Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad Politécnica de Madrid: Escuela Técnica Superior de Ingenieros de Montes
Universidad Politécnica de Madrid: Escuela Técnica Superior de Ingenieros de Montes
TESIS DOCTORAL
Madrid, 2004
DEPARTAMENTO DE INGENIERÍA FORESTAL
Año 2004
Tribunal nombrado por el Magfco. y Excmo. Sr Rector de la Universidad Politécnica
Presidente:
Vocal:
Vocal: —
Vocal:
Secretario:
Suplente:
Suplente: _^
Calificación:
EL PRESIDENTE, EL SECRETARIO,
Fdo: Fdo:
Resumen I
Siuumary II
Agradecimientos III
Abreviaturas más utilizadas IV
l.-OBJETIVOS 1
2.-JÜSTIFICACIÓN 3
3.-ANTECEDENTES 4
3.1.-INTRODUCCIÓN 4
3,l.l.-Tipo de actuaciones 5
3.1.2.-Métodos de estimación de caudales máximos 7
3.1.2.1.-Modelos hidrometeorológicos y la ley IDF 9
3.1.3 .-Conclusión 11
3.2.-ANTECEDENTES DE LAS LEYES IDF 12
3.2.1.-Consideraciones previas 12
3.2.2.- Evolución del análisis defrecuenciade valores extremos 15
3.2.2.1.-Desarrollo defimcionesde distribución específicas 15
3.2.2.2.-Desarrollo de métodos de estimación de parámetros de las
funciones de distribución 19
3.2.2.3.-Desarrollo de métodos para incrementar la información 23
3.2.2.4.-Conclusión 34
3.2.3.-Evolución en las relaciones IDF utilizadas 35
3.2.3.1.-Definición de las variables 37
3.2.3.2.-Antecedentes de las curvas IDF en el mundo 38
3.2.3.3.-Relaciones utilizadas en las curvas IDF 38
3.2,3.4.-Variación geográfica 41
3.2.3.5.-Antecedentes de las curvas IDF en España 41
3.2.3.6,-Conclusión 47
3.3.-CONCLUS10NES 48
4.-METODOLOGÍA: VISIÓN GENERAL 50
5.- ESTACIONES CON PLUVIÓGRAFO 53
5.1.-MATERIAL Y MÉTODOS 53
5.1.1.-Datos; series de intensidades máximas 53
S.l.l.l.-Análisis de datos 58
5.1.1.1.1.-Representación de datos 58
5.1.1.1.2.-Prueba de datos dudosos 59
5.1.1.1.3.-Independencia de datos 63
5.1.1.2.-Conclusión 66
5.1.2.-RegionalÍ2ación 67
5.1.2.1.-Descripción general de la metodología 67
5.1.2.2.-Confotmación de regiones homogéneas 73
5.1.2.2. l.-Defínición de las regiones 73
5,1.2.2.2.-Análisis de la homogeneidad 76
5.1.2.3.- Selección de la función de distribución 86
5.1.2.4.-Estimación de parámetros en cada región 90
5.1.2.5.-Validación 94
5.1.2.6.- Obtención de cuantües adimensionales 96
5.1.2.7.- Obtención de las intensidades máximas para cada duración y
período de retomo 96
5.1.3.-Selección del modelo IDF 97
5.1.3. l.-Modelos estudiados 98
5.2.-RESULTADOS 100
5.2.1.-Conformación de regiones 100
5.2.1.1.-Análisis de homogeneidad 109
5.2.1.2.- Análisis complementario 120
5.2.2.- Estimación de parámetros 127
5.2.2. l.-Elección del método para la estima 131
5.2.3.-Validación 139
5.2.4.-Cuantiles adimensionales adoptados 147
5.2.5.- Selección del modelo I-D 149
5.3.-DISCUSIÓN 152
5.3.1.-Introducción 152
5.3.2.- Comparación de intensidades estimadas 153
5.3.3.-Análisis de la robustez de las estimas 158
5.3.4.-Conclusión 164
S.4.-CONCLUSIONES 165
6.-ESTACIONES SIN PLUVIÓGRAFO 166
6.1.- MATERIAL Y MÉTODOS 166
6.1,1.- Datos disponibles 166
6.1.2.-Hipótesis departida 167
6.1.3.-Criterios para abordar el problema 169
6.1,3.1,-Criterio para extender la ley I-D 170
6.1.3.2.- Criterio para seleccionar cuantiles 171
6.1.4.-0btención de las intensidades máximas para cada duración y
período de retomo 173
6.2.-RESULTADOS 174
6.2.1.- Mapa de isolíneas de los parámetros "K" y "a" 174
6.2.2.- Funciones h(T) 183
6.3.-DISCUSIÓN 188
7.-CONCLUSIONES FINALES 192
8.-BIBLIOGRAFÍA 200
8.L- REFERENCIAS INTERNET
APÉNDICES
ANEJOS
Tabla 9.- Valores del cociente '°^^'' ' en la estación de Valls (0034) 70
J'máxW
Tabla 10.- Parámetros estadísticos de las series '"^ V , para cada duración en
También se ha revisado la ley IDF que desde los años setenta se utiliza en
España, proponiendo una nueva expresión biparamétrica. Contando con las isolíneas de
esos dos parámetros, la ley IDF puede aplicarse a cualquier punto de la España
Peninsular, permitiendo obtener hietogramas sintéticos a partir únicamente de los
valores de precipitación máxima diaria anual (PMDA).
The present research report analyzes the study of the frequency law of máximum
intensiíy precipitation for different durations. The estimation of annual máximum
intensity for different retum periods plays a very important role in the application of
hydrometeorological models in order to calcúlateflowsand hydrograms.
The regionalization type "index-flood" procedure has been used for adjusting
frequency laws since it provides more robust estimates than traditional methods. This
property is especially valuable in the case of extreme valúes, in which series are quite
short and the required estimates have lowfrequency(high retum periods).
The IDF curves currently used in Spain, described in the seventies, have also
been reviewed, with the aim of proposing another biparametric expression. In this way,
the IDF law can be applied in every point in the Península of Spain with the parameter
iso-lines, and therefore, synthetic hietograms can be obtainedfromthe annual máximum
daily precipitation (AMDP).
According to the practical character of the investigation, the results are presented
in informatíc support, designing an application on a Geographic Information System
(GIS).
n
AGRADECIMIENTOS.
Quiero manifestar mi gratitud a un buen número de personas, sin las cuales este
trabajo no hubiera sido posible.
A todos ellos, y a los que sin intención pudiera haber olvidado, ¡gracias!.
Madrid, 2004
m
Abreviaturas más utilizadas:
a es un parámetro de la función,
b es un parámetro de la función.
C& coeficiente de asimetría de la muestra.
CA(T)F cuantíl adimensional para un período de retomo T siguiendo los resultados de
Ferrer para la estimación de precipitaciones máximas diarias.
CA(T)regi6n cuantil adimensional para un período de retomo T, deducido en la presente Tesis
para la obtención de Intensidades máximas en una región.
CAc(T) cuantil adimensional para un período de retomo T (años) para la obtención de
intensidades máximas cuando la duración d es ^ 1 hora deducido en la presente Tesis.
CAL(T) cuantil adimensional para un período de retomo T (años) para la obtención de
intensidades máximas cuando la duración d es >lhora deducido en la presente Tesis.
CAx-siN cuantil adimensional deducido en la presente Tesis al eüminar el máximo valor de la
serie.
CAT. TODOS cuantil adimensional deducido en la presente Tesis con todos los datos.
Cv coeficiente de variación de la muestra.
IV
/ 2 4 , (mm/h) media de las Intensidades máxinias anuales para una duración de 24 horas.
Ij (mm/h) media de las Intensidades máximas anuales para una duración de una hora.
INM Instituto Nacional de Meteorología.
j número de orden de cada dato ordenado de menor a mayor.
y media de la serie.
V
1,-OBJETIVOS
OBJETIVOS
GENERAL:
ESPECÍFICOS:
- Establecer una nueva metodología que permita extrapolar las leyes IDF
obtenidas en estaciones con pluviógrafo a las estaciones que sólo disponen
de pluviómetro.
OBJETIVOS
DE APLICACIÓN:
2.-JIJSI1FICACION
10%
- . ^ 1 % aflooding
29% Dwínd storm
Qearthquake
Dother
30%
3.1.-INTR0DUCCI0N.
Precipitación
Escorrentía superficial
Superficie
i Infiltración R
Escorrentía í
subsuoerficial O
Suelo S
I Percolación
Drenaje del
acuífero
Acuiferos
3.1.1.-TIPO DE ACTUACIONES.
=> Ordenación de usos de suelo.- Este segundo tipo de actuaciones trata de reducir la
susceptibilidad a los daños, y esto se consigue con una buena planificación del
territorio. Para ello es necesario conocer qué caudales van a circular, qué láminas de
agua se alcanzarán (dependiendo de la topografía), y por tanto qué terreno va a
quedar inundado. Este segundo tipo de actuaciones permitirá implantar una
zonificación en cuanto a usos del suelo. Este uso restringido del suelo puede hacer
que estas medidas resulten impopulares, y por ello, también aquí, es necesario
conocer con precisión qué caudales pueden circular como máximo.
=> Y por último se pueden incluir sistemas de alerta, medidas de tipo preventivo,
sistemas de protección civil, sistemas de alarma...todas ellas encaminadas a reducir
los daños producidos por las inundaciones.
alto de los ríos, lo que hace que la aplicación de este método no permita resolver de
manera generalizada la estimación de caudales de avenida.
máximo, los volúmenes evacuados por xmidad de tiempo igualan a los volúmenes que
escurren. Este comportamiento se materializa en la siguiente expresión:
Q=C*PA*Fc.
Resulta por tanto evidente, que para la estimación de caudales por el método
racional, es necesario disponer de funciones del tipo 1= f (d,T), citadas en la literatura
especializada como curvas intensidad -duración - frecuencia ( en adelante curvas IDF),
ya que en sus orígenes se expresaban de forma gráfica, representando en el eje de
abscisas la duración, en ordenadas la intensidad, y una familia de curvas
correspondientes cada una de ellas a un período de retomo previamente establecido.
Desde la aparición del método racional, hacia 1850, hasta el uso de ordenadores,
el método racional ha sido im referente imiversal, manteniéndose su uso, aimque ahora
comparte el campo de estimación de caudales con otros métodos más elaborados. El
bagaje que sobre las curvas K)F se ha venido acumulando, y que se había desarrollado
para la aplicación del método racional, ha sido aprovechado posteriormente por otras
metodologías que requieren disponer del hietograma completo del aguacero. En
particular, estas curvas se han empleado, y se emplean, para complementar la limitada
información disponible en las estaciones meteorológicas que cuentan solamente con la
precipitación total, precipitación máxima diaria anual para un período de retomo
considerado (único dato que se puede obtener en estaciones con pluviómetro),y generar
hietogramas que simulen la entrada para el modelo de escorrentía.
10
ANTECEDENTES
3.1.3.- CONCLUSIÓN.
11
ANTECEDENTES
3.2.1,-CONSIDERACIONES PREVLiS.
Para abordar el análisis de la situación actual de las curvas IDF conviene hacer
unas reflexiones previas respecto a la génesis general de estas relaciones y sus
implicaciones.
Como ya se ha comentado, cuando se presentan en forma de gráfica, el eje de
abscisas recoge la duración, el de ordenadas la intensidad y las curvas que aparecen en
el cuadrante así definido se corresponden con períodos de retomo de uso habitual.
Los datos que se utilizan para generar estas curvas son como los recogidos en la
tabla 1.
Los valores en la tabla son los valores obtenidos tras un ajuste a una función de
distribución de las intensidades máximas para cada duración (fila) y para cada período
de retomo (columna). Así, 28 mm/h es la intensidad máxima en 120 minutos para un
período de retomo de 500 años. Con los valores así obtenidos, se puede ajustar una
curva para cada período de retomo, como en la Figura 2.
12
ANTECEDENTES
• Las precipitaciones que sirven para obtener esas intensidades medias para las
distintas ventanas temporales utilizadas, son las máximas anuales registradas
para esa duración. Por tanto, cuando en el contexto de las curvas IDF se habla
de intensidades, en realidad se está haciendo mención al máximo anual del
valor medio de la intensidad en la ventana temporal considerada.
13
ANTECEDENTES
- por ejemplo, para un año cualquiera, el máximo anual del valor medio de la
intensidad en 30 minutos pudo registrarse en agosto, mientras que el
correspondiente a 2 horas se generó en un aguacero de octubre. Además, esa
ventana temporal no aporta información respecto a la cronología interna del
aguacero: Las dos horas de máxima intensidad anual del aguacero de octubre
pudieron presentarse al final del episodio, mientras que los treinta minutos de
máxima intensidad del de agosto pudieron acaecer al comienzo.
Una vez que para una estación se dispone de los registros de máximo anual del
valor medio de la intensidad para las duraciones consideradas, el proceso de
obtención de las curvas IDF tiene dos fases diferenciadas:
En primer lugar, hay que estimar, para cada duración, las intensidades
correspondientes a los periodos de retomo de interés. Este proceso consiste,
esencialmente, en seleccionar una función de distribución y estimar sus parámetros a
partir de las series de máximos anuales del valor medio de la intensidad para cada
duración considerada. Los resultados así obtenidos -para cada duración, intensidades
correspondientes a los distintos períodos de retomo- pueden ya representarse en los ejes
I-D.
14
ANTECEDENTES
• Asimetría fija.
15
ANTECEDENTES
• Asimetría libre.
16
ANTECEDENTES
17
ANTECEDENTES
V
LP3** 3 (u, a, k) muestra.
-Adecuada capacidad descriptiva. - Errores y asimetría en la
.3 TCEV*** 4 (ai,a2,Oi,02) estima crecen a medida que
se reduce el tamaño de la
< muestra (Bediente &
Huber,1992).
- Poco robusto para muestras
pequeñas.
Tabla 2.- Resumen de las características de las principales funciones de distribución manejadas.
18
ANTECEDENTES
Para la estimación de los parámetros se han venido utilizando varios métodos (Chow
et al. (1994):
El método de los momentos fiíe utilizado por primera vez por Klarl Pearson en
1902. Pearson consideró que irnos buenos estimadores de los parámetros de una
ecuación eran aquellos para los cuales los momentos de la función de densidad de
probabilidad alrededor del origen son iguales a los momentos correspondientes de la
información de la muestra. Así, el estimador de la varianza poblacional es la varianza
muestra], de la media de la población la media muestral, y así sucesivamente. Es un
método fácil de aplicar y resulta adecuado para análisis prácticos en hidrología.
Este método fue desarrollado por Fisher en 1922. Consideró que el mejor valor de
un parámetro de una distribución de probabilidad debería ser aquel que maximizara la
probabilidad conjunta de ocurrencia de una muestra observada. Teóricamente este
método es más correcto ya que los cuantiles obtenidos son consistentes, es decir,
convergen a su verdadero valor al aumentar la longitud de la serie histórica, con lo que
se eliminan los errores sistemáticos. Además son más eficientes (estiman los parámetros
de la población con los menores errores promedio), y asintóticamente eficientes, es
decir, al aumentar la longitud de la serie, la varianza del estimador se aproxima al
mínimo teóricamente posible entre todos los métodos de estimación. Otra ventaja que
ofi-ece este método es la posibilidad de incorporar cualquier tipo de información
adicional cuantitativa
19
ANTECEDENTES
B L-moments.
20
ANTECEDENTES
SÍ mismos. Así, aunque los L-momentos puedan tener las propiedades muéstrales
deseables, no ocurre necesariamente lo mismo con una función de ellos como es el
estimador de un cuantil dado. De hecho, otros estudios demuestran que para algunas
distribuciones, pueden ser mejores otros métodos de estimación en términos del error
cuadrático medio del estimador del cuantil. (Hosking y Wallis, 1987; Rosbjerg et
al.,1992).
Algunos autores (Bemier, 1993) ponen como objeción a este método que es
demasiado robusto en comparación con el método clásico de momentos en el sentido
de que, a los valores grandes o pequeños de la muestra, que reflejan ima importante
información de la cola de la distribución padre, se les da poco peso en la estimación.
Sin embargo, también hay que decir que Hosking, (1990) considera que los L-
momentos dan un peso relativo de cada elemento de la muestra en función de la
importancia relativa del mismo.
Para poder comparar estos parámetros del mismo modo que con los
momentos convencionales es muy conveniente definir los L-momentos de forma
adimensional. Hosking y Wallis, (1997) consideran que los cocientes de los L-
momentos son consistentes pero no insesgados.
21
ANTECEDENTES
Inconvenientes • No utiliza de forma exhaustiva toda la • Bastante sensible a una incorrecta • Aplicable sólo cuando la función de
información de la muestra. elección del modelo de distribución. distribución se puede expresar en forma
• Sesgo es más sensible al extremo (Maidment,1993) explícita.
superior de la distribución. • Para pequeñas muestras, presenta
• Se ve más afectada por valores dificultades numéricas, y los estimadores
extremos muéstrales que los L- son frecuentemente sesgados.
momentos. • Más difícil de aplicar aunque con los
• Los cocientes de los momentos no medios informáticos está menos
presentan unos límites. condicionado.
22
ANTECEDENTES
Entre los trabajos realizados con series de duración parcial cabe destacar los
estudios de Davidson y Smith, (1990).
23
ANTECEDENTES
" Regionalización
24
ANTECEDENTES
Hoy día está plenamente reconocido que un buen ajuste a una muestra de una
sola estación no garantiza una buena estima para cuantiles correspondientes a períodos
de retomo altos, sino que se requieren más datos para describir adecuadamente el
extremo de la cola derecha, Con este enfoque regional, se pretende reducir la varianza
de los parámetros estimados con una única muestra, empleando la información de
estaciones con similar comportamiento.
25
ANTECEDENTES
Con este supuesto, la variable "Y" resultante de dividir en cada estación los
valores máximos anuales entre su media sigue idéntica distribución de frecuencia en
toda la "región". Así, los parámetros de dicha distribución, una vez seleccionado el
modelo de la ley, son obtenidos a partir del conjunto de datos de las distintas estaciones,
mientras que el valor local de la media, se estima exclusivamente a partir de los datos de
cada estación.
26
ANTECEDENTES
Si las series son estadísticamente independientes entre sí, puede probarse que el
método del índice de avenida equivale a construir una serie cuya longitud sería la suma
de las de las series individuales. Por el contrario, si las series fueran totalmente
dependientes la serie regional sería equivalente a cualquiera de las series individuales,
sin ganancia de información respecto a las mismas (U.S. National Research Council,
1988).
Cunnane, (1988) asegura que el método del índice de avenida con una
distribución Wakeby regional es el mejor método, mientras que Potter y Lettenmaier,
(1990) llegaron a obtener mejores resultados con una distribución GEV regional.
27
ANTECEDENTES
Los dos tipos de variables más utilizados para definir las regiones son:
En los últimos años los investigadores han tratado de desarrollar métodos en los
que la similitud entre estaciones se defina en un espacio multidimensional de
características relacionadas con características hidrológicas y con características
estadísticas.
29
ANTECEDENTES
establecer, no uno sino dos, niveles de regiones, y además el uso del método de
momentos ponderados probabilísticamente a escala regional aumenta la dificultad, al
tener que estimar momentos de orden superior.
30
ANTECEDENTES
Jakob et al. , (1999) también insisten en la idea de que una región ideal debe
tener datos anuales de 5 veces el período de retomo para que la estimación para dicho
período de retomo sea efectiva.
31
ANTECEDENTES
estaciones se van clasificando a uno u otro grupo hasta que se minimiza la suma total
del cuadrado de la distancia de cada estación al centroide de cada grupo.
Tampoco aquí hay pleno consenso, y diversos investigadores han aplicado los
métodos explicados en el epígrafe 3.2.2.2 con éxito, destacando el método de Hosking
32
ANTECEDENTES
Rossi etal, (1991) aplican el método de máxima verosimilitud sobre los datos
previamente estandarizados.
Otros autores, entre ellos Ferrer y Ardiles, (1994) aplican el método de los
momentos, utilizando un valor regional del coeficiente de variación estimado por la
media ponderada de los coeficientes de variación muéstrales de las distintas series.
Sin embargo pocos autores han manejado distintos métodos junto a distintas
funciones que les permitiera sacar alguna conclusión en cuanto a la obtención de
mejoras en las estimas por la combinación de un método de estimación de parámetros
junto a función más adecuada. Entre ellos cabe destacar los trabajos de Ferrer y Ardiles,
(1994) en España sobre precipitaciones en los que ha manejado, para su contraste, los
modelos GEV ( utilizando el método propuesto por Hosking y Wallis basado en la
obtención de la media regional de los Momentos Ponderados Probabilísticamente
expresados de forma adimensional), LP3 ( utilizando el método tradicional de los
momentos en el espacio de los logaritmos, regionalizando tanto el coeficiente de
asimetria logaritmico como el coeficiente de variación logaritmica) TCEV (utilizando
el método de máxima verosimilitud) y SQRT-ET máx.( por el método de los
momentos). La comparación de los resultados obtenidos por los cuatro modelos de ley
seleccionados muestra unas variaciones prácticamente inexistentes para pequeños
periodos de retomo, y para un período de retomo de 500 años las máximas diferencias
observadas respecto de la media de los cuatro resultados son de xm 8.3 % en una región,
y en el extremo opuesto la mínima diferencia es de un 1.6%. De ello, estos autores
deducen que los resultados no dependen tanto del método, lo que reduce la
trascendencia de su elección.
33
ANTECEDENTES
3.2.2.4.- Conclusión.
® Además, él interés del análisis de esta variable aleatoria radica sobre todo
en realizar estimas de los cuantiles para altos períodos de retomo,
justamente en la cola derecha- donde se produce dicha asimetría-, lo que
obliga a elegir funciones de distribución que recojan esta característica.
• Utilizar los L-momentps por las ventajas que ofrecen respecto a los
métodos tradicionales.
34
ANTECEDENTES
Se denomina curvas E)F a aquellas curvas que resultan de unir los puntos
representativos de la intensidad media en intervalos de diferentes duraciones y
correspondientes a una misma frecuencia o período de retorno.
• Sefijanlas duraciones.
En España, el Instituto Nacional de Meteorología ha utilizado las siguientes:
5',10', 15', 20', 30', Ihora, 2 horas, 3 horas, 6 horas, 12 horas y 24 horas.
35
ANTECEDENTES
ESTACIÓN CON
PLUVIÓGRAFO
Registro de lluvia
acumulada en cada año.
a"i3 ^m
TiS 1104
IDm 15m 2Um 30m A)m 120m
19í5 4^B 4^fl • t i R •.ii.fí 24.4 l i ' 1 l . i
1QE.2
13í7 mR fiíífl fiU
ae ISIB 74 4 SB 1 4 i . :
ñ1 40 3 •11 Vi
IWlm
ñ7
3D.5
lía
Mlm TXm ;¡4h
4 1 3.4 1 9
16.4 12.B B5
fi7 33 17
I
Serie de Imax anuales para cada duración
ajuste
Ajuste a una función de distribución de valores
2 5 0 - [ — — * •
máximos.
i-n . •
• 5mir i
y 100 y
50 í — —
0 4——T r~—~.
