Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia
La comprensión de los patrones climáticos es crucial para adaptarse a los impactos que este tiene en la biodiversidad, agricultura y la salud. En el norte de Colombia, se observan cambios en las condiciones climáticas, lo que resalta la necesidad de investigar sus patrones climáticos. Para ello, se...
- Autores:
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2023
- Institución:
- Universidad de Bogotá Jorge Tadeo Lozano
- Repositorio:
- Expeditio: repositorio UTadeo
- Idioma:
- spa
- OAI Identifier:
- oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/33842
- Acceso en línea:
- http://hdl.handle.net/20.500.12010/33842
http://expeditio.utadeo.edu.co
- Palabra clave:
- Precipitación
Temperatura
Patrones climáticos
Tendencias climáticas
CHIRPS
ERA5- Land
Precipitaciones -- Investigaciones
Lluvia -- Investigaciones
Precipitation
Temperature
Climate variability
Climate trend
CHIRPS
ERA5-Land
- Rights
- License
- Acceso restringido
| id |
UTADEO2_0717eaa6f26a0702e23b4fb079d7c9c0 |
|---|---|
| oai_identifier_str |
oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/33842 |
| network_acronym_str |
UTADEO2 |
| network_name_str |
Expeditio: repositorio UTadeo |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia |
| title |
Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia |
| spellingShingle |
Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia Precipitación Temperatura Patrones climáticos Tendencias climáticas CHIRPS ERA5- Land Precipitaciones -- Investigaciones Lluvia -- Investigaciones Precipitation Temperature Climate variability Climate trend CHIRPS ERA5-Land |
| title_short |
Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia |
| title_full |
Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia |
| title_fullStr |
Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia |
| title_full_unstemmed |
Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia |
| title_sort |
Análisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de Colombia |
| dc.contributor.advisor.none.fl_str_mv |
Morales Acuña, Enrique de Jesús Vargas Solano, Edgar Mauricio Gutiérrez Cárdenas, Gabriel Santiago |
| dc.subject.spa.fl_str_mv |
Precipitación Temperatura Patrones climáticos Tendencias climáticas CHIRPS ERA5- Land |
| topic |
Precipitación Temperatura Patrones climáticos Tendencias climáticas CHIRPS ERA5- Land Precipitaciones -- Investigaciones Lluvia -- Investigaciones Precipitation Temperature Climate variability Climate trend CHIRPS ERA5-Land |
| dc.subject.lemb.spa.fl_str_mv |
Precipitaciones -- Investigaciones Lluvia -- Investigaciones |
| dc.subject.keyword.spa.fl_str_mv |
Precipitation Temperature Climate variability Climate trend CHIRPS ERA5-Land |
| description |
La comprensión de los patrones climáticos es crucial para adaptarse a los impactos que este tiene en la biodiversidad, agricultura y la salud. En el norte de Colombia, se observan cambios en las condiciones climáticas, lo que resalta la necesidad de investigar sus patrones climáticos. Para ello, se validaron los valores medios de la precipitación y temperatura del aire del CHIRPS y ERA5-Land, respectivamente. Luego, se identificaron los patrones y tendencias temporales de la precipitación y la temperatura del aire entre 1981 a 2021, mediante análisis de funciones empíricas ortogonales (FEOs), densidad de potencia espectral (DEP) y la versión modificada de la prueba de Mann-Kendall (MKM). Se encontró que la precipitación y temperatura parecen estar influenciadas principalmente por la fisiografía de la región. El ciclo anual muestra diferentes regímenes de lluvia, siendo enero y febrero meses donde se registran las menores precipitaciones totales y octubre las mayores. El FEOs reveló cinco subregiones diferentes de precipitación y temperatura. La variabilidad se encuentra dominada principalmente por el desplazamiento de la zona de convergencia intertropical, el chorro de bajo nivel del Caribe, la Oscilación Cuasi Bienal y El Niño-Oscilación del Sur. Las tendencias de la precipitación presentan una disminución relevante en la Sierra Nevada de Santa Marta (~ 45 mm/año), en mayo y septiembre, mientras que la cordillera Occidental experimenta aumentos (~ 15 mm/año), especialmente en mayo, septiembre y noviembre. La temperatura presenta incrementos en toda la región, especialmente en febrero. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-12-12T22:27:17Z |
| dc.date.available.none.fl_str_mv |
2023-12-12T22:27:17Z |
| dc.date.created.none.fl_str_mv |
2023-11-29 |
| dc.type.local.spa.fl_str_mv |
Trabajo de grado de pregrado |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
| format |
http://purl.org/coar/resource_type/c_46ec |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12010/33842 |
| dc.identifier.repourl.spa.fl_str_mv |
http://expeditio.utadeo.edu.co |
| url |
http://hdl.handle.net/20.500.12010/33842 http://expeditio.utadeo.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Adams RM, Hurd BH, Lenhart S, Leary N (1998) Effects of global climate change on agriculture: an interpretative review. Clim Res 12 AghaKouchak A, Cheng L, Mazdiyasni O, Farahmand A (2014) Global warming and changes in risk of concurrent climate extremes: Insights from the 2014 California drought. Geophysical Research Letters 41:8847–8852. https://doi.org/10.1002/2014GL062308 Aguilar E, Peterson T, Ramirez O, et al (2005) Changes in precipitation and temperature extremes in Central America and northern South America, 1961–2003. Journal of Geophysical Research: Atmospheres 110:. https://doi.org/10.1029/2005JD006119 Ahmadalipour A, Moradkhani H, Castelletti A, Magliocca N (2019) Future drought risk in Africa: Integrating vulnerability, climate change, and population growth. Science of The Total Environment 662:672– 686. https://doi.org/10.1016/j.scitotenv.2019.01.278 Aigang L (2011) Precipitation effects on temperature—A case study in China. J Earth Sci 22:792–798. https://doi.org/10.1007/s12583-011-0228-z Amar JA, Madariaga C, Jabba D, et al (2000) Desplazamiento climático y resiliencia: Modelo de atención a familias afectadas por el invierno en el Caribe Colombiano. Universidad del Norte Andrade-Amaya CA, Barton E (2018) Sobre la existencia de una celda de circulación atmosférica sobre el Caribe y su efecto en las corrientes de Ekman del Caribe suroccidental. Bol Cient CIOH 73–94. https://doi.org/10.26640/22159045.252 Arias PA, Martínez JA, Vieira SC (2015) Moisture sources to the 2010–2012 anomalous wet season in northern South America. Clim Dyn 45:2861–2884. https://doi.org/10.1007/s00382-015-2511-7 Ayugi B, Eresanya EO, Onyango AO, et al (2022) Review of Meteorological Drought in Africa: Historical Trends, Impacts, Mitigation Measures, and Prospects. Pure Appl Geophys 179:1365–1386. https://doi.org/10.1007/s00024-022-02988-z Azcárate R, Mejía-Fajardo A (2016) Meteorología, socioeconomía y gestión del riesgo de desastres del evento El Niño-Oscilación del Sur en Colombia. Revista Mutis 6:95–109. https://doi.org/10.21789/22561498.1154 Blanco K, Villamizar SR, Avila-Diaz A, et al (2023) Daily dataset of precipitation and temperature in the Department of Cauca, Colombia. Data in Brief 50:109542. https://doi.org/10.1016/j.dib.2023.109542 Buytaert W, Celleri R, Willems P, et al (2006) Spatial and temporal rainfall variability in mountainous areas: A case study from the south Ecuadorian Andes. Journal of Hydrology 329:413–421. https://doi.org/10.1016/j.jhydrol.2006.02.031 Cadena J, Pérez D, Ferrer J, Cantero S (2022) Characteristics of the creole rice production system in La Mojana, Colombia. Trends in Horticulture 5:45. https://doi.org/10.24294/th.v5i1.1815 Cadena M, Guzmán D, Ruíz J (2014) Regionalización de Colombia según la estacionalidad de la precipitación media mensual, a través de análisis de componentes principales (ACP). IDEAM Canchala