https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
161
Artículo de investigación
Análisis de cambio en la precipitación extrema en Oruro. Una evaluación
preliminar con datos observados y reanálisis
Analysis of changes in extreme precipitation in Oruro. A preliminary
assessment with observed data and reanalysis
Lina Carla Fernández Gutiérrez*
Universidad Técnica de Oruro
Oruro - Bolivia
lina.fernandez@uto.edu.bo
https://orcid.org/0009-0007-3909-5173
Jackson David Tellez Alvarez
Universidad Politécnica de Cataluña
Barcelona - España
jackson.david.tellez@upc.edu
https://orcid.org/0000-0003-1428-9872
*Correspondencia:
lina.fernandez@uto.edu.bo
Cómo citar este artículo:
Fernández, L., & Tellez, J. (2025). Análisis de
cambio en la precipitación extrema en
Oruro. Una evaluación preliminar con
datos observados y reanálisis. Esprint
Investigación, 4(4), 161-176.
https://doi.org/10.61347/ei.v4i4.193
Recibido: 4 de septiembre de 2025
Aceptado: 8 de octubre de 2025
Publicado: 19 de noviembre de 2025
Resumen: El cambio climático ha alterado la frecuencia e intensidad de los eventos de
precipitación extrema, especialmente en regiones vulnerables. Este estudio analiza las
tendencias históricas de los índices de precipitación extrema en Oruro, Bolivia, durante
1943–2012, utilizando datos observados de la estación AASANA y reanálisis ERA5. Se
calcularon los siguientes índices climáticos: Rx
1day, Rx5day, R10mm, R20mm,
PRCPTOT, CDD y CWD. Para evaluar tendencias se aplicaron: el test de Mann-Kendall,
la pendiente de Sen y métricas de desempeño (RMSE, sesgo, correlación de Pearson) para
comparar los reanálisis con las observaciones. Los resultados muestran ausencia de
tendencias significativas en todos los índices, aunque los productos ERA5 reproducen
razonablemente los patrones observados. Estos hallazgos aportan información para la
planificación hídrica, agrícola y gestión de riesgos, y sientan las bases para futuros
estudios de proyección climática en la región.
Palabras clave: Mann-Kendall, pendiente de Sen, precipitación extrema, reanálisis ERA5,
tendencias.
Abstract: Climate change has altered the frequency and intensity of extreme precipitation events,
especially in vulnerable regions. This study analyzes historical trends in extreme precipitation
indices in Oruro, Bolivia, from 1943 to 2012, using observed data from the AASANA station and
ERA5 reanalysis. The following climate indices were calculated: Rx1day, Rx5day, R10mm,
R20mm, PRCPTOT, CDD, and CWD. To assess trends, the Mann-Kendall test, Sen's slope, and
performance metrics (RMSE, bias, Pearson correlation) were applied to compare the reanalysis
data with the observations. The results show no significant trends in any of the indices, although
the ERA5 products reasonably reproduce the observed patterns. These findings provide
information for water resource planning, agricultural planning, and risk management, and lay
the groundwork for future climate projection studies in the region.
Keywords: ERA5 reanalysis, extreme precipitation, Mann-Kendall, Sen’s slope, trends.
Copyright: Derechos de autor 2025 Lina
Carla Fernández Gutiérrez, Jackson David
Tellez Alvarez.
Esta obra está bajo una licencia internacional
Creative
Commons Atribución-
NoComercial 4.0.
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 162
1. Introducción
El cambio climático global está intensificando el ciclo hidrológico, lo que se traduce en un aumento
generalizado de la frecuencia e intensidad de los eventos de precipitación extrema (Panel
Intergubernamental sobre el Cambio Climático (IPCC), 2023; Allen & Ingram, 2002; Trenberth, 2011).
No obstante, estas tendencias muestran una notable variabilidad regional, haciendo indispensables los
estudios locales, especialmente en zonas altamente vulnerables como el Altiplano andino (Westra et
al., 2013; Donat et al., 2013; Groisman et al., 2005).
La ciudad de Oruro, Bolivia, se encuentra en una región caracterizada por su compleja orografía y
una fuerte dependencia socioeconómica de sectores sensibles al clima, aumentando así la exposición
de la población a eventos extremos de precipitación (Alexander & Arblaster, 2017; Min et al., 2011;
Seneviratne et al., 2014). La principal limitación en esta área radica en la escasez de registros
observacionales de largo plazo y en la falta de conocimiento detallado sobre las tendencias locales de
precipitación, lo que dificulta la evaluación precisa del riesgo climático (Zhang et al., 2011; Alexander
et al., 2006; Karl et al., 1996).
