Models, CRAN, [online]. 2016. [Acceced: August 22th of 2018]. Disponible en: http://www.stats.ox.ac.uk/pub/MASS4/ .

Restrepo, L.F. and González, J., From Pearson to Spearman, Revista Colombiana de Ciencias Pecuarias, [online]. 20(2), pp. 183-192, 2007. [Acceced: January 29th of 2018]. Available at: https://aprendeenlinea.udea.edu.co/revistas/index.php/rccp/article/view/324135

ESRI ¿Qué es un Kriging bayesiano empírico?—Help | ArcGIS for Desktop, [online]. 2016. [Acceced: Jane 15th of 2018]. Available at: http://desktop.arcgis.com/es/arcmap/10.3/guide-books/extensions /geostatistical-analyst/what-is-empirical-bayesian-kriging-.htm .

Vu, M.T. Aribarg, T. Supratid, S. Raghavan, S.V. and Liong, S.Y., Statistical downscaling rainfall using artificial neural network: significantly wetter Bangkok?, Theor. Appl. Climatol., 126(3–4), pp. 453-467, 2016. DOI: 10.1007/s00704-015-1580-1

Ribalaygua, J., Pino, M.R., Pórtoles, J., Roldán, E., Gaitán, E., Chinarro, D. and Torres, L., Climate change scenarios for temperature and precipitation in Aragón (Spain). Science of the Total Environment, 463-464, pp. 1015-1030, 2013. DOI: 10.1016/j.scitotenv.2013.06.089.

Gulacha, M.M. and Mulungu, D.M.M., Generation of climate change scenarios for precipitation and temperature at local scales using SDSM in Wami-Ruvu River Basin Tanzania. Physics and Chemistry of the Earth, 100, pp. 62-72, 2013. DOI: 10.1016/j.pce.2016.10.003

Cardona-Guerrero, F. Ávila-Díaz, Á.J. Carvajal-Escobar, Y. y Jiménez-Escobar, H., Tendencias en las series de precipitación en dos cuencas torrenciales andinas del Valle del Cauca (Colombia), Tecno Lógicas, [en línea]. 17(32), pp. 85-95, 2014. [Accedido: 17-sep-2019]. Disponible en: http://www.scielo.org.co/pdf/teclo/v17n32/v17n32a09.pdf

IDEAM, Instituto de Hidrología, Meteorología y Estudios Ambientales. Nuevos escenarios de Cambio Climático para Colombia 2011-2100. [en línea]. 2015. [Accedido: febrero 4, 2018]. Disponible en: http://documentacion.ideam.gov.co/openbiblio/bvirtual/022964/ documento_nacional_departamental.pdf

Cómo citar

IEEE

[1]
D. D. Montenegro Murillo, M. A. Pérez Ortiz, y V. Vargas Franco, «Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia», DYNA, vol. 86, n.º 211, pp. 122–130, oct. 2019.

ACM

[1]
Montenegro Murillo, D.D., Pérez Ortiz, M.A. y Vargas Franco, V. 2019. Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia. DYNA. 86, 211 (oct. 2019), 122–130. DOI:https://doi.org/10.15446/dyna.v86n211.76079.

ACS

(1)
Montenegro Murillo, D. D.; Pérez Ortiz, M. A.; Vargas Franco, V. Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia. DYNA 2019, 86, 122-130.

APA

Montenegro Murillo, D. D., Pérez Ortiz, M. A. & Vargas Franco, V. (2019). Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia. DYNA, 86(211), 122–130. https://doi.org/10.15446/dyna.v86n211.76079

ABNT

MONTENEGRO MURILLO, D. D.; PÉREZ ORTIZ, M. A.; VARGAS FRANCO, V. Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia. DYNA, [S. l.], v. 86, n. 211, p. 122–130, 2019. DOI: 10.15446/dyna.v86n211.76079. Disponível em: https://revistas.unal.edu.co/index.php/dyna/article/view/76079. Acesso em: 7 mar. 2026.

Chicago

Montenegro Murillo, Daniel David, Mayra Alejandra Pérez Ortiz, y Viviana Vargas Franco. 2019. «Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia». DYNA 86 (211):122-30. https://doi.org/10.15446/dyna.v86n211.76079.

Harvard

Montenegro Murillo, D. D., Pérez Ortiz, M. A. y Vargas Franco, V. (2019) «Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia», DYNA, 86(211), pp. 122–130. doi: 10.15446/dyna.v86n211.76079.

MLA

Montenegro Murillo, D. D., M. A. Pérez Ortiz, y V. Vargas Franco. «Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia». DYNA, vol. 86, n.º 211, octubre de 2019, pp. 122-30, doi:10.15446/dyna.v86n211.76079.

Turabian

Montenegro Murillo, Daniel David, Mayra Alejandra Pérez Ortiz, y Viviana Vargas Franco. «Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia». DYNA 86, no. 211 (octubre 1, 2019): 122–130. Accedido marzo 7, 2026. https://revistas.unal.edu.co/index.php/dyna/article/view/76079.

Vancouver

1.
Montenegro Murillo DD, Pérez Ortiz MA, Vargas Franco V. Predicción de precipitación mensual mediante Redes Neuronales Artificiales para la cuenca del río Cali, Colombia. DYNA [Internet]. 1 de octubre de 2019 [citado 7 de marzo de 2026];86(211):122-30. Disponible en: https://revistas.unal.edu.co/index.php/dyna/article/view/76079

Descargar cita

CrossRef Cited-by

CrossRef citations3

1. Andres Felipe Ruiz Hurtado, Viviana Vargas-Franco, Luis Octavio González-Salcedo. (2025). Neural Networks and Fuzzy Logic-Based Approaches for Precipitation Estimation: A Systematic Review. Ingeniería e Investigación, 44(3), p.e108609. https://doi.org/10.15446/ing.investig.108609.

2. Isaida Flores Berenguer, Jenny García Tristá, Yoermes Glez Haramboure. (2021). Evaluación de la estabilidad de taludes en presas de tierra empleando Redes Neuronales Artificiales. Revista de la Universidad del Zulia, 12(32), p.261. https://doi.org/10.46925//rdluz.32.17.

3. Adrián Martínez, Manuel Herrera, Jesús López de la Cruz, Ismael Orozco. (2023). Coupled Model for Assessing the Present and Future Watershed Vulnerabilities to Climate Change Impacts. Water, 15(4), p.711. https://doi.org/10.3390/w15040711.

Dimensions

PlumX

Visitas a la página del resumen del artículo

1335

Descargas

Los datos de descargas todavía no están disponibles.

Licencia

Derechos de autor 2019 DYNA

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.