ANÁLISIS DE MODELOS DE ESTIMACIÓN DE PRECIPITACIÓN UTILIZANDO SERIES DE TIEMPO: UN ANÁLISIS BIBLIOMÉTRICO

Resumen

Este estudio realiza un análisis bibliométrico de modelos de estimación de precipitación utilizando series de tiempo, con el objetivo de identificar tendencias, métodos y contribuciones científicas en las últimas cuatro décadas. La investigación se justifica por la importancia de la precipitación como variable primaria en el modelado hidrológico y la escasez de datos precisos de lluvia, especialmente en regiones con alta variabilidad espacial y temporal. El trabajo busca mapear los principales modelos de estimación de precipitación, analizar su resolución espacial y temporal e identificar tendencias metodológicas e innovaciones en el campo. La metodología adoptada incluyó un enfoque bibliométrico, utilizando la base de datos Scopus para recopilar artículos científicos, seguido de análisis estadísticos y redes de co-ocurrencia de términos utilizando el software VOSviewer. Se analizaron setenta y ocho artículos publicados entre 1982 y 2023, centrándose en el 40% más citado en cada década. Los resultados revelan una evolución significativa en el modelado de precipitación, con la transición de métodos estadísticos simples a técnicas avanzadas como redes neuronales artificiales (ANN) y aprendizaje profundo (LSTM). La resolución espacial temporal y regional diaria predominó en los estudios, y la integración de datos satelitales y técnicas de inteligencia artificial (IA) se ha convertido en una tendencia dominante en la última década. La conclusión es que los avances en la modelización de precipitaciones tienen un impacto práctico significativo en la gestión de los recursos hídricos y la agricultura, contribuyendo a la predicción de eventos extremos y la adaptación al cambio climático.

DOI: https://doi.org/10.56238/sevened2025.036-019