A.

CUNTOS MTODOS PARA COMPLETAR DATOS DE PRECIPITACIN

EXISTEN, Y CUL ES EL MS RECOMENDABLE PARA PRECIPITACIONES
DIARIAS Y ANUALES?

Para estimacin de datos faltantes existen los siguientes mtodos:

1.- Estimacin de registros diarios y mensuales faltantes

En general, los datos de precipitaciones faltantes son estimados en base a los

registros de las estaciones cercanas. Para ello se utilizan los datos de las
estaciones que si tienen los datos de los registros completos (estaciones ndices),
y se seleccionan de modo que estn lo ms cerca posible y sean de altitud parecida
a la estacin en estudio.

Entre los mtodos de estimacin de registros diarios y mensuales faltantes se

tienen:

Mtodo del promedio aritmtico

Mtodo de la relacin normalizada
Mtodo del U. S. Nacional Weather Service
Mtodo Racional Deductivo

1.1.- Promedio Aritmtico

Si la precipitacin media anual, en cada estacin auxiliar (estaciones ndice) est

dentro de un 10% de la registrada en la estacin incompleta (X), se usara el
promedio aritmtico simple de las tres estaciones ndices para estimar el dato
faltante diario

- Este mtodo tambin es aplicable datos anuales o mensuales faltantes.

1.2.- Mtodo de la regresin normalizada

Si la precipitacin media anual (o mensual) de cualquiera de las estaciones

auxiliares difiere en ms de un 10% de la medida en la estacin incompleta, el
dato faltante ser determinado por el mtodo de la regresin normalizada.

1.3.- Mtodo del U.S. Weather Bureau

Este procedimiento ha sido verificado tericamente como empricamente y
considera que el dato faltante de una estacin X por ejemplo, puede ser estimada
en base a los datos observados en las estaciones circundantes.

- El mtodo puede ser aplicado para estimar valores diarios, mensuales o

anuales faltantes.

1.4.- Mtodo racional deductivo

Cuando no es posible disponer de estaciones cercanas y circundantes a la estacin

incompleta, o bien las existentes no cuentan con observaciones de los datos
faltantes (mensuales), se puede estimar el valor mensual faltante por medio de
un simple promedio aritmtico de los valores contenidos en el registro para ese
mes, lo anterior se considera vlido nicamente si es un solo ao(o mximo dos) el
faltante y tal promedio se realiza con diez datos (aos) como mnimo (o 20 aos en
el caso de dos datos faltantes).

2.- Estimacin de registros anuales faltantes

Los registros anuales faltantes se determinan con los siguientes mtodos:

Mtodo de los promedios

Mtodo de la recta de regresin lineal

2.1.- Mtodo de los promedios

PA PA
Escoger una estacin ndice ( ) cuya precipitacin media anual es ; si la
PX
estacin con dato faltante es , se halla su correspondiente precipitacin media
PX
anual con la siguiente proporcin:

PX
PX * PA
P
A

2.2.- Mtodo de la recta de regresin lineal

Para completar registros anuales en uno o ms aos, seguidos o intercalados, el

uso de regresin lineal entre la estacin incompleta y otra u otras cercanas es de
enorme ayuda para estimar valores faltantes.
Se debe efectuar la regresin y obtener la correlacin (coeficiente de
determinacin) para evaluar la bondad del ajuste lineal. Es preciso notar que para
efectuar el anlisis de regresin se debe cumplir que las series sean
independientes e idnticamente distribuidas.

EL MS RECOMENDABLE PARA:

Precipitaciones Diarias es el Mtodo del U.S. Weather Bureau y en

Precipitaciones Anuales el Mtodo de la recta de regresin lineal.

B. PARA QU SE ANALIZA LOS REGISTROS DE PRECIPITACIN?

La informacin pluviomtrica o pluviogrfica antes de ser estudiada en su

comportamiento debe ser revisada y analizada en tres aspectos importante: si
los datos de la estacin es completa, si es consistente y si es de extensin
suficiente.

Se analiza los registros de precipitacin como por ejemplo en la ingeniera

agrcola ya que es influida por factores climticos en el riego y drenaje de
cultivos y el uso del agua en determinadas zonas dependiendo la precipitacin
al igual que la conservacin de tierras, por otro lado en muchas obras
de ingeniera civil se ven profundamente influidas por los factores climticos,
por su importancia destacan las precipitaciones pluviales. En efecto, un
correcto dimensionamiento del drenaje garantizar la vida til de una carretera,
una va frrea, un aeropuerto. El conocimiento de las precipitaciones pluviales
extremas y en consecuencia el dimensionamiento adecuado de las obras
hidrulicas, as por ejemplo los vertedores de excedencias de las presas,
garantizar su correcto funcionamiento y la seguridad de las poblaciones que se
sitan aguas abajo. El clculo de las lluvias extremas, de corta duracin, es
 muy importante para dimensionar el drenaje urbano, y as evacuar volmenes
de agua que podran producir inundaciones.

