Validación de la data de precipitación (1981-2016) del producto PISCO v2.1: Estación meteorológica, elevación, estacionalidad del año y región climática en la cuenca Tumbes, Perú
DOI:
https://doi.org/10.57188/manglar.2023.005Abstract
La escasa información que se cuenta y su importancia en los estudios hidrológicos que nos ayuda a comprender, simular, predecir los eventos asociados con el comportamiento del agua. Creo la necesidad de comprobar la data grillada PISCOpm V.2,1 precipitaciones mensuales con las observaciones en nuestra cuenca Tumbes. Para ello se realizó un estudio comparativo entre los valores observados y estimados, con respecto a estación meteorológica, elevación, estacionalidad del año y región climática. Se consideró indicadores como Coeficiente de Determinación(R), Índice de eficiencia de Nash – Sutcliffe (NS) y Sesgo Estadístico Porcentual (PBIAS%). A nivel mensual se obtuvo buenos resultados de correlación, valores mayores a 0,61, en índice de eficiencia de Nash - Sutcliffe valores superiores a 0,60 y una mínima variación en el Sesgo Estadístico Porcentual. En cuanto a elevación de la cuenca se obtuvieron datos con un mínimo ajuste en todos los indicadores. Para el arreglo estacional, verano presenta el mejor ajuste promedio, luego le sigue otoño y primavera. Invierno presenta un ajuste muy bueno para 4 de 9. Por último, de las 3 regiones climáticas, la región D(i)A' presenta el mejor ajuste en los 3 indicadores. Se pudo comprobar el ajuste de los datos teniendo resultados diversos según el criterio evaluado. Con ello se respalda el uso de los datos observados y su utilidad para estudios en la cuenca Tumbes como son inundaciones, sequías, modelamiento hidrológico e hidráulico, completación de datos faltantes, etc. En base a los resultados se puede realizar estudios de disponibilidad hídricas, análisis de eventos extremos, etc.
Downloads
References
Achim Zeileis and Gabor Grothendieck (2005). zoo: S3 Infrastructure for Regular and Irregular Time Series. Journal of Statistical Software, 14(6), 1-27.doi:10,18637/jss. v014.i06
Aybar, C., Fernández, C., Huerta, A., Lavado, W., Vega, F., & Felipe-Obando, O. (2019). Construction of a high-resolution gridded rainfall dataset for Peru from 1981 to the present day. Hydrological Sciences Journal, 65(5), 770–785. https://doi.org/10,1080/02626667.2019.1649411
C.M, A. M., Chowdary, V. M., Kesarwani, M., & Neeti, N. (2022). Integrated drought monitoring and assessment using multi-sensor and multi-temporal earth observation datasets: a case study of two agriculture-dominated states of India. Environmental Monitoring and Assessment, 195(1). https://doi.org/10,1007/s10661-022-10550-6
Cabrera, J., Yupanqui, R. T., & Rau, P. (2016). Validation of TRMM daily precipitation data for extreme events analysis. the case of piura watershed in peru. Procedia Engineering, 154, 154–157. https://doi.org/10,1016/j.proeng.2016.07.436
Calderón Saldaña, J. P., & Alzamora de los Godos, L. (2018). Diseños de Investigación para Tesis de Posgrado. Revista Peruana de Psicología y Trabajo Social, 7-N° 2, 71–76.
Chung-hong Chan, Geoffrey CH Chan, Thomas J. Leeper, and Jason Becker (2021). rio: A Swiss-army knife for data file I/O. R package version 0,5.29.
Dagnino S., J. (2014). Tipos de estudios. Revista Chilena de Anestesia, 43(2), 104–108.
Essou, G. R. C., Brissette, F., & Lucas-Picher, P. (2017). The Use of Reanalyses and Gridded Observations as Weather Input Data for a Hydrological Model: Comparison of Performances of Simulated River Flows Based on the Density of Weather Stations. Journal of Hydrometeorology, 18(2), 497–513. https://doi.org/10,1175/jhm-d-16-0088.1
Fernandez-Palomino, C. A., Hattermann, F. F., Krysanova, V., Lobanova, A., Vega-Jácome, F., Lavado, W., Santini, W., Aybar, C., & Bronstert, A. (2022). A novel high-resolution gridded precipitation dataset for peruvian and ecuadorian watersheds: Development and hydrological evaluation. Journal of Hydrometeorology, 23, 309–336. https://doi.org/10,1175/JHM-D-20-0285.1
Gob.pe. (17 de diciembre). Fechas de las estaciones astronómicas en el Perú. Recuperado de https://www.gob.pe/11000-fechas-de-las-estaciones-astronomicas-en-el-peru
Mamani Washualdo, E. L. (2019). Regionalización Espacial de Precipitaciones Mensuales en la Cuenca de la Vertiente del Lago Titicaca-Lado Peruano. (Tesis previa a la obtención del Título de Ingeniero Agrícola, Universidad Nacional del Altiplano). Recuperada de http://repositorio.unap.edu.pe/handle/UNAP/12489
Marco-Dos Santos, G., Melendez-Pastor, I., Navarro-Pedreño, J., & Koch, M. (2019). Assessing Water Availability in Mediterranean Regions Affected by Water Conflicts through MODIS Data Time Series Analysis. Remote Sensing, 11(11), 1355. https://doi.org/10,3390/rs11111355
Mauricio Zambrano-Bigiarini. (2020) hydroGOF: Goodness-of-fit functions for comparison of simulated and observed hydrological time seriesR package version 0,4-0, URLhttps://github.com/hzambran/hydroGOF. DOI:10,5281/zenodo.839854.
