Regionalizacion de Idf PDF

UNIVERSIDAD POLITCNICA DE MADRID
ESCUELA TCNICA SUPERIOR

DE INGENIEROS DE MONTES
DEPARTAMENTO DE INGENIERA FORESTAL

TESIS DOCTORAL
DOCTORANDO: LETICM DE SALAS REGALADO

DIRECTOR: Jos A. Fernndez Yuste
Madrid, 2004
DEPARTAMENTO DE INGENIERA FORESTAL

ESCUELA TCNICA SUPERIOR DE INGENIEROS DE MONTES
Universidad Politcnica de Madrid
REGIONALIZACION DE LEYES IDF PARA EL USO DE MODELOS

HIDROMETEOROLGICOS DE ESTIMACIN DE CAUDALES.
Tesis que para optar al grado de DOCTOR presenta la

Ingeniero de Montes:
Dfia. Leticia de Salas Regalado.
EL DIRECTOR de la Tesis:
El Doctorando:
Fdo: Jos Anastasio FERNANDEZ YUSTE

Dr. Ingeniero de Montes.
Catedrtico de Escuela Universitaria
Ao 2004
Fdo: Leticia DE SALAS REGALADO
Tribunal nombrado por el Magfco. y Excmo. Sr Rector de la Universidad Politcnica

de Madrid, el da
HP
d2Q_.
Presidente:
Vocal:
Vocal:
Vocal:
Secretario:
Suplente:
Suplente:
_^
de
Realizado el acto de defensa y lectura de la Tesis el da

de 2005, en
Calificacin:
EL SECRETARIO,
EL PRESIDENTE,
Fdo:
Fdo:
EL VOCAL,
EL VOCAL,
EL VOCAL,
Fdo:
Fdo:
Fdo:
"Las inundaciones no se producen porque los ros crezcan,

sino porque el pas se hunde".
(R, Gmez de la Serna)
A mifamilia,
por su paciencia y comprensin
NDICE
Resumen
Siuumary
II
Agradecimientos
III
Abreviaturas ms utilizadas
IV
l.-OBJETIVOS
2.-JSTIFICACIN
3.-ANTECEDENTES
3.1.-INTRODUCCIN
3,l.l.-Tipo de actuaciones
3.1.2.-Mtodos de estimacin de caudales mximos
3.1.2.1.-Modelos hidrometeorolgicos y la ley IDF

3.1.3 .-Conclusin
3.2.-ANTECEDENTES DE LAS LEYES IDF
9
11
12
3.2.1.-Consideraciones previas
12
3.2.2.- Evolucin del anlisis defrecuenciade valores extremos
15
3.2.2.1.-Desarrollo defimcionesde distribucin especficas

3.2.2.2.-Desarrollo de mtodos de estimacin de parmetros de las
funciones de distribucin
3.2.2.3.-Desarrollo de mtodos para incrementar la informacin
15
19
23
3.2.2.4.-Conclusin
34
3.2.3.-Evolucin en las relaciones IDF utilizadas
35
3.2.3.1.-Definicin de las variables
37
3.2.3.2.-Antecedentes de las curvas IDF en el mundo
38
3.2.3.3.-Relaciones utilizadas en las curvas IDF
38
3.2,3.4.-Variacin geogrfica
41
3.2.3.5.-Antecedentes de las curvas IDF en Espaa
41
3.2.3.6,-Conclusin
47
3.3.-CONCLUS10NES
4.-METODOLOGA: VISIN GENERAL
48
50
5.- ESTACIONES CON PLUVIGRAFO

5.1.-MATERIAL Y MTODOS
5.1.1.-Datos; series de intensidades mximas
S.l.l.l.-Anlisis de datos
53
53
53
58
5.1.1.1.1.-Representacin de datos
58
5.1.1.1.2.-Prueba de datos dudosos
59
5.1.1.1.3.-Independencia de datos
63
5.1.1.2.-Conclusin
5.1.2.-Regional2acin
66
67
5.1.2.1.-Descripcin general de la metodologa
67
5.1.2.2.-Confotmacin de regiones homogneas
73
5.1.2.2. l.-Defnicin de las regiones
73
5,1.2.2.2.-Anlisis de la homogeneidad
76
5.1.2.3.- Seleccin de la funcin de distribucin
86
5.1.2.4.-Estimacin de parmetros en cada regin
90
5.1.2.5.-Validacin
94
5.1.2.6.- Obtencin de cuantes adimensionales

96
5.1.2.7.- Obtencin de las intensidades mximas para cada duracin y
perodo de retomo
96
5.1.3.-Seleccin del modelo IDF
97
5.1.3. l.-Modelos estudiados
5.2.-RESULTADOS
5.2.1.-Conformacin de regiones
98
100
100
5.2.1.1.-Anlisis de homogeneidad
109
5.2.1.2.- Anlisis complementario
120
5.2.2.- Estimacin de parmetros

5.2.2. l.-Eleccin del mtodo para la estima
127
131
5.2.3.-Validacin
139
5.2.4.-Cuantiles adimensionales adoptados
147
5.2.5.- Seleccin del modelo I-D
149
5.3.-DISCUSIN
152
5.3.1.-Introduccin
152
5.3.2.- Comparacin de intensidades estimadas
153
5.3.3.-Anlisis de la robustez de las estimas
158
5.3.4.-Conclusin
164
S.4.-CONCLUSIONES
165
6.-ESTACIONES SIN PLUVIGRAFO
166
6.1.- MATERIAL Y MTODOS
166
6.1,1.- Datos disponibles
166
6.1.2.-Hiptesis departida
167
6.1.3.-Criterios para abordar el problema
169
6.1,3.1,-Criterio para extender la ley I-D

6.1.3.2.- Criterio para seleccionar cuantiles
6.1.4.-0btencin de las intensidades mximas para cada duracin y
perodo de retomo
6.2.-RESULTADOS
170
171
173
174
6.2.1.- Mapa de isolneas de los parmetros "K" y "a"
174
6.2.2.- Funciones h(T)
183
6.3.-DISCUSIN
188
7.-CONCLUSIONES FINALES
192
8.-BIBLIOGRAFA
200
8.L- REFERENCIAS INTERNET
APNDICES
APNDICE I .PRUEBA DE DATOS DUDOSOS
APNDICE II: MODELOS I-D ANALIZADOS
.. AI.I
AUI
APNDICE ID: ANLISIS DE SENSIBILIDAD

APNDICE IV: APLICACIN PRCTICA
AIII.I
AIV.I
ANEJOS
Q A N E J O I.SERIES SUMINISTRADAS POR I N M
D A N E J O 2.REPRESENTACI0N DE SERIES
Q ANEJO 3. SERIES ADIMENSIONLES
Q ANEJO 4. L-MOMENTOS
Q A N E J O 5.TESTS DE HOMOGENEIDAD
G3 ANEJO e. AJUSTE SQRT-ETmax
Q ANEJO 7. REPRESENTACIN Y TEST KOLMOGORV SMIRNOV
Q ANEJO 8. MTODO MONTECARLO
Q ANEJO 9. CLCULO RESIDUOS

G3ANEJ010. MAPAS
Tabla l.-Intensidades mximas (mm/h) para cada duracin y perodo de retomo
12
Tabla 2.- Resumen de las caractersticas de las principales funciones de distribucin manejadas
18
Tabla 3.-Resumen de las caractersticas de los distintos mtodos
22
Tabla 4.- Informacin suministrada por el I.N.M. en la estacin de Valls (0034)
54
Tabla 5.- Tabla resumen de las estaciones, cdigo, localizacin, y nmero de aos
disponibles suministrado por el Instituto Nacional de Meteorologa
Tabla 6.- Valor de "Ka" en funcin del tamao dla muestra
57
61
Tabla 7.- Coeficiente de correlacin entre las series correspondientes a cada duracin de las
estaciones, estudiadas
63
Tabla 8.- Matriz de correlacin de las series de intensidades mximas para cada duracin en
la estacin de Valls (0034)
Tabla 9.- Valores del cociente '^^'' ' en la estacin de Valls (0034)
65
70
J'mxW
Tabla 10.- Parmetros estadsticos de las series '"^ V , para cada duracin en
la estacin de Valls (0034)
70
Tabla 11.- Estimadores y L-momentos en la estacin de Valls (0034)
79
Tabla 12.- Valores de D crtico en lincin del nmero de estaciones de la regin
82
Tabla 13.- Distribucin de estaciones con pluvigrafo en cada una de las regiones definidas
porFerrer
101
Tabla 14.- Nmero de estaciones disponible en cada re^n definida por Ferrer y Ardiles (1994).... 102
Tabla 15.- Resumen de estadsticos y resultados de aplicar el Test de Medida de la
Discordancia en la estacin de Salamanca (2867) con todas las series disponibles
Tabla 16.- Aplicacin del Test de Heterogeneidad en la estacin de Salamanca (2867)
103
104
Tabla 17.- Resultados de aplicar el Test de Medida de la Discordancia al eliminar la serie

de 360 minutos en la estacin de Salamanca (2867)
104
Tabla 18.-Resultados de aplicar el Test de Medida de la Heterogeneidad al eliminar la

serie de 360 minutos en la estacin de Salamanca (2867)
105
Tabla 19.- Aplicacin del Test de Discordancia en la estacin de Salamanca (2867)

considerando todas las seres menos la de 5 minutos
105
Tabla 20.- Resultados de aplicar el Test de Heterogeneidad al eliminar la serie de

5 minutos en la estacin de Salamanca (2867)
106
Tabla 21.-Resultados de apHcar el Test de Medida de la Discordancia al eliminar la serie

de 24 horas en la estacin de Salamanca (2867)
106
Tabla 22.- Resultados de aplicar el Test de Medida de la Heterogeneidad en la estacin

de Salamanca (2867) al eliminar la serie de 24 horas
107
Tabla 23.- Resultados de aplicar el Test de Medida de Discordancia en la regin

"largas duraciones" en la estacin de Salamanca (2867)
108
Tabla 24,- Resultados de aplicar el Test de Heterogeneidad en la en la regin

"largas duraciones" en la estacin de Salamanca (2867)
108
Tabla 25.- Resultados de aplicar el Test de Medida de Discordancia en la regin

"cortas duraciones" en la estacin de Salamanca (2867)
108
Tabla 26.- Resultados de aplicar el Test de Heterogeneidad en la en la regin

"cortas duraciones" en la estacin de Salamanca (2867)
109
Tabla 27.- Resultados de aplicar el Test de Medida de la Discordancia en la regin

"cortas duraciones" en la estacin de Valls (0034)
111
Tabla 28.- Resultados de aplicar el Test de Medida de la Discordancia en la regin

"cortas duraciones" en la estacin de Valis (0034)
111
Tabla 29.- Resultados de aplicar el Test de Heterogeneidad en la regin

"cortas duraciones", en la estacin de Valls (0034)
113
Tabla 30.- Relacin de estaciones en las que "H" es menor que 1 y "D" ligeramente discordante.... 114
Tabla 31.- Relacin de estaciones en las que "H" se encuentra en el intervalo (1-2)
115
Tabla 32.- Relacin de estaciones en las que "H" es mayor que 2
116
Tabla 33.- Resumen de resultados obtenidos en el Anlisis de Homogeneidad
119
Tabla 34.- Coeficiente de variacin en las regiones "cortas y largas duraciones" de cada estacin... 121
Tabla 35.- Estaciones con coeficientes de variacin mayor que 0,6 en la regin
"largas duraciones"
122
Tabla 36.- Coeficiente de variacin en regin "largas duraciones" al eliminar datos de aos
de intensidad mxima extraordinaria
Tabla 37.- Clculo de L-Cv en las regiones "cortas" y "largas" duraciones de cada estacin
123
124
Tabla 38. - Cociente de coeficiente de variacin de la regin cortas duraciones entre

el de largas duraciones, asi como el cociente de L-Cv
126
Tabla 39.- Parmetros de la funcin SQRT-ET mx para cada una de las regiones definidas
en cada estacin
128
Tabla 40.- Aplicacin del Test de Kolmogorov-Smirnov en la regin "cortas duraciones"

en la estacin de Sabadell (0225)
132
Tabla 41.- Aplicacin del Test Kolmogorov-Smimov en la regin "cortas duraciones

en la estacin de Santiago (1428)
133
Tabla 42.- Aplicacin del Test Kolmogorov-Smimov en la regin "largas duraciones

en la estacin de Caldas de Mombuy (0222)
135
Tabla 43,- Mtodo de estimacin de parmetros elegido en cada regin, enfimcindel

criterio adoptado
138
Tabla 44.- Nmero de regiones dentro de cada intervalo de clase del coeficiente de variacin
140
Tabla 45.-Regiones utilizadas para la validacin
141
Tabla 46.- Cuantiles adimensionales adoptados en cada una de las regiones
149
Tabla 47.- Parmetros "K " y " a" de la expresin I-D. seleccionada en cada una de las
estaciones con pluvigrafo
150
Tabla 48.- Estaciones utilizadas en la comparacin de las estimas obtenidas por el INM
y en la presente Tesis
154
Tabla 49.- Valores medios de los residuos "S(%)" para las duraciones ms usuales,
30<d (minutos)<720, en cada estacin
Tabla 50.- Valores de S(%) medios en trminos absolutos para las estaciones analizadas
156
157
Tabla 51.- Cuantiles adimensionales deducidos con todos los datos y al eliminar el mismo
dato por ambas metodologas en la estacin de Valls (0034), en la regin
"largas duraciones"
160
Tabla 52.- Diferencias relativas (%) en ambas metodologas, al eliminar un dato en la

estacin de Valls (0034), en la regin "largas duraciones"
161
Tabla 53.- Cuantiles adimensionales deducidos con todos los datos y al eliminar
el mismo dato por ambas metodologas en la estacin de Figueras (0429)
163
Tabla 54.-Diferencias relativas (%) obtenidas por ambas metodologas en la estacin de

Figueras (0429) para la regin "largas duraciones"
163
Tabla 55.-Estacones con menor valor de "K" de todas las estaciones disponibles
175
Tabla 56. -Estaciones con menor valor de "a" de todas las estaciones disponibles
175
Tabla 57.- Cota de situacin de las estaciones con los parmetros "K" y "a" ntis bajos
178
Tabla 58.- Factores F y R en las estaciones estudiadas y con las que se quiere
comparar por su proximidad
179
Tabla 59.-Valores del cociente CAe(T)/CAFERRER(T) en las estaciones con pluvigrafo
184
Tabla 60.-Valores del cociente CAL(T)/CAFERRERT) en las estaciones con pluvigrafo
186
Figura 1.- Daos producidos por desastres naturales en el mundo en vidas humanas
y en costes econacos en la decada 1986-1995
Figura 2.-Curvas IDF
13
Figura 3.- Mapa de Isolneas K=Ii/Id
44
Figura 4.-Mapa de isolineas k==Ii/Id
44
Figura 5.-Representacin de la serie temporal de intensidades mximas de cada duracin
58
Figura 6.- Representacin de las series temporales en estaciones con datos dudosos
60
Figura 7,-Ajuste de la serie Iô a las inciones Gumbel y SQRT-ET mx
68
Figura 8.- Ejemplo de estacin discordante. (Fuente: Regional Frecuency Analysis.

Hosking y Wallis. 1997)
80
Figura 9.- Representacin L-Cvfrentea L-Ca. (Fuente: Regional Frecuency Analysis.

Hosking y Wallis. 1997)
Figura 10.-Diagrama de L-momentos adimensionales
80
89
Figura 11.- Representacin de los L-momentos en ambas "regiones" de la estacin de

Valls(0034)
110
Figura 12.- Distribuciones emprica y terica de la serie adimensional de largas duraciones en la

estacin de Valls (0034), ajustadas a la funcin SQRT-ET mx por el mtodo de
mxima verosimilitud y por momentos
130
Figura 13.- Representacin de la serie adimensional de largas duraciones en la estacin de

Valls (0034), as como el ajuste a la funcin SQRT-ET mx por el mtodo de
mxima verosimilitud y por momentosfrenteal perodo de retomo
130
Figura 14.- Representacin grfica de la serie que conforma la regin "cortas duraciones" en la
estacin de Valls (0034), junto con los ajustes a la funcin SQRT-ET mx
por ambos mtodos, mxima verosimilitud y momentos
133
Figura 15.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "cortas duraciones" en la estacin de Santiago (1428)
134
estimacin en la regin "largas duraciones" en la estacin de Caldas
de Mombuy (0222)
136
estimacin en la regin "largas duraciones" en la estacin de Caldas
de Mombuy (0222)frenteal periodo de retomo
136
Figura 18.- Representacin de coeficiente de variacin y asimetra de las muestras generadas

(en azul) y observadas (en rosa) en la regin "cortas duraciones" de la estacin de
Sallent (0111) y en Ponferrada (1549) en "largas duraciones"
141

(en azul) y observadas (en rosa) en la regin "largas duraciones" de las estaciones:
Sallent (0111), Punto Centro (1499), en Getafe (3200), en Soria (2030) , y en
"cortas duraciones" en Sabadell (0225) y en Valls (0034)
142

(en azul) y observadas (en rosa) en la regin cortas duraciones de Barcelona (0201),
Santander (1110), Figueras (0429), y de largas duraciones de la estacin Caldas
de Mombuy (0222), Valis (0034) y Sabadell (0225)
143

(en azul) y observadas (en rosa) de la regin de cortas duraciones de Guadarranque (6024)
y Punto Centro (Vigo) (1499)
144

(en azul) y observadas (en rosa) en la regin de "largas duraciones" en Sondica (1082) 144
(en azul) y observadas en rosa en la regin de "largas duraciones" en la estacin
de Almera (63250)
145
Figura 24.- Representacin de valores observados (en rosa), eliminando previamente

los aos extraordinarios, y valores generados (en azul) en la regin "largas duraciones"
en la estacin de Sondica (1082)
146
Figura 25.- Representacin grfica de la variacin de los residuos "S(%)" con el perodo
de retomo y la duracin en la estacin de Molina (3013)
155
Figura 26,-Representacin grfica de S(%) medio en trminos absolutosfi'enteal LN(T)

en cada una de las estaciones analizadas
157
Figura 27.- Representacin de los cuantiles adiraensionales deducidos en la presente Tesis

y por el INM en la estacin de Valls(0034) para la regin "largas duraciones"
161
Figura 28.- Representacin de los cuantiles adimensionales deducidos en la presente Tesis

y por el EMM en la estacin de Figueras(0429) para la regin "largas duraciones"
163
Figura 29.- Nmero de estaciones con el mismo valor de "K"
174
Figura 30,-Nmero de estaciones con el mismo valor de "a"
175
Figura 31.- Cociente de cuantiles CAL/CAJ para largas duracionesfcentea Ln(T)
186
Figura 32.- Cociente de cuantiles CAc/CAp para cortas duracionesfirenteaLn(T)
187
Esquema 1.-Proceso de formacin de un caudal
Esquema 2.- Proceso de formacin de las curvas DDF
36
Esquema 3.-Metodologa desarrollada en la presente Tesis
52
Esquema 4.- Esquema del anlisis realizado en estaciones con pluvigrafo
72
Esquema 5.- Resumen de los Anlisis de Homogeneidad en "cortas duraciones"
117
Esquema 6.- Resumen de los Anlisis de Homogeneidad en "largas duraciones"
118
Esquema 7.- Criterios adoptados en la eleccin del mtodo de estimacin de parmetros
137
Esquema 8.- Esquema del anlisis realizado en estaciones sin pluvigrafo
168
Mapa 1.- Distribucin de las estaciones con pluvigrafo en la Espaa Peninsular
56
Mapa 2.- Divisin de la Espaa Peninsular en 26 regiones geogrficas con caractersticas

meteorolgicas comunes (Ferrer y Ardiles, 1994)
74
Mapa 3.- Mapa de las regiones elaborado por Ferrer y Ardiles para el estudio de mximas
lluvias en Espaa, junto con las estaciones con pluvigrafo disponible
100
Mapa 4.- Gradientes originados en las proximidades de Madrid como consecuencia de

las variaciones del parmetro "K" en las estaciones prximas
176
Mapa 5.- Mapa de relieve junto con las estaciones disponibles en la Espaa Peninsular.
En rojo las estaciones con un valor de "K" ms bajo
177
Mapa 6.- Estaciones analizadas, junto con las estaciones con las que se compara
179
Mapa 7.-Mapa de isolneas "K"
181
Mapa 8.-Mapa de isolneas "a"
182
RESUMEN.
El trabajo de Investigacin que recoge esta memoria aborda el estudio de la ley
defrecuenciasde intensidades mximas anuales de lluvia para distintas duraciones. La
estimacin de intensidades mximas anuales para distintos perodos de retomo es
imprescindible en la aplicacin de modelos hidrometeorolgicos para el clculo de
caudales o de hidrogramas.
Para el ajuste de la ley de frecuencias se ha utilizado la metodologa de
regionalizacin del tipo "ndice de avenida", que proporciona estimas ms robustas que
los mtodos tradicionales. Esta cualidad es especialmente valiosa en el caso de variables
aleatorias de valores extremos, de las que se disponen de series de valores observados
relativamente cortas y en las que, habitualmente, las estimas requeridas son las que se
corresponden afrecuenciasbajas (y por tanto, altos perodos de retomo).
Tambin se ha revisado la ley IDF que desde los aos setenta se utiliza en
Espaa, proponiendo una nueva expresin biparamtrica. Contando con las isolneas de
esos dos parmetros, la ley IDF puede aplicarse a cualquier punto de la Espaa
Peninsular, permitiendo obtener hietogramas sintticos a partir nicamente de los
valores de precipitacin mxima diaria anual (PMDA).
Dado el carcter eminentemente prctico de esta investigacin, se ha abordado la
presentacin de resultados en soporte informtico, realizando una aplicacin en un
Sistema de Informacin Geogrfica (SIG).
SUMMARY.
The present research report analyzes the study of the frequency law of mximum
intensiy precipitation for different durations. The estimation of annual mximum
intensity for different retum periods plays a very important role in the application of
hydrometeorological models in order to calclateflowsand hydrograms.
The regionalization type "index-flood" procedure has been used for adjusting
frequency laws since it provides more robust estimates than traditional methods. This
property is especially valuable in the case of extreme vales, in which series are quite
short and the required estimates have lowfrequency(high retum periods).
The IDF curves currently used in Spain, described in the seventies, have also
been reviewed, with the aim of proposing another biparametric expression. In this way,
the IDF law can be applied in every point in the Pennsula of Spain with the parameter
iso-lines, and therefore, synthetic hietograms can be obtainedfromthe annual mximum
daily precipitation (AMDP).
According to the practical character of the investigation, the results are presented
in informatc support, designing an application on a Geographic Information System
(GIS).
AGRADECIMIENTOS.
Quiero manifestar mi gratitud a un buen nmero de personas, sin las cuales este
trabajo no hubiera sido posible.
De manera especial, a mi Director de Tesis, D. Jos Anastasio Fernndez Yuste,
que con su apoyo, asesoramiento y constante estmulo ha sido vital para orientar esta
investigacin correctamente.
A mis compaeras de la Unidad Docente, por sus consejos prcticos en la lucha
con el ordenador, sus sugerencias sobre diversos aspectos de la Tesis y su nimo en los
momentos bajos.
A Leticia Carrero y a Sergio Gonzlez por su ayuda inestimable en todos
aquellos aspectos relacionados con los sistemas de informacin geogrfica, y que me
han permitido presentar los resultados de la presente Tesis de manera amigable para el
usuario.
A D. Alejandro Vivar Sanz, por su til asesoramiento en cuantas dudas
estadsticas surgieron, y que con el desarrollo de una hoja de clculo simplific
notablemente la tarea de validar el modelo desarrollado.
A W Jess por su ajoida en la traduccin al ingls.
A Javier lvarez, del Centro de Estudios Hidrogrficos del CEDEX, por su
inters y por cederme el valor ms preciado en la sociedad actual, su tiempo.
A mi hermana Elena, que voluntariamente se prest a ayudarme en lo que fuera.
A todos ellos, y a los que sin intencin pudiera haber olvidado, gracias!.
Madrid, 2004
Abreviaturas ms utilizadas:
a es un parmetro de la funcin,
b es un parmetro de la funcin.
C& coeficiente de asimetra de la muestra.
CA(T)F
cuantl adimensional para un perodo de retomo T siguiendo los resultados de

Ferrer para la estimacin de precipitaciones mximas diarias.
CA(T)regi6n cuantil adimensional para un perodo de retomo T, deducido en la presente Tesis

para la obtencin de Intensidades mximas en una regin.
CAc(T) cuantil adimensional para un perodo de retomo T (aos) para la obtencin de
intensidades mximas cuando la duracin d es ^ 1 hora deducido en la presente Tesis.
CAL(T)
cuantil adimensional para un perodo de retomo T (aos) para la obtencin de

intensidades mximas cuando la duracin d es >lhora deducido en la presente Tesis.
CAx-siN cuantil adimensional deducido en la presente Tesis al eminar el mximo valor de la

serie.
CAT. TODOS cuantil adimensional deducido en la presente Tesis con todos los datos.
Cv coeficiente de variacin de la muestra.
d (horas) duracin, ventana temporal en la que se desea evaluar la intensidad mxima.
D medida de la discordancia.
Dcrtica distancia crtica en el Test de Kolmogorov-Smimov.
Dmix diferencia del valor estimado menos el valor observado.
D estadstico definido en la expresin Dn= mxi^(jic) Fix)\
F ndice de Agresividad de la lluvia de Foumier.
F(x) fimcin de distribucin terica de la poblacin que se quiere contrastar.
Fn(x) funcin de distribucin emprica de la muestra.
g(d) funcin que recoge la variacin del cociente de la Intensidad mxima anual media
para una duracin "d" entre la de 24 horas y la duracin .
H medida de la heterogeneidad.
h(T) funcin que recoge la variacin de la Intensidad con el perodo de retomo T.
hc(T) funcin que relaciona los cuantiles adimensionales para intensidades de "cortas
duraciones" con los correspondientes a lluvias diarias recogidos estos ltimos en
"Mximas lluvias diarias en la Espaa Peninsular".
hL(T) incin que relaciona los cuantiles adimensionales para intensidades de "largas
duraciones" con los correspondientes a lluvias diarias recogidos estos ltimos tambin en
"Mximas lluvias diarias en la Espaa Peninsular".
I(d,T) mm/h intensidad mxima anual para un perodo de retomo de T (aos) y una duracin d (horas)
en la ventana temporal en que se desea evaluar la intensidad.
Ii (mm/h) intensidad mxima anual en una hora.
I24 (mm/h) intensidad mxima anual en 24 horas.
IV
/ 2 4 , (mm/h) media de las Intensidades mxinias anuales para una duracin de 24 horas.
l (mm/h) media de las Intensidades mximas anuales para una duracin d.
Ij (mm/h) media de las Intensidades mximas anuales para una duracin de una hora.
INM Instituto Nacional de Meteorologa.
j nmero de orden de cada dato ordenado de menor a mayor.
K Cociente =.
Parmetro obtenido del mapa de iso-K ( i s o - = r )
-'24
-'24
K valor tabulado en funcin del tamao de la muestra con un nivel de significacin de un

10% en informacin normalmente distribuida.
li factor local en los L-momentos y se corresponde la media en los momentos tradicionales.
Ij factor de escala en los L-Momentos.
I3 factor de forma en los L-Momentos.
M mtodo de estimacin de momentos..
MV mtodo de estimacin de mxima verosimilitud.
n nmero de datos de cada serie.
NA nmero aleatorio con valor ( 0 < N A < 1 ) .
Pj^ probabilidad asignada por Hosking a cada valor de la serie previamente ordenada de
menor a mayor.
PMDA(T)(mm) precipitacin mxima diaria anual correspondiente al perodo de retomo T (aos).
PMDA(iiim)
media de las precipitaciones mximas diarias anuales para la localizacin considerada.

R ndice de Erosin Pluvial en la ecuacin universal de prdidas de suelo.
Sy desviacin estndar.
T perodo de retomo considerado en aos.
t2 L-Cv que equivale al coeficiente de variacin (Cv) en los momentos tradicionales,
t / L-Cv regional medio ponderado con la longitud de la serie.
ta L-Ca que equivale al coeficiente de asimetra (Ca) en los momentos tradicionales.
U L-Ck que equivaldra al coeficiente de apuntamiento o curtosis en los momentos
tradicionales.
xj: dato"j-simo" de la serie de "n" datos,

yh umbral de dato dudoso alto .
y
media de la serie.
(S-, desviacin tpica de las "N" simulaciones.

\iy media de las "N" simulaciones.
1,-OBJETIVOS
OBJETIVOS
Los objetivos que se pretenden abordar en el desarrollo de la presente Tesis son:

GENERAL:
Contribuir al conocimiento de las intensidades mximas anuales de lluvia en la
Espaa Peninsular.
ESPECFICOS:
Dentro de este marco general, el trabajo plantea como objetivos especficos:
-
Incorporar al estudio de esta variable aleatoria de valores extremos la

metodologa conocida como regionalizacin. Esta tcnica permite agrupar
muestras que, an siendo distintas, bien sea por su localizacin o por la
variable registrada, son homologables en cuanto a estadsticos de dispersin,
(Coeficiente de variacin), o de asimetra, (Coeficiente de asimetra). De esta
forma, y una vez eliminado el factor local, se pueden conformar unas
muestras mucho ms amplias, que permiten aumentar la robustez de las
estimas, especialmente para perodos de retomo altos.
Utilizar fimciones de distribucin que se han desarrollado especficamente

para la variable aleatoria de precipitaciones, como es el caso de la funcin
SQRT-ET mx, que mejoran las estimas respecto a funciones ms
convencionales, como es la funcin de distribucin de Gumbel.
Establecer una nueva metodologa que permita extrapolar las leyes IDF
obtenidas en estaciones con pluvigrafo a las estaciones que slo disponen
de pluvimetro.
OBJETIVOS
DE APLICACIN:
Permitir la estimacin fiable y estable de intensidades mximas anuales para
distintas duraciones y perodos de retomo.
La principal aplicacin se enmarca en el contexto de la ingeniera

hidrolgica, y en particular, en poner a disposicin de los especialistas en
esta materia una herramienta actualizada y robusta, que es esencial en los
modelos hidrometeorolgicos de estimacin de caudales.
Desarrollar una aplicacin informtica que permita, de manera sencilla,

acceder a la informacin necesaria para determinar la intensidad mxima
anual para una duracin y perodo de retomo.
2.-JSTiriCACION
JUSTIFICACIN
2.-JIJSI1FICACION
Cuando se analizan los datos relativos a desastres naturales, (Fig 1), se

comprueba que las inundaciones son los que mayores muertes producen y los que
mayores prdidas materiales generan.
ECONOMIC LOSSES (1986-1995)
10%
- . ^ 1 %
29%
aflooding
Dwnd storm
Qearthquake
Dother
30%
Figura 1 .-Daos producidos por desastres

naturales en el mundo, en vidas humanas y en
costes econmicos en la dcada 1986-1995.
DEATHS (1986-1996)
7%
Dflooding
29%/^
(Fuente: "Floods: People at Risk, Strategies for

Prevention". Miller, 1997. Department of
Humanitarian AfEairs)
Dwind storm
-ZZlHlfl^^^ 55%
Dearttiquake
other
9%
Particularizando para Espaa, se estiman en unos 3.000 millones de dlares los

daos producidos por las avenidas de los aos 1982 y 1983, a los que hay que aadir las
ms de 1.100 vidas humanas producidas en los ltimos 30 aos en la cuenca
mediterrnea espaola (Berga 1987). El elevado coste de vidas himianas, as como los
elevados daos materiales que producen estos fenmenos, justifica la inversin en
medidas estructurales y no estructurales de defensa. Adems, y dado el alto coste de
estas estructuras, se hace necesario un estudio muy cuidadoso de las avenidas, de su
origen, y especialmente de la estimacin de caudales punta.
3.-ANTECEDENTES
ANTECEDENTES
3.1.-INTR0DUCCI0N.
Al analizar el proceso de fonnacin de un caudal, reflejado en el esquema 1, se
puede deducir que el proceso est condicionado por tres factores principalmente:
=> Las caractersticas de las lluvias:
La intensidad, duracin, y su distribucin temporal y espacial, influyen tanto en la
generacin de escorrenta como en los procesos de circulacin y gnesis de los
hidrogramas.
=5- Las caractersticas y condiciones del suelo:
De entre ellas, cabe destacar, la capacidad de infiltracin y contenido de humedad
ante un episodio de lluvia, que a su vez, vienen condicionados por las lluvias
precedentes y por la evapotranspiracin. Estas dos caractersticas influyen
significativamente en la generacin de escorrenta.
=> Las caractersticas de la cubierta vegetal:
La cubierta vegetal tiene un efecto reductor en el volumen de escorrenta,
eliminando la humedad del suelo mediante el proceso de evapotranspiracin y
reduciendo la velocidad de circulacin del agua en el terreno. La vegetacin
adems protege la capa superficial del suelo frente a la compactacin, aumentando
la porosidad y facilitando as que el agua se infiltre en el terreno, retardando y
laminando la escorrenta.
=> Caractersticas de la cuenca:
Las caractersticas morfolgicas de la cuenca que ms influyen en la formacin de
un caudal punta son la fisiografa y las caractersticas de la red de drenaje que
condicionan tanto el tiempo de concentracin como la velocidad de circulacin, y la
agregacin de los hidrogramas.
ANTECEDENTES
Precipitacin
Escorrenta superficial
Superficie
Infiltracin
Escorrenta
subsuoerficial
O
S
Suelo
Percolacin
Acuiferos
Drenaje del
acufero
Esquema l.-Proceso de formacin de un caudal.
3.1.1.-TIPO DE ACTUACIONES.
Cuando en estos cursos de agua se produce un axunento de caudal, ste va

acompaado de una elevacin de la lmina de agua, sobreelevacin que puede conducir
a la inundacin de las zonas adyacentes. Para paliar estos desastres se pueden plantear
tres tipos de estrategias que incluyen actuaciones antes, durante, y despus de la
inundacin.
Historia de una avenida
Actuacin
Precipitacin
Control sobre la precipitacin?
Flujo sobre el terreno
Conservacin de suelos y lucha contra la erosin.
Red secundaria
Correccin de torrentes.
Propagacin en el cauce principal.. Laminacin, manterumiento y/o mejora de la

capacidad de evacuacin.
Desbordamiento e inundacin
Obras en cauces, zonificacin y usos de suelo,

sistemas de alarma.
ANTECEDENTES
Este conjunto de actuaciones se puede clasificar en:

=> Medidas estructurales.- Dentro de ellas se incluye la construccin de diques y
presas, obras que tienen como objetivo el control de la avenida mediante el
almacenamiento. Adems, se pueden incluir aqu las mejoras en cauces para
mantener y/o aumentar su capacidad de evacuacin. Estas obras debern
dimensonarse de manera que puedan desaguar un determinado caudal, el caudal
punta, tambin llamado de diseo o de proyecto. Este tipo de actuacin es muy
efectivo en la proteccin de vidas humanas y propiedades, pero tambin suelen ser
caras, por lo tanto es necesario estimar dicho caudal con precisin.
=> Ordenacin de usos de suelo.- Este segundo tipo de actuaciones trata de reducir la
susceptibilidad a los daos, y esto se consigue con una buena planificacin del
territorio. Para ello es necesario conocer qu caudales van a circular, qu lminas de
agua se alcanzarn (dependiendo de la topografa), y por tanto qu terreno va a
quedar inundado. Este segundo tipo de actuaciones permitir implantar una
zonificacin en cuanto a usos del suelo. Este uso restringido del suelo puede hacer
que estas medidas resulten impopulares, y por ello, tambin aqu, es necesario
conocer con precisin qu caudales pueden circular como mximo.
=> Y por ltimo se pueden incluir sistemas de alerta, medidas de tipo preventivo,
sistemas de proteccin civil, sistemas de alarma...todas ellas encaminadas a reducir
los daos producidos por las inundaciones.
Todo este tipo de actuaciones conlleva ineludiblemente la estimacin de caudales
de avenida, pero esta estimacin tambin resulta imprescindible en muchos mbitos de
la ingeniera civil: drenaje longitudinal y transversal de infraestructuras viarias, red de
drenaje de ciudades...
Adems, y como consecuencia de la Directiva Marco de Agua,( Directiva
2000/60/CE) que otorga un papel destacado a la evaluacin y control del estado
ecolgico de los sistemas fluviales, la caracterizacin del rgimen de caudales aparece
ANTECEDENTES
como un elemento fimdamental. Por lo tanto, tambin en este caso, es necesaria la

estimacin de caudales, ya sean ordinarios o de avenida.
3.1.2.-MTODOS DE ESTIMACIN DE CAUDALES MXIMOS.
Se pueden distinguir varios mtodos para calcular los caudales mximos:
Mtodos empricos.- Expresan el caudal en funcin de las caractersticas
geomorfolgicas de la cuenca. Estos mtodos se formularon a principio de siglo pasado,
y pueden servir como primera aproximacin para establecer rdenes de magnitud. En
cualquier caso, son frmulas que deberan corresponderse con las caractersticas e
hiptesis en las que se desarrollaron, aunque actualmente este tipo de relaciones est en
desuso.
Mtodos estadsticos basados en datos foronmicos.- consisten en la realizacin
de un estudio estadstico sobre los datos de caudales mximos registrados en la estacin
de aforos.
El dato de caudal, a pesar de ser la variable hidrolgica ms importante, no se
registra directamente, sino que se deduce a travs de la medicin de la profundidad de
agua alcanzada en una determinada seccin. Este calado se convierte en caudal a partir
de la curva de gasto de la estacin foronmica. A su vez, esta curva se obtiene con
aforos directos en los que se registran velocidades y calados medidos en la seccin, y
que una vez procesados permiten obtener el caudal.
Este mtodo de registro de caudales a partir de calados, presenta varios
problemas, vinculados, fundamentalmente, con la validez de la curva de gasto,
especialmente de caudales extremos, que son los caudales que generan problemas de
desbordamientos.
No es el objetivo de la presente Tesis analizar lafabilidadde dichos registros, y
adems, este problema queda en un segundo plano cuando se tiene en cuenta que para
poder utilizar este mtodo es necesario que exista una estacin de aforos. La red
foronmica es muy limitada, especialmente en los tramos de cabecera y cursos medio y
ANTECEDENTES
alto de los ros, lo que hace que la aplicacin de este mtodo no permita resolver de
manera generalizada la estimacin de caudales de avenida.
Mtodos hidrometeorolgicos.- Estos mtodos simulan el proceso de generacin
de hidrogramas o caudales mediante modelos, de mayor o menor complejidad, tanto con
una estructura agregada, como ms recientemente, distribuida.
Bsicamente se estructuran a partir de tres submodelos:
Precipitacin
Escorrenta
Circulacin.
El modelo de precipitacin debe proporcionar las caractersticas del aguacero cuyo

hidrograma se desea conocer: Perodo de retomo, intensidades, distribucin
temporal y espacial...
El modelo de escorrenta debe proporcionar la parte de precipitacin que escurre

superficialmente, y
El modelo de circulacin debe simular adecuadamente los procesos de flujo en

ladera y cauce, la agregacin de hidrogramas y, proporcionar, al fin, el hidrograma
o caudal en la seccin de cierre de la cuenca.
Los mtodos hidrometeorolgicos estn plenamente aceptados y son, hoy por
hoy, una herramienta insustituible en la estimacin de hidrogramas de avenida y

caudales mximos.
Dentro de los modelos hidrometeorolgicos, el mtodo racional es
probablemente el mtodo ms utilizado en el mundo para el clculo de caudales porque
presenta de forma sencilla y adecuada la influencia que tienen los distintos factores que
condicionan los caudales de crecida. Este mtodo se basa en que si sobre una cuenca se
produce un aguacero de intensidad constante y duracin indefinida, el caudal en la
seccin de cierre crecer hasta alcanzar un mximo, mximo que aparecer cuando toda
la cuenca contribuya simultneamente a generar el caudal en la seccin de cierre, y que
se mantendr constante hasta que cese la lluvia, puesto que desde que se presenta el
ANTECEDENTES
mximo, los volmenes evacuados por xmidad de tiempo igualan a los volmenes que
escurren. Este comportamiento se materializa en la siguiente expresin:
Q=C*PA*Fc.
Donde: I , Intensidad mxima de lluvia correspondiente a una duracin igual al
tiempo de concentracin
C, Coeficiente de escorrenta
S, Superficie
Fe , Factor de conversin de unidades para obtener el caudal en mVs
3.1.2.1.-Modelos hdrometeorolgicos y la ley IDF.

Los modelos hidrometeorolgicos, ya sean agregados o distribuidos, requieren,
como ya se ha indicado, generar un hietograma completo del aguacero cuyo hidrograma
o caudal se desea estimar, o en el caso del mtodo racional, la intensidad
correspondiente al tiempo de concentracin.
El caudal mximo que cabe esperar en la seccin de cierre se producir cuando
se presente una intensidad mxima. Por otra parte, la intensidad aumenta a medida que
se reduce el tiempo en el que se evala, pero ese tiempo debe ser mayor o igual al
tiempo de concentracin, para que toda la cuenca contribuya simultneamente al caudal
que circula por la seccin de cierre. Por tanto, la intensidad que hace mximo el caudal
ser la que corresponde a una duracin igual al tiempo de concentracin, la mayor
compatible con la condicin expuesta. Adems la intensidad debe evaluarse tambin
considerando la probabilidad de excedencia, definida por el perodo de retomo, y que
ser la correspondiente al caudal que se desea estimar. En consecuencia, la intensidad
que se introduce en la expresin del caudal en el mtodo racional ser funcin de la
duracin - tiempo de concentracin de la cuenca-, y del perodo de retomo, que se
escoge en funcin del uso:
I=f(d,T)
ANTECEDENTES
Resulta por tanto evidente, que para la estimacin de caudales por el mtodo
racional, es necesario disponer de funciones del tipo 1= f (d,T), citadas en la literatura
especializada como curvas intensidad -duracin - frecuencia ( en adelante curvas IDF),
ya que en sus orgenes se expresaban de forma grfica, representando en el eje de
abscisas la duracin, en ordenadas la intensidad, y una familia de curvas
correspondientes cada una de ellas a un perodo de retomo previamente establecido.
Desde la aparicin del mtodo racional, hacia 1850, hasta el uso de ordenadores,
el mtodo racional ha sido im referente imiversal, mantenindose su uso, aimque ahora
comparte el campo de estimacin de caudales con otros mtodos ms elaborados. El

bagaje que sobre las curvas K)F se ha venido acumulando, y que se haba desarrollado
para la aplicacin del mtodo racional, ha sido aprovechado posteriormente por otras
metodologas que requieren disponer del hietograma completo del aguacero. En
particular, estas curvas se han empleado, y se emplean, para complementar la limitada
informacin disponible en las estaciones meteorolgicas que cuentan solamente con la
precipitacin total, precipitacin mxima diaria anual para un perodo de retomo
considerado (nico dato que se puede obtener en estaciones con pluvimetro),y generar
hietogramas que simulen la entrada para el modelo de escorrenta.
10
ANTECEDENTES
3.1.3.- CONCLUSIN.
L a estimacin d e caudales de avenida y/ caudales m x i m o s es

imprescindible para el diseo de obras hidrulicas, ordenacin d e
territorio, planifcacin hidrolgica, sistemas de proteccin civil y
caraeterizacin del estado ecolgico d e los sistemas
fluviales
entre
. otros:'^:--'^'v'::.;
L o s ritodos basados e n series foronmicas

limitaciones derivadas
fimdamenalmnte,
tienen
importantes
aunque n o de manera nica,
de la escasa red foronmica.
L o s mtodos hidrometeorolgicos son, h o y p o r hoy, u n a herramienta

insustituible para l a estimacin de hidrogramas d e avenida y caudales
' '..mximos.-,
L a s leyes I D F son imprescindibles tanto para la aphcacin del mtodo

rional como p a r a l a obtencin de hietogramas sintticos c o n los que
complementar l a limitada informacin disponible e n las estaciones
meteorolgicas que cuentan nicamente con pluvimetro.
11
ANTECEDENTES
3.2.-ANTECEDENTES DE LAS LEYES IDF.

3.2.1,-CONSIDERACIONES PREVLiS.
Para abordar el anlisis de la situacin actual de las curvas IDF conviene hacer
unas reflexiones previas respecto a la gnesis general de estas relaciones y sus
implicaciones.
Como ya se ha comentado, cuando se presentan en forma de grfica, el eje de
abscisas recoge la duracin, el de ordenadas la intensidad y las curvas que aparecen en
el cuadrante as definido se corresponden con perodos de retomo de uso habitual.
Los datos que se utilizan para generar estas curvas son como los recogidos en la
tabla 1.
Duracin
Perodo de retorno(aos)
50 100 200
500
45 71 92 121 145 170 198
237
10
34 53 68 88 105 123 142
169
15
28 43 55 71
85
99
115
136
20
24 37 46 60
71
83
95
113
30
20 30 38 49
58
68
78
93
60
12 18 22 26
33
38
43
51
120
7.3 11 13 16
19
21
24
28
(minutos)
10 25
Tabla 1.-Intensidades mximas (mm/h) para cada duracin y periodo de retomo.
Los valores en la tabla son los valores obtenidos tras un ajuste a una funcin de
distribucin de las intensidades mximas para cada duracin (fila) y para cada perodo
de retomo (columna). As, 28 mm/h es la intensidad mxima en 120 minutos para un
perodo de retomo de 500 aos. Con los valores as obtenidos, se puede ajustar una
curva para cada perodo de retomo, como en la Figura 2.
12
ANTECEDENTES
Figura 2.-Curvas IDF
-1=2
-T=5
T=10
-T=26
-T=50
-T=100
-T=200
-T=500
No obstante, antes de entrar en

mayor detalle, es necesario precisar el
verdadero alcance de los trminos intensidad
y duracin.
Tanto en castellano -duracin- como
20
40
eo
ao
100
120
dufactn (minutos)
mo
en ingls -duraton- el trmino utilizado

puede llevar a equvoco. Al emplear tal
vocablo no se quiere hacer referencia a la duracin del aguacero, entendiendo como tal
el tiempo transcurrido desde que se inicia hasta que termina, sino a la duracin del
intervalo de tiempo en el que se evala la intensidad; se trata, pues, ms que de una
duracin, de la dimensin de la ventana temporal en la que se evala la intensidad.
En cuanto a la intensidad deben establecerse tres consideraciones:
La variable en cuestin es una intensidad media, resultado de dividir la

precipitacin registrada en la ventana temporal definida -duracin- por ese
tiempo. La intensidad as calculada es, por tanto, un valor que no es real, en el
sentido de que la cifra obtenida no implica que durante la ventana de tiempo
considerada la intensidad real se haya mantenido constante. Las distintas
duraciones de esas ventanas temporales se fijan de manera artificial, ajena a la
duracin real de los episodios de lluvia, careciendo, por tanto, de la cualidad
de variable aleatoria.
Las precipitaciones que sirven para obtener esas intensidades medias para las
distintas ventanas temporales utilizadas, son las mximas anuales registradas
para esa duracin. Por tanto, cuando en el contexto de las curvas IDF se habla
de intensidades, en realidad se est haciendo mencin al mximo anual del
valor medio de la intensidad en la ventana temporal considerada.
Tambin es conveniente llamar la atencin al hecho de que los valores

obtenidos para un ao concreto correspondientes a distintas ventanas
temporales se corresponden, en general, a episodios distintos de lluvia. As,
13
ANTECEDENTES
por ejemplo, para un ao cualquiera, el mximo anual del valor medio de la

intensidad en 30 minutos pudo registrarse en agosto, mientras que el
correspondiente a 2 horas se gener en un aguacero de octubre. Adems, esa
ventana temporal no aporta informacin respecto a la cronologa interna del
aguacero: Las dos horas de mxima intensidad anual del aguacero de octubre
pudieron presentarse al final del episodio, mientras que los treinta minutos de
mxima intensidad del de agosto pudieron acaecer al comienzo.
Una vez que para una estacin se dispone de los registros de mximo anual del
valor medio de la intensidad para las duraciones consideradas, el proceso de
obtencin de las curvas IDF tiene dos fases diferenciadas:
En primer lugar, hay que estimar, para cada duracin, las intensidades
correspondientes a los periodos de retomo de inters. Este proceso consiste,
esencialmente, en seleccionar una funcin de distribucin y estimar sus parmetros a
partir de las series de mximos anuales del valor medio de la intensidad para cada
duracin considerada. Los resultados as obtenidos -para cada duracin, intensidades
correspondientes a los distintos perodos de retomo- pueden ya representarse en los ejes
I-D.
A continuacin, se ajustan funciones que, para cada perodo de retomo,
reproduzcan adecuadamente la variacin de la intensidad con la duracin, o una funcin
nica que sea capaz de recoger adecuadamente la variacin de la intensidad con las dos
variables, duracin y perodo de retomo.
Por tanto, cuando se aborda la obtencin de curvas IDF, o la discusin de las
curvas disponibles, es necesario plantear el trabajo distinguiendo claramente estas dos
fases, y desde esa perspectiva se analiza a continuacin, la situacin actual de las curvas
IDF en dos epgrafes diferenciados:
Evolucin del anlisis de frecuencias en variables aleatorias de valores

extremos.
Evolucin de las relaciones I (d, T)=f( d, T)
14
ANTECEDENTES
3.2.2.-EVOLUCIN DEL ANLISIS DE FRECUENCIAS DE VARIABLES

ALEATORL^S DE VALORES MXIMOS.
Las variables aleatorias de valores mximos habitualmente utilizadas en el
mbito de la hidrologa -precipitacin, intensidad y caudal- presentan un coeficiente de
asimetra positivo. Este hecho obliga a considerar patrones de funciones de densidad, o
de distribucin que recojan ese comportamiento, prestando especial cuidado a la hora de
estimar el coeficiente de asimetra, ya que es precisamente sobre la cola derecha de la
funcin ajustada- correspondiente a perodos de retomo alto- donde se centra el inters
de la estima de cuantiles. En este sentido, la evolucin del anlisis de frecuencias de
valores mximos se puede sistematizar en tres direcciones:
Desarrollo de funciones de distribucin especficas.
Desarrollo de mtodos de estimacin de parmetros de las funciones de

distribucin.
Desarrollo de mtodos para incrementar la informacin.
3.2.2.1.-Desarrollo de funciones de distribucin especficas.

Teniendo en cuenta la trascendencia que el coeficiente de asimetra tiene en la
estimacin de cuantiles, los distintos patrones de funciones de distribucin propuestos
para el anlisis de valores extremos, y mximos en particular, suelen clasificarse,
atendiendo al tratamiento del factor de forma asumido: en asimetra fija, libre y
variable.
Asimetra fija.
Tradicionalmente se ha acudido a patrones de funcin de distribucin con
coeficiente de asimetra fijo (USWRC, 1981) y de ellas, la ms utilizada es Gxutnbel
(1941) (Chow et al, 1994), funcin biparamtrica que asume un coeficiente de asimetra
fijo de 1,14. Los cuantiles estimados a partir de esta fimcin son, lgicamente,
independientes de la asimetra muestral. Cuando las muestras son cortas, como
habitualmente ocurre en las series utilizadas en hidrologa, asumir una asimetra fija da
robustez a las estimas, es decir, que la entrada o salida de un valor extremo -el mximo
de los mximos, que cambiara significativamente la asimetra muestral- no incide tan
drsticamente en las estimas. Sin embargo, esta ventaja se toma en inconveniente
15
ANTECEDENTES
cuando la asimetra de la poblacin subyacente es sensiblemente distinta de 1,14. En

este caso, si la asimetra de la poblacin subyacente es superor a 1,14, los cuantiles
obtenidos con Gumbel estn subestimados, circunstancia inadmisible para las
aplicaciones habituales de estos resultados. Rossi et al., (1984) ha comprobado que, por
esta circunstancia, Gumbel no es recomendable para el tratamiento de series anuales de
caudales mximos. En Espaa, en la zona de influencia mediterrnea, se ha comprobado
que, para series de precipiteciones mximas diarias anuales, los cuantiles estn
subestimados cuando se utiliza Gumbel, conduciendo, por tanto, a resultados que,
aplicados a estudios hidrolgicos, sitan las decisiones o dimensiones de las obras del
lado de la inseguridad (Ferrer, 1991).
Asimetra libre.
Frente al planteamiento descrito en el epgrafe anterior, se consideraron otros
patrones de funciones de distribucin con tres parmetros. Las ms utilizadas son LogPearson Tipo 3 (LP3) y Valores Extremos Generalizados (GEY), (Ponce, 1989). En
estos patrones, el parmetro de forma se estima considerando el coeficiente de asimetra
muestral. Sin embargo, el error y la asimetra en la estima del coeficiente de asimetra
crecen a medida que se reduce el tamao muestral, (Bedient y Huber, 1992). Esto hace
que la estimacin del factor de forma a partir nicamente de la asimetra muestral d
lugar a estimas de cuantiles para perodos de retomo altos muy poco robustas, ya que la
entrada o salida de im valor extremo -el mximo de los mximos- cambia
significativamente la asimetra muestral; con ella cambia la estimacin del factor de
forma de la funcin de distribucin y por tanto los cuantiles correspondientes a periodos
de retomo altos. Esto supone un grave problema en el campo de la hidrologa ya que las
series disponibles son cortas. En los Estados Unidos, donde se utiliza la funcin LP3, se
ha implementado vm estadstico para la estimacin del coeficiente de asimetra en el
que, adems del valor muestral, se incluye un coeficiente de asimetra regional,
recogido en mapas, y un factor de ponderacin que minimiza la varianza de la estima
(U.S.Interagency Advisory Committee on Water Data, Hydrology Subcommittee,
1983).
16
ANTECEDENTES
" Asimetra variable.

Para tratar de conjugar las ventajas de ambos planteamientos y limitar sus
inconvenientes, recientemente se han desarrollado patrones de funciones de distribucin
que si bien formalmente son biparamtricas, asumen que el coeficiente de forma est
vinculado a la informacin muestral, aunque ese vnculo no se establece con el
coeficiente de asimetra. De stas, merece destacarse la propuesta por Etoh et al.,
(1986), conocida como SQRT-ET rax, ya que fue desarrollada expresamente para
mximos anuales de lluvia diaria. El coeficiente de asimetra viene definido por una
funcin en la que aparece como variable independiente el coeficiente de variacin
muestral, tomando siempre un valor superior a 1,14. De esta forma, con respecto a las
funciones de distribucin de asimetra libre se incrementa la robustez de las estimas - al
no considerarse el coeficiente de asimetra muestral en la estimacin de los parmetros
de la funcin de distribucin - , y con respecto a las de asimetra fija seflexibilizala
caracterizacin del coeficiente de asimetra.
En Espaa, los trabajos ms recientes publicados, tanto sobre precipitaciones
mximas anuales (Ferrer y Mateos, 1999), como sobre intensidades (Instituto Nacional
de Meteorologa, 2003), se han decantado por el empleo de la funcin SQRT-ET mx.
Ferrer justifica esta eleccin con los siguientes argumentos:
Es el nico modelo que ha sido propuesto especficamente para la
modelizacin estadstica de mximas lluvias diarias.
Depende slo de dos parmetros, lo cual, adems de una ventaja intrnseca
por emplear menor nmero de parmetros, conlleva mayor robustez en los
resultados obtenidos ante valores anmalos en los datos.
Mayor facilidad de presentacin de datos al definir los cuantiles
exclusivamente en funcin del coeficiente de variacin.
Proporciona resultados ms conservadores que los mtodos tradicionales.
En la tabla 2, se recogen las principales ventajas e inconvenientes de cada una de
las funciones de distribucin.
17
ANTECEDENTES
Distribucin
Parmetros
Ventajas
Inconvenientes
Gumbel
2(u,a)
-Asimetra independiente de la - Coeficiente de asimetra

fijo e igual a 1,14.
muestra.
- Gran rigidez para describir
<
series con CaT^ 1,14.

GEV*
3 (u, a, k)
-Ms flexible al ajuste que las - Coeficiente de asimetra

funciones de asimetra fijo.
LP3**
depende del tamao de la
3 (u, a, k)
muestra.
-Adecuada capacidad descriptiva.
.3
TCEV***
- Errores y asimetra en la
estima crecen a medida que
4 (ai,a2,Oi,02)
se reduce el tamao de la
<
muestra
(Bediente
&
Huber,1992).
- Poco robusto para muestras
pequeas.
- El sesgo no es fijo.
SQRT-ET
2(a,k)
mx***
rigidez
para
- La asimetra del modelo no describir
series
con
depende de la asimetra muestral.
de
-Ms
.s
'C
es
>
robusto
Cierta
ante
coeficiente
asimetra
valores elevado (por el hecho de
anmalos.
depender
slo
de
- Resultados ms conservadores parmetros).
que la funcin de distribucin de
<
Gumbel.
- A pesar de usar dos parmetros
tiene gran capacidad para describir
la
cola
derecha
(Ferrer
Mateos, 1999).
Tabla 2.- Resumen de las caractersticas de las principales funciones de distribucin manejadas.
Donde, u, a, k, son parmetros
*Recomendada para el estudio de avenidas en Gran Bretaa (NERC,1975)

** Utilizada normativamente en Estados Unidos (USWRC, 1981)
*** Reciente inters por numerosos investigadores.
18
dos
ANTECEDENTES
3.2.2.2.-Desarrollo de mtodos de estimacin de parmetros de las funciones de

distribucin.
Para la estimacin de los parmetros se han venido utilizando varios mtodos (Chow
et al. (1994):
Mtodo de los momentos.
El mtodo de los momentos fie utilizado por primera vez por Klarl Pearson en
1902. Pearson consider que irnos buenos estimadores de los parmetros de una
ecuacin eran aquellos para los cuales los momentos de la funcin de densidad de
probabilidad alrededor del origen son iguales a los momentos correspondientes de la
informacin de la muestra. As, el estimador de la varianza poblacional es la varianza
muestra], de la media de la poblacin la media muestral, y as sucesivamente. Es un
mtodo fcil de aplicar y resulta adecuado para anlisis prcticos en hidrologa.
" Mxima verosimilitud.
Este mtodo fue desarrollado por Fisher en 1922. Consider que el mejor valor de
un parmetro de una distribucin de probabilidad debera ser aquel que maximizara la
probabilidad conjunta de ocurrencia de una muestra observada. Tericamente este
mtodo es ms correcto ya que los cuantiles obtenidos son consistentes, es decir,
convergen a su verdadero valor al aumentar la longitud de la serie histrica, con lo que
se eliminan los errores sistemticos. Adems son ms eficientes (estiman los parmetros
de la poblacin con los menores errores promedio), y asintticamente eficientes, es
decir, al aumentar la longitud de la serie, la varianza del estimador se aproxima al
mnimo tericamente posible entre todos los mtodos de estimacin. Otra ventaja que
ofi-ece este mtodo es la posibilidad de incorporar cualquier tipo de informacin
adicional cuantitativa
Como inconveniente podemos decir que es un mtodo ms complejo de programar.
19
ANTECEDENTES
Momentos ponderados probabilsticamente.

