Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos
Una de las características poco estudiadas de la precipitación es la intermitencia, entendida como la alternancia de periodos de intensa y reducida actividad. La intermitencia tiene consecuencias para la agricultura y la generación de energía hidroeléctrica y favorece la ocurrencia de sequías e inun...
- Autores:
-
Tuirán Ruiz, Melisa
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/85445
- Palabra clave:
- 620 - Ingeniería y operaciones afines
Hidrología estocástica
Precipitación atmosférica
Hidrología estocástica
Rachas
Precipitación
Clima
Análisis de conglomerados
Stochastic hydrology
Runs
Precipitation
Climate
Cluster analysis
Lluvia
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
id |
UNACIONAL2_e99ae0b2a60fa46346a7a82a652956b1 |
---|---|
oai_identifier_str |
oai:repositorio.unal.edu.co:unal/85445 |
network_acronym_str |
UNACIONAL2 |
network_name_str |
Universidad Nacional de Colombia |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos |
dc.title.translated.eng.fl_str_mv |
Evaluating Approaches for Quantifying Intermittency in Stochastic Processes |
title |
Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos |
spellingShingle |
Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos 620 - Ingeniería y operaciones afines Hidrología estocástica Precipitación atmosférica Hidrología estocástica Rachas Precipitación Clima Análisis de conglomerados Stochastic hydrology Runs Precipitation Climate Cluster analysis Lluvia |
title_short |
Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos |
title_full |
Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos |
title_fullStr |
Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos |
title_full_unstemmed |
Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos |
title_sort |
Desarrollo de un modelo para cuantificar la intermitencia en procesos estocásticos |
dc.creator.fl_str_mv |
Tuirán Ruiz, Melisa |
dc.contributor.advisor.none.fl_str_mv |
Ochoa Jaramillo, Andrés Chavez-Demoulin, Valérie |
dc.contributor.author.none.fl_str_mv |
Tuirán Ruiz, Melisa |
dc.contributor.researchgroup.spa.fl_str_mv |
Posgrado en Aprovechamiento de Recursos Hidráulicos |
dc.contributor.cvlac.spa.fl_str_mv |
TUIRAN RUIZ, MELISA |
dc.subject.ddc.spa.fl_str_mv |
620 - Ingeniería y operaciones afines |
topic |
620 - Ingeniería y operaciones afines Hidrología estocástica Precipitación atmosférica Hidrología estocástica Rachas Precipitación Clima Análisis de conglomerados Stochastic hydrology Runs Precipitation Climate Cluster analysis Lluvia |
dc.subject.lemb.none.fl_str_mv |
Hidrología estocástica Precipitación atmosférica |
dc.subject.proposal.spa.fl_str_mv |
Hidrología estocástica Rachas Precipitación Clima Análisis de conglomerados |
dc.subject.proposal.eng.fl_str_mv |
Stochastic hydrology Runs Precipitation Climate Cluster analysis |
dc.subject.wikidata.none.fl_str_mv |
Lluvia |
description |
Una de las características poco estudiadas de la precipitación es la intermitencia, entendida como la alternancia de periodos de intensa y reducida actividad. La intermitencia tiene consecuencias para la agricultura y la generación de energía hidroeléctrica y favorece la ocurrencia de sequías e inundaciones. El capítulo 1 de esta tesis plantea una metodología para cuantificar la intermitencia de conglomerados de extremos, equivalentes a las agrupaciones de valores que igualan o superan el P90 de la serie. Esta consiste en el uso de un coeficiente de dispersión, Burstiness, y de una medida de agrupación extremal, el índice Extremal. En el capítulo 2 se cuantifica la intermitencia de la lluvia en Colombia aplicando la metodología del capítulo 1 en series diarias de precipitación de CHIRPS de resolución espacial 0.05° entre 1981 y 2022. De acuerdo a los resultados, las regiones Amazonía y Caribe son las regiones con menor y mayor dispersión de los parámetros que cuantifican la intermitencia, respectivamente. El diagnostico que se presenta tiene el potencial de poderse incorporar a la planificación de actividades de aprovechamiento de recursos y a la gestión de riesgos de desastres naturales. (Texto tomado de la fuente) |
publishDate |
2023 |
dc.date.issued.none.fl_str_mv |
2023 |
