Contribución 238

Distribution of maximum rainfall for different
return times in the Maniti River basin using the

PISCO and RAIN4PE gridded products
Abstract– Due to poor information on rainfall intensity and location in the Maniti Basin. Google Earth Engine, the PISCO v2.1 and
RAIN4PE products were used to obtain data on rainfall in the basin from 1981-2015 and the Weibull method was applied to calculate the
return periods of rainfall from 10; 100 and 1000 years of these in order to distinguish the intensity of precipitation within the basin in order
to later be used in studies of hydrological models of precipitation such as runoff. To show the results of these methods we have represented
them with maps created in the ArcGIS program.
Keywords-- Maniti Basin, Precipitation, PISCO v2.1, RAIN4PE, Return periods.
Digital Object Identifier: (only for full papers, inserted by LEIRD).

ISSN, ISBN: (to be inserted by LEIRD).
DO NOT REMOVE
3rd LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development - LEIRD 2023
Virtual Edition, December 4 – 6, 2023 1
Distribución de las precipitaciones máximas para
diferentes tiempos de retorno en la cuenca del río
Maniti usando los productos grillados PISCO y
RAIN4PE
Abstract– Due to poor information on rainfall intensity and
location in the Maniti Basin. Google Earth Engine, the PISCO v2.1
and RAIN4PE products were used to obtain data on rainfall in the
basin from 1981-2015 and the Weibull method was applied to
calculate the return periods of rainfall from 10; 100 and 1000 years
of these in order to distinguish the intensity of precipitation within
the basin in order to later be used in studies of hydrological models
of precipitation such as runoff. To show the results of these
methods we have represented them with maps created in the
ArcGIS program.
Keywords-- Cuenca, Legislative Decree No. 997, Rain4pe,
GEE, Return Periods.
Resumen– Debido a la pobre información sobre la intensidad y

ubicación de las precipitaciones en la cuenca Maniti. Se utilizó
Google Earth Engine, los productos PISCO v2.1 y RAIN4PE para
obtener datos sobre las precipitaciones en la cuenca desde 1981-
2015 y se aplicó el método Weibull para calcular los periodos de
retorno de las precipitaciones de 10; 100 y 1000 años de estas para
de esta forma distinguir la intensidad de la precipitación dentro de Fig. 1 Noticia de inundación en la amazonía [1]
la cuenca con el fin de más adelante pueda ser usado en estudios de
modelos hidrológicos de precipitación como la escorrentía. Para Así mismo, INDECI reporto el 28 de abril de 2022,
mostrar los resultados de estos métodos los hemos representado con
consecuencia de las lluvias intensas, se produjo el incremento
mapas creados en el programa ArcGIS.
Palabras clave- Cuenca Maniti, Precipitaciones, PISCO v2.1, del caudal provocando una inundación, ocasionando daños a
RAIN4PE, Periodos de retorno. las viviendas y habitantes, en las varias localidades del distrito
de Indiana.[2]
I. INTRODUCCIÓN II. IMPORTANCIA DEL ESTUDIO

