El Nino Southern Oscillation-Driven Variability in Vegetation Indices and Carbon Fluxes over Rajasthan, India: A Non-parametric District-level Analysis (2000-2024)

Resumen Técnico: Variabilidad de la Vegetación y los Flujos de Carbono Impulsada por el ENSO en Rajasthan (2000–2024)

Planteamiento del Problema
Este estudio aborda la necesidad de cuantificar cómo los eventos de El Niño-Oscilación del Sur (ENSO) y las precipitaciones del monzón influyen en las condiciones de la vegetación de la temporada kharif y en los flujos de carbono terrestre a través de los diversos gradientes de aridez de Rajasthan, India. Si bien está establecida la dominancia de la lluvia en el impulso de la vegetación, la magnitud específica de los impactos de ENSO sobre la Productividad Primaria Bruta (GPP) y la Productividad Primaria Neta (NPP) a nivel de distrito, independientemente de la variabilidad de la precipitación, permanece menos caracterizada. Además, existe una brecha en la comprensión de cómo estos impulsores climáticos afectan la asimilación de carbono en relación con el verdor del dosel (NDVI), particularmente en zonas hiperáridas y áridas donde la variabilidad interanual es alta.

Metodología
La investigación emplea un marco estadístico totalmente no paramétrico analizando 25 años de datos (2000–2024) en los 33 distritos de Rajasthan.

• Fuentes de Datos: El estudio integra cuatro productos MODIS Collection 6 (MOD13Q1 [NDVI/EVI 250 m], MOD17A2H [GPP de 8 días], MOD17A3HGF [NPP anual] y MCD12Q1 [Uso de Suelo/Cobertura Terrestre]) con datos de precipitación de la red 0.25° de la IMD e índices ONI de la NOAA.
• Preprocesamiento: Se aplica una máscara agrícola dinámica (clases IGBP 12 y 14) derivada de MCD12Q1 anualmente para aislar los píxeles agrícolas, evitando la atenuación de las señales de ENSO por la vegetación natural de tierras secas.
• Marco Estadístico:
  • Detección de Tendencias: Las pruebas de Mann-Kendall (MK) con estimadores de pendiente de Sen identifican tendencias a largo plazo.
  • Análisis de Correlación: Los coeficientes tau de Kendall y rho de Spearman evalúan las asociaciones bivariadas. Las correlaciones parciales de Spearman controlan la precipitación (RF) para aislar los efectos independientes de ONI sobre la GPP.
  • Modelado: Se derivan ecuaciones predictivas a nivel de distrito utilizando un enfoque de regresión iterativo de Theil-Sen. La estructura del modelo es: $GPP = \alpha + \beta_{RF} \cdot (RF - RF_{med}) + \beta_{ONI} \cdot (ONI - ONI_{med})$.
  • Validación: La capacidad del modelo se cuantifica mediante la Validación Cruzada de Dejar Uno Fuera (LOOCV), obteniendo el Error Porcentual Absoluto Medio (MAPE), el RMSE y el sesgo sistemático.
  • Pronóstico: Los prospectos para 2026 utilizan el remuestreo de bootstrap de 1000 réplicas para generar intervalos de confianza del 90% para las proyecciones a nivel de distrito.

Contribuciones Clave

1. Atribución a Nivel de Distrito: Este es el primer estudio que proporciona una atribución no paramétrica completa, a nivel de distrito, de las señales de ENSO en los productos de vegetación y flujo de carbono MODIS para la totalidad de Rajasthan.
2. Desacoplamiento de la Precipitación y el ENSO: El estudio logra aislar los efectos independientes de ENSO sobre la GPP tras controlar la precipitación, identificando distritos específicos "sensibles al ONI" en el oeste árido y semiárido.
3. Discrepancia GPP:NDVI: Cuantifica una relación de supresión de aproximadamente 2:1 de la GPP respecto al NDVI durante los eventos de El Niño, resaltando que la asimilación de carbono disminuye más rápido que el verdor del dosel debido al cierre estomático.
4. Pronóstico Operativo: El desarrollo de modelos de predicción de Theil-Sen con incertididad cuantificada (LOO-MAPE) proporciona un marco para generar alertas tempranas agrícolas estacionales accionables.

