Está en la página 1de 17

Agrociencia

ISSN: 1405-3195
agrocien@colpos.mx
Colegio de Postgraduados
México

Campos-Aranda, Daniel F.
ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES EN LA REGIÓN HIDROLÓGICA No. 10
(SINALOA), MÉXICO. 2. CONTRASTE DE PREDICCIONES LOCALES Y REGIONALES
Agrociencia, vol. 48, núm. 3, abril-mayo, 2014, pp. 255-270
Colegio de Postgraduados
Texcoco, México

Disponible en: http://www.redalyc.org/articulo.oa?id=30230744002

Cómo citar el artículo
Número completo
Más información del artículo
Página de la revista en redalyc.org

Sistema de Información Científica
Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

CONTRAST OF REGIONAL AND LOCAL PREDICTIONS Daniel F. that of stations-years and that of the weighted L moments. 2) selection of a regional probabilistic model. GEV and LOG distributions. MÉXICO. The L moments and their quotients were calculated to define the most suitable probability distribution regionally. Ouarda et al. 1996. standard fit error. (campos_aranda@hotmail. 78280 San Luis Potosí. relative error. floods were characterized according to their dates of occurrence. 2014. Recibido: junio.ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES EN LA REGIÓN HIDROLÓGICA No. 2008). Two regional methods were then applied. 10 (Sinaloa). El ARFC involucra tres etapas básicas: 1) identificación * Autor responsable v Author for correspondence. Genaro Codina # 240. and 3) application of joint management techniques of data or statistical parameters (GREHYS. en sitios con escasa información hidrométrica de gastos máximos anuales.. GVE y LOG. This second part of an RFFA begins by estimating L moments and their respective quotients at the 21 E l Análisis Regional de Frecuencia de Crecientes (ARFC) engloba una serie de procedimientos orientados a estimar confiablemente las crecientes de diseño. therefore. based on the results of this method. 10 (Sinaloa). En seguida. The predictions of the stationsyears method were more precise when contrasting them with the local values or those of the historical record and. el de las estaciones-años y el de los momentos L ponderados. or in places that do not have these data. Introduction T Introducción he Regional Flood Frequency Analysis (RFFA) comprises a series of procedures aimed to estimate design floods reliably in sites where hydrometric information on maximum annual flows is scarce. 255 . método de momentos L ponderados. a regional method was developed to be applied to ungauged watersheds in Hydrological Region No. error relativo. both by fitting the GEV distribution. CONTRASTE DE PREDICCIONES LOCALES Y REGIONALES REGIONAL FLOOD FREQUENCY ANALYSIS IN HYDROLOGICAL REGION No. región de influencia. error estándar de ajuste. LP3.com). o bien en localidades que no cuentan con tales datos. pruebas estadísticas. stations-years method. método de las estaciones–años. Campos-Aranda Facultad de Ingeniería de la Universidad Autónoma de San Luis Potosí. region of influence. L moment method. Las predicciones del método de las estaciones-años resultaron más exactas al contrastarlas con los valores locales o del registro histórico y. distribuciones LP3. MÉXICO 2. con base en sus resultados se desarrolló un método regional aplicable a cuencas sin aforos ubicadas en la Región Hidrológica No. statistical test. Palabras clave: momentos y cocientes L. ambos a través del ajuste de la distribución GVE. Resumen Abstract En la primera parte de este Análisis Regional de Frecuencia de Crecientes se caracterizaron éstas de acuerdo con sus fechas de ocurrencia. dos métodos regionales fueron aplicados. por ello. In the first part of this Regional Flood Frequency Analysis. Los momentos L y sus cocientes se calcularon para definir la distribución de probabilidad más adecuada regionalmente. using a seasonal indicator with which the region of influence of each of the 21 hydrometric stations processed was established. Key words: L moments and quotients. 2014. Aprobado: febrero. 2. Publicado como ARTÍCULO en Agrociencia 48: 255-270. 10 (SINALOA). 10 (SINALOA). RFFA involves three basic stages: 1) identification of groups of hydrologically homogeneous watersheds. empleando un indicador estacional con el cual se estableció la región de influencia de cada una de las 21 estaciones hidrométricas procesadas. 2013. San Luis Potosí.

L moments are an efficient robust system for fitting probabilistic models currently used or established under precept. Materials and Methods L moments and quotients L moments (li) are linear combinations of probability weighted moments (bi) developed by Greenwood et al.AGROCIENCIA. In the first part of the RFFA. (1979) and these are statistical parameters associated with ordered data. 2006): hydrometric stations with registers of maximum annual flows. 1997. Hosking y Wallis. Sus ecuaciones de cálculo son (Stedinger et al. Dichas predicciones regionales se contrastaron con las locales o históricas. Materiales y Métodos Momentos y cocientes L Los momentos L (li ) son combinaciones lineales de los momentos de probabilidad ponderada (bi) desarrollados por Greenwood et al. comenzando con L–Cv que es análogo a este coeficiente y después los de similitud con los coeficientes de asimetría y de curtosis: 256 VOLUMEN 48. las cuales se estimaron con base en las tres distribuciones de probabilidad establecidas bajo precepto. Based on these quotients.. 1993. the L moment quotients (t) are defined. Based on the results. 1997. 2) selección de un modelo probabilístico regional. 2014 de grupos de cuencas hidrológicamente homogéneas. 1996. which were estimated on the basis of three probability distributions established under precept. which is analog to this coefficient. the most convenient regional probabilistic model is obtained as the General Extreme Values Distribution. Después de definir en la primera parte del ARFC las Regiones de Influencia (RDI) de cada estación hidrométrica considerada como localidad sin datos. their regional predictions are obtained with the classical methods: stations-years and weighted L moments. after defining the Regions of Influence (ROI) of each hydrometric station considered sites without data. Con base en los resultados se desarrolló un método regional similar al índice de crecientes aplicable en cualquier localidad sin datos hidrométricos de la Región Hidrológica No. 10 (Sinaloa. Hosking and Wallis. NÚMERO 3 In an n-sized simple. Campos.. 1 de abril .£xn).. Los momentos L son un sistema eficiente y robusto para el ajuste de los modelos probabilísticos actualmente en uso o establecidos bajo precepto. México). beginning with L-Cv. 2006): l1 = b0 (1) l2 = 2∙b1 – b0 (2) l3 = 6∙b2 – 6∙b1 + b0 (3) l4 = 20∙b3 – 30∙b2 + 12∙b1 – b0 (4) l1 = b0 (1) l2 = 2∙b1 – b0 (2) Moreover.15 de mayo. Campos. 1993. Con base en tales cocientes se obtiene la distribución General de Valores Extremos como modelo probabilístico regional más conveniente. 2008). These regional predictions are contrasted with local or historical predictions. followed by similarity quotients with asymmetry and kurtosis coefficients. with its elements in ascending order (x1£x2£. Ouarda et al. (5) t2 = l2/l1 l3 = 6∙b2 – 6∙b1 + b0 (3) t3 = l3/l2 (6) l4 = 20∙b3 – 30∙b2 + 12∙b1 – b0 (4) t4 = l4/l2 (7) Además se definen los cocientes (t) de momentos L. The calculation equations are the following (Stedinger et al. 10 (Sinaloa. similar to the flood index. y 3) aplicación de técnicas de manejo conjunto de datos o parámetros estadísticos (GREHYS.. Esta segunda parte de un ARFC se inicia estimando los momentos L y sus respectivos cocientes en las 21 estaciones hidrométricas procesadas con registro de gasto máximo anual. applicable to any site without hydrometric data in Hydrological Region Num. a regional method was developed.. the unbiased estimators of br are: . México). se obtuvieron sus predicciones regionales con dos métodos clásicos: el de las estaciones–años y el de los momentos L ponderados. (1979) y éstos son parámetros estadísticos asociados a los datos ordenados.