La Amazonía peruana se enfrenta a inundaciones graves y La importancia de este estudio es dar conocer las
frecuentes. Esta región caracterizada por sus precipitaciones cantidades más altas de precipitaciones a través de los años
intensas padece de impactos en el medio ambiente y en los con dos tipos de tipos de metodología, la cual nos permite
asentamientos humanos debido a las inundaciones. Por prevenir desastres naturales como en la Amazonía peruana.
consiguiente, se debe mantener un registro de la intensidad de
sus precipitaciones y la distribución de estas para de esta III. OBJETIVO DE LA INVESTIGACIÓN
manera identificar las zonas y los tiempos en los cuales son
más intensas ya que estas contribuyen al aumento del caudal El objetivo más importante es comparar los productos
del rio lo cual genera una inundación de modo que es vital grillados PISCO y RAIN4PE con datos medidos por una
para una gestión eficaz de las inundaciones. estación pluviométrica. Mediremos la precipitación en tiempos
El medio Radio Nacional comunico: Un total de 1,876 de retorno de 10, 100 y 100 años para ver como se fue
familias han sido afectadas y a causa de las inundaciones distribuyendo las lluvias en dicha Cuenca.
producidas en los últimos días en el distrito de Indiana, También es importante saber el método más eficaz para
provincia de Maynas, región Loreto. [1] poder usarlo en cualquier otra cuenca ya que en gran parte del
Perú no hay estaciones pluviométricas.
IV. MARCO TEÓRICO esto quiere decir, que los poblados del norte son los más
afectados por estas aguas.
4.1 Ubicación del Proyecto
La cuenca hidrográfica de Maniti se ubica al este del
departamento de Loreto dentro de la provincia de manyas y el
distrito de Indiana y en menor medida en los distritos de las
amazonas y Fernando flores, contenido entre las siguientes
coordenadas geográficas WGS84: Longitud 72° 36' 14.17",
Latitud: 3° 28' 43.21", y Longitud: 73° 5' 44.98", Latitud: 4°
23' 18.02". Con una longitud aproximada de 120 Km en el
cauce principal, además de poseer una extensión de 2597.61
Km2 aproximadamente.
4.2 Datos morfológicos de la Cuenca

La velocidad del agua en la cuenca es importante siendo
causada por las grandes pendientes y altitudes, es por eso que
mostramos mapas para visualizar las partes más criticas en las
figuras 2 y 3.
Fig 3. Representación de las pendientes (grados) en la cuenca Maniti.
En la figura 3 se muestra mayor presencia de pendientes

en la parte baja de la cuenca. Cabe recalcar que a mayor
pendiente hay mayor tránsito del agua causando una gran
acumulación de agua en las partes bajas.
4.3 ArcGIS
Se trata de un software integral que posibilita la
recopilación, estructuración, gestión, análisis, intercambio y
distribución de datos geográficos además de ser la principal
plataforma a nivel global para la creación y utilización de
sistemas de información geográfica [3]. El software fue
utilizado para obtener las altitudes pendientes ubicación
geografía de la cuenca, así mismo será usado para la
realización de los mapas de distribución de lluvias con tiempo
Fig 2. Representación de las altitudes (msnm) en la cuenca Maniti.
de retorno.
En la figura 2 se muestra que la parte más atas se
encuentran al sur de la cuenca esto conlleva a que el agua
tiene mayor velocidad en la parte baja del cauce mostrado;
4.4 Google Earth Engine (GEE)
Earth Engine almacena imágenes satelitales, las organiza
y las pone a disposición por primera vez para la extracción de
datos a escala global. El archivo público de datos incluye
imágenes históricas de la tierra que se remontan a más de
cuarenta años, y se recopilan nuevas imágenes todos los días.
Earth Engine también proporciona APIs en JavaScript y
Python, así como otras herramientas, para permitir el análisis
de grandes conjuntos de datos. [11]
Sirve para el análisis científico, recolección de datos,
visualización de datos geoespaciales y climáticos en diferentes
tiempos a través de datos satelitales a nivel global. [4]
4.5 Método Weibull