dc.date.accessioned.none.fl_str_mv |
2024-01-25T16:12:30Z |
dc.date.available.none.fl_str_mv |
2024-01-25T16:12:30Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
status_str |
acceptedVersion |
dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/85445 |
dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
url |
https://repositorio.unal.edu.co/handle/unal/85445 https://repositorio.unal.edu.co/ |
identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.indexed.spa.fl_str_mv |
LaReferencia |
dc.relation.references.spa.fl_str_mv |
Botter, G., Porporato, A., Rodriguez-Iturbe, I., & Rinaldo, A. (2007). Basin-scale soil moisture dynamics and the probabilistic characterization of carrier hydrologic flows: Slow, leaching-prone components of the hydrologic response. Water Resources Research, 43. doi:10.1029/2006WR005043. Chavez-Demoulin, V., & Davinson, A. (2012). Modeling Time Series Extremes. Revstat-statistical Journal, 10, 109–133. Coles, S., Bawa, J., Trenner, L., & Dorazio, P. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer, 208. doi:10.1198/jasa.2002.s232. De Luca, D., & Galasso, L. (2018). Stationary and Non-Stationary Frameworks for Extreme Rainfall Time Series in Southern Italy. Water, 10, 1477. doi:10.3390/w10101477. Dey, P. (2023). On the Structure of the Intermittency of Rainfall. Water Resources Management, 37, 1461–1472. doi:10.1007/s11269-023-03441-z. Díaz-Granados, M. A., Valdés, J. B., & Bras, R. L. (1983). A derived flood frequency distribution based on the geomorphoclimatic IUH and the density function of rainfall excess. Technical Report Massachusetts Institute of Technology. Fernández, B., & Salas, J. D. (1999). Return Period and Risk of Hydrologic Events. I. Mathematical Formulation. Journal of Hydrologic Engineering, 4, 297–307. doi:10.1061/(ASCE)1084-0699(1999)4:4(297). Goh, K.-I., & Barabási, A.-L. (2008). Burstiness and memory in complex systems. EPL (Europhysics Letters), 81, 48002. doi:10.1209/0295-5075/81/48002. Gregersen, I., Madsen, H., Rosbjerg, D., & Arnbjerg-Nielsen, K. (2017). A regional and nonstationary model for partial duration series of extreme rainfall. Water Resources Research, 53, 2659–2678. doi:10.1002/2016wr019554. Gupta, V. K., & Waymire, E. (1990). Multiscaling properties of spatial rainfall and river flow distributions. Journal of Geophysical Research, 95, 1999. doi:10.1029/JD095iD03p01999. Hu, G., & Franzke, C. (2020). Evaluation of Daily Precipitation Extremes in Reanalysis and Gridded Observation-Based Data Sets Over Germany. Geophysical Research Letters, 47, e2020GL089624. doi:10.1029/2020GL089624. Katz, W. R., Parlange, M. B., & Naveau, P. (2002). Statistics of extremes in hydrology. Advances in Water Resources, 25, 287–1304. doi:10.1016/S0309-1708(02)00056-8. Kharin, V. V., & Zwiers, F. W. (2005). Estimating Extremes in Transient Climate Change Simulations. Journal of Climate, 18, 1156––1173. doi:10.1175/JCLI3320.1. Leadbetter, M. (1983). Extremes and local dependence in stationary sequences. Z. Wahrscheinlichkeitstheorie verw. Gebiete, 65, 291—-306. doi:10.1007/BF00532484. Liu, J., Liang, Y., Gao, G., Dunkerley, D., & Fu, B. (2022). Quantifying the effects of rainfall intensity fluctuation on runoff and soil loss: From indicators to models. Journal of Hydrology, 607, 127494. doi:10.1016/j.jhydrol.2022.127494. Mielke, P., Benjamin, J., & Cornell, C. (1971). Probability, Statistics and Decision for Civil Engineers. Journal of the American Statistical Association, 66, 923. doi:10.2307/2284265. Moloney, N., Faranda, D., & Sato, Y. (2019). An overview of the extremal index. Chaos: An Interdisciplinary Journal of Nonlinear Science, 29, 022101. doi:10.1063/1.5079656. Montanari, A., & Koutsoyiannis, D. (2014). Modeling and mitigating natural hazards: Stationarity is immortal! Water Resources Research, 50, 9748–9756. doi:10.1002/2014WR016092. Ouarda, T., Charron, C., & St-Hilaire, A. (2020). Uncertainty of stationary and nonstationary models for rainfall frequency analysis. International Journal of Climatology, 40, 2373–2392. doi:10.1002/joc.6339. Restrepo-Posada, P. J., & Eagleson, P. S. (1982). Identification of independent rainstorms. Journal of Hydrology, 55, 