Mendoza, J., Rojas, J., Jimenez, C., Leva, A., & Ortega, Y. (2022). Spatio-temporal variation of the change in total water storage and precipitation using GRACE and TRMM data: Lima-Callao in Peru; [Variación espacio-temporal del cambio de agua total almacenada y la precipitación usando datos GRACE y TRMM de Lima-Callao en Perú]. Proceedings of the LACCEI International Multi-Conference for Engineering, Education and Technology, 2022-July.0020https://doi.org/10,18687/LACCEI2022.1.1.275
Muñoz, P., Corzo, G., Solomatine, D., Feyen, J., & Célleri, R. (2023). Near-real-time satellite precipitation data ingestion into peak runoff forecasting models. Environmental Modelling & Software, 160, 105582. https://doi.org/10,1016/j.envsoft.2022.105582
Nieto-Chaupis, H. (2019). Volterra convolution as a tool to assess and forestall flooding and aftermaths along the far coast Peruvian. 2018 IEEE Biennial Congress of Argentina, ARGENCON 2018. https://doi.org/10,1109/ARGENCON.2018.8645990
Porto Lopez, A. E. (2021). Validación del producto grillado PISCO de precipitación v2.1 con la data observada de las estaciones pluviométricas del SENAMHI en la cuenca de la vertiente del lago Titicaca - lado peruano. (Tesis previa a la obtención del Título de Ingeniero Agrícola, Universidad Nacional del Altiplano). Recuperada de http://repositorio.unap.edu.pe/handle/UNAP/15498
R Core Team (2022). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
Tierney N, Cook D, McBain M, Fay C (2021). _naniar: Data Structures, Summaries, and Visualisations for Missing Data_. R package version 0,6.1, <https://CRAN.R-project.org/package=naniar>.
Vaheddoost, B., Safari, M. J. S., & Yilmaz, M. U. (2023). Rainfall-Runoff Simulation in Ungauged Tributary Streams Using Drainage Area Ratio-Based Multivariate Adaptive Regression Spline and Random Forest Hybrid Models. Pure and Applied Geophysics. https://doi.org/10,1007/s00024-022-03209-3
Villavicencio, E. E., Medina, K. D., Loarte, E. A., & León, Hairo A. (2022). Improved rainfall and temperature satellite dataset in areas with scarce weather stations data: case study in Ancash, Peru; [Mejora de los datos satelitales de precipitación y temperatura en áreas con baja disponibilidad de estaciones meteorológicas: caso de estudio en Ancash, Perú]. Revista de Teledeteccion, 2022, 17–28. https://doi.org/10,4995/raet.2022.16907
Wickham H, Averick M, Bryan J, Chang W, McGowan LD, François R, Grolemund G, Hayes A, Henry L, Hester J, Kuhn M, Pedersen TL, Miller E, Bache SM, Müller K, Ooms J, Robinson D, Seidel DP, Spinu V, Takahashi K, Vaughan D, Wilke C, Woo K, Yutani H (2019). “Welcome to the tidyverse.” _Journal of Open-Source Software_, *4*(43), 1686. doi:10,21105/joss.01686
Wickham H, Bryan J (2022). _readxl: Read Excel Files_. R package version 1.4.1<https://CRAN.R-project.org/package=readxl>.
Wickham H, François R, Henry L, Müller K (2022). _dplyr: Grammar of Data Manipulation_. R package version 1.0,10, https://CRAN.R-project.org/package=dplyr
Wickham, H., Averick, M., Bryan, J., Chang, W., McGowan, L., François, R., Grolemund, G., Hayes, A., Henry, L., Hester, J., Kuhn, M., Pedersen, T., Miller, E., Bache, S., Müller, K., Ooms, J., Robinson, D., Seidel, D., Spinu, V., & Takahashi, K. (2019). Welcome to the Tidyverse. Journal of Open-Source Software, 4(43), 1686. https://doi.org/10,21105/joss.01686
Zapana Quispe, M. M. (2019). Análisis de la sequía meteorológica de la Intercuenca Alto Apurímac y las cuencas Alto Urubamba y Yavero utilizando el método de L-Momentos. Universidad Nacional Agraria la Molina.
Zeileis, A., & Grothendieck, G. (2005). zoo: S3Infrastructure for Regular and Irregular Time Series. Journal of Statistical Software, 14(6). https://doi.org/10,18637/jss.v014.i06
Zubieta, R., Getirana, A., Espinoza, J. C., & Lavado, W. (2015). Impacts of satellite-based precipitation datasets on rainfall–runoff modeling of the Western Amazon basin of Peru and Ecuador. Journal of Hydrology, 528, 599–612. https://doi.org/10,1016/j.jhydrol.2015.06.064
Rojo-Báez, I., García-Estrada, R. S., León-Félix, J. Sañudo-Barajas, A., & Allende-Molar, R. (2016). Histopatología del proceso de infección de Colletotrichum truncatum en hojas de papaya y chícharo. Revista Mexicana de Fitopatología, 34(3), 316-325. doi: https://doi.org/10.18781/r.mex.fit.1604-3
Agrios, G. (1995). Fitopatología. S.A. de C. V. México, Mexico: Limusa.
Ministerio de Agricultura & Riego-MINAGRI. (2019). Encuesta nacional de intenciones de siembra 2019. Lima, Perú: Dirección general de seguimiento y evaluación de políticas dirección de estadística agraria
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Ruben Anthony Roque Quiroz
This work is licensed under a Creative Commons Attribution 4.0 International License.
Manglar is an open access journal distributed under the terms and conditions of Creative Commons Attribution 4.0 International license