Santa Cruz and Acatitán stations show trend with the specific tests. but their predictions should be considered less reliable. 1997). REGIÓN HIDROLÓGICA No. 1997) to find the most convenient probabilistic model to be used in the application of the regional methods. as well as their three quotients t2.b j − rg x bn − 1gbn − 2g. one of variability (Bartlett) and one of mean change (Cramer). This is shown in Figure 1 where it can be seen that the Generalized Extreme Values (GEV) distribution is regionally the most adequate probabilistic model. tendencia. which lead to the L moment diagram (Hosking and Wallis. de cada una de las 21 estaciones hidrométricas procesadas con registro de gasto máximo anual. para encontrar el modelo probabilístico más conveniente a emplear en la aplicación de los métodos regionales. CAMPOS-ARANDA 257 . los cuales se llevan al diagrama de momentos L (Hosking y Wallis. one general test (Von Neumann) and six specific tests were applied: two of persistence (Anderson and Sneyers). En el último renglón del Cuadro 1 se presentan los valores promedio de los cocientes t3 y t4. two of tendency (Kendall and Spearman). These registers will not be eliminated. donde se observa que la distribución General de Valores Extremos (GVE) es el modelo probabilístico más adecuado regionalmente. which is detected even by the Von Neumann test. 10. Pruebas de calidad estadística Para que los resultados del análisis probabilístico sean teóricamente válidos. These criteria imply that the data are from a random variable originated by a single natural process that has not changed over time and. homogeneidad y ser estacionarios. and they should be stationary. Lo anterior se muestra en la Figura 1. The last row of Table 1 presents the average values of the quotients t3 and t4.. los registros de gasto máximo anual deben cumplir ciertos criterios estadísticos como aleatoriedad. is free of deterministic components such as persistence. t3 and t4. of each of the 21 hydrometric stations processed with registers of maximum annual flow. 2. CONTRASTE DE PREDICCIONES t2 = l2/l1 (5) t3 = l3/l2 (6) t4 = l4/l2 (7) En una muestra de tamaño n. for this reason.... The Jaina.. trend.. t3 y t4.b j − rg x bn − 1gbn − 2g.. To prove the above. 1 n n ∑ j = r +1 b j − 1gb j − 2g. con sus elementos arreglados en orden ascendente (x1£x2£. changes in the medium and excess or deficit of variability. but it is not detected with the von Neumann test. así como sus tres cocientes t2. independencia. los cuales implican que los datos proceden de una variable aleatoria originada por un único proceso natural que no ha cambiado en el tiempo y por ello está libre de componentes determinísticas como persistencia.. It was found that the registers of the hydrometric stations Choix and Pericos have persistence.bn − rg j (11) Table 1 presents the first four L moments (li).ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES. independence and homogeneity.£xn) los estimadores insesgados de br son: β0 = 1 n 1 β1 = n b j − 1g ∑ bn − 1g x n j =2 j b gb g b gb g ∑ xj j =1 β1 = 1 n ∑ n j =2 (8) b j − 1g x bn − 1g j (9) 1 n j −1 j − 2 xj β2 = ∑ n j =3 n − 1 n − 2 b gb g b gb g (8) with the following general expression: (9) βr = (10) con la expresión general siguiente: 1 n 1 n (10) n ∑ xj j =1 1 n j −1 j − 2 xj β2 = ∑ n j =3 n − 1 n − 2 βr = n β0 = n ∑ j = r +1 b j − 1gb j − 2g. cambios en la media y exceso o déficit de variabilidad.. These tests can be consulted in WMO (1971) and Machiwal and Jha (2012). Statistical quality tests For the results of the probabilistic analysis to be theoretically valid.bn − rg j (11) En el Cuadro 1 se presentan los cuatro primeros momentos L (li). the registers of maximum annual flow must satisfy certain statistical criteria such as randomness..

7610 179.49086 0. L moments and their quotients.41474 0.6583 167.48125 0.3213 423. General characteristics.6592 33.615 813.3005 264.22836 0.5535 310.3567 65.636 3328.0238 12. 2014 .01184 0.1338 300.344 945. 10 (Sinaloa).3388 481.35056 0.0921 53.35919 0.737 250.4444 85.3626 58.35652 0.7414 159.974 189.4379 211.16739 0. Características generales.25068 t4 Cuadro 1.37905 t3 0.9041 32.3921 47.42478 0.2600 162.41560 0.333 348.00480 0.4606 25.3706 69.258 VOLUMEN 48.5716 719.4811 1526.64257 0.34935 0.6280 137.9236 36.9865 91.34609 0.1353 211.1655 – l3 48.45227 0.29757 0.6109 123.9679 148.1959 135.28834 –0.48710 0.32149 0.256 1198.52064 0.41718 0.000 1037.10437 0.0436 60.5406 9.42858 0.2519 – l2 92.57488 0.3911 231.45555 – t2 0.42828 0.3656 454.6665 –1.34244 0.39541 0.0218 21.5321 – l4 0.15883 0.60699 0. momentos L y sus cocientes de las 21 estaciones hidrométricas procesadas con registro de crecientes de la Región Hidrológica No.7324 –1.30427 0.083 1129.2702 479.0024 9.42017 0.20325 0.857 702.44948 0.875 289.38784 0.15 de mayo.05350 0.182 104.0248 168.40967 0.0966 743. 1 de abril .48122 0.22567 0.29398 0.800 596.44258 0.0091 218.46378 –0.3100 29.8850 181.27257 0.091 – l1 314.1706 86.35069 0. NÚMERO 3 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Chinipas Palo Dulce San Francisco Huites Choix Bamícori La Tina Jaina Naranjo Zopilote Guamuchil La Huerta Badiraguato Chico Ruiz Pericos Tamazula El Bledal Santa Cruz Acatitán Ixpalino El Quelite Promedios Número Nombre 1965-2002 (24) 1958-1986 (21) 1941-1973 (33) 1942-1992 (51) 1956-2002 (38) 1951-1983 (33) 1960-1983 (24) 1942-1998 (56) 1939-1984 (45) 1939-2001 (56) 1940-1971 (32) 1970-1999 (28) 1974-1999 (26) 1977-2002 (19) 1961-1992 (30) 1963-1999 (32) 1938-1994 (56) 1944-2002 (52) 1955-2002 (43) 1953-1999 (45) 1961-2001 (33) – Años de registro (ni) 5098 6439 17 531 26 057 1403 223 254 8179 2064 666 1645 6149 1018 391 270 2241 371 8919 1884 6166 835 – Área (km2) 883.9988 70. AGROCIENCIA.0114 749.36007 0.3495 96.14079 0.8333 507.978 479.958 1020.32621 0.15342 0.47214 0.346 205.107 1224.9577 331.311 351.4512 307.0112 17.39951 0.52046 0.7974 327.5007 477.5715 344.45868 0.52382 0. of the 21 hydrometric stations processed with flood records in the Hydrological Region Num.61164 0. Table 1.5601 86. 10 (Sinaloa).786 633.24867 0.06008 0.8597 499.6143 35.29546 0.0124 14.42671 0.38055 0.3443 125.47970 0.42451 0.20800 0.238 1724.2722 45.

