APLICACIN DE LOS ANLISIS DE REGRESIN Y LA INTERPOLACION ESPACIAL EN EL ESTUDIO DE EPISODIOS DE PRECIPITACIONES DIARIAS EN LA CUENCA DEL RETORTILLO (SIERRA MORENA).

Parrilla Alcal, E.1 y Ojeda Zjar, J.2

1) Departamento de Geografa, Historia y Filosofa. Universidad Pablo de Olavide. Ctra. Utrera km 1, Sevilla 41013. Tf.: 954348528, fax 954348359, eparalc@upo.es 2) Departamento de Geografa Fsica y A.G.R. Universidad de Sevilla. Palos de la Frontera 4, Sevilla 41004. Tf: 954551374, zujar@us.es

Palabras clave: precipitaciones diarias, anlisis distribuido, anlisis de regresin, interpolacin espacial, Embalse del Retortillo. Resumen

La informacin utilizada sobre precipitaciones procede tradicionalmente de las estaciones meteorolgicas, por lo que se hace necesario, siempre que se quieran realizar anlisis espacialmente distribuidos, convertir esta informacin discreta en continua, tarea que se realiza a travs de mtodos de interpolacin. Se han espacializado tres episodios diarios de precipitaciones a travs de la aplicacin de diferentes mtodos de interpolacin espacial (triangulacin, Idw y Spline), junto al anlisis de regresin (utilizando como variables explicativas la altimetra, cercana al NO, as como la cercana a estaciones meteorolgicas existentes), constatando sus diferencias, tanto estadsticas como espaciales. Como conclusin, hay que destacar la validez del uso de los anlisis de regresin en episodios concretos, as como las reducidas diferencias estadsticas que se generan aplicando cualquier mtodo de interpolacin espacial, aunque espacialmente estas diferencias son mayores. 1.- Introduccin y objetivos

Este trabajo se encuentra enmarcado dentro de otro ms amplio sobre anlisis hidrolgico (Parrilla Alcal, 2004), en concreto el establecimiento de la escorrenta superficial en una cuenca a partir de episodios diarios de precipitaciones. Para establecer la escorrenta superficial se haca necesario calcular el total de precipitaciones que se producan dentro de la zona de estudio y, para cada uno de los tres episodios estudiados, por lo que se analizaron diferentes mtodos que espacializaban las precipitaciones a todo el territorio.

La zona de estudio (figura 1) est delimitada por la cuenca vertiente del embalse del ro Retortillo, situado entre las provincias de Sevilla y Crdoba (Sierra Morena). Las precipitaciones se sitan entre los 650 y 1000 mm, siendo imputables en su mayor parte a la accin de las perturbaciones del frente polar, las cuales barren la regin penetrando preferentemente por el oeste y suroeste de Andaluca (Golfo de Cdiz).

El objetivo del trabajo est centrado en el establecimiento de las precipitaciones de episodios diarios, de forma espacialmente distribuidas, tanto a travs de los mtodos de interpolacin, como del anlisis de regresin, contrastando el alcance de sus diferencias. 2.- Los episodios de precipitaciones.

Se han seleccionado tres episodios de precipitaciones acaecidas entre los aos 1995 y 1996, ya que el anlisis hidrolgico requera una clara separacin entre cada episodio de lluvias, para que pudieran ser fcilmente diferenciados en los datos de caudales del ro Retortillo, a la vez que fueran episodios con un elevado volumen de precipitaciones, y generasen suficiente escorrenta. Se seleccionaron los aos 1995 y 1996, ya que se vena tras la ltima gran sequa que haba afectado a Andaluca, y el suelo estaba suficientemente seco (haba que contrastar tambin la humedad previa).

Cada episodio utilizado acumula precipitaciones de varios das, ya que no se han podido seleccionar episodios de un slo da de duracin y que tuvieran un volumen tal de precipitaciones como para generar suficiente escorrenta, debido a que las perturbaciones del frente polar suelen producir precipitaciones que abarcan varios das.