Fueron introducidos por Greenwood et al., ( 1979). Slo se pueden utilizar
cuando la funcin se puede expresar de forma explcita en forma inversa (No

aplicable por tanto a TCEV, LP3, SQRT-ET mx). Cuando se desean estimar
cuantiles con perodos de retomo superiores a 100 aos, este mtodo es superior al de
mxima verosimilitud en trminos de consistencia y eficiencia, al menos para la
distribucin GEV (Hosking et al, 1985; Hosking y Wallis, 1987). Este mtodo
tambin ofrece como ventaja su menor sensibilidad a los outliers y su carcter
insesgado.
B L-moments.
Los L-momentos son una alternativa a los mtodos anteriores. Histricamente
surgen como una modificacin al mtodo de los momentos ponderados
probabilsticamente, (Greenwood et al., 1979). Los L-momentos son funciones
lineales de momentos ponderados probabilsticamente, presentando la ventaja sobre
ellos de resumir la distribucin estadstica de forma ms significativa.
La publicacin quizs ms interesante es la de Hosking, (1990); en ella se
justifica su utilizacin, ya que una cierta combinacin lineal de los elementos de la
muestra ordenada contienen informacin de los parmetros de localizacin, escala y
forma de la distribucin de la que procede, y al ser fimciones lineales de los valores
mustrales, son prcticamente insesgados y tienen relativamente pequea varianza.
Los estimadores de cocientes entre L-momentos tienen tambin pequea
varianza y asimetra, especialmente en comparacin con los coeficientes clsicos de
desviacin tpica y curtosis.
Otro argumento a favor de su utilizacin en la estimacin de parmetros es
su
relativa insensibilidad a los valores anmalos (outliers). No obstante, este
argumento no debe inducir a utilizar este mtodo a ciegas, ya que no se debe perder
de vista que el objetivo ltimo es la estimacin de un cuantil, no los L-momentos en
20
ANTECEDENTES
S mismos. As, aunque los L-momentos puedan tener las propiedades mustrales
deseables, no ocurre necesariamente lo mismo con una funcin de ellos como es el
estimador de un cuantil dado. De hecho, otros estudios demuestran que para algunas
distribuciones, pueden ser mejores otros mtodos de estimacin en trminos del error
cuadrtico medio del estimador del cuantil. (Hosking y Wallis, 1987; Rosbjerg et
al.,1992).
Algunos autores (Bemier, 1993) ponen como objecin a este mtodo que es
demasiado robusto en comparacin con el mtodo clsico de momentos en el sentido
de que, a los valores grandes o pequeos de la muestra, que reflejan ima importante
informacin de la cola de la distribucin padre, se les da poco peso en la estimacin.
Sin embargo, tambin hay que decir que Hosking, (1990) considera que los Lmomentos dan un peso relativo de cada elemento de la muestra en funcin de la
importancia relativa del mismo.
Para poder comparar estos parmetros del mismo modo que con los
momentos convencionales es muy conveniente definir los L-momentos de forma
adimensional. Hosking y Wallis, (1997) consideran que los cocientes de los Lmomentos son consistentes pero no insesgados.
En la tabla 3 se recogen las principales caractersticas de los mtodos de
estimacin de parmetros.
21
ANTECEDENTES
Caractersticas
M. Momentos
Ventajas
Simplicidad de aplicacin.
Consistente.
Menos
sensible
ante
M. Mxima verosimilitud
M. Momentos ponderados probabilsticamente -; .X-Mfeirlentos
Libre de asimetra.
Frente a los mtodo anteriores
Ms eficiente =>produce una varianza (Saenz de Ormijana et al. 1991):
1986):
menor, estiman los parmetros de la
Menos sensibles a los outliers
poblacin con menores errores promedio
Carcter insesgado.
se estiman a partir de valores mustrales.
(Chow, 1994).
Simplicidad de aplicacin (no encierran
Ms injsesgados.
potencias de las observaciones).
Presentan unos lmites naturales (tr<l), lo que
elecciones
incorrectas del modelo de distribucin.
Confiere mayor peso a los mayores
valores de la distribucin.
Ms robusto, ya que no requiere elevar

los datos al cuadrado o al cubo.
Para tamaos mustrales grandes la
Frente a i los momentos convencionales (Hosking
Confiere mayor peso a los mayores valores
resulta una ventaja pues un parmetro resulta ms
de la serie=>Valores ms conservadores.
fcil de interpretar cuando sus valores se

encuentran dentro de un intervalo, que cuando
informacin observada converge hacia la

informacin esperada y el estimador es
ptimo con lo que se eliminan los
Este mtodo es superior al mtodo de
pueden tomar cualquier valor arbitrariamente.
mxima verosimilitud en trminos de
Permite caracterizar a un mayor nmero de
errores sistemticos (son por tanto
consistencia y eficiencia cuando se estiman
funcioijies de distribucin.
consistentes).
son
cuantiles para perodos de retomo mayores
Menos: sujetos a la asimetra de la estimacin.
asintticamente eficientes (ya que la
de 100 aos a partir de series histricas de
Es ms fcil identificar la distribucin de la que
varianza del estimador se aproxima al
menos de 100 aos- al menos para la
proviene la muestra.
mnimo tericamente posible entre todos
distribucin GEV (Hosking et al. 1985. Frente a M. Mxima verosimilitud:
los mtodos de estimacin Son ms
HoskingyWallis, 1987)
Adems
eficientes.
No utiliza de forma exhaustiva toda la

informacin de la muestra.
Sesgo es ms sensible al extremo
superior de la distribucin.
mustrales
que
los
Los cocientes de los momentos no

presentan unos lmites.
para
muestras
pequeas
Permite incorporar informacin adicional

i
Bastante sensible a una incorrecta
Aplicable slo cuando la funcin de
eleccin del modelo de distribucin.
distribucin se puede expresar en forma
(Maidment,1993)
explcita.
Para
pequeas
muestras,
presenta
son frecuentemente sesgados.
L-
momentos.
Ms eficiente
dificultades numricas, y los estimadores
Se ve ms afectada por valores

extremos
moderadas.
cuantitativa.
Inconvenientes
Ms robusto ante la presencia de outliers cuando
Ms difcil de aplicar aunque con los

medios
informticos
est
menos
condicionado.
Tabla 3.-Resumen de las caractersticas de los distintos mtodos de estimacin de parmetros.
22
ANTECEDENTES
3.2.2.3.-Desarrollo de mtodos para incrementar la informacin.

Para resolver el problema de escasez de datos en el anlisis de frecuencias de
variables aleatorias de valores extremos, se han planteado dos alternativas:
"
Utilizacin de series de duracin parcial (SDP).
Regionalizacin.
Utilizacin de series de duracin parcial.

Una Serie de Duracin Parcial, SDP, consiste en una serie de datos
seleccionados de tal manera que, su magnitud es mayor que un valor "umbral"

predefinido. As por ejemplo, si se dispone de registros de precipitacin diaria en N
aos, y ima vez establecido el umbral, la serie quedara formada por todos los valores
que lo superen. De esta forma, a diferencia de lo que ocurre en las series convencionales
en las que se toma el valor mximo anual, la SDP puede estar formada por un nmero
de registros superior al nmero de aos. Habr aos que aporten varios registros y
tambin aos que no aporten ninguno.
Si el valor umbral se selecciona de tal manera que el nmero de valores en la
serie sea igual al nmero de aos en el registro, la serie se conoce como una serie de
excedencia anual. En este caso no aumenta el tamao de la serie respecto a la de
mximos anuales.
Entre los trabajos realizados con series de duracin parcial cabe destacar los
estudios de Davidson y Smith, (1990).
Diversos autores recomiendan el uso de series de duracin parcial para analizar
eventos que ocurren ms frecuentemente. Cuando un problema requiere el anlisis de
eventos con un perodo de retomo menor de 5 aos, la serie parcial de valores es
preferible a la serie anual.
23
ANTECEDENTES
Cuando el perodo de retomo se hace mayor, los resultados de las dos

metodologas, serie de excedencia anual (caso particular de duracin parcial) y series de
mximos anuales, se vuelven muy similares (Chow et al., 1994).
"
Regionalizacin
El anlisis de frecuencias de variables aleatorias de valores extremos en

hidrologa, fundamentalmente caudales y precipitaciones, requiere un tratamiento
singularmente detallado de la cola derecha de lafincinde distribucin, y ello por dos
razones:
En primer lugar porque estas variables aleatorias presentan una importante
asimetra positiva, que el modelo estadstico elegido para caracterizarlo debe ser
capaz de reflejar.
En segundo lugar, porque las estimas se hacen en esa cola derecha- perodo de
retomo alto - y los cuantiles as obtenidos tienen una gran trascendencia, pues
contribuirn a definir el diseo y dimensionado de obras, as como establecer
niveles de seguridad de infraestmcturas, bienes y vidas.
El primer aspecto se resuelve contemplando patrones de funcin de distribucin
adecuados, tal como se discuti en el epgrafe "desarrollo defunciones de distribucin
especificas", y en cuanto al segundo, la estabilidad y fabilidad de las estimas para
perodos de retomo altos se solucionara contando, con independencia del mtodo de
estimacin de parmetros utilizados, con muestras grandes.
Pero, incrementar el tamao muestral de este tipo de variables aleatorias, en un
sentido estricto, no es posible, ya que si en una estacin los registros de precipitacin
diaria cubren 15 aos, la serie de precipitaciones mximas diarias tendr 15 datos, y
para aumentar su tamao a 50 datos, debern transcurrir 35 aos. Por ello, las
tendencias actuales en el estudio de frecuencias de valores mximos se centran, no
tanto en descubrir cual es la distribucin correcta, ni la que mejor se ajuste para
perodos de retomo medio-bajos, sino en buscar un mtodo robusto, es decir, que arroje
resultados razonables, aimque la distribucin elegida no sea la tericamente ms
correcta.
24
ANTECEDENTES
De acuerdo con Hosking y Wallis, (1997), este problema de escasez de datos se

atena:
^^ paliando la carencia en el tiempo con la abundancia en el espacio".
El enfoque regional pretende aumentar el nmero de datos utilizando los datos
de otras estaciones en las que se considera que su distribucin defrecuenciases similar;
As, se podra considerar que esas series de cada estacin constituyen muestras de la
misma poblacin. Este mtodo asume, por tanto, la existencia de ima '^regin
homognea" respecto a ciertas caractersticas hidrolgicas y estadsticas, lo que permite
aprovechar el conjunto de la informacin disponible en dicha regin. Se acepta incluso
que, aunque una regin sea moderadamente heterognea, un anlisis regional conduce a
mejores estimas que un anlisis estacin a estacin (Lettenmaier y Potter, 1985;
Lettenmaier et al., 1987; Hosking y Wallis, 1988; Potter y Lettenmaier, 1990)
Hoy da est plenamente reconocido que un buen ajuste a una muestra de una
sola estacin no garantiza una buena estima para cuantiles correspondientes a perodos
de retomo altos, sino que se requieren ms datos para describir adecuadamente el
extremo de la cola derecha, Con este enfoque regional, se pretende reducir la varianza
de los parmetros estimados con una nica muestra, empleando la informacin de
estaciones con similar comportamiento.
Diversos autores, Lettenmaier y Potter, (1985) parecen indicar que en muestras
con Cv relativamente bajo ( Cv<0,6), y relativamente homogneas (Cv(Cv)<0,2) las
ventajas de utilizar datos regionales son claras.
As, es de esperar, que al aumentar el tamao de la muestra el error de
estimacin de los parmetros disminuir en la medida en que la regin sea ms
homognea estadsticamente y la correlacin espacial sea baja, aunque este segundo
condicionante tiene menor influencia (Hosking y Wallis, 1988).
Algunos autores, (Mtalas et al. , 1975) sugieren que la regionalizacin
introduce errores debido a la perturbacin espacial, otros (Stedinger, 1983) sugieren que
25
ANTECEDENTES
es debido a la correlacin entre estaciones, y as mismo demuestran que la influencia de
esta correlacin disminuye con el aumento de orden del momento. Otros autores
(Florentino et al., 1987; Rossi y Villani, 1992) indican que la variabilidad temporal de
la muestra se incrementa con el orden "m" de los momentos, mientras que el cociente
entre la perturbacin espacial y la variabilidad temporal de la muestra decrece con "m".
Wallis et al., (1974) sealan las ventajas de la regionalizacin para su aplicacin

en el anlisis estadstico de los valores extremos debido a la gran influencia que tienen
los momentos de orden superior sobre la forma de la cola de la distribucin.
Actualmente el mtodo ms utilizado para la regionalizacin es el mtodo del

"ndice de avenida"
El mtodo ndice de avenida fue desarrollado por el USGD (Dalrymple, 1960)

para el estudio de avenidas (FREND, 1989), o de mximas lluvias (Reed, 1992) y
actualmente estn ampliamente aceptadas las ventajas de este mtodo frente a los
mtodos tradicionales (Greis y Wood, 1981; Hosking, 1986; U.S. National Research
Council, 1988; Potter y Lettenmaier,1990)
Esencialmente, el mtodo ndice de avenida parte de la hiptesis de que la

distribucin de los eventos extremos en una regin homognea es la misma excepto un
factor de escala que refleja las caractersticas de cada estacin. Esto equivale a aceptar
que todas las estaciones de una regin homognea proporcionan muestras de la misma
poblacin subyacente en lo que a coeficiente de variacin (Cv) y coeficiente de
asimetra (Ca) se refiere, de manera que, conocidos los cuantiles a escala regional y los
valores medios locales, se pueden obtener los valores extremos locales con ms
fabilidad.
Con este supuesto, la variable "Y" resultante de dividir en cada estacin los
valores mximos anuales entre su media sigue idntica distribucin de frecuencia en
toda la "regin". As, los parmetros de dicha distribucin, una vez seleccionado el
modelo de la ley, son obtenidos a partir del conjunto de datos de las distintas estaciones,
mientras que el valor local de la media, se estima exclusivamente a partir de los datos de
cada estacin.
26
ANTECEDENTES
Si las series son estadsticamente independientes entre s, puede probarse que el

mtodo del ndice de avenida equivale a construir una serie cuya longitud sera la suma
de las de las series individuales. Por el contrario, si las series fueran totalmente
dependientes la serie regional sera equivalente a cualquiera de las series individuales,
sin ganancia de informacin respecto a las mismas (U.S. National Research Council,
1988).
Diversos autores han aplicado este mtodo a distintas variables, eligiendo

distintos modelos de fimcin de distribucin y distintos mtodos de estimacin de los
parmetros y cuantiles
obteniendo mejores resultados que los anlisis realizados
manejando solamente datos locales. Entre ellos se podran destacar los trabajos de
Hosking y Wallis, (1993), que proponen el empleo del mtodo ndice de avenida
conjuntamente con el uso de L-momentos por ser un mtodo robusto, axm en presencia
de valores anmalos (outliers).
Tambin, Yun y Chen, (1998) utilizan la regionalizacin para aplicar la frmula

de EDF en estaciones que carecen de pluvigrafo en Taiwan, utilizando la precipitacin
mxima anual como ndice, dato disponible en todas las estaciones con pluvimetro.
Cunnane, (1988) asegura que el mtodo del ndice de avenida con una
distribucin Wakeby regional es el mejor mtodo, mientras que Potter y Lettenmaier,
(1990) llegaron a obtener mejores resultados con una distribucin GEV regional.
El mtodo ndice de avenida ha sido tambin utilizado en Espaa por Sanz de

Ormijana et al. , (1991) para el estudio de precipitaciones mximas en las provincias de
Crdoba, Granada y Mlaga; lvarez et al., (1999), lo aplicaron al estudio de
precipitaciones mximas en Galicia y Ferrer y Ardiles, (1994) han realizado el estudio
de precipitaciones mximas a escala nacional.
27
ANTECEDENTES
El anlisis regional de frecuencia incluye tres pasos:
Identificacin de regiones: agrupacin de estaciones en regiones

homogneas.
" Eleccin del modelo de distribucin.

" Estimacin regional de los parmetros y cuantiles.
"
Identificacin de regiones.
Los dos tipos de variables ms utilizados para definir las regiones son:
- Caractersticas fsiogrfcas y climticas utilizado sobre todo en la
definicin de regiones para estimar caudales.
- Variables estadsticas (cociente de L-momentos).
En los ltimos aos los investigadores han tratado de desarrollar mtodos en los
que la similitud entre estaciones se defina en un espacio multidimensional de

caractersticas relacionadas con caractersticas hidrolgicas y con caractersticas
estadsticas.
Entre ellos, y para resolver el problema de identificacin de regiones, Bum,
(1990a), y Zrinji y Bum, (1993, 1994) definieron el concepto "regin de influencia", y
la "estacin de inters" se encuentra en el centro de gravedad de una zona de influencia
de distintas caractersticas, cada una ponderada de acuerdo con su importancia. Este
mtodo tambin incluye la eleccin de una "distancia umbral", (Bum, 1990b).
Solamente las estaciones cuyas distancias a la "estacin objetivo" (en el espacio de
atrbutos ponderado) no exceda ese umbral se incluyen en la "regin de influencia".
Zrinji y Bum, (1993,1994) sustituyen la eleccin de ese "umbral", un tanto
subjetiva, por un test estadstico, en el que las estaciones se van aadiendo a una regin
hasta que la hiptesis de completa homogeneidad sea rechazada por el test. Una ventaja
del mtodo de la "regin de influencia"fi-entea ste es que en la estimacin de la curva
_
ANTECEDENTES
de crecimiento regional, cada estacin se puede ponderar de acuerdo con su proximidad

al punto de inters.
Cavadlas, (1990) propone otro mtodo para la definicin de regiones
homogneas basado en correlaciones "cannicas". Esta aproximacin es diferente del
mtodo anterior pero est basada en el mismo concepto de proximidad. Los grupos se
identifican con dos variables cannicasfisiogrficas.Los problemas que presenta este
mtodo son, por un lado la subjetividad y por otro, que no hay garantas de que el
modelo se pueda encontrar. Las variables cannicas de la cuenca tambin fueron
utilizadas por Bum y Boorman, (1993) para distinguir dos clusters.
Nathan y McMahon, (1990) utilizaron el anlisis cluster para agrupar estaciones
en regiones homogneas. En su trabajo es de destacar el inters mostrado en la seleccin
y ponderacin de las variables. De hecho, este es un problema donde no es posible una
solucin estrictamente matemtica, pero a pesar de todo se pueden obtener soluciones
bastante aceptables.
Gabriele y Amell, (1991) utilizaron la simulacin de Montecarlo para la
agrupacin de estaciones, una idea ya introducida por Florentino et al., (1987). El
mtodo est basado en el hecho de que cuanto mayor es el orden del momento regional
que se va a estimar, mayor es el nmero de estaciones necesario para producir una
mejor estima. As, el coeficiente de asimetra (y otros parmetros relacionados con l),
deberan estimarse en una regin grande, mientras que el coeficiente de variacin (y
otros parmetros relacionados con l), se deberan estimar en subregiones. Con este
proceso se asume que slo la media de la serie de mximos anuales responde a efectos
locales, lo que unido a su fcil estimacin a partir de series con las longitudes habituales
de registro, hace que sea definida exclusivamente a partir de los datos locales. Por el
contrario, los momentos de mayor orden, Ca, y Cv, que son difcilmente estimados con
los datos procedentes de una sola estacin, responden a efectos regionales. Esta
hiptesis asume por tanto que la variabilidad existente en los Cv y Ca mustrales se
deben exclusivamente a un efecto aleatorio y consecuentemente podr ser reproducida
mediante tcnica de simulacin de Montecarlo. Este mtodo tambin fue utilizado por
Ribeiro-Correa y Rouselle, (1993). Aunque el razonamiento es bastante intuitivo, su
aplicacin parece poco factible desde un punto de vista prctico, pues requiere
29
ANTECEDENTES
establecer, no uno sino dos, niveles de regiones, y adems el uso del mtodo de
momentos ponderados probabilsticamente a escala regional aumenta la dificultad, al
tener que estimar momentos de orden superior.
La definicin de regiones homogneas est relacionada con la identificacin de
la distribucin regional comn en cada regin, y as, una regin slo se puede
considerar homognea si se tiene la suficiente evidencia de que los datos provienen
todos de la misma poblacin subyacente (excepto por el parmetro de escala).
Hosking y Wallis, (1993) desarrollaron distintos tests para el estudio de
regionalizacin y establecieron valores umbrales para definir la mayor o menor
homogeneidad, as como para elegir y estimar una distribucin regional.
Tambin los diagramas de L-momentos se han convertido en una buena
herramienta para identificar la distribucin regional y para comprobar estaciones
dudosas, y han sido utilizados por Chowdhury et al., (1989), Piln y Adamowski ,
(1992), Vogel y Fennesey, (1993) y Vogel et al, (1993).
Lu y Stedinger, (1992) desarrollaron un test de homogeneidad alternativo al de
Hosking y Wallis, basado en datos adimensionales con un perodo de retomo de 10
aos.
Chowldhury et al., (1989) compararon distintos tests de bondad de ajuste para la
distribucin GEV y plantearon que un nuevo test de chi cuadrado basado en el L-Cv
( L-coeficiente de variacin) y el L-Ca ( L-coefciente de asimetra) es ms adecuado
que otros tests.
En el anlisis regional tambin resulta adecuado realizar simulaciones para
analizar la heterogeneidad regional, heterogeneidad que siempre se da en la prctica.
Puesto que unos mtodos de estimacin regional son ms sensibles a la heterogeneidad
y otros son ms robustos al no-cumplimiento de las hiptesis bsicas, la inclusin de
una medida de la heterogeneidad es esencial para hacer buenos ajustes.
30
ANTECEDENTES
Entre los distintos trabajos de aplicacin del proceso de regionalizacin merece

destacarse el trabajo de Bum y Goel, (2000) en la India. En l, sugieren que las regiones
deben ser homogneas desde el punto de vista hidrolgico. En segundo lugar dicen que
la regin debe ser identificable, de manera que se pueda incorporar una estacin (sin
parmetros conocidos) a una regin, y por ltimo afirman que las regiones deben ser lo
suficientemente grandes- y de acuerdo con las tendencias generales, que apuntan a que
el tamao debe ser de 5 veces el perodo de retomo- ya que al incorporar mayor
informacin, las estimaciones sern mejores. Tambin indican que, conforme aumenta
el perodo de retomo, la informacin regional se va haciendo ms importante. Para
definir las regiones utiliza el mtodo Cluster, e insisten en la importancia de elegir las
variables adecuadas y ponderarlas de acuerdo con su importancia en el estudio. Como
punto de partida en el proceso de regionalizacin utiliza la tcnica de Cluster, pero
posteriormente aplica los Test de Homogeneidad Hosking y Wallis para evaluar la
homogeneidad de la regin. Como aspecto novedoso llega a utilizar la misma estacin
en dos regiones distintas para conseguir informacin de 5*T (cinco veces el perodo de
retomo). Concluye que esa superposicin de regiones, tras la revisin de las mismas,
supone un uso ms efectivo de la informacin de valores extremos que cuando las
regiones no se superponen, sobre todo cuando el nmero total de estaciones no es muy
grande.
Jakob et al. , (1999) tambin insisten en la idea de que una regin ideal debe
tener datos anuales de 5 veces el perodo de retomo para que la estimacin para dicho
perodo de retomo sea efectiva.
Hosking y Wallis, (1997) tambin proponen un estadstico para medir la bondad
de ajuste y determinar si ima distribucin determinada se ajusta a los datos
aceptablemente.
Mosley, (1981) basa su definicin de regin en parmetros estadsticos, y
Acreman y Sinclair, (1986), manejan algoritmos de cluster jerarquizado.
En los ltimos aos se est utilizando el algoritmo de Cluster no jerarquizado,
que requiere la decisin arbitraria de grapos a considerar; Con este mtodo, las
31
ANTECEDENTES
estaciones se van clasificando a uno u otro grupo hasta que se minimiza la suma total
del cuadrado de la distancia de cada estacin al centroide de cada grupo.
En Espaa, el Instituto del Agua ha utilizado el algoritmo de Cluster como
primera aproximacin ai analizar las mximas lluvias diarias en la cuenca del Segura,
empleando como variable en la determinacin de regiones, el Ca y el mximo valor
estandarizado, tanteando 2-3 regiones. Como objeciones al mtodo Cluster cabe citar la
necesidad de definir a priori el nmero de regiones a obtener, y la dificultad que entraa
asignar a una regin, una estacin de la que no se conocen los estadsticos empleados
como discriminantes. Y la ltima objecin viene dada por el hecho de emplear
directamente los valores estadsticos mustrales, que tienen asociados una elevada
variaoza; en este sentido, las agrupaciones realizadas tienden a amplificar
artificialmente unas diferencias entre regiones que en gran parte pueden ser debidas a un
efecto aleatorio (Ferrer, 1996).
En Espaa, otros estudios han establecido una regin combinando situacin
geogrfica con parmetros estadsticos, destacando los trabajos de Ferrer y Mateos,
(1999), y Saenz de Ormijana et al. (1991).
Eleccin del modelo de distribucin.

La eleccin del modelo de distribucin en el anlisis regional, es un tema
controvertido y sobre el que existe diversidad de opiones. Los modelos ms

frecuentemente utilizados son
GEV (Valores Extremos Generalizados)
LP3 (Log-Pearson 3)
TCEV (Valores Extremos con dos componentes)
SQRT-ET-mx
" Estimacin regional de parmetros y cuantiles.
Tampoco aqu hay pleno consenso, y diversos investigadores han aplicado los
mtodos explicados en el epgrafe 3.2.2.2 con xito, destacando el mtodo de Hosking
32
ANTECEDENTES
et al., (1985) basado en la obtencin de la media regional de los momentos ponderados

probabilsticamente expresados en forma adimensional.
LA USWRC, (1981) utiliza el mtodo tradicional de momentos en el espacio de
los logaritmos, pero regionalizando el coeficiente de asimetra logartmico y el
coeficiente de variacin logartmico. A este mtodo Wallis et al., (1974) afectan de un
factor corrector para incrementar el coeficiente de asimetra muestra! y corregir su
infi-avaloracin respecto al valor poblacional.
Rossi etal,
(1991) aplican el mtodo de mxima verosimilitud sobre los datos
previamente estandarizados.
Otros autores, entre ellos Ferrer y Ardiles, (1994) aplican el mtodo de los
momentos, utilizando un valor regional del coeficiente de variacin estimado por la
media ponderada de los coeficientes de variacin mustrales de las distintas series.
Sin embargo pocos autores han manejado distintos mtodos junto a distintas
funciones que les permitiera sacar alguna conclusin en cuanto a la obtencin de
mejoras en las estimas por la combinacin de un mtodo de estimacin de parmetros
junto a funcin ms adecuada. Entre ellos cabe destacar los trabajos de Ferrer y Ardiles,
(1994) en Espaa sobre precipitaciones en los que ha manejado, para su contraste, los
modelos GEV ( utilizando el mtodo propuesto por Hosking y Wallis basado en la
obtencin de la media regional de los Momentos Ponderados Probabilsticamente
expresados de forma adimensional), LP3 ( utilizando el mtodo tradicional de los
momentos en el espacio de los logaritmos, regionalizando tanto el coeficiente de
asimetria logaritmico como el coeficiente de variacin logaritmica) TCEV (utilizando
el mtodo de mxima verosimilitud) y SQRT-ET mx.( por el mtodo de los
momentos). La comparacin de los resultados obtenidos por los cuatro modelos de ley
seleccionados muestra unas variaciones prcticamente inexistentes para pequeos
periodos de retomo, y para un perodo de retomo de 500 aos las mximas diferencias
observadas respecto de la media de los cuatro resultados son de xm 8.3 % en una regin,
y en el extremo opuesto la mnima diferencia es de un 1.6%. De ello, estos autores
deducen que los resultados no dependen tanto del mtodo, lo que reduce la
trascendencia de su eleccin.
33
ANTECEDENTES
3.2.2.4.- Conclusin.
El anlisis de frecuencias de las intensidades mximas para distintas
duraciones resulta complicado debido a la asimetra positiva que

presentan y, a que las series disponibles son muy cortas.
Adems, l inters del anlisis de esta variable aleatoria radica sobre todo
en realizar estimas de los cuantiles para altos perodos de retomo,
justamente en la cola derecha- donde se produce dicha asimetra-, lo que
obliga a elegir funciones de distribucin que recojan esta caracterstica.
Por todo ello a la hora de analizar esta variable se propone:
Utilizar la fimcin de distribucin SQRT-ET mx, desarrollada
especficamente para precipitaciones mxima y concebida como im
modelo de asimetra variable, siendo por tanto una alternativa muy
recomendablefrentea otras funciones tradicionales (Gumbel, LP3,GEV).
Utilizar los L-momentps por las ventajas que ofrecen respecto a los
mtodos tradicionales.
Aplicar el mtodo regional para incrementar el nmero de datos,

reuniendo en una sola muestra las series correspondientes a una "regin
homognea". De esta manera los datos distribuidos en el espacio
sustituyen en cierta medida a los datos distribuidos en el tiempo, que son
limitados
34
ANTECEDENTES
3.2.3.-EVOLUCIN DE LAS RELACIONES ffiF UTILIZADAS.

Se denomina curvas E)F a aquellas curvas que resultan de unir los puntos
representativos de la intensidad media en intervalos de diferentes duraciones y
correspondientes a una misma frecuencia o perodo de retorno.
Cuando se dispone de pluvigrafo, instrumento que registra la lluvia acumulada
acaecida en dicha estacin, el proceso tradicionalmente aplicado para obtener las curvas
BDF puede esquematizarse como sigue:
Sefijanlas duraciones.
En Espaa, el Instituto Nacional de Meteorologa ha utilizado las siguientes:

5',10', 15', 20', 30', Ihora, 2 horas, 3 horas, 6 horas, 12 horas y 24 horas.
Para cada vma de las duraciones se extraen de los registros de los

pluvigrafos, las series de intensidades anuales mximas.
Se aplica un anlisis de frecuencia a cada una de las series, estimando los

parmetros de la funcin de distribucin de valores extremos elegida.
Se obtienen los cuantiles para cada duracin y perodo de retomo.
Se ajustan ftmciones que describan, para cada perodo de retomo, la
variacin de la intensidad con la duracin.
Se representan grficamente los resultados.

En la pgina siguiente se recoge la secuencia de los pasos que,
tradicionalmente, se han venido aphcando para obtener las curvas DDF.
35
ANTECEDENTES
Esquema 2 - Proceso de formacin de las curvas IDF
ESTACIN CON
PLUVIGRAFO
Registro de lluvia
acumulada en cada ao.
Se define una ventana duracin- y se estudia

mxima lluvia acumulada
en el registro anual.
Mxima lluvia acumulada / duracin ~

Imxima para esa duracin en e registro anual
IDm 15m 2Um 30m A)m 120m

a"i3 ^m
195 4^B 4^fl t i R .ii.f 24.4 l i ' 1 l . i
1104
1QE.2
ae ISIB 74 4 SB 1 4 i . :
TiS
1 40 3 11 Vi
137 mR fifl fiU
19a i ( ' i i f i -KR 28.5
21 1= 9.1
TU
73 53 7 :i5t
1349 109 2 100 2 H?I7
:iKV
13Hi 103 2 fR 7 i m h M4/ 77 2 tu
9C
74
42 21.6
1951 11?f m f i 916
Tfi^
fTifi
444
71
fi
41=
'Rfl
ie.2
1952
se
42 2 ME 15.;
1953 7 ; fSP
23 m i IV :
Iffifl VR
V4 F
1955 !? 9 f l 4 R77 7B = 58.2 7B.5 15.6
ilF 3S.5
3fi K .
31.2 ffi.; 2!i.2
1956
fWfi
f/;:
81 M 1
1957 lTF i m f
195H ei.B
OS.E (jl.4
Bl.t 4S.B 7B4 I S I
t95
B7?
7F 7nF sa.s 63.2 357 le.E
31
1%0 1369 130 1173 11S. 103.6 E1S
IWlm
7
3D.5
la
fifi
a7
iWfi
U4
19 4
IfiR
^
^>
Mlm TXm ;4h

4 1 3.4 1 9
16.4 12.B B5
fi7
33 17
41
3 1B
l a i 6 f 47
lR
6,e :14
7,5 3.7 22
inf
5.4 ?7
s 45 24
4F
3. 2 1
F
3,5 1 3
105 6,; 2,7
11S* 31
fifi
3.2 1 7
fifi
4.5 2 5
14.1 93 4.2
^
'
in4
ai
IflS
ni
t?E
207
;^*
ajuste
2 5 0 - [
Ajuste a una funcin de distribucin de valores

mximos.
i-n
Serie de Imax anuales para cada duracin
.
5mir i
y 100 y
50
0 4T
0
r~~.
200
aOO
600
periodo de r e t o r n o T
CUiHtCF
JB
lio
.Trt
T-IC
100
50
Representacin en unos ejes de los cuantiles

obtenidos- intensidad mxima para cada
periodo de retomo- con la duracin en
abscisas.
T'lOO
15>
durln firtriiMtt
Obtencin de las curvas IDF: Para cada

perodo de retomo se ajusta una funcin que
refleje la variacin de la intensidad con la
duracin.
1(0
TJfi
T*i
36
ANTECEDENTES
De estas grficas que se obtienen se deduce lo siguiente:

* El valor de intensidad mxima aumenta al disminuir la duracin. Y este
comportamiento es independiente del perodo de retomo.
* En cada estacin, las curvas obtenidas para distintos perodos de retomo son
afnes, es decir, solo se diferencian en la escala, y en consecuencia se pueden
reducir a una nica ley adimensional.
3.2.3.1.-Defnicin de las variables.
Para cada ao, yfijandouna duracin, "d", en horas, se obtiene el valor mximo
anual de la intensidad correspondiente a esa duracin como:
ly T
_ Irmx-d iafo-i-simo
siendo, [Pmix-dXiio-i-simo ' ^^ mxima precipitacin de ese ao, "i", registrada en,
"d", horas. Como puede apreciarse el valor de intensidad que se obtiene no es un valor
instantneo sino un valor medio que asigna, para cada ao y cada duracin (d), una
intensidad que, supuesta constante durante la ventana temporal considerada (d horas),
proporciona una precipitacin igual a la mxima registrada en dicho ao.
Es importante insistir que la duracin "d" no es una variable aleatoria sino im
parmetro fijado arbitrariamente. No est relacionado con la duracin del episodio de
lluvia, sino que es simplemente el tamao de la ventana elegido para calcular los valores
medios de las intensidades mximas anuales.
Por lo tanto, la construccin de las curvas IDF no es un problema estrictamente
de una variable aleatoria, ya que incluye dos variables-1, y d- pero tampoco se puede
decir que sea el anlisis de dos variables aleatorias, porque "d" no es una variable
aleatoria en s misma.
Se podria decir que, tradicionalmente, el objetivo de la construccin de las
curvas IDF es caracterizar el comportamiento de " j " variables, siendo " j " el nmero de
duraciones consideradas, y de ese comportamiento, deducir ecuaciones que permitan
_
ANTECEDENTES
estimar las intensidades mximas enfimcinde la duracin -d-, y del perodo de retomo
-T-.
3.2.3.2-Antecedentes de las curvas IDF en el mundo.
El origen de estas cmvas hay que buscarlo en los aos 30 (Bemard,1932), y a
partir de ah se han ido desarrollando y constniyendo mapas en distintas partes del
mundo que proporcionan las intensidades mximas medias de lluvia para distintos
perodos de retomo y duraciones.
En USA se desarrollaron en 1961 por el US Weather Burean (Hersfeld,1961), y
ms recientemente por NOAA para el oeste de USA (Miller et al., 1973) y para el este
y la zona continental de USA (Frederick et al., 1977). Tambin en UK y en Irlanda se
han definido estos mapas por el Instituto de Hidrologa (NERC, 1975). En Australia
(Canterford et al, 1987), Sri Lanka (Baghirathan y Shaw, 1978), en la regin de
Tuscany, Italia (Pagliara y Viti, 1993)... Sin embargo, en muchas ocasiones, estos
mapas no se han reahzado hasta finales de los 90, y el tcnico debe construirse las
curvas a partir de los datos de una estacin prxima a la zona de estudio.
Es de esperar que la utilidad de estas curvas, junto con la expansin de las bases
de datos y el desarrollo de los sistemas de informacin geogrfica, faciliten su
construccin en pases menos desarrollados donde todava no se han construido.
Tambin hay que decir que a pesar del avance tan espectacular que se ha
producido en la modelizacin estadstica de las series hidrolgicas, esto no se ha
reflejado en la formulacin y construccin de las curvas IDF, que siguen siendo
empricas o semiempricas.
3.2.3.3.-Relaciones utilizadas en las curvas IDF.
Con el fin de evitar su lectura en una grfica, las curvas EDF tambin pueden
expresarse como ecuaciones.
38
ANTECEDENTES
En la bibliografa especializada se acepta que la relacin entre la precipitacin

acumulada y la duracin de dicha tormenta sigue una ecuacin del tipo
p = c*t"
Donde:
p, es la precipitacin acumulada (mm)
t, es la duracin (horas)
n, el exponente
c, es un coeficiente
En esta expresin, la Organizacin Meteorolgica Mundial (1983) ha
establecido como valor de la constante "c" im valor de 422 y del exponente "n" 0,475,
para definir las mximas lluvias registradas en el mundo, quedando por tanto esta
expresin de la forma siguiente:
p=422 * t^'^'^^. (Chow et al. 1994)
Por otra parte, y como primera aproximacin, la expresin general aceptada se
puede utilizar como base de partida para determinar la intensidad mxima de lluvia,
simplemente derivando respecto al tiempo (duracin):
dt
t'-"
Y por lo tanto la intensidad se podra expresar de forma genrica como

7 =^
(1)
Siendo: a, un coeficiente
d, la duracin
m, el exponente
Todas las relaciones tpicas de las curvas IDF que se vienen manejando en la
literatura son casos especiales de la frmxila general siguiente:
I{d) =
(2)
donde: a, v, > yn, son valores no-negativos,

Esta segunda expresin,(2), se podra considerar a su vez como generalizacin
de la expresin (1).
39
ANTECEDENTES
Adems, para incorporar el concepto de perodo de retomo a esta expresin, y

poder definir la intensidad media mxima correspondiente a una duracin y un
determinado perodo de retomo, los modelos utilizados adoptan la siguiente expresin:
i{dj)=h{Trg(d)
Esta expresin tiene la ventaja de separar en dos funciones la dependencia de la
intensidad con el perodo de retomo y con la duracin ( Koutsoyiannis et al, 1998)
As, cuando se relacione la intensidad correspondiente a una duracin cualquiera
con la intensidad correspondiente a una duracin concreta se obtendr un cociente
independiente del perodo de retomo. Por ejemplo si se relaciona con la intensidad
horaria:
I{d,T)_g{d)^h{T)_g{d)
I{\T)
g(l) h{T) g{\)
La funcin g(d) adoptara, segn la expresin general mostrada en prrafos
anteriores (2) y con v=0, la forma siguiente:
g(d) = (d+b)"
El cociente de intensidades quedara as reducido a xm valor nirairico
independiente del perodo de retomo.
Por otra parte, la funcin h(T) toma las siguientes expresiones segn la
bibliografa consultada:
h(T) = X*T^ Definida por Bemard, (1932)
h(T)= c+ X*ln(T) propuesta ms recientemente por Kothyari y Garde,

(1992) y Pagliari y Viti,(1993).
Estas relaciones son empricas, y se han venido manejando por su simplicidad y

su facilidad de clculo ms que por su consistencia con las ftmciones de distribucin
elegidas para la intensidad mxima de lluvia. De hecho, Koutsoyiannnis, (1994)
considera inapropiada la primera expresin, definida por Bemard para realizar
40
ANTECEDENTES
En la bibliografa especializada se acepta que la relacin entre la precipitacin

acumulada y la duracin de dicha tormenta sigue una ecuacin del tipo
p = c*t"
Donde:
p, es la precipitacin acumulada (mm)
t, es la duracin (horas)
n, el exponente
c, es un coeficiente
En esta expresin, la Organizacin Meteorolgica Mundial (1983) ha
establecido como valor de la constante "c" un valor de 422 y del exponente "n" 0,475,
para definir las mximas lluvias registradas en el mimdo, quedando por tanto esta
expresin de la forma siguiente:
p=422 * t^'"^^^. ( Chow et al. 1994)
Por otra parte, y como primera aproximacin, la expresin general aceptada se
puede utilizar como base de partida para determinar la intensidad mxima de lluvia,
simplemente derivando respecto al tiempo (duracin):
dt
t'-"
Y por lo tanto la intensidad se podra expresar de forma genrica como

7 =^
(1)
Siendo: a, un coeficiente
d, la duracin
m, el exponente
Todas las relaciones tpicas de las curvas IDF que se vienen manejando en la
literatura son casos especiales de la frmula general siguiente:
/(rf) =
(2)
donde: a,v,b yn, son valores no-negativos.

Esta segunda expresin,(2), se podra considerar a su vez como generalizacin
de la expresin (1).
39
ANTECEDENTES
Adems, para incorporar el concepto de perodo de retomo a esta expresin, y

poder definir la intensidad media mxima correspondiente a una duracin y un
determinado perodo de retomo, los modelos utilizados adoptan la siguiente expresin:
i{d,T)=h(Trg{d)
Esta expresin tiene la ventaja de separar en dos funciones la dependencia de la
intensidad con el perodo de retomo y con la duracin ( Koutsoyiannis et al, 1998)
As, cuando se relacione la intensidad correspondiente a una duracin cualquiera
con la intensidad correspondiente a una duracin concreta se obtendr un cociente
independiente del periodo de retomo. Por ejemplo si se relaciona con la intensidad
horaria:
I(d,T)^g{d),hiT)^g(d)
/(l,r)
g(l)
h{T)
g(l)
La funcin g(d) adoptara, segn la expresin general mostrada en prrafos

anteriores (2) y con v=l, la forma siguiente:
g(d) = l/(d+b)"
El cociente de intensidades quedara as reducido a un valor numrico
independiente del perodo de retomo.
Por otra parte, la fincin h(T) toma las siguientes expresiones segn la
bibliografa consultada:
h(T) = X*T^
Definida por Bemard, (1932)
h(T)= c+ X,*ln(T) propuesta ms recientemente por Kothyari y Garde,

(1992) y Pagliari y Viti,(1993).
Estas relaciones son empricas, y se han venido manejando por su simplicidad y

su facilidad de clculo ms que por su consistencia con las funciones de distribucin
elegidas para la intensidad mxima de lluvia. De hecho, Koutsoyiammis, (1994)
considera inapropiada la primera expresin, definida por Bemard para realizar
40
ANTECEDENTES
simulaciones porque considera que subestima la varianza, y posteriormente,

Koutsoyarmis, (1996) y Koutsoyannis et al., (1998) demostraron empricamente que si
las intensidades mximas siguen una funcin de Gumbel, los parmetros "k" y "9i" no
son constantes sino que dependen del perodo de retomo. Por lo tanto, no es necesario
incluir una funcin emprica de a(T), sino que puede ser definida de manera consistente
de acuerdo con la funcin de distribucin elegida para las intensidades mximas. As, si
una intensidad correspondiente a una determinada duracin, la , se ajusta a una
determinada funcin de distribucin, sta tambin ser la funcin de distribucin de la
variable Y, definida por Y=Id * b(d), que no es ms que la intensidad reescalada por b(d)
(con los parmetros de esta ltima distribucin reescalados adecuadamente)
(Koutsoyannis etal., 1998).
En el estudio de estas curvas, puede concluirse que la fonna general de la ley
IDF viene dada por la expresin genrica del tipo:
i{d,T)=h{Trg{d),
siendo h(T) una funcin vinculada a la distribucin de frecuencias, y por tanto
con una funcin de distribucin de variables aleatorias de valores extremos y g(d) una
funcin decreciente con la duracin, generalmente de tipo potencial.
3.2.3.4.-Variacin geogrfica de las curvas DOF.
Una vez obtenidas las curvas IDF en las estaciones con pluvigrafo, la tendencia
habitual ha sido extender su aplicacin en el espacio, analizando la variacin de sus
parmetros en las distintas estaciones y trazar las isolneas correspondientes.
3.2.3.5.-Antecedentes de las curvas BDF en Espaa.

En Espaa las primeras curvas IDF fueron plasmadas en la Instruccin de
drenaje 5-1-I-C (MOPU, 1965) y la relacin propuesta por Yamell y Hathaway era la
siguiente:
/(rf,r) = a*d''
Siendo:
41
ANTECEDENTES
I(d,T), la intensidad mxima correspondiente a una duracin d, y

perodo de retomo T
d, la duracin
a y b, son los parmetros a obtener en cada caso, estando el parmetro
."a"asocMoa.unajrjobabi
Los parmetros, a , y ,b, fueron estimados por Nadal Aixal, que formularon la
siguiente expresin para determinar la intensidad mxima correspondiente a una
duracin y perodo de retomo:
Iid,T)
= %5 *I(1, D^d"*"'
Siendo:
1(1,T) (mm/h), es la Intensidad horaria correspondiente al perodo de
retomo considerado.
d (minutos), es la duracin del intervalo al que se refiere I(d,T).
Posteriormente, Tmez, (1978) desarroll una ley IDF que, con algunas
modificaciones, se incorpor a la "Mstraccin de carreteras 5.2-IC" aprobada por Orden
de 14 de mayo de 1990. En esta Instmccin se recogen los siguientes pasos:
- En cada estacin, y para cada una de las series de intensidades mximas
observadas correspondientes a duraciones de 10,20,30 minutos y 1,2,6 12 y 24 horas
ajust una funcin de distribucin Gumbel. A continuacin, represent los valores de
I(d,T) obtenidos en el paso anterior y formul la hiptesis de que cada una de las curvas
correspondientes a los distintos perodos de retomo T considerados son afnes, es decir,
slo se diferencian en la escala de I, y por tanto, en cada estacin, se pueden reducir a
una ley nica adimensional, si los valores de cada curva se expresan como cociente
respecto a una duracin dada.
- Para facilitar la extrapolacin a estaciones sin pluvigrafo propuso, al igual que
se aplica en el resto de los pases, relacionar la intensidad para cada duracin y perodo
de retomo con la intensidad en 24 horas y para el mismo perodo de retomo. De esta
manera, utiliza como denominador para adimensionalizar, I(24,T), y por lo tanto, la ley
T/f V\
adimensional ser de la forma genrica
'
= ^{K;d), siendo "K" un parmetro
caracterstico de cada estacin. Para ese parmetro seleccion un cociente con

42
ANTECEDENTES
significacin fsica: K = =Lr (tanto por uno de la intensidad mxima horaria media
'24
respecto a la de 24 horas) y que asume toma un valor nico en cada estacin,

independiente, por tanto, del perodo de retomo.
La ecuacin propuesta para (p{K\,d) es:
(p{K;d) = K 28-'-i
El autor justifica el hecho de que para d=24 el cociente =
tome valores
''24
mayores que 1 porque el modelo lleva implcito un factor de mayoracin que permite
transformar los datos de lluvia diaria -registros correspondientes a 24 horas fijas, por
ejemplo desde las 9 horas hasta las 9 horas del da siguiente, que es como se mide en las
estaciones- a lluvia en los intervalos ms desfavorables de 24 horas, sin obligarles a
comenzar a una hora prefijada.
En la citada Instruccin se incluye un mapa de iso-k con el que puede aplicarse
la ley a cualquier estacin pluviomtrica:
/(,r)=[M^^ K
Donde:
PMDA(T) (mm), es la precipitacin mxima, media, diaria anual
correspondiente al perodo de retomo T aos en la estacin
pluviomtrica.
K, es el parmetro obtenido del mapa de iso-K (iso- -^L)
-^24
d (horas), es la duracin de la ventana temporal en la que se desea

evaluar la intensidad mxima,
I(d,T), (mm/h), es la intensidad mxima anual, para un perodo de retomo
de T aos y una duracin "d", en la ventana temporal de d horas.
43
ANTECEDENTES
"'."'
' ^'^î'-î-u-
? 1 ^^-g-../:-.^'
'-^K,-.
% \
f'
:;,'7. i i ^ f l i jtai' i-P.SE3iT..ii)
Figura 3.-Mapa de Isolneas A =
=
'24
Obtenido en "Clculo hidrometeorol^co de caudales mximos

en pequeas cuencas naturales" (Madrid. 1978)
r
)
i
i'
i
*..
1 ^'^
,^K;-
j^
"-
:;
i tr
^..-
..^''
>:^-:r,.-i
,._..
Figura 4.-Mapa de isolneas A =
Obtenido en "Clculo hidrometeorolgico de
caudales mximos en pequeas cuencas"
(Madrid, 1987)
44
ANTECEDENTES
La ley, propuesta por Tmez, (1987) y utilizada de manera generalizada en

Espaa, presenta una estructura acorde con la recomendada por Koutsoyannis et al,
(1998), separando la componente aleatoria y el efecto de la duracin, pero presenta
algunas limitaciones:
En la primera versin de la ley, 1978, como se puede ver en lafigura3, slo

se utilizaron 13 estaciones. Este reducido nmero estaba forzado por los
datos disponibles, pero limitaba considerablemente la validez de su
generalizacin territorial derivada del mapa de isolneas del parmetro "K".
En la segunda versin, de 1987, el nmero de estaciones se ampla a 21 pero
an as, la generalizacin territorial de los valores de "K" resulta aventurada.
La funcin de distribucin utilizada - Gumbel - slo debe utilizarse con

variables aleatorias en las que se tenga la certeza de que el coeficiente de
asimetra es inferior a 1,14, pues de lo contrario la funcin de distribucin de
Gumbel proporcionara sistemticamente, para perodos de retomo altos,
cuantiles infravalorados.
En Espaa, al menos en el territorio con clima mediterrneo, no es recomendable

utilizar esa ftmcin de distribucin, y de hecho, los estudios ms recientes en Espaa,
tanto sobre precipitaciones mximas. Ministerio de Fomento, (1999) como sobre
intensidades mximas, INM, (2003) no contemplan esta funcin.
Por otra parte, el tiempo transcurrido desde la aparicin de la segunda y ltima
versin de la ley E)F propuesta por Tmez, ( MOPU,1987), ha permitido incrementar
sustancialmente los registros de intensidades mximas, aumentando as las series
disponibles para las 21 estaciones que sirvieron para desarrollara, y ha pemiitido
adems la incorporacin de otras estaciones con las que mejorar la variacin territorial
del parmetro "K".
Y como ltima consideracin cabe aadir que desde finales de los ochenta se
han desarrollado nuevas metodologas que permiten mejorar la robustez de las estimas
correspondientes a perodos de retomo altos, que son las habitualmente utihzadas.
45
ANTECEDENTES
Todas estas reflexiones ponen en evidencia la conveniencia, cuando no la

necesidad de abordar una actualizacin profinda de los resultados obtenidos por Tmez,
actualizacin que permita incorporar tanto los nuevos registros como las nuevas
metodologas.
Como se indica en prrafos anteriores, el Instituto Nacional de Meteorologa ha
realizado una revisin de las curvas IDF en un estudio que lleva por ttulo
"Contribucin al estudio de la estructura temporal de la precipitacin en Espaa.
Obtencin de las "curvas de intensidad-duracin-frecuencia" correspondientes a un
conjunto seleccionado de observatorios provistos de pluvigrafo, distribuidos por todo
el territorio nacional." (Nov 2003). Este estudio resuelve algunas de las limitaciones
sealadas para las curvas IDF de Tmez (1987), ya que actualiza la base de datos y
emplea ima funcin de distribucin con un coeficiente de asimetra mayor que 1,14 (Ley
de SQRT-ET mx), pero no utiliza tcnicas de regionalizacin, ni aborda la posible
extensin de estos resultados a estaciones en las que nicamente se dispone de
pluvigrafo.
46
ANTECEDENTES
-Unared de pliivigrafosescasa.:
- Las series de mtensidades mximas disponibles^, pero que eran cortas.
- La funcin de distribucin Gumbel para los ajustes de las intensidades
mpidnias para cada duracin, cuyo coeficiente de asimetra adopta Un
^^ y ^ ^
=1,14), ftmcin que no es reccMnendable, al menos en el
territorio con cliiiarnediterrieo.

- l mapa de isolneas iso-^, = =4^ , obtenido a partir de 21 estaciones
'24
solamente;
l^ctual trabajo desarrollado por el Instituto Nacional de Meteorologa

no hace sitio confirmar dos aspectos:
- Itersy necesid^
las curvas IDF.
- Inters de la funcin de distribucin SQRT-ET mx para describir ms

adecuadamente la asimetra positiva de las series de intensidades
.'inxim^;^---.'Aique no contempla:
- La aplicacin de tcnicas de regionalizacin que permitan aumentar la
robustez de las estimas para periodos de retomo altos.
- La posible extensin de los resultados obtenidos en las estaciones con
pluvigrafos a estaciones que slo cuentan con pluvimetro.
47
ANTECEDENTES
3.3.-CONCLUSIONES.
Haciendo un breve repaso de lo analizado en los puntos anteriores se puede
concluir:
La estimacin de caudales es fimdamental en el diseo de
infraestructuras, planificacin de territorio, caracterizacin de los

sistemas fluviales....
Los mtodos hidrometeorolgicos son una herramienta, plenamente

aceptada, para la estimacin de hidrogramas de avenida y caudales
mximos.
Los mtodos hidrometeorolgicos requieren, entre otras cosas, la

estimacin de la precipitacin mxima diaria anual para distintos
perodos de retomo y leyes IDF.
En Espaa, los dos elementos requeridos para estimar caudales han

evolucionado de manera distinta:
La estimacin de la precipitacin mxima diaria anual para distintos perodos de
retomo se contempla en la publicacin "Mapa para el clculo de mximas

precipitaciones diarias en la Espaa Peninsular", (1997)\ y en la publicacin
"Mximas lluvias diarias en la Espaa Peninsular, (1999)^.
En ellos se incorpora:
- Nueva metodologa: Regionalizacin.

- Nuevas funciones: ley SQRT-ET mx.
^ Editado por el Servicio de Geotecnia de la Direccin General de Carreteras en colaboracin con el

Centro de Estudios Hidrogrficos del CE.D.E.X.
^ Publicado por el Ministerio de Fomento.
48
ANTECEDENTES
En cuanto a las leyes IDF, son las mismas que se dedujeron en los aos setenta a
partir de 21 estaciones repartidas por toda Espaa y series con datos hasta los
aos 70, y que se recogen en la Instruccin 5.2-IC "Drenaje superficial".
Faece pQr tanto necesaria, una profunda revisin de las curvas IDF en
Espaa en varios aspectos:
IS^ôra de los ajus
las estacionfis que se manejaron en su da,
al haber transcurrido un nmero importante de aos, y por tanto,

al haber aunientado el ntoero d^
Manejo de ima red de estaciones phjviogrfica ms extensa y sus
eorrespondientes registros.
Manejo f^^
reflejen adecuadamente la
asimetra |)Ositiva (pe presentan ^^^

Aplicacin de nueva metodologa- la regionalizcin- que permita
incrememar el mtoro de d ^ ^
Estu4io de nuevos modelos de curvas iDF.
Todo ello ha llevado a plantear la investigacin que lleva por ttulo:
^^Regionalizcin de leyes IDF para
el uso
de
modelos hidrometeorolgicos de estimacin de caudales".
^ Editado por La Direccin General de Carreteras, MOPU. ltima edicin 1990.
49
4.-METODOL0GIA: VISION GENERAL
METODOLOGA: VISION GENERAL
Debe sealarse que, a pesar del tiempo transcurrido, el nmero de estaciones con
pluvigrafo en Espaa, no se ha incrementado en un nmero significativamente
importante como para caracterizar a toda la Espaa Peninsular. Por ello, se hace
necesario desglosar el estudio en dos partes:
- Estaciones con pluvigrafo

- Estaciones sin pluvigrafo
As, en primer lugar se estudiarn las estaciones disponibles con pluvigrafo en

la Espaa Peninsular, y se obtendrn las series de intensidades mximas, actualizadas,
para cada duracin. Con estas series se cubrirn los primeros objetivos planteados:
Aumentar el nmero de estaciones.
Incrementar longitud de registros.
Adems, al comprobar que las series siguen siendo relativamente cortas, y al

tratarse de una variable aleatoria con marcada asimetra positiva, se tratar de mejorar
las estimas:
-
Incorporando nueva metodologa - la regionalizacin - que permite

paliar la limitacin temporal de longitud de las series.
Manejando funciones de distribucin con estimadores de la asimetra

no vinculados con la asimetra muestral.
De esta forma se mejorar la robustez de las estimas, especialmente para

frecuencias bajas (perodos de retomo altos), que son los que habitualmente se utilizan
en los modelos hidrometeorolgicos de estimacin de caudales.
Y por ltimo, con el fin de extender los resultados obtenidos en estaciones con
pluvigrafo a estaciones que carecen de l se estudiarn los modelos IDF que contempla
50
la bibliografa especializada, y que responden a la expresin general:

i{d,T)=^h{Trg{d)
Donde,
I(d,T), es la intensidad mxima anual correspondiente a una duracin de "d"
horas y a un perodo de retomo de "T" aos.
h(T), es una funcin que recoge la variacin de la Intensidad con el perodo de
retomo "T".
g(d), es una funcin que recoge la variacin de la Intensidad con la duracin "d"
Esta expresin tiene la ventaja, tal como se indic en apartados anteriores, que si
se relaciona la intensidad mxima correspondiente a una duracin y perodo de retomo
determinados con la intensidad mxima correspondiente a otra duracin, y el mismo
perodo de retomo, la expresin se hace independiente del perodo de retomo.
En este caso, y como es usual en la bibliografa especfica del tema, se
establecer la relacin de la intensidad mxima, para cualquier duracin y perodo de
retomo con la intensidad mxima en 24 horas y el mismo perodo de retomo. Este dato
puede deducirse en toda la Espaa Peninsular a partir del trabajo "Mximas lluvias
diarias en la Espaa Peninsular", (1999) como el cociente de la precipitacin mxima en
24 horas entre esa duracin.
En las estaciones sin pluvigrafo, y a falta de datos de intensidad para distintas
duraciones, se plantearn una serie de hiptesis y de criterios que pemiitirn extender
los resultados obtenidos a toda la Espaa Peninsular.
A continuacin se presenta el esquema 3, con el planteamiento que se ha

realizado en la presente investigacin, para posteriormente ir desarrollando cada uno de
los puntos sealados.
51
OBJETIVO:
OBTENER EL DATO DE INTENSIDAD MXIMA ANUAL

PARA CADA DURACIN Y PERODO DE RETORNO EN
TODA LA ESPAA PENINSULAR.
PROBLEMA:
AUSENCL^ DE PLUVIGRAFOS EN AMPLIAS ZONAS
SOLUCIN:
ESTABLECER DOS METODOLOGAS COMPLEMENTARIAS

EN ESTACIONES QUE TIENEN PLUVIGRAFO Y EN LAS
QUE NO LO TIENEN.
ESTACIONES CON PLUVIGRAFO
ESTACIONES SIN PLUVIGRAFO
DATOS DE PARTroA:
DATOS DE PARTIDA:
Estaciones actualmente disponibles.
- Precipitaciones mximas anuales en 24 horas
Series actualizadas de intensidades mximas

anuales para cada duracin
- Intensidades mximas anuales en 24 horas
OBJETIVO: ESTIMAR I(d ,T)

METODOLOGA PROPUESTA:
Aplicar nueva metodologa:
REGIONALIZAaN
Aplicar una funcin de

distribucin con asimetra
variable,
desarrollada SQRT-ET mx
especficamente para lluvias
mximas:
METODOLOGA PROPUESTA:
Hiptesis de partida: Estaciones prximas tienen
similar comportamiento respecto al cociente
I(d,T)/I(24,T)
Establecer criterios para poder extender la ley
IDF deducida en estaciones con pluvigrafo a
estaciones que carecen de i.
Estudiar modelos IDF:
Extender la ley IDF deducida
Esquema 3,- Metodologa desarrollada en la presente Tesis.

52
5.- ESTACIONES CON PLUVIGRAFO
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
5.1.-MATERIAL Y MTODOS.
5.1.1.-DATOS: SERIES DE INTENSmADES MXIMAS DISPONIBLES.

