El Método del Vector Regional de Índices Pluviométricos

Jhan Carlo ESPINOZA

PhD. Hydrology - Climatology
jhan-carlo.espinoza@locean-ipsl.upmc.fr
http://sites.google.com/site/jhancarloespinoza

Manual escrito con motivo del curso taller: Utilización del método del Vector
Regional con HYDRACCESS. SENAMHI – Perú. Septiembre 2005.
Colaboración de Philippe Vauchel (IRD-Peru) y Josyane Ronchail (UP7 –
LOCEAN, Paris)
---------------------------------------------------------------------------------------------------------------------

ASPECTO TEÓRICO

El MVR es un método de cálculo orientado a tres tareas definidas: La crítica de datos, la

homogenización y la extensión-completacion de datos de precipitación.

La hipótesis fundamental en la que se basa, consiste en asumir que para una misma zona
climática sometida a un mismo régimen de precipitaciones, los totales pluviométricos
anuales son seudo-proporcionales, con una pequeña variación aleatoria cada año debida a la
repartición de las lluvias dentro de la zona.

La idea básica del MVR, es la siguiente: en lugar de comparar dos por dos estaciones por
correlación o doble masa, como se hace en los métodos clásicos, se elabora una estación
ficticia que sea una “especie de promedio” de todas las estaciones de la zona, con la cual se
comparan cada una de las estaciones.

El MVR emplea entonces, para el cálculo de esta estación “Vector” el concepto de

Precipitación Media Extendida al periodo de trabajo, salvando los problemas del peso de
estaciones más lluviosas sobre las menos lluviosas (como ocurriría con un promedio
simple) y la existencia de datos faltantes o diferentes periodos de funcionamiento (que
calcularían promedios alterados en caso de tener solamente años humedos o solamente años
secos de determinada estación) como ocurriría al obtener valores estandarizados o
centrados reducidos de lluvia.

Bajo estos conceptos, se emplea el método de Mínimos Cuadrados para encontrar los
Indices Pluviométricos Regionales Anuales “Zi” y la Precipitación Media Extendida “Pj”.
Esto se logra al minimizar la sumatoria de la expresión (1).

…… (1)
Donde i es el índice de año, j el índice de estación, N el número de años y M el número de
estaciones. Pij es la precipitación anual en la estación j el año i, Pj es la precipitación media
extendida al período de N años y finalmente Zi es el índice pluviométrico regional del año
i.

La resolución del problema es dificultosa, debido al hecho que ciertos Pij no fueron
observados y faltan. Sin embargo, es posible mediante el uso de un computador, por
descomposición en un sistema de (M-1) ecuaciones lineales a (M-1) desconocidas. La serie
de los índices cronológicos Zi se llama "Vector Regional de Índices Pluviométricos
Anuales".

El MVR para la crítica de las precipitaciones anuales.- Dependiendo de la presición que

se requiera, el MVR puede ser utilizado para completar datos faltantes, pero es, ante todo,
un método de crítica de datos (G. Hiez, 1977. Y. Brunet Moret, 1979).

El paquete computacional HYDRACCESS, ejecuta el MVR y proporciona información

diversa en hojas de cálculo Microsoft Excel. La determinación de la calidad de una
estación, es función de diferentes parámetros calculados; los parámetros más importantes,
que dan una buena idea del comportamiento de una estación son: (a) La Desviación
Standard de los Desvíos (D.E.D), compara la desviación de una estación respecto al vector,
un valor fuerte indica desviaciones fuertes. (b) Correlación entre la estación y el vector, si
la zona es homogénea climáticamente, los valores serán cercanos entre sí, si un valor es
sensiblemente más bajo que el promedio de la zona, entonces la estación tiene fuerte
probabilidad de tener errores o que se encuentre en el margen de la zona.

Con estos conceptos, es posible realizar la crítica de datos siguiendo un proceso iterativo de
cálculo del vector, inspección de resultados separación de estaciones desaprobadas,
recálculo del vector, etc. Al término del proceso de crítica, y según el nivel de precisión que
se requiera, se obtienen regiones de estaciones con semejante comportamiento multianual.

Cada una de estas regiones obtenidas, presentan un “Vector Regional” que muestra la
variabilidad pluviométrica multianual en la zona que lo define y es además semejante al
comportamiento de todas las estaciones constituyentes de esa región. Este Vector es, en
consecuencia, un buen indicador de la variabilidad hidroclimática de la región.