0 200 aOO 600
periodo de r e t o r n o T
CUiHtCF
100 • T'lOO
50 • •
1
1 f
15>
dur«lún ífirtriiMtt
36
ANTECEDENTES
Para cada año, yfijandouna duración, "d", en horas, se obtiene el valor máximo
anual de la intensidad correspondiente a esa duración como:
ly T 1 _ Irmáx-d iaf¡o-i-ésimo
siendo, [Pmix-dXiio-i-ésimo ' ^^ máxima precipitación de ese año, "i", registrada en,
"d", horas. Como puede apreciarse el valor de intensidad que se obtiene no es un valor
instantáneo sino un valor medio que asigna, para cada año y cada duración (d), una
intensidad que, supuesta constante durante la ventana temporal considerada (d horas),
proporciona una precipitación igual a la máxima registrada en dicho año.
estimar las intensidades máximas enfimciónde la duración -d-, y del período de retomo
-T-.
Es de esperar que la utilidad de estas curvas, junto con la expansión de las bases
de datos y el desarrollo de los sistemas de información geográfica, faciliten su
construcción en países menos desarrollados donde todavía no se han construido.
También hay que decir que a pesar del avance tan espectacular que se ha
producido en la modelización estadística de las series hidrológicas, esto no se ha
reflejado en la formulación y construcción de las curvas IDF, que siguen siendo
empíricas o semiempíricas.
Con el fin de evitar su lectura en una gráfica, las curvas EDF también pueden
expresarse como ecuaciones.
38
ANTECEDENTES
dt t'-"
Y por lo tanto la intensidad se podría expresar de forma genérica como
7 =^ (1)
Siendo: a, un coeficiente
d, la duración
m, el exponente
Todas las relaciones típicas de las curvas IDF que se vienen manejando en la
literatura son casos especiales de la fórmxila general siguiente:
I{d) = (2)
39
ANTECEDENTES
i{dj)=h{Trg(d)
Esta expresión tiene la ventaja de separar en dos funciones la dependencia de la
intensidad con el período de retomo y con la duración ( Koutsoyiannis et al, 1998)
Por otra parte, la función h(T) toma las siguientes expresiones según la
bibliografía consultada:
40
ANTECEDENTES
dt t'-"
Y por lo tanto la intensidad se podría expresar de forma genérica como
7 =^ (1)
Siendo: a, un coeficiente
d, la duración
m, el exponente
Todas las relaciones típicas de las curvas IDF que se vienen manejando en la
literatura son casos especiales de la fórmula general siguiente:
/(rf) = (2)
39
ANTECEDENTES
i{d,T)=h(Trg{d)
Esta expresión tiene la ventaja de separar en dos funciones la dependencia de la
intensidad con el período de retomo y con la duración ( Koutsoyiannis et al, 1998)
Por otra parte, la fiínción h(T) toma las siguientes expresiones según la
bibliografía consultada:
40
ANTECEDENTES
Una vez obtenidas las curvas IDF en las estaciones con pluviógrafo, la tendencia
habitual ha sido extender su aplicación en el espacio, analizando la variación de sus
parámetros en las distintas estaciones y trazar las isolíneas correspondientes.
41
ANTECEDENTES
Los parámetros, a , y ,b, fueron estimados por Nadal Aixalá, que formularon la
siguiente expresión para determinar la intensidad máxima correspondiente a una
duración y período de retomo:
Iid,T) = %5 *I(1, D^d"*"'
Siendo:
1(1,T) (mm/h), es la Intensidad horaria correspondiente al período de
retomo considerado.
d (minutos), es la duración del intervalo al que se refiere I(d,T).
Posteriormente, Témez, (1978) desarrolló una ley IDF que, con algunas
modificaciones, se incorporó a la "Mstracción de carreteras 5.2-IC" aprobada por Orden
de 14 de mayo de 1990. En esta Instmcción se recogen los siguientes pasos:
42
ANTECEDENTES
significación física: K = =Lr (tanto por uno de la intensidad máxima horaria media
•'24
(p{K;d) = K 28°-'-i
mayores que 1 porque el modelo lleva implícito un factor de mayoración que permite
transformar los datos de lluvia diaria -registros correspondientes a 24 horas fijas, por
ejemplo desde las 9 horas hasta las 9 horas del día siguiente, que es como se mide en las
estaciones- a lluvia en los intervalos más desfavorables de 24 horas, sin obligarles a
comenzar a una hora prefijada.
/(í,r)=[íM^^ K
Donde:
PMDA(T) (mm), es la precipitación máxima, media, diaria anual
correspondiente al período de retomo T años en la estación
pluviométrica.
43
ANTECEDENTES
?• 1 ^^-g-»../:-.^' '-^K,-. •% \ j
f'í
i
Í:;,'7. i i í ^ f l i íjtai' íi-P.«SE3iT..ii)
r •
)
•i
i'
i
1 ^'^ i :; Á>:^-:r,.-i
44
ANTECEDENTES
Y como última consideración cabe añadir que desde finales de los ochenta se
han desarrollado nuevas metodologías que permiten mejorar la robustez de las estimas
correspondientes a períodos de retomo altos, que son las habitualmente utihzadas.
45
ANTECEDENTES
46
ANTECEDENTES
3.2.3.6.- Conclusión.
-Unared de pliiviógrafosescasa.:
- Las series de mtensidades máximas disponibles^, pero que eran cortas.
- La función de distribución Gumbel para los ajustes de las intensidades
mápidnias para cada duración, cuyo coeficiente de asimetría adopta Un
^^ y ^ ^ =1,14), ftmción que no es reccMnendable, al menos en el
territorio con cliiíiarnediterráiíeo.
solamente;
Aúiíque no contempla:
- La aplicación de técnicas de regionalización que permitan aumentar la
robustez de las estimas para periodos de retomo altos.
- La posible extensión de los resultados obtenidos en las estaciones con
pluviógrafos a estaciones que sólo cuentan con pluviómetro.
47
ANTECEDENTES
3.3.-CONCLUSIONES.
En ellos se incorpora:
- Nueva metodología: Regionalización.
- Nuevas funciones: ley SQRT-ET máx.
48
ANTECEDENTES
• En cuanto a las leyes IDF, son las mismas que se dedujeron en los años setenta a
partir de 21 estaciones repartidas por toda España y series con datos hasta los
años 70, y que se recogen en la Instrucción 5.2-IC "Drenaje superficial".
Faíece pQr tanto necesaria, una profunda revisión de las curvas IDF en
España en varios aspectos:
• IS^^ora de los ajus las estacionfis que se manejaron en su día,
al haber transcurrido un número importante de años, y por tanto,
al haber aunientado el ntoero d^
• Manejo de ima red de estaciones phjviográfica más extensa y sus
eorrespondientes registros.
• Manejo f^^ reflejen adecuadamente la
asimetría |)Ositiva (pe presentan í^^^
» Aplicación de nueva metodología- la regionalizáción- que permita
incrememar el mtoro de d ^ ^
• Estu4io de nuevos modelos de curvas iDF.
49
4.-METODOL0GIA: VISION GENERAL
METODOLOGÍA: VISION GENERAL
Debe señalarse que, a pesar del tiempo transcurrido, el número de estaciones con
pluviógrafo en España, no se ha incrementado en un número significativamente
importante como para caracterizar a toda la España Peninsular. Por ello, se hace
necesario desglosar el estudio en dos partes:
Y por último, con el fin de extender los resultados obtenidos en estaciones con
pluviógrafo a estaciones que carecen de él se estudiarán los modelos IDF que contempla
50
METODOLOGÍA: VISION GENERAL
i{d,T)=^h{Trg{d)
Donde,
I(d,T), es la intensidad máxima anual correspondiente a una duración de "d"
horas y a un período de retomo de "T" años.
h(T), es una función que recoge la variación de la Intensidad con el período de
retomo "T".
g(d), es una función que recoge la variación de la Intensidad con la duración "d"
Esta expresión tiene la ventaja, tal como se indicó en apartados anteriores, que si
se relaciona la intensidad máxima correspondiente a una duración y período de retomo
determinados con la intensidad máxima correspondiente a otra duración, y el mismo
período de retomo, la expresión se hace independiente del período de retomo.
51
METODOLOGÍA: VISION GENERAL
52
5.- ESTACIONES CON PLUVIÓGRAFO
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
5.1.-MATERIAL Y MÉTODOS.
La intensidad máxima para cada duración y cada año se había obtenido como
cociente de la máxima lluvia acimiulada en im intervalo de tiempo, o duración, entre
53
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
dicha duración, y por lo tanto es un valor medio, para la ventana temporal considerada,
correspondiente a cada duración y en cada año.
54
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Por lo tanto, las series que se van a manejar si bien podrían ser algo más largas,
abarcan hasta los años 90 y en algunos casos hasta finales de los 90, suponen una
mejora de casi veinte años respecto a las utilizadas para la ley EDF que se está
manejando actualmente (recogida en la Instrucción 5.2-IC "Drenaje superficial").
55
ESTACIONES CON PLUVIÓGRAFO
56
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Tabla 5.- Tabla resumen de las estaciones, código, localización, y número de años disponibles
suministrado por el Instituto Nacional de Meteorología.
amplió a 21.
57
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
S.l.l.l.-Análisis de datos.
S.l.l.l.l.-Representación de datos.
Valls(0034)
3 • SnVImedia
• lOnryímedia
2.5
ISnrVImsdia
I 2 ir X 20m1nnedia
« >c SOnVlmedia
E 1.5
^%Í5"^ • eOnVImedía
X + 120fTyimedia
0.5
1940 1950
#*—*-
1960 1970
¥
1980 1990
-ISOnVimedia
- 360rrVlmedia
720rryimed¡a
año 24h/lmedia
Todas las estaciones se van a utilizar porque están completas, y alguna estación
en la que sólo falta un dato en una de las series de una duración también se ha
mantenido justificando su uso en que no se debe perder la información del resto de las
series, ya que la red de estaciones no es muy abundante.
58
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Sondica (1082)
«SnVhedia
4.5
• lOmlmeda
l&TVkTeda
as
f 3 x20nykTEda
I 25 -TTT x30fTVlmsdia
• eOnVhBcfia
g 1.5 -7*--"
~ 1 + 120rTVtTfidia
0.5 :->m^^,^ -18ChATBdia
59
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
au3dalhorce{6120)
4.5 • SnVImedia
4- ^
• lOnVhedia
3.5-
ISrryíinedia
a 3
X aOnVImediB
1 2.5 n
X SQnVfmedíQ
>
*( , - •' _• •• • 60nVImede
i 1.5 ^ * 1 •!! X •^"
1 HJ^
f.K^,' - ^* ,
5* * .rtt-'
¡É^ • ^ : , «
+ 120m'lmed¡a
- leOrrrtnBdia
0,5-
0 '"yt*fi!5 -' --^^J — 360ttVlmad¡a
1960 1965 1970 1975 1080 1985 1990 720nVkiwd¡a
año 24ti/imedia
• SrrVItTEdJa
3.5 • lOrVlmeda
«
ISrryímecSa
X
¡5 2,5 xZanlmetSa
'• ^ ¡j¡
X aOm'tTBciia
1.5
1 ' i ÍÍ5 ív fK • eOrTVheda
1 '?"f "Ú» \' ^ * í • • + 120rTy*redia
0.5
c^- tf nrÉ£J-_^^Sí-r-^
••" •' e
-1K)nVhBdia
-360m*m(Jia
1955 1960 19ffi 1970 1975 1980 1965 1990 1995 720m%TEClia
año Z'lh'híidia
F i g u e r a s (0429)
« 5m/lmedia
6 -
, • 10m/lmed¡a
iSnVImedra
5 -
4 -
+ X 20m/bT)edía
3 -
• X 30Tn/hiedia
• 60m/bTiedia
E 2 - -• i Y
1 - ^ W ' jí sJl fcKfl- + 120nVhiedia
1 TW^ 5 ? ^ ^ •* ' -^ -a!.! * r ^ • ISOnVkTiedia
- aeOnVImedla
19 40 1950 1960 1970 1980 1990
720m'lmedia
año
24h/lmedta
A l i c a n t e (8025)
• Sm/lmedia
3.5- m 10m/lmedia
3 -
+ 1 Sm/lmedia
1 2.5 - X 20ín/lmedia
•
1' A
i _
" " f c ^ 4JÍ
_ ^ ^ ^
•X. 30nVlmedia
• 60nVknedia
+120m/tnedia
0,5
J^
f^ \,^^.I^¿FY— - 1 eom/lmedia
— 360ni/hiedia
19 50 1960 1970 1980 1990
720m/lmedia
año
24h/lmedia
60
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Para aplicar este método, deben calcularse los logaritmos decimales de los
valores de la muestra, y se asume que esta nueva serie sigue una distribución normal.
Sobre estas series transformadas, se calcula la media (y) y la. desviación típica (sy), y a
continuación, la prueba de datos dudosos ofrecida por el Water Resources Council
presenta la siguiente ecuación para definir un umbral de dato dudoso:
Donde:
yh, es el umbral de dato dudoso alto
Kn , es un valor tabulado en función del tamaño de la muestra, con un nivel de
significación de un 10% en información normalmente distribuida. (Tabla 6)
Sy, es la desviación estándar.
y, es la medía de la serie.
Fs»:n!r-. H S. Water S o a u f c » CoasriE. JSSi. E s a teWa eontíer^e va!or« áe Jí. dt «t. 3-.Í<1O caá an
jjjvsl d t s.l|:aiíÍ«W£-<í* J«l IOS- p¡raa 14 <ÍÍ5(iitJ«c¡<ítí aomsS.
61
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
En este método, los picos que superan el umbral yh -que define un dato dudoso-
deben compararse con la información histórica y de estaciones cercanas y sólo si puede
acreditarse que es verdaderamente anómalo deberá ser eliminado.
3.- Sobre la serie logarítmica se calculan la media (y) y desviación típica (Sy).
4.- Se calcula el umbral de "dato dudoso" en cada seríe:
5.-Se identifican los registros que en cada serie superan el respectivo umbral.
6.- Para cada año (o años) en los que se detectan "datos dudosos" se calcula en
dicha estación la precipitación máxima en 24 horas, P24, como producto de
l24*24, y se compara ese valor con el registrado ese mismo año en la estación
pluviométrica establecida como referencia (P24 del pluviómetro).
7.- Si P24 del pluviógrafo es del orden de magnitud del P24 del pluviómetro se
aceptan los registros del pluviógrafo.
8.- Si ese año no hay dato de pluviómetro, P24 del pluviógrafo se compara con
los P24 del pluviómetro registrados en otros años. Si los valores son del mismo
orden de magnitud se acepta el dato, asumiendo que el P24 del pluviógrafo no
es anómalo pues hay registros, aunque no sean del mismo año, que hacen
plausible la ocurrencia de esa precipitación.
62
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
S.1.1.1.3.-Independencia de datos.
Tabia 7.- Coeficiente de correlación entre las series correspondientes a cada duración de las estaciones
estudiadas.
Duración (minutos)
Estación 5 10 15 20 30 60 120 180 360 720 1440
Barcelona-Valls -0,16 -0,17 -0,14 -0,06 0,01 -0,09 -0,10 -0,02 0,02 0,15 -0,01
Barcelona-Sallent 0,37 0,41 0,29 0,24 0,22 0,43 0,70 0,71 0,63 0,63 0,65
Barcelona-Caldas -0,29 0,53 0,38 0,50 0,43 0,41 0,38 0,43 0,26 0,39 0,44
Barcelona-Sabadell 0,27 0,02 -0,10 -0,15 -0,22 -0,21 -0,10 -0,08 0,04 0,07 0,15
Barcelona-Gerona -0,16 0,11 0,24 0,39 0,38 0,31 0,11 0,12 0,03 -0,20 -0,20
Gerona-Figueras 0,09 0,07 0,06 0,03 0,07 0,16 0,16 0,26 0,20 0,31 0,41
63
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Duración (minutos)
Estación 5 10 15 20 30 60 120 180 360 720 1440
Madrid-Madrid4v 0,25 0,43 0,45 0,38 0,29 0,32 0,34 0,34 0,23 0,31 0,43
Madrid4v-Getafe -0,02 0,07 -0,09 -0,06 0,01 0,20 0,53 0,67 0,79 0,81 0,27
Madrid-Getafe -0,30 -0,29 -0,19 -0,12 0,01 0,15 0,22 0,31 0,16 0,02 -0,05
Se deduce que las correlaciones son pequeñas, por lo que se utilizará toda la
información disponible en estas estaciones.
64
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Duración (minutos'
5 10 15 20 30 60 120 ISO 360 720 1440
5 1,000 0,964 0,948 0,945 0,937 0,846 0,623 0,549 0,556 0,458 0,491
10 1,000 0,976 0,971 0,960 0,880 0,713 0,638 0,632 0,558 0,594
1440 1,000
Tabla 8.-Matriz de correlación de las series de intensidades máximas para cada duración en la estación de
Valls (0034)
Con respecto a este punto, si bien es cierto que existe gran correlación entre las
series de distintas duraciones, dentro de una estación, se decidió utilizarlas todas debido
a la necesidad de aprovechar la escasa información disponible. En el supuesto de que las
series fueran totalmente dependientes, el proceso de regionalización sería equivalente al
estudio de las series individuales, y por tanto las estimas no mejorarían, pero bastaría
con que información ftiera sólo parcialmente dependiente para que la ganancia de
información permitiera mejorar las estimas (U.S: National Research Council, 1988).
65
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
5.1.1.2.- Conclusión.
66
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
5.1.2.-REGIONALIZACIÓN.
Ante este valor alto se podría plantear la siguiente cuestión: ¿este valor tan alto,
corresponde a un período de retomo alto que por casualidad se ha presentado durante la
serie de años registrada, o por el contrario, corresponde a un período de retomo menor
pero la longitud de la serie no es lo suficientemente larga como para haberlo observado
más veces? El sentido común nos dice que no se puede contestar a esta pregunta con los
datos disponibles en dicha estación, y por tanto lo razonable sería examinar qué ha
ocurrído en las estaciones próximas y comprobar si se ha producido una intensidad
máxima análoga más veces.
67
ESTACIONES CON PLLTVIOGRAFO. MATERIAL Y MÉTODOS
Murcia (7031)
r:
o 3.5
.-.^ -•—gumbel
SQRT-ET máx
i • • serie histórica
i"'
B 0.5
^
log(T)
68
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Duración (minutos)
1945 0,53 0,59 0,60 0,55 0,47 0,47 0,53 0,54 0,54 0,71 0,73
1946 1,29 1,44 1,32 1,37 1,44 1,67 1,99 2,02 1,84 2,63 2,48
1947 0,74 0,76 0,83 0,84 0,78 0,92 0,94 0,88 0,80 0,69 0,65
1948 0,60 0,70 0,55 0,47 0,41 0,39 0,43 0,46 0,49 0,63 0,61
1949 1,27 1,36 1,28 1,29 1,41 1,60 1,69 1,76 1,61 1,42 1,80
1950 1,27 1,40 1,56 1,56 1,50 1,30 1,79 1,71 1,63 1,42 1,30
1951 1,32 1,43 1,44 1,49 1,43 1,25 1,01 0,95 0,90 0,77 0,84
1952 0,88 0,88 0,90 0,92 1,09 1,32 1,26 1,28 1,29 1,13 1,03
1953 0,88 0,76 0,77 0,79 0,82 0,77 0,72 0,90 1,08 0,94 0,92
1954 0,46 0,48 0,41 0,43 0,46 0,54 0,58 0,59 0,57 0,79 0,88
1955 1,40 1,30 1,34 1,30 1,13 0,89 0,73 0,69 0,69 0,73 0,73
69
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Duración (minutos)
1956 0,60 0,54 0,58 0,58 0,60 0,78 1,18 1,33 1,26 1,11 1,03
1957 1,53 1,45 1,38 1,44 1,57 1,52 1,26 1,23 1,23 1,13 1,19
1958 0,95 0,90 0,99 1,02 0,96 0,79 0,90 0,87 0,79 0,69 0,65
1959 1,13 1,06 1,09 0,97 1,03 1,06 0,89 0,85 0,79 0,94 0,96
1960 1,60 1,63 1,80 1,90 1,99 1,84 1,46 1,37 1,69 1,73 1,61
1961 1,16 1,19 1,16 1,17 1,23 1,11 0,90 0,85 0,81 0,79 0,73
1962 0,74 0,84 0,90 0,78 0,69 0,60 0,68 0,79 0,96 1,04 0,96
1963 1,32 1,36 1,29 1,40 1,51 1,77 1,61 1,53 1,40 1,21 1,49
1964 1,41 1,30 1,23 1,33 1,43 1,46 1,19 1,12 1,11 1,04 0,96
1980 1,22 1,06 1,13 1,04 0,96 0,88 0,72 0,68 0,62 0,54 0,61
1981 0,56 0,64 0,53 0,44 0,35 0,29 0,39 0,36 0,33 0,33 0,42
1982 0,66 0,54 0,50 0,47 0,38 0,38 0,51 0,60 0,74 0,71 0,73
1983 0,85 0,70 0,69 0,67 0,65 0,63 0,55 0,52 0,63 0,73 0,69
1984 0,62 0,69 0,76 0,80 0,72 0,77 1,11 1,12 1,18 1,13 1,03
-i,d
Tabla 9.- Valores del cociente - ^ r ^ en la estación de Valls (0034).
Id
Donde:
I-i,d , es el valor de la intensidad máxima anual correspondiente a la duración "d"
(minutos) en el año i-ésimo.
l'-U
id = ^ siendo "n" el número de años de la serie.
n
Duración (minutos)
Media 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
Desviación
0,35 0,36 0,38 0,41 0,45 0,46 0,45 0,44 0,41 0,46 0,45
típica
Coeficiente
0,03 0,16 0,20 0,28 0,26 0,30 0,63 0,69 0,48 1,98 1,78
asimetría
LIA
Tabla 10.- Parámetros estadísticos de las series y— > P^^ ^^^^ duración en la estación de
Valls (0034).
70
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Por lo tanto :
Las; series definitivas gue se van a manejar para el desarrollo de la
presente Tesis son las series proporcionadas por el Instituto Nacional de
Meteorología en cada estación^ divida cada ma de ellas por su media, eliminando
así elfactor local y respetando la dispersión y la asimetría muestral.
71
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Conformación de regiones
í
Agrupación intra-estaciones
Ir
I Agrupación inter-estaciones
í
Conformar una única
muestra (región) con ios
1
Conformar dos muestras;
cortas (<1 hora) y largas (>1 liora)
Descartada por escasez de
estaciones. (63 para la
datos de cada estación España Peninsular)
i 4.
No supera los test Superan los test
i
Selección de la función de distribución
i
Métodos de estimación elegidos
Método de los Momentos
Método de Máxima Verosimilitud
•
i
Criterios de decisión
Test Kolmogorov-Smirnov
• Análisis Gráfico
i
Validación
i
Comparación de Cv y Ca de muestras observadas y sintéticas
Obtención de i ( d , T)
72
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
5,1.2.2.-Conformación de regiones.
