ÍNDICES CLIMÁTICOS DE PRECIPITACIÓN PARA EL NOROESTE DE MÉXICO DURANTE EL MONZÓN 2006-2023: OBSERVACIONES VS. MODELACIÓN
El Noroeste de México se caracteriza por tener un clima de árido a semiárido y en donde la temporada de lluvias tiene un régimen monzonal la cual se da entre los meses de junio y septiembre. Los escenarios hídricos en la región son de vital importancia, ya que gran parte de la actividad económica de la región depende de la disponibilidad de agua.
En este estudio se comparan 7 índices climáticos de precipitación desarrollados por el Equipo de Expertos en Detección e Índices del Cambio Climático (ETCCDI, inglés) para el noroeste de México (coordenadas: 20°-35°N y 115°-105°W). Dicha comparación se hizo entre dos bases de datos de precipitación diaria durante la temporada de lluvias en el periodo 2006-2023: 1. NA-CORDEX (0.22°, 11 simulaciones numéricas) y 2. CHIRPS (0.25°, observacional). Por medio de dos análisis estadísticos: 1. Diagrama de Taylor y 2. Error acumulado, se eligieron los mejores modelos numéricos.
Los resultados del diagrama de Taylor revelan que para el inicio (junio) los modelos tienen a estimar bien los índices de precipitación intensa (SDII, R10, R20) con un error menor a 20 unidades; mientras que para el desarrollo (julio y agosto) y el fin (septiembre) tienen muchas dificultades (error mayor a 30 unidades). Con el análisis del error acumulado para los índices de sequía (CDD, CWD) y precipitaciones extremas (RX1day, RX5day) las simulaciones tienen mayores errores acumulados conforme avanza el período monzónico.
Con base en los análisis estadísticos, se encontró que las dos mejores simulaciones para los 7 índices y durante cada mes mozonal son: CanESM2/CanRCM4 y GFDL-ESM2M/RegCM4 para junio. En julio, GFDL-ESM2M/WRF y GEMatm-Can/CRCM5-UQAM; mientras que en agosto, GFDL-ESM2M/WRF y HadGEM2/RegCM4. Para septiembre, CanESM2/CanRCM4 y GEMatm-Can/CRCM5-UQAM.
De manera general, se puede concluir que la precisión de las simulaciones disminuye conforme avanza el período monzónico, por lo que quizás un ensamble de las mejores simulaciones encontradas en cada mes monzonal puede ofrecernos una mejor proyección mensual de los escenarios hídricos.