Estimación del periodo de retorno de sequías

meteorológicas e hidrológicas mensuales

Bonifacio Fernández Larrañaga
José Pedro Montt Monckeberg

Pontificia Universidad Católica de Chile

En regiones semiáridas es común observar varios meses consecutivos con escasez de precipi-
taciones y de caudales, lo que afecta de manera importante las actividades agrícolas de seca-
no y pastoreo, la agricultura de riego, los abastecimientos de agua de las ciudades, la opera-
ción de centrales hidroeléctricas y las condiciones ambientales de los cauces. Para caracterizar
hidrológicamente este tipo de fenómenos es importante poder estimar el periodo de retorno y
los riesgos asociados con su ocurrencia. Sin embargo, por tratarse de eventos relativamente
complejos, definidos como una sucesión de meses seguidos en que se presenta la escasez,
en series periódicas, que pueden ser estadísticamente independientes como ocurre habitual-
mente con las lluvias, o dependientes, como es el caso de la mayoría de las series de caudales,
la estimación del periodo de retorno no es sencilla. En este artículo se presenta un procedi-
miento numérico para calcular estas propiedades en el caso de situaciones periódicas como
las descritas, basado en un algoritmo desarrollado para situaciones estacionarias de similares
características. Estos algoritmos se aplican para determinar el periodo de retorno de sequías
meteorológicas, consistentes en varios meses seguidos con lluvias despreciables en diversas
localidades de las zonas semiáridas de Norte y Sudamérica. También se muestran ejemplos de
sequías hidrológicas, provocadas por varios meses consecutivos con caudales insuficientes
para operar a plena capacidad centrales hidroeléctricas de pasada (se considera el caso de
algunas obras de este tipo en la zona central de Chile).

Palabras clave: periodo de retorno, riesgo, sequías, sequías meteorológicas, sequías hidrológi-
cas, series periódicas, regiones semiáridas.

