Evaluación de Parámetros de la Distribución Generalizada de Valor Extremo en Precipitaciones del Norte Peruano

##plugins.themes.bootstrap3.article.main##

Guillermo Arriola Carrasco

Luis Villegas

Joseph Fernandez

Jheny Vallejos

Cesar Idrogo


Palabras clave:
Altitude, ordinary moments, linear moments, rainfall, the Peruvian north , Altitud, momentos ordinarios, momentos lineales, norte peruano, precipitación

Resumen

Las precipitaciones máximas del norte peruano se comportan de una manera estacional, concentrándose entre los primeros meses del año, sin embargo, pocos estudios han analizado su distribución a lo largo del tiempo mediante un análisis de extremos. El objetivo de la investigación fue evaluar los parámetros de ubicación, escala y forma de la distribución generalizada de valor extremo en precipitaciones máximas del norte peruano correspondientes a las regiones hidrológicas Pacífico 5 y Pacífico 6. Se realizó la recolección de datos de precipitaciones máximas diarias disponibles en las estaciones climáticas de ambas regiones, considerando una cantidad mínima de 15 años de registros por estación y un filtro basado en el análisis estadístico y visual, por lo que se estableció 138 estaciones. Posteriormente se aplicaron los ajustes a momentos ordinarios y a momentos lineales de la distribución generalizada de valor extremo y se utilizó dos tipos de prueba de hipótesis para cada región que ayudaron a validar las similitudes de cada parámetro en ambas regiones. Los resultados muestran diferencias significativas sólo en el parámetro de ubicación, en tanto, al contrastar la altitud, precipitación media y precipitación máxima de cada región hidrológica se determinó que existen altas correlaciones con los parámetros de ubicación y escala. Finalmente, se concluye en que ambas regiones hidrológicas los parámetros de escala y forma muestran un buen desempeño para ambos ajustes a partir de las hipótesis aplicadas y el parámetro de ubicación demostró que la región hidrológica Pacífico 6 es más lluviosa que la región hidrológica Pacífico 5.

Descargas

Descargas

Los datos de descargas todavía no están disponibles.




Detalles del artículo

Citas

Abreu, M., de Souza, A., Lyra, G., de Oliveira-Júnior, J., Pobocikova, I., de Almeida, L., de Souza, F., Aristone, F., & Cecílio, R. (2023). Assessment and characterization of the monthly probabilities of rainfall in Midwest Brazil using different goodness-of-fit tests as probability density functions selection criteria. Theoretical and Applied Climatology, 151(1-2), 491-513. https://doi.org/10.1007/s00704-022-04286-z

Adeola, O., Masinde, M., Botai, J., Adeola, A., & Botai, C. (2021). An analysis of precipitation extreme events based on the SPI and EDI values in the Free State province, South Africa. Water (Switzerland), 13(21). https://doi.org/10.3390/w13213058

Alahmadi, F., & Rahman, N. (2020). Climate change impacts on extreme rainfall frequency prediction. Journal of Water and Climate Change, 11(4), 935-943. https://doi.org/10.2166/wcc.2019.138

Back, Á., & Bonfante, F. (2021). Evaluation of generalized extreme value and Gumbel distributions for estimating maximum daily rainfall. Brazilian Journal of Environmental Sciences, 56(4), 654-664. https://doi.org/10.5327/Z217694781015

Alfaro, E., Chourio, X., Muñoz, Á., & Mason,S. (2018). Improved seasonal prediction skill of rainfall for the primera season in Central America. International Journal of Climatology, 38, e255-e268. http://doi.org/10.1002/joc.5366

Arriola, G. (2021). Uso del software libre como aporte al sílabo hidrología de la Universidad Señor de Sipán en tiempos de Covid-19. Revista Hacedor, 5(2), 10-18. https://doi.org/10.26495/rch.v5i2.1923

Arriola, G., Villegas, L., Marín, N., Idrogo, C., Piedra, J., & Arbulú, J. (2022). Assessment of climatic aggressiveness and precipitation concentration in the Chancay-Lambayeque basin, Peru. Revista Politecnica, 50(2), 15–22. https://doi.org/10.33333/rp.vol50n2.02

