GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106.

ISSN 1316-60-77

USO ACTUAL DE MTODOS Y TCNICAS PARA EL ESTUDIO DE LA PRECIPITACIN INCLUYENDO PLATAFORMAS SIG Fernando Guerra1, Heriberto Gmez2, Julio Gonzlez3 y Zahylis Zambrano4 Universidad de Los Andes, ULA Tchira, Departamento de Ciencias Sociales, Laboratorio de Sistemas de Informacin Geogrfica (LABSIG) Recibido: diciembre 2005 Aceptado: abril 2006 Resumen El papel de la precipitacin como elemento que define las condiciones climticas de un rea cualquiera es incuestionable. Los datos de precipitacin obtenidos por instrumentos requieren, sin embargo, tratamientos especficos a objetos de hacerlos ms confiables. Diversas tcnicas se han desarrollado a travs del tiempo para procesar esta variable climtica. En este trabajo una revisin exhaustiva permite sugerir que la geoestadistica, basada en plataformas computacionales como los SIG, es una buena alternativa para los estudios de la precipitacin y su comportamiento. Palabras claves: Precipitacin, Geoestadstica, Sistemas de Informacin Geogrfica. CURRENT USE OF METHODS AND TECHNIQUES IN THE STUDY OF PRECIPITATION BASED ON SIG PLATFORMS Abstract The roll of the precipitation as an element that defines the climatic conditions of an area is unquestionable. Nevertheless, the data of precipitation collected by instruments require specific treatments in order to make them more reliable. Diverse techniques have been developed through the time to process this climatic variable. In this work an exhaustive revision allows to suggest that geoestadistic, based on platforms as the SIG, is an adequate alternative for the studies of the precipitation. Keywords: Precipitation, Geoestatistic, Geographic Information System 1. Introduccin La precipitacin es uno de los elementos definidores del clima de cualquier punto o rea de la superficie terrestre. Al igual que los dems elementos del clima (temperatura, presin atmosfrica, vientos, etc.) su estudio se realiza en base a los datos meteorolgicos medidos por instrumentos especficos ubicados en diversos puntos o estaciones bajo responsabilidad de organismos estatales, institutos o empresas que necesitan o se relacionan con el manejo y utilizacin de la informacin climtica e hidroclimtica.
1

Gegrafo. Profesor de climatologa adscrito al Departamento de Cs. Sociales ULA Tchira. Email: fguerra@ula.ve 2 Gegrafo. PhD en Geografa. Coord. del Laboratorio SIG adscrito al Departamento de Cs. Sociales ULA Tchira. Email: hgomez@ula.ve 3 Ing. Forestal. Magster en Suelos. Profesor adscrito al Departamento de Cs. Sociales ULA Tchira. Email: jtovar@ula.ve 4 Biloga. Profesora adscrita al Departamento de Cs. Sociales ULA Tchira. Email: zahylzam@ula.ve