T, Alfonso-Morales W, Carvajal-Escobar Y, et al (2020) Monthly Rainfall Anomalies Forecasting for Southwestern Colombia Using Artificial Neural Networks Approaches. Water 12:2628. https://doi.org/10.3390/w12092628 Carslaw KS, Harrison RG, Kirkby J (2002) Cosmic rays, clouds, and climate. Science 298:1732–1737. https://doi.org/10.1126/science.1076964 Castillo-Gómez JSD, Canchala T, Torres-López WA, et al (2023) Estimation of monthly rainfall missing data in Southwestern Colombia: comparing different methods. RBRH 28:e9. https://doi.org/10.1590/2318- 0331.282320230008 Cerón WL, Andreoli R, Kayano M, et al (2022) Trend Pattern of Heavy and Intense Rainfall Events in Colombia from 1981–2018: A Trend-EOF Approach. Atmosphere 13:156. https://doi.org/10.3390/atmos13020156 Chen Y, Sharma S, Zhou X, et al (2021) Spatial performance of multiple reanalysis precipitation datasets on the southern slope of central Himalaya. Atmospheric Research 250:105365. https://doi.org/10.1016/j.atmosres.2020.105365 Chou SC, Lyra A, Mourão C, et al (2014) Assessment of Climate Change over South America under RCP 4.5 and 8.5 Downscaling Scenarios. American Journal of Climate Change 03:512. https://doi.org/10.4236/ajcc.2014.35043 Cook ER, Seager R, Cane MA, Stahle DW (2007) North American drought: Reconstructions, causes, and consequences. Earth-Science Reviews 81:93–134. https://doi.org/10.1016/j.earscirev.2006.12.002 Cook KH, Vizy EK (2010) Hydrodynamics of the Caribbean Low-Level Jet and Its Relationship to Precipitation. Journal of Climate 23:1477–1494. https://doi.org/10.1175/2009JCLI3210.1 Dabernig M, Mayr GJ, Messner JW, Zeileis A (2017) Spatial ensemble post-processing with standardized anomalies. Quarterly Journal of the Royal Meteorological Society 143:909–916. https://doi.org/10.1002/qj.2975 Dai A, Zhao T (2017) Uncertainties in historical changes and future projections of drought. Part I: estimates of historical drought changes. Climatic Change 144:519–533. https://doi.org/10.1007/s10584-016-1705- 2 Daubechies I (1992) Ten Lectures on Wavelets. Society for Industrial and Applied Mathematics Diasso U, Abiodun BJ (2018) Future impacts of global warming and reforestation on drought patterns over West Africa. Theor Appl Climatol 133:647–662. https://doi.org/10.1007/s00704-017-2209-3 Díaz DC, Villegas N (2022) Wavelet coherence between ENSO indices and two precipitation database for the Andes region of Colombia. Atmósfera 35:237–271. https://doi.org/10.20937/ATM.52890 Dike VN, Lin Z-H, Ibe CC (2020) Intensification of Summer Rainfall Extremes over Nigeria during Recent Decades. Atmosphere 11:1084. https://doi.org/10.3390/atmos11101084 Dinku T, Funk C, Peterson P, et al (2018) Validation of the CHIRPS satellite rainfall estimates over eastern Africa. Quarterly Journal of the Royal Meteorological Society 144:292–312. https://doi.org/10.1002/qj.3244 Duan Z, Liu J, Tuo Y, et al (2016) Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy) at multiple temporal and spatial scales. Science of The Total Environment 573:1536–1553. https://doi.org/10.1016/j.scitotenv.2016.08.213 Eslava J (1992) Perfil altitudinal de la temperatura media del aire en Colombia. Earth Sciences Research Journal 37–52 Funk C, Peterson P, Landsfeld M, Pedreros (2015) The climate hazards infrared precipitation with stations - a new environmental record for monitoring extremes Gómez-López D (2013) Elementos para la formulación de plan de adaptación a la variabilidad climática en el Caribe colombiano, con base en la gestión integral del riesgo. Clío América 64–79 Goss M, Swain DL, Abatzoglou JT, et al (2020) Climate change is increasing the likelihood of extreme autumn wildfire conditions across California. Environ Res Lett 15:094016. https://doi.org/10.1088/1748- 9326/ab83a7 Guarín-Giraldo GW, Poveda G (2013) Variabilidad Espacial y Temporal del Almacenamiento de Agua en el Suelo en Colombia. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales 37:89–113 Haile GG, Tang Q, Hosseini-Moghari S-M, et al (2020) Projected Impacts of Climate Change on Drought Patterns Over East Africa. Earth’s Future 8:e2020EF001502. https://doi.org/10.1029/2020EF001502 Hamed KH, Rao AR (1998) A modified Mann-Kendall trend test for autocorrelated data. Journal of Hydrology 204:182–196. https://doi.org/10.1016/S0022-1694(97)00125-X Hamilton K, Hsieh WW (2002) Representation of the quasi-biennial oscillation in the tropical stratospheric wind by nonlinear principal component analysis. Journal of Geophysical Research: Atmospheres 107:ACL 3-1-ACL 3-10. https://doi.org/10.1029/2001JD001250 Helmi AM, Abdelhamed MS (2023) Evaluation of CMORPH, PERSIANN-CDR, CHIRPS V2.0, TMPA 3B42 V7, and GPM IMERG V6 Satellite Precipitation Datasets in Arabian Arid Regions. Water 15:92. https://doi.org/10.3390/w15010092 Hodson TO (2022) Root-mean-square error (RMSE) or mean absolute error (MAE): when to use them or not. Geoscientific Model Development 15:5481–5487. https://doi.org/10.5194/gmd-15-5481-2022 Hoyos N, Escobar J, Restrepo JC, et al (2013) Impact of the 2010–2011 La Niña phenomenon in Colombia, South America: The human toll of an extreme weather event. Applied Geography 39:16–25. https://doi.org/10.1016/j.apgeog.2012.11.018 Hurtado-Montoya AF, Mesa-Sánchez ÓJ (2015) Cambio climático y variabilidad espacio – temporal de la precipitación en Colombia. EIA 12:131–150 IDEAM (1998) Posibles efectos naturales y socio-económicos del fenómeno Frío del Pacífico (La Niña) en Colombia en el segundo semestre de 1998 y primer semestre de 1999. Instituto de Hidrología, Meteorología y Estudios Ambientales, Bogotá IDEAM (2017) Atlas climatológico de Colombia IDEAM-DGPAD (2002) Efectos naturales y socioeconómicos del fenómeno El Niño en Colombia. Instituto de Hidrología, Meteorología y Estudios Ambientales, Bogotá IDEAM-UNAL (2018) Variabilidad Climática y Cambio Climático en Colombia IPCC (2014) Cambio climático 2014. Contribución de los Grupos de trabajo I, II y III al Quinto Informe de Evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático, Ginebra, Suiza IPCC (2023) Synthesis report of the ipcc sixth assessment report (AR6). https://www.ipcc.ch/report/ar6/syr/downloads/report/IPCC_AR6_SYR_LongerReport.pdf. Accessed 5 Jun 2023 Jain M, Tripathi KC (2021) Auto Associative Neural Networks for Nonlinear Principal Components Analysis of Sea Surface Temperature Anomalies in Indian Ocean Karaman ÇH, Akyürek Z (2023) Evaluation of near-surface air temperature reanalysis datasets and downscaling with machine learning based Random Forest method for complex terrain of Turkey. Advances in Space Research 71:5256–5281. https://doi.org/10.1016/j.asr.2023.02.006 Karl TR, Knight RW (1998) Secular Trends of Precipitation Amount, Frequency, and Intensity in the United States. Bulletin of the American Meteorological Society 79:231–242. https://doi.org/10.1175/1520- 0477(1998)079<0231:STOPAF>2.0.CO;2 Kendall MG (1948) Rank correlation methods. Griffin, Oxford, England Khalili N, Khodashenas SR, Davary K, et al (2016) Prediction of rainfall using artificial neural networks for synoptic station of Mashhad: a case study. Arab J Geosci 9:624. https://doi.org/10.1007/s12517-016- 2633-1 Lemma E, Upadhyaya S, Ramsankaran R (2019) Investigating the performance of satellite and reanalysis rainfall products at monthly timescales across different rainfall regimes of Ethiopia. International Journal of Remote Sensing 40:4019–4042. https://doi.org/10.1080/01431161.2018.1558373 Leon-Aristizabal GE, Zea-Mazo JA, Eslava-Ramirez JA (2000) Circulación general del trópico y la zona de confluencia intertropical en Colombia. Meteorología colombiana 1:31–38 Liu H, Chen Y, Han Q, et al (2023) Estimation of high spatial resolution all-weather near-surface air temperature using FY-4A AGRI observations. Atmospheric Research 285:106642. https://doi.org/10.1016/j.atmosres.2023.106642 López-Bermeo C, Montoya RD, Caro-Lopera FJ, Díaz-García JA (2022) Validation of the accuracy of the CHIRPS precipitation dataset at representing climate variability in a tropical mountainous region of South America. Physics and Chemistry of the Earth, Parts A/B/C 127:103184. https://doi.org/10.1016/j.pce.2022.103184 López-Feldman AJ, Hernández Cortés D, López Feldman AJ, Hernández Cortés D (2016) Cambio climático y agricultura: una revisión de la literatura con énfasis en América Latina. El trimestre económico 83:459–496. https://doi.org/10.20430/ete.v83i332.231 Mann HB (1945) Nonparametric Tests Against Trend. Econometrica 13:245–259. https://doi.org/10.2307/1907187 Marrugo-Negrete J, Pinedo J, Paternina R, et al (2018) Distribución espacial y evaluación de la contaminación ambiental por mercurio en la región de la Mojana, Colombia. Revista MVZ Córdoba 23:7062. https://doi.org/10.21897/rmvz.1481 Meisel-Roca A, Pérez-Valbuena GJ (2006) Geografía física y poblamiento en la Costa Caribe colombiana. Banco de la República, Bogotá, Colombia Mejía F, Mesa O, Poveda G, et al (1999) Distribución espacial y ciclo anual y semianual de la precipitación en Colombia. 