Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Regionalizacion de Idf PDF
Regionalizacion de Idf PDF
Madrid, 2004
EL DIRECTOR de la Tesis:
El Doctorando:
Ao 2004
HP
d2Q_.
Presidente:
Vocal:
Vocal:
Vocal:
Secretario:
Suplente:
Suplente:
_^
de
EL SECRETARIO,
EL PRESIDENTE,
Fdo:
Fdo:
EL VOCAL,
EL VOCAL,
EL VOCAL,
Fdo:
Fdo:
Fdo:
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
9
11
12
3.2.1.-Consideraciones previas
12
15
15
19
23
3.2.2.4.-Conclusin
34
35
37
38
38
3.2,3.4.-Variacin geogrfica
41
41
3.2.3.6,-Conclusin
47
3.3.-CONCLUS10NES
4.-METODOLOGA: VISIN GENERAL
48
50
53
53
53
58
5.1.1.1.1.-Representacin de datos
58
59
5.1.1.1.3.-Independencia de datos
63
5.1.1.2.-Conclusin
5.1.2.-Regional2acin
66
67
67
73
73
5,1.2.2.2.-Anlisis de la homogeneidad
76
86
90
5.1.2.5.-Validacin
94
98
100
100
5.2.1.1.-Anlisis de homogeneidad
109
120
127
131
5.2.3.-Validacin
139
147
149
5.3.-DISCUSIN
152
5.3.1.-Introduccin
152
153
158
5.3.4.-Conclusin
164
S.4.-CONCLUSIONES
165
166
166
166
6.1.2.-Hiptesis departida
167
169
170
171
173
174
174
183
6.3.-DISCUSIN
188
7.-CONCLUSIONES FINALES
192
8.-BIBLIOGRAFA
200
APNDICES
APNDICE I .PRUEBA DE DATOS DUDOSOS
APNDICE II: MODELOS I-D ANALIZADOS
.. AI.I
AUI
AIII.I
AIV.I
ANEJOS
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
12
Tabla 2.- Resumen de las caractersticas de las principales funciones de distribucin manejadas
18
22
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
79
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
104
105
105
106
106
107
108
108
108
109
111
111
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
116
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
126
Tabla 39.- Parmetros de la funcin SQRT-ET mx para cada una de las regiones definidas
en cada estacin
128
132
133
135
138
Tabla 44.- Nmero de regiones dentro de cada intervalo de clase del coeficiente de variacin
140
141
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
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
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
184
186
Figura 1.- Daos producidos por desastres naturales en el mundo en vidas humanas
y en costes econacos en la decada 1986-1995
13
44
44
58
Figura 6.- Representacin de las series temporales en estaciones con datos dudosos
60
68
80
80
89
110
130
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
Figura 16.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "largas duraciones" en la estacin de Caldas
de Mombuy (0222)
136
Figura 17.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "largas duraciones" en la estacin de Caldas
de Mombuy (0222)frenteal periodo de retomo
136
141
142
143
144
145
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
157
161
163
174
175
186
187
36
52
72
117
118
137
168
56
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
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
181
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
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 =.
-'24
-'24
media de la serie.
1,-OBJETIVOS
OBJETIVOS
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.
2.-JSTiriCACION
JUSTIFICACIN
2.-JIJSI1FICACION
10%
- . ^ 1 %
29%
aflooding
Dwnd storm
Qearthquake
Dother
30%
DEATHS (1986-1996)
7%
Dflooding
29%/^
Dwind storm
-ZZlHlfl^^^ 55%
Dearttiquake
other
9%
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
3.1.1.-TIPO DE ACTUACIONES.
Actuacin
Precipitacin
Red secundaria
Correccin de torrentes.
ANTECEDENTES
ANTECEDENTES
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.