97

Notas y Documentos

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

Los datos sobre precipitacin para un rea varan normalmente tanto a nivel temporal como espacialmente por influencia de diversas condiciones naturales terrestres y atmosfricas propias de cada lugar as como por los ritmos impuestos por la dinmica astronmica planetaria. Es reconocido ampliamente que la variabilidad de la precipitacin, as como la de la mayora de las variables naturales, puede ser analizada estadsticamente a partir de los datos recolectados (muestras) para un punto determinado durante largos perodos de observacin (decenas de aos) y que los valores o medidas obtenidas permiten caracterizar, con algn margen de incertidumbre, el comportamiento general de dicha variable. Sin embargo, cada propiedad, caracterstica o variable natural presenta, segn su naturaleza, condiciones especficas que deben considerarse al momento de analizar su variabilidad o comportamiento. 2. Premisas bsicas Cuadrat y Pita (1977) y Snchez (1999), consideran que, desde el punto de vista metodolgico, las observaciones pluviomtricas se diferencian de las termomtricas (y de muchas otras variables espaciales) fundamentalmente, en el hecho de que las precipitaciones son discontinuas en el espacio y en el tiempo. Esta caracterstica determina, en principio, que su anlisis y tratamiento estadstico debe hacerse con mtodos y tcnicas aplicables a variables de este tipo. Al respecto, los mismos autores establecen que esta consideracin es bsica en el estudio estadstico de las caractersticas de la precipitacin, las cuales tradicionalmente se han basado en la determinacin de los promedios, variabilidad, irregularidades, tendencias, frecuencias e intensidad para distintos perodos de tiempo. Particularmente, en los casos de anlisis estadsticos de la precipitacin a partir de los valores medios, Snchez (1999) advierte que, en general, cuando las precipitaciones son abundantes, el promedio mensual para un perodo suficientemente largo puede ajustarse a una curva de distribucin normal y en consecuencia el valor medio tiene significacin. Sin embargo, para las regiones ridas, lo comn es que las mayores frecuencias estn en las precipitaciones pequeas y que las precipitaciones altas sean muy pocas, lo cual determina que, en este caso, el valor medio tenga menos significacin. Las tcnicas estadsticas normalmente utilizadas en Climatologa e Hidrologa han permitido describir el comportamiento de la precipitacin, sin embargo, algunas de ellas, como se ha demostrado, no reflejan la situacin o condicin real en que se manifiesta esta variable. En relacin a ello, varios son los planteamientos que se hacen cuando autores, como Gil y Olcina (1997) y Cuadrat y Pita (1977), reconocen que, por ejemplo, el clculo de irregularidades y de las medias adolece de ciertas deficiencias al tomar en cuenta los valores extremos segn sea el caso. Para ello recomiendan considerar la mediana en vez de la media para el anlisis de la variabilidad temporal de la precipitacin, u otras medidas estadsticas ms apropiadas tales como la desviacin tpica, la desviacin media o el coeficiente de variacin. Lgicamente, cada caso necesita ser considerado en su condicin particular ya que los mismos dependen, entre otras variables, de las condiciones de medicin, de los tipos y cantidad de datos disponibles y de los objetivos de la investigacin. En este sentido, es importante dejar claro que, tal como lo plantean diversos autores (Guevara, (1987), Linsley, Kohler y Paulhus, (1977), Cuadrat y Pita, (1997)), la precipitacin es uno de los elementos del clima ms difcil de medir con exactitud, debido

98

Fernando Guerra, Heriberto Gmez, Julio Gonzlez, Zahylis Zambrano

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

a las diversas condiciones en que se presenta este proceso y su medicin, lo que conlleva a cierto margen de error en sus estimaciones, sin embargo, cuando se promedia informacin de varios observatorios de una misma rea el resultado es aceptable estadsticamente y tiene muchas aplicaciones prcticas. 3. Anlisis de datos climticos: una revisin de casos La literatura existente sobre mtodos y tcnicas estadsticas utilizadas en el anlisis de datos climticos, en forma general, es amplia y detallada en cuanto a las mltiples aplicaciones que tiene esta rama de la matemticas en los campos meteorolgicos, climticos e hidrolgicos, campos estos donde se ha producido la mayor cantidad de aportes en esta materia. Igualmente ocurre con el tratamiento estadstico particular de la informacin pluviomtrica. Al respecto, tambin debe mencionarse que la mayor proporcin de informacin publicada en cuanto a este aspecto se relaciona con el campo aplicado, conocidas las diversas y complejas influencias que la precipitacin tiene en los diferentes procesos naturales y en las actividades humanas, destacando entre otros: anlisis climticos a diferentes escalas, estudios hidrolgicos con diferentes fines, estudios de erosin de suelos, diseos de redes de drenaje, obras de ingeniera, relaciones clima cultivos o agroclimticos; y ms recientemente, el enorme auge que han tomado los estudios sobre riesgos hidroclimticos y la elaboracin de modelos de simulacin hidrolgica. Los trabajos publicados sobre anlisis estadstico en Climatologa e Hidrologa estn enfocados a explicar la utilizacin y adaptacin de las principales tcnicas y mtodos de tratamiento de datos muestrales al anlisis de los parmetros climticos partiendo, como se mencion anteriormente, de las caractersticas de cada variable en cuanto a su naturaleza y distribucin espacial y temporal. En este sentido, Guevara (1987), hace una recopilacin de los mtodos de estimacin y ajuste de datos climticos de mayor uso en este campo, aplicables a una o ms de las variables climticas. En base a este trabajo se puede establecer, en forma general, que el anlisis y estimacin de datos climticos se relaciona con la estimacin directa de un valor por mtodos descriptivos de posicin o centralizacin, medidas de variabilidad, asi como tambin, se pueden hacer estimaciones en base a la interpolacin a partir de mapas y por la correlacin existente entre las diversas variables climticas o entre datos de diversas estaciones. Para el anlisis de ajuste de datos climticos normalmente se recurre a los mtodos de correlacin y regresin, entre otros. Perdomo y Perdomo (1979), engloban en su trabajo, como parte de los estudios estadsticos en climatologa, el anlisis previo de la informacin climatolgica y de la red de estaciones, considerando que las series temporales de datos normalmente presentan errores en la toma de los datos, o ausencia de stos, y que en la estimacin por interpolacin debe manejarse informacin en cuanto a conformacin de la red de estaciones. Igualmente, se describen las tcnicas para extensin de las series temporales de datos, para verificacin de la homogeneidad o aleatoriedad de las series y para la seleccin de una estacin piloto. En cuanto a los mtodos de estimacin y ajuste se exponen las tcnicas tradicionalmente utilizados en base a promedios, interpolacin lineal, doble ploteo de masas, cocientes y

