Investigating the temporal variation of the scaling behavior in rainfall data measured in central Argentina by means of detrended fluctuation analysis

Telesca, Luciano; Pierini, Jorge Omar; Scian, Beatriz Viviana

doi:10.1016/j.physa.2011.08.042

Cited by 36 publications

(22 citation statements)

References 21 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…We selected a length of 40 years for the window after several evaluations on persistent temporal fluctuations (Telesca et al, 2012). These sub-periods guarantee the probability of occurrence of events every 20 years.…”

Section: Methodsmentioning

confidence: 99%

“…Missing data do not surpass 5% of the record length. The time series employed in this work correspond to the locations listed in Table I The same records were recently used by Pierini et al (2011) in order to perform a detrended fluctuation analysis and by Telesca et al (2012), among others, for investigating the temporal variation of the scaling behavior in rainfall data.…”

Section: Datamentioning

confidence: 99%

See 1 more Smart Citation

Variability and trends of extreme dry and wet seasonal precipitation in Argentina. A retrospective analysis

Scian¹,

Pierini²

2013

Atmósfera

View full text Add to dashboard Cite

RESUMENSe analiza la variabilidad de la precipitación estacional en sus valores medios y extremos para varias regiones de Argentina al norte de 39º S, empleando series mensuales de lluvia que se extienden desde 1860 hasta 2006. Las estaciones seleccionadas pueden considerarse representativas de diferentes regiones climáticas del país. El análisis se focaliza en la distribución de la lluvia, la tendencia estacional, los cambios en la varianza y los valores extremos, a fin de establecer la magnitud de la variabilidad climática estacional de las lluvias en una perspectiva histórica en el centro de Argentina. Los valores extremos se calcularon para una ventana móvil de 40 años definiendo estos valores para los niveles mayores/menores a los percentiles 80/20 (p = 0.80/0.20; 0.90/0.10; 0.95/0.05) de la distribución teórica gamma, seleccionada entre otras cinco distribuciones. Los parámetros de escala y forma de la distribución se calcularon empleando la estimación de máxima verosimilitud (MLE) y el método de remuestreo (bootstraping) para 1000 repeticiones. Las tendencias estacionales se calcularon para cada ventana, al igual que su significación estadística. El uso de una ventana móvil permitió establecer el periodo de cuatro décadas en el cual se verificó el mayor valor de la tendencia, ya sea positiva o negativa. De los resultados se desprende que hubo desplazamientos en las distribuciones de lluvia estacional así como cambios en los valores de retorno (RV) que se calcularon para una ocurrencia de una vez cada 5, 10 y 20 años. En general, las lluvias extremas de verano se incrementaron para toda la región. Los valores extremos húmedo/seco (W/D) de la estación estival correspondientes a los percentiles 90/10 para W/D, respectivamente, sufrieron incrementos significativos de acuerdo con la zona geográfica y el periodo. Sin embargo, se menciona como rasgo particular del verano la existencia de un periodo común a todas las estaciones con tendencias positivas, que se inicia con la ventana 1921-1960 y permanece hasta la última ventana analizada: 1967-2006. Este comportamiento no se observa en la estación de invierno para el oeste y centro de Argentina excepto en la zona representada por Bahía Blanca, para la cual el extremo D (del 10%) se incrementó a lo largo de todo el periodo de estudio. ABSTRACTThe variability in seasonal mean and extreme precipitation is analyzed for several regions of Argentina to the north of 39º S, using long-term monthly time series data which expand from 1860 to 2006. The selected locations can be considered as representative of different climatic regions. This work focuses on the analysis 4 B. Scian and J. Pierini of monthly rainfall distribution, significant seasonal trends, changes in variance and extreme monthly values, in order to establish the magnitude of the seasonal climatic rainfall variability through time for central Argentina. A 40-yr moving window was employed in order to analyze seasonal variability of rainfall extremes. Extremes were computed for different probability levels of ...

show abstract

Section: Methodsmentioning

confidence: 99%

Section: Datamentioning

confidence: 99%

Variability and trends of extreme dry and wet seasonal precipitation in Argentina. A retrospective analysis

Scian¹,

Pierini²

2013

Atmósfera

View full text Add to dashboard Cite

show abstract

“…(with Hurst exponent h = 0.5) that are generated by ARMA processes, there are no universal properties we can obtain. 5 The distribution and the correlation structure of recurrence intervals both depend on the parameters of the model and the 6 threshold of rare events. Science (61371130, 61304145) and Beijing National Science (4122059) is gratefully acknowledged.…”

Section: Long-range Anti-persistent Recordsmentioning

confidence: 99%

Universal and non-universal properties of recurrence intervals of rare events

Zhao

Shang

Lin

2016

Physica A: Statistical Mechanics and its Applications

View full text Add to dashboard Cite

“…Meanwhile, small value range of q can not reflect the fractal features well. According to references (de Moura et al, 2009;Kantelha rdt et al, 2002;Telesca et al, 2012a;Telesca et al, 2012b), fractal spectrums are calculated for q in the range À10 6 q 6 10. H (q) in the Table 2 which gives the multifractal analysis results is the analysis results after time series reorganiz ation (generating surrogate time series).…”

Section: Multifracta L Analysis Of Dam's Displacement Time Seriesmentioning

confidence: 99%

“…long-range correlations on small scales and another type of correlations or uncorrelated behavior on larger scales (Kantelhardt et al, 2002;Telesca, Lovallo, LopezMoreno, & Vicente-Serrano, 2012a;Telesca, Pierini, & Scian, 2012b). A multifractal object requires many indices to characterize its scaling properties.…”

Section: Introductionmentioning

confidence: 99%