Disponible en: http://www.redalyc.org/src/inicio/ArtPdfRed.jsp?

iCve=49622358017
RedaIyc
Sistema de Informacin Cientfica
Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal
VARGAS, ANDRS; SANTOS, ANA; CRDENAS, EDER; OBREGN, NELSON
ANLSS DE LA DSTRBUCN E NTERPOLACN ESPACAL DE LAS LLUVAS
EN BOGOT, COLOMBA
Dyna, vol. 78, nm. 167, 2011, pp. 151-159
Universidad Nacional de Colombia
Medelln, Colombia
Cmo citar? Nmero completo Ms informacin del artculo Pgina de la revista

SSN (Versin impresa): 0012-7353

dyna@unalmed.edu.co
Universidad Nacional de Colombia
Colombia
www.redaIyc.org
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
Dyna, ao 78, Nro. 167, pp. 151-159. Medelln, J unio, 2011. ISSN 0012-7353
ANLISIS DE LA DISTRIBUCIN E INTERPOLACIN ESPACIAL
DE LAS LLUVIAS EN BOGOT, COLOMBIA
ANALYSIS OF DISTRIBUTION AND SPATIAL INTERPOLATION
OF RAINFALL IN BOGOTA, COLOMBIA
ANDRS VARGAS
e-mail: avargasl@javeriana.edu.co
ANA SANTOS
EDER CRDENAS
NELSON OBREGN
RESUMEN: En el diseo y manejo de sistemas de drenaje urbano es necesario conocer distribucin espacial de la precipitacin. Para obtener
esta informacin, en la ciudad de Bogot se emplean con frecuencia mtodos de interpolacin cuya entrada son los registros puntuales de
asumir antes de realizar una interpolacin espacial. Se utiliz informacin diaria y subhoraria, considerando los mtodos de la distancia inversa
malla, el tamao de la celda a emplear, el anlisis estructural previo que debe realizrsele a la informacin y el mtodo de interpolacin a utilizar.
PALABRAS CLAVE: Campos de precipitacin, Geoestadstica, patrones espaciales, interpolacin espacial, variabilidad espacio-temporal.
ABSTRACT: In the urban drainage systems design and management, the knowledge of the rainfall spatial distribution is required. To obtain
this information, in the city of Bogot are often used interpolation methods whose inputs are punctual data recorded in rainfall stations. This
paper presents a review of the basic parameters that modelers should take into account before performing a spatial interpolation. Daily and hourly
some simple on the orientation of the mesh, the cell size to be used, the previous structural analysis of the information and the interpolation method.
KEYWORDS:
1. INTRODUCCIN
El papel de la precipitacin en la hidrologa urbana es
fundamental, debido a que la ocurrencia de ste fenmeno
genera la escorrenta y el transporte de sedimentos en las
urbes del planeta. La alta variabilidad espacio-temporal
de la precipitacin constituye una fuente importante de
incertidumbre en la modelacin hidrolgica de estos
hidrosistemas, lo cual implica que las cuencas urbanas
requieran mediciones de precipitacin con una alta
resolucin espacial y temporal [1-2], insumo que no
siempre est disponible en las ciudades latinoamericanas.
En la operacin de sistemas de drenaje pluvial se debe
incluir de manera simultnea la conduccin del agua
proveniente de la escorrenta sin generar inundaciones y
el control de las descargas de sedimentos y contaminantes
en cuerpos de agua receptores; aspectos analizados con
los sistemas de control en tiempo real y los estudios de
de control y/o diseo de nuevas redes [3]. De esta
manera, la observacin e interpretacin de los patrones
espaciales de precipitacin (campos de precipitacin)
son fundamentales en la planeacin y operacin de estos
sistemas de drenaje [4-5].
