En los últimos años, como consecuencia del cambio climático, la frecuencia e intensidad de las sequías en muchas partes del mundo se ha acentuado y está provocando cierta tendencia hacia la desertificación. A raíz de esto, la monitorización de las sequías ha cobrado mucho interés, en aras de reducir sus efectos.
Dentro de estos esfuerzos de control y medición de las sequías destacan 2 tecnologías principalmente, los datos satelitales y los macrodatos. La primera tiene la capacidad de detectar la sequía desde el espacio gracias a sus sensores capaces de obtener información en distintas bandas espectrales; la segunda sirve para poder gestionar de forma eficiente grandes cantidades de datos.
La importancia de monitorizar las sequías
Teniendo en cuenta los efectos negativos que generan las sequías, no es de extrañar que monitorizarlas se haya convertido en una prioridad en muchas zonas. Si bien algunos episodios de sequía son puntuales, este tipo de catástrofes son el resultado de una acción progresiva y a largo plazo, por lo que existen varios indicadores que pueden usarse para detectar si en una zona se cumplen o se acerca a las condiciones consideradas como sequía. Entre esos indicadores están los cambios en las precipitaciones y las temperaturas o los niveles de las reservas de agua superficiales y subterráneas.
No obstante, cada zona tiene unas vulnerabilidades específicas en materia de sequía, por lo que es importante seleccionar los indicadores de sequía que mejor se ajusten a la situación en particular o modificar los límites de los indicadores. Los sistemas de alerta temprana monitorizan, evalúan y avisan cuando la situación se deteriora, para que los responsables puedan poner en marcha sus programas de mitigación y evitar o reducir el daño causado.
Uso del índice NDVI en la monitorización de la sequía
Un buen número de aplicaciones y sistemas relacionados con la sequía en base al agua disponible y los cambios en el clima se basan en la relación entre la temperatura de la superficie terrestre y el Índice de Vegetación de Diferencia Normalizada (NDVI). El NDVI es un indicador numérico comprendido entre -1 y +1 que utiliza las bandas visible e infrarroja cercana del espectro electromagnético y evalúa el verdor de la vegetación, teniendo en cuenta la reflectancia que produce según los niveles de clorofila. También es frecuente su uso para determinar varios parámetros del suelo, como el porcentaje de cubierta vegetal, el agua superficial o el índice de área foliar. Además, la interpretación del NDVI y sus valores es bastante sencilla, lo que facilita la comprensión respecto a su funcionamiento, pero se aconseja combinarlo con otros parámetros para obtener mejores resultados.
En lo relativo a la monitorización de la sequía, comúnmente el NDVI usado deriva de los datos del radiómetro avanzado de muy alta resolución (Advanced Very High Resolution Radiometer, AVHRR). La capacidad de utilizar datos AVHRR para la detección y cartografía de las sequías se basa en la mayor reflectancia generada por la vegetación sometida a estrés hídrico. El vigor de las plantas está relacionado con su capacidad para obtener los recursos necesarios para subsistir, cuando la vegetación sufre estrés hídrico por falta de agua disponible en un ambiente natural, como en el caso de las sequías, los valores del índice NDVI cambian. Esto confiere al NDVI valor como indicador de sequías y la evolución del impacto medioambiental.
Varios estudios han demostrado que el NDVI tiene sensibilidades comparables al NDWI (Índice de Agua de Diferencia Normalizada) a la hora de reflejar fluctuaciones en la humedad del suelo. Los datos del NDVI son útiles para comprender la gravedad de una sequía en función del grado de humedad. Asimismo, la desviación de la media de valores del NDVI a largo plazo es más que un indicador de sequía, ya que también refleja las condiciones de la vegetación en función de los meses. Igualmente, las series temporales de datos NDVI se usan para calcular el Índice de Condición de la Vegetación (VCI) para estimar, al mismo tiempo, la salud de la vegetación y monitorizar la sequía.
Desafíos en la predicción de sequías
Como se mencionaba anteriormente, una sequía es un proceso a largo tiempo, con lo que las predicciones deben ser fiables a largo plazo, con los problemas que ello conlleva. Solo a nivel de datos, es posible encontrar problemas como lagunas, registros que no cubren una cantidad de años suficiente como para poder ser usados, falta de homogeneidad, difícil acceso o, directamente, falta de información a nivel general.
Por otro lado, otras limitaciones están relacionadas con la capacidad para procesar los datos y la falta de comprensión para generar modelos fiables. Algunos de esos problemas son la insuficiente capacidad de los modelos informáticos para predecir situaciones concretas, telecomunicaciones deficientes en algunos lugares debido a ciertos fenómenos meteorológicos recurrentes, la interacción entre decenas de variables y valores o la posible incidencia que tienen las actividades humanas.
El futuro de la monitorización y las predicciones de sequía
Pese a la complejidad de realizar predicciones fiables a largo plazo, la comunidad científica está en constante evolución para obtener avances que permitan solventar los retos que se plantean a día de hoy. Se estima que, en apenas 3 décadas, el 75% de la población mundial se verá afectada, en mayor o menor medida, por las sequías, especialmente en África. De ahí que el número de investigaciones en este campo no deje de crecer.
Entre los pasos a seguir en los próximos años está la inclusión de tecnología, como la inteligencia artificial o el aprendizaje automático, en la monitorización y modelización de las sequías. El uso de la evapotranspiración como factor para estimar la intensidad de las sequías también atrae la atención de muchos científicos.
Por otro lado, las constantes mejoras en las herramientas de análisis y en la tecnología se esperan que faciliten la vida de los científicos, mejorando su capacidad de procesamiento y comprensión y abriendo la posibilidad de crear nuevas líneas de investigación.