Estimación de precipitaciones máximas bajo la implementación del método de regionalización y estadístico aplicado en la cuenca cabanillas Departamento de Puno

Abstract

En el ámbito de la investigación hidrológica, el examen de los fenómenos meteorológicos extremos ha surgido como una aplicación especialmente relevante. Esto se debe al hecho de que las fuertes precipitaciones durante las estaciones lluviosas pueden causar daños a las comunidades a través de la ocurrencia de inundaciones y problemas de desbordamiento, Existen repercusiones materiales y humanas relacionadas con las afectaciones. Debido a que la planificación y el diseño de los proyectos que hacen uso de los recursos hídricos están fuertemente ligados a la magnitud y frecuencia de los caudales máximos, esto es de suma importancia. El desarrollo de diversas infraestructuras hidráulicas, como desagües de emergencia, carreteras, pasos de agua, puentes y sistemas de drenaje urbano, requiere datos sobre la amplitud y frecuencia de las inundaciones. Estos datos son cruciales para el desarrollo de estas infraestructuras. La estimación del periodo de recurrencia es un paso clave en el proceso de realización de un diseño aceptable para estas estructuras. El proceso de ajuste de una serie temporal de datos a un modelo probabilístico está adquiriendo cada vez más importancia en diversos contextos de todo el mundo en la actualidad. Las variables relacionadas con el clima destacan como uno de los ejemplos más notables entre estos escenarios. Como consecuencia de la limitada disponibilidad de datos o de las restricciones que se imponen a su disponibilidad, las conclusiones suelen ser susceptibles de un grado significativo de incertidumbre, lo que obliga a los ingenieros a ser cautos en sus diseños. Los costes relacionados con los proyectos se incrementan considerablemente por este motivo. Para resolver esta cuestión, decidiremos hacer uso del enfoque L-Moment, que es adaptable y puede modificarse para captar con precisión los aspectos hidrológicos y fisiográficos particulares de la región que se está investigando. Gracias a su adaptabilidad, este método puede utilizarse tanto en entornos instrumentados como no instrumentados, lo que lo hace especialmente útil para su aplicación.