En la ciudad de Bogot el registro de la precipitacin
se realiza en estaciones de medicin puntual, mediante
instrumentos de medicin discreta o continua. En la
prctica es necesario conocer su variacin espacial en un
rea de estudio, para lo cual deben construirse campos de
precipitacin empleando metodologas de interpolacin,
Vargas et al 152
tales como el mtodo de Kriging, el mtodo IDW (Inverse
Distance Weighted) y el mtodo V4 (Desarrollado en
MATLABbasado en las funciones de Green).
Con el desarrollo de los sistemas de informacin, el
procedimiento de interpolacin resulta relativamente
simple, sin embargo, las consideraciones previas para
llevar a cabo dicho proceso no lo son. Por consiguiente
el objetivo del presente trabajo consiste en brindar a los
modeladores en hidrologa, informacin bsica de los
procesos de interpolacin y la generacin de campos de
precipitacin apropiados en centros urbanos. Sin prdida
de generalidad se analizarn los registros de precipitacin
puntual en la ciudad de Bogot, considerando diferentes
resoluciones espaciales y temporales bajo la perspectiva
de varios mtodos de interpolacin.
2. REA DE ESTUDIO
La ciudad de Bogot se encuentra ubicada en la zona
central de Colombia, en el altiplano Cundiboyacense
de la Cordillera Oriental. Su localizacin est dada por
las coordenadas 4 35 53 N 74 4 33 W y altitud de
2630 msnm. Bogot tiene un rea total de 1776 km
2

y su casco urbano se extiende en ms de 40 km a lo
largo de la sabana en el sentido norte-sur y en 20 km
en el sentido este-oeste.
La ciudad tiene como lmites naturales los llamados
Cerros Orientales en el costado este y el ro Bogot
en el costado occidental (Ver Figura 1). Se caracteriza
por tener un rgimen bimodal de precipitaciones
que varan entre 800 y 1200 mm y una temperatura
promedio de 13 C, con un rango de 7 a 18 C.
Figura 1. Zona de estudio
Figure 1. Study area
3. MATERIALES Y MTODOS
Las estaciones seleccionadas para el desarrollo del
presente estudio son de tipo meteorolgica especial
(ME), sinptica principal (SP), pluviomtrica (PM),
climatolgica principal (CP), pluviogrfica (PG)
y climatolgica ordinaria (CO). En la Tabla 1 se
presentan las estaciones empleadas en el estudio.
Los registros hacen parte de la base de datos de las
entidades encargadas de recolectar y distribuir la
informacin en la ciudad de Bogot: Corporacin
Autnoma Regional (CAR), Instituto de Hidrologa,
Meteorologa y Estudios ambientales (IDEAM)
y la Empresa de Acueducto y Alcantarillado de
Bogot (EAAB). En resumen se consideraron 77
estaciones con precipitacin diaria y 37 estaciones
con precipitacin sub-horaria.
El perodo de simulacin fue elegido de acuerdo con
la disponibilidad y calidad de la informacin ofrecida
por parte de las entidades operadoras de las estaciones,
considerando adicionalmente los siguientes criterios:
la pluviomtrica, 2) anlisis de consistencia de la
informacin, y 3) Identificacin de los eventos
teniendo en cuenta el tiempo mnimo entre eventos [6].
Dicho perodo est comprendido entre el 1 de enero
de 1995 y el 31 de diciembre de 1996.
Tabla 1. Estaciones empleadas (Perodo 19951996)
Table 1. Stations used (Period 19951996)
Resolucin
temporal
Nmero de
estaciones
Densidad*
(km/estacin)
Diaria
CAR 18
EAAB 28
IDEAM 31
Total 77
12
Subhoraria
EAAB 27
IDEAM 10
Total 37
22
*
rea del casco urbano =560,79 km
2
.
De acuerdo con la World Meteorological Organization
[7], se ha establecido que para la existencia de una
red pluviomtrica ptima en zonas urbanas se debe
contar al menos con un pluvimetro cada 10 a 20
km, mientras que algunos autores argumentan que la
densidad de estaciones debe ser de 6 km por estacin.
