Aplicación de autómatas celulares para la descripción de extremos de la precipitación

Abstract

[ES]El objetivo de este estudio es comprobar la utilidad de la técnica de Autómatas Celulares (CA) par describir la ocurrencia de extremos de precipitación. Las series temporales de precipitación presentan algunos grados de periodicidad o fluctuaciones debidas a variabilidad climática natural. Una vez filtradas estas componentes mediante técnicas espectrales, aplicamos el modelo propuesto de CA a la serie residual con el fin de caracterizar las rachas secas y húmedas. Este método va a simular dos estados para excesos de precipitación, el estado 0 se corresponde con precipitaciones inferiores al percentil 75, mientras que el estado 1 para las superiores al percentil 75. De forma análoga procedemos para caracterizar rachas de precipitación escasa, consideraremos estado 0 para precipitaciones superiores o igual al percentil 25 y estado 1 para precipitaciones inferiores a dicho percentil. El método lo aplicamos a datos mensuales de precipitación en Salamanca en el periodo 1949 a 2003. Los primeros resultados indican que se consigue aproximar en un 60% la ocurrencia de extremos de precipitación, lo cuál sería de gran interés por su aplicación en planificaciones agrícolas.

[EN]The objective of this study is to show the utility of using Cellular Automata (CA) to describe the occurrence of the precipitation extremes. Since the precipitation time series contain some quasi-periodic fluctuations, it is required to filter these components before applying the CA model to characterize the dry and wet spells. The CA used to describe the wet spells consists of two states 0 and 1, which were established according to the threshold of 75 percentile. Similarly, to describe the dry spells we propose a CA with two states 0 and 1 for values higher and lower than 25 percentile respectively. The method is applied to monthly precipitation data of Salamanca (Spain) for the period 1949 to 2003. The first results indicate that the model can capture the occurrence of the precipitation extremes with an 60% of accuracy, therefore this characterization could be useful for agricultural planning.