CAPITULO II

PRECIPITACION
1.- GENERALIDADES

1.1 PRECIPITACIN. FORMACIN, FORMAS, TIPOS, MEDICIN Y ANLISIS DE

DATOS
Como precipitacin se conocen todas las formas de humedad que caen a la tierra,
provenientes de las nubes, como agua, nieve y hielo. La precipitacin constituye la
entrada primordial del sistema hidrolgico y es el factor principal que controla la
hidrologa de una regin.
El conocimiento de los comportamientos y patrones de la lluvia en el tiempo y en el
espacio es esencial para entender procesos como la variacin de la humedad del suelo,
recarga de acuferos y caudal en los ros. El estudio de la precipitacin es entonces de
capital importancia para los hidrlogos, pero una investigacin detallada de los
mecanismos de su formacin es dominio de la meteorologa. La evaporacin desde la
superficie de los ocanos es la principal fuente de humedad para la precipitacin, ya
que no ms del 10% de la precipitacin continental se puede atribuir a la evaporacin
en los continentes. Por otra parte, el 25% de la precipitacin total que cae en reas
continentales regresa al mar como escorrenta directa o flujo de agua subterrnea. Sin
embargo,

la

cercana

los

ocanos

no

necesariamente

implica

altas

precipitaciones, como es el caso de islas desrticas.

1.1.1 FORMACIN DE LA PRECIPITACIN
Se sabe que la humedad siempre est presente en la atmsfera, an en da sin nubes,
es lo que se conoce como humedad relativa. Para que ocurra la precipitacin, es
necesario que el aire se enfre por algn mecanismo, de manera que ste alcance su
punto de saturacin. Vale decir, que la temperatura del aire (Ta), sea inferior al punto
de condensacin o temperatura del punto de roco (Td). Estos mecanismos de
enfriamiento comnmente se generan por la ascensin de masas de aire, las cuales
producen calentamiento o enfriamiento de la superficie de la tierra o bien, por barreras
orogrficas. Sin embargo, la saturacin, no necesariamente lleva a la precipitacin.

En este sentido toma importancia la presencia de ncleos de condensacin o

congelamiento, sobre los cuales se forman las gotas de agua o de cristales de hielo,
proceso que se conoce como nucleacin. Estos ncleos por lo general consisten de
productos de combustin, xidos de nitrgeno y partculas de sal. stos son los ms
efectivos y an con humedades relativas tan bajas como del 75% pueden producir
condensacin.
Finalmente, se deben producir el crecimiento de las gotas de lluvia o los cristales de
hielo, ya que las nubes estn sostenidas por componentes verticales de las fuerzas que
ejercen las corrientes de aire, estas son pequeas, pero suficientes para impedir que
caigan partculas de determinado tamao. Es necesario entonces que las gotas tengan
peso suficiente, porque de otra manera se podran evaporar y desaparecera la nube
lentamente. Las gotas pueden crecer por atraccin electrosttica o por turbulencia.

1.1.2 FORMAS DE PRECIPITACIN

Cualquier producto formado por la condensacin de vapor de agua atmosfrico en el
aire libre o la superficie de la tierra es un hidrometeoro. Para la hidrologa los
hidrometeoros de mayor inters son aquellos que caen, por lo que se dejan fuera la
neblina, la nieve arrastrada por el viento y el hielo.
Los principales tipos de precipitacin son:
a. Llovizna: son gotas de agua pequeas por lo que su velocidad de cada es
bastante baja. Por lo general cae de estratos y rara vez sobrepasa un valor de 1
mm/hr.
b. Lluvia: consiste en gotas de agua lquida con dimetros mayores a las que
componen la llovizna. Comnmente se reportan tres intensidades: Ligera (hasta
2,5 mm/hr); Moderada (entre 2,5 y 7,6 mm/hr) y Fuerte (mayores a 7,6 mm/hr).
En algunos casos se define un tipo torrencial como aquella que supera los 12,7
mm/hr.
c. Escarcha: es una capa de hielo que se forma producto del enfriamiento de una
superficie hmeda producida por lluvia o llovizna.
d. Nieve: est compuesta por cristales de hielo, blancos o traslcidos. Se ha
estimado que 125 a 500 mm de nieve pueden generar 25 mm de agua lquida.
Su densidad promedio es igual a 0,1.
e. Granizo: precipitacin en forma de bolas o cristales irregulares de hielo que
se producen generalmente por nubes convectivas.