Uso actual de mtodos y tcnicas para el estudio de la precipitacin incluyendo plataformas sig

99

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

mediante regresin simple, as como el uso de medidas de variabilidad. Se incluyen tambin referencias importantes con respecto a la aplicacin del anlisis de frecuencia y de probabilidades en el campo de estudio de la informacin climtica. Ebdon (1982) hace una revisin de los diferentes mtodos estadsticos creados o ajustados al campo de la Geografa dada la particular estructura de distribucin espacial que tienen los hechos y variables naturales estudiados en este campo. Al respecto, el autor, adems de revisar los diferentes aspectos que tienen que ver con la adaptacin de de las diferentes tcnicas y mtodos estadsticos al anlisis de informacin geogrfica, dedica un captulo a la estadstica espacial considerando que el estudio de los fenmenos geogrficos implica el manejo de informacin de tipo lineal, puntual y areal y que a partir de ella se puede lograr el anlisis de diferentes caractersticas de los fenmenos como son: tendencia central, dispersin, forma, estructura y relaciones espaciales. En relacin a esta ltima caracterstica, es importante destacar la aplicacin de la autocorrelacin espacial para datos puntuales como uno de los mtodos para el estudio de las relaciones espaciales entre datos consecutivos medidos a una variable. 4. Geoestadstica: una alternativa El mayor conocimiento de la variabilidad en la distribucin espacial de las caractersticas naturales conjuntamente con los avances en la aplicacin de la estadstica a la recoleccin, organizacin, descripcin y anlisis de datos muestrales ha permitido mejorar las tcnicas de estimacin, ajuste y simulacin del comportamiento de estas variables, lo cual, junto al anlisis de probabilidades, ha dado origen a una rama especializada de la estadstica denominada Geoestadstica. La geoestadstica se define como la aplicacin de la teora de funciones aleatorias al reconocimiento y estimacin de fenmenos naturales, o simplemente, el estudio de las variables numricas distribuidas en el espacio (Journel y Huijbrets (1978) y Chauvet (1994), citados por Cuador (2005). El punto de partida de esta concepcin es considerar, tal como lo expresa Perdomo y Perdomo (1979), que la informacin obtenida a partir del anlisis estadstico de una serie de datos climticos es variable y en consecuencia de carcter aleatorio o estocstico, es decir, en Climatologa es difcil estimar con absoluta precisin el valor que puede tomar el dato deseado, pero se puede determinar con un nivel de certeza cul valor puede tomar o un rango en el cual este valor debe encontrarse, por ello tienen los valores de la variable una estructura probabilstica de carcter aleatorio. Las variables que asumen valores cuantitativos y que se ajustan a una distribucin de probabilidad conocida se definen como variables aleatorias y pueden ser de tipo discreto o continuo (Canavos, 1988). Segn este mismo autor, dentro de las variables aleatorias continuas que se ajustan claramente a una distribucin de probabilidad de tipo normal se encuentran las variables meteorolgicas, y dentro de ellas, la precipitacin pluvial ha sido tradicionalmente tratada, para efectos de anlisis de su distribucin, bajo el enfoque de que su variabilidad tanto temporal como espacial, para largos periodos de observacin, se ajustan segn una curva de distribucin normal. Entendiendo, como se ha mencionado, que las variables que tienen una distribucin espacial y temporal se pueden tratar como variables aleatorias, se espera que, utilizando

