Predicción de lluvias máximas para la república mexicana mediante modelos probabilísticos no estacionarios / Prediction of maximum rainfall in Mexico through non-stationary probabilistic models

Autores/as

DOI:

https://doi.org/10.24850/j-tyca-2020-04-06

Palabras clave:

análisis de frecuencias, eventos hidrometeorológicos extremos, oscilación decadal del Pacífico, puntos de cambio, tendencias y variabilidad climática

Resumen

La predicción de eventos de lluvia máxima es la base del diseño de estructuras hidráulicas para la mitigación de inundaciones. Esta predicción se hace tradicionalmente a partir de métodos de análisis de frecuencias, que consisten en estudiar eventos pasados para estimar las probabilidades de ocurrencias futuras. Sin embargo, debido a que la variabilidad climática provoca cambios en la media y la varianza de las series de tiempo de lluvia, los eventos de diseño no son confiables si se estiman a partir de técnicas válidas para condiciones estacionarias. Para México, existe evidencia de que los patrones de lluvia se están modificando; en consecuencia, para que las predicciones sean confiables, se requieren aplicar métodos que contemplen cambios en las características estadísticas de los datos a través del tiempo. Por lo anterior, el objetivo de este trabajo fue estimar eventos de lluvia máxima en 24 horas, a través de modelos probabilísticos no estacionarios. Se analizaron 769 series a las que se aplicaron las pruebas de Pettitt, Mann-Kendall y Descomposición de Modos Empíricos por Conjuntos, para verificar su estacionaridad. Se propusieron diferentes modelos probabilísticos, en los que parámetros de las funciones de distribución lognormal, gamma, gumbel, weibull y general de valores extremos tienen como covariables al tiempo y al índice de oscilación decadal del Pacífico. Los resultados indican que para las series no estacionarias los modelos propuestos representan mejor la variabilidad de los datos que los modelos estacionarios convencionales.

Biografía del autor/a

Gabriela Álvarez-Olguín, Universidad Tecnológica de la Mixteca

Se tituló como ingeniera hidróloga en 2001 por la Universidad Autónoma Metropolitana En 2004, obtuvo el grado de maestría en ingeniería civil (hidráulica) en la División de Estudios de Posgrado de la Facultad de Ingeniería de la UNAM. Actualmente es Profesora Investigadora del Instituto de Hidrología de la Universidad Tecnológica de la Mixteca, donde trabaja en la línea de investigación de Manejo Integral de Cuencas y proporciona asesorías hidrológicas e hidráulicas a las comunidades del estado de Oaxaca. Actualmente forma parte del Sistema Nacional de Investigadores y cuenta con el perfil deseable de PRODEP.

Saúl Martínez-Ramírez, Universidad Tecnológica de la Mixteca

Desde 1990 es Profesor-Investigador del Instituto de Hidrología de la Universidad Tecnológica de la Mixteca. Actualmente trabaja el línea de investigación de Manejo Integral de Cuencas. Tiene 29 años de experiencia en temas relacionados con la gestión integral del agua y 35 años en temas relacionados con el manejo integral de recursos forestales.

Brenda I. G. Licona-Morán, Universidad Tecnológica de la Mixteca

Es egresada de la Universidad Tecnológica de la Mixteca. Se tituló como ingeniera en alimentos en 2002. Desde el año 2003, se encuentra trabajando en la Universidad Tecnológica de la Mixteca, adscrita al Instituto de Hidrología. Se ha especializado en el tramamiento del agua para uso y consumo humano y aguas residuales, desarrollando proyectos para instituciones y comunidades. Ha impartido materias enfocadas al procesamiento y conservación de alimentos, así como de química general.

Descargas

Publicado

2020-07-01

Cómo citar

Álvarez-Olguín, G., Martínez-Ramírez, S., & Licona-Morán, B. I. G. (2020). Predicción de lluvias máximas para la república mexicana mediante modelos probabilísticos no estacionarios / Prediction of maximum rainfall in Mexico through non-stationary probabilistic models. Tecnología Y Ciencias Del Agua, 11(4), 179-214. https://doi.org/10.24850/j-tyca-2020-04-06

Número

Sección

Artículos

Artículos más leídos del mismo autor/a