1.1.3 TIPOS DE PRECIPITACIN

La precipitacin lleva comnmente el nombre del factor responsable del levantamiento
del aire que produce el enfriamiento a gran escala y necesario para que se produzcan
cantidades significativas de precipitacin. Por ejemplo, la precipitacin ciclnica
resulta del levantamiento del aire que converge de un rea de baja presin o cicln.
Esta se subdivide en frontal y no-frontal.
La precipitacin frontal resulta del levantamiento del aire clido sobre un frente ms
denso y fro. La de frente clido se forma cuando el aire avanza hacia arriba sobre una
masa de aire ms fro.
La de frente fro es de naturaleza ms corta y se forma cuando el aire clido es obligado
a subir por una masa de aire fro que est avanzando y cuya cara delantera es un frente
fro. En este caso el aire clido se eleva mucho ms rpido que en el anterior y las tasas
de precipitacin son mucho mayores.
La precipitacin no-frontal es la que no tiene relacin con frentes.
Por su parte, la precipitacin convectiva es causada por el ascenso de aire clido
ms liviano que el aire fro de los alrededores. Se caracteriza por ser puntual y su
intensidad puede variar entre aquella correspondiente a lloviznas ligeras o aguaceros.
En cambio, la precipitacin orogrfica resulta del ascenso mecnico sobre una
cadena de montaas. La influencia orogrfica es tan marcada en terreno quebrado que
los patrones de las tormentas tienden a parecerse a aquellos de la precipitacin media
anual.
No obstante lo anterior, es importante destacar que en la naturaleza, los efectos
de estos varios tipos de enfriamiento a menudo estn interrelacionados, de
manera que la precipitacin resultante no puede identificarse como de un solo
tipo.

2.1.4 MEDICIN DE LA PRECIPITACIN

Los instrumentos para medir la cantidad y la intensidad de la precipitacin son los ms
importantes. En este sentido, todas las formas de precipitacin se miden sobre la base
de una columna vertical de agua que se acumulara sobre una superficie a nivel si la

precipitacin permaneciese en el lugar donde cae. Comnmente la unidad de medida

en el sistema mtrico es milmetros (mm).
Uno de los principales medidores de precipitacin es el pluvimetro. El estndar (U.S.
National Weather Service) posee un colector con un dimetro de 20 cm. La lluvia pasa
del colector a un tubo cilndrico medidor el cual est situado dentro del recipiente de
vertido. El tubo medidor tiene un rea transversal que es 1/10 de aquella del colector, de
tal manera que 1 mm de lluvia llenar el tubo en 1,0 cm. En la figura siguiente se
muestra la estructura bsica de un pluvimetro.

Estructura bsica de un pluvimetro

El pluvimetro slo proporciona la altura de precipitacin total en milmetros en
intervalos de tiempo fijados de antemano, generalmente de 24 horas.
Cada milmetro medido de precipitacin representa la altura (en lmina precipitada) que
tendra un cubo de rea igual a un metro cuadrado.
Para medir continuamente la precipitacin en el tiempo, es necesario un pluvigrafo,
que es el mismo pluvimetro provisto de un mecanismo de relojera que le permite
marcar en un tipo especial de papel la variacin de la precipitacin con el tiempo.

Registro pluviogrfico
Los tres tipos ms importantes de pluvigrafos son: el de cubeta basculante, el de
balanza y el de flotador.
De los errores, el ms serio, son los producidos por el viento, en donde la aceleracin
vertical del aire, al ser forzado hacia arriba sobre el pluvimetro, le transmite una
aceleracin hacia arriba a las gotas que estn por entrar al pluvimetro producindose
una recogida deficiente.
La informacin que entrega la precipitacin debera ser determinante para planificar el
diseo de una red de pluvimetros. Una de estaciones relativamente dispersa debera
bastar para el estudio de grandes tormentas o para determinar promedio de grandes
reas planas. Las redes deben ser planeadas de tal manera que se obtenga un cuadro
representativo de la distribucin espacial de la precipitacin.