Métodos utilizados.- Dos métodos concurrentes fueron elaborados en el ORSTOM - IRD

por G. Hiez y Y. Brunet Moret. El método de G. Hiez se basa en el cálculo de la moda
(valor más frecuente), mientras que el de Y. Brunet Moret se basa en el promedio,
eliminando los valores demasiado alejados del promedio para evitar contaminar demasiado
las estimaciones con datos evidentemente erróneos. Cada método estima una media
extendida para cada estación sobre el período de trabajo, y calcula los índices anuales de
cada estación, obtenidos al dividir el valor observado en una estación para un año por ésta
media extendida.

El método de Y. Brunet Moret considera que el índice regional de un año es el promedio de

los índices de todas las estaciones. Sin embargo, toma la precaución de filtrar los índices de
las estaciones que se alejan demasiado del promedio, puesto que el promedio es
influenciado por los valores extremos. De la misma manera, la media extendida de una
estación se calcula a partir de la media de los valores observados o estimados, siempre
después de filtrar los valores que se alejan demasiado de los valores de las estaciones
vecinas para un mismo año. La filtración de los valores que se alejan demasiado del
promedio se hace en forma iterativa. Cuando tales valores se detectan durante una iteración,
son remplazados por su estimación por medio del Vector que acaba de calcularse, y el
cálculo recomienza con estos nuevos valores, hasta obtener un Vector Regional con ningún
valor demasiado alejado. Por lo tanto se puede notar que a pesar de filtrar los valores
demasiado alejados del promedio, estos valores guardan una cierta influencia sobre el
Vector Regional calculado. En efecto, el Vector calculado durante una iteración y utilizado
para re-estimar estos valores está contaminado por estos valores, sobre todo si las
estaciones son poco numerosas.

El método de G. Hiez considera que el índice regional de un año es el índice más

frecuentemente observado sobre las diferentes estaciones. Por lo tanto, no es necesario
filtrar los datos que se alejan demasiado del promedio, puesto que los datos extremos tienen
poco efecto sobre el cálculo de la moda. De la misma manera, la media extendida de una
estación se calcula a partir de los valores más frecuentemente en concordancia con sus
vecinas, y no con el promedio de todos los valores observados.

Por su concepción, el método de G. Hiez parece más potente para detectar datos erróneos y
construir rápidamente un Vector Regional poco contaminado por estos datos erróneos, pero
se basa en un cálculo de la moda que siempre es delicado evaluar. Al contrario, el método
de Y. Brunet Moret parece matemáticamente más sólido, pero supone que el utilizador haya
eliminado todos los datos erróneos para obtener un Vector Regional confiable. La
detección, corrección o eliminación de los datos erróneos es de todos modos una buena
política cualquiera sea el método utilizado, y es a menudo la meta principal de un análisis
con el Método del Vector Regional.

En ausencia de un estudio comparativo para determinar cual método es el mejor, los dos
métodos son propuestos en el módulo Vector Regional, y el utilizador deberá consultar la
bibliografía para utilizar el que le parezca mejor adaptado a su juego de datos.

APLICACIÓN DEL M.V.R CON HYDRACCESS

El paquete computacional HYDRACCESS (IRD, P. Vauchel, 2005), presenta el MVR

dentro de sus Funciones Avanzadas, tal como muestra la Figura Nº1.

Dados los principios teóricos del MVR, el inicio del procedimiento debe hacerse
empleando un mapa de climas de la zona u otras herramientas que ayuden a identificar
regiones climáticas y que, por tanto, se espera de éstas un comportamiento pluviométrico
homogéneo. La Figura Nº2 presenta el Mapa Climático del Perú.

Con la ayuda de esta primera herramienta, se selecciona un grupo de estaciones

pluviométricas pertenecientes a una misma región climática. Esta selección, se puede hacer
en HYDRACCESS empleando la ventana Modificar juego de estaciones. Las Figuras Nº3,
muestran un ejemplo de selección para el caso de estaciones en el departamento de San
Martín en la selva alta peruana; las coordenadas de los vértices del cuadrante seleccionado,
son ingresadas a las casillas respectivas de HYDRACCESS.

Seleccionado el grupo de estaciones a analizar, se prosigue a obtener los valores de lluvia

anual de dichas estaciones (dado que el MVR es un método basado el cálculo de Índices
Anuales de lluvia), para esto, se ingresa a la pestaña Lluvias y se activa la ventana
Procesamientos Multiestacion, de la columna Mensuales, se marcan las estaciones que se
desean comparar y se obtienen los datos anuales en una hoja de cálculo Excel
HA_MultiEstaciones.xls. La Figura Nº4 describe el procedimiento a seguir en
HYDRACCESS.