El método de distribución de valores extremos de
Weibull es ampliamente utilizado para el análisis de
frecuencia de eventos extremos. Weibull introdujo esta
ecuación para el análisis de la magnitud de los eventos
extremos y sus períodos de retorno correspondientes [8]. Fig.4 Resumen esquemático del desarrollo de PISCO V2.1. [17]
En la presente investigación se utilizará la distribución de
Weibull para identificar las zonas donde las precipitaciones 4.7 Producto grillado RAIN4PE
son más intensas con el uso de la siguiente ecuación: Es un conjunto de datos de precipitación diaria que abarca
Perú y Ecuador, obtiene sus datos mediante la fusión de
múltiples fuentes siendo algunas de ellas CHIRP, reanálisis
ERA5 y además utiliza el método de regresión de bosque
aleatorio. [6].
Se corrige hidrológicamente utilizando datos de caudal en
Donde m = orden de clasificación de las intensidades de cuencas con subestimación de la precipitación mediante
lluvia, n = número de años de registro, T = período de retorno hidrología inversa. Por lo tanto, RAIN4PE es el único
(años) [9] producto de precipitación cuadriculado para Perú y Ecuador,
que se beneficia de las máximas observaciones. [13]
4.6 Producto grillado PISCO v2.1
El Producto PISCO fue generado en el marco de la meta
de desarrollo de investigación aplicada para la gestión del
riesgo de desastres – PREVAED que ejecuta la Dirección de
Hidrología del SENAMHI; y la autoría de este corresponde al
grupo de investigación que lidera el Dr. Waldo Lavado
Casimiro. [12]
Este producto tiene una resolución de grilla de 0.05º x
0.05º para una serie en el intervalo de 1981-2016.
Denominado PISCO (Peruvian Interpolated data of the
SENAMHI’s Climatological and hydrological Observations)
[5].
Su base de datos contiene un registro diario en el intervalo
de años antes mencionado de precipitaciones con el cual
podremos observar la intensidad en cada punto.
Fig. 5 Marco esquemático del producto RAIN4PE [17]
4.8 Método de Interpolación Kriging

Es un método de estimación óptima para variables
regionales en puntos no muestreados. Utiliza los datos
originales y las características estructurales de las funciones de
variación, además Considera la forma, tamaño y posición
espacial de los puntos de muestra [7].
Es una de las herramientas utilizables con el programa 5.1 Coordenadas de los puntos PISCO y RAIN4pe
ArcGIS con el cual se crearán mapas para su posterior análisis
TABLA 1
y comparación.
COORDENADAS EXTRAIDAS DEL PROGRAMA ARCGIS PARA DATA
4.9 SENAMHI DE PISCO Y RAIN4PE
Es un Organismo público, que tiene como misión generar N° X Y
y proveer información y conocimiento meteorológico, 1 72°57' 3°27'
hidrológico y climático para la sociedad peruana de manera 2 72°51' 3°27'
3 72°45' 3°27'
oportuna y confiable, contribuyendo de esta manera a la 4 73°03' 3°33'
reducción de los impactos negativos [10]. 5 72°57' 3°33'
Desafortunadamente en la cuenca que se estudia solo se 6 72°51' 3°33'
cuenta con una estación meteorológica en la zona noreste por 7 72°45' 3°33'
lo cual no se puede obtener datos de precipitación en las 8 73°09' 3°39'
demás zonas de la cuenca. 9 73°03' 3°39'
10 72°57' 3°39'
11 72°51' 3°39'
4.10 Autoridad Nacional del agua (ANA) 12 72°45' 3°39'
La ANA fue creada el 13 de marzo del 2008 por el 13 73°09' 3°45'
Decreto Legislativo N° 997, con el fin de administrar 14 73°03' 3°45'
conservar, proteger y aprovechar los recursos hídricos de las 15 72°57' 3°45'
16 72°51' 3°45'
diferentes cuencas de manera sostenible, promoviendo a su 17 72°45' 3°45'
vez la cultura del agua, el cual es parte del Sistema Nacional 18 72°39' 3°45'
de Gestión Ambiental. [14] 19 73°09' 3°51'
20 73°03' 3°51'
21 72°57' 3°51'
22 72°51' 3°51'
23 72°45' 3°51'
24 72°39' 3°51'
25 73°03' 3°57'
26 72°57' 3°57'
27 72°51' 3°57'
28 72°45' 3°57'
29 72°39' 3°57'
30 73°03' 4°03'
31 72°57' 4°03'
32 72°51' 4°03'
33 72°45' 4°03'
34 72°39' 4°03'
35 72°57' 4°09'
36 72°51' 4°09'
37 72°45' 4°09'
38 72°39' 4°09'
Fig, 6 Interfaz de obtención de datos de 1964-2014 en (ANA) [15] 39 72°51' 4°15'
40 72°45' 4°15'
41 72°39' 4°15'
V. METODOLOGÍA 42 72°33' 4°15'
En el presente estudio se utilizó el grillado Rain4pe en 43 72°45' 4°21'
44 72°39' 4°21'
Google Earth Engine como una fuente de obtención de
45 72°33' 4°21'
precipitaciones y por otro lado también se utilizó el grillado 46 72°39' 4°27'
PISCO en el software ArcGIS. Ambos métodos se compararán
con datos obtenidos de una estación meteorológica dentro de Se selecciono 46 puntos del producto PISCO v 2.1 dentro
la cuenca. y en las cercanías de la cuenca Maniti con el cual se
obtuvieron las siguientes coordenadas geográficas WGS84.
5.2 Extracción de datos con el método PISCO

