La región Sudano Saheliana en África Occidental, una de las más pobres del planeta, se caracteriza por una gran variabilidad de las precipitaciones y un rápido crecimiento demográfico. Dada su vulnerabilidad climática, en la región los eventos extremos (sequías e inundaciones), causan cuantiosos daños que con frecuencia involucran perjuicios a la propiedad y pérdida de vidas humanas. El conocimiento de las tendencias plausibles de los eventos extremos de precipitación es crucial desde una perspectiva política, para la administración de los recursos hídricos a escala de cuenca. Los análisis basados en datos observados y obtenidos desde Modelos Climáticos Regionales (Regional Climate Models -RCM-), han revelado un comportamiento no estacionario de las variables hidrometeorológicas. Los análisis de frecuencia tradicionales son estacionarios, pero se han detectado tendencias en las series históricas que obligan a utilizar modelos estadísticos no estacionarios para ajustar los parámetros de la Función de Densidad Probabilidad (Probability Density Function, PDF). Además, las proyecciones de cambio en los valores de los eventos extremos han mostrado gran divergencia entre los diferentes RCMs, incrementando la incertidumbre en las predicciones. En este contexto, metodologías que consideren tanto la variabilidad proporcionada por cada RCM, como la naturaleza no estacionaria de las series temporales, deberían ser aplicadas para la construcción de mapas de riesgo de eventos hidrometeorológicos extremos. En la presente Tesis, se ha modelado la naturaleza no estacionaria de las series mediante las herramientas GAMLSS (Generalized Additive Models for Location, Scale and Shape), que permiten ajustar con mucha flexibilidad los parámetros de las PDF seleccionadas. Para enfrentar el problema de la incertidumbre generada por la divergencia en las predicciones, se ha optado por construir PDF ensemble utilizando técnicas de bootstrapping. Si bien, en los primeros trabajos presentados no se construyeron ensembles puesto que se disponía de muy pocos RCMs. Cuando el Proyecto Europeo ENSEMBLES hizo disponible a la comunidad científica todos los RCMs considerados para el dominio espacial África Occidental, se justificó la construcción de los ensembles multimodelo. Desde entonces, el trabajo de Tesis se ha centrado en la identificación y desarrollo de metodologías robustas y reproducibles de construcción de PDF ensemble de aplicación regional. El aporte de cada RCM para la construcción de las PDF ensemble se ha estimado de acuerdo con el método REA (Reliability Ensemble Average). Los factores REA se calcularon de acuerdo con una medida cuantitativa simple que mide el acuerdo entre la distribución de referencia (observada desde los datos históricos, o estimada para el futuro como una combinación de los RCMs), y las distribuciones provistas desde los datos de los RCMs. Se ha trabajado en la Cuenca del Río Senegal, considerando como variables la Longitud Máxima Anual de las Rachas Secas (Annual Maximum Dry Spell Length, AMDSL), y la Precipitación Diaria Máxima Anual (Annual Maximum Daily Rainfall, AMDR), con el objetivo de generar mapas de riesgo y evaluar impactos futuros. El análisis regional de las AMDSL, considerando las ecorregiones al interior de la cuenca, ha predicho aumentos en su media y desviación estándar. Para las AMDR se construyeron mapas interpolados, desde estadísticos derivados de la PDF ensemble para cada sitio de análisis, junto con los intervalos de confianza. La diferencia calculada para mapas construidos en dos años de referencia (1990 como año de referencia del cambio, y 2050 como horizonte de predicción), reveló las tendencias espacio-temporales de las diferentes variables estudiadas. La distribución espacial de las tendencias de las AMDR demuestra que las precipitaciones extremas aumentarán significativamente en el Valle del Río Senegal debido al incremento en la media y la desviación estándar en esta región. Las conclusiones del trabajo, especialmente las distribuciones espaciales, constituyen verdaderos aportes a los procesos de toma de decisión, y al desarrollo de estrategias de mitigación y adaptación, para enfrentar el aumento de recurrencia de los eventos extremos debido al cambio climático. Concretamente en el Valle del Río Senegal se ha observado una clara tendencia a aumentar de las precipitaciones máximas diarias para el horizonte 2050, en una zona especialmente sensible a las inundaciones debido a la alta densidad demográfica y su dependencia de la agricultura de recesión. Por ello, como medida de adaptación al cambio climático, se considera el seguimiento y alerta de inundaciones basadas en teledetección. Esta alternativa es aún más atractiva cuando los medios para realizar mediciones en tierra son escasos y contienen información poco confiable, como en el caso del Valle del Río Senegal. En este sentido, se desarrolló una herramienta computacional para el seguimiento dinámico de inundaciones utilizando imágenes de satélite. Ello requiere la utilización de imágenes con alta resolución temporal, con el inconveniente de que tales imágenes usualmente presentan resoluciones espaciales bajas. Con el fin de aumentar la resolución espacial, se ha desarrollado una metodología innovadora de Análisis de Sub-píxeles (Sub-pixels Analysis, SA) que, considera la topografía digital junto con algunos de sus atributos derivados. Aplicando esta herramienta para el seguimiento de un evento de inundación en el Valle del Río Senegal, se ha obtenido una mejora sustancial en la delimitación de las áreas inundadas con el SA, comparándolo con un método de clasificación supervisado tradicional que ha utilizado las mismas imágenes de satélite.