El reducido nmero de estaciones meteorolgicas que se encuentran dentro de la cuenca del embalse del Retortillo (tres estaciones), dificultaba la generacin de un mapa de distribucin espacial de las precipitaciones con un mnimo de calidad, por lo que se incorporaron las estaciones meteorolgicas ms cercanas y que se encontrasen en todas las direcciones que rodean a la cuenca de estudio, ya que los episodios de precipitaciones pueden proceder de situaciones sinpticas de tiempo en cualquier direccin del espacio. Se utilizaron un total de quince estaciones meteorolgicas (figura 1).

Figura 1: Zona de estudio y estaciones meteorolgicas utilizadas con sus cdigos

A continuacin aparecen los tres episodios analizados y, vienen acompaados de una figura donde se muestra un mapa con las precipitaciones que recibe cada estacin meteorolgica, una tabla donde se registran las precipitaciones diarias de las estaciones ms cercanas, as como varios mapas sinpticos del tiempo, que permiten caracterizar de forma suficiente cada uno de los episodios. Episodio A, del 25 al 28 de diciembre de 1995.

Los mapas sinpticos del tiempo muestran el paso de varios frentes del oeste, producindose las precipitaciones a lo largo de varios das. Los vientos son constantes del oeste, pero con cambios que van desde el SO al NO.

Figura 2: Episodio A, mapas sinpticos y precipitaciones en las estaciones meteorolgicas (mapa y tabla)

Episodio B, del 20 al 25 de enero de 1996.

Los mapas sinpticos del tiempo muestran la llegada de una serie de frentes, tanto fros como clidos, que recorrern toda la Pennsula, entrando los vientos de forma constante del SO. La baja presin que se encontraba frente a las costas portuguesas, termina perdiendo intensidad y llega a desaparecer cuando se interna dentro de la Pennsula sobre Extremadura.

Figura 3: Episodio B, mapas sinpticos y precipitaciones en las estaciones meteorolgicas (mapa y tabla)

Episodio C, del 10 al 15 de diciembre de 1996.

Los mapas sinpticos del tiempo muestran una baja presin localizada al NO de Galicia y que va generando frentes que van entrando por el SO y SOS de la Pennsula.

Figura 4: Episodio C, mapas sinpticos y precipitaciones en las estaciones meteorolgicas (mapa y tabla)

3.- Metodologa

La precipitacin es una variable continua desde un punto de vista espacial, pero suele quedar recogida de forma puntual mediante las estaciones meteorolgicas (como vimos en el apartado anterior), por lo que tenemos un amplio espacio del territorio sin informacin pluviomtrica. Queremos realizar un anlisis hidrolgico espacialmente distribuido, por eso necesitamos informacin distribuidas de cada una de las variables que entran en juego en el proceso de escorrenta. En este caso las precipitaciones tenan que estar espacializadas, proceso que ser desarrollado desde una doble vertiente, por un lado a travs de los mtodos de interpolacin espacial, y por otro mediante el anlisis de regresin. 3.1.- La interpolacin espacial

La interpolacin espacial es un procedimiento que permite calcular el valor de una variable en una posicin del espacio, conociendo los valores de esa variable en otras posiciones del espacio, generando, en este caso, datos pluviomtricos para todo el territorio.

Existen diferentes mtodos que permiten establecer las precipitaciones para un territorio, pero diferenciaremos entre los ms tradicionales y simples de utilizar, ya que no requieren la utilizacin de medios informticos (SCS, 1993; Chow, Maidment y Mays, 1994; Olivera et al., 1997), como son la media aritmtica (nico mtodo que no incorpora un coeficiente de ponderacin geogrfico), los polgonos de Thiessen (no muy aconsejable en zonas montaosas y estudios espacialmente distribuidos), y el mtodo de las isoyetas (depende de la experiencia del tcnico que lo elabora). Junto a estos mtodos, nos encontramos otros ms utilizados en la modelizacin de la altimetra, pero menos tratados por la literatura especializada en los estudios de hidrologa, aunque s en artculos especficos sobre estimacin de precipitaciones (Lynch y Schulze, 1995; Laborde, 1996; Pardo-Igzquiza, 1998), y que sern los utilizados aqu:

Idw: genera buenos resultados cuando utilizamos como datos de entrada informacin puntual distribuida de forma regular y aleatoria. Al ser una tcnica basada en la media ponderada, el resultado suele ser una suavizacin.

