Tamara Venegas y Manuel Olivares

En los últimos años, los pronósticos basados en impactos han cobrado relevancia global como herramienta clave para mejorar la preparación ante eventos meteorológicos extremos. Enmarcado en dicha línea, este estudio tiene como objetivo determinar los umbrales críticos de precipitación acumulada para cada macrozona, basándose en los impactos observados en las regiones del norte de Chile entre 2015 y 2023. Esta zona, caracterizada por una baja frecuencia pero alta severidad de eventos, incluye las regiones de Arica y Parinacota, Tarapacá, Antofagasta y Atacama. Para esto, se integraron bases de datos de impactos registrados por dos instituciones gubernamentales, combinadas con mediciones pluviométricas y variables meteorológicas obtenidas desde el reanálisis ERA5, además del uso de técnicas de machine learning, como lo son los árboles de decisión. Los resultados muestran una mayor concentración de impactos en las macrozonas cordillera y precordillera de Tarapacá y Antofagasta, con una marcada estacionalidad en el período estival, a excepción de Atacama. En cuanto a las variables consideradas, en el caso de los umbrales para la precipitación cada 6 horas, más del 95% de estos sólo consideraron a la precipitación como variable necesaria para obtenerlos, mientras que en 24 horas, este porcentaje disminuye a cerca de un 94 %. Este trabajo contribuye a fortalecer las capacidades operativas de la Dirección Meteorológica de Chile, proporcionando insumos concretos y con base científica para la emisión de alertas tempranas, en línea con la iniciativa “Alertas Tempranas para Todos” de las Naciones Unidas, además de reforzar la comprensión del riesgo en un entorno multiamenaza.

aprendizaje de máquina, Chile, hidrometeoros, impactos, inundaciones, lluvias, machine learning, precipitación, protección civil, remoción en masa, riesgo de impacto, Altiplano, Norte de Chile