303–319. doi:10.1016/0022-1694(82)90136-6. Rodríguez-Iturbe, I., & Eagleson, P. S. (1987). Mathematical models of rainstorm events in space and time. Water Resources Research, 23, 181–190. doi:10.1029/WR023i001p00181. Sathish, S., & Khadar, S. (2017). Stochastic time series analysis of hydrology data for water resources. IOP Conf. Series: Materials Science and Engineering, 263, 042140. doi:10.1088/1757-899X/263/4/042140. Schertzer, D., & Lovejoy, S. (2011). Multifractals generalized scale invariance scaling geophysics. International Journal of Bifurcation and Chaos, 21, 3417–3456. doi:10.1142/S0218127411030647. Schleiss, M. (2017). Scaling and Distributional Properties of Precipitation Interamount Times. Journal of Hydrometeorology, 18. doi:10.1175/JHM-D-16-0221.1. Schleiss, M., Jaffrain, J., & Berne, A. (2011). Statistical analysis of rainfall intermittency at small spatial and temporal scales. Geophysical Research Letters, 38. doi:10.1029/2011GL049000. Schleiss, M., & Smith, J. A. (2016). Two Simple Metrics for Quantifying Rainfall Intermittency: The Burstiness and Memory of Interamount Times. Journal of Hydrometeorology, 17, 421–436. doi:10.1175/JHM-D-15-0078.1. Shiau, J.-T., & Shen, H. W. (2001). Recurrence Analysis of Hydrologic Droughts of Differing Severity. Journal of Water Resources Planning and Management, 127, 30–40. doi:10.1061/(ASCE)0733-9496(2001)127:1(30). Sippel, S., Mitchell, D., Black, M., Dittus, A., Harrington, L., Schaller, N., & Otto, F. (2015). Combining large model ensembles with extreme value statistics to improve attribution statements of rare events. Weather and Climate Extremes, 9, 25–35. doi:10.1016/j.wace.2015.06.004. Smith, J. A. (1987). Statistical modeling of daily rainfall occurrences. Water Resources Research, 23, 885–893. doi:10.1029/WR023i005p00885. Towler, E., Llewellyn, D., Prein, A., & Gilleland, E. (2020). Extreme-value analysis for the characterization of extremes in water resources: A generalized workflow and case study on New Mexico monsoon precipitation. Weather and Climate Extremes, 29, 100260. doi:10.1016/j.wace.2020.100260. Towler, E., Rajagopalan, B., Gilleland, E., Summers, R. S., Yates, D., & Katz, R. (2010). Modeling hydrologic and water quality extremes in a changing climate: A statistical approach based on extreme value theory. Water Resources Research, 46, W11504. doi:10.1029/2009WR008876. Trenberth, K., & Zhang, Y. (2018). How Often Does It Really Rain? Bulletin of the American Meteorological Society, 99, 289–298. doi:10.1175/BAMS-D-17-0107.1. ten Veldhuis, M.-C., & Schleiss., M. (2017). Statistical analysis of hydrological response in urbanising catchments based on adaptive sampling using inter-Amount times. Hydrology and Earth System Sciences, 21. doi:10.5194/hess-21-1991-2017. Wiuff, R. (2020). Analysis and Modeling of Precipitation Intermittency by Compound Markov-DARMA Models. Water Resources Research, 56. doi:10.1029/2019WR025522. Yevjevich, V. (1974). Determinism and stochasticity in hydrology. Journal of Hydrology, 22, 225–238. doi:10.1016/0022-1694(74)90078-X. Yevjevich, V. M. (1967). An objective approach to definitions and investigations of continental hydrologic droughts. Fort Colins, USA: Colorado State University. URL: https://mountainscholar.org/bitstream/handle/10217/61303/HydrologyPapers_n23.pdf. Adams, C., Murrieta, R., Neves, W., Sanches, R., & Harris, M. (2009). Amazon Peasant Societies in a Changing Environment. Political Ecology, Invisibility and Modernity in the Rainforest, (p. 281–305). doi:10.1007/978-1-4020-9283-1. Alarcón, J. C., & Pabón, J. D. (2013). El cambio climático y la distribución espacial de las formaciones vegetales en Colombia. Colombia Forestal, 16, 171–185. doi:10.14483/udistrital.jour.colomb.for.2013.2.a04. Almudi, T., & Sinclair, A. (2022). Extreme hydroclimatic events in rural communities of the Brazilian Amazon: local perceptions of change, impacts, and adaptation. Regional Environmental Change, 22. doi:10.1007/s10113-021-01857-0. Bacca-García, J., & Toro, J. (2021). Análisis de la vulnerabilidad de la hidroelectricidad en Colombia. Gestión y Ambiente, 24, 27—-45. doi:10.15446/ga.v24nSupl2.92923. Cuatrecasas y Arumí, J. (1934). Observaciones geobotánicas en Colombia. Madrid: Museo Nacional de Ciencias Naturales. URL: http://bibdigital.rjb.csic.es/ing/Libro.php?Libro=566. Easterling, D., Groisman, P., T, K., Evans, J., Kunkel, K., & Ambenje, P. (2000). Observed variability and trends in extreme climate events: A brief review. Bulletin of the American Meteorological Society, 81, 417–425. doi:10.1175/1520-0477(2000)081<0417:OVATIE>2.3.CO;2. Funk, C., Verdin, A., Michaelsen, J., Peterson, P., Pedreros, D., & Husak, G. (2015). A global satellite-assisted precipitation climatology. Earth System Science Data, 7, 275–287. doi:10.5194/essd-7-275-2015. Goh, K.