Documentos de Académico
Documentos de Profesional
Documentos de Cultura
+ =
b a
PA PB
a PA PX
(2)
Donde;
PX, PA, PB, representan la precipitacin para las
estaciones X, A y B, respectivamente, para el perodo
en estudio.
En este mtodo se ocupan las precipitaciones y las
distancias, por lo tanto se asume que existe una
variacin lineal de las precipitaciones, en funcin de
la disposicin espacial.
Esta metodologa es una de las utilizadas por hidrlogos
e ingenieros en la estimacin de precipitaciones para
estudios realizados en Sudfrica, cuyas proyecciones
son de alta importancia especialmente para los
pases que carecen de agua (Lynch, 1998).
Completacin por promedios vecinales
Se utiliza para la completacin de datos menores
de un ao, en zonas planas no montaosas. Se
debe considerar la distribucin espacial en donde
la estacin con carencia de datos, queda ubicada al
centro de tres estaciones con estadstica completa
(fgura 3).
Figura 3. Disposicin espacial para la
completacin de datos por promedios vecinales
(Pizarro et al, 1993)
Donde; X, A, B y C representan la disposicin
espacial de cuatro estaciones pluviomtricas y
donde la estacin X es la que presenta carencia de
informacin.
De cumplir con esto, es posible la utilizacin de la
expresin (3) para estimar las precipitaciones.
(3)
Donde; Pi = Precipitacin de la estacin i en el perodo
de estudio; n = Nmero total de estaciones.
Este mtodo, es bsicamente una estimacin que
resulta del clculo de un promedio aritmtico en las
n estaciones vecinas existentes.
Completacin por razones promedio
Es complementario al mtodo anterior, y se defne
por la siguiente base conceptual. Si en una zona
cualquiera, la precipitacin normal de la estacin
X, difere en ms de un 10% con alguna de las
estaciones vecinas, entonces es necesario aplicar la
ecuacin (4) (UNESCO-ROSTLAC, 1982; Linsley et
al, 1988; Pizarro et al, 1993):
+ + + =
N P
PN
...
B P
PB
A P
PA
*
N
x P
Px
(4)
Donde;
N P B... P A, P X, P
= promedio normal de las
precipitaciones anuales registradas en un perodo
comn para las N estaciones y la estacin X; PA,
PB,PN = precipitacin en las N estaciones durante
el perodo que falta en X.
Lo que se logra al aplicar este mtodo, es realizar
una estimacin para la estacin faltante, en funcin
de las relaciones entre las precipitaciones de un
perodo en estudio y las precipitaciones normales
(Pizarro et al, 1993).
Cabe sealar que se entiende por precipitacin
normal, el promedio de los ltimos treinta aos; de
no contarse con los registros de esta duracin, se
puede establecer un periodo comn a las estaciones
en anlisis, que se sugiere sea mayor o igual a 20
aos en lo posible.
Evaluacin de mtodos hidrolgicos para la completacin de datos faltantes de precipitacin en estaciones de la Regin del Maule,
Chile
175
Aqua-LAC - Vol. 1 - N.2 - Sep. 2009
Completacin por correlacin con estaciones
vecinas
Aqu se utilizan las precipitaciones estimadas a
partir de correlaciones entre la estacin con carencia
de datos y cada una de las estaciones vecinas, a
los que se asocian los coefcientes de correlacin
respectivos (UNESCO-ROSTLAC, 1982). Su
expresin matemtica defnida en la ecuacin (5) es
la siguiente:
rXN ... rXB rXA
rXN * PXN ... rXB * PXB rXA * PXA
PX
+ + +
+ + +
=
(5)
Donde; PX = Valor estimado de precipitacin en X.
PXi = Valor estimado de precipitacin en X, a partir
de las regresiones con cada una de las i estaciones.
rXi = Coefciente de correlacin entre los registros de
la estacin X, y cada una de las i estaciones.
A, B,, N = Estaciones consideradas.
Este mtodo sirve para la completacin de informacin
de tipo anual, y su uso es slo recomendable
cuando el coefciente del correlacin del mtodo de
correlacin lineal, no supera la barrera del valor 0,8
(CAZALAC, 2005).
Completacin por regresiones mltiples
Este mtodo, es una extensin del mtodo de
regresin simple y su forma de estimar la precipitacin
se basa en la expresin matemtica (6):
i 3 2 1
nX dX cX bX a Y ...
