Estatística Hidrológica e Análise de Frequência

A estatística hidrológica aplica métodos probabilísticos e estocásticos a dados hidrológicos para caracterizar a variabilidade e estimar a frequência de eventos extremos, como inundações e secas.

Definition

Estatística hidrológica e análise de frequência é a aplicação da teoria da probabilidade e da estatística a dados hidrológicos para descrever sua variabilidade e estimar a magnitude e a probabilidade de eventos, especialmente extremos, para fins de projeto e avaliação de risco.

Scope

Este tópico abrange distribuições de probabilidade para variáveis hidrológicas, estimação de parâmetros, incluindo L-momentos, análise de frequência e frequência regional de extremos, e a suposição de estacionaridade. Ele fornece a base estatística para os valores de projeto usados em toda a hidrologia, incluindo a estimativa de inundações e secas.

Core questions

• Como as variáveis hidrológicas são descritas por distribuições de probabilidade?
• Como os parâmetros de distribuição são estimados de forma confiável a partir de registros curtos?
• Como a análise de frequência é estendida regionalmente e para locais não monitorados?
• A suposição de estacionaridade é válida sob mudança?

Key concepts

• Distribuições de probabilidade em hidrologia
• Período de retorno e quantis
• Estimação de parâmetros e L-momentos
• Análise de frequência regional
• Estacionaridade e não estacionaridade
• Hidrologia estocástica

Key theories

Análise de frequência de extremos

Extremos hidrológicos são modelados com distribuições de probabilidade cujos quantis fornecem valores de projeto; a prática sólida aborda a escolha da distribuição, a estimação de parâmetros e o tratamento de valores atípicos e registros curtos.

Análise de frequência regional com L-momentos

A agregação de dados de muitos locais e o uso de L-momentos produzem estimativas mais robustas de quantis extremos do que a análise local, melhorando a estimação em locais com registros curtos ou inexistentes.

Não estacionaridade

As mudanças climáticas e no uso do solo podem violar a suposição de estacionaridade subjacente à análise de frequência tradicional, levando a apelos para desenvolver métodos que considerem tendências e riscos variáveis.

Clinical relevance

A estatística hidrológica fornece os valores de vazões de projeto para inundações, vazões mínimas e precipitação usados para dimensionar e regular infraestruturas, precificar seguros contra inundações e planejar recursos hídricos; o debate sobre a estacionaridade afeta diretamente como esses valores de projeto são estimados sob um clima em mudança.

History

A hidrologia estatística cresceu com a teoria de valores extremos e o alongamento dos registros ao longo do século XX; os métodos regionais de L-momentos melhoraram a estimação na década de 1990, e o argumento de 2008 de que 'a estacionaridade está morta' cristalizou a preocupação de que as mudanças climáticas minam uma suposição central da análise de frequência.

Debates

Estacionaridade sob mudanças climáticas

Um debate central é se a suposição de estacionaridade, de longa data, permanece defensável para o projeto e, caso contrário, como incorporar a não estacionaridade e a incerteza profunda na análise de frequência e na gestão da água.

Key figures

• Jery R. Stedinger
• Jonathan R. M. Hosking
• P. C. D. Milly

Seminal works

• stedinger1993
• hosking1997
• milly2008

Frequently asked questions

Por que usar a análise de frequência regional?

Locais individuais frequentemente possuem registros curtos, tornando as estimativas de eventos raros não confiáveis; a agregação de dados de locais hidrologicamente semelhantes, por exemplo com L-momentos, utiliza informações de toda a região para produzir estimativas mais estáveis de quantis extremos.

O que significa 'a estacionaridade está morta' para a hidrologia?

Expressa a preocupação de que as mudanças climáticas e no uso do solo fazem com que o passado não seja mais um guia confiável para o futuro, de modo que as análises de frequência que assumem uma distribuição de probabilidade inalterada podem subestimar o risco, motivando abordagens não estacionárias e baseadas em cenários.