-I., & Barabási, A.-L. (2008). Burstiness and memory in complex systems. EPL (Europhysics Letters), 81, 48002. doi:10.1209/0295-5075/81/48002. Hao, Z., Singh, V., & F., H. (2018). Compound Extremes in Hydroclimatology: A Review. Water, 10, 718. doi:10.3390/w10060718. JAXA (2020). ALOS Global Digital Surface Model ”ALOS World 3D - 30m” (AW3D30) version 2. URL: https://www.eorc.jaxa.jp/ALOS/en/dataset/aw3d30/aw3d30_e.htm. Lee, J., Paz, I., Schertzer, D., Lee, D., & Tchiguirinskaia, I. (2020). Multifractal analysis of rainfall-rate datasets obtained by radar and numerical model: The case study of typhoon bolaven. Journal of Applied Meteorology and Climatology, 59, 819–840. doi:10.1175/JAMC-D-18-0209.1. Loaiza, W., Carvajal, Y., & Baquero, O. (2014). Sequías & adaptación. Principios para su evaluación en sistemas productivos agrícolas del Valle del Cauca, Colombia. Universidad del Valle. Madani, K., & Lund, J. R. (2009). Modeling California’s high-elevation hydropower systems in energy units. Water Resources Research, 45. doi:10.1029/2008wr007206. Manfreda, S., Iacobellis, V., Gioia, A., Fiorentino, M., & Kochanek, K. (2018). The Impact of Climate on Hydrological Extremes. Water, 10, 802. doi:10.3390/w10060802. Mesa, Ó., Urrea, V., & Ochoa, A. (2021). Trends of Hydroclimatic Intensity in Colombia. Climate, 9, 120. doi:10.3390/cli9070120. Molinie, G., Ceresetti, D., Anquetin, S., Creutin, J., & Boudevillain, B. (2012). Rainfall Regime of a Mountainous Mediterranean Region. Journal of Applied Meteorology and Climatology, 51, 429–448. Poveda, G. (2004). La hidroclimatología de Colombia: Una síntesis desde la escala inter-decadal hasta la escala diurna. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 28, 201–222. Poveda, G., Mesa, Ó., Agudelo, P., Álvarez, J., Arias, P., Moreno, H., Salazar, L., Toro, V., & Vieira, S. (2002). Análisis probabilístico de la intermitencia de las lluvias horarias en Colombia mediante funciones de distribucion de colas pesadas. Memorias VI Congreso Colombiano de Meteorología. Raynaud, D., Hingray, B., François, B., & Creutin, J. (2018). Energy droughts from variable renewable energy sources in European climates. Renewable Energy, 125, 578–589. doi:10.1016/j.renene.2018.02.130. Satz, H. (1989). Intermittency and critical behaviour. Nuclear Physics B, 326, 613–618. doi:10.1016/0550-3213(89)90546-4. Schleiss, M., Jaffrain, J., & Berne, A. (2011). Statistical analysis of rainfall intermittency at small spatial and temporal scales. Geophysical Research Letters, 38. doi:10.1029/2011GL049000. Schleiss, M., & Smith, J. A. (2016). Two Simple Metrics for Quantifying Rainfall Intermittency: The Burstiness and Memory of Interamount Times. Journal of Hydrometeorology, 17, 421–436. doi:10.1175/JHM-D-15-0078.1. Sinergox (2022). Oferta y generación. generación real del sin. URL: https://sinergox.xm.com.co/oferta/Paginas/Informes/GeneracionSIN.aspx. Tuirán, M., & Ochoa, A. (2021). Intermitencia de la precipitación diaria en Colombia. In XVIII Congreso Colombiano de Geología (p. 62). Medellín, Colombia: Sociedad Colombiana de Geología. Urrea, V., Ochoa, A., & Mesa, Ó. (2019). Seasonality of Rainfall in Colombia. Water Resources Research, 55, 4149–4162. doi:10.1029/2018WR023316. Westra, S., Alexander, L., & Zwiers, F. (2013). 2013: Global Increasing Trends in Annual Maximum Daily Precipitation. Journal of Climate, 26, 3904–3918. doi:10.1175/JCLI-D-12-00502.1. |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.spa.fl_str_mv |
41 páginas |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
dc.publisher.program.spa.fl_str_mv |
Medellín - Minas - Maestría en Ingeniería - Recursos Hidráulicos |
dc.publisher.faculty.spa.fl_str_mv |