Para obtener la data en ArcGIS con el método PISCO es
necesario tener nuestra área de estudio, utilizamos la cuenca
Maniti en la cual se genera puntos que la rodean con el fin de
obtener las coordenadas necesarias. La extracción debe 'value'
realizarse en los años brindados por el producto grillado );
PISCO que abarca desde el año 1981 hasta 2015. print(graph2.setChartType("ColumnChart")
Al tener los datos diarios de todas las coordenadas deberá .setOptions({vAxis: {title: 'PP (mm/dia)'},
pasarse a datos anuales de cada una; luego sacaremos los hAxis: {title: 'fecha'}}));
tiempos de retorno por el Método Weibull. Para darle una var graph3 = ui.Chart.feature.byFeature(
representación gráfica llevaremos toda la información de rain4pe_daily_data.filterDate("2001-01-01", "2011-01-
tiempos de retorno por cada coordenada al programa ArcGIS. 01").map(ppreducer),
El resultado son imágenes Ráster la cuales se representan en 'system:time_start',
formato de mapas. 'value'
);
5.3 Extracción de datos con el método RAIN4PE print(graph3.setChartType("ColumnChart")
Se utilizó el grillado RAIN4PE que es un lenguaje de .setOptions({vAxis: {title: 'PP (mm/dia)'},
código en Phyton para poder extraer las precipitaciones de la hAxis: {title: 'fecha'}}));
cuenca Maniti de manera puntual (coordenadas). Este código var graph4 = ui.Chart.feature.byFeature(
se ingresa en la plataforma Google Earth Engine y solo rain4pe_daily_data.filterDate("2011-01-01", "2016-01-
debemos insertar nuestra ruta de estudio. A continuación, se 01").map(ppreducer),
describe el código utilizado para este propósito. 'system:time_start',
'value');
// 1. Introducir Coordenadas print(graph4.setChartType("ColumnChart")
var ROI = ee.Geometry.Point([-79.05, -7.05]); .setOptions({vAxis: {title: 'PP (mm/dia)'},
var start_date = "1981-01-01"; hAxis: {title: 'fecha'}}));
var end_date = "2015-12-31";
// 4. Mostrar imagen de Rain4pe
// 2. Función para calcular el promedio espacial. var daily_rain =
var ppreducer = function(rain4pe) { ee.Image("users/ryali93/rainpe/daily/2010_01_25")
var params = {collection: ROI, reducer: ee.Reducer.mean(), var palette = [ '000096','0064ff', '00b4ff', '33db80', '9beb4a',
scale: 5000}; 'ffeb00', 'ffb300', 'ff6400', 'eb1e00', 'af0000'];
var image_value = Map.addLayer(daily_rain, {min:0, max:80, palette: palette})
rain4pe.reduceRegions(params).first().get('mean'); Map.centerObject(ROI);
var image_date = rain4pe.get('system:time_start'); Map.addLayer(ROI)
var ft = ee.Feature(null, {'system:time_start': image_date, El código se comparte aquí [16].
'date': ee.Date(image_date).format('Y-M-d'),
'value': image_value}); Esta plataforma nos arroja data y gráficas propias, pero
return ft;}; para comparar con el otro método se debe representar en
// 3. Cree un gráfico de series de tiempo. mapas con los datos exportados al ArcGIS. A continuación, se
var rain4pe_daily_data = ee.ImageCollection("projects/sat- muestran en los resultados.
io/open-datasets/rainpe/daily")
var rain4pe_data = rain4pe_daily_data.filterDate(start_date, 5.4 Extracción de datos en el observatorio de agua (ANA)
end_date) Para encontrar los datos de las estaciones pluviométricas
.map(ppreducer); debemos de entrar a la parte de capas, activamos la opción de
var graph1 = ui.Chart.feature.byFeature( oferta en donde aparecerá lo requerido. En el mapa del Perú se
rain4pe_daily_data.filterDate("1981-01-01", "1991-01- buscará la estación el Espiral la cual nos muestra datos desde
01").map(ppreducer), el año 1965 hasta el 2014.
'system:time_start', En las gráficas veremos las diferencias y similitudes de
'value' los datos de precipitación; en todos mapas se visualizará los
); puntos PISCO y RAIN4PE el cual están distribuidos por toda
print(graph1.setChartType("ColumnChart") la cuenca.
.setOptions({vAxis: {title: 'PP (mm/dia)'}, Por consiguiente, se evaluará los resultados de tiempo de
hAxis: {title: 'fecha'}})); retorno del ANA con ambos métodos para un mismo tiempo
var graph2 = ui.Chart.feature.byFeature( de retorno.
rain4pe_daily_data.filterDate("1991-01-01", "2001-01-
01").map(ppreducer),
'system:time_start',
VI. RESULTADOS
6.1 Tiempos de retorno para PISCO y RAIN4PE en 10 años
Fig. 8 Método RAIN4PE, tiempo de Retorno (10 años)
En la figura 8 el valor máximo de precipitación es de

