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...

Descripción completa

Detalles Bibliográficos
Autores: del Aguila Ríos, Sandra, Mejía Marcacuzco, Jesús Abel
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).