100

Fernando Guerra, Heriberto Gmez, Julio Gonzlez, Zahylis Zambrano

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

tcnicas estadsticas y anlisis de probabilidades, se puede estimar, con un margen dado de error, el valor que puede asumir una variable para una localizacin conocida. A estas variables que tienen como caracterstica un valor dado, pero que adems, ocupan una posicin en el espacio se les conocen, en el campo geoestadstico, como variables aleatorias regionalizadas (Matheron (1970) citado por Cuador (2000)) y sus valores pueden considerarse como variables aleatorias con una funcin de distribucin que puede ser estimada. La tcnica estadstica de estimacin consiste en estudiar, en base a datos ya existentes, cmo es la continuidad espacial de las variables y determinar su funcin de correlacin espacial (semivariograma). Conocida la funcin de distribucin espacial de cada variable es necesario escoger el modelo terico que mejor explique tal distribucin para, a partir de l, estimar los valores que asumirn las variables en cada lugar donde la misma se realice. Para Isaaks y Srivastava (1989), citado por Martnez (1995), las ventajas que se derivan del uso de tcnicas geoestadsticas, con respecto a otros mtodos de interpolacin, en el anlisis de la distribucin espacial de una variable natural podran resumirse en los siguientes aspectos: 1) los pesos de ponderacin dados a los valores medios no son arbitrarios sino que dependen de la variabilidad espacial observada; 2) la interpolacin de la variable en un punto de medida devuelve el valor medio en ese punto, con un error de estimacin nulo; y 3) la incertidumbre de las estimas se puede cuantificar. El estimador que posee estas caractersticas se denomina Krigeage (kriging) y segn Cuador (2005), el mismo tiene como objetivo encontrar la mejor estimacin posible a partir de la informacin disponible acompaada de la varianza de krigeage como medida del error de la estimacin realizada, lo que distingue al krigeage de otros mtodos de interpolacin. Segn Vanderlinden (2003), los pasos a seguir para hacer un estudio geoestadstico se pueden resumir de la manera siguiente: 1. Anlisis exploratorio de datos: consiste en hacer un estudio de los datos a fin de verificar su exactitud y representatividad. Se realiza un anlisis descriptivo de los datos de manera que se cumplan las hiptesis de la geoestadstica, esto es, verificar que los datos se ajusten a una distribucin normal, que exista estacionaridad y que las muestras no tengan valores extremos y pertenezcan a una misma poblacin. 2. Anlisis estructural o variogrfico: cumplidas las condiciones anteriores se procede a calcular el semivariograma experimental y al ajuste de ste a un modelo terico conocido. El semivariograma experimental se obtiene con los datos de muestra e indica el modelo de distribucin espacial de la variable a partir de la correlacin espacial entre los datos medidos en al rea o regin. El modelo terico son las diversas formas en que se pueden distribuir los datos cuando se cumplen las hiptesis de la geoestadstica y sealan los principales parmetros de la distribucin, es decir: si hay efecto pepita (Nugget), la meseta y el alcance.