1.1.5 INTERPRETACIN Y ANLISIS DE DATOS DE PRECIPITACIN

a. Presentacin de los datos. Antes de entrar a la interpretacin y anlisis de los
datos propiamente tales, es necesario sealar la forma de cmo se presentan
los datos de precipitacin. La manera ms comn como los registros estn
disponibles es la Curva de Masas de la lluvia, que resulta ser un grfico de la
precipitacin acumulada contra el tiempo, en orden cronolgico. Es la curva que
se obtiene directamente del pluvigrafo, tal como lo presenta en la figura. Las
curvas de masa se usan para extraer informacin sobre la magnitud, duracin e
intensidad de una tormenta.

Curva de masas
Por su parte, el hietograma es el grfico que relaciona la intensidad de la lluvia contra
el intervalo de tiempo. Se define la intensidad como la variacin de la precipitacin con
el tiempo. El intervalo de tiempo depende del tamao de la cuenca. Para cuencas
pequeas, se usan intervalos de minutos, y para cuencas grandes, los intervalos son
generalmente de horas.. El hietograma es muy utilizado en el diseo de tormentas, para
el estudio de caudales mximos, y se deriva de la curva de masa. El rea bajo el
hietograma representa la precipitacin total recibida en ese perodo.

Hietograma

3.- INFORMACION ESTADISTICA

3.1- ESTIMACION DE DATOS FALTANTES

Se refiere a un llenado provisional de los datos faltantes de la informacin existente, con
el fin de hacer el anlisis de Doble Masa para verificar la consistencia de la informacin,
toda vez que la calcular las precipitaciones medias anuales; en los aos donde faltan
datos de uno o varios meses esta media anual mostrar quiebres que distorsionaran
innecesariamente el diagrama, lo cual dificultara an ms la identificacin de los
perodos dudosos y los confiables.
3.1.1 RELLENO PROVISIONAL DE DATOS FALTANTES (ANALISIS DE DOBLE
MASA)

CRITERIOS PRACTICOS:
a. Tipificar el comportamiento hidrolgico de los aos, en que faltan datos
(Hmedo, Normal o Seco).
b. Tener en cuenta el perodo de ubicacin del dato faltante, si la informacin es no
anual.

c. Completar con el promedio de los aos o meses tipificados

ej. Si el ao faltante es seco, entonces determinar el promedio de todos los aos
secos con informacin y este servir para completar el dato faltante.
En otros casos es recomendable completar con el promedio del ao posterior y
anterior al dato o tambin del mes anterior y posterior al faltante, si la informacin es
anual o mensual respectivamente.
Si la informacin es mensual, determinar el promedio de los aos tpicos y
completar con este.
Estos criterios pueden ser vlidos, solo en el caso de completacin de algunos datos
faltantes, no as en el caso de extensin de periodos largos.

3.2.- ANALISIS DE CONSISTENCIA DE DATOS

La Inconsistencia y no Homogeneidad de una serie hidrolgica deben ser identificadas,
eliminadas y ajustadas a las condiciones futuras, porque pueden introducir errores a la
serie.
INCOSISTENCIA: Son los errores sistemticos que se presentan como saltos y
tendencias en las series maestrales.
a. SALTOS:
Formas determinsticas transitorias que permiten a una serie hidrolgica peridica
o no peridica, pasar de un estado a otro como respuesta a cambios hechos por el
hombre o cambios naturales continuos.
&j. Derivaciones aguas arriba, cambio de estacin hacia aguas arriba.
b. TENDENCIAS:
Son componentes determinsticas transitorias, que se definen como un cambio,
sistemtico y continuo, sobre una muestra de informacin hidrometereolgicas en