Para definir una región se pueden utilizar diversos criterios, bien considerar una
serie de parámetros estadísticos de la estación o bien un conjunto de descriptores que
permitan caracterizar la estación o combinación de ambos.
73
ESTACIONES CON PLUVIÓGRAFO, MATERIAL Y MÉTODOS
Mapa 2.- División de la España Peninsular en 26 regiones geográficas con características meteorológicas
comunes (Ferrer y Ardiles, 1994)
74
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Se podría decir que dentro del proceso de regionalización, una estación sería la
mínima unidad "región", puesto que presenta las mismas características climáticas y
solamente quedaría por comprobar si toda la información de la estación es homogénea.
75
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
5.1.2.2.2.-Análi$is de la homogeneidad.
Los tres métodos para analizar la homogeneidad de una región están basados en
los L-momentos, momentos que permiten describir la forma de la distribución de
probabilidades.
76
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
- Los L-momentos son más estables ante los valores extremos, ya que los
momentos tradicionales amplifican la contribución de una observación muy
alejada de la media al elevarla a la 3* o 4* potencia.
- Los L-momentos permiten identificar la distribución de la que procede una
muestra más fácilmente que a partir de los momentos tradicionales, (Hosking y
Wallis, 1997) y no hay que olvidar que ésta es una aplicación importante del
cálculo de los momentos.
Puesto que los Test que se van a manejar para definir xma región están basados
en los L-momentos, se deberán calcular, para cada serie estandarizada de cada duración
y de cada estación, dichos parámetros y además, para permitir la comparación entre
estaciones, tal y como es costumbre, se dividirán los L-momentos estimados entre algún
momento significativo para hacerlos adimensionales.
y=i
77
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Donde:
n, es el número de datos de cada serie
j , es el número de orden de cada dato ordenado de menor a mayor
Xj:n, es el dato "j-ésimo" de la serie de "n" datos
'i = A
h
t — -=-
í, =-^ parara3,4
'2
78
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
79
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
0.4 0.5n
®
^0.4-i
^ 0.3 © I 0.3
0.2
0.1
0.2 _ — P -1 1 >—T
0.1 0.2 0.3 0.4 0.5
0.1 0.2 0.3 0.4 0.5 L-skewness, ÍQ
L-skewness, Í3
> / ••
O
L'-skewness, %
80
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Medida de la discordancia.
Una vez analizados los gráficos de los L-momentos, que nos permiten identificar
series que se alejan claramente del resto que forman la región, y en su caso eliminarlas
del análisis regional, se pasaría un segundo filtro a las series que permanecen,
realizando el Test de Medida de la Discordancia, propuesto por Hosking y Wallis,
(1997).
Donde,
N
u = n~^^u¡
i
t2, es el L-Cv
ts, es el L-Ca
t4, es el L-Ck
n, es el número de datos
81
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Hosking y Wallis, (1997) observan la dificultad de definir xjn valor de "D" que
discrimine y permita separar series claramente discordantes, ya que cuanto mayor es el
número de estaciones, más fácil es que este valor de "D" sea mayor. Sin embargo,
recomiendan que si D>3 se considere discordante. También indican que cuando la
región es muy pequeña, este valor no es muy significativo, lo cual tiene sentido, ya que
es difícil juzgar si se tienen pocas estaciones con las que comparar. En la tabla 12 se
establecen los valores de "D" en función del número de estaciones que forman una
región.
82
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Test de Heterogeneidad.
No se ha hecho una comparación general entre estos tests, pero todos ellos
pueden ser válidos desde un punto de vista estadístico.
83
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Defínición formal de H:
H {v-n^
cr..
Donde:
v=
i=l
* f (^)
2;ni*t2
t •• = - i ^
Z".i=l
84
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Estos autores consideran que si H toma un valor menor que uno la región es
homogénea, y la regionalización puede ofrecer ventajas frente a un análisis local. Del
mismo modo, si "H" es mayor o igual a dos, y las características lo permiten, puede ser
muy beneficioso redefinir la región. Y por último, si H toma un valor entre uno y dos la
región puede o no ser homogénea.
En cuanto al número de estaciones que se deben agrupar para formar ima región,
Hosking y WaUis, (1997) en sus investigaciones presentan como conclusiones que en el
proceso de obtención de cuantiles por el método de regionalización se obtienen pocas
ventajas si se utilizan más de 20 estaciones por región, por lo que no merece la pena
tratar de agrupar más de 20 estaciones, y por otro lado, estos mismos autores, también
establecen un número estaciones mínimo para poder aplicar el estadístico de
85
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Con los Test anteriores se pueden establecer unas "regiones" más o menos
homogéneas, aunque como indican Saenz de Ormejana et a/.,(1991) (a quienes a su vez
planteó Hosking en comunicación personal), el problema que presentan estos Tests
estadísticos es que tienden a confirmar la hipótesis de homogeneidad si el número de
estaciones es pequeño, y a rechazarlo si es grande.
Los mismos autores que proponen este Test, tampoco recomiendan utilizarlo
como un test de confirmación de hipótesis en su sentido estricto y con unos niveles de
significación, ya que ello llevaría implícito aceptar las hipótesis de independencia, tanto
de los propios datos de la serie como entre estaciones, y que la función de distribución
real es la función Kappa, y en muchos casos esto no es así. Un test de significación es
de poca utilidad en cualquier caso porque incluso una región "moderadamente
heterogénea" puede proporcionar estimas de cuantiles con suficiente precisión a efectos
prácticos.
86
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
87
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Y por último, la ley SQRT-ET máx propuesta en Japón por Etoh et al. , (1986)
es uno de los escasos modelos propuestos específicamente para el análisis de máximas
lluvias diaria. Este modelo ha sido empleado por Ferrer y Ardiles, (1994) en el estudio
de precipitaciones de la España perúnsular con buenos resultados.
0.O
l-skewnsss, tj
89
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Para esta Tesis se ha elegido la función SQRT-ET máx, que además de ser muy
robusta, presenta las siguientes características:
90
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Ambos métodos han sido utilizados con buenos resultados, y puesto que no hay
un criterio único y objetivo para descartar cualquiera de ellos, se decide aplicar ambos
métodos para la determinación de los parámetros "k" y "a" de la función SQRT-ET
máx.
91
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Una vez determinados los parámetros "k" y "a" por ambos métodos los criterios
que se han manejado para seleccionar uno u otro han sido los siguientes:
- Test de Kolmogorov-Smimov.
- Análisis gráfico.
Test de Kolmogorov-Smimov
• Se ordenan los valores muéstrales de manera que X(i)< X(2) ....< X(n)
• Se calcula la función de distribución empírica de la muestra Fn(x)
r
K(^}
1 ^^^(nj
92
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Donde,
Fn(x), es la función de distribución empírica de la muestra.
F(x), es la función de distribución teórica de la población que se quiere
contrastar.
Dn, es el estadístico definido en la expresión.
Este contraste tiene la ventaja de que no requiere agrupar los datos, pero
presenta el inconveniente de que si calculamos, F(x), estimando los parámetros de la
población mediante la muestra, la distribución, Dn , es sólo aproximada; Además, este
criterio es conservador, tendiendo a aceptar la hipótesis, pero en contrapartida, permite
construir bandas de confianza de la distribución. Si, D(a, n), es el valor obtenido en
tablas para ,Dn, se tendrá que, si F es correcta, con nivel de confianza 1-a, se tiene:
y por tanto,
F{x)&F^{x)±D{a,ri)
y llevando, D(a,n), a ambos lados de Fn(x) se obtienen bandas de confianza para la
distribución.
93
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Análisis gráfico
Donde,
j , es la posición de un valor de la serie, supuestamente ordenada de menor a
mayor.
n, es el número de datos total de la serie.
5.1.2.5.-Validación.
94
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Los valores de la media de las 100 muestras deberían aproximarse a uno, puesto
que se ha manejado la variable estandarizada, cociente del valor muestra! entre la media
de la serie.
95
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
En cuanto a los otros dos parámetros, los valores de las muestras generadas por
el método Montecarlo, deberían adoptar valores similares a los observados si el modelo
describe adecuadamente las propiedades de los datos. Para ello, se representarán los
valores de Coeficiente de variación (Cv) frente a Coeficiente de asimetría (Ca) de las
muestras generadas y los valores obtenidos en las muestras observadas. Si los pares de
puntos Cv-Ca de las series de datos observados se encuentran dentro de la nube de
pvintos de los pares de valores Cv-Ca de las muestras generadas, indicará que el
comportamiento de las muestras generadas responde al mismo patrón que los datos
muéstrales reales y, por tanto, la función elegida para reproducir las características
muéstrales es adecuada.
96
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Donde,
xt, es la estimación de la variable asociada a un período de retomo T.
Yt , es la media de la variable aleatoria xt
Yt , es el cuantil adimensional deducido para el período de retomo T.
estación estación
Siendo,
CA(T)región, el cuaiitil adimensional obtenido en la región.
Por lo tanto para estimar la intensidad máxima para una duración y período de
retomo se requiere conocer el cuantil adimensional correspondiente al período de
retomo de la región a la que pertenezca, y además la intensidad máxima media
correspondiente a la duración considerada.
97
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
5.1.3.1.-Modelos estudiados.
A partir de la expresión:
••g(d)
7(24, n CA(T)^,^,,^ (T)
a+a
Donde; "a"," b", "m" son parámetros, y
"d" es la duración
98
ESTACIONES CON PLUVIÓGRAFO. MATERIAL Y MÉTODOS
• Modelo 2.- Modelo de dos parámetros propuesto por Yamell y Hathaway (1965):
99
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
5.2.-RESULTADOS.
5.2.1.-CONFORMACION 0E REGIONES.
A.- En una primera aproximación, se partió de las regiones definidas por Ferrer y
Ardiles en el estudio de precipitaciones máximas en España, y se intentó agrupar, las
seríes correspondientes a una duración determinada, de todas las estaciones que se
encuentran en cada región, y estudiar si formaban una región homogénea. En el mapa 3
aparecen reflejadas las regiones de Ferrer y Ardiles, (1994), así como las estaciones
disponibles.
' ^
Mapa 3.- Mapa de las regiones elaborado por Ferrer y Ardiles para el estudio de máximas lluvia en
España, junto con las estaciones con pluviógrafo disponible.
100
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Tabla 13-Distribución de estaciones con pluviógrafo en cada una de las regiones definidas por Ferrer y
Ardiles.
101
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Tabla 14.- Número de estaciones disponible en cada región definida por Ferrer y Ardiles, (1994).
=> Sólo cinco de las regiones definidas por Ferrer y Ardiles -101,801,901,903,
1001 - cuentan con un número adecuado de estaciones (n° estaciones >5, lo que
permitiría utilizar el Test de Medida de la Discordancia como control de que la región
está bien constituida).
=^ En seis regiones - 202, 204, 207, 403, 505, y 909 -solo hay una estación.
=í> En seis regiones- 301, 501, 503, 701, 907, 905 y 907- no hay ninguna
estación con pluviógrafo.
=> En nueve regiones-103, 107, 203, 205, 303, 401, 402, 601, 603- hay muy
pocas estaciones, entre xma y cuatro.
102
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
2867-11 SITES
103
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
En la salida del programa aparecen dos asteriscos a la derecha del valor de "H"
para indicar que la región es claramente heterogénea.
Al eliminar la serie de 360 minutos, ninguna serie es discordante, pero "H" sigue
siendo muy alto (H=4,29). (Tablas 17 y 18)
2867 10 SITES
Tabla 17.- Resultados de aplicar el Test de Medida de la Discordancia al elinainar la serie de 360
minutos en la estación de Salamanca (2867).
104
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
2867-10 SITES
Tabla 19.- Aplicación del Test de Discordancia en la estación de Salamanca (2867) considerando todas
las series menos la de 5 minutos.
105
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
2867 10 SITES
106
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
B.3.- Por último, se dividieron en dos regiones las series dentro de cada estación: por un
lado, cortas duraciones y por otro lado, largas duraciones, y el criterio que se estableció
para definir cortas y largas duraciones fue la duración de 60 minutos.
107
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Tabla 23.- Resultados de aplicar el Test de Medida de Discordancia en la región "largas duraciones" en
la estación de Salamanca (2867).
Tabla 25.- Resultados de aplicar el Test de Medida de Discordancia en la región "cortas duraciones" en
la estación de Salamanca (2867).
108
ESTACIONES CON PLUVIÓGRAFO.RESULTADOS
Una vez definido el criterio para identificar regiones, se aplicó al resto de las
estaciones, y se realizaron los distintos análisis, que peimitieron aceptar dichas regiones
como homogéneas.
5.2.1.1.-Análisis de homogeneidad.
109
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Figura H.- Representación de los L-momentos en ambas "regiones" de la estación de Valls (0034),
Q Si el valor de "D" obtenido es menor que el umbral, aceptar la región, para este
Test, y pasar el siguiente control.
a Eliminar una serie cuando ésta sea claramente discordante respecto al resto (D>3),
repetir el Test sin dicha serie y volver a determinar nuevamente el parámetro D.
lio
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Tabla 27.- Resultados de aplicar el Test de Medida de la Discordancia en la región "cortas duraciones"
en la estación de Valls (0034).
Tabla 28.- Resultados de aplicar el Test de Medida de la Discordancia en la región "cortas duraciones"
en la estación de Valls (0034)
111
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Test de Heterogeneidad.
Se utilizó como umbral para definir una región homogénea el propuesto por
Hosking y Wallis, más estricto que el de Robson y Reed, y el Test dio buenos resultados
en la mayoría de los casos.
a Si los valores de H están comprendidos entre 1 y 2 definen una región que puede
ser homogénea o no.
112
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
CASOI: H<1
113
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Junto al código de referencia de la estación aparece una letra: "c" para indicar cortas
duraciones, o bien "1" para indicar largas duraciones.
Tabla 30.- Relación de estaciones en las que "H" es menor que 1 y "D" ligeramente discordante.
CASO H : 1<H<2
114
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Tabla 31.- Relación de estaciones en las que "H" se encuentra en el intervalo (1-2).
GASOm: H>2
115
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
116
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
SI
OK
56 estaciones
NO
7 estaciones ELIMINAR SERIE DISCORDANTE
H<1
Í>>UMBRAL OK
1 estación
2 Estaciones
D<UMBRAL OK
1 estación
ELIMINAR SERIE DISCORDANTE
H<1
ífetJMiBRAlí OK
4 estaciones
Esquema 5,- Resumen de los Análisis de Homogeneidad en las regiones de "cortas duraciones"
117
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
SI
H<1 57 estaciones
OK
NO
6 estaciones SB MANTIENE SERIE DISCORDANTE
AL NO MEJORAR H
D>UMBRAL OK
P
1 estación
4 Estaciones
D<UMBRAL OK
3 estación
SE TANTEA ELIMINAR
UNA SERIE HASTA QUE
H<1
H>2 D< UMBRAL
OK
2 estaciones
Esquema 6.- Resumen de los Análisis de Homogeneidad en las regiones de "largas duraciones".
118
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
(Peinador) (instituto)
1499 Punto Centro -1,78 -0,04 4605 Huelva 0,54 0,83
(Talavera)
LQM£Siütód^^aMjQbteaidos.pe^^
119
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
=> Si hubiera muchos valores de H negativos, menores que -2, indicaría una gran
correlación, pero no es el caso.
5.2.1.2.-Análisis complementario.
120
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Tabla 34.- Coeficiente de variación en las regiones "cortas y largas duraciones" de cada estación.
rí> Esta clara diferencia en los valores obtenidos de Cv demuestra que ha sido adecuado
formar dos bloques de datos, de cortas duraciones y de largas duraciones, ya que los
cuantiles adimensionales van a ser claramente diferentes.
121
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
=> Aunque hay veintidós casos en los que los coeficientes de variación de las series de
cortas duraciones son menores que los coeficientes de variación de las series de
largas duraciones, sólo ocho casos presentan valores claramente menores.
:=> Los trabajos de Lettenmaier y Potter, (1985) indican que cuando Cv<0,6 y
Cv(Cv))<0,2 las ventajas de agrupar los datos son claras, por lo tanto, en general
parece adecuado aplicar este proceso de regionalización,
=> En cortas duraciones sólo hay un caso en el que Cv>0,6, Almería (63250), y seis
casos en largas duraciones, que se indican en la tabla 35.
Estación Cv
Alicante (80251) 0,67
Almería (632501) 0,72
Figueras (04291) 0,85
Guadalhorce(61201) 0,71
Murcia (70311) 0,61
Sondica(10821) 0,66
Tabla 35.- Estaciones con coeficientes de variación mayor que 0,6 en la región "largas duraciones".
122
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Estación Cv
Alicante (80251) 0,36
Atmería(63250l) 0,52
Figueras(0429l) 0,41
Guadalhorce(6120l) 0,53
Sondica(1082l) 0,31
Tabla 36.- Coeficiente de variación en región "largas duraciones" al eliminar datos de años de intensidad
máxima extraordinaria.
=?• Las estaciones con coeficientes de variación en cortas duraciones mayores que en
largas duraciones se encuentran en las zonas costeras de la comunidad catalana
(Valls (0034), Sallent (0111), Barcelona(0201), Sabadeli(0225), Tortosa(9980A),
Gerona(0370) y Figueras(0429), en el norte de España (Sondica (1082), Amao
(1212), y Gijón(1208), en la zona de Murcia (7031,7228) y Alicante (8025), en
Huelva (4605), Chauchina (5530) y Grazalema (5911), así como en la costa
almerienense, Almería (63250) y Roquetas (9981), y por último también en las dos
estaciones de la provincia de Badajoz (4452 y 4478).
=> Al presentarse valores extraordinarios, parece adecuado estudiar los L-CV que,
analizando también la dispersión de los valores frente a la media, son menos
sensibles a estos valores. La variabilidad de los L-Cv va a definir la idoneidad de
utilizar un análisis regional o puntual, por lo que se ha procedido a calcular el L-Cv
medio correspondiente a cortas duraciones y el L-Cv correspondiente a largas
duraciones de cada región. En la tabla 37 se muestran los valores del L-Cv en cada
región.
123
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Tabla 37,- Cálculo de L-Cv en las regiones "cortas" y "largas" duraciones de cada estación.
==> Todos los valores de L-Cv correspondientes a cortas y largas duraciones son más
pequeños que los coeficientes de variación calculados.
=> Hosking y Wallis, (1997) consideran que valores de L-Cv por encima de 0,42
pueden ser considerados valores muy altos e indicarían que la distribución de
124
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
frecuencias está muy sesgada. En nuestro caso, el valor máximo de L-Cv obtenido
es de 0,36, no superándose el valor crítico de Hosking y Wallis (1997) lo que
refuerza la decisión de mantener los valores extremos en las estaciones recogidas en
la tabla 35.
• Los resultados que se obtienen al comparar los L-Cv -de cortas y largas
duraciones- son similares a los que se obtienen al comparar los Cv, si bien,
en 45 de los 63 casos, el cociente L-Cvooms/LCviargas es ligeramente mayor
que CVoortas/CViargas-
125
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Tabla 38. - Cociente de coeficiente de variación de la región cortas duraciones entre el de largas
duraciones, asi como el cociente de L-Cv
126
ESTACIONES CON PLXJVIÓGRAFO. RESULTADOS
5.2.2.-ESTIMACIÓN DE PARÁMETROS.
127
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Tabla 39.-Parámetros de la función SQRT-ET máx para cada una de las regiones definidas en cada
estación.
En la tabla 39, en la primera columna se han definido las dos regiones en cada
estación bajo el nombre"código de la estación" terminado en la letra "c" o "1" para
indicar la región de "cortas dwaciones" y la de "largas duraciones". En las siguientes
columnas se presentan los valores de los parámetros "k" y "a" deducidos por los
métodos de máxima verosimilitud y de momentos, para la serie única, del conjunto de
valores de intensidad máxima "adimensionalizada" correspondiente a cada región.
128
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
En el Anejo 6 se encuentran las salidas del programa sqrtab.exe en cada una de las
regiones. En el Anejo 7, en los informes de cada estación se ha representado en el eje de
abscisas los cuantiles adimensionales, y en ordenadas los valores de la función de
distribución deducidos por ambos métodos. También se ha representado el cviantil
adimensional frente al período de retomo, facilitando el análisis al abrir la escala.
129
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
0034 LAROAS
mttiKtitMm-- NHHM'
• HOSKIMQ
Figura 12.- Distribuciones empírica y teórica de la serie adimensional de largas duraciones en la estación
de Valls (0034), ajustadas a la función SQRT-ET máx por el método de máxima verosimilitud y por
momentos.
0034 LARGAS
•UAX.VCH.
CUANTIL A l ) l M e N « I O H A I . - I 0 a
Figura 13,- Representación de la serie adimensional de largas duraciones en la estación de Valls (0034),
así como el ajuste a la función SQRT-ET máx por el método de máxima verosimilitud y por momentos
frente al período de retorno.
130
ESTACIOISIES CON PLUVIÓGRAFO. RESULTADOS
ÍE1 eriterió que se ha seguido para adoptar uno u otro método en la obtención de
los parámetros ha sido el siguiente:
131
ESTACIONES CON PLtJVIOGRAFO, RESULTADOS
132
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Figura 14.- Representación gráfica de la serie que conforma la región "cortas duraciones" en la estación
de Valls (0034), junto con los ajustes a la fiínción SQRT-ET máx por ambos métodos, máxima
verosimilitud y momentos.
Por lo tanto, se elige el método de los momentos, pues es el que presenta una
distancia menor para períodos de retomo mayores de diez años, y es el que más se
acerca a los valores observados.
N-'Hatns^ J/g^^lS
Tabla 41.- Aplicación del Test Koimogorov-Smimov en la región "cortas duraciones en la estación de
Santiago (1428).
133
ESTACIONES CON PLUVIÓGRAFO, RESULTADOS
1428 CORTAS
si'P^T'TT'-
••••••••MWER
CUAHTIL ADIMENSIONALIM
Figura 15.- Representación de la serie histórica junto con los ajustes por ambos métodos
de estimación en la región "cortas duraciones" n la estación de Santiago (1428).
134
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Tabla 42,- Aplicación del Test Kolmogorov-Smimov en la región "largas duraciones en la estación de
Caldas de Mombuy (0222).
135
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
0222 LARGAS
09»
07i _^S
0.61 ^ « HOSKl NG
• • • ^ M A X . VER.
0,4 <
0.31
0.2'
0'
Figura 16.- Representación de la serie histórica junto con los ajustes por ambos métodos de
estimación en la región "largas duraciones" en la estación de Caldas de Mombuy (0222),
0222 LARGAS
^ ^ ^ •
1 "IJ
^^^
i
• 11
^ ^ ^ á
5^-^
— •Tí.
í Sí 1
Figura 17.- Representación de la serie histórica junto con los ajustes por ambos métodos de
estimación en la región "largas duraciones" en la estación de Caídas de Mombuy (0222) frente al período
de retomo.
