ESTUDIO GEOTECNICO PARA DISEÑAR UNA CIMENTACION

1. AVANCE TRABAJO DE
TITULACIÓN
PAÚL CAMILO PIEDRA

2. TEMA
 Evaluación de la capacidad de pronóstico de sequias mediante análisis de índices
climáticos de gran escala

3.  Una sequía es una rareza temporal que se caracteriza por la escasez temporal de
agua, en comparación con el abastecimiento normal, en un período de tiempo
dado ya sea una estación, un año, o varios años.
 Los patrones de variabilidad climática a gran escala, como la Oscilación Sur de El
Niño (ENOS), la Oscilación Multidecadal del Atlántico (AMO) y la Oscilación
Decadal del Pacífico (PDO) son los fenômenos que se estudiaran.
 Los patrones de variabilidad climática a gran escala, como la Oscilación Sur de El
Niño (ENOS), la Oscilación Multidecadal del Atlántico (AMO) y la Oscilación
Decadal del Pacífico (PDO), pueden desencadenar sequías, ya que alteran los
patrones normales de precipitación. Los índices de sequía simplifican el análisis
de las complejas interrelaciones entre los diferentes parámetros climáticos que
influyen en la ocurrencia de sequías, permitiendo la evaluación cuantitativa de
anomalías en términos de intensidad, duración, frecuencia y extensión espacial

4. GENERAL
 Evaluar la capacidad de pronóstico de sequías mediante
análisis de índices climáticos de gran escala
ESPECÍFICOS
 Recopilar el registro histórico de los índices asociados al:
El Niño-Southern Oscillation (ENSO), Atlantic multidecadal
oscillation (AMO) y Pacific Decadal Oscillation (PDO).
 Analizar la autocorrelación de cada índice para diferentes
ventanas temporales.
 Analizar la eficiencia del pronóstico mediante métodos
regresivos, estocasticos y de inteligencia artificial.

5. ODS
 N. 13 Acción por el clima, el mismo que tiene un número de metas, y se ha
seleccionado la meta 13.3 el cual dice “Mejorar la educación, la sensibilización y la
capacidad humana e institucional respecto de la mitigación del cambio climático,
la adaptación a él, la reducción de sus efectos y la alerta temprana”.

6. Identificación
zonas a intervenir
 AMO ENSO PDO
 EJM (ENSO)
 https://origin.cpc.ncep.noaa.gov/products/analysis_m
onitoring/ensostuff/ONI_v5.php
Año DJF JFM FMA MAY AMJ MJJ JJA JAS ASO SON PERO NDJ
1950 -1.5 -1.3 -1.2 -1.2 -1.1 -0.9 -0.5 -0.4 -0.4 -0.4 -0.6 -0.8
1951 -0.8 -0.5 -0.2 0.2 0.4 0.6 0.7 0.9 1 1.2 1 0.8
1952 0.5 0.4 0.3 0.3 0.2 0 -0.1 0 0.2 0.1 0 0.1
1953 0.4 0.6 0.6 0.7 0.8 0.8 0.7 0.7 0.8 0.8 0.8 0.8
1954 0.8 0.5 0 -0.4 -0.5 -0.5 -0.6 -0.8 -0.9 -0.8 -0.7 -0.7
1955 -0.7 -0.6 -0.7 -0.8 -0.8 -0.7 -0.7 -0.7 -1.1 -1.4 -1.7 -1.5
1956 -1.1 -0.8 -0.6 -0.5 -0.5 -0.5 -0.6 -0.6 -0.5 -0.4 -0.4 -0.4
1957 -0.2 0.1 0.4 0.7 0.9 1.1 1.3 1.3 1.3 1.4 1.5 1.7
1958 1.8 1.7 1.3 0.9 0.7 0.6 0.6 0.4 0.4 0.4 0.5 0.6
1959 0.6 0.6 0.5 0.3 0.2 -0.1 -0.2 -0.3 -0.1 0 0 0

7. R² = 0.9432
-3
-2
-1
0
1
2
3
-3 -2 -1 0 1 2 3
1
Autocorrelación
Función de autocorrelación
Retardo K Denominador Numerador ACF SE Límite inferior Límite superior
0 599.5286124 386.35 0.64442295
1 599.5286124 370.44 0.61788544 0.03386427 -0.066465115 0.066465115
2 599.5286124 336.12 0.56064046 0.04497151 -0.088265193 0.088265193
3 599.5286124 295.96 0.4936545 0.05237699 -0.102799862 0.102799862
4 599.5286124 258.5 0.43117208 0.05746548 -0.112787008 0.112787008

