La variabilidad climática de baja frecuencia en la modelación no estacionaria de los regímenes de las crecidas en las regiones hidrológicas Sinaloa y Presidio San Pedro Translated title: Low-Frequency Climate Variability in the Non-Stationary Modeling of Flood Regimes in the Sinaloa and Presidio San Pedro Hydrologic Regions

Abstract

El asumir estacionaridad ha sido una de las premisas principales en el estudio de las componentes del ciclo hidrológico y la piedra angular en el análisis de frecuencia de eventos extremos. La estacionaridad ha sido una hipótesis común y práctica en la planificación y gestión de recursos hídricos. A partir de ella se han usado métodos estadísticos para extraer de los datos todos los indicadores hidrológicos útiles para proporcionar estimaciones, donde estas estimaciones pueden ser refinadas año con año conforme los registros en las estaciones hidrométricas se hacen más largos. En años recientes, diversos estudios han demostrado que los registros hidrológicos presentan algún tipo de no estacionaridad, como cambios y tendencias, lo cual ha llevado a los expertos a un consenso, en el sentido de que la hipótesis de estacionaridad a nivel de cuenca se encuentra comprometida. Entre los principales mecanismos que han sido sugeridos como los inductores de cambios en el ciclo hidrológico de las cuencas y en la magnitud y frecuencia de las crecidas se encuentran los efectos de la intervención humana (p. ej., cambio de uso de suelo, embalses), el efecto de la variabilidad climática de baja frecuencia (p. ej., El Niño-Oscilación del Sur, Oscilación Decadal del Pacífico) y el cambio climático debido al incremento de los gases a la atmósfera. El objetivo del presente estudio yace en el desarrollo de un marco para análisis de frecuencia bajo condiciones de no estacionaridad por medio de los Modelos Aditivos Generalizados en Localización, Escala y Forma (GAMLSS por sus siglas en inglés). Dos diferentes aproximaciones para la modelación estadística no estacionaria fueron las aplicadas a los registros de caudales instantáneos máximos anuales en las regiones hidrológicas Sinaloa y Presidio San Pedro en el noroeste del Pacífico mexicano. Estos modelos consisten básicamente en el modelo con incorporación de tendencias temporales en los parámetros de las distribuciones paramétricas y el modelo con incorporación del forzamiento de la variabilidad climática de baja frecuencia. Los resultados en la primera aproximación muestran la capacidad de los modelos para describir la variabilidad presente en los regímenes de crecidas; asimismo, se observa la alta dependencia de los parámetros de las distribuciones paramétricas respecto del tiempo, lo cual sugiere la ausencia de estacionaridad en los regímenes de crecidas en las estaciones de aforo de estudio. En el segundo enfoque, en el cual los índices climáticos (Niño12, Niño3, Niño3.4, SOI y PDO) que describen el comportamiento de los patrones de variabilidad de baja frecuencia fueron incorporados como covariables explicativas en los modelos, permiten resaltar el importante papel de los fenómenos de macroescala que ocurren en el Pacífico, en la variabilidad interanual de los regímenes de las crecidas en la costa del Pacífico mexicano. Además, la comparación de los modelos en la inferencia de cuantiles entre los modelos no estacionarios respecto del clásico modelo estacionario muestra que las diferencias obtenidas asumiendo no estacionaridad y sus equivalentes estacionarios pueden ser importantes durante extensos periodos de tiempo.

Translated abstract

Stationarity has been a main premise in the study of the components in the hydrological cycle and the corner stone in the frequency analysis of extreme events. Stationarity is also a common hypothesis and practice in planning and managing water resources. Based on this assumption, statistical methods have been used to extract data related to all the hydrological indicators used to develop estimates. These estimates can be refined from year to year as the recorded data increase. Over recent years, a variety of studies have shown that hydrological records present some type of Stationarity, such as changes and trends, leading experts to question the stationary hypothesis at the basin level. The effects of human intervention (such as changes in land use and reservoirs), the effect of low-frequency climate variability (for example, El Niño-Southern Oscillation, Pacific Decadal Oscillation) and climate change caused by increased gasses in the atmosphere are among the primary mechanisms that have emerged as inducers of changes in the hydrological cycle of basins and in the magnitude and frequency of extreme floods. The objective of the present study is to develop a framework for the analysis of frequency under non-stationary conditions using Generalized Additive Models for Location, Scale and Shape (GAMLSS). Two different approaches to non-stationarity statistical modeling were applied to annual instantaneous peak flow records from the Sinaloa and Presidio San Pedro hydrological regions in the Pacific northwestern Mexico. These models include the model with temporal trends in parametric distribution parameters and the model with forced low-frequency climate variability. The results from the trend model show the ability of models to describe the variability in flood regimes. In addition, the parametric distribution parameters are observed to be highly dependent on time, which suggests a lack of stationarity in the flood regimes in the gauging stations studied. The second approach- in which the climate indices (Niño 12, Niño 3, Niño 3.4, SOI and PDO) that describe the behavior of low-frequency variability patterns are incorporated in the models as explanatory covariables -makes it possible to demonstrate the important role of the macro-scale phenomena that occur in the Pacific on the inter-annual variability of the flood regimes in the Pacific Mexican coast. In addition, a comparison of classic inference models between nonstationary and stationary quantiles shows that differences between stationarity and non-stationarity assumptions can be significant over long periods of time.