+ + + + = (6)
Donde; Y
n
(
R
)
y
E
r
r
o
r
E
s
t
n
d
a
r
d
e
E
s
t
i
m
a
c
i
n
(
E
E
E
)
.
M
t
o
d
o
A
r
m
e
r
i
l
l
o
C
o
l
o
r
a
d
o
H
u
a
p
i
E
l
G
u
i
n
d
o
G
u
a
l
l
e
c
o
P
e
n
c
a
h
u
e
S
a
n
J
a
v
i
e
r
T
a
l
c
a
R
E
E
E
R
E
E
E
R
E
E
E
R
E
E
E
R
E
E
E
R
E
E
E
R
E
E
E
R
E
E
E
R
a
z
o
n
e
s
d
e
D
i
s
t
a
n
c
i
a
0
,
6
8
1
6
4
,
9
0
,
9
4
4
3
,
9
0
,
9
4
3
1
,
7
0
,
9
5
2
1
,
4
0
,
9
3
3
2
,
1
0
,
9
8
1
3
,
2
0
,
9
6
1
7
,
8
0
,
9
7
1
5
,
4
P
r
o
m
e
d
i
o
s
V
e
c
i
n
a
l
e
s
-
-
-
-
0
,
8
7
4
6
,
7
0
,
9
5
2
2
,
1
-
-
0
,
9
8
1
3
,
2
0
,
7
7
4
6
,
1
0
,
9
8
1
3
,
7
R
a
z
o
n
e
s
P
r
o
m
e
d
i
o
s
-
-
-
-
0
,
9
8
2
0
,
4
0
,
9
6
1
9
,
0
-
-
0
,
9
3
2
5
,
7
0
,
9
6
1
8
,
5
0
,
9
8
1
2
,
0
C
o
r
r
e
l
a
c
i
n
c
o
n
E
s
t
a
c
i
o
n
e
s
V
e
c
i
n
a
s
(
2
e
s
t
a
c
i
o
n
e
s
)
0
,
0
3
3
3
,
6
0
,
9
9
7
,
2
0
,
9
9
5
,
7
0
,
9
8
1
4
,
9
0
,
8
4
1
4
,
9
0
,
9
8
2
,
5
0
,
9
9
6
,
3
0
,
9
8
1
1
,
9
C
o
r
r
e
l
a
c
i
n
C
o
n
E
s
t
a
c
i
o
n
e
s
V
e
c
i
n
a
s
(
3
e
s
t
a
c
i
o
n
e
s
)
0
,
0
4
7
4
,
1
0
,
0
5
1
7
3
,
4
0
,
9
5
2
7
,
9
0
,
9
6
1
8
,
3
0
,
8
9
4
0
,
8
0
,
9
9
1
1
,
1
0
,
9
9
4
,
3
0
,
9
6
1
8
,
5
R
e
g
r
e
s
i
o
n
e
s
M
l
t
i
p
l
e
s
(
2
e
s
t
a
c
i
o
n
e
s
)
0
,
9
2
6
2
,
3
0
,
9
5
2
9
,
2
0
,
9
3
2
3
,
9
0
,
8
9
2
2
,
3
0
,
9
8
1
3
,
9
0
,
9
6
1
3
,
3
0
,
9
6
1
4
,
9
0
,
9
7
1
0
,
5
R
e
g
r
e
s
i
o
n
e
s
M
l
t
i
p
l
e
s
(
3
e
s
t
a
c
i
o
n
e
s
)
0
,
9
3
6
1
,
1
0
,
9
7
2
0
,
9
0
,
9
4
2
2
,
7
0
,
9
1
2
1
,
8
0
,
9
8
1
3
,
7
0
,
9
8
9
,
8
0
,
9
6
1
4
,
6
0
,
9
7
1
0
,
4
R
e
g
r
e
s
i
n
L
i
n
e
a
l
s
i
m
p
l
e
(
1
s
c
e
r
c
a
n
a
)
0
,
9
2
6
4
,
1
0
,
9
3
3
3
,
9
0
,
9
3
2
3
,
9
0
,
8
9
2
4
,
4
0
,
9
8
1
4
,
5
0
,
9
8
1
1
,
0
0
,
9
6
1
5
,
2
0
,
9
6
1
3
,
3
R
e
g
r
e
s
i
n
L
i
n
e
a
l
s
i
m
p
l
e
(
2
s
c
e
r
c
a
n
a
)
0
,
8
9
7
2
,
2
0
,
9
2
3
8
,
3
0
,
8
4
3
7
,
5
0
,
8
3
2
7
,
6
0
,
9
6
1
9
,
5
0
,
9
6
1
3
,
7
0
,
9
4
1
8
,
1
0
,
9
6
1
2
,
7
R
e
g
r
e
s
i
n
L
i
n
e
a
l
s
i
m
p
l
e
(
3
s
c
e
r
c
a
n
a
)
0
,
8
7
8
2
,
9
0
,
9
1
4
2
,
1
0
,
8
5
3
6
,
4
0
,
8
9
2
4
,
4
0
,
9
4
2
1
,
9
0
,
9
4
1
6
,
9
0
,
9
3
2
7
,
9
0
,
8
9
2
1
,
9
-
M
t
o
d
o
n
o
a
p
l
i
c
a
d
o
Roberto Pizarro, Paula Ausensi, Dayanna Aravena, Claudia Sangesa, Lastenia Len, Francisco Balocchi
180
Aqua-LAC - Vol. 1 - N.2 - Sep. 2009
Tabla 9. ANoVA de mtodos de completacin de datos aplicados por estacin.