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
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
10
ANTECEDENTES
3.1.3.- CONCLUSIN.
fluviales
entre
. otros:'^:--'^'v'::.;
fimdamenalmnte,
tienen
importantes
' '..mximos.-,
11
ANTECEDENTES
Duracin
Perodo de retorno(aos)
50 100 200
500
237
10
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
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
-1=2
-T=5
T=10
-T=26
-T=50
-T=100
-T=200
-T=500
20
40
eo
ao
100
120
dufactn (minutos)
mo
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:
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.
13
ANTECEDENTES
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:
14
ANTECEDENTES
ANTECEDENTES
16
ANTECEDENTES
ANTECEDENTES
Distribucin
Parmetros
Ventajas
Inconvenientes
Gumbel
2(u,a)
muestra.
<
3 (u, a, k)
LP3**
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
series
con
de
-Ms
.s
'C
es
>
robusto
Cierta
ante
coeficiente
asimetra
anmalos.
depender
slo
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.
18
dos
ANTECEDENTES
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
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
Libre de asimetra.
1986):
Carcter insesgado.
(Chow, 1994).
Ms injsesgados.
elecciones
valores de la distribucin.
de la serie=>Valores ms conservadores.
funcioijies de distribucin.
consistentes).
son
proviene la muestra.
HoskingyWallis, 1987)
Adems
eficientes.
superior de la distribucin.
mustrales
que
los
para
muestras
pequeas
(Maidment,1993)
explcita.
Para
pequeas
muestras,
presenta
L-
momentos.
Ms eficiente
moderadas.
cuantitativa.
Inconvenientes
informticos
est
menos
condicionado.
22
ANTECEDENTES
"
Regionalizacin.
23
ANTECEDENTES
Regionalizacin
ANTECEDENTES
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".
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
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).
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.
27
ANTECEDENTES
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
ANTECEDENTES
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
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).
ANTECEDENTES
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.
34
ANTECEDENTES
Sefijanlas duraciones.
35
ANTECEDENTES
Esquema 2 - Proceso de formacin de las curvas IDF
ESTACIN CON
PLUVIGRAFO
Registro de lluvia
acumulada en cada ao.
IWlm
7
3D.5
la
fifi
a7
iWfi
U4
19 4
IfiR
^
^>
^
'
in4
ai
IflS
ni
t?E
207
;^*
ajuste
2 5 0 - [
i-n
.
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
T'lOO
15>
durln firtriiMtt
1(0
TJfi
T*i
36
ANTECEDENTES
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
t'-"
(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)
ANTECEDENTES
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:
40
ANTECEDENTES
t'-"
(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)
ANTECEDENTES
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)
h(T) = X*T^
40
ANTECEDENTES
41
ANTECEDENTES
= %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\
'
ANTECEDENTES
significacin fsica: K = =Lr (tanto por uno de la intensidad mxima horaria media
'24
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
43
ANTECEDENTES
"'."'
' ^'^^i'-^i-u-
? 1 ^^-g-../:-.^'
'-^K,-.
% \
f'
=
'24
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
ANTECEDENTES
46
ANTECEDENTES
3.2.3.6.- Conclusin.
-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 ^ ^
solamente;
47
ANTECEDENTES
3.3.-CONCLUSIONES.
Haciendo un breve repaso de lo analizado en los puntos anteriores se puede
concluir:
En ellos se incorpora:
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^^ora de los ajus
reflejen adecuadamente la
el uso
de
49
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:
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
51
OBJETIVO:
PROBLEMA:
SOLUCIN:
QUE NO LO TIENEN.
DATOS DE PARTroA:
DATOS DE PARTIDA:
REGIONALIZAaN
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.
5.1.-MATERIAL Y MTODOS.
el cdigo de la estacin.
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
53
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
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
55
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
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
58
Almera (63250)
lOnVImedJa
1 SnVImedia
X 20nVimedia
X 30rrVlmedia
eOrrVImedia
+ I20m/lmedia
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
SrrVItTEdJa
3.5
lOrVlmeda
ISrrymecSa
5 2,5
xZanlmetSa
'
1 '
1.5
^ j
X aOm'tTBciia
fK
5 v
eOrTVheda
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
-^
+ 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
60
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
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.