El primer paso consisti en obtener las series de intensidades mximas anuales
en todas las estaciones existentes en Espaa, y con el mximo nmero de aos. Para ello
se acudi al Instituto Nacional de Meteorologa (INM), donde amablemente
proporcionaron estos datos.
Estas series provienen de la digitalizacin de las bandas de pluvigrafo de un
conjunto de observatorios del Instituto Nacional de Meteorologa, digitalizacin que fue
realizada por dos entidades extemas al mismo, INTECSA y la E.T.S de Ingenieros de
Telecomimicacin de Madrid.
Los archivos proporcionados de cada una de las estaciones disponibles contenan
los siguientes datos de cada estacin (a modo de ejemplo, se presenta la Tabla 4, y para
consulta ver Anejo 1. En el Anejo 2 se presentan las mismas tablas adimensionalizadas,
dividiendo por su media):
el cdigo de la estacin.
el nombre de la localidad donde se encuentra.
las coordenadas geogrficas referidas al meridiano de Greenwch.
una tabla con los valores mximos de intensidad, en cada ao, para las siguientes
duraciones: 5m, lOm, 15m, 20m, 30m, 60m (Ihora), 120m(2horas), 180m (3 horas),
360m (6 horas), 720m (12 horas) y 24 horas.
La intensidad mxima para cada duracin y cada ao se haba obtenido como
cociente de la mxima lluvia acimiulada en im intervalo de tiempo, o duracin, entre
53

dicha duracin, y por lo tanto es un valor medio, para la ventana temporal considerada,
correspondiente a cada duracin y en cada ao.
En conversaciones posteriores con el ENM se pretendi incorporar a las series
de intensidades mximas de cada duracin los datos correspondientes a estos ltimos
aos, pero no fue posible al no haber sido digitalizadas las bandas de pluvigrafo
correspondientes. La actualizacin de las series no se ha podido llevar a cabo, pero el
problema, de cara a futuros estudios, se ha complicado con el estado de las autonomas,
ya que el proceso de digitalizacin tambin se ha descentralizado, por lo que para
obtener estos datos habr que acudir a cada comunidad autnoma.
Se hace aqu una llamada a la reflexin y se analiza la conveniencia de articular

algn mecanismo que permita acceder a esta informacin a escala nacional.
Tabla 4.- Informacin suministrada por el I.N.M. en la estacin de Valls (0034).
Indicativo: 34 Estacin: Valls-2 Tarragona Lat: 41-17 Long:01-14-E

INTENSIDADES MXIMAS ANUALES EN mm/h PARA UN INTERVALO
Ao
5m
lOm
15m
20in
SOm
60m
120in
180m
360in
720m
24h
1945
45,60
43,80
38,80
33,60
24,40
15,70
11,30
8,20
4,50
3,40
1,90
1946
110,40
106,20
86,00
82,80
74,40
56,10
42,30
30,50
15,40
12,60
6,50
1947
63,60
55,80
54,40
51,00
40,20
31,00
20,00
13,30
6,70
3,30
1,70
1948
51,60
51,60
35,60
28,50
21,00
13,00
9,10
6,90
4,10
3,00
1,60
1949
109,20
100,20
83,20
78,00
73,00
53,70
35,90
26,70
13,50
6,80
4,70
1950
109,20
103,20
101,60
94,20
77,20
43,70
38,20
25,80
13,60
6,80
3,40
1951
112,80
105,60
93,60
90,00
74,00
42,00
21,60
14,40
7,50
3,70
2,20
1952
75,60
64,80
58,80
55,50
56,20
44,40
26,90
19,40
10,80
5,40
2,70
1953
75,60
55,80
50,00
48,00
42,20
25,90
15,30
13,60
9,00
4,50
2,40
1954
39,60
35,40
26,80
25,80
23,60
18,10
12,30
9,00
4,80
3,80
2,30
1955
120,00
95,40
87,20
78,90
58,20
29,90
15,60
10,40
5,80
3,50
1,90
1956
51,60
39,60
38,00
35,40
31,20
26,30
25,20
20,10
10,50
5,30
2,70
1957
130,80
106,80
89,60
87,30
81,00
51,10
26,80
18,60
10,30
5,40
3,10
1958
81,60
66,60
64,40
61,80
49,60
26,40
19,10
13,10
6,60
3,30
1,70
1959
97,20
78,00
70,80
58,50
53,20
35,70
18,90
12,90
6,60
4,50
2,50
1960
136,80
120,00
117,20
115,20
102,60
61,90
31,00
20,70
14,10
8,30
4,20
54
INTENSIDADES MXIMAS ANUALES EN mm/h PARA UN INTERVALO
Ao
Sm
lOm
15m
20m
aom
60in
120in
180m
360in
720in
24h
1961
99,60
87,60
75,60
70,80
63,60
37,10
19,10
12,80
6,80
3,80
1,90
1962
63,60
61,80
58,40
47,10
35,60
20,00
14,50
12,00
8,00
5,00
2,50
1963
112,80
100,20
84,00
84,60
78,00
59,40
34,20
23,20
11,70
5,80
3,90
1964
121,20
96,00
80,00
80,40
74,00
49,00
25,30
16,90
9,30
5,00
2,50
1980
104,40
78,00
73,60
62,70
49,60
29,40
15,40
10,30
5,20
2,60
1,60
1981
48,00
46,80
34,80
26,40
18,00
9,70
8,30
5,50
2,80
1,60
1,10
1982
56,40
39,60
32,40
28,50
19,60
12,80
10,80
9,10
6,20
3,40
1,90
1983
73,20
51,60
44,80
40,50
33,40
21,00
11,70
7,80
5,30
3,50
1,80
1984
52,80
51,00
49,20
48,30
37,00
25,70
23,60
17,00
9,90
5,40
2,70
Longitud de la serie: 25 aos.

Por lo tanto, las series que se van a manejar si bien podran ser algo ms largas,
abarcan hasta los aos 90 y en algunos casos hasta finales de los 90, suponen una
mejora de casi veinte aos respecto a las utilizadas para la ley EDF que se est
manejando actualmente (recogida en la Instruccin 5.2-IC "Drenaje superficial").
En el mapa 1 se refleja la situacin de las estaciones disponibles, con series
completas, y con una longitud adecuada. En la tabla 5 se recoge el cdigo de las
estaciones, dnde est ubicada, y cuntos aos completos tienen.
55
ESTACIONES CON PLUVIGRAFO
Mapa 1.- Distribucin de !as estaciones con pluvigrafo en la Espaa Peninsular.
56
Cdigo
Nombre
aos
Cdigo
Nombre
0034
Valls
25
3195
Madrid-4V
34
0111
Sallent
16
3200
Getafe
30
0201
Barcelona
71
3259
Toledo
44
3469
Caceres
49
4121
Ciudadreal
35
0222
Caldas Mombuy
16
0225
Sabadell
35
aos
completos
completos
0370
Gerona
33
4245
Guadalupe
16
0429
Figueras
41
4452
Badajoz (Talavera)
26
1024
S.Sebastian
65
4478
Badajoz (instituto)
35
1082
Sondica
30
4605
Huelva
21
1110
Santander
41
5530
Chauchina
15
1208
Gijn
47
5911
Grazalema
16
1212
Amao
23
6006
Algeciras
16
1387
Corua
68
6024
Guadarranque
18
1428
Santiago
24
6120
Guadalhorce
23
1495
Vigo
24
6172
Mlaga
23
1496
Vigo (Peinador)
23
7031
Murcia S.Javier
30
1499
Punto Centro
19
7228
Murcia Alcantarilla
24
1549
Ponfen-ada
41
8025
Alicante C. jardn
25
2030
Soria
30
8175
Albacete
29
2139
Linares
18
8416
Valencia
26
2243
P. Aguilar
19
8500a
Castelln
15
2331
Burgos
33
9121
Haro
33
2363
P.compuerto
16
9148
Logroo
50
2422
Valiadoiid
45
9171
Cabreja
15
2444
Avila
39
9434
Zaragoza
34
2462
Navacerrada
16
9443
Mezalocha
32
2614
Zamora
30
9771
Lrida
31
2633
P.Porma
17
9898
Huesca
23
2661
Len
24
9980A
Tortosa
23
2867
Salamanca
41
9981
Roquetas
36
3013
Molina de Aragn
44
63250
Almera
20
3195
Madrid-Retiro
41
Tabla 5.- Tabla resumen de las estaciones, cdigo, localizacin, y nmero de aos disponibles
suministrado por el Instituto Nacional de Meteorologa.
El nmero de estaciones disponibles con esos requisitos en la Espaa Peninsular
es por tanto de 63, nmero que, an siendo pequeo para caracterizarla, representa un
incremento notable respecto las 13 estaciones que se manejaron en los aos setenta para
definir las curvas E)F y el mapa de isolneas de = , y que posteriormente
se
-'24
ampli a 21.
57
S.l.l.l.-Anlisis de datos.
S.l.l.l.l.-Representacin de datos.
Es importante hacer un primer control de los datos disponibles y comprobar si
presentan errores importantes. Para ello, se representaron en unos ejes; en ordenadas los
valores de intensidad mxima dividida entre su intensidad media, para cada duracin, y
en abscisas el ao en que se produce dicho evento. De esta manera se puede tener una
primera referencia para identificar valores anormalmente altos o bajos, cmo se
distribuyen, si existe un claro cambio o tendencia...
A modo de ejemplo se han representado las series en la estacin de Valls (0034),
y se puede observar que la serie no es continua en el tiempo, sino que faltan los datos de
los aos comprendidos entre 1964-1980.
Valls(0034)
SnVImedia
lOnrymedia
2.5
ISnrVImsdia
E 1.5
0.5
1940
ir
X 20m1nnedia
>c SOnVlmedia
^%5"^
X
eOnVImeda
#**1950
1960
1970
1980
ao
+ 120fTyimedia
-ISOnVimedia
- 360rrVlmedia
1990
720rryimeda
24h/lmedia
Figura 5.-Representacin de la see temporal de intensidades mximas de cada duracin.
Para consultar el resto de grficos, ver Anejo 3.

Todas las estaciones se van a utilizar porque estn completas, y alguna estacin
en la que slo falta un dato en una de las series de una duracin tambin se ha
mantenido justificando su uso en que no se debe perder la informacin del resto de las
series, ya que la red de estaciones no es muy abundante.
58
Por lo tanto, se dispone de 11 series de valores mximos en cada estacin, con el

mismo nmero de datos, correspondientes al nmero de aos disponible, y slo en tres
casos: en la estacin de Molina de Aragn (3013), en Toledo (3259), y en Guadarranque
(6024), falta un ao en la serie de 124; y adems en la estacin de Haro (9121) faltan
tres aos en la serie 124 aunque al ser una serie larga, de 33 aos, tambin se ha
utilizado.
5.1.1.1.2.-Prueba de datos dudosos.
El anlisis preliminar anterior permiti identificar una serie de estaciones en las

que aparecan valores que convenan estudiar con ms detalle: Almera(63250),
Guadaihorce(6I20), Sondica (1082), Figueras (0429), Alicante (8025)y Murcia (7031).
A continuacin se muestran las grficas correspondientes de dichas estaciones y

que llevaron a plantear un estudio ms exhaustivo en ellas.
SnVImedia
Almera (63250)
lOnVImedJa
1 SnVImedia
X 20nVimedia
X 30rrVlmedia
eOrrVImedia
+ I20m/lmedia
- ' - " ^ ^ ^ z ,HV

o -)
1970
1975
1980
,J
'^
1985
1990
-iSOm/lmedia
1995
" 360m/lmeds
720m/lmectia
ao
24h/lmedia
Sondica (1082)
SnVhedia
4.5
lOmlmeda
l&TVkTeda
as
f 3
I 25
g 1.5
~ 1
0.5
1940
x20nykTEda
-TTT
x30fTVlmsdia
eOnVhBcfia
-7*--"
+ 120rTVtTfidia
:->m^^,^
1950
1960
1970
-18ChATBdia
1990
720m'hBdia
ao
24lrTHfia
59
au3dalhorce{6120)
4.5
4-
SnVImedia
lOnVhedia
3.5a
ISrryinedia
1 2.5
i
1.5
1
0,50
1960
HJ^
f.K^,'
>
1
n
*( , - ' _
X SQnVfmedQ
!!
5*
+ 120m'lmeda
- ^* ,
'"yt*fi!5
1965
1970
X aOnVImediB
60nVImede
X ^"
* .rtt-'
^ ^ : ,
-'
--^^J
1975
1080
- leOrrrtnBdia
360ttVlmada
1985
1990
720nVkiwda
24ti/imedia
ao
Murcia San Javier (7031)
SrrVItTEdJa
3.5
lOrVlmeda
ISrrymecSa
5 2,5
xZanlmetSa
'
1 '
1.5
^ j
X aOm'tTBciia
fK
5 v
eOrTVheda
'?"f " \' ^ *
c^-
0.5
tf
1955
1960
+ 120rTy*redia
nrJ-_^^S-r-^
19ffi
"
'
1970
-1K)nVhBdia
1975
1980
1965
-360m*m(Jia
1990
1995
720m%TEClia
Z'lh'hidia
ao
F i g u e r a s (0429)
5m/lmedia
6 -
10m/lmeda
iSnVImedra
5 -
X 20m/bT)eda
3 -
2 -
- i Y
60m/bTiedia
4 -
1 1
19 40
TW^
1950
X 30Tn/hiedia
^ W ' j sJl fcKfl5 ? ^ ^ * '

1960
-^
+ 120nVhiedia
ISOnVkTiedia
-a!.! * r ^
1970
1980
1990
- aeOnVImedla
720m'lmedia
ao
24h/lmedta
A l i c a n t e (8025)
3.5-
3 -
1 2.5 -
1'
0,5
19 50
Sm/lmedia
m 10m/lmedia
1 Sm/lmedia
X 20n/lmedia
i _
X. 30nVlmedia
" " f c ^ 4J
_ ^ ^ ^
J^
f^ \,^^.I^FY
1960
1970
1980
60nVknedia
+120m/tnedia
- 1 eom/lmedia
1990
360ni/hiedia
720m/lmedia
ao
24h/lmedia
Figura 6.- Representacin de I ^ series temporales en estaciones con datos dudosos
60

Para estudiar valores excepcionalmente altos, y que se alejan de la tendencia de
la informacin restante, se va a aplicar el mtodo de Water Resources Council para
datos dudosos(1981), ya que la utilizacin o por el contrario la eliminacin de estos
datos puede afectar significativamente la magnitud de los parmetros estadsticos
calculados, especialmente en muestras pequeas como es este caso.
Para aplicar este mtodo, deben calcularse los logaritmos decimales de los
valores de la muestra, y se asume que esta nueva serie sigue una distribucin normal.
Sobre estas series transformadas, se calcula la media (y) y la. desviacin tpica (sy), y a
continuacin, la prueba de datos dudosos ofrecida por el Water Resources Council
presenta la siguiente ecuacin para definir un umbral de dato dudoso:
Donde:
yh, es el umbral de dato dudoso alto
Kn , es un valor tabulado en funcin del tamao de la muestra, con un nivel de
significacin de un 10% en informacin normalmente distribuida. (Tabla 6)
Sy, es la desviacin estndar.
y, es la meda de la serie.
Taitmi
f
ttsamira ji K.
iO
11
12
O
fS
'6
f?
5S
19
20
21
^yy
23
Tamau
de
muestra n K
ftme^f' n
*t*f
M
39
2.534
42
29
tS49
43
2.661
2.671
2.682
2,692
2.7oe
2.7 O
30
31
32
35
34
35
36
37
2-S63
44
2-759
2.577
2,S9l
4;
2.727
2.T36
2.7*4
24
25
36
t.279
n
28
2.04
2.636
3.J8
2-639
2.650
40
45
4.
47
4S
4$
SQ
55
mnesimtt
AJ
2.46?
2-4S6
2.502
2.SS9
2.03$
2.088
2.134
2.175
2.213
2.2^7
2.309
2.3.^5
2Mi
2.385
S.'OS
,2.429'
2.44S
Tamaj
Tuuo
4v
z.m
65
70
75
2.66
m
5
m
95
2.940
ICO
!20
I.tO
140
3.760
2.76S
2.804
,.,
f^K
2.S93
2.937
2-961
.9SI
1.000
3.017
3.049
.07S
3.304
3.129
.1
Fs:n!r-. H S. Water S o a u f c CoasriE. JSSi. E s a teWa eonterê va!or e J. dt t. 3-.<1O ca an

jjjvsl d t s.l|:aiW-<* Jl IOS- praa 14 <5(iitJc<t aomsS.
Tabla 6.- Valor de "K " en funcin del tamao de la muestra.
61
En este mtodo, los picos que superan el umbral yh -que define un dato dudosodeben compararse con la informacin histrica y de estaciones cercanas y slo si puede
acreditarse que es verdaderamente anmalo deber ser eliminado.
El nico criterio disponible para aceptar - o en su caso rechazar- un dato,

consiste en comparar con las lluvias diarias, ya que la nica informacin disponible,
ajena a los registros de pluvigrafo, son las precipitaciones diarias recogidas con
pluvimetros en estaciones prximas y con caractersticas climatolgicas similares.
El esquema del proceso seguido para el anlisis de datos dudosos en estas
estaciones se presenta a continuacin:
l.-Se determina el valor de "Kn" (Tabla 6 segn el nmero de aos de la
estacin).
2.-Para cada una de las series de la estacin (5 min,10 min, 15 min...24 horas)
se calculan los logaritmos decimales de los registros.
3.- Sobre la serie logartmica se calculan la media (y) y desviacin tpica (Sy).
4.- Se calcula el umbral de "dato dudoso" en cada sere:
5.-Se identifican los registros que en cada serie superan el respectivo umbral.
6.- Para cada ao (o aos) en los que se detectan "datos dudosos" se calcula en
dicha estacin la precipitacin mxima en 24 horas, P24, como producto de
l24*24, y se compara ese valor con el registrado ese mismo ao en la estacin
pluviomtrica establecida como referencia (P24 del pluvimetro).
7.- Si P24 del pluvigrafo es del orden de magnitud del P24 del pluvimetro se
aceptan los registros del pluvigrafo.
8.- Si ese ao no hay dato de pluvimetro, P24 del pluvigrafo se compara con
los P24 del pluvimetro registrados en otros aos. Si los valores son del mismo
orden de magnitud se acepta el dato, asumiendo que el P24 del pluvigrafo no
es anmalo pues hay registros, aunque no sean del mismo ao, que hacen
plausible la ocurrencia de esa precipitacin.
62
Slo si no se cumple de manera elocuente alguna de esas condiciones, el "dato

dudoso" ser eliminado.
En el Apndice 1 se recoge el detalle del anlisis en las seis estaciones, y que
condujo a la decisin de no eliminar ningn dato.
S.1.1.1.3.-Independencia de datos.
Para analizar la independencia de datos se distinguieron dos casos:
A.- Correlacin entre series de la misma duracin entre distintas estaciones
prximas.
B.- Correlacin entre series de distintas duraciones dentro de una estacin
A.- En este tipo de datos, es frecuente que las observaciones realizadas en
estaciones situadas en puntos prximos estn correlacionadas positivamente y que a
medida que aumenta la distancia entre ellas su correlacin disminuya. Este anlisis se
realiz cuando las estaciones con pluvigrafo estuvieran localizadas en puntos
prximos: en las estaciones de la comunidad catalana, y en las tres estaciones de
Madrid. En estas estaciones se tomaron los aos coincidentes y se calcul la matriz de
correlacin entre las series.
Tabia 7.- Coeficiente de correlacin entre las series correspondientes a cada duracin de las estaciones
estudiadas.
Duracin (minutos)
360
720
1440
Barcelona-Valls
-0,16 -0,17 -0,14 -0,06 0,01 -0,09 -0,10 -0,02 0,02
0,15
-0,01
Barcelona-Sallent
0,37 0,41 0,29 0,24 0,22 0,43
0,70
0,71
0,63
0,63
0,65
Barcelona-Caldas
-0,29 0,53 0,38 0,50 0,43 0,41
0,38
0,43
0,26
0,39
0,44
Barcelona-Sabadell
0,27 0,02 -0,10 -0,15 -0,22 -0,21 -0,10 -0,08 0,04
0,07
0,15
Barcelona-Gerona
-0,16 0,11 0,24 0,39 0,38 0,31
0,11
0,12
0,03 -0,20 -0,20
Gerona-Figueras
0,09 0,07 0,06 0,03 0,07 0,16
0,16
0,26
0,20
Estacin
10
15
20
30
60
120
180
0,31
0,41
63
Duracin (minutos)
5
10
15
Madrid-Madrid4v
0,25
0,43
0,45
Madrid4v-Getafe
-0,02 0,07
Madrid-Getafe
Estacin
20
30
60
120
180
360
720
1440
0,38 0,29 0,32 0,34
0,34
0,23
0,31
0,43
-0,09 -0,06 0,01 0,20 0,53
0,67
0,79
0,81
0,27
-0,30 -0,29 -0,19 -0,12 0,01 0,15 0,22
0,31
0,16
0,02
-0,05
Se deduce que las correlaciones son pequeas, por lo que se utilizar toda la
informacin disponible en estas estaciones.
B.- Cuando se estudia la correlacin entre las series de distintas duraciones,
dentro de una estacin, se observa que con frecuencia, un episodio de lluvia de larga
duracin cubre otros de menores duraciones, y de esta manera estn relacionados con l
de una u otra forma (Hershenhom y Woolisher,1987; Kothary y Garde, 1992). As, si en
una estacin se produce un aguacero muy intenso y con una duracin suficiente, se
genera durante el mismo las intensidades mximas anuales correspondientes a varias
duraciones.
El efecto de la dependencia en el anlisis de frecuencia de las series
individualmente ha sido estudiado por Landwehr et al. , (1979) y Mc-Mahon y
Srikanthan (1982), y en el anlisis regional por Hosking y Wallis, (1997) que indican
que una cierta dependencia en las series de datos anuales tiene poca influencia en la
calidad de las estimas de los cuantiles. Recientes investigaciones (Hosking et al., 1985;
Lettenmaier y Potter, 1985; Wallis y Wood, 1985; Lettemnaier et al., 1987; Hosking y
Wallis, 1988) concluyen que es posible aplicar el mtodo ndice de avenida y que las
estimas de los cuantiles obtenidos sean robustas an cuando las observaciones no sean
independientes.
Hosking y Wallis, (1997), tambin sealan que al aplicar el proceso de
regionalizacin sobre series dependientes este efecto acta como si se redujeran el
nmero de estaciones de la regin, en definitiva como si el proceso perdiera parte de las
ventajas que ofrece: aumentar el nmero de datos.
A modo de ejemplo se muestra la matriz de correlacin obtenida en Valls (0034)
64
Duracin (minutos'
5
1,000
5
10
15
20
10
15
20
0,964
0,948
0,945
1,000
0,976
1,000
60
120
ISO
360
720
1440
0,937
0,846
0,623
0,549
0,556
0,458
0,491
0,971
0,960
0,880
0,713
0,638
0,632
0,558
0,594
0,990
0,961
0,856
0,705
0,628
0,643
0,533
0,543
1,000
0,982
0,893
0,744
0,668
0,686
0,565
0,576
1,000
0,952
0,790
0,723
0,739
0,613
0,635
1,000
0,881
0,833
0,824
0,711
0,756
1,000
0,986
0,945
0,848
0,871
1,000
0,967
0,872
0,897
1,000
0,896
0,893
1,000
0,965
30
60
120
180
360
720
1440
30
1,000
Tabla 8.-Matriz de correlacin de las series de intensidades mximas para cada duracin en la estacin de
Valls (0034)
La correlacin es mayor entre series de duraciones similares, y disminuye a
medida que las duraciones se alejan. Esta correlacin se explica porque los mximos
correspondientes a las distintas duraciones pueden proceder del mismo aguacero, y por
lo tanto una intensidad mxima de mayor duracin engloba a otra de menor duracin.
As, si en una estacin se produce un aguacero muy intenso y con una duracin
suficiente, se genera durante el mismo las intensidades mximas anuales
correspondientes a varias duraciones.
Con respecto a este punto, si bien es cierto que existe gran correlacin entre las
series de distintas duraciones, dentro de una estacin, se decidi utilizarlas todas debido
a la necesidad de aprovechar la escasa informacin disponible. En el supuesto de que las
series fueran totalmente dependientes, el proceso de regionalizacin sera equivalente al
estudio de las series individuales, y por tanto las estimas no mejoraran, pero bastara
con que informacin ftiera slo parcialmente dependiente para que la ganancia de
informacin permitiera mejorar las estimas (U.S: National Research Council, 1988).
65
Para er desarrollo de la presante Tesis se ya a manejar toda la

mformacion simimistrada por el Instituto Nacional de Meteorologa,
que supone 11 serias de intensidades mx^
las
siguientes duraciones: 5m, lOm, 5m, 20m, 30m, 60m (Ihora),

120m(2 horas), 180m (3 horas), 360m (6 horas), 720m (12 horas) y
24 horas, e cada una de las 63 estaciones disponibles en el territorio
de la Espaa Peninsular.
f Todas las series estn completas excepto en la estacin de Molina de
Aragn (3013), Toledo (3259), Guadarranque (6024) en las que falta
un ao la serie de I24, adems en la estacin de Haro (9121) fialtan
tres datos en esa misma serie, pero como presentan una longitud de
registros adecuada se van a manejar todas las series.
En siete estaciones, Ahnera (63250), Guadalhorce (6120), Sondica
(1082), Figuras (0429), Alicante (8025) y Murcia (7031), se
presentan algunos datos muy altos, candidatos a "outliers", pero no se
pueden rechazar.
A^
dentro de cada estacin existe una notable correlacin entre
las series correspondientes a distintas duraciones, como se va a

apHcar un proceso de reginalizacin, bastara con que fueran
pardalmente dependientes para que las estimas mejoraran.
66

5.1.2.-REGIONALIZACIN.
5.1.2.1.- Descripcin general de la metodologa.
Se debe volver a insistir en las dificultades que conlleva el estudio de

intensidades mximas, dificultades que se derivan, tanto de la eleccin del tipo de
distribucin terica y sus parmetros, como de la necesidad de evaluar unos cuantiles
para perodos de retomo muy superiores a la longitud de la serie de observaciones. As,
es posible que la funcin de distribucin elegida ajuste bien en el tramo donde existen
observaciones, pero no suceda lo mismo, ni tengamos la garanta de que eso mismo
ocurra, para valores altos del perodo de retomo. Los cuantiles obtenidos en esta parte
de la curva, en altos perodos de retomo, son muy sensibles a la forma de la rama
derecha de la curva,- sobre la cual no existe conocimiento emprico- pues como se ha
comentado anteriormente las series disponibles no tienen demasiados registros.
Si se considera una serie de mximos anuales - en figura 7 se ha considerado la

intensidad mxima en 120 minutos en la estacin de Murcia (7031)- y se representa la
relacin entre el perodo de retomo y dicha intensidad mxima, se podra pensar en
ajustar a dos distribuciones tericas distintas, por ejemplo a la distribucin Gumbel y la
SQRT-ET mx. En el grfico se observa que conforme aumenta el perodo de retomo,
los cuantiles deducidos difieren notablemente segn se considere una u otra fimcin, sin
embargo, no hay evidencias a favor de ima u otra pues solamente se cuenta con un
mximo histrico en esa zona. Ambas curvas ajustan bien en el tramo donde existen
observaciones (para perodos de retomo bajos - medios) pero no est garantizado que
ocurra lo mismo para altos perodos de retomo.
Ante este valor alto se podra plantear la siguiente cuestin: este valor tan alto,
corresponde a un perodo de retomo alto que por casualidad se ha presentado durante la
serie de aos registrada, o por el contrario, corresponde a un perodo de retomo menor
pero la longitud de la serie no es lo suficientemente larga como para haberlo observado
ms veces? El sentido comn nos dice que no se puede contestar a esta pregunta con los
datos disponibles en dicha estacin, y por tanto lo razonable sera examinar qu ha
ocurrdo en las estaciones prximas y comprobar si se ha producido una intensidad
mxima anloga ms veces.
67
ESTACIONES CON PLLTVIOGRAFO. MATERIAL Y MTODOS
Murcia (7031)
5
r:
o
.-.^
3.5
SQRT-ET mx
i
i"'
B
0.5
-gumbel
serie histrica
^
log(T)
Figura 7.-Ajuste de la serie I120 a las funciones Gumbel y SQRT-ET mx
Lafilosofadel mtodo regional es precisamente sta; analizar lo que ocurre en

estaciones prximas, y estudiar si el comportamiento de la variable es similar. Teniendo
la certeza de que las estaciones prximas tienen similar comportamiento, el mtodo
regional se basa en el uso simultneo de los datos de esas estaciones, de forma que los
datos distribuidos en el espacio, sustituyen en cierto modo a los datos distribuidos en el
tiempo, que como se ha comentado, son limitados. De esta manera se consigue
prolongar, aunque sea "artificialmente", las series, compensando la corta longitud de las
mismas.
Este mtodo es el procedimiento ms aceptado en el mbito hidrolgico
internacional para compensar la carencia de datos as como la falta de series largas
(Chiang et al. , 2002a; Cunnane, 1987; Haberiandt, 1998; Bum y Goel, 2000; lvarez,
et al. , 1999; Yu y Cheng, 1998; Francs, 1998; Daviau et al. , 2000; Parida et al. ,
1998; Kachroo y Mkhandi, 2000; Michele y Rosso, 2001; Ferrer y Mateos, 1999;
Fiorentino et al ,1987; Lettenmaier y Potter, 1985; Stedinger, 1983; Greis y Wood
1981; Hosking y Walls, 1997).
68

El enfoque tradicional de estos mtodos asume la existencia de una regin
homognea respecto a ciertas caractersticas estadsticas, lo que permitira utilizar toda
la informacin disponible en dicha regin, y los resultados obtenidos sern ms o menos
aceptables en la medida en que la regin definida sea ms o menos homognea desde un
punto de vista estadstico.
El mtodo regional que se va a utilizar es el mtodo del ndice de avenida, que se

basa en el uso simviltneo de datos procedentes de estaciones prximas que puedan
considerarse "homogneas". Este mtodo supone que los mximos anuales en un
conjunto de estaciones de una "regin homognea" provienen de una misma poblacin
excepto el factor de localizacin. Una vez eliminado de cada serie el factor de
localizacin, y como consecuencia de proceder de la misma distribucin, los
coeficientes de variacin y asimetra deben ser similares.
En este caso se considerar como factor de localizacin la media, de manera, que

si se estandarizan las series dividiendo los registros de cada una de las series entre su
media, se elimina el factor de localizacin, sin alterar ni la dispersin ni la asimetra.
A continuacin se presenta la tabla 9 con los valores de las intensidades

mximas para cada duracin divididos por su media, y en la tabla 10, los parmetros
calculados: media, coeficiente de variacin y asimetra, para la estacin de Valls (0034).
Duracin (minutos)
Ao
10
15
20
1945
0,53
0,59
0,60
1946
30
60
ISO
360
720
1440
0,55 0,47 0,47 0,53
0,54
0,54
0,71
0,73
1,29 1,44
1,32 1,37 1,44 1,67 1,99
2,02
1,84
2,63
2,48
1947
0,74
0,76
0,83
0,84
0,78
0,92
0,94
0,88
0,80
0,69
0,65
1948
0,60
0,70
0,55
0,47
0,41
0,39
0,43
0,46
0,49
0,63
0,61
1949
1,27
1,36
1,28
1,29
1,41
1,60
1,69
1,76
1,61
1,42
1,80
1950
1,27
1,40
1,56
1,56
1,50
1,30
1,79
1,71
1,63
1,42
1,30
1951
1,32 1,43 1,44 1,49 1,43 1,25 1,01
0,95
0,90
0,77
0,84
1952
0,88 0,88 0,90 0,92 1,09 1,32 1,26
1,28
1,29
1,13
1,03
1953
0,88
0,76
0,77
0,79
0,82
0,77
0,72
0,90
1,08
0,94
0,92
1954
0,46
0,48
0,41
0,43
0,46
0,54
0,58
0,59
0,57
0,79
0,88
1955
1,40
1,30
1,34
1,30
1,13
0,89
0,73
0,69
0,69
0,73
0,73
120
69

Duracin (minutos)
Ao
10
15
20
30
60
120
180
360
720
1440
1956
0,60
0,54
0,58
0,58
0,60
0,78
1,18
1,33
1,26
1,11
1,03
1957
1,53
1,45
1,38
1,44
1,57
1,52
1,26
1,23
1,23
1,13
1,19
1958
0,95
0,90
0,99
1,02
0,96
0,79
0,90
0,87
0,79
0,69
0,65
1959
1,13
1,06
1,09
0,97
1,03
1,06
0,89
0,85
0,79
0,94
0,96
1960
1,60
1,63
1,80
1,90
1,99
1,84
1,46
1,37
1,69
1,73
1,61
1961
1,16
1,19
1,16
1,17
1,23
1,11
0,90
0,85
0,81
0,79
0,73
1962
0,74
0,84
0,90
0,78
0,69
0,60
0,68
0,79
0,96
1,04
0,96
1963
1,32
1,36
1,29
1,40
1,51
1,77
1,61
1,53
1,40
1,21
1,49
1964
1,41
1,30
1,23
1,33
1,43
1,46
1,19
1,12
1,11
1,04
0,96
1980
1,22
1,06
1,13
1,04
0,96
0,88
0,72
0,68
0,62
0,54
0,61
1981
0,56
0,64
0,53
0,44
0,35
0,29
0,39
0,36
0,33
0,33
0,42
1982
0,66
0,54
0,50
0,47
0,38
0,38
0,51
0,60
0,74
0,71
0,73
1983
0,85
0,70
0,69
0,67
0,65
0,63
0,55
0,52
0,63
0,73
0,69
1984
0,62
0,69
0,76
0,80
0,72
0,77
1,11
1,12
1,18
1,13
1,03
-i,d
Tabla 9.- Valores del cociente - ^ r ^ en la estacin de Valls (0034).

Id
Donde:
I-i,d , es el valor de la intensidad mxima anual correspondiente a la duracin "d"
(minutos) en el ao i-simo.
l'-U
id
siendo "n" el nmero de aos de la serie.
= ^
n
Duracin (minutos)
Media
Desviacin
10
15
20
30
60
120
180
360
720
1440
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,35
0,36
0,38
0,41
0,45
0,46
0,45
0,44
0,41
0,46
0,45
0,03
0,16
0,20
0,28
0,26
0,30
0,63
0,69
0,48
1,98
1,78
tpica
Coeficiente
asimetra
LIA
Tabla 10.- Parmetros estadsticos de las series
y > P^^ ^^^^ duracin en la estacin de
Valls (0034).
70
Por lo tanto :
Las; series definitivas gue se van a manejar para el desarrollo de la
presente Tesis son las series proporcionadas por el Instituto Nacional de
Meteorologa en cada estacin^ divida cada ma de ellas por su media, eliminando
as elfactor local y respetando la dispersin y la asimetra muestral.
Para consultar las series que se han manejado, ver Anejo 3.

A continuacin se presenta el esquema general del proceso seguido para analizar
las estaciones con pluvigrafo, y que posteriormente se desarrollar en los epgrafes
correspondientes.
71
Conformacin de regiones
Ir
Agrupacin intra-estaciones
Conformar una nica

muestra (regin) con ios
datos de cada estacin
Agrupacin inter-estaciones
Conformar dos muestras;

cortas (<1 hora) y largas (>1 liora)
Descartada por escasez de

estaciones. (63 para la
Espaa Peninsular)
4.
Superan los test
No supera los test
Seleccin de la funcin de distribucin
Estimacin de parmetros en cada regin
Mtodos de estimacin elegidos

Mtodo de los Momentos
Mtodo de Mxima Verosimilitud
Criterios de decisin
Test Kolmogorov-Smirnov
Anlisis Grfico
Validacin
Generacin de muestras sintticas
(Montecarlo)
i
Comparacin de Cv y Ca de muestras observadas y sintticas
Obtencin de cuantiles adimensionaies

CA(T)cortas
CA(T)iarqas
Obtencin de i ( d , T)
Esquema 4.-Esquema del anlisis realizado en estaciones con pluvigrafo.
72
5,1.2.2.-Conformacin de regiones.
Para definir una regin se pueden utilizar diversos criterios, bien considerar una
serie de parmetros estadsticos de la estacin o bien un conjunto de descriptores que
permitan caracterizar la estacin o combinacin de ambos.
En el caso de anlisis regionales de caudales mximos es frecuente el manejo de
variables geomorfolgicas; rea de drenaje, longitud de cauce..., pero en el anlisis de
series de precipitaciones mximas, los criterios de regionalizacin slo pueden basarse
en criterios geogrficos y algunos aspectos estadsticos de las propias series.
En el proceso de regionalizacin se distinguirn dos fases:
- Defnicin de las regiones.
- Anlisis de homogeneidad de dichas regiones.
5.1.2.2.1.- Defnicin de las regiones
Para el desarrollo de la presente investigacin, en esta fase de defnicin de
regiones, se ha partido de las regiones definidas por Ferrer y Ardiles, (1994) para el
estudio de precipitaciones mximas en Espaa, regiones que se haban definido
atendiendo a xm criterio geogrfico y climtico, teniendo en cuenta la proximidad
geogrfica, la influencia de las cadenas montaosas, su orientacin...
En este primer acercamiento al concepto de "regin" es de esperar que el
comportamiento de las precipitaciones mximas sea similar al de las intensidades
mximas, por cuanto que responden a fenmenos meteorolgicos muy condicionado por
aspectos geogrficos similares. Por tanto, las regiones definidas por Ferrer y Ardiles,
(1994), se establecern como regiones para el estudio de intensidades mximas.
En la pgina siguiente se ofrece el Mapa de Espaa, mapa 2, con dichas
regiones. En ellas se estudi la informacin disponible, y se plantearon dos
posibilidades:
A.- Agrupacin inter-estaciones.
B- Agrupacin intra-estaciones.
73
ESTACIONES CON PLUVIGRAFO, MATERIAL Y MTODOS
Mapa 2.- Divisin de la Espaa Peninsular en 26 regiones geogrficas con caractersticas meteorolgicas
comunes (Ferrer y Ardiles, 1994)
74
A.- Agrupacin inter-estaciones: En esta lnea se pretenda agrupar las series

correspondientes a cada duracin, de cada una de las estaciones que estaban dentro de
las regiones establecidas por Ferrer y Ardiles, (1994), y ver si eran homogneas. Sin
embargo, con la informacin disponible esta opcin no fue posible, ya que muchas
regiones carecan de estaciones pluviogrfcas, o tenindolas su nmero era pequeo.
B.- Como segunda alternativa se plante aplicar el proceso de regionalizacin
dentro de cada estacin, es decir, considerar cada estacin como una "regin", y si esta
hiptesis resultaba aceptable, agrupar todas las series de distintas duraciones. Se
conformara as, una serie nica, y a partir de ella se estimaran los parmetros de la
funcin de distribucin para obtener los cuantiles adimensionales con la metodologa
descrita.
Se podra decir que dentro del proceso de regionalizacin, una estacin sera la
mnima unidad "regin", puesto que presenta las mismas caractersticas climticas y
solamente quedara por comprobar si toda la informacin de la estacin es homognea.
Antes de pasar a definir los mtodos que se utilizaron para analizar la
homogeneidad o no de las regiones as definidas, conviene decir que se realizaron
diversos intentos de agrupacin: considerar todas las series de todas las duraciones
como una regin, agrupar en bloques por duraciones siguiendo diversos criterios...
En la bibliografa consultada, muchos estudios establecen que es necesario
diferenciar precipitaciones de corta duracin y de larga duracin. Entre ellos cabe
destacar el estudio sobre cortas duraciones en Sicilia de Ferreri y Ferro, (1990) que
establecen como umbral para separar cortas de largas duraciones, una duracin de 60
minutos. Estudios previos realizados en Estados Unidos (Hershfeld, 1961), Sudfrica y
Australia (Bell, 1969) parecen indicar que las lluvias de cortas duraciones tienen
propiedades fsicas muy similares en muchas partes del mundo y por lo tanto pueden
aplicarse en otros pases las metodologas desarrolladas y calibradas en Amrica. Los
estudios de Porras y Porras, (2001) sealan que la duracin de la lluvia caracteriza
distintos orgenes de lluvia, definiendo un diferente comportamiento de las
precipitaciones mximas de cortas duraciones y largas duraciones y establecen como
duracin discriminatoria una hora.
75
En Espaa, Llasat, (1998) recomienda clasificar los episodios de lluvia segn su

origen- convectivo y no convectivo- antes de realizar la modelizacin de las curvas IDF,
indicando tambin que los episodios convectivos duran, en general, menos de una hora,
y que cualquier episodio de lluvia que dure ms de 5 horas es de carcter no convectivo
o poco convectivo, pudiendo disminuir ese umbral si se corresponde con algunas pocas
del ao.
5.1.2.2.2.-Anli$is de la homogeneidad.
Para el anlisis de homogeneidad de una regin se manejaron tresfiltros,con un
nivel de control cada vez ms exigente para poder aceptar como vlidas las regiones as
definidas. Los tres anlisis realizaron fueron;
- Grficos de los L-momentos
- Test de Medida de la Discordancia
- Test de Heterogeneidad
Los tres mtodos para analizar la homogeneidad de una regin estn basados en
los L-momentos, momentos que permiten describir la forma de la distribucin de
probabilidades.
Tradicionalmente la forma de la distribucin de probabilidades se describe por
medio de los momentos de la distribucin. As,
= La media es el momento de orden uno y representa el centro de gravedad de la
masa de la distribucin. Se usafi-ecuentementecomo factor de localizacin.
-
La varianza es el momento de orden dos y mide la variabilidad de la muestra

respecto de la media. La desviacin tpica es la raz cuadrada de la varianza, y el
coeficiente de variacin es un parmetro adimensional que expresa dicha
dispersin respecto a la media- calculando la desviacin tpica dividida por la
media-. Los dos ltimos parmetros suelen utilizarse como factor de escala.
Y el coeficiente de asimetra es el momento de orden tres que mide la asimetra

de la distribucin alrededor de la media. La asimetra tambin se suele medir de
forma adimensional definiendo el coeficiente de asimetra como el cociente del
76
momento de orden tres entre la varianza al cubo. Es habitual como factor de

forma.
Los L-momentos describen la forma de una distribucin de manera similar a los
momentos tradicionales pero con algunas ventajas frente a ellos:
-
Los L-momentos son ms estables ante los valores extremos, ya que los
momentos tradicionales amplifican la contribucin de una observacin muy
alejada de la media al elevarla a la 3* o 4* potencia.
Los L-momentos permiten identificar la distribucin de la que procede una

muestra ms fcilmente que a partir de los momentos tradicionales, (Hosking y
Wallis, 1997) y no hay que olvidar que sta es una aplicacin importante del
clculo de los momentos.
Puesto que los Test que se van a manejar para definir xma regin estn basados
en los L-momentos, se debern calcular, para cada serie estandarizada de cada duracin
y de cada estacin, dichos parmetros y adems, para permitir la comparacin entre
estaciones, tal y como es costumbre, se dividirn los L-momentos estimados entre algn
momento significativo para hacerlos adimensionales.
En el clculo de los L-momentos el proceso seguido ha sido el siguiente
(Hosking y Wallis, 1997):
-Cada una de las series de cada duracin se dividen por su media.
-Cada serie estandarizada- dividida por su media- se ordena de menor a mayor.
-Se calculan los estimadores p mediante la expresin:
n
y=i
77
Donde:
n, es el nmero de datos de cada serie
j , es el nmero de orden de cada dato ordenado de menor a mayor
Xj:n, es el dato "j-simo" de la serie de "n" datos
-Se determinan los L-momentos definidos por:
'i = A
El factor local, en los L-momentos, se corresponde con li- la media-, y adopta un

valor de 1 al trabajar con los valores mustrales estandarizados.
El factor de escala se evala en los L-momentos mediante I2, y el factor de forma

mediante I3.
As mismo, se obtuvieron los L-momentos adimensionales que permiten analizar

estos parmetros:
tt (L-Cv) que equivale al coeficiente de variacin (Cv) en los momentos

tradicionales,
'
ta (L'Ca) que equivale al coeficiente de asimetra (Ca), y
t4 (L-Ck) que equivaldra al coeficiente de apuntamiento o curtosis. Estos

coeficientes estaran definidos por las siguientes expresiones:
h
t
-=-
, =-^ parara3,4
'2
78
Adems, se calcularon los L-momentos regionales de la distribucin regional

como la media ponderada de los L-momentos adimensionalizados de orden dos y tres.
Al estar manejando las series de distintas duraciones, dentro de uria estacin, las
longitudes de las series son iguales y por tanto no es necesario establecer ninguna
ponderacin. As, el valor regional ser el valor obtenido como media aritmtica.
Como ejemplo se incluye en la tabla 11 los estimadores y los L-momentos
utilizados, correspondientes a la estacin de Valls(0034), y en el Anejo 4 se incluyen los
correspondientes al resto de las estaciones.
dulribidriTin) bO b1-:,::v-' b2^^,'.5
10
15
20
30
60
120
180
360
720
1440
1
1
1
1
1
1
1
1
1
1
1
^^''^;
13
12
0.2045 0,0016
0,2075 0,0094
0,2187 0,0081
0,2377 0,0138
0,2624 0,0129
0,2708 0,0235
i 2 - :
:'
0,4441
0,4545
0,4667
0,4727
0,6280
0,4682
1,0000 0,2559 0,0416 0,2559 0,1627 0,0752
0,6250
0,6190
0,4654
0,4575
0,4610
0,4624
1,0000
1,0000
1,0000
1,0000
0,6160
0,4387
0,2045
0,2075
0,2187
0,2377
0,2624
0,2708
t3
t4
0,0079 -0,0506
0,0454 -0,0674
0,0371 0,0180
0,0582 0,0154
0,0492 0,0016
0,0868 0,0285
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
0,6162
0,4358
\ t
0,6022
0,6038
0,6094
0,6189
0,6312
0,6354
0,2500 0,0425 0,2500

0,2380 0,0313 0,2380
0,2325 0,0684 0,2325
0,2319 0,0787 0,2319
0,1701
0,1315
0,2941
0,3393
0,0992
0,0606
0,2697
0,2521
Tabla 11.- Estimadores y L-momentos en la estacin de Valls (0034).
Representacin grfica de los L-momentos.

En el anlisis regional resulta conveniente representar grficamente los Lmomentos adimensionales de las series. Es una manera rpida y fcil de analizar "de
visu" si son discordantes xmas series respecto a otras. As, se han realizado dos
grficos, en uno se ha representado L-Cafi-entea L-Cv- y en otro grfico L-Cafirentea
L-Ck. El centro de la nube de puntos representa los valores medios de L-Cv y L-Ca, y
L-Ck, adems, se pueden construir elipses concntricas con el eje mayor y menor
elegidos de manera que ajuste lo mejor posible a los datos. A partir de ah se puede
medir la dispersin como una distancia media entre el dato de la estacin y la del grupo,
y los datos "discordantes" sern aquellos que queden fuera de la elipse.
79

En la figura 8, -tomada de "Regional Frequency Analysis", Hosking y Wallis,
(1997) - que se muestra a continuacin, se pueden observar un ejemplo en el que
claramente hay una serie discordante, que se aleja de las caractersticas estadsticas del
resto, y aparece resaltada en la figura con un crculo en ambos grficos.
0.5n
0.4
^0.4-i
I 0.3
^ 0.3
0.2
0.2
0.1
_ P
-1
>T
0.2
0.3
0.4
L-skewness, 3
0.5
0.1
0.1
0.2
0.3
0.4
L-skewness, Q
0.5
Figura 8.- Ejemplo de estacin discordante. (Fuente: Regional Frecuency Analysis.

Hosking y WalUs, 1997)
En la Figura 9 se ha representado en unos ejes ta-ts, el centro de la nube de

puntos, sealado con una cruz, tiene de coordenadas los valores medios de L-Cv y LCa. Se han construido adems unas elipses de manera que el ajuste sea el mejor con ios
datos de las estaciones, y la estacin "discordante" ser aquella que se encuentre fiera
de las elipses.
>
O
L'-skewness, %
Figura 9.- Representacin L-Cvfrentea L-Ca, (Fuente: Regional Frecuency

Analysis. Hosking y Wallis, 1997)
80
Para pequeas muestras se puede hacer una media ponderada en funcin de la

longitud de las series, aunque en este caso, las series que se van a agrupar tienen ei
mismo nmero de datos (salvo en los casos en los que falta un dato en vina de las series,
como se ha comentado en el epgrafe correspondiente)
Medida de la discordancia.
Una vez analizados los grficos de los L-momentos, que nos permiten identificar
series que se alejan claramente del resto que forman la regin, y en su caso eliminarlas
del anlisis regional, se pasara un segundo filtro a las series que permanecen,
realizando el Test de Medida de la Discordancia, propuesto por Hosking y Wallis,
(1997).
Considerando ios cocientes de los L-momentos de todas las series de cada
estacin como puntos en el espacio de tres dimensiones (tz, ts, t4), un punto ser
discordante en tanto en cuanto se aleje del centro de esa nube de puntos. As, se define
la medida de la discordancia de la estacin "i" como:
);=-**(; -f *A-' *(,. -M)

Donde,
N
u = n~^û
i
t2, es el L-Cv
ts, es el L-Ca
t4, es el L-Ck
n, es el nmero de datos
81

El vector "u" representa un punto en el espacio de tres dimensiones (ti, h, U),
por lo tanto, un punto ser "discordante" cuanto mayor sea "D", y lgicamente, ese
valor "grande" de D depende del nmero de estaciones que formen la regin. Este
criterio, si bien fue propuesto por Hosking, ya fue planteado un criterio similar por
Wiiks, (1963), y Thompson, (1935).
Hosking y Wallis, (1997) observan la dificultad de definir xjn valor de "D" que
discrimine y permita separar series claramente discordantes, ya que cuanto mayor es el
nmero de estaciones, ms fcil es que este valor de "D" sea mayor. Sin embargo,
recomiendan que si D>3 se considere discordante. Tambin indican que cuando la
regin es muy pequea, este valor no es muy significativo, lo cual tiene sentido, ya que
es difcil juzgar si se tienen pocas estaciones con las que comparar. En la tabla 12 se
establecen los valores de "D" en funcin del nmero de estaciones que forman una
regin.
Hosking y Wallis, (1997) recomiendan calcular este parmetro en los primeros

anlisis, y an admitiendo ese valor critico, estudiar si es posible que algn
acontecimiento meteorolgico localizado haya podido afectar a alguna estacin de la
regin pero no a todas, y que en el futuro una situacin similar pueda afectar a cualquier
estacin de la regin, ya que entonces, an obteniendo un valor mayor de 3, debe
mantenerse esa estacin en la regin.
N*d;esaciohe:} Valor critic
nla regih ; r;
5
6
7
8
9
10
11
12
13
14
>15
1,333
1,648
1,917
2,140
2,329
2,491
2,632
2,757
2,8,69
2,971
3
Tabla 12.- Valores de D crtico en funcin del nmero de estaciones de la regin.
Para la aplicacin de este Test, se manej el paquete informtico LMOMENTS

desarrollado por Hosking y Wallis y que es de libre difisin. Se encuentra disponible en
la red en http://lib.stat,cmu.edu/general/lmoments (ltima consulta: septiembre 2004).
82
Test de Heterogeneidad.
Superado el segundo control, quedara comprobar el grado de heterogeneidad

existente en dichas regiones.
Muchos autores han propuesto diversos tests para determinar la heterogeneidad

de una regin. Entre ellos cabe destacar a Dalrymple, (1960); Wiltshire, (1986);
Hosking y Wallis, (1993)... Todos ellos incluyen un estadstico que mide algn aspecto
de la distribucin de frecuencias, y que debe ser constante en la regin homognea. Para
Dalrymple, este estadstico es el valor para un perodo de retomo de 10 aos escalado
por su media, Wiltshire maneja el coeficiente de variacin, y Hosking y Wallis utilizan
una combinacin de L-Cv, L-Ca, y la L-Ck.
No se ha hecho una comparacin general entre estos tests, pero todos ellos
pueden ser vlidos desde un punto de vista estadstico.
Se va a utilizar la medida de la heterogeneidad, H, propuesta por Hosking y

Wallis, (1993) que compara la variabilidad de los L-momentos mustrales del grupo de
estaciones que conforman la regin con los "esperados" en una regin homognea,
obtenida sta a partir del empleo de tcnicas de simulacin. Este anlisis permite
evaluar cundo la variabilidad observada en las relaciones de los L-momentos del grupo
que conforma la regin es atribuible a variaciones fortuitas o por el contrario, muestra la
existencia de heterogeneidad dentro de la citada regin.
Diversos autores coinciden en concentrar los anlisis en la variacin del

coeficiente L-Cv entre las distintas series ms que en L-Ca o L-Ck pues tiene ms
influencia en las estimas finales, sobre todo en las estimas de los cuantiles extremos. La
bondad de ajuste juzgar en qu medida los momentos L-Ca y L-Ck de la distribucin
seleccionada se ajustan bien al promedio regional de L-Ca y L-Ck de los datos
observados, y para saber lo que debera proporcionar una regin homognea utiliza la
simulacin, generando muestras con la misma longitud que las series observadas.
83
Defnicin formal de H:
{v-n^
cr..
Donde:
v=
i=l
* f (^)
2;ni*t2
t = - i ^
Z".
i=l
iii, es la longitud de la serie

jj,v, es la media de las "N" simulaciones
Cfv, es la desviacin tpica de las "N" simulaciones.
X2 , es el L-Gv regional medio, ponderado con la longitud de la serie.
X2 , es el L-Cv de la i-serie.
Dentro del paquete informtico LMOMENTS, se manej el programa "xtest"
para calcular este estadstico. El programa "xtest" genera las muestras utilizando la
funcin Kappa de cuatro parmetros, que presenta la ventaja de ser ms flexible y ser
capaz de representar muchas distribuciones; con la ventaja aadida de que no se
compromete con una funcin determinada de dos o tres parmetros.
Este anlisis se ha utihzado con xito para acreditar regiones homogneas en el
anlisis regional de frecuencias por Coursey, (1973) y Acreman y Sinclair, (1986) lo
utilizaron para la regionalizacin de datos de caudal en Escocia; Guttman, (1993) lo
utiliz para el anlisis de precipitaciones en USA, y Hosking y Wallis, (1997) lo
recomiendan como el mtodo ms prctico para fonnar regiones.
84

Hosking y Wallis proponen cohio criterib:
H<1 la regin es homognea
1<H<2 la regin puede ser homognea
Ha2 la regin no es homognea.
Estos autores consideran que si H toma un valor menor que uno la regin es
homognea, y la regionalizacin puede ofrecer ventajas frente a un anlisis local. Del
mismo modo, si "H" es mayor o igual a dos, y las caractersticas lo permiten, puede ser
muy beneficioso redefinir la regin. Y por ltimo, si H toma un valor entre uno y dos la
regin puede o no ser homognea.
Robson y Reed, (1999) suavizan este criterio y sugieren establecer como

intervalos:
H s 4 Regin fuertemente heterognea,

2<H<4 Regin heterognea
H<2
Regin homognea
En esta investigacin se simularon 500 regiones para calcular el valor de H, y se

manej el criterio propuesto por Hosking y Wallis, ms estricto.
Las investigaciones realizadas por diversos autores (Lettenmaier y Potter, 1985;

Lettenmaier et al. ,1987; Hosking y Wallis, 1988; Potter y Lettenmaier, 1990) justifican
el anlisis regional, incluso aunque la regin sea moderadamente heterognea, porque
las estimas de los cuantiles son ms precisas que las que se obtienen estacin a estacin.
En cuanto al nmero de estaciones que se deben agrupar para formar ima regin,
Hosking y WaUis, (1997) en sus investigaciones presentan como conclusiones que en el
proceso de obtencin de cuantiles por el mtodo de regionalizacin se obtienen pocas
ventajas si se utilizan ms de 20 estaciones por regin, por lo que no merece la pena
tratar de agrupar ms de 20 estaciones, y por otro lado, estos mismos autores, tambin
establecen un nmero estaciones mnimo para poder aplicar el estadstico de
85

discordancia D y que haban fijado en cinco estaciones, por lo tanto a la hora de
establecer regiones dentro de una estacin, tambin se tuvieron en cuenta estos criterios.
5.1.2.3.-Selecciii de la funcin de distribucin.
Con los Test anteriores se pueden establecer unas "regiones" ms o menos

homogneas, aunque como indican Saenz de Ormejana et a/.,(1991) (a quienes a su vez
plante Hosking en comunicacin personal), el problema que presentan estos Tests
estadsticos es que tienden a confirmar la hiptesis de homogeneidad si el nmero de
estaciones es pequeo, y a rechazarlo si es grande.
Los mismos autores que proponen este Test, tampoco recomiendan utilizarlo
como un test de confirmacin de hiptesis en su sentido estricto y con unos niveles de
significacin, ya que ello llevara implcito aceptar las hiptesis de independencia, tanto
de los propios datos de la serie como entre estaciones, y que la funcin de distribucin
real es la funcin Kappa, y en muchos casos esto no es as. Un test de significacin es
de poca utilidad en cualquier caso porque incluso una regin "moderadamente
heterognea" puede proporcionar estimas de cuantiles con suficiente precisin a efectos
prcticos.
Por lo tanto, se hace necesario saber si dichas regiones son significativas en el

sentido que permitan mejorar las estimas de cuantiles. As, si se tienen un conjunto de
distribuciones candidatas, el objetivo
ser seleccionar la ms adecuada, y
posteriormente contrastar objetivamente que la distribucin elegida se ajusta a los datos

aceptablemente. Para ello habr que elegir el modelo de ley de distribucin a adoptar y
no es un tema sobre el que exista pleno consenso, ya que diversos investigadores han
manejado distintas mciones de distribucin con buenos resultados.
En la mayora de las aplicaciones, tal y como se ha comentado anteriormente, las

estimas se realizan en la parte derecha de la distribucin, y es en ella tambin donde
menos datos se tienen, de manera que la fimcin elegida podra estar dando muy buenos
ajustes en la parte inferior, definiendo pequeos perodos de retomo, y sin embargo en
la zona de uso, los ajustes podran ser mucho peores.
86
Por lo tanto, a la hora de elegir la funcin ms adecuada deberamos elegir, no

tanto la funcin que mejor se adapte a los datos mustrales como la que proporcione las
estimas de cuantiles lo ms robustas y adecuadas al rango de perodo de retomo sobre el
que se har la estima.
Algunos autores, (Boughton, 1980; Laursen, 1983) sugieren que deberan
utilizarsefincionesde distribucin que tengan un lmite superior, puesto que, como en
el caso que se est estudiando - las series de intensidades mximas-, hay valores
prcticamente imposible de producirse. Otros autores, entre ellos Hosking y Wallis,
(1997) mantienen que si el objetivo es estimar cuantiles para perodos de retomo hasta
de 100 aos, el hecho de que los cuantiles deducidos para 10.000 aos sean fsicamente
imposibles es irrelevante, y que por el contrario, la imposicin de ese lmite superior
podra comprometer las estimas de los cuantiles en la zona de inters. Aunque por
supuesto tambin comparten que cuando la funcin de distribucin real tiene xm lmite
superior que se acerca a ios datos observados, entonces s resulta aconsejable ajustar a
vaxa funcin que sea capaz de modelizar dichos datos con un lmite superior.
Hosking y Wallis (1986) demuestran que la heterogeneidad del L-Cv es el factor
que ms incide en la obtencin de cuantiles sesgados respecto al verdadero valor. Asi,
una excesiva heterogeneidad en la regin puede conducir a valores prohibitivos en el
sesgo de los cuantiles estimados, a pesar de la ventajosa reduccin de su varianza. Por
ello:
" es preciso conseguir una regin lo suficientemente homognea como para que
predomine el efecto de reduccin de la varianza sobre el del posible sesgo, y d como
consecuencia una estimacin ms precisa de los verdaderos cuantiles"
La Organizacin Meteorolgica Mundial, en un trabajo realizado en 1989 revis
un informe relativo a las leyes de distribucin habituamente empleadas en el anlisis de
valores extremos xie lluvia y caudal y los resultados mostraban dos gmpos principales
de leyes:
- Distribucin de valores extremos: GEV (empleada en Gran Bretaa, Reed,
1992) que incluye como casos particulares las leyes de Gumbel (EVl), Frecht (EV2) y
Weibull(EV3).
87

- Distribuciones basadas en la funcin Gamma, que incluye Pearson I (P3),
log-Pearson (LP3), esta ltima recomendada en EEUU para caudales.
Adems, los trabajos realizados por Rossi et al , (1984), en Italia, sugieren

como funcin de distribucin ms adecuada la ley de valores extremos con dos
componentes (TCEV).
Y por ltimo, la ley SQRT-ET mx propuesta en Japn por Etoh et al. , (1986)
es uno de los escasos modelos propuestos especficamente para el anlisis de mximas
lluvias diaria. Este modelo ha sido empleado por Ferrer y Ardiles, (1994) en el estudio
de precipitaciones de la Espaa pernsular con buenos resultados.
Como puede deducirse, se han manejado diversas ftinciones de distribucin,

pero en lo que todos los investigadores sobre la materia estn de acuerdo es que se
debera elegir
"una funcin robusta, capaz de ofrecer mejores estimas de cuantiles, incluso
aunque los datos provengan de otra distribucin algo diferente de la ajustada".
irttri& dfe seeeeirii
El paquete informtico manejado - L-MOMENTS - permite determinar la

funcin de distribucin que mejor ajusta en cada "regin" de entre un
conjunto de funciones de distribucin: valores extremos generalizada (GEV),
Lognormal (LN3), WeibuU, Pearson Tipo n i (PE3), Pareto generalizada
(GPA), logstica generalizada (GLO), Normal generalizada, y ofrece tambin
las estimas de los cuantiles correspondientes.
Cabe sealar dos objeciones: el programa proporcionara la funcin ms

adecuada en cada regin, y puesto que el objeto de la presente Tesis es un
estudio a gran escala, sera conveniente utilizar ima nica funcin en todas
ellas, si los datos as lo permiten. Por otra parte, el programa no incluye la
funcin SQRT-ET mx, desarrollada especficamente para precipitaciones
mximas y que ha proporcionado buenos resultados en Espaa en el estudio
de precipitaciones mximas diarias anuales.
___
ESTACIOISES CON PLUVIGRAFO. MATERIAL Y MTODOS
A partir de los diagramas de los L-momentos adimensionales (figura 10).

