INTRODUCCIÓN
La sequía se considera una
amenaza natural importante, que afecta a varios sectores de la economía y al
medio ambiente en todo el mundo y afecta a casi todos los determinantes del
ciclo hidrológico a partir de la precipitación y termina con el escurrimiento
en los sistemas de aguas superficiales o la recarga y almacenamiento en los
acuíferos subterráneos (Tigkas et al., 2014). Diferente a otros peligros
naturales, la sequía se desarrolla lentamente haciendo complejo determinar su
inicio y el término del evento. (Endara, 2019). La sequía se origina por
deficiencias en la precipitación durante un período extendido, es una anomalía
temporal que puede ocurrir en casi todas las zonas climáticas incluyendo las
que tengan normalmente precipitaciones elevadas (Morales et al., 2000).
El Perú es el tercer país más
vulnerable a los efectos del cambio climático que varía según su exposición,
sensibilidad y capacidad adaptativa a este efecto (Autoridad Nacional del Agua,
2015). La comunidad andina en el 2009 desarrollo un atlas de sequías en los
países andinos en el cual menciona, cerca del 47% del total de áreas
agropecuarias del Perú están expuestas a las sequías (Endara, 2019); los
impactos negativos son más evidentes en zonas propensas y en sistemas de
cultivos con mayor vulnerabilidad a este tipo de eventos como es la agricultura
en secano (Tigkas et al., 2018), tenemos el caso de la papa, trigo, quinua,
entre otros. Algunos impactos suscitados en el departamento de Ancash
ocurrieron en los años 1985, 1990, 1992, 2004 y 2005 (Endara et al., 2019).
La cuenca del río Santa está
considerada entre las cinco más vulnerables del Perú frente a los impactos del
cambio climático (MINAM, 2010). En las últimas décadas, en algunos puntos de
referencia (Mollepata y Recuay) ubicados en la cuenca media y alta del río
Santa se han reportado incrementos súbitos de los riachuelos de origen glaciar
y donde se ha observado mayor recurrencia de años secos. Según el Servicio
Nacional de Meteorología e Hidrología (2008) manifiesta que la temperatura
máxima promedio anual en el extremo sur de la cuenca del río Santa se ha
incrementado por encima de los 6 ºC en los últimos 42 años. En contraste con
otras zonas de Perú, como el altiplano, donde los impactos del evento El Niño
se manifiestan con grandes sequías, u otras zonas donde se presenta como un
problema importante que afecta la actividad agropecuaria, por otra parte, la
cuenca del río Santa no se presenta muy vulnerable frente a la sequía, siendo
los efectos de este tipo moderado (ANA, 2015).
De acuerdo con el ANA (2015),
señala que la subcuenca Chancos regionalmente es la más representativa de la
cuenca del río Santa de la zona sur en cuanto a la climatología y precipitación
para realizar el estudio de sequías ya que abarca casi todos los climas
preponderantes.
En este aspecto para una adecuada
planificación y gestión del recurso hídrico es clave conocer su comportamiento
en el tiempo y el espacio, ya que las sequías son fenómenos de relativa
complejidad que afectan el desarrollo y aprovechamiento del recurso hídrico en
una misma región (Fernández, 1997).
Las sequías han sido clasificadas
tradicionalmente en cuatro categorías dependiendo de la variable o sistema
afectado (Wilhite y Glantz, 1985; Organización Meteorológica Mundial, 2006): a)
sequía meteorológica: se define como una falta de precipitación en una región
durante un período determinado de tiempo, b) sequía agrícola: hace referencia a
los períodos en los que disminuye la humedad del suelo que requiere las
plantas, provocando la pérdida de productividad de los cultivos, c) sequía
hidrológica: es un período durante el cual los recursos hídricos superficiales
y sub superficiales son insuficientes para satisfacer la demanda hídrica de un
determinado sistema o cuenca hidrológica, d) sequía socioeconómica: es
consecuencia de las anteriores y hace referencia a la insuficiencia del recurso
respecto a la demanda generada por los distintos sectores productivos.
