| Revista: | Agrociencia |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000426748 |
| ISSN: | 1405-3195 |
| Autores: | Campos Aranda, Daniel Francisco1 |
| Instituciones: | 1Universidad Autónoma de San Luis Potosí, Facultad de Ingeniería, San Luis Potosí. México |
| Año: | 2018 |
| Periodo: | Feb-Mar |
| Volumen: | 52 |
| Número: | 2 |
| País: | México |
| Idioma: | Español, inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico |
| Resumen en español | El análisis de frecuencias de datos hidrológicos extremos, como crecientes, sequías, vientos y precipitación máxima diaria, se basa en aceptar que los datos máximos anuales de la muestra disponible son independientes y provienen de un proceso aleatorio estacionario. Esto significa que sus propiedades estadísticas no varían en el tiempo. Debido a cambios en el uso del suelo e impactos del calentamiento global, las series de datos hidrológicos presentan tendencias, lo que indica que no son estacionarias. El objetivo de este estudio fue exponer la generalización del método de los momentos L, para estimar los parámetros de ajuste de las funciones de distribución de probabilidades: General de Valores Extremos (GVE), Logística Generalizada (LOG) y Pareto Generalizada (PAG) de tipo no estacionario, al variar con el tiempo (t) su parámetro de ubicación (u) de forma lineal y cuadrática. Los modelos probabilísticos GVE1, LOG1 y PAG1 tienen cuatro parámetros de ajuste (δ1, δ2, a, k), ya que u = δ1 + δ2·t y sus parámetros de escala (a) y forma (k) son constantes. Los modelos GVE2, LOG2 y PAG2 tienen cinco parámetros de ajuste (δ1, δ2, δ3, a, k), debido a que u = δ1 + δ2·t + δ3·t2. En series con tendencia se emplea como covariable t en años, pero también se pueden emplear indicadores de la variabilidad climática regional o global, como el índice de la oscilación del sur. Por medio de las cuatro aplicaciones numéricas que se describen, se demostró la sencillez del procedimiento operativo y la utilidad del uso de los modelos GVE, LOG y PAG no estacionarios se destacó a través de sus predicciones en series con tendencia, o usando una covariable climática |
| Resumen en inglés | The analysis of frequencies of extreme hydrological data such as floods, droughts, winds and maximum daily precipitation, is based on accepting that the maximum annual data of the available sample are independent and come from a random process that is stationary. This means that their statistical properties do not vary with time. Due to changes in land use and impacts of global warming, the hydrological data series show trends, indicating that they are non-stationary. The objective of this study was to expose the generalization of the L moments method, to estimate the fit parameters of the probability distribution functions: General Extreme Values (GVE), Generalized Logistics (LOG) and Generalized Pareto (PAG) of non-stationary type, by varying with time (t) its location parameter (u) in a linear and quadratic way. The probabilistic models GVE1, LOG1 and PAG1 have four fitting parameters (δ1, δ2, a, k ), since u = δ1 + δ2·t and their scale (a) and form (k) parameters are constant. The models GVE2, LOG2 and PAG2 have five fitting parameters (δ1, δ2, δ3, a, k), due to the fact that u = δ1 + δ2·t + δ3·t2. In series with trend it is used as a covariate t in years, but indicators of regional or global climate variability can also be used, such as the southern oscillation index. By means of the four numerical applications that are described, the simplicity of the operating procedure was demonstrated and the utility of the use of non-stationary GVE, LOG and PAG models is highlighted through their predictions in series with trend, or using a climatic covariate |
| Disciplinas: | Geociencias |
| Palabras clave: | Hidrología, Ciencias de la atmósfera, Procesamiento de datos |
| Keyword: | Earth sciences, Hydrology, Atmospheric sciences, Data processing |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