Para iniciar el cálculo del MVR propiamente, se debe ingresar a Utilitarios, luego a
Funciones avanzadas, tal como lo mostrado en la Figura Nº1. Al activar la ventana Vector
Regional de Índices Anuales, se debe, inicialmente cargar el archivo Excel
(HA_MultiEstaciones) pulsando “leer un archivo multiestaciones”. Inmediatamente, se
visualiza diversa información del conjunto de estaciones seleccionadas, a continuación se
debe ingresar el año de inicio y del final del trabajo, así como la selección del método a
emplear para la estimación. Un primer ensayo de discusión acerca de las diferencias del
empleo de estos métodos se presentará luego, esto en base a resultados obtenidos de la
crítica de datos pluviométricos realizados en el conjunto de la cuenca amazónica, la región
andina y del altiplano (Espinoza, et al. 2005).

Los parámetros de estimación y procesamiento, pueden ser cambiados en las casillas

respectivas. Información adecuada al respecto se encuentra disponible en el tutorial de
HYDRACCESS dentro de Ayuda (disponible en español desde la versión 2.1.4).

Luego de la elección del método y los parámetros, se prosigue al Cálculo del Vector,
picando en la casilla correspondiente que se encuentra ya activa. En la Figura Nº5 se
aprecia la ventana Vector Regional de Índices Anuales para el caso del ejemplo en curso,
con un periodo de trabajo entre 1960 y 2003 y con la aplicación del método de Brunet-
Moret.

Antes de que se despliegue la hoja de cálculo Excel conteniendo toda la información sobre
el Vector calculado, pueden aparecer algunos mensajes, acerca de años con datos
insuficientes o estaciones con datos insuficientes, según los parámetros del procesamiento
seleccionados.

Finamente, la hoja de cálculo HA_Vector.xls, es creada, y contiene abundante información

sobre el vector calculado. Esta hoja de cálculo contiene 10 pestañas, cada una con diversos
parámetros y es el análisis del conjunto de éstos, lo que permite elaborar un juicio adecuado
de la calidad de las estaciones. Por tanto, es acerca de este análisis que se tratará a
continuación.

Análisis y selección de estaciones.- Siguiendo con el ejemplo, la primera pestaña mostrada

por defecto al desplegarse la hoja HA_Vector.xls, corresponde a Gráfico_Índices, donde se
muestran los índices anuales del Vector y de las estaciones, según el método seleccionado.
Esta primera salida gráfica, da una buena idea del comportamiento de las estaciones
respecto al Vector y en algunos casos pueden, de antemano, reconocerse estaciones con
comportamiento diferente al Vector calculado o de algunos años con datos probablemente
erróneos. La Figura Nº6 muestra el Gráfico de Índices para el ejemplo presentado, en ella
se puede apreciar la existencia de estaciones con comportamiento distinto a las demás
constituyentes del grupo y que, por lo tanto están contaminando este Vector (que se
muestra de color rojo continuo). Adicionalmente, en esta Figura, pueden identificarse dos
características importantes en el cálculo del Vector:

La primera, es la Correlación de las estaciones respecto al Vector, las estaciones que

muestran un incremento y decremento los mismos años que el Vector, tendrán una buena
correlación. La otra característica importante es la Desviación Estándar de las Desviaciones
(D.E.D), que se muestra en la Figura según que tan alejados están los Índices de las
estaciones respecto al Vector, o que tan alejadas se encuentran de los límites (superior e
inferior) establecidos para el cálculo (líneas rojas punteadas). Aunque es preciso ya tener en
cuenta estos dos parámetros, en el análisis de otras pestañas de la hoja HA_Vector.xls, se
explicarán más a detalle.

Una vez analizada esta primera pestaña, y para conocer a mayor detalle los valores de los
índices de las estaciones, de los límites establecidos y del Vector, se puede ingresar a la
pestaña Índices, donde se encuentra la información que ha dado origen a la pestaña
Gráfico_Índices.