Este mtodo permite elegir una funcin de distribucin en funcin de los
valores de L-Ca (ts) y L-Ck(t4) regionales obtenidos. Teniendo en cuenta los
valores que adoptaran estos parmetros en la funcin elegida, y dependiendo
de la proximidad de los valores regionales a una u otra fimcin, se elige
aquella a la que ms aproxime.
0.O
l-skewnsss, tj
Figura 10.- Diagrama de L-momentos adimensionales
Los diagramas de L-raoments adimensionales tambin han sido

recomendados como una potente herramienta para la eleccin de la funcin
de distribucin utilizando los datos de una regin: Stedinger et al. ,(1993);
Hosking y Wallis, (1997). As mismo, numerosos autores los han utilizado
como parte del proceso de seleccin de la distribucin en un proceso de
regionalizacin, (Schaufer, 1990; Vogel et al. , 1993; Chow y Watt, 1990;
Bum y Goel, 2000; Pearson, C. P., 1993; y en Espaa, Alvarez et al., 1999).
Este mtodo para elegir la funcin de distribucin presenta los mismos

inconvenientes sealados al comentar el primero de los criterios de seleccin.
89
Para esta Tesis se ha elegido la funcin SQRT-ET mx, que adems de ser muy
robusta, presenta las siguientes caractersticas:
Conduce a resultados ms conservadores que los obtenidos mediante la
ley de Gumbel.
Se ha demostrado que tiene una buena capacidad descriptiva de la parte
derecha de la funcin de distribucin.
Est definida slo por dos parmetros, lo que le da mayor robustez y
permite expresar los cuantiles regionales como funcin exclusiva del valor del
coeficiente de variacin. Este coeficiente se puede representar en forma de
isolneas continuas, eliminando as las discontinuidades resultantes del enfoque
tradicional clsico, facilitando as la presentacin de resultados.
Ha sido utilizada satisfactoriamente en Espaa para la estimacin de
cuantiles de precipitaciones mximas diarias anuales.

5.1.2.4.- Estmacin de parmetros en cada regin.
Cuando se elige el mtodo para la estimacin de parmetros (momentos,
mxima verosimilitud, y momentos ponderados probabilsticamente), aplicado a una
nica muestra, presenta dificultades debido a la incertidxmbre existente respecto a la
representatividad de dicha muestra. Esto se traduce asimismo, en una elevada varianza
en las estimas de los parmetros y cuantiles, varianza que es tanto mayor cuanto ms
corta es la serie y ms alto el coeficiente de asimetria.
En la presente investigacin, y una vez aplicado el proceso de regionalizacin,
se han agrupado aquellas series que forman una regin, formando as, una nica serie.
Por lo tanto, para la estimacin de los parmetros se parte de una nica serie,
previamente estandarizada.
De los mtodos para la estimacin de los parmetros, se deber descartar el

mtodo de momentos ponderados probabilsticamente ya que, como se ha indicado
anteriormente- aparece reflejado en la tabla 3- slo se puede utilizar cuando la funcin
90
se pueda expresar explcitamente en forma inversa. Como la funcin elegida es la
SQRT-ET mx esto no es posible.

En cuanto a los otros dos mtodos, mxima verosimilitud y de momentos,
diversos investigadores las han manejado con xito. Entre los autores que han manejado
el mtodo de mxima verosimilitud cabe destacar: Piln y Adamowski, (1993) que lo
utilizaron junto con informacin adicional con una poblacin logPearson tipo 3; Lese,
(1973); Hosking y Wallis, (1986); Guo y Cunnane, (1991) utilizaron el mtodo de
mxima verosimilitud sobre una poblacin Gumbel; y con la Lognormal, Cohn y
Stedinger, (1987).
En el anlisis regional, el mtodo de mxima verosimilitud ha sido empleado en
los estudios de Boes et al., (1989) con la distribucin Weibull; Landwehr et al., (1979)
con la Giunbel; Jin y Stedinger, (1989) con la GEV incluyendo informacin no
sistemtica; y es el mtodo mayoritariamente empleado con la TCEV, Rossi et al. ,
(1984). En Espaa, Francs Garca, (1998), utiliz la funcin de probabilidad TCV con
informacin no sistemtica dentro de un anlisis regional en los ros Jcar y Turia,
utilizando como mtodo de estimacin de parmetros el mtodo de mxima
verosimilitud, y Ferrer y Ardiles, (1994) para el estudio de precipitaciones manejaron
ambos mtodos y con diferentes ftinciones.
Ambos mtodos han sido utilizados con buenos resultados, y puesto que no hay
un criterio nico y objetivo para descartar cualquiera de ellos, se decide aplicar ambos
mtodos para la determinacin de los parmetros "k" y "a" de la funcin SQRT-ET
mx.
Se utilizar el programa Sqrtab.exe, desarrollado por el CEH (CEDEX (2002),
comunicacin personal Javier lvarez Rodrguez) que permite estimar los parmetros
de la funcin SQRT-ET mx por ambos mtodos.
91
literiM (d decisin:
Una vez determinados los parmetros "k" y "a" por ambos mtodos los criterios
que se han manejado para seleccionar uno u otro han sido los siguientes:
- Test de Kolmogorov-Smimov.
- Anlisis grfico.
Test de Kolmogorov-Smimov
El Test de Kolmogorov-Smimov es un test no parmetrico que analiza con un
criterio de distancia mxima si la distribucin supuesta es consistente con los datos.
Este contraste es vlido slo para variables continuas y permite comparar la funcin de
distribucin terica de la poblacin con la distribucin emprica de la muestra. En este
caso se aplicar a las dos funciones obtenidas, por mxima verosimilitud y por
momentos, y permitir discernir cual de los dos mtodos de estimacin de parmetros,
proporciona mejores ajustes.
La hiptesis nula de este contraste es que la muestra proviene de un modelo
continuo F(x).
El procedimiento a seguir es el siguiente:
Se ordenan los valores mustrales de manera que X(i)< X(2) ....< X(n)
Se calcula la funcin de distribucin emprica de la muestra Fn(x)
0.....X < X|.j^
K(^}
1
^^^(nj
92

Se calcula la discrepancia mxima entre la funcin de distribucin observada (o
emprica) y la terica con el estadstico:
Dn= mx|F(jc) - F^X^
cuya distribucin, cuando F(x) es cierta est tabulado. Si la distancia calculada Dn es

mayor que la encontrada en las tablas, para un nivel de significacin, se rechazar la
hiptesis.
Donde,
Fn(x), es la funcin de distribucin emprica de la muestra.
F(x), es la funcin de distribucin terica de la poblacin que se quiere
contrastar.
Dn, es el estadstico definido en la expresin.
Este contraste tiene la ventaja de que no requiere agrupar los datos, pero
presenta el inconveniente de que si calculamos, F(x), estimando los parmetros de la
poblacin mediante la muestra, la distribucin, Dn , es slo aproximada; Adems, este
criterio es conservador, tendiendo a aceptar la hiptesis, pero en contrapartida, permite
construir bandas de confianza de la distribucin. Si, D(a, n), es el valor obtenido en
tablas para ,Dn, se tendr que, si F es correcta, con nivel de confianza 1-a, se tiene:
D{a, n) ^ mx|FH(x) - F{xj^,
y por tanto,
F{x)&F^{x)D{a,ri)
y llevando, D(a,n), a ambos lados de Fn(x) se obtienen bandas de confianza para la
distribucin.
La potencia de este contraste para tamaos mustrales medianos es baja, sin

embargo, en el caso que nos ocupa, al haber aplicado un proceso de regionalizacin, la
muestra ha adquirido un tamao importante, lo que hace adecuada su utilizacin.
93
Anlisis grfico
Adems, se representar en cada regin los cuantiles adimensionales deducidos
por cada uno de los mtodos y para cada perodo de retomo - o bien frente a su
probabilidad. En la misma grfica se representar la serie- nica y adimensional - de la
regin. Para ello, se le asignar a cada valor de la serie nica, previamente ordenada de
menor a mayor, una probabilidad, pj:n, recomendada por Hosking et al., (1985) para la
distribucin de valores extremos, que tiene la expresin siguiente:
Donde,
j , es la posicin de un valor de la serie, supuestamente ordenada de menor a
mayor.
n, es el nmero de datos total de la serie.
5.1.2.5.-Validacin.
No ha sido posible reservar parte de la muestra para realizar la validacin debido
al pequeo nmero de estaciones y de series disponible, por ello, el mtodo que se
utilizar para la validacin consistir en la generacin de muestras sintticas por el
mtodo de simulacin de Montecario, y en esas muestras generadas se determinarn una
serie de parmetros estadsticos que se compararn con los valores mustrales.
Este procedimiento es una herramienta muy efectiva para establecer las
propiedades estadsticas de un determinado procedimiento o para comparar dos o ms
procedimientos. Hosking et al , (1997) lo recomiendan como mtodo de validacin, y
ha sido utilizado por diversos autores, entre ellos, lvarez et al. ,(1999), y Ferrer y
Ardiles, (1994) en Espaa.
El mtodo de simulacin de Montecario es un procedimiento general para
seleccionar muestras aleatorias de cualquier poblacin de la que se conozca su
distribucin de probabilidad, y para ello se utilizan los nmeros aleatorios.
94

El procedimiento consiste en:
1. Tomar un nmero aleatorio de tantas cifras como precisin se desee, y
convertirlo en decimal. Sea
NAunvalor(0<NA<l)
2. Considerar ese valor, NA, como el valor de F(x) y tomar como valor
observado en la muestra aquel valor de "x" tal que:
NA =F(x);
x==F-'(NA)
3. Generar una muestra de tamao "n", repitiendo (1) y (2) n veces con
distintos nmeros aleatorios
En este caso, al haber elegido la funcin de distribucin SQRT-ET mx- que no
tiene transformada inversa explcita- se utiliz el mtodo de aproximacin de NewtonRaphson, para obtener muestras aleatorias que respondan al modelo elegido. En el
proceso de generacin de las muestras se utilizo como semilla el valor inicial zi=l.
El proceso operativo requiere la generacin aleatoria de un nmero suficiente de

muestras, a partir del modelo estadstico ajustado, y de tamao anlogo al observado.
Para ello se utiliz una hoja de clculo "Excel" desarrollada para la presente Tesis por
Alejandro Vivar, P.T.E.U. en la Unidad Docente de Matemticas en la E.U.I.T.Forestal.
En cada regin considerada se generaron 100 muestras con el mismo nmero de

datos que las series de cada duracin de la estacin correspondiente. Se tendrn as 100
muestras, todas ellas de la misma longitud, procedente de la distribucin SQRTÊT mx
(con irnos parmetros k y a obtenidos por el mtodo elegido en cada regin).
En cada muestra se calcularn los siguientes estadsticos: Media, coeficiente de

variacin y coeficiente de asimetra, y el anlisis consistir en la comparacin grfica de
los parmetros estadsticos obtenidos en las muestras sintticas generadas por el mtodo
de Montecarlo y los valores mustrales observados.
Los valores de la media de las 100 muestras deberan aproximarse a uno, puesto
que se ha manejado la variable estandarizada, cociente del valor muestra! entre la media
de la serie.
95

En cuanto a los otros dos parmetros, los valores de las muestras generadas por
el mtodo Montecarlo, deberan adoptar valores similares a los observados si el modelo
describe adecuadamente las propiedades de los datos. Para ello, se representarn los
valores de Coeficiente de variacin (Cv) frente a Coeficiente de asimetra (Ca) de las
muestras generadas y los valores obtenidos en las muestras observadas. Si los pares de
puntos Cv-Ca de las series de datos observados se encuentran dentro de la nube de
pvintos de los pares de valores Cv-Ca de las muestras generadas, indicar que el
comportamiento de las muestras generadas responde al mismo patrn que los datos
mustrales reales y, por tanto, la funcin elegida para reproducir las caractersticas
mustrales es adecuada.
5.1.2.6.- Obtencin de cuantiles adimensonales.
A continuacin, se debern calcular los cuantiles adimensonales de cada una de

las regiones obtenidas para los perodos de retomo ms usuales:
2, 5,10,25, 50,100, 200, y 500 aos
En cada una de las regiones adoptadas, se utilizar la serie nica, admensonal,
resultante de la regionalizacin, para el ajuste a una funcin SQRT-ET mx, por el
mtodo elegido - tras aplicar los criterios planteados en el epgrafe 5.1.2.4.-.
De esta forma se obtendrn los cuantiles adimensonales en cada una de las

regiones y para cada imo de los perodos de retomo adoptados.
5.1.2.7.- Obtencin de las intensidades mximas para cada duracin y perodo de

retorno.
Al haber adoptado el mtodo ndice de avenida, se asume que la variable
resultante de dividir en cada estacin, y en cada duracin, los valores observados por su
media siguen la misma distribucin de fi-ecuencia en toda la regin. Los parmetros de
la distribucin se obtienen a partir del conjimto de datos de la regin, mientras que el
valor de la media se obtiene a partir de los datos de cada estacin.
96
Por lo tanto, una vez obtenidos los cuantiles adimensionales de la distribucin

regional, los cuantiles locales se obtienen de forma general como:
Donde,
xt, es la estimacin de la variable asociada a un perodo de retomo T.
Yt , es la media de la variable aleatoria xt
Yt , es el cuantil adimensional deducido para el perodo de retomo T.
En este caso, siendo la variable aleatoria "intensidad mxima" en una estacin
para una duracin y perodo de retomo, sta se obtendr como producto del cuantil
adimensional regional por la intensidad mxima media correspondiente a dicha
duracin, y de esta manera se recupera el efecto de la media, que es propio de cada
serie.
estacin
estacin
Siendo,
CA(T)regin, el cuaiitil adimensional obtenido en la regin.
r,
.,
i d estacin
, es la media de las intensidades mximas registradas

,
.,
para la duracin
correspondiente.
considerada
en
la
.,
estacin
Por lo tanto para estimar la intensidad mxima para una duracin y perodo de
retomo se requiere conocer el cuantil adimensional correspondiente al perodo de
retomo de la regin a la que pertenezca, y adems la intensidad mxima media
correspondiente a la duracin considerada.
5.1.3.-SELECaN DEL MODELO ffiF.
Con la metodologa propuesta quedara resuelta la estimacin de la intensidad
mxima para una detenninada duracin y un detenninado perodo de retomo en una
estacin en el que se disponga de pluvigrafo. Pero como se ha venido indicando, el
97

nmero de estaciones con pluvigrafo disponibles en Espaa es escaso, por lo el
problema sigue pendiente en las estaciones que carecen de l.
Para tratar de solucionarlo, la mayora de los artculos consultados tratan de

establecer expresiones que relacionen en una estacin con pluvigrafo, la media de las
intensidades mximas de cada duracin con la media de las intensidades mximas en 24
horas. Como el dato de intensidad mxima media en 24 horas se puede obtener en
estaciones con pluvimetro, se suele desarrollar una metodologa que permite extrapolar
la ley IDF obtenida y aplicarla a estaciones que slo tienen pluvimetro.
En la presente investigacin se analizarn varios modelos que se estn

manejando actualmente - y que aparecen en la literatura especfica -, con objeto de
elegir el ms adecuado, para posteriormente extender los resultados a las estaciones sin
pluvigrafo.
5.1.3.1.-Modelos estudiados.
A partir de la expresin:
^ V " , - ' )estacin
~ '^rl\l
/regin
^ d estacin
Se puede establecer la relacin entre I(d,7) y 1(24,1) de la manera siguiente:
7(24, n
CA(T)^,^,,^
(T)
g(d)
Esta expresin solamente depende de la duracin considerada, y el CA(T)regin

no tiene porqu coincidir con
CA(T)REGIN,
ya que depende de la regin en la que est
incluida cada duracin.

A continuacin se muestran los modelos que se van a estudiar en este trabajo.
Modelo 1.- Modelo general de tres parmetros,( Koutsoyiannis et al., 1998):

a+a
Donde; "a"," b", "m" son parmetros, y

"d" es la duracin
98
Modelo 2.- Modelo de dos parmetros propuesto por Yamell y Hathaway (1965):
Donde: "a" y "b", son parmetros

"d" , es la duracin
Modelo 3.- Modelo de dos parmetros, generalizacin del modelo utilizado en la

Instruccin 5.2-IC, (1990):
Donde : "b" y "a" , son parmetros

"d" , es la duracin
A partir del estudio de estos modelos, que se recogen en el apndice H, se optar

por el modelo que ofrezca mejores ajustes.
99
ESTACIONES CON PLUVIGRAFO. RESULTADOS
5.2.-RESULTADOS.
5.2.1.-CONFORMACION 0E REGIONES.
En el proceso de formacin de regiones se abordaron dos lneas:
A.- En una primera aproximacin, se parti de las regiones definidas por Ferrer y
Ardiles en el estudio de precipitaciones mximas en Espaa, y se intent agrupar, las
seres correspondientes a una duracin determinada, de todas las estaciones que se
encuentran en cada regin, y estudiar si formaban una regin homognea. En el mapa 3
aparecen reflejadas las regiones de Ferrer y Ardiles, (1994), as como las estaciones
disponibles.
' ^
Mapa 3.- Mapa de las regiones elaborado por Ferrer y Ardiles para el estudio de mximas lluvia en
Espaa, junto con las estaciones con pluvigrafo disponible.
100
ESTACIONES CON PLUVIOGRAFO.RESULTADOS

En la tabla 13 se resume la informacin del mapa 3: cada estacin, - con el cdigo
identifcativo del INM- se muestra junto a la regin a la que pertenece - definida por el
cdigo establecido por Ferrer y Ardiles- y adems se han agrupado con un color todas
las estaciones disponibles en cada regin.
Tabla 13-Distribucin de estaciones con pluvigrafo en cada una de las regiones definidas por Ferrer y
Ardiles.
Cdigo
cdigo
Cdigo
cdigo
Cdigo
cdigo
INM
regin
INM
regin
INM
regin
1208 s;:; .:::: 101
4478
402
^ 34
1001
1212
101
4245
403
111
1001
1428 ;
101
5530
505
1001
1496
101
6120
601
201
222
1001
1496
101
6172
601
225
1001
1387
101
63250
601
370
1001
1499
101
4605
603
429
1001
1549
103
6006
603
2363
103
5911
603
2633
103
6024
603
2661
103
7031
801
1110
107
7228
801
1024
107
8025
801
1082
107
8416
801
2867
202
8500A
801
2444
203
2030
901
2462
203
2139
901
2331
204
2243
901
2422
205
9121
901
2614
205
9148
901
3469
207
9171
903
3195
303
9434
903
3196
303
9443
903
3200
303
9771
903
3259
303
9898
903
4121
401
3013
909
8175
401
9981
1001
4452
402
9980A
1001
101
En la tabla 14 se resume el nmero de estaciones disponible en cada regin.
cdigo
Nde
cdigo
N'-de
cdigo
N^de
regin
estaciones
regin
estaciones
regin
estaciones
disponible
disponible
disponible
101
303
701
103
401
801
107
402
901
202
403
903
203
501
905
204
503
907
205
505
909
207
601
1001
301
603
Tabla 14.- Nmero de estaciones disponible en cada regin definida por Ferrer y Ardiles, (1994).
En la tabla 14 se comprueba que;
=> Slo cinco de las regiones definidas por Ferrer y Ardiles -101,801,901,903,
1001 - cuentan con un nmero adecuado de estaciones (n estaciones >5, lo que
permitira utilizar el Test de Medida de la Discordancia como control de que la regin
est bien constituida).
=^ En seis regiones - 202, 204, 207, 403, 505, y 909 -solo hay una estacin.
=> En seis regiones- 301, 501, 503, 701, 907, 905 y 907- no hay ninguna
estacin con pluvigrafo.
=> En nueve regiones-103, 107, 203, 205, 303, 401, 402, 601, 603- hay muy
pocas estaciones, entre xma y cuatro.
Ante la falta de estaciones para definir regiones adecuadamente, se decide

rechazar esta va.
102
Se podra plantear una reagrapacin de las regiones de Ferrer y Ardiles, pero la

irregularidad en la distribucin espacial de las estaciones pluviogrficas, con amplias
superficies sin estaciones obligara a definir regiones excesivamente grandes y con
caractersticas del rgimen de precipitaciones claramente heterogneas, por lo que no se
abord tal reagrupamiento.
B.- La siguiente opcin que se plante fue la realizacin de un proceso de
regionalizacin "intraestacin", es decir, considerando cada estacin como una regin y
agrupando las once series disponibles en cada una de ellas. Para ello se realizaron
ensayos con algunas estaciones, aplicando los controles sucesivos de representacin de
los L-momentos, aplicacin de los Test de Medida de la Discordancia y de
Heterogeneidad, planteados por Hosking y Wallis, y definidos en el epgrafe 5.1.2.2.2.
de Material y Mtodos. En muchas estaciones se obtuvieron valores de discordancia
mayores que 2,632, umbral que obliga a rechazar una regin definida por once series (se
puede comprobar en la tabla 12), pero sobre todo, los valores de "H" (Medida de la
Heterogeneidad) obtenidos eran muy altos, por lo que tambin se desech esta va.
A modo de ejemplo se muestra la estacin de Salamanca (2867).
2867-11 SITES
SITE
1
2
3
4
5
6
7
8
9
10
11
N
41
41
AME
5m
lOm
41 15m
41
41
41
41
41
41
41
41
20m
30m
eOirt
120
180
360
720
24h
L-CV
0.3152
0.2787
0.2698
0.2782
0.2813
0.2559
0.2198
0.1918
0.1648
0.1651
0.1771
L-SKEW
0.2521
0.1912
0.2186
0.2745
0.3289
0.3301
0.2764
0.2424
0.1916
0.1557
0.1729
L-KURT
0.0958
0.0889
0.1306
0.1325
0.1609
0.1799
0.1556
0.1962
0.2545
0.1644
0.1363
D(I)
0.99
1.09
0.54
0.23
0.84
0.98
0.87
0.39
2.71
0.96
1.40
Tabla 15.- Resumen de estadsticos y resultados de aplicar el Test de Medida de la Discordancia

en la estacin de Salamanca (2867) con todas las series disponibles
103
En la salida del programa aparece la serie de 360 minutos con un asterisco a la

derecha, en la columna de la Medida de la Discordancia, donde se indica que "D" toma
un valor de 2,71 (> 2,632, umbral de valor de "D" para once estaciones). Adems se
aplic el Test de Heterogeneidad, recogido en la tabla 16, en el que "H" toma un valor
de 4.88 (>2, umbral que define una regin heterognea), y por lo tanto claramente
heterognea.
***** HETEROGENEITY MEASURES *****

(NUMBER OF SIMULATIONS =
500)
OBSERVED
S.D. OF GROUP L-CV
SIM. MEAN OF S.D. OF GROUP L-CV
=
=
SIM. S.D. OF S.D. OF GROUP L-CV
STANDARDIZED TEST VALU H(l)
0 0516
0 0247
0 0055
4 88 **
Tabla 16.- Aplicacin del Test de Heterogeneidad en la estacin de Salamanca (2867).

En la salida del programa aparecen dos asteriscos a la derecha del valor de "H"
para indicar que la regin es claramente heterognea.
Al eliminar la serie de 360 minutos, ninguna serie es discordante, pero "H" sigue
siendo muy alto (H=4,29). (Tablas 17 y 18)
2867
SITE
10 SITES
0.3152
41
AME
5m
lOm
41
15m
41
20m
41
30m
41
L-CV
L-KURT
0.2787
L-SKEW
0.2521
0.1912
0.0889
D(I)
0.93
1.02
0.2698
0.2186
0.1306
0.96
0.2745
0.1325
0.3289
0.1609
0.0958
41
60m
0.2782
0.2813
0.2559
0.3301
0.1799
0.20
0.73
0.89
41
120
0.2198
0.2764
0.1556
1.24
41
180
0.1918
0.2424
0.1962
1.22
41
720
0.1651
0.1557
0.1644
1.31
10
41
24h
0.1771
0.1729
0.1363
1.50
Tabla 17.- Resultados de aplicar el Test de Medida de la Discordancia al elinainar la serie de 360
minutos en la estacin de Salamanca (2867).
104

500)
OBSERVED
SIM. MEAN OF
SIM. S.D. OF
STANDARDIZED
S.D.
S.D.
S.D.
TEST
OF GROUP L-CV
OF GROUP L-CV
OF GROUP L-CV
VALU H(l)
=
=
=
=
0.0486
0.0241
0.0057
4.29 **
Tabla 18.-Resultados de aplicar el Test de Medida de la Heterogeneidad al eliminar la serie de 360

minutos en la estacin de Salamanca (2867)
En un intento de definir regiones homogneas dentro de cada estacin se

realizaron diversos ensayos:
B.I.- Se elimin la serie de 5 minutos justificando su eliminacin en que es un dato que
se maneja poco en los estudios de caudal.
Siguiendo con el ejemplo anterior, en la estacin de Salamanca (2867) ,las tablas
19 y 20, indican que en el Test de Medida de la Discordancia no aparece ninguna serie
discordante, sin embargo, el Test de Heterogeneidad muestra que la regin sigue siendo
heterognea (H=3,92)
2867-10 SITES
SITE
1
2
3
4
5
6
7
8
9
10
N
41
41
41
41
41
41
41
41
41
41
AME
lOm
15m
20m
30m
60m
120
180
360
720
24h
L-CV
0.2787
0.2698
0.2782
0.2813
0.2559
0.2198
0.1918
0.1648
0,1651
0.1771
L-SKEW
0.1912
0.2186
0.2745
0.3289
0.3301
0.2764
0,2424
0.1916
0.1557
0.1729
L-KURT
0.0889
0.1306
0.1325
0.1609
0.1799
0.1556
0.1962
0.2545
0.1644
0.1363
D(I)
1.47
0.80
0.37
0.81
0,86
0.77
0.35
2.45
0.86
1.25
Tabla 19.- Aplicacin del Test de Discordancia en la estacin de Salamanca (2867) considerando todas
las series menos la de 5 minutos.
105

(NUMBER OF SIMLATIONS =
500)
OBSERVED
SIM. MEAN OF
SIM. S.D. OF
STANDARDIZED
S.D.
S.D.
S.D.
TEST
OF GROUP L-CV
OF GROUP L-CV
OF GROUP L-CV
VALU H{1)
=
=
=
=
0
0
0
3
0473
0244
0058
92 **
Tabla 20.- Resultados de aplicar el Test de Heterogeneidad al eliminar la serie de 5 minutos en la
estacin de Salamanca (2867).

El objetivo era ti-atar de reducir la medida de la discordancia, pero no dio los
resultados esperados.
B.2.- La siguiente opcin que se baraj consisti en eliminar la serie de 24 horas,

justificando su no-utilizacin en que esta serie se puede obtener a partir de estaciones
con pluvimetros. Pero tampoco esta opcin dio buenos resultados.
Siguiendo con el mismo ejemplo, en las tablas 21 y 22, se observa que la

discordancia "salta" en la serie de 360 minutos, y la regin sigue siendo claramente
heterognea (H=4,22).
2867
SITE
1
2
3
4
5
6
7
8
9
10
N
41
41
41
41
41
41
41
41
41
41
10 SITES
AME
5m
lOm
15m
20m
30m
6 Ora
120
180
360
720
L-CV
0.3152
0.2787
0.2698
0.2782
0.2813
0.2559
0.2198
0.1918
0.1648
0.1651
L-SKEW
0.2521
0.1912
0.2186
0.2745
0.3289
0.3301
0.2764
0.2424
0.1916
0.1557
L-KURT
0.0958
0.0889
0.1306
0.1325
0.1609
0.1799
0.1556
0.1962
0.2545
0.1644
D(I)
0.89
1.07
0.46
0.18
0.80
0.87
1.13
0.43
2.52
1.65
Tabla 21.-Resultados de aplicar el Test de Medida de la Discordancia al eliminar la serie de 24 horas en

la estacin de Salamanca (2867).
106

500)
OBSERVED
SIM. MEAN OF
SIM. S.D. OF
STAMDARDIZED
S.D.
S.D.
S.D.
TEST
OF GROUP L-CV
OF GROUP L-CV
OF GROUP L-CV
VALU H(l)
=
=
=
=
0
0
0
4
0504
0251
0060
22 **
Tabla 22.- Resultados de aplicar el Test de Medida de la Heterogeneidad en la estacin de Salamanca

(2867) al eliminar la serie de 24 horas.
B.3.- Por ltimo, se dividieron en dos regiones las series dentro de cada estacin: por un
lado, cortas duraciones y por otro lado, largas duraciones, y el criterio que se estableci
para definir cortas y largas duraciones fue la duracin de 60 minutos.
Esta duracin, 60 minutos, permite distinguir el distinto origen de las
precipitaciones y ha sido utilizado por distintos autores como criterio (Ferreri y Ferro,
1990; Porras y Porras, 2001).
Por lo tanto, se van a realizar dos procesos de regionalizacin en cada estacin,
con seis seres correspondientes a cortas duraciones (5, 10, 15, 20, 30 y 60 minutos) y
cinco series correspondientes a largas duraciones (120, 180, 360, 720 minutos y 24
horas) hasta manejar las 11 series disponibles por estacin. Al formar estas dos regiones
se ha tenido en cuenta, adems, que el nmero de series agrupadas es mayor que 5 y se
puede aplicar el Test de Medida de la Discordancia.
Siguiendo el ejemplo propuesto, se muestran los resultados de aplicar el proceso
de regionalizacin, intraestacin, en la estacin de Salamanca (2867), definiendo dos
regiones, cortas duraciones (con seis series) y largas duraciones (con cinco series) en las
tablas 23,24,25, y 26.
107
2867 -5 SITES (Largas duraciones)

N
41
41
41
41
41
SITE
1
2
3
4
5
AME
120
180
360
720
24h
WEIGHTED MEANS
L-CV
0.2198
0.1918
0.1648
0.1651
0.1771
L-SKEW
0.2764
0.2424
0.1916
0.1557
0.1729
L-KURT
0.1556
0.1962
0.2545
0.1644
0.1363
0.1837
0.2078
0.1814
D(I)
1.31
1.33
1.25
0.51
0.60
Tabla 23.- Resultados de aplicar el Test de Medida de Discordancia en la regin "largas duraciones" en
Estacin 2867. Largas duraciones

500)
OBSERVED
SIM. MEAN OF
SIM. S.D. OF
STANDARDIZED
S.D.
S.D.
S.D.
TEST
OF GROUP L-CV
OF GROUP L-CV
OF GROUP L-CV
VALU H(l)
=
=
=
=
0.0206
0.0201
0.0075
0.06
Tabla 24.- Resultados de aplicar el Test de Heterogeneidad en la en la regin "largas duraciones" en la

2867 -6 SITES (Cortas duraciones)

SITE
1
2
3
4
5
6
N
41
41
41
41
41
41
AME
5m
lOm
15m
20m
30m
60m
WEIGHTED MEANS
L-CV
0.3152
0.2787
0.2698
0.2782
0.2813
0.2559
L-SKEW
0.2521
0.1912
0.2186
0.2745
0.3289
0.3301
L-KURT
0.0958
0.0889
0.1306
0.1325
0.1609
0.1799
0.2798
0.2659
0.1314
D(I)
1.33
1.38
1.66
0.16
0,56
0.92
Tabla 25.- Resultados de aplicar el Test de Medida de Discordancia en la regin "cortas duraciones" en
108
ESTACIONES CON PLUVIGRAFO.RESULTADOS
Estacin 2867. Cortas duraciones

500)
OBSERVED
SIM. MEJOT OF
SIM. S.D. OF
STAISTDARDIZED
S.D.
S.D.
S.D.
TEST
OF GROUP L-CV
OF GROUP L-CV
OF GROUP L-CV
VALU H(l)
= 0
= 0
= 0
= -0
0179
0238
0074
78
Tabla 26.- Resultados de aplicar el Test de Heterogeneidad en la en la regin "cortas duraciones" en la

Una vez definido el criterio para identificar regiones, se aplic al resto de las
estaciones, y se realizaron los distintos anlisis, que peimitieron aceptar dichas regiones
como homogneas.
5.2.1.1.-Anlisis de homogeneidad.
Representacin grfica de los L-momentos.
La dificultad que entraa el proceso de regionalizacin planteado en la presente
Tesis es el escaso nmero de series que se agrupan para formar la regin homognea, ya
que al representar dichos valores slo se disponen de cinco datos en un caso, y seis
datos en el otro, por lo que resulta difcil definir las elipses recomendadas.
A modo de ejemplo en la figura 11 se han representado los parmetros t3-t2 , que
se corresponden con L-Ca y L-Cv, en ambas regiones, ("largas duraciones" y "cortas
duraciones") en la estacin de Valls (0034). En rosa se ha marcado los valores de L-Ca
y L-Cv medios en la regin.
Como puede observarse, el grfico es poco significativo, y no permite distinguir
series discordantes. Por lo tanto, no se realizar esta representacin y se pasar
seguidamente a realizar el siguientefiltro,el Test de Medida de la Discordancia.
109
Figura H.- Representacin de los L-momentos en ambas "regiones" de la estacin de Valls (0034),
Test de Medida de la discordancia.
Se aplic el Test de Medida de la Discordancia en cada una de las regiones

definidas, cortas y largas duraciones en cada estacin, aplicando el criterio que se refleja
en la tabla 12, pero teniendo en cuenta que si el estadstico "D" obtenido es ligeramente
mayor que el que se indica, se mantendr y se analizar posteriormente, despus de
aplicar el Test de Homogeneidad en la regin. Como indican Hosking y Wallis, (1997)
podra darse un suceso meteorolgico que afecte slo a alguna serie de la regin, pero si
tenemos la certeza de que puede darse en las otras seres de la regin, entonces
deberamos mantenerlo aunque resulte "discordante".
El crteo.utilizado fue el siguiente:
Q Si el valor de "D" obtenido es menor que el umbral, aceptar la regin, para este
Test, y pasar el siguiente control.
Si el valor de "D" obtenido se encuentra prximo al umbral definido en la tabla 12

(que depende del nmero de series agrupadas), posponer la decisin tras el anlisis
del Test de Heterogeneidad.
Eliminar una serie cuando sta sea claramente discordante respecto al resto (D>3),
repetir el Test sin dicha serie y volver a determinar nuevamente el parmetro D.
lio

No se obtuvo ninguna serie claramente discordante (D>3), por lo que se pas a
analizar el Test de Heterogeneidad.
A modo de ejemplo, y siguiendo el estudio de la estacin de Valls (0034),en las

tablas 27 y 28 se presenta la aplicacin del Test de Medida de la Discordancia, tanto en
la regin definida para cortas como para largas duraciones. En la parte superior del
cuadro aparece el cdigo de identificacin de la estacin donde se est aplicando el
proceso de regionalizacin junto a las duraciones que se han agrupado- cortas o largas
duraciones- y se ve que en esta estacin no hay ninguna serie discordante respecto al
resto.
Estacin 0034-cortas duraciones
N
AME
L-KURT
D(I)
25
5m
0.2045
0.0079 -0.0506
1.01
25
lOm
0.2075
0.0454 -0.0674
1.47
25
15m
0.2187
0.0371
0.0180
1.10
25
2 Ora
0.2377
0.0582
0.0154
0.30
25
30m
0.2624
0.0492
0.0016
1.17
25
eom
0.2708
0.0868
0.0285
0.94
0.2336
0.0474 -0.0091
SITE
WEIGHTED MEANS
L-CV
L-SKEW
Tabla 27.- Resultados de aplicar el Test de Medida de la Discordancia en la regin "cortas duraciones"
en la estacin de Valls (0034).
Estacin 0034--largas duraciones

SITE
25
25
25
25
25
AME
120m
IBOm
360m
72 Om
24h
WEIGHTED MEANS
L-CV
L-SKEW
L-KURT
0.2559
0.1627
0.0752
0.2500
0.1701
0.0992
0.2380
0.1315
0.0606
1.30
0.2325
0.2941
0.2697
1.28
0.2319
0.3393
0.2521
1.32
0.2417
0.2195
0.1514
D(I)
0.81
0.28
Tabla 28.- Resultados de aplicar el Test de Medida de la Discordancia en la regin "cortas duraciones"
en la estacin de Valls (0034)
Para el resto de salidas de programa se puede consultar el Anejo 5.
111
Test de Heterogeneidad.
El programa "xtest" utilizado para aplicar el Test de Heterogeneidad en cada una
de las dos regiones definidas en cada estacin, proporciona un archivo de salida en el
que se refleja este parmetro, "H".
Se utiliz como umbral para definir una regin homognea el propuesto por
Hosking y Wallis, ms estricto que el de Robson y Reed, y el Test dio buenos resultados
en la mayora de los casos.
El criterio planteado fue el siguiente:
p Si el Test proporciona un valor de H menor que 1 se acepta dicha regin como
buena, an cuando hubiera salido algima serie ligeramente discordante.
a Si los valores de H estn comprendidos entre 1 y 2 definen una regin que puede
ser homognea o no.
Q Si D no hubiera definido discordancia de alguna serie respecto a la regin,
sta se mantendr con todas las series.
Si D define una serie discordante respecto al resto, se eliminar esa serie, y
se volver a pasar el Test:
a Si el Test mejorara, se volver a definir la regin sin esa serie.
o Si no mejorara, se mantendr la serie discordante.
Si el Test proporciona un valor de H mayor que 2, se revisar si la regin est bien

construida y se comprobar si el valor de "D" ha salido mayor que el umbral.
Si haba salido alguna serie discordantefi"enteal resto, se eliminar y se
volver a pasar el Test de Homogeneidad. Si "H" sale menor que 2 se acepta.
112
Si no hubiera salido ninguna serie discordante, se harn ensayos hasta
conseguir que el Test proporcione resultados adecuados.
En la tabla 29, se muestran los resultados obtenidos en la estacin de Valls (0034) en

la regin "cortas duraciones". En este caso no se han planteado problemas; la situacin
se corresponde con H<1, y adems en el Test de Discordancia no haba salido ninguna
serie discordante,( para su consulta, tabla 26).

(NUMBER OF SIMULATIONS
OBSERVED
500)
S.D. OF GROUP L-CV
0.0258
SIM. MEiJSr OF S.D. OF GROUP L-CV
0.0219
SIM. S.D. OF S.D. OF GROUP L-CV
0,0077
STANDARDIZED TEST VALU H(l)
=0.50
Tabla 29.- Resultados de aplicar el Test de Heterogeneidad en la regin "cortas duraciones", en la

estacin de Valls (0034).
Para analizar el resto de salidas se puede consultar el Anejo 5.
A continuacin se analizan con ms detalle los resultados obtenidos:
CASOI: H<1
Se han producido las dos situaciones que a priori podran plantearse:
Regiones que an siendo homogneas, el Test de Medida de Discordancia ha

definido alguna serie ligeramente discordante. En la tabla 30 se muestran los casos
en que se ha dado esta situacin, aunque siguiendo el criterio establecido, se aceptan
todas las regiones.
En la tabla 30 se sealan aquellas estaciones en las que "D" es ligeramente
discordante, y en parntesis aparece la serie discordante, con el valor obtenido de "D".
113
Junto al cdigo de referencia de la estacin aparece una letra: "c" para indicar cortas
duraciones, o bien "1" para indicar largas duraciones.
Cortas duraciones:
Largas duraciones
Regin
Regin
Santander
-0.23
1.66(60min)
Almera
-1.39
1.33 (120 rain)
1110c
632501
Vigo (peinador) 0.86
1.66(10min)
1496c
Salamanca
-0.78
1.66(15min)
-1.05
1.66(60min)
-1.97
1.66(30min)
-1.48
1.65 (5 min)
-0.9
1.65 (5 min)
2867c
Ciudad real
4121c
Chauchina
5530c
Lrida
9771c
Algeciras
6006c
Tabla 30.- Relacin de estaciones en las que "H" es menor que 1 y "D" ligeramente discordante.
En el resto de las regiones, un valor de "H <V\ va acompaado de un valor de "D''

menor que el umbral definido en la tabla.
CASO H : 1<H<2
Esta situacin se presenta en seis estaciones: dos corresponden a cortas
duraciones, y cuatro corresponden a largas duraciones. En la tabla 31 se muestran las
regiones en las que se ha obtenido un valor de "H" en dicho intervalo.
114
Cortas dtiraciones:
Largas duraciones:
Regin
Regin
Figueras
1.2
NO
P.Porma
1.46
NO
1.16
NO
1.95
1.33(180 minutos)
1.26
NO
0429c
26331
1.86
Amao
1.65 (5min)
Madrid-4v
31961
1212c
Guadalupe
42451
Castelln
85001
Tabla 31.- Relacin de estaciones en las que "H" se encuentra en el intervalo (1-2).
En la tabla 31 se indica NO en aquellos casos en que el Test de Medida de la
Discordancia no haba definido ningiina serie discordante.
Siguiendo el criterio indicado, en Figueras (0429c) no se elimina ninguna serie,

al no haber salido ninguna claramente discordante, y en Amao (1212c), se elimina la
serie de cinco minutos, (y aparecer en el cuadro resumen, tabla 33, con un 5 en
parntesis)
En Guadalupe(42451) se elimin la serie de 180 minutos y se volvi a pasar el
Test, pero al no mejorar, se decidi mantener todas las series en la regin.
GASOm: H>2
Se obtuvieron siete regiones con "H>2", cinco regiones de cortas duraciones y
dos regiones de largas duraciones, que se recogen en la tabla 32.
Entre ellas, en la estacin de Guadalupe (4245) se obtuvo, para una duracin de
5 minutos, D=1.66 mayor que el umbral de seis estaciones (I>=1.648). Siguiendo el
criterio propuesto, se elimina en dicha estacin-4245c- la serie de 5 minutos, se vuelve a
pasar el Test, y se obtienen buenos resultados.
115
En el resto de estaciones, tambin se elimina la serie de cinco minutos, an

cuando no haba salido discordante, pero se obtiene una regin homognea. En el
cuadro resumen, tabla 33, re muestran los resultadosfinalesobtenidos.
Largas estaciones:
Cortas duraciones:
Regin
Gerona
2.71 NO
3.14 NO
Ciudad real
2.62 NO
Logroo
3.03 NO
(91481)
(2462c)
Molina
(41211)
(0370c)
Navacerrada
Regin
3.36 NO
(3013c)
Guadalupe
2.93
1.66(5min)
3.7
NO
(4245c)
Mezalocha
(9443c)
Tabla 32.- Relacin de estaciones en las que "H" es mayor que 2.
En largas duraciones, las regiones con "H>2" no presentan ninguna serie

claramente discordante. Como estas regiones estn formadas por cinco series, si se
elimina una, ya no se puede aplicar el Test de Medida de la Discordancia, porque el
nmero mnimo para poder aplicarlo es de cinco estaciones. Por ello, se hacen anlisis
exclusivamente con el Test de Heterogeneidad, eliminndose en ambos casos la serie de
120 minutos, y se obtienen los resultados que se muestran en el cuadro resumen, tabla
33, y aparecer ese nmero, 120, entre parntesis para indicar que se ha eliminado dicha
serie.
116
En el esquema 5, se describe el proceso de anlisis de homogeneidad realizado

en las regiones "cortas duraciones", as como el nmero de estaciones afectado
siguiendo los criterios establecidos.
SI
OK
56 estaciones
NO
7 estaciones
ELIMINAR SERIE DISCORDANTE

H<1
OK
>>UMBRAL
1 estacin
2 Estaciones
D<UMBRAL
OK
1 estacin
ELIMINAR SERIE DISCORDANTE

H<1
fetJMiBRAl
OK
ELIMINAR UNA SERIE
1 estacin
5 estaciones
;D< UMBRAL
HASTA QUE
D<UMBRAL Y H<1
OK
4 estaciones
Esquema 5,- Resumen de los Anlisis de Homogeneidad en las regiones de "cortas duraciones"
As mismo, se ha realizado el mismo esquema, esquema 6, para las regiones

definidas como "largas duraciones".
117
SI
H<1
OK
57 estaciones
NO
6 estaciones
SB MANTIENE SERIE DISCORDANTE

AL NO MEJORAR H
D>UMBRAL
OK
P
1 estacin
4 Estaciones
D<UMBRAL
OK
3 estacin
SE TANTEA ELIMINAR
UNA SERIE HASTA QUE
H<1
H>2
D< UMBRAL
OK
2 estaciones
Esquema 6.- Resumen de los Anlisis de Homogeneidad en las regiones de "largas duraciones".
A continuacin, en la tabla 33, se muestran los resultados finales obtenidos,

indicando en cada estacin, y para las dos regiones establecidas - cortas y largas
duraciones-, la medida de la Heterogeneidad, "H", obtenida, y en parntesis la serie que
se ha debido eliminar.
Cd,
Nombre
H.
"Cortas"
"Largas"
Cd,
Nombre
H.
"Cortas"
"Largas"
0034
Valls
0,50
-1,80
1024
S.Sebastin
-0,52
-1,50
0111
Sallent
-0,90
-0,99
1082
Sondica
-1,32
-1,06
0201
Barcelona
0,45
-2,50
1110
Santander
-0,23
-1,49
0222
Caldas
-0,44
-0,29
1208
Gijn
-0,05
-1,59
1212
Amao
-1,21
-1,34
Mombuy
0225
Sabadeli
0,33
-2,37
0370
Gerona
0,37
-1,50
(5min)
0429
Flgueras
1,2
-1,16
(5min)
1387
Corua
0,35
-2,06
1428
Santiago
-1,20
-0,77
1495
Vigo
-0,26
-0,89
118

Cd,
1496
Nombre
Vigo
H.
"Cortas"
"Largas"
0,86
-2,01
Cd,
4478
(Peinador)
Nombre
Badajoz
H.
"Cortas"
"Largas"
-0,79
-1,17
(instituto)
1499
Punto Centro
-1,78
-0,04
4605
Huelva
0,54
0,83
1549
Ponferrada
-1,33
0,87
5530
Chauchina
-1,97
-1,29
2030
Soria
-1,53
-1,39
5911
Grazalema
-0,56
-0,20
2139
Linares
-1,97
0,39
6006
Algeciras
-0,90
-0,47
2243
P. Aguilar
-0,16
-1,47
6024
Guadarranque
-1,26
-1,24
2331
Burgos
-1,33
-0,83
6120
Guadalhorce
-1,55
-1,92
2363
P. Compuerto
-2,08
0,18
6172
Mlaga
0,78
-0,68
2422
Vailadoiid
-2,56
-2,48
7031
Murcia S.Javier
-0,15
-2,05
2444
Avila
0,45
0,36
7228
Murcia
-2,40
-1,90
2462
Navacerrada
0,13
0,47
-1,28
-2,03
(5inin)
Alcantarilla
8025
Alicante
2614
Zamora
-0,83
-0,47
2633
P.Porma
-0,20
1,46
8175
Albacete
-1,44
-1,18
2661
Len
-1,70
-1,53
8416
Valencia
-1,38
-2,13
2867
Salamanca
-0,78
0,06
8500 a
Castelln
0,38
1,26
Molina de
0,47
-0,72
9121
Haro
-2,02
-1,29
9148
Logroo
-1,47
1,79
3013
Aragn
(5min)
C. Jardn
3195
Madrid-retiro
0,32
3196
Madrid-4v
-1,04
1,16
9171
Cabreja
-0,45
-0,82
3200
Getafe
-0,73
-1,37
9434
Zaragoza
-1,63
-1,94
3259
Toledo
0,10
-0,68
9443
Mezalocha
-0,65
-0,28
3469
Cceres
-0,96
-1,05
4121
Ciudadreal
-1,05
1,46
9771
Lrida
-1,48
0,11
(120niin)
9898
Huesca
0,71
-1,22
1,95
9980"
Tortosa
-1,41
-1,11
9981
Roquetas
0,64
-1,58
63250
Almera
-2,18
-1,39
4245
Guadalupe
-0,19
(5mm)
4452
Badajoz
-2,0
-1,82
(120min)
(Smin)
(Talavera)
Tabla 33.- Resumen de resultados obtenidos en el Anlisis de Homogeneidad.
LQMSitd^âMjQbteaidos.pe^^
=> En cortas duraciones, las regiones adoptadas tienen un valor de la Medida de la

Heterogeneidad menor que uno en sesenta y dos casos, y por lo tanto son regiones
119
homogneas, salvo en la estacin de Figueras (0429) en la que H adopta un valor de 1,2,

que define una regin que puede ser homognea.
= En largas duraciones, las regiones adoptadas son regiones homogneas en cincuenta
y siete casos ("H<r') y en seis casos pueden ser homogneas (al haber obtenido un
valor de "H" comprendido entre 1 y 2).
=> En ambos casos, cortas duraciones y largas duraciones, es frecuente un valor de H
negativo.
=> Si hubiera muchos valores de H negativos, menores que -2, indicara una gran
correlacin, pero no es el caso.
5.2.1.2.-Anlisis complementario.
A continuacin se estudi, como anlisis complementario, el Coeficiente de
variacin, Cv, de la serie nica formada por las series adimensionales de largas
duraciones- en la regin de largas duraciones- y de cortas duraciones - en la regin de
cortas duraciones -, obtenindose los resultados que se muestran en la tabla 34:
Estacin
Nombre
Cv cortas Cv largas
Estacin
Nombre
Cv cortas Cv iargas
34 Valls
0,40
0,44
2030 Soria
0,43
0,36
111 Sallent
0,27
0,39
2139 Linares
0,58
0,39
201 Barcelona
0,41
0,50
2243 P. Aguilar
0,39
0,28
222 Caldas Mombuy
0,46
0,42
2331 Burgos
0,38
0,32
225 Sabadell
0,38
0,50
2363 P.Compuerto
0,42
0,29
370 Gerona
0,39
0,46
2422 Valladolld
0,40
0,34
429 Figueras
0,46
0,85
2444 Avila
0,56
0,54
1024 S.Sebastin
0,38
0,34
2462 Navacerrada
0,35
0,31
1082 Sondica
0,49
0,66
2614 Zamora
0,43
0,32
1110 Santander
0,45
0,34
2633 P.Porma
0,48
0,27
1208 GIjn
0,30
0,45
2661 Len
0,52
0,54
1212 Amao
0,30
0,36
2867 Salamanca
0,52
0,34
1387 Corua
0,37
0,36
3013 Molina de Aragn
0,36
0,35
1428 Santiago
0,47
0,34
3195 Madrid-retiro
0,43
0,33
1495 Vigo
0,37
0,30
3196 Madrid-4v
0,41
0,40
1496 Vigo(Peinador)
0,34
0,29
3200 Getafe
0,43
0,35
1499 Punto Centro
0,57
0,33
3259 Toledo
0,44
0,37
1549 Ponfen'ada
0,52
0,28
3469 Cceres
0,43
0,41
120
Estacin Nombre
Cv cortas Cv largas
Estacin
Nombre
Cv cortas Cv largas
4121 Ciudadreal
0,60
0,30
8175 Albacete
0,53
0,44
4245 Guadalupe
0,24
0,22
8416 Valencia
0,39
0,51
4452 BadajozfTalavera
0,44
0,59
0,47
0,47
4478 Badajoz(instJtuto)
0,33
0,39
9121 Haro
0,47
0,45
4605 Huelva
0,36
0,42
9148 Logroo
0,46
0,32
5530 Chauchina
0,42
0,49
9171 Cabreja
0,39
0,37
5911 Grazalema
0,27
0,30
9434 Zaragoza
0,50
0,42
6006 Algeciras
0,38
0,23
9443 Mezalocha
0,37
0,31
6024 Guadarranque
0,51
0,50
9771 Lrida
0,43
0,32
6120 Guadalhorce
0,60
0,71
9898 Huesca
0,51
0,39
0,34
0,42
0,42
0,49
0,64
0,72
6172 Mlaga
0,58
0,34
7031 Murcia S.Javier
0,52
0,61
7228 Murcia
0,49
0,47
0,46
0,67
8500a
9980A
Castelln
Tortosa
9981 Roquetas
63250 Almera
(Alcantarilla)
8025 Alicante C. Jardn
Tabla 34.- Coeficiente de variacin en las regiones "cortas y largas duraciones" de cada estacin.
De estos resultados se puede deducir lo siguiente:

=> Los Coeficientes de variacin correspondientes a cortas duraciones son en general
mayores que los Cv de largas duraciones. Se puede explicar por la facilidad de que
puedan producirse intensidades mximas muy altas en lluvias de corta duracin,
pero a la vez pueden ser bajos- si no se han producido aguaceros muy intensos en un
ao-. Todo ello da lugar a coeficientes de variacin altos, ya que existe gran
dispersin en los datos frente a la media. Sin embargo, es difcil que altas
intensidades se mantengan durante mucho tiempo, por lo tanto, las intensidades
mximas en largas duraciones suelen variar menos, y solamente cuando se produce
un episodio de lluvia excepcional, chubasco intenso y de larga duracin, se genera
un dato muy alto de Intensidad mxima en largas duraciones, pero que al final
tambin "tira fuertemente hacia arriba", elevando el Coeficiente de variacin.
r> Esta clara diferencia en los valores obtenidos de Cv demuestra que ha sido adecuado
formar dos bloques de datos, de cortas duraciones y de largas duraciones, ya que los
cuantiles adimensionales van a ser claramente diferentes.
121
=> Aunque hay veintids casos en los que los coeficientes de variacin de las series de
cortas duraciones son menores que los coeficientes de variacin de las series de
largas duraciones, slo ocho casos presentan valores claramente menores.
:=> Los trabajos de Lettenmaier y Potter, (1985) indican que cuando Cv<0,6 y
Cv(Cv))<0,2 las ventajas de agrupar los datos son claras, por lo tanto, en general
parece adecuado aplicar este proceso de regionalizacin,
=> En cortas duraciones slo hay un caso en el que Cv>0,6, Almera (63250), y seis
casos en largas duraciones, que se indican en la tabla 35.
Estacin
Cv
Alicante (80251)
0,67
Almera (632501)
0,72
Figueras (04291)
0,85
Guadalhorce(61201) 0,71
Murcia (70311)
0,61
Sondica(10821)
0,66
Tabla 35.- Estaciones con coeficientes de variacin mayor que 0,6 en la regin "largas duraciones".
Estas estaciones haban sido analizadas cuidadosamente, estudiando si

presentaban datos dudosos, y se haba llegado a la conclusin de que, an siendo datos
extraordinarios, no se podan eliminar. No obstante, tambin hay que decir que la
utilizacin de estos datos va a tener importantes consecuencias sobre las estimas.
Si se hubiera eliminado el dato extremo analizado, el coeficiente de variacin
bajara drsticamente a los valores usuales obtenidos, que se muestran en la tabla 36, sin
embargo, al tener constancia de que se han podido producir se ha preferido mantenerlos,
an sabiendo que ello conducir a unos cuantiles adimensionales mayores, y que por
tanto las estimas se vern incrementadas.
122
Estacin
Cv
Alicante (80251)
0,36
Atmera(63250l)
0,52
Figueras(0429l)
0,41
Guadalhorce(6120l)
0,53
Sondica(1082l)
0,31
Tabla 36.- Coeficiente de variacin en regin "largas duraciones" al eliminar datos de aos de intensidad
mxima extraordinaria.
=? Las estaciones con coeficientes de variacin en cortas duraciones mayores que en

largas duraciones se encuentran en las zonas costeras de la comunidad catalana
(Valls (0034), Sallent (0111), Barcelona(0201), Sabadeli(0225), Tortosa(9980A),
Gerona(0370) y Figueras(0429), en el norte de Espaa (Sondica (1082), Amao
(1212), y Gijn(1208), en la zona de Murcia (7031,7228) y Alicante (8025), en
Huelva (4605), Chauchina (5530) y Grazalema (5911), as como en la costa
almerienense, Almera (63250) y Roquetas (9981), y por ltimo tambin en las dos
estaciones de la provincia de Badajoz (4452 y 4478).
=> Al presentarse valores extraordinarios, parece adecuado estudiar los L-CV que,
analizando tambin la dispersin de los valores frente a la media, son menos
sensibles a estos valores. La variabilidad de los L-Cv va a definir la idoneidad de
utilizar un anlisis regional o puntual, por lo que se ha procedido a calcular el L-Cv
medio correspondiente a cortas duraciones y el L-Cv correspondiente a largas
duraciones de cada regin. En la tabla 37 se muestran los valores del L-Cv en cada
regin.
Estacin
Nombre
L-Cv
L-Cv
Estacin
Nombre
34 Valls
111 Sallent
201 Barcelona
222 Caldas
Mombuy
L-Cv
L-Cv
(cortas) (largas)
(cortas) (largas)
0,24
225 Sabadell
0,21
0,27
0,16
0,21
370 Gerona
0,20
0,26
0,23
0,27
429 Flgueras
0,25
0,33
0,27
0,25
1024 S.Sebastin
0,21
0,18
1082 Sondica
0,25
0,28
0,23
123