Facultad de Minas |
dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
institution |
Universidad Nacional de Colombia |
bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/85445/1/license.txt https://repositorio.unal.edu.co/bitstream/unal/85445/2/1005438157.2023.pdf https://repositorio.unal.edu.co/bitstream/unal/85445/3/1005438157.2023.pdf.jpg |
bitstream.checksum.fl_str_mv |
eb34b1cf90b7e1103fc9dfd26be24b4a 008f92edd1f0a0d36985a1096fd9bfd0 bb5a551293e3618b23c6e2b52f4ceec7 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
_version_ |
1814089506948644864 |
spelling |
Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ochoa Jaramillo, Andrésd17bd170cf0b5f82395b6030a7d9e989Chavez-Demoulin, Valérief4013a202b70faaebf46d3052e46efdbTuirán Ruiz, Melisa38012345a2de4d2ff6a3c3e5f177c94dPosgrado en Aprovechamiento de Recursos HidráulicosTUIRAN RUIZ, MELISA2024-01-25T16:12:30Z2024-01-25T16:12:30Z2023https://repositorio.unal.edu.co/handle/unal/85445Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/Una de las características poco estudiadas de la precipitación es la intermitencia, entendida como la alternancia de periodos de intensa y reducida actividad. La intermitencia tiene consecuencias para la agricultura y la generación de energía hidroeléctrica y favorece la ocurrencia de sequías e inundaciones. El capítulo 1 de esta tesis plantea una metodología para cuantificar la intermitencia de conglomerados de extremos, equivalentes a las agrupaciones de valores que igualan o superan el P90 de la serie. Esta consiste en el uso de un coeficiente de dispersión, Burstiness, y de una medida de agrupación extremal, el índice Extremal. En el capítulo 2 se cuantifica la intermitencia de la lluvia en Colombia aplicando la metodología del capítulo 1 en series diarias de precipitación de CHIRPS de resolución espacial 0.05° entre 1981 y 2022. De acuerdo a los resultados, las regiones Amazonía y Caribe son las regiones con menor y mayor dispersión de los parámetros que cuantifican la intermitencia, respectivamente. El diagnostico que se presenta tiene el potencial de poderse incorporar a la planificación de actividades de aprovechamiento de recursos y a la gestión de riesgos de desastres naturales. (Texto tomado de la fuente)One of the little studied characteristics of precipitation is intermittency, understood as the alternation of periods of intense and reduced activity. Intermittency has consequences for agriculture and hydroelectric energy generation and favors the occurrence of droughts and floods. Chapter 1 of this thesis proposes a methodology to quantify the intermittency of clusters of extremes, equivalent to the groupings of values that equal or exceed the P90 of the series. This consists of the use of a dispersion coefficient, Burstiness, and an extreme grouping measure, the Extremal Index. Chapter 2 quantifies rainfall intermittency in Colombia by applying the methodology of Chapter 1 on daily CHIRPS precipitation series of 0.05° spatial resolution between 1981 and 2022. According to the results, the Amazon and the Caribbean are the regions with the lowest and greatest dispersion of the parameters that quantify intermittency, respectively. The diagnosis presented has the potential to be incorporated into the planning of resource use activities and natural disaster risk management.Esta tesis se llevo a cabo gracias al apoyo financiero de Minciencias, la Universidad Nacional de Colombia, la Universidad EIA e Interconexión Eléctrica S.A. mediante el programa de investigación Valorando la variabilidad en el mercado eléctrico colombiano (contrato 80740-540-2020)MaestríaMagíster en Ingeniería - Recursos HidráulicosÁrea Curricular de Medio Ambiente41 páginasapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Minas - Maestría en Ingeniería - Recursos HidráulicosFacultad de MinasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín620 - Ingeniería y operaciones afinesHidrología estocásticaPrecipitación atmosféricaHidrología estocásticaRachasPrecipitaciónClimaAnálisis de conglomeradosStochastic hydrologyRunsPrecipitationClimateCluster analysisLluviaDesarrollo de un modelo para cuantificar la intermitencia en procesos estocásticosEvaluating Approaches for Quantifying Intermittency in Stochastic ProcessesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMLaReferenciaBotter, G., Porporato, A., Rodriguez-Iturbe, I., & Rinaldo, A. (2007). Basin-scale soil moisture dynamics and the probabilistic characterization of carrier hydrologic flows: Slow, leaching-prone components of the hydrologic response. Water Resources Research, 43. doi:10.1029/2006WR005043.Chavez-Demoulin, V., & Davinson, A. (2012). Modeling Time Series Extremes. Revstat-statistical Journal, 10, 109–133.Coles, S., Bawa, J., Trenner, L., & Dorazio, P. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer, 208. doi:10.1198/jasa.2002.s232.De Luca, D., & Galasso, L. (2018). Stationary and Non-Stationary Frameworks for Extreme Rainfall Time Series in Southern Italy. Water, 10, 1477. doi:10.3390/w10101477.Dey, P. (2023). On the Structure of the Intermittency of Rainfall. Water Resources Management, 37, 1461–1472. doi:10.1007/s11269-023-03441-z.Díaz-Granados, M. A., Valdés, J. B., & Bras, R. L. (1983). A derived flood frequency distribution based on the geomorphoclimatic IUH and the density function of rainfall excess. Technical Report Massachusetts Institute of Technology.Fernández, B., & Salas, J. D. (1999). Return Period and Risk of Hydrologic Events. I. Mathematical Formulation. Journal of Hydrologic Engineering, 4, 297–307. doi:10.1061/(ASCE)1084-0699(1999)4:4(297).Goh, K.-I., & Barabási, A.-L. (2008). Burstiness and memory in complex systems. EPL (Europhysics Letters), 81, 48002. doi:10.1209/0295-5075/81/48002.Gregersen, I., Madsen, H., Rosbjerg, D., & Arnbjerg-Nielsen, K. (2017). A regional and nonstationary model for partial duration series of extreme rainfall. Water Resources Research, 53, 2659–2678. doi:10.1002/2016wr019554.Gupta, V. K., & Waymire, E. (1990). Multiscaling properties of spatial rainfall and river flow distributions. Journal of Geophysical Research, 95, 1999. doi:10.1029/JD095iD03p01999.Hu, G., & Franzke, C. (2020). Evaluation of Daily Precipitation Extremes in Reanalysis and Gridded Observation-Based Data Sets Over Germany. Geophysical Research Letters, 47, e2020GL089624. doi:10.1029/2020GL089624.Katz, W. R., Parlange, M. B., & Naveau, P. (2002). Statistics of extremes in hydrology. Advances in Water Resources, 25, 287–1304. doi:10.1016/S0309-1708(02)00056-8.Kharin, V. V., & Zwiers, F. W. (2005). Estimating Extremes in Transient Climate Change Simulations. Journal of Climate, 18, 1156––1173. doi:10.1175/JCLI3320.1.Leadbetter, M. (1983). Extremes and local dependence in stationary sequences. Z. Wahrscheinlichkeitstheorie verw. Gebiete, 65, 291—-306. doi:10.1007/BF00532484.Liu, J., Liang, Y., Gao, G., Dunkerley, D., & Fu, B. (2022). Quantifying the effects of rainfall intensity fluctuation on runoff and soil loss: From indicators to models. Journal of Hydrology, 607, 127494. doi:10.1016/j.jhydrol.2022.127494.Mielke, P., Benjamin, J., & Cornell, C. (1971). Probability, Statistics and Decision for Civil Engineers. Journal of the American Statistical Association, 66, 923. doi:10.2307/2284265.Moloney, N., Faranda, D., & Sato, Y. (2019). An overview of the extremal index. Chaos: An Interdisciplinary Journal of Nonlinear Science, 29, 022101. doi:10.1063/1.5079656.Montanari, A., & Koutsoyiannis, D. (2014). Modeling and mitigating natural hazards: Stationarity is immortal! Water Resources Research, 50, 9748–9756. doi:10.1002/2014WR016092.Ouarda, T., Charron, C., & St-Hilaire, A. (2020). Uncertainty of stationary and nonstationary models for rainfall frequency analysis. International Journal of Climatology, 40, 2373–2392. doi:10.1002/joc.6339.Restrepo-Posada, P. J., & Eagleson, P. S. (1982). Identification of independent rainstorms. Journal of Hydrology, 55, 303–319. doi:10.1016/0022-1694(82)90136-6.Rodríguez-Iturbe, I., & Eagleson, P. S. (1987). Mathematical models of rainstorm events in space and time. Water Resources Research, 23, 181–190. doi:10.1029/WR023i001p00181.Sathish, S., & Khadar, S. (2017). Stochastic time series analysis of hydrology data for water resources. IOP Conf. Series: Materials Science and Engineering, 263, 042140. doi:10.1088/1757-899X/263/4/042140.Schertzer, D., & Lovejoy, S. (2011). Multifractals generalized scale invariance scaling