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
Duracin (minutos)
360
720
1440
Barcelona-Valls
0,15
-0,01
Barcelona-Sallent
0,70
0,71
0,63
0,63
0,65
Barcelona-Caldas
0,38
0,43
0,26
0,39
0,44
Barcelona-Sabadell
0,07
0,15
Barcelona-Gerona
0,11
0,12
Gerona-Figueras
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
0,34
0,23
0,31
0,43
0,67
0,79
0,81
0,27
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
5.1.1.2.- Conclusin.
las
66
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
Murcia (7031)
5
r:
o
.-.^
3.5
SQRT-ET mx
i
i"'
B
0.5
-gumbel
serie histrica
^
log(T)
68
Duracin (minutos)
Ao
10
15
20
1945
0,53
0,59
0,60
1946
30
60
ISO
360
720
1440
0,54
0,54
0,71
0,73
1,29 1,44
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
0,95
0,90
0,77
0,84
1952
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
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
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
= ^
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
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.
71
Conformacin de regiones
Ir
Agrupacin intra-estaciones
Agrupacin inter-estaciones
Espaa Peninsular)
4.
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
CA(T)iarqas
Obtencin de i ( d , T)
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
Mapa 2.- Divisin de la Espaa Peninsular en 26 regiones geogrficas con caractersticas meteorolgicas
comunes (Ferrer y Ardiles, 1994)
74
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.
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
'i = A
'
h
t
-=-
, =-^ parara3,4
'2
78
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
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
0,1701
0,1315
0,2941
0,3393
0,0992
0,0606
0,2697
0,2521
79
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
>
O
L'-skewness, %
80
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:
u = n~^^u
i
t2, es el L-Cv
ts, es el L-Ca
t4, es el L-Ck
n, es el nmero de datos
81
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.
1,333
1,648
1,917
2,140
2,329
2,491
2,632
2,757
2,8,69
2,971
3
Test de Heterogeneidad.
No se ha hecho una comparacin general entre estos tests, pero todos ellos
pueden ser vlidos desde un punto de vista estadstico.
83
Defnicin formal de H:
{v-n^
cr..
Donde:
v=
i=l
* f (^)
2;ni*t2
t = - i ^
Z".
i=l
84
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.
Regin homognea
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
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.
86
87
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.
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
0.O
l-skewnsss, tj
89
Para esta Tesis se ha elegido la funcin SQRT-ET mx, que adems de ser muy
robusta, presenta las siguientes caractersticas:
ley de Gumbel.
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.
90
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)
K(^}
1
^^^(nj
92
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:
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.
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
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
96
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
.,
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
5.1.3.1.-Modelos estudiados.
A partir de la expresin:
^ V " , - ' )estacin
~ '^rl\l
/regin
^ d estacin
7(24, n
CA(T)^,^,,^
(T)
g(d)
CA(T)REGIN,
Modelo 2.- Modelo de dos parmetros propuesto por Yamell y Hathaway (1965):
99
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
Cdigo
cdigo
Cdigo
cdigo
Cdigo
cdigo
INM
regin
INM
regin
INM
regin
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
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.
102
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
103
OBSERVED
=
=
0 0516
0 0247
0 0055
4 88 **
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
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 **
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
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 **
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
106
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 **
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
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
la estacin de Salamanca (2867).
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
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
la estacin de Salamanca (2867).
108
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
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),
Q Si el valor de "D" obtenido es menor que el umbral, aceptar la regin, para este
Test, y pasar el siguiente control.
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
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).
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)
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.
112
500)
0.0258
0.0219
0,0077
=0.50
CASOI: H<1
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
1110c
632501
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.
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.
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
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.
116
SI
OK
56 estaciones
NO
7 estaciones
OK
>>UMBRAL
1 estacin
2 Estaciones
D<UMBRAL
OK
1 estacin
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"
117
SI
H<1
OK
57 estaciones
NO
6 estaciones
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".
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
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)
LQMSitd^^aMjQbteaidos.pe^^
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
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
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
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
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.