Estacin vF SC Gl CM FC VALOR P
Armerillo
Dentro del grupo 9,4059e6 8 1,1757e6
5,09 0,0000*
Entre grupos 7,2793e7 315 231092,0
TOTAL 8,2199e7 323
Colorado
Dentro del grupo 808978,0 8 101122,0
1,96 0,0512
Entre grupos 1,6262e7 315 51628,1
TOTAL 1,7071e7 323
Huapi
Dentro del grupo 172904,0 10 17290,4
1,00 0,4388
Entre grupos 6,6269e6 385 17212,9
TOTAL 6,79986e6 395
El Guindo
Dentro del grupo 66736,9 10 6673,69
0,81 0,6240
Entre grupos 3,1916e6 385 8289,99
TOTAL 3,2583e6 395
Gualleco
Dentro del grupo 85091,4 8 10636,4
0,61 0,7709
Entre grupos 5,5088e6 315 17488,3
TOTAL 5,5088e6 323
Pencahue
Dentro del grupo 11691,1 10 1169,11
0,13 0,9993
Entre grupos 3,3742e6 385 8764,16
TOTAL 3,3858 395
San Javier
Dentro del grupo 77694,3 10 7769,43
0,85 0,5763
Entre grupos 3,5004e6 385 9092,07
TOTAL 3,5781e6 395
Talca
Dentro del grupo 74354,4 10 7435,44
0,84 0,5880
Entre grupos 3,3984e6 385 8827,09
TOTAL 3,4727e6 395
* Existe diferencias signifcativas entre los mtodos de completacin; por lo menos 1 es distinto de los
dems
superiores a 0,8 (salvo en el mtodo por correlaciones
con estaciones vecinas con dos y tres estaciones
que tuvo valores 0), present errores superiores a 60
mm residuales para todos los mtodos. Por ello, el
considerar al R como un mtodo vlido de bondad
de ajuste, es un error, ya que slo sirve a modo de
referencia y se debe aplicar con precaucin, pues
no mide qu tan apropiado es el mtodo empleado
(Montgomery y Runger, 1994).
Por otro lado, el EEE ms bajo se obtuvo en la
estacin Pencahue con el mtodo de correlacin con
estaciones vecinas con 2 estaciones que present
un valor de 2,5 mm, con un R de 0,98. En general
en esta estacin se presentaron bajos errores y
elevados R, los que fueron en todos los casos
superiores a 0,93.
Para determinar la existencia de diferencias entre los
distintos mtodos utilizados para cada estacin, se
realiz un anlisis de varianza (ANOVA), que mide el
comportamiento de los efectos entre las medias de
cada mtodo (Tabla 9).
El resultado de esta prueba entreg que la nica
estacin que manifest diferencias signifcativas
entre los distintos mtodos utilizados, con un valor p
muy bajo (inferior a 0,05), fue Armerillo.
Lo sealado anteriormente muestra que ocurre un
caso especial con esta estacin, ya que por lo general
en las otras estaciones, el mtodo de correlacin con
estaciones vecinas y regresiones mltiples presentan
resultados muy similares, en cambio en la estacin
de Armerillo, ello no ocurre.