136
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
NO
(Superan ambos métodos Se adopta la estima por el
e! iestdekohnuEíoiov- método que supera el Test K-S
Smimü\ *
SI
NO
t, Superan ambos el Test Se adopta la estima por el
paraT>10añtís'? método que supera el Test K-S
SI
Se adopta la
Ambas por debajo que tenga D
Rc})icsentai la Tuncioo de de la serie histórica menor
Distnbuaon con parámetros
obierados por momento!». ma\tma
\erosimilitud v registros
Se adopta la
observados Ambas por que tenga D
encima de la serie menor
histórica.
En la tabla 43, se refleja, para cada una de las regiones, el método elegido en la
estimación de parámetros y el criterio en que se ha basado la decisión. En el Anejo 7 se
pueden consultar los resultados parciales. En él, además de representar las funciones en
137
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Tabla 43.- Método de estimación de parámetros elegido en cada región, en fondón del criterio adoptado.
138
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
5.2.3.-VALIDACIÓN.
Una vez determinados los parámetros "k" y "a" - bien sea por el método de máxima
verosimilitud o de momentos-, el siguiente paso debería ser validar los resultados por medio de la
simulación, utilizando para ello el método de Montecarlo.
Se decidió entonces establecer seis clases, con intervalos del coeficiente de variación de una
décima, y agrupar las regiones por clases, de tal manera que, analizando el comportamiento de un
número significativo de regiones dentro de cada clase, se pudiera aceptar, o en su caso rechazar, la
validez de la regionalización en cada una de ellas.
139
ESTACIOTslES CON PLUVIÓGRAFO. RESULTADOS
• Se tomaron en total 18 regiones. En la tabla 45 se refleja dentro de cada intervalo de clase las
regiones elegidas- en un número proporcional al número de regiones existentes dentro de cada
intervalo-, el método de estimación de parámetros utilizado en esa región, así como el Cv.
o En cada una se generaron 100 muestras aleatorias por el método de Montecarlo.
• Se determinaron los Cv y Ca de las muestras generadas.
• Se representaron gráficamente estos parámetros junto con los valores observados.
• Se compararon los valores muéstrales y los valores observados.
Intervalos N°de
de Clase regiones
(0,2-0,3] 15
(0,3-0,4] 46
(0,4-0,5] 42
(0,5-0,6] 16
(0,6-0,7] 5
(0,7-0,84 2
Tabla 44.- Número de regiones dentro de cada intervalo de clase del coeficiente de variación.
140
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Intervalo (0,2-0,3)
Figura 18.- Representación de coeficiente de variación y asimetría de las muestras generadas (en azul) y
observadas (en rosa) en la región "cortas duraciones" de la estación de Sallent (0111) y en Ponferrada (1549) en "largas
duraciones".
141
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Intervalo (0,3-0,4]
2D3«lm V
4 1
3,5 • *
3 •
2,5
.%•.• . •.
..• f ' \' *
. • i'IJAt^'
^*%*. '
1-
0,5 •
0 •
-0 5 J
0.1 1S *"V* . 03 04 OS Oí
CV
0034cniv
5-,
4 „»___•__
• .^___
^:: ».>*i*
. w ^ - '
0-
) 0.2 M^
0.4
Cv
0.8 0,8 1
Figura 19.- Representación de coeficiente de variación y asimetría de las muestras generadas (en azul) y
observadas (en rosa) en la región "largas duraciones" de las estaciones: Sallent (0111), Punto Centro (1499), en Getafe
(3200), en Soria (2030), y en "cortas duraciones" en Sabadell (0225) y en Valls (0034).
142
ESTACIONES CON PLUVIÓGRAFO. RESXJLTADOS
Intervalo (0,4-0,5]
0201cm 0222lmv
6 -, •
•• 3 / • •
4- É *
O ^ •Ató** •^ 1 < ^
0- ^ll(pr 0 *»iSP8^.
0.8 (1 ññ 1 ifi
-2- ) 0.2 0.4 0.6
Ov Cv
1110c2mv
4 • • •
' *t. *
' .XÍP^*-«i*
^«VY*
022Slmv
4-
« 3- v*!> *
ü 2- ^MflLt*
1- *MBM^
•^•^^^
í 0.2 0,4 0,6 0,3 1
Cv
Figura 20.- Representación de coeficiente de variación y asimetría de las muestras generadas (en azul) y observadas
(en rosa) en la región cortas duraciones de Barcelona (0201), Santander (1110), Figueras (0429), y de largas duraciones
de la estación Caldas de Mombuy (0222), Valls (0034) y Sabadell (0225).
También aquí todas las muestras observadas quedan perfectamente integradas en la nube de
puntos de los valores generados por el método Montecarlo, salvo en Barcelona (0201), que quedan
un poco por debajo.
143
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Intervalo (0,5-0,6]
Figura 21.- Representación de coeficiente de variación y asinietría de las muestras generadas (en azul) y observadas
(en rosa) de la región de cortas duraciones de Guadarranque (6024) y Punto Centro (Vigo) (1499)
intervalo (0,6-0,7]
Figura 22.- Representación de coeficiente de variación y asimetría de las muestras generadas (en azul) y observadas
(en rosa) en la región de "largas duraciones" en Sondica (1082)
144
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Intervalo (0,7-0,8]
6325olm
*
•
U 2
_- *v.¿^ ^
,—
0,5 1.5
Cv
Figura 23.- Representación de coeficiente de variación y asimetría de las muestras generadas {en azul) y observadas
en rosa en la región de 'largas duraciones" en la estación de Almería (63250)
M^33áÍzmLlmjSSMltade§x^6Jpuede^^
=> Los gráficos muestran una buena correspondencia entre ios pares de valores generados y
observados, lo que confirmaría un adecuado comportamiento de la ley SQRT-ET máx para
reproducir las propiedades estadísticas de los datos.
=> En algunas estaciones, al representar los valores del coeficiente de variación y de asimetría de
las muestras generadas y observadas se observa que estas últimas quedan en la zona inferior de
la nube de puntos. Esto induce a pensar que en esas estaciones el modelo estimará por exceso,
situándose la estima, por lo tanto, del lado de la seguridad.
=> En las estaciones que, como se desarrolló en el epígrafe de 5.1.LL2., presentan una serie de
valores muy altos pero que no se deben recha/ar, se ha analizado qué ocurre, por ejemplo, en la
región "largas duraciones" de Sondica (1082). Esta región presenta unos valores observados del
coeficiente de variación y asimetría muy altos. Al representarlos junto a los valores generados,
figura 22, se comprueba que las muestras observadas no se encuentran en la zona media de la
nube de puntos; Por el contrario, los valores observados se sitúan en la parte más alta, que se
correspondería con muestras anómalas - con coeficientes de variación y asimetría altos-. Al
145
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
eliminar íos datos estudiados como extraordinarios, los coeficientes de variación y asimetría
bajan drásticamente, y al representarlos nuevamente junto con los valores generados por el
método de Montecarlo, recogido en la figura 24, quedan plenamente integrados en la nube de
puntos. Esto confirma eí buen comportamiento de la ñmción, pues ciertamente esas muestras
son extraordinarias.
Figura 24.- Representación de valores observados (en rosa), eliminando previamente los años extraordinarios, y
valores generados {en azul) en la región "largas duraciones" en la estación de Sondica (1082).
=> El problema se plantearía si la ley SQRT-ET máx estimara, sistemáticamente, por defecto, en
cuyo caso se estarían utilizando intensidades máximas con períodos de retomo inferiores a los
que se pretende. En esta situación, las muestras observadas se deberían encontrar en la parte alta
de la gráfica, definiendo coeficientes de variación y asimetría altos, y las muestras generadas se
caracterizarían por unos coeficientes menores. De todas las regiones estudiadas esta situación
no se ha dado en ningún caso.
^toossMltadeiJiQs^penniten^^
:::> Cada par observado (en rosa) representa los coeficientes de variación y asimetría de la serie de
intensidades máximas, adimensionalizada, correspondiente a una duración. Como los valores
observados se encuentran dentro de la nube de puntos de los valores correspondientes a las 100
muestras generadas, se justifica que las series adimensionales equivalen a muestras procedentes
de la misma población subyacente, y por lo tanto con propiedades estadísticas similares.
:::í> Este análisís confirma también la hipótesis de homogeneidad regional puesto que ios
parámetros estadísticos generados son similares.
146
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
=> Este análisis permite justificar además el análisis regional de los datos ya que, si las muestras
proceden de la misma población, se podrán tomar todas ellas para el ajuste a una función de
distribución consiguiendo además estimas más robustas debido al aumento del número de
datos.
En la tabla 46, se muestran los cuantiles adimensionales para cada período de retomo, en
cada una de las regiones establecidas y con el método elegido en cada caso en fimción del criterio
reflejado en la tabla 43.
P E R Í O D O D E R E T O R N O (años) P E R I O D O D E R E T O R N O (aflos)
REGIÓN 2 S 10 25 50 100 200 500 REGIÓN 2 5 10 25 50 100 200 500
0034c 0,90 1,34 1,68 2,16 2,53 2,94 3,37 4,00 11101 0,93 1,24 1,47 1,78 2,02 2,29 2,57 2,96
00341 0,91 1,27 1,54 1,92 2,22 2,53 2,88 3,35 1208c 0,94 1,25 1,48 1,79 2,04 2,31 2,59 2,98
0111c 0,94 1,23 1,43 1,71 1,94 2,18 2,41 2,76 1208Í 0,90 1,28 1,57 1,96 2,28 2,61 2,98 3,47
Ollll 0,92 1,25 1,49 1,82 2,08 2,37 2,67 3,10 1212c 0,94 1,25 1,48 1,78 2,02 2,28 2,55 2,94
0201c 0,91 1,25 1,52 1,87 2,16 2,45 2,78 3,23 12121 0,92 1,23 1,45 1,76 2,00 2,28 2,55 2,92
02011 0,88 1,33 1,68 2,18 2,57 3,00 3,45 4,08 1387c 0,92 1,24 1,46 1,77 2,02 2,29 2,57 2,96
0222c 0,88 1,35 1,71 2,22 2,63 3,08 3,54 4,24 13871 0,93 1,23 1,44 1,74 1,98 2,24 2,49 2,86
02221 0,90 1,33 1,67 2,14 2,51 2,92 3,35 3,96 1428c 0,90 1,29 1,58 1,98 2,31 2,67 3,04 3,54
0225c 0,92 1,24 1,47 1,79 2,06 2,31 2,61 3,02 14281 0,93 1,16 1,31 1,53 1,70 1,88 2,08 2,33
02251 0,88 1,34 1,68 2,18 2,57 3,00 3,47 4,08 1495c 0,92 1,30 1,59 1,98 2,31 2,67 3,02 3,53
0370c 0,92 1,25 1,49 1,82 2,08 2,37 2,67 3,10 14951 0,94 1,27 1,53 1,88 2,16 2,45 2,76 3,21
03701 0,90 1,28 1,58 1,98 2,29 2,65 3,00 3,51 1496c 0,93 1,25 1,51 1,85 2,12 2,41 2,71 3,13
0429c 0,90 1,28 1,58 1,98 2,29 2,65 3,02 3,53 14961 0,94 1,22 1,42 1,70 1,93 2,16 2,41 2,74
04291 0,83 1,31 1,69 2,22 2,67 3,13 3,62 4,36 1499c 0,88 1,35 1,70 2,22 2,63 3,08 3,54 4,20
1024c 0,92 1,24 1,47 1,79 2,04 2,31 2,61 3,00 14991 0,93 1,20 1,38 1,65 1,85 2,06 2,29 2,61
10241 0,93 1,24 1,46 1,77 2,02 2,28 2,55 2,92 1549c 0,89 1,32 1,65 2,10 2,47 2,88 3,29 3,90
1082c 0,90 1,30 1,62 2,04 2,39 2,78 3,17 3,74 15491 0,94 1,22 1,42 1,69 1,92 2,14 2,39 2,72
10821 0,86 1,23 1,50 1,87 2,18 2,51 2,84 3,33 2030c 0,90 1,28 1,58 1,98 2,29 2,65 3,02 3,53
1110c 0,90 1,28 1,58 1,98 2,31 2,65 3,02 3,54 20301 0,92 1,25 1,50 1,83 2,10 2,39 2,69 3,12
147
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
2139c 0,87 1,35 1,72 2,24 2,67 3,12 3,60 4,28 4245c 0,95 1,26 1,49 1,79 2,04 2.29 2,57 2,96
21391 0,91 1,24 1,48 1,81 2,08 2,35 2,65 3,08 42451 0,96 1,25 1,47 1,76 1,98 2,24 2,49 2,84
2243c 0,91 1,31 1,62 2,04 2,37 2,74 3,12 3,66 4452c 0,91 1,27 1,55 1,92 2,24 2,55 2,88 3,37
22431 0,94 1,20 1,38 1,64 1,84 2,04 2,28 2,57 44521 0,87 1,36 1,73 2,28 2,71 3,17 3,66 4,39
2331c 0,92 1,24 1,47 1,78 2,04 2,29 2,59 2,98 4478c 0,93 1,23 1,43 1,72 1,96 2,20 2,47 2,82
23311 0,93 1,27 1,53 1,88 2,16 2,45 2,76 3,21 44781 0,92 1,24 1,48 1,80 2,06 2.35 2,63 3.04
2363c 0,90 1,31 1,63 2,06 2,41 2,78 3,17 3,72 4605c 0,92 1,26 1,52 1,87 2,16 2,45 2,78 3,21
23631 0,94 1,17 1,34 1,57 1,74 1,93 2,12 2,39 46051 0,90 1,26 1,55 1,93 2,24 2,57 2,92 3,41
2422c 0,91 1,26 1,53 1,90 2,20 2,51 2,84 3,31 5530c 0,90 1,31 1,64 2,08 2,43 2,82 3,23 3,80
24221 0,93 1,27 1,54 1,90 2,20 2,49 2,82 3,27 55301 0,90 1,30 1,62 2,04 2,39 2,76 3,17 3,72
2444c 0,85 1,31 1,67 2,16 2,57 3,00 3,47 4,12 5911c 0,94 1,21 1,39 1,66 1,86 2,08 2,29 2,63
24441 0,87 1,25 1,54 1,95 2,28 2,63 3,00 3,51 59111 0,93 1,22 1,42 1,70 1,93 2,16 2,41 2,74
2462c 0,92 1,25 1,51 1,86 2,14 2,43 2,74 3,17 6006c 0,91 1,25 1,49 1,82 2,10 2,37 2,69 3,10
24621 0,93 1,32 1,61 2,02 2,33 2,69 3,06 3,56 60061 0,95 1,18 1,33 1,55 1,71 1,89 2,08 2,33
2614c 0,89 1,33 1,67 2,14 2,53 2,94 3,37 4,00 6024c 0,89 1,31 1,64 2,08 2,45 2,84 3,25 3,84
26141 0,93 1,23 1,45 1,75 1,98 2,24 2,51 2,88 60241 0,90 1,31 1,63 2,08 2,43 2,80 3,21 3,78
2633c 0,90 1,29 1,60 2,00 2,35 2,71 3,08 3,62 6120c 0,83 1,36 1,78 2,37 2,84 3,37 3,93 4,71
26331 0,95 1,24 1,45 1,73 1,96 2,20 2,45 2,80 61201 0,82 1,39 1,84 2,47 3,00 3,58 4,20 5,06
2661c 0,89 1,33 1,67 2,16 2,53 2,96 3,39 4,00 6172c 0,84 1,37 1,78 2,37 2,84 3,37 3,93 4,71
26611 0,88 1,19 1,41 1,71 1,96 2,22 2,49 2,88 61721 0,93 1,32 1,63 2,04 2,35 2,71 3,08 3,60
2867c 0,89 1,32 1,66 2,12 2,49 2,88 3,31 3,93 7031c 0,89 1,32 1,66 2,12 2,49 2,90 3,33 3,93
28671 0,91 1,20 1,40 1,68 1,91 2,16 2,39 2,74 70311 0,83 1,33 1,72 2,28 2,72 3,21 3,74 4,47
3013c 0,92 1,29 1,57 1,96 2,28 2,59 2,94 3,43 7228c 0,88 1,36 1,72 2,24 2,65 3,10 3,58 4,28
30131 0,93 1,25 1,48 1,81 2,06 2,33 2,63 3,02 72281 0,89 1,31 1,63 2,08 2.43 2,80 3,21 3,80
3195c 0,87 1,31 1,65 2,12 2,51 2,92 3,35 3,96 8025c 0,89 1,36 1,73 2,24 2,67 3,12 3,60 4,28
31951 0,93 1,23 1,45 1,75 2,00 2,26 2,51 2,88 80251 0,84 1,38 1,81 2,41 2,92 3,45 4,00 4,82
3196c 0,91 1,25 1,51 1,87 2,16 2,45 2,76 3,21 8175c 0,89 1,32 1,66 2,12 2,51 2,90 3,33 3,96
31961 0,91 1,25 1,49 1,83 2,10 2,39 2,69 3,12 81751 0,90 1,28 1,58 1,98 2,29 2,65 3,02 3,53
3200c 0,91 1,26 1,53 1,90 2,20 2,51 2,84 3,29 8416c 0,91 1,31 1,62 2,02 2,37 2,72 3,12 3,64
32001 0,92 1,26 1,52 1,87 2,16 2,45 2,76 3,19 84161 0,89 1,31 1,64 2,08 2,45 2,84 3,25 3,82
3259c 0,91 1,27 1,55 1,93 2,24 2,57 2,90 3,39 8500ac 0,87 1,32 1,67 2,14 2,55 2,96 3,41 4,04
32591 0,93 1,28 1,55 1,91 2,20 2,51 2,84 3,31 8500al 0,89 1,31 1,65 2,10 2,47 2,86 3,27 3,88
3469c 0,91 1,26 1,53 1,90 2,20 2,51 2,84 3,31 9121c 0 8 8 M 6 V73" 3,64 4^32'
34691 0,91 1,25 1,51 1,85 2,14 2,43 2,74 3,19 91211 090 Ü3 h66 ijo l 4 7 2Í6 ^ 2 9 3 ^
4121c 0,84 1,37 1,77 2,35 2,82 3,33 3,88 4,67 9148c 165 2^10 2^ 3 ^ 3 ^
41211 0,94 1,24 1,45 1,74 1,98 2,22 2,49 2,84 91481 094 l46 Tjf l02 2 ^ 2 ^ X92
148
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
9171c 0,91 1,30 1,61 2,02 2,35 2,71 3,10 3,62 9898c 0,89 1,43 1,85 2,45 2,94 3,47 4,00 4,82
91711 0,93 1,24 1,46 1,77 2,02 2,28 2,55 2,94 98981 0,91 1,25 1,51 1,87 2,16 2,45 2,76 3,21
9434c 0,88 1,33 1,67 2,16 2,55 2,96 3,41 4,04 9980ac 0,93 1,31 1,60 2,00 2,31 2,67 3,02 3,53
94341 0,90 1,33 1,66 2,12 2,49 2,88 3,31 3,93 9980al 0,91 1,26 1,52 1,88 2,18 2,47 2,80 3,25
9443c 0,92 1,32 1,64 2,06 2,41 2,78 3,19 3,74 9981c 0,91 1,29 1.58 1,98 2,29 2,65 3,00 3,53
94431 0,94 1,32 1,62 2,00 2,33 2,67 3,02 3,53 99811 0,89 1,32 1,65 2,10 2,49 2,88 3,31 3,90
9771c 0,90 1,37 1,73 2,26 2,67 3,12 3,58 4,28 63250C 0,85 1,37 1,78 2,35 2,82 3,33 3,88 4,63
97711 0,93 1,25 1,49 1,82 2,08 2,35 2,65 3,06 6325ol 0,82 1,39 1,84 2,49 3,02 3,60 4,20 5,10
Tabla 46,- Cuantiles adimensionales adoptados en cada una de las regiones,- cortas y largas duraciones -, dentro de
cada estación.
•'•24
Siendo:
"K" y "a", dos parámetros,
"d" (horas), la duración considerada.
g(l)=i
•'•24
En el Apéndice II se puede consultar el análisis que ha llevado a concluir que este modelo
ofrecerá mejores ajustes y en el Apéndice III, el análisis de sensibilidad del modelo elegido.
Se ha manejado el programa Spss (versión 10.0) para Windows para la obtención de los
parámetros del modelo elegido, y se presentan como resultados los valores de "K" y "a" de las
149
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
estaciones que disponen de pluviógrafo, tabla 47, obteniéndose coeficientes de correlación por
encima de 0,98 en todos los casos.
Tabla 47.- Parámetros "K " y " a" de la expresión I-D seleccionada en cada una de las estaciones con pluviógrafo.
150
ESTACIONES CON PLUVIÓGRAFO. RESULTADOS
Siendo:
Ii, la Intensidad máxima anual en una hora.
Iz4, la Intensidad máxima anual en 24 horas.
De la tabla de resultados se deduce que el parámetro "K" toma unos valores que se
encuentran comprendidos entre 4 en Grazalema (5911) y 13,8 en Almería (63250).
151
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
5.3.-DISCUSION.
5.3.1.-INTRODÜCCION
Como primera idea cabe decir que ambas vías de investigación se han
desarrollado simultáneamente en el tiempo, y confirman el interés que ha suscitado la
función SQRT-ET máx en el ajuste de la variable aleatoria intensidad máxima anual.
152
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Procedimiento
a Se tomaron los datos utilizados en esta Tesis de las estaciones de Valls (0034),
Figueras (0429) y Badajoz (4452).
• Se estimaron los parámetros de la función SQRT-ET máx en cada estación y para
cada duración, utilizando el método empleado por el INM (método de máxima
verosimilitud).
a En cada estación se calcularon las intensidades máximas para cada duración y
período de retomo.
Q Estos resultados se compararon con los recogidos en el CD del INM, constatando
que eran exactamente iguales.
Siendo los datos de partida iguales, las diferencias entre las estimas obtenidas según
la metodología aplicada- INM y la presente Tesis- son achacables a la propia
metodología y en modo alguno a la base de datos empleada, puesto que se ha
comprobado es la misma,
Para realizar esta comparación se ha elegido una serie de estaciones atendiendo a los
siguientes criterios:
• Que estén repartidas por todo el territorio, de manera que engloben la
variabilidad climática de la España Peninsular.
• Que el método de estimación de los parámetros sea el de máxima verosimilitud,
análogo por tanto al utilizado por el INM. Debe recordarse que en la presente
Tesis en cada estación, en cada región- cortas y largas duraciones- no se utiliza
153
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Estaciones Estaciones
Madrid(319S) Santander(1110)
Soria(2030) Salamanca(2867)
Murcia(7228) Algeciras(6006)
Vigo(1495) León(2661)
Molma(3013) Castellon(8550A)
Huelva(4605) Lérida(9771)
Caldas(0222)
Tabla 48.- Estaciones utilizadas en la comparación de las estimas obtenidas por el INM y en la presente
Tesis.
De esta manera, además de haber utilizado los mismo datos de partida que el
INM las diferencias obtenidas en ambas metodologías no serán achacables tampoco al
método de estimación de parámetros.
Donde:
- T, es la Intensidad máxima deducida en la presente Tesis para cada duración y
período de retomo en cada estación
- INM, es la Intensidad máxima deducida por el INM para cada duración y
período de retomo en cada estación.