Estacin
Nombre
L-Cv
L-Cv
Estacin
Nombre
(cortas) (largas)
1110 Santander
0,24
0,18
1208 Gijn
0,17
0,22
1212 Amao
0,19
0,20
1387 Corua
0,20
0,19
L-Cv
L-Cv
(cortas) (largas)
4452 Badajoz
0,25
0,28
0,18
0,19
0,21
0,23
(Talavera)
447$ Badajoz
(instituto)
1428 Santiago
0,24
0,17
4605 Huelva
1495 Vigo
0,21
0,18
5530 Chauchina
0,25
0,23
1496 Vigo
0,19
0,17
5911 Grazalema
0,16
0,18
6006 Algeciras
0,21
0,13
0,17
6024 Guadarran-
0,27
0,27
0,33
0,34
(Peinador)
1499 Punto
0,27
que
Centro
1549 Ponferrada
0,29
0,16
6120 Guadalhorce
2030 Soria
0,24
0,20
6172 Mlaga
0,33
0,19
7031 Murcia
0,29
0,33
0,27
0,25
0,27
0,32
2139 Linares
0,30
0,21
2243 P. Aguilar
0,22
0,16
2331 Burgos
0,21
0,18
2363 P.
0,24
S. Javier
7228 Murcia
Alcantarilla
0,15
8025 Alicante
Compuerto
C. Jardn
2422 Valladolid
0,22
0,19
2444 Avila
0,30
0,27
8175 Albacete
0,29
0,24
2462 Nava cerrada
0,23
0,18
8416 Valencia
0,22
0,29
2614 Zamora
0,25
0,18
8500a
0,27
0,25
9121 Haro
Castelln
0,27
0,24
2633 P.Porma
0,25
0,15
2661 Len
0,25
0,24
9148 Logroo
0,26
0,18
0,22
0,20
2867 Salamanca
0,28
0,18
9171 Cabreja
3013 Molina de
0,22
0,19
9434 Zaragoza
0,27
0,24
9443 Mezalocha
0,23
0,17
0,25
0,18
0,28
0,21
Aragn
3195 Madrid-retiro
0,27
0,18
9771 Lrida
3196 Madrd4v
0,21
0,22
9898 Huesca
3200 Getafe
0,23
0,20
3259 Toledo
0,24
0,19
3469 Caceres
0,24
0,21
4121 Ciudadreal
0,33
0,18
4245 Guadalupe
0,16
0,12
9980A
Tortosa
9981 Roquetas
63250 Almera
0,20
0,21
0,23
0,26
0,36
0,34
Tabla 37,- Clculo de L-Cv en las regiones "cortas" y "largas" duraciones de cada estacin.
De la tabla de resultedos puede deducirse lo siguiente:
==> Todos los valores de L-Cv correspondientes a cortas y largas duraciones son ms
pequeos que los coeficientes de variacin calculados.
=> Hosking y Wallis, (1997) consideran que valores de L-Cv por encima de 0,42
pueden ser considerados valores muy altos e indicaran que la distribucin de
124

frecuencias est muy sesgada. En nuestro caso, el valor mximo de L-Cv obtenido
es de 0,36, no superndose el valor crtico de Hosking y Wallis (1997) lo que
refuerza la decisin de mantener los valores extremos en las estaciones recogidas en
la tabla 35.
Se ha calculado tambin el cociente de los coeficientes de variacin de las series

agrupadas bajo el nombre "cortas duraciones" entre el coeficiente de variacin de la
regin de "largas dxiraciones", y los cocientes LCvc/LCvi ( de los L-coefcientes de
variacin), que se recogen en la tabla 38.
De la tabla 38 se deduce lo siguiente:
"
En 41 casos el cociente Cvcortas/Cviargas es mayor que 1. Esto implica que el

coeficiente de variacin de la regin definida como "largas duraciones" es
menor que el coeficiente de variacin de la regin definida como "cortas
duraciones" en 41 de los 63 casos- en la mayora de las ocasiones- y
solamente en 22 casos el coeficiente de variacin de las regiones de "cortas
duraciones" es menor que el de las regiones de "largas duraciones". Estos
resultados coinciden con lo que a priori se podra pensar, ya que las
intensidades correspondientes a cortas duraciones, en principio, presentan
ms variabilidad que las intensidades correspondientes a mayores
duraciones.
Los resultados que se obtienen al comparar los L-Cv -de cortas y largas
duraciones- son similares a los que se obtienen al comparar los Cv, si bien,
en 45 de los 63 casos, el cociente L-Cvooms/LCviargas es ligeramente mayor
que CVoortas/CViargas-
125
Estacin
Nombre
Cvc / CVL L-CVC/L-CVL
34 Valls
0,91
111 Sallent
Estacin
Nombre
CVc/CVL L-Cvc/L-Cvt
0,97
3200 Getafe
1,23
1,19
3259 Toledo
1,18
1,24
0,69
0,74
201 Barcelona
0,84
0,86
3469 CceiES
1,05
1,11
222 Caldas Mombuy
1,09
1,10
4121 Ciudadreal
2,00
1,81
225 Sabadell
0,75
0,80
4245 Guadalupe
1,11
1,31
370 Gerona
0,86
0,77
4452 Badajoz-Talavera
0,74
0,91
429 Figueras
0,54
0,75
4478 Badajoz(instituto)
0,86
0,92
1024 S.Sebastin
1,11
1,17
4605 Huelva
0,87
0,89
1082 Sondica
0,75
0,89
5530 Chauchina
0,85
1,08
1110 Santander
1,31
1,32
5911 Giazalema
0,89
0,90
1208 Gijn
0,65
0,81
6006 Algeciras
1,67
1,64
1212 Amao
0,84
0,96
6024 Guadairanque
1,02
1,00
1387 Corufia
1,04
1,05
6120 Guadalhorce
0,85
1,00
1428 Santiago
1,37
1,45
6172 Mlaga
1,72
1,75
1495 Vigo
1,24
1,21
7031 Mviroia S.Javier
0,85
0,88
1496 Vigo(Pemador)
1,17
1,17
7228 Murcia alcantarilla
1,04
1,08
1499 Punto Centro
1,72
1,60
8025 Alicante C.Jardn
0,69
0,82
1549 Ponferrada
1,83
1,81
8175 Albacete
1,20
1,23
2030 Soria
1,21
1,19
8416 Valencia
0,77
0,76
2139 Linares
1,49
1,46
1,01
1,06
2243 P. Aguilar
1,37
1,40
8500a
9121 Hato
1,04
1,13
2331 Burgos
1,19
1,16
9148 Lx)groo
1,44
1,41
2363 P.Compuerto
1,44
1,56
9171 Cabreja
1,06
1,08
2422 Valladolid
1,17
1,14
9434 Zaragoza
1,19
1,09
2444 Avila
1,02
1,10
9443 Mezalocha
1,20
1,35
2462 Navacerrada
1,11
1,23
9771 Lrida
1,35
1,37
2614 Zamora
1,36
1,40
9898 Huesca
1,29
1,29
2633 P.Ponna
1,78
1,64
Tortosa
0,81
0,94
2661 Len
0,96
1,07
0,86
0,88
2867 Salamanca
1,51
1,52
0,89
1,05
3013 Molina de Aragn
1,04
1,18
3195 Madrid-retiro
1,28
1,50
3196 Madrid-4v
1,04
0,98
Castelln
9980A
9981 Roquetas
63250 Almera
Tabla 38. - Cociente de coeficiente de variacin de la regin cortas duraciones entre el de largas
duraciones, asi como el cociente de L-Cv
126
ESTACIONES CON PLXJVIGRAFO. RESULTADOS
5.2.2.-ESTIMACIN DE PARMETROS.
Para la estimacin de los parmetros de la funcin SQRT-ET mx por el mtodo
de momentos y mxima verosimilitud, se ha utilizado el programa sqrtab.exe (CEDEX,
2002). En la tabla 39, se ofrecen los parmetros obtenidos para cada una de las regiones,
cortas y largas duraciones, en cada estacin.
Regiones
encada
estacin
0034c
00341
0111c
01111
0201c
02011
0222c
02221
0225c
02251
0370c
03701
0429c
04291
1024c
10241
1082c
10821
1110c
11101
1208c
12081
1212c
12121
1387c
13871
1428c
14281
1495c
14951
1496c
14961
1499c
14991
1549c
15491
2030c
M, Mxima
verosimilitud
k
a
36,96 38,70
49,51 43,50
528,22 84,60
204,45 68,20
23,58 31,80
29,28 36,20
25,86 34,30
37,55 39,10
42,61 40,20
29,58 36,20
83,69 51,60
27,87 35,10
46,78 43,00
18,46 31,30
56,09 44,50
279,03 72,70
62,92 48,00
71,26 51,80
63,48 47,70
259,62 71,30
247,56 70,10
194,70 67,70
317,61 74,00
252,99 71,60
146,88 61,30
314,95 75,60
102,98 56,50
2661,33 123,80
73,03 49,00
147,74 60,20
159,77 62,40
507,53 84,30
66,08 49,90
801,44 94,90
27,13 35,50
576,15 86,80
66,54 48,40
M, Momentos
k
a
157,04
62,80
93,14
53,70
Error
165,50
63,80
119,56
58,00
47,22
42,90
70,31
49,10
114,83
57,30
207,91
67,70
44,03
41,80
165,92
63,80
69,42
48,90
68,10
48,60
6,26
19,00
212,20
68,10
438,20
85,20
48,74
43,40
14,54
27,30
80,89
51,40
420,60
83,60
Error
74,09
49,90
EiTor
316,13 75,70
242,54
70,50
208,99
67,70
64,78
47,80
431,38
84,50
229,59
69,50
Error
456,93
86,90
Error
25,85
34,40
567,96
99,70
38,74
40,00
Error
96,71
54,40
Regiones
encada
20301
2139c
21391
2243c
22431
2331c
23311
2363c
23631
2422c
24221
2444c
24441
2462c
24621
2614c
26141
2633c
26331
2661c
26611
2867c
28671
3013c
30131
3195c
31951
3196c
31961
3200c
32001
3259c
32591
3469c
34691
4121c
41211
M, Mxima
verosimilitud
k
a
165,65 63,40
25,15 34,60
172,73 64,60
59,12 45,70
985,92 98,70
69,80 48,00
146,33 60,20
50,67 43,70
2256,63 118,20
101,29 55,20
121,30 57,30
25,37 35,10
55,49 47,10
145,16 60,90
76,88 49,00
35,12 38,40
323,46 75,70
60,78 47,10
475,35 82,00
32,71 37,60
210,14 70,90
31,87 37,90
242,99 70,20
86,51 51,80
218,44 67,90
33,05 38,20
304,03 74,60
153,21 62,70
87,52 52,60
42,27 40,70
139,35 59,90
59,49 46,60
116,80 56,50
41,51 40,50
129,14 59,50
15,40 28,20
366,49 77,70
M, Momentos
k
a
75,50
313,19
33,30
23,82
184,46
65,60
65,90
187,57
Error
69,70
232,56
637,43 110,50
58,00
119,91
Error
155,33
62,60
424,88
84,00
35,40
27,87
30,78
36,70
80,10
377,52
Error
92,73
53,60
Error,
58,30
46,10
Error
36,71
39,20
31,09
36,90
39,60
37,88
393,13
81,30
268,50
72,40
82,10
407,52
44,30
51,73
90,30
490,35
122,61
58,40
62,50
154,30
55,40
103,02
384,77
80,70
86,95
52,60
71,10
250,61
100,09
54,90
60,10
134,91
31,40
20,44
Error
127

M, Momentos
Regiones M, Mxima
encada verosimilitud
estacin
k
k
a
a
Error
320,31 73,50
4245c
42451
Error
507,96 81,80
37,03 39,10 89,73
53,10
4452c
44521
50,05 45,20 21,40
32,00
4478c
373,62 78,70 500,46
91,40
44781
65,90
243,33 70,90 187,67
4605c
126,39 58,70 276,53
72,90
46051
81,38 51,80 119,43
58,00
44,25 41,80 114,47
57,20
5530c
55301
266,20 74,60 49,36
43,60
839,07 94,90
Error
5911c
59111
477,01 83,50
Error
6006c
157,68 63,00 199,72
67,00
Error
60061 4010,46 130,50
6024c
61,81 48,40 41,54
41,00
42,10
60241
58,79 47,40 44,81
6120c
14,50 27,60 20,26
31,30
61201
36,80 42,60 11,07
24,40
15,08 27,90 22,77
32,70
6172c
61721
71,16 47,70 434,43
84,20
7031c
39,10
19,31 30,50 36,49
70311
17,28 30,10 18,68
30,30
7228c
25,19 33,80 50,31
43,80
72281
44,15 42,00 61,48
46,90
25,15 33,70 68,14
48,60
8025c
80251
26,02 36,20 13,47
26,50
8175c
Error
35,89
38,90
Regiones
en cada
81751
8416c
84161
8500ac
8500al
9121c
91211
9148c
91481
9171c
91711
9434c
94341
9443c
94431
9771c
97711
9898c
98981
9980ac
9980al
9981c
99811
63250C
6325ol
M, Mxima
verosimilitud
k
a
65,57
48,20
59,55
45,90
24,31
33,80
30,00
36,80
39,01
40,20
23,59
32,90
41,26
40,50
39,60
36,98
294,75
73,50
61,00
46,30
63,20
160,83
31,82
37,30
39,80
38,72
53,03
43,80
87,45
50,50
27,11
34,30
194,90
65,90
16,28
27,60
58,70
124,46
77,18
49,50
188,47
66,30
69,74
48,80
37,45
39,60
Error
35,90
24,73
M, Momentos
k
a
90,16
53,20
174,86
64,70
42,47
41,30
60,18
46,60
62,28
47,10
61,01
46,80
84,76
52,10
48,60
68,16
673,62 116,90
177,17
64,90
258,25
71,60
45,26
42,20
56,70
110,78
253,87
71,30
Error
54,50
97,68
697,23 121,60
43,26
41,60
64,50
172,73
421,76
83,70
112,18
56,90
56,50
109,79
28,60
49,13
16,21
28,60
10,75
24,10
Tabla 39.-Parmetros de la funcin SQRT-ET mx para cada una de las regiones definidas en cada
estacin.
En la tabla 39, en la primera columna se han definido las dos regiones en cada
estacin bajo el nombre"cdigo de la estacin" terminado en la letra "c" o "1" para
indicar la regin de "cortas dwaciones" y la de "largas duraciones". En las siguientes
columnas se presentan los valores de los parmetros "k" y "a" deducidos por los
mtodos de mxima verosimilitud y de momentos, para la serie nica, del conjunto de
valores de intensidad mxima "adimensionalizada" correspondiente a cada regin.
Cuando en la tabla se indica "error" implica que el mtodo no converge, sino

que se obtiene una fimcin asinttica que no ajusta a los valores mustrales.
128
De la tabla anterior puede deducirse lo siguiente:

=> En general la estimacin de parmetros es ms adecuada cuando se utiliza el mtodo
de mxima verosimilitud que cuando se aplica el mtodo de momentos en el sentido
que converge, y da menos errores.
En el Anejo 6 se encuentran las salidas del programa sqrtab.exe en cada una de las
regiones. En el Anejo 7, en los informes de cada estacin se ha representado en el eje de
abscisas los cuantiles adimensionales, y en ordenadas los valores de la funcin de
distribucin deducidos por ambos mtodos. Tambin se ha representado el cviantil
adimensional frente al perodo de retomo, facilitando el anlisis al abrir la escala.
A modo de ejemplo, las figuras 12 y 13 presentan los resultados obtenidos en
Valls (0034), para la regin de largas duraciones.
129
0034 LAROAS
mttiKtitMm--
NHHM'
25
50
75
100
12e
150
17S
2D0
225
250
HOSKIMQ
275
CUANTIL ADIMENaiOMAL-lOO
Figura 12.- Distribuciones emprica y terica de la serie adimensional de largas duraciones en la estacin
de Valls (0034), ajustadas a la funcin SQRT-ET mx por el mtodo de mxima verosimilitud y por
momentos.
0034 LARGAS
UAX.VCH.
CUANTIL A l ) l M e N I O H A I . - I 0 a
Figura 13,- Representacin de la serie adimensional de largas duraciones en la estacin de Valls (0034),
as como el ajuste a la funcin SQRT-ET mx por el mtodo de mxima verosimilitud y por momentos
frente al perodo de retorno.
130
ESTACIOISIES CON PLUVIGRAFO. RESULTADOS
5.2.2.1.-lecciii del mtodo para la estima.

Para elegir el mtodo de obtencin de parmetros de la funcin de distribucin,
mxima verosimilitud o de momentos, se aplic el Test de Kolmogorov-Smimov, que
est basado en la estimacin de una distancia crtica, Dmx, diferencia del valor
estimado- valor observado.
E1 eriteri que se ha seguido para adoptar uno u otro mtodo en la obtencin de
los parmetros ha sido el siguiente:
Q Si al aplicar el Test de Kolmogorov-Smimov solamente resulta aceptable un
modelo, se es el que se ha elegido para estimar los parmetros.
a S al aplicar el Test de Kolmogorov- Smimov resultan aceptables los dos mtodos,
se aplica nuevamente este Test en la parte alta de la curva, para perodos de retomo
mayores de 10 aos.
Si uno slo es vlido, se es el que se elige.
Si ambos mtodos siguen siendo vlidos, y teniendo en cuenta que este
criterio define dicha distancia Dn en valor absoluto, se representa en unos ejes

de coordenadas y se analiza si esa distancia es positiva o negativa, en
definitiva si el modelo est obteniendo cuantiles por exceso, y ponindose del
lado de la seguridad, o por el contrario por defecto, y por lo tanto asignando
perodos de retomo menores a los que se deberan asumir. Se deber elegir el
modelo que proporcione estimas del lado de la seguridad.
Cuando ambos mtodos son vlidos porque D<Dcrtico, observando la grfica
pueden plantearse tres casos:
Las funciones obtenidas por ambos mtodos se encuentran por debajo de

la serie histrica. En este caso el cuantil adimensional obtenido por
cualquiera de los dos mtodos se corresponden con xm perodo de retomo
131
ESTACIONES CON PLtJVIOGRAFO, RESULTADOS
menor que el obtenido en la serie histrica al asignarle una probabilidad

de Hosking. Por lo tanto ambas estimas son por exceso, y se elegir la
que se encuentre ms prxima, y por tanto, cuando D sea menor en la
parte alta de la curva.
A modo de ejemplo se muestra la regin de cortas duraciones en la
estacin de Sabadell (0225), (tabla 40 y figura 14). Se ha aplicado el Test
en la serie nica adimensional que forma la regin, y en ambos casos lo
superan, tanto con todos los datos (210), como con la parte alta de la
curva- para perodos de retomo mayores de 10 aos (21 datos). Por lo
tanto, siguiendo el criterio adoptado, se ha representado en ordenadas el
perodo de retomo y en abscisas los cuantes adimensionales
(multiplicados por cien). Para perodos de retomo mayores de 10 aos,
las dos curvas se encuentran por debajo de los valores observados, dando
por tanto estimas por exceso- del lado de la seguridad.
W datos
N" datse
D max (Todas)
MAX. vea
r0;t)70225l3
D crtico =f
MOM
0,072982!
0,093
n.s.0,05
21
Dmax (F(x)>=0,9)
MAX. VER.
MOM
r0,070225l3 0,02360559
D crtico =
0.289
n.s.=0,05
Tabla 40.- Aplicacin del Test de Kolmogorov-Smimov en la regin "cortas duraciones'

en la estacin de Sabadell (0225).
132
Figura 14.- Representacin grfica de la serie que conforma la regin "cortas duraciones" en la estacin
de Valls (0034), junto con los ajustes a la fincin SQRT-ET mx por ambos mtodos, mxima
verosimilitud y momentos.
Por lo tanto, se elige el mtodo de los momentos, pues es el que presenta una
distancia menor para perodos de retomo mayores de diez aos, y es el que ms se
acerca a los valores observados.
a S ambas funciones se sitan por encima de la serie histrica, los
cuantiles deducidos en ambos mtodos estiman por defecto, y por tanto
se elegir el mtodo que ms se aproxime a la serie histrica
A modo de ejemplo se ha elegido la estacin de Santiago (1428) en la regin de
"cortas duraciones" cuyos resultados se reflejan en la tabla 41.
N-'Hatns^ J/g^^lS
D max (Todas)
MX. VER.
MOM
D crt!co=
n.s.=0,05
]n'^'^'%'^'^
Dmax (F fx)>=0.9)
MAX. VER.
MOM
0,04963629 0,04092716
D crtico=
n.s.=0,05
Tabla 41.- Aplicacin del Test Koimogorov-Smimov en la regin "cortas duraciones en la estacin de
Santiago (1428).
133
ESTACIONES CON PLUVIGRAFO, RESULTADOS
Ambos ajustes superan el Test de Kolmogorov-Smimov, "D" es menor que

"Dcrtico", por lo tanto se vuelve a aplicar en la parte alta de la curva, y tambin en este
caso ambos ajustes superan el Test. Se procede entonces a representarlas grficamente,
en la figura 15, y se ve que en la parte que se est analizando- perodos de retomo
mayores de diez aos- las curvas quedan por encima de la serie histrica, por lo tanto
estaran obteniendo cuantiles por defecto. As, se elige el mtodo de momentos, que
proporciona cuantiles ms prximos a los valores histricos.
1428
CORTAS
si'P^T'TT'-
MWER
CUAHTIL ADIMENSIONALIM
Figura 15.- Representacin de la serie histrica junto con los ajustes por ambos mtodos
de estimacin en la regin "cortas duraciones" n la estacin de Santiago (1428).
134
D Si las funciones se encuentran, en la representacin grfica, una por debajo

de ia serie histrica y otra por encima, se elegir la que se encuentre por
debajo, porque el criterio establecido trata de que las estimas en esa parte de
la curva sean conservadoras.
Es importante insistir en que el criterio seguido es fundamentalmente grfico,
pero encaminado a cubrir el objetivo de la estima: la obtencin de cuantiles con un
criterio conservador.
A modo de ejemplo, y para aclarar cmo se ha aplicado este criterio, se ha
aplicado el Test de Kolmogorov-Smimov en la estacin de Caldas de Mombuy (0222),
en la regin de largas duraciones, que se recoge en la tabla 42, y posteriormente se han
representado las funciones obtenidas, y se muestra en lasfiguras16 y 17.
N" datos== ^ H ^ ^ l
Dmax [Todas)
MAX.
MOM
VER.
0crtico=P;i5205262
ii.s.=0,05
N** datos=
Dmax (F (x)>=0.9)
MAX.
MOM
VER.
0,05191939 0,037656^
D crtico= 1 0,457
n.s.=0,05
Tabla 42,- Aplicacin del Test Kolmogorov-Smimov en la regin "largas duraciones en la estacin de
Caldas de Mombuy (0222).
135
0222 LARGAS
09
-**fl*iT ^ B I ^ ^
081
1 *^^^^^H
_^S
07i
0.61
HOSKl NG
^ M A X . VER.
0,4 <
0.31
0.2'
0'
75
IDO
155
150
CUANTlLADIMeKSIONALMOO
estimacin en la regin "largas duraciones" en la estacin de Caldas de Mombuy (0222),
0222
LARGAS
^ ^ ^
"IJ
^^^
^ ^ ^
11
5^-^
T.
estimacin en la regin "largas duraciones" en la estacin de Cadas de Mombuy (0222) frente al perodo
de retomo.
En el ejemplo de Caldas de Mombuy (0222), en la regin de "largas

duraciones", ai analizar las grficas se elegir por lo tanto el mtodo de mxima
verosimilitud, ya que es el mtodo que, aproximndose a los valores reales de la serie,
obtiene cuantiles del lado de la segiiridad para los valores usuales de perodo de retomo
con que se va a trabajar.
136

En el esquema 1, se describen los criterios adoptados para elegir el mtodo de
estimacin de parmetros ms adecuado.
(Superan ambos mtodos

e! iestdekohnuEoiovSmim\ *
NO
Se adopta la estima por el

mtodo que supera el Test K-S
SI
Aplicar Test K-S para
perodos de retomo
mayores de 10 aos
NO
t, Superan ambos el Test
paraT>10ats'?
Se adopta la estima por el

mtodo que supera el Test K-S
SI
Rc})icsentai la Tuncioo de
Distnbuaon con parmetros
obierados por momento!. ma\tma
\erosimilitud v registros
observados
Se adopta la
que tenga D
menor
Ambas por debajo

de la serie histrica
Se adopta la
que tenga D
menor
Ambas por
encima de la serie
histrica.
Una por encima y

otra por debajo de
la serie histrica
Criterio
conservador
Esquema 7.- Criterios adoptados en la eleccin del mtodo de estimacin de parmetros.

En la tabla 43, se refleja, para cada una de las regiones, el mtodo elegido en la
estimacin de parmetros y el criterio en que se ha basado la decisin. En el Anejo 7 se
pueden consultar los resultados parciales. En l, adems de representar las funciones en
137
cada regin, de cada estacin,
aparecen los resultados de aplicar el Test de
Kolmogorov- Smimov en las dos partes de la curva.

CORTAS
LARGAS
DURACIONES DKAaONES
Estacin Criterio Mtodo Criterio Mtodo
CORTAS
LARGAS
DURACIONES DURACIONES
Estacin Criterio Mtodo Criterio Mtodo
0034
MV
3,1
3196
3,2
3,1
0111
MV
3,2
3200
3,1
MV
3,3
0201
MV
3259
3,1
MV
3,3
0222
MV
MV
3,3
3469
3,1
MV
3,2
0225
3,1
MV
3,3
4121
MV
3,3
MV
0370
3,1
3,1
4245
MV
MV
0429
3,1
MV
4452
3,1
3,2
1024
MV
4478
MV
3,2
1082
3,2
MV
4605
MV
3,2
MV
3.2
1110
MV
3,2
MV
3,3
5530
MV
3,2
1208
MV
3,2
5911
MV
MV
1212
MV
MV
3,2
6006
MV
3,2
MV
1387
3,1
3,3
6024
3,2
3,2
1428
3,2
MV
6120
MV
3,2
3,2
1495
MV
3,2
MV
6172
MV
3,2
MV
1496
MV
MV
7031
3,1
MV
1499
3,2
MV
7228
MV
3,3
MV
3,2
1549
3,1
MV
8025
MV
3,3
3,2
2030
MV
3,2
MV
3,2
8175
MV
3,3
2139
3,2
MV
3,2
8416
MV
3,1
2243
MV
3,1
MV
8500a
MV
3,2
MV
3,3
2331
3,1
MV
9121
MV
MV
3,3
2363
MV
3,3
MV
9148
MV
MV
2422
MV
3,2
MV
9171
MV
3,1
2444
MV
MV
9434
MV
3,2
MV
2462
MV
3,3
MV
9443
MV
MV
2614
MV
MV
9771
MV
MV
2633
3,2
MV
9898
MV
3,3
MV
3,2
2661
MV
3,2
MV
9980A
MV
3,2
2867
3,1
3,1
9981
MV
3,3
MV
3,3
3013
MV
3,3
MV
3,3
63250
3,2
3195
MV
MV
Tabla 43.- Mtodo de estimacin de parmetros elegido en cada regin, en fondn del criterio adoptado.
138
Nomenclatura empleada en la tabla:

1.- Slo es vlido el mtodo elegido.
2.- Slo ese mtodo supera el Test para perodos de retomo > 10 aos.
3,1.- Ambas por debajo de la serie histrica.
3,2.- Ambas por encima de la serie histrica.
3,3.- Una por encima y otra por debajo.
M.- Mtodo de momentos.
MV.- Mtodo de mxima verosimilitud.
5.2.3.-VALIDACIN.
Una vez determinados los parmetros "k" y "a" - bien sea por el mtodo de mxima
verosimilitud o de momentos-, el siguiente paso debera ser validar los resultados por medio de la
simulacin, utilizando para ello el mtodo de Montecarlo.
Con objeto de aplicar este mtodo en un nmero significativo de regiones, se procedi a
analizar el coeficiente de variacin en ellas, recogido en la tabla 33. De esta tabla se deduce, que el
recorrido de este parmetro - coeficiente de variacin- en todas las regiones es de 0,62 (diferencia
entre mximo valor -0,84- y mnimo valor -0,22-).
Se decidi entonces establecer seis clases, con intervalos del coeficiente de variacin de una
dcima, y agrupar las regiones por clases, de tal manera que, analizando el comportamiento de un
nmero significativo de regiones dentro de cada clase, se pudiera aceptar, o en su caso rechazar, la
validez de la regionalizacin en cada una de ellas.
En la tabla 44 se muestra el nmero de regiones que se presenta en cada intervalo de clases
del coeficiente de variacin.
139
ESTACIOTslES CON PLUVIGRAFO. RESULTADOS
El procedimiento seguido fue el siguiente:
Se tomaron en total 18 regiones. En la tabla 45 se refleja dentro de cada intervalo de clase las
regiones elegidas- en un nmero proporcional al nmero de regiones existentes dentro de cada
intervalo-, el mtodo de estimacin de parmetros utilizado en esa regin, as como el Cv.
o En cada una se generaron 100 muestras aleatorias por el mtodo de Montecarlo.
Se determinaron los Cv y Ca de las muestras generadas.
Se representaron grficamente estos parmetros junto con los valores observados.
Se compararon los valores mustrales y los valores observados.

Intervalos
Nde
de Clase
regiones
(0,2-0,3]
15
(0,3-0,4]
46
(0,4-0,5]
42
(0,5-0,6]
16
(0,6-0,7]
(0,7-0,84
Tabla 44.- Nmero de regiones dentro de cada intervalo de clase del coeficiente de variacin.
Intervalos de clases Regin
(0,2-0,3]
(0,3-0,4]
Mtodo de estimacin
Coeficiente
de parmetros
de variacin
OlUc
MV
0,27
15491
MV
0,28
14991
MV
0,33
32001
MV
0,35
20301
MV
0,36
0225c
0,38
01111
0,39
0034c
yN
0,40
140
Mtodo de estimacin
Coeficiente
de parmetros
de variacin
0201c
0,41
02221
MV
0,42
00341
MV
0,44
1110c
MV
0,45
0429c
0,46
02251
MV
0,50
6024c
0,51
1499c
0,57
(0,6-OJ]
10821
MV
0,66
(OJ-0,8]
632501
0,72
Intervalos de clases
(0,4-0,5]
(0,5-0,6]
Regin
Tabla 45.- Regiones utilizadas para la validacin.
A continuacin, en las figuras 18,19,20,21,22 y 23, se muestra la representacin grfica de

los pares de valores Cv-Ca de las muestras observadas y de las muestras generadas por el mtodo
de Montecarlo, en cada una de las regiones seleccionadas.
Intervalo (0,2-0,3)
Figura 18.- Representacin de coeficiente de variacin y asimetra de las muestras generadas (en azul) y
observadas (en rosa) en la regin "cortas duraciones" de la estacin de Sallent (0111) y en Ponferrada (1549) en "largas
duraciones".
Los valores observados quedan perfectamente integrados en la nube de puntos de los

valores generados.
141
Intervalo (0,3-0,4]
2D3lm V
4 1
3,5
2,5
..
. i'IJAt^'
^*%*. '
10,5
0
-0 5 J
.%. . .
f ' \'
0.1
1S
"V* .
03
04
OS
CV
0034cniv
5-,
_____
.^___
.>*i*
^::
. w ^ - '
0)
0.2
M^
0.4
0.8
0,8
Cv
Figura 19.- Representacin de coeficiente de variacin y asimetra de las muestras generadas (en azul) y
observadas (en rosa) en la regin "largas duraciones" de las estaciones: Sallent (0111), Punto Centro (1499), en Getafe
(3200), en Soria (2030), y en "cortas duraciones" en Sabadell (0225) y en Valls (0034).
Los valores observados quedan perfectamente integrados en la nube de puntos, salvo en la

regin "cortas duraciones" de la estacin de Sallent (0225) en la que los valores observados quedan
un poco por debajo, pero en este caso las estimas seran por exceso.
142
ESTACIONES CON PLUVIGRAFO. RESXJLTADOS
Intervalo (0,4-0,5]
0222lmv
0201cm
6 -,
0-2- )
0.2
0.4
0.6
At**
^ll(pr
O ^
4-
< ^
*iSP8^.
^ 1
0
(1
0.8
ifi
Cv
Ov
1110c2mv
'
*t.
'
-i*
.XP^*
^VY*
0
0.2
0.4
0.6
0,8
Cv
022Slmv
v*!>
321
^MflLt*
*MBM^
^^^^
0.2
0,4
0,6
0,3
Cv
Figura 20.- Representacin de coeficiente de variacin y asimetra de las muestras generadas (en azul) y observadas
(en rosa) en la regin cortas duraciones de Barcelona (0201), Santander (1110), Figueras (0429), y de largas duraciones
de la estacin Caldas de Mombuy (0222), Valls (0034) y Sabadell (0225).
Tambin aqu todas las muestras observadas quedan perfectamente integradas en la nube de
puntos de los valores generados por el mtodo Montecarlo, salvo en Barcelona (0201), que quedan
un poco por debajo.
143
Intervalo (0,5-0,6]
Figura 21.- Representacin de coeficiente de variacin y asinietra de las muestras generadas (en azul) y observadas
(en rosa) de la regin de cortas duraciones de Guadarranque (6024) y Punto Centro (Vigo) (1499)
intervalo (0,6-0,7]
Figura 22.- Representacin de coeficiente de variacin y asimetra de las muestras generadas (en azul) y observadas
(en rosa) en la regin de "largas duraciones" en Sondica (1082)
144
Intervalo (0,7-0,8]
6325olm
*
U 2
_-
*v.^ ^
,
0,5
1.5
Cv
Figura 23.- Representacin de coeficiente de variacin y asimetra de las muestras generadas {en azul) y observadas
en rosa en la regin de 'largas duraciones" en la estacin de Almera (63250)
M^33zmLlmjSSMltadex^6Jpuede^^
=> Los grficos muestran una buena correspondencia entre ios pares de valores generados y
observados, lo que confirmara un adecuado comportamiento de la ley SQRT-ET mx para
reproducir las propiedades estadsticas de los datos.
=> En algunas estaciones, al representar los valores del coeficiente de variacin y de asimetra de
las muestras generadas y observadas se observa que estas ltimas quedan en la zona inferior de
la nube de puntos. Esto induce a pensar que en esas estaciones el modelo estimar por exceso,
situndose la estima, por lo tanto, del lado de la seguridad.
=> En las estaciones que, como se desarroll en el epgrafe de 5.1.LL2., presentan una serie de
valores muy altos pero que no se deben recha/ar, se ha analizado qu ocurre, por ejemplo, en la
regin "largas duraciones" de Sondica (1082). Esta regin presenta unos valores observados del
coeficiente de variacin y asimetra muy altos. Al representarlos junto a los valores generados,
figura 22, se comprueba que las muestras observadas no se encuentran en la zona media de la
nube de puntos; Por el contrario, los valores observados se sitan en la parte ms alta, que se
correspondera con muestras anmalas - con coeficientes de variacin y asimetra altos-. Al
145

eliminar os datos estudiados como extraordinarios, los coeficientes de variacin y asimetra
bajan drsticamente, y al representarlos nuevamente junto con los valores generados por el
mtodo de Montecarlo, recogido en la figura 24, quedan plenamente integrados en la nube de
puntos. Esto confirma e buen comportamiento de la mcin, pues ciertamente esas muestras
son extraordinarias.
Figura 24.- Representacin de valores observados (en rosa), eliminando previamente los aos extraordinarios, y
valores generados {en azul) en la regin "largas duraciones" en la estacin de Sondica (1082).
=> El problema se planteara si la ley SQRT-ET mx estimara, sistemticamente, por defecto, en
cuyo caso se estaran utilizando intensidades mximas con perodos de retomo inferiores a los
que se pretende. En esta situacin, las muestras observadas se deberan encontrar en la parte alta
de la grfica, definiendo coeficientes de variacin y asimetra altos, y las muestras generadas se
caracterizaran por unos coeficientes menores. De todas las regiones estudiadas esta situacin
no se ha dado en ningn caso.
^toossMltadeiJiQs^penniten^^
:::> Cada par observado (en rosa) representa los coeficientes de variacin y asimetra de la serie de
intensidades mximas, adimensionalizada, correspondiente a una duracin. Como los valores
observados se encuentran dentro de la nube de puntos de los valores correspondientes a las 100
muestras generadas, se justifica que las series adimensionales equivalen a muestras procedentes
de la misma poblacin subyacente, y por lo tanto con propiedades estadsticas similares.
:::> Este anliss confirma tambin la hiptesis de homogeneidad regional puesto que ios
parmetros estadsticos generados son similares.
146

=> Este anlisis permite justificar adems el anlisis regional de los datos ya que, si las muestras
proceden de la misma poblacin, se podrn tomar todas ellas para el ajuste a una funcin de
distribucin consiguiendo adems estimas ms robustas debido al aumento del nmero de
datos.
En el Anejo 8, se encuentran las salidas de la hoja de clculo desarrollada para la generacin

de muestras aleatorias para la presente Tesis.
5.2.4.-CUANTILES ADIMENSIONALES ADOPTADOS.
En la tabla 46, se muestran los cuantiles adimensionales para cada perodo de retomo, en
cada una de las regiones establecidas y con el mtodo elegido en cada caso en fimcin del criterio
reflejado en la tabla 43.
P E R O D O D E R E T O R N O (aos)
REGIN 2
10
25
50 100 200 500
P E R I O D O D E R E T O R N O (aflos)
REGIN 2
10
25
50
100 200 500
0034c
0,90 1,34 1,68 2,16 2,53 2,94 3,37 4,00
11101
0,93 1,24 1,47 1,78 2,02 2,29 2,57 2,96
00341
0,91 1,27 1,54 1,92 2,22 2,53 2,88 3,35
1208c
0,94 1,25 1,48 1,79 2,04 2,31 2,59 2,98
0111c
0,94 1,23 1,43 1,71 1,94 2,18 2,41 2,76
1208
0,90 1,28 1,57 1,96 2,28 2,61 2,98 3,47
Ollll
0,92 1,25 1,49 1,82 2,08 2,37 2,67 3,10
1212c
0,94
1,25 1,48 1,78 2,02 2,28 2,55 2,94
0201c
0,91 1,25 1,52 1,87 2,16 2,45 2,78 3,23
12121
0,92
1,23 1,45 1,76 2,00 2,28 2,55 2,92
02011
0,88 1,33 1,68 2,18 2,57 3,00 3,45 4,08
1387c
0,92 1,24 1,46 1,77 2,02 2,29 2,57 2,96
0222c
0,88 1,35 1,71 2,22 2,63 3,08 3,54 4,24
13871
0,93 1,23 1,44 1,74 1,98 2,24 2,49 2,86
02221
0,90 1,33 1,67 2,14 2,51 2,92 3,35 3,96
1428c
0,90 1,29 1,58 1,98 2,31 2,67 3,04 3,54
0225c
0,92 1,24 1,47 1,79 2,06 2,31 2,61 3,02
14281
0,93 1,16 1,31 1,53 1,70 1,88 2,08 2,33
02251
0,88 1,34 1,68 2,18 2,57 3,00 3,47 4,08
1495c
0,92 1,30 1,59 1,98 2,31 2,67 3,02 3,53
0370c
0,92 1,25 1,49 1,82 2,08 2,37 2,67 3,10
14951
0,94 1,27 1,53 1,88 2,16 2,45 2,76 3,21
03701
0,90 1,28 1,58 1,98 2,29 2,65 3,00 3,51
1496c
0,93 1,25 1,51 1,85 2,12 2,41 2,71 3,13
0429c
0,90 1,28 1,58 1,98 2,29 2,65 3,02 3,53
14961
0,94 1,22 1,42 1,70 1,93 2,16 2,41 2,74
04291
0,83 1,31 1,69 2,22 2,67 3,13 3,62 4,36
1499c
0,88 1,35 1,70 2,22 2,63 3,08 3,54 4,20
1024c
0,92
1,24 1,47 1,79 2,04 2,31 2,61 3,00
14991
0,93 1,20 1,38 1,65 1,85 2,06 2,29 2,61
10241
0,93
1,24 1,46 1,77 2,02 2,28 2,55 2,92
1549c
0,89 1,32 1,65 2,10 2,47 2,88 3,29 3,90
1082c
0,90 1,30 1,62 2,04 2,39 2,78 3,17 3,74
15491
0,94 1,22 1,42 1,69 1,92 2,14 2,39 2,72
10821
0,86 1,23 1,50 1,87 2,18 2,51 2,84 3,33
2030c
0,90 1,28 1,58 1,98 2,29 2,65 3,02 3,53
1110c
0,90 1,28 1,58 1,98 2,31 2,65 3,02 3,54
20301
0,92 1,25 1,50 1,83 2,10 2,39 2,69 3,12
147
PERODO D E RETORNO (aos)

REGIN
10
25
50
100 200 500
PERIODO D E RETORNO (aos)

10
REGIN
25
50
100 200 500
2139c
0,87 1,35 1,72 2,24 2,67 3,12 3,60 4,28
4245c
0,95 1,26 1,49 1,79 2,04 2.29 2,57 2,96
21391
0,91 1,24 1,48 1,81 2,08 2,35 2,65 3,08
42451
0,96 1,25 1,47 1,76 1,98 2,24 2,49 2,84
2243c
0,91 1,31 1,62 2,04 2,37 2,74 3,12 3,66
4452c
0,91 1,27 1,55 1,92 2,24 2,55 2,88 3,37
22431
0,94 1,20 1,38 1,64 1,84 2,04 2,28 2,57
44521
0,87 1,36 1,73 2,28 2,71 3,17 3,66 4,39
2331c
0,92 1,24 1,47 1,78 2,04 2,29 2,59 2,98
4478c
0,93 1,23 1,43 1,72 1,96 2,20 2,47 2,82
23311
0,93 1,27 1,53 1,88 2,16 2,45 2,76 3,21
44781
0,92 1,24 1,48 1,80 2,06 2.35 2,63 3.04
2363c
0,90 1,31 1,63 2,06 2,41 2,78 3,17 3,72
4605c
0,92 1,26 1,52 1,87 2,16 2,45 2,78 3,21
23631
0,94 1,17 1,34 1,57 1,74 1,93 2,12 2,39
46051
0,90 1,26 1,55 1,93 2,24 2,57 2,92 3,41
2422c
0,91 1,26 1,53 1,90 2,20 2,51 2,84 3,31
5530c
0,90 1,31 1,64 2,08 2,43 2,82 3,23 3,80
24221
0,93 1,27 1,54 1,90 2,20 2,49 2,82 3,27
55301
0,90 1,30 1,62 2,04 2,39 2,76 3,17 3,72
2444c
0,85 1,31 1,67 2,16 2,57 3,00 3,47 4,12
5911c
0,94 1,21 1,39 1,66 1,86 2,08 2,29 2,63
24441
0,87 1,25 1,54 1,95 2,28 2,63 3,00 3,51
59111
0,93 1,22 1,42 1,70 1,93 2,16 2,41 2,74
2462c
0,92 1,25 1,51 1,86 2,14 2,43 2,74 3,17
6006c
0,91 1,25 1,49 1,82 2,10 2,37 2,69 3,10
24621
0,93 1,32 1,61 2,02 2,33 2,69 3,06 3,56
60061
0,95 1,18 1,33 1,55 1,71 1,89 2,08 2,33
2614c
0,89 1,33 1,67 2,14 2,53 2,94 3,37 4,00
6024c
0,89 1,31 1,64 2,08 2,45 2,84 3,25 3,84
26141
0,93 1,23 1,45 1,75 1,98 2,24 2,51 2,88
60241
0,90 1,31 1,63 2,08 2,43 2,80 3,21 3,78
2633c
0,90 1,29 1,60 2,00 2,35 2,71 3,08 3,62
6120c
0,83 1,36 1,78 2,37 2,84 3,37 3,93 4,71
26331
0,95 1,24 1,45 1,73 1,96 2,20 2,45 2,80
61201
0,82 1,39 1,84 2,47 3,00 3,58 4,20 5,06
2661c
0,89 1,33 1,67 2,16 2,53 2,96 3,39 4,00
6172c
0,84 1,37 1,78 2,37 2,84 3,37 3,93 4,71
26611
0,88 1,19 1,41 1,71 1,96 2,22 2,49 2,88
61721
0,93 1,32 1,63 2,04 2,35 2,71 3,08 3,60
2867c
0,89 1,32 1,66 2,12 2,49 2,88 3,31 3,93
7031c
0,89 1,32 1,66 2,12 2,49 2,90 3,33 3,93
28671
0,91 1,20 1,40 1,68 1,91 2,16 2,39 2,74
70311
0,83 1,33 1,72 2,28 2,72 3,21 3,74 4,47
3013c
0,92 1,29 1,57 1,96 2,28 2,59 2,94 3,43
7228c
0,88 1,36 1,72 2,24 2,65 3,10 3,58 4,28
30131
0,93 1,25 1,48 1,81
2,06 2,33 2,63 3,02
72281
0,89 1,31 1,63 2,08 2.43
3195c
0,87 1,31 1,65 2,12 2,51 2,92 3,35 3,96
8025c
0,89 1,36 1,73 2,24 2,67 3,12 3,60 4,28
31951
0,93 1,23 1,45 1,75 2,00 2,26 2,51 2,88
80251
0,84 1,38 1,81 2,41 2,92 3,45 4,00 4,82
3196c
0,91 1,25 1,51 1,87 2,16 2,45 2,76 3,21
8175c
0,89 1,32 1,66 2,12 2,51 2,90 3,33 3,96
31961
0,91 1,25 1,49 1,83 2,10 2,39 2,69 3,12
81751
0,90 1,28 1,58 1,98 2,29 2,65 3,02 3,53
3200c
0,91 1,26 1,53 1,90 2,20 2,51 2,84 3,29
8416c
0,91 1,31 1,62 2,02 2,37 2,72 3,12 3,64
32001
0,92 1,26 1,52 1,87 2,16 2,45 2,76 3,19
84161
0,89 1,31 1,64 2,08 2,45 2,84 3,25 3,82
3259c
0,91 1,27 1,55 1,93 2,24 2,57 2,90 3,39
8500ac
0,87 1,32 1,67 2,14 2,55 2,96 3,41 4,04
32591
0,93 1,28 1,55 1,91 2,20 2,51 2,84 3,31
8500al
0,89 1,31 1,65 2,10 2,47 2,86 3,27 3,88
3469c
0,91 1,26 1,53 1,90 2,20 2,51 2,84 3,31
9121c
0 8 8 M 6 V73"
34691
0,91 1,25 1,51 1,85 2,14 2,43 2,74 3,19
91211
090
4121c
0,84 1,37 1,77 2,35 2,82 3,33
3,88 4,67
9148c
41211
0,94 1,24 1,45 1,74 1,98 2,22 2,49 2,84
91481
h66
3,64 4^32'
ijo
l 4 7 26 ^ 2 9 3 ^
2^ 3 ^ 3 ^
165 2^10
094
l46
2,80 3,21 3,80
Tjf
l02
2 ^ 2 ^ X92
148

PERODO DE RETORNO (aos)
PERODO DE RETORNO (aos)

REGIN
10
25
50
100 200 500
REGIN
10
25
50
100 200 500
9171c
0,91 1,30 1,61 2,02 2,35 2,71 3,10 3,62
9898c
0,89 1,43 1,85 2,45 2,94 3,47 4,00 4,82
91711
0,93 1,24 1,46 1,77 2,02 2,28 2,55 2,94
98981
0,91 1,25 1,51 1,87 2,16 2,45 2,76 3,21
9434c
0,88 1,33 1,67 2,16 2,55 2,96 3,41 4,04
9980ac 0,93 1,31 1,60 2,00 2,31 2,67 3,02 3,53
94341
0,90 1,33 1,66 2,12 2,49 2,88 3,31 3,93
9980al 0,91 1,26 1,52 1,88 2,18 2,47 2,80 3,25
9443c
0,92 1,32 1,64 2,06 2,41 2,78 3,19 3,74
9981c
0,91
94431
0,94 1,32 1,62 2,00 2,33 2,67 3,02 3,53
99811
0,89 1,32 1,65 2,10 2,49 2,88 3,31 3,90
9771c
0,90 1,37 1,73 2,26 2,67 3,12 3,58 4,28
63250C
0,85 1,37 1,78 2,35 2,82 3,33 3,88 4,63
97711
0,93 1,25 1,49 1,82 2,08 2,35 2,65 3,06
6325ol
0,82 1,39 1,84 2,49 3,02 3,60 4,20 5,10
1,29 1.58 1,98 2,29 2,65 3,00 3,53
Tabla 46,- Cuantiles adimensionales adoptados en cada una de las regiones,- cortas y largas duraciones -, dentro de
cada estacin.
5.2.5.- SELECCIN DEL MODELO ID.

El modelo elegido es el modelo de dos parmetros utilizado en la Instruccin 5.2-IC
generalizada:
24" ~
'24
Siendo:
"K" y "a", dos parmetros,
"d" (horas), la duracin considerada.
El modelo presenta dos puntos de paso obligado,
g(24)= 1
g(l)=i
'24
En el Apndice II se puede consultar el anlisis que ha llevado a concluir que este modelo
ofrecer mejores ajustes y en el Apndice III, el anlisis de sensibilidad del modelo elegido.
Se ha manejado el programa Spss (versin 10.0) para Windows para la obtencin de los
parmetros del modelo elegido, y se presentan como resultados los valores de "K" y "a" de las
149

estaciones que disponen de pluvigrafo, tabla 47, obtenindose coeficientes de correlacin por
encima de 0,98 en todos los casos.
Estacin
Nombre
Estacin
Nombre
34
Valls
0,247
12,8
3196
Madrid-4v
0,097
9,1
111
Sallent
0,134
9,5
3200
Getafe
0,135
10,4
201
Barcelona
0,153
11,2
3259
Toledo
0,085
11,6
222
Caldas Mombuy
0,240
13,2
3469
Cceres
0,129
9,9
225
Sabadell
0,135
11,7
4121
Ciudadreal
0,100
10,4
370
Gerona
0,119
7,6
4245
Guadalupe
-0,125
4,8
429
Figueras
0,103
8,9
4452
Badajoz(Talavera
0,139
10,2
1024
S,Sebastian
0,060
7,2
4478
Badajoz(instituto)
0,086
9,6
1082
Sondica
0,060
6,9
4605
Huelva
0,134
10,9
1110
Santander
0,115
7,5
5530
Chauchina
0,064
9,2
1208
Gijn
0,082
5911
Grazalema
-0,041
1212 Amao
-0,049
5,6
6006
Algeciras
0,061
1387
Corua
0,065
8,1
6024
Guadarranque
0,106
5,7
1428
Santiago
0,009
6120
Guadalhorce
0,106
7,3
1495
Vigo
0,039
6,2
6172
Mlaga
0,291
1496
Vigo(Peinador)
0,145
6,9
7031
Murcia S,Javier
0,157
12,2
1499
Punto Centro
0,180
8,8
7228
Murcia Alcantarilla 0,163
11,9
1549
Ponferrada
0,056
8,7
8025
Alicante C,Jardn
0,246
12,3
2030
Soria
0,088
10,1
8175
Albacete
0,119
12,7
2139
Linares
0,137
11,9
8416
Valencia
0,122
8,4
2243
P, Aguilar
0,079
8,7
8500a Castelln
0,180
10,6
2331
Burgos
0,088
10
9121
Haro
0,119
10,6
2363
P.Compuerto
0,104
8,4
9148
Logroo
0,119
10,8
2422
Valladolid
0,070
10
9171
Cabreja
0,018
2444
Avila
0,156
12,8
9434
Zaragoza
0,104
9,2
2462
Savacerrada
-0,042
4,7
9443
Vfezalocha
0,135
10,9
2614
Zamora
0,107
11,7
9771
Lrida
0,122
13,1
2633
P,Ponna
0,013
5,5
9898
Huesca
0,039
8,4
2661
Len
0,077
7,4
9980A Tortosa
0,195
10,3
2867
Salamanca
0,103
10,4
9981
0,142
9,5
3013
Molina de Aragn 0,123
11,3
63250 Almera
0,197
13,8
3195
Madrid-retiro
0,094
Eloquetas
Tabla 47.- Parmetros "K " y " a" de la expresin I-D seleccionada en cada una de las estaciones con pluvigrafo.
150
Donde K se ha obtenido en cada estacin como -^

Siendo:
Ii, la Intensidad mxima anual en una hora.
Iz4, la Intensidad mxima anual en 24 horas.
De la tabla de resultados se deduce que el parmetro "K" toma unos valores que se
encuentran comprendidos entre 4 en Grazalema (5911) y 13,8 en Almera (63250).
En cuanto al parmetro "a", sus valores se encuentran comprendidos entre -0,1250 en
Guadalupe (4245) y 0,2908 en Mlaga (6172). Aunque solamente en cuatro estaciones toma
valores negativos: Guadalupe (4245), Amao (1212), Navacerrada (2462) y Grazalema (5911),
estaciones situadas en puntos muy dispersos dentro de la Espaa Peninsular.
151
ESTACIONES CON PLUVIGRAFO. DISCUSIN
5.3.-DISCUSION.
5.3.1.-INTRODCCION
La discusin de resultados en estaciones con pluvigrafo se va a centrar en
comparar los resultados obtenidos en la presente Tesis con los resultados presentados
por el INM (2003).
En el trabajo del INM (2003) se utilizaron 67 estaciones, 63 en la Espaa
Peninsular y 4 en las islas Baleares y Canarias, y consisti en ajustar la funcin SQRTET mx, dentro de cada estacin, a cada una de las series de cada duracin, utilizando
para ello el mtodo de mxima verosimilitud. En el trabajo se ofrece adems un mapa
de Espaa, interactivo, con tablas de los resultados obtenidos en cada estacin,
indicando los parmetros de la funcin -"k" y "a"- estimados, as como los cuantiles
obtenidos para cada duracin y cada perodo de retomo. El trabajo presenta tambin un
diagrama en el que figura la correspondiente familia de curvas de intensidad-duracinfrecuencia en cada una de las estaciones disponibles.
La comparacin de resultados se abordar considerando dos aspectos:
A) Comparacin de las intensidades mximas para cada duracin y perodo de
retomo que se deducen en ambas metodologas, para as determinar cual
proporciona estimas ms conservadoras y por tanto del lado de la seguridad.
B) Comparacin de la robustez de ambas metodologas es decir, la sensibilidad que
muestran ante la presencia o eliminacin de un dato.
Como primera idea cabe decir que ambas vas de investigacin se han
desarrollado simultneamente en el tiempo, y confirman el inters que ha suscitado la
funcin SQRT-ET mx en el ajuste de la variable aleatoria intensidad mxima anual.
152
Adems, y antes de entrar en el desarrollo de estos dos aspectos, era necesario

comprobar que los datos utilizados en esta Tesis y en el trabajo del INM eran los
mismos, algo razonable de aceptar puesto que la base de datos empleada en la presente
Tesis fue suministrada por el INM. Sin embargo, parece oportuno hacer algunas
comprobaciones que lo corroboren, Para ello, y dado que en el CD donde el INM
publica sus resultados no aparecen los datos utilizados, se procedi como se indica a
continuacin.
Procedimiento
a Se tomaron los datos utilizados en esta Tesis de las estaciones de Valls (0034),
Figueras (0429) y Badajoz (4452).
Se estimaron los parmetros de la funcin SQRT-ET mx en cada estacin y para

cada duracin, utilizando el mtodo empleado por el INM (mtodo de mxima
verosimilitud).
a En cada estacin se calcularon las intensidades mximas para cada duracin y

perodo de retomo.
Q Estos resultados se compararon con los recogidos en el CD del INM, constatando
que eran exactamente iguales.
Siendo los datos de partida iguales, las diferencias entre las estimas obtenidas segn
la metodologa aplicada- INM y la presente Tesis- son achacables a la propia
metodologa y en modo alguno a la base de datos empleada, puesto que se ha
comprobado es la misma,
5.3.2.- COMPARACIN DE INTENSmADES ESTIMADAS.
Para realizar esta comparacin se ha elegido una serie de estaciones atendiendo a los
siguientes criterios:
Que estn repartidas por todo el territorio, de manera que engloben la

variabilidad climtica de la Espaa Peninsular.
Que el mtodo de estimacin de los parmetros sea el de mxima verosimilitud,

anlogo por tanto al utilizado por el INM. Debe recordarse que en la presente
Tesis en cada estacin, en cada regin- cortas y largas duraciones- no se utiliza
153
necesariamente el mismo mtodo de estimacin de parmetros, (vase epgrafe

5.2.2).
Con estos criterios, se han considerado las siguientes estaciones, tabla 48,
Estaciones
Estaciones
Madrid(319S)
Santander(1110)
Soria(2030)
Salamanca(2867)
Murcia(7228)
Vigo(1495)
Molma(3013)
Huelva(4605)
Algeciras(6006)
Len(2661)
Castellon(8550A)
Lrida(9771)
Caldas(0222)
Tabla 48.- Estaciones utilizadas en la comparacin de las estimas obtenidas por el INM y en la presente
Tesis.
De esta manera, adems de haber utilizado los mismo datos de partida que el
INM las diferencias obtenidas en ambas metodologas no sern achacables tampoco al
mtodo de estimacin de parmetros.
A partir de las intensidades mximas deducidas por el INM y la actual Tesis, se

ha calculado el parmetro "S", expresado en porcentaje (%), como la diferencia de las
Intensidades mximas para una duracin y perodo de retomo considerado, obtenidas
por cada metodologa. Este parmetro permitir as, comparar las estimas obtenidas por
ambas metodologas, con independencia de los valores de intensidades mximas.
Donde:
-
T, es la Intensidad mxima deducida en la presente Tesis para cada duracin y

perodo de retomo en cada estacin
INM, es la Intensidad mxima deducida por el INM para cada duracin y

perodo de retomo en cada estacin.
En este anlisis se podran plantear tres situaciones:
S(%) = 0....T = EVM
S(%) > 0....T > INM

S(%) <0..,.T < I N M
que daran lugar a estimas:

S(%) = ....IGUALES
S(%)>O....T MS CONSERVADOR QUE INM
S(%) < 0....T MENOS CONSERVADOR QUE INM
154
En el anejo 9 se recogen en cada estacin:

-
las intensidades mximas para cada duracin y perodo de retomo.
los valores de S(%), ei valor mximo, mnimo y medio en cada
duracin.
-
los valores mximos, mnimos y medios de S(%) en cada perodo de
retomo.
-
As mismo, se ha calculado S(%) medio para bajos perodos de
retomo (2<T (aos)<5), para perodos de retomo medios (10 <T

(aos)<50) y para perodos de retomo altos (100<T(aos)<500).
-
Adems, se ha representado en un sistema de coordenadas, perodo
de retomo, duracin y S(%) en cada una de las estaciones. A modo de

ejemplo se muestra la figura 25 con los valores "S(%)"obtenidos en
Molina (3013), para cada duracin y perodo de retomo.
Residuos Molina (3013)
10.0
5.0-10.0
0.0-5.0
o
(O
tu
S-5.0-0.0
-10.0-5.0
D-15.0-10.0
D-20.0-15.0
-25.0-20.0
e-30.0-25,0
Figura 25.- Representacin grfica de la variacin de los residuos "S(%)" con el periodo de retorno y la
duracin en la estacin de Molina (3013)
155
Al analizar visualmente las grficas en 3 dimensiones se puede apreciar que no

presentan una tendencia general en la distribucin de los valores de "S" (%) con
respecto a la duracin, y parece manifestarse una tendencia al crecimiento al hacerlo el
perodo de retomo.
Adems, para centrar el anlisis en las situaciones que se manejarn ms
frecuentemente, se ha calculado, para las duraciones ms usuales - 30<d (minutos)<720
-, los valores medios de S(%) para cada perodo de retomo, que se recoge en la tabla 49.
Estacin
Madrid(3195)
Sora(2030)
Murcia(7228)
\/igo(1495)
Morma(3013)
Huelva(4605)
Caldas{0222)
Santander(1110)
Salamanca(2867)
Algeciras(6006)
Len(2661)
Castellon{8550A)
Lrida(9771)
Media
Cv
2
0,039
0,464
-0,378
-0,081
-0,446
1,930
0,671
-0,602
-0,926
-1,094
0,438
0,864
0,526
0,108
0,13
5
0,498
0,464
1,259
0,965
-0,131
-0,484
-1,096
0,887
-0,488
1,239
2,340
-0,094
0,741
0,469
0,51
Perodo de retomo (aos)

10
50
25
100
0,377
0,993
0,833
0,974
0,464
0,464
0,464
0,464
2,365
2,184
1,525
2,410
2,713
3,955
4,221
3,158
0,931
1,057
0,685
0,462
-2,507
-0,705
-1,406 -1,973
-2,531
-1,258 -2,084 -2,544
3,341
2,462
2,558
2,872
-0,846 -1,765 -1,876
-1,760
2,111
2,376
2,623
1,164
5,063
2,941
3,893
4,201
-0,014
0,704
0,155
0,286
1,278
1,048
1,746
1,383
1,078
0.885
0,965
1,043
0,48
0,45
0,67
0,51
200
0,583
0,464
2,523
4,831
1,156
-2,490
-2,848
3,846
-2,370
3,308
4,612
-0,179
1,707
1,165
0,44
500
0,503
0,464
3,245
5,369
1,000
-3,155
-3,046
4,450
-2,364
3,404
5,245
-0,194
1,799
1,286
0,43
Tabla 49.- Valores medios de los residuos "S(%)" para las duraciones ms usuales, 30<d (minutos)<720,
en cada estacin.
De la tabla 49 se deduce lo siguiente:

o Los valores medios de "S(%)" del conjunto de las estaciones son positivos, y por
tanto las estimas obtenidas en la presente Tesis seran ms conservadoras que las
deducidas por el INM aunque las diferencias son muy pequeas.
Se compmeba que los valores medios de los residuos crecen con el perodo de
retomo, aunque la variacin es pequea.
a Los coeficientes de variacin obtenidos confirman que no hay una tendencia general
en todas las estaciones.
156
En la tabla 50, se muestra el valor medio de "S(%)" en trminos absolutos para

cada perodo de retomo en cada estacin analizada, y se representan a continuacin en
lafigura26. Lafigura26 confirma que en trminos absolutos S(%) crece con ei perodo
de retomo.
Estacin
Madrid(3]95)
Soria(2030)
Murcia{7228)
Vigo(1495)
Molina(3013)
Huelva(4605)
Caldas{0222)
Santander(lllO)
Saamaiica(2867)
Aigeciras(6006)
Len{2661)
Castellon(8550A)
Lrida(9771)
2
1,715
0,980
0,948
1,090
1,722
1,930
1,063
0,768
2,322
1,311
0,614
2,051
1,312

10
25
50
100
1,599 2,709 2,814 3,031
2,776 3,168 3,090 3,761
2,686 3,596 4,211 4,725
3,098 3,629 4,543 5,067
1,690 2,662 3,609 3,517
3,052 4,327 4,980 5,923
.-M12i 5,030 5,868 6,465
1,594 3,548 4,338 5,035 5,690
3,712 5,503 7,158 7,626 7,449
1,880 2,678 4,061 4,446 5,505
3,053 4,421 5,726 6,309 7,118
1,629 2,548 3,700 4,089 4,697
1,262 1,833 3,002 3,021 3,612
5
0,887
1,621
2,205
1,221
0,642
1,496
-lll
200
3,682
4,009
5,016
5,630
3,843
6,653
7,236
6,414
8,749
5,699
8,093
5,154
3,759
500
4,020
4,590
5,419
6,274
4,273
7,441
7,682
7,041
9,527
6,317
8,098
5,775
4,414
Tabla 50.- Valores de S(%) medios en trminos absolutos para las estaciones analizadas
S(%] medio en valor absoluto en cada periodo de retorno

-Madrict3195}
12.000
*~Sorra(2030)
Murcia(7228)
-^<~Vigo(1495)
-JKMolna(3013)
-Hueiva(4605)
-fCaldas(0222)
Santander(1110)
Salamanca(2867)
-
Algeciras(6006)
Len(2661)
4.0
^'
Castellon(8550A)
Lrida{9771)
Ln(T) (aos)
Figura 26.- Representacin grfica de S{%) medio en trminos absolutos frente al LN(T) en
cada una de las estaciones analizadas.
157
5.3.3.- ANLISIS DE LA ROBUSTEZ DE LAS ESTIMAS.