geophysics. International Journal of Bifurcation and Chaos, 21, 3417–3456. doi:10.1142/S0218127411030647.Schleiss, M. (2017). Scaling and Distributional Properties of Precipitation Interamount Times. Journal of Hydrometeorology, 18. doi:10.1175/JHM-D-16-0221.1.Schleiss, M., Jaffrain, J., & Berne, A. (2011). Statistical analysis of rainfall intermittency at small spatial and temporal scales. Geophysical Research Letters, 38. doi:10.1029/2011GL049000.Schleiss, M., & Smith, J. A. (2016). Two Simple Metrics for Quantifying Rainfall Intermittency: The Burstiness and Memory of Interamount Times. Journal of Hydrometeorology, 17, 421–436. doi:10.1175/JHM-D-15-0078.1.Shiau, J.-T., & Shen, H. W. (2001). Recurrence Analysis of Hydrologic Droughts of Differing Severity. Journal of Water Resources Planning and Management, 127, 30–40. doi:10.1061/(ASCE)0733-9496(2001)127:1(30).Sippel, S., Mitchell, D., Black, M., Dittus, A., Harrington, L., Schaller, N., & Otto, F. (2015). Combining large model ensembles with extreme value statistics to improve attribution statements of rare events. Weather and Climate Extremes, 9, 25–35. doi:10.1016/j.wace.2015.06.004.Smith, J. A. (1987). Statistical modeling of daily rainfall occurrences. Water Resources Research, 23, 885–893. doi:10.1029/WR023i005p00885.Towler, E., Llewellyn, D., Prein, A., & Gilleland, E. (2020). Extreme-value analysis for the characterization of extremes in water resources: A generalized workflow and case study on New Mexico monsoon precipitation. Weather and Climate Extremes, 29, 100260. doi:10.1016/j.wace.2020.100260.Towler, E., Rajagopalan, B., Gilleland, E., Summers, R. S., Yates, D., & Katz, R. (2010). Modeling hydrologic and water quality extremes in a changing climate: A statistical approach based on extreme value theory. Water Resources Research, 46, W11504. doi:10.1029/2009WR008876.Trenberth, K., & Zhang, Y. (2018). How Often Does It Really Rain? Bulletin of the American Meteorological Society, 99, 289–298. doi:10.1175/BAMS-D-17-0107.1.ten Veldhuis, M.-C., & Schleiss., M. (2017). Statistical analysis of hydrological response in urbanising catchments based on adaptive sampling using inter-Amount times. Hydrology and Earth System Sciences, 21. doi:10.5194/hess-21-1991-2017.Wiuff, R. (2020). Analysis and Modeling of Precipitation Intermittency by Compound Markov-DARMA Models. Water Resources Research, 56. doi:10.1029/2019WR025522.Yevjevich, V. (1974). Determinism and stochasticity in hydrology. Journal of Hydrology, 22, 225–238. doi:10.1016/0022-1694(74)90078-X.Yevjevich, V. M. (1967). An objective approach to definitions and investigations of continental hydrologic droughts. Fort Colins, USA: Colorado State University. URL: https://mountainscholar.org/bitstream/handle/10217/61303/HydrologyPapers_n23.pdf.Adams, C., Murrieta, R., Neves, W., Sanches, R., & Harris, M. (2009). Amazon Peasant Societies in a Changing Environment. Political Ecology, Invisibility and Modernity in the Rainforest, (p. 281–305). doi:10.1007/978-1-4020-9283-1.Alarcón, J. C., & Pabón, J. D. (2013). El cambio climático y la distribución espacial de las formaciones vegetales en Colombia. Colombia Forestal, 16, 171–185. doi:10.14483/udistrital.jour.colomb.for.2013.2.a04.Almudi, T., & Sinclair, A. (2022). Extreme hydroclimatic events in rural communities of the Brazilian Amazon: local perceptions of change, impacts, and adaptation. Regional Environmental Change, 22. doi:10.1007/s10113-021-01857-0.Bacca-García, J., & Toro, J. (2021). Análisis de la vulnerabilidad de la hidroelectricidad en Colombia. Gestión y Ambiente, 24, 27—-45. doi:10.15446/ga.v24nSupl2.92923.Cuatrecasas y Arumí, J. (1934). Observaciones geobotánicas en Colombia. Madrid: Museo Nacional de Ciencias Naturales. URL: http://bibdigital.rjb.csic.es/ing/Libro.php?Libro=566.Easterling, D., Groisman, P., T, K., Evans, J., Kunkel, K., & Ambenje, P. (2000). Observed variability and trends in extreme climate events: A brief review. Bulletin of the American Meteorological Society, 81, 417–425. doi:10.1175/1520-0477(2000)081<0417:OVATIE>2.3.CO;2.Funk, C., Verdin, A., Michaelsen, J., Peterson, P., Pedreros, D., & Husak, G. (2015). A global satellite-assisted precipitation climatology. Earth System Science Data, 7, 275–287. doi:10.5194/essd-7-275-2015.Goh, K.