cualquier parmetro de la misma que afecta distribuciones y dependencias de las

series.
&j. Cambio ascendente o descendente en temperatura, precipitacin, evaporacin
Grficamente se puede observar como un ascenso o descenso lineal o no lineal
continuo en la muestra histrica, despus de haber eliminado los saltos de la
serie.
NO HOMOGENEIDAD: Cambios de los datos originales con el tiempo.
&j. La No Homogeneidad en los datos de Precipitacin, se produce por movimiento de
la Estacin, cambios en el medio ambiente que rodea la Estacin.
3.2.1. ANLISIS DE DOBLE MASA
El anlisis de Doble Masa es la forma ms usual de detectar perodos donde se han
producido posibles errores, los cuales se observan en forma de quiebres en la
pendiente de la curva doble msica.
Esta curva se construye llevando a un sistema de coordenadas cartesianas los valores
acumulados de una estacin en cuestin (eje de ordenadas), contra los valores
acumulados anuales de una estacin Patrn (eje de las abcisas).
La curva de doble masa tambin es usada muy frecuentemente para corregir los
quiebres multiplicando cada precipitacin por la razn de pendientes del perodo que se
considera errneo.
Sin embargo esto no es recomendable para estudios detallados, ya que un cambio de
pendiente, puede o no ser significativo, para un nivel de probabilidades, y estar dentro
de ciertos lmites de confianza, los que sern comprobados mediante un anlisis
estadstico, que evitara hacer correcciones a la curva que en lugar de mejorar la serie
nos podran llevar a generar mayores errores.

Existen varios criterios y formas de realizar el anlisis de Doble Masa, el cual debe ser
el adecuado a las caractersticas de la red pluviomtrica.
Se puede realizar el siguiente proceso:
1 Agrupar las estaciones en grupos, teniendo en cuenta la cercana entre ellas,
altitud y similitud en hidrogramas.
2 Se calcula los volmenes acumulados anuales para cada estacin

y el

promedio acumulado anual de las estaciones agrupadas.

3 Se plotea en el eje de las abcisas el promedio anual acumulado de la
precipitacin de la informacin de las estaciones y, en el eje de las ordenadas la
precipitacin anual acumulada de cada una de las estaciones del grupo en
anlisis.
4 De las curvas de Doble Masa obtenidas en el paso 3, se selecciona la que
tenga menos puntos de quiebre, es decir que se muestre ms uniforme, la que es
considerada como la ms confiable. La curva obtenida para la estacin ms
confiable sirve tambin para detectar sus perodos dudosos y confiables, para su
posterior anlisis.
5 La estacin escogida en el paso anterior como la ms confiable, se plotea en el
eje de las abcisas, y las otras estaciones se plotean en el eje de las ordenadas.
En los grficos obtenidos, se determinan los perodos dudosos y los
perodos confiables, ayudados adems de los hidrogramas de cada estacin
que se analice.

3.3.. ANALISIS ESTADISTICO

3.3.1. CONSISTENCIA DE LA MEDIA
El proceso tiene como fin demostrar, por medio de la prueba t de Student, que los
valores promedio provienen de una misma poblacin, lo cual ser cierto si ambas
medias son estadsticamente iguales. La forma es como sigue:
1 Se calcula la media y desviacin estndar tanto del perodo dudoso como del
confiable de la siguiente manera:

XW

SW (X )

Donde:

XI
NW

X X
W

NW 1

Xw
w

: Media de uno de los perodos.

: Perodo que se calcula.

w = 1, para el perodo dudoso.

w = 2, para el perodo confiable.
xi

: Dato de registro mensual.

Sw(x) : Desviacin estndar del perodo w

Nw

: Tamao de la muestra del perodo w.

Cabe hacer notar que el tamao de la muestra para cada perodo (N1 y N2), se refiere a
todos los valores diferentes de cero y no se toman en cuenta los valores con que se
llenaron, para el anlisis de doble masa.
2 Se realiza la prueba de medias, mediante el estadstico t de Student, en el orden
siguiente:
a. Se determina la hiptesis planteada, la hiptesis alternativa y el nivel de significacin:
Hp : 1 = 2
Ha : 1 2
= 0,05
Donde:
1,2 : medias poblacionales.