La robustez de las estimas es quiz el aspecto ms importante y ms imiovador
de la presente Tesis respecto a la metodologa utilizada por el INM,
El mtodo aplicado por el ENM, estima una funcin de distribucin para cada
serie (correspondiente a cada duracin) independientemente. Al ser el nmero de
registros limitado, la probabilidad de que no se incluya xm valor excepcional alto es
notable, y el hecho de que tal valor aparezca o no en la serie influye sensiblemente en la
estima de los cuantiles adimensionales, especialmente en los correspondientes a
perodos de retomo altos.
Sin embargo, el mtodo de regionalizacin, desarrollado en la presente Tesis,
utiliza una funcin de distribucin para un conjunto de series (series correspondientes a
cortas duraciones o largas duraciones), y al ser la serie ms amplia, la probabilidad de
que se incluyan valores excepcionales es mayor que en el mtodo utilizado por el INM.
Adems, el hecho de que un valor se incluya o no, influye en menor medida en la estima
de los cuantiles adimensionales ya que habr otros valores altos, - procedentes de otra
serie, pero que constituyen una serie nica para el ajuste ya que forman una regin
homognea- que limitarn el efecto de la eliminacin o no eliminacin de un nico dato.
Evidentemente el efecto de la estabilidad - robustez - de la estima ser tanto ms
marcado cuanto mayor sea el coeficiente de variacin de la muestra, ya que los valores
altos de este estadstico estn ligados, en este tipo de variables aleatorias de valores
extremos, a la aparicin de valores mustrales excepcionalmente altos.
Para este anlisis se han considerado dos regiones: una en Valls (0034), la regin
de largas duraciones, con un coeficiente de variacin de 0,44, que presenta un
comportamiento similar a la mayor parte de las regiones consideradas (con valores de
coeficiente de variacin entre 0,3 y 0,5) , que no presentan valores extremos anmalos
atendiendo al criterio de Water Resources Council, y que adems ha venido
acompaando a lo largo de toda la Tesis en el anlisis de resultados.
158
Y por otro lado, se ha considerado la regin de largas duraciones en la estacin

de Figueras (0429) con el coeficiente de variacin ms alto - 0,85 -. De esta manera se
entiende que se cubre el rango de variabilidad observado en el conjunto de las
estaciones utilizadas.
El objetivo es analizar la influencia de considerar o no, un elemento de la serie
de valores disponibles sobre las estimas finales. Para ello se compararn los cuantiles
adimensionales obtenidos por ambos mtodos, y en la medida en que stos no varen
cuando se elimina un dato, significar que las estimas son ms estables, y por tanto ms
robustas.
Por lo tanto, para establecer la comparacin entre los dos mtodos se plante el
sigtunte proceda
De los registros adimensionales de la estacin de Valls (0034), correspondientes a la

regin "largas duraciones", se elimin un dato, el mayor de la serie, que proceda de
la serie de Intensidades mximas en 720 minutos.
Se volvi a adimensionalizar dicha serie, ya que al eliminar el dato mximo varia la

media, incorporndose posteriormente al conjimto de registros adimensionales de la
regin "largas duraciones" en Valls (0034), pero ya sin un dato.
a Con esa nueva serie se estimaron los parmetros de la funcin SQRT-mx y se

obtuvieron los cuantiles adimensionales que aparecen en la tabla 51 bajo el nombre
CAT- SIN-
Y para comprobar en qu medida afecta la eliminacin de dicho dato a la

metodologa propuesta por el INM se establecieron los siguientes pasos:
Se elimin de la serie de intensidades mximas en 720 minutos el mismo valor.
Se adimensionaliz dicha serie.
Q Se ajust posteriormente a una funcin SQRT-ET mx y en la tabla 51 se muestra el

cuantl adimensional deducido, bajo el nombre CAINM-SIN-
159
T (aos)
CAT. TODOS 1 CAT- sm
CAlKM-TODOS CAlNM- SIN
0,9
0,9
0,90
0,93
1,31
1,31
1,30
1,31
10
1,62
1,63
1,60
1,60
25
2,06
2,06
2,02
2,00
50
2,39
2,41
2,35
2,31
100
2,78
2,76
2,71
2,67
200
3,17
3,17
3,10
3,02
500
3,72
3,72
3,62
3,53
Tabla 51.- Cuantiles adimensionales deducidos con todos los datos y al eliminar el mismo dato por
ambas metodologas en la estacin de Valls (0034), en la regin "largas duraciones".
Donde,
CAT- TODOS ,
es el Cuantil adimensional deducido en la presente Tesis en la estacin de
Valls (0034) en la regin de "largas duraciones".

CAT- SIN , es el Cuantil adimensional deducido en la presente Tesis en la estacin de
Valls (0034) en la regin de "largas duraciones" al eliminar el mximo valor de la serie.
CAiNM- TODOS, es el Cuantil adimensional deducido por el ESiM en la estacin de Valls
(0034) en la serie de 720 minutos.
CAiNM- SIN , es el Cuantil adimensional deducido por el INM en la estacin de VaUs
(0034) en la serie de 720 minutos al eliminar el mximo valor.
Para evaluar el efecto que tiene en cada metodologa, la eliminacin de un dato,

se calcularon las diferencias relativas respectivas, en % , y se recogen en la tabla 52.
Si se comparan las diferencias obtenidas por ambas metodologas se observa

claramente que el proceso de regionalizacin lleva a unas estimas ms robustas.
La figura 27 permite apreciar grficamente esta conclusin, pudindose observar

que los cuantiles adimensionales deducidos por el mtodo de regionalizacin casi son
coincidentes tanto si consideramos todos los valores de la serie, como si se elimina uno,
el mximo- y por el contrario, al utilizar la metodologa del INM, los cuantiles
160
adimensionales varan al eliminar ese mismo dato. Recurdese que la estacin

seleccionada presenta un Cy que puede considerarse representativo del conjunto de las
estaciones empleadas tanto en la presente Tesis como en el trabajo del INM.

2
Diferencias relativas (%) Diferencias relativas (%)

Tesis
INM
0,0
-3,3
0,0
-0,8
10
-0,6
0,0
25
0,0
1,0
50
-0,8
IJ
100
0,7
1,5
200
0,0
2,6
500
0,0
2,5
Tabla 52.- Diferencias relativas (%) en arabas metodologas, al eliminar un dato en la estacin de Valls
(0034), en la regin "largas duraciones".
Donde:
(^yl
CA
Diferencias relativas(%) Tesis responde a la expresin, ^^^^^^^
^~^^^ * 100
CA
-CA
Diferencias relativas(%) INM responde a la expresin, ^^'-ÔDOS _ ^ INM-SIN^ * JQQ
^ÎNM-TODOS
-CAT-todos
-CAT-sin
CA INM- todos
-ê-CAMVKsin
200
400
periodo de retorno
600
Figura 27.- Representacin de los cuantiles adimensionales deducidos por en la presente Tesis y por el
INM en la estacin de Valls(0034), para la regin "largas duraciones".
161

Donde,
CAx- TODOS, es el Cuantil adimensional obtenido en el proceso de regionalizacin de largas
duraciones con todos los datos,
CAT- SIN ,es el Cuantil adimensional obtenido en el proceso de regionalizacin de largas
duraciones eliminando el mximo de la serie.
CAiNM- TODOS , es el Cuantil adimensional que resulta de ajustar la serie de 720 minutos
dividida por su media a una funcin SQRT-ET mx.
CAiNM- SIN , es el Cuantil adimensional que resulta de ajustar la serie de 720 minutos
dividida por su media, eliminando el mismo dato que en el proceso de regionalizacin, a
una funcin SQRT-ET mx.
A continuacin se ofrecen los resultados de comparar la robustez de las estimas

con el mismo proceso descrito anteriormente en la estacin de Figueras (0429), en la
regin largas duraciones. Esta regin, como ya se ha indicado, presenta el coeficiente de
variacin ms alto de todas las regiones definidas en la presente Tesis.
En las tablas 53 y 54 y en la figura 28se aprecia cmo afecta a los cuantiles

adimensionales el hecho de haber eliminado un solo dato, el mximo, que se
corresponde con la serie de 360 minutos. Al aplicar el proceso de regionalizacin, los
cuantiles adimensionales obtenidos para cada perodo de retomo apenas varan,
mientras que en el ajuste que se realiza considerando de manera independiente la serie
de 360 minutos (metodologa INM) los cuantiles adimensionales deducidos se ven
afectados en mayor medida.
En la tabla 54 se comprueba que la falta de robustez es ms evidente que en el
anterior (Valls (0034)), comportamiento previsible dado el alto Cv de la serie.
T
CAT-TODOS
(aos)
2
0,83
CAT-SIN
CAiNM-TODOS
CAiNM-sm
0,82
0,82
0,78
1,31
1,29
1,32
1,22
10
1,69
1,67
1,70
1,56
25
2,22
2,18
2,26
2,02
162
T
(aos)
50
CAT- TODOS
CAi. SIN
C AD-M- TODOS
C AnsiM- SIN
2,67
2,61
2,71
2,41
100
3,13
3,06
3,17
2,82
200
3,62
3,54
3,70
3,27
500
4,36
4,24
4,43
3,90
Tabla 53,- Cuantiles adimensionales deducidos con todos los datos y ai eliminar el mismo dato por
ambas metodologas en la estacin de Figueras (0429).
Perodo de
retomo (aos)
Diferencias relativas
Diferencias relativas
(%)Tesis
(%)INM
2
5
10
25
50
100
200
500
1,2
1,5
1,2
1,8
2,2
2,2
2,2
2,8
4,9
7,6
8,2
10,6
11,1
11,0
11,6
12
Tabla S4.-Diferencias relativas {%) obtenidas por ambas metodologas en la estacin de Figueras (0429)
para la regin "largas duraciones".
CA-T todos
-CA-Tsin
CA-INM todos
-CA-INM sin
200
300
400
600
perodo de retomo (aos)
Figura 28.- Representacin de los cuantiles adimensionales deducidos por en la presente Tesis y por el
INM en la estacin de Figueras(00429), para la regin "largas duraciones".
163
5.3.4.-CONCLUSIN.
Las estimas obtenidas con la metodoiogia propuesta por el
M
recogida en la presente Tesis no difieren
mucho aunque las proporcionadas
aqu son ms
conservadoras, situndose por tanto del lado de la

seguridad.
Las estimas obtenidas en la metodologa propuesta en esta
Tesis son ms robustas - estables - que las proporcionadas
porelINM.
164
ESTACIONES CON PLUVIGRAFO. CONCLUSIONES
5.4.-CONCLSIONES.
Tras el estudio de las series de Intensidades mximas para distintas duraciones,
en las estaciones que disponen de pluvigrafo, se pueden extraer una serie de
conclusiones:
Se ha podido aplicar el mtodo de regionalizacin en cada estacin,

dando lugar a dos regiones homogneas - de cortas duraciones (<60
minutos) y de largas duraciones(>60 minutos)-.
En cada regin se ha podido aplicar el mtodo de estimacin de
parmetros ms adecuado para estimar cuantiles con un criterio
conservador.
La funcin SQRT-ET mx es una funcin que permite describir
adecuadamente el comportamiento de la variable aleatoria intensidad
mxima anual.
La metodologa ofrecida en la presente Tesis proporciona estimas ms
robustas y conservadoras que la empleada por el INM.
El modelo I-D elegido, si bien es similar al de la Instruccin 5.2-IC
iiicorpra un parmetro adicional - a- que lo dota de mayor flexibihdad
ante la variabilidad espacial observada.
165
6.-ESTACIONES SIN PLUVIGRAFO
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
6.1.-MATERIAL Y MTODOS.
6.1.1,-DATOS DISPONIBLES.
En una estacin que slo cuenta con pluvimetro, los datos disponibles son las
seres de precipitaciones mximas diarias anuales. Adems, a partir del trabajo
publicado por el Ministerio de Fomento y Direccin General de Carreteras (1999),
"Mximas lluvias diarias en la Espaa Peninsular", se puede deducir la precipitacin
mxima diaria anual para cualquier perodo de retomo, PMDA(T), en cualquier punto
de la Espaa Peninsular, mediante la expresin:
PMBA (T) = CA(T)p * PMDA
Donde:
CA(T)
' ^^ ^^ cuantil adimensional para un perodo de retomo T

siguiendo los resultados de Ferrer para la localizacin
considerada, publicados en "Mximas lluvias diarias en la Espaa
Peninsular"(1999).
PMDA
^ es la precipitacin mxima diaria anual media para la

localizacin considerada.
Por otra parte, el dato de precipitacin mxima diaria anual para cualquier
perodo de retomo se puede traducir en intensidad mxima en 24 horas para cualquier
perodo de retomo, simplemente multiplicando PMDA(T) por el factor 1,13 y
dividindolo entre la duracin, 24 horas.
^,-. _ PMDAjT)* 1,13

/(24,/)
Donde,
1,13 , es un factor de mayoracin aceptado, que permite calcular la precipitacin
mxima en 24 horas a partir de datos diarios.
166
Por lo tanto:
En toda la Espaa Peninsular se puede obtener el dato de intensidad
mxima en 24 horas para cualquier perodo de retorno a partir de "Mximas
lluvias diarias en la Espam Peninsular "(1999)
6.1.2.-HIPOTESIS DE PARXroA.
En un sentido estricto, la relacin
^ ' ^ que se ha obtenido en las estaciones
con pluvigrafo no es generalizable a las estaciones que carezcan de l debido

precisamente a la ausencia de datos de intensidades mximas para distintas duraciones
en esas estaciones y por tanto, al desconocimiento de su comportamiento o de su
relacin entre magnitudes.
Por otra parte, es importante insistir que las estaciones con pluvigrafo
disponibles en Espaa son escasas, y adems, es un problema que no se puede
solucionar a corto plazo, ya que, independientemente del coste de su instalacin y
mantenimiento, digitalizacin de las bandas..., se requiere que transcurra un nmero
suficiente de aos como para que los datos mximos anuales recogidos sean
representativos. Como no es posible, por lo menos a corto plazo, resolver este problema,
cualquier intento de extrapolar los resultados obtenidos en estaciones con pluvigrafo a
estaciones que carecen de l queda justificado completamente desde el momento en que
se necesite estimar el valor de la intensidad mxima, correspondiente a una duracin, y
para distintos perodos de retomo.
Para tratar de cubrir el objetivo planteado en la presente Tesis relativo a la
determinacin de la Intensidad mxima para cada duracin y perodo de retomo en la
Espaa Peninsular, se plantea como hiptesis de partida que la relacin
' ^
7(24, r)
deducida en la presente Tesis para estaciones que disponen de pluvigrafo es vlida en

todos los puntos del territorio peninsular.
167

A continuacin se presenta un esquema del proceso seguido para analizar las
estaciones sin pluvigrafo, esquema 8, tal y como se realiz tambin en las estaciones
con pluvigrafo, y posteriormente se ir analizando y desarrollando cada uno de los
epgrafes planteados.
Esqaema 8.- Esquema del anlisis realizado en estaciones sin pluvigrafo.
Hiptesis de partida:
La relacin
lidj)
I(24,T}
deducida en estaciones con pluvigrafo es vlida en todo

ei territorio peninsular.
I(24;T)
Criterios para seleccionar

cuantiles
Criterios para extender la iey ID.
Obtencin de I(d,T)
en cualquier punto de la Espaa Peninsular
168
6.1.3.-CRITERIOS PARA ABORDAR EL PROBLEMA.

En una estacin que dispone de pluvigrafo, la expresin deducida
anteriormente, y que permite relacionar las intensidades mximas para una duracin
cualquiera y para 24 horas es la siguiente:
l(d;T)
I(24;T) ^
CA'îlA-Tyi^
CA'îlA-T)
Donde, PG, es pluvigrafo

CA^^ (d,T), es el cuantil adimensional deducido en una estacin con pluvigrafo
para una duracin y un perodo de retomo determinados.
Lgicamente, para duraciones inferiores o iguales a 60 minutos habr que
considerar el cuantil adimensional deducido en la regin "cortas duraciones", y
para duraciones mayores de 60 minutos habr que considerar el cuantil
adimensional correspondiente a la regin "largas duraciones" en la estacin
con pluvigrafo considerada.
CA^^ (24,T), es el cuantil adimensional en una estacin con pluvigrafo para una
duracin de 24 horas, y el perodo de retomo "T", y que se corresponder por tanto
con el de la regin "largas duraciones".
g
(d), es la expresin I-D, que relaciona el cociente de la intensidad mxima
media de cada duracin y la de 24 horas con la duracin, deducida en la estacin

con pluvigrafo.
En funcin de la hiptesis de partida, la expresin que relaciona ambas intensidades
en otro punto "P" es la misma:
" Iid;T) 1 ^ CA\d;T)
/(24;r)J^
CAÎAJ)
De todos estos parmetros:

> CA^(24,T), cuantil que se puede obtener en "Mximas lluvias diarias en la
Espaa Peninsular"(1999).
> g^(d) , expresin que no est disponible en estaciones que carecen de
pluvigrafo, y que por tanto carecen de datos de intensidad mxima media para
distintas duraciones.
169
> CA^(d,T) cuantil que no se puede conocer puesto que no hay datos de intensidad
mxima para distintas duraciones en estaciones que no disponen de pluvigrafo.
Parece por lo tanto adecuado establecer unos criterios para tratar de extender los
resultados obtenidos en las estaciones con pluvigrafo a todos los puntos de la Espaa
Peninsular.
6.1.3.1.-Criterio para extender la ley I-D.
Para extender la relacin I-D deducida en las estaciones con pluvigrafo al resto
de las estaciones, se plantean tres soluciones que el usuario deber adoptar en funcin
de las caractersticas de la zona en estudio:
Si la estacin con pluvimetro se encuentra muy prxima a ima estacin con

pluvigrafo y las caractersticas de su situacin, orientacin .. permiten deducir que
las condiciones climticas no varan desde la estacin con pluvigrafo hasta ella, se
podrn asumir las relaciones deducidas en la estacin con pluvigrafo.
24-
Donde:
K, es el parmetro K deducido en la estacin con pluvigrafo prxima,
a, es el parmetro "a" deducido en la estacin con pluvigrafo prxima,
"d" la duracin (horas) considerada.
o Si la estacin se encuentra prxima a varias estaciones con pluvigrafo se podrn
obtener los parmetros necesarios para calcular I-D ponderando en funcin de la
distancia a cada una de las estaciones.
PONDERADO
î
=-
,,
j^-PONDERADO
yK
*î
Aplicando para ello como criterio de ponderacin el inverso del cuadrado de la

distancia, y por tanto la expresin g(d) pasar a adoptar la siguiente expresin:
24
170

Q La tercera opcin consistir en trazar unos mapas de isolneas de los parmetros que
se requieren para determinar I-D, a partir de los datos de las estaciones con
pluvigrafo.
Para poder aplicar esta ltima opcin se presentar en resultados un mapa de

isolneas, para cada parmetro, "K" y "a" de la funcin g(d).
6.1.3.2.-Critero para seleccionar cuantiles.
A partir de la expresin aceptada en la hiptesis de partida

I(d;T)
1(24; J) jp
CA^(d;T)
CA'ilAJ)
se puede determinar I(d,T)p, despejando en la expresin anterior:
mr),
= I(24,T), * ^ ^ ^ *g'id) = CA\24,T)* iL * " ^ ^ ^ *s'id)
Expresin en la que se puede simplificar CA^(24,T), y queda por tanto:
lidj)
= l*CA^(d,T)'^g^(d)
Donde:
J^^, es la Intensidad mxima anual media en 24 horas...CONOCIDO.
Este valor puede obtenerse a partir del mapa de isolneas de PMDA,
incluidos en "Mximas lluvias diarias en la Espaa Peninsular".
-^PMDA^*
'''^
1,13
24
g^(d), es la expresin I-D y que en funcin del criterio establecido en el epgrafe

anterior pasa a ser...CONOCIDO.
171
CA^ (d, T), es el cuantil adimensional para una duracin y perodo de retomo en
el punto "P" considerado, y que atendiendo a la expresin deducida en
estaciones con pluvigrafo se corresponde con:
CAL(T)
si d>lhora
CAc(T) si d ^ 1 hora
\ " ^' P""* considerado DESCONOCIDO
Para resolver este problema, se baraja como solucin buscar una funcin, "h"
que relacione los cuantiles adimensionales que no se conocen - C4f (7')y CAîT)- con
algn cuantil conocido.
El procedinient propuesto puede sintetizarse como sigue:
En las estaciones con pluvigrafo se obtienen las funciones

G4(r)f
CA{T),
CAiT),
en donde se ha definido con el subndice F, el cuantil adimensional para un
perodo de retorno T (aos) requerido para la estimacin de mximas lluvias
diarias.
CA(T)
CA(T)
Q Aceptando que esas funciones reproducen la relacin ^ , ^^ , y ^^-^
CJ(Th
CATh
de toda la Espaa Peninsular, ya que los datos de las estaciones con
pluvigrafo cubren razonablemente la variabilidad climtica en ese mbito
territorial, se puede obtener
CA(T)L
y CA(T)c para cualquier punto "P"
simplemente despejando de la relacin:

CA{T)l=h,iTrCA{T);
CA{T)l=h^{TYCA{TY,
Con ello, el trmino correspondiente a los cuantiles adimensionales
pasara a ser conocido y por lo tanto quedara resuelto el problema de
172

estimacin de las intensidades mximas para distintas duraciones y perodos
de retomo.
Adems, el hecho de establecer la relacin de cuantiles, CA(T)L y CA(T)c , con el

CA(T)F,
presenta una ventaja aadida y es, que estos ltimos se han deducido con una
red muy numerosa de estaciones, y por lo tanto estos cuantiles sern robustos.
6.1.4..0BTENCION
DE LAS INTENSIDADES MXIMAS PARA CADA
DURACIN Y PERODO DE RETORNO.

La expresin a utilizar sera la siguiente:
24
^'
k(f)*ci(r)?
Expresin en la que todos sus trminos pasan a ser conocidos.

Donde,
PMDA^, es la precipitacin mxima diaria anual media correspondiente al
punto considerado, obtenida en "Mximas lluvias en la Espaa
Pemnsular"(1999).
CA{TYP
, es el cuantil adimensional para la estimacin de la precipitacin
mxima diaria anual y para el perodo de retomo considerado, que se puede

obtener en la misma monografa citada anteriormente.
g^ (d) , es la funcin I-D, con los parmetros deducidos en la
estacin/estaciones con pluvigrafo prximas, o bien de los mapas de isolneas deducidos a partir de ellos.
hL(T) y hc(T), funciones que relacionan los cuantiles adimensionales para
largas y cortas duraciones, con los correspondientes a lluvias diarias,
recogidos estos ltimos tambin en "Mximas lluvias diarias en la Espaa
Peninsular".
173
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
6.2.-RESLTADOS.
En las estaciones que no disponen de pluvigrafo se presentar, como resultados,
un mapa interactivo de isolneas de los parmetros requeridos para la funcin I-D, as
como el estudio de la funcin "h" adecuada para poder determinar los cuantiles
adimensionales para una duracin y perodo de retomo en estas estaciones.
6.2.1.- MAPA DE ISOLNEAS DE LOS PARMETROS "K" Y *'a".
Los parmetros "K" y "a" de la funcin I-D en las estaciones que disponen de
pluvigrafo toman valores entre 4 y 13,8, y para analizar cuales son los valores ms
frecuentes se han establecido unos intervalos y se ha comprobado el nmero de
estaciones dentro de cada uno de ellos, figura 29. Se observa que los valores ms
frecuentes se encuentran en el intervalo (8-10) en diecinueve estaciones.
Figura 29.- Nmero de estaciones con el mismo valor de "K".
Intervalos
(4-6)
(6-8)
(8-10)
(10-12)
n2-i4)
n'^de
estaciones
7
10
19
18
8
00 -
i 15J
o
"3
y-
S
106)
'
0)
O
O
'-
(4-6)
(6-8)
(8-10)
(10-12)
(12-14)
valor de "k"
En la tabla 55, llama la atencin la presencia de algunos valores muy bajos,

respecto a los valores obtenidos en la Instruccin 5.2- IC "Drenaje Superficial (1990),
(figura 4 en pg. 44) donde los valores de "K" estaban comprendidos entre 8 y 13.
Tambin es cierto que, de las estaciones con valores de "K" bajos actualmente
manejadas, solamente se dispona de la estacin de Guadarranque (6024) para realizar el
mapa de isolneas de la citada Instruccin.
174

Estacin
5911
2462
4245
1428
2633
1212
6024
Nombre
Grazalema
Navacerrada
Guadalupe
Santiago
P,Ponim
Amao
Guadarranque
K
4,0
4,7
4,8
5,0
5,5
5,6
5,7
Tabla 55.-Estaciones con menor valor de "K" de todas las estaciones disponibles.
Se comprueba adems, que las mismas estaciones destacadas anteriormente son

las que presentan los valores de "a" ms bajos, tabla 56:
Estacin
Nombre
4245
1212
2462
5911
1428
2633
Guadalupe
-0,1250
-0,0489
-0,0418
-0.0405
0,0089
0,0128
0,1057
Arnao
Navacerrada
Grazalema
Santiago
P, Forma
Guadarranque
6024
Tabla 56.-Estadones con menor valor de "a" de todas las estaciones disponibles.
Si se analiza tambin los valores ms frecuentes de "a", y para ello se establecen

unos intervalos, figura 30, el valor ms frecuente se encuentra en el intervalo [0,10,125] en 15 estaciones.
Intervalos de
nde
"a"
<0
0-0.025
0.025-0.05
0.05-0.075
0.075-0.1
0.1-0.125
0.125-0.15
0.15-0.175
0.175-0.2
>0.2
estaciones
4
3
2
7
10
15
10
4
4
4
Ifi -,
i 12.
1 101 8?
=
'
42-
1 1
^0
0.0^5,0,0, '-"'Hr
''''H,s
intervalo de valores de "a"
'-''^.2
Figura 30.- Nmero de estaciones con el mismo valor de "a".
175
Conviene destacar que las estaciones con valores bajos de "K" y "a" no guardan
proximidad geogrfica, presentando por el contrario cambios significativos respecto a
ias estaciones de su entorno. Esto tiene importantes consecuencias a la hora de intentar
generar isolneas de estos parmetros, ya que estas siete estaciones producirn
gradientes muy marcados. A modo de ejemplo se puede observar el mapa 4 en el que se
han trazado isolneas del valor de "K" a partir de los datos de la estacin de Madrid y
estaciones prximas.
TT?
Mapa 4.-Gradientes originados en las proximidades de Madrid como consecuencia de las variaciones del
parmetro "K" en las estaciones prximas.
Cabe preguntarse si ese comportamiento es local y por tanto su uso debe

limitarse exclusivamente a la estacin en concreto, o por el contrario puede utilizarse
dicho valor para la obtencin de isolneas. Para analizar con detalle estas estaciones se
realizaron dos estudios:
a) En primer lugar se incorpor un grid de relieve al mapa de estaciones, que se
recoge en el mapa 5, con el fin de estudiar su ubicacin y ver si era posible
que la influencia de algn parmetro de orientacin o de altitud de la
estacin justificara el cambio de valor respecto a estaciones prximas. Se
comprob que cinco de las siete estaciones se corresponden con
emplazamientos de montaa, Grazalema (5911) en la Sierra de Grazalema,
176
Navacerrada (2462) en la sierra de Guadarrama, Guadalupe (4245) en la

Sierra de Guadalupe, P.Porma (2633) en Picos de Mampodre, y
Guadarranque (6024) en las estribaciones de la Serrana de Ronda, aunque
esta caracterstica no es aplicable ni a Santiago (1428) - aunque se encuentra
en un enclave rodeado de cadenas montaosas- ni a Arnao (1212) que se
encuentra muy prximo a la costa.
En la tabla 57 queda recogida la cota de las estaciones analizadas. Todas ellas se
encuentran a una cota importante excepto Guadarranque (6024), Santiago (1428), y
Amao(1212).
Mapa 5 - Mapa de relieve junto con las estaciones disponibles en la Espaa Peninsular. En rojo las
estaciones con un valor de "K" ms bajo,
177
Estacin
Cdigo
Cota(m)
Grazalema
5911
995
Navacerrada
2462
1722
Guadalupe
4245
552
Santiago
1428
334
P-Porma
2633
1073
Amao
1212(e)
15
Guadarranque
6024
212
Tabla 57.- Cota de situacin de las estaciones con los parmetros "K" y "a" ms bajos.
b) En segundo lugar se compar el valor de "R" - ndice de Erosin Pluvial en la

ecuacin universal de prdidas de suelo-, y el ndice de Agresividad de la lluvia de
Foumier "F"^ obtenidos en estas estaciones y en estaciones prximas. Estos factores
evalan aspectos erosivos de los aguaceros y estn vinculados a valores extremos de
precipitacin, -I30 en el caso del factor R- y el cociente de la precipitacin mxima
mensual entre la anual, en el caso del ndice Foumier "F". Si estos parmetros son
tambin diferentes respecto a las estaciones prximas confirmara la peculiaridad del
comportamiento de la precipitacin en estas estaciones.
Los factores que se obtienen se recogen en la tabla 58, tabla en la que se ha
asociado un mismo color a cada una de las siete estaciones que presentan valores bajos
de los parmetros de la curva I-D, y a la estacin/estaciones prximas con las que se
compara.
Se puede comprobar que las estaciones objeto de estudio tambin presentan
diferencias en los parmetros "F" y "R" respecto a las estaciones con las que se
compara, salvo en Amao(1212e) - que se compara con Gijn (1208) y Rann(1212)-, y
P-Porma -que se compara con Compuerto (2363)-. En ambos casos las estaciones con
' "Agresividad de la lluvia en Espaa. Valores del factor R en la ecuacin universal de prdidas de suelo",
ICONA(1988)
178
que se comparan se encuentran muy prximas a la estacin en estudio y los parmetros

apenas varan. Para ver la situacin de las mismas se puede consultar el mapa 6.
Estacin
Cdigo
Estacin
Cdigo
Grazalema
5911
171
540
Ronda
6032
64
151
Navacerrada
2462
70
194
Avila
2444
19
73
Guadalupe
4245
61
125
Cceres
3469
41
75
Santiago
1428
105
306
La Corua
1387
39
125
P-Porma
2633
50
150
Compuerto
2363
49
142
Amao
1212
40
123
Gjn
1208
36
115
Guadarranque
6024
120
221
Rann
1212(e) 36
Algeciras
6006
104
340
Gaucn
6050
104
305
97
Tabla 58.- Factores F y R en las estaciones estudiadas y con las que se quiere comparar por su
proximidad.
'J' Guadarranque
Algeciras
A t ^:^
Mapa 6.-Estaciones analizadas, junto con las estaciones con las que se compara.
179
Todo ello induce a pensar que estas estaciones, y como combinacin de una
serie de factores orogrfcos y/o climticos presentan un comportamiento diferente
respecto de las estaciones prximas. Por ello, a la hora de trazar un mapa de isolneas se
decide
eliminar
esas
estaciones-
Guadalupe
(4245), Navacerrada
(2462),
Grazalema(5911), P.Porma (2633) y Guadarranque (6024) Santiago (1428) y Amao

(1212)- del proceso general del trazado de isolneas. En el mapa aparecern unas reas
sombreadas, correspondientes a esas zonas de incertidumbre: Santiago (1428), Amao
(1212) y las cadenas montaosas correspondientes en los otros casos.
El usuario, dependiendo de la situacin de la estacin en estudio, deber decidir
si utiliza los valores de la isolnea correspondiente, o los de la estacin prxima.
Teniendo en cuenta las consideraciones antes expuestas, se presentan los mapas
7 y 8 de isolneas de los parmetros "K" y "a" , realizados en Arc-view utilizando como
mtodo de interpolacin el mtodo SPLENE, y tomando para cada celda del grid las seis
estaciones ms prximas.
En el apndice III se incluye un anlisis de sensibilidad de los parmetros "K" y
"a", del que se traen aqui las principales conclusiones:
Conclusiones:
Los errores relativos que se derivan de estimar incorrectamente el valor de "K"

son mayores que los errores que se derivan de la estimacin incorrecta de "a",
en trminos absolutos,
Sin embargo, es ms difcil cometer errores en K que en "a", por el rango de

valojnes que adopta en Espaa:
Por lo tanto a la hora de estimar ambos valores de "K" y de "a" hay

que ser muy uidadoso, pero sobre todo n la adopcin del valor de "a".
180
ttiT'
MAPA DE ISOLINEAS "K

M 00,000
100,000
200,000
300.000
400,000
500,000
I
600.000
700,000
800.000
900,000
1,000,000
1,1X,000
/\y\so\\nea K
Estacin pluviogrfica
rea de incertidumbre {*)
ti
-*(**'''
Mapa 7.- Mapa de Isolneas "K"

'^
Escala 1:4.500.000
50000
-100,000
100,000
200,000
300,000
400,000
500,000
600,000
700,000
800,000
900,000
1,000,000
O 50000 100000 Metros
1,100,000
UTM referidas al huso 30

('). Ver epgrafe 6.2.1 dei texto
ft^f
MAPA DE ISOLINEAS "a

-100.000
100,000
200,000
300,000
400.000
500,000
600,000
700,000
800,000
900,000
1,000,000
1,100,000
/ \ / Isolnea a
Estacin pluviogrfica
rea de incertidumbre (*)
c:j
..^^f
Mapa 8.- Mapa de Isolneas "a"

Escala 1:4.500.000
50000
100,000
(*). Ver epgrafe 6.2.1 del texto
100,000
200,000
300,000
400,000
500,000
600.000
700,000
800,000
900,000
1,000,000
O 50000 100000
1,100,000
UTM referidas al huso 30
Metros
6.2.2.- FUNCIONES h{T).

Para poder obtener una funcin adecuada, "h(T)", funcin del perodo de
retomo, y que en la presente Tesis coincide con el cociente de cuantiles adimensionales,
se calcul en cada estacin con pluvigrafo el cociente
CAL(T)/CAF(T),
CAC(T)/CAF(T)
que se recogen en las tablas 59 y 60.
Donde,
CAc(T), es el cuantil adimensional para la estimacin de intensidades mximas
correspondientes a cortas duraciones y al perodo de retomo de T aos en la
estacin con pluvigrafo considerada.
CAL(T)
, es el cuantil adimensional para la estimacin de intensidades mximas
correspondientes a largas duraciones y al perodo de retomo de T aos en la

estacin con pluvigrafo considerada
CAF(T)
, es el cuantil adimensional para la estimacin de precipitaciones mximas
anuales correspondientes al perodo de retomo de T aos en esa misma estacin

obtenido en "Mximas lluvias diarias en la Espaa Peninsular" (1999).

Estacin
34
111
201
222
225
370
429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
2
1,0045
1,0341
1,0156
0,9821
1,0268
1,0268
1,0045
1,0033
0,9847
0,9847
1,0206
1,0206
0,9989
0,9772
0,9989
1,0098
0,9555
0,9601
0,9772
0,9385
0,9795
0.9871
5
1,0518
0,9864
0,9812
1,0597
0,9733
0,9812
1,0047
1,0065
1,0484
1,0323
1,0271
1,0271
1,0189
1,0600
1,0682
1,0271
1,1093
1,0918
1,0518
1,1166
1,0899
1,0351
10
25
50
100
200
500
1,0846
0,9584
0,9813
1,1039
0,9490
0,9619
1,0200
1,0062
1,1028
1,0756
1,0292
1,0292
1,0153
1,0987
1,1057
1,0501
1,1822
1,1661
1,0987
1,2155
1,1571
1,0614
1,1105
0,9299
0,9614
1,1414
0,9203
0,9357
1,0180
1,0067
1,1378
1,1043
1,0335
1,0277
1,0219
1,1432
1,1432
1,0681
1,2818
1,2456
1,1432
1,3286
1,2208
1,0854
1,1239
0,9181
0,9596
1,1684
0,9151
0,9240
1,0173
1,0089
1,1647
1,1257
1,0403
1,0301
1,0301
1,1780
1,1780
1,0811
1,3412
1,2898
1,1678
1,3943
1,2580
1,1003
1,1369
0,9072
0,9474
1,1910
0,8933
0,9165
1,0247
1,0127
1,1947
1,1388
1,0405
1,0270
1,0315
1,2027
1,2027
1,0856
1,3874
1,3433
1,1937
1,4552
1,3060
1.1074
1,1474
0,8900
0,9465
1,2053
0,8887
0,9091
1,0283
1,1493
1,2113
1,1540
1,0444
1,0282
1,0363
1,2258
1,2177
1,0927
1,4274
1,3777
1,2177
1,5075
1,3322
1,1280
1,1652
0,8824
0,9409
1,2351
0,8797
0,9030
1,0283
1,0159
1,2409
1,1745
1,0526
1,0385
1,0456
1,2504
1,2469
1,1056
1,4836
1,4317
1,2469
1,5712
1,3744
1,1453
183
Estacin
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
3196
3200
3259
3469
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980a
9981
6325o
2
0,9688
0,9881
0,9229
0,9989
0,9663
0,9709
0,9601
0,9632
1,0011
0,9416
0,9848
0,9848
0,9848
0,9902
0,9160
1,0226
0,9817
1,0032
1,0088
0,9956
1,0341
1,0011
0,9791
0,9284
0,9438
1,0079
0,9966
1,0079
0,9823
1,0306
0,9853
0,9555
0,9555
0,9924
0,9681
1,0121
0,9934
0,9737
1,0379
1,0156
0,9605
5
1,0899
1,0353
1,0764
1,0271
1,0929
1,0670
1,1001
1,0882
1,0531
1,0800
1,0305
1,0387
1,0470
1,0286
1,1120
1,0483
1,0505
1,0174
1,0137
1.0405
0,9703
1,0024
1,0505
1,0642
1,0628
1,0146
1,0453
1,0453
1,0518
1,0069
1,0146
1,1175
1,0764
1,0552
1,0666
1,0585
1,0916
1,1532
1,0283
1,0126
1,0563
10

100
25
50
1,1643
1,0640
1,1613
1,0501
1,1613
1,1307
1,1802
1,1665
1,0858
1,1595
1,0611
1,0752
1,0892
1,0581
1,2115
1,0643
1,0954
1,0106
1,0243
1,0832
0,9316
0,9987
1,0992
1,1381
1,1160
1,0215
1,0585
1,0646
1,1015
0,9969
1,0277
1,2031
1,1474
1,1020
1,1193
1,0992
1,1480
1,2594
1,0329
1,0200
1,1056
1,2328
1,0970
1,2471
1,0739
1,2356
1.1862
1,2811
1,2347
1,1219
1,2347
1,0891
1,1066
1,1241
1,0876
1,3217
1,0712
1,1388
1,0202
1,0343
1,1040
0,9027
0,9897
1,1310
1,2086
1,1809
1,0251
1,0832
1,0832
1,1435
0,9768
1,0348
1,3048
1,2125
1,1361
1,1746
1,1202
1,2190
1,3664
1,0283
1,0180
1,1452
1,2792
1,1219
1,3106
1,0913
1,2902
1,2272
1,3211
1.2902
1,1452
1,3005
1,1192
1,1399
1,1606
1,1050
1,3947
1,0828
1,1697
1,0235
1,0370
1.1178
0.8803
0,9938
1.1595
1,2451
1,2126
1,0230
1,0887
1.0970
1,1707
0,9737
1,0477
1,3717
1,2596
1,1622
1,2068
1,1406
1,2453
1,4327
1,0262
1,0173
1,1735
1,3251
1,1306
1,3514
1,0946
1,3243
1,2640
1,3806
1,3247
1,1506
1,3431
1,1270
1,1546
1,1822
1,1151
1,4599
1,0915
1,1894
1,0261
1,0395
1,1371
0,8656
0,9863
1,1819
1,2804
1,2445
1,0302
1,1012
1,1083
1,1915
0,9663
1,0515
1,4189
1,2973
1,1881
1,2318
1,1569
1,2818
1,4912
1,0325
1,0247
1,1957
200
500
1,3535
1,1452
1,3992
1,1048
1.3589
1,2898
1,4196
1,3599
1,1644
1,3763
1,1339
1,1668
1,1915
1,1248
1,5091
1,0974
1,2060
1,0343
1,0439
1,1536
0.8456
0,9934
1,2001
1,3175
1,2686
1,0342
1,1118
1,1180
1,2092
0,9689
1,0590
1,4677
1,3266
1,2058
1,2592
1.1780
1,2999
1,5285
1,0283
1,0215
1,2167
1,3969
1,1692
1,4553
1,1197
1,4129
1,3289
1,4684
1,4111
1,1860
1,4219
1,1526
1,1813
1,2172
1,1445
1,5814
1,1115
1,2372
1,0352
1,0466
1.1692
0,8408
0,9910
1,2276
1,3480
1,3026
1,0345
1,1266
1,1266
1,2418
0,9581
1,0634
1,5260
1,3776
1,2259
1,2916
1,1957
1,3421
1,5992
1,0283
1,0283
1,2386
Tabla 59.-Valores del cociente CAe(T)/CAF(T) en las estaciones con pluvigrafo.
184

Estacin
34
111
201
222
225
370
429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
3196
3200
3259
3469
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
2
1,0156
1,0121
0.9821
1,0045
0,9821
1,0045
0,9263
1,0142
0,9409
1,0175
0,9772
0,9989
1,0098
1,0098
1,0206
1,0206
1,0098
1,0140
0,9989
0,9817
1,0118
0,9979
1,0118
1,0098
0,9446
1,0098
1,0098
1,0248
0,9493
0,9848
1,0120
1,0065
0,9848
0,9957
1,0065
0,9902
1,0251
1,0334
0,9385
0,9924
0,9868
0,9956
1,0231
1,0451
0,9901
0,9172
1,0449
0,9400
1,0079
5
0,9969
1,0024
1,0440
1,0440
1,0518
1.0047
1,0283
1,0065
0,9919
1,0000
1,0518
1,0107
1,0107
0,9532
1,0435
1,0025
0,9860
1,0091
1,0271
1,0256
0,9983
1,0601
0,9734
1,0435
1,0271
1,0846
1,0107
1,0256
0,9843
0,9893
1,0204
1,0140
1,0305
1,0387
1,0552
1,0204
1,0065
1,0399
1,1249
1,0256
1,0137
1,0326
0,9783
0,9463
1,0505
1,0876
1,0240
1,0223
1,0069
10
0,9942
0,9987
1.0846
1,0781
1,0846
1,0200
1,0910
0,9993
1,0211
1,0007
1,0918
1,0083
1,0014
0,9110
1,0640
0,9875
0,9597
1,0035
1,0431
1,0459
0,9857
1,1047
0,9571
1,0709
1,0709
1,1196
1,0083
1,0247
0,9965
0,9838
1,0235
1,0190
1,0471
1,0682
1,0892
1,0443
0,9925
1,0600
1,2226
1,0459
1,0445
1,0700
0,9517
0,8914
1,0925
1,1765
1,0219
1,0585
1,0031
25
0,9871
0,9897
1,1208
1,1003
1,1208
1,0180
1,1414
0,9955
1,0429
0,9927
1,1316
1,0162
1,0046
0,8634
1,0855
0,9815
0,9527
1,0024
1,0566
1,0735
0,9814
1,1463
0,9396
1,0970
1,1259
1,1663
1,0104
1,0261
1,0142
0,9785
1,0361
1,0192
1,0658
1,0891
1,1124
1,0590
0,9786
1,0533
1,3523
1,0676
1,0675
1,0828
0,9244
0,8428
1,1310
1,2596
1,0164
1,1025
1,0058
50
0,9862
0,9844
1,1417
1,1151
1,1417
1,0173
1,1861
0,9990
1,0624
0,9644
1,1627
1,0199
1,0097
0,8669
1,1015
0,9842
0,9434
1,0026
1,0709
1,0862
0,9766
1,1650
0,9236
1,1219
1,1627
1,1882
1,0097
1,0235
1,0235
0,9896
1,0347
1,0363
1,0881
1,1192
1,1399
1,0748
0,9792
1,0510
1,4151
1,0757
1,0754
1,0994
0,9134
0,8093
1,1500
1,3152
1,0034
1,1175
0,9984
100
200
500
0,9783
0,9863
1,1601
1,1292
1,1601
1,0247
1,2104
0,9996
1,0786
0,9841
1,1757
1,0270
1,0090
0,8468
1,1036
0,9730
0,9279
0,9981
1,0766
1,0961
0,9724
1,1847
0,9199
1,1216
1,1847
1,2117
1,0090
1,0261
1,0354
0,9936
1,0351
1,0396
1,0994
1,1270
1,1546
1,0795
0,9733
1,0677
1,4785
1,0961
1,0904
1,1129
0,8989
0,7865
1,1652
1,3602
1,0007
1,1403
0,9947
0,9806
0,9860
1,1747
1,1406
1,1815
1,0215
1,2326
1,1229
1,0852
0,9820
1,2016
1,0282
1,0040
0,8387
1,1129
0,9718
0,9234
1,0008
1,0847
1,1097
0,9735
1,2021
0,9052
1,1371
1,2097
1,2339
1,0121
1,0260
1,0427
0,9819
1,0416
1,0312
1,1052
1,1339
1,1668
1,0851
0,9685
1,0632
1,5327
1,1013
1,0965
1,1321
0,8900
0,7681
1,1854
1,4080
0,9942
1,1615
0,9969
0,9758
0,9910
1,1885
1,1535
1,1885
1,0224
1,2700
0,9888
1,1048
0,9821
1,2257
1,0314
1,0102
0,8230
1,1339
0,9679
0,9219
0,9985
1,1021
1,1307
0,9651
1,2337
0,8975
1,1551
1,2398
1,2575
1,0173
1,0279
1,0573
0,9838
1,0443
1,0341
1,1203
1,1454
1,1885
1,1030
0,9617
1,0665
1,6116
1,1160
1,1118
1,1446
0,8760
0,7449
1,2084
1,4482
0,9956
1,1766
1,0003
185
Estacin
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980a
9981
6325o
2
0,9513
0,9934
1,0079
1,0079
0,9772
1,0206
1,0142
0,9901
1,0341
1,0265
0,9956
1,0156
0,9933
0,9266
10
1,0607
1,0199
1,0069
1,0069
1,0929
1,0189
1,0065
1,0666
1,0585
0,9960
1,0081
0,9890
1.0361
1,0717
Perodo de retorno (aos)

25
50
100
1,1138
1,0484
1,0092
1,0154
1,1544
1,0153
0,9993
1,1126
1,0858
0,9887
1,0279
0,9813
1,0652
1,1429
1,1654
1,0680
1,0058
1,0155
1,2125
1,0219
0.9955
1,1528
1,0875
0,9817
1,0429
0,9666
1,0797
1,2135
1,1997
1,0681
1,0066
1,0148
1,2596
1,0301
0,9990
1,1784
1,1027
0,9701
1,0526
0,9685
1,1062
1,2568
1,2256
1,0887
1.0089
1,0160
1,2883
1,0270
0,9996
1,1985
1,1111
0,9655
1,0529
0,9551
1,1137
1,2926
200
500
1,2422
1,0966
1,0093
1,0155
1,3266
1,0282
0,9918
1,2223
1,1152
0,9622
1,0546
0,9534
1.1270
1.3170
1,2688
1,1069
1,0055
1,0213
1,3705
1,0314
0,9956
1,2564
1,1285
0,9595
1,0650
0,9467
1,1360
1,3644
Tabla 60.-Valores del cociente CAL(T)/CAF(T) en las estaciones con pluvigrafo.
Se ajust una ley para coitas duraciones, hc(T), y otra para largas duraciones, hiST),
considerando el valor medio de los cocientes de los cuantiles adimensionales. En las
figuras 31 y 32 se han representado los valores medios, para cada perodo de retomo, de
los cocientes de los cuantiles adimensionales, y el logaritmo neperiano de los perodos
de retomo correspondientes. Se obtuvieron coeficientes de correlacin muy altos.
Para largas duraciones lafioncintiene la siguiente expresin:
/ (7)=-0,0019* iLf(T)f + 0,0299* Lu(T) + 0,9785
Donde:
Ln (T), es el logaritmo neperiano del perodo de retomo, T(aos).
hL(T), es el valor medio del cociente CAL/CAF de cada perodo de retomo.
hl(Li^T))niedhiS
""Polnenca (mae}
Figura 31,- Cociente de cuantiles CAL/CAF para largas duraciones frente a Ln(T).
186
ESTACIONES SIN PLUVIGRAFO, RESULTADOS
Y para cortas duraciones, la expresin de h(T) es la siguiente:
Donde:
Ln (T), es el logaritmo neperiano del perodo de retomo, T(afios).
hc(T), es el valor medio del cociente de CAc/CAp de cada perodo de retomo.
T, es el perodo de retomo en aos.
hc(Ln|T))nisd)ae
Figura 32.- Cociente de cuantiles CAc /CAFERRER para cortas duraciones frente a Ln{T).
Los coeficientes de correlacin obtenidos fueron, para cortas duraciones de

0,994, y para largas duraciones de 0,9978.
En el Apndice IV se desarrolla una aplicacin prctica de la metodologa

expuesta para estimar la Intensidad mxima para una duracin y perodo de retomo en
un punto cualquiera dentro de la Espaa Peninsular.
187
ESTACIONES SIN PLUVIGRAFO. DISCUSIN
6.3.-DISCUSION.
El mtodo propuesto en la Tesis para la estimacin de I(d,T)- Intensidad mxima

para una duracin, d, y perodo de retomo, T, - en cualquier punto de la Espaa
Peninsular tiene, respecto al que se aplica siguiendo la Instruccin de carreteras 5.2-IC,
las siguientes ventajas:
p La funcin g(d) aqu propuesta, si bien es de tipo potencial, similar a la de la
Instruccin incorpora:
-
Un parmetro adicional -a- que la dota de mayor flexibilidad y permite

acomodarse mejor a la variabilidad observada.
Para el trazado de los mapas de iso-K e iso-a, un mayor nmero de

estaciones pluviogrficas, 63, frente a las 21 utilizadas en la ltima versin
de la Instruccin. El nmero de registros en aquellas estaciones que tambin
se utilizaron en la Instruccin es mayor puesto que ha transcurrido un mayor
nmero de aos, y en el resto, cuentan con ms de 20 aos.
o Con la incorporacin de las funciones IL (T) y hc(T), aprovecha los beneficios del
proceso de regionalizacin- robustez y carcter conservador de las estimas- en la
estimacin de cuantiles adimensionales para cortas duraciones (d<l hora) y largas
duraciones(d>l hora).
Q Al suministrar en los mapas de iso-K e iso-a los valores puntuales correspondientes
a las estaciones con pluvigrafo, permite que el usuario, segn el conocimiento que
disponga de las caractersticas pluviomtricas, fsiogrfcas, y de localizacin del
punto donde quiera realizar la estima de I(d,T), pueda decantarse por:
-
El uso de los mapas.
La asignacin de los valores de "K" y "a" de la/las estaciones con

pluvigrafo prximas, ponderndolos con el procedimiento que estime ms
oportuno (por ejemplo, el inverso del cuadrado de la distancia).
188
7.-CONCLUSIONES FINALES
CONCLUSIONES FINALES
Dentro del mbito de la hidrometeorologa, el trabajo de Tesis Doctoral

desarrollado, ha tratado de profundizar en el estudio de las intensidades mximas
anuales, para distintas duraciones y perodos de retomo, como elemento fundamental
para la estimacin de caudales, todo ello en el marco de la Espaa Peninsular.
De los resultados obtenidos en estaciones con pluvigrafo se deduce:
1.- Es posible aplicar la metodologa conocida como regionalizacin en cada una
de las estaciones, obtenindose dos regiones homogneas en cada ima de ellas: la
regin de cortas duraciones (series con duraciones < 60 minutos) y de largas
duraciones (con series de duraciones > 60 minutos).
2.- La ley SQRT-ET mx presenta un adecuado comportamiento para reproducir
las propiedades estadsticas de la variable Intensidad mxima para distintas
duraciones.
De la comparacin de las intensidades mximas, para cada duracin y perodo de
retomo, deducidas en la presente Tesis con las obtenidas por el INM (2003), y se ha
llegado a una serie de conclusiones;
3.- En conjunto, las estimas de la Intensidad mxima para cada duracin y
perodo de retomo obtenidas al aplicar el mtodo de regionalizacin en la
presente Tesis se sitan del lado de la seguridad respecto de las que han
obtenido por el INM.
4.-Al comparar ambos mtodos se demuestra la ventaja que ofrece el mtodo de
regionalizacin frente a los mtodos tradicionales, ya que al agrupar varias series
para formar ima regin homognea es posible que un dato alto- que no se haya
189
presentado en una serie-, s se presente en otra, y de esta manera, los ajustes

mejoren sustancialmente.
5.-La ventaja que se ofrece en el ptmto anterior se toma en otra ventaja aadida
si se tiene en cuenta que, en general, los perodos de retomo que se manejan son
altos, y es por tanto en esa parte de la curva donde reside el inters de la estima,
justamente donde los datos escasean. Teniendo la seguridad de que la regin es
homognea, las estimas se podrn realizar con menos incertidumbre.
6.-AS mismo, de la comparacin entre ambas metodologas se puede concluir,
que el mtodo de regionalizacin resulta mucho ms robusto, esto es ms
estable, ante la presencia/ausencia de un dato de la serie.
En la tercera parte del trabajo, que analiza y plantea vas alternativas para
extender los resultados obtenidos en estaciones con pluvigrafo a estaciones que
carezcan de l se puede concluir:
7.- Que la metodologa propuesta en la presente Tesis ofrece xma mejora en las
estimas frente a la metodologa actualmente utilizada por varios motivos:
7.1.- Porque la funcin g(d) aqu propuesta, si bien es de tipo potencial,

similar a la de la Instruccin 5.2-IC, incorpora un parmetro adicional - a que la dota de mayor flexibilidad y permite acomodarse mejor a la
variabihdad espacial observada.
7.2.- Porque en el trazado de los mapas iso-K e iso-a, se ha contado con un
mayor nmero de estaciones pluviogrfcas, 63,frentea las 21 utilizadas en la
ltima versin de la Instruccin.
7.3.- Porque el nmero de registros en aquellas estaciones que tambin se
utilizaron en la Instruccin es mayor puesto que ha transcurrido un mayor
nmero de aos, y el resto de las estaciones, utilizadas solamente en la
presente Tesis, cuentan con ms de 15 afios.
190
7.4.-Porque al incorporar las funciones HL (T) y hc(T), se aprovechan los

beneficios del proceso de regionalizacin- robustez y carcter conservador de
las estimas- en la estimacin de cuantiles adimensionales para cortas
duraciones (d<l hora) y largas duraciones(d>l hora).
8.- Adems, al suministrar en los mapas de iso-K e iso-a los valores puntuales
correspondientes a las estaciones con pluvigrafo, permite que el usuario, segn el
conocimiento que disponga de las caractersticas pluviomtricas, fsiogrfcas, y de
localizacin del punto donde se quiera realizar la estima de I(d,T), pueda decantarse
por:
-
El uso de los mapas.
La asignacin de los valores de "K" y "a" a partir de la/las estaciones con

pluvigrafo prximas, ponderndolos con el procedimiento que estime ms
oportuno (por ejemplo, el inverso del cuadrado de la distancia).
9.-Se podr calcular la intensidad mxima para cualquier duracin y perodo de retomo
en cualquier punto de la Espaa Peninsular a partir de la lectura, en el mapa interactivo
que se presenta. Al marcar en el mapa el punto considerado, ste proporciona los
parmetros requeridos y calcula automticamente la intensidad mxima- para cada
duracin y perodo de retomo - con las ventajas que esto supone para el usuario.
191
8.-BIBLIOGRAFA
BffiLIOGRAFIA
AGREMN, M.C. y SINCLAIR, C.D., 1986. Classification of drainage basins

according to their physical characteristcs: An application for flood frequency analysis
in Scotland. Journal ofHydrology, 84, pp 365-80.
ALVAREZ, M., PUERTAS, J., SOTO, B. , y DAZ FIERROS, F., 1999. Anlisis
regional de las precipitaciones mximas en Galicia mediante el mtodo del ndice de
avenida. Ingeniera del Agua, vol 6,( 4), pp 379-385.
BAGHIRATHAN,V.R. y SHAW, G.M., 1975. Rainfall deph-duration-frequency
studies for Sri-Lanka. J. Hydrol, 37, pp 223-239.
BEDIENT,P.B. HUBER,W.C., 1992. Hydrology and Floodplain Analysis. AddisonWesley Publishing Company, 692 pp.
BERNARD, M.M., 1932. Formulas for rainfall intensities of long durations. Trans
^5C,96,pp 592-624.
BEKNIER,1993. en U.S. National Report to lUGG, 1991-1994. Rev geoghys vol I.
BERGA, L., 1987. Las inundaciones: sistemas de alarma y previsin. En "Curso de
riesgos geolgicos" celebrado en Madrid. Ed IGME.
BELL, F. C, 1969. Generalized rainfall-duration frequency relationship. Journal
Hydraulic Div. ASCE 95(1), pp 311-327.
BOES, D.C., HEO, J.H., y SALAS, J.D., 1989 Regional flood quantile estimation for a
WeibuU model. Water Resources Research, 22, pp 979-990.
BOUGHTON, W.C, 1980. A frequency distribution for annual floods. Water
Resources Research 16, pp
'iAl-SA.
BUISHAND,T.A., 1991. Extreme rainfall estimation by combining data from several
sites. Hydrological Sciences- Journal-des- Sciences Hydrologiques 36,4,8, pp 345-360.
BURN, D.H., 1990a. An appraisal of the 'regin of influence' approach to flood
frequency analysis. Hydrol. Sci. J., 35(2), pp 149-165.
BURN, D.H., 1990b. Evaluation of regional flood frequency analysis with a regin of
influence approach. Water Resour. Res., 2<5( 10), pp 2257-2265.
BURN, D.H. y GOEL, N.K. 2000. The formation of groups for regional flood
frequency analysis. Hydrological Sciences- Journal-des- Sciences Hydrologiques, 45
(l)pp97-112.
BURN, D.H., y BOORMAN, D.B., 1993. Estimation of hydrological para,meters at
engaged catchments. J.Hydrol. 143, pp 429-454.
192
BIBLIOGRAFA
CANTERFORD, R.P., PESCOD, N.R PEARCCE, N.H. TURNER, L.H. y

