El Jueves 27/02 se realizó la Defensa de Tesis de Luciana Quarracino titulada “Caracterización y modelado de eventos extremos en estaciones centenarias de las cuencas del Paraná, Uruguay y Limay”.  Contó con la dirección de la Dra. Melanie Meis y la co-dirección del Dr. Maximiliano Camporino. Los jurados fueron la Dra. Marcela H. González, Dr. Federico Pousa y Dr. Guillermo Solovey. La defensa puede verse a través del siguiente link: https://www.youtube.com/live/MsbVMTy-ljI

Resumen:

La presente tesis se centró en el estudio de los ríos Paraná, Limay y Uruguay analizando los patrones temporales de las series de caudal con el objetivo de agrupar las crónicas hidrológicas y pronosticar el comportamiento futuro de las cuencas.

En una primera instancia se realizó un análisis exploratorio de datos para cada río y se analizaron los cambios en las tendencias históricas. Así mismo, se encontraron correlaciones entre los meses, trimestres y medidas descriptivas de las crónicas hidrológicas. Además se identificaron patrones comunes en los regímenes de los ríos y se utilizó la técnica de agrupamiento K-means que permitió clasificar las crónicas en cuatro clústeres de acuerdo a características comunes relacionadas con la humedad de las crónicas y la temporalidad de esa humedad dentro del año.

Finalmente, los modelos de pronóstico aplicados mostraron que los árboles de decisión son efectivos para predecir a partir de variables del primer trimestre, mientras que la regresión logística con penalización Ridge es más adecuada para los casos en los que se cuenta también con información del segundo y tercer trimestre. Además, se evaluó la influencia del ENSO en el comportamiento de las crónicas, concluyendo que en este caso no aporta información significativa para mejorar los modelos de pronóstico.

Estos resultados podrían replicarse en otras cuencas del país, permitiendo un uso más eficiente de los recursos hídricos y un mejor manejo anticipatorio de los mismos. Así mismo, abre la posibilidad de investigar otras oscilaciones climáticas y períodos de tiempo para mejorar la precisión de los modelos de pronóstico.