Shaw et al. la General de Valores Extremos (GVE) y la Logística Generalizada (LOG). por lo cual la distribución LP3 se ajustó por momentos (Bobée y Ashkar. que incluso es detectada con el test de Von Neumann.35 Distribuciones de 3 parámetros de ajuste: LOG: Logística Generalizada GVE: General de Valores Extremos PE3: Pearson tipo III PAG: Pareto Generalizada Cociente L de curtosis (4) 0. The GEV distribution was fit based on four methods: moments (mo).UU. 1975. 1977. 1975.50 Cociente L de asimetría (3) Figura 1.ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES. are established under precept in the USA and England (NERC. La estimación de sus tres parámetros de ajuste se realizó con base en los métodos estadísticos más consistentes. only the three probabilistic models proved adequate for fit to flood records and. Finally. Para probar lo anterior se aplicó una prueba general (Von Neumann) y seis específicas: dos de persistencia (Anderson y Sneyers). values adopted as local or historic predictions are shown in bold type as they correspond to a smaller standard fit error (Kite.15 N 0. (1993) and Campos (2006). sextiles (sx). 1991) in the logarithmic (ld) and real (rd) domains. Figure 1. Generalized Extreme Values (GEV) and the Generalized Logistic (LOG) distributions. pero no es detectada con el test de Von Neumann.25 PE3 0. e Inglaterra (NERC. 1997).00 U 0.00 0. 1977. 2011). dos de tendencia (Kendall y Spearman). the data on maximum annual flow at each hydrometric station CAMPOS-ARANDA 259 . WRC. 10. which can be consulted in Clarke (1973). Estas pruebas se pueden consultar en WMO (1971) y Machiwal y Jha (2012).25 0. 2.30 0. 2011).45 0. Santa Cruz y Acatitán muestran tendencia con las pruebas específicas. Their three fit parameters were estimated on the basis of the most consistent statistical methods.40 0.. Table 2 shows the predictions obtained with the three probabilistic methods used in the six return periods to be processed. 1991) en los dominios logarítmico (dl) y real (dr). therefore. Diagrama de cocientes de momentos L. una de variabilidad (Bartlett) y una de cambio en la media (Cramer). Tales modelos son las distribuciones Log-Pearson tipo III (LP3). 1994. the LOG model was applied only by the L moment method (Hosking and Wallis. CONTRASTE DE PREDICCIONES 0.35 0.20 L F G 0. Stedinger et al. Campos.15 0.10 0. Tales registros no serán eliminados. REGIÓN HIDROLÓGICA No. Shaw et al. These models are the Log-Pearson type III (LP3). Diagram of L moment quotients. Predicciones locales o históricas Para estas predicciones se aplicaron exclusivamente los tres modelos probabilísticos probados como adecuados para su ajuste a registros de crecientes y por ello están establecidos bajo precepto en EE. 2006). whereby the LP3 distribution was fit by moments (Bobée and Ashkar. WRC. maximum likelihood (ml) and L-moments (Lm).10 0. 1977).30 Distribuciones de 2 parámetros de ajuste: L: Logística N: Normal G: Gumbel E: Exponencial U: Uniforme LOG GVE PAG 0. en cambio las estaciones Jaina.05 0. Al respecto se encontró que los registros de las estaciones hidrométricas Choix y Pericos presentan persistencia. pero sus predicciones deben ser consideradas menos confiables.20 0. La distribución GVE se ajustó con base en cuatro métodos: Local or historical predictions For these predictions. Regional stations-years method In this method (Garros-Berthet.40 0.05 0..

(1993) y Campos (2006). The results are shown in Table 5. The GEV distribution is then fit with the four methods described above.= Tr e j − QTr estim Tr e j Q obser 100 (12) obser where the relative error is expressed in percentage and has a negative value when the estimated flow (QTr)estim is smaller than that calculated as a local or historic prediction (Table 2) or observed flow (QTr)obser. The GEV distribution is fit with the L-moment method and its predictions are scaled or dimensioned with the mean annual flow of the base register (l1).R. la distribución GVE y se seleccionan los resultados con los menores error estándar de ajuste. R. 2006) la distribución GVE se ajusta por momentos L. and the results with the smallest standard fit errors are selected. concentrated in Tables 4 and 5. R.) of the predictions obtained with the stations-years method.. Results and Discussion General appraisal The predictions obtained with the two regional methods applied. their three L-moments become dimensionless when they are divided by l1 (then. 1993. Finalmente. 1977). 2006) los datos de gasto máximo anual de cada estación hidrométrica se dividen entre su media aritmética. en los seis periodos de retorno que serán procesados y mostrando en negritas los valores adoptados como predicciones locales o históricas. Finally. 2014 momentos (mo).00).The predictions obtained with the GEV model are scaled or dimensioned with the mean annual flow of the base register (li). 260 VOLUMEN 48.) de las predicciones obtenidas con el método de las estaciones–años. 2006) the GEV distribution is fit by L moments based on l1. sextiles (sx). or concatenated.. estimated flow was higher than the observed flow. por corresponder a menor error estándar de ajuste (Kite.00). Campos. as well as the relative errors (R. Después se ajusta mediante los cuatro métodos ya citados. are . when it leads to a positive value. Los resultados obtenidos para cada una de las 21 estaciones hidrométricas procesadas se muestran en el Cuadro 4 así como los errores relativos (E. The results obtained for each of the 21 hydrometric stations processed are shown in Table 4. En seguida se reúnen o concatenan los cinco registros de las estaciones auxiliares que forman la región de influencia de cada estación hidrométrica base. los cuales se pueden consultar en Clarke (1973). l2 y l3 (Cuadro 1). se escalan o dimensionan con el gasto medio anual del registro base (l1). En el Cuadro 3 se citan las estaciones auxiliares que conforman la región de influencia de cada estación hidrométrica tomada como base.. l2 and l3 (Table 1).AGROCIENCIA. obtained at the five auxiliary hydrometric stations (Table 3) of each region of influence in the following manner. as are their respective relative errors obtained with equation 12. Las predicciones obtenidas con el modelo GVE.15 de mayo. Table 3 shows information on the auxiliary stations that form the region of influence of each hydrometric station designated as base. de la manera siguiente. each moment is then weighted by the size of the register. 1 de abril . cuya expresión es: eQ j E.= Tr e j − QTr estim Tr eQ j obser 100 (12) obser donde el error relativo se expresa en porcentaje y presenta un valor negativo cuando el gasto estimado (QTr)estim resultó menor que el calculado como predicción local o histórica (Cuadro 2) u observado (QTr)obser. cuando conduce a un valor positivo el gasto estimado fue superior al observado. NÚMERO 3 are divided by the arithmetic mean. el modelo LOG sólo se aplicó a través del método de momentos L (Hosking y Wallis. Campos. according to the results of the previous article. Stedinger et al. The five registers from the auxiliary stations that form the region of influence of each base hydrometric station are then joined. Método regional de los momentos L ponderados En este método (Stedinger et al. 1997). 1994.E. At each hydrometric station. En cada estación hidrométrica sus tres momentos L se vuelven adimensionales al dividirlos entre l1 (entonces l1=1. Método regional de las estaciones–años En este método (Garros–Berthet. según resultados del artículo previo. l1=1. multiplying it by ni and dividing it by the sum of number of years of the five registers of the hydrometric stations that are joined. Regional model of weighted L moments In this method (Stedinger et al. máxima verosimilitud (mv) y momentos L (mL). or concatenated. Campos. the five weighted moments are added to obtain that of the region of influence. después cada momento se pondera por el tamaño del registro. 1993. con base en l1. obtenidos en las cinco estaciones hidrométricas auxiliares (Cuadro 3) de cada región de influencia. En el Cuadro 2 se muestran las predicciones obtenidas con los tres modelos probabilísticos utilizados. expressed as: eQ j E.