S(%) = 0....T = EVM
En este análisis se podrían plantear tres situaciones:
S(%) > 0....T > INM
S(%) <0..,.T < I N M
que darían lugar a estimas:
S(%) = ©....IGUALES
S(%)>O....T MÁS CONSERVADOR QUE INM
S(%) < 0....T MENOS CONSERVADOR QUE INM
154
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
10.0
• 5.0-10.0
• 0.0-5.0
•o S-5.0-0.0
(O
tu •-10.0-5.0
D-15.0-10.0
D-20.0-15.0
•-25.0-20.0
e-30.0-25,0
Figura 25.- Representación gráfica de la variación de los residuos "S(%)" con el periodo de retorno y la
duración en la estación de Molina (3013)
155
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Tabla 49.- Valores medios de los residuos "S(%)" para las duraciones más usuales, 30<d (minutos)<720,
en cada estación.
156
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Tabla 50.- Valores de S(%) medios en términos absolutos para las estaciones analizadas
-•—Madrictí3195}
12.000 •*~Sorra(2030)
Murcia(7228)
-^<~Vigo(1495)
-JK—Mol¡na(3013)
-•—Hueiva(4605)
-f—Caldas(0222)
•—Santander(1110)
Salamanca(2867)
«- Algeciras(6006)
León(2661)
^' Castellon(8550A)
4.0
Lérida{9771)
Ln(T) (años)
Figura 26.- Representación gráfica de S{%) medio en términos absolutos frente al LN(T) en
cada una de las estaciones analizadas.
157
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
El método aplicado por el ENM, estima una función de distribución para cada
serie (correspondiente a cada duración) independientemente. Al ser el número de
registros limitado, la probabilidad de que no se incluya xm valor excepcional alto es
notable, y el hecho de que tal valor aparezca o no en la serie influye sensiblemente en la
estima de los cuantiles adimensionales, especialmente en los correspondientes a
períodos de retomo altos.
Para este análisis se han considerado dos regiones: una en Valls (0034), la región
de largas duraciones, con un coeficiente de variación de 0,44, que presenta un
comportamiento similar a la mayor parte de las regiones consideradas (con valores de
coeficiente de variación entre 0,3 y 0,5) , que no presentan valores extremos anómalos
atendiendo al criterio de Water Resources Council, y que además ha venido
acompañando a lo largo de toda la Tesis en el análisis de resultados.
158
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Por lo tanto, para establecer la comparación entre los dos métodos se planteó el
sigtuénte proceda :
159
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Tabla 51.- Cuantiles adimensionales deducidos con todos los datos y al eliminar el mismo dato por
ambas metodologías en la estación de Valls (0034), en la región "largas duraciones".
Donde,
CAT- TODOS , es el Cuantil adimensional deducido en la presente Tesis en la estación de
Valls (0034) en la región de "largas duraciones".
CAT- SIN , es el Cuantil adimensional deducido en la presente Tesis en la estación de
Valls (0034) en la región de "largas duraciones" al eliminar el máximo valor de la serie.
CAiNM- TODOS, es el Cuantil adimensional deducido por el ESiM en la estación de Valls
(0034) en la serie de 720 minutos.
CAiNM- SIN , es el Cuantil adimensional deducido por el INM en la estación de VaUs
(0034) en la serie de 720 minutos al eliminar el máximo valor.
160
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Tabla 52.- Diferencias relativas (%) en arabas metodologías, al eliminar un dato en la estación de Valls
(0034), en la región "largas duraciones".
Donde:
(^yl —CA
Diferencias relativas(%) Tesis responde a la expresión, —^^^^^^^ ^~^^^ * 100
CA -CA
Diferencias relativas(%) INM responde a la expresión, —^^'-^ODOS _ ^ INM-SIN^ * JQQ
^•^INM-TODOS
-•—CAT-todos
-•—CAT-sin
CA INM- todos
-^e-CAMVKsin
Figura 27.- Representación de los cuantiles adimensionales deducidos por en la presente Tesis y por el
INM en la estación de Valls(0034), para la región "largas duraciones".
161
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Donde,
CAx- TODOS, es el Cuantil adimensional obtenido en el proceso de regionalización de largas
duraciones con todos los datos,
CAT- SIN ,es el Cuantil adimensional obtenido en el proceso de regionalización de largas
duraciones eliminando el máximo de la serie.
CAiNM- TODOS , es el Cuantil adimensional que resulta de ajustar la serie de 720 minutos
dividida por su media a una función SQRT-ET máx.
CAiNM- SIN , es el Cuantil adimensional que resulta de ajustar la serie de 720 minutos
dividida por su media, eliminando el mismo dato que en el proceso de regionalización, a
una función SQRT-ET máx.
162
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
Tabla 53,- Cuantiles adimensionales deducidos con todos los datos y ai eliminar el mismo dato por
ambas metodologías en la estación de Figueras (0429).
Tabla S4.-Diferencias relativas {%) obtenidas por ambas metodologías en la estación de Figueras (0429)
para la región "largas duraciones".
•CA-T todos
-CA-Tsin
CA-INM todos
-CA-INM sin
Figura 28.- Representación de los cuantiles adimensionales deducidos por en la presente Tesis y por el
INM en la estación de Figueras(00429), para la región "largas duraciones".
163
ESTACIONES CON PLUVIÓGRAFO. DISCUSIÓN
5.3.4.-CONCLUSIÓN.
164
ESTACIONES CON PLUVIÓGRAFO. CONCLUSIONES
5.4.-CONCLÜSIONES.
165
6.-ESTACIONES SIN PLUVIÓGRAFO
ESTACIONES SIN PLUVIÓGRAFO. MATERIAL Y MÉTODOS
6.1.-MATERIAL Y MÉTODOS.
6.1.1,-DATOS DISPONIBLES.
En una estación que sólo cuenta con pluviómetro, los datos disponibles son las
seríes de precipitaciones máximas diarias anuales. Además, a partir del trabajo
publicado por el Ministerio de Fomento y Dirección General de Carreteras (1999),
"Máximas lluvias diarias en la España Peninsular", se puede deducir la precipitación
máxima diaria anual para cualquier período de retomo, PMDA(T), en cualquier punto
de la España Peninsular, mediante la expresión:
PMBA (T) = CA(T)p * PMDA
Donde:
CA(T) ' ^^ ^^ cuantil adimensional para un período de retomo T
siguiendo los resultados de Ferrer para la localización
considerada, publicados en "Máximas lluvias diarias en la España
Peninsular"(1999).
Por otra parte, el dato de precipitación máxima diaria anual para cualquier
período de retomo se puede traducir en intensidad máxima en 24 horas para cualquier
período de retomo, simplemente multiplicando PMDA(T) por el factor 1,13 y
dividiéndolo entre la duración, 24 horas.
^,-. „ _ PMDAjT)* 1,13
/(24,/)
Donde,
1,13 , es un factor de mayoración aceptado, que permite calcular la precipitación
máxima en 24 horas a partir de datos diarios.
166
ESTACIONES SIN PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Por lo tanto:
6.1.2.-HIPOTESIS DE PARXroA.
Por otra parte, es importante insistir que las estaciones con pluviógrafo
disponibles en España son escasas, y además, es un problema que no se puede
solucionar a corto plazo, ya que, independientemente del coste de su instalación y
mantenimiento, digitalización de las bandas..., se requiere que transcurra un número
suficiente de años como para que los datos máximos anuales recogidos sean
representativos. Como no es posible, por lo menos a corto plazo, resolver este problema,
cualquier intento de extrapolar los resultados obtenidos en estaciones con pluviógrafo a
estaciones que carecen de él queda justificado completamente desde el momento en que
se necesite estimar el valor de la intensidad máxima, correspondiente a una duración, y
para distintos períodos de retomo.
167
ESTACIONES SIN PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Hipótesis de partida:
La relación lidj) deducida en estaciones con pluviógrafo es válida en todo
I(24,T}
ei territorio peninsular.
I(24;T)
Obtención de I(d,T)
en cualquier punto de la España Peninsular
168
ESTACIONES SIN PLUVIÓGRAFO. MATERIAL Y MÉTODOS
169
ESTACIONES SIN PLUVIÓGRAFO. MATERIAL Y MÉTODOS
> CA^(d,T) cuantil que no se puede conocer puesto que no hay datos de intensidad
máxima para distintas duraciones en estaciones que no disponen de pluviógrafo.
Parece por lo tanto adecuado establecer unos criterios para tratar de extender los
resultados obtenidos en las estaciones con pluviógrafo a todos los puntos de la España
Peninsular.
Para extender la relación I-D deducida en las estaciones con pluviógrafo al resto
de las estaciones, se plantean tres soluciones que el usuario deberá adoptar en función
de las características de la zona en estudio:
Donde:
K, es el parámetro K deducido en la estación con pluviógrafo próxima,
a, es el parámetro "a" deducido en la estación con pluviógrafo próxima,
"d" la duración (horas) considerada.
170
ESTACIONES SIN PLUVIÓGRAFO. MATERIAL Y MÉTODOS
Q La tercera opción consistirá en trazar unos mapas de isolíneas de los parámetros que
se requieren para determinar I-D, a partir de los datos de las estaciones con
pluviógrafo.
lidj) = lí*CA^(d,T)'^g^(d)
Donde:
J^^, es la Intensidad máxima anual media en 24 horas...CONOCIDO.
171
ESTACIONES SIN PLUVIÓGRAFO. MATERIAL Y MÉTODOS
CA^ (d, T), es el cuantil adimensional para una duración y período de retomo en
el punto "P" considerado, y que atendiendo a la expresión deducida en
estaciones con pluviógrafo se corresponde con:
CAL(T) si d>lhora
CAc(T) si d ^ 1 hora \• ®" ^' P""*° considerado DESCONOCIDO
Para resolver este problema, se baraja como solución buscar una función, "h"
que relacione los cuantiles adimensionales que no se conocen - C4f (7')y CA^iT)- con
algún cuantil conocido.
CAiT),
en donde se ha definido con el subíndice F, el cuantil adimensional para un
período de retorno T (años) requerido para la estimación de máximas lluvias
diarias.
CA(T) CA(T)
Q Aceptando que esas funciones reproducen la relación ^ , ^^ , y —^^-^
CJ(Th CATh
de toda la España Peninsular, ya que los datos de las estaciones con
pluviógrafo cubren razonablemente la variabilidad climática en ese ámbito
territorial, se puede obtener CA(T)L y CA(T)c para cualquier punto "P"
simplemente despejando de la relación:
CA{T)l=h,iTrCA{T);
CA{T)l=h^{TYCA{TY,
172
ESTACIONES SIN PLUVIÓGRAFO. MATERIAL Y MÉTODOS
24 ^' k(f)*ci(r)?
173
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
6.2.-RESÜLTADOS.
Los parámetros "K" y "a" de la función I-D en las estaciones que disponen de
pluviógrafo toman valores entre 4 y 13,8, y para analizar cuales son los valores más
frecuentes se han establecido unos intervalos y se ha comprobado el número de
estaciones dentro de cada uno de ellos, figura 29. Se observa que los valores más
frecuentes se encuentran en el intervalo (8-10) en diecinueve estaciones.
Intervalos n'^de 00 -
estaciones
(4-6) 7 i 15J
o
(6-8) 10 "3 y-
S 10- '
(8-10) 19 6)
0)
(10-12) 18 '-••
•O 5 • - -
n2-i4) 8 O
C
valor de "k"
174
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
Estación Nombre K
5911 Grazalema 4,0
2462 Navacerrada 4,7
4245 Guadalupe 4,8
1428 Santiago 5,0
2633 P,Ponim 5,5
1212 Amao 5,6
6024 Guadarranque 5,7
Tabla 55.-Estaciones con menor valor de "K" de todas las estaciones disponibles.
Estación Nombre a
4245 Guadalupe -0,1250
1212 Arnao -0,0489
2462 Navacerrada -0,0418
5911 Grazalema -0.0405
1428 Santiago 0,0089
2633 P, Forma 0,0128
6024 Guadarranque 0,1057
Tabla 56.-Estadones con menor valor de "a" de todas las estaciones disponibles.
Si se analiza también los valores más frecuentes de "a", y para ello se establecen
unos intervalos, figura 30, el valor más frecuente se encuentra en el intervalo [0,1-
0,125] en 15 estaciones.
Intervalos de n°de
"a" estaciones Ifi -,
<0 4
0-0.025 3 i 12.
1 10-
0.025-0.05 2 1 8-
0.05-0.075 7
? 4- '
0.075-0.1 10
0.1-0.125 15 = 2-
0.125-0.15 10
1 1
0.15-0.175 4 ^0 0.0^5,0,0, '-"'Hr ''''H,s '-''^.2
0.175-0.2 4 intervalo de valores de "a"
>0.2 4
175
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
Conviene destacar que las estaciones con valores bajos de "K" y "a" no guardan
proximidad geográfica, presentando por el contrario cambios significativos respecto a
ias estaciones de su entorno. Esto tiene importantes consecuencias a la hora de intentar
generar isolíneas de estos parámetros, ya que estas siete estaciones producirán
gradientes muy marcados. A modo de ejemplo se puede observar el mapa 4 en el que se
han trazado isolíneas del valor de "K" a partir de los datos de la estación de Madrid y
estaciones próximas.
TT?
Mapa 4.-Gradientes originados en las proximidades de Madrid como consecuencia de las variaciones del
parámetro "K" en las estaciones próximas.
176
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
Mapa 5 - Mapa de relieve junto con las estaciones disponibles en la España Peninsular. En rojo las
estaciones con un valor de "K" más bajo,
177
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
Tabla 57.- Cota de situación de las estaciones con los parámetros "K" y "a" más bajos.
' "Agresividad de la lluvia en España. Valores del factor R en la ecuación universal de pérdidas de suelo",
ICONA(1988)
178
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
Tabla 58.- Factores F y R en las estaciones estudiadas y con las que se quiere comparar por su
proximidad.
'J' Guadarranque
Algeciras
A t ^:^
Mapa 6.-Estaciones analizadas, junto con las estaciones con las que se compara.
179
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
Todo ello induce a pensar que estas estaciones, y como combinación de una
serie de factores orográfícos y/o climáticos presentan un comportamiento diferente
respecto de las estaciones próximas. Por ello, a la hora de trazar un mapa de isolíneas se
decide eliminar esas estaciones- Guadalupe (4245), Navacerrada (2462),
Grazalema(5911), P.Porma (2633) y Guadarranque (6024) Santiago (1428) y Amao
(1212)- del proceso general del trazado de isolíneas. En el mapa aparecerán unas áreas
sombreadas, correspondientes a esas zonas de incertidumbre: Santiago (1428), Amao
(1212) y las cadenas montañosas correspondientes en los otros casos.
Conclusiones:
180
ttiT'»»
MAPA DE ISOLINEAS "K
M 00,000 100,000 200,000 300.000 400,000 500,000 600.000 700,000 800.000 900,000 1,000,000 1,1X,000
—I—
/\y\so\\nea K
+ • Estación pluviográfica
Área de incertidumbre {*)
tíi
-*(•**'''
/ \ / Isolínea a
• Estación pluviográfica
Área de incertidumbre (*)
c:j
..^^f
Mapa 8.- Mapa de Isolíneas "a"
+ Escala 1:4.500.000
50000 O 50000 100000 Metros
•100,000 100,000 200,000 300,000 400,000 500,000 600.000 700,000 800,000 900,000 1,000,000 1,100,000
Para poder obtener una función adecuada, "h(T)", función del período de
retomo, y que en la presente Tesis coincide con el cociente de cuantiles adimensionales,
se calculó en cada estación con pluviógrafo el cociente CAC(T)/CAF(T) y
CAL(T)/CAF(T), que se recogen en las tablas 59 y 60.
Donde,
CAc(T), es el cuantil adimensional para la estimación de intensidades máximas
correspondientes a cortas duraciones y al período de retomo de T años en la
estación con pluviógrafo considerada.
CAL(T) , es el cuantil adimensional para la estimación de intensidades máximas
correspondientes a largas duraciones y al período de retomo de T años en la
estación con pluviógrafo considerada
CAF(T) , es el cuantil adimensional para la estimación de precipitaciones máximas
anuales correspondientes al período de retomo de T años en esa misma estación
obtenido en "Máximas lluvias diarias en la España Peninsular" (1999).
183
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
184
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
185
ESTACIONES SIN PLUVIÓGRAFO. RESULTADOS
Se ajustó una ley para coitas duraciones, hc(T), y otra para largas duraciones, hiST),
considerando el valor medio de los cocientes de los cuantiles adimensionales. En las
figuras 31 y 32 se han representado los valores medios, para cada período de retomo, de
los cocientes de los cuantiles adimensionales, y el logaritmo neperiano de los períodos
de retomo correspondientes. Se obtuvieron coeficientes de correlación muy altos.
Para largas duraciones lafioncióntiene la siguiente expresión:
Donde:
Ln (T), es el logaritmo neperiano del período de retomo, T(años).
hL(T), es el valor medio del cociente CAL/CAF de cada período de retomo.
hl(Li^T))niedhiS
•""••Polneníca (múae}
Figura 31,- Cociente de cuantiles CAL/CAF para largas duraciones frente a Ln(T).
186
ESTACIONES SIN PLUVIÓGRAFO, RESULTADOS
Donde:
Ln (T), es el logaritmo neperiano del período de retomo, T(afios).
hc(T), es el valor medio del cociente de CAc/CAp de cada período de retomo.
T, es el período de retomo en años.
hc(Ln|T))nisd)ae
Figura 32.- Cociente de cuantiles CAc /CAFERRER para cortas duraciones frente a Ln{T).
187
ESTACIONES SIN PLUVIÓGRAFO. DISCUSIÓN
6.3.-DISCUSION.
o Con la incorporación de las funciones ÍIL (T) y hc(T), aprovecha los beneficios del
proceso de regionalización- robustez y carácter conservador de las estimas- en la
estimación de cuantiles adimensionales para cortas duraciones (d<l hora) y largas
duraciones(d>l hora).
188
7.-CONCLUSIONES FINALES
CONCLUSIONES FINALES
189
CONCLUSIONES FINALES
5.-La ventaja que se ofrece en el ptmto anterior se toma en otra ventaja añadida
si se tiene en cuenta que, en general, los períodos de retomo que se manejan son
altos, y es por tanto en esa parte de la curva donde reside el interés de la estima,
justamente donde los datos escasean. Teniendo la seguridad de que la región es
homogénea, las estimas se podrán realizar con menos incertidumbre.
En la tercera parte del trabajo, que analiza y plantea vías alternativas para
extender los resultados obtenidos en estaciones con pluviógrafo a estaciones que
carezcan de él se puede concluir:
7.- Que la metodología propuesta en la presente Tesis ofrece xma mejora en las
estimas frente a la metodología actualmente utilizada por varios motivos:
190
CONCLUSIONES FINALES
8.- Además, al suministrar en los mapas de iso-K e iso-a los valores puntuales
correspondientes a las estaciones con pluviógrafo, permite que el usuario, según el
conocimiento que disponga de las características pluviométricas, físiográfícas, y de
localización del punto donde se quiera realizar la estima de I(d,T), pueda decantarse
por:
- El uso de los mapas.
- La asignación de los valores de "K" y "a" a partir de la/las estaciones con
pluviógrafo próximas, ponderándolos con el procedimiento que estime más
oportuno (por ejemplo, el inverso del cuadrado de la distancia).
9.-Se podrá calcular la intensidad máxima para cualquier duración y período de retomo
en cualquier punto de la España Peninsular a partir de la lectura, en el mapa interactivo
que se presenta. Al marcar en el mapa el punto considerado, éste proporciona los
parámetros requeridos y calcula automáticamente la intensidad máxima- para cada
duración y período de retomo - con las ventajas que esto supone para el usuario.
191
8.-BIBLIOGRAFÍA
BffiLIOGRAFIA
192
BIBLIOGRAFÍA
193
BIBLIOGRAFÍA
194
BIBLIOGRAFÍA
HOSKING, J.R.M., 1986. The theory of probability weighted moments, Research Rep.
RC12210, IBM Research División, Yorktown Heights, NY, 160 pp.
HOSKING, J. R.M y WALLIS, J.R., 1986. The valué of historicalk data in flood
frequency analysis. Water Ressources Research, 24. pp 588-600.
HOSKING, J. R.M. y WALLIS, J.R., 1987. Parameter and quantile estimation for the
generalized Pareto distribution. Technometrics, 29(3), pp 339-349.
HOSKING, J. R.M y WALLIS, J.R., 1993. Some statistics useful in regional frequency
analysis. Water Resour. Res., 29(2), pp 271-281.
HOSKING, J. R.M. y WALLIS, J.R., 1997. Regional Frequency Analysis. Cambridge
University Press. 224 pp.
HOSKING, J.R., WALLIS, J.R. y WOOD, E. F., 1985. Estimation of the generalized
extreme valué distribution by the method of probability weighted moments.
Technometrics, 27 (3) pp 251
JAKOB, D., REED, D.W. y ROBSON,A. J., 1999. Choosing a pooling group, chapter
C6 in Flood Estimating Handbook, vol 3, Statistical Procedures for Flood Frequency
Estimation. Institute of Hydrology, Wallingford, U.K.
JIN, M. y STEDINGER, J. R., 1989. Flood frequency analysis with regional and
historical information. Water Resources Resources. 25 (5), 925-939.
KACHROO, R.K., MKHANDI, S. H. y PARIDA, B. P., 2000. Flood frequency
analysis of southem África: I Delineation of homogeneous regions. Hydrological
Sciences- Journal-des- Sciences Hydrologiques 45 (3), pp 437-447.
KOTHYARY, U. C. AND GARDE, R.J., 1992. Rainfall intensity-duration-frequency
formula for India. Journal ofHydraulic Engineering. Vol 118,(2), pp 323-335.
KOUTSOYIANNIS, D., 1994. A sthocastic disaggregation method for design storm
aand flood synthesis. Journal of Hydrology, 156. pp 193-225.
195
BBLIOGRAFIA
196
BIBLIOGRAFÍA
PEARSON, C. P., 1993. Application L-moment to máximum river flows. The New
Zeland stadistician 28(1), pp 2-10.
PILÓN, P.J. y ADAMOWSKI, K., 1992. The valué of regional information to flood
frequency analysis using the method of L-moments. Can. J. Civ. Eng., 19, pp 137-147.
197
BIBLIOGRAFÍA
198
BIBLIOGRAFÍA
199
BIBLIOGRAFÍA
8.1.-REFERENCIAS INTERNET.
[Wl] http://www.agu.Org/jouraals/rg/rg9504S/contents.html#hydroIogy
Hidrología
fW21 http://www.bwk.kuleuven.ac.be/hydr/temprain.htm
Variabilidad temporal de la lluvia
|W3] http://www.kuleuven.ac.be/hydr/willems.htm
Patrick Willems
fW4] http://www.kuleuven.ac.be/hvdr/idf.htm
IDF relationships
fW5] http://www.nws.noaa.gov/oh/index.html
Office of Hydrologic Developement
[W6] http://www.bom.gov.au/hydro/wr/
Hydrological Service program
fW?] http://www.spc.noaa.gov
Búsqueda idf curves
\\N9] http://betafm.ceríde.gov.ar/
Catálogo interactivo. Universidad Nacional del Litoral
[W10] fattp://www.unesco.org.uy/documentos.shtml
Documentación regionalización de precipitaciones
[W11] http://www.corebe.org.ar/
Portal del agua. Comisión Regional del Rio Bermejo. Acceso a biblioteca.
