Análisis y visualización de datos climáticos en el cantón Guayaquil: tendencias, riesgos y proyecciones ambientales
DOI:
https://doi.org/10.64041/riidg.v3i2.22Palabras clave:
Análisis estadístico, Datos climáticos, Cambio climático, Gestión de riesgos, Modelos climáticosResumen
El estudio se centra en el análisis y la visualización de datos climáticos correspondientes al cantón Guayaquil, con el propósito de identificar patrones recurrentes, comportamientos históricos y variaciones significativas en variables meteorológicas clave tales como la temperatura del aire, los niveles de precipitación, la humedad relativa y la ocurrencia de eventos extremos, como tormentas intensas, sequías prolongadas y olas de calor. A través del empleo de metodologías estadísticas avanzadas y técnicas de visualización de datos (como mapas de calor, diagramas de dispersión, líneas de tendencia y modelos de predicción), se realiza un seguimiento sistemático de la evolución climática a lo largo del tiempo, lo cual permite detectar señales tempranas de transformación del clima local y regional.
El análisis contempla la recopilación, depuración y procesamiento de datos provenientes de distintas fuentes confiables, como estaciones meteorológicas ubicadas en el cantón, bases de datos de entidades oficiales (INAMHI, SENPLADES, entre otros), modelos climáticos globales y regionales, así como imágenes satelitales. Esta integración de datos permite construir una visión multidimensional y detallada del comportamiento climático actual y proyectado para Guayaquil. En particular, se enfoca en identificar áreas geográficas que presentan alta vulnerabilidad ante impactos climáticos, considerando factores como la densidad poblacional, la infraestructura expuesta, el uso del suelo, y las condiciones socioeconómicas de las comunidades afectadas.
Uno de los principales aportes del estudio es la identificación de amenazas ambientales vinculadas al cambio climático, como el incremento del nivel del mar, la mayor frecuencia de inundaciones en zonas bajas y mal drenadas, la disminución de la disponibilidad de agua dulce y el deterioro de la calidad del aire en períodos de calor extremo. Además, se analizan posibles efectos indirectos como el aumento en la incidencia de enfermedades relacionadas con el clima, afectaciones al transporte y servicios básicos, y daños en ecosistemas urbanos y periurbanos.
Este enfoque integral no solo contribuye al diagnóstico científico del estado climático del cantón, sino que también ofrece insumos concretos y visualmente comprensibles para la formulación de políticas públicas orientadas a la adaptación y mitigación del cambio climático. En este sentido, las visualizaciones generadas —como mapas de riesgo, escenarios prospectivos y paneles interactivos— facilitan la comunicación efectiva de resultados tanto a tomadores de decisiones como a actores comunitarios y académicos. Se espera que estos productos científicos sirvan como herramientas de apoyo para la planificación territorial sostenible, el diseño de estrategias de resiliencia urbana, la implementación de programas de gestión de riesgos y el fortalecimiento de la educación ambiental en todos los niveles.
Citas
Alarcón, H. J. C., & Pabón, C. J. D. (2013). EL CAMBIO CLIMÁTICO Y LA DISTRIBUCIÓN ESPACIAL DE LAS FORMACIONES VEGETALES EN COLOMBIA. In Colombia Forestal (Vol. 16, Issue 2). https://www.redalyc.org/pdf/4239/423939620004.pdf
FAO. (2015). Climate change and food security: risks and responses. https://openknowledge.fao.org/server/api/core/bitstreams/a4fd8ac5-4582-4a66-91b0-55abf642a400/content
Few, R., & Kovats, S. (2004). Floods, Health and Climate Change: A Strategic Review. https://www.researchgate.net/publication/228377613
Goodchild, M. F. (2007). Citizens as sensors: The world of volunteered geography. In GeoJournal (Vol. 69, Issue 4, pp. 211–221). https://doi.org/10.1007/s10708-007-9111-y
Hernandez, M. (2017). Para cualquier consulta, por favor contactar con. https://www.guayaquil.gob.ec/wp-content/uploads/Documentos/Documentos/Vulnerabilidad_Guayaquil_Producto_2_Medidas_VFR.pdf
INAMHI. (2019). D I C I E M B R E-2019 AÑO: XLIII Boletín N° 538. https://www.inamhi.gob.ec/meteorologia/boletines/bol_men_2019.pdf
IPCC. (2014). Cambio climático 2014 Equipo principal de redacción Equipo principal de redacción Unidad de apoyo técnico para el Informe de síntesis. https://www.ipcc.ch/site/assets/uploads/2018/02/SYR_AR5_FINAL_full_es.pdf
MAE. (2012). GOBIERNO NACIONAL DE LA REPÚBLICA DEL ECUADOR. https://www.ambiente.gob.ec/wp-content/uploads/downloads/2017/10/ESTRATEGIA-NACIONAL-DE-CAMBIO-CLIMATICO-DEL-ECUADOR.pdf
Mason, O. U., Scott, N. M., Gonzalez, A., Robbins-Pianka, A., Bælum, J., Kimbrel, J., Bouskill, N. J., Prestat, E., Borglin, S., Joyner, D. C., Fortney, J. L., Jurelevicius, D., Stringfellow, W. T., Alvarez-Cohen, L., Hazen, T. C., Knight, R., Gilbert, J. A., & Jansson, J. K. (2014). Metagenomics reveals sediment microbial community response to Deepwater Horizon oil spill. ISME Journal, 8(7), 1464–1475. https://doi.org/10.1038/ismej.2013.254
McNie, E. C. (2007). Reconciling the supply of scientific information with user demands: an analysis of the problem and review of the literature. Environmental Science and Policy, 10(1), 17–38. https://doi.org/10.1016/j.envsci.2006.10.004
Moser, S. C., & Ekstrom, J. A. (2010). A framework to diagnose barriers to climate change adaptation. Proceedings of the National Academy of Sciences of the United States of America, 107(51), 22026–22031. https://doi.org/10.1073/pnas.1007887107
Oke, T. R. (1982). OkeEnergeticbasisUHIQJRMS1982. https://www.researchgate.net/publication/229724544_The_energetic_basis_of_urban_heat_island
SENPLADES. (2013). SECRETARÍA NACIONAL DE PLANIFICACIÓN Y DESARROLLO. https://www.planificacion.gob.ec/wp-content/uploads/downloads/2014/04/INFORME-FINAL-ZONA-8-15-04-14.pdf
Wilby, R. (2019). Robust adaptation to climate change. https://repository.lboro.ac.uk/articles/journal_contribution/Robust_adaptation_to_climate_change/9481712?file=17106896
Wilks. (2006). Statistical Methods in the Atmospheric Sciences Second Edition. https://sunandclimate.wordpress.com/wp-content/uploads/2009/05/statistical-methods-in-the-atmospheric-sciences-0127519661.pdf
Yue, S., Pilon, P., Phinney, B., & Cavadias, G. (2002). The influence of autocorrelation on the ability to detect trend in hydrological series. Hydrological Processes, 16(9), 1807–1829. https://doi.org/10.1002/hyp.1095
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista internacional de Investigación y Desarrollo Global

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.