Dyna 167, 2011 153
De acuerdo con la Tabla 1 para el caso de Bogot se
cumple el requerimiento de densidad de estaciones. No
obstante, debido a la alta variabilidad de la precipitacin
en esta ciudad se sugiere considerar la instalacin de ms
de medicin como los sensores remotos.
de los vientos en Bogot, que contribuyan al
entendimiento de la precipitacin (posibles direcciones
predominantes), se estudiaron los registros de 9
estaciones pertenecientes a la Red de monitoreo de
Calidad del Aire (RCA) de Bogot. El perodo disponible
de esta informacin de viento est comprendido desde
el ao 1997 a 2002 con valores de direccin y magnitud
de viento cada 10 minutos. A pesar que el periodo de
registro de las estaciones de viento no coincide con el de
si exista algn comportamiento predominante en los
patrones de viento, aspecto que no pudo establecerse
de manera clara.
Para la generacin y comparacin de los campos de
precipitacin se emplearn los mtodos de interpolacin
de IDW (distancia inversa ponderada), Kriging y V4.
4. RESULTADOS OBTENIDOS
4.1 Parmetros para interpolaciones
4.1.1 Orientacin de la Malla
Partiendo del sistema de coordenadas planas con
orientacin Norte-Sur, se exploraron otras alternativas
de orientacin de malla que mejorara la representacin
de los campos de precipitacin, se sugiri establecer
un patrn espacio-temporal de los vientos en el casco
urbano. Se analizaron los registros de direccin y
magnitud del viento en el perodo comprendido entre
los aos 1997 y 2006 mediante la elaboracin de
rosas de los vientos para cada uno de los aos y otras
agregando la informacin de las series.
Inicialmente se sugiri que la orografa y la temporada
(mes, trimestre, semestre, da, noche, etc.) jugaran
la direccin de los vientos en Bogot. No obstante,
a la luz de los escasos datos, que permitiera vincular
dichos procesos con el anlisis espacio-temporal, se
decidi mantener el sistema de coordenadas planas
con orientacin Norte-Sur como sistema de referencia
para las interpolaciones a realizar.
4.1.2 Tamao de Celda
los campos de precipitacin (mapas formato raster)
se analizaron 19 tormentas ocurridas en la ciudad
de Bogot. Para cada una de las ellas se estim la
distancia en la que el centro de tormenta se moviliza
en intervalos de tiempo de 10 o 15 minutos. El centro
de tormenta se defini como el primer momento
estadstico bidimensional, descrito por (1).
i
i i
i
i
i
i i
CM
r p
P p
r p
R
1

Donde R
CM
es la coordenada norte o este del centro
de tormenta, p
i
es la precipitacin registrada en la
estacin i, P es la precipitacin total registrada en
cada intervalo, y r es la coordenada norte o este de la
estacin i. En total se analizaron 19 eventos, de los
cuales 17 pertenecen al periodo elegido, los otros dos
eventos se estudiaron por considerarse de magnitud
y duracin considerable. En la Figura 2 se presentan
las frecuencias de las distancias mnimas en las que
se movi el centro de tormenta para los 19 eventos
analizados con intervalos de 30 minutos.
Tomando en cuenta que para escalas espaciales mayores
a 1 km
2
, varios autores han reportado la importante
variabilidad espacial y temporal de la |celda mayores o
iguales a 1000 metros siendo ste el caso ms frecuente
anlisis distancias de 100, 200, 250 y 500 metros.
Figura 2. Frecuencia de la mnima distancia de
desplazamiento del centro de tormenta
Figure 2. Frequency of minimum offset distance from
the storm center
Vargas et al 154
Con el anlisis de los desplazamientos de los centros
de tormenta sobre la ciudad de Bogot se observ que
no existe una direccin predominante de los mismos y
que por lo general se concentran en la zona del centro
de la ciudad.