Para superar las limitaciones de los datos in situ, los productos de reanálisis atmosférico, como
ERA5, constituyen una alternativa valiosa al proporcionar series climáticas continuas y completas en
el tiempo (Hersbach et al., 2020; Wang & Swail, 2001; Hegerl et al., 2007). Sin embargo, su capacidad
para representar con precisión eventos extremos en regiones montañosas aún requiere validación,
introduciendo cierto grado de incertidumbre en los diagnósticos locales (Alexander & Arblaster, 2017;
Zwiers & Kharin, 1998). Evaluar la concordancia entre datos observados y reanalizados es, por tanto,
un paso fundamental para garantizar la solidez de los análisis de tendencias y la confiabilidad de las
decisiones derivadas (Klein & Können, 2003; Easterling & Wehner, 2009).
En este marco, el presente estudio tiene como objetivo analizar los cambios históricos en los índices
de precipitación extrema en Oruro durante el período 1943–2012, integrando datos observados de la
estación meteorológica AASANA Aeropuerto y series de reanálisis ERA5. La elección de este periodo
se justifica por la disponibilidad continua de registros de alta calidad, lo que permite un análisis de
tendencias robusto y una evaluación confiable de la variabilidad interanual y multianual de los
extremos de precipitación (Seneviratne et al., 2012; Meehl & Tebaldi, 2004; Salinger & Mullan, 1999).
Los objetivos específicos del estudio son: (i) caracterizar la variabilidad y las tendencias de los
índices de precipitación extrema Rx1day, Rx5day, R10mm, CDD y PRCPTOT (Sen, 1968; Theil, 1950);
(ii) evaluar preliminarmente la capacidad del producto de reanálisis ERA5 para reproducir los
patrones históricos observados (Hersbach et al., 2020) y (iii) generar información útil para la
planificación de recursos hídricos, la agricultura y la reducción del riesgo de desastres, contribuyendo
a la resiliencia climática regional (Vicente-Serrano et al., 2014; Alexander et al., 2017).
Para alcanzar estos objetivos, se aplican metodologías internacionalmente reconocidas, como los
índices climáticos propuestos por el Expert Team on Climate Change Detection and Indices (ETCCDI),
ampliamente utilizados en estudios globales y regionales (Zhang et al., 2011; Alexander et al., 2006;
Karl et al., 1996). Estos índices permiten evaluar cambios en la intensidad, frecuencia y duración de los
eventos extremos a partir de registros observados y productos de reanálisis, facilitando comparaciones
regionales y la validación de escenarios futuros (Seneviratne et al., 2012; Min et al., 2011; Seneviratne
et al., 2014).
En consecuencia, esta investigación no solo aporta conocimiento científico relevante sobre la
manifestación local del cambio climático en Oruro, sino que también proporciona una base sólida para
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 163
la planificación adaptativa y la toma de decisiones frente a eventos extremos (Donat et al., 2013;
Groisman et al., 2005; Meehl & Tebaldi, 2004). La transición hacia la sección metodológica se realiza de
manera natural, enfocándose en la preparación de los datos, los índices climáticos seleccionados y el
procedimiento de análisis de tendencias, garantizando la claridad y reproducibilidad del estudio
(Hegerl et al., 2007; Klein & Können, 2003; Wang & Swail, 2001).
2. Metodología
El estudio se desarrolló con un enfoque cuantitativo, orientado al análisis de series temporales de
precipitación diaria, con el fin de evaluar tendencias históricas en índices de precipitación extrema en
Oruro, Bolivia. Se trabajó con fuentes primarias de la estación meteorológica AASANA Aeropuerto
(Latitud: -17.952778; Longitud: -67.076722) y como fuentes secundarias se emplearon datos de
reanálisis ERA5, descargados en formato NetCDF4 desde la plataforma del Climate Data Store (CDS).
La muestra estuvo constituida por la totalidad de los datos diarios de precipitación en el periodo de
estudio, procesados en índices de extremos climáticos recomendados por la OMM/ETCCDI (Rx1day,
Rx5day, R10mm, R20mm, PRCPTOT, CDD y CWD). Los datos de reanálisis se visualizaron utilizando
el programa Panoply para convertirlos a formatos Excel y CSV, permitiendo un análisis completo de
las series temporales.
Como instrumentos de análisis se utilizaron rutinas estadísticas implementadas en R. Para la
detección y cuantificación de tendencias se aplicaron las pruebas no paramétricas de Mann–Kendall y
la estimación de la pendiente de Sen, dada su robustez frente a distribuciones no normales y valores
atípicos. Los índices basados en intensidad o acumulación (Rx1day, Rx5day, PRCPTOT, R10mm y
R20mm) se expresaron en milímetros por año (mm/año), mientras que para los índices basados en
duración (CDD y CWD) la pendiente se expresó en días por año (días/año), aclarando de esta manera
las unidades utilizadas e interpretaciones asociadas. Se consideró estadísticamente significativa toda
tendencia con valores p < 0.05.