Uso actual de mtodos y tcnicas para el estudio de la precipitacin incluyendo plataformas sig

101

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

3. Interpolacin o estimacin espacial (Kriging): consiste en estimar el valor que asume la variable de estudio para diferentes puntos dentro de la regin, en base al semivariograma que define la correlacin espacial existente entre los valores muestrales. 4. Validacin del modelo geoestadstico: obtenida la estimacin de los datos para cualquier punto dentro de la regin se realiza la validacin. Para ello se eliminan los datos a partir de los cuales se calcul el semivariograma y se procede a estimar los valores que asume la variable para esos puntos segn el modelo de semivariograma utilizado. De esta manera se obtienen los valores para esos puntos y su correspondiente error de estimacin. La utilizacin del Kriging como tcnica para estimacin de datos pluviomtricos en reas con escasez de estaciones o de difcil accesibilidad se ha convertido en una herramienta til para el investigador. Asimismo, se ha experimentado para reas con densidades de cobertura relativamente homogneas a efectos de medir su nivel de confianza como mtodo de estimacin o para efectos de comparacin con otros mtodos de interpolacin, convirtindose, en la mayora de los casos, en la herramienta ms adecuada para este tipo de anlisis. Una breve recopilacin de la aplicacin del Kriging al anlisis de la variable precipitacin demuestra su amplio rango de uso tanto para los diferentes parmetros de un mismo fenmeno, as como para ms de una variable relacionadas entre si. De all es que han surgido las diversas modalidades de Kriging que se han desarrollado hasta la fecha, hablndose hoy en da, entre otros, de Kriging lineal, Kriging multivariado y Kriging no lineal, existiendo dentro de ellos diversas modalidades segn las caractersticas de la variable en estudio. Se habla entonces de Kriging ordinario, Kriging Universal, Kriging estratificado, Kriging simple, Kriging con deriva externa, CoKriging, y otras modalidades (Rondn (s.f.)). Entre los ejemplos de estas modalidades de Kriging aplicados al estudio de la precipitacin se pueden citar: Estudios sobre distribucin de la precipitacin para Colombia utilizando Kriging Universal (Romero y Triana (2005), Interpolacin espacial de medias anuales de precipitacin utilizando Kriging Universal (Kastelec y Kosmelj (2002)); generacin de mapas de isoyetas para el sur del Estado Aragua-Venezuela utilizando Kriging con Tendencia Externa (Demey y Pradere (1995)); definicin de patrones homogneos de distribucin de la pluviosidad para los llanos centrales de Venezuela mediante Kriging Factorial (Pradere (1999)); comparacin de varios mtodos para la representacin cartogrfica de informacin climtica en zonas altas del Estado Lara Venezuela utilizando Kriging Lineal (Lpez, Snchez y Andressen (2001); aplicacin de datos de precipitacin radar a la estimacin del campo de precipitaciones con fines climatolgicos, empleando Kriging ordinario (Chazarra, Lpez y Aguado (2005); Mapa de isoyetas de precipitacin para la cuenca alta del ro Gurico por kriging ordinario (Primera, Vitoria y Puche (s.f.); son algunos de los ejemplos acerca de la aplicacin del estimador Kriging como mtodo estadstico de interpolacin apropiado para estimar confiablemente valores de precipitacin en reas desprovistas de datos, asi como para conocer la distribucin espacial y temporal de las mismas y el anlisis de su representacin grfica espacial.