Introducción y los caudales mínimos en ríos y esteros. En Norte y

Muchas zonas pobladas del mundo se encuentran en
regiones semiáridas, donde los recursos hídricos son
escasos en general y exhiben una gran variabilidad
temporal. Incluso es frecuente observar periodos de
varios meses sin precipitaciones durante una prolon-
gada estación seca cada año. En estas zonas los es-
currimientos son también muy variables y son habitua-
les los flujos intermitentes. Las actividades agrícolas
de secano y el pastoreo en empastadas naturales es-
tán fuertemente afectados por las condiciones impues-
tas por sequías meteorológicas. Similarmente, la agri-
cultura de riego, el abastecimiento de agua para las
poblaciones, los aprovechamientos hidroeléctricos sin
volúmenes de regulación, así como las condiciones
ambientales de los cauces superficiales están, todos
ellos, adversamente afectados por la escasez de agua
Sudamérica existen varias regiones de este tipo, entre
las que destacan las ubicadas alrededor de los treinta
grados de latitud norte y sur, como son el norte de
México, el sur de Estados Unidos, la costa del Perú, el
norte y centro de Chile, y otros.
El objetivo de este artículo es presentar un procedi-
miento para cuantificar las probabilidades de ocurren-
cia o estimar los periodos de retorno de sequías me-
teorológicas o escasez de lluvias, y también de sequías
hidrológicas o escasez de caudales definidas en con-
diciones periódicas con intervalos de tiempo menores
de un año. Para cuantificar las primeras se recurre a
los registros de series cronológicas de precipitaciones
mensuales y para las segundas, a series de caudales
medios mensuales. Si se comparan estos fenómenos
de sequías con el caso tradicional de las crecidas, las
primeras enfrentan condiciones más complejas, debi-
do a que en este caso los eventos de interés están ca-
racterizados por una sucesión de periodos de esca-
sez, las series de datos son periódicas, y si bien en ge-
neral son estadísticamente independientes para el
caso de precipitaciones (Roesner y Yevjevich,
cuando se trata de escurrimientos se encuentran evi-
dentes signos de dependencia (Yevjevich, 1963).
Para el análisis se recurre a la definición de sequías
propuesta por Yevjevich (1967): dada una serie de
oferta de agua y otra serie de demanda, una sequía se
define como una sucesión de periodos en los cuales la
oferta no alcanza a satisfacer la demanda. La estima-
ción del periodo de retorno de las sequías así defini-
das supone aceptar la dificultad de que se trata de un
evento representado por una sucesión de eventos y no
de un solo evento simple, como es el caso de las creci-
das. Más aún, cuando se consideran valores mensua-
les, el análisis de las sequías requiere considerar la
periodicidad de la oferta y demanda de agua. En el
caso de series estacionarias, Fernández y Salas (1994,
proponen un esquema general para la
estimación del periodo de retorno en diferentes condi-
ciones, que puede acomodar situaciones complejas.
Este algoritmo ha sido extendido al caso de situacio-
nes periódicas por Fernández y Vergara para
estimar los periodos de retorno de condiciones de es-
casez de caudales ecológicos en la zona central de
Chile. AI abordar el caso no estacionario, o más bien
periódico, se reconoce que la probabilidad de ocu-
rrencia asociada con las variables de oferta y deman-
da dependen del tiempo, como ocurre cuando se con-
sideran variables hidrológicas mensuales en las que la
periodicidad es importante. Además, plantean situacio-
nes de fenómenos hidrológicos temporalmente inde-
pendientes, como las lluvias, y dependientes, como los
caudales. En este artículo se explica y aplica el méto-
do propuesto, en particular al caso de eventos relacio-
nados con las lluvias mensuales en zonas semiáridas
de Norte y Sudamérica, que pueden ser consideradas
estadísticamente independientes, y al caso de escurri-
mientos mensuales asociados con aprovechamientos
hidroeléctricos en Chile, que resultan estadísticamente
dependientes.
Periodo de retorno y riesgo de eventos
hidrológicos complejos
En reemplazo de la probabilidad de excedencia en hi-
drología se acostumbra emplear el periodo de retorno,
definido como el valor esperado de la cantidad de in-
tentos necesarios hasta lograr que el evento de interés
ocurra por primera vez (Benjamin y Cornell, 1970; Ste-
dinger eta/., 1993). En el caso de eventos simples que
se completan en un intento en situaciones no periódi-
cas, como ocurre comúnmente con las crecidas máxi-
mas anuales, la relación entre la probabilidad de exce-
dencia P = Prob(X>xo), y periodo de retorno, T, es in-
mediata, ya que éste corresponde al inverso de la pro-
babilidad de excedencia, es decir T =
Vogel(1987) revisa los conceptos de periodo de re-
torno y sus aspectos estadísticos para relacionar las
ideas de riesgo de falla con la de seguridad de servi-
cio de un sistema de abastecimiento de agua. Fernán-
dez y Salas (1 reconsideran el concepto
de periodo de retorno para su aplicación general a
eventos hidrológicos de todo tipo, en condiciones es-
tacionarias, y lo aplican a crecidas, caudales mínimos
y sequías tanto en series independientes como
dependientes. Para el caso de eventos complejos,
estos autores proponen estimar el periodo de retorno
mediante un procedimiento numérico que calcula la
cantidad esperada de intentos o periodos necesarios
para lograr la primera ocurrencia en el futuro del even-
to de interés mediante:
donde n representa los intervalos de tiempo