Los índices climáticos se calcularon a partir de los registros diarios del período 1943–2012
garantizando la consistencia temporal y calidad de los datos. Asimismo, se aplicó estadística
descriptiva, complementada con análisis gráfico mediante diagramas de caja (boxplots), con el fin de
comparar la distribución de los índices entre datos observados y reanálisis, identificar patrones, valores
atípicos y variabilidad interanual.
Para la detección y cuantificación de tendencias en series temporales de precipitación extrema, se
emplearon dos pruebas no paramétricas complementarias: la de Mann-Kendall y la pendiente de Sen.
Inicialmente, la prueba de Mann-Kendall fue utilizada para evaluar la existencia de una tendencia
monotónica. Este método es preferido en estudios hidrológicos y climatológicos por su robustez y la
ausencia de supuestos sobre la distribución de los datos. La prueba calcula el estadístico Tau de
Kendall para determinar la dirección de la tendencia, se consideró una tendencia significativa cuando
p < 0.05.
Una vez confirmada la existencia de una tendencia, la pendiente de Sen se aplicó para cuantificar
su magnitud. Este estimador, también robusto frente a valores atípicos, determina la tasa promedio de
cambio de la variable por unidad de tiempo (por ejemplo, mm/año). La metodología permitió calcular
la mediana de todas las pendientes de los pares de puntos en la serie. El signo de la pendiente de Sen
indica la dirección de la tendencia (positivo para un aumento y negativo para una disminución),
proporcionando una medida cuantitativa precisa y confiable de la tasa de cambio.
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 164
La evaluación de desempeño del reanálisis se realizó mediante las siguientes métricas:
RMSE (Root Mean Square Error)
=
1
(
)
Bias (Sesgo)
=
1
(
)
Correlación de Pearson (r)
=
(
)(
)
(
)
(
)
Donde Oi y Ri representan los valores observados y de reanálisis, respectivamente, y n es el número
total de observaciones. Estas métricas permitieron determinar el grado de ajuste y concordancia entre
los datos de reanálisis y observados, proporcionando una evaluación preliminar de la capacidad del
ERA5 para reproducir patrones históricos locales. El procedimiento metodológico asegura la
reproducibilidad del estudio y establece una base objetiva para la interpretación de tendencias y la
validación de los datos de reanálisis.
3. Resultados
Estadística descriptiva y distribución de los índices
La distribución de los índices de precipitación se analizó mediante estadística descriptiva y diagramas
de caja (boxplots), comparando las series observadas y de reanálisis. La Figura 1 presenta los boxplots
comparativos de los índices Rx1day, Rx5day, R10mm, R20mm, PRCPTOT, CDD y CWD
correspondientes a los datos observados.
Figura 1
Boxplots comparativos de los índices Rx1day, Rx5day, R10mm, R20mm, PRCPTOT, CDD y CWD para datos observados
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 165
En la Tabla 1 se observa el resumen estadístico de los principales índices de precipitación, calculados
a partir de las series observadas.
Tabla 1
Estadísticas de datos observados
Rx1day Rx5day R10mm R20mm PRCPTOT CDD CWD
Media 28.61 57.22 11.47 2.30 372.75 86.11 6
Error Típico 1.27 2.42 0.62 0.23 14.60 3.62 0.27
Mediana 26.2 52.15 11 2 365.4 80.5 6
Moda 19 60.5 6 1 306.6 54 4
Desviación Estándar 10.66 20.24 5.22 1.91 122.14 30.25 2.29
Varianza de la muestra 113.68 409.58 27.21 3.63 14919.02 914.86 5.24
Curtosis 1.12 -0.73 0.63 -0.62 0.36 -0.86 0.63
Coeficiente de asimetría 1.06 0.47 0.78 0.59 0.61 0.52 0.94
Rango 52.9 79.3 25 7 609.7 110 10
Mínimo 13.8 23.6 3 0 147.6 40 3
Máximo 66.7 102.9 28 7 757.3 150 13
Suma 2002.7 4005.2 803 161 26092.2 6028 451
Cuenta 70 70 70 70 70 70 70
La Figura 2 presenta los boxplots comparativos de los índices Rx1day, Rx5day, R10mm, R20mm,
PRCPTOT, CDD y CWD correspondientes a los datos de reanálisis.
Figura 2
Boxplots comparativos de los índices Rx1day, Rx5day, R10mm, R20mm, PRCPTOT, CDD y CWD para datos de reanálisis
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 166
La Tabla 2 detalla el resumen estadístico de los principales índices de precipitación, calculados a
partir de las series de reanálisis.