: nivel de significacin.

b. Para demostrar la hiptesis planteada de que las muestras provienen de la misma

poblacin, es decir que la media ambos perodos son estadsticamente iguales, se
obtiene un valor de t calculado, y un valor de t de tablas de la forma que sigue:

tC

X X
1

Sd

Sd SP

SP

1
1

N1 N2

N1 1S12 N2 1S22
N1 N2 2

Donde :
tc : t calculado.
Sd : Desviacin estndar de los promedios

SP : Desviacin estndar ponderada

El valor de t de tablas (tt) se obtiene con =0,05 y N1+N2-2 grados de libertad.
Para tomar la decisin sobre la consistencia o no de la media, se compara el t calculado
con el t de las tablas:
Si tc < tt --- la media es consistente.
Si tc > tt --- la media es inconsistente.
3.3.2. CONSISTENCIA DE LA DESVIACION ESTANDART
Este anlisis se realiz mediante el estadstico F de la siguiente manera:
1. Se calcul las variancias, sencillamente elevando al cuadrado las desviaciones
estndar para cada perodo.
2. Se hizo la prueba del estadstico F como sigue:
a. Se ensaya las hiptesis, tanto planteada y la alternativa:
Hp : 12 = 12
Ha : 12 12
= 0,05
b. Se calcula el estadstico FC y se busca el F de tablas (Ft):
FC

S12
S 22

si S1 S 2
2

FC

S 22
S12

si S 2 S1 S
2

El valor de Ft se obtiene con = 0,05, Grados de libertad del numerador (N1-1), y

Grados de libertad del denominador (N2-1).
Los valores obtenidos se comparan y se demuestra si son o no consistentes con los
siguientes criterios:
FC < Ft La muestra es consistente en la desviacin estndar.
FC > Ft La muestra es inconsistente.
Esto significa que la muestra es consistente en la desviacin estndar cuando las
desviaciones de los perodos comparados son estadsticamente iguales.
3.4. CORRECCIN DE LA INFORMACIN
La informacin del perodo dudoso se corrige, cuando la media o la desviacin estndar
no son homogneas (estadsticamente iguales), y para ello se utiliza la siguiente
ecuacin:
Xt X1
S2 X X2
S1 X

X1 t

Cuando se va a corregir el primer periodo

Donde:
X'(t) = valor corregido.
X(t) = valor a ser corregido.
Y para el segundo periodo
X X2
X 1 t t
S1 X X 1
S2 X
X'(t) = valor corregido.
X(t) = valor a ser corregido

3.5. COMPLETACIN Y EXTENSIN DEL REGISTRO

Una vez homogeneizada la informacin, sta ya puede ser completada y extendida.
Para ello existen varios mtodos y procedimientos que van desde los ms sencillos,
como algunos criterios prcticos, hasta procesos complejos, como los estadsticos y
matemticos.
Dentro de este proceso, la extensin es el ms importante, ya que al extender, se est
creando una serie de registros larga, y sus parmetros sern diferentes a los de la serie
original (Serie corta). Es por ello que para aceptar la extensin de un registro corto, es
indispensable que la serie larga proporcione mejores estimados de los parmetros que
sta.
De los mtodos de estimacin, los criterios prcticos, como es el relleno de datos con
el promedio; pueden generar efectos muy negativos en la informacin y por ende
conclusiones errneas. El efecto ms importante es que la variancia de la serie puede
ser reducida sustancialmente; ya que al colocar en un dato faltante un promedio se
est amortiguando los desvos propios de la muestra, de tal manera que pierde uno
de sus parmetros ms importantes, distorsionndola as por completo como serie
histrica. En cambio los mtodos estadsticos proporcionan las herramientas necesarias
para determinar si la nueva serie ha mejorado la estimacin de parmetros o la ha
empeorado.
El mtodo estadstico ms usado en estos casos, es el de Correlacin y Anlisis de
Regresin que matemticamente se hacen en simultneo, que puede ser con una o
ms variables, y sirve tanto para completar como para extender la informacin.
Se puede usar el modelo de Regresin Lineal Simple, es decir que el registro que se
quiere extender slo est correlacionado con una serie de registro largo.
Si usamos la ecuacin de regresin comn es decir:

Yt a bX t

Donde:
Yt : Variable aleatoria del registro a extender.
Xt : Variable aleatoria del registro largo.
a,b : Parmetros de la ecuacin calculados por mnimos
cuadrados.
Surgir un sesgo en la variancia de Y, debido a que el modelo no explica toda la
variancia del registro corto.
Podemos apoyarnos de dos Coeficientes:
Coeficiente de Correlacin que mide el grado de asociacin existente entre las variables
consideradas
Coeficiente de Determinacin muestra el porcentaje de la variacin total de la variable Y,
que es explicada por X.
Para remover este sesgo, se ha introducido una variancia adicional igual a

1 r S (Y ) , de tal manera que el modelo de regresin lineal simple queda de la

2

siguiente forma:

Yt a bX t 1 r 2 S1 (Y ) Et

Donde:
:Parmetro usado para remover el sesgo en el estimado de la variancia Y, y es igual:

N2 ( N1 4 N1 1
N2 1N1 3N1 21

N1: Longitud de la muestra del perodo corto.

N2: Longitud de la muestra por extender.
N1+N2: Longitud de la serie larga.
= 1 Cuando se considera la variable aleatoria.
= 0 Cuando no se considera la variable aleatoria.

Et : Variable aleatoria normal e independiente con media cero y

variancia unitaria.
r : Coeficiente de correlacin entre X e Y.
Al introducir una variable aleatoria al modelo, estamos manteniendo la
individualidad de la serie corta respecto a otros lugares, debido a que esta
variable representar la porcin de cada dato estimado que no est influenciada
por los eventos ocurridos en dichos lugares. A su vez esto nos acerca ms al
hecho de que los fenmenos hidrolgicos son ms aleatorios que determnisticos.
Dentro del anlisis de Correlacin existen tres tipos de sta que son:
- CORRELACIN CRUZADA. o Correlacin en el espacio, que se refiere cuando
la correlacin se hace entre dos series de lugares diferentes pero para un mismo
tiempo.
- CORRELACIN EN EL TIEMPO. o Autocorrelacin, que se da cuando en una
serie del mismo lugar, se correlaciona sta convirtindola en dos, desfasndola en
el tiempo.
- CORRELACIN MIXTA. Es aquella que se da entre series de lugares diferentes
y tiempos diferentes.
Para el anlisis se usa en orden de prioridad, los dos primeros tipos; es decir,
Correlacin Cruzada y Autocorrelacin. La Correlacin Cruzada se ha da
especialmente para los meses hmedos donde existe un grado de asociacin
aceptable entre estaciones. En cambio en los meses secos el grado de asociacin
es casi nulo, por lo que se aplica la Autocorrelacin, desfasando la serie en un
mes.
La forma como se procede para realizar la completacin y extensin de datos es
la siguiente:
CORRELACIN CRUZADA

1 La estacin que se quiere completar y/o extender ser la serie dependiente,

que se representar por Y, y las series que sirvan para extender por X. La
Correlacin se puede hacer mes a mes, de tal manera que se evite la
dependencia y ciclicidad propia de los datos no anuales.
2 Clculo del coeficiente de correlacin. Se correlaciona la estacin Y, con varias
estaciones de caractersticas similares. La serie independiente X, se escoger
de aquella que tenga el coeficiente de correlacin ms alto para el mes
analizado.
3 Clculo de los parmetros de regresin con las ecuaciones siguientes:

Y X XY X
N X X
2

N XY X Y
N X 2 X

r b

SX
SY

Donde:
Sx : Desviacin estndar de X.
Sy : Desviacin estndar de Y.
4 Criterio de Mejora de los estimados de los parmetros.
Para determinar si la media y la desviacin estndar han sido mejorados se
compara el coeficiente de correlacin ya calculado, con los coeficientes crticos
deducidos. Si el r calculado es mayor que el R crtico, quiere decir que el
estimado de los parmetros mejor, y viceversa.
5 Ganancia de Informacin.
Este paso sirve para corroborar el paso anterior. Con

la ganancia o no de

informacin se demuestra el grado de precisin que han tenido los estimados

de los parmetros. "La variancia de un parmetro, ha sido usada tpicamente en

el campo estadstico, para medir la precisin asociada con ello". Pero existe una
forma sencilla y prctica de medir este grado de precisin de un parmetro; que
es mediante la Informacin Relativa (I), con la cual hemos trabajado nosotros.
Estadsticamente, L viene a ser la razn entre la variancia de la serie original,
entre la variancia de la serie restituda; y sta tiene que ser mayor a la unidad
para demostrar que ha mejorado el estimado.
Para ser calculada I, previamente se tiene que calcular la Longitud Efectiva (Ne)
dada por Longbein en 1960.

Ne

N1 N 2
N2
1
1 r2
N1 2

Adems:
N g N e N1

Conociendo la Longitud Efectiva calculamos L:

L

Ne
N1

De donde concluimos:
Si L > 1, Ne > N1 y Ng > 0. Si hay ganancia de informacin, entonces se puede
usar la ecuacin de regresin lineal para extender.
Si L< 1, Ne < N1 y Ng < 0, se pierde informacin y por lo tanto no debe usar la
ecuacin de regresin lineal.
6 Se da forma a las ecuaciones de regresin que se usaran para la
completacin y extensin.

7 Se generaron nmeros aleatorios, los cuales tienen una una distribucin

normal, independiente para el intervalo [0,1]. Tambin se pueden escoger al azar
de una tabla de nmeros aleatorios.

Autocorrelacin
1 Se usa para los meses que no pudieran ser extendidos por Correlacin
Cruzada. Las series de cada estacin se desfasan en una unidad. Esto quiere
decir que los datos del mes Yt se correlacionaron con el mes Yt-1, donde la
variable dependiente es Yt y la variable independiente es Yt-1.
2 Se calcula los parmetros de Autocorrelacin, en los cuales, ya no se toma
en cuenta el factor aleatorio, ya que los meses secos estn por lo general
fuertemente autocorrelacionados.
3 Se determinan las ecuaciones de extensin y se procede a calcular los datos
faltantes.

Como referencia cabe resaltar que de no haber sido posible la extensin y completacin
con los procedimientos anteriores, es necesario aplicarse como ltimo mtodos
prcticos. M
ej. Correccin de datos:
Del ao 1967 al 1969, periodo dudoso y 1977 a 1982, periodo confiable

SEPARACION PERIODOS CONFIABLE

1
2
3
4
5
6
7
8
9
10

x
51,9
132,0
110,3
10,0
12,3
24,3
85,0
11,9
83,1
5,3

(x-media)^2
75,182
7880,243
4498,483
1104,184
956,620
358,317
1744,794
981,523
1589,675
1438,629

11
12
13
14
15
16
17
18

41,9
39,9
39,1
148,5
2,5
2,5
65,3
76,1

1,767
11,084
17,051
11081,927
1658,873
1658,873
487,117
1080,485

19

52,2

80,474

20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

52,4
170,0
14,2
3,7
16,0
1,4
24,9
47,7
80,6
26,6
45,9
17,8
9,6
51,6
21,6
54,0
43,8
25,7
19,1
9,4

84,102
16070,818
842,698
1562,563
741,433
1749,688
335,962
19,987
1396,572
276,533
7,133
646,648
1130,928
70,069
467,825
116,009
0,326
307,275
582,222
1144,419

40

7,2

1298,108

41

35,1

66,085

1772,4
43,229

65622,705

Media
Desv. Est.

Sx

40,50392107

X1
S1
N1

85,932
76,233
19

X2
S2
N2

43,229
40,504
41

Sp
Sd

54,175
15,035

tc

2,8402

tt

2,002

FC

3,5423

Ft

1,87

4. PRECIPITACIN MEDIA
El clculo de la Precipitacin Media de la cuenca es una fase aplicativa. Para ello se
usan tres mtodos, dos de ellos bastante difundidos, y un tercero (Thiessen Mejorado),
que combina los anteriores.

