Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)

Autores
Hernandez, Gabriela; Cerqueira Vasconcellos, Fernanda; Vasconcellos, Eduardo Charles; Müller, Gabriela V.; Nunes, Bernado Alfonso; Silva e Salz, Beatriz de Andrade
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El noreste de Argentina es una región frecuentemente afectada por extremos hidroclimáticos severos, cuya intensidad y frecuencia se han visto incrementadas en las últimas décadas (Müller et al., 2021; Lovino et al., 2022). Desde mediados del siglo XX se ha registrado un cambio climático en el noreste argentino, caracterizado por un aumento sostenido de la precipitación regional (Lovino et al., 2018a). Este cambio podría explicarse por una combinación de factores antrópicos y naturales, incluyendo la variabilidad decadal del sistema océano-atmósfera. En este complejo contexto, donde diversos forzantes remotos y locales interactúan de forma no lineal y no homogénea, la identificación de patrones espaciales de anomalías de precipitación resulta clave para comprender los mecanismos subyacentes a estos eventos extremos. Los recientes avances en técnicas de aprendizaje automático (Machine Learning, ML) ofrecen nuevas herramientas para el análisis climático. En particular, los Mapas Autoorganizados (SelfOrganizing Maps, SOM), una red neuronal no supervisada basada en aprendizaje competitivo, permiten clasificar grandes volúmenes de datos en grupos representativos, facilitando la detección de patrones ocultos en variables meteorológicas (Kohonen et al., 1997). Utilizando esta metodología, el objetivo del presente trabajo es identificar los principales patrones espaciales de anomalías de precipitación en los meses de primavera-verano, en el noreste argentino para el período 1981–2024.
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Meteorología
Aprendizaje automático
Anomalías de precipitación
Variabilidad climática
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/193883
Acceder
id SEDICI_5ab5012aa18ae65a195d6e2aaec426b3
oai_identifier_str oai:sedici.unlp.edu.ar:10915/193883
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)Hernandez, GabrielaCerqueira Vasconcellos, FernandaVasconcellos, Eduardo CharlesMüller, Gabriela V.Nunes, Bernado AlfonsoSilva e Salz, Beatriz de AndradeMeteorologíaAprendizaje automáticoAnomalías de precipitaciónVariabilidad climáticaEl noreste de Argentina es una región frecuentemente afectada por extremos hidroclimáticos severos, cuya intensidad y frecuencia se han visto incrementadas en las últimas décadas (Müller et al., 2021; Lovino et al., 2022). Desde mediados del siglo XX se ha registrado un cambio climático en el noreste argentino, caracterizado por un aumento sostenido de la precipitación regional (Lovino et al., 2018a). Este cambio podría explicarse por una combinación de factores antrópicos y naturales, incluyendo la variabilidad decadal del sistema océano-atmósfera. En este complejo contexto, donde diversos forzantes remotos y locales interactúan de forma no lineal y no homogénea, la identificación de patrones espaciales de anomalías de precipitación resulta clave para comprender los mecanismos subyacentes a estos eventos extremos. Los recientes avances en técnicas de aprendizaje automático (Machine Learning, ML) ofrecen nuevas herramientas para el análisis climático. En particular, los Mapas Autoorganizados (SelfOrganizing Maps, SOM), una red neuronal no supervisada basada en aprendizaje competitivo, permiten clasificar grandes volúmenes de datos en grupos representativos, facilitando la detección de patrones ocultos en variables meteorológicas (Kohonen et al., 1997). Utilizando esta metodología, el objetivo del presente trabajo es identificar los principales patrones espaciales de anomalías de precipitación en los meses de primavera-verano, en el noreste argentino para el período 1981–2024.Facultad de Ciencias Astronómicas y Geofísicas2025info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/193883spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A4_T059.pdfinfo:eu-repo/semantics/reference/hdl/10915/193317info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-05-06T13:00:48Zoai:sedici.unlp.edu.ar:10915/193883Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-05-06 13:00:48.405SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)
title Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)
spellingShingle Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)
Hernandez, Gabriela
Meteorología
Aprendizaje automático
Anomalías de precipitación
Variabilidad climática
title_short Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)
title_full Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)
title_fullStr Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)
title_full_unstemmed Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)
title_sort Aplicación de mapas autoorganizados (SOM) a la caracterización de la precipitación estival en el noreste argentino: resultados preliminares (1981–2024)
dc.creator.none.fl_str_mv Hernandez, Gabriela
Cerqueira Vasconcellos, Fernanda
Vasconcellos, Eduardo Charles
Müller, Gabriela V.