Tabla 2
Estadísticas de datos de reanálisis
Rx1day Rx5day R10mm R20mm PRCPTOT CDD CWD
Media 22.594 34.22 6.49 0.76 243.78 83.47 83
Error Típico 0.93 1.10 0.27 0.11 5.20 4.43 4.44
Mediana 19.985 32.53 7 0.5 245.435 74 74
Moda - 28.02 7 0 - 51 51
Desviación Estándar 7.76 9.23 2.26 0.89 43.50 37.09 37.19
Varianza de la muestra 60.27 85.22 5.12 0.80 1891.99 1375.82 1382.87
Curtosis 2.71 0.92 0.65 -0.23 0.29 2.43 2.41
Coeficiente de asimetría 1.41 0.87 0.23 0.88 -0.11 1.49 1.49
Rango 42.71 44.28 12 3 210.71 183 183
Mínimo 11.28 17.78 1 0 145.96 36 36
Máximo 53.99 62.06 13 3 356.67 219 219
Suma 1581.58 2395.07 454 53 17064.82 5843 5829
Cuenta 70 70 70 70 70 70 70
En las Figuras 1 y 2, así como en las Tablas 1 y 2, los resultados evidencian una marcada variabilidad
interanual en todos los índices, reflejada en la amplitud de los rangos intercuartílicos y en la presencia
de valores extremos. A partir de ello, se identifican los siguientes patrones:
En los índices Rx1day y PRCPTOT, las medianas y percentiles superiores fueron mayores en los
datos observados, lo que expone que los eventos máximos diarios y la precipitación total anual tienden
a estar subestimados en los reanálisis.
De manera complementaria, en los índices Rx5day y CWD, los reanálisis mostraron una mayor
cantidad de valores atípicos, evidenciando una mayor dispersión en la acumulación de precipitación
en cinco días y en la duración de los periodos húmedos consecutivos.
Por su parte, los índices R10mm y R20mm presentaron medianas similares entre ambas fuentes de
datos, lo que indica que el reanálisis ERA5 reproduce de manera adecuada la frecuencia de días
lluviosos de intensidad moderada y alta.
Finalmente, el índice CDD mostró distribuciones consistentes en ambas series, aunque se
observaron leves diferencias en los valores extremos, lo que podría asociarse a variaciones locales en
la persistencia de periodos secos.
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 167
Tendencias de los índices
La evaluación de tendencias mediante el test de Mann–Kendall y la pendiente de Sen permitió
identificar evidenciar diversos comportamientos en las series analizadas. En la Figura 3 se muestran las
tendencias de los índices Rx1day, Rx5day, PRCPTOT, CDD para datos observados.
Figura 3
Tendencias de los índices Rx1day, Rx5day, PRCPTOT, CDD para datos observados
En el índice Rx1day, el test de Mann–Kendall arrojó un Tau positivo, pero con p=0.0664 > 0.05, lo
que demuestra que no existe una tendencia estadísticamente significativa en la máxima precipitación
diaria. La pendiente de Sen fue positiva, sugiriendo un leve incremento de aproximadamente 0.10
mm/año en la intensidad máxima diaria de precipitación.
De manera similar, el índice Rx5day presentó un Tau cercano a cero, con p=0.169 > 0.05, indicando
ausencia de tendencia definida. La pendiente de Sen fue muy baja (0.19 mm/año), confirmando
estabilidad en las acumulaciones máximas de cinco días.
A diferencia de los anteriores, el índice PRCPTOT mostró un comportamiento distinto presentó con
una pendiente de Sen 1.66 mm/año indicando un incremento a lo largo del periodo analizado. Además,
el valor p = 0.0169 < 0.05 obtenido mediante la prueba de Mann–Kendall evidencia la existencia de una
tendencia estadísticamente significativa en la precipitación total anual. En la Figura 4 se muestran las
tendencias de los índices R10mm, R20mm, y CWD para datos observados.
En los índices R10mm y R20mm, se observaron valores de Tau positivos, con p = 0.0395 < 0.05 para
R10mm y p = 0.00849 < 0.05 para R20mm, lo que indica la presencia de tendencias crecientes
estadísticamente significativas. No obstante, las pendientes de Sen fueron pequeñas (0.06 mm/año y
0.03 mm/año, respectivamente), lo que sugiere un ligero aumento en la frecuencia de días lluviosos
intensos, aunque de magnitud reducida y sin implicaciones climáticas relevantes.
En cuanto a los índices CDD y CWD que representan los periodos secos y húmedos consecutivos,
no se evidenciaron tendencias definidas. Para CDD, el valor p = 0.124 > 0.05 indica ausencia de
significancia estadística, mientras que la pendiente de Sen (-0.25) refleja una leve disminución de
aproximadamente 0.25 días/año.
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 168
Por su parte, CWD presentó p = 0.959 > 0.05 y una pendiente de Sen igual a cero, lo que confirma la
estabilidad del número de días húmedos consecutivos a lo largo del periodo analizado. En conjunto,
estos resultados sugieren que tanto los periodos secos como los húmedos se han mantenido
prácticamente constantes, sin cambios apreciables en su duración.
