Regionalización de precipitaciones máximas diarias anuales en la zona sur-occidental del Perú usando momentos - L

• Autor: Roca Calderón, Wilmer Dennys
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/22235
• Enlace del recurso: http://hdl.handle.net/20.500.14076/22235
• Nivel de acceso: acceso abierto
• Materia: Precipitaciones; Estaciones pluviométricas; Teoría de momentos L; https://purl.org/pe-repo/ocde/ford#2.01.01

El objetivo de la tesis es evaluar la capacidad de predicción de dos técnicas de regionalización hidrológica: el Análisis Regional de Frecuencia (ARF) y la Región de Influencia (RI) para precipitaciones máximas diarias basadas en el uso de Momentos L en la zona Sur – Occidental del Perú correspondiente a seis (06) departamentos: Huancavelica, Ica, Ayacucho, Apurímac, Arequipa y Moquegua. Previo al análisis propio de regionalización se realizó un análisis exploratorio de datos para retirar las estaciones cuyos datos presentan tendencias y/o cambios en la media, ya que las funciones de distribución de frecuencias exigen que los datos tengan carácter estacionario. Inicialmente, se contó con 368 estaciones pluviométricas de los cuales, luego de la depuración, permanecieron 173, es decir, solo un 47% del total inicial, resultando una densidad de estaciones pluviométricas de 1 estación cada 1340 km2. Con el Análisis Regional de Frecuencia (ARF) se buscó determinar grupos de estaciones hidrológicamente similares, los cuales conformarían las regiones, siempre y cuando los datos de las estaciones de la región presenten la misma distribución de frecuencias. Previamente, se realizó un agrupamiento (clustering) a través de los métodos Ward y K-Means. Este agrupamiento se realizó según la similitud entre estaciones basada en características geográficas como la altitud, longitud y latitud. Luego, se evaluaron los grupos así formados según la prueba de homogeneidad de Hosking y Wallis (1997) para afinar estos grupos resultando ocho (08) regiones hidrológicas. Lo único que diferencia a las estaciones de una misma región es un factor de escala llamado índice de tormenta, el cual se usó para hallar los cuantiles respectivos en cada estación. Finalmente, se realizó una interpolación espacial de los índices de tormenta para estimar los cuantiles precipitaciones máximas en cualquier zona de interés. Por otra parte, con el método de Región de Influencia (RI) se buscó formar regiones para una sola zona de interés. Es decir, el método no se encarga de delimitar regiones basadas en una sola distribución de frecuencias, sino se enfoca únicamente en una zona de interés para la cual se evalúan datos de estaciones similares. Al igual que el método ARF, en esta tesis la similitud se basó en características geográficas. El requisito principal de este grupo de estaciones es que deben satisfacer la regla 5T y el criterio de homogeneidad. La regla 5T establece que las estaciones, en conjunto, deben tener como mínimo un número de datos tal como cinco veces el periodo de retorno en estudio. Es decir, si estamos evaluando para un periodo de 50 años, el número de datos agrupados, como mínimo, debe ser 250 datos. Se podrían tomar más datos (o lo mismo, más estaciones), sin embargo, esto podría traer disimilitudes con la zona de interés. Para hacer la verificación del método se realizó la comparación de los cuantiles de 8 estaciones (ubicadas en las 8 regiones) a través del índice de tormenta con respecto a los cuantiles calculados a partir de un análisis local y el método de regionalización del IILA – SENAMHI - UNI. En general, los métodos de regionalización ARF y RI presentan resultados satisfactorios en 5 de las 8 estaciones usadas en la verificación del método (teniendo en cuenta que dos de las estaciones, cuyos resultados no se ajustan a los valores esperados de acuerdo a los datos y los otros métodos, se encuentran en o cerca de la franja costera), siendo una de las ventajas principales, el aprovechamiento de un mayor número de registros al incluir en el análisis de frecuencias los datos estaciones vecinas teniendo en cuenta el limitado registro pluviométrico que, generalmente, se encuentra disponible.