111.98 mm/día encontrándose en la parte norte de la cuenca,
el valor mínimo es de 74.19 mm/día y se encuentra por la
Fig.7 Método PISCO, tiempo de Retorno (10 años)
parte Sur.
En la figura 7 el valor máximo de precipitación es 262.32
De la figura 7 y 8 vemos que sus precipitaciones máximas
mm/día y se encuentra en el Sureste de la cuenca, mientras
y minimás son muy distintas; en el mapa de PISCO podemos
que el valor mínimo es 144.83 mm/día se encuentran en la
ver que llueve más en las partes altas de la cuenca; por otro
parte Norte. Por lo tanto, de la gráfica se deduce que en las
lado, en el mapa de RAIN4PE la mayor cantidad de lluvia se
partes altas es en donde hay mayor precipitación.
encuentra en las partes bajas.
6.2 Tiempos de retorno para PISCO y RAIN4PE en 100 años
Fig. 10 Método de RAIN4PE, tiempo de retorno (100 años)
Fig. 9 Método de PISCO, tiempo de retorno (100 años) En la figura 10 el valor máximo de precipitación es de
161.95 mm/día encontrándose en la parte norte de la cuenca,
En la figura 9 el valor máximo de precipitación es 475.88 el valor mínimo es de 107.32 mm/día y se encuentra por la
mm/día y se encuentra en el Sureste de la cuenca, mientras parte Sur.
que el valor mínimo es 210.08 mm/día se encuentran en la
parte Norte. En el mapa ya se ve una lluvia intensa con los De la figura 9 y 10 vemos que sus precipitaciones
valores obtenidos. máximas son muy distintas, al ser datos recopilados de 100
años ya lo valores deberían ser grandes tales como se muestra
en el mapa de PISCO; así mismo, las fuertes lluvia también se
encuentras opuestas de Norte a Sur.
6.3 Tiempos de retorno para PISCO y RAIN4PE en 1000
años
Fig. 12 Método RAIN4PE, tiempo de retorno (1000 años)
En la figura 12 el valor máximo de precipitación es de