y corresponde a una función introducida por Schwa-
ger (1 para calcular la probabilidad de ocurrencia
de una sucesión, definida como la probabilidad de
que el evento en cuestión pase por primera vez en el
instante n.
Para eventos definidos como una sucesión, es de-
cir, un conjunto de valores seguidos que presentan una
propiedad común, como ocurre con las sequías de va-
rios años de duración, se supone que su ocurrencia se
verifica en el instante en que se completa. Además, se
introduce la función definida como la probabilidad
de que el evento suceda en el instante n o antes.
De las definiciones anteriores es evidente que:
También se puede apreciar que la definición de
evaluada para n = L, corresponde al riesgo de falla
para una vida útil del sistema de L periodos, ya que re-
presenta la probabilidad de que el evento que provo-
ca la falla ocurra al menos una vez durante la vida útil.
Para cada caso particular se calcula el periodo de re-
torno y el riesgo mediante un algoritmo que permite
calcular los valores de las probabilidades y para
cada periodo n = Fernández y Vergara (1998)
muestran que este método general puede extenderse
para el caso de situaciones periódicas, como las que
se presentan en este artículo.
Riesgo de eventos en series periódicas
independientes
Muchos de los eventos de interés en hidrología ocurren
en pocos meses, semanas o incluso días. Esto obliga
a considerar en su definición antecedentes del com-
portamiento hidrológico con sustancial periodicidad.
Sea X1, X2, X3, X una serie cronológica de in-
terés que muestra un comportamiento periódico con
un ciclo de w intervalos. Interesa estimar el periodo de
retorno de un evento consistente en la ocurrencia de
una sucesión de r valores consecutivos caracterizados
por un conjunto R (R1, R2, Rr) que satisfacen una
condición especial conocida. La situación de interés
más común en la práctica es que se trate de una clasi-
ficación binaria, en la cual cada valor de R puede asu-
mir dos estados diferentes alternativos, tales como
normal o falla, por ejemplo. En el caso de escasez de
recursos hídricos, la condición de falla puede ser, por
ejemplo, que los valores de la precipitación sean nulos
durante los r periodos, o menores que un valor prede-
terminado considerado como mínimo, o menor que la
demanda en el intervalo. Para el caso de sequías men-
suales, el evento de interés consiste en una sucesión
de r meses consecutivos, en ninguno de los cuales se
excede una determinada cantidad de precipitación o
caudal, condición que puede considerarse como re-
presentativa de unas sequía meteorológica, o hidroló-
gica, de r meses de duración.
En el caso de situaciones de escasez en las cuales
Xn es la precipitación en el periodo n,y D representa el
valor límite entre las condiciones normales y de falla, o
escasez, hay una falla en el periodo n si En el
algoritmo para calcular se requiere saber la proba-
bilidad de que en el instante n se presente una suce-
sión en la cual los últimos valores de X sean de falla.
Esta función denominada como se define enton-
ces como:
la que se calcula como:
Cuando X es una variable periódica que sigue un
ciclo anual, su función de distribución de probabilida-
des depende del periodo t, al cual corresponde el ins-
tante n,pero no del año. Por lo tanto, para el caso de
series periódicas es suficiente calcular esta función
para los w primeros periodos, por ejemplo para n=1,
en el caso de series mensuales y no necesa-
riamente para todo valor de n.Esto se traduce en que:
= para todo n
Si la serie X está formada por variables periódicas
estadísticamente independientes y la sucesión que
define el evento de interés especifica el valor de D que
separa el estado normal del de falla para cada ele-
mento de R, la función puede calcularse como:
Donde es la probabilidad de que la precipitación
en el periodo n sea menor que D, y por lo tanto de que
se observe una falla simple en el instante n. Esta pro-
babilidad puede ser calculada directamente de la dis-
tribución marginal de la variable Xn para el periodo co-
rrespondiente.
Para calcular Fernández y Vergara (1998) recu-
rren a un algoritmo propuesto por Shwager y ya
empleado por Fernández y Salas para eventos
definidos como sucesiones en series estacionarias,
como las sequías anuales. En el caso periódico, las
condiciones iniciales son similares, es decir:
Fernández y Vergara 998) encuentran que para el
caso de series periódicas, la probabilidad de que la
sucesión de largo r ocurra por primera vez al finalizar
el periodo n, esto es puede evaluarse considerando
que para ello se requiere que se cumplan simultánea-
mente las siguientes condiciones: la sucesión de largo
rse completa en n,lo que tiene una probabilidad
la sucesión no ha ocurrido ni en el instante n-r-1 ni an-
tes, lo cual tiene una probabilidad dada por y
finalmente, que ella tampoco se complete en ningún
periodo entre n-r y n-1, lo que se cumple si no se ob-
serva una condición de falla en el instante n-r, que tie-
ne una probabilidad de Las tres condiciones
mencionadas son independientes, por lo tanto su pro-
babilidad de ocurrencia simultánea es el producto
dado por:
donde se calcula con la ecuación La ecuación
para completa el algoritmo.
Este algoritmo permite calcular numéricamente los
valores de las funciones fn y para n=1,2,3, de ma-
nera que estos resultados se usan para estimar el pe-
riodo de retorno mediante la ecuación Debe tenerse
en cuenta también que cuando están involucradas
variables periódicas, ambas funciones, fn y tienen