4.1.3 Anlisis Estructural de los Datos
A nivel diario se realiz el anlisis estructural de una
serie de das en los que se presentaron valores altos de
precipitacin, comprendidos en la segunda temporada
de lluvia de Bogot. El software utilizado para dicho
anlisis es el GS+, que se distribuye libremente en
la red en el sitio: http://www.gammadesign.com/. Se
estimaron los semivariogramas experimentales con el
el fenmeno. En la Tabla 2 se presentan los parmetros
de los semivariogramas obtenidos a partir de la
precipitacin diaria.
Tabla 2. Parmetros del semivariograma para
precipitacin diaria
Table 2. Semivariogram parameters for daily
precipitation
Zona Fecha Modelo
Alcance
[m]
R
2
Casco
urbano
(50 est.)
21/09/1995 Gaussiano 1260 0,04
22/09/1995 Gaussiano 65900 0,59
24/09/1995 Gaussiano 4190 0,70
30/09/1995 Esfrico 1680 0,18
Todas
(77 est.)
21/09/1995 Gaussiano 78900 0,66
22/09/1995 Gaussiano 13920 0,97
24/09/1995 Esfrico 7800 0,51
30/09/1995 Exponencial 7500 0,46
En la Tabla 2 se observa la variacin del modelo de
ajuste y del orden de magnitud del alcance entre das
consecutivos. Al realizar el anlisis estructural para
un mismo da con condiciones diferentes de nmero
de estaciones, se observa que el mejor desempeo se
obtuvo para el da 22 de septiembre de 1995.
En la estimacin de los semivariogramas del anlisis
estructural se encontr que no existe una direccin
predominante en los semivariogramas direccionales.
Para este caso se recomienda utilizar semivariogramas
isotrpicos para el ajuste a los modelos tericos.
4.1.4 Cobertura Espacial de la Interpolacin
Con el fin de disminuir la incertidumbre de los
valores interpolados en las fronteras de un campo
de precipitacin calculado (interpolado a partir de
de estaciones localizadas fuera de la zona de inters.
De esta manera se logra que al momento de hacer la
interpolacin se cuente con ms informacin, para
luego hacer el recorte de la zona de estudio.
Adicionalmente se recomienda que la direccin y
localizacin de las lneas de coordenadas consideren
las malla de otras fuentes de informacin tales como
la de la Misin de Medicin de Lluvias tropicales
(TRMM - Tropical Rainfall Measuring Mission por
sus siglas en ingls) y de radares meteorolgicos
eventualmente instalados en el futuro. Esto facilitara
labores de asimilacin de datos a diferentes escalas
espaciales y temporales.
4.2 Interpolacin Espacial y Validacin Cruzada
En esta seccin se hace una breve revisin de los
diferentes mtodos de interpolacin y se presenta la
estrategia para la seleccin de mtodo ms apropiado
apoyndose en validacin cruzada.
4.2.1 Mtodos de Interpolacin
La precipitacin es un fenmeno que tiene un
existencia de patrones espaciales puede contribuir
al asentamiento de bases que contribuyan al estudio
de la variabilidad de la lluvia. En localidades como
Bogot, donde la medicin de la precipitacin se
hace de manera puntual es necesario conocer la
precipitacin como si fuera un campo continuo en
el que para cualquier punto se tenga un valor de
precipitacin.
La interpolacin espacial es un procedimiento
matemtico utilizado para estimar el valor de un
atributo, en este caso, la precipitacin, en una
localidad o celda a partir de valores obtenidos en
puntos de medicin. En el caso de la precipitacin la
Dyna 167, 2011 155
en un espacio continuo de manera que su patrn
espacial sea comparable con aquel presentado por
las observaciones puntuales de origen [8-9-10].