Otra salida gráfica importante, se encuentra en Gráfico_Acumuladas, que presenta la doble

acumulación de los índices de las estaciones en el eje Y y del Vector en el eje X. La Figura
Nº7 muestra este gráfico, donde se pueden ver algunos cambios de pendiente en los datos
de las estaciones, lo cual refleja la probabilidad de datos erróneos en esos años. En este
caso, los datos resaltados en la Figura Nº6 pueden coincidir con los cambios de pendiente.
Lo cual da una mayor certeza de errores en estas estaciones. Al igual que en el gráfico de
los índices, para el acumulado, también existe otra pestaña con la información acerca de
este gráfico (Acumulados), donde se puede ver de manera más minuciosa estas diferencias
respecto al Vector.

La primera pestaña de HA_vector.xls, corresponde a los datos de lluvia anual de las

estaciones ingresados para el cálculo del Vector, aquí se puede ver información adicional
acerca de los años de trabajo y los años de información de cada estación.

Quizás la información más importante y fundamental para saber la calidad de las

estaciones, sea la que se encuentra en la pestaña Estaciones, al final del análisis de la
información aquí presentada, ya se puede tener una buena idea acerca de las estaciones a
prescindir para continuar con la crítica de datos.

La Figura Nº8 muestra los valores encontrados para el ejemplo en curso, cada una de las
columnas contiene importante información. Inicialmente se muestran las estaciones, por su
“Id_Estación” que puede ser el código o el nombre según se haya hecho la elección; la
columna B corresponde a los años de datos con que cuenta cada estación. La siguiente
columna presenta las Desviaciones estándar observadas y la columna D, los Coeficientes de
Variación; estos dos últimos parámetros, son importantes para reconocer la variabilidad
multianual de las estaciones, y son además, buenos indicadores de una misma zona, regida
por un clima homogéneo. Las columnas E y F corresponden a las Medias observadas y
calculadas para cada estación, la columna G es la Media de los Desvíos y la H, la
Desviación Estándar de los Desvíos (D.E.D); este parámetro tiene una gran importancia
respecto a la calidad de la estación, puesto que, estaciones sometidas a un mismo régimen
multianual, deben tener una D.E.D semejante y nunca muy elevado, así mismo, el valor de
este parámetro será diferente en determinadas regiones, bastante bajo donde la variabilidad
es poco significativa (llano amazónico brazileño, por ejemplo) y mas elevado donde es alta
la variabilidad de las lluvias (región andina o vertiente pacífico, por ejemplo), de modo tal
que esta variación debe tenerse en cuenta dependiendo de la región donde se realiza el
análisis. Posteriormente se presentarán resultados de D.E.D para diferentes zonas
encontradas en la totalidad de la cuenca amazónica, el altiplano y la vertiente Pacífico
(Espinoza, et al. 2005). Este parámetro además es de suma importancia para reconocer el
método a seleccionar, como se verá más adelante en la comparación entre Brunet Moret y
Hiez.

La columna I, corresponde a un test de Homogeneidad planteado por Brunet Moret, y da

una idea acerca de encontrar rupturas dentro de la serie cronológica de cada estación. La
columna J es también de gran importancia para la crítica de los datos, representa la
Correlación de cada estación respecto al Vector. Aquí puede verse que correlaciones muy
bajas o negativas, corresponden a estaciones que no se encuentran dentro de la zona
homogénea o presentan mayor probabilidad de errores, así mismo, se espera que las
estaciones de una misma zona climática tengan valores cercanos de Correlación/Vector. No
obstante, debe hacerse un chequeo de las estaciones con Correlaciones bajas, pues esto
puede deberse a un problema de muestreo si tiene una duración muy corta.

Las columnas de K a O son producidas por el método de Hiez, siendo las dos últimas de
Calidad y Evaluación, con estos parámetros se pretende dar un calificativo a cada estación,
pero es un parámetro poco confiable, pues en la práctica se observa que estaciones con baja
correlación y elevado D.E.D pueden tener valores altos de Calidad y Evaluación, y
viceversa, estaciones con alta Correlación y bajo D.E.D, pueden presentar Calidad y
Evaluación bajos.

La pestaña denominada Vector, muestra información del cálculo del Vector, los índices
para cada año y un dato de gran importancia: el número de estaciones que ha sido empleado
para el cálculo de cada índice, aquí se podrá saber, cuáles son los años donde el Vector
presenta una mayor solidez de cálculo.

