Resumen Técnico: Aprendizaje Automático y CMIP6 con Corrección de Sesgo para la Mejora de la Predicción del Caudal en el Río Kulfo, Etiopía, Escaso de Datos

1. Planteamiento del Problema

El cambio climático está alterando cada vez más los procesos hidrológicos y la disponibilidad de agua, planteando desafíos críticos para las regiones con escasez de datos, como las cuencas del Valle del Rift en Etiopía. La cuenca del Kulfo, en el sur de Etiopía, que sustenta los medios de vida agrícolas, el Parque Nacional Nech Sar y las comunidades aguas abajo en el Lago Abaya, carece de evaluaciones hidrológicas integrales que integren proyecciones climáticas de vanguardia con técnicas de modelado avanzadas.

Los modelos hidrológicos tradicionales basados en procesos (por ejemplo, SWAT) suelen tener dificultades en los contextos de países en desarrollo debido al requerimiento de una parametrización extensa y datos de calibración que frecuentemente no están disponibles. Además, los Modelos de Circulación Global (GCM) del Proyecto de Comparación de Modelos Acoplados Fase 6 (CMIP6) exhiben sesgos sistemáticos cuando se aplican a escalas locales, lo que requiere una rigurosa corrección de sesgo y reducción de escala antes de su aplicación hidrológica. Si bien el aprendizaje automático (ML) ofrece alternativas prometedoras para capturar las relaciones no lineales entre el clima y el caudal, estudios limitados han evaluado sistemáticamente múltiples algoritmos de ML para la proyección del caudal en cuencas etíopes utilizando los escenarios más recientes de CMIP6.

2. Metodología

Área de Estudio y Datos

El estudio se centra en la cuenca del Kulfo (5.9°–6.2° N, 37.5°–37.8° E), un río perenne que drena desde las Tierras Altas de Gughe hacia el Lago Abaya. La investigación utilizó:

• Datos Observados: Registros diarios de precipitación y temperatura (1986–2014) de la estación meteorológica de Arba Minch, y registros diarios de caudal (1980–2022) de la estación de aforo del Ministerio de Agua y Energía.
• Datos Climáticos: Se seleccionaron dieciséis (16) modelos climáticos globales de CMIP6 basados en la disponibilidad de variables y resolución espacial. Las proyecciones se generaron bajo tres Trayectorias Socioeconómicas Compartidas (SSP1-2.6, SSP2-4.5 y SSP5-8.5) para el periodo 2015–2100.

Corrección de Sesgo

Para abordar los sesgos sistemáticos en los resultados brutos de CMIP6, el estudio aplicó técnicas de corrección de sesgo tanto estadísticas como basadas en aprendizaje automático. Los modelos fueron calibrados utilizando el periodo 1986–2006 y validados contra las observaciones de 2007–2014. El desempeño se evaluó utilizando el Error Cuadrático Medio (RMSE), el Sesgo Porcentual (PBIAS), el Coeficiente de Correlación (R) y la Eficiencia de Kling–Gupta (KGE).

Desarrollo de Modelos de Aprendizaje Automático

La relación lluvia-escorrentía se conceptualizó como una función de variables hidroclimáticas actuales y antecedentes ($P_t, P_{t-1}, P_{t-2}, T_{max,t}, T_{min,t}, Q_{t-1}$). Se desarrollaron y compararon ocho algoritmos de aprendizaje automático:

• Métodos de Ensamble: Random Forest (RF), Bagging, Boosting (GBM), AdaBoost, CatBoost y Stacking.
• Otros Algoritmos: Long Short-Term Memory (LSTM), K-Nearest Neighbor (KNN) y Support Vector Machine (SVM).

Los hiperparámetros fueron optimizados para cada modelo. El conjunto de datos se particionó en un periodo de entrenamiento (1986–2006, 70%) y un periodo de prueba/validación (2007–2014, 30%). El desempeño del modelo se evaluó mediante la Eficiencia de Nash–Sutcliffe (NSE), el Coeficiente de Determinación ($R^2$), el RMSE y el Error Absoluto Medio (MAE).

Marco de Proyección e Incertidumbre

El modelo de ML con mejor desempeño fue utilizado para simular el caudal diario utilizando entradas de CMIP6 con corrección de sesgo. El estudio incorporó dos marcos analíticos avanzados:

1. Predicción Conforme (CP): Integrada con el modelo Random Forest para cuantificar la incertidumbre en las proyecciones de caudal futuro, generando intervalos de predicción (PI) del 95% para evaluar la confiabilidad y la dispersión de las estimaciones.
2. Análisis de Frecuencia de Inundaciones No Estacionario: Se ajustó un modelo de Valores Extremos Generalizados (GEV) variante en el tiempo a las series de caudal máximo anual, donde el parámetro de localización se expresó como una función de las anomalías de temperatura proyectadas ($\mu(t) = \mu_0 + \mu_1 \cdot \Delta T(t)$). Este enfoque permitió que las probabilidades de inundación y los periodos de retorno evolucionaran en el tiempo en lugar de permanecer constantes.

3. Resultados Clave

Desempeño de los Modelos CMIP6 y Corrección de Sesgo

Los modelos CMIP6 brutos exhibieron sesgos sistemáticos sustanciales, con valores de RMSE de precipitación de hasta 2.95 mm/día y valores de KGE negativos para muchos modelos.