10 Mekonnen-Weldegerima T, Terefe-Zeleke T, Simane-Birhanu B, et al (2018) Analysis of Rainfall Trends and Its Relationship with SST Signals in the Lake Tana Basin, Ethiopia. Advances in Meteorology 2018:10. https://doi.org/10.1155/2018/5869010 Mesa-Sánchez ÓJ, Poveda G, Carvajal S LF (1997) Introducción al clima de Colombia. Universidad Nacional de Colombia Miró JJ, Caselles V, Estrela MJ (2017) Multiple imputation of rainfall missing data in the Iberian Mediterranean context. Atmospheric Research 197:313–330. https://doi.org/10.1016/j.atmosres.2017.07.016 Montealegre-Bocanegra JE, Pabón-Caicedo JD (2000a) Meteorología Colombiana. 16 Montealegre-Bocanegra JE, Pabón-Caicedo JD (2000b) La variabilidad climática interanual asociada al ciclo El Niño-La Niña-Oscilación del Sur y su efecto en el patrón pluviométrico de Colombia. Meteorol Colomb 2:7–21 Morales-Acuña E, Linero-Cueto JR, Canales FA (2021) Assessment of Precipitation Variability and Trends Based on Satellite Estimations for a Heterogeneous Colombian Region. Hydrology 8:128. https://doi.org/10.3390/hydrology8030128 Morán-Tejeda E, Llorente-Pinto JM, Ceballos-Barbancho A, et al (2021) The significance of monitoring high mountain environments to detect heavy precipitation hotspots: a case study in Gredos, Central Spain. Theor Appl Climatol 146:1175–1188. https://doi.org/10.1007/s00704-021-03791-x Muñoz-Herrera W, Bedoya OF, Rincón ME (2020) Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital. reveia 17:. https://doi.org/10.24050/reia.v17i34.1292 Muñoz-Sabater J (2019) ERA5-Land monthly averaged data from 1950 to present. Muñoz-Sabater J, Dutra E, Agustí-Panareda A, et al (2021) ERA5-Land: a state-of-the-art global reanalysis dataset for land applications. Earth System Science Data 13:4349–4383. https://doi.org/10.5194/essd13-4349-2021 Navarro-Monterroza E, Arias PA, Vieira SC, et al (2019) El Niño-Oscilación del Sur, fase Modoki, y sus efectos en la variabilidad espacio-temporal de la precipitación en Colombia. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales 43:120–132. https://doi.org/10.18257/raccefyn.704 New M, Hewitson B, Stephenson DB, et al (2006) Evidence of trends in daily climate extremes over southern and west Africa. Journal o North GR, Bell TL, Cahalan RF, Moeng FJ (1982) Sampling Errors in the Estimation of Empirical Orthogonal Functions. Monthly Weather Review 110:699–706. https://doi.org/10.1175/1520- 0493(1982)110<0699:SEITEO>2.0.CO;2 Nystuen JA, Andrade CA (1993) Tracking mesoscale ocean features in the Caribbean Sea using Geosat altimetry. J Geophys Res 98:8389–8394. https://doi.org/10.1029/93JC00125 Ocampo-Marulanda C, Cerón WL, Avila-Diaz A, et al (2021) Missing data estimation in extreme rainfall indices for the Metropolitan area of Cali - Colombia: An approach based on artificial neural networks. Data in Brief 39:107592. https://doi.org/10.1016/j.dib.2021.107592 Ocampo-Marulanda C, Fernández-Álvarez C, Cerón WL, et al (2022) A spatiotemporal assessment of the highresolution CHIRPS rainfall dataset in southwestern Colombia using combined principal component analysis. Ain Shams Engineering Journal 13:101739. https://doi.org/10.1016/j.asej.2022.101739 Ospina-Noreña JE, Bermeo Fúquene PA, Facultad de Ciencias Agrarias, Departamento de Agronomía, Universidad Nacional de Colombia, et al (2019) Management and ensemble of future climate scenarios for specific agricultural systems in the municipality of Nilo, Cundinamarca (Colombia). Atm 32:197– 211. https://doi.org/10.20937/ATM.2019.32.03.03 Pabón-Caicedo JD (2007) El cambio climatico en Colombia. Universidad Nacional de Colombia 6 Pabón-Caicedo JD (2003) El cambio climático global y su manifestación en Colombia. Cuadernos de Geografia 7:111–119 Pabón-Caicedo JD (2012) Cambio climático en Colombia: tendencias en la segunda mitad del siglo xx y escenarios posibles para el siglo xxi. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales 36:261–278 Pabón-Caicedo JD, Cárdenas I, Kholostiakov R (2002) Escenarios climáticos para el siglo XXI. Pabón-Caicedo JD, Eslava-Ramírez JA, Gómez-Torres RE (2001) Generalidades de la distribución espacial y temporal de la temperatura del aire y de la precipitación en Colombia. Meteorología Colombiana 47– 59 Pabón-Caicedo JD, Zea-Mazo J, León G, et al (1998) La atmósfera, el tiempo y el clima Pardo-Martínez CI, Alfonso WH (2018) Climate change in Colombia: A study to evaluate trends and perspectives for achieving sustainable development from society. IJCCSM 10:632–652. https://doi.org/10.1108/IJCCSM-04-2017-0087 Paredes-Trejo FJ, Álvarez-Barbosa H, Peñaloza-Murillo MA, et al (2016) Intercomparison of improved satellite rainfall estimation with CHIRPS gridded product and rain gauge data over Venezuela. ATM. https://doi.org/10.20937/ATM.2016.29.04.04 Pawlowicz R (2020) M_Map Pereira de Araújo CS, Campos-Silva IA, Ippolito M, Duarte-Guedes C (2022) Evaluation of air temperature estimated by ERA5-Land reanalysis using surface data in Pernambuco, Brazil. Environ Monit Assess 194:381. https://doi.org/10.1007/s10661-022-10047-2ure estimated by ERA5-Land reanalysis using surface data i Pérez-Rendón EP, Ramírez-Builes VH, Peña-Quiñones AJ, et al (2016) Variabilidad espacial y temporal de la temperatura del aire en la zona cafetera colombiana. Investigaciones geográficas 23–40. https://doi.org/10.14350/rig.38707 Poveda G (2004) La hidroclimatología de Colombia: Una síntesis desde la escala inter-decadak hasta la escala diurna. 22 Poveda G, Álvarez DM, Rueda ÓA (2011) Hydro-climatic variability over the Andes of Colombia associated with ENSO: a review of climatic processes and their impact on one of the Earth’s most important biodiversity hotspots. Clim Dyn 36:2233–2249. https://doi.org/10.1007/s00382-010-0931-y Poveda G, Mesa OJ (2000) On the existence of Lloró (the rainiest locality on Earth): Enhanced ocean-landatmosphere interaction by a low-level jet. Geophys Res Lett 27:1675–1678. https://doi.org/10.1029/1999GL006091 Poveda G, Waylen PR, Pulwarty RS (2006) Annual and inter-annual variability of the present climate in northern South America and southern Mesoamerica. Palaeogeography, Palaeoclimatology, Palaeoecology 234:3–27. https://doi.org/10.1016/j.palaeo.2005.10.031 Press WH, Teukolsky SA, Vetterling WT, Flannery BP (1996) Numerical recipes in C: The art of scientific computing, second edition. Cambridge University Press 17:201. https://doi.org/10.1016/0160- 9327(93)90069-F Puertas-Orozco OL, Carvajal-Escobar Y (2008) Incidencia de El Niño-Oscilación del Sur en la precipitación y la temperatura del aire en Colombia, utilizando el Climate Explorer. using Climate Explorer Ingeniería y Desarrollo 104–118 Rahmat SN, Jayasuriya N, Bhuiyan M (2015) Development of Drought Severity-Duration-Frequency