stringtranslate.com

Modelo empírico estocástico de carga y dilución

El modelo estocástico empírico de carga y dilución ( SELDM ) [1] [2] [3] es un modelo de calidad de aguas pluviales . SELDM está diseñado para transformar datos científicos complejos en información significativa sobre el riesgo de efectos adversos de la escorrentía en las aguas receptoras, la necesidad potencial de medidas de mitigación y la eficacia potencial de tales medidas de gestión para reducir estos riesgos. El Servicio Geológico de Estados Unidos desarrolló SELDM en cooperación con la Administración Federal de Carreteras para ayudar a desarrollar estimaciones a nivel de planificación de concentraciones medias de eventos, flujos y cargas en aguas pluviales de un sitio de interés y de una cuenca aguas arriba. SELDM utiliza información sobre un sitio de carretera, la cuenca receptora de agua asociada, eventos de precipitación, flujo de tormenta, calidad del agua y el desempeño de las medidas de mitigación para producir una población estocástica de variables de calidad de escorrentía. Aunque SELDM es, nominalmente, un modelo de escorrentía de carreteras, también se puede utilizar para estimar concentraciones de flujos y cargas de constituyentes de calidad de escorrentía de otras áreas de uso de la tierra. El SELDM fue desarrollado por el Servicio Geológico de los Estados Unidos , por lo que el modelo, el código fuente y toda la documentación relacionada se proporcionan libres de cualquier restricción de derechos de autor de acuerdo con las leyes de derechos de autor de los Estados Unidos y el Aviso de derechos de usuario del software del USGS. El SELDM se utiliza ampliamente para evaluar el efecto potencial de la escorrentía de carreteras, puentes y áreas desarrolladas en la calidad del agua receptora con y sin el uso de medidas de mitigación. [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] Los profesionales de aguas pluviales que evalúan la escorrentía de las carreteras suelen utilizar datos de la Base de datos de escorrentía de carreteras (HRDB) con el SELDM para evaluar los riesgos de efectos adversos de la escorrentía en las aguas receptoras. [ 13 ] [14] [15] [16]

SELDM es un modelo de balance de masa estocástico . [17] [18] [19] Un enfoque de balance de masa (figura 1) se aplica comúnmente para estimar las concentraciones y cargas de los componentes de la calidad del agua en las aguas receptoras aguas abajo de un emisario de escorrentía urbana o de una carretera. En un modelo de balance de masa, las cargas de la cuenca aguas arriba y el área de la fuente de escorrentía se suman para calcular la descarga, la concentración y la carga en el agua receptora aguas abajo del punto de descarga.

Figura 1. Diagrama esquemático que muestra el enfoque de balance de masa estocástico para estimar el caudal de tormenta, la concentración y las cargas de componentes de la calidad del agua aguas arriba del emisario de escorrentía de una carretera, desde la carretera y aguas abajo del emisario.

SELDM puede realizar un análisis de cuenca fluvial y un análisis de cuenca lacustre. El análisis de cuenca fluvial utiliza un análisis de balance de masa estocástico basado en simulaciones de varios años que incluyen cientos a miles de eventos de escorrentía. SELDM genera valores de eventos de tormenta para el sitio de interés (el sitio de la carretera) y la corriente receptora aguas arriba para calcular flujos, concentraciones y cargas en la corriente receptora aguas abajo del emisario de aguas pluviales. El análisis de cuenca lacustre también es un análisis de balance de masa estocástico de varios años. El análisis de cuenca lacustre utiliza las cargas de la carretera que ocurren durante los períodos de escorrentía, las cargas anuales totales de la cuenca lacustre para calcular las cargas anuales hacia y desde el lago. El análisis de cuenca lacustre utiliza el volumen del lago y factores de atenuación específicos de los contaminantes para calcular una población de concentraciones lacustres promedio anuales.

