Serviços customizados
Espanhol (pdf)
Artigo em XML
Referências do artigo
Enviar este artigo por email
Citado por SciELO 
Similares em
SciELO 
Permalink
INTRODUCCIÓN
Desde hace varias décadas el Instituto R_SVsequia de Meteorología (INSMET) de Cuba realiza el monitoreo de los procesos de sequía meteorológica que ocurren en el país. La actividad se sustenta en los resultados de las investigaciones sobre el fenómeno en Cuba (p.ej. Lapinel et al., 2006 y Lapinel y Cutié, 2014), empleando diferentes índices de sequía como los basados en los deciles (Gibbs, 1987) y el SPI (McKee et al., 1993), así como otros indicadores utilizados internacionalmente. En la implementación operativa del servicio de monitoreo de la sequía en el INSMET, se crearon y utilizaron programas computacionales para facilitar los cálculos de los diversos indicadores y sintetizar la información en diferentes escalas espaciales (Lapinel et al., 2007 e INSMET, 2014). Sin embargo, esos softwares (en lo adelante serán referidos en su conjunto como SAQ) presentaban limitaciones para crear resultados gráficos, así como en la capacidad de realizar todo el proceso con un mínimo de intervención humana y de producir información precisa, ágil y oportuna.
Actualmente los conceptos, técnicas o métodos básicos de lo que hoy se conoce como Ciencia de Datos, son una gran ayuda para desarrollar sistemas que realicen todos las etapas que van desde la limpieza de los datos, hasta la comunicación de la información, de manera ininterrumpida y totalmente automatizada. De esta forma se decidió realizar el trabajo que aquí se presenta con el objetivo de : “Desarrollar un sistema automatizado de los procesos de producción, análisis y comunicación de la información relativa a la lluvia y la sequía, facilitando el trabajo operativo del Servicio de Vigilancia del Clima y otras actividades de investigación relacionadas.” De esta forma se creó el sistema R_SVsequia como resultado de un proceso de innovación y desarrollo, que tomó en cuenta las experiencias de los softwares anteriores, así como los conceptos empleados en la creación del sistema CARiDRO (Bezanilla et al., 2021).
MATERIALES Y MÉTODOS
En el desarrollo de R_SVsequia se utilizó el lenguaje de programación R en su versión 4.2.0. R es un lenguaje de código abierto, gratuito y muy versátil para el desarrollo de aplicaciones como la que aquí se presenta. En el proceso de programación se utilizó RStudio, el cual es el Entorno de Desarrollo Integrado (IDE en inglés) de R.
Antes de iniciar el proceso de diseño y programación de R_SVsequia, se hizo una evaluación de las características del SAQ, de la documentación existente (Lapinel et al., 2007 e INSMET, 2014) y de las experiencias de los especialistas que trabajan directamente en el monitoreo de la sequía. Esto permitió identificar que las tareas de preparación, procesamiento de datos y creación de información gráfica no se realizaba como un proceso automatizado continuo. También se comprobó que varios pasos dentro de la preparación de datos, el procesamiento y la creación de salidas gráficas se realizaba con distintas plataformas, que al no estar conectadas con el sistema principal ralentizaban el tiempo de trabajo, obligaban a la participación directa de los especialistas. Esto último hacía más probable la introducción de errores involuntarios, que cuando ocurrían, generaban retrasos en todo el proceso de trabajo.
La metodología empleada siguió la filosofía del esquema general del ciclo de vida de los datos, la cual, según Wickham y Grolemund (2017) se puede resumir en 3 etapas: 1) Importar-ordenar los datos; 2) comprender los datos; y 3) comunicar. Al margen de que todas las etapas (Importar, Ordenar, Comprender y Comunicar) resultan importantes, en el desarrollo de R_SVsequia se decidió hacer gran énfasis en la comunicación y por eso es una característica que distingue a este sistema respecto al SAQ.
La creación de R_SVsequia se desarrolló mediante 6 módulos principales (Figura 1). En la estructura del sistema los ficheros shapes, juegan un papel clave en el procesamiento y representación de la información a nivel de municipios, provincias y regiones. La filosofía de utilizar los shapes asegura que cualquier cambio en la división política administrativa o la inclusión de nuevas áreas (pej cuencas hidrográficas) resulte fácil de asimilar y ajustar a los requisitos del sistema.
La gran ventaja del nuevo sistema es que toma los datos provenientes del Instituto Nacional de Recursos Hidráulicos (INRH) y los utiliza para generar el resto de la información necesaria (promedios municipales, provinciales y regionales) de forma totalmente automática.
Los códigos desarrollados permiten la limpieza-formato y preparación de datos de forma rápida y segura. Los valores mensuales son interpolados hacia una rejilla de 4km, utilizando el método de la distancia inversa al cuadrado (IDW2). Este método fue considerado, tomando en cuenta que es el que ya se utiliza en el trabajo operativo actual.
El sistema calcula los indicadores de sequía con algoritmos creados a partir de los procedimientos del sistema de vigilancia del clima (Lapinel et al., 2007; INSMET, 2014). En el caso particular del SPI se empleó el paquete de R SPEI, que es el mismo utilizado por el sistema Climpact (https://climpact-sci.org/), desarrollado bajo la supervisión de un grupo de expertos de la OMM. Un mérito del algoritmo implementado, es que se puede emplear de forma independiente en actividades de investigación, usando datos de entrada distintos a los establecidos en el sistema operativo, ya sean puntos de rejilla o estaciones pluviométricas.