• Eficacia de la Corrección de Sesgo: La aplicación de la corrección de sesgo (específicamente Random Forest para la precipitación) mejoró significativamente la confiabilidad del modelo. El RMSE de la precipitación se redujo en un promedio del 83% (hasta un 92% para modelos específicos como MIROC6), con coeficientes de correlación post-corrección superiores a 0.97.
• Mejores Modelos:
  • Precipitación: CNRM-ESM2-1 y CNRM-CM6-1 mostraron la mejor concordancia con las observaciones tras la corrección.
  • Temperatura Máxima: CNRM-CM6-1 emergió como el mejor ejecutor (RMSE = 0.24°C, KGE = 0.69).
  • Temperatura Mínima: CNRM-ESM2-1 demostró la mayor precisión (RMSE = 0.09°C, KGE = 0.72).

Comparación de Modelos de Aprendizaje Automático

Entre los ocho algoritmos probados, Random Forest (RF) demostró una capacidad predictiva superior:

• Calibración: NSE = 0.999, $R^2$ = 0.9995.
• Validación: NSE = 0.806.
• Importancia de Variables: El caudal antecedente ($Q_{t-1}$) fue identificado como el predictor dominante (42% de importancia), lo que refleja contribuciones significativas de las aguas subterráneas a la cuenca.
• Otros métodos de ensamble (AdaBoost, Boosting) funcionaron bien, mientras que LSTM, KNN y SVM mostraron capacidades predictivas más débiles, probablemente debido al periodo de entrenamiento limitado y la escasez de datos.

Proyecciones Climáticas y de Caudal Futuros

• Temperatura: Todos los escenarios SSP proyectan un calentamiento constante. Para finales de siglo (2071–2100), las temperaturas máximas se proyectan por encima de los 32°C y las temperaturas mínimas por encima de los 18.5°C bajo escenarios de altas emisiones (SSP5-8.5).
• Precipitación: Se proyecta que la precipitación permanezca relativamente estable con descensos modestos (hasta -5.1% bajo SSP5-8.5 hacia finales de siglo), aunque la redistribución estacional es significativa.
• Caudal Anual: Las proyecciones indican una disminución progresiva del caudal anual en todos los escenarios. Hacia el final del siglo, las reducciones proyectadas alcanzan:
  • -8.5% bajo SSP1-2.6.
  • -13.9% bajo SSP2-4.5.
  • -20.7% bajo SSP5-8.5.
• Redistribución Estacional: Se observa un cambio significativo en la estacionalidad hidrológica, caracterizado por reducciones sustancialas en el caudal de verano (hasta -33.3% bajo SSP5-8.5) e incrementos moderados en el flujo de invierno (inicialmente +21%, aunque disminuyendo con el tiempo).

Incertidumbre y Frecuencia de Inundaciones

• Predicción Conforme: La incertidumbre en las proyecciones de caudal aumenta hacia el final del siglo, particularmente bajo SSP5-8.5, con intervalos de predicción del 95% más amplios que indican una mayor variabilidad en las respuestas hidrológicas.
• Inundaciones No Estacionarias: Contrario a la disminución del flujo medio, el análisis GEV no estacionario reveló una respuesta compleja en las características de las inundaciones. El nivel de inundación de 100 años ($Q_{100}$) se proyecta que disminuya significamente (entre 35–41% para 2100) debido a la reducción del flujo base por la mayor evapotranspiración. Sin embargo, el estudio señala un hallazgo contraintuitivo donde las magnitudes de inundaciones extremas podrían intensificarse debido a eventos de lluvia más intensos y de corta duración, acortando el periodo de retorno de la inundación de 50 años a 8 años para 2080.

4. Significado y Contribuciones

Este estudio proporciona la primera evaluación integral del desempeño de los modelos CMIP6 en la cuenca del Kulfo y demuestra la superioridad de los enfoques de aprendizaje automático de ensamble, específicamente Random Forest, para la proyección del caudal en cuencas etíopes con escasez de datos.

La investigación realiza varias contribuciones específicas:

1. Integración Metodológica: Integra con éxito las proyecciones de CMIP6 con corrección de sesgo con el aprendizaje automático para abordar las limitaciones de datos, ofreciendo un marco robusto para la estimación del caudal futuro.
2. Cuantificación de la Incertidumbre: Al emplear la predicción conforme, el estudio cuantifica la incertidumbre en las estimaciones de descarga futura, resaltando la creciente variabilidad bajo escenarios de altas emisiones.
3. Análisis No Estacionario: La aplicación de un modelo GEV variante en el tiempo desafía los supuestos estacionarios, revelando que el cambio climático puede alterar las características de las inundaciones de formas complejas (reduciendo el flujo medio pero potencialmente intensificando las inundaciones repentinas).
4. Relevancia Política: Los hallazgos subrayan la vulnerabilidad de la cuenca del Kulfo ante futuros cambios hidroclimáticos. El estudio enfatiza la necesidad de integrar el aprendizaje automático, el análisis de incertidumbre y los enfoques hidrológicos no estacionarios en la planificación de recursos hídricos resilientes al clima para apoyar la gestión sostenible de cuencas, el desarrollo de la irrigación y la reducción del riesgo de inundaciones en Etiopía y cuencas tropicales similares.

Los autores concluyen que, si bien el estudio ofrece información valiosa, la investigación futura debe centrarse en expandir las redes de monitoreo hidrometeorológico, integrar modelos basados en procesos con enfoques de aprendizaje profundo híbridos e incorporar impulsores socioeconómicos para mejorar aún más la robustez predictiva.