Influencia de factores climáticos en la regionalización de precipitaciones máximas en la vertiente del Lago Titicaca

Abstract

El objetivo fue determinar la influencia de factores climáticos en la regionalización de las precipitaciones máximas de 24 horas y se incluyó elementos climáticos. Se utilizó precipitación máxima de 24 horas de 29 estaciones meteorológicas, determinándose: precipitación para periodos de retorno, un modelo regional de regresión entre precipitación máxima, factores climáticos y periodo de retorno, parámetros utilizando máxima verosimilitud, zonas homogéneas con análisis clúster, un modelo para cada zona, un modelo lineal y no lineal. Las distribuciones Log Normal tres parámetros y Log Gumbel presentan mejor ajuste a datos. La prueba de Anderson-Darling detectó no normalidad para transformar datos. En el modelo regional de regresión obtuvimos r 2=0,388; estadístico Durbin-Watson=0,5456 siendo regresión no espuria. Obtuvimos cinco zonas homogéneas, en la zona 1, 2, 3, 4 y 5 el r 2 fue 0,932; 0,339; 0,962; 0,863 y 0,99, respectivamente, en las regresiones la mayoría de los factores climáticos son estadísticamente significativos (p < 0,05). El modelo regional lineal y no lineal obtuvieron r 2 de 0,48 y 0,52, respectivamente. Los modelos no lineales 1, 2 y 3 obtuvieron r 2=0,51, 0,51 y 0,50, respectivamente. La influencia de la mayoría de los factores climáticos (altitud, longitud y latitud) en la regionalización de precipitaciones máximas es alta según las regresiones.

The objective was to determine the influence of climatic factors in the regionalization of the maximum 24-hour rainfall and climatic elements were included. Maximum 24-hour precipitation from 29 meteorological stations was used, determining: precipitation for return periods, a regional regression model between maximum precipitation, climatic factors and return period, parameters using maximum likelihood, homogeneous zones with cluster analysis, a model for each zone, a linear and non-linear model. The three-parameter Log Normal and Log Gumbel distributions present better fit to data. The Anderson-Darling test detected non-normality to transform data. In the regional regression model, we obtained r2 = 0.388; Durbin-Watson statistic = 0.5456 being non-spurious regression. We obtained five homogeneous zones, in zone 1, 2, 3, 4 and 5 the r2 was 0.932; 0.339; 0.962; 0.863 and 0.99, respectively, in the regressions most of the climatic factors are statistically significant (p < 0.05). The linear and non-linear regional model obtained r2 of 0.48 and 0.52, respectively. Nonlinear models 1, 2 and 3 obtained r2 = 0.51, 0.51 and 0.50, respectively. The influence of most of the climatic factors (altitude, longitude and latitude) in the regionalization of maximum rainfall is high according to the regressions.