una fuerte componente periódica y dependen del
instante inicial, es decir, del periodo al cual correspon-
da el instante n=1.
Riesgo d e eventos en series periódicas
dependientes
Mientras las series de precipitaciones mensuales se
pueden considerar independientes temporalmente en
la mayoría de los climas, las series de caudales men-
suales muestran en general una dependencia tempo-
ral que no es despreciable estadísticamente. Roesner
y Yevjevich (1966) hacen un análisis del comportamien-
to estocástico de series de precipitaciòn
u.,
mensual
mensual
y de series de caudales medios mensuales, y Ile-
gan a la conclusión de que para todos los efectos
prácticos, las series de precipitaciones pueden consi-
derarse como estadísticamente independientes de
manera temporal, mientras que para una cantidad sig-
nificativa de series de caudales, el coeficiente de au-
tocorrelación de orden uno es significativo. En hidrolo-
gía se han propuesto varios modelos para tomar en
cuenta la dependencia temporal de las series de cau-
dales mensuales. Entre los más simples para el caso
de situaciones binarias está el que corresponde a una
cadena de Markov de dos estados, a pesar de que
este modelo es reconocido por su incapacidad de re-
producir dependencias largas, o persistencia, que es
una preocupación seria si se analizan condiciones de
escasez en recursos hídricos. Se pueden encontrar
ejemplos de su uso en series hidrológicas estaciona-
rias en los artículos de Hirsch Stedinger et al.
(1 Vogel (1987) y Salas (1993). Para el caso pe-
riódico binario se puede emplear el mismo modelo
caracterizado también por una matriz de transición de
probabilidades periódica, cuyos elementos para
n=l,2,3, w están dados por las siguientes relaciones:
Donde N representa la condición normal o segura, y F,
la de falla, déficit o escasez. Si el valor de la serie en
el instante previo es desconocido al comienzo de la
serie, lo que normalmente ocurre en el primer interva-
lo, la probabilidad de observar una falla corresponde a
la que se obtiene de la distribución marginal de la va-
riable, que se expresa como:
Con el fin de incorporar la dependencia en el algo-
ritmo de cálculo del periodo de retorno, la función au-
xiliar (ecuación 3) debe tomar en cuenta el estado en
que se encuentra la variable inmediatamente antes de
que comience la sucesión, identificada para estos pro-
pósitos como q,(h;/), y que corresponde a una proba-
bilidad compuesta de que ocurra h, es decir N o F se-
gún corresponda, en el periodo n-/y que se completen
exactamente fallas seguidas en el instante n. En el
caso binario, los estados h pueden ser normales (N) o
de falla ( F ) y por lo tanto:
mensual
Para variables no estacionarias, se calcula a
partir de las probabilidades de transición de un estado
al otro, según las expresiones de la ecuación que
también son función del tiempo. En el caso de series
periódicas, es suficiente evaluar esta función para
cada uno de los periodos: t=1,2,3, w.
El algoritmo recursivo requiere la evaluación de la
función para los dos casos siguientes: primero
cuando se observan periodos sucesivos de fallas a
partir del instante inicial en el cual la historia previa se
desconoce, y en segundo término para h=N,
que corresponde a observar un periodo normal segui-
do por una sucesión de /fallas. Para ambos casos, las
probabilidades son:
Puede apreciarse que si la dependencia temporal es
despreciable, entonces = = y las ecuacio-
nes y son equivalentes, y adicionalmente pueden
reducirse a la ecuación del caso independiente.
Finalmente, para facilitar los cálculos del algoritmo
recursivo para fn, y siguiendo las recomendaciones de
Schwager ya empleadas para el caso estacio-
nario por Fernández y Salas es necesario em-
plear otra función auxiliar, denominada Esta fun-
ción corresponde a la probabilidad de que el evento
no se complete, es decir que no ocurra una sucesión
de largo re n ninguna de las observaciones antes de n,
y que se observe un valor h, esto es N o F, en n.
Con todas estas funciones auxiliares para facilitar
los cálculos, las condiciones iniciales del problema
son como sigue:
Con la ayuda de las funciones auxiliares reciente-
mente definidas, las relaciones recursivas para los ins-
tantes de tiempo sucesivos son:
esto es, estimar los recursos necesarios para sostener
actividades típicas como la agricultura. En su reempla-
zo es habitual recurrir a porcentajes de la precipitación
promedio del lugar o a valores que presentan una pro-
babilidad de excedencia dada, así como a indicado-
res como los percentiles, o como el índice de Precipi-
tación Estándar (SPI por su acrónimo en inglés), intro-
ducido por Mckee et al. (1993). En este artículo se
adopta una situación particular, aunque sin pérdida de
generalidad para la aplicación del método propuesto,
consistente en definir como condición de sequía perio-
dos sin precipitación apreciable, lo que es un extremo.
Se trata de una sucesión de varios periodos consecu-
tivos en una serie de procesos temporalmente inde-
pendientes y periódicos. Esta es una situación fre-
cuente en zonas semiáridas, en las cuales es posible
apreciar varios meses seguidos con escasez de IIu-
vias, como ocurre en diversas estaciones representati-
vas de zonas semiáridas en Norte y Sudamérica, de
las cuales se han seleccionado las que se identifican
en la ilustración y cuyas características principales
se indican en el cuadro Para verificar la independen-
cia temporal de las series se ha estimado el coeficien-
te de autocorrelación de orden uno de las series estan-