{W12] http://random.mat.sbg.ac.at/linksAmdex.html
Página web de la WWW Virtual Library dedicada a números aleatorios y simulación MC
[W13] http://biblioteca2.uclm.es/biblioteca/sumarios/pi.pdf
Biblioteca de la Universidad de Castilla-la Mancha
[W14] http://viww.mcu.es/REBECA/que.html
Registros Bibliográficos para Bibliotecas Públicas Españolas (Rebeca)
[W15] http://www.csa.com/csa/factsheets
Library and Information Science Abstracts (Lisa)
[W17] http://www.ntis.gov/fcpc/cpn5283.htm
Programas de análisis de datos de lluvias.
[W18] http://msstate.edu/org/MAS/octjoumal/rain.htm
Artículo sobre valores extremos de la lluvia en Mississippi.
[W19] http://www.bom.au/hydro/has/idf.shtml
Diseño de curvas IDF.
200
APÉNDICES
APÉNDICE I.PRUEBA DE DATOS DUDOSOS
En estas estaciones se aplicó el método del Water Resources Council para datos
dudosos, y además de comprobar si superaban o no el umbral a partir del cual puede
considerarse un dato como dudoso se intentó contrastar estos valores con otras fuentes
de información. Si el valor extraordinario procede de la serie de intensidades máximas
en 24 horas se puede comparar con la precipitación máxima diaria procedente de un
pluviómetro situado en la misma estación. Si el valor extraordinario proviene de una
serie con una duración distinta a 24 horas no es posible comprobar si se debe a un error
o si realmente se ha producido. Ante la duda se prefiere mantener dicho dato.
Sondica (1082).
AI-I
APÉNDICE I.PRUEBA DE DATOS DUDOSOS
Duración (minutos)
Año 5 10 15 20 30 60 120 180 360 720 1440
1947 48 48 33,6 26,4 19,2 17,5 10,4 7,5 5 3,1 2,2
1948 56,4 50,4 37,6 31,2 22,8 13,3 7,4 5,3 4 2,9 2,5
1949 79,2 50,4 37,6 29,4 21,6 13,5 11,1 9,2 6,2 4,3 3,2
1950 91,2 48 33,6 26,7 19 10,4 8 6,5 3,6 2 1,3
1951 87,6 81 72,4 61,8 54,2 41,9 32,3 25,1 13,6 6,9 3,4
1952 60 48,6 35,6 28,5 21,6 19,3 10,2 7,8 5,2 2,8 1,5
1953 55,2 31,8 26,8 21,9 18,2 13,6 9,1 7,3 4,6 3,6 2,5
1954 159,6 121,8 92,8 72,6 60,2 30,1 15,1 10,2 5,8 4,3 3,6
1955 36 24,6 19,6 17,1 13,4 8,7 6,8 5,3 4,8 3,9 2
1964 36 36 29,6 23,4 18,4 12,6 9,2 7,8 4,2 2,6 1,8
1965 54 45,6 41,2 34,2 30 19,2 16,1 12,3 10,2 5,3 2,9
1966 48 34,2 30,4 28,2 26,6 22 17,1 14,6 9,8 6,2 3,5
1967 109,2 73,2 56,8 44,4 31,8 16,3 10,9 9,5 7 4,8 2,9
1968 69,6 41,4 33,6 30,3 25 23,7 15,9 11 5,8 4,6 3,2
1969 43,2 42,6 38,4 35,4 27,8 16 10,9 7,9 4,5 3,1 2,4
1970 76,8 65,4 59,2 51,9 41,2 27,4 18,5 13,3 9,1 6,2 3,4
1971 85,2 53,4 38,8 32,4 26,6 18,2 11,9 9,2 5,4 4,1 2,5
1972 38,4 37,8 34,8 26,1 18 10,7 7,1 4,9 3,2 2 1,5
1973 55,2 54,6 45,2 35,7 25,6 19 12,7 11,3 8,5 5,4 2,8
1974 48 37,8 28 23,7 20,8 15,8 10,5 9 5,9 4,5 2,9
1975 49,2 38,4 32,4 27,6 25,4 15,4 7,9 7,1 6 4,2 2,6
1976 144 107,4 76,4 74,1 53,6 27,6 13,9 9,2 5,4 3,3 2,2
1977 51,6 46,2 39,2 38,1 29 21,7 17,6 14,5 11,2 7,1 4,3
1978 63,6 49,2 43,6 39,9 37 28,5 16,3 11,5 7,3 4,5 2,4
1979 67,2 46,8 40 34,8 28,8 18,8 10,6 7,1 4,7 3,9 2,9
1980 32,4 31,8 24,8 24 21,2 14,4 8,7 7 4,2 3 2,3
1981 19,2 19,2 15,2 14,1 12,6 10,6 7,5 6,3 4,7 2,6 1,7
1982 40,8 37,8 32,8 24,6 16,6 9,3 5,8 5,3 3,3 2 1,6
1983 126 99,6 89,6 83,1 83,2 66,3 55,4 43,1 27,3 14,9 11,9
Tabla ALL- Intensidades máximas para cada duración en la estación de Sondica (1082).
Ai-n
APÉNDICE I.PRUEBA DE DATOS DUDOSOS
30 años K=2,563
Duración (minutos)
-'S':/ 10 15 20 30 60 120 180 360 720 1440
Yh 2,30 2,13 2,04 1,97 1,90 1,75 1,61 1,48 1,30 1,08 0,87
üi 197,32 134,44 108,69 93,63 80,07 56,40 40,37 30,43 19,78 11,94 7,40
Tabla AI.II.- Resultados de aplicar el método de Water Resources para datos dudosos en Sondica
(1082)
Donde:
Yh (umbral de datos dudosos en unidades logarítmicas),
k (obtenido en la tabla 6, página 61, en función de el número de años
disponible)
Ih (umbral de intensidad máxima).
El umbral de intensidad máxima, para cada duración, que define el método del
Water Resources Council permite concluir que dicho dato puede ser dudoso, y aparece
sombreado en amarillo en la tabla AI. I.
Por otra parte, los datos precipitación máxima que proporciona el pluviómetro
en dicha estación indican que en 1983 fue de 252,6 mm, tabla AI.III, que si bien no
coincide exactamente, sí es extraordinaria respecto a los valores recogidos en él.
Además, analizando el resto de años, tabla AI.XTV al final del Apéndice I, se ve que se
han producido precipitaciones incluso mayores. Ante la certeza de que se ha podido
producir, aunque sea en otro año se decide mantener ese dato.
Tabla ALIO.- Precipitación máxima diaria, en décimas de mm, en Sondica (1082) en el año 1983.
Ai-m
APÉNDICE I.-PRÜEBA DE DATOS DUDOSOS
Guadalhorce (6120).
Duración (minutos)
Año 5 10 15 20 30 60 120 180 360 720 1440
1964 104,4 54,6 38 30,9 31,6 25,6 19 15,7 9,3 5,8 3,1
1965 58,8 48 33,2 26,7 19,4 10,1 6,1 4,9 3,4 2,5 1,4
1966 26,4 23,4 19,2 17,7 15,8 10,8 10,3 7 3,5 2,2 1,9
1967 73,2 42 30 24 18 12,7 8,7 6,6 4,8 3 2,4
1968 21,6 21 17,6 14,7 11,8 9,2 7,6 6,7 5 2,8 1,7
1969 74,4 48 39,6 33,6 34,2 26,8 20 15,5 11,4 9,1
1970 27,6 18 17,6 17,7 17,4 12,8 7 4,8 3,6 2,3 1,5
1971 10,8 10,2 9,6 8,7 7,8 6,3 5 3,6 2,5 1,7 1,1
1972 18 18 18 14,7 11,4 7,5 6 4,7 4,2 2,9 1,7
1973 20,4 19,8 17,2 14,7 12,6 11,3 8,3 6,5 3,4 1,9 1,2
1974 14,4 13,8 13,6 13,5 12,2 10 7,3 6,2 4,3 2,5 1,4
1
1975 10,8 10,8 10,4 10,5 10,4 8,3 5,3 4,9 3,3 2,3 1,2
1976 63,6 58,2 46,8 47,7 38,6 31,4 26 18,7 13,9 7,3 3,7
1977 61,2 49,2 35,6 27,6 22,4 11,6 9,1 7,8 4,4 2,3 1,3
1978 51,6 35,4 26,4 20,7 17,2 11,4 7,4 7,1 4,4 2,9 1,5
1979 96 87,6 78,8 73,5 63,4 44,8 30,6 24,7 13,4 6,7
1980 111,6
1981 97,2
63,6
76,8
46
62,8
36,6
56,1
24,4
47,2
12,3
31,1
6,2
17,4
•i4,7
12
2,8
6
2,3
3,6
1,3
1,8
1982 48 45 43,2 38,7 28,8 15,7 9,8 8,2 5,4 3,3 2,7
1983 79,2 51 52 43,8 35,8 25,1 12,6 8,5 4,3 2,1 1,3
1984 28,8 20,4 18,8 18 15,4 12,3 11,6 9,7 7,1 4,3 2,5
1985 34,8 22,8 20,8 17,7 16,6 10,1 5,8 4,2 3,4 2,1 1,2
1986 20,4 15 12,8 11,7 9,6 6,5 3,9 3,7 3,1 1,7 1,1
AI-IV
APÉNDICE I.-PRUEBA DE DATOS DUDOSOS
se sombrearon en amarillo, en la tabla AI.IV, los valores que los superan, y en azul
aparece marcado un dato, que si bien no supera el umbral, sí es muy alto.
23 años k=2,448
Duración(minutos)
5 10 15 20 30 60 120 180 360 720 1440
Yb 2,39 2,17 2,04 1,96 1,87 1,71 1,55 1,44 1,29 1,06 0,82
Ih 244,85 148,17 109,73 91,97 74,80 50,79 35,57 27,58 19,47 11,55 6,57
Tabla AI.V.- Resultados de aplicar el método de Water Resources para datos dudosos en Guadalhorce
(6120)
Alicante (8025).
Duración(minutos)
Año 5 10 15 20 30 60 120 180 360 720 1440
1959 117,6 84,6 78 66,6 56,2 40,2 23,9 17,1 9,3 4,7 2,4
1960 22,8 22,2 22,4 22,2 19,8 13,2 6,8 5,8 4,4 3,1 1,7
1961 55,2 54,6 43,6 45 41,4 24,4 12,3 8,3 4,2 2,1 1,1
1962 46,8 46,2 40 30,3 26,2 16,8 13,4 12,3 9,2 6,5 4,9
1963 79,2 53,4 41,6 37,2 37,8 24,8 15,4 10,4 5,5 2,8 1,4
1964 32,4 25,2 20 19,2 18,4 14,6 8,3 7 3,6 2,1 1,2
AI-V
APÉNDICE I-PRUEBA DE DATOS DUDOSOS
Duración(minutos)
Año 5 10 15 20 30 60 120 180 360 720 1440
1965 43,2 38,4 29,6 25,5 21,6 15,9 8,7 6,4 4 2,8 1,4
1966 97,2 75,6 70 66,9 60,4 53,4 34,4 28,8 14,8 7,4 3,7
1967 20,4 19,8 19,6 19,5 17,8 10,1 6,3 4,8 3 1,7 1
1968 54 54 41,6 34,8 26,2 18 10,8 7,4 4,6 2,9 1,8
1969 157,2 118,2 101,6 91,5 78,8 52,1 27,6 19,6 9,9 6,4 3,5
1970 74,4 63 50,4 44,4 37,8 24,6 24,1 17 8,6 4,3 2,2
1971 98,4 93 81,6 71,7 59,8 36,8 22,8 16,1 9,2 5,2 3,6
1972 120 85,8 80 69,3 61 38,6 19,3 12,9 6,5 3,2 1,7
1973 60 59,4 49,2 48,9 45 38 21,4 14,4 7,2 3,7 1,9
1974 70,8 59,4 43,6 47,4 41,6 24,1 12,2 8,2 4,2 2,4 1,5
1975 40,8 40,2 40 30 24,2 19,6 10,2 6,8 3,5 1,9 1
1976 66 60 58 51 39,8 24,5 15,8 15 7.7 3,8 1,9
1977 99,6 60 47,6 45 35,8 19,8 10 9,2 5 2,5 1,3
1978 120 60 48,8 54,9 42,6 31,3 19,9 13,5 8,7 6,1 3,1
1979 120 100,2 100 91,8 69,6 44,3 25,3 18,1 9,3 4,6 2,4
1980 45,6 43,2 42,4 42 34,8 20 10 6,7 4 2,2 1,4
1981 22,8 22,2 21,2 20,1 17,6 13,9 9,8 6,6 3,3 1,7 0,9
1982 133,2 99 83,2 78,6 73,6 67,2 { • • 47 28,1 15,5 8,6
1983 74,4 51,6 48 46,2 34 25,3 22,1 18,3 9,2 4,6 2,3
Tabla Al.VI.- Intensidades máximas para cada duración en la estación de Alicante (8025).
AI aplicar el método del Water Resources, tabla AI. VII, solo uno aparece como
extraordinario, con unas intensidades máximas para varias duraciones por encima del
umbral, y que aparecen sombreados en la tabla AI. VI, y en azul aquél que casi lo
supera.
25 años k=2,486
Año 5mín lOmin I5rran 20min 30min 60min 120min iSOmin 360min 720min 24h
yh 2,44 2,26 2,19 2,15 2,07 1,93 1,78 1,66 1,38 1,13 0,88
Ih 274,02 180,52 154,79 140,76 116,67 85,20 60,17 45,35 24,12 13,45 7,65
Tabla Al.Vil, - Resultados de aplicar el método de Water Resources para datos dudosos en Alicante
(8025)
AI-VI
APÉNDICE I-PRUEBA DE DATOS DUDOSOS
Figueras(0429)
Los datos de intensidad máxima anual, para las duraciones correspondientes se
encuentran en tabla AI. VIÍI.
Duración {minutos)
Año 5 10 15 20 30 60 120 180 360 720 1440
1945 39,6 39,6 32,8 26,1 20,4 15,2 8,9 7,4 4,7 2,8 1,6
1946 88,8 61,2 57,2 52,8 43,2 35,5 26,8 19,3 10,9 7,7 4,5
1947 117,6 82,2 71,2 65,4 54,6 27,4 13,9 9,2 4,7 2,6 2
1948 38,4 25,8 22,4 17,7 14,8 11,9 10,9 10,9 10 8,3 5,8
1949 80,4 49,2 41,2 33 25 14,2 9,5 9,4 7 3,9 2
1950 84 61,2 51,2 47,1 40,4 24,3 16,4 13,3 12,6 7,8 4,6
1951 105,6 63 72 60,3 55 37,6 22,7 16,6 8,7 4,5 2,8
1952 57,6 54 40,4 34,8 35 23,7 12,4 9,2 4,7 2,5 1,4
1953 51,6 36,6 31,6 28,2 24,6 15,9 11,1 9,3 5,9 3,7 2,2
1954 67,2 45,6 34 28,2 19,4 9,8 5 3,4 2 1,3 0,8
1955 128,4 111 80 72,3 57,4 40 20,4 13,6 6,8 4,1 2,1
1956 48 46,2 36,8 28,5 19 14,2 10,4 7.6 4,1 2,5 1,3
1957 171,6 91,8 75,6 65,1 47 24,9 14,3 9,8 5 3,6 1,9
1958 111,6 63,6 46,4 39,6 31,8 18,3 12,3 8,2 4,2 3 1,9
1959 122,4 90,6 80,4 68,7 69 39,4 19,9 13,4 7,5 4,3 3,4
1960 85,2 51 39,6 32,7 27,8 17,8 10,9 7,5 4,2 2,3 1,5
1961 94,8 60 47,2 47,4 45,4 32,1 20,2 14 7,3 3,6 1,8
1962 99,6 55,8 48,8 45,3 43,8 27,8 15,4 11,3 9,4 5,6 3,4
1963 106,8 69,6 61,6 59,4 50,2 36,8 25,6 19,3 10,3 5,7 4
1964 61,2 34,2 30,8 31,2 26,6 19,8 12,4 11,5 7,4 4,4 2,8
1965 82,8 60,6 56,8 48,3 43,8 34 18,4 14,2 9,4 6,6 3,3
1966 80,4 54,6 42 32,7 28,8 17,2 10,1 8 5 2,8 1.4
1967 78 54 47,6 42,6 33,8 22,3 11,9 9,9 7,7 4,7 2,5
1968 116,4 99 90,4 80,7 66,8 48,1 31,9 23,4 14,2 8,8 4,4
1969 49,2 35,4 35,6 33 31,4 20,1 12,2 9,6 7 5,6 4,7
1970 37,2 34,2 29,2 24 18 10,7 6,8 5,9 4,2 2,2 1,1
1971 160,8 132,6 122,8 105,6 100,4 85 70,3 66,9 46,1 25,6 17
1972 57,6 40,2 37,6 35,7 28 16 12,9 10,9 5,5 3,1 1,8
AJ-VII
APÉNDICE I.-PRUEBA DE DATOS DUDOSOS
Duración (minutos)
i^ñb:,:%m:;. \^^m^:';v'is;,;. 20 30 60- 120 180 360 720 1440
1973 62,4 49,8 41,6 35,4 26 14,5 10 8,1 5,6 3,9 2
1974 120 104,4 92,8 94,8 67,6 34,9 17,6 11,8 5,9 4,8 2,9
1975 87,6 56,4 45,2 47,4 41 27,5 14,4 9,6 5,2 3 1,7
1976 109,2 97,2 84 70,8 57,2 31,7 15,9 10,6 6,3 3,8 1,9
1977 96 66,6 49,2 47,7 43,8 29,9 20 15 8,8 5,2 4,5
1978 98,4 52,8 37,2 28,8 19,2 10,2 8,4 8 5 2,5 1,3
1979 52,8 38,4 27,6 23,1 16,2 9,1 7,1 5,6 4,3 3,1 1,7
1980 108 54,6 36,4 27,3 18,2 9,2 4,7 3,6 3,4 2,5 1,2
1981 100,8 55,8 41,6 42,6 34,4 21,4 15,9 12 7,8 5 2,9
1982 172,8 103,2 80 69,9 58,8 37,1 20,3 14,7 7,9 4 2
1983 73,2 53,4 37,6 29,4 20 10 5 3,3 1,7 1,2 0,7
1984 45,6 34,8 29,6 26,1 22,8 17,9 9,3 6,2 3,3 2,4 1,5
1985 61,2 39 28,4 22,5 16,2 8,8 4,4 3,3 1,7 1,1 0,8
Tabla ALVin.- Intensidades máximas para cada duración en la estación de Figueras (0429).
Tras aplicar el método del Water Resources Council para datos dudosos, tabla
AI.IX, se obtiene un dato dudoso en todas las series de larga duración (desde 120
minutos hasta 24 horas), en el año 1971, que se corresponde con ima precipitación en 24
horas de 408 mm. Al comprobar con los datos de pluviómetro de dicha estación no
coincide. No obstante en la estación de Cadaqués (0430), próxima a Figueras, consta un
registro en 1986 de 430 mm como valor máximo anual, que se recoge en la tabla
AI.XVn. Ante este hecho, se decide mantener ese dato, porque en dicha estación
próxima se han registrado valores mayores que los que en principio se podrían
considerar como outliers. Como el objetivo de la investigación es aplicar im proceso de
regionalización, está asegurado que estos valores pueden producirse en ese área.
•&V¡:r&;ti^^^^
yh 2,38 2,20 2,14 2,12 2,09 1,95 1,76 1,65 1,46 1,25 1,06
Ih 240,65 157,19 137,24 130,84 122,77 89,04 56,90 44,34 29,06 17,60 11,42
Tabla AI.IX - Resultados de aplicar el método de Water Resources para datos dudosos en
Figueras(0429)
Ai-vín
APÉNDICE I-PRUEBA DE DATOS DUDOSOS
Los datos de Murcia-San Javier (7031) son los siguientes, tabla AI.X.
Duración (horas)
Año 5 10 15 20 30 60 120 180 360 720 1440
1961 73,2 64,2 51,6 38,7 25,8 12,9 6,5 4,3 2,9 1,4 0,8
1962 52,8 40,2 35,2 30,9 25 14,6 9,4 8,7 7,4 5,2 3
1963 103,2 74,4 60,8 54,6 47,2 26,3 13,3 8,9 4,5 2,2 1,2
1964 42 27 18,8 15 10,8 5,5 3,9 3 2,4 1,4 0,7
1965 120 100,2 100 97,5 92 69,8 42,2 29,2 14,6 7,3 3,7
1966 66 51 46,4 40,2 31 23 13,4 11,2 5,9 3,2 1,6
1967 85,2 51 35,2 27,6 24,8 23,2 18,9 16,5 10,8 5,8 2,9
1968 92,4 59,4 61,6 47,1 31,8 26 16,2 13,4 11,4 8,3 4,6
1969 73,2 54 38,4 29,7 20 10 5,1 3,4 2,1 1,3 0,9
1970 32,4 22,2 17,2 17,1 16 9,1 5 3,6 2,7 1,5 0,7
1971 110,4 91,8 68,4 57 46,2 23,3 H,8 7,9 4 2 1
1972 51,6 40,8 31,6 27 22,4 16 12,1 10 5,7 2,8 1,4
1973 56,4 29,4 20,8 16,2 12,2 7,5 4,3 3 1,8 i 0,7
1974 68,4 50,4 34,8 26,7 18,8 18 11,2 9,4 7,4 6,3 3,7
1975 78 72 69,2 57,3 55,6 34,2 17,9 11,9 6,2 3,1 1,6
1976 110,4 88,2 84,8 85,5 71,4 42,8 25 16,7 8,3 4,3 2,2
1977 114 96,6 76,8 65,1 51,6 29 15,4 10,5 5,4 2,9 1,5
1978 55,2 46,8 33,6 27 19,2 11,1 7 4,7 2,4 1,6 0,8
1979 133,2 98,4 77,6 66 44,4 22,4 11,2 7,5 3,8 2 1
1980 103,2 67,2 67,6 61,8 44,8 25,9 15,4 10,7 7,3 4,1 2,1
1981 16,8 15 14 13,8 13 8,7 5,8 4,5 2,3 1,2 0,8
1982 54 51 44 42,9 40 24,1 14,4 9,8 5 2,5 1,9
1983 45,6 39,6 37,6 34,2 28 14,1 8 5,5 3,3 1,7 0,9
1984 32,4 28,2 26 22,8 17,4 11 6,1 4,2 2,3 1,2 0,9
1985 40,8 23,4 23,6 23,4 23,2 13,8 7,2 5,3 4,4 3,5 2,6
1986 45,6 42,6 32,8 25,8 18,4 11 8,9 7,4 4,5 2,7 2,2
1987 28,8 21 17,2 14,1 13 7,6 5,2 4,1 2,2 1,3 0,7
1988 75,6 62,4 46 43,2 39,8 34,1 19 15,9 8,4 4,2 2,1
1989 121,2 94,8 83,2 74,1 58,8 36,3 19 12,9 8,3 4,4 2,2
1990 56,4 46,8 43,2 39,6 30,8 16,6 8,3 5,5 2,8 1,4 0,8
Tabla AI.X.- Intensidades máximas para cada duración en Murcia -San Javier (7031).