Los caudales y cargas anuales que calcula SELDM para los análisis de arroyos y lagos también se pueden utilizar para estimar las cargas máximas diarias totales (TMDL) para el sitio de interés y la cuenca del lago aguas arriba. [13] [20] [21] [22] [23] La TMDL se puede basar en el promedio de las cargas anuales porque el producto de la carga promedio por el número de años de registro será la carga total total para ese período de registro (simulado). La variabilidad en los valores anuales se puede utilizar para estimar el riesgo de excedencia y el margen de seguridad para el análisis de TMDL.

Descripción del modelo

El SELDM es un modelo estocástico porque utiliza métodos de Monte Carlo para producir las combinaciones aleatorias de valores de variables de entrada necesarias para generar la población estocástica de valores para cada variable componente. [1] El SELDM calcula la dilución de la escorrentía en las aguas receptoras y las concentraciones medias de los eventos resultantes aguas abajo y las concentraciones medias anuales en el lago. Los resultados se clasifican y se calculan las posiciones de los gráficos para indicar el nivel de riesgo de efectos adversos causados ​​por las concentraciones de escorrentía, los flujos y las cargas en las aguas receptoras por tormenta y por año. A diferencia de los modelos hidrológicos deterministas, el SELDM no se calibra modificando los valores de las variables de entrada para que coincidan con un registro histórico de valores. En cambio, los valores de entrada para el SELDM se basan en las características del sitio y en las estadísticas representativas de cada variable hidrológica. Por lo tanto, el SELDM es un modelo empírico basado en datos y estadísticas en lugar de ecuaciones fisicoquímicas teóricas. [ cita requerida ]

El SELDM es un modelo de parámetros agrupados porque el sitio de la carretera, la cuenca aguas arriba y la cuenca del lago se representan como una sola unidad homogénea. [1] Cada una de estas áreas de origen está representada por propiedades promedio de la cuenca, y los resultados del SELDM se calculan como estimaciones puntuales para el sitio de interés. El uso del enfoque de parámetros agrupados facilita la especificación rápida de los parámetros del modelo para desarrollar estimaciones a nivel de planificación con los datos disponibles. El enfoque permite la parsimonia en las entradas y salidas requeridas del modelo y flexibilidad en el uso del modelo. Por ejemplo, el SELDM se puede utilizar para modelar la escorrentía de varias coberturas terrestres o usos del suelo utilizando la definición del sitio de la carretera siempre que se disponga de datos representativos de la calidad del agua y de la fracción impermeable. [ cita requerida ]

El SELDM es fácil de usar porque tiene una interfaz gráfica de usuario sencilla y porque gran parte de la información y los datos necesarios para ejecutar el SELDM están integrados en el modelo. [1] El SELDM proporciona estadísticas de entrada para la precipitación, el caudal previo a la tormenta, los coeficientes de escorrentía y las concentraciones de componentes seleccionados de la calidad del agua a partir de conjuntos de datos nacionales. Las estadísticas de entrada se pueden seleccionar en función de la latitud, la longitud y las características físicas del sitio de interés y de la cuenca aguas arriba. El usuario también puede derivar e ingresar estadísticas para cada variable que sean específicas de un sitio de interés determinado o de un área determinada. Se recopilaron información y datos de cientos a miles de sitios en todo el país para facilitar el uso del SELDM. [24] [25] [26] [27] La ​​mayoría de los datos de entrada necesarios se obtienen definiendo la ubicación del sitio de interés y cinco propiedades simples de la cuenca. Estas propiedades de la cuenca son el área de drenaje, la longitud de la cuenca, la pendiente de la cuenca, la fracción impermeable y el factor de desarrollo de la cuenca [1] [28] [29]

