Imágenes Landsat 5, 7, 8 y 9 (Collection 2, Level-2), desde Microsoft Planetary Computer: compuestos de aguas bajas para el cauce (1987–2024) y temperatura de superficie (banda térmica de Landsat 8/9). El agua se detecta con el índice MNDWI Xu, 2006.
Sentinel-2 L2A: mosaico en color verdadero de las escenas más despejadas de 2023–2025, usado como mapa base.
Índice Oceánico El Niño (ONI) del Centro de Predicción Climática de la NOAA, para relacionar las vaciantes con El Niño.
Índice del Atlántico Norte tropical (TNA) del Laboratorio de Ciencias Físicas de la NOAA NOAA Physical Sciences Laboratory, 2026: la temperatura del mar que más influye en la temporada seca del occidente amazónico, usada para anticipar la temporada de incendios Fernandes et al., 2011 y como predictor del dengue.
Casos de dengue notificados al SIVIGILA del Instituto Nacional de Salud, por semana epidemiológica y municipio (2007–2022), tal como los compila y estandariza OpenDengue Clarke et al., 2024.
Catálogo Nacional de Estaciones del IDEAM (Datos Abiertos), para ubicar las estaciones de Leticia: LETICIA [48017010] (nivel), NAZARETH [48017030] (nivel) y AEROPUERTO VÁSQUEZ COBO [48015050] (sinóptica).
Métodos estadísticos¶
Extremos: distribución generalizada de valores extremos (GEV) ajustada por L-momentos, más estable que la máxima verosimilitud con muestras cortas o con valores atípicos como la vaciante de 2024 Hosking et al., 1985Coles, 2001; intervalos de confianza por remuestreo.
Tendencias: prueba de Mann-Kendall y pendiente de Sen Mann, 1945Sen, 1968.
Sequía: SPI con ajuste gamma McKee et al., 1993 y SPEI con ajuste log-logístico del balance lluvia − evapotranspiración Vicente-Serrano et al., 2010, contrastado con el paquete
SPEIde Python Vonk, 2026.Calor: umbrales relativos (percentil 90 de 1991–2020), temperatura aparente de Steadman Steadman, 1984 y UTCI con la implementación del ECMWF Bröde et al., 2012Brimicombe et al., 2022.
Aguas bajas: días por año hidrológico bajo el P80 de la curva de duración Santos de Lima et al., 2024.
Pronósticos estacionales: regresiones lineales validadas dejando fuera un año cada vez, comparadas con la climatología; incendios con el TNA Fernandes et al., 2011 y dengue a 1, 3 y 6 meses Beal et al., 2025.
Altura sobre el río: aproximación al descriptor HAND Rennó et al., 2008.
- Xu, H. (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14), 3025–3033. 10.1080/01431160600589179
- NOAA Physical Sciences Laboratory. (2026). Tropical Northern Atlantic Index (TNA). Serie mensual, HadISST1.1, climatología 1991–2020. https://psl.noaa.gov/data/timeseries/month/
- Fernandes, K., Baethgen, W., Bernardes, S., DeFries, R., DeWitt, D. G., Goddard, L., Lavado, W., Lee, D. E., Padoch, C., Pinedo-Vasquez, M., & Uriarte, M. (2011). North Tropical Atlantic influence on western Amazon fire season variability. Geophysical Research Letters, 38(12). 10.1029/2011GL047392
- Clarke, J., Lim, A., Gupte, P., Pigott, D. M., van Panhuis, W. G., & Brady, O. J. (2024). A global dataset of publicly available dengue case count data. Scientific Data, 11, 296. 10.1038/s41597-024-03120-7
- Hosking, J. R. M., Wallis, J. R., & Wood, E. F. (1985). Estimation of the generalized extreme-value distribution by the method of probability-weighted moments. Technometrics, 27(3), 251–261. 10.1080/00401706.1985.10488049
- Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer. 10.1007/978-1-4471-3675-0
- Mann, H. B. (1945). Nonparametric tests against trend. Econometrica, 13(3), 245–259. 10.2307/1907187
- Sen, P. K. (1968). Estimates of the regression coefficient based on Kendall’s tau. Journal of the American Statistical Association, 63(324), 1379–1389. 10.1080/01621459.1968.10480934
- McKee, T. B., Doesken, N. J., & Kleist, J. (1993). The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology, 179–184.
- Vicente-Serrano, S. M., Beguería, S., & López-Moreno, J. I. (2010). A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of Climate, 23(7), 1696–1718. 10.1175/2009JCLI2909.1
- Vonk, M. A. (2026). SPEI: a Python package for calculating and visualizing drought indices (0.8.3) [Computer software]. Zenodo. 10.5281/zenodo.10816740
- Steadman, R. G. (1984). A universal scale of apparent temperature. Journal of Climate and Applied Meteorology, 23(12), 1674–1687. https://doi.org/10.1175/1520-0450(1984)023<;1674:AUSOAT>2.0.CO;2
- Bröde, P., Fiala, D., Błażejczyk, K., Holmér, I., Jendritzky, G., Kampmann, B., Tinz, B., & Havenith, G. (2012). Deriving the operational procedure for the Universal Thermal Climate Index (UTCI). International Journal of Biometeorology, 56(3), 481–494. 10.1007/s00484-011-0454-1
- Brimicombe, C., Di Napoli, C., Quintino, T., Pappenberger, F., Cornforth, R., & Cloke, H. L. (2022). Thermofeel: a python thermal comfort indices library. SoftwareX, 18, 101005. 10.1016/j.softx.2022.101005
- Santos de Lima, L., Silva, F. E. O. e, Dorio Anastácio, P. R., Kolanski, M. M. de P., Pires Pereira, A. C., Menezes, M. S. R., & others. (2024). Severe droughts reduce river navigability and isolate communities in the Brazilian Amazon. Communications Earth & Environment, 5, 370. 10.1038/s43247-024-01530-4