Figura 4
Tendencias de los índices R10mm, R20mm, y CWD para datos observados
Datos de reanálisis
El análisis de los datos de reanálisis procedentes de ERA5 permitió mostrar variaciones diferenciadas
en el comportamiento de las series analizadas. En la Figura 5 se presentan las tendencias de los índices
Rx1day, Rx5day y PRCPTOT correspondientes a los datos de reanálisis.
Figura 5
Tendencias de los índices Rx1day, Rx5day, PRCPTOT para datos de reanálisis
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 169
En la Figura 6 se presentan las tendencias de los índices R10mm, R20mm, y CWD correspondientes
a los datos de reanálisis.
Figura 6
Tendencias de los índices R10mm, R20mm, y CWD para datos de reanálisis
En las Figuras 5 y 6 se observa que, en el caso del Rx1day, el test de Mann–Kendall dio un Tau
positivo con p=0.301 > 0.05, lo que indica que no existe una tendencia estadísticamente significativa en
la máxima precipitación diaria. La pendiente de Sen positiva, sugiriendo un leve aumento de 0.03
mm/año.
Para el Rx5day, se obtuvo p=0.0803 > 0.05, indicando la existencia de tendencia significativa. La
pendiente de Sen positiva sugiriendo un leve aumento de 0.09 mm/año, confirmando estabilidad en
las acumulaciones máximas de cinco días.
En cuanto a los índices R10mm y R20mm, los resultados mostraron p=0.0713>0.05 y p=0.102>0.05,
respectivamente, lo que permite inferir que no existe una tendencia clara en la frecuencia de días
lluviosos intensos. Las pendientes de Sen evidenciaron una variación mínima: positiva para R10mm,
con un incremento de 0.02 S días/año, y nula para R20mm, indicando estabilidad en la ocurrencia de
eventos de mayor intensidad.
Respecto a los índices de duración, CDD y CWD, tanto los periodos secos como los húmedos
consecutivos no evidenciaron tendencias claras. Para CDD p=0.378 >0.05 no se puede afirmar que
existe una tendencia clara y con Sen positivo refleja un incremento en 0.12 días/año. En el caso de
CWD p=0.378>0.05 por lo que se puede afirmar que no existe una tendencia estadísticamente
significativa por lo que cualquier variación observada puede ser atribuible al azar y no aún cambio
real en el clima.
Finalmente, el índice PRCPTOT presentó un comportamiento estable en el total anual de
precipitación. Aunque la pendiente de Sen fue positiva (0.35 mm/año), el valor de p = 0.201 > 0.05 indica
que no existe evidencia estadística suficiente para afirmar una tendencia significativa. Esto refuerza la
idea de que las fluctuaciones observadas en la precipitación total anual son marginales y no
representan un cambio sustancial en el régimen pluviométrico.
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 170
Comparación entre datos observados y de reanálisis
En las figuras 7 y 8 se presentan las tendencias de los índices Rx1day, Rx5day, R10mm, R20mm,
PRCPTOT, CDD y CWD tanto para los datos observados como para los obtenidos a partir del
reanálisis.
Las figuras muestran que los datos observados presentan mayor variabilidad y registran picos más
altos en los índices de precipitación extrema, mientras que los reanálisis tienden a suavizar estos
valores y subestimar eventos intensos. En la mayoría de los índices, las tendencias no son
estadísticamente significativas, lo que sugiere estabilidad en los eventos extremos durante el período
analizado.
Figura 7
Tendencias de los índices Rx1day, Rx5day, R10mm, R20mm para datos observados y de reanálisis
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 171
Figura 8
Tendencias de los índices PRCPTOT, CDD y CWD para datos observados y de reanálisis
Evaluación de desempeño del reanálisis
La evaluación de desempeño del reanálisis consiste en comparar los datos simulados con
observaciones locales para determinar su precisión en la representación de la precipitación y eventos
extremos, identificando sesgos y limitaciones antes de su uso en estudios hidrológicos o climáticos. A
continuación, en la Tabla 3 se presenta el análisis de las métricas de desempeño calculados con los
datos observados y de reanálisis
Tabla 3
Métricas de desempeño entre datos observados y reanálisis
Índice Root Mean Square Error (RMSE) Bias correction (BIAS) Correlación (r)
Rx5day 32.37 -23.00 -0.08
Rx1day 13.73 -6.02 0.12
R20mm 2.43 -1.54 0.25
R10mm 7.41 -4.99 0.08
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 172
PRCPTOT 177.52 -128.96 0.16
CWD 85.10 +76.83 0.17
CDD 44.62 -2.64 0.12
Los índices Rx5day y Rx1day presentan errores moderados a altos y subestimación sistemática de
los valores extremos, con correlaciones cercanas a cero, lo que evidencia que el reanálisis no logra
reproducir adecuadamente los máximos de precipitación en periodos cortos.
