Herramienta tecnológica para el análisis de datos pluviométricos

Technological tool for the analysis of rainfall data

Abstract Available Metrics References How to Cite

Abstract (es)

Actualmente, los fenómenos hidrometeorológicos representan un factor crítico en la ingeniería civil, ya que la variabilidad y el cambio climático inciden de manera directa en el diseño, construcción y mantenimiento de la infraestructura. En este contexto, los semilleros de investigación SIGRON y PEGASUS presentan una propuesta tecnológica basada en ciencia de datos para la estimación de lluvias de diseño a partir de registros pluviométricos del IDEAM en la localidad de Ciudad Bolívar en Bogotá. Los datos diarios fueron depurados y procesados en Python para conformar series de máximos anuales, sobre las cuales se ajustó una distribución Generalizada de Valores Extremos (GEV). El modelo permite calcular precipitaciones de diseño asociadas a diferentes periodos de retorno (2, 5, 10, 25, 50 y 100 años), incorporando además intervalos de confianza mediante bootstrap para cuantificar la incertidumbre. Como resultado, se logra una herramienta reproducible que combina procesamiento automatizado, análisis probabilístico y visualización gráfica, ofreciendo a los ingenieros civiles una base más robusta para la planificación y gestión del riesgo frente a eventos de precipitación extrema.

Abstract (en)

Currently, hydrometeorological phenomena are a critical factor in civil engineering, since climate variability and change directly affect the design, construction, and maintenance of infrastructure. In this context, the research groups SIGRON and PEGASUS present a data science–based proposal for the estimation of design rainfall from IDEAM records in the locality of Ciudad Bolívar, Bogotá. Daily data were cleaned and processed in Python to construct annual maximum series, on which a Generalized Extreme Value (GEV) distribution was fitted. The model allows the calculation of design rainfall associated with different return periods (2, 5, 10, 25, 50, and 100 years), while also incorporating confidence intervals via bootstrap to quantify uncertainty. As a result, a reproducible tool is achieved that combines automated processing, probabilistic analysis, and graphical visualization, providing civil engineers with a more robust basis for planning and risk management in the face of extreme precipitation events.