Nunes, Bernado Alfonso
Silva e Salz, Beatriz de Andrade
author Hernandez, Gabriela
author_facet Hernandez, Gabriela
Cerqueira Vasconcellos, Fernanda
Vasconcellos, Eduardo Charles
Müller, Gabriela V.
Nunes, Bernado Alfonso
Silva e Salz, Beatriz de Andrade
author_role author
author2 Cerqueira Vasconcellos, Fernanda
Vasconcellos, Eduardo Charles
Müller, Gabriela V.
Nunes, Bernado Alfonso
Silva e Salz, Beatriz de Andrade
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Meteorología
Aprendizaje automático
Anomalías de precipitación
Variabilidad climática
topic Meteorología
Aprendizaje automático
Anomalías de precipitación
Variabilidad climática
dc.description.none.fl_txt_mv El noreste de Argentina es una región frecuentemente afectada por extremos hidroclimáticos severos, cuya intensidad y frecuencia se han visto incrementadas en las últimas décadas (Müller et al., 2021; Lovino et al., 2022). Desde mediados del siglo XX se ha registrado un cambio climático en el noreste argentino, caracterizado por un aumento sostenido de la precipitación regional (Lovino et al., 2018a). Este cambio podría explicarse por una combinación de factores antrópicos y naturales, incluyendo la variabilidad decadal del sistema océano-atmósfera. En este complejo contexto, donde diversos forzantes remotos y locales interactúan de forma no lineal y no homogénea, la identificación de patrones espaciales de anomalías de precipitación resulta clave para comprender los mecanismos subyacentes a estos eventos extremos. Los recientes avances en técnicas de aprendizaje automático (Machine Learning, ML) ofrecen nuevas herramientas para el análisis climático. En particular, los Mapas Autoorganizados (SelfOrganizing Maps, SOM), una red neuronal no supervisada basada en aprendizaje competitivo, permiten clasificar grandes volúmenes de datos en grupos representativos, facilitando la detección de patrones ocultos en variables meteorológicas (Kohonen et al., 1997). Utilizando esta metodología, el objetivo del presente trabajo es identificar los principales patrones espaciales de anomalías de precipitación en los meses de primavera-verano, en el noreste argentino para el período 1981–2024.
Facultad de Ciencias Astronómicas y Geofísicas
description El noreste de Argentina es una región frecuentemente afectada por extremos hidroclimáticos severos, cuya intensidad y frecuencia se han visto incrementadas en las últimas décadas (Müller et al., 2021; Lovino et al., 2022). Desde mediados del siglo XX se ha registrado un cambio climático en el noreste argentino, caracterizado por un aumento sostenido de la precipitación regional (Lovino et al., 2018a). Este cambio podría explicarse por una combinación de factores antrópicos y naturales, incluyendo la variabilidad decadal del sistema océano-atmósfera. En este complejo contexto, donde diversos forzantes remotos y locales interactúan de forma no lineal y no homogénea, la identificación de patrones espaciales de anomalías de precipitación resulta clave para comprender los mecanismos subyacentes a estos eventos extremos. Los recientes avances en técnicas de aprendizaje automático (Machine Learning, ML) ofrecen nuevas herramientas para el análisis climático. En particular, los Mapas Autoorganizados (SelfOrganizing Maps, SOM), una red neuronal no supervisada basada en aprendizaje competitivo, permiten clasificar grandes volúmenes de datos en grupos representativos, facilitando la detección de patrones ocultos en variables meteorológicas (Kohonen et al., 1997). Utilizando esta metodología, el objetivo del presente trabajo es identificar los principales patrones espaciales de anomalías de precipitación en los meses de primavera-verano, en el noreste argentino para el período 1981–2024.
publishDate 2025
dc.date.none.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/193883
url http://sedici.unlp.edu.ar/handle/10915/193883
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4
info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A4_T059.pdf
info:eu-repo/semantics/reference/hdl/10915/193317
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1864469146272530432
score 13.1485815

Publicaciones similares