102

Fernando Guerra, Heriberto Gmez, Julio Gonzlez, Zahylis Zambrano

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

Asimismo, la estimacin de valores de precipitacin media anual, mensual y diaria para periodos normales (30 o ms aos), ha sido eficientemente tratada con diferentes modelos de kriging (Kravchenko, Zhang y Koung Tung (1996), Mirs y Paz (2003)), obtenindose resultados satisfactorios tanto directamente como por comparacin entre varios modelos, seleccionando entre ellos el que menor error de estimacin produzca en los resultados. Los estudios de estimacin de datos de precipitacin por diferentes mtodos de interpolacin, tanto para reas con informacin como para sectores con escasa informacin, ha sido comparada en diversos estudios y, en la mayora de los casos, tal como ya se mencion, la estimacin por Kriging ha producido las mejores estimaciones y los errores ms bajos que otros mtodos como: polgonos de Thiessen, inverso de la distancia, triangulacin, interpolacin lineal, etc., considerados stos, los mtodos ms utilizados para interpolacin de datos de precipitacin. Entre los trabajos consultados Nokolova y Vassilev (s.f.), Goovaerts, P. (1999), Almarza y Luna (s.f.), Ceballos (s.f.)) presentan experiencias de estudios donde, utilizando varios mtodos de interpolacin, concluyen que el Kriging estima los valores de precipitacin ms cercanos a los valores reales. 5. Sistemas de informacin geogrfica: una plataforma para geoestadisticos El uso de tcnicas geoestadsticas de este tipo, gracias al soporte de diversos software para procesamiento automatizado as como de Sistemas de Informacin Geogrfica (SIG), se ha convertido hoy en da en una herramienta de gran capacidad y aplicabilidad para el estudio de variables espaciales, tal como se desprende de la recopilacin de los diferentes trabajos realizados en esta rea de investigacin. Existen en el mercado, y tambin se pueden disponer libremente por la red (World Wide Web), una diversidad de programas diseados para procesar, estimar y simular geoestadsticamente bases de datos en diferentes campos tales como: minera, industria petrolfera, geologa, meteorologa, climatologa, cartografa de suelos-edafologa, hidrologa, hidrogeologa, silvicultura, ecologa, patologa vegetal, entomologa, salud pblica y otros. Entre los programas informticos ms utilizados se pueden mencionar: Geo-EAS, GSLIB, GSTAT, VARIOWIN, VESPER, R+, SADA, WINGSLIB, IDRISI, SURFER, ARCGIS GEOSTATISTICAL ANALIST, entre otros (Vanderlinden, (2003)). En este mismo orden, la aplicacin de kriging en sus diferentes modalidades ha estado acompaada, cada vez con mayor auge, por diferentes soportes o herramientas de anlisis tales como: modelos de elevacin digital, imgenes de satlite, redes neurales artificiales y radar (Daly, Neilson y Phillips (1993), Todini, E. (2001), Karamouz, Zahraie y Shahraki (s.f.), Matsoukas, Islam y Kothari (1998)), lo cual ha permitido mejorar la representacin espacial del fenmeno en estudio y aumentar los niveles de confianza en las estimaciones realizadas. Dadas las mltiples relaciones de la precipitacin con otras variables geogrficas (Altitud, exposicin y orientacin del relieve, pendiente, longitud) y con los procesos de la media y alta troposfera, la estimacin de las relaciones con estas variables y de las condiciones en la estructura vertical de la atmsfera a travs del kriging, han permitido conocer e interpretar mas integralmente el comportamiento y la variabilidad espacial y temporal de la precipitacin (Kravchenco, Zhang y Koung Tung, 1996).

Uso actual de mtodos y tcnicas para el estudio de la precipitacin incluyendo plataformas sig

103

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

6. Conclusiones El estudio de fenmenos complejos como la precipitacin demanda de herramientas capaces de analizar de manera satisfactoria las variables geogrficas que intervienen en su ocurrencia y distribucin. Procedimientos estadsticos hasta ahora aplicados, aunque con resultados aceptables, mostraron ser deficientes en el estudio eficaz de este fenmeno climtico. La geoestadistica aplicada en plataformas robustas como por ejemplo los sistemas de informacin geogrfica promete ser una alternativa muy positiva al estudiar dicho fenmeno. Agradecimientos Los autores agradecen al Consejo de Desarrollo Cientfico, Humanstico y Tecnolgico (CDCHT) de la Universidad de Los Andes por el financiamiento a la siguiente investigacin Cdigo NUTA-H-241-06-09-AA, organismo al cual deseamos expresar nuestro agradecimiento.