En el caso periódico dependiente, Fernández y Ver-

gara 998) proponen una estimación más sencilla
para la función fn que la propuesta en Fernández y Sa-
las para situaciones estacionarias, conside-
rando para ello que la probabilidad de observar una
sucesión de r valores consecutivos por primera vez en
el tiempo n requiere que no haya ocurrido en n-r o
antes y que se observe una condición normal en ese
momento, lo que tiene una probabilidad seguido
por una sucesión de r valores que terminan precisa-
mente en n, lo que tiene una probabilidad qn(N;r).
Entonces es simplemente:

Adicionalmente, para completar el algoritmo se

emplea la siguiente relación:

Sequías meteorológicas mensuales

Se conocen como sequías meteorológicas mensuales

a eventos que consisten en varios meses consecutivos
con escasez de precipitaciones. Para identificar los
periodos de sequía es necesario conocer la demanda,
darizadas periódicamente y verificado que estadística-
mente no sea significativamente diferente de cero. Las
series de precipitaciones en Arequipa, Petrolina, Tijua-
na, Mexicali y Phoenix pueden considerarse indepen-
dientes. Las de Santiago, La Serena, Jaguaraci y Love-
lock, aunque presentan coeficientes significativos se
tratarán como independientes (aproximación). Lima es
una serie claramente dependiente y por lo tanto no se
empleará esta metodología.
En todas ellas se aprecia una cantidad media anual
de lluvias relativamente escasa y una prolongada esta-
ción seca. Las probabilidades de que en un mes cual-
quiera las precipitaciones sean despreciables, meno-
res que mm mensuales, se muestran gráficamente
en la ilustración en donde se puede apreciar clara-
mente la periodicidad del comportamiento de las pre-
cipitaciones mensuales en todas estas zonas. Este tipo
de sequías puede tener efectos beneficiosos en activi-
dades de construcción, mineras o turísticas, para las
cuales la escasez prolongada de lluvias es un indica-
dor de ausencia de problemas climáticos.
Con la metodología propuesta en la primera parte
de este artículo es posible estimar el periodo de retor-
no de un evento, consistente en varios meses segui-
dos con precipitaciones despreciables, por ejemplo,
seis meses consecutivos en que las precipitaciones no
superen los mm. Es decir, el evento de interés es una
sucesión R tal, que X1<2, X2<2, X3<2, X4<2, X5<2,
X6<2, donde Xi corresponde a la precipitación del mes
i en la sucesión en milímetros. Inicialmente se puede
suponer que la serie comienza en enero, pero pue-
de calcularse para cualquier mes inicial.
Primero se requiere evaluar para cada estación la
función con I = para cada mes n = ene-
ro, febrero, diciembre, de acuerdo con el algoritmo
de la ecuación El valor de esta función depende de
o de la probabilidad de que en el mes n la preci-
pitación sea inferior a mm, es decir, que se presente
una sequía en ese mes. Los valores de esta probabili-
dad y de la función para el caso de la estación de
Tijuana, México, se presentan en el cuadro
El cálculo de estas funciones es sencillo. En Tijua-
na, n = octubre, y I = indica la probabili-
dad de que en un mes de octubre cualquiera se ob-
serve una sucesión de cuatro meses seguidos con
precipitaciones despreciables, es decir, que los meses
de julio, agosto, septiembre y octubre constituyan
una sequía de cuatro meses de duración. El valor es
O = O.
Disponiendo de los valores de la función es
posible estimar las funciones fn y para valores de
n hasta un valor suficientemente grande
como para asegurar la convergencia de la suma de la
ecuación que permite estimar el periodo de retorno.
Los valores de estas funciones reflejan claramente un
comportamiento periódico, como puede apreciarse en
la ilustración que muestra la evolución de dichas
funciones para los valores iniciales de n en el caso de
Tijuana con /=6.
El cuadro presenta los valores del periodo de re-
torno calculado para eventos consistentes en periodos
de seis meses consecutivos con escasez de precipita-
ciones para las estaciones incluidas en este estudio,
considerando series que se inician en enero. Además,
se indica el valor del riesgo de que un evento de tal
tipo ocurra al menos una vez durante los primeros cin-
co años en cada una de las ubicaciones mencionadas,
estimado como el valor de la función Sn a los
meses,
Estimaciones similares se pueden hacer para suce-
siones de distintos largos, de uno a meses por
ejemplo, con el mismo procedimiento descrito recien-
temente. El cuadro muestra el periodo de retorno de
eventos definidos como sucesiones de meses secos
consecutivos de duración total entre uno y para
cada una de las estaciones. Debido a la periodicidad
de las series, el mes inicial afecta los resultados, pero
su influencia en el valor del periodo de retorno dismi-
nuye a medida que la serie se independiza del mes de
partida, lo que ocurre al aumentar el periodo de retor-
no, es decir, para eventos menos frecuentes.
Debido al comportamiento eminentemente periódi-
co de las precipitaciones mensuales en los lugares
analizados, normalmente existe al menos un mes al
año en que las lluvias presentan una alta probabilidad
de ocurrencia, lo que corta habitualmente la existencia
de sucesiones largas de meses sin lluvias. En algunos
lugares esto ocurre después de tres o cuatro meses,