Bowman, K., & Shenton, L. (2014). Estimation: Method of moments. Wiley StatsRef: Statistics Reference Online. https://doi.org/10.1002/9781118445112.stat01679

Campos-Aranda, D. (2018). Fitting with mobile L moments of the GEV distribution with variable location and scale parameters. Agrociencia, 52(7), 933-950. https://agrociencia-colpos.mx/index.php/agrociencia/article/view/1714

Campos-Aranda, D. (2019). Fitting with L-moments of the non-stationary distributions GVE1 and GVE2 to PMD series. Tecnologia y Ciencias del Agua, 10(5), 75-103. https://doi.org/10.24850/j-tyca-2019-05-03

Campos-Aranda, D. (2021). Flood frequency analysis with the GEV distribution for r-annual events. Tecnologia y Ciencias del Agua, 12(4), 163-218. https://doi.org/10.24850/J-TYCA-2021-04-04

Diriba, T., & Debusho, L. (2021). Statistical modeling of spatial extremes through max-stable process models: Application to extreme rainfall events in South Africa. Journal of Hydrologic Engineering, 26(10). https://doi.org/10.1061/(ASCE)HE.1943-5584.0002123

Efron, B. (1979). Bootstrap methods: Another look at the Jackknife. The Annals of Statistics, 7(1), 1-26. https://doi.org/10.1214/aos/1176344552

Fernandez-Palomino, C., Hattermann, F., Krysanova, V., Lobanova, A., Vega-Jácome, F., Lavado, W., Santini, W., Aybar, C., & Bronstert, A. (2022). A Novel high-resolution gridded precipitation dataset for Peruvian and Ecuadorian watersheds: Development and hydrological evaluation. Journal of Hydrometeorology, 23(3), 309-336. https://doi.org/10.1175/JHM-D-20-0285.1

Flores-Rojas, J., Silva, Y., Suárez-Salas, L., Estevan, R., Valdivia-Prado, J., Saavedra, M., Giraldez, L., Piñas-Laura, M., Scipión, D., Milla, M., Kumar, S., & Martinez-Castro, D. (2021). Article analysis of extreme meteorological events in the central andes of Peru using a set of specialized instruments. Atmosphere, 12(3). https://doi.org/10.3390/atmos12030408

Guillén-Oviedo, H., Cid-Serrano, L., & Alfaro-Martínez, E. (2020). Comparison of parameters of the generalized extreme value distribution associated with extreme rainfall events in Central America. Uniciencia, 34(1), 111-128. http://dx.doi.org/10.15359/ru.34-1.7

Halim, S. (2019). Delta change method with cyclic covariate generalized extreme value model for downscaling extreme rainfall. International Journal of Recent Technology and Engineering, 8(2S2), 158-161. https://doi.org/10.35940/ijrte.B1029.0782S219

Herrera, C., Campos, J., & Carrillo, F. (2017). Estimación de datos faltantes de precipitación por el método de regresión lineal: Caso de estudio Cuenca Guadalupe, Baja California, México. Investigación y Ciencia de la Universidad Autónoma de Aguascalientes, 25(71), 34-44. https://doi.org/10.33064/iycuaa201771598

Hosking, J. (1990). L-Moments: Analysis and estimation of distributions using linear combinations of order statistics. Journal of the Royal Statistical Society: Series B (Methodological), 52(1), 105-124. https://doi.org/10.1111/j.2517-6161.1990.tb01775.x

Hossain, I., Khastagir, A., Aktar, M., Imteaz, M., Huda, D., & Rasel, H. (2021). Comparison of estimation techniques for generalised extreme value (GEV) distribution parameters: a case study with Tasmanian rainfall. International Journal of Environmental Science and Technology. 19(8), 7737-7750 https://doi.org/10.1007/s13762-021-03693-5