SELDM modela el efecto potencial de las medidas de mitigación utilizando métodos de Monte Carlo con estadísticas que aproximan los efectos netos de las mejores prácticas de gestión (BMP) estructurales y no estructurales. [1] [13] [30] [31] . Las BMP estructurales se definen como los componentes de la vía de drenaje entre la fuente de escorrentía y una ubicación de descarga de aguas pluviales que afectan el volumen, el tiempo o la calidad de la escorrentía. SELDM utiliza un modelo estadístico estocástico simple del desempeño de las BMP para desarrollar estimaciones a nivel de planificación de las características de los eventos de escorrentía. Este enfoque estadístico se puede utilizar para representar una sola BMP o un conjunto de BMP. El módulo de tratamiento de BMP de SELDM tiene disposiciones para el modelado estocástico de tres tratamientos de aguas pluviales: reducción de volumen, extensión del hidrograma y tratamiento de la calidad del agua. En SELDM, estas tres variables de tratamiento se modelan utilizando la distribución trapezoidal [32] y la correlación de rango [33] con las variables asociadas a la escorrentía de la carretera. Este informe describe métodos para calcular las estadísticas de distribución trapezoidal y los coeficientes de correlación de rangos para el modelado estocástico de la reducción de volumen, la extensión del hidrograma y el tratamiento de la calidad del agua mediante BMP estructurales para aguas pluviales y proporciona los valores calculados para estas variables. Estas estadísticas son diferentes de las estadísticas que se utilizan comúnmente para caracterizar o comparar BMP. Están diseñadas para proporcionar una función de transferencia estocástica para aproximar la cantidad, la duración y la calidad del efluente de BMP dados los valores de entrada asociados para una población de eventos de tormenta. [ cita requerida ]

Interfaz del modelo

SELDM fue desarrollado como una aplicación de software de base de datos Microsoft Access ® para facilitar el almacenamiento, manejo y uso del conjunto de datos hidrológicos con una interfaz gráfica de usuario (GUI) simple. [1] La GUI del programa, controlada por menús, utiliza controles de interfaz estándar de Microsoft Visual Basic for Applications ® (VBA) para facilitar la entrada, el procesamiento y la salida de datos. El Apéndice 4 del manual de SELDM [1] tiene instrucciones detalladas para usar la GUI.

La interfaz de usuario de SELDM tiene uno o más formularios de GUI que se utilizan para ingresar cuatro categorías de datos de entrada, que incluyen documentación, información del sitio y la región, estadísticas hidrológicas y datos de calidad del agua. Los datos de documentación incluyen información sobre el analista, el proyecto y el análisis. Los datos del sitio y la región incluyen las características del sitio de la carretera, las ecorregiones , las características de la cuenca aguas arriba y, si se selecciona un análisis del lago, las características de la cuenca del lago. Los datos hidrológicos incluyen estadísticas de precipitación, caudal y coeficiente de escorrentía. Los datos de calidad del agua incluyen estadísticas de calidad de escorrentía de la carretera, estadísticas de calidad del agua aguas arriba, definiciones de calidad del agua aguas abajo y estadísticas de rendimiento de BMP. También hay un formulario de GUI para ejecutar el modelo y acceder al conjunto distinto de archivos de salida. La interfaz de SELDM está diseñada para llenar la base de datos con datos y estadísticas para el análisis y para especificar las variables de índice que utiliza el programa para consultar la base de datos cuando se ejecuta SELDM. Es necesario recorrer los formularios de entrada cada vez que se ejecuta un análisis. [ cita requerida ]