Splines: es un mtodo con gran complejidad estructural y que se ajusta bien a superficies que no sufren bruscos cambios de valor. Triangulacin: genera una red de tringulos irregulares interconectados o Tin (triangular irregulated network). La triangulacin genera un buen modelo a partir de pocos datos.

3.2.- El anlisis de regresin

Existe una diferente lnea de investigacin que ha cobrado un importante auge en los ltimos aos (Benichou y Le Breton, 1987; Garca Ruiz, et al., 1998; Pardo-Igzquiza, 1998; Prudhomme y Reed, 1999; Camarillo y Garca, 2003). Esta lnea de investigacin considera que para establecer el total de precipitacin de una zona, no slo hay que tener en cuenta los valores de las estaciones meteorolgicas ms cercanas, como en los mtodos anteriores, sino que entiende el hecho pluviomtrico desde el punto de vista de su gnesis y desarrollo. De esta forma, adems de las precipitaciones, se tienen en cuenta otras caractersticas, como la localizacin de cada estacin meteorolgica, su altura, orientacin de la pendiente, distancia al mar, barreras topogrficas que limitan la entrada de humedad y grado de exposicin, as como lo cercano de cada estacin al centro de la borrasca, o al vector central de desplazamiento de esta. Es bien conocido que la orografa, sobre todo en zonas montaosas condiciona fuertemente la localizacin y distribucin de las

precipitaciones.

La metodologa del anlisis de regresin est basada en la correlacin espacial entre variables, mostrando la relacin entre la variable dependiente, que en este caso es la precipitacin y, las variables independientes, que son las anteriores caractersticas topogrficas y posicionales indicadas. Es un mtodo analtico, por lo que slo se aplicar cuando la relacin entre variables sea alta.

El nmero de variables a utilizar ha sido bastante amplio y se pueden agrupar en dos grandes bloques: Variables de localizacin: longitud, latitud, cercana al NE, cercana al NO, cercana al mar, cercana entre estaciones meteorolgicas. Variables topogrficas: altura de la estacin, y altitud mnima, media, mxima y rango altimtrico de su zona ms cercana.

Un comentario especial requieren las siguientes variables: Cercana entre estaciones meteorolgicas: se ha establecido la distancia de cada estacin meteorolgica con respecto al resto de estaciones, ya que un episodio de precipitaciones se puede concentrar sobre una zona concreta, por lo que alguna estacin se ha podido ubicar dentro de alguna de estas zonas, recibiendo las estaciones ms cercanas mayor volumen de precipitacin y disminuyendo segn nos alejamos de esta estacin meteorolgica.

Altitud mnima, media, mxima y rango segn distancias: se calcularon estas alturas para la zona circundante a cada estacin meteorolgica, que en este caso se realiz para tres intervalos de distancias: menos de 200 metros (para contrastar la existencia de cualquier accidente topogrfico muy cercano que le pueda afectar); menos de 1000 metros (cercana intermedia) y menos de 10 kilmetros (accidentes topogrficos a gran distancia).

Se ha utilizado el programa estadstico SPSS. la opcin de los anlisis de regresin lineal y, el mtodo pasos sucesivos (stepwise). Presenta la ventaja de admitir que una variable seleccionada en un paso pueda ser eliminada en otro posterior (se establece una probabilidad F de 005 de entrada y de 01 de salida). Esta eliminacin se realiza cuando se dan variables redundantes, con multicolinealidad (relacin lineal entre estas variables), ya que no aportan explicacin adicional significativa. A travs de este mtodo se busca no el mejor modelo de ajuste en trminos de varianza total explicada sino en trminos de aportacin estadstica significativa de incremento en el total de la varianza (Camarillo y Garca, 2003).

