Recibido: 9 de septiembre de 2022 / Aceptado: 25 de abril de 2023
 

Modelado espacial bayesiano de niveles de retorno de precipitaciones diarias extremas en Honduras.

Bayesian spatial modeling of extreme daily rainfall return levels in Honduras.

REF-UNAH-V11N1

S. MENDEZ¹ | C. CRUZ² 

¹ Departamento de Estadística, Escuela de Matemáticas y Ciencias de la Computación. Universidad Nacional Autónoma de Honduras. sonia.mendez@unah.edu.hn

² Maestría de Matemáticas, Escuela de Matemáticas y Ciencias de la Computación. Universidad Nacional Autónoma de Honduras. cristian.cruz@unah.edu.hn

Resumen

Modelar valores extremos en precipitación es muy importante, una forma de cuantificarlos es mediante los niveles de retornos. El modelo completo utilizado para la estimación se desarrolla en una primera etapa asociada a los parámetros de la Distribución Pareto Generalizada (GPD) y una segunda etapa asociada a las tasas de excedencia. Los modelos son abordados mediante modelos jerárquicos. Se toma en cuenta la componente espacial del fenómeno usando covariables. El mejor modelo es escogido mediante en criterio de la log-verosimilitud marginal, las estimaciones de los modelos escogidos se usan de manera conjunta para poder construir con las mismas mapas de retorno. Este estudio está siendo desarrollado para Honduras tomando valores de precipitación diaria de 1972 hasta 2012 en 59 estaciones meteorológicas, evidenciando que la elevación es una covariable que influye en la estimación de los parámetros de la GPD y las tasas de excedencia tienen un comportamiento constante para todas las estaciones.

Abstract

Modeling extreme values in precipitation is very important, and one way to quantify them is by means of return levels. The complete model used for the estimation is developed in a first stage associated with the parameters of the Generalized Pareto Distribution(GPD) and a second stage associated with the exceedance rates. The models are approached by means of hierarchical models. The spatial component of the phenomenon is taken into account using covariates. The best model is chosen using the marginal log-likelihood criterion, and the estimates of the chosen models are used jointly in order to construct return maps with the same estimates. This study is being developed for Honduras taking daily precipitation values from 1972 to 2012 in 59 meteorological stations, showing that elevation is a covariate that influences the estimation of the GPD parameters and the exceedance rates have a constant behavior for all stations.

doi: 

PALABRAS CLAVES: 

Niveles de Retorno, Modelos Jerárquicos, Teoría de Valores Extremos, Inferencia Bayesiana.

KEYWORDS: 

Return Levels, Hierarchical Models, Extreme Value Theory, Bayesian Inference.

Documentos

Nombre del documento	Información	Enlace
REF-UNAH-11-1-6-Modelado-espacial-bayesiano.pdf	57 pdf 386 KB 13/10/2023 5:49pm	Descargar

Último Volumen