8 105.5 33. GEV and LOG distributions at the indicated hydrometric stations.9 1021. Chico Ruiz 15.5 60.0 154.6 1061. Chinipas 2.7 145.6 96.3 173. Bamícori 7.2 48.3 294. GVE y LOG en las estaciones hidrométricas indicadas. CAMPOS-ARANDA 261 . CONTRASTE DE PREDICCIONES Cuadro 2.2 808.2 1129.1 793. Local. flood predictions (m3∙s–1) estimated with LP3. 2.7 895.9 246.6 419.1 382.2 86.0 1270 1231 1203 1674 1274 1246 2316 2292 2251 4368 4134 4199 470 461 451 275 270 264 156 144 140 1399 1347 1310 947 909 889 556 558 538 1026 948 930 1402 1431 1385 1405 1374 1326 341 329 318 354 354 345 779 770 Periodos de retorno analizados. Choix 6.7 22.7 86.0 28..1 779. Table 2.9 110. or historical.3 311.1 113.2 339.2 92.7 235.3 56.6 376.ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES.5 44. Pericos 16. Palo Dulce 3. Huites 5. Estación hidrométrica 1. 10. La Huerta 13. Zopilote 11. Tamazula (MA†) EEA¶ (m3∙s–1) 5 LP3 (dr) GVE(mL) LOG (mL) LP3 (dr) GVE (mL) LOG (mL) LP3 (dl) GVE (mL) LOG (mL) LP3 (dl) GVE (sx) LOG (mL) LP3 (dl) GVE (mv) LOG (mL) LP3 (dl) GVE (mL) LOG (mL) LP3 (dr) GVE(mv) LOG (mL) LP3 (dl) GVE (mv) LOG (mL) LP3 (dl) GVE (mL) LOG (mL) LP3 (dr) GVE (mL) LOG (mL) LP3 (dr) GVE(mL) LOG (mL) LP3 (dr) GVE(mL) LOG (mL) LP3 (dl) GVE (mL) LOG (mL) LP3 (dl) GVE (mL) LOG (mL) LP3 (dl) GVE (mL) LOG (mL) LP3 (dl) GVE (mL) 152. Naranjo 10. REGIÓN HIDROLÓGICA No.3 139. Predicciones locales o históricas de crecientes (m3∙s–1) estimadas con las distribuciones LP3.7 34.9 139.2 96. Jaina 9.2 1077.5 922.5 52.0 234.2 26.8 99. Badiraguato 14.3 124.3 156. San Francisco 4. La Tina 8..2 46. Guamuchil 12. en años 10 25 50 100 1633 1626 1577 2543 1913 1854 3390 3258 3166 6679 6166 6146 668 650 626 416 391 378 250 229 217 2105 2029 1925 1473 1353 1309 730 738 711 1448 1351 1312 1658 1718 1675 2556 2283 2187 431 413 401 465 457 443 1029 1009 2100 2209 2167 3906 3252 3133 5286 4925 4791 11009 10030 9812 999 979 937 649 591 575 401 393 361 3320 3309 3072 2323 2105 2044 926 977 963 2074 2038 1983 1897 2027 2044 5330 4244 4048 515 510 511 620 601 592 1421 1390 2449 2714 2717 5107 4858 4683 7195 6593 6483 15613 14266 13837 1317 1312 1260 866 782 773 532 573 520 4504 4692 4320 3091 2842 2799 1051 1161 1181 2603 2717 2675 2025 2223 2325 9061 6664 6364 558 576 599 745 719 725 1777 1745 500 2797 3283 3384 6460 7267 7040 9635 8732 8739 21776 20144 19452 1706 1741 1691 1125 1020 1029 679 824 740 5969 6589 6046 3973 3775 3792 1158 1351 1429 3183 3579 3590 2121 2393 2612 15191 10381 9961 589 637 692 878 846 881 2195 2173 3602 4919 5558 10215 18597 18427 18186 16355 17389 45130 44215 42767 2976 3294 3337 1913 1815 1967 1072 1860 1649 10785 14199 13118 6499 7009 7522 1352 1817 2152 4736 6599 7052 2258 2709 3316 48733 28652 28040 629 761 933 1222 1184 1365 3476 3543 Continúa.7 27.

5ª. In only five stations their predictions differ in the return periods of 100 and 500 years: Palo Dulce. Bamícori.7 98. 4ª. para obtener el de la región de influencia. mv: maximum likelihood.4 346.0 421. Acatitán 20. (MA†) EEA¶ (m3∙s–1) 5 LOG (mL) LP3 (dl) GVE(mL) LOG (mL) LP3 (dr) GVE (mL) LOG (mL) LP3 (dr) GVE(mL) LOG (mL) LP3 (dl) GVE (mL) LOG (mL) LP3 (dl) GVE (mL) LOG (mL) 149. 262 VOLUMEN 48. Santa Cruz 19. El Bledal 18. El Quelite Periodos de retorno analizados. Ixpalino 21. 8 4 4 2 9 15 9 18 5 17 9 3 3 2 3 7 17 5 20 7 14 5 18 12 1 12 11 14 11 1 11 11 14 13 1 8 1 16 10 21 3 10 15 7 5ª.0 67.5 399. en años 10 25 50 100 983 589 565 548 2274 2104 2040 1797 1779 1718 2311 2201 2142 1043 987 954 1360 851 834 813 3434 3258 3165 2623 2654 2585 3410 3333 3243 1519 1414 1381 1731 1077 1090 1077 4447 4410 4335 3300 3459 3432 4431 4485 4404 1919 1795 1789 2203 1331 1404 1419 5583 5883 5891 4018 4422 4502 5651 5982 5969 2355 2238 2294 500 3871 2033 2446 2658 8721 11118 11843 5826 7458 8240 9450 11455 12090 3506 3568 3995 Método de ajuste (dr: momentos dominio real. Números de las estaciones auxiliares que definen la región de influencia de cada estación base indicada.5 64.8 65. 1 de abril . dl: logarithmic domain moments.2 247. ¶Adjustment standar error. and this is extremely important since the methods are notably different in their operational approach. Table 3.AGROCIENCIA. Numbers of the auxiliary stations that define the region of influence of each base station indicated.0 343. 4 8 18 18 14 11 19 13 14 9 10 multiplicándolo por ni y dividiéndolo entre el número de años que suman los cinco registros de las estaciones hidrométricas que se reúnen o concatenan. Número Estación base 1 2 3 4 5 6 7 8 9 10 11 Chinipas Palo Dulce San Francisco Huites Choix Bamícori La Tina Jaina Naranjo Zopilote Guamuchil Número de estación auxiliar 1ª.15 de mayo.4 367. mv: máxima verosimilitud). Naranajo.9 239.2 226. 2ª. sx: sextiles. Por último. NÚMERO 3 Número Estación base 12 13 14 15 16 17 18 19 20 21 – La Huerta Badiraguato Chico Ruiz Pericos Tamazula El Bledal Santa Cruz Acatitán Ixpalino El Quelite – Número de estación auxiliar 1ª. Guamuchil and El Bledal. se suman los cinco momentos ponderados. 4 16 17 6 13 10 8 21 18 19 – 2 8 10 14 5 14 20 7 8 7 – 18 19 15 10 9 6 1 9 1 5 – 8 20 6 11 19 11 4 5 3 10 – 3 1 11 17 7 15 3 16 13 9 – quite similar. 2ª. 3ª. 3ª.2 757 416 401 393 1525 1434 1406 1229 1227 1195 1635 1557 1531 722 707 689 Estación hidrométrica 17. ml: L-moments. 2014 Continúa Cuadro 2.8 86. the predictions obtained with the stations-years procedure are closer because they are . mL: momentos L. 4ª. Los resultados están en el Cuadro 5. sx: sextiles. La distribución GVE se ajusta con el método de momentos L y sus predicciones se escalan o dimensionan con el gasto medio anual del registro base (l1).3 406. In general. † Cuadro 3. además de sus respectivos errores relativos obtenidos con la ecuación 12. ¶Error estándar de ajuste v †Adjustment method (dr: real domain moments. dl: momentos dominio logarítmico.1 65.