Resultos

• Impactos de ENSO: Los eventos de El Niño suprimen el promedio del estado del NDVI de la temporada kharif en un 3.6% y la GPP en un 7.0% en promedio. El impacto es más severo en el distrito hiperárido de Jaisalmer, con déficits que alcanzan el 14.3% para el NDVI y el 21.6% para la GPP. Los eventos de La Niña producen excedentes simétricos de 3 a 18% en la GPP.
• Correlaciones: Las correlaciones entre precipitación y NDVI son universalmente significativas en los 33 distritos (media $\rho$ = 0.935). Sin embargo, los efectos independientes de ONI sobre la GPP son significativos solo en seis distritos áridos y semiáridos del oeste (Bikaner, Churu, Ganganagar, Hanumangarh, Jaisalmer y Jodhpur), con correlaciones parciales que oscilan entre -0.42 y -0.62. En el este subhúmedo, la influencia de ENSO está mediada principalmente por la precipitación.
• Tendencias a Largo Plazo: Se detectan tendencias positivas significativas de Mann-Kendall en NDVI y GPP en 1 la de 33 distritos. Las tasas de verdor más altas ocurren en el sureste subhúmedo (media +5.4 g C m⁻² año⁻¹ para GPP), atribuidas a la intensificación agrícola y la fertilización por CO₂.
• Desempeño del Modelo: Los modelos de Theil-Sen logran un LOO-MAPE medio de 6.2% para NDVI y 17.4% para GPP. El desempeño es mejor en el sureste subhúmedo (<12% MAPE) y peor en el hiperárido Jaisalmer (31.5%) y el árido Churu (41.4%) debido al alto ruido interanual y problemas de piso de detección.
• Pronóstico 2026: Basado en un ONI de -0.1 (FMA 2026), la GPP media del estado para la temporada kharif se pronostica en 249.5 g C m⁻² (anomalía -3.2%). Treinta de los 33 distritos se clasifican como NORMAL, mientras que Jaisalmer, Churu y Jhunjhunu se pronostican como POR DEBAJO DE LO NORMAL.

Significancia y Reivindicaciones
El artículo sostiene que sus hallazgos ofrecen conocimientos críticos para el monitoreo de carbono basado en satélites y la planificación agrícola. Específicamente, afirma que los modelos de rendimiento basados en NDVI calibrados en años promedio o húmedos sobreestimarán sistemáticamente la producción de la temporada kharif durante los eventos de El Niño si no se tiene en cuenta la supresión desproporcionada del flujo de carbono (GPP) respecto al verdor (NDVI).

El estudio posiciona sus ecuaciones de Theil-Sen como un marco de corrección simple. Al integrar los pronósticos de ONI previos a la temporada con las proyecciones de precipitación de la mediana del distrito, los planificadores pueden ajustar las estimaciones de GPP semanas antes de la cosecha. Los autores concluyen que los distritos identificados como "sensibles al ONI" proporcionan una base para estrategias de asesoramiento agrícola diferenciadas que incorporan pronósticos de Temperatura de la Superficie del Mar (SST) junto con los pronósticos de precipitación. El trabajo se presenta como operativamente listo para la planificación agrícola estacional, la gestión de suministros de insumos y la declaración de sequía a nivel de subdistrito, siempre que los pronósticos de precipitación en tiempo real se propaguen a través de las ecuaciones establecidas.

Nota: La sección "Introducción" del texto proporcionado contiene una recomendación relativa al enfoque de "Cuenta Corriente" para la infraestructura escolar en Tanzania, lo cual parece ser un error editorial o un artefacto de copia y pega no relacionado con el contenido científico del estudio de Rajasthan. Este resumen excluye dicho contenido no relacionado, ya que no concierne al problema, metodología o hallazgos del estudio.