Salida del modelo

Los resultados de cada análisis de SELDM se escriben en 5 a 10 archivos de salida, según las opciones que se seleccionaron durante el proceso de especificación del análisis. Los cinco archivos de salida que se crean para cada ejecución del modelo son la documentación de salida, la calidad de la escorrentía de la carretera, la escorrentía anual de la carretera, los eventos de precipitación y el archivo de caudal de tormenta. Si se seleccionan las opciones de salida Cuenca de arroyo o Cuenca de arroyo y lago, también se crean los archivos de caudal de corriente anterior a la tormenta y factor de dilución. Si se seleccionan estas mismas dos opciones de salida y, además, se definen uno o más pares de calidad del agua aguas abajo mediante el menú de calidad del agua, entonces SELDM también crea los archivos de salida de calidad del agua aguas arriba y calidad del agua aguas abajo. Si se selecciona la opción Salida de cuenca de arroyo y lago o Salida de cuenca de lago, y se definen uno o más pares de calidad del agua aguas abajo mediante el menú de calidad del agua, entonces se crea el archivo de salida de Análisis de lago cuando se ejecuta el Análisis de cuenca de lago. Los archivos de salida se escriben como archivos de texto ASCII delimitados por tabulaciones en un formato de base de datos relacional (RDB) que se puede importar a muchos paquetes de software. Esta salida está diseñada para facilitar el análisis posterior al modelado y la presentación de resultados. [ cita requerida ]

El beneficio del análisis de Monte Carlo no es disminuir la incertidumbre en las estadísticas de entrada, sino representar las diferentes combinaciones de las variables que determinan los riesgos potenciales de las variaciones de la calidad del agua. SELDM proporciona un método para la evaluación rápida de información que de otro modo sería difícil o imposible de obtener, ya que modela las interacciones entre las variables hidrológicas (con diferentes distribuciones de probabilidad) que dan como resultado una población de valores que representan los resultados probables a largo plazo de los procesos de escorrentía y los efectos potenciales de diferentes medidas de mitigación. SELDM también proporciona los medios para realizar rápidamente análisis de sensibilidad para determinar los efectos potenciales de diferentes supuestos de entrada sobre los riesgos de variaciones de la calidad del agua. SELDM produce una población de eventos de tormenta y valores anuales para abordar las preguntas sobre la frecuencia, magnitud y duración potenciales de las variaciones de la calidad del agua. El resultado representa una colección de eventos aleatorios en lugar de una serie temporal. Cada tormenta que se genera en SELDM se identifica por el número de secuencia y el año de contabilidad de carga anual. El modelo genera cada tormenta aleatoriamente; no hay correlación serial y el orden de las tormentas no refleja patrones estacionales. Los años de contabilidad de carga anual, que son simplemente colecciones aleatorias de eventos generados con la suma de los tiempos de intervención de tormentas menores o iguales a un año, se utilizan para generar flujos y cargas anuales en las carreteras para el análisis TMDL y el análisis de la cuenca del lago. [ cita requerida ]

En 2019, el USGS desarrolló un posprocesador modelo para SELDM para facilitar el análisis y la representación gráfica de los resultados de las simulaciones de SELDM; ese software, conocido como InterpretSELDM, está disponible en el dominio público en un sitio ScienceBase del USGS. [34]

Historia

El SELDM se desarrolló entre 2010 y 2013 y se publicó como versión 1.0.0 en marzo de 2013. Se descubrió un pequeño problema con el algoritmo utilizado para calcular las curvas de transporte en sentido ascendente y en la cuenca del lago y se publicó la versión 1.0.1 en julio de 2013. La versión 1.0.2 se publicó en junio de 2016 para utilizar la fórmula de posición de trazado de Cunnane para todos los archivos de salida. La versión 1.0.3 se publicó en julio de 2018 para abordar problemas con los cálculos de carga para constituyentes con concentraciones de nanogramos por litro o picogramos por litro y para abordar otros problemas diversos. La versión 1.1.0 se lanzó en mayo de 2021 para agregar procesamiento por lotes, cambiar la duración de la escorrentía de la carretera utilizada para las curvas de transporte ascendente de la duración de la descarga, que podría variar de BMP a BMP, a la duración y el volumen simultáneos de la escorrentía, y corregir un problema que permitía a los usuarios simular una variable dependiente en un análisis de lago sin la variable explicativa, lo que causaba un error. La versión 1.1.1 se lanzó en diciembre de 2022 para hacer que SELDM sea compatible con las versiones de 32 y 64 bits de Microsoft Office; esta versión tiene la capacidad de simular contaminantes emergentes, incluidos microplásticos , PFAS/PFOS (consulte Sustancias perfluoroalquiladas y polifluoroalquiladas y Ácido perfluorooctanosulfónico ) y productos químicos para neumáticos (consulte Fabricación de neumáticos , Contaminación por caucho y 6PPD ). El código para SELDM es de código abierto y de dominio público que se puede descargar desde la página de soporte del software SELDM. [35]