DISCUSIN
Para determinar qu mtodo fue el que estim mejor
los valores reales de precipitacin media, se aplic
el test de concordancia de Bland y Altman (ACBA),
para cada estacin en particular; los datos que se
ajustan mejor a los valores reales, son aquellos
donde las diferencias promedio son menores. En la
fgura 4, se presentan las grfcas de las diferencias
promedio entre los mtodos utilizados para cada
estacin en donde, (RD: Razones de Distancia; PV:
Promedios Vecinales; RP: Razones Promedio; CEV,
i: Correlacin con estaciones vecinas: i: cantidad de
estaciones incluidas; RM, p: Regresiones Mltiples
con p : Cantidad de estaciones Incluidas; R1, j :
Evaluacin de mtodos hidrolgicos para la completacin de datos faltantes de precipitacin en estaciones de la Regin del Maule,
Chile
181
Aqua-LAC - Vol. 1 - N.2 - Sep. 2009
Regresin Simple: j : grado de cercana desde la
estacin con falta de informacin hasta la estacin
que est estimando. 1: la ms cercana, 2: la segunda
ms cercana; 3 : la tercera ms cercana)
En la estacin Armerillo (Figura 4a), el mtodo de
regresin mltiple, con 2 y 3 estaciones es el que
ms se acerca a los valores reales con una diferencia
promedio de 0,27 mm y 6,01 mm respectivamente.
Luego se puede observar un alza en la diferencia
media hasta llegar a los 90 mm con el mtodo de
razones de distancia, pasando a superar los 100
mm de diferencia promedio entre datos reales y
datos estimados, con los otros mtodos. El mtodo
de regresin lineal con la estacin San Javier, es el
que arroj los resultados ms desfavorables, lo que
se puede explicar por la ubicacin de la estacin
San Javier, porque si bien sta es una de las ms
cercanas, (en distancia lineal), no es representativa
de lo que ocurre en la estacin Armerillo, ya que se
ubican en zonas climticas distintas, donde Armerillo
est en la precordillera andina y San Javier en la
depresin intermedia del pas.
Para la estacin Colorado, el mtodo que mejor
ajusta a los valores reales tambin es el de
regresiones mltiples, con 2 y 3 estaciones, y los que
ms diferen son correlacin con estaciones vecinas,
con 3 estaciones, y el mtodo de regresin lineal con
la 3 estacin ms cercana. Grfcamente se refeja
que existe una gran diferencia entre el mtodo que
estima mejor, que en este caso es el de regresin
mltiple con dos estaciones (Huapi y Armerillo), y
el que estima peor, el mtodo de correlacin con
estaciones vecinas, que contempl 3 estaciones
(Huapi, Talca y Pencahue) (Figura 4b).
En el caso de la estacin Huapi, el mtodo que
obtuvo las menores diferencias promedio, fue el
mtodo de correlacin con estaciones vecinas con 2
estaciones seguido del mtodo de regresin mltiple
con 3 estaciones, (Colorado, Armerillo y Talca). Los
mtodos restantes se comportan muy parecidos; la
diferencia promedio ms alta es de 35,49 mm, que
se obtuvo con el mtodo de regresin simple con la
estacin Talca. (Figura 4c).
En la estacin el Guindo, el anlisis de concordancia
de Bland y Altman arroja que las diferencias promedio
entre los mtodos de completacin, son muy parecidas
entre s, es decir, que no hay diferencias importantes
entre los mtodos de completacin utilizados (Figura
4d). El mtodo que obtuvo menor valor de diferencia
promedio fue el mtodo de razones de distancia, y el
valor ms alto se alcanz con el mtodo de regresin
lineal con la estacin Colorado, que es la 3 ms
cercana.
Para la estacin Gualleco se pudo establecer
que las menores diferencias promedio entre los
mtodos de completacin, se obtuvieron con el
mtodo de regresin mltiple con 2 estaciones
(Talca y Pencahue), que denot un valor de 3,04
mm y, en el caso del mtodo de regresin mltiple
con 3 estaciones, (Pencahue, San Javier y Talca),
se alcanz los 4,78 mm. Con los otros mtodos, las
diferencias promedio fueron ms altas variando entre
los 11,81 mm y los 28,02 mm (Figura 4e).