como en Phoenix, mientras en otros pueden presentar-
se fácilmente meses seguidos sin lluvias, como en
Arequipa.
Sequías hidrológicas mensuales
Habitualmente se denominan sequías hidrológicas a
las relacionadas con la escasez de caudales en los
cauces. Muchos de los usos de los recursos superfi-
ciales son de actividades cuyas demandas varían
enormemente de un mes a otro, como ocurre con las
demandas agrícolas de agua para riego, las deman-
das de agua potable, las necesidades de caudal en el
cauce o los denominados caudales ecológicos. En to-
dos estos casos, pequeños periodos de escasez de
algunos meses o incluso de días pueden provocar im-
portantes consecuencias adversas. En tales ocasiones
es necesario caracterizar también la oferta mediante
series mensuales, las que presentan importante perio-
dicidad, más aún si se trata de cauces en regiones se-
miáridas, donde los ríos exhiben grandes variaciones
dentro de un año, observándose incluso casos en que
se secan completamente durante varios meses. Bajo
estas condiciones es necesario poder estimar cuanti-
tativamente las probabilidades de ocurrencia y el ries-
go de tener que enfrentar periodos de escasez de
vaios meses sucesivos, durante los cuales las ofertas
de agua superficial no alcanzan a satisfacer las
demandas.
Una situación de interés es lo que puede ocurrir
con centrales hidroeléctricas de pasada, sin capaci-
dad significativa de embalse, en donde se presenta
cierto nivel de escasez cuando los recursos hídricos
no alcanzan para que la central opere a plena capaci-
dad. En estos casos, dada una serie de caudales men-
suales, Qi, y una central hidroeléctrica con capacidad,
Qo, se puede considerar que se presenta una condi-
ción de sequía hidrológica de r meses de duración si
durante esos r meses sucesivos se tiene que
durante los cuales la central no alcanza a operar a
plena capacidad.
A continuación se presenta el caso de varias cen-
trales sin embalse del Sistema lnterconectado Central
(SIC), Chile, en las cuales los caudales muestran una
gran variabilidad. El cuadro presenta las característi-
cas principales de las cuencas seleccionadas en este
análisis. Para estas cuencas, el evento de interés se
caracteriza por una sucesión de r meses consecutivos,
en los cuales el caudal aportante de las cuencas es
menor que la capacidad definida para la central, esto
es R donde Qi correspon-
de al caudal aportante mensual en cada uno de los r
meses y Qo es el caudal de operación de la central.
El cuadro presenta los valores de la probabilidad
de falla, Prob(Qi<Qo) i en cada mes para
cada una de las cuencas analizadas. Algunas cuen-
cas tienen un régimen claramente nival, con mínimos en
invierno, mientras otras son netamente pluviales, con
máximos en invierno. Además es necesario calcular
las probabilidades de transición entre dos meses con
fallas sucesivas y entre un mes de condiciones norma-
les y uno con falla. Las diferencias entre las probabili-
dades de falla y de transición permiten poner en evi-
dencia la dependencia temporal de las series, ya que
si ellas fueran independientes, estas probabilidades
serían iguales, es decir, la probabilidad de falla sería la
misma, independientemente de si en el mes anterior
hubo o no una falla. Con base en ellas se pueden esti-
mar los valores de la función qn(0,I) para cada mes n,
y para cada duración total de la sucesión, El cuadro
muestra estos valores para una de las cuencas, esti-
madas con base en el algoritmo presentado en este
artículo.
AI igual que para las sequías meteorológicas, el
cálculo de las funciones qn(0,I) es sencillo. En el caso
de Pilmaiquén para n=10, octubre, y q10(0.4) indi-
ca la probabilidad de que en un mes de octubre cual-
quiera se observe que se completa una sucesión de
cuatro meses seguidos con caudales menores que la
capacidad, es decir que los meses de julio, agosto,
septiembre y octubre constituyan una sequía hidrológi-
ca de cuatro meses de duración. El valor es q10(0.4) =
Con el algoritmo
propuesto para las series periódicas dependientes,
como son en este caso, se estimaron los valores de las
funciones uN;n´ uF;n´ fn y Sn para valores de n desde
n=1 hasta alcanzar un valor suficientemente alto que
asegurara la convergencia de la suma de la ecuación
para estimar el periodo de retorno. Las ilustraciones
muestran el comportamiento de uN;n y de uF;n para el
caso de las cuencas de Alfalfa y de Pilmaiquén, mien-
tras la ilustración muestra el de las funciones fn y Sn
para las mismas cuencas. Se observa que todas estas
funciones son altamente periódicas y su periodicidad
es más importante en la medida en que lo es la varia-
bilidad del caudal entre meses consecutivos. El cuadro
muestra los resultados en cuanto al periodo de retor-
no estimado para las sequías hidrológicas en cada
cuenca para eventos consistentes en sucesiones de me-
ses seguidos en que no se alcanzan los caudales de
operación, con duraciones desde uno hasta meses.
En todas ellas es usual enfrentar situaciones de es-
casez durante pocos meses, dada la gran variabilidad
del recurso y su disminución apreciable en la tempo-
rada de caudales mínimos. Es así como la existencia
de periodos secos durante el estío en estas cuencas
es responsable del alto riesgo de que se presenten
condiciones de operación desfavorables, o sequías, de