ATKINSON, R.J., 1987. Frequency analyss of Australian rainfall data as used for
flood analysis and design. In regional flood Frequency and risk analysis: Proc.Int Symp
on Flood Frequency and Risk analysis, May 14-17, 1986, Lousiana State University,
Baten Rouge, Usa. Reidel Boston. MA, pp 293-302.
CAVADIAS, G., 1990. The canonical correlation approach to regional flood estimation,
in Regionalization inHydrology, lAHS, Publ. No. 191, pp. 171-178.
CHIANG, S-M, TSAY,T-K y NK, S., 2002a. Hydrologic Regionalization of
Watersheds.I: Methodology Development. Journal of Water Resources Planning and
Management. January/February 2002/3 pp 11-19.
CHIANG, S-M, TSAY,T-K AND NIX,S., 2002b. Hydrologic Regionalization of
Watersheds H: Methodology Development. Journal of Water Resources Planning and
Management. January/February 2002/3
CHOW V.T. , MAIDMENT, D. R.,y MAYS, L.W., 1994. Hidrologa aplicada.
McGraw-Hill Interamericana, S.A. Santaf de Bogot, Colombia, 584pp.
CHOW, K.C.A. y WATT, W.E., 1990. A knowledge-based expert system for flood
frequency analysis. Can. J. Civ. Eng., 17, pp 597-609.
CHOWDHURY, J.U., STEDINGER, J.R. y LU, L-H., 1989. Goodness-of-fit tests for
regional generalized extreme valu flood distribution. Water Resour. Res., 27{1\ pp
1765-1776.
COHN, T.A. y STEDINGER, J. R., 1987. Use of historical Information in a mximum
likelihood framework. Journal ofHydology, 96, pp 215-23.
CUNNANE, C, 1987. Review of statistical methods for flood frequency estimation.
Hydrologic Frequency Modeling, edited by V.P. Singh, pp. 49-95, D. Reidel,
Dordrecht.
CUNNANE, C, 1988. Methods and merits of regional flood frequency analysis, J.
Hydrol, 100, pp269-290.
DALRYMPLE, T. 1960. Flood Frequency analysis. U.S.G.S. Water Supply Paper,
1543-A.
DAVIAU, J-L., ADAMOWSKI, K. y PATRY, G. G., 2000. Regional flood frequency
analysis using GIS, L-Moment and geostatistical methods. Hydrological Processes 14,
pp 2731-2753.
DAVISON, A.C. y SMITl R. L., 1990. Models for exceedances over high thresholds,
J.R. Statist. Soc. B., 52(3), pp 393-442.
DE COURSEY, D.G., 1973. Objetive regionalization of peak flow rates. Floods and
Draughts, Proceedings of the Second International Symposium in Hydrology, Fort
CoUins, Colorado, edited by E.L. Koelzer, E.L., Koelzer V.A., and Mahmood, Water
Resources Publications, pp395-405..
193
BIBLIOGRAFA
ETOH, T. A. MUROTA, M. y NAKAMSHKI, M., 1986. SQRT-Exponential Type

Distribution of Mximum. Proceeding of International Symposium on Flood Frequency
and Risk Analysis, Lousiana, pp 253-265.
FERRERI, G.B. y FERRO, V., 1990. Short Duration Rainfalls in Sicily. Journal of
Hydraulic Engineering 116, 3, pp 430-435.
FERRER, F. J., 1991. Frequency analysis of daily rainfall annual mximum series in
Guadalhorce Basin. Proc. XXIV lAHR Congress. Madrid (Espaa).Yol. A., pp 21-30.
FERRER, F. J., 1996 Mtodos de regionalizacin. En Curso sobre : Mtodos para el
clculo hidrometeorolgico de crecidas. CEDEX. MOPU. Madrid.
FERRER, F. J., y ARDILES, L., 1994. Anlisis estadstico de las series anuales de
mximas lluvias diarias en Espaa. Ingeniera Civil/95, pp 87-100.
FERRER, F. J., y MATEOS, C, 1999. Anlisis de mximas lluvias diarias. Un nuevo
mtodo regional de estimacin de parmetros de la funcin de distribucin SQRT-ET
mx. Ingeniera Civil 115/1999, pp 109-118.
FIORENTINO, M., GABRIELE, S. ROSSI, F. y VERSACE, P., 1987 Hierarchical
approach for regional flood frequency analysis, in Regional Flood Frequency Analysis,
edited by V.P Singh, pp. 35-49, D. Reidel, Norwell, Mass.
FRANCS, F., 1998 Utilizacin de la funcin de distribucin TCEV con informacin
no sistemtica dentro del anlisis regional. Aplicacin a los ros Jcar y Tuna.
Ingeniera del Agua vol 5 nl, pp 47-58.
FREDERICK R.H., MBYERS, V.A. y E.P. AUCIELLO., 1977. Five and sixty Minute
Precipitation Frequency for Eastem and Central United States. NOAA tech.
Memorndum Hy-o-SS, Slver sprngs, Md.
FREND, 1989. Flow Regimens from Expermental and Network Data. Institute of
Hydrology. Wallingford, U.K., en FERRER,J. Y ARDILES,L.1995., Anlisis
estadstico de las series anuales de mximas lluvias diarias en Espaa.
GABRIELE, S. y ARNELL, N., 1991. A hierarchical approach to regional flood
frequency analysis, Water Resour. Res., 27{6), pp 1281-1289.
GREENWOOD, J.A., LANDWEIHR J.M. MTALAS N.C., y WALLIS J. R., 1979.
Probability Weighted Moments: defnitions and relation to parameters of distributions
expressed in inverse form. Water Resouces Research 15 (5). pp 1049-1054.
GREIS, N. y WOOD, E.F., 1981. Regional flood frequency estimation and network
design. Water Resources Research, 17, pp 1167-77.
GUO, S.L. y CUNNANE, C, 1991. Evaluation of the usefulness of historical and
palaeological floods in quantile estimation, J. HydroL, 129, pp 245-262.
GUTTMAN, N.B,,1993. The use of L-Moments in the determination of regional
precipitation climates. Journal of Climate, 6, pp 2309-25.
194
BIBLIOGRAFA
HABERLANDT, U., 1998. Stochastic Rainfall Synthesis Using Regionalized Model

Parameters. Journal ofHydrologic Engineering/jvHy, ppl60-168
HERSHENHORN, J. y WOOLISHER, D. A., 1987. Desagragations of daily rainfalls.
Journal ofHydrologic, 95 (3/4), pp 299-322.
HERSHFIELD, D.M., 1961. Rainfall frequency Atlas of the United States for durations
from 30 minutes to 24 hours and retum periods from 1 to 100 years. Tech. Paper 40,
U.S. Weather Bureau, Washington, D.C.
HOSKING, J.R.M., 1986. The theory of probability weighted moments, Research Rep.
RC12210, IBM Research Divisin, Yorktown Heights, NY, 160 pp.
HOSKING, J.R.M., 1990. L-moments: Analysis and estimation of distributions using
linear combinations of order statistics. Journal of the Royal Statistics Sociey, Series
B,52. pp 105-124.
HOSKING, J. R.M y WALLIS, J.R., 1986. The valu of historicalk data in flood
frequency analysis. Water Ressources Research, 24. pp 588-600.
HOSKING, J. R.M. y WALLIS, J.R., 1987. Parameter and quantile estimation for the
generalized Pareto distribution. Technometrics, 29(3), pp 339-349.
HOSKING, J. R.M. y WALLIS, J.R., 1988. The effect of intersite dependence on
regional flood frequency analysis. Water Resour. Res., 24(4), pp 588-600.
HOSKING, J. R.M y WALLIS, J.R., 1993. Some statistics useful in regional frequency
analysis. Water Resour. Res., 29(2), pp 271-281.
HOSKING, J. R.M. y WALLIS, J.R., 1997. Regional Frequency Analysis. Cambridge
University Press. 224 pp.
HOSKING, J.R., WALLIS, J.R. y WOOD, E. F., 1985. Estimation of the generalized
extreme valu distribution by the method of probability weighted moments.
Technometrics, 27 (3) pp 251
JAKOB, D., REED, D.W. y ROBSON,A. J., 1999. Choosing a pooling group, chapter
C6 in Flood Estimating Handbook, vol 3, Statistical Procedures for Flood Frequency
Estimation. Institute of Hydrology, Wallingford, U.K.
JIN, M. y STEDINGER, J. R., 1989. Flood frequency analysis with regional and
historical information. Water Resources Resources. 25 (5), 925-939.
KACHROO, R.K., MKHANDI, S. H. y PARIDA, B. P., 2000. Flood frequency
analysis of southem frica: I Delineation of homogeneous regions. Hydrological
Sciences- Journal-des- Sciences Hydrologiques 45 (3), pp 437-447.
KOTHYARY, U. C. AND GARDE, R.J., 1992. Rainfall intensity-duration-frequency
formula for India. Journal ofHydraulic Engineering. Vol 118,(2), pp 323-335.
KOUTSOYIANNIS, D., 1994. A sthocastic disaggregation method for design storm
aand flood synthesis. Journal of Hydrology, 156. pp 193-225.
195
BBLIOGRAFIA
KOUTSOYIANNIS, D., 1996. Statistical Hydrology. National Technical University

Press Athens (In Greek) en: A mathemamatical framework for studying rainfall
intensity -duration- frequency relationaships. KOUTSOYIANNIS, D. KOZONIS, D. y
MANETAS, A, 1998. JournalofHydrology 206 , ppll8-135.
KOUTSOYIANNIS, D. KOZONIS, D. y MANETAS, A., 1998. A mathematical
framework for studying rainfall intensity-diiration-frequency relationships. Journal of
Hydrology 206, ppll8-135.
LANDWEHR, J.M., MTALAS, N.C., y WALLIS, J.R., 1979. Probabilty-weighted
moments compared with some traditional techniques in estimating Gximbel parameters
and quantiles. Water Resources Research 15, pp 1054-64.
LAURSEN, E.M., 1983. Comment on "Paleohydrology of southwestem Texas" by
KOCKEL,R.C. BAKER, V.R.AND PATTON P.C. Water Resources Research 21, pp
1339.
LEESE,M.N., 1973. Use of censored data in the estimation of of Gumbel distribution
parameters for annual mximum flood series. Water Reources Research, 9, pp 1534-42.
LETTENMAJER, D. P. y POTTER, K.W., 1985. Testing Flood frequency estimations
methods using a regional ood generation model. Water Resources Research,21, pp
1903-1914.
LETTENMAIER, D. P. WALLIS, J.R. y WOOD, E.F., 1987. Effect of regional
heterogeneity on flood frequency estimation.Water Resources Research, 23, pp 313323.
LLASAT, M. C, 1998. Una clasificacin de los episodios pluviomtricos para su
utilizacin en hidrologa. Aplicacin a la serie de intensidad de lluvia en Barcelona.
Ingeniera Civil 112, pp 35-44.
LU, L.-H. y STEDINGER, J. R., 1992. Sampling variance of normalized GEV/PWM
quantile estimators and a regional homogeneity test. J. Hydrol, 138, pp 223-245.
MAIDMENT, D.R., 1993. Handbook of Hydrology. McGrawHill. Usa. 697 pp.
MTALAS, N.C., SLACK, J.R. y WALLIS, J.R., 1975. Regional skew in search of a
parent. Water Resources Research, 7/(6), pp 815-826.
MCMAHON, T. A. y SRIKANTHAN., 1982. Log-Pearson Type 3 distribution efect of
dependence, distribution parameters and sample size on peak annual flood estimates.
Journal ofHydrology 52, ppl49-59.
MICHELE, C. y ROSSO, R., 2001. Uncertainty Assesmente of Regionalized Flood
Frequency Estimates. Journal of Hydrologic '?7gz>7eerwg/November/December, pp
453-459.
MILLER, J. B.1997. Floods, People at Risk, Strategies for Prevention. United Nations
Publication, 92 pp.
MILLER, J.F., FREDERICK R.H., y TRACEY, R.J., 1973. Precipitation-Frequency
Atlas of the Conterminous Western United States (by States), NOAA, Atlas 2, National
Weather Service, Silver Spring, Md.
196
BIBLIOGRAFA
MINISTERIO DE FOMENTO. DmECCION GENERAL DE CARRETERAS. 1999.

Mximas lluvias diarias en la Espaa Peninsular. Serie monografas. Centro de
Publicaciones, pp28,2h., 25 h pleg de map.
MINISTERIO DE MEDIO AMBIENTE. DIRECCIN GENERAL DEL INSTITUTO
NACIONAL DE METEOROLOGA., 2003. Curvas de Intensidad-duracin-frecuencia
(CD). Secretara General Tcnica. Centro de Publicaciones (M.M.A.).
MINISTERIO DE MEDIO AMBIENTE. DIRECCIN GENERAL DEL INSTITUTO
NACIONAL DE METEOROLOGA. 1999. Las precipitaciones mximas en 24 horas y
sus perodos de retomo en Espaa. Un estudio por regiones. Vol.5 Catalua. Secretara
General Tcnica. Centro de Publicaciones (M.M.A.).
MINISTERIO DE OBRAS PUBLICAS, TRANSPORTE Y MEDIO AMBIENTE.
DIRECCIN DE CARRETERAS., 1978. Clculo hidrometeorolgico de caudales
mximos en pequeas cuencas naturales. Secretaria de Publicaciones, Madrid. 113 pp.
DIRECCIN DE CARRETERAS., 1987. Clculo hidrometeorolgico de caudales
mximos en pequeas cuencas naturales. Alamner, Madrid, 123 pp.
DIRECCIN DE CARRETERAS. 1990. Instrucciones de construccin. Drenaje
superficial. Instruccin 5.2-IC. Ins. Centro de Publicaciones, 84 pp.
MKHANDI, S.H. y KACHROO, R. K., 2000. Flood frequency analysis of southem
frica: n Delineation of homogeneous regions. Hydrological Sciences- Journal-desSciences Hydrologiques 45 (3), pp 449-465.
MOSLEY,M.P., 1981. Delimitation of New Zeland hydrological regions. Journal of
Hydrology, 49, pp 173-92.
NATHAN, R.J. y MCMAHON,T.A., 1990. Identification of homogeneous regions for
the purpose of regionalisation. J. Hydrol, 121, pp 217-238.
NERC. 1975. Flood Studies Report. Nat. Environ Res. Council, London, vol 1-5. 1100
PPOMM (1983) en CHOW V.T. , MAIDMENT, D. R.,y MAYS, L.W. 1994. Hidrologa
aplicada. McGraw-HU Interamericana, S.A. Santaf de Bogot, Colombia, 584pp.
PAGLIARA, S. y VITI, C , 1993. Discusin ranfall intensity-duration-frequency
formula for India, por KOTHYARI, U. C. AND GARDE, R.J., Journal of Hydraulic
Engineering. Vol 119 (8), pp 962-967.
PARroA,B.P., KACHROO,R.K. y SHRESTHA., 1998. Regional Flood Analysis of
Mahi-Sabarmati Basin (Subzone 3-1) using Index Flood Procedure with L-Moments.
Water Resources Management 12 pp 1-12.
PEARSON, K., 1902. On the systematic ftting of curves to observations and
measurements. Biometrika, voU No3, pp 265-303.
PEARSON, C. P., 1993. Application L-moment to mximum river flows. The New
Zeland stadistician 28(1), pp 2-10.
PILN, P.J. y ADAMOWSKI, K., 1992. The valu of regional information to flood
frequency analysis using the method of L-moments. Can. J. Civ. Eng., 19, pp 137-147.
197
BIBLIOGRAFA
PILN, P.J. y ADAMOWSKI, K., 1993. Asympotic variante of flood quantil in

logPearson type TU with historical information. J. Hydrol 143. pp 481-503.
PONCE, V .M., 1989. Engineering Hydrology. Principies and Practices.Ed Prentince
Hall, 640 pp.
PORRAS, P. J. y PORRAS, J., 2001. New Perspective on Rainfall Frequency Curves.
Journal ofHydrologic Engineering, January/February, pp82-85.
POTTER, K.W. y LETTENMAIER, D.P., 1990. A comparison of regional flood
frequency estimation methods using a resampling method. Water Resour. Res., 26(3),
pp 415-424.
REED, D., 1992. Regional frequency analysis for the flood design. Pre-proceeding of
the NATO ASI on Coping with Floods. E Mejorana Centre, Erice, Noviembre de 1992,
ppl-17 en FERRER,J. Y ARDILES,L.1995. Anlisis estadstico de las series anuales de
mximas lluvias diarias en Espaa.
RIBEIRO-CORREA, J. y ROUSSELLE, J., 1993. A hierarchical and empirical Bayes
approach for the regional Pearson type ni distribution. Water Resour. Res., 29(2), pp
435-444.
ROSBJERG, D., MADSEN H., y RASMUSSEN, P.F., 1992. Prediction in partial
duration series with generalized Pareto-distributed exceedances. Water Resour. Res.,
28(11), pp 3001-3010.
ROSSI, F. FIORENTINO, M. y VESACE, P., 1984. Two Component Extreme Valu
Distribution form Flood Frecuency Analysis. Water Resources Res.20(7), pp 847-856.
ROSSI, F. y VILLANI, P., 1992. Regional methods for flood estimation. Pre-Proc of
the NATO ASI on coping withfloods.Erice.
SAENZ DE ORMIJANA, F. HIDALGO CASTRO, F.J., y SANTA PREZ, A., 1991.
Estimacin de precipitaciones mximas mediante el mtodo regional del ndice de
avenida. Revista de Obras Pblicas, Feb, pp 9-22.
SCHAEFER, M.G., 1990. Regional Analysis of precipitationamiual mxima in
Washington State. Water Resources Research 26, pp 119-31.
STEDINGER, J.R., VOGEL, R. M. y FOUFOULA-GEORGIOU, E. 1993. Frequency
analysis of extreme events, in Handbook of Hydrology, chapter 18, edited by D.A.
Maidment, McGraw-Hill, New York, NY.
STEDINGER, J.R., 1983. Estimating a Regional Flood Frequency Distribution. Water
Resources Research, vol 19, no 2, pp 503-510.
THOMPSON, W.R., 1935. On a criterion for the rejection of observations and
distribution of the ratio of deviation to sample standard deviation. Biometrika, 32, pp
214-9, in HOSKING, J.R.M., WALLIS,J.R.1997. Regional Frequency Analysis.
Cambridge University Press, 224 pp.
U.S. INTERAGENCY ADVISORY COMMTTEE ON WATER DATA,
HYDROLOGY SUBCOMMITTEE., 1983. "Guidelines for Determining Flood Flow
Frecuency", BuUetin No 17B, issued 1981, revised 1983, Reston Virginia).
198
BIBLIOGRAFA
U.S. WATER RESOURCES COUNCIL., 1981. Guidelines for determiningfloodflow

frequency. Bulletin 17B. Hydrology Committee, Washington D.C.
U.S. NATIONAL RESEARCH COUNCIL Committee on Techniques for Estimating
Probabilities of Extreme Floods.,1988. Estimating Probabilities of Extreme Floods.
Methods and Recommended. Research. National Academy Press. Washington D.C, in
MAIDMENT, D.R.(ed),1993. Handbook of Hydrology. McGrawHill. Usa pp 697.
U.S. WATER RESOURCES COUNCIL, .1981. en CHOW VEN TE,
MAIDMENTJ).R., MAYS, L.W. 1994. Hidrologa aplicada. McGraw-Hill
Interamericana, S.A. Santaf de Bogot, Colombia, 584pp.
VOGEL, R.M. y FENNESSEY,N.M., 1993. L moment diagrams should replace product
moment diagrams. Water Resources Research, 2P(6), ppl745-1752.
VOGEL, R.M., MCMAHON, T.A. y CHIEW, F. H. S. 1993. Floodflow frequency
model selection in Australia. J. Hydrol, 146, pp 421-449
WALLIS, J.R., MTALAS, N.C., y SLACJ, J. R., 1974. Just a moment Water
Resources Research,lO, 211-9 en HOSKING, J.R.M., WALLIS,J.R.1997 Regional
Frequency Analyss.
WALLIS, J.R. y WOOD, E. F., 1985. Relative accuracy of log-Pearson m procedures.
Journal ofHydraulic Engineering 111, pp 1043-56.
WHKS, S.S., 1963. Multivariate statistical outliers. Sankhy 25, pp 407-26.
WILTSHIRE, S.E., 1986 Identification of homogeneous regions for flood frequency
analysis. Journal ofHydrology 84, pp 287-302.
WMO, 1989. Statistical distributions for flood frequency analysis. Operational
Hydrology Report No. 33, World Meteorolgica! Organization 718, Geneva,
Switzerland.
YUN, P., y CHEN, C, 1998. Incorporating uncertainty analysis into a regional IDF
formula. Hydrological Process. 12, pp 713-726
ZRINJI, Z. y BURN, D.H., 1993. Hydrologic regionalization using a homogeneity test.
Engineering Hydrology, edited by C.Y. Kuo, Am. Soc. Civ. Eng. pp. 641-646.
ZRINJI, Z. y BURN, D.H., 1994. Flood frequency analysis for imguaged sites using a
regin of influence approach. J. Hydrol, 153, pp 1-21
199
BIBLIOGRAFA
8.1.-REFERENCIAS INTERNET.
[Wl] http://www.agu.Org/jouraals/rg/rg9504S/contents.html#hydroIogy
Hidrologa
fW21 http://www.bwk.kuleuven.ac.be/hydr/temprain.htm
Variabilidad temporal de la lluvia
|W3] http://www.kuleuven.ac.be/hydr/willems.htm
Patrick Willems
fW4] http://www.kuleuven.ac.be/hvdr/idf.htm
IDF relationships
fW5] http://www.nws.noaa.gov/oh/index.html
Office of Hydrologic Developement
[W6] http://www.bom.gov.au/hydro/wr/
Hydrological Service program
fW?] http://www.spc.noaa.gov
Bsqueda idf curves
[W81 http ://vyvyw. copemicus. org/EGU/hess/hess.html
Hydrology and earth system sciences
\\N9] http://betafm.cerde.gov.ar/
Catlogo interactivo. Universidad Nacional del Litoral
[W10] fattp://www.unesco.org.uy/documentos.shtml
Documentacin regionalizacin de precipitaciones
[W11] http://www.corebe.org.ar/
Portal del agua. Comisin Regional del Rio Bermejo. Acceso a biblioteca.
{W12] http://random.mat.sbg.ac.at/linksAmdex.html
Pgina web de la WWW Virtual Library dedicada a nmeros aleatorios y simulacin MC
[W13] http://biblioteca2.uclm.es/biblioteca/sumarios/pi.pdf
Biblioteca de la Universidad de Castilla-la Mancha
[W14] http://viww.mcu.es/REBECA/que.html
Registros Bibliogrficos para Bibliotecas Pblicas Espaolas (Rebeca)
[W15] http://www.csa.com/csa/factsheets
Library and Information Science Abstracts (Lisa)
[W16] http://wwwhh.lyon. cemagreffr/floodcare/upv/chap.htm
Trabajos de Investigacin de Cemagref.
[W17] http://www.ntis.gov/fcpc/cpn5283.htm
Programas de anlisis de datos de lluvias.
[W18] http://msstate.edu/org/MAS/octjoumal/rain.htm
Artculo sobre valores extremos de la lluvia en Mississippi.
[W19] http://www.bom.au/hydro/has/idf.shtml
Diseo de curvas IDF.
200
APNDICES
APNDICE I.PRUEBA DE DATOS DUDOSOS
APNDICE I.- PRUEBA DE DATOS DUDOSOS.
Al analizar las series de intensidades mximas, se identificaron una serie de

estaciones, Sondica (1082), Guadalhorce(6120), Figueras (0429), Alicante (8025) y
Murcia (7031), Almeria(63250), con unos valores muy altos respecto a los valores
usuales, y que convena analizar con ms detalle.
En estas estaciones se aplic el mtodo del Water Resources Council para datos
dudosos, y adems de comprobar si superaban o no el umbral a partir del cual puede
considerarse un dato como dudoso se intent contrastar estos valores con otras fuentes
de informacin. Si el valor extraordinario procede de la serie de intensidades mximas
en 24 horas se puede comparar con la precipitacin mxima diaria procedente de un
pluvimetro situado en la misma estacin. Si el valor extraordinario proviene de una
serie con una duracin distinta a 24 horas no es posible comprobar si se debe a un error
o si realmente se ha producido. Ante la duda se prefiere mantener dicho dato.
El objetivo de este anlisis es saber si los datos extraordinarios se deben a un
error o por el contrario se han podido producir. En el momento que hay una duda
razonable de que s se han podido dar, ese dato se manejar, pues jugar un papel muy
importante en la estimacin de cuantiles para altos perodos de retomo.
Sondica (1082).
En la estacin de Sondica (1082), en 1983 se recoge como intensidad mxima en
24 horas im valor de 11,9 mm/h (que implicaran una precipitacin mxima en 24 horas
de 285,6 mm, suponiendo dicha intensidad constante), ver tabla AI.I.
AI-I
Duracin (minutos)
Ao
10
15
20
30
60
120
180
360
720
1440
1947 48
48
33,6
26,4
19,2
17,5
10,4
7,5
3,1
2,2
1948 56,4
50,4
37,6
31,2
22,8
13,3
7,4
5,3
2,9
2,5
1949 79,2
50,4
37,6
29,4
21,6
13,5
11,1
9,2
6,2
4,3
3,2
1950 91,2
48
33,6
26,7
19
10,4
6,5
3,6
1,3
1951 87,6
81
72,4
61,8
54,2
41,9
32,3
25,1
13,6
6,9
3,4
48,6
35,6
28,5
21,6
19,3
10,2
7,8
5,2
2,8
1,5
31,8
26,8
21,9
18,2
13,6
9,1
7,3
4,6
3,6
2,5
1954 159,6 121,8
92,8
72,6
60,2
30,1
15,1
10,2
5,8
4,3
3,6
1955
36
24,6
19,6
17,1
13,4
8,7
6,8
5,3
4,8
3,9
1964
36
36
29,6
23,4
18,4
12,6
9,2
7,8
4,2
2,6
1,8
1965
54
45,6
41,2
34,2
30
19,2
16,1
12,3
10,2
5,3
2,9
1966
48
34,2
30,4
28,2
26,6
22
17,1
14,6
9,8
6,2
3,5
1967 109,2 73,2
56,8
44,4
31,8
16,3
10,9
9,5
4,8
2,9
1968 69,6
41,4
33,6
30,3
25
23,7
15,9
11
5,8
4,6
3,2
1969 43,2
42,6
38,4
35,4
27,8
16
10,9
7,9
4,5
3,1
2,4
1970 76,8
65,4
59,2
51,9
41,2
27,4
18,5
13,3
9,1
6,2
3,4
1971 85,2
53,4
38,8
32,4
26,6
18,2
11,9
9,2
5,4
4,1
2,5
1972 38,4
37,8
34,8
26,1
18
10,7
7,1
4,9
3,2
1,5
54,6
45,2
35,7
25,6
19
12,7
11,3
8,5
5,4
2,8
37,8
28
23,7
20,8
15,8
10,5
5,9
4,5
2,9
38,4
32,4
27,6
25,4
15,4
7,9
7,1
4,2
2,6
144 107,4 76,4
74,1
53,6
27,6
13,9
9,2
5,4
3,3
2,2
1952
60
1953 55,2
1973 55,2
1974
48
1975 49,2
1976
1977 51,6
46,2
39,2
38,1
29
21,7
17,6
14,5
11,2
7,1
4,3
1978 63,6
49,2
43,6
39,9
37
28,5
16,3
11,5
7,3
4,5
2,4
1979 67,2
46,8
40
34,8
28,8
18,8
10,6
7,1
4,7
3,9
2,9
1980 32,4
31,8
24,8
24
21,2
14,4
8,7
4,2
2,3
1981 19,2
19,2
15,2
14,1
12,6
10,6
7,5
6,3
4,7
2,6
1,7
1982 40,8
37,8
32,8
24,6
16,6
9,3
5,8
5,3
3,3
1,6
126
99,6
89,6
83,1
83,2
66,3
55,4
43,1
27,3
14,9
11,9
54
37,2
27,9
19,6
11
5,9
3,6
2,8
2,1
1983
1984 76,8
Tabla ALL- Intensidades mximas para cada duracin en la estacin de Sondica (1082).
Aplicando la ecuacin del Water Resources Council, se obtienen los siguientes

umbrales de Intensidades mximas, Al.n.
Ai-n
K=2,563
30 aos
Duracin (minutos)
Yh
i
-'S':/
10
15
20
30
60
120
180
360
720
1440
2,30
2,13
2,04
1,97
1,90
1,75
1,61
1,48
1,30
1,08
0,87
108,69
93,63
80,07
56,40
40,37
30,43
19,78
11,94
7,40
197,32 134,44
Tabla AI.II.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Sondica
(1082)
Donde:
Yh (umbral de datos dudosos en unidades logartmicas),
k (obtenido en la tabla 6, pgina 61, en funcin de el nmero de aos
disponible)
Ih (umbral de intensidad mxima).
El umbral de intensidad mxima, para cada duracin, que define el mtodo del
Water Resources Council permite concluir que dicho dato puede ser dudoso, y aparece
sombreado en amarillo en la tabla AI. I.

Por otra parte, los datos precipitacin mxima que proporciona el pluvimetro
en dicha estacin indican que en 1983 fue de 252,6 mm, tabla AI.III, que si bien no
coincide exactamente, s es extraordinaria respecto a los valores recogidos en l.
Adems, analizando el resto de aos, tabla AI.XTV al final del Apndice I, se ve que se
han producido precipitaciones incluso mayores. Ante la certeza de que se ha podido
producir, aunque sea en otro ao se decide mantener ese dato.
Estacin Ao Mes Pmx
PR1082 83
80
1
200
PR1082 83
2
PR1082 83
3
176
PR1082 83
4
297
PR1082 83
5
102
PR1082 83
134
6
Estacin Ao Mes Pmx

7
PR1082 83
514
8 2526
PR1082 83
9
PR1082 83
100
10
PR1082 83
155
,PR1082 83
11
149
12
PR1082 83
201
Tabla ALIO.- Precipitacin mxima diaria, en dcimas de mm, en Sondica (1082) en el ao 1983.
Ai-m
APNDICE I.-PREBA DE DATOS DUDOSOS
Guadalhorce (6120).
En la estacin de Guadalhorce (6120) se recogen, en la tabla AI.IV. dos aos
extraordinarios, 1969 con una intensidad mxima en 24 horas de 6,1 mm/h (146 mm
diarios suponiendo dicha intensidad constante en las 24 horas) y en 1979, con 6.7mm/h.
Duracin (minutos)
Ao
1964 104,4
10
15
20
30
60
120
180
360
720
1440
54,6
38
30,9
31,6
25,6
19
15,7
9,3
5,8
3,1
1965
58,8
48
33,2
26,7
19,4
10,1
6,1
4,9
3,4
2,5
1,4
1966
26,4
23,4
19,2
17,7
15,8
10,8
10,3
3,5
2,2
1,9
1967
73,2
42
30
24
18
12,7
8,7
6,6
4,8
2,4
1968
21,6
21
17,6
14,7
11,8
9,2
7,6
6,7
2,8
1,7
1969
74,4
48
39,6
33,6
34,2
26,8
20
15,5
11,4
9,1
1970
27,6
18
17,6
17,7
17,4
12,8
4,8
3,6
2,3
1,5
1971
10,8
10,2
9,6
8,7
7,8
6,3
3,6
2,5
1,7
1,1
1972
18
18
18
14,7
11,4
7,5
4,7
4,2
2,9
1,7
1973
20,4
19,8
17,2
14,7
12,6
11,3
8,3
6,5
3,4
1,9
1,2
1974
14,4
13,8
13,6
13,5
12,2
10
7,3
6,2
4,3
2,5
1,4
1975
10,8
10,8
10,4
10,5
10,4
8,3
5,3
4,9
3,3
2,3
1,2
1976
63,6
58,2
46,8
47,7
38,6
31,4
26
18,7
13,9
7,3
3,7
1977
61,2
49,2
35,6
27,6
22,4
11,6
9,1
7,8
4,4
2,3
1,3
1978
51,6
35,4
26,4
20,7
17,2
11,4
7,4
7,1
4,4
2,9
1,5
1979
96
87,6
78,8
73,5
63,4
44,8
30,6
13,4
6,7
1980 111,6
63,6
46
36,6
24,4
12,3
6,2
4,7
2,8
2,3
1,3
1981
97,2
76,8
62,8
56,1
47,2
31,1
17,4
24,7
12
3,6
1,8
1982
48
45
43,2
38,7
28,8
15,7
9,8
8,2
5,4
3,3
2,7
1983
79,2
51
52
43,8
35,8
25,1
12,6
8,5
4,3
2,1
1,3
1984
28,8
20,4
18,8
18
15,4
12,3
11,6
9,7
7,1
4,3
2,5
1985
34,8
22,8
20,8
17,7
16,6
10,1
5,8
4,2
3,4
2,1
1,2
1986
20,4
15
12,8
11,7
9,6
6,5
3,9
3,7
3,1
1,7
1,1
Tabla AI.IV.- Intensidades mximas para cada duracin en Guadalhorce (6120)
Aplicando el mtodo del Water Resources se obtienen los resultados que

aparecen en la tabla AI.V. Teniendo en cuenta los umbrales definidos por este mtodo
AI-IV
APNDICE I.-PRUEBA DE DATOS DUDOSOS
se sombrearon en amarillo, en la tabla AI.IV, los valores que los superan, y en azul
aparece marcado un dato, que si bien no supera el umbral, s es muy alto.
k=2,448
23 aos
Duracin(minutos)
Yb
10
15
20
30
60
120
180
360
720
1440
2,39
2,17
2,04
1,96
1,87
1,71
1,55
1,44
1,29
1,06
0,82
35,57
27,58
19,47
11,55
6,57
Ih 244,85 148,17 109,73 91,97 74,80 50,79
Tabla AI.V.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Guadalhorce
(6120)
Estos aos son tambin extraordinarios en los datos de pluvimetro, aunque no

se obtienen irnos valores tan altos como los registrados en el pluvigrafo. Analizando la
serie de precipitaciones mximas recogidas en dicho pluvimetro, tabla AI.XV al final
del apndice I, se encuentra otro ao extraordinario, 1963, con una precipitacin
mxima en 24 horas incluso mayor, de 308 mm, aunque dicho ao no se encuentra
registrado en el pluvigrafo, por lo tanto, se decide mantener los datos de intensidades
mximas en 24 horas, porque se ha registrado una precipitacin similar aunque sea en
otro ao.
Alicante (8025).
En la estacin de Alicante, ver tabla AI.VI, se producen dos posibles aos
extraordinarios, 1962 y 1982.
Duracin(minutos)
Ao
10
1959 117,6 84,6
15
20
30
60
120
180
360
720
1440
78
66,6
56,2
40,2
23,9
17,1
9,3
4,7
2,4
1960 22,8
22,2
22,4
22,2
19,8
13,2
6,8
5,8
4,4
3,1
1,7
1961 55,2
54,6
43,6
45
41,4
24,4
12,3
8,3
4,2
2,1
1,1
1962 46,8
46,2
40
30,3
26,2
16,8
13,4
12,3
9,2
6,5
4,9
1963 79,2
53,4
41,6
37,2
37,8
24,8
15,4
10,4
5,5
2,8
1,4
1964 32,4
25,2
20
19,2
18,4
14,6
8,3
3,6
2,1
1,2
AI-V
APNDICE I-PRUEBA DE DATOS DUDOSOS
Duracin(minutos)
10
15
20
30
60
120
180
360
720
1440
1965 43,2
38,4
29,6
25,5
21,6
15,9
8,7
6,4
2,8
1,4
1966 97,2
75,6
70
66,9
60,4
53,4
34,4
28,8
14,8
7,4
3,7
1967 20,4
19,8
19,6
19,5
17,8
10,1
6,3
4,8
1,7
1968
54
41,6
34,8
26,2
18
10,8
7,4
4,6
2,9
1,8
1969 157,2 118,2 101,6
91,5
78,8
52,1
27,6
19,6
9,9
6,4
3,5
1970 74,4
63
50,4
44,4
37,8
24,6
24,1
17
8,6
4,3
2,2
1971 98,4
93
81,6
71,7
59,8
36,8
22,8
16,1
9,2
5,2
3,6
1972 120
85,8
80
69,3
61
38,6
19,3
12,9
6,5
3,2
1,7
1973
59,4
49,2
48,9
45
38
21,4
14,4
7,2
3,7
1,9
1974 70,8
59,4
43,6
47,4
41,6
24,1
12,2
8,2
4,2
2,4
1,5
1975 40,8
40,2
40
30
24,2
19,6
10,2
6,8
3,5
1,9
60
58
51
39,8
24,5
15,8
15
7.7
3,8
1,9
1977 99,6
60
47,6
45
35,8
19,8
10
9,2
2,5
1,3
1978 120
60
48,8
54,9
42,6
31,3
19,9
13,5
8,7
6,1
3,1
1979 120
100,2
100
91,8
69,6
44,3
25,3
18,1
9,3
4,6
2,4
1980 45,6
43,2
42,4
42
34,8
20
10
6,7
2,2
1,4
1981 22,8
22,2
21,2
20,1
17,6
13,9
9,8
6,6
3,3
1,7
0,9
1982 133,2
99
83,2
78,6
73,6
67,2 {
47
28,1
15,5
8,6
1983 74,4
51,6
48
46,2
34
25,3
18,3
9,2
4,6
2,3
Ao
1976
54
60
66
22,1
Tabla Al.VI.- Intensidades mximas para cada duracin en la estacin de Alicante (8025).
AI aplicar el mtodo del Water Resources, tabla AI. VII, solo uno aparece como
extraordinario, con unas intensidades mximas para varias duraciones por encima del
umbral, y que aparecen sombreados en la tabla AI. VI, y en azul aqul que casi lo
supera.
25 aos
k=2,486
Ao
5mn
lOmin I5rran 20min 30min 60min 120min iSOmin 360min 720min 24h
yh
2,44
2,26
Ih
2,19
2,15
2,07
1,93
274,02 180,52 154,79 140,76 116,67 85,20
1,78
1,66
1,38
1,13
0,88
60,17
45,35
24,12
13,45
7,65
Tabla Al.Vil, - Resultados de aplicar el mtodo de Water Resources para datos dudosos en Alicante
(8025)
AI-VI
En el pluvimetro de la estacin de Alicante (8025) el dato dudoso registrado en

1982 coincide con el registro del pluvimetro, ver tabla AI.XVI al final de este
apndice, por lo que se acepta y se utilizar en la presente investigacin.
Figueras(0429)
Los datos de intensidad mxima anual, para las duraciones correspondientes se
encuentran en tabla AI. VII.
Duracin {minutos)
Ao
10
15
20
30
60
120
180
360
720
1440
1945
39,6
39,6
32,8
26,1
20,4
15,2
8,9
7,4
4,7
2,8
1,6
1946
88,8
61,2
57,2
52,8
43,2
35,5
26,8
19,3
10,9
7,7
4,5
1947
117,6
82,2
71,2
65,4
54,6
27,4
13,9
9,2
4,7
2,6
1948
38,4
25,8
22,4
17,7
14,8
11,9
10,9
10,9
10
8,3
5,8
1949
80,4
49,2
41,2
33
25
14,2
9,5
9,4
3,9
1950
84
61,2
51,2
47,1
40,4
24,3
16,4
13,3
12,6
7,8
4,6
1951
105,6
63
72
60,3
55
37,6
22,7
16,6
8,7
4,5
2,8
1952
57,6
54
40,4
34,8
35
23,7
12,4
9,2
4,7
2,5
1,4
1953
51,6
36,6
31,6
28,2
24,6
15,9
11,1
9,3
5,9
3,7
2,2
1954
67,2
45,6
34
28,2
19,4
9,8
3,4
1,3
0,8
1955
128,4
111
80
72,3
57,4
40
20,4
13,6
6,8
4,1
2,1
1956
48
46,2
36,8
28,5
19
14,2
10,4
7.6
4,1
2,5
1,3
1957
171,6
91,8
75,6
65,1
47
24,9
14,3
9,8
3,6
1,9
1958
111,6
63,6
46,4
39,6
31,8
18,3
12,3
8,2
4,2
1,9
1959
122,4
90,6
80,4
68,7
69
39,4
19,9
13,4
7,5
4,3
3,4
1960
85,2
51
39,6
32,7
27,8
17,8
10,9
7,5
4,2
2,3
1,5
1961
94,8
60
47,2
47,4
45,4
32,1
20,2
14
7,3
3,6
1,8
1962
99,6
55,8
48,8
45,3
43,8
27,8
15,4
11,3
9,4
5,6
3,4
1963
106,8
69,6
61,6
59,4
50,2
36,8
25,6
19,3
10,3
5,7
1964
61,2
34,2
30,8
31,2
26,6
19,8
12,4
11,5
7,4
4,4
2,8
1965
82,8
60,6
56,8
48,3
43,8
34
18,4
14,2
9,4
6,6
3,3
1966
80,4
54,6
42
32,7
28,8
17,2
10,1
2,8
1.4
1967
78
54
47,6
42,6
33,8
22,3
11,9
9,9
7,7
4,7
2,5
1968
116,4
99
90,4
80,7
66,8
48,1
31,9
23,4
14,2
8,8
4,4
1969
49,2
35,4
35,6
33
31,4
20,1
12,2
9,6
5,6
4,7
1970
37,2
34,2
29,2
24
18
10,7
6,8
5,9
4,2
2,2
1,1
1971
160,8
132,6
122,8
105,6
100,4
85
70,3
66,9
46,1
25,6
17
1972
57,6
40,2
37,6
35,7
28
16
12,9
10,9
5,5
3,1
1,8
AJ-VII
Duracin (minutos)
i^b:,:%m:;. \^^m^:';v'is;,;.
20
30
60-
120
180
360
720
1440
1973
62,4
49,8
41,6
35,4
26
14,5
10
8,1
5,6
3,9
1974
120
104,4
92,8
94,8
67,6
34,9
17,6
11,8
5,9
4,8
2,9
1975
87,6
56,4
45,2
47,4
41
27,5
14,4
9,6
5,2
1,7
1976 109,2
97,2
84
70,8
57,2
31,7
15,9
10,6
6,3
3,8
1,9
1977
96
66,6
49,2
47,7
43,8
29,9
20
15
8,8
5,2
4,5
1978
98,4
52,8
37,2
28,8
19,2
10,2
8,4
2,5
1,3
1979
52,8
38,4
27,6
23,1
16,2
9,1
7,1
5,6
4,3
3,1
1,7
1980
108
54,6
36,4
27,3
18,2
9,2
4,7
3,6
3,4
2,5
1,2
55,8
41,6
42,6
34,4
21,4
15,9
12
7,8
2,9
80
69,9
58,8
37,1
20,3
14,7
7,9
1981 100,8
1982 172,8 103,2

1983
73,2
53,4
37,6
29,4
20
10
3,3
1,7
1,2
0,7
1984
45,6
34,8
29,6
26,1
22,8
17,9
9,3
6,2
3,3
2,4
1,5
1985
61,2
39
28,4
22,5
16,2
8,8
4,4
3,3
1,7
1,1
0,8
Tabla ALVin.- Intensidades mximas para cada duracin en la estacin de Figueras (0429).
Tras aplicar el mtodo del Water Resources Council para datos dudosos, tabla
AI.IX, se obtiene un dato dudoso en todas las series de larga duracin (desde 120
minutos hasta 24 horas), en el ao 1971, que se corresponde con ima precipitacin en 24
horas de 408 mm. Al comprobar con los datos de pluvimetro de dicha estacin no
coincide. No obstante en la estacin de Cadaqus (0430), prxima a Figueras, consta un
registro en 1986 de 430 mm como valor mximo anual, que se recoge en la tabla
AI.XVn. Ante este hecho, se decide mantener ese dato, porque en dicha estacin
prxima se han registrado valores mayores que los que en principio se podran
considerar como outliers. Como el objetivo de la investigacin es aplicar im proceso de
regionalizacin, est asegurado que estos valores pueden producirse en ese rea.
41 aos
K=2.692:
&V:r&;ti^^^^
i|s|5 WPM '9W:r.wm.^:

yh
Ih
2,38
2,20
2,14
2,12
;30;-'-
60
2,09
1,95
240,65 157,19 137,24 130,84 122,77 89,04
02O:V :
180
: 360
720
1440
1,76
1,65
1,46
1,25
1,06
56,90
44,34
29,06
17,60
11,42
Tabla AI.IX - Resultados de aplicar el mtodo de Water Resources

Figueras(0429)
para datos dudosos en
Ai-vn
Murcia- San Javier (7031).

Los datos de Murcia-San Javier (7031) son los siguientes, tabla AI.X.
Duracin (horas)
10
15
20
30
60
120
180
360
720
1440
1961 73,2
64,2
51,6
38,7
25,8
12,9
6,5
4,3
2,9
1,4
0,8
1962 52,8
40,2
35,2
30,9
25
14,6
9,4
8,7
7,4
5,2
1963 103,2 74,4
60,8
54,6
47,2
26,3
13,3
8,9
4,5
2,2
1,2
42
18,8
15
10,8
5,5
3,9
2,4
1,4
0,7
1965 120 100,2
100
97,5
92
69,8
42,2
29,2
14,6
7,3
3,7
66
51
46,4
40,2
31
23
13,4
11,2
5,9
3,2
1,6
1967 85,2
51
35,2
27,6
24,8
23,2
18,9
16,5
10,8
5,8
2,9
1968 92,4
59,4
61,6
47,1
31,8
26
16,2
13,4
11,4
8,3
4,6
1969 73,2
54
38,4
29,7
20
10
5,1
3,4
2,1
1,3
0,9
1970 32,4
22,2
17,2
17,1
16
9,1
3,6
2,7
1,5
0,7
1971 110,4 91,8
68,4
57
46,2
23,3
H,8
7,9
1972 51,6
40,8
31,6
27
22,4
16
12,1
10
5,7
2,8
1,4
1973 56,4
29,4
20,8
16,2
12,2
7,5
4,3
1,8
0,7
1974 68,4
50,4
34,8
26,7
18,8
18
11,2
9,4
7,4
6,3
3,7
78
72
69,2
57,3
55,6
34,2
17,9
11,9
6,2
3,1
1,6
1976 110,4 88,2
84,8
85,5
71,4
42,8
25
16,7
8,3
4,3
2,2
1977 114
96,6
76,8
65,1
51,6
29
15,4
10,5
5,4
2,9
1,5
1978 55,2
46,8
33,6
27
19,2
11,1
4,7
2,4
1,6
0,8
1979 133,2 98,4
77,6
66
44,4
22,4
11,2
7,5
3,8
1980 103,2 67,2
67,6
61,8
44,8
25,9
15,4
10,7
7,3
4,1
2,1
1981 16,8
15
14
13,8
13
8,7
5,8
4,5
2,3
1,2
0,8
54
51
44
42,9
40
24,1
14,4
9,8
2,5
1,9
1983 45,6
39,6
37,6
34,2
28
14,1
5,5
3,3
1,7
0,9
1984 32,4
28,2
26
22,8
17,4
11
6,1
4,2
2,3
1,2
0,9
1985 40,8
23,4
23,6
23,4
23,2
13,8
7,2
5,3
4,4
3,5
2,6
1986 45,6
42,6
32,8
25,8
18,4
11
8,9
7,4
4,5
2,7
2,2
1987 28,8
21
17,2
14,1
13
7,6
5,2
4,1
2,2
1,3
0,7
1988 75,6
62,4
46
43,2
39,8
34,1
19
15,9
8,4
4,2
2,1
1989 121,2 94,8
83,2
74,1
58,8
36,3
19
12,9
8,3
4,4
2,2
1990 56,4
43,2
39,6
30,8
16,6
8,3
5,5
2,8
1,4
0,8
Ao
1964
1966
1975
1982
27
46,8
Tabla AI.X.- Intensidades mximas para cada duracin en Murcia -San Javier (7031).
AI-IX
Al aplicar el mtodo de Water Resources se obtienen los siguientes resultados,

tabla A1.XI,
30 aos
K==2,563
Duracin (minutos)
10
yh
2,36
Ih
228,9
15
20
2,21
2,16
181,8 161,3
143,8
2,26
60
30
2,07
120
360
180
720 1440
1,90
1,65
1,53
1,30
1,08 0,81
118,3 80,30
44,94
33.85
19,91
12,01 6,43
Tabla AI.XI.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Murcia
(7031)
AI superar el umbral de intensidades mximas para duraciones inferiorres a 24

horas, no hay medio de saber s se han producido o no, por lo que ante la duda se decide
aceptar dichos datos.
Almera (63250).
Los datos disponibles en la estacin de Almera (63250) se ofrecen en la tabla AI.XII
Duracin (minutos)
Ao
10
15
20
30
60
120
180
360
720
1440
1971
60
34,2
25,2
21
16,6
9,7
4,8
3,4
1,8
1,5
0,8
1972 100,8
57
60,4
54,3
49,6
32,8
20,1
14,2
10,6
1973 28,8
24,6
17,6
13,8
9,8
5,2
3,4
1,7
1,3
0,8
1974 67,2
52,2
55,2
44,7
30,8
18,2
9,1
6,1
1,5
0,8
1975 28,8
24
21,6
19,5
16,8
9,5
6,1
4,8
4,5
2,5
1,3
66
59,4
48,4
42
29,8
16,9
10,4
7,8
4,3
2,2
1.2
1977 62,4
45
32
29,1
27,2
17,1
9,9
6,6
3,3
1,7
0,8
1978
48
36
31,6
28,8
23
13,7
7,5
2,7
1,5
0,8
1979
30
26,4
22
22,5
20,4
16,9
7,1
3,9
1980 40,8
36
32
25,8
18,8
12,4
6,7
5,4
3,4
2,4
1,4
1981 20,4
15
12,8
11,4
9,4
6,2
3,4
2,3
1,4
0,7
0,4
1982 10,8
10,2
9,6
9,6
6,9
4,4
2,4
1,6
0,9
1983 16,8
16,8
16
14,4
11,6
7,4
5,2
3,8
2,2
0,6
12
8,4
6,8
6,6
5,6
3,4
2,6
1,3
1,1
0,8
1976
1984
0,4
AI-X
Duracin (minutos)
10
15
20
30
60
120
180
360
720
1440
1985 15,6
12
11,6
9,9
5,7
5,1
3,8
1,3
0,9
1986 49,2
34,8
26
20,1
13,6
7,3
5,3
2,4
1,6
0,8
78
49,8
40
35,1
30,4
21,7
12,6
S,7
4,4
2,2
1,1
1988 93,6
78
66
50,7
34,2
23,6
12
8,2
5,3
2,6
1,3
1989 123,6 87,6
75,2
68,1
60,8
53,3
35.1
23.5
11,8
5,9
2,9
22
18,6
17
15,5
7,9
5,3
2,6
1,3
0,9
Ao
1987
1990 33,6
25,8
Tabla AI.Xn.- Intensidades mximas anuales para cada duracin en Almera (63250).
Los resultados obtenidos al aplicar el mtodo de Water Resources se reflejan en

la tabla AL XIH.
En Almera los datos de las series que superan el umbral a partir del cual puede
aceptarse un dato como dudoso se producen en diiraciones inferiores a 24 horas en el
ao 1989, pero no han dado lugar a una intensidad mxima en 24 horas extraordinarias;
El valor en ese ao es de 2.9 mm/h, por lo tanto no se tienen criterios para eliminar o
aceptar ese dato. En 1972 casi se superan esos umbrales, y aparecen resaltados en la
tabla de color azul.
20 aos
K =2,385
Duracin (minutos)
Ao
10
15
20
30
60
120
180
360
720 1440
yh
2,34
2,17
2,10
2,02
1,92
1,77
1,48
1,32
1,10
0,82
0,52
Ih 219,56 147,29 126,71 104,01 82,68 58,26 30,33
20,97
12,64
6,62
3,31
Tabla ALXIII.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Almera
(63250).
AI-XI
En las estaciones de: Sondica (1082), Guadalhorce(6120), Figueras (0429),
Alicante (8025) y Murcia (7031), Almeria(63250), se han producido valores

muy altos de intensidades mximas, pero no hay un criterio definitivo para
eliminarlos de las series correspondientes, por lo que se utilizarn en la presente
investigacin.
-
Estos valores dan lugar a un coeficiente de variacin ms alto, pero es
preferible asumir esa heterogeneidad al no haber un argumento hidrolgico para

eliminarlo. Estos valores tendrn gran influencia en la estimacin de cuantiles,
ya que elevarn el valor del mismo. En este caso, el hecho tiene una mayor
trascendencia ya que, como se analizar posteriormente, se va a aplicar un
proceso de regionalizacin, y por lo tanto se estar asumiendo la posibilidad de
que pueda producirse esta situacin en la totalidad de la regin.
-
Otro argumento a favor de la utilizacin de todos los datos fue saber que
estas series haban sido manejadas anteriormente por el Instituto Nacional de

Meteorolgico para su estudio y publicacin, por lo tanto, cabe esperar que estos
valores extremos ya hubieran sido contrastados y no deberan presentar errores
importantes.
Ai-xn
APNDICE I. PRUEBA DE DATOS DUDOSOS

Tabla AI.XrV.- Precipitacin mxima diaria, en dcimas de mm, en Sondica (1082)
Ao Mes Pmx
47
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
7 620
59 10 1690
51
4 739
55
55
47
51
5 1456
47
559
51
756
55
47
207
51
501
47
5 1140
51
47
321
51
47
144
51
47
967
51
47
9 1362
51
11
12
Ao Mes Pmx
64
1 394
68
4 939
60
59
11 1461
64
2 1055
68
5 1323
59
12 2686
64
60
1 1491
64
3 1111
4 2454
68
55
9 1654
10 2117
68
6
7
8 1081
55
11
256
60
340
64
671
68
8 1366
55 12 1102
60
905
64
128
68
10 1952
56
1 1499
60
599
64
177
68
10
906
56
60
60
539
902
56
5
6
64
821
2 1487
3 393
64
708
353
68
68
11 602
12 2437
495
Ao Mes Pmx
675
159
9 1146
173
941
52
1 1879
56
4 1756
60
454
64
10 1910
69
457
47 11 1154
52
2 1028
56
951
60
691
64
11 1554
69
939
47
12 1746
52
751
56
591
60
9 1243
64
12 1535
69
3 1143
48
1 2058
52
4 1233
56
434
60
10 2125
65
1 1683
69
4 1270
48
355
52
140
56
752
60
11 1036
65
533
69
910
48
117
52
504
56
231
60
12 4139
65
3 1173
69
406
48
1171
52
7 1252
56
10 1583
61
1 1491
65
4 2197
69
90
48
799
52
672
48
48
52
354
378
48
890
48
48
10
48
48
47
10
512
56
11 2469
61
379
65
812
69
56
57
12
1
396
997
61
61
3
38
4 1673
65
52
9 791
10 2186
65
6
7
376
294
69
69
9 1961
44
10
52
11 1732
57
419
61
338
65
8 1041
69
11 1023
889
52
12 1546
57
434
61
6 1001
65
9 1178
69
12 2792
931
53
921
57
371
61
415
65
10
889
70
11
622
53
2 1707
57
5 1056
61
343
65
11 2119
70
2 1615
12
292
53
161
57
6 1595
61
948
65
12 2326
70
3 1205
49
1 1234
53
922
57
542
61
10 2121
66
504
70
4 1207
49
147
53
581
57
77
61
11 2403
66
2 1151
70
399
49
3 1865
53
6 2005
57
884
61
12
516
66
890
70
556
49
4 668
53
7 371
57 10 435
62
1 1637
66
4 450
70
7 372
49
5 1398
53
632
57
11 1414
62
2 1325
66
5 1112
70
8 1502
49
166
53
9 2722
57
12 1459
62
743
66
6 1409
70
49
178
53
10 2636
58
1 1375
62
4 1265
66
657
70
10 1094
49
182
53
11
79
70
11 1213
49
9 1994
655
941
492
449
58
503
62
5 1179
66
53 12 609
58
3 1910
62
6 262
66
9 220
54
1 2325
58
4 1140
62
305
66
10 2275
71
862
859
70 12 999
49
10
49
11 2257
54
2 1902
58
794
62
369
66
11 3499
71
49
12 1635
54
925
58
901
62
265
66
12 1517
71
3 1267
556
62
10
4 1174
50
556
54
666
58
50
2 951
54
5 1069
58
8 185
976
67
1 1029
71
62 11 2101
67
2 177
71
50
686
54
753
58
5 1680
558
62
12 1809
67
708
71
6 1150
50
50
4 1717
5 654
54
54
629
8 1487
58
58
10 1163
11 1784
63
63
1 621
2 1757
67
67
4
5
789
945
71
71
7
8
970
635
50
593
54
9 1845
58
12 1850
63
3 1219
67
754
71
780
50
233
54
10
672
59
50
877
54
11
935
59
1037
63
774
67
568
71
10
480
236
63
581
67
514
71
11 3407
50
517
54
3 1255
63
690
67
859
71
12 1146
10
886
55
12 1075
1 1216
59
50
59
481
63
486
67
10
934
72
1 2155
50
11 1106
55
2 1441
59
790
63
8 2150
67
11 2245
72
2 1725
50
12 4644
55
913
59
767
63
9 2394
67
12 3125
72
51
1 1614
55
158
59
451
63
10
858
68
1 1546
72
4 1646
51
2 1837
55
522
59
857
63
11
900
68
667
72
5 1564
51
55
556
59
9 2792
12
694
68
3 1209
72
905
63
719
715
Ai-xm