Todos estos tipos de sequías
están interrelacionados entre sí, de manera que los déficits de precipitaciones
que caracterizan a las sequías meteorológicas producen un descenso en la
humedad del suelo y de la escorrentía superficial, lo que a su vez genera el
descenso de los caudales de los ríos y por tanto genera las sequías
hidrológicas (Lorenzo, 2012). En el caso de la cuenca del río Santa las sequías
meteorológicas (escala mensual) presentan alta variabilidad interanual, además
en la escala hidrológica se observan patrones semejantes que en la escala
meteorológica. También los eventos de sequías en escalas interanual y anual son
más intensos y prolongados que los observados a escala mensual (SENAMHI, 2008).
Los indicadores meteorológicos
son herramientas fundamentales para la caracterización y el seguimiento de las
sequías (World Meteorological Organization y Global Water Partnership, 2016);
el índice de precipitación estandarizado (SPI por sus siglas en inglés) se
concibió para cuantificar el déficit hídrico para varias escalas temporales,
las cuales reflejan el impacto de la sequía en la disponibilidad del recurso
hídrico (McKee et al., 1993). También es considerado como el índice más robusto
y eficaz debido a que es posible calcularlo y analizarlo por categorías de
sequía (Capra et al., 2013), y se basa únicamente en la información de la
precipitación (Vicente-Serrano, 2006); se ajusta a una función de probabilidad
gamma que posteriormente se transforma en una distribución de probabilidad
normal estandarizada, y su principal ventaja radica en que puede calcularse
para una gran variedad de series de tiempo, es uno de los métodos más sencillos
de efectuar y se encuentra entre los índices más usados para el pronóstico de
sequías (Avilés et al., 2015). Curi (2017) indica que el índice de caudal
estandarizado (SSI por sus siglas en inglés), permite evaluar y comparar una
gran variedad de regímenes hidrológicos muy diferentes entre sí, en
características físicas y magnitudes de caudal.El método para su cálculo es
similar a la del índice de precipitación estandarizado, por lo que permite
realizar el cálculo para varias series de tiempo, su desventaja radica en el
uso exclusivo de los datos de caudal (Vicente-Serrano et al., 2012).
Se analiza el SPI y el SSI en la
subcuenca Chancos principalmente porque requiere un mínimo de datos (solamente
precipitación y caudales) y su flexibilidad permite la aplicación de este
método en diferentes escalas temporales, además de ser compatible con otras
cuencas y subcuencas del Perú.
En este contexto, el propósito de
la presente investigación es relacionar el rendimiento y evaluar la
aplicabilidad del índice de precipitación estandarizado (SPI) y el índice de
caudal estandarizado (SSI) sobre la subcuenca Chancos para categorizar los
tipos de sequías meteorológicos e hidrológicos basados en su intensidad para el
período de 1965 – 2013. La evaluación estadística incluye el análisis de
consistencia y tendencias del conjunto de datos, así mismo los resultados
obtenidos de sequías se compararán para toda la serie de datos correspondientes
al período de estudio.
METODOLOGÍA
Área de estudio
El Ministerio de Vivienda,
Construcción y Saneamiento (2002) describe que la cuenca del río Santa, tiene
una altitud máxima de 6768 m.s.n.m. (Caraz) y mínima en la desembocadura del
mar. El río Santa tiene una longitud aproximada de 294 km. La cuenca del río
Santa está ubicada en el Norte del país y forma parte de la Cordillera Blanca y
Negra de la Vertiente Occidental del Pacifico.
La subcuenca Chancos tiene una
extensión de 265.61 km2 la cual corresponde a la parte húmeda, denominada así
por encontrarse encima de los 2000 m.s.n.m., fijada como límite del área de
escurrimiento superficial (Díaz, 2017).
Figura 1. Ubicación de la
subcuenca Chancos.