Juma, B., Olang, L., Hassan, M., Chasia, S., Bukachi, V., Shiundu, P., & Mulligan, J. (2021). Analysis of rainfall extremes in the Ngong River Basin of Kenya: Towards integrated urban flood risk management. Physics and Chemistry of the Earth, 124. https://doi.org/10.1016/j.pce.2020.102929

Kozanis, S., Christofides, A., Mamassis, N., Efstratiadis, A., & Koutsoyiannis, D. (2010). Hydrognomon - Open source software for the analysis of hydrological data. Conference: European Geosciences Union General Assembly 2010, 12. https://doi.org/10.13140/RG.2.2.21350.83527

Klassou, K., & Komi, K. (2021). Analysis of extreme rainfall in Oti river basin (West Africa). Journal of Water and Climate Change, 12(5), 1997-2009. https://doi.org/10.2166/wcc.2021.154

Lavado, W., Labat, D., & Ronchail, J. (2013). Trends in rainfall and temperature in the Peruvian Amazon–Andes basin over the last 40 years (1965-2007). Hydrological Processes, 27(20), 2944-2957. https://doi.org/10.1002/hyp.9418

Lee, S., & Kim, H. (2023). Two tests using more assumptions but lower power. Communications for Statistical Applications and Methods, 30(1), 109-117. https://doi.org/10.29220/CSAM.2023.30.1.109

Lima, A., Lyra, G., Abreu, M., Oliveira-Júnior, J., Zeri, M., & Cunha-Zeri, G. (2021). Extreme rainfall events over Rio de Janeiro State, Brazil: Characterization using probability distribution functions and clustering analysis. Atmospheric Research, 247. https://doi.org/10.1016/j.atmosres.2020.105221

López, J., Delgado, O., & Campo, M. (2018). Determinación de las curvas IDF en Igueldo-San Sebastián. Comparación de diferentes métodos. Ingeniería del Agua, 22(4), 209-223. https://doi.org/10.4995/Ia.2018.9480

Luna-Romero, A., Ramírez, I., Sánchez, C., Conde, J., Agurto, L., & Villaseñor, D. (2018). Distribución espacio-temporal de la precipitación en la cuenca del río Jubones, Ecuador: 1975-2013. Scientia Agropecuaria, 9(1), 63-70. https://dx.doi.org/10.17268/sci.agropecu.2018.01.07

Mashishi, D., Maposa, D., & Lesaoana, M. (2020). Comparative analysis of the 100-year return level of the average monthly rainfall for South Africa: Parent distribution versus extreme value distributions. Applied Mathematics and Information Sciences, 14(5), 801-807. https://doi.org/10.18576/amis/140507

Min, J., & Halim, S. (2020). Rainfall modelling using generalized extreme value distribution with cyclic covariate. Mathematics and Statistics, 8(6), 762-772. https://doi.org/10.13189/ms.2020.080617

Mohamed, J., & Adam, M. (2022). Modeling of magnitude and frequency of extreme rainfall in Somalia. Modeling Earth Systems and Environment. 8(3), 4277-4294. https://doi.org/10.1007/s40808-022-01363-0

Nerantzaki, S., & Papalexiou, S. (2022). Assessing extremes in hydroclimatology: A review on probabilistic methods. Journal of Hydrology, 605. https://doi.org/10.1016/j.jhydrol.2021.127302

Oruc, S. (2021). Non-stationary investigation of extreme rainfall. Civil Engineering Journal (Iran), 7(9), 1620-1633. https://doi.org/10.28991/cej-2021-03091748

Padiyedath-Gopalan, S., Kawamura, A., Amaguchi, H., Takasaki, T., & Azhikodan, G. (2019). A bootstrap approach for the parameter uncertainty of an urban-specific rainfall-runoff model. Journal of Hydrology, 579. https://doi.org/10.1016/j.jhydrol.2019.124195

Peleg, N., Marra, F., Fatichi, S., Paschalis, A., Molnar, P., & Burlando, P. (2018). Spatial variability of extreme rainfall at radar subpixel scale. Journal of Hydrology, 556, 922-933. https://doi.org/10.1016/j.jhydrol.2016.05.033