El código de R_SVsequia puede generar un variado conjunto de mapas, gráficos y tablas con la información de los indicadores de sequía. A diferencia de los mapas que anteriormente se preparaban por los especialistas del servicio de vigilancia climática del INSMET, ahora se producen como raster coloreados (retículas coloreadas) y no como mapas de contornos rellenos de colores, lo cual resulta más preciso. También se introdujo una nueva versión del mapa de sequía, a partir de la categorización los valores negativos del SPI3, para hacer posible la representación de las áreas afectadas por distintas intensidades del fenómeno. Así mismo, se incluyó el cálculo del índice de peligro por sequía meteorológica, utilizando la metodología propuesta por Lapinel et al. (2014).
Otras novedades son los algoritmos para representar los déficit notables de lluvia por municipios o provincias en forma de mapas de calor (“heat maps”), la cual es una técnica utilizada para resaltar, mediante colores, las agrupaciones dentro de mapas, matrices o tablas (Wilkinson y Friendly, 2009). Los déficit notables de lluvia y sus categorías se identifican de acuerdo a lo establecido en las normas operativas del sistema de vigilancia (Lapinel et al., 2007; INSMET, 2014), utilizando los valores del SPI3. También se adicionaron salidas gráficas de alertas por sequía, tomando en cuenta los elementos del procedimiento general del sistema de alerta y acciones tempranas para la sequía (Fonseca et al., 2018), el cual fue preparado conjuntamente por expertos de un grupo de instituciones entre las que destacan el INSMET, INRH y el Estado Mayor Nacional de la Defensa Civil (EMNDC).
R_SVsequia también se distingue de los sistemas anteriores por su capacidad de producir reportes automáticos que facilitan el proceso de comunicación de los resultados del monitoreo de la sequía.
En general, la metodología de trabajo utilizada incluyó un proceso de consulta permanente a los expertos del sistema nacional de vigilancia del clima, haciendo posible que sus opiniones fueran consideradas. De esta forma se pudo lograr que la nueva aplicación diera respuestas a las necesidades existentes en cuanto a eficiencia de procesamiento, reducción de posibles errores involuntarios y diversidad en la cantidad y calidad de los productos operativos.
RESULTADOS
La Figura 2 muestra ejemplos de los mapas de acumulados de lluvia e indicadores para las provincias y Cuba, mientras que la Figura 3 refleja dos variantes de la representación de la marcha por trimestres del por ciento del área afectada por sequía de diferente intensidad.
Figura 2 Ejemplos de mapas y gráficos de diferentes indicadores de sequía y lluvia para Cuba y las provincias. a), b) y c): lluvia acumulada mensual, estado de la sequía y SPI3, para La Habana, Cuba y Sancti Spíritus, respectivamente; d), e) y f): SPI12, meses consecutivos con sequía y peligro por sequía para Camagüey, Pinar del Río y Artemisa, respectivamente. g) Variación por trimestres del por ciento del área afectada por sequía y h) Variación del área de los municipios afectados por sequía moderada y severa en los últimos 11 trimestres.
La Figura 3, por su parte, presenta una muestra de los mapas de alerta, un producto adicionado por R_SVsequia que ayuda a la mejor interpretación y visualización de los procesos de sequía, junto a otros que reflejan el cambio de afectación del fenómeno respecto a períodos anteriores.
Figura 3 Ejemplos de mapas introducidos por R_SVsequia. a) Avisos/alertas/alarma y b) Cambio en la afectación de déficit moderados y severos para la escala de 3. Ambos mapas corresponden al mes de marzo de 2022.
Finalmente, la pagina web estática que el sistema produce (Figura 4 izquierda) facilita el acceso de los Centros Meteorológicos Provinciales (CMP) a los resultados del sistema; mientras que el tablero (Figura 4 derecha) presenta un resumen de las principales características de la lluvia y la sequía, el cual puede ser compartido con una amplia comunidad de usuarios.
Figura 4 Ejemplo de página web (izquierda) y tablero (derecha) generados automáticamente por R_SVsequia
Es importante indicar que la información que se genera automáticamente con R_SVsequia, está en correspondencia con las exigencias establecidas en INSMET (2014) y satisface los requisitos de información incluidos en Fonseca et al (2018). El cumplimiento de esos estándares fue asegurado durante todo el proceso de desarrollo del sistema, tomando en consideración las opiniones y sugerencias de los especialistas que participan en la vigilancia de la sequía y que son, en primera instancia, los usuarios sistemáticos del sistema.
CONCLUSIONES
Los resultados presentados permiten concluir que: 1) R_SVsequia es un sistema superior al que anteriormente se ha utilizado en el Centro del Clima del INSMET en varios aspectos relacionados con la operatividad, la confiabilidad de los procesos y sus resultados, así como en la cantidad de información útil que genera de forma automática; 2) Los productos que se generan con el nuevo sistema incluyen nuevas variantes de tablas, gráficos y mapas que antes no estaban disponibles; 3) La versatilidad del sistema permite que el mismo puede ser utilizado en tareas de investigación y servicio, adicionales a la tarea del trabajo operativo de monitoreo sistemático de la sequía