varios meses de duración, de tal manera que es casi
cierto, con probabilidades muy cercanas a uno, que
deban afrontarse sequías que pueden durar hasta seis
meses. Es menos probable que se presenten sequías
más largas debido a que el estío rara vez se prolonga
durante todo el año.
Finalmente, el cuadro resume los valores del ries-
go de ocurrencia de que se presente al menos uno de
estos eventos durante los primeros años de operación
de una de estas centrales en cada una de las cuencas
analizadas.
Conclusiones
Las sequías que duran menos de un año son eventos
hidrológicos complejos, para cuya ocurrencia es nece-
sario que se complete una sucesión de meses conse-
cutivos con escasez de precipitaciones o caudales en
series, cuyas funciones de probabilidad cambian de
un mes a otro, mostrando una marcada periodicidad.
Además, en el caso de los caudales, estas probabili-
dades son temporalmente dependientes. Tomando en
consideración estos aspectos, se expuso en este ar-
tículo un método para estimar el periodo de retorno y
el riesgo asociado con la ocurrencia de este tipo de
eventos, basado en un algoritmo recursivo propuesto
para situaciones estacionarias. Si bien el algoritmo re-
quiere la estimación de varias funciones en cada caso,
todas ellas se pueden estimar a partir de las caracte-
rísticas estadísticas básicas de las series mensuales,
como son las probabilidades de ocurrencia o de tran-
sición de situaciones simples.
La aplicación de este procedimiento de cálculo
para estimar el periodo de retorno y el riesgo asociado
con sequías meteorológicas de varios meses de dura-
ción considera datos de varias estaciones de registro
de precipitaciones en Norte y Sudamérica. Los resulta-
dos tienen interés práctico para regiones semiáridas,
en las que es frecuente observar tales fenómenos. En
estas zonas, las sequías (que pueden ser de uno a va-
rios meses seguidos, incluso doce o más sin precipita-
ciones) son fenómenos habituales con periodos de re-
torno bajos y alto riesgo de ocurrencia. De manera
similar se aplica al caso de situaciones con dependen-
cia temporal apreciable entre meses sucesivos, la que
se ha representado como una cadena de Markov, para
encontrar las probabilidades de ocurrencia y el riesgo
asociado con sucesiones de meses en que los cauda-
les no alcanzan al caudal de operación de centrales
hidroeléctricas de pasada. En ambas situaciones, me-
teorológicas e hidrológicas, es claramente apreciable Fernández, B. y J.D. Salas, "Return Period and Risk of Hydro-
que las funciones involucradas en la estimación del logic Events Applications", Journal of Hydrologic Engi-
periodo de retorno son altamente periódicas, reflejan- neering, ASCE, vol. núm. pp.
do las características de las series básicas a partir de Hirsch, R.M., "Synthetic Hydrology and Water Supply Reliabi-
las cuales se efectúan las estimaciones. lity", Water Resources Research, vol núm.
pp.
Agradecimientos McKee, T.B., N.J., Doesken, J. Kleist, Drought monitoring with
multiple time scales, 9th Conference on Applied Climato-
Este artículo presenta resultados de un proyecto de investigación logy, Dallas, del al de enero de pp.
realizado con apoyo del Fondo Nacional de Desarrollo Científico y Roesner, L.A. y V. Yevjevich, "Mathematical Models for Time
Tecnológico de Chile (Fondecyt), a través del proyecto Series of Monthly Precipitation and Monthly Runoff.",
También se agradece el apoyo del programa de intercambio entre la Hydrology Papers Colorado State University, Fort Co-
Colorado State University y la Pontificia Universidad Católica de Ilins,
Chile por parte del U.S. Information Agency. Salas, J.D. "Analysis and Modeling of Hydrologic Time Se-
ries", capítulo en Handbook of Hydrology, Maidment,
Recibido: 26/01 D.R., MacGrawHill, Nueva York,
Aprobado: 13/06/2000 Schwager, S.J., "Run Probabilities es in Sequences of Markov
Dependent Trials", JASA, vol. pp.
Referencias Stedinger, J.R., B.F. Sule y D. Pei, "Multiple Reservoir System
Screening Models", Water Resources Research, vol.
Benjamin, J.R y C.A. Cornell, Probability, Statistics, and Deci- núm. pp.
sion for Civil Engineers, McGraw-Hill Publishing Compa- Stedinger, J.R., R.M. Vogel y E. Foufoula-Georgiou, "Fre-
ny, Nueva York, quency Analysis of Extreme Events", capítulo en
Fernández, B. y J.D. Salas, Periodo de retorno y riesgo de Handbook of Hydrology, D.R. Maidment, MacGrawHill,
eventos hidrológicos, XVI Congreso Latinoamericano de Nueva York,
Hidráulica, vol. Santiago, Chile, noviembre de Vogel, R.M., "Reliability Indices for Water Supply Systems",
pp.221-232. Journal of Water Resources Planning and Management,
Fernández, B. y A. Vergara, "Risk of Scarcity of Monthly Pre- ASCE, vol núm. pp.
cipitation and Streamflows in Semiarid Regions", Hydrolo- Yevjevich, V., "Fluctuation of Wet and Dry Years. Part I. Re-
gical Sciences Journal, vol. octubre de pp. search Data Assembly and Mathematical Models",
Hydrology Papers Colorado State University, Fort
Fernández, B. y J.D. Salas, "Return Period and Risk of Hydro- Collins,
logic Events: Mathematical Formulation", Journal of Hy- Yevjevich, V., "An Objective Approach to Definition and In-
drologic Engineering, ASCE, vol. núm. pp. vestigation of Continental Droughts", Hydrology Paper
Colorado State University, Fort Collins,
 Abstract