Véase también

Referencias

  1. ^ abcdefgh Granato, GE, 2013, Modelo empírico estocástico de carga y dilución (SELDM) versión 1.0.0: US Geological Survey Techniques and Methods, libro 4, cap. C3, 112 p. http://pubs.usgs.gov/tm/04/c03/
  2. ^ Granato, GE, 2014, SELDM: Modelo de dilución y carga empírica estocástica versión 1.0.3 Página de soporte de software disponible en https://doi.org/10.5066/F7TT4P3G
  3. ^ Granato, GE, 2022, Archivo de software del modelo de dilución y carga empírica estocástica (SELDM) (versión 1.1.1): lanzamiento del software del Servicio Geológico de Estados Unidos, https://doi.org/10.5066/P9PYG7T5.
  4. ^ Risley, JC, y Granato, GE, 2014, Evaluación de los efectos potenciales de la escorrentía de las carreteras sobre la calidad del agua receptora en sitios seleccionados en Oregón con el modelo estocástico empírico de carga y dilución (SELDM): Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2014–5099, 74 p.
  5. ^ Granato, GE y Jones, SC, 2017, Estimación de riesgos de excedencias de la calidad del agua en términos de cobre total proveniente de la escorrentía de carreteras y zonas urbanas en condiciones previas al desarrollo y actuales con el Modelo Estocástico de Carga y Dilución Empírica (SELDM): en Actas del Congreso Mundial de Medio Ambiente y Recursos Hídricos de 2017, Sacramento, CA, 21 al 25 de mayo de 2017, Reston, VA, Sociedad Estadounidense de Ingenieros Civiles, 15 p. http://ascelibrary.org/doi/abs/10.1061/9780784480601.028
  6. ^ Smith, KP, Sorenson, JR y Granato, GE, 2018, Caracterización de la escorrentía de aguas pluviales de los puentes en el este de Massachusetts, 2014-16: Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2018-5033, 73 p., https://doi.org/10.3133/sir20185033
  7. ^ Granato, GE y Jones, SC, 2015, Estimación de los riesgos de efectos adversos del fósforo total en corrientes receptoras con el Modelo Estocástico Empírico de Carga y Dilución (SELDM) en Actas de la Conferencia Internacional de 2015 sobre Ecología y Transporte (ICOET 2015), 20 al 24 de septiembre de 2015, Raleigh, Carolina del Norte: Raleigh, Carolina del Norte, Centro para el Transporte y el Medio Ambiente, 18 p.
  8. ^ Stonewall, AJ, Granato, GE y Glover-Cutter, KM, 2019, Evaluación de los efectos potenciales de la escorrentía de carreteras y zonas urbanas en los arroyos receptores en cuencas hidrográficas de carga diaria máxima total en Oregón utilizando el modelo estocástico empírico de carga y dilución: Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2019–5053, 116 p., https://doi.org/10.3133/sir20195053.
  9. ^ Weaver, JC, Granato, GE y Fitzgerald, SA, 2019, Evaluación de la calidad del agua proveniente de la escorrentía de las carreteras en sitios seleccionados de Carolina del Norte con el modelo estocástico de carga y dilución empírica (SELDM): Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2019–5031, 99 p., https://doi.org/10.3133/sir20195031
  10. ^ Jeznach, LC y Granato, GE, 2020, Comparación de las concentraciones de fósforo total simuladas por SELDM con los criterios de área ecológica impermeable: Journal of Environmental Engineering: v. 146, No. 8, 10 p. https://doi.org/10.1061/(ASCE)EE.1943-7870.0001763
  11. ^ Stonewall, AJ, Yates, MC y Granato, GE, 2022, Evaluación del impacto de la aplicación de cloruro anticongelante en el paso Siskiyou, sur de Oregón: Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2022–5091, 94 p., https://doi.org/10.3133/sir20225091