En contraste, el índice R20mm muestra el mejor desempeño relativo, con un RMSE bajo (2.43), un
sesgo negativo reducido (-1.54) y la correlación más alta (0.25). Aunque la relación sigue siendo débil,
sugiere que el reanálisis logra representar de manera parcial los eventos de lluvias moderadas a intensas.
Por su parte, el índice R10mm evidencia una subestimación de la frecuencia de lluvias mayores a
10 mm, con error intermedio y correlación casi nula, lo que limita su confiabilidad.
En el caso de PRCPTOT, los resultados muestran un error muy elevado (RMSE = 177.52) y un
sesgo fuertemente negativo (-128.96), revelando que el reanálisis subestima la precipitación total
anual en la región de estudio. La correlación baja (0.16) confirma su incapacidad de reproducir la
variabilidad interanual.
Un comportamiento opuesto se observa en el índice CWD correspondiente a la máxima duración
de días húmedos consecutivos. Este presenta una fuerte sobreestimación (+76.83) y un error muy alto
(85.10). Esto indica que los datos reconstruidos generan secuencias húmedas considerablemente más
largas que las observadas, distorsionando el régimen de persistencia de lluvias.
Finalmente, el índice CDD que representa la máxima duración de días secos consecutivos, muestra
un error intermedio y ligera subestimación (-2.64), aunque con correlación baja (0.12), lo que refleja
una capacidad limitada para representar las sequías prolongadas.
4. Discusión
El análisis indica que durante el período 1943–2012 no se detectaron tendencias significativas en los
índices de precipitación extrema en Oruro, tanto en series observadas como de reanálisis. Esto puede
interpretarse como una estabilidad relativa de la precipitación extrema en la región, aunque con alta
variabilidad interanual, consistente con estudios globales que muestran fuerte heterogeneidad espacial
de tendencias (Alexander & Arblaster, 2017; Groisman et al., 2005; Donat et al., 2013).
El hecho de que no se observen patrones claros de cambio no significa que la región esté libre de
riesgo, sino que los cambios extremos no siguen un patrón monotónico detectable con los métodos
utilizados, lo que resalta la necesidad de enfoques integrados que consideren la estacionalidad,
fenómenos ENSO y variabilidad interanual (Trenberth, 2011; Zhang et al., 2011; Min et al., 2011).
El desempeño global del reanálisis es deficiente para todos los índices climáticos analizados.
Predomina un sesgo negativo, es decir, una tendencia a subestimar tanto los extremos de precipitación
como los acumulados totales, con la excepción de CWD, que resulta significativamente sobreestimado.
Las correlaciones bajas (r < 0.25 en todos los casos) muestran que el reanálisis no logra capturar
adecuadamente la variabilidad temporal de los índices, limitando su aplicabilidad directa en estudios
hidrológicos o de cambio climático sin un proceso previo de corrección de sesgos (bias correction).
Los datos de reconstrucción climática subestiman de manera sistemática la precipitación y los
eventos extremos, salvo en la duración de días húmedos (CWD), donde presenta una marcada
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 173
sobreestimación. La precipitación total anual (PRCPTOT) es el índice con mayor discrepancia, lo que
compromete su uso en análisis hidrológicos sin ajustes, El índice R20mm exhibe el mejor ajuste
relativo, aunque con correlación aún baja, lo que refleja cierta capacidad para representar lluvias
moderadas a intensas. En general, los datos de reanálisis no reproducen fielmente la variabilidad
interanual de los índices climáticos en la región, por lo que su empleo requiere calibración estadística
antes de su aplicación en investigaciones regionales.
En términos generales, los resultados muestran que el reanálisis no refleja con precisión la lluvia
observada: casi siempre reporta menos agua de la que realmente cayó, y en algunos casos (como en
CWD) inventa periodos lluviosos mucho más largos de lo real. Solo en el índice R20mm los datos del
reanálisis se acercan un poco a la realidad. En resumen, los datos de reanálisis necesitan ser corregidos
antes de usarse, porque tal como están no representan bien el clima de la zona.
Este hallazgo coincide con estudios que señalan que los modelos de reanálisis capturan bien eventos
puntuales, pero pueden subestimar o sobreestimar la persistencia de condiciones extremas en regiones
montañosas (Hersbach et al., 2020) aunque la incertidumbre asociada a la densidad de estaciones y
limitaciones de reanálisis debe considerarse (Vicente-Serrano et al., 2014; Seneviratne et al., 2012).
5. Conclusiones
Durante el período 1943–2012 no se detectaron tendencias significativas. Esto indica una estabilidad
relativa de los extremos hidrometeorológicos locales, aunque la ausencia de tendencias no excluye la
ocurrencia de eventos extremos aislados.