Referencias bibliogrficas
ALMARZA, C. Y LUNA, C. (s.f.). Homogeneidad y variabilidad de la precipitacin y la temperatura en zonas climticamente homogneas de la Pennsula Ibrica [Documento en lnea]. Disponible: "http://www.ame-web.org/JORNADAS/C10-trabajo%20" Almarza%20y%20Luna.pdf [Consulta: 2005, Enero 26] CANAVOS, G. (1988). Probabilidad y estadstica. Aplicaciones y mtodos. Espaa. McGraw Hill. CEBALLOS B., A. (s.f.) Variabilidad espacial de la lluvia en una pequea cuenca hidrogrfica de la Provincia de Cceres [Documento en lnea]. Disponible: "http://www.fyl-unex". com/foro/publicaciones/norba/files/10/p2.pdf [Consulta: 2005, Enero 27] CUADOR G., J. (2000). La geoestadstica, su surgimiento y evolucin. [Documento en lnea]. Disponible en: http:/www.ciget.pinar.cu/No,%202000-2/geoestadstica. htm [Consulta: 2005, Febrero, 01] CUADOR G., J. (S.F.). Elementos de geoestadstica. [Documento en lnea]. Disponible:http://www.monografas.com/trabajos 14/geoestadstica/geoestadstica.shtm [Consulta: 2005, Mayo, 17] CUADRAT, J. Y PITA, M. (1997). Climatologa. Madrid: Ediciones Ctedra. CHAZARRA B., A., LPEZ D., J. Y AGUADO E., F. (s.f.). Caso estudio de aplicacin de datos de precipitacin radar a la estimacin del campo de precipitaciones con fines climatolgico. [Documento en lnea]. Disponible: http:/www.aeclim.org/3congr/chazarra2.pdf. [Consulta: 2005, Enero 13] DALY, C., NEILSON, R. Y PHILLIPS, D. (1993). A statistical-topographic model for mapping climatological precipitation over mountainous terrain. [Documento en lnea]. Disponible: http://ams.allenpress.com/archive/1520-0450/32/2/pdf/ i1520-0450-33-2-140.pdf [Consulta: 2005, Enero 05] DEMEY, Y. R. y PRADERE, R. (s.f.) Generacin de isolneas de precipitacin al sur del Estado AraguaVenezuela usando Kriging con Tendencia Externa. [Documento en lnea]. Disponible: http:/www.redpav-fpolar.info.ve/agrotrop/v46_3a006.html [Consulta: 2005, Enero, 24]

