Estimación de umbrales de lluvia para la ocurrencia de movimientos en masa a partir de datos diarios grillados en el Perú

Abstract

El objetivo de este trabajo fue generar y evaluar umbrales de lluvia regionales obtenidos a partir de la combinación de datos de precipitación grillada de alta resolución (PISCOpd_Op) desarrollado por el Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI) y la información de eventos observados de movimientos en masa desencadenados por llu vias (ML) para obtener umbrales regionales de lluvia. Los datos de eventos de ML se rela cionaron con las lluvias desencadenantes y no desencadenantes de estos eventos, obtenién dose propiedades de los eventos de lluvia a partir de los cuales se determinaron umbrales de lluvia. Se realizó una validación del desempeño de los umbrales con eventos ocurridos durante el año 2020 enfocado en evaluar la operatividad de estos umbrales en sistemas de alerta frente a ML en Perú. La determinación de umbrales se realizó para 11 regiones ho mogéneas determinados en base a las precipitaciones máximas para todo el Perú. El método de determinación de los umbrales fue bajo un enfoque empíricoestadístico; y el rendimiento predictivo de los umbrales se evaluó a partir del “True Skill Statistic” (TSS) y la distancia radial en el espacio de la Curva ROC. El mejor rendimiento predictivo se obtuvo mediante la curva de umbral intensidad mediaduración Imean −D seguido por la lluvia acumulada E. Este trabajo, es la primera aproximación de estimación de umbrales regionales a escala del Perú para entender los movimientos en masa (MM) y los resultados obtenidos serán utiliza dos para el monitoreo y pronóstico de MM causados por lluvias intensas para soportar las acciones de Gestión de Riesgos de Desastres

This work aims to generate and evaluate regional rainfall thresholds obtained from a combi nation of highresolution gridded rainfall data, developed by the National Service of Meteo rology and Hydrology of Peru, and information from observed shallow landslide events. The landslide data were associated with rainfall data, determining triggering and nontriggering rainfall events with rainfall properties from which rainfall thresholds are determined. The validation of the performance of the thresholds is carried out with events that occurred dur ing 2020 and focuses on evaluating the operability of these thresholds in landslide warning systems in Peru. The thresholds are determined for 11 rainfall regions. The method of deter mining the thresholds is based on an empirical–statistical approach, and the predictive perfor manceofthethresholdsisevaluated whittrue skill statistics. The best predictive performance is the mean daily intensityduration (Imean − D) threshold curve, followed by accumulated rainfall E. This work is the first estimation of regional thresholds on a country scale to better understand landslides in Peru, and the results obtained reveal the potential of using thresh olds in the monitoring and forecasting of shallow landslides caused by intense rainfall and in supporting the actions of disaster risk management