Para la ciudad de Bogot, Rodrguez et. al [11] han
estudiado los efectos de la utilizacin de diferentes
tcnicas de interpolacin espacial. Es importante
aclarar que la calidad de los resultados de la
interpolacin espacial del campo de precipitacin
depende fundamentalmente de la calidad de los
datos, del nmero y distribucin de los pluvigrafos
utilizados y del mtodo a utilizar.
En esta investigacin la evaluacin de los mtodos de
interpolacin se realizar mediante la comparacin
de los resultados obtenidos por cada uno de
ellos, siguiendo dos criterios: Estadstica global
medio de validaciones cruzadas) y Evaluacin
visual (estableciendo de manera cualitativa los
patrones de comportamiento de sus isolneas y
Dentro de la literatura se encuentran diferentes
globales y locales, de acuerdo con la cantidad de
informacin que utilizan, y en exactos e inexactos,
segn el valor de las estimaciones respecto a los
datos de origen. En la presente investigacin se
evaluarn: a) Kriging, b) Inverso de la distancia y
c) V4 (Mtodo MATLAB ).
4.2.2 Validacin cruzada Un aspecto importante
en la seleccin de la metodologa de interpolacin
ms representativa es la validacin de los campos
de precipitacin generados. Para realizar esta
seleccin se realiz un procedimiento de validacin
cruzada, empleando los registros de 5 estaciones
localizadas dentro de la zona de estudio. El
criterio de seleccin de las estaciones se bas en la
extraccin de por lo menos una estacin de las siete
zonas hidrolgicas propuestas en el estudio de IRH
para la ciudad de Bogot.
Las estaciones seleccionadas son: El Granizo
(I DEAM), Sta. Mara de Usme (I DEAM),
Fontibn (EAAB), CASD (IDEAM) y UNAL
(IDEAM). Estos registros no se emplearon en la
el ajuste de las metodologas empleadas. Para
realizar esta validacin cruzada se consideraron
dos aspectos importantes: la frecuencia de xito de
cada metodologa y la precisin en las predicciones
realizadas.
El parmetro de comparacin empleado en este
anlisis fue la sumatoria del valor absoluto del error
entre el valor estimado y el valor registrado, para cada
uno de los 731 das modelados, en las 5 estaciones
consideradas. La seleccin de la mejor metodologa se
realiz de dos formas, la primera de ellas en funcin de
la frecuencia de xito (nmero de das de xito/nmero
total de das); y la segunda, seleccionando el menor
error acumulado. Ambos criterios se aplicaron en
anteriormente. Los resultados de esta validacin
cruzada se presentan en la Tabla 3 para los diferentes
tamaos de celda ( x) considerados, estandarizando
los valores acumulados del error dividindolos entre
el nmero de das (mm/da).
Con base en los resultados consignados en la Tabla
3, se observa que con el mtodo IDW se obtiene
la menor diferencia entre los valores estimados
y los registrados. En general puede apreciarse
que con el mtodo V4 se obtienen diferencias
sustanciales, aspecto que se evidencia en las
altas sumatorias del error obtenidas, para los dos
criterios considerados.
Tabla 3. Comparacin de metodologas de interpolacin
Table 3. Interpolation methodologies comparison
X
(m)
Frecuencias Error
Mtodo
Error
Mtodo
Error
100 IDW 5.37 IDW 5.37
200 Kriging* 5.63 Kriging* 5.63
250 V4 8.03 IDW 5.46
500 IDW 5.33 IDW 5.33
* Se emple un semivariograma lineal.
Adicionalmente, se analizaron los diagramas de
dispersin para los casos considerados, los cuales
se presentan en las Figuras 3 y 4.
Vargas et al 156
Figura 3. Comparacin del ajuste del mtodo de Kriging
variando el tamao de celda y el semivariograma. a)
ajustable y ) exponencial ajustable.
Figure 3. Fitness comparison of the Kriging method with
gaussian, c) adjustable gaussian, d) adjustable spherical
y e) adjustable exponential.