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".
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.
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
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
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
"
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
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
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
0,85
0,88
1496 Vigo(Pemador)
1,17
1,17
1,04
1,08
1,72
1,60
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
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
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
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.
128
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
131
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
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
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
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
Figura 16.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "largas duraciones" en la estacin de Caldas de Mombuy (0222),
0222
LARGAS
^ ^ ^
"IJ
^^^
^ ^ ^
11
5^-^
T.
Figura 17.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "largas duraciones" en la estacin de Cadas de Mombuy (0222) frente al perodo
de retomo.
136
NO
SI
Aplicar Test K-S para
perodos de retomo
mayores de 10 aos
NO
t, Superan ambos el Test
paraT>10ats'?
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
Se adopta la
que tenga D
menor
Ambas por
encima de la serie
histrica.
Criterio
conservador
137
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
139
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.
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.
(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
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".
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).
142
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
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
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
P E R I O D O D E R E T O R N O (aflos)
REGIN 2
10
25
50
0034c
11101
00341
1208c
0111c
1208
Ollll
1212c
0,94
0201c
12121
0,92
02011
1387c
0222c
13871
02221
1428c
0225c
14281
02251
1495c
0370c
14951
03701
1496c
0429c
14961
04291
1499c
1024c
0,92
14991
10241
0,93
1549c
1082c
15491
10821
2030c
1110c
20301
147
10
25
50
REGIN
25
50
2139c
4245c
21391
42451
2243c
4452c
22431
44521
2331c
4478c
23311
44781
2363c
4605c
23631
46051
2422c
5530c
24221
55301
2444c
5911c
24441
59111
2462c
6006c
24621
60061
2614c
6024c
26141
60241
2633c
6120c
26331
61201
2661c
6172c
26611
61721
2867c
7031c
28671
70311
3013c
7228c
30131
72281
3195c
8025c
31951
80251
3196c
8175c
31961
81751
3200c
8416c
32001
84161
3259c
8500ac
32591
8500al
3469c
9121c
0 8 8 M 6 V73"
34691
91211
090
4121c
3,88 4,67
9148c
41211
91481
h66
3,64 4^32'
ijo
l 4 7 26 ^ 2 9 3 ^
2^ 3 ^ 3 ^
165 2^10
094
l46
Tjf
l02
2 ^ 2 ^ X92
148
10
25
50
REGIN
10
25
50
9171c
9898c
91711
98981
9434c
94341
9443c
9981c
0,91
94431
99811
9771c
63250C
97711
6325ol
Tabla 46,- Cuantiles adimensionales adoptados en cada una de las regiones,- cortas y largas duraciones -, dentro de
cada estacin.
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
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
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
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
151
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
153
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.
Donde:
-
154
duracin.
-
retomo.
-
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
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
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.
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
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
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
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
158
159
T (aos)
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 ,
160
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, ^^'-^ODOS _ ^ INM-SIN^ * JQQ
^^INM-TODOS
-CAT-todos
-CAT-sin
CA INM- todos
-^e-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
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
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
aqu son ms
164
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:
165
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)
PMDA
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.
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.
' ^
7(24, r)
167
Hiptesis de partida:
La relacin
lidj)
I(24,T}
I(24;T)
Obtencin de I(d,T)
en cualquier punto de la Espaa Peninsular
168
CA'^ilA-Tyi^
CA'^ilA-T)
/(24;r)J^
CA^IAJ)
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:
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
^i
=-
,,
j^-PONDERADO
yK
*^i
170
1(24; J) jp
CA^(d;T)
CA'ilAJ)
mr),
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
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
Para resolver este problema, se baraja como solucin buscar una funcin, "h"
que relacione los cuantiles adimensionales que no se conocen - C4f (7')y CA^iT)- con
algn cuantil conocido.
El procedinient propuesto puede sintetizarse como sigue:
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
172
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
24
^'
k(f)*ci(r)?
173
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"
174
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.
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.
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
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.
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.