Datos
Para realizar el análisis de los
eventos de sequía se ha empleado datos de precipitación y caudales de la
Autoridad Nacional del Agua (ANA). Consiste en 6 estaciones pluviométricas
(Mollepata, Recuay, Chancos, Querococha, Milpo y Cullicocha) y 1 hidrométrica
(Chancos). En este trabajo se han empleado las medias mensuales de las
variables de precipitaciones y caudales para el período de 1965 – 2013.
Metodología
En la figura (1) se muestra la
estación hidrométrica Chancos, por lo que se supone que los datos de esta
estación se relacionan con las precipitaciones en la parte superior de la
subcuenca Chancos, según el concepto de la relación lluvia-escurrimiento. De
manera que es adecuado para el análisis de comparación entre los índices de
sequías meteorológicos e hidrológicos. En este trabajo se han utilizado las
series de caudales mensuales para el período 1965 – 2013.
Se seleccionaron los registros de
precipitaciones mensuales de 49 años en el período de 1965 a 2013 de 6
estaciones pluviométricas. Los datos de las precipitaciones registradas se
utilizaron para generar una serie de precipitaciones medias para el área de la
subcuenca Chancos con la finalidad de representar mejor el comportamiento de
las sequías. Para la obtención de la precipitación media para la subcuenca
Chancos se realizó a través del método de interpolación de la Distancia Inversa
al conjunto de precipitaciones mensuales de las diferentes estaciones
seleccionadas, este método asume que cada punto posee una influencia local que
disminuye con la distancia, de esta manera el método pondera con mayor fuerza a
los puntos con datos cercanos al punto de valor desconocido y con menor intensidad
sobre aquellos ubicados a mayor distancia. (Tveito & Schöner, 2002).
Para asegurar la calidad de los
datos en el análisis de sequías, se realizaron algunas pruebas estadísticas en
toda la serie de datos de precipitaciones y caudales mensuales empleando las
pruebas “T” de Student y “F” de Fisher buscando la homogeneidad y consistencia
(p > 0.05), y el test de Mann-Kendall (p > 0.05) para el ajuste o
eliminación de la tendencia, según corresponda.
El análisis del índice de sequía
meteorológica se realizó mensualmente durante 49 años (1965-2013). El índice de
precipitación estandarizado (SPI) se seleccionó para evaluar la sequía
meteorológica teniendo en cuenta su flexibilidad y simplicidad en la evaluación
de la sequía bajo diversas condiciones climáticas. El índice de precipitación
estandarizado está establecido por la Organización Meteorológica Mundial (2006)
como método estándar recomendado para el análisis de la sequía también en el
Perú.
Se eligió el índice de caudal
estandarizado (SSI) para evaluar la sequía hidrológica sobre la base de datos
de caudal en el período 1965 – 2013, teniendo en cuenta su capacidad para ser
implementado fácilmente en cualquier escala de tiempo.
Posteriormente los índices de
sequías resultantes se evaluaron y compararon entre si mediante indicadores
estadísticos, como la correlación de Pearson (r), la raíz del error cuadrático
medio (RMSE), el sesgo relativo (BIAS) y el coeficiente de Nash-Sutcliffe los
cuales nos indicaran la relación entre la sequía meteorológica e hidrológica.
Cálculo del índice de
precipitación estandarizado (SPI) e índice de caudal estandarizado (SSI)
Los índices se calculan mediante
el ajuste de los datos mensuales de precipitación y/o caudal a una distribución
de probabilidad Gamma (McKee et al., 1993). Así mismo los índices deben
precisar al menos 30 años de datos mensuales, siendo preferible contar con al
menos 50 años (Guttman, 1999).
La sequía meteorológica se
calcula a partir de la conversión de datos de precipitación de una serie suficientemente
larga a probabilidades basadas en registros de precipitación acumulada en 1, 3,
6, 12 y 24 meses (Peña-Gallardo et al., 2016), es decir, si se desea obtener el
índice SPI12, implica que debe calcularse para cada punto de medida el valor acumulado
anual (Pacheco et al., 2017).