Las caractersticas de las precipitaciones pluviales que se deben conocer para

estos casos son:

La intensidad de la lluvia y duracin de la lluvia: estas dos caractersticas estn

asociadas. Para un mismo perodo de retorno, al aumentarse la duracin de la
lluvia disminuye su intensidad media, la formulacin de esta dependencia es
emprica y se determina caso por caso, con base en los datos observados
directamente en el sitio de estudio o en otros sitios prximos con las
caractersticas hidrometeorolgicas similares. Dicha formulacin se conoce
como relacin Intensidad-Duracin-Frecuencia o comnmente conocidas
como curvas IDF.

El anlisis del registro de precipitaciones es de vital importancia en la

evaluacin y prediccin de la amenaza natural del rea de estudio ya que es uno
de los principales factores desencadenantes de los procesos de erosin,
desbordamiento e inundaciones que afectan a una poblacin o rea silvestre.
Para ello, es necesaria informacin sobre la magnitud de las precipitaciones
ocurridas en el pasado y sobre los fenmenos meteorolgicos que las producen.

El anlisis del registro de precipitaciones es bsico dentro de cualquier estudio

hidrolgico regional, para cuantificar los recursos hdricos, puesto que
constituyen la principal (en general la nica) entrada de agua a una cuenca.
Tambin es fundamental en la previsin de avenidas, diseo de obras pblicas,
estudios de erosin, etc.

C. CUL ES LA DIFERENCIA ENTRE ANLISIS DE HOMOGENEIDAD Y

ANLISIS DE CONSISTENCIA?
 Anlisis de homogeneidad y consistencia:

Consiste en realizar un anlisis de la informacin disponible, mediante criterios

fsicos y mtodos estadsticos que permitan identificar, evaluar y eliminar los
posibles errores sistemticos que ha podido ocurrir, sea por causas naturales u
ocasionadas por la intervencin de la mano del hombre. Inconsistencia, son los
errores sistemticos que se presentan como saltos y tendencias en las series
maestrales. No homogeneidad, cambios de los datos originales con el tiempo.
La No Homogeneidad en los datos de Precipitacin, se produce por movimiento
de la Estacin, cambios en el medio ambiente que rodea la Estacin. Las causas
principales de serie de precipitaciones no homogneas se debe a:

1. Cambio en la localizacin del pluvimetro.

2. Cambio en la forma de exposicin o reposicin del aparato.
3. Cambio en el procedimiento de observacin o reemplazo del operador.
4. Construccin de embalses en las cercanas.
5. Deforestacin y reforestacin en la zona.
6. Apertura de nuevas reas de cultivo en los alrededores.
7. Desecacin de pantanos
8. Industrializacin en reas circundantes.

- Diferencia entre anlisis de homogeneidad y anlisis de consistencia:

En los anlisis climatolgicos se utiliza el trmino homogeneidad

aplicndose para ello las pruebas estadsticas y en los anlisis hidrolgicos se
utiliza el trmino consistencia de la serie, por lo general se detecta con la
tcnica de la curva doble masa.

D. QU SIGNIFICA, CUANDO LA SERIE ES NO HOMOGNEA?

Test de Mann-Kendall

La prueba de Homogeneidad de Mann-Kendall es un test no paramtrico, tiene

una hiptesis nula sencilla y fcil de satisfacer. Este test detecta cualquier
forma de tendencia, ya sean lineales o en forma de saltos, siempre que den una
tendencia global, este test no es adecuado para series que presentan un
componente estacional.

La prueba de Homogeneidad de Mann-Kendall es en realidad un test estadstico

que conduce a elegir alguna de las siguientes respuestas:
 Hiptesis nula: Todos los valores de la serie son datos aleatorios de una
sola poblacin (Es una serie Homognea).

Hiptesis alternativa: Es una serie no homognea con tendencia

montona.

La prueba consiste en calcular un ndice de desviacin S de la serie, y a

partir de este valor calcular el valor de V mediante la relacin:

Donde:
n = Nmero de registros
S = ndice de desviacin calculado
Si = Nmero de valores de xj > xi para i< j <n
ti = Nmero de valores de xj < xi para i< j <n

Luego se elige un nivel de significancia o valor de confiabilidad en funcin al cual

se definir la condicin de homogeneidad de la serie. Este ndice se relaciona con
un valor de Vcrit a travs de la funcin de distribucin normal, que se muestra en
la
Tabla 3.17.

Se compara V y Vcrit

Si V es menor que Vcrit se acepta la hiptesis nula, es decir que la serie es

homognea con un nivel de significancia de %, de lo contrario se asume la
hiptesis alternativa.