Curves in Victoria, Australia. Australasian Journal of Water Resources 19:31–42. https://doi.org/10.7158/13241583.2015.11465454 Ramirez-Camargo L, Gruber K, Nitsch F (2019) Assessing variables of regional reanalysis data sets relevant for modelling small-scale renewable energy systems. Renewable Energy 133:1468–1478. https://doi.org/10.1016/j.renene.2018.09.015 Ramirez-Villegas J, Salazar M, Jarvis A, Navarro-Racines CE (2012) A way forward on adaptation to climate change in Colombian agriculture: perspectives towards 2050. Climatic Change 115:611–628. https://doi.org/10.1007/s10584-012-0500-y Reyer CPO, Adams S, Albrecht T, et al (2017) Climate change impacts in Latin America and the Caribbean and their implications for development. Reg Environ Change 17:1601–1621. https://doi.org/10.1007/s10113-015-0854-6 Rodríguez-Pacheco FL, Jiménez-Villamizar MP, Pedraza-Álvarez LP (2019) Efectos del cambio climático en la salud de la población colombiana. Duazary 16:319–331. https://doi.org/10.21676/2389783X.3186 Rodríguez-Vega A, Antuña-Marrero JC, Mesquita MDS, et al (2018) How well does the European Centre for Medium-Range Weather Forecasting Interim Reanalysis represent the surface air temperature in Cuban weather stations? International Journal of Climatology 38:1216–1233. https://doi.org/10.1002/joc.5239 Rúa-Uribe GL, Suárez-Acosta C, Chauca J, et al (2013) Modelling the effect of local climatic variability on dengue transmission in Medellin (Colombia) by means temporary series analysis. Biomédica 33:142– 52. https://doi.org/10.7705/biomedica.v33i0.1444 Scholz M (2002) Nichtlineare Hauptkomponentenanalyse auf Basis neuronaler Netze. masterThesis, Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II Scholz M (2007) Analysing Periodic Phenomena by Circular PCA. In: Hochreiter S, Wagner R (eds) Bioinformatics Research and Development. Springer Berlin Heidelberg, Berlin, Heidelberg, pp 38–47 Scholz M, Fraunholz M, Selbig J (2008) Nonlinear Principal Component Analysis: Neural Network Models and Applications. In: Gorban AN, Kégl B, Wunsch DC, Zinovyev AY (eds) Principal Manifolds for Data Visualization and Dimension Reduction. Springer Berlin Heidelberg, Berlin, Heidelberg, pp 44– 67 Scholz M, Kaplan F, Guy CL, et al (2005) Non-linear PCA: a missing data approach. Bioinformatics 21:3887– 3895. https://doi.org/10.1093/bioinformatics/bti634 Shapiro SS, Wilk MB (1965) An Analysis of Variance Test for Normality (Complete Samples). Biometrika 52:591–611. https://doi.org/10.2307/2333709 Sobie SR, Zwiers FW, Curry CL (2021) Climate Model Projections for Canada: A Comparison of CMIP5 and CMIP6. Atmosphere-Ocean 59:269–284. https://doi.org/10.1080/07055900.2021.2011103 Spinoni J, Naumann G, Vogt JV, Barbosa P (2015) The biggest drought events in Europe from 1950 to 2012. Journal of Hydrology: Regional Studies 3:509–524. https://doi.org/10.1016/j.ejrh.2015.01.001 Taschetto AS, Ummenhofer CC, Stuecker MF, et al (2020) ENSO Atmospheric Teleconnections. In: McPhaden MJ, Santoso A, Cai W (eds) Geophysical Monograph Series, 1st edn. Wiley, pp 309–335 Thompson V, Mitchell D, Hegerl GC, et al (2023) The most at-risk regions in the world for high-impact heatwaves. Nat Commun 14:2152. https://doi.org/10.1038/s41467-023-37554-1 Torrence C, Compo GP (1998) A Practical Guide to Wavelet Analysis. Bull Amer Meteor Soc 79:61–78. https://doi.org/10.1175/1520-0477(1998)079<0061:APGTWA>2.0.CO;2 Toté C, Patricio D, Boogaard H, et al (2015) Evaluation of Satellite Rainfall Estimates for Drought and Flood Monitoring in Mozambique. Remote Sensing 7:1758–1776. https://doi.org/10.3390/rs70201758 Trojer H (1959) Fundamentos para una zonificación meteorológica y climatológica del trópico y especialmente de Colombia Urrea V, Ochoa A, Mesa O (2019) Seasonality of Rainfall in Colombia. Water Resources Research 55:4149– 4162. https://doi.org/10.1029/2018WR023316 Urrea V, Ochoa A, Mesa O (2016) Validación de la base de datos de precipitación CHIRPS para Colombia a escala diaria, mensual y anual en el período 1981-2014 Valencia S, Marín DE, Gómez D, et al (2023) Spatio-temporal assessment of Gridded precipitation products across topographic and climatic gradients in Colombia. Atmospheric Research 285:106643. https://doi.org/10.1016/j.atmosres.2023.106643 Vega-Durán J, Escalante-Castro B, Canales FA, et al (2021) Evaluation of Areal Monthly Average Precipitation Estimates from MERRA2 and ERA5 Reanalysis in a Colombian Caribbean Basin. Atmosphere 12:1430. https://doi.org/10.3390/atmos12111430 Vernette G (1985) La plataforma continental del Caribe Colombiano. Universidad de Bordeaux Vogel J, Paton E, Aich V, Bronstert A (2021) Increasing compound warm spells and droughts in the Mediterranean Basin. Weather and Climate Extremes 32:100312. https://doi.org/10.1016/j.wace.2021.100312 Wang Y-R, Hessen DO, Samset BH, Stordal F (2022) Evaluating global and regional land warming trends in the past decades with both MODIS and ERA5-Land land surface temperature data. Remote Sensing of Environment 280:113181. https://doi.org/10.1016/j.rse.2022.113181 Yang J, Zhou M, Ren Z, et al (2021) Projecting heat-related excess mortality under climate change scenarios in China. Nat Commun 12:1039. https://doi.org/10.1038/s41467-021-21305-1 Yepes J, Poveda G, Mejía JF, et al (2019) CHOCO-JEX: A Research Experiment Focused on the Chocó LowLevel Jet over the Far Eastern Pacific and Western Colombia. Bulletin of the American Meteorological Society 100:779–796. https://doi.org/10.1175/BAMS-D-18-0045.1 Zabaleta-Ortega ÁJ, Nobles-Orozco E, Mercado-Fernández T, et al (2022) Evaluación de amenaza por sequía en el departamento de Córdoba, Colombia. Revista Ingenierías Universidad de Medellín 21:87–100. https://doi.org/10.22395/rium.v21n40a6 Zhai Y, Huang G, Wang X, et al (2019) Future projections of temperature changes in Ottawa, Canada through stepwise clustered downscaling of multiple GCMs under RCPs. Clim Dyn 52:3455–3470. https://doi.org/10.1007/s00382-018-4340-y Zhang X, Xu M, Kang S, et al (2023) The spatiotemporal variability in precipitation gradients based on meteorological station observations in mountainous areas of Northwest China. Theor Appl Climatol. https://doi.org/10.1007/s00704-023-04618-7 Zhang Y, Thorburn PJ (2022) Handling missing data in near real-time environmental monitoring: A system and a review of selected methods. Future Generation Computer Systems 128:63–72. https://doi.org/10.1016/j.future.2021.09.033 Zhou C (2023) Empirical Orthogonal Function (EOF) analysis. https://la.mathworks.com/matlabcentral/fileexchange/54416-empirical-orthogonal-function-eofanalysis. Accessed 17 Oct 2023 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_f1cf |
| dc.rights.local.spa.fl_str_mv |
Acceso restringido |
| rights_invalid_str_mv |
Acceso restringido http://purl.org/coar/access_right/c_f1cf |
| dc.format.extent.spa.fl_str_mv |
55 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.format.rda.spa.fl_str_mv |
1 recurso en línea (archivo de texto) |
| dc.coverage.spatial.spa.fl_str_mv |
Colombia |
| dc.publisher.spa.fl_str_mv |
Universidad de Bogotá Jorge Tadeo Lozano |
| dc.publisher.program.spa.fl_str_mv |
Biología marina |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias Naturales e Ingeniería |
| dc.source.spa.fl_str_mv |
Universidad de Bogotá Jorge Tadeo Lozano Expeditio Repositorio Institucional UJTL |
| institution |
Universidad de Bogotá Jorge Tadeo Lozano |
| bitstream.url.fl_str_mv |
https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/33842/2/license.txt https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/33842/4/FOR-EFE-GDB-008_AUTORIZACION_DE_PUBLICACION_DE_TESIS_O_TRABAJO_DE_GRADO_DE_FORMA_CONFIDENCIAL.pdf https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/33842/6/Tesis%20Pregrado%20Sandoval-Rivera-Manuela.pdf.jpg https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/33842/5/Tesis%20Pregrado%20Sandoval-Rivera-Manuela.pdf |