The results in Table 4 show excellent correspondence in the San Francisco. originating a specific maximum flow of 9. Bamícori. Due to the fact that the regions of influence were defined on the basis of flood seasonality. Chinipas. Jaina y Naranjo. The extreme case is defined by the register of the La Huerta station.082 m3 s–1 km–2. las predicciones regionales resultan superiores a las locales. and it is observed that the similarity exists. Huites and Jaina by default and in La Huerta. 10. Y ocurrió lo mismo en Chico Ruiz.ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES. Jaina. 2. sus predicciones regionales contrastarán mucho más en slightly higher. Regional method for ungauged watersheds During the application of the stations-years regional method in each region of influence to obtain their predictions (Table 4). es decir. that is. Guamuchil and El Bledal of 0. Choix.132 and 4.248 m3 s–1 km–2. Jaina. Pericos. but logically decreases as the return period grows. sin utilizar los registros hidrométricos para obtener estadísticos que fueran empleados como atributos en la ecuación de la distancia Euclidiana ponderada. La Tina. Choix. cuyo ajuste local o histórico del modelo GVE condujo a un parámetro de forma positivo. This occurred in Badiranguato. This disperse value raises the local predictions notably. 0. cuyo registro de 26 años presenta en 1981 un gasto máximo de 9. without the use of the hydrometric registers to obtain statistics used as attributes in the weighted Euclidian distance equation. in such a way that the regional methods cannot reproduce the behavior. el cual origina un gasto máximo específico de 9. Chico Ruiz. pero con menor severidad.248 m3 s–1 km–2.245 m3 s–1. Bamícori. Únicamente en cinco estaciones sus predicciones difieren en los periodos de retorno de 100 y 500 años: Palo Dulce.576. REGIÓN HIDROLÓGICA No. Jaina.082 m3 s–1 km–2 que resulta bastante superior a los encontrados en Huites. that their floods have a descending concave behavior in the Gumbel-Powell probability paper. 2. And the same occurred in Chico Ruiz. Los grandes errores relativos por defecto se presentan en Badiraguato. their regional predictions will contrast much more in those registers that have a different behavior. Pericos. La Tina. whose 26-year register shows a maximum flow of 9. respectively. 0. These values are shown in Table 6. Por el contrario. Naranjo. de manera que los métodos regionales no pueden reproducir tal comportamiento. but it is less severe.855. Bamicori. errores por defecto o exceso menores del 20 %. que sus crecientes presentan un comportamiento de concavidad hacia abajo. La Tina. Jaina. Guamuchil y El Bledal. those from the fit of the GEV model. with relative errors by excess of less than 10 %. La Tina.132 y 4. La Tina. whose local or historical fit of the GEV model led to a positive parameter. Naranajo. CONTRASTE DE PREDICCIONES Resultados y Discusión Apreciaciones generales Las predicciones obtenidas con los dos métodos regionales aplicados. en La Huerta. that is. Los resultados del Cuadro 4 muestran una correspondencia excelente en las estaciones San Francisco. El Bledal and Acatitán stations. son bastante similares y ello es sumamente importante. In the last five rows of Table 6 are their indicators of central tendency. Guamuchil and El Bledal stations. This is observed in the Bamícori. which is much higher than those found in Huites. Guamuchil y El Quelite tienen. Jaina and Naranjo. Guamuchil and El Quelite have errors by default or excess of less than 20 %. Naranjo. Ixpalino and Santa Cruz. The large relative errors by default are presented in Badiraguato. Este valor disperso eleva notoriamente las predicciones locales. 2.576. an enormous dimensionless similarity was observed in the values.245 m3 s–1 in 1981. en el papel de probabilidad Gumbel-Powell. Chinipas and Ixpalino by excess. Ixpalino y Santa Cruz. the regional predictions are superior to the local predictions. Chinipas. En general las predicciones obtenidas con el procedimiento de las estaciones-años son más aproximadas por ser ligeramente mayores. Lo mismo se observa en Huites. Guamuchil y El Bledal. Guamuchil y El Bledal de 0. El caso extremo lo define el registro de la estación La Huerta. El Bledal y Acatitán. Chico Ruiz. respectivamente. Debido a que las regiones de influencia fueron definidas con base en la estacionalidad de las crecientes. con errores relativos por exceso menores del 10 %. ya que tales métodos son notablemente diferentes en su planteamiento operativo. lo cual se observa en las estaciones Bamícori. Chico Ruiz. The same is observed in Huites. In contrast. in La Huerta. concentradas en los Cuadros 4 y 5. whose sample median corresponds to the regional method that is applicable to any ungauged watershed of Hydrological Region CAMPOS-ARANDA 263 .855.

R.2 16162 -25.4 150 4.6 7865 19.4 3267 -5.0 12531 -19.4 1427 -25.7 1928 0.0 698 -3. R.1 505 -9. R. en porcentaje v †Number of joined years.3 4184 19. NÚMERO 3 .9 2024 -0.9 1133 3.4 729 30.7 7623 2.F Predicción (183) E. † 264 VOLUMEN 48. mv: máxima verosimilitud. R. R.180 mL 0. F Predicción (206) E. Guamuchil 12. Palo Dulce 3.4 3225 8.7 1619 -1.7 2372 2.2 1021 7. 2014 Cuadro 4.9 1401 122.4 2490 -19.0 11657 33.8 4196 17.112 Mv 0.F Predicción (158) E.1 601 -27.3 10 25 1740 7. Santa Cruz 19.116 sx Periodos de retorno analizados. Estación hidrométrica 1.7 338 –14. R. R. Naranjo 10. R.6 6543 1.4 1297 23.6 5039 13.1 4613 5.6 422 5. Adjustment method (ml: Lmoments.9 7266 1.F Predicción (174) E.F Predicción (209) E.165 mv 0. Chinipas 2.0 370 4.0 1956 37.4 2865 41. R.1 899 52.6 2445 -0.8 3128 –8.5 2005 -11.0 3929 76. Pericos 16.8 1916 –17.8 712 6.4 510 9.2 1379 -9.1 13087 28. La Tina 8.0 3150 –4.5 5300 0.F Predicción (206) E.7 2383 -6.6 999 -4. 1 de abril . FError relativo. Tamazula 17.7 2314 -0. R. en años 5 1174 -4.0 3695 8.1 3182 -19.8 4298 -8.F Predicción (176) E.6 5906 -61.6 300 -12.9 4295 -3.7 1248 21.5 1013 9.6 901 20. R.3 9846 2.6 1109 26.2 1385 2.129 mL 0.F Predicción (170) E. Huites 5. Relative error.184 mL 0.195 mL 0.099 mL 0.6 5405 -16. R.F Predicción (200) E.1 10281 -78.2 1301 -11. R.5 100 5208 58.8 28238 -37. sx: sextiles.3 9582 -13.185 mL 0. El Quelite Concepto† Predicción (218) E.155 mv 0.F Predicción (209) E.9 1631 40.0 1066 6.8 719 16.2 13168 39.091 mL 0.4 3153 16.F Predicción (172) E.135 mv 0.3 3570 62.140 mv 0. sx: sextiles).1 2467 4. Table 4.0 2233 -12.3 Número de años conjuntados.7 698 -19.4 454 -20. Predicciones de crecientes (m3∙s-1) estimadas con el método regional de las estaciones-años y sus errores relativos.F Predicción (213) E.7 1716 40. Badiraguato 14. Chico Ruiz 15.7 703 -3.4 1114 -40.F EEA¶ MA§ 0. El Bledal 18.114 mv 0.9 5839 4.2 10540 289. R.1 19430 6.7 4585 -49. R.F Predicción (176) E.6 874 4.8 500 10484 113. Choix 6.F Predicción (220) E. Jaina 9.6 496 5.134 mv 0. Flood predictions (m3∙s-1) estimated with the stations-years regional method and their relative errors. R.8 412 -4.7 1252 -12.187 mv 0.1 5793 -12.9 2468 –7.5 274 -0.7 1505 11.6 1145 -6.F Predicción (180) E.4 1833 6.4 4807 -5.5 1694 20.F Predicción (215) E.5 838 7.7 547 –15. in percentage.4 2332 14.122 mv 0. Zopilote 11.3 3511 –34.F Predicción (192) E.9 2664 49. R. mv: maximum likelihood.117 mv 0.154 mv 0.5 50 3811 40. San Francisco 4. ¶Adjustment standar error.2 3389 -0.6 1529 -8.1 11278 -20. R.2 5328 122. Bamícori 7. La Huerta 13. R. R.0 6494 -2.7 3496 -10.8 2671 97.4 1481 –2.092 mL 0. adimensional. ¶Error estándar de ajuste.F Predicción (191) E.1 581 12.F Predicción (204) E.F Predicción (209) E. R.AGROCIENCIA.4 220 -3. Acatitán 20.6 6787 20.0 876 -22.6 4261 -3.7 1405 6. §Método de ajuste (mL: momentos L.15 de mayo.8 918 -3.8 1642 -7.6 381 -8.6 1445 2.3 596 5.2 2755 24.157 mv 0.8 1825 7.4 6800 95. Ixpalino 21.