AI-IX
APÉNDICE I.-PRUEBA DE DATOS DUDOSOS
30 años K==2,563
Duración (minutos)
5 10 15 20 30 60 120 180 360 720 1440
yh 2,36 2,26 2,21 2,16 2,07 1,90 1,65 1,53 1,30 1,08 0,81
Ih 228,9 181,8 161,3 143,8 118,3 80,30 44,94 33.85 19,91 12,01 6,43
Tabla AI.XI.- Resultados de aplicar el método de Water Resources para datos dudosos en Murcia
(7031)
Almería (63250).
Duración (minutos)
Año 5 10 15 20 30 60 120 180 360 720 1440
1971 60 34,2 25,2 21 16,6 9,7 4,8 3,4 1,8 1,5 0,8
1972 100,8 57 60,4 54,3 49,6 32,8 20,1 14,2 10,6
1973 28,8 24,6 17,6 13,8 9,8 7 5,2 3,4 1,7 1,3 0,8
1974 67,2 52,2 55,2 44,7 30,8 18,2 9,1 6,1 3 1,5 0,8
1975 28,8 24 21,6 19,5 16,8 9,5 6,1 4,8 4,5 2,5 1,3
1976 66 59,4 48,4 42 29,8 16,9 10,4 7,8 4,3 2,2 1.2
1977 62,4 45 32 29,1 27,2 17,1 9,9 6,6 3,3 1,7 0,8
1978 48 36 31,6 28,8 23 13,7 7,5 5 2,7 1,5 0,8
1979 30 26,4 22 22,5 20,4 16,9 9 7,1 3,9 2 1
1980 40,8 36 32 25,8 18,8 12,4 6,7 5,4 3,4 2,4 1,4
1981 20,4 15 12,8 11,4 9,4 6,2 3,4 2,3 1,4 0,7 0,4
1982 10,8 10,2 9,6 9,6 9 6,9 4,4 3 2,4 1,6 0,9
1983 16,8 16,8 16 14,4 11,6 7,4 5,2 3,8 2,2 1,1 0,6
1984 12 8,4 6,8 6,6 5,6 4 3,4 2,6 1,3 0,8 0,4
AI-X
APÉNDICE I-PRUEBA DE DATOS DUDOSOS
Duración (minutos)
Año 5 10 15 20 30 60 120 180 360 720 1440
1985 15,6 12 11,6 9,9 8 5,7 5,1 3,8 2 1,3 0,9
1986 49,2 34,8 26 20,1 13,6 7,3 5,3 4 2,4 1,6 0,8
1987 78 49,8 40 35,1 30,4 21,7 12,6 S,7 4,4 2,2 1,1
1988 93,6 78 66 50,7 34,2 23,6 12 8,2 5,3 2,6 1,3
1989 123,6 87,6 75,2 68,1 60,8 53,3 35.1 23.5 11,8 5,9 2,9
1990 33,6 25,8 22 18,6 17 15,5 7,9 5,3 2,6 1,3 0,9
Tabla AI.Xn.- Intensidades máximas anuales para cada duración en Almería (63250).
En Almería los datos de las series que superan el umbral a partir del cual puede
aceptarse un dato como dudoso se producen en diiraciones inferiores a 24 horas en el
año 1989, pero no han dado lugar a una intensidad máxima en 24 horas extraordinarias;
El valor en ese año es de 2.9 mm/h, por lo tanto no se tienen criterios para eliminar o
aceptar ese dato. En 1972 casi se superan esos umbrales, y aparecen resaltados en la
tabla de color azul.
20 años K =2,385
Duración (minutos)
Año 5 10 15 20 30 60 120 180 360 720 1440
yh 2,34 2,17 2,10 2,02 1,92 1,77 1,48 1,32 1,10 0,82 0,52
Ih 219,56 147,29 126,71 104,01 82,68 58,26 30,33 20,97 12,64 6,62 3,31
Tabla ALXIII.- Resultados de aplicar el método de Water Resources para datos dudosos en Almería
(63250).
AI-XI
APÉNDICE I.-PRUEBA DE DATOS DUDOSOS
- Otro argumento a favor de la utilización de todos los datos fue saber que
estas series habían sido manejadas anteriormente por el Instituto Nacional de
Meteorológico para su estudio y publicación, por lo tanto, cabe esperar que estos
valores extremos ya hubieran sido contrastados y no deberían presentar errores
importantes.
Ai-xn
APÉNDICE I. PRUEBA DE DATOS DUDOSOS
Ai-xm
APÉNDICE I. PRUEBA DE DATOS DUDOSOS
Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx
72 7 362 76 11 989 81 3 1228 85 7 565 89 11 1594 94 3 405
72 8 830 76 12 1175 81 4 1038 85 8 340 89 12 140 94 4 2200
72 9 799 77 1 817 81 5 438 85 9 4 90 1 870 94 5 957
72 10 303 77 2 669 81 6 230 85 10 498 90 2 393 94 6 552
72 11 724 77 3 815 81 7 505 85 11 1966 90 3 325 94 7 703
72 12 978 77 4 907 81 8 91 85 12 677 90 4 2163 94 8 462
73 1 1623 77 5 2147 81 9 548 86 1 3121 90 5 466 94 9 1997
73 2 2383 77 6 1965 81 10 1358 86 2 1122 90 6 688 94 10 1180
73 3 461 77 7 1925 81 11 254 86 3 939 90 7 411 94 11 1083
73 4 1092 77 8 957 81 12 1727 86 4 1712 90 8 465 94 12 1355
73 5 804 77 9 48 82 1 1169 86 5 345 90 9 257 95 1 2457
73 6 936 77 10 457 82 2 1022 86 6 720 90 10 1177 95 2 1215
73 7 556 77 11 1432 82 3 1129 86 7 136 90 11 1671 95 3 1416
73 S 999 77 12 1096 82 4 104 86 8 461 90 12 1362 95 4 884
73 9 1621 78 1 3267 82 5 526 86 9 855 91 1 882 95 5 674
73 10 569 78 2 1071 82 6 658 86 10 450 91 2 537 95 6 205
73 11 502 78 3 1166 82 7 385 86 11 991 91 3 1321 95 7 454
73 12 1485 78 4 1936 82 8 700 86 12 1409 91 4 1285 95 8 263
74 1 539 78 5 1446 82 9 394 87 1 1063 91 5 1514 95 9 756
74 2 1619 78 6 750 82 10 1999 87 2 1317 91 6 165 95 10 306
74 3 1389 78 7 265 82 11 1564 87 3 735 91 7 493 95 11 845
74 4 843 78 8 476 82 12 2238 87 4 579 91 8 243 95 12 855
74 5 863 78 9 478 83 1 289 87 5 266 91 9 1444 96 1 597
74 6 421 78 10 582 83 2 1411 87 6 1079 91 10 1152 96 2 2106
74 7 1039 78 11 864 83 3 1038 87 7 418 91 11 1541 96 3 410
74 8 687 78 12 753 83 4 1094 87 8 305 91 12 157 96 4 524
74 9 998 79 1 2325 83 5 666 87 9 495 92 1 334 96 5 675
74 10 3834 79 2 1239 83 6 291 87 10 1187 92 2 220 96 6 638
74 11 1706 79 3 1303 83 7 834 87 11 2056 92 3 1080 96 7 941
74 12 551 79 4 1857 83 8 6269 87 12 318 92 4 677 96 8 1302
75 1 864 79 5 614 83 9 158 88 1 1519 92 5 389 96 9 768
75 2 355 79 6 378 83 10 432 88 2 1331 92 6 1620 96 10 894
75 3 2108 79 7 381 83 11 222 88 3 1156 92 7 549 % 11 2482
75 4 1916 79 8 815 83 12 449 88 4 1717 92 8 1059 96 12 1556
75 5 860 79 9 780 84 1 2448 88 5 698 92 9 1002 97 1 1635
75 6 430 79 10 1909 84 2 1248 88 6 806 92 10 4322 97 2 202
75 7 95 79 11 2207 84 3 482 88 7 995 92 11 921 97 3 117
75 8 663 79 12 1903 84 4 449 88 8 670 92 12 1323 97 4 373
75 9 910 80 1 966 84 5 1650 88 9 740 93 1 64 97 5 774
75 10 1272 SO 2 307 84 6 510 88 10 126 93 2 536 97 6 913
75 11 2610 80 3 1158 84 7 59 88 11 101 93 3 557 97 7 1172
75 12 996 80 4 617 84 8 1194 88 12 821 93 4 1941 97 8 895
76 1 1132 80 5 1789 84 9 1468 89 1 452 93 5 443 97 9 464
76 2 740 80 6 755 84 10 1060 89 2 1137 93 6 681 97 10 390
76 3 864 80 7 538 84 11 1788 89 3 540 93 7 791 97 11 1856
76 4 1786 80 8 266 84 12 1500 89 4 2599 93 8 1114 97 12 1440
76 5 288 80 9 82 85 1 1515 89 5 421 93 9 866 98 1 657
76 6 49 80 10 2504 85 2 462 89 6 273 93 10 839 98 2 433
76 7 1107 80 11 1309 85 3 1754 89 7 170 93 11 744 98 3 433
76 S 781 80 12 1975 85 4 434 89 8 329 93 12 2089 98 4 1774
76 9 887 81 1 1653 85 5 1739 89 9 353 94 1 891 98 5 905
76 10 1584 81 2 624 85 6 502 89 10 240 94 2 796 98 6 382
AI-XIV
APÉNDICE I. PRUEBA DE DATOS DUDOSOS
Afio Mes Pmáx Año Mes Pmáx Año Mes Pmáx Afio Mes Pmáx Año Mes Pmáx Año Mes Pmáx
98 7 391 99 5 842 0 3 636 4 911 2 2 671 2 12 2451
98 8 624 99 6 210 0 4 1304 5 280 2 3 205 3 1 1692
98 9 1098 99 7 192 0 5 531 6 382 2 4 672 3 2 974
98 10 3113 99 8 198 0 6 560 7 641 2 5 957 3 3 382
98 11 1736 99 9 492 0 7 1151 8 255 2 6 337 3 4 491
98 12 577 99 10 372 0 8 478 9 324 2 7 499
99 1 1146 99 11 1667 0 9 606 10 497 2 8 1024
99 2 1425 99 12 1642 0 10 1711 11 1590 2 9 420
99 3 1119 0 1 338 1 2 393 12 538 2 10 852
99 4 699 0 2 719 1 3 872 2 1 583 2 11 1663
Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Afio Mes Pmáx Afio Mes Pmáx
61 1 156 64 2 320 67 4 267 70 224
5 73 7 0 76 8 6
61 2 0 64 3 510 67 5 143 70 6
340 73 8 0 76 9 213
61 3 657 64 4 238 67 6 343 70 7
0 73 9 0 76 10 1264
61 4 96 64 5 0 67 7 0 70 8 0 73 10 130 76 11 174
61 5 468 64 6 239 67 8 0 70 9 0 73 11 253 76 12 1200
61 6 0 64 7 0 67 9 0 70 10 21 73 12 733 77 1 1264
61 7 0 64 9 24 67 10 676 70 11 391 74 1 126 77 2 489
61 8 0 64 10 8 67 11 1570 70 12 1330 74 2 303 77 3 345
61 9 340 64 11 634 67 12 238 71 1 706 74 3 607 77 4 75
61 10 170 64 12 1387 68 1 0 71 2 28 74 4 816 77 5 58
61 11 2352 65 1 569 68 2 958 71 3 774 74 5 31 77 6 110
61 12 749 65 2 413 68 3 368 71 4 1346 74 6 502 77 7 185
62 1 360 65 3 476 68 4 183 71 5 637 74 7 0 77 8 13
62 2 128 65 4 395 68 5 118 71 6 72 74 8 0 77 9 0
62 3 1268 65 5 5 68 6 4 71 7 0 74 9 0 77 10 519
62 4 1268 65 6 79 68 7 0 71 8 24 74 10 73 77 11 815
62 5 244 65 7 0 68 8 191 71 9 68 74 11 56 77 12 723
62 6 120 65 8 0 68 9 0 71 10 17 74 12 5 78 1 102
62 7 0 65 9 465 68 10 0 71 11 475 75 1 378 78 2 828
62 8 0 65 10 1089 68 11
1124 71 12 753 75 2 464 78 3 396
62 9 33 65 11 454 68 12668 72 1 807 75 3 1126 78 4 561
62 10 1233 65 12 283 69 1
1038 72 2 390 75 4 529 78 5 154
62 11 570 66 1 467 69 2
1219 72 3 962 75 5 283 78 6 322
62 12 1499 66 2 885 69 3740 72 4 118 75 6 131 78 7 0
63 1 1352 66 3 56 69 4159 72 5 186 75 7 0 78 8 0
63 2 970 66 4 417 69 5 76 72 6 154 75 8 0 78 9 10
63 3 547 66 5 97 69 6291 72 7 8 75 9 23 78 10 352
63 4 348 66 6 214 69 7 0 72 8 38 75 10 10 78 11 110
63 5 657 66 7 0 69 8 1970 72 9 521 75 11 118 78 12 853
63 6 129 66 8 0 69 9 1160 72 10 1410 75 12 1098 79 1 1387
63 7 0 66 9 487 69 10 1389 72 11 439 76 1 297 79 2 1138
63 8 0 66 10 562 69 11 1326 73 1 288 76 2 931 79 3 428
63 9 460 66 11 479 69 12 625 73 2 119 76 3 392 79 4 202
63 10 2 66 12 115 70 1 2089 73 3 397 76 4 693 79 5 13
63 11 1065 67 1 384 70 2 50 73 4 170 76 5 582 79 6 17
63 12 4385 67 2 1312 70 3 738 73 5 564 76 6 0 79 7 450
64 1 32 67 3 160 70 4 250 73 6 409 76 7 0 79 8 0
AI-XV
APÉNDICE I. PRUEBA DE DATOS DUDOSOS
ABO Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx
79 9 222 83 12 600 87 11 756 92 3 360 96 3 242 0 1 700
79 10 2394 84 1 52 87 12 1402 92 4 436 96 4 60 0 2 0
79 11 39 84 2 874 88 1 1105 92 5 65 96 5 848 0 3 465
79 12 84 84 3 658 88 2 649 92 6 684 96 6 0 0 4 1213
80 I 499 84 4 300 88 3 197 92 9 134 96 7 43 0 5 521
80 2 868 84 5 515 88 4 243 92 10 668 96 8 952 0 6 0
80 3 482 84 6 22 88 5 298 92 11 133 96 9 269 0 7 0
80 4 88 84 7 0 88 6 226 92 12 120 96 10 338 0 8 0
80 5 406 84 8 0 88 7 8 93 1 719 96 11 443 0 9 95
80 6 78 84 9 16 88 8 0 93 2 249 96 12 2476 0 10 407
80 7 0 84 10 47 88 9 358 93 3 302 97 1 1478 0 11 555
80 8 0 84 11 1088 88 10 1069 93 4 482 97 2 0 0 12 1597
80 9 75 84 12 927 88 11 699 93 5 416 97 3 0 1 436
80 10 404 85 1 371 88 12 25 93 6 315 97 4 367 2 311
80 11 809 85 2 599 89 1 886 93 7 0 97 5 1248 3 406
80 12 10 85 3 50 89 2 895 93 8 0 97 6 120 4 35
81 1 0 85 4 146 89 3 352 93 9 53 97 7 7 5 326
81 2 94 85 5 352 89 4 458 93 10 1403 97 8 55 6 0
81 3 149 85 6 107 89 5 130 93 11 884 97 9 1180 7 14
81 7 0 85 7 0 89 6 0 93 12 0 97 10 232 8 0
81 9 79 85 9 0 89 9 355 94 1 414 97 11 1139 9 490
81 10 21 85 10 8 89 10 2102 94 2 520 97 12 1092 10 923
81 11 0 85 11 898 89 11 4194 94 3 60 98 1 392 11 580
81 12 1073 85 12 717 89 12 1916 94 4 543 98 2 682 12 566
82 1 1205 86 1 345 90 1 713 94 5 162 98 3 51 2 1 239
82 2 442 86 2 525 90 3 370 94 6 0 98 4 111 2 2 141
82 3 209 86 3 592 90 4 1193 94 7 0 98 5 912 2 3 542
82 4 338 86 4 370 90 5 145 94 8 0 98 6 243 2 4 692
82 5 280 86 5 39 90 6 0 94 9 0 98 7 0 2 5 78
82 7 143 86 6 45 90 8 4 94 10 375 98 8 0 2 6 0
82 8 0 86 7 0 90 9 1076 94 11 550 98 9 371 2 7 0
82 9 14 86 8 0 90 10 773 94 12 70 98 10 0 2 8 0
82 10 117 86 9 137 90 11 464 95 1 164 98 11 71 2 9 222
82 11 808 86 10 1021 90 12 192 95 2 93 98 12 396 2 10 191
82 12 297 86 11 485 91 1 68 95 3 449 99 1 233 2 11 974
83 1 0 86 12 115 91 2 1521 95 4 54 99 2 245 2 12 521
83 2 185 87 1 1165 91 3 1093 95 5 0 99 3 310 3 1 379
83 3 235 87 2 532 91 4 330 95 6 263 99 4 201 3 2 581
83 4 201 87 3 0 91 5 57 95 7 13 99 5 177
83 5 2 87 4 213 91 6 266 95 8 65 99 6 20
83 6 0 87 5 10 91 9 324 95 9 27 99 7 10
83 7 0 87 6 0 91 10 1521 95 10 3 99 8 0
83 8 367 87 7 42 91 11 222 95 11 1023 99 9 180
83 9 0 87 8 1405 91 12 375 95 12 2054 99 10 882
83 10 60 87 9 333 92 1 105 96 I 2096 99 11 325
83 11 1690 87 10 880 92 2 850 96 2 844 99 12 231
AI-XVI
APÉNDICE I PRUEBA DE DATOS DUDOSOS
Ai-xvn
APÉNDICE I. PRUEBA DE DATOS DUDOSOS
Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx Año Mes Pmáx
63 11 87 68 2 311 72 5 223 76 8 587 80 11 472 85 2 228
63 12 512 68 3 421 72 6 160 76 9 587 80 12 134 85 3 244
64 1 178 68 4 192 72 7 0 76 10 318 81 1 63 85 4 315
64 2 103 68 5 307 72 8 241 76 11 30 81 2 383 85 5 282
64 3 205 68 6 586 72 9 782 76 12 605 81 3 149 85 6 4
64 4 310 68 7 0 72 10 1242 77 1 335 81 4 693 85 7 6
64 5 10 68 8 16 72 11 1476 77 2 11 81 5 184 85 8 17
64 6 50 68 9 31 72 12 98 77 3 58 81 6 472 85 9 981
64 7 0 68 10 8 73 1 133 77 4 379 81 7 3 85 10 339
64 8 42 68 11 417 73 2 63 77 5 595 81 8 46 85 11 534
64 9 163 68 12 743 73 3 423 77 6 35 81 9 55 85 12 230
64 10 74 69 1 239 73 4 64 77 7 381 81 10 121 86 1 71
64 11 299 69 2 296 73 5 9 77 8 14 81 11 0 86 2 94
64 12 1358 69 3 300 73 6 561 77 9 356 81 12 18 86 3 102
65 1 210 69 4 357 73 7 3 77 10 76 82 1 570 86 4 242
65 2 200 69 5 78 73 8 0 77 11 688 82 2 91 86 5 140
65 3 235 69 6 204 73 9 571 77 12 143 82 3 516 86 6 24
65 4 398 69 7 3 73 10 286 78 1 43 82 4 917 86 7 54
65 5 85 69 8 62 73 11 99 78 2 166 82 5 887 86 8 126
65 6 307 69 9 80 73 12 666 78 3 181 82 6 0 86 9 1172
65 7 5 69 10 2020 74 1 28 78 4 271 82 7 0 86 10 1580
65 8 26 69 11 189 74 2 613 78 5 245 82 8 0 86 11 153
65 9 101 69 12 70 74 3 677 78 6 360 82 9 76 86 12 44
65 10 992 70 1 198 74 4 766 78 7 12 82 10 2711 87 1 181
65 11 136 70 2 0 74 5 72 78 8 4 82 11 225 87 2 407
65 12 423 70 3 268 74 6 100 78 9 32 82 12 11 87 3 5
66 1 70 70 4 186 74 7 252 78 10 183 83 1 1 87 4 12
66 2 109 70 5 114 74 8 329 78 11 1068 83 2 230 87 5 307
66 3 6 70 6 294 74 9 79 78 12 176 83 3 15 87 6 6
66 4 323 70 7 0 74 10 890 79 1 693 83 4 65 87 7 183
66 5 173 70 8 1 74 11 18 79 2 93 83 5 18 87 8 2
66 6 413 70 9 16 74 12 14 79 3 3 83 6 286 87 9 187
66 7 0 70 10 722 75 1 42 79 4 104 83 7 1 87 10 378
66 8 6 70 11 6 75 2 324 79 5 440 83 8 46 87 11 1015
66 9 326 70 12 1132 75 3 615 79 6 228 83 9 0 87 12 255
66 10 1493 71 1 239 75 4 390 79 7 120 83 10 867 88 1 330
66 11 52 71 2 52 75 5 660 79 8 0 83 11 1170 88 2 455
66 12 0 71 3 925 75 6 427 79 9 1121 83 12 128 88 3 37
67 1 180 71 4 599 75 7 0 79 10 353 84 1 63 88 4 577
67 2 1050 71 5 326 75 8 151 79 11 76 84 2 221 88 5 306
67 3 113 71 6 75 75 9 173 79 12 19 84 3 121 88 6 562
67 4 392 71 7 14 75 10 133 80 1 480 84 4 200 88 7 22
67 5 32 71 8 0 75 11 18 80 2 1554 84 5 279 88 8 0
67 6 375 71 9 569 75 12 338 80 3 166 84 6 60 88 9 233
67 7 0 71 10 1431 76 1 16 80 4 541 84 7 0 88 10 668
67 S 143 71 11 1342 76 2 72 80 5 1154 84 8 73 88 11 452
67 9 62 71 12 706 76 3 18 80 6 121 84 9 94 88 12 6
67 10 5 72 1 152 76 4 253 80 7 8 84 10 186 89 1 299
67 11 550 72 2 40 76 5 994 80 8 35 84 11 983 89 2 129
67 12 22 72 3 338 76 6 287 80 9 5 84 12 22 89 3 797
68 1 428 72 4 363 76 7 0 80 10 0 85 1 112 89 4 268
Ai-xvni
APÉNDICE I. PRUEBA DE DATOS DUDOSOS
Añc ^ ^ • s Pmáx Añc Mes Pmáx M e Mes Pmáx Afic Mes Pmáx Año Mes Pmáx Afio Mes Pmáx
89 5 614 91 10 307 94 3 2 96 8 13 99 1 110 1 6 73
89 6 178 91 11 128 94 4 378 96 9 558 99 2 50 1 7 6
89 7 18 91 12 36 94 5 95 96 10 447 99 3 331 1 8 6
89 8 36 92 1 18 94 6 29 96 11 674 99 4 39 1 9 957
89 9 2025 92 2 879 94 7 0 96 12 284 99 5 357 1 10 461
89 10 111 92 3 223 94 8 1 97 1 435 99 6 1 1 11 374
89 11 347 92 4 48 94 9 435 97 2 29 99 7 54 1 12 693
89 12 1709 92 5 196 94 10 411 97 3 258 99 8 18 2 1 76
90 1 376 92 6 568 94 11 157 97 4 439 99 9 356 2 2 0
90 2 0 92 7 5 94 12 64 97 5 184 99 10 373 2 3 196
90 3 207 92 8 0 95 I 3 97 6 167 99 11 79 2 4 520
90 4 407 92 9 19 95 2 29 97 7 145 99 12 128 2 5 518
90 524 92 10 203 95 3 129 97 8 395 0 1 349
' 2 6 116
90 6 24 92 11 127 95 4 95 97 9 2811 0 2 0 2 7 27
90 7 29 92 12 126 95 5 0 97 10 381 0 3 203 2 8 368
90 8 161 93 1 0 95 6 115 97 11 104 0 4 45 2 9 308
90 9 304 93 2 951 95 7 0 97 12 337 0 5 80 2 10 85
90 10 472 93 3 327 95 8 77 98 1 212 0 6 67 2 11 249
90 11 102 93 4 65 95 9 74 98 2 113 0 7 0 2 12 164
90 12 126 93 5 152 95 10 106 98 3 31 0 8 32 3 1 91
91 1 738 93 6 25 95 11 121 98 4 63 0 9 101 3 2 169
91 2 281 93 7 413 95 12 340 98 5 266 0 10 895 3 180
91 624 93 8 46 96
'
3 1 359 98 6 2 0 11 59
91 4 75 93 9 115 96 2 252 98 7 0 0 12 89
91 5 99 93 10 272 96 3 219 98 8 30 1 1 320
91 6 84 93 11 665 96 4 204 98 9 120 1 2 447
91 7 6 93 12 222 96 5 225 98 10 1 1 3 18
91 8 0 94 1 35 96 6 5 98 11 253 1 4 488
91 115 94 2 52 96 7 120 98 12 708 1 5
..i
212
SERIE C R G N O L Ó G I G A
1969 118,7 1980 60.7
1970 86,5 ' 1981 92,0*
1971 285,0 • 1982 ; 33,0
1972 62,5 1983 10&.5
1973 44,5: 1984 50,0
1974 683 198S 84,2
1975 V 57,5 1986 430,0
1976; , ::>34,4 : 1987 , : 87,7 :
1977 ; 276,0 :: 1988 36,0
1978 : 53,3*. :: 1989 35;0^
1979 • • 57.7: :
VALOR MÁXIMO: 430,0 (año 1986)
AI-XIX
APÉNDICE n. MODELOS ANALIZADOS
1.-Selección de modelos
De la bibliografía consultada, se han seleccionado tres modelos para su estudio:
* Modelo general de tres parámetros
- Modelo 1.-. (Koutsoyiannis et al, 1998):
/24 {d + aT
Donde "a", "b" y "m" son parámetros y "d" la duración.
