MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO
Descripción del Articulo
El modelamiento estocástico de las descargas de un río es importante porque permite predecir su comportamiento a futuro, constituyéndose en una herramienta en la gestión de los recursos hídricos. En ese sentido, el objetivo del trabajo fue modelar las descargas medias anuales del río Pisco / Ica / P...
| Autores: | , |
|---|---|
| Formato: | artículo |
| Fecha de Publicación: | 2020 |
| Institución: | Universidad Nacional Agraria La Molina |
| Repositorio: | Revistas - Universidad Nacional Agraria La Molina |
| Lenguaje: | español |
| OAI Identifier: | oai:revistas.lamolina.edu.pe:article/1558 |
| Enlace del recurso: | https://revistas.lamolina.edu.pe/index.php/eau/article/view/1558 |
| Nivel de acceso: | acceso abierto |
| Materia: | modelos estocásticos modelos autorregresivos simulación recursos hídricos. |
| id |
REVUNALM_629affc0a14771637cd479668b4ca403 |
|---|---|
| oai_identifier_str |
oai:revistas.lamolina.edu.pe:article/1558 |
| network_acronym_str |
REVUNALM |
| network_name_str |
Revistas - Universidad Nacional Agraria La Molina |
| repository_id_str |
|
| spelling |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICOdel Aguila Ríos, SandraMejía Marcacuzco, Jesús Abelmodelos estocásticosmodelos autorregresivossimulaciónrecursos hídricos.El modelamiento estocástico de las descargas de un río es importante porque permite predecir su comportamiento a futuro, constituyéndose en una herramienta en la gestión de los recursos hídricos. En ese sentido, el objetivo del trabajo fue modelar las descargas medias anuales del río Pisco / Ica / Perú con el programa MAR1 (Modelo autorregresivo de orden 1), a través del análisis de su serie temporal, para simular y cuantificar su disponibilidad como parte del Servicio Ecosistémico Hidrológico (SEH) de provisión para distintos usos. Los estadísticos de la serie, parámetros del modelo y el ajuste a distribuciones de probabilidad teóricas, se obtuvieron con el uso del programa MAR1, que es un código computacional en MATLAB R2016a desarrollado específicamente para este trabajo, con el cual se tabularon y graficaron las salidas de descargas de las sucesivas simulaciones realizadas. Los resultados indican que el modelo autorregresivo de orden 1, ajustado a la distribución Gamma, es el más apropiado para modelar las descargas anuales del río Pisco, porque reportan el menor valor de la raíz del menor error medio cuadrático (RMEC). Las pruebas de bondad de ajuste estadística y gráfica reportan igualdad entre estadísticos históricos y simulados, verificándose el principio de aleatoriedad en los residuos de las series simuladas. Además, en la evaluación de los SEH de provisión, se estimó la disponibilidad del agua superficial con fines de almacenamiento, comprobándose la tendencia a la disminución de los volúmenes de descarga del río Pisco.Universidad Nacional Agraria La Molinaa La Molina (UNALM)2020-11-20info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.lamolina.edu.pe/index.php/eau/article/view/155810.21704/rea.v19i2.1558Ecología Aplicada; Vol. 19 No. 2 (2020): Julio a Diciembre; 77-85Ecología Aplicada; Vol. 19 Núm. 2 (2020): Julio a Diciembre; 77-85Ecología Aplicada; Vol. 19 N.º 2 (2020): Julio a Diciembre; 77-851993-95071726-2216reponame:Revistas - Universidad Nacional Agraria La Molinainstname:Universidad Nacional Agraria La Molinainstacron:UNALMspahttps://revistas.lamolina.edu.pe/index.php/eau/article/view/1558/1942Derechos de autor 2020 Marilyn Aurora Buendia Molinainfo:eu-repo/semantics/openAccessoai:revistas.lamolina.edu.pe:article/15582021-03-27T01:09:10Z |
| dc.title.none.fl_str_mv |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO |
| title |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO |
| spellingShingle |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO del Aguila Ríos, Sandra modelos estocásticos modelos autorregresivos simulación recursos hídricos. |
| title_short |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO |
| title_full |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO |
| title_fullStr |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO |
| title_full_unstemmed |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO |
| title_sort |
MODELAMIENTO ESTOCÁSTICO DE LAS DESCARGAS DEL RÍO PISCO / PERÚ CON FINES DE APROVISIONAMIENTO HÍDRICO |
| dc.creator.none.fl_str_mv |
del Aguila Ríos, Sandra Mejía Marcacuzco, Jesús Abel |
| author |
del Aguila Ríos, Sandra |
| author_facet |
del Aguila Ríos, Sandra Mejía Marcacuzco, Jesús Abel |
| author_role |
author |
| author2 |
Mejía Marcacuzco, Jesús Abel |
| author2_role |
author |
| dc.subject.none.fl_str_mv |
modelos estocásticos modelos autorregresivos simulación recursos hídricos. |
| topic |
modelos estocásticos modelos autorregresivos simulación recursos hídricos. |
| description |
El modelamiento estocástico de las descargas de un río es importante porque permite predecir su comportamiento a futuro, constituyéndose en una herramienta en la gestión de los recursos hídricos. En ese sentido, el objetivo del trabajo fue modelar las descargas medias anuales del río Pisco / Ica / Perú con el programa MAR1 (Modelo autorregresivo de orden 1), a través del análisis de su serie temporal, para simular y cuantificar su disponibilidad como parte del Servicio Ecosistémico Hidrológico (SEH) de provisión para distintos usos. Los estadísticos de la serie, parámetros del modelo y el ajuste a distribuciones de probabilidad teóricas, se obtuvieron con el uso del programa MAR1, que es un código computacional en MATLAB R2016a desarrollado específicamente para este trabajo, con el cual se tabularon y graficaron las salidas de descargas de las sucesivas simulaciones realizadas. Los resultados indican que el modelo autorregresivo de orden 1, ajustado a la distribución Gamma, es el más apropiado para modelar las descargas anuales del río Pisco, porque reportan el menor valor de la raíz del menor error medio cuadrático (RMEC). Las pruebas de bondad de ajuste estadística y gráfica reportan igualdad entre estadísticos históricos y simulados, verificándose el principio de aleatoriedad en los residuos de las series simuladas. Además, en la evaluación de los SEH de provisión, se estimó la disponibilidad del agua superficial con fines de almacenamiento, comprobándose la tendencia a la disminución de los volúmenes de descarga del río Pisco. |
| publishDate |
2020 |
| dc.date.none.fl_str_mv |
2020-11-20 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
| format |
article |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
https://revistas.lamolina.edu.pe/index.php/eau/article/view/1558 10.21704/rea.v19i2.1558 |
| url |
https://revistas.lamolina.edu.pe/index.php/eau/article/view/1558 |
| identifier_str_mv |
10.21704/rea.v19i2.1558 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
https://revistas.lamolina.edu.pe/index.php/eau/article/view/1558/1942 |
| dc.rights.none.fl_str_mv |
Derechos de autor 2020 Marilyn Aurora Buendia Molina info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Derechos de autor 2020 Marilyn Aurora Buendia Molina |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Nacional Agraria La Molinaa La Molina (UNALM) |
| publisher.none.fl_str_mv |
Universidad Nacional Agraria La Molinaa La Molina (UNALM) |
| dc.source.none.fl_str_mv |
Ecología Aplicada; Vol. 19 No. 2 (2020): Julio a Diciembre; 77-85 Ecología Aplicada; Vol. 19 Núm. 2 (2020): Julio a Diciembre; 77-85 Ecología Aplicada; Vol. 19 N.º 2 (2020): Julio a Diciembre; 77-85 1993-9507 1726-2216 reponame:Revistas - Universidad Nacional Agraria La Molina instname:Universidad Nacional Agraria La Molina instacron:UNALM |
| instname_str |
Universidad Nacional Agraria La Molina |
| instacron_str |
UNALM |
| institution |
UNALM |
| reponame_str |
Revistas - Universidad Nacional Agraria La Molina |
| collection |
Revistas - Universidad Nacional Agraria La Molina |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1846429220246388736 |
| score |
13.056711 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).