43041 0.47091 0. R. Huites 5. Ixpalino 21. † ¶ .8 1966 38.43085 0.6 523 -19. R.2 9489 -13.6 370 4.7 1374 4.11994 0.§ Predicción (158) E.0 6450 -3.9 15941 -26.2 1127 28.7 586 13.6 912 22. R. Santa Cruz 19.44863 0.2 1292 -12.6 2179 -14.5 2339 1. Bamícori 7. La Tina 8.21904 0.4 7199 0.7 412 -4.7 1313 24.2 4595 5.2 2764 104.4 3698 68.8 1780 4.2 2947 -25.2 3532 -33.0 5646 -12.8 997 -8.5 5223 -1.15315 0.3 789 -29.§ Predicción (193) E. Flood predictions (m3∙s-1) estimated with the weighted L moments regional method and their relative errors.§ Predicción (170) E.7 5129 15. Estación hidrométrica 1.2 1854 -20.§ Periodos de retorno analizados. CONTRASTE DE PREDICCIONES Cuadro 5.7 11349 -20. Tamazula 17.17357 Concepto¶ Predicción (218) E.3 648 -25. Pericos 16.§ Predicción (176) E.§ Predicción (180) E.4 2764 25.47892 0.§ Predicción (169) E.4 1234 -13. El Bledal 18.16015 0.§ Predicción (182) E.8 1045 4. R.1 4732 -27.0 11100 -77.5 1346 -0.42074 0. en años 5 10 25 1149 -6.1 5719 -13.20617 0.3 1763 44. en porcentaje v Relative error. El Quelite l2† l3† 0. REGIÓN HIDROLÓGICA No.43700 0.2 10211 -0.3 CAMPOS-ARANDA 265 3878 42. Choix 6.4 Momentos L de la región de influencia o ponderados v L-moments of the region of influence or weighed.4 2716 52.§ Predicción (207) E.48593 0. San Francisco 4.45515 0.12106 0. R.51452 0.17255 0. Naranjo 10.143760 0. R.42628 0.5 3705 8.0 973 -47.5 2883 42. R. Guamuchil 12.4 1966 -13.7 1465 8.§ Predicción (206) E.§ Predicción (192) E. in percentage.42546 0. Número de años reunidos o concatenados v Number of years joined or concatenated.3 431 7.8 1662 43.2 1187 -38.3 3228 -6.§ Predicción (196) E. R.21801 0. R.§ Predicción (182) E.2 425 -25. Zopilote 11.5 10832 24.8 1946 1.6 4000 79. R.3 2488 5.2 7671 2.§ Predicción (204) E.4 298 -12.8 378 -9.13860 0.ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES.6 9817 1.1 927 -2.1 3261 -16.5 820 5.5 3441 -3.2 2266 -2.§ Predicción (191) E. R. R.1 3071 -7.23305 0.4 700 4. Palo Dulce 3.4 5621 -14.3 3323 -2.2 2359 –23.7 1536 -8.4 27724 -38.44874 0.9 4318 -15. R. Chinipas 2.8 11215 314.3 7330 110.4 511 9. R.46895 0. 2. Predicciones de crecientes (m3∙s-1) estimadas con el método regional de los momentos L ponderados y sus errores relativos.17376 0.7 1037 9.5 6124 -59.3 7022 24. La Huerta 13.2 1008 -3.2 1020 10. Chico Ruiz 15. R.18081 0. Jaina 9.4 322 -18.4 808 -3.1 12384 -20.23153 0. Table 5.1 3032 -11.5 1610 -9.46039 0.5 4124 -7.9 584 3.15792 0.4 1820 5.7 920 56.2 703 -2.6 1123 -8.8 1663 18.§ Predicción (209) E. R.42119 0.21116 0. R.9 2732 0.2 1461 132.45059 0.43126 0.9 4680 -48.6 1717 5.1 149 3. R.5 4230 -4. 10.3 703 -3.9 14208 50.0 5553 -0.4 740 32. Acatitán 20.7 1494 -1.8 724 16.9 1797 -26.7 2429 -8.§ Predicción (152) E.1 502 -9.45259 0.5 278 1.2 2130 4. R.2 491 4.17226 0. Badiraguato 14.§ Predicción (172) E.9 1234 19.6 50 100 500 5383 64. R. § Error relativo.6 3132 5.9 2359 -7.0 19709 8.§ Predicción (200) E.14663 0.5 1208 -14.9 551 -33.19384 0. R.44335 0.§ Predicción (213) E.5 1364 -10.1 215 -6.5 1582 -3.3 4218 20.1 1965 -3.6 11272 129.§ Predicción (191) E.9 5493 129.18019 0.46971 0.8 4213 -10.