En la estacin Pencahue, los mtodos de
completacin no diferen mucho de la precipitacin
real, ya que el mayor valor de diferencia promedio
fue de 12,77 mm, (con el mtodo de regresin lineal
simple con la estacin Gualleco) y, el ms bajo 1,8
mm, con el mtodo de regresin lineal simple con la
estacin Talca (Figura 4g).
Esto se puede explicar, como en las otras estaciones,
por la relacin que existe entre la ubicacin espacial
de la estacin con carencia de informacin y las
distancias de la estaciones que sirven para estimar
la precipitacin de la misma. En la depresin
intermedia ocurre que las estaciones estn ms
homogneamente distribuidas, y las distancias entre
ellas son ms cortas.
El anlisis de concordancia de Bland y Altman en
la estacin San Javier indica que las diferencias
promedio de los mtodos de completacin son
relativamente bajas. Van desde los 0,32 mm (con
el mtodo correlacin con estaciones vecinas con 3
estaciones, Talca, Pencahue y Gualleco) y los 16,38
mm, con el mtodo de regresin lineal con la estacin
Huapi (Figura 4f).
Para la estacin Talca este test indica que de los
mtodos analizados, los que presentan menor
diferencia promedio son los mtodos de regresin
mltiple con 2 estaciones (Pencahue y San Javier)
y regresin mltiple con 3 estaciones (Pencahue,
San Javier y Gualleco) con 1,38 mm y 1,28 mm,
respectivamente. El mtodo con el valor ms alto
es el de correlacin con estaciones vecinas (Figura
4h).
En general se puede decir que las diferencias
promedio entre los mtodos de completacin, fueron
bajas y ningn mtodo super los 10 mm, lo que
indica que los mtodos aplicados, estiman bien a
esta estacin.
Con los resultados obtenidos despus de la aplicacin
de los mtodos de completacin de datos faltantes,
y para cada una de las estaciones utilizadas en
este estudio, en el tabla 8 se puede observar las
veces que los distintos mtodos, fueron elegidos
dentro de los tres mejores estimadores, en orden
descendente, segn el anlisis de concordancia de
Bland y Altman.
En general y a partir de los resultados entregados por
los diferentes mtodos, y principalmente a partir de
lo que seala el test de Bland y Altman, los mtodos
ms efcientes son los de regresin lineal, simple y
mltiple, a lo cual se debe poner especial atencin
en el valor del EEE.
Roberto Pizarro, Paula Ausensi, Dayanna Aravena, Claudia Sangesa, Lastenia Len, Francisco Balocchi
182
Aqua-LAC - Vol. 1 - N.2 - Sep. 2009
Figura 4. Diferencias promedio del Test de Concordancia de Bland y Altman, para las estaciones en estudio
en donde, a) Estacin Armerillo; b) Estacin Colorado; c) Estacin Huapi; d) Estacin El Guindo; e) Estacin
Gualleco; f) Estacin San Javier; g) Estacin Pencahue y h) Estacin Talca.
(RD: Razones de Distancia; PV: Promedios Vecinales; RP: Razones Promedio; CEV, i: Correlacin con
estaciones vecinas: i: cantidad de estaciones incluidas; RM, p: Regresiones Mltiples con p : Cantidad
de estaciones Incluidas; R1, j : Regresin Simple: j : grado de cercana desde la estacin con falta de
informacin hasta la estacin que est estimando. 1: la ms cercana, 2: la segunda ms cercana; 3 : la
tercera ms cercana).
Evaluacin de mtodos hidrolgicos para la completacin de datos faltantes de precipitacin en estaciones de la Regin del Maule,
Chile
183
Aqua-LAC - Vol. 1 - N.2 - Sep. 2009
CONCLUSIONES
Sobre la base de los anlisis desarrollados y
considerando los objetivos planteados para el
estudio, se concluye que para la completacin de
datos faltantes en la Regin del Maule, el mtodo
que obtuvo mejores resultados, fue el mtodo
de Regresiones Mltiples, con 3 y 2 estaciones
respectivamente.
Con respecto al mtodo de regresin lineal simple,
ste es uno de los ms utilizados en Chile, por su fcil
aplicacin, dado que no requiere mucha informacin
previa, slo conocer el monto de las precipitaciones
de las estaciones cercanas. Sin embargo, a pesar
de ser el ms recomendado en la literatura, en
la prctica para las estaciones utilizadas en este
estudio, no obtuvo los mejores resultados.