Para cada episodio se establece el modelo que mayor coeficiente de correlacin de Pearson (r) presenta, pero para que realmente sea aplicable se hace necesario que r tenga un valor superior al 07 y, de esa forma, su coeficiente de determinacin (r2) explique al menos un 50% de la variable dependiente.

Tabla 1: Variables explicativas y sus coeficientes de correlacin segn los episodios

Episodio A B C

Variables explicativas Dis5708, NO_SE, Dis5651O, Dis5498U Altura, Dis5498U Dis5708, Altu1_max

r 0934 0858 0799

r 0872 0737 0638

Durbin-Watson 1669 2222 2246

Significado de cada una de las variables explicativas que aparecen en los modelos: Altura: altura de la celdilla donde se encuentra la estacin meteorolgica. Altu1_max: altura mxima de la zona que se encuentra a menos de 1 km de cada celdilla. NO_SE: cercana al noroeste. Dis5491E: distancia de cada estacin meteorolgica a una estacin concreta, en este caso la codificada como 5491E.

El coeficiente de determinacin (r2) indica el porcentaje de explicacin de cada modelo, presentando el valor ms alto el episodio A, con un 87% explicado mediante este mtodo (0872), mientras que el episodio C es el que est peor explicado, con un 638%, por lo que el 13% de las precipitaciones del episodio A no han podido ser explicadas, llegando al 36% en el caso del episodio C.

A partir de las anteriores formulaciones se genera una superficie con informacin de precipitaciones para cada uno de los episodios. En la siguiente tabla (Tabla 2) aparece el resumen de los residuos generados por cada una de las frmulas:

Tabla 2: Residuos de los diferentes episodios

Pronostico A B C 7095 17033 17266

Residuo mnimo -1853 -3814 -3623

Residuo Mximo 1157 2004 4055

% Mnimo -2612 -2239 -2098

% Mximo 1631 1176 2349

Residuo absoluto 777 1319 2079

% Residuo absoluto 1095 774 1204

DS 493 1013 1280

El Pronstico hace referencia a las precipitaciones medias pronosticadas, el Residuo mnimo se refiere al residuo negativo con valor ms alto de todas las estaciones meteorolgicas, mientras que el Residuo mximo se refiere al residuo con valor ms alto de los positivos. El campo % Mnimo indica el porcentaje del Residuo mnimo respecto al pronstico de precipitaciones medias, mientras que el Residuo absoluto hace referencia a la media de todos los residuos tomados en sus valores absolutos. Se entiende que el porcentaje del residuo absoluto hace referencia a los residuos medios, mientras que el porcentaje de los residuos mximos y mnimos hace referencia a los residuos extremos. Es importante el valor absoluto del residuo, pero tambin ponerlo en relacin con las precipitaciones medias, para saber si tiene mayor o menor incidencia en el evento.

Se puede ver que los episodios generan mayores residuos absolutos cuanto menor coeficiente de determinacin tengan (r2), pero desde un punto de vista porcentual sus valores son mayores si sus precipitaciones medias sean bajas (episodio A). Para los episodios con peores ajustes (C y B) obtenemos residuos absolutos altos, pero que llegan a ser poco importantes en los porcentajes siempre que se reciba un volumen importante de precipitaciones.