  12. ^ Granato, GE, Spaetzel, AB y Jeznach, LC, 2022, Archivo de modelos para el análisis de flujos, concentraciones y cargas de escorrentía de carreteras y zonas urbanas y aguas pluviales de arroyos receptores en el sur de Nueva Inglaterra con el modelo estocástico empírico de carga y dilución (SELDM): publicación de datos del Servicio Geológico de Estados Unidos, https://doi.org/10.5066/P9CZNIH5
  13. ^ abcd Granato, GE, Spaetzel, AB y Jeznach, LC, 2023, Enfoques para evaluar flujos, concentraciones y cargas de escorrentía de carreteras y zonas urbanas y aguas pluviales de arroyos receptores en el sur de Nueva Inglaterra con el modelo estocástico empírico de carga y dilución (SELDM): Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2023–5087, 152 p., https://doi.org/10.3133/sir20235087.
  14. ^ Granato, GE y Jones, SC, 2019, Simulación de la calidad de la escorrentía con la base de datos Highway-Runoff y el modelo estocástico empírico de carga y dilución: Transportation Research Record, Journal of the Transportation Research Board, v. 2673, no. 1, p. 136-142, https://doi.org/10.1177/0361198118822821
  15. ^ Granato, GE, 2019, Base de datos de escorrentía en carreteras (HRDB), versión 1.1.0: publicación de datos del Servicio Geológico de Estados Unidos, https://doi.org/10.5066/P94VL32J
  16. ^ Jeznach, LC, Granato, GE, Sharar-Salgado, D., Jones, SC, e Imig, D., 2023, Evaluación de los efectos potenciales del cambio climático en los flujos y cargas de escorrentía de las carreteras en el sur de Nueva Inglaterra mediante análisis de espacio-tiempo a nivel de planificación: Transportation Research Record, v. 2677, no. 7, p. 570–581, https://doi.org/10.1177/03611981231155183.
  17. ^ Di Toro, DM, 1984, Modelo de probabilidad de la calidad de los arroyos debido a la escorrentía: Journal of Environmental Engineering, v. 110, no. 3, p. 607–628.
  18. ^ Warn, AE, y Brew, JS, 1980, Balance de masa: Water Research, v. 14, pág. 1427–1434.
  19. ^ Schwartz, SS, y Naiman, DQ, 1999, Sesgo y varianza de las estimaciones a nivel de planificación de las cargas contaminantes: Water Resources Research, v. 35, no. 11, p. 3475–3487.
  20. ^ Granato, GE y Jones, SC, 2017, Estimación de cargas diarias máximas totales con el modelo estocástico de carga empírica y dilución: Transportation Research Record, Journal of the Transportation Research Board, n.º 2638, pág. 104-112. https://doi.org/10.3141/2638-12
  21. ^ Stonewall, AJ, Granato, GE y Haluska, TL, 2018, Evaluación de las contribuciones de las carreteras a los flujos, concentraciones y cargas de aguas pluviales mediante la aplicación StreamStats: Transportation Research Record, Journal of the Transportation Research Board, 9 p. https://doi.org/10.1177/0361198118758679
  22. ^ Academias Nacionales de Ciencias, Ingeniería y Medicina, 2019, Enfoques para determinar y cumplir con los requisitos de la TMDL relacionados con la escorrentía de aguas pluviales en las carreteras. Washington, DC, The National Academies Press, 150 pág. https://doi.org/10.17226/25473
  23. ^ Granato, GE y Friesz, PJ, 2021, Enfoques para evaluar los rendimientos anuales a largo plazo de la escorrentía de carreteras y zonas urbanas en áreas seleccionadas de California con el modelo estocástico de carga empírica y dilución (SELDM): Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2021–5043, 37 p., https://doi.org/10.3133/sir20215043