| bitstream.checksum.fl_str_mv |
baba314677a6b940f072575a13bb6906 e18ba822e66a0ce4fa7f593c2d92f446 00d93b3617c2c9f6bb5a3550db8fe5e7 55d3a2dc0b064d7ddcdd2ace0e96c571 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional - Universidad Jorge Tadeo Lozano |
| repository.mail.fl_str_mv |
expeditiorepositorio@utadeo.edu.co |
| _version_ |
1814213954477490176 |
| spelling |
EL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DE BOGOTA JORGE TADEO LOZANO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DE BOGOTÁ JORGE TADEO LOZANO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo protecciondatos@utadeo.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datosAcceso restringidohttp://purl.org/coar/access_right/c_f1cfMorales Acuña, Enrique de JesúsVargas Solano, Edgar MauricioGutiérrez Cárdenas, Gabriel SantiagoSandoval Rivera, ManuelaBiólogo(s) marinoIngeniero(s) ambiental(es)Colombia2023-12-12T22:27:17Z2023-12-12T22:27:17Z2023-11-29http://hdl.handle.net/20.500.12010/33842http://expeditio.utadeo.edu.coLa comprensión de los patrones climáticos es crucial para adaptarse a los impactos que este tiene en la biodiversidad, agricultura y la salud. En el norte de Colombia, se observan cambios en las condiciones climáticas, lo que resalta la necesidad de investigar sus patrones climáticos. Para ello, se validaron los valores medios de la precipitación y temperatura del aire del CHIRPS y ERA5-Land, respectivamente. Luego, se identificaron los patrones y tendencias temporales de la precipitación y la temperatura del aire entre 1981 a 2021, mediante análisis de funciones empíricas ortogonales (FEOs), densidad de potencia espectral (DEP) y la versión modificada de la prueba de Mann-Kendall (MKM). Se encontró que la precipitación y temperatura parecen estar influenciadas principalmente por la fisiografía de la región. El ciclo anual muestra diferentes regímenes de lluvia, siendo enero y febrero meses donde se registran las menores precipitaciones totales y octubre las mayores. El FEOs reveló cinco subregiones diferentes de precipitación y temperatura. La variabilidad se encuentra dominada principalmente por el desplazamiento de la zona de convergencia intertropical, el chorro de bajo nivel del Caribe, la Oscilación Cuasi Bienal y El Niño-Oscilación del Sur. Las tendencias de la precipitación presentan una disminución relevante en la Sierra Nevada de Santa Marta (~ 45 mm/año), en mayo y septiembre, mientras que la cordillera Occidental experimenta aumentos (~ 15 mm/año), especialmente en mayo, septiembre y noviembre. La temperatura presenta incrementos en toda la región, especialmente en febrero.#Precipitación#BiologíaAmbiental#BiologíaMarinaRequerimientos de sistema: Adobe Acrobat ReaderUnderstanding climatic patterns is essential for adapting to their impacts on biodiversity, agriculture, and health. In northern Colombia, noticeable shifts in climatic conditions underscore the urgency of investigating the region's climatic patterns. To address this, we validated mean precipitation data from CHIRPS and air temperature data from ERA5-Land. Employing a modified Mann-Kendall (MMK) test, empirical orthogonal function (EOFs) analysis, and spectral power density analysis, we uncovered temporal patterns and trends in precipitation and temperature between 1981 and 2021. Our findings emphasize the profound influence of the region's physiography on precipitation and temperature dynamics. The annual cycle reveals distinct rainfall patterns, with the lowest totals in January and February and a peak in October. Employing EOF analysis, we identified five distinct subregions for both precipitation and temperature, driven by the interplay of factors such as the intertropical convergence zone, Caribbean low-level jet, Quasi-Biennial Oscillation, and El Niño Southern Oscillation. Precipitation trends exhibit a significant decline (~45 mm/year) in the Sierra Nevada de Santa Marta during May and September, while the Western Cordillera experiences an increase (~15 mm/year), particularly in May, September, and November. Concurrently, temperature increases, particularly in February.55 páginasapplication/pdf1 recurso en línea (archivo de texto)spaUniversidad de Bogotá Jorge Tadeo LozanoBiología marinaFacultad de Ciencias Naturales e IngenieríaUniversidad de Bogotá Jorge Tadeo LozanoExpeditio Repositorio Institucional UJTLPrecipitaciónTemperaturaPatrones climáticosTendencias climáticasCHIRPSERA5- LandPrecipitaciones -- InvestigacionesLluvia -- InvestigacionesPrecipitationTemperatureClimate variabilityClimate trendCHIRPSERA5-LandAnálisis de patrones espacio-temporales de precipitación y temperatura del aire al norte de ColombiaTrabajo de grado de pregradohttp://purl.org/coar/resource_type/c_46ecAdams RM, Hurd BH, Lenhart S, Leary N (1998) Effects of global climate change on agriculture: an interpretative review. Clim Res 12AghaKouchak A, Cheng L, Mazdiyasni O, Farahmand A (2014) Global warming and changes in risk of concurrent climate extremes: Insights from the 2014 California drought. Geophysical Research Letters 41:8847–8852. https://doi.org/10.1002/2014GL062308Aguilar E, Peterson T, Ramirez O, et al (2005) Changes in precipitation and temperature extremes in Central America and northern South America, 1961–2003. Journal of Geophysical Research: Atmospheres 110:. https://doi.org/10.1029/2005JD006119Ahmadalipour A, Moradkhani H, Castelletti A, Magliocca N (2019) Future drought risk in Africa: Integrating vulnerability, climate change, and population growth. Science of The Total Environment 662:672– 686. https://doi.org/10.1016/j.scitotenv.2019.01.278Aigang L (2011) Precipitation effects on temperature—A case study in China. J Earth Sci 22:792–798. https://doi.org/10.1007/s12583-011-0228-zAmar JA, Madariaga C, Jabba D, et al (2000) Desplazamiento climático y resiliencia: Modelo de atención a familias afectadas por el invierno en el Caribe Colombiano. Universidad del NorteAndrade-Amaya CA, Barton E (2018) Sobre la existencia de una celda de circulación atmosférica sobre el Caribe y su efecto en las corrientes de Ekman del Caribe suroccidental. Bol Cient CIOH 73–94. https://doi.org/10.26640/22159045.252Arias PA, Martínez JA, Vieira SC (2015) Moisture sources to the 2010–2012 anomalous wet season in northern South America. Clim Dyn 45:2861–2884. https://doi.org/10.1007/s00382-015-2511-7Ayugi B, Eresanya EO, Onyango AO, et al (2022) Review of Meteorological Drought in Africa: Historical Trends, Impacts, Mitigation Measures, and Prospects. Pure Appl Geophys 179:1365–1386. https://doi.org/10.1007/s00024-022-02988-zAzcárate R, Mejía-Fajardo A (2016) Meteorología, socioeconomía y gestión del riesgo de desastres del evento El Niño-Oscilación del Sur en Colombia. Revista Mutis 6:95–109. https://doi.org/10.21789/22561498.1154Blanco K, Villamizar SR, Avila-Diaz A, et al (2023) Daily dataset of precipitation and temperature in the Department of Cauca, Colombia. Data in Brief 50:109542. https://doi.org/10.1016/j.dib.2023.109542Buytaert W, Celleri R, Willems P, et al (2006) Spatial and temporal rainfall variability in mountainous areas: A case study from the south Ecuadorian Andes. Journal of Hydrology 329:413–421. https://doi.org/10.1016/j.jhydrol.2006.02.031Cadena J, Pérez D, Ferrer J, Cantero S (2022) Characteristics of the creole rice production system in La Mojana, Colombia. Trends in Horticulture 5:45. https://doi.org/10.24294/th.v5i1.1815Cadena M, Guzmán D, Ruíz J (2014) Regionalización de Colombia según la estacionalidad de la precipitación media mensual, a través de análisis de componentes principales (ACP). IDEAMCanchala T, Alfonso-Morales W, Carvajal-Escobar Y, et al (2020) Monthly Rainfall Anomalies Forecasting for Southwestern Colombia Using Artificial Neural Networks Approaches. Water 12:2628. https://doi.org/10.3390/w12092628Carslaw KS, Harrison