consiste en localizar el sitio de interés y después su cuenca para obtener su área en km2. La ecuación 13 se aplica para estimar su gasto medio anual. Chinipas e Ixpalino por exceso. Huites y Jaina por defecto y en La Huerta. 10 (Sinaloa). m3∙s–1) obtenidos de la columna 5 (l1) del Cuadro 1. In the three stations mentioned above the developed regional method is now applied with the results also in Table 7. and therefore. Equation 13 is applied to estimate mean annual flow. 100 and 500 years. it is a hydrological technique for estimation of the relationship rainfallrunoff. La Tina. this method was formulated for the Hydrological Region Num.776 ∙ A 0.962 with the 18 pairs used. the Rational Method was applied. Chico Ruiz. the now developed regional . 1 de abril . Contrast of the developed regional method Campos (2008) found that the registers of the Pericos. Chico Ruiz and Los Molinos (not processed in this study) stations led to very low local predictions. los cuales fueron eliminados para mejorar la correlación que fue 0. ya sea por exceso o defecto. Método regional para cuencas sin aforos Durante la aplicación del método regional de las estaciones-años en cada región de influencia para obtener sus predicciones (Cuadro 4). the equation obtained is Q ma=15.4782 (13) Application of the regional method developed is extremely simple. consisting of locating the site of interest and then its watershed to obtain its area in km2. En los cinco renglones finales del Cuadro 6 están sus indicadores de tendencia central.4782 (13) La aplicación del método regional desarrollado es sumamente simple. on the abscissas. 25. km2) de cada estación hidrométrica procesada expuestas en la columna 4 del Cuadro 1.962 con las 18 parejas empleadas. 2014 aquellos registros que tengan un comportamiento diferente. pero se obtienen prácticamente los mismos valores medianos. Tales valores están en el Cuadro 6 y se observa la semejanza citada. Para resolver lo anterior se llevaron a un papel logarítmico. The predictions shown in Table 7 for the contrasted regional methods are quite similar. Lo anterior ocurrió en Badiraguato.AGROCIENCIA. This is due to the fact that the Rational Method is more reliable. The dots drawn in Figure 2 define a linear relationship showing three disperse dots. m3 s–1) obtained from column 5 (l1) of Table 1. en las abscisas los valores del área de cuenca (A. presented in column 4 of Table 2 and. la cual lógicamente disminuye al crecer el periodo de retorno. 50.776 ∙ A 0. Para hacer el escalamiento necesario se requiere conocer únicamente el gasto medio anual de la cuenca sin datos hidrométricos. la ecuación obtenida es: Q ma=15. se observó una enorme similitud en los valores de éstas en forma adimensional. cuya mediana muestral corresponde al método regional que resulta aplicable a cualquier cuenca sin aforos de la Región Hidrológica No. 10 (Sinaloa). whether by excess or default. 10 (Sinaloa) with the results shown in Table 7. el cual multiplica a los valores medianos muestrales encontrados en el Cuadro 6 (penúltimo renglón). km2) of each processed hydrometric station were taken to a logarithmic sheet. NÚMERO 3 Num. También se probó usar exclusivamente las predicciones adimensionales de las once estaciones hidrométricas que tuvieron los menores errores relativos. on the ordinates. y en las ordenadas sus respectivos gastos medio anual (Qma. La Tina (7) y Badiraguato (13). correspondientes a las estaciones Huites (4). corresponding to the Huites (4). es decir las procedentes del ajuste del modelo GVE.15 de mayo. 10. para definir las predicciones buscadas 266 VOLUMEN 48. which was 0. These were eliminated to improve the correlation. their respective mean annual flows (Qma. the values of the watershed area (A. but practically the same median values are obtained. To do the necessary scaling. which multiplies to the sample median values found in Table 6 (second to last row) to define the target predictions relative to the return periods of 5. Also tested was the exclusive use of the dimensionless predictions of the 11 hydrometric stations that had the smallest relative errors. To solve this. but not entirely coincident. it is required to know only the mean annual flow of the basin without hydrometric data. Los puntos dibujados en la Figura 2 definen una relación lineal mostrando tres puntos dispersos. La Tina (7) and Badiraguato (13) stations. In contrast.

880 3.810 11.823 2.461 11.277 3.ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES. CAMPOS-ARANDA 267 .035 3. 100 y 500 años.392 8.450 1.591 11.082 3. 10.003 2.325 1.965 1.461 1.386 1.977 1.152 8.354 1. Dimensionless flood predictions estimated in the region of influence with the stations-years regional method in the indicated hydrometric stations. esta última no procesada en este estudio.983 8.149 4.241 7. therefore.034 4.946 2.374 10.374 9.001 5. en años 5 10 25 50 100 500 1.489 4.484 9.422 1.063 1.048 8. En las tres estaciones citadas se aplica ahora el método regional desarrollado. testing each region formed with a homogeneity test. Estación base Chinipas Palo Dulce San Francisco Huites Choix Bamícori La Tina Jaina Naranjo Zopilote Guamuchil La Huerta Badiraguato Chico Ruiz Pericos Tamazula El Bledal Santa Cruz Acatitán Ixpalino El Quelite Mínimo Máximo Media aritmética Mediana muestral Mediana poblacional Periodos de retorno analizados. CONTRASTE DE PREDICCIONES Cuadro 6.983 2. son bastante semejantes pero no plenamente coincidentes y ello se method is exclusively statistical and.272 11.015 3.120 3.872 11. Chico Ruiz y Los Molinos.675 5.013 3.198 11.324 4.422 5.541 10.036 3. Predicciones adimensionales de crecientes estimadas en la región de influencia.589 11.457 1.039 2.765 4. Las predicciones mostradas en el Cuadro 7 para los métodos regionales contrastados.404 1.970 1. can be obtained with the test proposed by Cunderlik and Burn (2006).544 4.978 2.632 5.315 4.372 4.031 2.013 2.453 1.794 5.408 1.034 2.096 3.028 5.397 6.266 8.363 5.055 2.024 4.434 1.637 4.350 1.449 1.477 1.234 9.661 5.921 4.139 4.091 2.866 3. REGIÓN HIDROLÓGICA No.155 3.459 1.489 4.892 3.431 1. Contraste del método regional desarrollado Campos (2008) encontró que los registros de las estaciones Pericos. (2001) also used seasonal indexes of annual maximum daily rainfall to assess the mean delay in rainfall occurrence and their respective floods. por lo cual aplicó el método Racional formulado para la Región Hidrológica No.981 5.027 4.593 4.627 5. con el método regional de las estaciones-años en las estaciones hidrométricas indicadas.841 11.027 3. 2.477 1.931 3.003 2.213 3.998 2.685 4.868 2.636 9.019 1.974 5.321 3. 25.872 9.289 5.086 1.981 5.055 1. Refinements of the procedure presented Zrinji and Burn (1996) proposed using a variable number of auxiliary stations that form the regions of influence. Table 6.810 6.025 3.932 2.093 1.342 1.898 5.217 3.823 3. less reliable because it does not take design rainfall into account. conducían a predicciones locales muy bajas.951 2.073 2.325 1.239 5.026 2.402 1.534 7.092 2. also based on flood seasonality.086 3.143 1.727 5.537 relativas a los periodos de retorno de 5.384 1. Castellarin et al.734 6.939 1.690 4.229 4. con los resultados mostrados en el Cuadro 7.329 1.615 11.321 3.203 4.408 1.257 4.013 2.329 1.357 1. 50.745 3.017 4.210 3.143 2. Another approach to region formation.709 4.856 5.025 3.879 3.463 3.403 1.239 5.035 3. 10 (Sinaloa).372 5.932 2. 10.034 4. con los resultados también en el Cuadro 7.544 3.824 4.

(2001) utilizan también índices estacionales de la lluvia diaria máxima anual. debe a una mayor confiabilidad del método Racional. menos confiable al no tomar en cuenta las lluvias de diseño. The regional flood frequency analysis carried out in Hydrological Region Num. El Bledal and Acatitán the correspondence between local predictions and those of the regional method is excellent. En cambio. based on the seasonality index to group the watersheds into regions of influence gave consistent and satisfactory results. with relative errors by excess below 20 % and by default in Jaina and Naranjo. probando cada región formada a través de un test de homogeneidad. Relación gasto medio anual (l1) contra área de cuenca (A) en las 21 estaciones hidrométricas de la Región Hidrológica Núm. Therefore. se puede conseguir a través del test propuesto por Cunderlik y Burn (2006). el método regional ahora desarrollado es exclusivamente estadístico y por lo tanto. its application in other regions of the country is suggested. Figure 2. Choix. The developed regional . para evaluar el retraso medio en la ocurrencia de las lluvias y sus respectivas crecientes. Otro enfoque de formación de regiones. también basado en la estacionalidad de las crecientes. with relative errors of less than 10 % in several of the hydrometric stations. 1 de abril . 10 (Sinaloa). 10 (Sinaloa). 2014 4000 4 Gasto medio anual (1) en m3 . que es una técnica hidrológica de estimación de la relación lluvia-escurrimiento. Castellarin et al. Refinamientos al procedimiento expuesto Zrinji y Burn (1996) proponen emplear un número variable de estaciones auxiliares que forman las regiones de influencia.15 de mayo. NÚMERO 3 Conclusions The general similarity found between local and regional predictions obtained with the stationsyears method applied by regions of influence indicates that the definition of these regions.AGROCIENCIA. For example. 10 (Sinaloa). in San Francisco. Relationship of mean annual flow (l1) to watershed area (A) in the 21 hydrometric stations of the Hydrological Region No. based on the seasonality indexes. In the Guamuchil and El Quelite stations the similarity between predictions is also very good. is correct since it leads to predictions that are quite close. s1 3000 2000 3 1500 13 20 2 1000 800 11 600 9 21 400 17 300 15 200 1 12 18 16 5 10 14 6 150 100 19 8 7 100 200 400 600 1000 2000 4000 10000 20000 30000 Área de cuenca en km 2 Figura 2. 268 VOLUMEN 48.