La bibliografa indicaba (Peck, 1962; Storr y Ferguson, 1972; Laborde, 1981; Camarillo y Garca, 2003), que se pueden mejorar los modelos generados, a travs de la incorporacin de los residuos a los clculos resultantes del anlisis de regresin. Para ello se ha realizado

una interpolacin espacial con los residuos, en este caso utilizando exclusivamente el mtodo inverso de la distancia (Idw), ya que proporciona buenos resultados con pocos puntos. 4.- Resultados

Los resultados aparecen separados segn episodios, y vienen acompaados de un doble anlisis, por un lado un anlisis ms tradicional basado en resmenes estadsticos. Por otro lado centrado en la componente espacial, mostrando los mapas de cada mtodo utilizado as como un nuevo mapa donde aparece la desviacin estndar que se genera al cruzar los anteriores mapas y, de esta forma, se contrasta dnde se producen las diferencias espaciales y cuantifica si stas son importantes.

Hay que destacar que no son tan importantes las diferencias entre los valores mnimos (campo Mnimo) y mximos, ya que son valores extremos pero de poca representatividad espacial, frente a la comparativa entre la media (campo Media) de los diferentes mtodos utilizados, que ser el valor que incidir en el clculo de la precipitacin para el total de la zona de estudio (campo Precipitacin Total). El episodio A, al tener menores precipitaciones medias, tiende a generar diferencias porcentuales mayores. Episodio A:

Dentro de la cuenca del Retortillo se producen 5 litros de diferencia entre el mtodo que genera mayores y el de menores precipitaciones, que pasan a ser un 68% de diferencia porcentual (el ms alto de todos). En este episodio se produce un escalonamiento de los valores medios entre los diferentes algoritmos, Idw, Regresin, Spline y Tin.

Tabla 3: Episodio A, diferencias entre los mtodos de interpolacin dentro de la cuenca del Retortillo

Mtodos Idw Spline Tin Regresin Media Dife litros % Max min

Mnimo 58200 39771 46711 47030 47928 18429 46338

Mximo 102178 105536 115615 102637 106491 13437 13151

Media 72674 74960 77631 74182 74862 4957 6821

Des. Es. 7842 13467 15781 12084 12294 7939 101234

Rango 43978 65765 68903 55608 58563 24926 56678

Precipitacin total 218.236.464 225.101.408 233.122.592 222.763.840 224.806.076 14.886.128 6821

10

Figura 5: Episodio A, diferencias espaciales segn los mtodos de interpolacin

La comparativa entre los diferentes mtodos muestra al Idw con diferente patrn espacial frente a los dems. A travs del anlisis del mapa de la desviacin estndar, se comprueban las grandes diferencias entre los mtodos, con muy pocas zonas con valores inferiores a un metro, mientras que las zonas con valores superiores a los 7 e inferiores a los 12 litros, tienen una importante extensin espacial, sobre todo en la franja sur y central de la cuenca del Retortillo. Episodio B:

Dentro de la cuenca del Retortillo se producen 34 litros de diferencia entre el mtodo que genera mayores y el de menores precipitaciones, que pasan a ser un 17% de diferencia porcentual (valor muy bajo pero esperable, ya que se trata del episodio con mayores precipitaciones). Las mayores precipitaciones medias se dan con el Spline, frente a la Regresin, Idw y Tin.

Tabla 4: Episodio B, diferencias entre los mtodos de interpolacin dentro de la cuenca del Retortillo

Mtodos Idw Spline Tin Regresin

Mnimo 157249 156555 156445 158552

Mximo 231500 233257 231493 243079

Media 200678 203340 199949 201730

Des. Es. 24598 23435 20624 22502

Rango 74251 76703 75048 84526

Precipitacin total 602.626.752 610.619.200 600.436.160 605.783.808

11

Media Dife litros % Max min

157200 2107 1347

234832 11586 5005

201424 3391 1696

22790 3974 19271

77632 10275 13839

604.866.480 10.183.040 1696

Figura 6: Episodio B, diferencias espaciales segn los mtodos de interpolacin

El mapa con la desviacin estndar es algo diferente a los anteriores, ya que en este caso el anlisis de Regresin utilizado tena la altimetra como la principal variable explicativa, por lo que las diferencias no son tan graduales, sobresaliendo los valles encajados y las zonas ms altas de las montaas. Se constatan diferencias poco importantes en toda la zona central de la cuenca, que aumentan al NE y O y en la mayora de las sierras. Episodio C:

Es el episodio donde se producen las mayores diferencias en litros con respecto a las medias (67 litros), aunque porcentualmente estas diferencias son intermedias (35%). Las precipitaciones medias estn escalonadas segn cada algoritmo, siendo el de mayores precipitaciones el Tin, estando el Idw en el lugar opuesto.