En la Figura 3 se presentan los diagramas de dispersin,
obtenidos a partir del mtodo de Kriging, entre los
valores de precipitacin estimados y los valores
registrados (en las 5 estaciones empleadas para la
validacin cruzada) para cada uno de los tamaos de celda
considerados, comparando adicionalmente, los diferentes
semivariogramas empleados. La propiedad ajustable
de los parmetros de ese modelo terico para cada da,
o si se consideraron invariantes en el tiempo.
obtenidos en los diagramas de dispersin de la Figura 3.
Tabla 4. Correlacin del mtodo de Kriging empleando
diferentes semivariogramas
Table 4. Correlation of the Kriging method considering
different semivariograms
Semivariograma
X (m)
100 200 250 500
Lineal 0,705 0,703 0,578 0,709
0,702 0,702 0,701 0,701
Gausiano ajustable 0,688 0,688 0,689 0,689
Esfrico ajustable 0,696 0,698 0,699 0,699
Exponencial ajustable 0,688 0,687 0,688 0,687
Los coeficientes de correlacin de la Tabla 4
permiten evidenciar que el mejor modelo terico de
semivariograma obtenido para la metodologa de
Kriging es el lineal, lo cual indica que el ajuste de los
parmetros de un semivariograma en cada instante
del perodo considerado no mejora sustancialmente
su desempeo.
Tomando los resultados obtenidos por el mtodo de
Kriging empleando un semivariograma lineal y los
otros mtodos considerados en el presente trabajo
se obtuvieron los diagramas de dispersin que se
presentan en la Figura 4.
En la Tabla 5 se presentan los coeficientes de
correlacin obtenidos en los diagramas de dispersin
de la Figura 4.
Con base en los diagramas presentados en la Figura 4
observarse que el mtodo IDW obtiene los mejores
resultados para 3 de los tamaos de celda considerados
(100, 250 y 500 m), mientras que para el tamao de
celda de 200 m, el mtodo de Kriging obtiene el mejor
ajuste. El mtodo V4 exhibe el menor ajuste para todos
los tamaos de celda considerados.
Figura 4. Variacin del ajuste de acuerdo con el mtodo
de interpolacin espacial utilizado
Figure 4. Fitness variation according to the interpolation
method
Dyna 167, 2011 157
Tabla 5. Correlacin obtenida en funcin del mtodo y el
tamao de celda
Table 5. Correlation obtained considering the method and
cell size
Mtodo
X (m)
100 200 250 500
Kriging* 0,705 0,703 0,578 0,709
IDW 0,727 0,633 0,722 0,735
V4 0,458 0,485 0,483 0,486
* Se emple un semivariograma lineal.
De la Figura 4 y la Tabla 5 puede resaltarse tambin
que las diferencias en los ajustes obtenidos por los
mtodos IDW y Kriging para 100 y 500 m no son
sustancialmente diferentes, presentando un mejor
desempeo para un tamao de celda de 500 m, aspecto
que tambin implica un menor tiempo computacional.
4.3 Generacin de campos de precipitacin
Mediante la inspeccin visual de los campos
de precipitacin generados, se evidencian las
diferencias en los comportamientos de cada una
de las metodologas empleadas. En la Figura 5 se
comparan los campos obtenidos para cada una de las
tres metodologas para el caso de la precipitacin total
presentada el 13 de mayo de 1996. Para este caso la
imagen de la interpolacin con IDW representa con
mayor aptitud los lugares con altas precipitaciones o
centros de tormenta, cabe anotar que estos sitios son
registro el valor de precipitacin.
Figura 5. Campos de precipitacin obtenidos (para el
evento registrado en 13-05-1996)
Figure 5.
in 13-05-1996)
En la Figura 5 se observa que la interpolacin realizada
con el mtodo de Kriging (Modelo Lineal) suaviza las
regiones donde se observaban los centros de tormenta,
generalizando toda la zona, ello implica en el caso de
la distribucin de las estaciones en la ciudad de Bogot
una sobreestimacin de la precipitacin.
