Relación de la precipitación, temperatura y caudales de crecida, y su uso para la estimación de crecidas de diseño: aplicación en Cuenca del Río Maule en Armerillo

Abstract

Las inundaciones son catástrofes cada vez más frecuentes y devastadoras que están siendo identificadas por el cambio climático. Este fenómeno está asociado a modificaciones en los patrones climáticos globales actuales, debido a un aumento de gases de efecto invernadero en la atmósfera, lo que impacta gravemente los ecosistemas, la biodiversidad y la vida humana. Este estudio se centra en los análisis de los eventos de crecida y su relación con los datos meteorológicos (temperatura y precipitación) para la cuenca del Río Maule en Armerillo, que se ubica en la región del Maule, en la zona Centro-Sur del país. Para identificar los peaks relevantes en estos eventos de crecida, se emplea la Curva de Duración General (CDG), utilizada para definir un umbral específico en las series de excedencia. Posteriormente, se analizan las correlaciones entre las variables hidro-meteorológicas obtenidas para los eventos máximos de crecida. Se verifica la independencia de los peaks de crecida mediante el método de separación temporal, definiendo un intervalo mínimo de 3 días entre crecidas sucesivas, debido a la geografía de la cuenca estudiada. Se realiza un análisis estacional enfocado en los meses de invierno, debido a que generalmente se presentan eventos de carácter pluvial, en los cuales para los meses de Junio y Julio presentan las correlaciones más altas. Para el análisis, se verifica una combinación de variables, donde se destacan las variables con mejor correlación con el caudal instantáneo, estas son la temperatura índice del día del evento y la precipitación acumulada hasta los tres días previos al evento. En base los resultados obtenidos, se construye un modelo de regresión lineal multivariado utilizando las combinaciones de variables predictoras de mejor correlación. Este modelo presenta un ajuste alentador, obteniendo una predicción precisa para los caudales de baja magnitud. Sin embargo, presenta limitaciones en la captura de los eventos de crecida más extremos(...). Floods are increasingly frequent and devastating disasters, strongly linked to climate change. This phenomenon is associated with alterations in current global climate patterns due to the increase in greenhouse gases in the atmosphere, significantly impacting ecosystems, biodiversity, and human life. This study focuses on analyzing flood events and their relationship with meteorological data (temperature and precipitation) for the Maule River basin in Armerillo, located in the Maule region in the south-central part of the country. To identify the most relevant peaks in these flood events, the General Duration Curve (GDC) is used to define a specific threshold within the exceedance series. Subsequently, correlations between the hydro-meteorological variables obtained for the maximum flood events are analyzed. The independence of flood peaks is verified using the temporal separation method, establishing a minimum interval of three days between successive floods, considering the geography of the studied basin. A seasonal analysis is conducted, focusing on the winter months, as pluvial events are generally more frequent during this period, with June and July showing the highest correlations. For the analysis, different variable combinations are examined, highlighting those with the strongest correlation with instantaneous flow. The most significant variables are the index temperature on the event day and the cumulative precipitation up to three days before the event. Based on the obtained results, a multivariate linear regression model is developed using the best-correlated predictive variable combinations. This model demonstrates promising performance, providing an accurate prediction for low-magnitude flows. However, it has limitations in capturing the most extreme flood events. To address this deficiency, Generalized Additive Models for Location, Scale, and Shape (GAMLSS) are explored, leading to a significant improvement, particularly with the Gamma approach, which yields the best results. Nevertheless, this enhancement remains insufficient for accurately representing the most extreme events(...).