“Esta actuación se encuadra en el Plan TCUE 2021-2023, y ha sido seleccionada en el marco de un programa operativo cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) y la Junta de Castilla y León”
TITULO DEL PROYECTO: CauPredicT_Hidrología Predictiva en el río Guadalaviar y sus implicaciones ambientales y socioeconómicas Autor/a: Rosario Catherine Iñiguez Yugar CURSO 2021-2022
1. Descripción General del Proyecto El proyecto trata del análisis de eventos extremos específicamente de las sequías, caracterizados por ser fenómenos naturales, cada vez más recurrentes, que tienen impactos negativos en el ámbito socioeconómico por las altas pérdidas económicas (reducción en la Producción Agrícola) que genera movimientos migratorios causados principalmente por la falta de alimentos, descenso en los recursos hídricos disponibles, escasez de agua para consumo humano, deterioro de los ecosistemas, medio ambiente y con el cambio climático las sequías futuras y su frecuencia se espera que incrementen. El análisis se efectuó en las cuencas de Guadalaviar y Júcar, pertenecientes a la Confederación Hidrográfica del Júcar. 2. Objetivos Los objetivos que se persiguen son: - Mejorar la capacidad predictiva del comportamiento hidrológico general de sistemas hídricos superficiales mediante un enfoque integral. - Mejorar la garantía hídrica de poblaciones asociadas a dichos sistemas hídricos - Reducir el impacto global generado en el sobre/infradimensionamiento, posterior construcción y funcionamiento de dichas infraestructuras. 3. Resultados obtenidos (aplicabilidad) •
• • • •
-
La modelización causal bayesiana, ha demostrado ser una herramienta eficaz en la identificación de relaciones de dependencia espacio, temporal y espacio – temporal de variables, alta dependencia entre variables. La dependencia de las variables analizadas permite conocer el comportamiento hidrológico del sistema. La ventaja del Modelo Causal Bayesiano permite identificar y determinar las relaciones causales entre las variables que tienen mayor influencia. Los resultados mediante matrices de dependencia permiten mostrar claramente las relaciones causales y su fuerza. Una vez demostrada la modelización causal Bayesiana como herramienta eficaz en la identificación de sequias, se puede diseñar una plataforma digital para el pronóstico de sequias.
- Construir una plataforma digital, donde todos los actores puedan acceder a la información actualizada con el objetivo de predecir para prevenir, mediante la modelización causal bayesiana. - Contribuir a los Objetivos de Desarrollo Sostenible (ODS), siguientes: 6. Agua limpia y saneamiento (Garantizar la disponibilidad de agua y su ordenación sostenible) 13. Acción por el clima (Alerta temprana).