En el campo de precipitacin generado con el modelo
V4 (Vase Figura 5), se observa que las precipitaciones
interpoladas superan las de los modelos anteriores en
casi el doble. De otro lado tambin se observa una
zona de gran extensin con precipitacin igual a cero.
Con base en el anlisis anterior a resolucin diaria y
teniendo en cuenta que el mtodo de interpolacin que
obtuvo el mejor desempeo fue IDW, se procedi a
emplear este mtodo en la interpolacin del campo de
precipitacin para un evento comprendido entre el 12
de abril a las 10:00 horas y el 13 de abril a las 4:40
horas del ao (vase Figura 6).
Para el evento considerado, los valores ms altos de
precipitacin ocurren en la zona oriental de la ciudad,
en el comportamiento de las lluvias para Bogot.
Figura 5. Evolucin de tormenta registrada entre el 12
Figure 5. Storm evolution for the event recorded between
april 12
nd
and 13
th
the rainfall stations)
Vargas et al 158
4.4 Discusin
Debido a la necesidad de realizar estudios del
comportamiento de la precipitacin a nivel espacial
y por ende en un campo continuo, se requiere la
implementacin de mtodos para la construccin de
dichos campos cuando la medicin de esta variable se
de la red de monitoreo (km
2
/estacin) implica una alta
incertidumbre espacial al tener que generar los campos
de precipitacin con tcnicas de interpolacin.
estimados por los algoritmos de interpolacin, se
proponen en este trabajo algunas consideraciones en
malla y una metodologa de validacin cruzada. El
anlisis del desplazamiento de los centros de tormenta
permiti evidenciar la complejidad del fenmeno en
estudio y permiti seleccionar el tamao de celda de
los campos de precipitacin por generar. Se sugiri
que el tamao apropiado del tamao de las celdas no
excediera la distancia mnima del movimiento del
centro de tormenta. Bajo este supuesto se analizaron
19 tormentas y se estableci que el tamao de celda
fuera de 500 metros, distancias inferiores implican
mayor tiempo computacional que no mejora de manera
contundente los resultados de la validacin cruzada.
La aplicacin de los mtodos de interpolacin
considerados (IDW, V4 y Kriging) con variaciones
en el tamao de celda ha permitido concluir que para
el periodo de estudio el mejor desempeo lo tiene el
mtodo IDW, corroborando adicionalmente el tamao
de celda seleccionado. Esta seleccin se llev a cabo
mediante un proceso de validacin cruzada en la que
se extrajeron del clculo de la interpolacin espacial
cinco estaciones de precipitacin diaria localizadas
estratgicamente en 5 zonas de la ciudad de Bogot
de las 77 empleadas, para luego comparar el valor
estimado con el observado en las posiciones de estas
estaciones.
Para el caso de la interpolacin con el mtodo de
kriging y al realizar el anlisis estructural a nivel de
precipitacin diaria se encontr que en una serie de
registros consecutivos no existe un modelo terico de
semivariograma que se mantenga en el tiempo como
el de mejor desempeo. De manera sorpresiva se
encontr tambin que el modelo de semivariograma
lineal es el que genera menores errores entre este tipo
de estimadores kriging.
5. CONCLUSIONES
Como primer resultado de la presente investigacin
respecto a la estimacin de los campos de precipitacin
en la ciudad de Bogot, se obtuvieron los siguientes
parmetros de interpolacin: orientacin de la malla
norte-sur para una extensin de 70 km por 50 km y
resolucin espacial de 500 metros de tamao de celda.
Se encontr adicionalmente que el mtodo IDW es el
que mejor representa el comportamiento espacial de
la precipitacin debido a que se obtienen los menores
errores absolutos en la comparacin de los valores
interpolados con los observados.