Análisis probabilístico con métodos paramétricos univariados y Análisis probabilísticos con métodos regionales. FAO. Periodos de retorno analizados. while avoiding the need to define a common period in the processed hydrometric registers.ANÁLISIS REGIONAL DE FRECUENCIA DE CRECIENTES. In: Análisis Probabilístico Univariado de Datos Hidrológicos. Burn. Table 7.. menores del 20 % y por defecto en Jaina y Naranjo. en San Francisco. T. 13.9 m3∙s–1 Los Molinos A = 501 km2 Qma = 308. R. The Gamma Family and Derived Distributions Applied in Hydrology. F. F. Agrociencia 42: 615627. pp: 130-146. Choix. Contrast of predictions (m3. and A. basado en los índices de estacionalidad para agrupar las cuencas en regiones de influencia de cada una. 2008. 10 (Sinaloa). Jiutepec. H. CAMPOS-ARANDA 269 . 203 p. 10 (Sinaloa). 1973. México. condujo a resultados consistentes y satisfactorios. D. Brath. 10. J.. Avances en Hidráulica No. 10. Estación. A.4 m3∙s–1 Tipo de predicción: Local o histórica Método Racional (2008) Método regional desarrollado Local o histórica Método Racional (2008) Método regional desarrollado Local (2008) Método Racional (2008) Método regional desarrollado Conclusiones La similitud general encontrada entre las predicciones locales y las regionales. —End of the English version— pppvPPP Literatura Citada Bobée. pues conduce a predicciones bastante aproximadas con errores relativos menores del 10 % en varias de las estaciones hidrométricas. área (A) y gasto (Q) Pericos A = 270 km2 Qma = 229.s-1) of the regional methods developed in Hydrological Region No. indica que la definición de éstas con base en los índices de estacionalidad. Contraste de predicciones (m3. 2006. En las estaciones Guamuchil y El Quelite la semejanza entre predicciones también es muy buena. Assessing the effectiveness of hydrological similarity measures for flood frequency analysis. Calibración del método Racional en 8 cuencas rurales menores de 1650 km2 de la Región Hidrológica No.s-1) de métodos regionales desarrollados en la Región Hidrológica No. Rome. pero que evita el tener que definir un periodo común en los registros hidrométricos procesados. Irrigation and Drainage Paper 19. 241: 270–285. con errores relativos por exceso. 2001. Castellarin. Campos-Aranda. 2.4 m3∙s–1 Chico Ruiz A = 391 km2 Qma = 273. Italy. D. Campos-Aranda. Colorado. 1991. Hydrol. Morelos. in 2008 and 2012. Por ejemplo. obtenidas mediante el método de las estaciones–años aplicado por regiones de influencia.S. pp: 89-115 y pp: 133-161.A. D. The estimation of floods with given return period. In: Mathematical Models in Hydrology. Littleton. CONTRASTE DE PREDICCIONES Cuadro 7. B. U. El análisis regional de frecuencia de crecientes llevado a cabo en la Región Hidrológica No. also uses the standardized sample median values with the arithmetic mean. Ashkar. and F. que es una versión semejante al índice de crecientes al utilizar también los valores medianos muestrales estandarizados con la media aritmética. en años 5 10 25 50 100 354 243 323 341 266 386 195 769 434 465 393 459 431 430 549 239 1039 618 620 633 696 515 693 831 286 1445 936 745 848 924 558 928 1103 315 1796 1242 878 1110 1202 589 1216 1435 342 2225 1616 method. Por lo tanto se sugiere su aplicación en otras regiones del país para contar con el método regional desarrollado. REGIÓN HIDROLÓGICA No. 10 (Sinaloa). El Bledal y Acatitán la correspondencia entre las predicciones locales y las del método regional es excelente. Water Resources Publications. which is a version similar to the flood index. Clarke. es acertada. IMTAAMH. en 2008 y 2012.

Zrinji. Flood Studies Report.S. Carsteanu. Machiwal. 79. NÚMERO 3 Natural Environment Research Council (NERC). M. 1993. Research 15: 1049–1054. 270 VOLUMEN 48. Regional flood frequency with hierarchical region of influence. Hydrologic Time Series Analysis: Theory and Practice..A. N. A.A. Landwehr. W. R. Plann. M. Ouarda. In: Climatic Change. Beven. GREHYS (Groupe de Recherche en Hydrologie Statistique). Manage. Chokmani. Bulletin # 17A of the Hydrology Committee. and J. Wallis.A. 2008. R. J. 1994. Guidelines for Determining Flood Flow Frequency.. Site-focused nonparametric test of regional homogeneity based on flood regime. Manage.S. Hydrol. pp: 18. B. W. E. Spon Press. Greenwood. K. Comparison of frequency distributions. Water Resources Publications. 2006. Z. pp: 156-168. 1971.S. U. Burn. United Kingdom. R. H. Lamb. J. Presentation and review of some methods for regional flood frequency analysis. Colorado. T.. Plann.66. Appendix: L-moments for some specific distributions. 1996. Ba. London. Matalas and J. J. 1975. 1 de abril . Revised edition. Hydrol. Dordrecht. 2014 Cunderlik. J. 122: 245-252. McGraw-Hill.. Foufoula–Georgiou. K. M. and M. K. Gingras. G. R. J. An Approach Based on L-moments.1-18. Fort Collins. and D. J. M. pp: 58–71. Res. D. 318: 301-315. Technical Note No. In: Frequency and Risk Analyses in Hydrology. Chappel. A. Switzerland. J. England. M. H. Jha. Water Resources Council (WRC). 1977. Springer. N. H. E. Shaw. Hosking. 2012. 1997. Bobée. Cambridge University Press. C.15 de mayo. Res. Inc. Probability weighted moments: Definition and relation to parameters of several distributions expressible in inverse form. J. Stedinger. 1996. 348:40-58.AGROCIENCIA. C. Cambridge.. J. pp: 191209. D. In: Hydrology in Practice. Station-year approach: Tool for estimation of design floods. England. A. H. In: Maidment. Frequency Analysis of Extreme Events. 186. Díaz-Delgado. pp: 322–350. The Netherland. Burn. Fourth edition. E. 303 p. C. Hydrol. pp. 1977. R.). and R. K. World Meteorological Organization (WMO). Kite. M. and E. 63-84. Trujillo. D. W. Annexed III: Standard tests of significance to be recommended in routine analysis of climatic fluctuations. 550 p. J. London. Wallis. Vogel. Washington. Geneva. Intercomparison of regional flood frequency estimation methods at ungauged sites for a Mexican case study. Garros-Berthet. U. W. 1979. and B. Quentin. Volume I: Hydrological Studies. Estimating floods and low flows in the UK. 2011. WMO. M.. R.. In: Regional Frequency Analysis.. J. J. and D. 120: 135-160. U. (ed. New York. . Res. Handbook of Hydrology.