El mtodo de razones de distancia tambin es de fcil
aplicacin, pero requiere de informacin adicional,
como las distancias lineales, lo que hace preciso
contar con una cartografa adecuada e instrumentos
de medicin, entre otros. Sin embargo, este mtodo
tampoco tuvo buenos resultados en el estudio.
El principal problema de aplicacin del mtodo de
promedios vecinales, es la distribucin espacial
triangular que deben cumplir las estaciones, donde
la estacin con carencia de informacin se sita
en el centro. Esto dej estaciones en las cuales no
fue posible estimar los datos faltantes. Adems sus
resultados tambin fueron defcientes.
El mtodo de razones promedio complementa
al anterior; en lo que respecta a su aplicacin es
ms complicado, ya que a la disposicin espacial
triangular, se le agrega el promedio normal de las
precipitaciones en las estaciones.
En relacin al mtodo de correlacin con estaciones
vecinas, ste generalmente se utiliza cuando los
coefcientes de determinacin R del mtodo de
regresin lineal no superan 0,8. Pero para este
estudio y a modo de comparacin, se decidi
probar qu suceda, inclusive obteniendo buenos
coefcientes de correlacin entre las estaciones.
De este modo, los resultados obtenidos fueron muy
favorables, ya que en 3 oportunidades se ubic
dentro de los tres mejores estimadores.
En relacin al R, este puede ser un buen indicador
en una primera aproximacin pero no lo sufciente
para sealar calidad de ajuste, como es el caso
de lo ocurrido con la estacin Armerillo, que en la
mayora de los mtodos aplicados present valores
de R superiores a 0,8, pero los EEE superaron los
60 mm.
En cuanto a los anlisis realizados a los resultados,
se puede sealar que la forma ms certera de
determinar cul de los mtodos se ajust mejor a los
datos reales, fue el anlisis de concordancia de Bland
y Altman, ya que ste relaciona directamente el dato
real con el dato estimado en distintas dimensiones
ligadas a las desviaciones promedio, los lmites y la
desviacin estndar.
Por otro lado, es recomendable al momento de
estimar datos faltantes, contar con estaciones
cercanas y confables, ya que los mejores resultados
se obtuvieron con las estaciones ms cercanas, que
no necesariamente son las ms completas.
Al mismo tiempo, sera interesante extender este
estudio a zonas ridas y semiridas y a regiones
hmedas, para poder establecer comparaciones, y
determinar cules mtodos se comportan de mejor
manera dependiendo de la zona de aplicacin.
Finalmente, se recomienda la aplicacin del mtodo
de regresiones mltiples con 2 y 3 estaciones, para
la completacin de datos faltantes, y considerar
de manera especial la estimacin del EEE, porque
un nivel bajo de esta medida de bondad de ajuste,
asegura que la prediccin se situar en marcos
tcnicos confables.
AGRADECIMIENTOS
Los autores agradecen a la Direccin General de
Aguas de Chile, institucin que facilit la entrega de
la informacin pluviomtrica de la Regin del Maule.
REFERENCIAS
Aparicio, F. 2001. Fundamentos de hidrologa de
superfcie. Mxico. Editorial Limusa S. A.. 303 p
Bland, J, Altman, D. 1999. Statistical methods in
medical research. Measuring agreement in methods
comparative studies. Vol. 8 (2) pp. 35-160
Caro, J. 2001. Modelacin de caudales recesivos
para la cuenca del Ro Purapel, Estacin Nirivilo.
Tesis de Pregrado. Talca.Universidad de Talca. 113p
Centro del Agua para Zonas ridas de Amrica Latina
y el Caribe (CAZALAC). 2005 Gua metodolgica para
la elaboracin del mapa de zonas ridas, semiridas
y subhmedas secas de Amrica Latina y El Caribe.
Chile. 66p
Cid, L., Mora, C., Valenzuela, M. 1990. Estadstica
matemtica. Probabilidades e Inferencia Estadstica.
Departamento de Matemticas. Facultad de
Ciencias. Concepcin: Universidad de Concepcin.
Chile. 319p
Chang, T., Shyu, G., Lin, Y., Chang, N. 1999.