RG, Kirkby J (2002) Cosmic rays, clouds, and climate. Science 298:1732–1737. https://doi.org/10.1126/science.1076964Castillo-Gómez JSD, Canchala T, Torres-López WA, et al (2023) Estimation of monthly rainfall missing data in Southwestern Colombia: comparing different methods. RBRH 28:e9. https://doi.org/10.1590/2318- 0331.282320230008Cerón WL, Andreoli R, Kayano M, et al (2022) Trend Pattern of Heavy and Intense Rainfall Events in Colombia from 1981–2018: A Trend-EOF Approach. Atmosphere 13:156. https://doi.org/10.3390/atmos13020156Chen Y, Sharma S, Zhou X, et al (2021) Spatial performance of multiple reanalysis precipitation datasets on the southern slope of central Himalaya. Atmospheric Research 250:105365. https://doi.org/10.1016/j.atmosres.2020.105365Chou SC, Lyra A, Mourão C, et al (2014) Assessment of Climate Change over South America under RCP 4.5 and 8.5 Downscaling Scenarios. American Journal of Climate Change 03:512. https://doi.org/10.4236/ajcc.2014.35043Cook ER, Seager R, Cane MA, Stahle DW (2007) North American drought: Reconstructions, causes, and consequences. Earth-Science Reviews 81:93–134. https://doi.org/10.1016/j.earscirev.2006.12.002Cook KH, Vizy EK (2010) Hydrodynamics of the Caribbean Low-Level Jet and Its Relationship to Precipitation. Journal of Climate 23:1477–1494. https://doi.org/10.1175/2009JCLI3210.1Dabernig M, Mayr GJ, Messner JW, Zeileis A (2017) Spatial ensemble post-processing with standardized anomalies. Quarterly Journal of the Royal Meteorological Society 143:909–916. https://doi.org/10.1002/qj.2975Dai A, Zhao T (2017) Uncertainties in historical changes and future projections of drought. Part I: estimates of historical drought changes. Climatic Change 144:519–533. https://doi.org/10.1007/s10584-016-1705- 2Daubechies I (1992) Ten Lectures on Wavelets. Society for Industrial and Applied MathematicsDiasso U, Abiodun BJ (2018) Future impacts of global warming and reforestation on drought patterns over West Africa. Theor Appl Climatol 133:647–662. https://doi.org/10.1007/s00704-017-2209-3Díaz DC, Villegas N (2022) Wavelet coherence between ENSO indices and two precipitation database for the Andes region of Colombia. Atmósfera 35:237–271. https://doi.org/10.20937/ATM.52890Dike VN, Lin Z-H, Ibe CC (2020) Intensification of Summer Rainfall Extremes over Nigeria during Recent Decades. Atmosphere 11:1084. https://doi.org/10.3390/atmos11101084Dinku T, Funk C, Peterson P, et al (2018) Validation of the CHIRPS satellite rainfall estimates over eastern Africa. Quarterly Journal of the Royal Meteorological Society 144:292–312. https://doi.org/10.1002/qj.3244Duan Z, Liu J, Tuo Y, et al (2016) Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy) at multiple temporal and spatial scales. Science of The Total Environment 573:1536–1553. https://doi.org/10.1016/j.scitotenv.2016.08.213Eslava J (1992) Perfil altitudinal de la temperatura media del aire en Colombia. Earth Sciences Research Journal 37–52Funk C, Peterson P, Landsfeld M, Pedreros (2015) The climate hazards infrared precipitation with stations - a new environmental record for monitoring extremesGómez-López D (2013) Elementos para la formulación de plan de adaptación a la variabilidad climática en el Caribe colombiano, con base en la gestión integral del riesgo. Clío América 64–79Goss M, Swain DL, Abatzoglou JT, et al (2020) Climate change is increasing the likelihood of extreme autumn wildfire conditions across California. Environ Res Lett 15:094016. https://doi.org/10.1088/1748- 9326/ab83a7Guarín-Giraldo GW, Poveda G (2013) Variabilidad Espacial y Temporal del Almacenamiento de Agua en el Suelo en Colombia. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales 37:89–113Haile GG, Tang Q, Hosseini-Moghari S-M, et al (2020) Projected Impacts of Climate Change on Drought Patterns Over East Africa. Earth’s Future 8:e2020EF001502. https://doi.org/10.1029/2020EF001502Hamed KH, Rao AR (1998) A modified Mann-Kendall trend test for autocorrelated data. Journal of Hydrology 204:182–196. https://doi.org/10.1016/S0022-1694(97)00125-XHamilton K, Hsieh WW (2002) Representation of the quasi-biennial oscillation in the tropical stratospheric wind by nonlinear principal component analysis. Journal of Geophysical Research: Atmospheres 107:ACL 3-1-ACL 3-10. https://doi.org/10.1029/2001JD001250Helmi AM, Abdelhamed MS (2023) Evaluation of CMORPH, PERSIANN-CDR, CHIRPS V2.0, TMPA 3B42 V7, and GPM IMERG V6 Satellite Precipitation Datasets in Arabian Arid Regions. Water 15:92. https://doi.org/10.3390/w15010092Hodson TO (2022) Root-mean-square error (RMSE) or mean absolute error (MAE): when to use them or not. Geoscientific Model Development 15:5481–5487. https://doi.org/10.5194/gmd-15-5481-2022Hoyos N, Escobar J, Restrepo JC, et al (2013) Impact of the 2010–2011 La Niña phenomenon in Colombia, South America: The human toll of an extreme weather event. Applied Geography 39:16–25. https://doi.org/10.1016/j.apgeog.2012.11.018Hurtado-Montoya AF, Mesa-Sánchez ÓJ (2015) Cambio climático y variabilidad espacio – temporal de la precipitación en Colombia. EIA 12:131–150IDEAM (1998) Posibles efectos naturales y socio-económicos del fenómeno Frío del Pacífico (La Niña) en Colombia en el segundo semestre de 1998 y primer semestre de 1999. Instituto de Hidrología, Meteorología y Estudios Ambientales, BogotáIDEAM (2017) Atlas climatológico de ColombiaIDEAM-DGPAD (2002) Efectos naturales y socioeconómicos del fenómeno El Niño en Colombia. Instituto de Hidrología, Meteorología y Estudios Ambientales, BogotáIDEAM-UNAL (2018) Variabilidad Climática y Cambio Climático en ColombiaIPCC (2014) Cambio climático 2014. Contribución de los Grupos de trabajo I, II y III al Quinto Informe de Evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático, Ginebra, SuizaIPCC (2023) Synthesis report of the ipcc sixth assessment report (AR6). https://www.ipcc.ch/report/ar6/syr/downloads/report/IPCC_AR6_SYR_LongerReport.pdf. Accessed 5 Jun 2023Jain M, Tripathi KC (2021) Auto Associative Neural Networks for Nonlinear Principal Components Analysis of Sea Surface Temperature Anomalies in Indian OceanKaraman ÇH, Akyürek Z (2023) Evaluation of near-surface air temperature reanalysis datasets and downscaling with machine learning based Random Forest method for complex terrain of Turkey. Advances in Space Research 71:5256–5281. https://doi.org/10.1016/j.asr.2023.02.006Karl TR, Knight RW (1998) Secular Trends of Precipitation Amount, Frequency, and Intensity in the United States. Bulletin of the American Meteorological Society 79:231–242. https://doi.org/10.1175/1520- 0477(1998)079<0231:STOPAF>2.0.CO;2Kendall MG (1948) Rank correlation methods. Griffin, Oxford, EnglandKhalili N, Khodashenas SR, Davary K, et al (2016) Prediction of rainfall using artificial neural networks for synoptic station of Mashhad: a case study. Arab J Geosci 9:624. https://doi.org/10.1007/s12517-016- 2633-1Lemma E, Upadhyaya S, Ramsankaran R (2019) Investigating the performance of satellite and reanalysis rainfall products at monthly timescales across different rainfall regimes of Ethiopia. International Journal of Remote Sensing 40:4019–4042. https://doi.org/10.1080/01431161.2018.1558373Leon-Aristizabal GE, Zea-Mazo JA, Eslava-Ramirez JA (2000) Circulación general del trópico y la zona de confluencia intertropical en Colombia. Meteorología colombiana 1:31–38Liu H, Chen Y, Han Q, et al (2023) Estimation of high spatial resolution all-weather near-surface air temperature using FY-4A AGRI observations. Atmospheric Research 285:106642. https://doi.org/10.1016/j.atmosres.2023.106642López-Bermeo C, Montoya RD, Caro-Lopera FJ, Díaz-García JA (2022) Validation of the accuracy of the CHIRPS precipitation dataset at representing climate variability in a tropical mountainous region of South America. Physics and Chemistry of the Earth, Parts A/B/C 127:103184. https://doi.org/10.1016/j.pce.2022.103184López-Feldman AJ, Hernández Cortés D, López Feldman AJ, Hernández Cortés D (2016) Cambio climático y agricultura: una revisión de la literatura con énfasis en América Latina. El trimestre económico 83:459–496. https://doi.org/10.20430/ete.v83i332.231Mann HB (1945) Nonparametric Tests Against Trend. Econometrica 13:245–259. https://doi.org/10.2307/1907187Marrugo-Negrete J, Pinedo J, Paternina R, et al (2018) Distribución espacial y evaluación de la contaminación ambiental por mercurio en la región de la Mojana, Colombia. Revista MVZ Córdoba 23:7062. https://doi.org/10.21897/rmvz.1481Meisel-Roca A, Pérez-Valbuena GJ (2006) Geografía física y poblamiento en la Costa Caribe colombiana. Banco de la República, Bogotá, ColombiaMejía F, Mesa O, Poveda G, et al (1999) Distribución espacial y ciclo anual y semianual de la precipitación en Colombia. 