La sequía hidrológica se mide a
partir del nivel de agua de los ríos, embalses, lagos y aguas subterráneas. En
este estudio, el análisis de la sequía hidrológica se llevó a cabo mediante el
índice de caudal estandarizado (SSI), que adopta un concepto similar al del
índice de precipitación estandarizado (SPI).
En este trabajo se ha usado la
distribución de probabilidad Gamma para transformar las series de
precipitaciones y caudales mensuales a unidades estandarizadas mediante el
método de máxima verosimilitud, tal como se planteó en la formulación de McKee
et al. (1993). La escala temporal analizada fue de 1, 3, 6 y 12 meses
RESULTADOS
Comprobación de la calidad de
datos pluviométricos e hidrométricos
En la tabla (1) se muestra el
análisis de la homogenización y consistencia (p > 0,05) tanto en la media
como en la desviación estándar, así mismo se realizó el ajuste o eliminación de
la tendencia (p > 0,05), de esta manera se obtuvo una información confiable
y disponible. Se sugiere realizar este paso muy importante para tener una base
de datos confiable y de calidad para su aplicación (Porto, 2021).
Tabla 1.
Análisis estadístico de los datos pluviométricos.
|
ESTACIÓN
|
Prueba "T"
|
Prueba "F"
|
Prueba "MK"
|
|
Tcal
|
Ttab
|
Fcal
|
Ftab
|
Z
|
|
Chancos
|
1.12
|
1.96
|
1.00
|
1.21
|
1.37
|
|
Cullicocha
|
1.43
|
1.96
|
1.00
|
1.21
|
0.02
|
|
Milpo
|
0.38
|
1.96
|
1.20
|
1.22
|
1.65
|
|
Mollepata
|
0.30
|
1.96
|
1.05
|
1.21
|
1.40
|
|
Querococha
|
0.99
|
1.96
|
1.09
|
1.44
|
1.43
|
|
Recuay
|
1.63
|
1.96
|
1.00
|
1.35
|
1.04
|
En la figura (2) se observa que
los meses de estiaje ocurren de abril a setiembre y los meses húmedos ocurren
de octubre a marzo en la comparación de los datos pluviométricos en la zona de
estudio.
Figura 2. Precipitaciones
históricas medias para cada estación en el período 1965-2013.
Posteriormente en la figura (3)
se muestra las precipitaciones medias mensuales de la generación de datos de
interpolación para la subcuenca Chancos para el período 1965 – 2013.
Figura 3. Precipitaciones
medias para la subcuenca Chancos para el período 1965-2013.
Así mismo en la figura (4) se
muestra los caudales medios mensuales para la subcuenca Chancos para el período
1965 – 2013.
Figura 4. Caudales medios
para la subcuenca Chancos para el período 1965-2013.
Finalmente, en la figura (5) y
(6) se observa el rango y evolución de las sequías meteorológicas e
hidrológicas ocurridas para el período de estudio en una escala temporal de 3
meses respectivamente.
Figura 5. Índices de
precipitación estandarizado en una escala temporal de 3 meses.
Figura 6. Índices de
caudal estandarizado en una escala temporal de 3 meses.
Así mismo en la figura (7) se
muestra la comparación entre el SSI y el SPI basado en su intensidad durante el
período 1965-2013. Tanto el SPI como el SSI mostraron un patrón similar al del
SSI, lo que implica una buena concordancia entre los dos índices de sequías.
Figura 7. Comparación
entre el SPI-3 y el SSI-3 para el período de estudio.
El aumento del índice de sequía
del SSI va acompañado del aumento del SPI, y a la inversa, cuando el SSI
disminuye, el índice de sequía SPI tienden a disminuir también, pero no
diferentes en algunos años.
La tabla (2) muestra el resumen
de los análisis de la relación estadística entre el SPI y el SSI. A partir de
esta tabla se pudo encontrar pruebas de correlación superiores a 0.6 lo que
confirma que existe una buena concordancia entre el índice de sequía del SPI
con el SSI. Por lo tanto, se puede afirmar que el SPI está muy bien
correlacionado con el SSI para la escala temporal de 3 meses, lo que significa
que los dos métodos de índice podrían aplicarse bien en la evaluación de la
sequía para la zona de estudio.