Geostatistical Analysis of Soil Arsenic Content in
Taiwan. Journal of Enviromental Science and Health,
Part A 34(7) pp. 1485-1501
Dunn, G., Roberts, C. 1999. Statistical methods in
medical research. Biostatistics group. The medical
school. Modelling method comparison data. Vol. 8
(2) pp. 161-179
Gujarati, D. 1992. Econometra. Segunda edicin.
Mxico: Editorial Mc Graw-Hill Latinoamericana.
597p
Haining, R., Griffth, D., Bennett, R. 1984. A statistical
approach to the problem of missing spatial data
Roberto Pizarro, Paula Ausensi, Dayanna Aravena, Claudia Sangesa, Lastenia Len, Francisco Balocchi
184
Aqua-LAC - Vol. 1 - N.2 - Sep. 2009
using a frst-order markov model. The Professional
Geographer. Vol. 36 (3), pp. 338345
Instituto Geogrfco Militar (IGM). 1985. Atlas
geogrfco de Chile. Talleres grfcos del Instituto
Geogrfco Militar de Santiago. Chile. 140 p
Kim, T-W., Ahn, H., Ahn, Jae-H., Byeon, S-H., Wi,
S-W., Kim, M. (s.f.) Estimating missing values of daily
rainfall using classifcation techniques. Dept. of Civil
and Environmental Engineering, Hanyang University,
Ansan, Korea. 8 p
Linsley, R., M Kholer. 1988. Hidrologa para Ingenieros.
2 Edicin. Editorial Mc Graw-Hill Latinoamericana.
D.F. Mxico. 386 p
Lynch, S. 1998.Converting Point Estimates of Daily
Rainfall onto a Rectangular Grid. Department of
Agricultural Engineering, University of Natal, South
Africa
Marabol, F. 2000. Evaluacin de tres modelos
precipitacin- escorrenta (Budyco, Turc-Pike,
Pizarro), en la cuenca del ro Achibueno, VII Regin,
Chile. Tesis de pregrado. Universidad de Talca. Talca-
Chile. 79 p
Mintegui, J., Lpez, F. 1990 La ordenacin
agrohidrolgica en la planifcacin. Servicio central
de publicaciones del gobierno Vasco. pp 306 1990
Montgomery, D., Runger, G. 1994. Applied statistics
and Probability for engineers. New York: Editorial Mc
Graw-Hill
Pea, D. 1995. Estadstica. Modelos y mtodos.
Modelos lineales y series temporales. Editorial
Alianza. Madrid
Pizarro, R., Gonzlez, P., Wittersshein, M.,.
Saavedra, J., Soto, C. 1993. Elementos tcnicos de
hidrologa III. Proyecto regional mayor sobre uso y
conservacin de recursos hdricos en reas rurales
de Amrica latina y el caribe. Talca: Universidad de
Talca. pp 135
Snchez, F. 2001. Anlisis y evaluacin comparativa
de siete modelos precipitacin-escorrenta (Budyko,
Coutange, Grunsky, Peuelas, Pizarro, Turc, Turc-
Pike), en la cuenca del Ro Malleco, IX Regin. Tesis
de pregrado. Talca: Universidad de Talca. 75p
Smith, D., Kniveton, D., Barrett, E. 1997. Statistical
modeling approach to passive microwave rainfall
retrieval. Journal of Applied Meteorology. Vol. 37 (2)
pp. 135154
Tapiador, F., Kidd, C., Levizzani, V., Marzano, F.
2003. A neural networksbased fusion technique
to estimate half-hourly rainfall estimates at 0.1
resolution from satellite passive microwave and
infrared data. Journal of Applied Meteorology, Vol. 43
(4) pp. 576594
UNESCO ROSTLAC. 1982. Gua metodolgica
para la elaboracin del balance hdrico de Amrica
de sur. Ofcina Regional de Ciencias y Tecnologa
de la UNESCO para Amrica latina y el Caribe.
Montevideo. Uruguay. 129 p - Espaa. 745p
Yu, P., Chen, C. 1996. Extending the rainfall intensity-
duration-frecuency relationship to non-recording
raingauges, J. Chin. Inst. Eng. (4) pp. 523-532
Yu, P., Chen, C. 1997. Potencial of Extending the
rainfall intensity-duration-frecuency relationship to
non-recording raingauges, Hydrol. Process.,(11) pp.
377-390
Yu, P., Yang, T., Lin, C. 2004. Regional rainfall
intensity formulas base on scaling property of rainfall,
Journal of Hydrology, 295 (1-4) pp. 108-123