Fernández L., B. J.P.Montt M., "Estimation of the Return Period of Monthly Meteorological and Hydrologi-
cal Droughts", Hydraulic Engineering in Mexico (in Spanish), vol. XVI, num. pages July-September;

In semiarid regions, periods from one to several consecutive months of scarcity of precipitation or low
flow rates in rivers and streams frequently occur, In these regions, scarce precipitation considerably affects
grazing activities on rangelands, irrigated agriculture, urban water supply, hydroelectric power, mills opera-
tion, and flora and fauna of surface stream environments. This paper presents a methodology for estimating
probabilities of occurrence of such events and associated risks by using statistical informationprovided by
monthly precipitation and stream flow series. Conventional return period and risk concepts as customarily
used in hydrology are applied, and events of interest such as meteorological droughts are considered by
using monthly precipitation as a time-relatedseries of supply, thereafter addressing hydrological droughts
in terms of stream flow supply. For these two kinds of events,periodic situations of time-independent pheno-
mena are considered for the case of precipitation, with time-dependent phenomena considered for stream-
flows. The method is applied to several precipitation gauge stations in semiarid zones of North and South
America to calculate probabilities of occurrence of specific numbers of consecutive months with no signifi-
cant precipitation or flow rates of less than operational flows of hydroelectric power mills in Chile.

Key words: return period, risk, droughts, meteorological droughts, hydrological droughts, periodic series,
semiarid regions.

Dirección institucional de los autores:

Bonifacio Fernández Larrañaga

José Pedro Montt Monckeberg

Departamento de Ingeniería Hidráulica y Ambiental

Pontificia Universidad Católica de Chile
Av. Vicuña Mackenna Santiago, Chile
Casilla Correo
Teléfono: (56 2)
Fax: (56 2)
Correo electrónico: bfernand@ing.puc.cl