Ao Mes Pmx
72
72
72
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
140
94
4 2200
870
94
957
393
325
94
94
6
7
703
462
76
11
989
81
3 1228
85
565
89
11 1594
830
76
12 1175
81
4 1038
85
340
89
12
799
77
817
81
438
85
90
72
72
10
11
303
724
77
77
2
3
669
815
81
81
6
7
230
505
85
10
90
90
85
498
11 1966
72
12
12
978
77
907
81
91
85
73
1 1623
77
5 2147
81
548
86
73
2 2383
77
6 1965
81
10 1358
81
11
254
Ao Mes Pmx
94
362
405
552
677
90
4 2163
94
1 3121
90
466
94
9 1997
86
2 1122
90
688
94
10 1180
86
90
411
94
11 1083
12 1355
73
461
77
7 1925
939
73
4 1092
77
957
81
12 1727
86
4 1712
90
465
94
73
804
77
48
82
1 1169
86
345
90
257
95
1 2457
73
936
77
10
457
82
2 1022
86
720
90
10 1177
95
2 1215
73
556
77
11 1432
82
3 1129
86
136
90
11 1671
95
3 1416
73
999
77
12 1096
82
104
86
461
90
12 1362
95
884
73
9 1621
78
1 3267
82
526
86
855
91
882
95
674
658
86
10
450
91
537
95
205
73
10
569
78
2 1071
82
73
11
502
78
3 1166
82
385
86
11
991
91
3 1321
95
454
73
12 1485
78
4 1936
82
700
86
12 1409
91
4 1285
95
263
394
87
1 1063
91
5 1514
95
756
2 1317
91
165
95
10
306
74
539
78
5 1446
82
74
2 1619
78
750
82
10 1999
87
74
3 1389
78
265
82
11 1564
87
735
91
493
95
11
845
74
843
78
476
82
12 2238
87
579
91
243
95
12
855
74
863
78
478
83
289
87
266
91
9 1444
96
597
74
421
78
10
582
83
2 1411
87
6 1079
91
10 1152
96
2 2106
74
7 1039
78
11
864
83
3 1038
87
418
91
11 1541
96
410
74
687
78
12
753
305
79
87
495
12
1
157
334
4
5
524
998
91
92
96
4 1094
5 666
87
74
83
83
1 2325
74
10 3834
79
2 1239
83
291
74
11 1706
79
3 1303
83
834
74
79
4 1857
83
8 6269
79
83
158
12
551
75
864
614
96
675
87
10 1187
92
220
96
638
87
11 2056
92
3 1080
96
941
87
12
677
96
8 1302
389
96
768
894
92
88
1 1519
318
92
75
355
79
378
83
10
432
88
2 1331
92
6 1620
96
10
75
3 2108
79
381
83
11
222
88
3 1156
92
11 2482
75
4 1916
79
815
83
12
449
88
4 1717
92
8 1059
96
12 1556
75
860
79
780
84
1 2448
88
92
9 1002
97
1 1635
698
549
75
10 1909
84
2 1248
88
806
92
10 4322
97
430
95
79
75
79
11 2207
84
482
88
995
92
11
921
97
117
75
663
79
12 1903
84
449
88
670
92
12 1323
97
373
75
910
80
966
84
5 1650
88
740
93
97
774
913
64
202
75
10 1272
SO
307
84
510
88
10
126
93
536
97
75
11 2610
80
3 1158
84
59
88
11
101
93
557
97
7 1172
75
12
996
80
617
84
8 1194
88
12
821
93
4 1941
97
895
76
1 1132
80
5 1789
84
9 1468
89
452
93
443
97
464
76
740
80
755
84
10 1060
89
2 1137
93
681
97
10
390
76
864
80
538
84
11 1788
89
540
93
791
97
11 1856
76
4 1786
5 288
80
266
84
12 1500
89
4 2599
93
8 1114
97
12 1440
76
82
85
1 1515
89
421
93
866
98
657
76
49
80
10 2504
85
462
89
273
93
10
98
76
7 1107
80
11 1309
85
3 1754
89
170
93
11
839
744
98
2
3
433
76
781
80
12 1975
85
434
89
329
93
12 2089
98
4 1774
887
81
1 1653
85
5 1739
89
353
94
891
98
905
10 1584
81
85
502
89
10
240
94
796
98
382
76
76
80
624
433
AI-XIV
391
624
Ao Mes Pmx
99 5 842
99 6 210
98 9 1098
98 10 3113
98 11 1736
98 12 577
99 1 1146
99 7 192
99 8 198
99 9 492
99 10 372
99 11 1667
0
0
0
0
0
5 531
6 560
7 1151
8 478
9 606
6 382
7 641
8 255
9 324
10 497
99
0
0 10 1711
1 2 393
11 1590
12 538
1 583
Afio Mes Pmx
98
98
99
99
99
7
8
2 1425
3 1119
4 699
12 1642
1 338
719
Ao Mes Pmx
0 3 636
0 4 1304
872
Afio Mes Pmx
4
5
911
280
Ao Mes Pmx
2 2 671
2 3 205
2 4 672
2 5 957
2 6 337
2 7 499
2 8 1024
2
2
9 420
10 852
11 1663
Ao Mes Pmx
2 12 2451
3 1 1692
3
3
3
2
3
4
974
382
491
Tabla AIJV.- Precipitacin mxima diaria, en dcimas de mm, en Guadalhorce (6120)
Ao Mes Pmx
61 1 156
61 2
0
61 3 657
96
61 4
61 5 468
0
61 6
61 7
0
61 8
61 9
61 10
61 11
61 12
62 1
62 2
62 3
0
340
170
2352
749
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
64 2 320
64 3 510
64 4 238
64 5
0
64 6 239
64 7
0
64 9 24
64 10
8
64 11 634
64 12 1387
65 1 569
65 2 413
67 4 267
67 5 143
67 6 343
67 7
0
67 8
0
67 9
0
67 10 676
67 11 1570
67 12 238
68 1
0
68 2 958
68 3 368
68 4 183
68 5 118
68 6
4
224
340
70
0
70 8
0
70 9
0
70 10 21
70 11 391
70 12 1330
1 706
71
71 2
28
71 3 774
71 4 1346
71 5 637
71 6 72
71 7
0
65
65
65
3
4
5
476
395
5
6
7
8
9
10
11
12
79
0
0
465
63
63
11 570
12 1499
1 1352
2 970
3 547
4 348
5 657
6 129
0
7
8
0
9 460
10
2
65
65
65
65
65
65
65
66
66
66
66
66
66
66
66
66
66
66
66
454
283
1 467
2 885
3
56
4 417
5
97
6 214
7
0
8
0
9 487
10 562
11 479
12 115
63
63
64
11 1065
12 4385
1 32
67
67
67
1 384
2 1312
3 160
62
62
62
62
62
62
62
62
62
63
63
63
63
63
63
63
63
360
128
1268
4 1268
5 244
6 120
0
7
8
0
33
9
10 1233
1089
68
68
7
8
9
10
11
12
1
2
3
4
5
6
0
191
68
0
68
0
1124
68
68
668
1038
69
69
1219
69
740
69
159
69
76
69
291
69 7
0
69 8 1970
69 9 1160
69 10 1389
69 11 1326
69 12 625
70 1 2089
70 2
50
70 3 738
70 4 250
70
70
71
71
71
71
71
72
72
72
72
72
5
6
7
8
9
10
11
12
1
2
3
4
5
24
68
17
475
753
807
390
962
118
186
154
8
38
521
72 6
72 7
72 8
72 9
72 10 1410
72 11 439
73 1 288
73 2 119
73 3 397
73 4 170
73 5 564
73 6 409
Afio Mes Pmx
73
73
73
73
73
73
74
74
74
74
74
74
74
74
74
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
0
0
0
130
253
733
126
303
607
816
31
502
Afio Mes Pmx
76
76
76
76
76
77
77
77
77
77
77
77
8
9
10
11
12
1
2
3
4
5
6
7
6
213
1264
174
1200
1264
489
345
75
58
110
185
0
0
0
77 8
77 9
77 10
13
0
519
74 10 73
74 11
56
74 12
5
378
75 1
75 2 464
75 3 1126
75 4 529
75 5 283
75 6 131
75 7
0
75 8
0
75 9 23
75 10
10
75 11 118
75 12 1098
76 1 297
76 2 931
76 3 392
76 4 693
76 5 582
76 6
0
76 7
0
77 11
77 12
78 1
78 2
78 3
78 4
78 5
815
723
102
828
396
561
154
78
78
78
78
78
6 322
7
0
0
8
9
10
10 352
78
78
79
79
79
79
79
11
12
1
2
3
4
5
6
7
8
79
79
79
110
853
1387
1138
AI-XV
428
202
13
17
450
0

ABO Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
222
83
12
600
87
11
756
92
360
96
242
700
10 2394
84
52
87
12 1402
92
436
96
60
79
11
39
84
874
88
1 1105
92
65
96
848
465
79
12
84
84
658
88
92
684
96
4 1213
80
499
84
300
88
197
92
134
96
43
521
80
868
84
515
88
243
92
10
668
96
952
80
2
3
482
84
22
88
298
92
11
133
96
269
6
7
80
88
84
88
226
92
12
120
96
10
338
80
406
84
88
93
719
96
11
443
95
80
78
84
16
88
93
249
96
12 2476
10
407
80
84
10
47
88
358
93
302
97
1 1478
11
555
80
84
11 1088
88
10 1069
93
482
97
12 1597
79
79
649
80
75
84
12
927
88
11
699
93
416
97
80
10
404
85
371
88
12
25
93
315
97
367
311
80
11
809
85
599
89
886
93
97
5 1248
406
3
4
50
89
89
2
3
895
93
97
35
352
93
53
97
6
7
120
146
326
436
80
12
10
81
85
85
81
94
85
352
89
458
93
10 1403
97
55
81
149
85
107
89
130
93
11
884
97
9 1180
14
81
85
89
93
12
97
10
232
81
79
85
89
355
94
414
97
11 1139
490
81
10
21
85
10
89
10 2102
94
520
97
12 1092
10
923
81
11
85
11
898
89
11 4194
94
60
98
392
11
580
81
12 1073
85
12
717
89
12 1916
94
543
98
682
12
566
82
1 1205
86
345
90
162
98
51
239
713
94
82
442
86
525
90
370
94
98
111
141
82
209
86
592
90
4 1193
94
98
912
542
82
338
86
370
90
145
94
98
243
692
82
280
86
39
90
94
98
78
82
143
86
45
90
94
10
375
98
82
86
90
9 1076
94
11
550
98
371
82
14
86
90
10
773
94
12
70
98
10
82
10
117
86
137
90
11
464
95
164
98
11
71
222
82
11
808
86
10 1021
90
12
192
95
93
98
12
396
10
191
82
12
297
86
11
485
91
68
95
449
99
233
11
974
83
86
12
115
91
2 1521
95
54
99
245
12
521
83
185
87
1 1165
91
3 1093
95
99
310
379
83
235
87
532
91
330
95
263
99
201
581
83
201
87
91
57
95
13
99
177
83
87
213
91
266
95
65
99
20
83
87
10
91
324
95
27
99
10
83
87
91
10 1521
95
10
99
83
367
87
42
91
11
222
95
11 1023
99
180
83
87
8 1405
91
12
375
95
12 2054
99
10
882
83
10
60
87
333
92
105
96
I 2096
99
11
325
83
11 1690
87
10
880
92
850
96
99
12
231
844
AI-XVI
APNDICE I PRUEBA DE DATOS DUDOSOS
Tabla AI.XVI.- Precipitacin mxima diaria, en dcimas de m m , en Alicante (8025).

AiSo Mes Pmx
467
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Mes Pmx
59
9 2086
Ao
38
10
447
55
47
3
4
51
18
853
174
11
43
43
47
38
140
51
63
55
104
59
10
637
38
12
509
43
345
47
907
51
55
231
59
11
785
39
35
43
140
47
51
295
55
10
200
59
12
70
39
118
43
47
51
645
55
11
624
60
286
39
303
43
47
115
51
10
978
55
12
402
60
275
39
143
43
82
47
488
51
11
235
56
292
60
262
39
155
43
47
10
389
51
12
620
56
231
60
662
39
178
43
534
47
11
85
52
19
56
162
60
91
39
43
10
984
47
12
30
52
64
56
514
60
531
39
140
43
11
51
48
270
52
151
56
182
60
139
39
74
43
12
849
48
272
52
219
56
60
39
10
487
44
48
248
52
139
56
29
60
76
39
11
12
44
138
48
626
52
56
12
60
10
332
39
12
85
44
48
830
52
35
56
116
60
11
60
40
2127
44
70
48
28
52
80
56
10 1000
40
225
44
199
48
257
52
847
56
11
644
61
106
40
89
44
52
48
52
10
842
56
12
15
61
127
40
85
44
92
48
38
52
11
92
57
371
61
11
40
44
43
48
10 1002
52
12
51
57
61
56
40
63
44
9 1065
48
11
53
82
57
53
61
120
40
44
10
222
48
12
522
53
167
57
609
61
105
40
68
44
11
159
49
700
53
59
57
295
61
40
143
44
12
671
49
688
53
449
57
112
61
183
40
10
512
45
320
49
458
53
57
61
415
40
11
91
45
138
49
443
53
899
57
293
61
10
202
40
12
14
45
111
49
415
53
94
57
611
61
11
264
90
60 12 404
41
318
45
26
49
208
53
57
10
622
61
12
41
93
45
114
49
53
132
57
11
589
62
17
41
67
45
102
49
336
53
10 1384
57
12
145
62
557
41
374
45
151
49
401
53
11
325
58
155
62
508
41
241
45
8 1017
49
10
24
53
12
142
58
62
215
41
44
45
49
11
609
54
33
58
56
62
467
41
17
45
10
66
49
12
719
54
257
58
245
62
445
41
84
45
11
763
50
545
54
595
58
63
62
41
10
159
45
12
41
50
60
54
4 1280
58
308
62
41
11
225
46
529
50
16
54
127
58
62
189
41
12
58
46
50
150
54
230
58
131
62
10 1834
42
30
46
232
50
468
54
125
58
104
62
11
378
42
406
46
4 1444
50
54
58
10 1316
62
12
300
42
86
46
308
50
54
83
58
11
451
63
188
42
532
46
50
196
54
10
197
58
12
190
63
85
42
23
46
50
420
54
11
88
59
291
63
42
46
50
10
375
54
12
317
59
553
63
284
42
120
0
50
11
55
74
59
280
63
405
42
12
55
55
139
59
238
63
78
46
8
9
46
10
213
50
42
g
9
155
828
46
11 1234
51
241
55
205
59
5 1042
63
84
42
10
170
46
12
467
51
158
55
17
59
60
63
114
42
11
508
47
506
51
168
55
72
59
74
63
42
12
131
47
172
51
901
55
68
59
63
9 1614
10
Ai-xvn
200

Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
Ao Mes Pmx
63
11
87
68
311
72
223
76
587
80
11
472
85
228
63
12
512
68
421
72
160
76
587
80
12
134
85
244
64
178
68
192
72
76
10
318
81
63
85
315
64
103
68
307
72
241
76
11
30
81
383
85
282
64
205
68
586
72
782
76
12
605
81
149
85
64
310
68
72
10 1242
77
335
81
693
85
64
10
68
16
72
11 1476
77
11
81
184
85
17
64
50
68
31
72
12
98
77
58
81
472
85
981
64
68
10
73
133
77
379
81
85
10
339
64
42
68
11
417
73
63
77
595
81
46
85
11
534
64
163
68
12
743
73
423
77
35
81
55
85
12
230
64
10
74
69
239
73
64
77
381
81
10
121
86
71
64
11
299
69
296
73
77
14
81
11
86
94
64
12 1358
1 210
69
300
73
561
77
356
81
12
18
86
102
69
357
73
77
10
76
82
570
86
242
65
65
200
69
78
73
77
11
688
82
91
86
140
65
235
69
204
73
571
77
12
143
82
516
86
24
65
398
69
73
10
286
78
43
82
917
86
54
65
85
69
62
73
11
99
78
166
82
887
86
126
65
307
69
80
73
12
666
78
181
82
86
9 1172
65
69
10 2020
74
28
78
271
82
86
10 1580
65
26
69
11
189
74
613
78
245
82
86
11
153
65
101
69
12
70
74
677
78
360
82
76
86
12
44
65
10
992
70
198
74
766
78
12
82
181
11
136
70
74
72
78
82
10 2711
11 225
87
65
87
407
65
12
423
70
268
74
100
78
32
82
12
11
87
66
70
70
186
74
252
78
10
183
83
87
12
66
109
70
114
74
329
78
11 1068
83
230
87
307
66
70
6 294
74
79
78 12 176
83
15
87 6
66
323
70
74
10
890
79
693
83
65
87
183
66
173
70
74
11
18
79
93
83
18
87
66
413
70
16
74
12
14
79
83
286
87
187
66
70
10
722
75
42
79
104
83
87
10
378
66
70
11
75
440
83
46
87
11 1015
326
70
12 1132
75
324
615
79
66
79
228
83
87
12
66
10 1493
71
239
75
390
79
120
83
10
867
88
330
52
71
52
75
660
79
83
11 1170
88
455
12
71
925
75
427
79
9 1121
83
12
88
37
66 11
66
255
128
67
180
71
599
75
79
10
353
84
63
88
577
67
2 1050
71
326
75
151
79
11
76
84
221
88
306
67
113
71
75
75
173
79
12
19
84
121
88
562
22
67
392
71
14
75
10
133
80
480
84
200
88
67
32
71
75
11
18
80
2 1554
84
279
88
67
375
71
569
75
12
338
80
166
84
60
88
233
67
71
10 1431
76
16
80
541
84
88
10
668
67
143
71
11 1342
76
72
80
5 1154
84
73
88
11
452
67
62
76
18
80
121
84
94
88
12
67
10
72
152
76
253
80
84
10
186
89
299
67
11
550
72
40
76
994
80
35
84
11
983
89
129
67
12
22
72
338
76
287
80
84
12
22
89
797
68
428
72
363
76
80
10
85
112
89
268
71 12
706
Ai-xvni

Ac
^ ^ s
Pmx
Ac Mes Pmx
M e Mes Pmx
Afic Mes Pmx
Ao Mes Pmx
Afio Mes Pmx
89
614
91
10
307
94
96
13
99
110
89
6 178
91
11
128
94
378
96
558
99
50
89
18
91
12
36
94
95
96
10
447
99
331
89
36
92
18
94
29
96
11
674
99
39
957
89
9 2025
92
879
94
96
12
284
99
357
10
461
89
10
73
111
92
223
94
97
435
99
11
374
89 11 347
92
48
94
9 435
97
29
99
54
1 12
693
89
12 1709
92
196
94
10
411
97
258
99
18
76
90
376
92
568
94
11
157
97
439
99
356
90
92
94
12
64
97
184
99
10
373
196
90
2
3
207
92
95
97
167
99
11
79
520
90
4 407
92
19
95
29
97
7 145
99
12
128
5 518
349
90
524
92
10
203
95
129
97
395
90
24
92
11
127
95
95
97
9 2811
90
29
92
12
126
95
97
10
90
161
93
95
115
97
90
304
93
951
95
97
90
10
472
93
327
95
77
98
90
11
102
93
65
95
74
90
12
126
93
152
95
10
106
91
738
93
25
95
11
121
91
2 281
93
7 413
91
624
93
46
91
3
4
75
93
115
96
91
99
93
10
272
96
'
27
381
203
368
11
104
45
308
12
337
80
10
85
212
67
11
249
98
113
12
164
98
31
32
91
98
63
101
169
95 12 340
98
5 266
0 10 895
96
359
98
11
252
98
12
89
219
98
30
320
447
59
91
84
93
11
665
96
204
98
120
91
93
12 222
96
225
98
10
18
91
94
35
96
98
11
253
488
..i
115
94
52
96
120
98
12
708
212
91
'
3 180
Tabla AIXVII- Precipitacin mxima diaria, en dcimas de mm, en Cadaqus (0433)

Provincia: Girona
Periodo; I96IV1989
Estacin; CADAQUS
Longitud: 03' 16'1
1969
1970
1971
1972
1973
1974
1975
1976;
1977
1978
1979
116
Indicativo; 0-433
Latitud: 42 17fN
SERIE C R G N O L G I G A
118,7
1980
86,5 '
1981
1982
285,0
1983
62,5
44,5:
1984
198S
683
V 57,5
1986
1987 ,
, ::>34,4 :
; 276,0 ::
1988
: 53,3*. ::
1989
57.7: :
Altitud: 45 m
60.7
92,0*
; 33,0
10&.5
50,0
84,2
430,0
: 87,7 :
36,0
35;0^
VALOR MXIMO: 430,0 (ao 1986)

Goeficiehte <ie correlacin; ,8S5
AI-XIX
APNDICE n. MODELOS ANALIZADOS
APNDICE n .-MODELOS I-D ANALIZADOS.

1.-Seleccin de modelos
De la bibliografa consultada, se han seleccionado tres modelos para su estudio:
* Modelo general de tres parmetros
- Modelo 1.-. (Koutsoyiannis et al, 1998):
/24
{d + aT
Donde "a", "b" y "m" son parmetros y "d" la duracin.

* Modelos de dos parmetros
Modelo 2.- Propuesto por Yamell y Hathaway (1965):
a
'""-J:.
'24
.'
Donde "a", y "b" son parmetros y "d" la duracin.

Modelo 3.- Generalizacin del modelo utilizado en la Instruccin 5.2-IC (1990)
1-24
Donde "a",y "b" son parmetros y "d" la duracin.
2. -Condicionantes.
Para los tres modelos seleccionados, se han establecido como puntos de paso
obligado:
24 horas:
g(24) = ^ = l
Ihora:
g(l) = î^=K
lu
Siendo:
I^ = Intensidad mxima anual media en 1 hora.

724 = Intensidad mxima anual media en 24 horas
An-i
APNDICE II. MODELOS ANALIZADOS
Este segiindo punto de paso obligado,- g(l)= =Lr - , slo sera conocido en
estaciones con pluvigrafo, pero esta decisin se adopta por varios motivos:
Es \m parmetro utilizado en la Instruccin 5.2-IC, que tiene sentido fsico, y

representa el porcentaje, en tanto por imo, de la intensidad mxima media
horaria respecto a la de 24 horas.
El hecho de tener un sentido fsico, facilitar el diseo del mapa de isolneas
de "K"
3.- Aplicacin.
A continuacin se analiza cada caso:
Modelo L- Modelo general de tres parmetros
A partir de la expresin general:
g(d)=
^
ITA
{d + af
Siendo punto de paso obligado g ( 2 4 ) = = = 1

-^24
"b" debera adoptar la expresin:

b=(24+ar
Y sustituyendo en la expresin general:
a+a
Adems estableciendo el segundo punto de paso obligado, debera
cumplirse que:
gil) = ( ^ ) n ^
1+a
g(i) = ^ = ^ =
IÂ
( ^ y
l+
Tomando logaritmos en la expresin anterior y despejando "m":

lM{K)
m = Ln((24 + )/(l + fi())
AH-n
La ecuacin g(d) quedara de la siguiente manera:

_
Qd)
Ln(I,/Iz4)
= /-^^^"\Ln((24+a)/(l+a))
/ + t!
Conclusin.- La expresin, que en un principio dependa de tres parmetros, al

obligar a dos puntos de paso, queda reducida a una expresin que slo depende de dos
parmetros " K " - i l ^ - , y "a".
- En las estaciones que disponen de pluvigrafo, se conoce = ,(=K),
-'24
y por lo tanto, se podr estimar "a" en cada estacin, y luego se

estudiara la varabilidad espacial de ambos parmetros trazando
mapas de isolneas.
Modelo 2.- Modelo de dos parmetros propuesto por Yarnell y Hathaway.

Partiendo de la expresin general:
/24
De la condicin de paso obligado g(24) =1, "a" adoptara la expresin:

^ = 24'
y por tanto la funcin g(d):
a
La segunda condicin, g(l)= = , se puede deducir:

-'24
L = 24*
L = K = 24'
-'24
-'24
Y por lo tanto, tomando logaritmos,

Ln(.) = b*Ln(24)
Despejando "b":
AH-ni
APNDICE n. MODELOS ANALIZADOS
Ln(i)
b=
24
Ln(24)
La funcin g(d) adoptara la expresin:
24 ^
a
Conclusin.- El modelo 2 de dos parmetros, al obligar a dos puntos de
paso, depende de un solo parmetro, "K", cuyo valor viene dado por=L,
'24
por lo que no cabra plantear ningn ajuste, y se desecha este modelo.

Modelo 3.- Generalizacin del modelo utilizado en la Instruccin 5.2-IC
El modelo es el siguiente:
^24
g(24)=l se cumple siempre
El segundo punto de paso obligado, g(l) = =

^24
g(l) = i = b''''-''\... g(l) = i = ^ = 6(^^-'^>

I24
I 24
Para obtener "b" se despeja de la expresin anterior
-
= (L)24'-I
1 24
Y por lo tanto, la funcin quedara de la forma:
24"--d'
Id
'24
= ^ ^
\ 24" -1
24"--d"
= K
24" -1
AH-IV
Conclusin.- La expresin general para calcular g(d) depende de "K"- ~
- y "a".
-'24
- En las estaciones que disponen de pluvigrafo, se conoce = , por lo tanto,

-'24
se podr estimar "a" en cada estacin, y luego se estudiara la variabilidad

espacial de ambos parmetros trazando mapas de isolneas..
3.- Comparacin de los modelos 1 y 3.
Los modelos 1 y 3 seran vlidos, tendran dos puntos de paso obligado, y la

solucin a adoptar sera la misma en ambos casos, utilizar las estaciones con
pluvigrafo para, conociendo en cada una de ellas = , estimar el otro parmetro "a".
'24
Para comparar ambos modelos y ver con cual se consiguen mejores ajustes, se
utilizaron varias estaciones repartidas por todo el territorio peninsular, y se estim en
cada una de ellas el parmetro "a". Los ajustes fueron muy buenos, con coeficientes de
correlacin muy altos. Como ambos son vlidos, se decide:
Utilizar l modelo 3 por dos motivos

- Su expresin es ms sencilla de aplicar que el modelo i.
- Es ur modelo similar al utilizado actualmente, pero presentando como ventaja
frente a la aplicacin actual:
-
Ofrecer dos mapas,tn7K/?a<iewo-^
La aplicacin utilizada actualmente considera un valor fijo en toda la

Pennsula de "a" y utiliza de un mapa de isolneas del parmetro "K". Con
la solucin que se propone, se conseguirn mejores ajustes ya que al
realizar dos mapas, se paliar en cierta medidlos errores derivados de no
tener una red abundante de estaciones con pluvigrafo.
AII-V
APNDICE m . ANLISIS DE SENSIBILIDAD
APNDICE m.-
ANLISIS DE SENSIBILIDAD DEL MODELO IDF
ELEGIDO.
Una vez aceptada como adecuada lafimcinque relaciona la intensidad mxima
media en 24 horas con la intensidad mxima media para cualquier duracin mediante la
expresin:
24"-"
donde: "a" y "K" (= =L ) son parmetros,

-'24
"d" duracin (horas).

7i =Intensidad mxima media para ima duracin de 1 hora.
724=Intensidad mxima media para una duracin de 24 horas.
S al exponente se le llama "<p(a)", ^(a) =
24' -d"
La funcin, g(d), que depende de los parmetros "K" y "a" adoptara la siguiente
expresin:
g(d) = f(K,a) = K^^''^
Se debera analizar la sensibilidad de lafimcin"g(d)" a pequeos incrementos
de "K" y a pequeos incrementos de "a", y as evaluar el error cometido al leer de
manera incorrecta en los mapas de iso-K e iso-a.
Para ello se calcular la derivada parcial de la funcin respecto a cada una de las
variables, la variable "K" y la variable "a".
Ain.-i
APNDICE ni. ANLISIS DE SENSIBILIDAD

A) Sensibilidad relativa respecto de K
Derivando respecto de K
Al depender "(p(a)" de la duracin, d, se podrn distinguir cuatro casos:
d<l
=^ <p(a)<l
-^>1
dK
d=l
=> (p(aH
-^ =1
dK
d>i
=> q)(a)>l
^ ^
^<1
dK
df
d=24 =?> 9(a)=0
-^^ = 0 = cte....NodependedeK
Y si se quiere expresar en trminos relativos, en qu medida se incrementa f

cuando K vara en una pequea proporcin, o dicho de otra manera, la variacin unitaria
de " f respecto a una variacin unitaria de "K":
/ ^df ^K
a^ dK f
K
^(pjarK^'^^'-K^
K'^"^
^^ ^'
y por tanto un error en la estimacin de "K" de, por ejemplo un 10% respecto al valor
real, se traduce en una variacin de f proporcional a "(p(a)" y al error cometido en K (en
el ejemplo 10%),
-^^ = <p(a)*
/
i
En la tabla siguiente, tabla Ain.I, se refleja el error relativo en tanto por ciento
que se produce para distintos valores de "a" en funcin de la duracin, y suponiendo
que el error relativo cometido en K es de un 10 %, error bastante grande si tenemos en
cuenta rango de valores que adopta (4 -13).
Ain.-n
APNDICE m . ANLISIS DE SENSIBILIDAD
Valores de "a"
DRAaN
(horas)
-0,05
0,01
0,05
0,08
0,1
0,15
0,2
0,25
0,3
0,083
19,0
17,6
16,8
16,2
15,9
15,1
14,4
13,8
13,3
0,167
16,4
15,5
15,0
14,6
14,4
13,9
13,4
13,0
12,6
0,333
13,8
13,4
13,1
12,9
12,8
12,5
12,2
12,0
11,8
0,5
12,4
12,1
12,0
11,9
11,8
11,6
11,5
11,3
11,2
7,7
7,8
8,0
8,0
8,1
8,2
8,3
8,4
8,6
6,4
6,6
6,7
6,8
6,9
7,1
7,2
7,4
7,6
4,2
4,4
4,6
4,7
4,8
5,0
5,1
5,3
5,5
12
2,0
2,2
2,3
2,4
2,5
2,6
2,8
2,9
3,1
Tabla Ain..- Errores relativos de "f en tanto por ciento suponiendo un error de un 10% en "K".
De todo ello se pueden deducir una serie de conclusiones:
=> Para una duracin de 1 hora, "(p(a)" toma el valor de 1, y la variacin relativa de " f
respecto a la variacin relativa de "K" es constante e igual a 1.
Un error en la lectura del valor de "K", se traduce en un mismo error relativo en

la relacin de "f'. Esto implica que si se tuviera una red ms extensa de pluvigrafos en
toda Espaa, de manera que en cada punto se conociera la relacin = , se podra

establecer la relacin entre la intensidad mxima media correspondiente a cualquier
duracin con la intensidad mxima media en 24 horas con gran precisin.
==> Para una duracin de 24 horas "cp (a)" es igual a cero, y por lo tanto, la variacin de f
con respecto a K es cero, es decir no depende del valor de K.
Esto implica que se cumple siempre, independientemente del error que se
cometa en la lectura del valor de "K".
=> Para cada valor de "a", y conforme aumenta la duracin, disminuye el error relativo.
Affl.-in
APNDICE in. ANLISIS DE SENSIBILIDAD
Este resultado es de gran inters puesto que las duraciones que ms se manejan
se encuentran entre 15 minutos y 12 horas, fundamentalmente duraciones mayores de 2
horas, donde ios errores se sitan entre el 8,6% como mximo y y el 2,0% como
mnimo.
=> En pequeas duraciones, menores de una hora, puede observarse, que conforme
aumenta "a" el error disminuye.
Este resultado presenta tambin gran inters, puesto que de las sesenta y tres
estaciones que se han manejado para disear el mapa de iso-a, solamente en cuatro
estaciones "a" adopta un valor negativo: Amao(1212), Navacerrada(2462),
Grazalema(5911) y Guadalupe(4245), las tres primeras con xm valor de -0.04 y en
Guadalupe, un valor de -0.125. Estas estaciones presentan un peculiar
comportamiento, y por lo tanto, solamente cuando se tenga certeza de que las
caractersticas de la zona de proyecto son muy similares y respondan a las mismas
caractersticas de estas zonas se adoptar un valor negativo, producindose errores
-con a=0,05 y duracin 5 minutos- de un 19%, y en duraciones ms frecuentes, de
un 12,4 %.
En el resto de la Espaa Peninsular " a" vara entre 0,0089 y 0,246, y por tanto
los errores que se estn cometiendo- para las duraciones menores de 1 hora, y ms
usuales- estarn comprendidos entre 13,4 % y 11,2%.
=> En duraciones mayores de 1 hora, el error aumenta conforme aumenta "a". Esta
situacin es contraria a la que se produce en cortas duraciones, y este tramo es el
que ms se va a manejar. En ella, y para valores positivos de "a", los errores son
menores de un 10%, variando entre un 8,6 y un 2,2 %.
=> En la tabla tambin se puede comprobar que para duraciones menores de una hora
los errores relativos son mayores de un 10%, y para duraciones mayores de una
hora los errores relativos, independientemente del valor de a, son menores del 10%.
Si se representa en ordenadas el porcentaje de variacin de f y en abscisas la

duracin se obtendr la siguiente grfica,figuraAIII-I:
_ _ _
APNDICE m. ANLISIS DE SENSIBILIDAD
ERROR REALTIVO DE f CUANDO K VARA UN 10% PARA DISTINTOS VALORES DE a
-0.05
0.01
d "O
0,05
0.08
0.1
0 15
0.2
0.25
"
^^
D.OOO
1000
Z.OOO
03
3,00G
4.000
5.000
6.000
7.
3.000
mooo
11.000
12.000
DURACIN(h)
Figura Ain.I.-Error relativo de "f cuando "K" vara un 10%, para distintos vôres de "a".
2) Sensibilidad respecto de "a"

Para estudiar la sensibilidad del modelo respecto a "a", se deber seguir el
mismo proceso seguido anteriormente, y derivar la funcin respecto de "a"
Partiendo de la expresin.
_
B'^(<')
f =K
Derivando,
da
= a''Ln(K)*g)'(a)
Y por lo tanto la variacin relativa de la funcin f depende de

-
los valores de "K"
de los valores de "a"
de la derivada de la funcin (j)(a) (que a su vez depende de la
duracin y de "a")-
AIII.-V
APNDICE III. ANLISIS DE SENSIBILIDAD
Para analizar la variacin relativa de f se tendr en cuenta que los valores

mnimo y mximo de K son 4 yl3 respectivamente, y teniendo en cuenta el rango de
valores de "a" se supondr un error en ella del 10% y se deducirn las tablas siguientes,
Anu; Ain.in; MIIV; Ain.V;Ani. VI; Ain.VII:
Valores de a
DURACIN
(horas)
-0,1
4,02
2,43
0,01
0,05
0,08
0,1
0,15
0,2
0,25
-0,30
-0,19
-1,34
-0,87
-2,34
-1,55
-3,85
-2,71
0,5
2
-0,10
-0,06
0,04
-0,47
-0,27
0,18
-3,05
-2,06
-1,16
-0,69
0,51
-3,54
-2,44
1,22
0,68
-0,40
-1,97
-1,29
-0,71
-0,41
0,29
-1,41
-0,85
0,65
-1,59
-0,97
0,78
3
6
-0,51
-0,53
0,24
0,27
0,39
0,44
0,48
0,55
12
-0,35
0,05
0,05
0,04
0,19
0,31
0,40
0,70
0,82
0,61
0,91
1,09
0,83
1,10
1,35
1,05
0,083
0,167
0,333
-0,85
-0,50
0,35
Tabla ALII.- Errores relativos de f para K=4 y distintos valores de "a"
Valores de a
DURACIN
"0,1
0,01
0,05
0,08
0,1
0,15
0,2
0,083
5,20
-0,39
-1,73
-2,55
-3,02
-3,94
-4,58
0,25
-4,97
0,167
0,333
3,14
1,58
-0,25
-0,13
-1,12
-0,60
0,88
-0,07
-0,35
-2,00
-1,10
-0,65
-2,67
-1,50
0,5
2
3
-1,67
-0,92
-0,53
-0,89
-3,16
-1,82
-1,09
-3,50
-2,06
-1,25
-0,51
-0,66
0,05
0,06
0,24
0,32
0,37
0,50
0,45
0,62
0,66
0,91
0,84
1,18
1,01
1,43
6
12
-0,69
-0,45
0,07
0,05
0,35
0,25
0,56
0,41
0,71
0,51
1,06
0,79
1,40
1,07
1,74
1,36
(hwas)
Tabla ALIIL- Errores relativos de f para K=6 y distintos valores de "a".
Valores de a
DURACIN
Qioras)
0,083
0,167
0,333
0,5
-0,1
6,03
3,64
1,83
1,02
0,01
-0,45
-0,28
-0,15
-0,09
0,05
-2,01
-1,30
-0,70
-0,41
2
3
6
-0,59
-0,77
-0,80
0,06
0,07
0,08
0,27
0,37
0,41
12
-0,53
0,06
0,29
0,08
-2,96
-1,94
0,15
0,2
0,25
-4,58
-3,09
-5,31
-3,66
-2,11
-1,27
-5,77
-4,06
-2,39
-1,45
0,98
-1,06
-0,62
0,1
-3,50
-2,32
-1,28
-0,75
0,43
0,53
-1,75
-1,04
0,76
0,58
0,65
0,72
0,82
1,05
1,23
1,37
1,63
1,17
1,66
2,02
0,47
0,59
0,91
1,24
1,58
Tabla ALIV.- Errores relativos de f para K=8 y distintos valores de "a"
Ain.-vi
Valores de a
DURACIN
(horas)
0,083
0,167
-0,1
6,68
4,03
0,01
-0,50
-0,32
0,05
-2,22
-1,44
0,08
-3,28
-2,15
0,1
-3,88
-2,57
0,333
0,5
2,03
1,13
-0,17
-0,10
-0,78
-0,45
-1,18
-0,69
-1,42
-0,83
2
3
6
-0,66
-0,85
-0,88
0,06
0,08
0,09
0,30
0,41
0,45
0,47
0,64
0,72
0,58
0,80
0,91
12
-0,58
0,06
0,32
0,52
0,66
0,15
-5,07
-3,43
0,2
-5,88
-4,06
0,25
-6,39
-4,50
-1,93
-2,34
-1,41
-2,65
-1,61
1,08
1,36
1,51
1,80
1,29
1,83
2,24
1,01
1,37
1,74
-1,15
0,84
1,17
Tabla AIELV.- Errores relativos de f para K=10 y distintos valores de "a"
Valores de a
DURACIN
(horas)
0,083
0,167
-0,1
7,21
4,35
0,01
-0,54
-0,34
0,05
-2,40
-1,55
0,08
-3,54
-2,32
0,1
4,19
-2,77
0,15
-5,47
-3,70
0,2
-6,35
-4,38
0,25
-6,90
-4,86
0,333
0,5
2,19
1,22
-0,18
-0,10
-0,84
-0,49
-1,27
-0,74
-1,53
-0,90
-2,09
-1,24
-2,52
-1,52
-2,85
-1,74
2
3
6
-0,71
-0,92
-0,95
0,07
0,09
0,10
0,33
0,44
0,49
0,51
0,69
0,78
0,63
0,86
0,98
0,91
1,26
1,47
1,17
1,63
1,95
1,40
1,98
2,41
12
-0,63
0,07
0,35
0,56
0,71
1,09
1,48
1,88
Tabla Ain.VL- Errores relativos de f para K=12 y distintos valores de "a".
Valores de a
DURACIN
(horas)
0,083
0,167
0,333
0,5
2
3
6
12
-0,1
0,01
7,44
4,49
2,26
1,25
-0,73
-0,95
-0,98
-0,65
0,08
0,1
-0,55
-0,35
-0,19
0,05
-2,48
-1,60
-0,87
-3,65
-2,40
-1,31
-4,32
-2,86
-1,58
0,5
-5,65
-3,82
-2,15
-0,11
0,07
0,09
0,10
0,07
-0,50
0,34
0,45
0,50
0,36
-0,76
0,53
0,72
0,81
0,58
-0,93
0,65
0,89
-1,28
0,94
1,30
1,01
0,73
1,51
1,12
0,2
0,25
-6,55
-4,52
-2,60
-7,12
-5,01
-2,95
-1,57
1,20
1,68
2,01
1,53
-1,79
1,44
2,04
2,49
1,94
Tabla Ain.Vn.- Errores relativos de f para K=13 y distintos valores de "a"
Ani.-vn
APEISDICE ni. ANLISIS DE SENSIBILIDAD
Si se representan grficamente estas tablas, figura AIII.II, se puede ver

rpidamente que todas ellas guardan una estructura similar:
=:e> Para valores negativos de "a", el error es por exceso en cortas duraciones y por
defecto en largas duraciones, para cualquier valor de K.
=> Para valores positivos de "a", el error es por defecto en cortas duraciones y por
exceso en largas duraciones, para cualquier valor de K.
=> La mxima variacin de f (tanto por exceso como por defecto) se produce en la
mnima duracin considerada, variacin que se va incrementando conforme aumenta
K.
=> A partir de una duracin de dos horas, las variaciones de f(%) apenas sufren
cambios, no estando afectadas apenas por "K", y muy poco por "a".
=> A partir de una duracin de 2 horas, las variaciones de " f se empaquetan en una
horquilla que va desde 0,04 % ,( para un valor de "a" de 0,01) y hasta un poco ms
del 2% para duraciones de 6 horas, para el mximo valor de "a" considerado (0,25)incrementndose ligeramente con "K" - y a partir de esa duracin vuelve a bajar en
la ltima duracin considerada (12 horas).
Ani.-VIII
K=4
6.00
ai
0.01
0.05
-4f-o.oa
H*^-Q1
--0.15
-40.2
-*-0.25
clutacin(horas)
k=8
duracin(tx)ras)
\^2
k=13
10.00 T
D
C
(0 sP
1000
500
S ==
0.00
10.000
-10.00
15.000
^ !
c >
o
5(0 ^ro
>
duracin(horas)
0
-fion
-10.00
duracin(horas)
Figura Ani.n.-Representacin grfica de la variacin de f (%) con la duracin cuando "a" vara
un 10% y para cada valor de "K".
AIII.-IX
APNDICE m. ANLISIS DE SENSIBILIDAD
Xos errores relativos que se derivan de estimar incorrectamente el valor de "K" son
mayores que los errores que se derivan de la estimacin incorrecta de "a", en trminos
;.". absolutos.;:^-'r.;'
Es ms difcil cometer errores en "K" que en "a", por el rango de valores que adopta:
-
En Espaa, "K " adopta unos valores que se encuentran comprendidos entre 4-13,
Asi un error de K de mi 10 % llevara, parael mnimo valor de K, K=4, avalores
entre (36-4,4) y si el valor de K es el ms alto, (K=13), el intervalo de valores
^,.-.'-'serade(l;l,7-14,4).',/;/ -
-
El rango de valores positivos que adopta "a" en Espaa vara entre (0,008- 0,29),
por lo que un 10% de error implicara- para el valor de 0,008- adoptar un valor de
"a" en el intervalo (0,0072-0.000088) y para el mayor valor de "a" (0,290) a
adoptar un valor en el intervalo (0,261-0,319), y que por razones obvias, resulta
masfcilque se produzca.
Por lo t^nt a la hora de estimar ambos valores de"K" y de "a" hay que ser
muy cuidadoso, pero sobre todo en la adopcin del valor de "a*'.
Ain.-x
APNDICE IV, APLICACIN PRACTICA
APNDICE IV.- APLICACIN PRACTICA.

Como aplicacin prctica se va a estimar 1(0,5, 200) y la 1(6, 10) en Motilla del
Palancar utilizando la metodologa propuesta en la presente Tesis.
Donde:
1(0,5, 200), es la Intensidad mxima para ima duracin de 30 minutos y un
perodo de retomo de 200 aos.
1(6,10), es la Intensidad mxima para una duracin de 360 minutos, (6
horas) y vai perodo de retomo de 10 aos.
La ecuacin que se plantea en la presente Tesis es la siguiente;
24
'
* ^ ^
[hc(T)^CA{Tf^
Donde:
PMDA^ es la precipitacin mxima diaria anual media correspondiente al punto
considerado, obtenida en "Mximas lluvias en la Espaa Peninsular"(1999).
CA{T)p es el cuantl adimensional, deducido por Ferrer para la estimacin de la
precipitacin mxima diaria anual y para el periodo de retomo considerado, que
se puede obtener en la misma monografa citada anteriormente.
gT (d) es la funcin I-D con los parmetros deducidos en la estacin/estaciones
con pluvigrafo prximas, o bien de los mapas de iso-lneas deducidos a partir
de ellos.
hL(T) y hc(T), son funciones que relacionan los cuantiles adimensionales para
largas y cortas duraciones, con los correspondientes a lluvias diarias, recogidos
estos ltimos tambin en la publicacin "Mximas lluvias diarias en la Espaa
Peninsular".
AIV-I
APNDICE IV. APLICACIN PRACTICA

El proceso se puede esquematizar como sigue;
1.-Estimacin de PMDA^
- Si esta localidad tiene pluvimetro se podra calcular PMDA^ directamente con
los datos de la estacin.
- Conociendo las coordenadas de Motilla del Palancar tambin se puede obtener a
partir del mapa de solneas de PMDA^ de Ferrer, en la publicacin "Mximas
lluvias diarias en la Espaa Peninsular".
En el mapa AIV.I se muestra Motilla del Palancar, con las isolneas que se
presentan en la citada publicacin.
C, .^ "^
JVIoTitta del f^lano

y
. %
Roda
Albacete
Mapa AlVI.- Mapa de isolneas. (Tomado de "Mximas lluvias diarias en la Espaa Peninsular)
Del mapa se deduce que la PMDA^ es de 44mm.
2.-0btencin del CAp.

En ese mismo mapa, mapa ATV., de isolneas se debe obtener el valor del Cv,
que en el caso que se estudia, Motilla del Palancar, adopta un valor de 0,36.
En la tabla correspondiente, en la citada publicacin, se obtienen los cuantiles
adimensionales para cada perodo de retomo, (CAp), en funcin del Cv y del perodo de
retomo.
Perodo de retomo
Cv
10
25
50
100
200
500
0,36
0,919
1,225
1,446
1,747
1,991
2,251
2,525
2,892
Tabla AIV.I.- CAp teniendo en cuanta el perodo de retorno y el Cv. (Tomada de la publicacin
"Mximas lluvias diarias en la Espaa Peninsular")
AIV-II

En azul se ha marcado el CAp correspondiente a un perodo de retomo de 10
aos, y en rojo se ha marcado el correspondiente a 200 aos.
3.-Estimacin de g(d)
La funcin g(d) requiere dos parmetros, "a" y "K" , que se pueden obtener de
los mapas de isolneas presentadas en la presente Tesis.
Si el usuario considera que las caractersticas climticas, orogrfcas, ...son
similares a las de la estacin prxima, Albacete, podra adoptar los valores de dicha
estacin. En otro caso, puede hacer uso de los mapas de isolneas.
De la lectura en el mapa de iso- K se deduce que "K" toma el valor de 12,9
Y del mapa de iso-a se deduce que "a" toma el valor de 0,15
Aplicando la frmula, g(d) = k^^'"-'^'^
g(0,5) = k<^^-^'>= 19,50
g(6) = k^^^-''*>=3,55
4.-Determinacin de la funcin h(T)
La funcin h(T) adecuada depende de la duracin.
4.1.-Para cortas duraciones(menor o igual que 1 hora) se debe aplicar la funcin:
ft^(j) = -0,0044* ((r))^^ 0,0679 *i;(r)^

Obtenindose hc(200)= 1,1828
4.2.-Para largas duraciones se debe aplicar la funcin:
Obtenindose h^lO) = 1,0372

5.- Obtencin de la Intensidad mxima para cada duracin y perodo de retomo.
Para obtener 1(0,5,200), se deber aplicar esta expresin:
1(0,5,200):
PMDA
*l,13*gP(0,5)*hc(T)*CA(T)|
24
Punto de
Motilla del Palancar
estudio
PMDA^
G4(200)^
g(0,5)
hc(200)
1(0,5,200)
44
2,525
19,50
1,1828
120,6
Aiv-m
Para obtener 1(6,10), se debe aplicar la siguiente expresin:

p
1(6,10) = ^ ^ ^ ^ ^ * 1,13 * g''(6) * h, (10) * CA(IO)^

Punto de
Motilla del Palancar
estudio
PMDA^
CAIOYF
g(6)
hL(lO)
1(6,10)
44
1,446
3,55
1,0372
11,0
Este proceso se simplifca considerablemente con la aplicacin informtica que

se ofrece en la presenta Tesis, y se reduce a dos pasos:
1.- Se pincha en el mapa de Espaa, en Motilla del Palancar. En el mapa

se presenta una malla con las coordenadas UTM cada 100 Km, referidas al
huso 30, as como los lmites provinciales y cadenas montaosas, que sirven
de referencia para identificar el punto correspondiente.
Aparecer una ventana en la derecha de la pantalla con los parmetros
necesarios,(K, a, CAp, y
PMDA'^ ),
2.- Los parmetros deben introducirse en la celda correspondiente, y aparecer la

tabla siguiente:
Valores de f(d;T) en mm/h

DURACIN
Sm
10 m
15 m
20 m
30 m
1h
2h
3h
6h
12 h
i^î^^K^ ^
89.60
65.33
53.45
46.00
36.82
24.35
15.50
11.58
6.74
3.70
^ ^ ^
125.82
91.73
75.05
64.60
51.70
34.19
21.14
15.80
9.20
5.05
^^^^^^^s^ ^ ^ ^
^^^^S
153.51
111.92
91.57
78.82
63.08
41.72
25.34
18.93
11.02
6.05
192.33
140.22
114.72
98.75
79.03
52.27
31.13
23.27
13.55
7.43
224.15
163.41
133.70
115.08
92.11
60.92
35.86
26.80
15.60
8.56
258.09
188.16
153.95
132.51
106.06
70.14
40.91
30.57
17.80
9.77
293.69
214.11
175.18
150.79
120.69
79.62
46.22
34.54
20.11
11.03
^^^^^3
340.87
248.51
203.32
175.01
140.07
92.64
53.29
39.82
23.19
12.72
AIV-IV
ANEJOS
ANEJOS
1.- RECURSOS INFORMTICOS UTILIZADOS.

Para realizar esta investigacin se ha utilizado un ordenador personal Pentium de
8 GB, 64MB de memoria RAM.
El software empleado para definir regiones ha sido desarrollado por
Hosking&Wallis en un paquete "LMOMENTS que contiene cdigos fuente Fortran-77
con una serie de rutinas. Es de libre disposicin, y se encuentra en
http://lib.stat.cmu.edu/general/lmoments
Tambin se ha hecho uso de diversos programas: Excel, Statgraphics, Spss,

Chac y Sqrt, estos ltimos en lenguaje Fortran. As mismo, para la generacin de
nmeros aleatorios por la transformada inversa del mtodo de Monte Cario, se ha
elaborado una hoja de clculo en Excel.
Todo ello se presenta en el CD que se adjunta.
2.- ORGANIZACIN DE LOS ARCHIVOS.
ANEJO 1.- SERIES SUMINISTRADAS POR EL INM.
Archivo de Excel con el cdigo de la estacin correspondiente.
Cada archivo presenta en la primera fila el cdigo indicativo, el nombre de la
estacin y las coordenadas correspondientes a la longitud y latitud. En la siguiente fila
se indican las unidades en que est expresada la intensidad mxima, mm/h, y a
continuacin aparece una tabla en la que se muestra, ao a ao, la intensidad mxima
anual correspondiente a las distintas duraciones (en el encabezado de la tabla se indica
la duracin: 5, 10, 15, 20, 30, 60, 120, 180, 360, 720 minutos y, por ltimo 24 horas).
Todos estos datos han sido suministrados por el Instituto Nacional de Meteorologa.
ANEJO 2.- SERIES ADIMENSIONALES.
Archivo de Excel, con el cdigo de la estacin correspondiente.
En el archivo proporcionado por el INM, se ha dividido cada intensidad mxima
anual entre la intensidad mxima media correspondiente a cada duracin.
A.-1
ANEJOS
Adems se han aadido dos filas que incorporan el coeficiente de variacin y

asimetra de la serie adimensionalizada.
ANEJO 3.- REPRESENTACIN DE LAS SERIES.

Se representa la serie temporal para cada estacin, del cociente de la intensidad
mxima anual entre la intensidad mxima media de cada duracin.
ANEJO 4.- L-MOMENTS
Cada archivo cuenta con ima tabla en la que para cada duracin (minutos), se
ofrece los resultados de calctxlar los 1-momentos, bo,bi, b2 ,b3, Ij, I2,13,14, t2, ts, t4 .
ANEJO 5.- TEST DE HOMOGENEIDAD.

Archivo de texto.
En este anejo se incluyen las entradas para poder aplicar los test de
homogeneidad (para cada estacin se ha incluido la regin cortas duraciones y largas
duraciones bajo el nombre, "cdigo de la estacin-c.7" y "cdigo de la estacin-1.7") as
como las salidas del programa XTEST, que permitir establecer si las series son
discordantes o no, y si forman una regin homognea, (las salidas se muestran bajo el
nombre "cdigo de la estacin-c.sal" y cdigo de la estacin-l.sal". ) Ambos se pueden
abrir con el bloc de notas.
ANEJO 6.- AJUSTE SQRT-ET MAX

Archivo de texto y salidas de programa SQRT
Para cada estacin se han incluido los ficheros:
"r-estacin-c" y "r-estacin-l", entrada al programa para la regin cortas y

largas duraciones de cada estacin.
A.-2
ANEJOS
"r-estacin-cf." y "r-estacin-lf salida del programa para la regin "cortas

duraciones" y "largas duraciones" de cada estacin, y estimacin de parmetros
por el mtodo de momentos.
"r-estacin-cmv" y "r-estacin-lmv" salida del programa, para la regin "cortas

duraciones" y "largas duraciones" de cada estacin, y estimacin de parmetros
por el mtodo de mxima verosimilitud.
ANEJO 7.- REPRESENTACIN Y TEST KOLMOGOROV-SMIRNOV

Archivos de Word.
Bajo el nombre "informe- cdigo de la estacin" se recoge los resultados de
aplicar el Test de Kolmogorov-Smimov en cada una de las regiones establecidas en
cada estacin, despus de haber realizado el ajuste a la funcin SQRT-ET mx por
ambos mtodos de estimacin de parmetros.
ANEJO 8.- MTODO DE MONTECARLO.

Archivos de Excel.
De esta carpeta cuelgan los archivos que se han manejado para la aplicacin de
esta tcnica. Son archivos xls, que se han nombrado siguiendo el siguiente criterio:
"mc-estacin-c-mv" y "mc-estacin-c-m", en la estacin correspondiente, la

regin "cortas duraciones" y mtodo mxima verosimilitud o momentos
respectivamente.
mc-estacin-1-mv" y "mc-estacin-1-m", en la estacin correspondiente, la

regin "largas duraciones" y mtodo mxima verosimilitud o momentos
respectivamente.
En estos archivos se incluyen 3 hojas:

"Newton(red)" con el programa desarrollado para la generacin de nmeros aleatorios,
y la semilla manejada.
"Muestra" es la hoja en donde se han generado las 100 muestras con im nmero de
datos igual a los que presentan las series originales de la estacin. En las celdas
inferiores se han calculado la media, coeficiente de variacin y coeficiente de asimetra
de las series generadas.
A.-3
ANEJOS
"Hoja 3" en ella se han representado en ordenadas el coeficiente de asimetra, y en

abscisas el coeficiente variacin de las muestras generadas, junto con los valores
mustrales de la estacin correspondiente.
ANEJO 9.- CLCULO DE RESIDUOS.
Archivo de Excel.
En este anejo se incluye la comparacin de los resultados obtenidos al aplicar la
metodologa propuesta en la presente Tesis y la propuesta por el INM en cada una de las
estaciones seleccionadas. Dentro del archivo nico hay una hoja para cada estacin.
ANEJO 10.- MAPAS.
Archivo de Arc-view.
Se presentan los mapas de iso-K e iso-a realizados en la presente Tesis en la
Espaa Peninsular,
A.-4

Regionalizacion de Idf PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Regionalizacion de Idf PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD POLITCNICA DE MADRID

ESCUELA TCNICA SUPERIOR

DEPARTAMENTO DE INGENIERA FORESTAL

DOCTORANDO: LETICM DE SALAS REGALADO

DEPARTAMENTO DE INGENIERA FORESTAL

REGIONALIZACION DE LEYES IDF PARA EL USO DE MODELOS

Tesis que para optar al grado de DOCTOR presenta la

Fdo: Jos Anastasio FERNANDEZ YUSTE

Fdo: Leticia DE SALAS REGALADO

Tribunal nombrado por el Magfco. y Excmo. Sr Rector de la Universidad Politcnica

Realizado el acto de defensa y lectura de la Tesis el da

"Las inundaciones no se producen porque los ros crezcan,

3.1.2.-Mtodos de estimacin de caudales mximos

3.1.2.1.-Modelos hidrometeorolgicos y la ley IDF

3.2.2.- Evolucin del anlisis defrecuenciade valores extremos

3.2.2.1.-Desarrollo defimcionesde distribucin especficas

3.2.3.-Evolucin en las relaciones IDF utilizadas

3.2.3.1.-Definicin de las variables

3.2.3.2.-Antecedentes de las curvas IDF en el mundo

3.2.3.3.-Relaciones utilizadas en las curvas IDF

3.2.3.5.-Antecedentes de las curvas IDF en Espaa

5.- ESTACIONES CON PLUVIGRAFO

5.1.1.1.2.-Prueba de datos dudosos

5.1.2.1.-Descripcin general de la metodologa

5.1.2.2.-Confotmacin de regiones homogneas

5.1.2.2. l.-Defnicin de las regiones

5.1.2.3.- Seleccin de la funcin de distribucin

5.1.2.4.-Estimacin de parmetros en cada regin

5.1.2.6.- Obtencin de cuantes adimensionales

5.2.1.2.- Anlisis complementario

5.2.2.- Estimacin de parmetros

5.2.4.-Cuantiles adimensionales adoptados

5.2.5.- Seleccin del modelo I-D

5.3.2.- Comparacin de intensidades estimadas

5.3.3.-Anlisis de la robustez de las estimas

6.-ESTACIONES SIN PLUVIGRAFO

6.1.- MATERIAL Y MTODOS

6.1,1.- Datos disponibles

6.1.3.-Criterios para abordar el problema

6.1,3.1,-Criterio para extender la ley I-D

6.2.1.- Mapa de isolneas de los parmetros "K" y "a"

6.2.2.- Funciones h(T)

8.L- REFERENCIAS INTERNET

APNDICE ID: ANLISIS DE SENSIBILIDAD

Q A N E J O I.SERIES SUMINISTRADAS POR I N M

Q ANEJO 9. CLCULO RESIDUOS

Tabla l.-Intensidades mximas (mm/h) para cada duracin y perodo de retomo

Tabla 3.-Resumen de las caractersticas de los distintos mtodos

Tabla 4.- Informacin suministrada por el I.N.M. en la estacin de Valls (0034)

Tabla 11.- Estimadores y L-momentos en la estacin de Valls (0034)

Tabla 12.- Valores de D crtico en lincin del nmero de estaciones de la regin

Tabla 17.- Resultados de aplicar el Test de Medida de la Discordancia al eliminar la serie

Tabla 18.-Resultados de aplicar el Test de Medida de la Heterogeneidad al eliminar la

Tabla 19.- Aplicacin del Test de Discordancia en la estacin de Salamanca (2867)

Tabla 20.- Resultados de aplicar el Test de Heterogeneidad al eliminar la serie de

Tabla 21.-Resultados de apHcar el Test de Medida de la Discordancia al eliminar la serie

Tabla 22.- Resultados de aplicar el Test de Medida de la Heterogeneidad en la estacin

Tabla 23.- Resultados de aplicar el Test de Medida de Discordancia en la regin

Tabla 24,- Resultados de aplicar el Test de Heterogeneidad en la en la regin

Tabla 25.- Resultados de aplicar el Test de Medida de Discordancia en la regin

Tabla 26.- Resultados de aplicar el Test de Heterogeneidad en la en la regin

Tabla 27.- Resultados de aplicar el Test de Medida de la Discordancia en la regin

Tabla 28.- Resultados de aplicar el Test de Medida de la Discordancia en la regin