- MTODO DE LAS ISOYETAS

Podemos definir la Isoyeta, como la lnea que representa igual precipitacin.
El mtodo consiste en trazar las isoyetas, interpolando las precipitaciones medias de
cada estacin, de igual forma como se trazan las curvas de nivel. En segundo lugar se
hallan las reas entre isoyetas adyacentes y se multiplican por su precipitacin
promedio; sumando el total de estos factores y dividindolos entre el rea total.

Se debe resaltar que al momento de trazar las Isoyetas se debe tener en cuenta el
factor orogrfico, que se visualiza a travs de las curvas de nivel. Las lneas isoyetas
deben, en lo posible, tener un trazo similar a dichas curvas.

- MTODO DE THIESSEN

El mtodo de Thiessen es el ms sencillo de los tres presentados, y tiene el

siguiente procedimiento:
- Se unen las estaciones formando tringulos.
- Se trazan las mediatrices de cada lado de los tringulos de tal manera que
formen polgonos, que vienen a representar el rea de influencia de cada
estacin. Cuando los tringulos son obtusos, se debe tener cuidado en
delinear el polgono.
- Se determinan las reas de cada polgono que estn dentro de la cuenca.
- Se multiplica la precipitacin de cada estacin por su respectiva rea de
influencia, y se divide entre el rea total de la cuenca. La suma de todas las
precipitaciones ponderadas es la precipitacin media de la cuenca.

- MTODO DE THIESSEN MEJORADO

El mtodo de Thiessen Mejorado, da resultados ms exactos que el de
Thiessen clsico, incluso muy cercanos al de Isoyetas, debido a que combina
ambos mtodos.
El proceso de clculo es el siguiente:
- Se dibujan en un mismo plano los polgonos de Thiessen y las Isoyetas.
- Se halla la precipitacin sobre cada polgono, en base a las isoyetas dentro
de ste.
h hm

Donde :

aI
aP

hm Precipitacin media entre isoyetas.

a I rea entre isoyetas.

a P rea del polgono.
- Se determina el rea relativa de cada polgono, que est dada por la relacin
del polgono entre el rea de la cuenca.
- Se calcula el peso de cada estacin:

pE

precipitacin _ sobre _ poligono

Area _ relativa
precipitacin _ en _ estacin

- Se multiplica los pesos de cada estacin por la precipitacin en cada

estacin, y sumando todos ellos obtenemos la precipitacin media en la
cuenca.

CUADRO N 1
PRECIPITACION MEDIA MENSUAL
METODO DE THIESSEN MEJORADO
ENERO
ESTACION

ARMA
COTAHUASI
CHINCAYLLAPA
PUICA
PULHUAY
SAIROSA
SALAMANCA
TOMEPAMPA

PREC
POLIGONO

0,0
74,3
152,0
101,0
166,4
170,0
0,0
86,6

RELACION
AREAS

PREC
ESTACION

0,008
0,055
0,134
0,148
0,133
0,368
0,000
0,154

PESO

53,9
71,5
151,8
97,5
161,7
186,3
62,5
48,5

PREC
PONDER
ADA
0,000
0,057
0,134
0,153
0,136
0,335
0,000
0,275

Prec. Media

0,0
4,1
20,4
14,9
22,1
62,5
0,0
13,4
137,4

CUADRO N 2
PRECIPITACION MEDIA MENSUAL
METODO DE THIESSEN MEJORADO
FEBRERO
ESTACION

ARMA
COTAHUASI
CHINCAYLLAPA
PUICA
PULHUAY
SAIROSA
SALAMANCA
TOMEPAMPA

PREC
POLIGONO

0,0
89,0
161,0
134,0
166,4
197,6
0,0
110,0

RELACION
AREAS

0,008
0,055
0,134
0,148
0,133
0,368
0,000
0,154

PREC
ESTACION

55,3
76,7
155,9
120,3
225,5
173,8
88,3
60,8
Prec. Media

PESO

PREC
PONDER
ADA
0,000
0,064
0,139
0,165
0,098
0,418
0,000
0,279

0,0
4,9
21,6
19,8
22,1
72,6
0,0
17,0
158,0