Tabla 2.
Análisis de los indicadores estadísticos entre el índice de precipitación
estandarizado (SPI) y el índice de caudal estandarizado (SSI)
|
Índices
|
Indicadores Estadísticos
|
|
PCC
|
RMSE
|
BIAS
|
NASH
|
|
SSI1 - SPI1
|
0.79
|
0.65
|
-0.83
|
-0.58
|
|
SSI3 - SPI3
|
0.82
|
0.61
|
-4.81
|
0.63
|
|
SSI6 – SPI6
|
0.76
|
0.69
|
3.42
|
0.52
|
|
SSI12 - SPI12
|
0.41
|
1.08
|
-0.71
|
-0.18
|
En la figura (8) se muestra la
comparación de los tipos de sequías ocurridos para la subcuenca Chancos entre
el SPI y el SSI. Todos los tipos de sequías muestran frecuencias similares.
Figura 8. Comparación entre la cantidad
de eventos de sequía entre el SSI-3 y el SPI-3.
DISCUSIÓN
Se identifico que para los años
1985, 1990, 1992 y 2004 ocurrieron los eventos de sequías con diferentes
intensidades tal como lo identifico Endara et al. (2019), esto puede deberse a
la interpolación de la precipitación media para la subcuenca Chancos ya que
eleva las precipitaciones y esto puede ocasionar que algunos períodos secos no
puedan identificarse correctamente, se sugiere realizar el análisis entre
estaciones individuales ya que identifica mejor los períodos secos ocurridos.
El análisis de sequías comprueba
que los fenómenos hidrometeorológicos están incrementando (1997 – 2006) debido
al cambio climático y la ausencia de lluvias, algunos eventos tal como lo
señala el ANA (2015).
Es importante dispones de datos
de calidad para la generación de mapas y tomar en cuenta cuestiones
topográficas, en particular en zonas montañosas ya que las superficies
interpoladas para un mapa de sequía meteorológica puede que no tengan
correspondencias reales con la variabilidad natural (OMM, 2012), se sugiere
utilizar la geoestadística para poder caracterizar espacialmente la
variabilidad de las sequías.
La principal crítica del SPI es
que su cálculo se basa únicamente en datos de precipitación y no considera
otras variables que influyen en la severidad de la sequía como puede ser la
temperatura, o principalmente, la demanda de agua por parte de la atmosfera
(Serrano-Barrios et al., 2016). A pesar de esta limitación los índices de
sequías coinciden con las épocas señaladas, pero en cuanto a su magnitud no
tienen coincidencia debido a que se analizó en escalas temporales de 1, 3, 6 y
12 meses.
CONCLUSIONES
El presente estudio revelo que
las características de los índices de sequía mensual entre el SPI y el SSI
exhiben una similitud de patrones que se indica por el buen coeficiente de
correlación de Pearson (PCC), raíz del error cuadrático medio (RMSE), sesgo
relativo (BIAS) y buen coeficiente Nash respectivamente.
La sequía hidrológica depende directamente
de la sequía meteorológica ya que al disminuir las precipitaciones también
disminuye el caudal de la subcuenca en estudio.
En consecuencia, el índice de
precipitación estandarizado podría aplicarse bien en la determinación de la
sequía en la zona de estudio. También se demostró que el SSI podría utilizarse
en la evaluación de la sequía basándose en el registro de datos de los caudales
en la zona de estudio en lugar del SPI. Además, la superposición de la sequía
mensual del SSI y el SPI demostró que estos métodos están correlacionados
debido a la magnitud obtenida por el coeficiente de correlación de Pearson
(PCC), raíz del error cuadrático medio (RMSE), sesgo relativo (BIAS) y
coeficiente Nash en una escala temporal de 3 meses son superiores a valores
medios.
Los episodios ocurridos de sequía
fueron de 24, 66, 145 eventos de categoría extremadamente seco, severamente
seco y moderadamente seco para la subcuenca Chancos para los índices
estandarizados.