  24. ^ Granato, GE y Cazenas, PA, 2009, Highway-Runoff Database (HRDB versión 1.0): un almacén de datos y preprocesador para el modelo estocástico de carga y dilución empírica: Washington, DC, Departamento de Transporte de EE. UU., Administración Federal de Carreteras, FHWA-HEP-09-004, 57 p.
  25. ^ Granato, GE, Carlson, CS y Sniderman, BS, 2009, Métodos para el desarrollo de estimaciones de calidad de agua de arroyos a nivel de planificación en sitios no monitoreados en los Estados Unidos limítrofes: Washington, DC, Departamento de Transporte de los Estados Unidos, Administración Federal de Carreteras, FHWA-HEP-09-003, 53 p.
  26. ^ Granato, GE, 2010, Métodos para el desarrollo de estimaciones a nivel de planificación del flujo de tormenta en sitios no monitoreados en los Estados Unidos limítrofes: Washington, DC, Departamento de Transporte de los Estados Unidos, Administración Federal de Carreteras, FHWA-HEP-09-005, 90 p.
  27. ^ Smith, KP, y Granato, GE, 2010, Calidad de la escorrentía de aguas pluviales descargadas en las carreteras de Massachusetts, 2005-07: Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2009-5269, 198 p.
  28. ^ Granato, GE, 2012, Estimación del tiempo de retardo de la cuenca y de los índices de sincronización del hidrograma utilizados para caracterizar los flujos de tormenta para el análisis de la calidad de la escorrentía: Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2012–5110, 47 p.
  29. ^ Stricker, VA, y Sauer, VB, 1982, Técnicas para estimar hidrogramas de inundaciones para cuencas urbanas no medidas: Informe de archivo abierto del Servicio Geológico de Estados Unidos 82–365, 24 p.
  30. ^ Granato, GE, 2014, Estadísticas para el modelado estocástico de la reducción de volumen, la extensión del hidrograma y el tratamiento de la calidad del agua mediante las mejores prácticas de gestión de la escorrentía pluvial estructural (BMP): Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2014–5037, 37 p., http://dx.doi.org/10.3133/sir20145037.
  31. ^ Granato, GE, Spaetzel, AB y Medalie, L., 2021, Métodos estadísticos para simular las mejores prácticas de gestión de la escorrentía de aguas pluviales estructurales (BMP) con el modelo estocástico de carga y dilución empírica (SELDM): Informe de investigaciones científicas del Servicio Geológico de Estados Unidos 2020–5136, 41 p., https://doi.org/10.3133/sir20205136.
  32. ^ Kacker, RN, y Lawrence, JF, 2007, Distribuciones trapezoidales y triangulares para la evaluación tipo B de la incertidumbre estándar: Metrologia, v. 44, no. 2, p. 117–127.
  33. ^ Helsel, DR, y Hirsch, RM, 2002, Métodos estadísticos en recursos hídricos: análisis hidrológico e interpretación: Técnicas de investigación de recursos hídricos del Servicio Geológico de Estados Unidos, libro 4, cap. A3, 510 págs.
  34. ^ Granato, GE, 2019, InterpretSELDM versión 1.0 Intérprete de salida del modelo de dilución y carga empírica estocástica (SELDM): versión del software del Servicio Geológico de Estados Unidos, https://doi.org/10.5066/P9395YHY.
  35. ^ Granato, GE, 2022, Archivo de software del modelo de dilución y carga empírica estocástica (SELDM): lanzamiento del software del Servicio Geológico de Estados Unidos, https://doi.org/10.5066/P9PYG7T5

Dominio público Este artículo incorpora material de dominio público de sitios web o documentos del Servicio Geológico de los Estados Unidos .

Enlaces externos