8. INTELIGENCIA
ARTIFICIAL
Redes Neuronales

9. Laboratorio Virtual de Hidrología

10. Laboratorio Virtual de Hidrología

11. AVANCES
Introducción
Estado del arte (50%)

12. Cronograma de actividades
1 2 3 4 5 6 7 8 9 10
Análisis y Revisión Bibliografica
Identificacion de las zonas ha intervenir
Planificacion de los métodos a utilizar para la realización de
cálculos
Analisis detallado de las metodologias a emplear
Interpretacion de la informacion obtenida
Presentacion de borradores
Defensa de proyecto
Actividad
MESES

13. PORCENTAJE DE AVANCE 50%

14.  Abiy, A. Z., Melesse, A. M., & Abtew, W. (2019). Teleconnection of regional drought to ENSO, PDO, and AMO: Southern Florida and the Everglades.
Atmosphere, 10(6). https://doi.org/10.3390/atmos10060295
 Barichivich, J., Gloor, E., Peylin, P., Brienen, R. J. W., Schöngart, J., Espinoza, J. C., & Pattnayak, K. C. (2018). Recent intensification of Amazon flooding
extremes driven by strengthened Walker circulation. Science Advances, 4(9). https://doi.org/10.1126/sciadv.aat8785
 Cheng, Y., Tang, Y., Wu, T., Xin, X., Liu, X., Li, J., Liang, X., Li, Q., Yao, J., & Yan, J. (2022). Investigating the ENSO prediction skills of the Beijing Climate
Center climate prediction system version 2. Acta Oceanologica Sinica, 41(5), 99–109. https://doi.org/10.1007/s13131-021-1951-7
 Enciso, C., Sulca, J., Espinoza, J. C., & Silva, Y. (2018). Pronóstico de sequías estacionales en la cuenca amazónica durante eventos ENOS. Science
Advances, 4(9). https://doi.org/10.1126/sciadv.aat8785
 Enfield, D. B., Mestas-Nuñez, A. M., & Trimble, P. J. (2001). The Atlantic multidecadal oscillation and its relation to rainfall and river flows in the
continental U.S. Geophysical Research Letters, 28(10), 2077–2080. https://doi.org/10.1029/2000GL012745
 Guevara-Guillén, C., Shirasago-Germán, B., & Pérez-Lezama, E. L. (2015). The Influence of Large-Scale Phenomena on La Paz Bay Hydrographic
Variability. Open Journal of Marine Science, 05(01), 146–157. https://doi.org/10.4236/ojms.2015.51012
 Kam, J., Sheffield, J., & Wood, E. F. (2014). Changes in drought risk over the contiguous United States (1901-2012): The influence of the Pacific and
Atlantic Oceans. Geophysical Research Letters, 41(16), 5897–5903. https://doi.org/10.1002/2014GL060973

15.  Oñate-Valdivieso, F., Uchuari, V., & Oñate-Paladines, A. (2020). Large-Scale Climate Variability Patterns and Drought: A Case of Study in South – America. Water Resources
Management, 34(6), 2061–2079. https://doi.org/10.1007/s11269-020-02549-w
 Wolter, K., & Timlin, M. S. (2011). El Niño/Southern Oscillation behaviour since 1871 as diagnosed in an extended multivariate ENSO index (MEI.ext). International Journal of
Climatology, 31(7), 1074–1087. https://doi.org/10.1002/joc.2336
 Guallpa, M., & Fiallos, J. (2021). Universidad de Cuenca. Obtenido de https://www.ucuenca.edu.ec/idrhica/index.php/es/pronostico-hidrologico/
 Mann, M., Steinman, B. A., & Miller, S. K. (2014). Sobre los cambios de temperatura forzados, la variabilidad interna y la AMO.
 Organización de las Naciones Unidas. (2015). Naciones Unidas. Obtenido de https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/
 Organización meteorológica mundial. (2022). Organización meteorológica mundial. Obtenido de https://public.wmo.int/es/el-ni%C3%B1ola-ni%C3%B1a-
hoy#:~:text=El%20Ni%C3%B1o%2FOscilaci%C3%B3n%20del%20Sur,a%20cambios%20en%20la%20atm%C3%B3sfera.
 Rosino, J. (2022). Skeptical science. Obtenido de https://skepticalscience.com/translation.php?a=159&l=4
 Valdivieso, F. O., Uchuari, V., & Oñate-Paladines, A. (2020). Sequía y patrones de variabilidad climática a gran escala: un caso de estudio en América del Sur. Springer, 1-3.
 Zhiña, D., Pacheco, J., & Avilés, A. (12 de diciembre de 2016). Repositorio Universidad de Cuenca. Obtenido de
http://dspace.ucuenca.edu.ec/bitstream/123456789/29783/1/4.%201585-4806-1-PB.pdf