Los resultados de este estudio
destacan que la sequía es un fenómeno complejo en la subcuenca Chancos, con una
notable variabilidad espacio temporal debido a que en la región Sierra, la
altitud, latitud, presencia de vientos locales dan lugar a diferentes
condiciones climáticas. Es necesario considerar que los resultados están
basados para categorizar sequías meteorológicas e hidrológicas en términos de
déficit de precipitación por lo que sus impactos en cada región dependerán de
diferentes condiciones.
REFERENCIAS BIBLIOGRÁFICAS
[1] Autoridad
Nacional del Agua. (2015). Evaluación de recursos hídricos en la Cuenca Santa.
In Repositorio Institucional - ANA (pp. 1–56).
http://repositorio.ana.gob.pe/handle/20.500.12543/4644
[2]
Avilés, A., Célleri, R., Paredes, J., & Solera, A. (2015). Evaluation of Markov Chain Based Drought Forecasts in an Andean
Regulated River Basin Using the Skill Scores RPS and GMSS. Water Resources
Management, 1–15. https://doi.org/10.1007/s11269-015-0921-2
[3]
Capra, A., Consoli, S., & Scicolone, B. (2013). Long-Term Climatic Variability in Calabria and Effects on Drought
and Agrometeorological Parameters. Water Resources Management, 1–17.
https://doi.org/10.1007/s11269-012-0204-0
[4] Curi
Tapahuasco, S. (2017). Caracterización de las Sequías Hidrológicas en la
Vertiente Peruana del Océano Pacífico (Tesis para grado de Magister Scientiae
en Recursos Hídricos). Universidad Nacional Agraria La Molina.
[5] Díaz
Salas, A. M. (2017). Modelación Estocástica de los Caudales en la Cuenca del
Río Santa (Tesis para grado de Doctoris Philosophiae en Recursos Hídricos).
Universidad Nacional Agraria La Molina.
[6] Endara,
Sofía. (2019). Monitoreos de Sequías para Sistemas de Alerta Temprana. Servicio
Nacional de Meteorología e Hidrología Del Perú, 1–44.
[7] Endara,
Sofia, Acuña, J., Vega, F., Febre, C., Correa, K., & Ávalos, G. (2019).
Caracterización Espacio Temporal de la Sequía en los Departamentos Altoandinos
del Perú (1981 - 2018) (pp. 1–31).
[8] Fernández
Larrañaga, B. (1997). Identificación y caracterización de sequías hidrológicas
en Chile central. Ingeniería Del Agua, 4(4).
https://doi.org/10.4995/ia.1997.2734
[9] Guttman, N. B. (1999). Accepting The Standardized Precipitation
Index: A Calculation Algorithm. Journal of the American Water Resources
Association, 35(2), 1–12.
[10] Lorenzo Lacruz, J. (2012).
Las Sequías Hidrológicas en la Península Ibérica: Análisis y Caracterización
Espacio Temporal, Influencias Climáticas y el Efecto de la Gestión Hidrológica
en un Contexto de Cambio Global (Tesis para grado de Doctor). Universidad de
Zaragoza.
[11] McKee, T.
B., Doesken, N. J., & Kleist, J. (1993). The Relationship of Drought
Frequency and Duration to Time Scales. Journal of Surgical Oncology,
1–6.
[12] Ministerio del Ambiente.
(2010). Segunda Comunicación Nacional del Perú a la Convencion Marco de las
Naciones Unidas sobre Cambio Climático. Lima - Perú: MINAM.
[13] Ministerio de Vivienda,
Construcción y Saneamiento. (2002). Plan de Gestión de Oferta de Agua en la
Cuenca de Gestión Santa. Lima, PE, S.e. 2 volúmenes.
[14] Morales Gil, A., Olcina
Cantos, J., & Rico Amorós, A. (2000). Diferentes Percepciones de la Sequía
en España: Adaptación, Catastrofismo e Intentos de Corrección. Anales de La
Universidad de Alicante, 1–43.