Fig. 11 Método de PISCO, tiempo de retorno (1000 años) 211.92 mm/día encontrándose en la parte norte de la cuenca,
el valor mínimo es de 140.44 mm/día y se encuentra por la
En la figura 11 el valor máximo de precipitación es parte Sur.
689.17 mm/día y se encuentra en el Sureste de la cuenca, Los mapas de los distintos tiempos de retorno con el
mientras que el valor mínimo es 275.18 mm/día se encuentran método RAIN4PE también mantienen los mismos lugares de
en la parte Norte. máxima y mínima precipitación.
Según los tiempos de retorno de PISCO (10, 100, 1000)
se sigue manteniendo los lugares de mayor precipitación en De la figura 11 y 12 vemos que sus precipitaciones
toda la cuenca. máximas son muy distintas y se mantiene la gran diferencia de
los lugares en donde a llovido más. Por lo tanto, uno de estos
métodos será el más eficaz al compararlo con datos tomados
de una estación hidrométrica.
6.4 Tabla de tiempo de retorno de PISCO y RAIN4PE y Por último, este estudio ayudará a las autoridades del
SENAMHI-ANA departamento de Loreto a dar seguridad creando obras e
TABLA 2 prevención para los lugares en donde el agua causa mayor
impacto, cuidado a los poblados para que no sigan sufriendo
RESULTADOS DE PISCO, RAIN4PE Y ANA PARA DISTINTOS
TIEMPOS DE RETORNO EN LA CUENCA MANITI. desastres naturales.
TR SENAMHI-ANA PISCO RAIN4PE
2 102 99 73
VIII. REFERENCIAS
5 132 130 90 [1] Radio Nacional, (2015). Cerca de 1,900 familias afectadas dejan
inundaciones en Loreto
10 154 153 104
https://www.radionacional.com.pe/informa/regionales/cerca-de-1-900-
25 184 183 122 familias-afectadas-dejan-inundaciones-en-loreto
50 207 206 135 [2] INDECI - COEN. (2022). Inundación en el distrito de Indiana- Loreto
https://portal.indeci.gob.pe/wp-content/uploads/2022/05/REPORTE-
75 220 220 143 COMPLEMENTARIO-N%C2%BA-4389-6MAY2022-
100 229 229 148 INUNDACI%C3%93N-EN-EL-DISTRITO-INDIANA-LORETO-2.pdf
500 282 283 [3] Carmona Arteaga, A. (2022). Generación de caudales diarios mediante el
179
Método GR4j en la cuenca de Huaura- Perú.
1000 305 306 193 https://doi.org/10.18687/laccei2022.1.1.319
[4] Carmona Arteaga, A. (2022). Aplicación del modelo hidrológico GR4j
Los resultados obtenidos en la tabla 2 se ve la gran para la estimación de caudales diarios utilizando el gridded dataset ERA5
en la cuenca del río Zaña hasta la estación hidrométrica de Batán.
diferencia entre el método PISCO y RAIN4PE en relación con https://doi.org/10.18687/laccei2022.1.1.175
los datos de SENAMHI-ANA. Los valores de PISCO son más [5] Aybar Camacho, C. (2017). Uso del producto grillado pisco de
reales siendo semejantes a datos de la estación meteorológica. precipitación en estudios, investigaciones y sistemas operacionales de
monitoreo y pronóstico hidrometeorológico.
https://repositorio.senamhi.gob.pe/handle/20.500.12542/260
6.5 Diagrama de tiempos de retorno de PISCO, RAIN4PE y [6] Carmona, A. (2022). Prueba del nuevo producto grillado para Perú y
SENAMHI-ANA Ecuador (RAIN4PE) usando Google Earth Engine para la cuenca del río
Biabo, https://www.linkedin.com/pulse/pueba-del-nuevo-producto-
grillado-para-per%2525C3%2525BA-y-ecuador-
abel%3FtrackingId=fbi970k3T1KNFJd3DQCW7A%253D%253D/?tracki
ngId=fbi970k3T1KNFJd3DQCW7A%3D%3D
[7] Meng, J. (2021). Transformación de proyección de datos ráster basada en
el algoritmo de cuadrícula aproximada de interpolación Kriging.
https://doi.org/10.1016/j.aej.2020.12.006