Tabla 5: Episodio C, diferencias entre los mtodos de interpolacin dentro de la cuenca del Retortillo

Mtodos Idw Spline

Mnimo 157124 155727

Mximo 237039 249449

Media 189414 192103

Des. Es. 15343 19206

Rango 79915 93722

Precipitacin total 568.800.960 576.875.968

12

Tin Regresin Media Dife litros % Max min

158849 157685 157346 3122 2005

239695 254935 245280 17896 7550

196095 195360 193243 6681 3527

17310 18397 17564 3863 25178

80846 97250 87933 17335 21692

588.864.064 586.655.424 580.299.104 20.063.104 3527

Figura 7: Episodio C, diferencias espaciales segn los mtodos de interpolacin

Los mtodos Tin y Regresin presentan unas caractersticas parecidas, con valores ms altos en las sierras que delimitan la cuenca del Retortillo en la franja sur y norte. El mapa de la desviacin estndar muestra unas diferencias muy importantes, sobre todo en la divisoria SO del Retortillo, siendo algo menor en la NE. En las anteriores zonas los valores entre los 6 y 12 litros tienen una importante extensin espacial. Aparece una franja NO-SE que atraviesa el corazn de la cuenca, mostrando las menores diferencias pluviomtricas. Las diferencias espaciales son importantes, pero an ms desde un punto de vista cuantitativo, aunque desde un punto de vista porcentual no lo sean tanto.

De forma general, con respecto a los tres episodios, hay que destacar que todos los mtodos generan valores parecidos y, adems, se reparten los valores extremos. El Tin genera tanto las medias ms altas (dos episodios) como las ms bajas, mientras que el Idw genera las medias ms bajas en dos episodios, y el Spline las medias ms altas en un episodio. Con respecto al rango de valores, los valores mximos estn repartidos entre la Regresin (dos episodios) y el Tin (un episodio), y los valores mnimos se concentran en los

13

tres casos en el Idw, siendo la nica vez entre todas las estadsticas que ocurre esta concentracin (la bibliografa ya indicaba qe era un mtodo que tenda a valores medios). 4.- Conclusiones

La aplicacin del anlisis de regresin ha generado buenos resultados, a pesar de estar utilizando precipitaciones diarias. En muchos casos los valores generados, as como los mapas producidos se parecan bastante a los mtodos de interpolacin, y slo en el caso de usar variables explicativas dependientes de la altimetra (episodio B) mostraban mayores diferencias en la cartografa. Desde el punto de vista de las variables explicativas, destacan las de cercana a alguna estacin meteorolgica, reflejando la aleatoriedad y, complejidad de cada episodio pluviomtrico, as como la insuficiencia de datos (humedad del aire, vientos que cambian de forma constante, etc.), que han podido favorecer que se centren las precipitaciones en una zona concreta por alguna razn que no conocemos.

El reducido nmero de estaciones meteorolgicas utilizadas, y su diversidad con respecto a las alturas y orientaciones, ha podido limitar el no encontrar de forma clara algunas variables explicativas, como la cercana al NO, O, SO y al mar, o la propia altimetra, y se ha podido ver encubierta con la utilizacin de la cercana a alguna estacin meteorolgica. De todas formas, cada uno de los episodios de precipitaciones incluye una variable explicativa con respecto a la cercana a una estacin meteorolgica, y otra con respecto a la altimetra o a la cercana al NO.