[15] Organización Meteorológica
Mundial. (2006). Vigilancia y Alerta Temprana de la Sequía: Conceptos,
Progresos y Desafíos Futuros. Información Meteorologica y Climatica Para El
Desarrollo Agricola Sostenible., 1–28.
[16] Organización Meteorologica
Mundial (2012). Guía del Usuario sobre el Índice Normalizado de Precipitación
(OMM-Nº1090) (M.Svoboda, M. Hayes y D. Wood), Ginebra.
[17] Pacheco, J., Parra, N.,
& Avilés, A. (2017). Análisis de la Sequía en la Cuenca del Paute mediante
el Índice de Precipitación Estandarizado ( SPI ). Memorias Universidad Del
Azuay, 1–9.
[18] Peña-Gallardo, M.,
Gámiz-Fortis, S. R., Castro-Díez, Y., & Esteban-Parra, M. J. (2016).
Análisis comparativo de índices de sequía en andalucía para el periodo
1901-2012. Cuadernos de Investigación Geográfica, 42(1), 67–88.
https://doi.org/10.18172/cig.2946
[19] Porto Lopez, A. L. (2021).
Validación del Producto Grillado PISCO de Precipitacion v2.1 con la Data
Observada de las Estaciones Pluviométricas del SENAMHI en la Cuenca de la
Vertiente del Lago Titicaca - Lado Peruano (Tesis para grado de Ingeniero
Agrícola). Universidad Nacional del Altiplano de Puno.
[20] Servicio Nacional de
Meteorología e Hidrología (2008). Escenarios Climaticos en la cuenca del río
Santa para el año 2030.
[21] Serrano-Barrios, L.,
Vicente-Serrano, S. M., Flores-Magdaleno, H., Tijerina-Chávez, L., &
Vázquez-Soto, D. (2016). Variabilidad espacio-temporal de las sequías en la
cuenca pacífico norte de México (1961-2010). Cuadernos de Investigacion
Geografica, 42(1), 185–204.https://doi.org/10.18172/cig.2857
[22] Tigkas, D., Vangelis, H., & Tsakiris, G. (2014). DrinC: a
Software for Drought Analysis Based on Drought Indices. Earth Science
Informatics, 8(3), 697–709. https://doi.org/10.1007/s12145-014-0178-y
[23] Tigkas, D., Vangelis, H., & Tsakiris, G. (2018). Drought
Characterisation Based on an Agriculture-Oriented Standardised Precipitation
Index. Theoretical and Applied Climatology, 1–13.
https://doi.org/10.1007/s00704-018-2451-3
[24] Tveito, O., & Schöner, W. (2002). Application of spatial
interpolation of climatological and meteorological elements by the use of
geographical information systems (GIS). Klima Report, 28(2).
[25] Vicente-Serrano, S. M. (2006). Differences in Spatial Patterns of
Drought on Different Time Scales: An Analysis of the Iberian Peninsula. Water
Resources Management, 20, 1–24. https://doi.org/10.1007/s11269-006-2974-8
[26] Vicente-Serrano,
S. M., López-Moreno, J. I., Beguería, S., Lorenzo-Lacruz, J., Azorin-Molina,
C., & Morán-Tejeda, E. (2012). Accurate Computation of a
Streamflow Drought Index. Journal of Hydrologic Engineering, 17, 1–15.
https://doi.org/10.1061/(asce)he.1943-5584.0000433
[27] Wilhite, D. A., & Glantz, M. H. (1985). Understanding The
Drought Phenomenon: The Role of Definitions. Drought Mitigation Center Faculty
Publications, 1–17. https://doi.org/10.4324/9780429301735-2
[28] World Meteorological Organization and Global water Partnership.
(2016). In Drought Indicators and Indices Integrated Drought Management
Programme (IDMP), Integrated Drought Management Tools and Guidelines Series 2.
Geneva. (Issue 1173).
internal-pdf://217.130.39.189/GWP_Handbook_of_Drought_Indicators_and_Indices.pdf
LB - TISS