' "Agresividad de la lluvia en Espaa. Valores del factor R en la ecuacin universal de prdidas de suelo",
ICONA(1988)
178
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),
Conclusiones:
180
ttiT'
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
-*(**'''
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
1,100,000
ft^f
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
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
1,100,000
Metros
CAC(T)/CAF(T)
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)
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
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
184
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
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
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
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).
187
6.3.-DISCUSION.
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:
-
188
7.-CONCLUSIONES FINALES
CONCLUSIONES FINALES
189
CONCLUSIONES FINALES
CONCLUSIONES FINALES
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
192
BIBLIOGRAFA
193
BIBLIOGRAFA
194
BIBLIOGRAFA
195
BBLIOGRAFIA
196
BIBLIOGRAFA
197
BIBLIOGRAFA
BIBLIOGRAFA
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
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
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
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
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).
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
Tabla ALIO.- Precipitacin mxima diaria, en dcimas de mm, en Sondica (1082) en el ao 1983.
Ai-m
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
AI-IV
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
Tabla AI.V.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Guadalhorce
(6120)
10
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
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
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
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
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
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^^^^
2,38
2,20
2,14
2,12
;30;-'-
60
2,09
1,95
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
Ai-vn
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
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
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
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
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
77,6
66
44,4
22,4
11,2
7,5
3,8
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
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
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)
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
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).
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
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
Otro argumento a favor de la utilizacin de todos los datos fue saber que
Ai-xn
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
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
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
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
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
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
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
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
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
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
^ ^ s
Pmx
Ac Mes Pmx
M e Mes Pmx
Ao 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
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^
AI-XIX
/24
{d + aT
a
'""-J:.
'24
.'
1-24
2. -Condicionantes.
Para los tres modelos seleccionados, se han establecido como puntos de paso
obligado:
24 horas:
g(24) = ^ = l
Ihora:
g(l) = ^i^=K
lu
Siendo:
An-i
Este segiindo punto de paso obligado,- g(l)= =Lr - , slo sera conocido en
estaciones con pluvigrafo, pero esta decisin se adopta por varios motivos:
3.- Aplicacin.
A continuacin se analiza cada caso:
Modelo L- Modelo general de tres parmetros
g(d)=
^
ITA
{d + af
cumplirse que:
gil) = ( ^ ) n ^
1+a
g(i) = ^ = ^ =
I^A
( ^ y
l+
AH-n
Qd)
Ln(I,/Iz4)
= /-^^^"\Ln((24+a)/(l+a))
/ + t!
L = 24*
L = K = 24'
-'24
-'24
AH-ni
Ln(i)
b=
24
Ln(24)
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
El modelo es el siguiente:
^24
= (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
- y "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:
AII-V
APNDICE m.-
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"-"
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
Derivando respecto de K
d<l
=^ <p(a)<l
-^>1
dK
d=l
=> (p(aH
-^ =1
dK
d>i
=> q)(a)>l
^ ^
^<1
dK
df
-^^ = 0 = cte....NodependedeK
^(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
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.
Affl.-in
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%.
-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 v^ores de "a".
B'^(<')
f =K
Derivando,
da
= a''Ln(K)*g)'(a)
duracin y de "a")-
AIII.-V
-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
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)
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
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
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
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
Ani.-vn
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
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
Ain.-x
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
C, .^ "^
. %
Roda
Albacete
Mapa AlVI.- Mapa de isolneas. (Tomado de "Mximas lluvias diarias en la Espaa Peninsular)
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
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:
PMDA
*l,13*gP(0,5)*hc(T)*CA(T)|
24
Punto de
estudio
PMDA^
G4(200)^
g(0,5)
hc(200)
1(0,5,200)
44
2,525
19,50
1,1828
120,6
Aiv-m
estudio
PMDA^
CAIOYF
g(6)
hL(lO)
1(6,10)
44
1,446
3,55
1,0372
11,0
PMDA'^ ),
i^^i^^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
A.-1
ANEJOS
A.-2
ANEJOS
A.-3
ANEJOS
A.-4