Tres pestañas más se presentan en la hoja HA_Vector.xls, las tablas de las Desviaciones y
Coeficientes, que pueden ser útiles para confirmar periodos problemáticos identificados
previamente, no obstante, esta identificación siempre resulta complicada, siendo lo ideal en
estos casos, tener el acceso a los originales de los observadores, para controlar posibles
errores de tecleo o digitación, periodos sin datos que se hallan leído como ceros, sumas
erróneas, etc.
Como puede concluirse de los párrafos anteriores, la crítica de cada estación se hace en
función al análisis de diversos parámetros y gráficos, sólo de esta manera se puede decidir
excluir una determinada estación o datos de una estación del análisis, y lo que resulta más
importante, que este primer Vector calculado para la zona en estudio se encuentra
“contaminado” por las estaciones de baja calidad, por lo tanto, será necesario realizar otro
cálculo del Vector extrayendo las estaciones seleccionadas, del mismo modo, la exclusión
de estaciones debe hacerse con mucha precaución, pues su aparente mala calidad puede
deberse a que se las está comparando con un Vector contaminado.

Otro concepto importante, consiste en saber qué ocurre con las estaciones excluidas del
análisis. Tres hipótesis dan respuesta a esta pregunta, la primera: la estación se encuentra en
los límites de la región analizada, y por lo tanto su comportamiento estará más influenciado
por otra zona climática. La segunda hipótesis: la estación se encuentra en una micro-región
dentro de la zona analizada y por lo tanto su comportamiento es diferente a las estaciones
restantes. Finalmente, la tercera hipótesis: la estación contiene en su serie de tiempo una
mayor probabilidad de datos erróneos. Como se puede ver, este método no muestra la
certeza de que una estación contiene datos erróneos, únicamente hace referencia a una
mayor probabilidad de presentarse estos errores en los datos.

Continuando con el proceso iterativo para el ejemplo planteado, se seleccionan las

estaciones con mayor probabilidad de errores, éstas son separadas en la próxima elección y
se vuelve a abrir la hoja HA_MultiEstaciones.xls y nuevamente se calcula el Vector para
iniciar el análisis descrito anteriormente. Este proceso se repite hasta encontrar un buen
ajuste en los parámetros analizados (Correlación/Vector, D.E.D, Coeficientes de Variación,
gráficos, etc), luego de esto, y según el nivel de tolerancia que se tenga, puede decirse que
se tiene un conjunto de datos con una menor probabilidad de errores en su serie temporal,
así mismo, se debe iniciar el estudio en otra región adyacente, incluyendo estaciones
desaprobadas en esta primera zona, así, al término del estudio, podrá decirse además, que
cada Vector representa la variabilidad de las lluvias en cada una de las zonas analizadas. La
Figura Nº9, muestra el Gráfico_Índices de las estaciones homogéneas de la región
planteada en el ejemplo y la Figura Nº10 el Gráfico_Acumuladas de éstas.

COMPARACIÓN DE LOS MÉTODOS DE BRUNET MORET Y HIEZ

La crítica de datos pluviométricos constituyentes de la base de datos del programa

HYBAM, ha dado origen a 36 zonas homogéneas de variabilidad multianual de lluvias en
el conjunto de la cuenca amazónica, la vertiente del Pacífico y la región del Altiplano
(Espinoza, et al, 2005), esta crítica se realizó empleando el método de Brunet Moret. En la
Figura Nº11 se muestra la cuenca amazónica y la región adyacente con las estaciones
pluviométricas constituyentes de cada zona homogénea.

Un primer ensayo acerca de las diferencias que se pueden encontrar con el método de Hiez,
se realizó sometiendo a las estaciones previamente aprobadas por Brunet Moret y
constituyentes de una misma región, al cálculo del Vector según Hiez. Los parámetros del
Vector más interesantes para este análisis comparativo han sido la D.E.D, la
Correlación/Vector y el gráfico de los Índices y el Vector; mientras que los datos más
influyentes de las zonas analizadas han sido la precipitación media, la ubicación (llano
amazónico, cercanía a la Cordillera de los Andes y vertiente Pacífico) y la altitud media.

El Cuadro Nº1, muestra los resultados obtenidos en las regiones encontradas dentro de la
cuenca amazónica, empleando los dos métodos de cálculo, aquí se aprecian los parámetros
mas importantes sometidos a comparación. Del mismo modo las Figuras Nº12 y 13
presentan en forma gráfica las diferencias entre los métodos, tanto para la
Correlación/Vector y el D.E.D, respectivamente.