10Mekonnen-Weldegerima T, Terefe-Zeleke T, Simane-Birhanu B, et al (2018) Analysis of Rainfall Trends and Its Relationship with SST Signals in the Lake Tana Basin, Ethiopia. Advances in Meteorology 2018:10. https://doi.org/10.1155/2018/5869010Mesa-Sánchez ÓJ, Poveda G, Carvajal S LF (1997) Introducción al clima de Colombia. Universidad Nacional de ColombiaMiró JJ, Caselles V, Estrela MJ (2017) Multiple imputation of rainfall missing data in the Iberian Mediterranean context. Atmospheric Research 197:313–330. https://doi.org/10.1016/j.atmosres.2017.07.016Montealegre-Bocanegra JE, Pabón-Caicedo JD (2000a) Meteorología Colombiana. 16Montealegre-Bocanegra JE, Pabón-Caicedo JD (2000b) La variabilidad climática interanual asociada al ciclo El Niño-La Niña-Oscilación del Sur y su efecto en el patrón pluviométrico de Colombia. Meteorol Colomb 2:7–21Morales-Acuña E, Linero-Cueto JR, Canales FA (2021) Assessment of Precipitation Variability and Trends Based on Satellite Estimations for a Heterogeneous Colombian Region. Hydrology 8:128. https://doi.org/10.3390/hydrology8030128Morán-Tejeda E, Llorente-Pinto JM, Ceballos-Barbancho A, et al (2021) The significance of monitoring high mountain environments to detect heavy precipitation hotspots: a case study in Gredos, Central Spain. Theor Appl Climatol 146:1175–1188. https://doi.org/10.1007/s00704-021-03791-xMuñoz-Herrera W, Bedoya OF, Rincón ME (2020) Aplicación de redes neuronales para la reconstrucción de series de tiempo de precipitación y temperatura utilizando información satelital. reveia 17:. https://doi.org/10.24050/reia.v17i34.1292Muñoz-Sabater J (2019) ERA5-Land monthly averaged data from 1950 to present.Muñoz-Sabater J, Dutra E, Agustí-Panareda A, et al (2021) ERA5-Land: a state-of-the-art global reanalysis dataset for land applications. Earth System Science Data 13:4349–4383. https://doi.org/10.5194/essd13-4349-2021Navarro-Monterroza E, Arias PA, Vieira SC, et al (2019) El Niño-Oscilación del Sur, fase Modoki, y sus efectos en la variabilidad espacio-temporal de la precipitación en Colombia. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales 43:120–132. https://doi.org/10.18257/raccefyn.704New M, Hewitson B, Stephenson DB, et al (2006) Evidence of trends in daily climate extremes over southern and west Africa. Journal oNorth GR, Bell TL, Cahalan RF, Moeng FJ (1982) Sampling Errors in the Estimation of Empirical Orthogonal Functions. Monthly Weather Review 110:699–706. https://doi.org/10.1175/1520- 0493(1982)110<0699:SEITEO>2.0.CO;2Nystuen JA, Andrade CA (1993) Tracking mesoscale ocean features in the Caribbean Sea using Geosat altimetry. J Geophys Res 98:8389–8394. https://doi.org/10.1029/93JC00125Ocampo-Marulanda C, Cerón WL, Avila-Diaz A, et al (2021) Missing data estimation in extreme rainfall indices for the Metropolitan area of Cali - Colombia: An approach based on artificial neural networks. Data in Brief 39:107592. https://doi.org/10.1016/j.dib.2021.107592Ocampo-Marulanda C, Fernández-Álvarez C, Cerón WL, et al (2022) A spatiotemporal assessment of the highresolution CHIRPS rainfall dataset in southwestern Colombia using combined principal component analysis. Ain Shams Engineering Journal 13:101739. https://doi.org/10.1016/j.asej.2022.101739Ospina-Noreña JE, Bermeo Fúquene PA, Facultad de Ciencias Agrarias, Departamento de Agronomía, Universidad Nacional de Colombia, et al (2019) Management and ensemble of future climate scenarios for specific agricultural systems in the municipality of Nilo, Cundinamarca (Colombia). Atm 32:197– 211. https://doi.org/10.20937/ATM.2019.32.03.03Pabón-Caicedo JD (2007) El cambio climatico en Colombia. Universidad Nacional de Colombia 6Pabón-Caicedo JD (2003) El cambio climático global y su manifestación en Colombia. Cuadernos de Geografia 7:111–119Pabón-Caicedo JD (2012) Cambio climático en Colombia: tendencias en la segunda mitad del siglo xx y escenarios posibles para el siglo xxi. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales 36:261–278Pabón-Caicedo JD, Cárdenas I, Kholostiakov R (2002) Escenarios climáticos para el siglo XXI.Pabón-Caicedo JD, Eslava-Ramírez JA, Gómez-Torres RE (2001) Generalidades de la distribución espacial y temporal de la temperatura del aire y de la precipitación en Colombia. Meteorología Colombiana 47– 59Pabón-Caicedo JD, Zea-Mazo J, León G, et al (1998) La atmósfera, el tiempo y el climaPardo-Martínez CI, Alfonso WH (2018) Climate change in Colombia: A study to evaluate trends and perspectives for achieving sustainable development from society. IJCCSM 10:632–652. https://doi.org/10.1108/IJCCSM-04-2017-0087Paredes-Trejo FJ, Álvarez-Barbosa H, Peñaloza-Murillo MA, et al (2016) Intercomparison of improved satellite rainfall estimation with CHIRPS gridded product and rain gauge data over Venezuela. ATM. https://doi.org/10.20937/ATM.2016.29.04.04Pawlowicz R (2020) M_MapPereira de Araújo CS, Campos-Silva IA, Ippolito M, Duarte-Guedes C (2022) Evaluation of air temperature estimated by ERA5-Land reanalysis using surface data in Pernambuco, Brazil. Environ Monit Assess 194:381. https://doi.org/10.1007/s10661-022-10047-2ure estimated by ERA5-Land reanalysis using surface data iPérez-Rendón EP, Ramírez-Builes VH, Peña-Quiñones AJ, et al (2016) Variabilidad espacial y temporal de la temperatura del aire en la zona cafetera colombiana. Investigaciones geográficas 23–40. https://doi.org/10.14350/rig.38707Poveda G (2004) La hidroclimatología de Colombia: Una síntesis desde la escala inter-decadak hasta la escala diurna. 22Poveda G, Álvarez DM, Rueda ÓA (2011) Hydro-climatic variability over the Andes of Colombia associated with ENSO: a review of climatic processes and their impact on one of the Earth’s most important biodiversity hotspots. Clim Dyn 36:2233–2249. https://doi.org/10.1007/s00382-010-0931-yPoveda G, Mesa OJ (2000) On the existence of Lloró (the rainiest locality on Earth): Enhanced ocean-landatmosphere interaction by a low-level jet. Geophys Res Lett 27:1675–1678. https://doi.org/10.1029/1999GL006091Poveda G, Waylen PR, Pulwarty RS (2006) Annual and inter-annual variability of the present climate in northern South America and southern Mesoamerica. Palaeogeography, Palaeoclimatology, Palaeoecology 234:3–27. https://doi.org/10.1016/j.palaeo.2005.10.031Press WH, Teukolsky SA, Vetterling WT, Flannery BP (1996) Numerical recipes in C: The art of scientific computing, second edition. Cambridge University Press 17:201. https://doi.org/10.1016/0160- 9327(93)90069-FPuertas-Orozco OL, Carvajal-Escobar Y (2008) Incidencia de El Niño-Oscilación del Sur en la precipitación y la temperatura del aire en Colombia, utilizando el Climate Explorer. using Climate Explorer Ingeniería y Desarrollo 104–118Rahmat SN, Jayasuriya N, Bhuiyan M (2015) Development of Drought Severity-Duration-Frequency Curves in Victoria, Australia. Australasian Journal of Water Resources 19:31–42. https://doi.org/10.7158/13241583.2015.11465454Ramirez-Camargo L, Gruber K, Nitsch F (2019) Assessing variables of regional reanalysis data sets