Rollenbeck, R., Orellana-Alvear, J., Bendix, J., Rodriguez, R., Pucha-Cofrep, F., Guallpa, M., Fries, A., & Célleri, R. (2022). The Coastal El Niño event of 2017 in Ecuador and Peru: A weather radar analysis. Remote Sensing, 14(4). https://doi.org/10.3390/rs14040824

Rollenbeck, R., Orellana-Alvear, J., Rodriguez, R., Macalupu, S., & Nolasco, P. (2021). Calibration of X-band radar for extreme events in a spatially complex precipitation region in north peru: Machine learning vs. empirical approach. Atmosphere, 12(12). https://doi.org/10.3390/atmos12121561

Roslan, R., Na, C., & Gabda, D. (2020). Parameter estimations of the generalized extreme value distributions for small sample size. Mathematics and Statistics, 8(2), 47-51. https://doi.org/10.13189/ms.2020.081308

Samantaray, S., & Sahoo, A. (2020). Estimation of flood frequency using statistical method: Mahanadi River basin, India. H2Open Journal, 3(1), 189-207. https://doi.org/10.2166/h2oj.2020.004

Seo, J., Won, J., Choi, J., Lee, J., Jang, S., & Lee, O. (2021). Uncertainty of rate of change in Korean future rainfall extremes using non-stationary GEV model. Atmosphere, 12(2). https://doi.org/10.3390/atmos12020227

SENAMHI. (2017a). Estudio: Regionalización de las precipitaciones máximas del Perú. Lima, Perú: Dirección de Hidrología del Servicio Nacional de Meteorología e Hidrología del Perú. https://repositorio.senamhi.gob.pe/handle/20.500.12542/239

SENAMHI. (2017b). Nota técnica N° 002: Atlas de erosión de suelos por regiones hidrológicas del Perú. Lima, Perú: Dirección de Hidrología del Servicio Nacional de Meteorología e Hidrología del Perú. https://repositorio.senamhi.gob.pe/handle/20.500.12542/261

SENAMHI. (2018). Estudio: Estimación de umbrales de inundación en la Región Hidrográfica del Pacífico. Lima, Perú: Dirección de Hidrología del Servicio Nacional de Meteorología e Hidrología del Perú. https://repositorio.senamhi.gob.pe/handle/20.500.12542/241

Ulrich, J., Fauer, F., & Rust, H. (2021). Modeling seasonal variations of extreme rainfall on different timescales in Germany. Hydrology and Earth System Sciences, 25(12), 6133-6149. https://doi.org/10.5194/hess-25-6133-2021

Vavrus, S., Wang, F., & Block, P. (2022). Rainy season precipitation forecasts in coastal Peru from the North American multi-model ensemble. International Journal of Climatology. 42(12), 6221-6234. https://doi.org/10.1002/joc.7586

Vivekanandan, N. (2018). Comparison of probability distributions in extreme value analysis of rainfall and temperature data. Environmental Earth Sciences, 77(5). https://doi.org/10.1007/s12665-018-7356-z

Vivekanandan, N. (2022). Intercomparison of estimators of extreme value family of distributions for rainfall frequency analysis. Mausam, 73(1), 59-70. https://doi.org/10.54302/MAUSAM.V73I1.5080

Wang, H., & Xuan, Y. (2021). Spatial variation of extreme rainfall observed from two century-long datasets. Geophysical Research Letters, 48(8). https://doi.org/10.1029/2020GL091933

Wang, H., & Xuan, Y. (2022). Spatial variation of catchment-oriented extreme rainfall in England and Wales. Atmospheric Research, 266(2022), 105968. https://doi.org/10.1016/j.atmosres.2021.105968

Yeo, M., Nguyen, V., & Kpodonu, T. (2021). Characterizing extreme rainfalls and constructing confidence intervals for IDF curves using Scaling-GEV distribution model. International Journal of Climatology, 41(1), 456-468. https://doi.org/10.1002/joc.6631