Lecciones aprendidas de estudios -...
Transcript of Lecciones aprendidas de estudios -...
Evento extremo
Probabilidad de excedencia “p”
P(X > xo)
P( T° > 40°C)
Probabilidad de no excedencia “q”
P(X ≤ xo)
P(T° ≤ 40°C)
Período de retorno “Intervalo de recurrencia”
(Tr = 1/p)
Algunos conceptos básicos
p + q = 1
p = 1 – q
q = 1 – p
A > p < q < Tr
A < p > q > Tr
Las probabilidades son
complementarias y positivas
Un error común es que una tormenta
de 25 años siempre producirá una inundación de 25 años.
Así como la inundación de 25
años se producirá en promedio
una vez cada 25 años, la
tormenta de 25 años también se
producen en promedio una vez
cada 25 años.
Conjunto de datos
correspondientes a una variable
continua o discreta medidos
cuantitativa o cualitativamente en
el tiempo.
Ejemplo: Pp, T, P°, HR, V, Q,,,
Concepto de serie de tiempo
Posee una red de estaciones hidrométricas y
meteorológicas que data a partir de la década de los
años 60´.
La red llegó a estar conformada por más de 300
estaciones, de la cuales actualmente están en
operación 70, siendo 40 meteorológicas y 30
hidrométricas.
Antecedentes
Características de las redes
de monitoreo meteorológico
e hidrométrico
Características
Densidad
Instrumentación
Metodología propuesta por Fattorelli & Fernández,
2011
Se basa en el comportamiento espacial de la lluvia,
considerando la variabilidad y el error asociado a las
estimaciones.
Se estima que la cantidad total de estaciones debe
ser de 6 con un error del 10%, lo que te tendría 1
estación por cada 52 km2.
Análisis red meteorológica
subcuenca Río Villalobos
Longitud Datos
(años) faltantes (%)
5
4
2
3
Tipo
Suiza
ContentaINSIVUMEH B
Observatorio
No.
INDE B
B
INSIVUMEH
InstituciónEstación
INDE
Inicio
1973
1970
1980
1Compuertas
Amatit lánINDE B 1977
A
Guatemala
Sur
La Pampa
42
45
35
38
321983
1.97
1.63
0.00
0.58
3.43
Longitud (l)
Independencia
Prueba de Anderson (correlograma) y
corridas de Wald-Wolfowitz
Al menos el 90% de los puntos debe
quedar en el intervalo de confianza.
Las series de tiempo de
eventos
hidrometeorológicos
deben de ser
independientes y
homogéneas.
Independientes & Homogéneas
Independientes y Heterogéneas
Dependientes & Homogéneas
Dependientes & Heterogéneas
Tendencia
Test de Spearman Rank Order
Correlation, recomendado por OMM.
La tendencia posee dos componentes:
1. Sentido (+, - o nulo)
2. Significancia (presencia o ausencia)
Normales
Lluvia anual, temperatura media anual,
Extremas
Máximas
Crecidas “avenidas”, vientos huracanados, olas de calor,
Mínimas
Sequías, heladas,
Como se clasifican las series
de tiempo?
Media µ
Desviación estándar S
Coeficiente de variación Cv
Coeficiente de sesgo ~ asimetría σ
Kurtosis δ
Parámetros estadísticos
Mínimas
Q1D, Q2D, Q3D, Q5D, Q7D, Q10D, Q15D, Q30D
Máximas
De excedencia anual 1 dato/año
Caudal máximo anual
De excedencia parcial ≥ 1 dato/año
Como se clasifican las series
extremas?
Modelo estadístico de aplicabilidad
en el análisis de eventos extremos
para la estimación de la magnitud y
período de retorno.
Distribución teórica de
frecuencia ~ Función de
probabilidad
Mínimas
Weibull (Tipo III)
Máximas
Gumbel (Tipo I), Fréchet (Tipo II), Pearson, Gama, Pareto, Wakeby,
VEG,
Series extremas
Objetivo
Predecir la magnitud de un evento posible durante un cierto
período de tiempo
Estimar la frecuencia con que un evento de cierta magnitud pueda
producirse
Objetivos en el análisis de series de
tiempo de eventos extremos
hidrometeorológicos
Proyecciones no más de 2 a 3
veces la longitud del registro
de las series analizadas.
Principio de Parsimonía
1. Seleccionar y verificar serie
2. Parámetros estadísticos
3. Análisis de frecuencia
4. Seleccionar función de probabilidad
5. Eventos de diseño Qmax = µ + KT S
1. Enfoque estadístico ~ estocástico:
Análisis clásico de frecuencia a
series de crecidas
Condiciones
Homogeneidad
Estadística
Hidrológica
Independencia
Estadística
Hidrológica
Homogeneidad & Independencia
Estimado Teórico
t Student 2.53 2.76 Homogénea
Cramer 1.84 2.78 Homogénea
ConclusiónPruebat (95%)
Homogeneidad estadística
1. Seleccionar y verificar series
2. Parámetros estadísticos
3. Análisis regional de frecuencia
4. Seleccionar función de probabilidad
5. Eventos de diseño Qmax = µ + KT S
2. Enfoque estadístico ~ estocástico:
Análisis regional de crecidas
Región geográfica en donde
el régimen de lluvias y los
factores que inciden son
similares.
Región hidrológica
Elevación Área
msnm Km2
Cabúz Malacatán Suchiate 360 395 30
Coatepeque Naranjo Naranjo 291 501 10
Meléndrez II Meléndrez Naranjo 20 149 12
Pajapita Nahuatán Naranjo 40 185 23
Caballo Blanco Ocosito Ocosito 48 462 32
La Máquina Sis Sis-Icán 28 156 25
Sn. Miguel Moca Nahualate Nahualate 176 620 30
San Mauricio Nahualate Nahualate 30 1191 10
Montecristo Cutzán Nahualate 229 129 31
Puente Coyolate Coyolate Coyolate 213 512 31
Cerro Color. Coyolate Coyolate 42 1154 6
Barriles Siguacán Nahualate 67 154 6
Estación Río Cuenca Longitud
Series utilizadas
Período de
retorno (años) Clásico Regional Q %
2 147 199 52 36
5 313 395 82 26
10 482 594 112 23
25 784 949 165 21
50 1,088 1,310 222 20
100 1,476 1,777 301 20
200 1,965 2,375 409 21
Q máximo (m3/s) Diferencia
Eventos de diseño
1. Estimar lluvias de diseño
2. Transformar las lluvias de diseño
3. Estimar los componentes de los hidrogramas generados
3. Estimación de lluvias de diseño y
su transformación a hidrogramas (enfoque
estadístico-determinístico)
Lluvia de diseño
Lluvia diaria
máxima anual
Lluvia en 24 horas
máxima anual
Lluvia de diseño (lámina)
Lluvia efectiva
Ingenieril ~ HidrológicaFracción de la lluvia
que escurre
Agronómica ~ Ambiental
Fracción de la lluvia que infiltra
Lluvia efectiva
(Pe = PB – pérdidas)
“La modelación hidrológica es más un arte que una
ciencia y es probable que siga siendo así. La utilidad
de los resultados depende en gran medida del talento
y la experiencia del hidrólogo, del entendimiento de
los matices matemáticos del modelo en particular y de
los matices hidrológicos de la cuenca en particular”.
Loague & Freeze (1985)