Cada uno de los mtodos empleados para la estimacin
de los campos de precipitacin tiene una serie de
ventajas y desventajas. En cuanto al nmero de puntos
de muestreo, el modelo de Kriging requiere un elevado
nmero de estaciones con registros, mientras que los
modelos IDW y V4 no tienen restricciones en este
modeladores que emplean la metodologa de Kriging
de manera indiscriminada.
que el modelo que genera mayores sobreestimaciones de
precipitacin es el V4, seguido por el mtodo de Kriging.
El modelo IDW no genera sobreestimaciones de la
precipitacin, sin embargo, produce concentraciones
bastante fuertes en los puntos de medicin.
En cuanto a la implementacin en aplicativos
computacionales los modelos ms sencillos de
programar son el V4 e IDW, los cuales fueron
implementados por los autores en MATLAB

. El
mtodo de Kriging por la cantidad de parmetros y la
variacin bajo las condiciones de nmero de estaciones
y rangos de precipitacin requiere mayor tiempo
computacional y una programacin ms avanzada,
sin que este esfuerzo produzca mejores resultados.
Con los resultados presentados en este trabajo se evidencia
la responsabilidad con que los modeladores de sistemas de
drenaje urbano deben asumir el proceso de interpolacin
en la generacin de campos de precipitacin.
AGRADECIMIENTOS
Los autores del presente estudio expresan sus
agradecimientos a los ingenieros Fabio Bernal y
Vctor Pearanda, quienes aportaron parte de la
Dyna 167, 2011 159
Universidad J averiana que aport importantes
recursos para la digitalizacin de la informacin,
mediante el proyecto de investigacin: Avances
en la caracterizacin y modelacin conceptual de la
con el cdigo 12010M50401200.
REFERENCIAS
[1] BERNDTSSON, R. AND NIEMCZYNOWICZ,
J. Spatial and temporal scales in rainfall analysis - Some
aspects and future perspectives, J. Hydrol., 100(1-3), 293-
313, 1988.
[2] BERNE, A., DELRIEUB, G., CREUTINB, J -D.
AND OBLEDB, CH. Temporal and spatial resolution of
rainfall measurements required for urban hydrology, J .
Hydrol., 299(3-4), 166-179, 2004.
[3] THIELEN, J. AND CREUTIN, J .-D. An urban
hydrological model with high spatial resolution rainfall from
a meteorological model, J. H ydrol., 200(1-4), 58-83, 1997.
[4] BACCHI , B. AND KOTTEGODA, N.T.
of rainfall, J. Hydrol., 165(1-4), 311-348, 1995.
[5] VARGAS A. Y GARCA O. Anlisis espacio-
temporal de la precipitacin media mensual. Memorias
XXIII Congreso Latinoamericano de Hidrulica, Cartagena
de indias, Colombia, Octubre de 2008.
[6] BERNAL, F.A. Desarrollo de modelos conceptuales
y computacionales para simular estocsticamente la dinmica
espacio - temporal de la precipitacin en Bogot. Director:
Nelson Obregn Neira. Tesis de Maestra en Recursos
Hidrulicos: Universidad Nacional de Colombia. 2008.
[7] WORLD METEOROLOGICAL ORGANIZATION
(WMO). Guide to Hydrological Practices. Volume
I. Hydrology - From Measurement to Hydrological
Information, WMO-No. 168, Sixth edition, 2008.
[8] CLARK, I., Practical Geostatistics, Blackwell
Science, 1979.
[9] ISAAKS, E. AND SRIVISTAVA, R., Applied
Geostatistics, Oxford University Press, New York, 1989.
[10] CARR, J., Numerical Analysis for the Geological
sciences, Prentice Hall, New Jersey, 1995.
[11] RODRGUEZ, E., CAMACHO, L. Y VILLAREAL,
J. Variabilidad espacio-temporal de la precipitacin en una
microcuenca urbana. Memorias XVIII Seminario Nacional
de Hidrulica e Hidrologa, Bogot D.C., 2008.