Abstract

ALVAREZ-OLGUIN, Gabriela; MARTINEZ-RAMIREZ, Saúl  and  LICONA-MORAN, Brenda I. G.. Predicción de lluvias máximas para la república mexicana mediante modelos probabilísticos no estacionarios. Tecnol. cienc. agua [online]. 2020, vol.11, n.4, pp.179-214.  Epub June 10, 2024. ISSN 2007-2422.  https://doi.org/10.24850/j-tyca-2020-04-06.

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.

Keywords : análisis de frecuencias; eventos hidrometeorológicos extremos; oscilación decadal del Pacífico; puntos de cambio; tendencias y variabilidad climática.