* Modelos de dos parámetros
1-24
2. -Condicionantes.
Para los tres modelos seleccionados, se han establecido como puntos de paso
obligado:
• 24 horas: g(24) = £ ^ = l
An-i
APÉNDICE II. MODELOS ANALIZADOS
Este segiindo punto de paso obligado,- g(l)= =Lr - , sólo sería conocido en
estaciones con pluviógrafo, pero esta decisión se adopta por varios motivos:
3.- Aplicación.
A continuación se analiza cada caso:
a+a
• Además estableciendo el segundo punto de paso obligado, debería
cumplirse que:
gil) = ( ^ ) n ^ g(i) = ^ = ^ = ( ^ y
1+a I^A l+«
Tomando logaritmos en la expresión anterior y despejando "m":
lM{K)
m = Ln((24 + ¿í)/(l + fi())
AH-n
APÉNDICE II. MODELOS ANALIZADOS
/24 d
Í L = 24* ¿L = K = 24'
-'24 -'24
Ln(Í.) = b*Ln(24)
Despejando "b":
AH-ni
APÉNDICE n. MODELOS ANALIZADOS
Ln(i)
••24
b=
Ln(24)
La función g(d) adoptaría la expresión:
24 ¥^
a
paso, depende de un solo parámetro, "K", cuyo valor viene dado por=L,
'24
El modelo es el siguiente:
•^24
AH-IV
APÉNDICE II. MODELOS ANALIZADOS
pluviógrafo para, conociendo en cada una de ellas = , estimar el otro parámetro "a".
•'24
Para comparar ambos modelos y ver con cual se consiguen mejores ajustes, se
utilizaron varias estaciones repartidas por todo el territorio peninsular, y se estimó en
cada una de ellas el parámetro "a". Los ajustes fueron muy buenos, con coeficientes de
correlación muy altos. Como ambos son válidos, se decide:
AII-V
APÉNDICE m . ANÁLISIS DE SENSIBILIDAD
24"-á"
24' -d"
Sí al exponente se le llama "<p(a)", ^(a) = ,
La función, g(d), que depende de los parámetros "K" y "a" adoptaría la siguiente
expresión:
Para ello se calculará la derivada parcial de la función respecto a cada una de las
variables, la variable "K" y la variable "a".
Ain.-i
APÉNDICE ni. ANÁLISIS DE SENSIBILIDAD
Derivando respecto de K
/ ^df ^K ^(pjarK^'^^'-K^
a^ dK f K'^"^ ^^ ^'
K
y por tanto un error en la estimación de "K" de, por ejemplo un 10% respecto al valor
real, se traduce en una variación de f proporcional a "(p(a)" y al error cometido en K (en
el ejemplo 10%),
-^^ = <p(a)*
/ ií
En la tabla siguiente, tabla Ain.I, se refleja el error relativo en tanto por ciento
que se produce para distintos valores de "a" en función de la duración, y suponiendo
que el error relativo cometido en K es de un 10 %, error bastante grande si tenemos en
cuenta rango de valores que adopta (4 -13).
Ain.-n
APÉNDICE m . ANÁLISIS DE SENSIBILIDAD
Valores de "a"
DÜRAaÓN -0,05 0,01 0,05 0,08 0,1 0,15 0,2 0,25 0,3
(horas)
0,083 19,0 17,6 16,8 16,2 15,9 15,1 14,4 13,8 13,3
0,167 16,4 15,5 15,0 14,6 14,4 13,9 13,4 13,0 12,6
0,333 13,8 13,4 13,1 12,9 12,8 12,5 12,2 12,0 11,8
0,5 12,4 12,1 12,0 11,9 11,8 11,6 11,5 11,3 11,2
2 7,7 7,8 8,0 8,0 8,1 8,2 8,3 8,4 8,6
3 6,4 6,6 6,7 6,8 6,9 7,1 7,2 7,4 7,6
6 4,2 4,4 4,6 4,7 4,8 5,0 5,1 5,3 5,5
12 2,0 2,2 2,3 2,4 2,5 2,6 2,8 2,9 3,1
Tabla Ain..- Errores relativos de "f en tanto por ciento suponiendo un error de un 10% en "K".
=> Para una duración de 1 hora, "(p(a)" toma el valor de 1, y la variación relativa de " f
respecto a la variación relativa de "K" es constante e igual a 1.
==> Para una duración de 24 horas "cp (a)" es igual a cero, y por lo tanto, la variación de f
con respecto a K es cero, es decir no depende del valor de K.
=> Para cada valor de "a", y conforme aumenta la duración, disminuye el error relativo.
Affl.-in
APÉNDICE in. ANÁLISIS DE SENSIBILIDAD
Este resultado es de gran interés puesto que las duraciones que más se manejan
se encuentran entre 15 minutos y 12 horas, fundamentalmente duraciones mayores de 2
horas, donde ios errores se sitúan entre el 8,6% como máximo y y el 2,0% como
mínimo.
=> En pequeñas duraciones, menores de una hora, puede observarse, que conforme
aumenta "a" el error disminuye.
Este resultado presenta también gran interés, puesto que de las sesenta y tres
estaciones que se han manejado para diseñar el mapa de iso-a, solamente en cuatro
estaciones "a" adopta un valor negativo: Amao(1212), Navacerrada(2462),
Grazalema(5911) y Guadalupe(4245), las tres primeras con xm valor de -0.04 y en
Guadalupe, un valor de -0.125. Estas estaciones presentan un peculiar
comportamiento, y por lo tanto, solamente cuando se tenga certeza de que las
características de la zona de proyecto son muy similares y respondan a las mismas
características de estas zonas se adoptará un valor negativo, produciéndose errores
-con a=0,05 y duración 5 minutos- de un 19%, y en duraciones más frecuentes, de
un 12,4 %.
En el resto de la España Peninsular " a" varía entre 0,0089 y 0,246, y por tanto
los errores que se están cometiendo- para las duraciones menores de 1 hora, y más
usuales- estarán comprendidos entre 13,4 % y 11,2%.
=> En duraciones mayores de 1 hora, el error aumenta conforme aumenta "a". Esta
situación es contraria a la que se produce en cortas duraciones, y este tramo es el
que más se va a manejar. En ella, y para valores positivos de "a", los errores son
menores de un 10%, variando entre un 8,6 y un 2,2 %.
=> En la tabla también se puede comprobar que para duraciones menores de una hora
los errores relativos son mayores de un 10%, y para duraciones mayores de una
hora los errores relativos, independientemente del valor de a, son menores del 10%.
-0.05
0.01
d "O 0,05
0.08
0.1
0 15
0.2
0.25
"
í^^ 03
D.OOO 1000 Z.OOO 3,00G 4.000 5.000 6.000 7.£ 3.000 mooo 11.000 12.000
DURACIÓN(h)
Figura Ain.I.-Error relativo de "f cuando "K" varía un 10%, para distintos v^ores de "a".
Partiendo de la expresión.
_ B'^(<')
f =K
Derivando,
= a''Ln(K)*g)'(a)
da
AIII.-V
APÉNDICE III. ANÁLISIS DE SENSIBILIDAD
Valores de a
DURACIÓN
(horas) -0,1 0,01 0,05 0,08 0,1 0,15 0,2 0,25
0,083 4,02 -0,30 -1,34 -1,97 -2,34 -3,05 -3,54 -3,85
0,167 2,43 -0,19 -0,87 -1,29 -1,55 -2,06 -2,44 -2,71
0,333 1,22 -0,10 -0,47 -0,71 -0,85 -1,16 -1,41 -1,59
0,5 0,68 -0,06 -0,27 -0,41 -0,50 -0,69 -0,85 -0,97
2 -0,40 0,04 0,18 0,29 0,35 0,51 0,65 0,78
3 -0,51 0,05 0,24 0,39 0,48 0,70 0,91 1,10
6 -0,53 0,05 0,27 0,44 0,55 0,82 1,09 1,35
12 -0,35 0,04 0,19 0,31 0,40 0,61 0,83 1,05
Valores de a
DURACIÓN
(hwas) "0,1 0,01 0,05 0,08 0,1 0,15 0,2 0,25
0,083 5,20 -0,39 -1,73 -2,55 -3,02 -3,94 -4,58 -4,97
0,167 3,14 -0,25 -1,12 -1,67 -2,00 -2,67 -3,16 -3,50
0,333 1,58 -0,13 -0,60 -0,92 -1,10 -1,50 -1,82 -2,06
0,5 0,88 -0,07 -0,35 -0,53 -0,65 -0,89 -1,09 -1,25
2 -0,51 0,05 0,24 0,37 0,45 0,66 0,84 1,01
3 -0,66 0,06 0,32 0,50 0,62 0,91 1,18 1,43
6 -0,69 0,07 0,35 0,56 0,71 1,06 1,40 1,74
12 -0,45 0,05 0,25 0,41 0,51 0,79 1,07 1,36
Valores de a
DURACIÓN
Qioras) -0,1 0,01 0,05 0,08 0,1 0,15 0,2 0,25
0,083 6,03 -0,45 -2,01 -2,96 -3,50 -4,58 -5,31 -5,77
0,167 3,64 -0,28 -1,30 -1,94 -2,32 -3,09 -3,66 -4,06
0,333 1,83 -0,15 -0,70 -1,06 -1,28 -1,75 -2,11 -2,39
0,5 1,02 -0,09 -0,41 -0,62 -0,75 -1,04 -1,27 -1,45
2 -0,59 0,06 0,27 0,43 0,53 0,76 0,98 1,17
3 -0,77 0,07 0,37 0,58 0,72 1,05 1,37 1,66
6 -0,80 0,08 0,41 0,65 0,82 1,23 1,63 2,02
12 -0,53 0,06 0,29 0,47 0,59 0,91 1,24 1,58
Ain.-vi
APÉNDICE ni. ANÁLISIS DE SENSIBILIDAD
Valores de a
DURACIÓN
(horas) -0,1 0,01 0,05 0,08 0,1 0,15 0,2 0,25
0,083 6,68 -0,50 -2,22 -3,28 -3,88 -5,07 -5,88 -6,39
0,167 4,03 -0,32 -1,44 -2,15 -2,57 -3,43 -4,06 -4,50
0,333 2,03 -0,17 -0,78 -1,18 -1,42 -1,93 -2,34 -2,65
0,5 1,13 -0,10 -0,45 -0,69 -0,83 -1,15 -1,41 -1,61
2 -0,66 0,06 0,30 0,47 0,58 0,84 1,08 1,29
3 -0,85 0,08 0,41 0,64 0,80 1,17 1,51 1,83
6 -0,88 0,09 0,45 0,72 0,91 1,36 1,80 2,24
12 -0,58 0,06 0,32 0,52 0,66 1,01 1,37 1,74
Valores de a
DURACIÓN
(horas) -0,1 0,01 0,05 0,08 0,1 0,15 0,2 0,25
0,083 7,21 -0,54 -2,40 -3,54 4,19 -5,47 -6,35 -6,90
0,167 4,35 -0,34 -1,55 -2,32 -2,77 -3,70 -4,38 -4,86
0,333 2,19 -0,18 -0,84 -1,27 -1,53 -2,09 -2,52 -2,85
0,5 1,22 -0,10 -0,49 -0,74 -0,90 -1,24 -1,52 -1,74
2 -0,71 0,07 0,33 0,51 0,63 0,91 1,17 1,40
3 -0,92 0,09 0,44 0,69 0,86 1,26 1,63 1,98
6 -0,95 0,10 0,49 0,78 0,98 1,47 1,95 2,41
12 -0,63 0,07 0,35 0,56 0,71 1,09 1,48 1,88
Valores de a
DURACIÓN
(horas) -0,1 0,01 0,05 0,08 0,1 0,Í5 0,2 0,25
0,083 7,44 -0,55 -2,48 -3,65 -4,32 -5,65 -6,55 -7,12
0,167 4,49 -0,35 -1,60 -2,40 -2,86 -3,82 -4,52 -5,01
0,333 2,26 -0,19 -0,87 -1,31 -1,58 -2,15 -2,60 -2,95
0,5 1,25 -0,11 -0,50 -0,76 -0,93 -1,28 -1,57 -1,79
2 -0,73 0,07 0,34 0,53 0,65 0,94 1,20 1,44
3 -0,95 0,09 0,45 0,72 0,89 1,30 1,68 2,04
6 -0,98 0,10 0,50 0,81 1,01 1,51 2,01 2,49
12 -0,65 0,07 0,36 0,58 0,73 1,12 1,53 1,94
Ani.-vn
APEISDICE ni. ANÁLISIS DE SENSIBILIDAD
=:e> Para valores negativos de "a", el error es por exceso en cortas duraciones y por
defecto en largas duraciones, para cualquier valor de K.
=í> Para valores positivos de "a", el error es por defecto en cortas duraciones y por
exceso en largas duraciones, para cualquier valor de K.
=> La máxima variación de f (tanto por exceso como por defecto) se produce en la
mínima duración considerada, variación que se va incrementando conforme aumenta
K.
=> A partir de una duración de dos horas, las variaciones de f(%) apenas sufren
cambios, no estando afectadas apenas por "K", y muy poco por "a".
=> A partir de una duración de 2 horas, las variaciones de " f se empaquetan en una
horquilla que va desde 0,04 % ,( para un valor de "a" de 0,01) y hasta un poco más
del 2% para duraciones de 6 horas, para el máximo valor de "a" considerado (0,25)-
incrementándose ligeramente con "K" - y a partir de esa duración vuelve a bajar en
la última duración considerada (12 horas).
Ani.-VIII
APÉNDICE ni. ANÁLISIS DE SENSIBILIDAD
K=4
6.00
•ai
0.01
0.05
-4f-o.oa
H*^-Q1
-•-0.15
-4—0.2
-*-0.25
clutación(horas)
k=8
duración(tx)ras)
\^2
k=13
10.00 T
•D
1000
C
(0 sP
500
^ ÍS ==
0.00
10.000 15.000 ^ !ñ 0
c > -fion
•o
5(0 £^ro
-10.00 > -10.00
duración(horas) duración(horas)
Figura Ani.n.-Representación gráfica de la variación de f (%) con la duración cuando "a" varía
un 10% y para cada valor de "K".
AIII.-IX
APÉNDICE m. ANÁLISIS DE SENSIBILIDAD
• Xos errores relativos que se derivan de estimar incorrectamente el valor de "K" son
mayores que los errores que se derivan de la estimación incorrecta de "a", en términos
;.". absolutos.;:^-'r.;'
• Es más difícil cometer errores en "K" que en "a", por el rango de valores que adopta:
- En España, "K " adopta unos valores que se encuentran comprendidos entre 4-13,
Asíi un error de K de mi 10 % llevaría, parael mínimo valor de K, K=4, avalores
entre (3¿6-4,4) y si el valor de K es el más alto, (K=13), el intervalo de valores
^•,.-.'-'seríade(l;l,7-14,4).'••,/;•••/ •-••
- El rango de valores positivos que adopta "a" en España varía entre (0,008- 0,29),
por lo que un 10% de error implicaría- para el valor de 0,008- adoptar un valor de
"a" en el intervalo (0,0072-0.000088) y para el mayor valor de "a" (0,290) a
adoptar un valor en el intervalo (0,261-0,319), y que por razones obvias, resulta
masfócilque se produzca.
Por lo t^ntó a la hora de estimar ambos valores de"K" y de "a" hay que ser
muy cuidadoso, pero sobre todo en la adopción del valor de "a*'.
Ain.-x
APÉNDICE IV, APLICACIÓN PRACTICA
Como aplicación práctica se va a estimar 1(0,5, 200) y la 1(6, 10) en Motilla del
Palancar utilizando la metodología propuesta en la presente Tesis.
Donde:
1(0,5, 200), es la Intensidad máxima para ima duración de 30 minutos y un
período de retomo de 200 años.
1(6,10), es la Intensidad máxima para una duración de 360 minutos, (6
horas) y vai período de retomo de 10 años.
24 ' * ^ ^ [hc(T)^CA{Tf^
Donde:
PMDA^ es la precipitación máxima diaria anual media correspondiente al punto
considerado, obtenida en "Máximas lluvias en la España Peninsular"(1999).
CA{T)p es el cuantíl adimensional, deducido por Ferrer para la estimación de la
precipitación máxima diaria anual y para el periodo de retomo considerado, que
se puede obtener en la misma monografía citada anteriormente.
gT (d) es la función I-D con los parámetros deducidos en la estación/estaciones
con pluviógrafo próximas, o bien de los mapas de iso-líneas deducidos a partir
de ellos.
hL(T) y hc(T), son funciones que relacionan los cuantiles adimensionales para
largas y cortas duraciones, con los correspondientes a lluvias diarias, recogidos
estos últimos también en la publicación "Máximas lluvias diarias en la España
Peninsular".
AIV-I
APÉNDICE IV. APLICACIÓN PRACTICA
. %
Roda V
Albacete
Mapa AlVI.- Mapa de isolíneas. (Tomado de "Máximas lluvias diarias en la España Peninsular)
Tabla AIV.I.- CAp teniendo en cuanta el período de retorno y el Cv. (Tomada de la publicación
"Máximas lluvias diarias en la España Peninsular")
AIV-II
APÉNDICE IV. APLICACIÓN PRACTICA
3.-Estimación de g(d)
La función g(d) requiere dos parámetros, "a" y "K" , que se pueden obtener de
los mapas de isolíneas presentadas en la presente Tesis.
Si el usuario considera que las características climáticas, orográfícas, ...son
similares a las de la estación próxima, Albacete, podría adoptar los valores de dicha
estación. En otro caso, puede hacer uso de los mapas de isolíneas.
De la lectura en el mapa de iso- K se deduce que "K" toma el valor de 12,9
Y del mapa de iso-a se deduce que "a" toma el valor de 0,15
g(6) = k^^^-''*>=3,55
4.-Determinación de la función h(T)
La función h(T) adecuada depende de la duración.
4.1.-Para cortas duraciones(menor o igual que 1 hora) se debe aplicar la función:
PMDA
1(0,5,200): *l,13*gP(0,5)*hc(T)*CA(T)|
24
Punto de
Motilla del Palancar
estudio
PMDA^ G4(200)^ g(0,5) hc(200) 1(0,5,200)
Aiv-m
APÉNDICE IV. APLICACIÓN PRACTICA
Punto de
Motilla del Palancar
estudio
PMDA^ CAÍIOYF g(6) hL(lO) 1(6,10)
44 1,446 3,55 1,0372 11,0
AIV-IV
ANEJOS
ANEJOS
A.-1
ANEJOS
Cada archivo cuenta con ima tabla en la que para cada duración (minutos), se
ofrece los resultados de calctxlar los 1-momentos, bo,bi, b2 ,b3, Ij, I2,13,14, t2, ts, t4 .
Archivo de texto.
En este anejo se incluyen las entradas para poder aplicar los test de
homogeneidad (para cada estación se ha incluido la región cortas duraciones y largas
duraciones bajo el nombre, "código de la estación-c.7" y "código de la estación-1.7") así
como las salidas del programa XTEST, que permitirá establecer si las series son
discordantes o no, y si forman una región homogénea, (las salidas se muestran bajo el
nombre "código de la estación-c.sal" y código de la estación-l.sal". ) Ambos se pueden
abrir con el bloc de notas.
A.-2
ANEJOS
Archivos de Word.
De esta carpeta cuelgan los archivos que se han manejado para la aplicación de
esta técnica. Son archivos xls, que se han nombrado siguiendo el siguiente criterio:
• "mc-estación-c-mv" y "mc-estación-c-m", en la estación correspondiente, la
región "cortas duraciones" y método máxima verosimilitud o momentos
respectivamente.
• mc-estación-1-mv" y "mc-estación-1-m", en la estación correspondiente, la
región "largas duraciones" y método máxima verosimilitud o momentos
respectivamente.
A.-3
ANEJOS
Archivo de Excel.
Archivo de Arc-view.
A.-4