Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos

Autores
Meis, Melanie; Saurral, Ramiro; Sued, Mariela; Menéndez, Patricia
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los eventos de precipitación extrema han aumentado globalmente y en Argentina en las últimas décadas (Hannart, 2015; Rivera, 2021), desafiando modelos predictivos y políticas de gestión. Mientras que los estudios tradicionales analizan variables atmosféricas de forma aislada, el enfoque actual busca integrar múltiples procesos para comprender mejor las anomalías de precipitación. En este marco, se propone una metodología que combina modelos de series temporales y regresión por cuantiles, utilizando la temperatura máxima diaria como predictora. Este enfoque permite identificar patrones físicos, comprender la covariabilidad entre variables y mejorar la regionalización de eventos extremos (Meis et al., 2024).
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Meteorología
Eventos extremos
Sistema de alerta
Covariabilidad climática
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/193329
Acceder
id SEDICI_1a08576a57b9f9773edcdb48ca59ea78
oai_identifier_str oai:sedici.unlp.edu.ar:10915/193329
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremosMeis, MelanieSaurral, RamiroSued, MarielaMenéndez, PatriciaMeteorologíaEventos extremosSistema de alertaCovariabilidad climáticaLos eventos de precipitación extrema han aumentado globalmente y en Argentina en las últimas décadas (Hannart, 2015; Rivera, 2021), desafiando modelos predictivos y políticas de gestión. Mientras que los estudios tradicionales analizan variables atmosféricas de forma aislada, el enfoque actual busca integrar múltiples procesos para comprender mejor las anomalías de precipitación. En este marco, se propone una metodología que combina modelos de series temporales y regresión por cuantiles, utilizando la temperatura máxima diaria como predictora. Este enfoque permite identificar patrones físicos, comprender la covariabilidad entre variables y mejorar la regionalización de eventos extremos (Meis et al., 2024).Facultad de Ciencias Astronómicas y Geofísicas2025info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/193329spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A1_T005.pdfinfo:eu-repo/semantics/reference/hdl/10915/193317info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-05-06T13:00:42Zoai:sedici.unlp.edu.ar:10915/193329Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-05-06 13:00:42.982SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos
title Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos
spellingShingle Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos
Meis, Melanie
Meteorología
Eventos extremos
Sistema de alerta
Covariabilidad climática
title_short Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos
title_full Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos
title_fullStr Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos
title_full_unstemmed Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos
title_sort Regionalización de la precipitación extrema en Argentina basada en la temperatura máxima mediante un innovador enfoque de análisis de extremos
dc.creator.none.fl_str_mv Meis, Melanie
Saurral, Ramiro
Sued, Mariela
Menéndez, Patricia
author Meis, Melanie
author_facet Meis, Melanie
Saurral, Ramiro
Sued, Mariela
Menéndez, Patricia
author_role author
author2 Saurral, Ramiro
Sued, Mariela
Menéndez, Patricia
author2_role author
author
author
dc.subject.none.fl_str_mv Meteorología
Eventos extremos
Sistema de alerta
Covariabilidad climática
topic Meteorología
Eventos extremos
Sistema de alerta
Covariabilidad climática
dc.description.none.fl_txt_mv Los eventos de precipitación extrema han aumentado globalmente y en Argentina en las últimas décadas (Hannart, 2015; Rivera, 2021), desafiando modelos predictivos y políticas de gestión. Mientras que los estudios tradicionales analizan variables atmosféricas de forma aislada, el enfoque actual busca integrar múltiples procesos para comprender mejor las anomalías de precipitación. En este marco, se propone una metodología que combina modelos de series temporales y regresión por cuantiles, utilizando la temperatura máxima diaria como predictora. Este enfoque permite identificar patrones físicos, comprender la covariabilidad entre variables y mejorar la regionalización de eventos extremos (Meis et al., 2024).
Facultad de Ciencias Astronómicas y Geofísicas
description Los eventos de precipitación extrema han aumentado globalmente y en Argentina en las últimas décadas (Hannart, 2015; Rivera, 2021), desafiando modelos predictivos y políticas de gestión. Mientras que los estudios tradicionales analizan variables atmosféricas de forma aislada, el enfoque actual busca integrar múltiples procesos para comprender mejor las anomalías de precipitación. En este marco, se propone una metodología que combina modelos de series temporales y regresión por cuantiles, utilizando la temperatura máxima diaria como predictora. Este enfoque permite identificar patrones físicos, comprender la covariabilidad entre variables y mejorar la regionalización de eventos extremos (Meis et al., 2024).
publishDate 2025
dc.date.none.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/193329
url http://sedici.unlp.edu.ar/handle/10915/193329
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4
info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A1_T005.pdf
info:eu-repo/semantics/reference/hdl/10915/193317
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1864469144954470400
score 13.1485815

Publicaciones similares