| Resumo: |
Resumen El análisis de frecuencias de datos hidrológicos extremos, como crecientes, sequías, vientos y precipitación máxima diaria, se basa en aceptar que los datos máximos anuales de la muestra disponible son independientes y provienen de un proceso aleatorio estacionario. Esto significa que sus propiedades estadísticas no varían en el tiempo. Debido a cambios en el uso del suelo e impactos del calentamiento global, las series de datos hidrológicos presentan tendencias, lo que indica que no son estacionarias. El objetivo de este estudio fue exponer la generalización del método de los momentos L, para estimar los parámetros de ajuste de las funciones de distribución de probabilidades: General de Valores Extremos (GVE), Logística Generalizada (LOG) y Pareto Generalizada (PAG) de tipo no estacionario, al variar con el tiempo (t) su parámetro de ubicación (u) de forma lineal y cuadrática. Los modelos probabilísticos GVE1, LOG1 y PAG1 tienen cuatro parámetros de ajuste (δ1, δ2, a, k), ya que u = δ1 + δ2·t y sus parámetros de escala (a) y forma (k) son constantes. Los modelos GVE2, LOG2 y PAG2 tienen cinco parámetros de ajuste (δ1, δ2, δ3, a, k), debido a que u = δ1 + δ2·t + δ3·t2. En series con tendencia se emplea como covariable t en años, pero también se pueden emplear indicadores de la variabilidad climática regional o global, como el índice de la oscilación del sur. Por medio de las cuatro aplicaciones numéricas que se describen, se demostró la sencillez del procedimiento operativo y la utilidad del uso de los modelos GVE, LOG y PAG no estacionarios se destacó a través de sus predicciones en series con tendencia, o usando una covariable climática.
|