El reanálisis ERA5 mostró un desempeño moderado: reproduce de manera aceptable la intensidad
y acumulación de precipitación, pero presenta limitaciones para representar correctamente los
periodos prolongados de días secos (CDD) y húmedos (CWD). La precipitación total anual (PRCPTOT)
y los extremos diarios (Rx1day, Rx5day) tienden a subestimarse, mientras que CWD está
sobreestimado, evidenciando sesgos que requieren corrección antes de utilizar los datos en estudios
hidrológicos o climáticos regionales.
Entre los índices analizados, R20mm mostró el mejor desempeño relativo, aunque la correlación con
observaciones sigue siendo baja, indicando cierta capacidad para capturar lluvias moderadas a
intensas. Los resultados de este estudio proporcionan una base metodológica sólida y reproducible
para futuras evaluaciones, incluyendo análisis de escenarios de cambio climático, y son útiles para la
planificación hídrica, agrícola, y la reducción de riesgos de desastres en la región.
Referencias
Alexander, L., & Arblaster, J. (2017). Historical and projected trends in temperature and precipitation
extremes in Australia in observations and CMIP5. Weather and climate extremes, 15, 34-56.
https://doi.org/10.1016/j.wace.2017.02.001
Alexander, L., Zhang, X., Peterson, T., César, J., Gleason, B., Klein Tank, A., Haylock, M., Collins, D.,
Trewin, B., Rahimzadeh, F., Tagipour, A., Rupa Kumar, K., Revadekar, J., Griffiths, G., Vincent,
L., Stephenson, D. B., Burn, J., Aguilar, E., Brunet, M., ...,Vázquez-Aguirre, J. (2006). Global
observed changes in daily climate extremes of temperature and precipitation. Journal of
Geophysical Research: Atmospheres, 111(5). https://doi.org/10.1029/2005JD006290
Allen, M., & Ingram, W. (2002). Constraints on future changes in climate and the hydrologic
cycle. Nature, 419(6903), 224-232. https://n9.cl/p57wf
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 174
Donat, M., Alexander, L., Yang, H., Durre, I., Vose, R., & Caesar, J. (2013). Global land-based datasets
for monitoring climatic extremes. Bulletin of the American Meteorological Society, 94(7), 997–1006.
https://doi.org/10.1175/BAMS-D-12-00109.1
Easterling, D., & Wehner, M. (2009). Is the climate warming or cooling? Geophysical Research Letters,
36(8), L08706. https://doi.org/10.1029/2009GL037810
Groisman, P., Knight, R. W., Easterling, D., Karl, T., Hegerl, G., & Razuvaev, V. (2005). Trends in
intense precipitation in the climate record. Journal of Climate, 18(9), 1326–1350.
https://doi.org/10.1175/JCLI3339.1
Hegerl, G. C., Zwiers, F. W., Braconnot, P., Gillett, N. P., Luo, Y., Marengo Orsini, J. A., Nicholls, N.,
Penner, J. E., Stott, P. A., Allen, M., Ammann, C., Andronova, N., Betts, R. A., Clement, A.,
Collins, W. D., Crooks, S., Delworth, T. L., Forest, C., Forster, P., ... Planton, S. (2007).
Understanding and attributing climate change. In S. Solomon et al. (Eds.), Contribution of
Working Group I to the Fourth Assessment Report of the IPCC (pp. 663–745). Cambridge University
Press. https://n9.cl/lkujx8
Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz-Sabater, J., Nicolas, J., Peubey, C.,
Radu, R., Schepers, D., Simmons, A., Soci, S., Abdalla, S., Abellan, X., Balsamo, G., Bechtold, P.,
Biavati, G., Bidlot, J., Bonavita, M., De Chiara, G., Dahlgren, P., Dee, D., Diamantakis, M., Dragani,
R., Flemming, J., Forbes, R., Fuentes, M., Geer, A., Haimberger, L., Healy, S., Hogan, R., Hólm, E.,
Janisková, M., Keeley, S., Laloyaux, P., Lopez, P., Lupu, C., Radnoti, G., De Rosnay, P., Rozum,
I., Vamborg, F., Villaume, S., & Thépaut, J. (2020). The ERA5 global reanalysis. Quarterly Journal
of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/qj.3803
Intergovernmental Panel on Climate Change (IPCC). Climate Change 2021 – The Physical Science
Basis: Working Group I Contribution to the Sixth Assessment Report of the Intergovernmental Panel
on Climate Change. Cambridge University Press; 2023. https://doi.org/10.1017/9781009157896
Karl, T., Knight, R. W., Easterling, D., & Quayle, R. (1996). Indices of climate change for the United
States. Bulletin of the American Meteorological Society, 77(2), 279-292. https://doi.org/10.1175/1520-
0477(1996)077<0279:IOCCFT>2.0.CO;2
Klein, A., & Können, G. (2003). Trends in indices of daily temperature and precipitation extremes in
Europe, 1946–99. Journal of Climate, 16(22), 3665–3680. https://doi.org/10.1175/1520-
0442(2003)016<3665:TIIODT>2.0.CO;2
Meehl, G., & Tebaldi, C. (2004). More intense, more frequent, and longer lasting heat waves in the 21st
century. Science, 305(5686), 994–997. https://doi.org/10.1126/science.1098704
Min, S., Zhang, X., Zwiers, F., & Hegerl, G. (2011). Human contribution to more-intense precipitation
extremes. Nature, 470(7334), 378–381. https://doi.org/10.1038/nature09763
Salinger, M., & Mullan, A. (1999). New Zealand climate: Temperature and precipitation variations and
their links with atmospheric circulation 1930–1994. International Journal of Climatology, 19(10),
1049–1071. https://doi.org/10.1002/(SICI)1097-0088(199908)19:10<1049::AID-JOC417>3.0.CO;2-Z
Sen, P. (1968). Estimates of the regression coefficient based on Kendall’s tau. Journal of the American
Statistical Association, 63(324), 1379–1389. https://doi.org/10.1080/01621459.1968.10480934
Seneviratne, S, Donat, M., Mueller, B., & Alexander, L. (2014). No pause in the increase of hot
temperature extremes. Nature Climate Change, 4(3), 161–163.