Puede notarse, para el caso de la amazonía, que las mayores discrepancias entre los
métodos se encuentran en la Correlación/Vector, sin ser muy significativa en la mayoría de
casos; no obstante en la D.E.D los valores son, en ambos casos, bastante bajos y semejantes
con ambos métodos, siendo ligeramente más elevados en zonas cercanas a la Cordillera de
los Andes (existe una mayor variabilidad de las lluvias en esta zona), y es en esta región
donde las diferencias para la D.E.D son más significativas (Vectores 9, 15, 20, 30 y 35).
Esto parece mostrar que el método de Hiez toma en su cálculo una mayor ponderación a la
D.E.D o la variabilidad de las lluvias, pues en regiones donde ésta es mayor, existe también
una mayor diferencia en los métodos, por tanto, en estas regiones, los parámetros de
Calidad y Evaluación de Hiez son bastante bajos para estaciones con buena
Correlación/Vector.

El Cuadro Nº2 y las Figuras Nº14 y 15, muestran esta comparación para la región andina y
el Altiplano, en este caso es la Correlacio/Vector para las estaciones constituyentes de una
misma región, son bastante más semejantes con ambos métodos empleados, no obstante la
comparación entre D.E.D, sí muestra mayores diferencias, siendo además este parámetro
bastante más alto en que en la región amazónica. Así mismo, el Cuadro Nº2 presenta
adicionalmente la altitud media de cada región, lo cual permite observar que, es en las
regiones con menor altitud y poca lluvia donde el valor del D.E.D es mayor y las
diferencias entre los métodos es más importante (Vectores 22, 30, 31 y 32).

La variabilidad de las lluvias en cada una de las regiones estudiadas, parece haber sido el
factor más importante en la comparación de los métodos de cálculo del Vector, así, en el
llano amazónico, han sido pocas las diferencias, pudiéndose realizar el cálculo sin
problemas con ambos métodos, no obstante ha existido más complicación para usar Hiez en
regiones con mayor variabilidad (región cercana a los Andes) y el empleo de este método
en la región del Pacífico, ha sido aun más complicada, pues rechazaba la gran mayoría de
estaciones, aun existiendo entre ellas una buena correlación.

Puede apreciarse además, que aunque el método de Hiez ha resultado más severo para la
crítica de los datos (menores Correlación/Vector y mayores D.E.D), ambos métodos
guardan cierta correlación, presentando mejores resultados para zonas más homogéneas.

Finalmente, tres Figuras ilustran las diferencias encontradas en los Índices de las estaciones
y los Vectores para tres regiones diferentes: la Figura Nº16, corresponde al Vector 1 en el
llano amazónico, donde se aprecian los dos métodos sin mayores diferencias en el Vector
calculado. La Figura Nº17, es el Vector 13 de la amazonía ecuatoriana y límite con la
cordillera de los andes, aquí se muestran algunas estaciones con diferencias significativas
respecto a la aplicación de uno u otro método. La Figura Nº18, correspondiente al Vector
26 de la vertiente del Pacífico peruano y muestra las grandes diferencias encontradas con la
aplicación de los dos métodos.

Un análisis más profundo acerca de las diferencias entre estos métodos, se obtendrá al
realizar la crítica de los datos empleando Hiez, independientemente a los resultados
encontrados por Brunet Moret, principalmente para estaciones del llano amazónico, pues
como se ha podido ver, en el caso de la región andina y vertiente del Pacífico, el método de
Hiez ha resultado más complicado de emplear y dicha comparación será más dificultosa.

BIBLIOGRAFÍA PARA DETALLES COMPLEMENTARIOS

BRUNET-MORET (1971)
Etude de l'homogénéité des précipitations par la méthode des doubles masses.
Cahiers ORSTOM, Série Hydrologie, Vol VIII, nø4

BRUNET-MORET (1977)
Test d'homogénéité.
Cahiers ORSTOM, Série Hydrologie, Vol XIV, nø2

Espinoza J.C., J. Ronchail, J.L. Guyot, Cocheneau G., N Filizola, W. Lavado, E. de

Oliveira, R. Pombosa and P. Vauchel. 2009a. Spatio – Temporal rainfall variability in the
Amazon Basin Countries (Brazil, Peru, Bolivia, Colombia and Ecuador). International
Journal of Climatology, 29, 1574-1594.

HIEZ (1977)
L'homogénéité des données pluviométriques.
Cahiers ORSTOM, Série Hydrologie, Vol XIV, nø2

BRUNET-MORET (1979)
Homogénéïsation des précipitations.
Cahiers ORSTOM, Série Hydrologie, Vol XVI, nø 3 et 4

VAUCHEL P. (2005)
HYDRACCESS – Tutorial
www.mpl.ird.fr/hybam/outils/hydraccess_sp.htm