Ecuaciones empíricas para la estimación de las intensidades de lluvias máximas anuales de diferentes duraciones y períodos de retorno, Huaraz – Perú
DOI:
https://doi.org/10.32911/as.2024.v17.n2.1194Palabras clave:
Intensidad de precipitación, Duración, Período de retorno, Distribución GumbelResumen
El objetivo del trabajo de investigación fue obtener ecuaciones empíricas de estimación de las intensidades de precipitaciones máximas anuales de diferentes duraciones y periodos de retorno en la ciudad de Huaraz, que sirvan para el diseño hidrológico de estructuras hidráulicas de drenaje pluvial. Las precipitaciones máximas anuales en 24 horas de la estación meteorológica Santiago Antúnez de Mayolo se ajustan mejor a la distribución de probabilidades Gumbel. Para este propósito, se empleó el software MINITAB 20. Con la ecuación de Dyck – Peschke, las precipitaciones máximas anuales se desagregaron para duraciones menores de 24 horas. Con estos valores desagregados se obtuvieron las ecuaciones empíricas de las intensidades de precipitaciones máximas anuales de diferentes duraciones en la estación meteorológica Santiago Antúnez de Mayolo. La ecuación de Koutsoyannis es la más adecuada para las intensidades de precipitación para duraciones menores de 24 horas y diferentes períodos de retorno para la estación meteorológica Santiago Antúnez de Mayolo – Huaraz.
Descargas
Citas
Álvaro, J. (2020). Alternative model of intense rainfall equation obtained from daily rainfall disaggregation. Revista Brasileira de Recursos Hídricos 25(2). https://acortar.link/5WzvAT
Awadallah, A., ElGamal, M., ElMostafa, ElBadry, H. (2011) Developing Intensity-Duration-Frequency Curves in Scarce Data Region: An Approach using Regional Analysis and Satellite Data. Engineering, 3, 215-226. https://acortar.link/SqfpQN
Chow, V., Maidment, D., & Mays, L. (1994). Hidrología aplicada. McGraw-Hill
Gamarra, M. (2021). Metodología para la estimación de parámetros de cálculo de tormentas de diseño con datos pluviométricos en Bolivia. Ventana Científica: 11(18). https://acortar.link/hVtg5E
Hu, H., & Ayyub, B. (2019). Machine learning for projecting extreme precipitation intensity for short durations in changing climate. Geosciences 2019, 9(5). https://acortar.link/sSJB1w
Kim, S., & Singh, V. (2015). Spatial disaggregation of areal rainfall using two different artificial neural networks models. Water. https://acortar.link/c2Xaix
Kourtis, I., & Tsihrintzis, V. (2023). Update of intensity – duration – frequency (IDF) curves under climate change: a review. Water Supply 2(3), 49 – 51. https://acortar.link/foXiiw
McCuen, R. (2005). Hydrologic analysis and design. Pearson Prentice Hall.
Monjo, R., & Mesenguer-Ruiz, O. (2024). Review: Fractal geometry in precipitation. Atmosphere 2024. 15(1). https://acortar.link/XsiV4a
Linsley, R., Kohler, M., & Paulhus, J. (1988). Hidrología para ingenieros. México: McGraw-Hill
Pereyra-Díaz (2012). Two nonlinear mathematical models to estimate the intensity – duration -return period of rainfall events. Universidad y Ciencia 28 (3). https://acortar.link/U94X4s
Priambodo, S., Montarcih, L., Suhartanto, E. (2019). Hourly rainfall distribution patterns in Java island. Conferencia Web MATEC, 276. https://doi.org/10.1051/matecconf/201927604012
Villón, M. (2020). Hidrología. Ediciones Villón.
Yamoat, N., Hanchoowong, R., Yamoad, O., Chaimoon, N., & Kangrang, A. (2023). Estimation of regional intensity – duration – frecuency relationships of extreme rainfall by simple sacaling in Thailand. Journal of Water and Climate Change 14(3). https://acortar.link/2FQkF3
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Toribio Reyes Rodríguez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