https://doi.org/10.1038/nclimate2145
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 175
Seneviratne, S., Nicholls, N., Easterling, D., Goodess, C. M., Kanae, S., Kossin, J., Luo, Y., Marengo, J.,
McInnes, K., Rahimi, M., Reichstein, M., Sorteberg, A., Vera, C., Zhang, X., Alexander, L., Allen,
S., Benito, G., Cavazos, T., Clague, J., ... Zwiers, F. (2012). Changes in climate extremes and their
impacts on the natural physical environment. In C. B. Field et al. (Eds.), Managing the risks of
extreme events and disasters to advance climate change adaptation (SREX) (pp. 109–230). Cambridge
University Press. https://doi.org/10.7916/d8-6nbt-s431
Theil, H. (1950). A rank-invariant method of linear and polynomial regression analysis. Indagationes
mathematicae, 12(85), 173. https://ir.cwi.nl/pub/18446/18446A.pdf
Trenberth, K. (2011). Changes in precipitation with climate change. Climate Research, 47(1–2), 123–138.
https://doi.org/10.3354/cr00953
Vicente-Serrano, S., López-Moreno, J., Beguería, S., Lorenzo-Lacruz, J., Sánchez Lorenzo, A., García-
Ruiz, C., Azorín-Molina, C., & Morán-Tejeda, E. (2014). Evidence of increasing drought severity
caused by temperature rise in southern Europe. Environmental Research Letters, 9(4), 044001.
https://doi.org/10.1088/1748-9326/9/4/044001
Wang, X., & Swail, V. (2001). Changes in extreme wave heights in the North Atlantic Ocean and related
atmospheric circulation regimes, 14 (10), 2204-2221. https://doi.org/10.1175/1520-
0442(2001)014<2204:COEWHI>2.0.CO;2
Westra, S., Alexander, L., & Zwiers, F. (2013). Global increasing trends in annual maximum daily
precipitation. Journal of Climate, 26(11), 3904–3918. https://doi.org/10.1175/JCLI-D-12-00502.1
Zhang, X., Alexander, L., Hegerl, G., Jones, P., Klein, T, Peterson, T. C., Trewin, B., & Zwiers, F. W.
(2011). Indices for monitoring changes in extremes based on daily temperature and
precipitation data. Wiley Interdisciplinary Reviews: Climate Change, 2(6), 851–870.
https://doi.org/10.1002/wcc.147
Zwiers, F., & Kharin, V. (1998). Changes in the extremes of the climate simulated by CCC GCM2 under
CO2 doubling. Journal of Climate, 11(12), 2200–2222. https://doi.org/10.1175/1520-
0442(1998)011<2200:CITEOT>2.0.CO;2
Esprint Investigación
https://rei.esprint.tech
Vol. 4 N° 4, Edición Especial 2025 (161-176)
Estudios de Sostenibilidad y Desarrollo
ISSN: 2960-8317
Lina Carla Fernández Gutiérrez, Jackson David Tellez Alvarez 176
Transparencia
Conflicto de interés
Los autores declaran que no existen conflictos de interés de naturaleza alguna como parte de la
presente investigación.
Fuente de financiamiento
Los autores financiaron completamente la investigación.
Contribución de autoría
Lina Carla Fernández Gutiérrez: Conceptualización, validación, análisis formal, investigación, gestión
de datos, visualización, redacción - preparación del borrador original, redacción - revisión y edición,
financiamiento, administración del proyecto, recursos, supervisión.
Jackson David Tellez Alvarez: Conceptualización, metodología, software, validación, análisis formal,
investigación, gestión de datos, visualización, redacción - revisión y edición, financiamiento,
supervisión.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