[8] Malik, S., & Pal, S. C. (2021). Análisis de frecuencia de inundaciones
potenciales y mapeo de susceptibilidad utilizando CMIP5 de MIROC5 y
el modelo HEC-RAS: un estudio de caso de la parte baja del río.
https://doi.org/10.1007/s42452-020-04104-z
[9] Awodutire, P. (2022). Parametric modelling of rainfall return periods in
south-western Nigeria: Survival analysis approach.
https://doi.org/10.12688/f1000research.75722.1
[10]MINAM. Servicio Nacional de Meteorología e Hidrología del Perú.
Fig. 13 Comparación de las tres fuentes de datos https://www.gob.pe/senamhi
[11]CursosGIS, (2018). ¿Qué es Google Earth Engine?
https://www.cursosgis.com/que-es-google-earth-engine/
En la figura 13 se demuestra gráficamente la relación y
[12]SENAMHI, (2017). Uso del producto grillado de precipitación en
similitud de los datos de PISCO y SENAMHI-ANA; a pesar estudios, investigaciones y sistemas operacionales de monitoreo y
de que método RAIN4PE no se asemeja a los valores reales si pronóstico hidrometeorológico,
mantiene la misma forma solo con cantidades menores. https://repositorio.senamhi.gob.pe/bitstream/handle/20.500.12542/260/Us
o-producto-grillado-Pisco-precipitaci%c3%b3n-estudios-investigaciones-
sistemas-operacionales-monitoreo-pron%c3%b3stico-
VII. CONCLUSIONES Hidrometeorl%c3%b3gico_2017.pdf?sequence=1&isAllowed=y
[13]Fernandez, C. (2021). Rain for Peru and Ecuador (RAIN4PE),
De los resultados obtenidos en la tabla 2 y figura 13 https://dataservices.gfz-potsdam.de/pik/showshort.php?id=6f766e20-
hemos llegado a concluir que el Producto grillado PISCO 2d94-11eb-9603-497c92695674
tiende a ser mas exacto a comparación de RAIN4PE que a [14]Autoridad Nacional del Agua, (2008), Recuperado de
pesar de tener una gráfica parecida sus valores son muy bajos. https://www.gob.pe/institucion/ana/institucional
[15]Recuperado de https://snirh.ana.gob.pe/observatorioSNIRH/
Al hacer esta investigación con tiempos de retorno nos [16]Abel Carmona Arteaga (2023). Código en Google Earth Engine
ayuda a tener una frecuencia de las precipitaciones máximas y Extracción de precipitación para Perú y Ecuador. Recuperado de
mínimas; así mismo podemos ver que en todos estos años en https://code.earthengine.google.com/54b72e9a0e8d506e23b283cba3f8b39
la parte que más llueve es en la parte alta de la cuenca Maniti. 0
[17]Llauca, H. (2023). Datos hidrometeorológicos grillados para Perú,
https://hllauca.github.io/posts/2023-06-04-quarto-blogs/

Contribución 238

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Contribución 238

Cargado por

Copyright:

Formatos disponibles

Distribution of maximum rainfall for different

return times in the Maniti River basin using the

Digital Object Identifier: (only for full papers, inserted by LEIRD).

Resumen– Debido a la pobre información sobre la intensidad y

I. INTRODUCCIÓN II. IMPORTANCIA DEL ESTUDIO

4.2 Datos morfológicos de la Cuenca

Fig 3. Representación de las pendientes (grados) en la cuenca Maniti.

En la figura 3 se muestra mayor presencia de pendientes

4.5 Método Weibull

4.8 Método de Interpolación Kriging

5.2 Extracción de datos con el método PISCO

6.1 Tiempos de retorno para PISCO y RAIN4PE en 10 años

Fig. 8 Método RAIN4PE, tiempo de Retorno (10 años)

En la figura 8 el valor máximo de precipitación es de

Fig. 10 Método de RAIN4PE, tiempo de retorno (100 años)

Fig. 12 Método RAIN4PE, tiempo de retorno (1000 años)

En la figura 12 el valor máximo de precipitación es de

También podría gustarte