Ajuste del caudal máximo anual con la función general de valores extremos en contexto no-estacionario

Carolina Lauro; Alberto Vich

Autores/as

Carolina Lauro Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), Argentina
Alberto Vich Universidad Nacional de Cuyo, Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), Argerntina

Palabras clave:

Cuyo, eventos hidrológicos extremos, modelo no estacionario, variabilidad climática

Resumen

La variabilidad climática y el cambio climático desafı́an los supuestos de estacionariedad, dando lugar al desarrollo de nuevos métodos para la estimación de los parámetros de las funciones de distribución. El objetivo es identificar la presencia de no-estacionariedad en una serie temporal de caudal máximo anual regional y modelar los extremos hidrológicos en un contexto no estacionario. Para ello, se emplearon diversas técnicas estadı́sticas de detección de tendencia y saltos abruptos. Se ajustó la función general de valores extremos mediante el método de máxima verosimilitud, considerando la anomalı́a de temperatura superficial del mar en la región 3.4 del océano Pacı́fico ecuatorial como co-variable. Se identificó una tendencia significativa y saltos en los años 1971 y 2007. El modelo no estacionario presentó un mejor ajuste de los datos observados, y los cuantiles estimados representan la variabilidad interanual de la serie. Estos resultados aportan información para la planificación de los recursos hı́dricos en un contexto de variabilidad climática.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer-Verlag. https://doi.org/10.1007/978-1-4471-3675-0

Gilleland, E. & Katz, R. W. (2016). extRemes 2.0: An extreme value analysis package in R. Journal of Statistical Software, 72(8), 1–39. https://doi.org/10.18637/jss.v072.i08

Hamed, K. & Rao, A. (1998). A modified Mann-Kendall trend test for autocorrelated data. Journal of Hydrology, 204(1-4), 182–196.

Hirsch, R. (1982). A comparison of four streamflow record extension techniques. Water Resources Research, 18(4), 1081–1088.

Khaliq, M. N., Ouarda, T. B. M. J., Ondo, J. C., Gachon, P., & Bobée, B. (2006). Frequency analysis of a sequence of dependent and/or non-stationary hydro-meteorological observations: A review. Journal of Hydrology, 329, 534–552.

Lauro, C., Vich, A., & Moreiras, S. (2019). Streamflow variability and its relationship with climate indices in western rivers of Argentina. Hydrological Sciences Journal, 57(1). https://doi.org/10.1080/02626667.2019.1594820

Lauro, C., Vich, A. I., Otta, S., Moreiras, S., Vaccarino, E., & Bastidas, L. (2021). Recursos hı́dricos superficiales de la vertiente oriental de los Andes Centrales (28°-37°s) en contexto de variabilidad hidroclimática. Boletı́n De Estudios Geográficos, 116, 45–71.

Milly, P., Betancourt, J., Falkenmark, M., Hirsch, R., Kundzewicz, Z., Lettenmaier, D., & Stouffer, R. (2008). Stationarity is dead: whither water management. Science, 319(5863), 573–574.

Pohlert, T. (2023). Trend: Non-parametric trend tests and change-point detection. R package version 1.1.5. https://CRAN.R-project.org/package=trend

Westmacott, J. & Burn, D. (1997). Climate change effects on the hydrologic regime within the Churchill Nelson River Basin. Journal of Hydrology, 202, 263–279.

Yue, S. & Wang, C. (2002). The influence of serial correlation on the mann-whitney test for detecting a shift in median. Advances in Water Resources, 25, 325–333.

Zeileis, A., Kleiber, C., Krämer, W., & Hornik, K. (2003). Testing and dating of structural changes in practice. Computational Statistics & Data Analysis, 44(1-2), 109–123. https://doi.org/10.1016/S0167-9473(03)00030-6

Zeileis, A., Leisch, F., Hornik, K., & Kleiber, C. (2002). strucchange: An R package for testing for structural change in linear regression models. Journal of Statistical Software, 7(2), 1–38. https://doi.org/10.18637/jss.v007.i02