Gracias a datos satelitales de alta calidad y herramientas de análisis geoespacial en la nube, es posible generar de forma ágil mapas de peligrosidad climática con respaldo científico y cobertura global. Un primer ejemplo de ello es el análisis de la frecuencia de lluvias extremas realizado para Sri Lanka en el periodo 2001–2023.
El mapa ha sido elaborado utilizando la base de datos CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data), un producto mixto satélite–estaciones que proporciona estimaciones de precipitación diaria desde 1981, con resolución espacial de aproximadamente 5 km. CHIRPS ha sido desarrollado por la Universidad de California en Santa Barbara y es una fuente de referencia en estudios de cambio climático, seguridad alimentaria y gestión de desastres.
En este caso, se ha calculado el número total de días con precipitaciones superiores a 50 mm durante más de dos décadas, generando una capa raster que refleja la recurrencia de eventos intensos a escala nacional. Este tipo de modelado permite identificar con claridad zonas más expuestas, lo cual es clave para análisis de riesgo climático, definición de primas diferenciales, evaluación de carteras o diseño de infraestructuras resilientes.
Este tipo de información geoespacial, de origen fiable, actualizado y reproducible, puede ser de gran utilidad para entidades aseguradoras interesadas en mejorar su modelado de riesgos climáticos, optimizar sus procesos de tarificación o diseñar productos adaptados a exposiciones geográficas específicas.
Además, este enfoque puede escalarse para incorporar otros factores relevantes:
la duración de los eventos extremos, su cobertura espacial, la forma del terreno local (que condiciona la escorrentía y la acumulación) o incluso variaciones estacionales y anomalías climáticas (como los efectos de El Niño o La Niña). Todo ello con datos abiertos, consistentes y reproducibles.
El valor no solo está en el mapa final, sino en la capacidad de generarlo de manera rápida, automatizable y fundamentada, con total trazabilidad en la metodología.
El valor no solo está en el mapa final, sino en la capacidad de generarlo de manera rápida, automatizable y fundamentada, con total trazabilidad en la metodología. He generado este código en Google Earth Engine y evaluado resultados con Global Mapper 26.0.
Puedes probar cómo funciona el código tú mismo en este link abajo!
https://code.earthengine.google.com/216ee2220704ebd423e6007b2c5c5f86
En un segundo caso, realizamos el análisis para un país (mucho) más grande, Venezuela. Para este análisis he usado otra fuente (ECMWF/ERA5/DAILY)
ERA5 es la última generación de reanálisis climático global desarrollado por el Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ECMWF), dentro del programa Copernicus Climate Change Service (C3S). Se trata de un producto que combina observaciones y modelos numéricos para estimar variables atmosféricas, terrestres y oceánicas con alta resolución espacial y temporal.
El dataset ERA5 DAILY disponible en Google Earth Engine representa un subconjunto temporal diario de las variables meteorológicas del reanálisis ERA5. Cada imagen contiene variables agregadas o medias diarias derivadas del dataset ERA5 original, que tiene una resolución temporal de 1 hora.
- En particular, la variable usada en tu caso es total_precipitation, que representa la precipitación acumulada total en el día, en metros (m), por ejemplo, 0.01 m = 10 mm.
Resolución espacial: Aproximadamente 0.25° × 0.25° (unos 28 km de lado); Resolución temporal: Diaria, cada imagen corresponde a un día calendario (UTC); Cobertura temporal: Desde 1979 hasta el presente (actualizada continuamente). ERA5 es generado mediante la asimilación de múltiples fuentes de datos, incluidos satélites, estaciones terrestres, boyas oceánicas, radiosondas y otros. Se utiliza un modelo climático numérico avanzado para producir un análisis global coherente. La calidad es muy alta, siendo uno de los reanálisis más usados para climatología y meteorología. La variable total_precipitation es acumulativa diaria y puede incluir precipitación líquida y sólida (nieve), según el modelo y condiciones.
La potencia de este código es poder añadir un país entero simplemente cambiando una palabra en el código, permitiendo una escalabilidad y harmonización directa.
Como se puede apreciar en un software GIS cualquiera (Global Mapper 26.0)
Puedes probar cómo funciona el código tú mismo en este link abajo!
https://code.earthengine.google.com/f5e9b1be89fcb87327f4d97837b48cf1
En resumen, la metodología para analizar cuantitativamente la peligrosidad de un evento (lluvias con alta intensidad horaria) usando métodos de cloud computation permite adaptabilidad, escalabilidad, coherencia, precisión. Este análisis no es único y puede ser combinable con otros análisis que tienen en cuenta otros factores como mencionados anteriormente (la duración de los eventos, su cobertura espacial, la forma del terreno local, las variaciones estacionales y anomalías climáticas. Todo ello con datos abiertos, consistentes y reproducibles.)
Puedes probar cómo funciona el código tú mismo en este link abajo!
https://code.earthengine.google.com/d5ab28afa291508009e32bafdb6dbdbf
Alberto C
GIS analyst
Geovisualization.net 