La segunda conclusin indica que, desde un punto de vista general, no es tan importante utilizar un mtodo u otro para realizar la espacializacin de las precipitaciones, ya que las diferencias existentes entre los mtodos utilizados no es muy alta, de unos 5 litros, que pasan a ser un 4% (68% como mximo para el episodio A, frente al 17% para el B).

La ltima conclusin refleja que a pesar de la baja importancia general de usar un mtodo u otro, su variabilidad espacial s cobra mayor importancia, como se ha constatado a travs de la cartografa. Al realizar el anlisis de escorrenta (donde adems se tiene en cuenta la humedad previa, los usos del suelo y la edafologa) se incrementan las diferencias globales a causa de las diferencias espaciales. En el caso del episodio A, hay un incremento del 68% al 126% si slo se cambian los mtodos de interpolacin, y la media de los tres episodios pasa de un 4% a un 81%, por lo que aunque las diferencias de precipitaciones son bajas, la incidencia espacial de estas precipitaciones tienden a ser ms importantes.

14

BIBLIOGRAFIA

- BENICHOU, P. et LE BRETON, O. (1987): Prise en compte de la topographie pour la cartographie des champs pluviomtriques statistiques. En La Mtorologie 7e srie N 19 octubre. - CAMARILLO NARANJO, J.M. y GARCIA BARRON, L. (2003): La estructura espacial de la precipitacin en el Andvalo y la Sierra de Huelva.

www.jornadaspatrimonio.com/comunicacion.htm - CHOW, V.T.; MAIDMENT, D.R. and MAYS, L.W. (1994): Hidrologa aplicada. McGraw-Hill Interamericana, S.A., Santaf de Bogot, Colombia. - GARCIA-RUIZ, J.M.; ARNAEZ, J.; WHITE, S.M. y BORDONABA, A.P. (1998): Prediccin de episodios extremos en reas de montaa. El ejemplo del Pirineo Central. En Investigaciones recientes de la Geomorfologa Espaola, A. GOMEZ ORTIZ y F. SALVADOR FRANCH, pp. 623-630. - LABORDE, J.P. (1981) : Synthse cartographique des pluvies journalires extremes dans lEst de la France. Institut Polytechnique de Lorraine, 63 pp. - LABORDE, J.P. (1996): Methodes d'interpolation et geostatistiques pour la cartographie automatique a l'usage des geographes. Du DEA Structures et Dynamiques Spatiales ... et de quelques autres. Second Joint European & Exhibition on GIS, Barcelona 1996, pp. 382-387. - LYNCH, S.D. and SCHULZE, R.E. (1995): Techniques for estimating areal daily rainfall. ESRI Users Conference, 1995. - OLIVERA, F.; DUGGER, A.; MAIDMENT, D.R. and HOLLEY, E. (1997): From GIS to HMS. GIS and Hydrology Workshop organizado por el CRWR. Austin, Texas, septiembre 1997. - PARDO-IGUZQUIZA, E. (1998): Comparison of geostatistical methods for estimating the areal average climatological rainfall mean using data on precipitation and topography. International Journal of Climatology, Vol. 18, pp. 1031-1047. - PARRILLA ALCALA, E. (2004): El clculo de la escorrenta superficial mediante SIG: validacin e ndice de sensibilidad de los parmetros del mtodo del Soil Conservation Service. Tesina de investigacin, indita, Universidad de Sevilla. - PECK, E.L. (1962): Terrain Influences on precipitation in the intermountain west as related to synoptic situations. Journal of Applied Meteorology, Vol. 1, N 3, pp. 343347. - PRUDHOME, C. and REED, D.W. (1999): Mapping extreme rainfall in a mountainous region using geostatistical techniques: a case study in Scotland. International Journal of Climatology, Vol. 19, pp. 1337-1356. - SOIL CONSERVATION SERVICE (1993): National engineering handbook, Hydrology. US Dept. of Agriculture, Washington DC.

15