104

Fernando Guerra, Heriberto Gmez, Julio Gonzlez, Zahylis Zambrano

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

EBDON, D. (1982). Estadstica para gegrafos (1 ed.). Barcelona, Espaa: Oikus-Tau. GIL OLCINA, A. Y OLCINA CANTOS, J. (1997). Climatologa General. Barcelona, Espaa: Ariel Geografa. GOOVAERTS, P. (1999). Performance comparison of Geostatistical algorithms for imcorporating elevation into the mapping of precipitation. [Documento en lnea].Disponible: http://www.geovista.psu.edu/sites/geocomp99/Gc99/023/gc_023.htm" [Consulta: 2005, Enero 04] GUEVARA D., J. (1987). Mtodos de estimacin y ajuste de datos climticos. Caracas Universidad Central de Venezuela. KARAMOUZ, M., ZAHRAIE B. Y SHAHRAKI, M. (s.f.). Analysis of spatial variation of precipita tion: A case of study of Western Iran [Documento en lnea]. 7 International Congress on Civil Engineering. Disponible en: http://www.icce7th.com/papers/pdf/E1030.pdf [Consulta: 2005, Enero 05] KASTELEC, D. Y KOSMELJ, K. (2002). Spatial interpolation of mean yearly precipitation using universal Kriging. [Documento en lnea]. Disponible en: http://mrvar.fdv.uni-lj.si/pub/mz/mz17/Kastelec.pdf [Consulta: 2005, Enero 05] KRAVCHENKO, A., ZHANG, R. Y KOUNG TUNG, Y. (1996) Estimation of mean annual precipitation in Wyoming using Geostatistical analysis [Documento en lnea]. Disponible en: http://library.wrds.uwyo.edu/wrp/96-04/96-04.html [Consulta: 2005, Enero 05] LINSLEY, R., KOHLER, M. Y PAULHUS, J. (1975). Hidrologa para ingenieros. Bogota: Mc Graw Hill. LPEZ M., J., SNCHEZ, J. Y ANDRESSEN, R. (2001). Comparacin de varios mtodos para la representacin cartogrfica de informacin climtica en zonas altas del Estado Lara. [Documento en lnea]. Disponible:http:/pegasus.ucla.edu.ve/BIOAGRO/Rev13(1)/6.%20Comparaci%C3%83n%20de% 20varios.pdf [Consulta: 2005, Octubre 13] MARTNEZ-COB, A. (1995). Cartografa de la variabilidad espacial de variables agro- nmicas mediante tcnicas geoestadsticas. [Documento en lnea]. Disponible: http:/mappinginteractivo.com/plantillaante.asp?id_artculo=1235 [Consulta: 2005, Diciembre 01] MIRS J. M. Y PAZ, A. (2003). Comparacin de Krigeado ordinario y Krigeado Universal para estimar la precipitacin de Galicia [Documento en lnea]. Ponencia presentada en IX Conferencia Espaola de Biometra. La Corua. Disponible: http://www.udc.es/dep/mate/biometria2003/Archivos/ma49.pdf [Consulta: 2005, Enero 06] NIKOLOVA, M. Y VASSILEV, S. (s.f.). Mapping precipitation variability using diffrent interpolation methods [Documento en lnea]. Disponible: "http://www.balwois" mpl.ird.fr/balwois/administration/full_paper/ffp631.pdf [Consulta: 2005, Diciembre 20] PERDOMO, E. Y PERDOMO, I. (1979). Elementos prcticos de climatologa estadstica. Ciudad Guayana: Edelca. PRADERE, R. (1999). Definicin de patrones homogneos de pluviosidad en los llanos Centrales venezolanos mediante Kriging Factorial [Documento en lnea]. Disponible: http:/www.redpavfpolar.info.ve/agrotrop/v49_3/a493a004.html [Consulta: 2005, Octubre 25] PRIMERA, M., VILORIA, J. Y PUCHE, M. (s.f.). Mapa de isoyetas de precipitacin para la Cuenca alta del ro Gurico por kriging ordinario [Documento en lnea] 1ras Jornadas Nacionales de Geomtica. Disponible: "http://www.fii.org/www" cpdi/jornadas/pdf/primera.pdf [Consulta: 2005, Diciembre 26]

Uso actual de mtodos y tcnicas para el estudio de la precipitacin incluyendo plataformas sig

105

GEOENSEANZA. Vol.11-2006 (1). Enero - junio. p.97- 106. ISSN 1316-60-77

ROMERO R., J. Y TRIANA Z., G. (2005). Distribucin espacial de la precipitacin en Colombia utilizando tcnicas geoestadsticas. [Documento en lnea] Disponible: http:/webigac1.igac.gov.co/UnionEU/jromero.pdf [Consulta: 2005, Noviembre 10] RONDN, O. (s.f.) Curso de Krigeado por Oscar Rondn [Documento en lnea]. Disponible: http://www.geo.upm.es/postgrado/CarlosLopez/geoestadistica/index.htm [Consulta: 2005, Diciembre 26] SNCHEZ C., J. (1999). Agroclimatologa. Caracas. Universidad Central de Venezuela. TODINI, E. (2001) A bayesian technique for conditioning radar precipitation estimates to rain gauge measurements. Hydrology and earth system sciences [Revista en lnea]. Disponible: "http://www.hydrol-earth-syst-sci.net/5/187/2001/hes" -5-187- 2001.pdf [Consulta: 2005, Enero 05] VANDERLINDEN, K. (2003). Introduccin a la Geoestadstica. [Documento en lnea]. Disponible: http:/www.uco.es/vida/seminarios/cartelcursogeostat.htm [Consulta: 2005, Agosto 08]

106

Fernando Guerra, Heriberto Gmez, Julio Gonzlez, Zahylis Zambrano