relevant for modelling small-scale renewable energy systems. Renewable Energy 133:1468–1478. https://doi.org/10.1016/j.renene.2018.09.015Ramirez-Villegas J, Salazar M, Jarvis A, Navarro-Racines CE (2012) A way forward on adaptation to climate change in Colombian agriculture: perspectives towards 2050. Climatic Change 115:611–628. https://doi.org/10.1007/s10584-012-0500-yReyer CPO, Adams S, Albrecht T, et al (2017) Climate change impacts in Latin America and the Caribbean and their implications for development. Reg Environ Change 17:1601–1621. https://doi.org/10.1007/s10113-015-0854-6Rodríguez-Pacheco FL, Jiménez-Villamizar MP, Pedraza-Álvarez LP (2019) Efectos del cambio climático en la salud de la población colombiana. Duazary 16:319–331. https://doi.org/10.21676/2389783X.3186Rodríguez-Vega A, Antuña-Marrero JC, Mesquita MDS, et al (2018) How well does the European Centre for Medium-Range Weather Forecasting Interim Reanalysis represent the surface air temperature in Cuban weather stations? International Journal of Climatology 38:1216–1233. https://doi.org/10.1002/joc.5239Rúa-Uribe GL, Suárez-Acosta C, Chauca J, et al (2013) Modelling the effect of local climatic variability on dengue transmission in Medellin (Colombia) by means temporary series analysis. Biomédica 33:142– 52. https://doi.org/10.7705/biomedica.v33i0.1444Scholz M (2002) Nichtlineare Hauptkomponentenanalyse auf Basis neuronaler Netze. masterThesis, Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät IIScholz M (2007) Analysing Periodic Phenomena by Circular PCA. In: Hochreiter S, Wagner R (eds) Bioinformatics Research and Development. Springer Berlin Heidelberg, Berlin, Heidelberg, pp 38–47Scholz M, Fraunholz M, Selbig J (2008) Nonlinear Principal Component Analysis: Neural Network Models and Applications. In: Gorban AN, Kégl B, Wunsch DC, Zinovyev AY (eds) Principal Manifolds for Data Visualization and Dimension Reduction. Springer Berlin Heidelberg, Berlin, Heidelberg, pp 44– 67Scholz M, Kaplan F, Guy CL, et al (2005) Non-linear PCA: a missing data approach. Bioinformatics 21:3887– 3895. https://doi.org/10.1093/bioinformatics/bti634Shapiro SS, Wilk MB (1965) An Analysis of Variance Test for Normality (Complete Samples). Biometrika 52:591–611. https://doi.org/10.2307/2333709Sobie SR, Zwiers FW, Curry CL (2021) Climate Model Projections for Canada: A Comparison of CMIP5 and CMIP6. Atmosphere-Ocean 59:269–284. https://doi.org/10.1080/07055900.2021.2011103Spinoni J, Naumann G, Vogt JV, Barbosa P (2015) The biggest drought events in Europe from 1950 to 2012. Journal of Hydrology: Regional Studies 3:509–524. https://doi.org/10.1016/j.ejrh.2015.01.001Taschetto AS, Ummenhofer CC, Stuecker MF, et al (2020) ENSO Atmospheric Teleconnections. In: McPhaden MJ, Santoso A, Cai W (eds) Geophysical Monograph Series, 1st edn. Wiley, pp 309–335Thompson V, Mitchell D, Hegerl GC, et al (2023) The most at-risk regions in the world for high-impact heatwaves. Nat Commun 14:2152. https://doi.org/10.1038/s41467-023-37554-1Torrence C, Compo GP (1998) A Practical Guide to Wavelet Analysis. Bull Amer Meteor Soc 79:61–78. https://doi.org/10.1175/1520-0477(1998)079<0061:APGTWA>2.0.CO;2Toté C, Patricio D, Boogaard H, et al (2015) Evaluation of Satellite Rainfall Estimates for Drought and Flood Monitoring in Mozambique. Remote Sensing 7:1758–1776. https://doi.org/10.3390/rs70201758Trojer H (1959) Fundamentos para una zonificación meteorológica y climatológica del trópico y especialmente de ColombiaUrrea V, Ochoa A, Mesa O (2019) Seasonality of Rainfall in Colombia. Water Resources Research 55:4149– 4162. https://doi.org/10.1029/2018WR023316Urrea V, Ochoa A, Mesa O (2016) Validación de la base de datos de precipitación CHIRPS para Colombia a escala diaria, mensual y anual en el período 1981-2014Valencia S, Marín DE, Gómez D, et al (2023) Spatio-temporal assessment of Gridded precipitation products across topographic and climatic gradients in Colombia. Atmospheric Research 285:106643. https://doi.org/10.1016/j.atmosres.2023.106643Vega-Durán J, Escalante-Castro B, Canales FA, et al (2021) Evaluation of Areal Monthly Average Precipitation Estimates from MERRA2 and ERA5 Reanalysis in a Colombian Caribbean Basin. Atmosphere 12:1430. https://doi.org/10.3390/atmos12111430Vernette G (1985) La plataforma continental del Caribe Colombiano. Universidad de BordeauxVogel J, Paton E, Aich V, Bronstert A (2021) Increasing compound warm spells and droughts in the Mediterranean Basin. Weather and Climate Extremes 32:100312. https://doi.org/10.1016/j.wace.2021.100312Wang Y-R, Hessen DO, Samset BH, Stordal F (2022) Evaluating global and regional land warming trends in the past decades with both MODIS and ERA5-Land land surface temperature data. Remote Sensing of Environment 280:113181. https://doi.org/10.1016/j.rse.2022.113181Yang J, Zhou M, Ren Z, et al (2021) Projecting heat-related excess mortality under climate change scenarios in China. Nat Commun 12:1039. https://doi.org/10.1038/s41467-021-21305-1Yepes J, Poveda G, Mejía JF, et al (2019) CHOCO-JEX: A Research Experiment Focused on the Chocó LowLevel Jet over the Far Eastern Pacific and Western Colombia. Bulletin of the American Meteorological Society 100:779–796. https://doi.org/10.1175/BAMS-D-18-0045.1Zabaleta-Ortega ÁJ, Nobles-Orozco E, Mercado-Fernández T, et al (2022) Evaluación de amenaza por sequía en el departamento de Córdoba, Colombia. Revista Ingenierías Universidad de Medellín 21:87–100. https://doi.org/10.22395/rium.v21n40a6Zhai Y, Huang G, Wang X, et al (2019) Future projections of temperature changes in Ottawa, Canada through stepwise clustered downscaling of multiple GCMs under RCPs. Clim Dyn 52:3455–3470. https://doi.org/10.1007/s00382-018-4340-yZhang X, Xu M, Kang S, et al (2023) The spatiotemporal variability in precipitation gradients based on meteorological station observations in mountainous areas of Northwest China. Theor Appl Climatol. https://doi.org/10.1007/s00704-023-04618-7Zhang Y, Thorburn PJ (2022) Handling missing data in near real-time environmental monitoring: A system and a review of selected methods. Future Generation Computer Systems 128:63–72. https://doi.org/10.1016/j.future.2021.09.033Zhou C (2023) Empirical Orthogonal Function (EOF) analysis. https://la.mathworks.com/matlabcentral/fileexchange/54416-empirical-orthogonal-function-eofanalysis. Accessed 17 Oct 2023LICENSElicense.txtlicense.txttext/plain; charset=utf-82938https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/33842/2/license.txtbaba314677a6b940f072575a13bb6906MD52open accessFOR-EFE-GDB-008_AUTORIZACION_DE_PUBLICACION_DE_TESIS_O_TRABAJO_DE_GRADO_DE_FORMA_CONFIDENCIAL.pdfFOR-EFE-GDB-008_AUTORIZACION_DE_PUBLICACION_DE_TESIS_O_TRABAJO_DE_GRADO_DE_FORMA_CONFIDENCIAL.pdfapplication/pdf201587https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/33842/4/FOR-EFE-GDB-008_AUTORIZACION_DE_PUBLICACION_DE_TESIS_O_TRABAJO_DE_GRADO_DE_FORMA_CONFIDENCIAL.pdfe18ba822e66a0ce4fa7f593c2d92f446MD54open accessTHUMBNAILTesis Pregrado Sandoval-Rivera-Manuela.pdf.jpgTesis Pregrado Sandoval-Rivera-Manuela.pdf.jpgIM Thumbnailimage/jpeg6953https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/33842/6/Tesis%20Pregrado%20Sandoval-Rivera-Manuela.pdf.jpg00d93b3617c2c9f6bb5a3550db8fe5e7MD56open accessORIGINALTesis Pregrado Sandoval-Rivera-Manuela.pdfTesis Pregrado Sandoval-Rivera-Manuela.pdfDocumento reservado / Confidential documentapplication/pdf3217516https://expeditiorepositorio.utadeo.edu.co/bitstream/20.500.12010/33842/5/Tesis%20Pregrado%20Sandoval-Rivera-Manuela.pdf55d3a2dc0b064d7ddcdd2ace0e96c571MD55embargoed access|||2026-06-1220.500.12010/33842oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/338422024-03-20 12:07:58.754embargoed access|||2026-06-12Repositorio Institucional - Universidad Jorge Tadeo Lozanoexpeditiorepositorio@utadeo.edu.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 |