-I., & Barabási, A.-L. (2008). Burstiness and memory in complex systems. EPL (Europhysics Letters), 81, 48002. doi:10.1209/0295-5075/81/48002.Hao, Z., Singh, V., & F., H. (2018). Compound Extremes in Hydroclimatology: A Review. Water, 10, 718. doi:10.3390/w10060718.JAXA (2020). ALOS Global Digital Surface Model ”ALOS World 3D - 30m” (AW3D30) version 2. URL: https://www.eorc.jaxa.jp/ALOS/en/dataset/aw3d30/aw3d30_e.htm.Lee, J., Paz, I., Schertzer, D., Lee, D., & Tchiguirinskaia, I. (2020). Multifractal analysis of rainfall-rate datasets obtained by radar and numerical model: The case study of typhoon bolaven. Journal of Applied Meteorology and Climatology, 59, 819–840. doi:10.1175/JAMC-D-18-0209.1.Loaiza, W., Carvajal, Y., & Baquero, O. (2014). Sequías & adaptación. Principios para su evaluación en sistemas productivos agrícolas del Valle del Cauca, Colombia. Universidad del Valle.Madani, K., & Lund, J. R. (2009). Modeling California’s high-elevation hydropower systems in energy units. Water Resources Research, 45. doi:10.1029/2008wr007206.Manfreda, S., Iacobellis, V., Gioia, A., Fiorentino, M., & Kochanek, K. (2018). The Impact of Climate on Hydrological Extremes. Water, 10, 802. doi:10.3390/w10060802.Mesa, Ó., Urrea, V., & Ochoa, A. (2021). Trends of Hydroclimatic Intensity in Colombia. Climate, 9, 120. doi:10.3390/cli9070120.Molinie, G., Ceresetti, D., Anquetin, S., Creutin, J., & Boudevillain, B. (2012). Rainfall Regime of a Mountainous Mediterranean Region. Journal of Applied Meteorology and Climatology, 51, 429–448.Poveda, G. (2004). La hidroclimatología de Colombia: Una síntesis desde la escala inter-decadal hasta la escala diurna. Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales, 28, 201–222.Poveda, G., Mesa, Ó., Agudelo, P., Álvarez, J., Arias, P., Moreno, H., Salazar, L., Toro, V., & Vieira, S. (2002). Análisis probabilístico de la intermitencia de las lluvias horarias en Colombia mediante funciones de distribucion de colas pesadas. Memorias VI Congreso Colombiano de Meteorología.Raynaud, D., Hingray, B., François, B., & Creutin, J. (2018). Energy droughts from variable renewable energy sources in European climates. Renewable Energy, 125, 578–589. doi:10.1016/j.renene.2018.02.130.Satz, H. (1989). Intermittency and critical behaviour. Nuclear Physics B, 326, 613–618. doi:10.1016/0550-3213(89)90546-4.Schleiss, M., Jaffrain, J., & Berne, A. (2011). Statistical analysis of rainfall intermittency at small spatial and temporal scales. Geophysical Research Letters, 38. doi:10.1029/2011GL049000.Schleiss, M., & Smith, J. A. (2016). Two Simple Metrics for Quantifying Rainfall Intermittency: The Burstiness and Memory of Interamount Times. Journal of Hydrometeorology, 17, 421–436. doi:10.1175/JHM-D-15-0078.1.Sinergox (2022). Oferta y generación. generación real del sin. URL: https://sinergox.xm.com.co/oferta/Paginas/Informes/GeneracionSIN.aspx.Tuirán, M., & Ochoa, A. (2021). Intermitencia de la precipitación diaria en Colombia. In XVIII Congreso Colombiano de Geología (p. 62). Medellín, Colombia: Sociedad Colombiana de Geología.Urrea, V., Ochoa, A., & Mesa, Ó. (2019). Seasonality of Rainfall in Colombia. Water Resources Research, 55, 4149–4162. doi:10.1029/2018WR023316.Westra, S., Alexander, L., & Zwiers, F. (2013). 2013: Global Increasing Trends in Annual Maximum Daily Precipitation. Journal of Climate, 26, 3904–3918. doi:10.1175/JCLI-D-12-00502.1.Minciencias, Universidad Nacional de Colombia, Universidad EIA e Interconexión Eléctrica S.AInvestigadoresLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/85445/1/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD51ORIGINAL1005438157.2023.pdf1005438157.2023.pdfTesis de Maestría en Ingeniería - Recursos Hidráulicosapplication/pdf7399716https://repositorio.unal.edu.co/bitstream/unal/85445/2/1005438157.2023.pdf008f92edd1f0a0d36985a1096fd9bfd0MD52THUMBNAIL1005438157.2023.pdf.jpg1005438157.2023.pdf.jpgGenerated Thumbnailimage/jpeg5021https://repositorio.unal.edu.co/bitstream/unal/85445/3/1005438157.2023.pdf.jpgbb5a551293e3618b23c6e2b52f4ceec7MD53unal/85445oai:repositorio.unal.edu.co:unal/854452024-08-21 23:13:05.538Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |