GUA METODOLGICA PARA LA DELIMITACIN DEL MAPA DE

ZONAS RIDAS, SEMIRIDAS Y SUBHMEDAS SECAS DE

AMRICA LATINA Y EL CARIBE

Deyanira Lobo L.
12



INTRODUCCIN

En muchas regiones, en el mbito mundial existe un desbalance entre recursos naturales,
poblacin y necesidades bsicas. Este desbalance es ms marcado y notorio en regiones ridas,
semiridas y subhmedas. Las regiones ridas y semiridas comprenden el 30 % de la superficie
de la tierra y estn caracterizadas por un balance hdrico negativo casi todo el ao
En estas regiones la degradacin de suelos es un serio problema, generalmente causado por una
estrecha interaccin entre los factores biofsicos y socioeconmicos.
Por otra parte, debido a que la precipitacin en esas regiones tiene bajos promedios y una alta
variabilidad espacial y temporal, adems del carcter torrencial, es difcil hacer predicciones.

Problemas generales de delimitacin de las zonas.

Los lmites de las zonas ridas, semiridas y subhmedas no son abruptos ni estticos, debido a la
alta variabilidad interanual en la precipitacin y a la ocurrencia de sequas, lo cual puede ocurrir por
perodos de varios aos.

Definiciones relacionadas

Es importante diferenciar los trminos aridez, sequa y desertificacin:
Aridez implica un dficit pluviomtrico permanente (fenmeno climtico de largo tiempo), lo cual
est ligado a otras condiciones climticas especficas, como temperaturas elevadas, baja humedad
de aire y fuerte evaporacin. Es definida usualmente en trminos de baja precipitacin promedio o
agua disponible.

Sequa resulta de un dficit pluviomtrico temporal con relacin a la precipitacin normal
(fenmeno de corto plazo) y es generalmente percibido como un incidente por debajo de la
disponibilidad natural de agua. Hay que distinguir entre sequa (perodo de 1 2 aos con
precipitacin por debajo del promedio y desecacin (perodo seco por una dcada o mas).

1
Universidad Central de Venezuela, Venezuela


Desertificacin es la degradacin de la tierra en zonas ridas, semiridas y subhmedas secas
derivada fundamentalmente de los efectos negativos de diversos factores, tales como las
variaciones climticas y las actividades humanas.

El trmino tierras secas ha sido adoptado por la Convencin de las Naciones Unidas para el
combate de la desertificacin (CCD) para describir a aquellas tierras donde los problemas de
degradacin de tierras deben ser atendidos y donde deben promoverse mtodos para alcenzar el
desarrollo sostenible, considerando sus fragilidad ecolgica.

Dentro de las tierras secas se incluyen las zonas hiperridas, las zonas ridas, las zonas
semiridas y las zonas subhmedas secas.
Se han realizado intentos para establecer los lmites o definirlos en trminos de caractersticas
como la vegetacin natural. Se debe reconocer tambin que zonas ridas individuales no
representan climas homogneos.
El problema fundamental para la caracterizacin y delimitacin de zonas ridas, semiridas y
subhmedas secas, desde el punto de vista climtico, es la evaluacin e identificacin de
variables climticas para establecer un ndice de deficiencia y excedencia de agua que evale la
relacin entre el agua que entra al sistema y que sale de este.

Diferentes metodologas se han propuesto y utilizado para la delimitacin de zonas climticas en el
mbito mundial, entre estas se destacan:
Sistema basado en la relacin de precipitacin/evapotranspiracin estimada, incluyendo el
factor temperatura (Kppen)
ndice de aridez anual de Bailey
Sistema basado en la precipitacin media anual y temperatura media anual (Bailey y
Thornthwaite)
Sistemas basados en la longitud del perodo de crecimiento
Sistemas basados en el nmero de meses secos, precipitacin, evapotranspiracin y tipo
de vegetacin

Uno de los criterios ms ampliamente utilizado para delimitar zonas climticas es el ndice climtico
P/ETP, desarrollado por la FAO y la UNESCO en 1977, tomando como base el ndice de humedad
propuesto por Thornthwaite (1948), el mtodo de Penman (1948) y el procedimiento propuesto por
Meigs (1953). Este ndice expresa la relacin entre la precipitacin anual promedio y la
evapotranspiracin potencial en un rea determinada (UNEP, 1992; UICN/CCD, 2002)

El mapa de Aridez, publicado por la UNESCO (1977) no fue derivado de una base de datos
georeferenciados, sino de una base de datos, en la cual no se identifica los rangos de perodos de
tiempo cubiertos para las diferentes estaciones consideradas.
El clculo de los valores de ETP se realiz por el mtodo de Penman, que requiere un amplio
rango de datos meteorolgicos.

La UNESCO, en su reunin de Noviembre de 2001, estableci en el marco de la fase VI del
Programa Hidrolgico Internacional (PHI) (2002 2007) que la mayor prioridad debe ser dada al
manejo de los recursos hdricos con especial atencin a las regiones ridas y semiridas.
En vista de esto, el Centro del Agua para Zonas ridas y Semiridas para Amrica Latina y El
Caribe (CAZALAC), con sede en La Serena, Chile, propuso dentro del Programa Hidrolgico
Internacional, un proyecto para desarrollar, una metodologa estandarizada y consolidada para la
delineacin y mapeo de las zonas ridas, semiridas y subhmedas secas en Amrica Latina y El
Caribe. Este proyecto debe satisfacer la necesidad de la representacin grfica de la dinmica del
clima en la regin, para ser usada como un estudio temtico descriptivo y como herramienta de
manejo.

La necesidad creciente de estrategias de manejo ms integrales y amplias, en el mbito
subregional, regional y continental implica el uso de herramientas tcnicas y cientficas comunes,
estandarizadas y homogeneizadas, dentro de las cuales la clasificacin y el mapeo son esenciales.
Los procedimientos para la delineacin y mapeo deben estar relacionados con criterios bsicos,
tales como los temas de referencia (aridez, sequa, agresividad climtica), la escala, la precisin y
los indicadores para estimar los temas de referencia.

Una metodologa estandarizada ofrece ventajas relacionadas con la posibilidad de intercambiar la
informacin, realizar transferencia de conocimientos, implementacin de estudios comparativos,
establecer programas y proyectos de investigacin conjunta.
El procesamiento de los datos y la implementacin es de importancia crtica para el xito del mapa.
Las fuentes potenciales de error y los procedimientos para interpolacin y extrapolacin deben
recibir atencin preferencial.

La Gua y los mapas, en el mbito subregional, regional y continental estn destinados a expertos
en cambio climtico, cambio global, degradacin de tierras y desertificacin, Hidrologia, manejo y
conservacin de suelos y aguas, as como a planificadores y tomadores de decisin con respecto
al uso de la tierra y el agua.
La Gua tiene que ser entendida como un documento marco cuyo uso podra requerir un enfoque
ms flexible para la adaptacin a condiciones especficas.


METODOLOGA PRELIMINAR
Como primer paso se realiz un Taller de trabajo cuyo objetivo fue proponer una metodologa
general, que se pueda aplicar en los pases de la regin de Amrica Latina y El Caribe, para la
elaboracin del Mapa de Zonas ridas, Semiridas y Subhmedas Secas.
Este primer Taller cont con la participacin de representantes de Chile (Guido Soto, Fernando
Santibaez, Roberto Pizarro, Luis Aguilera, Claudia Sanguesa, Manuel Soto) Mxico (Jos
Donaldo Ros), Argentina (Elena Abraham, Mara Cristina Moyano), Venezuela (Deyanira Lobo,
Francisco Ovalles y Nectal Rodrguez), Gobierno de Flanders (Donald Gabriels) y con
Organizaciones e Instituciones que trabajan dentro del Programa UNESCO-PHI.

Los propsitos de este primer taller estuvieron dirigidos a definir y establecer los objetivos,
contenidos, metodologa y escala de trabajo que se seguirn, as como productos y las fases en
las cules se realizar el trabajo y los productos preliminares en cada fase.

PROPUESTA METODOLGICA
A continuacin se describen los criterios y metodologas adoptadas para la delimitacin de zonas
ridas, semiridas y subhmedas secas de Amrica Latina y El Caribe; as como las fases para
realizar el trabajo
En esta propuesta hicieron importantes aportes: Donald Gabriels
2
, Francisco Ovalles V
3
., Fernando
Santibaez
4
, Mara Cristina Moyano
5
, Luis Aguilera
6
, Roberto Pizarro
7
, Claudia Sanguesa
7
y Nelson
Urra
4
.
En el tema correspondiente al Anlisis Exploratorio de Datos se agradecen los valiosos aportes de
Francisco Ovalles, mientras que el tema relativo a los Mtodos de Completacin de Datos se
agradecen los aportes de Mara Cristina Moyano, Roberto Pizarro y Claudia Sangesa.
En el item correspondiente a Mtodos de Estimacin de Precipitaciones Areales, se agradecen los
aportes de Roberto Pizarro y Claudia Sangesa.
De igual manera, se agradece a Fernando Santibaez los aportes presentados en los Anexos 1 y 2

DISPONIBILIDAD DE AGUA
Una vez revisados los diferentes ndices utilizados para la caracterizacin y delimitacin de Zonas
ridas, Semiridas y Subhmedas Secas, tanto en el mbito regional como mundial, se acord
adoptar un ndice que permite definir los lapsos de deficiencia y excedencia climtica de agua en
un perodo especifico, el cual debe estar relacionado bsicamente con la precipitacin y la
evapotranspiracin de referencia en el sistema considerado. Por ello se propone la utilizacin de la
relacin:

0
m
ET
p
(UNEP, 1997) (1)

donde: p
m
: precipitacin media del periodo
ET
0
: Evapotranspiracin de referencia del periodo

Este ndice se utilizar para la clasificacin y delimitacin de las tierras utilizando los criterios
propuestos por Hassan y Dregne (1997), utilizados en el Atlas Mundial de Desertificacin (UNEP,
1997), siguiendo los criterios sealados en el Cuadro 1.

Cuadro 1. Clasificacin del ndice P/ET
0


Zonas P/ET
0
Hiperridas < 0.05
ridas 0.05 a < 0.20
Semiridas 0.20 a < 0.50
Subhmedas secas 0.50 a < 0.65
Subhmedas hmedas 0.65 a 1
3
Hmedas > 1



2
University of Ghent, Belgium
3
INIA - Universidad Central de Venezuela, Venezuela
4
Centro AGRIMED, Universidad de Chile, Chile
5
Instituto Nacional del Agua, Argentina
6
Centro de Estudios Espaciales, Universidad de Chile, Chile
7
Universidad de Talca, Chile

INFORMACIN REQUERIDA

PRECIPITACIN

Se propone utilizar datos de precipitacin mensuales para un perodo de 30 aos, de preferencia
durante el lapso de 1970 al 2000.

En el caso de no contarse con la informacin, esta deber completarse y corregirse siguiendo la
metodologa del Balance Hdrico de Amrica del Sur, la cual se describe bajo el ttulo
ESTIMACIN Y COMPLETACIN DE DATOS DE PRECIPITACIN FALTANTES. De igual
manera se realizar un anlisis exploratorio de los datos disponibles siguiendo las pautas
sealadas bajo el ttulo: ANLISIS EXPLORATORIO DE DATOS (AED)


EVAPOTRANSPIRACIN

Se utilizar el trmino Evapotranspiracin de referencia (ET
0
), cuya estimacin se realizar
utilizando el mtodo de Penman-Monteith FAO, como referencia para el clculo de esta.


Mtodo de Penman-Monteith FAO
FAO, en colaboracin con la Comisin Internacional para Riego y Drenaje y con la Organizacin
Meteorolgica Mundial, organiz una consulta de expertos e investigadores para revisar las
metodologas de FAO sobre los requerimientos de agua de los cultivos y hacer sugerencias sobre
la revisin y actualizacin de los procedimientos.
El panel de expertos recomend la adopcin de la combinacin del mtodo de Penman-Monteith
como un nuevo estndar para la evapotranspiracin de referencia y sugiri los procedimientos para
el clculo de varios de sus parmetros, los cuales se encuentran ampliamente explicados en Crop
Evapotranspiration. Guidelines for computing crop water requirements (FAO, 1998)
A continuacin se resumen algunas de las pautas ms importantes, tomadas de FAO (1998):
Para definir el cultivo de referencia como un cultivo hipottico con una altura asumida de 0.12 m,
teniendo una resistencia superficial de of 70 s m
-1
y un albedo de 0.23, estrechamente parecido a
la evaporacin de una extensin superficial de grama verde de altura uniforme, creciendo
activamente con una adecuada suplencia de agua (Figura1). Este mtodo supera las limitaciones
del mtodo previo FAO Penman y provee valores ms consistentes con los datos mundiales de
uso de agua de los cultivos

Figura 1. Caractersticas del cultivo de referencia hipottico (tomada de FAO, 1998)
Con la ecuacin original Penman-Monteith y las ecuaciones de resistencia aerodinmica y
superficial, el mtodo FAO Penman-Monteith para estimar la ET
0,
pudo ser derivada, y se propone
la siguiente:



(2)

Donde:
ET
0
evapotranspiracin de referencia [mm da
-1
],
R
n
radiacin neta en la superficie del cultivo [MJ m
-2
da
-1
],
G densidad de Flujo de calor en el suelo [MJ m
-2
da
-1
],
T temperatura del aire media diaria a 2 m altura [C],
u
2
velocidad del viento a 2 m altura [m s
-1
],
e
s
presin de vapor de saturacin [kPa],
e
a
presin de vapor actual [kPa],
e
s
- e
a
dficit de presin de vapor de saturacin [kPa],
pendiente de la curva de presin de vapor de saturacin en funcin de la temperatura [kPa C
-1
],
coeficiente psicromtrico [kPa C
-1
].

La Evapotranspiracin de referencia, ET
0
, provee un estndar al cual:
la evapotranspiracin en diferentes perodos del ao o en otras regiones puede ser comparada;
la evapotranspiracin de otros cultivos puede estar relacionada

Nivel de Referencia
La ecuacin usa registros meteorolgicos estndar de: radiacin solar, temperatura del aire,
humedad y velocidad del viento. Para asegurar la integridad de los cmputos, las mediciones
deben ser realizadas a 2 m (o convertidas a esa altura) por encima de una extensa superficie de
grama verde cubriendo el suelo y sin dficit de agua
La ecuacin Penman-Monteith -FAO es una representacin simple y cercana de los factores que
rigen el proceso de evapotranspiracin. Para usar la definicin de ET
0
de la ecuacin de Penman-
Monteith -FAO se pueden calcular los coeficientes de los cultivos (K
c
) en los sitios de investigacin,
relacionando la ET
0
con la ET
0
calculada

(3)

En esta propuesta se toman en cuenta dentro del coeficiente del cultivo las diferencias en el dosel
del cultivo y la resistencia aerodinmica relativa al cultivo de referencia hipottico. El factor K
c
sirve
como una agregacin de las diferencias fsicas y fisiolgicas entre cultivos y la definicin de
referencia.

Datos requeridos
La ecuacin Penman-Monteith -FAO adems de la localizacin del sitio, requiere datos de
humedad, radiacin y velocidad del viento para clculos diarios, semanales, decadiarios o
mensuales.
Es importante verificar las unidades en las cuales son reportados los datos meteorolgicos y la
posibilidad de hacer las respectivas conversiones si son necesarias.

Localizacin
Se deben especificar: la altura por encima del nivel del mar (m) y la latitud (grados norte o sur).
Estos datos son necesarios para ajustar algunos parmetros del clima para el valor promedio local
de presin atmosfrica (en funcin de la elevacin del sitio por encima del nivel del mar medio) y
computar la radiacin extraterrestre (R
a
) y, en algunos casos, las horas de luz (N). En el clculo de
R
a
y N, la latitud es expresada en radianes
Para el hemisferio Norte es usado un valor positivo y para el hemisferio Sur un valor negativo
Temperatura
Se requieren los valores de temperatura mxima y mnima mensual promedio, expresada en
grados Celsius (C). Si solo se dispone de los valores de temperatura media diaria, se pueden
ejecutar los clculos, pero con cierta sobreestimacin de la ET
0
, debido a las relaciones no-lineales
entre la presin de vapor de saturacin y temperatura.
Usando la temperatura media del aire, en lugar de los valores mximos y mnimos se obtiene un
valor mas bajo de la presin de vapor de saturacin (e
s
) y por lo tanto una diferencia de presin de
vapor mas baja (e
s
- e
a
), de aqu un bajo estimado de la ET
0

0
ET
ET
K
c
c
=
Humedad
Se requieren datos (promedios) de presin de vapor actual mensual, e
a,
en kilopascales (kPa). Si
no se dispone de los datos, estos pueden ser derivados de la Humedad relativa mnima (%), datos
psicromtricos (temperaturas del bulbo hmeda y seca (C) o temperatura del punto de
condensacin (C)
Radiacin
Se requieren los valores de radiacin neta mensual (promedio), expresada en megajulios por metro
cuadrado por da (MJ m
-2
da
-1
). Estos datos no estn disponibles comnmente, pero pueden ser
derivados de los valores promedio diarios de radiacin de onda corta medidos con un piranmetro,
o de los valores promedios diarios de horas de luz solar (horas por da), mediadas con un
registrador de horas de luz solar (Campbell-Stokes)
Velocidad del viento
Se requieren datos mensuales de velocidad del viento, expresada en metros por segundo (m s
-1
),
medidos a 2 m por encima del nivel del suelo. Es importante verificar la altura a la cual es medida
la velocidad del viento, ya que las velocidades difieren a diferentes alturas por encima del nivel del
suelo.

NDICES COMPLEMENTARIOS PARA DESCRIBIR LOS REGMENES DE HUMEDAD

Considerando que los rgimen de humedad tiene dos dimensiones: espacial y temporal, se
requiere utilizar ndices que incluyan las variaciones temporales de la disponibilidad de agua.
Considerando el tiempo, se pueden describir ambos, los perodos de dficit y exceso de agua. Los
perodos de exceso de agua pueden crear tambin muchos problemas de sequa.

- Perodos seco y hmedo

La principal caracterstica del rgimen de humedad que influencia la distribucin ecolgica de las
especies y el manejo del agua en la agricultura de riego es la longitud de la estacin seca. Esta
puede definirse mediante los siguientes criterios:


D
LP
= Nde meses secos =
0
ET 5 , 0 P <
(4)



R
LP
= Nde meses lluviosos =
0
ET P > (5)

donde:
D
LP
: longitud del perodo con dficit de agua

R
LP
: longitud del perodo con exceso de agua


- Dficit de agua
Otro aspecto que determina la aridez de un clima dado es el valor absoluto de las diferencias
negativas entre precipitacin y evapotranspiracin de referencia. Este ndice provee una
estimacin del dficit total anual de precipitacin durante la estacin seca. Esto es una
aproximacin del requerimiento de riego para cultivos perennes.
) (
0
12
1
ET P DH =

, (Solo valores negativos) (6)

DH = dficit de agua anual (mm)
P = precipitation mensual (mm)


AGRESIVIDAD CLIMATICA

Las zonas ridas, semiridas y subhmedas secas son frgiles y sensibles a la desertificacin
(degradacin de la vegetacin y suelos), siendo la erosin hdrica uno de los principales
indicadores asociados, razn por la cual es importante la seleccin de un ndice de agresividad de
las lluvias.

El grupo de expertos propone el ndice de Fournier modificado (IFM) para un periodo especfico,
para caracterizar la agresividad de la precipitacin.

=
=
12
1 i
2
i
P
p
IFM
(Arnoldus, 1980) (7)

donde: p
i
= precipitacin mensual (mm)
P = precipitacin anual (mm)

El clculo del IFM debe hacerse para cada ao y luego calcular el promedio

- ndices complementarios
La variabilidad de la precipitacin es un aspecto importante en zonas ridas, semiridas y
subhmedas. Las actividades humanas en estas zonas pueden estar ms comprometidas por la
incertidumbre de ocurrencia de lluvias en una estacin o ao, que por la disponibilidad de humedad
promedio.
Las variaciones interanuales de la precipitacin tienen gran relevancia en estudios de degradacin
de tierras, y las caractersticas de las lluvias en una localidad pueden incrementar la presin sobre
las tierras vecinas que tienen mejores condiciones de humedad. Perodos con mayor precipitacin
pueden contribuir a la desertificacin, ya que se incrementa la presin sobre la tierra, debido al
cultivo, lo cual tiende a crear dificultades durante los perodos secos siguientes.

Entre otros ndices que permiten la evaluacin de la agresividad y distribucin de las lluvias que
pueden contribuir a la metodologa de referencia propuesta, se pueden mencionar:

- Factor R de la Ecuacin Universal de Prdida de Suelos:


30
EI (Wischmeier y Smith, 1978) (8)

E = a + b log I (Renard et al, 1993)

Este ndice debe ser calculado sobre una base anual, estimado mediante la sumatoria de 1 a n
precipitaciones con caractersticas erosivas ocurridas durante el ao, para un periodo de tiempo
especfico o disponible.


- ndice de Fournier


P
p
IF
2
max
=
(Fournier F. 1960) (9)


p
max
: precipitacin del mes ms lluvioso (mm)
P: precipitacin media anual (mm)

- ndice de Concentracin de la Precipitacin (ICP) de cada ao

e
e
i
P
p
100 ICP

=
(Oliver, 1980) (10)

p
i
: precipitacin mensual (mm)
P: precipitacin media anual (mm)

El clculo del ICP debe hacerse para cada ao y luego calcular el promedio

ELABORACIN DEL MAPA
Se ha planteado:
Elaborar el Mapa para toda la regin, separada en cuatro reas, para mayor facilidad en
planificacin del trabajo:
1. Meso Amrica: incluido Mxico, Amrica Central, Cuba y Repblica Dominicana
2. El Caribe, Guyana y Surinam y Belice
3. Pases Andinos: Venezuela, Colombia, Per, Ecuador, Bolivia
4. Cono Sur: Argentina, Chile, Uruguay, Paraguay y Brasil

El mapa de referencia a utilizar se construir sobre la base de:
- Usar la longitud de la estacin seca como primer parmetro para separar los regmenes de
humedad. Como fue definido anteriormente, el perodo seco corresponde al nmero de meses
que tienen una relacin menor que el valor crtico de 0.5. Este ser combinado con la
temperatura mnima del mes ms fro como parmetro secundario.
- El ndice de aridez P/ET
0
ser calculado para todas las localidades disponibles e indicadas
como puntos de informacin en el mapa.
- El clculo de la ET
0
se realizar mediante la frmula Penman-Montieth-FAO.

Escala de Trabajo

- Se trabajar en funcin de una escala de mapeo de 1:5.000.000
- Abrir ventanas para cada uno de los pases, cuya escala va a estar en funcin de la
disponibilidad de datos.
- Se recomienda utilizar como base cartogrfica la Digital Chart of the World (DCW) corregida, y
como datum de referencia SIRGAS. (WGS84). Esta carta est disponible en el formato
Shapefile compatible con ArCView
- De igual manera se propone que en el mbito de cada pas se establezca la presentacin de la
informacin de una manera estratificada desde la definicin de unidades mnimas
cartografiables hasta grandes regiones homogneas, lo cual llevara a la definicin de la escala
y las necesidades de interpolacin y extrapolacin de datos. Esto podra constituir una
segunda fase de trabajo.

El mapa ser realizado en tres niveles:
1. Mapa regional y subregional sobre la base de criterios unificados
2. Mapas por pases con informacin detallada, incluyendo las principales cuencas
3. un sistema de informacin sobre recursos hdricos incluyendo capas relevantes: base de
datos, inventario de problemas y limitaciones locales para alcanzar un uso sostenible de
los recursos hdricos, indicadores de estado y presin sobre los recursos hdricos y
prioridades para riego y drenaje. Este sistema de informacin ser operado en cada pas,
usando sistemas y criterios unificados con el propsito de permitir intercambio de
informacin y experiencias entre pases.


TRABAJO FUTURO PARA MEJORAR Y COMPLEMENTAR LA INFORMACIN DE ESTA
ETAPA.

1. Actualizar las series de tiempo usando la base de datos de FAO y otras fuentes
2. Incrementar la densidad de estaciones meteorolgicas usadas como referencia
3. Incluir nuevos ndices para caracterizar mejor el rgimen hdrico (dficit de agua, longitud
del perodo hmedo, etc.)
4. Incluir variables trmicas para determinar el rgimen hidrotrmico, lo cual facilita
aplicaciones ecolgicas.
5. Clculo y mapeo de ndices asociados al proceso de erosin hdrica, escorrenta y
degradacin de tierras: ndice de Fournier Modificado, ndice de Concentracin de la
Precipitacin, Precipitacin efectiva.
6. Mejoramiento del mapa base incluyendo la delimitacin de cuencas y otra informacin
complementaria.
7. creacin de un sistema interactivo basado en las capas del mapa y base de datos.

ESTIMACIN Y COMPLETACIN DE DATOS DE PRECIPITACIN FALTANTES

Las mediciones de la precipitacin pueden estar afectadas por diferentes errores. Estos errores
pueden ser sistemticos o accidentales, adems de los producidos por la accin del viento o la
perturbacin aerodinmica del pluvimetro.

Los errores accidentales se pueden originar por errores en el instrumental, perturbaciones
aleatorias por la vida silvestre (animales) y se manifiestan por ruido en las mediciones. Estos
errores tienden a disminuir al considerar un perodo extenso de observaciones.

Los errores sistemticos se pueden presentar por varias razones. Por ejemplo la instalacin de un
pluvimetro cerca de algn obstculo que pueda llevar a mediciones de precipitacin por defecto.
Otra fuente de error es la observacin permanente del nivel de la precipitacin por defecto/exceso
que puede conducir a precipitaciones subestimadas/ sobreestimadas por el observador. De igual
manera puede ser fuente de error el criterio empleado para elegir datos para los promedios cuando
faltan observaciones.

Una tcnica clsica para evaluar la exactitud de una estacin es comparar las tendencias de esta
estacin con las tendencias en estaciones vecinas. Si se producen cambios abruptos en una
estacin con respecto a otras estaciones, entonces se sugiere que existira algn tipo de error que
puede afectar las mediciones. La tcnica clsica de comparacin es el anlisis de las curvas doble
masa o doble acumulada (Rostlac-Unesco, 1992; Dunne y Leopold, 1978)

Anlisis de la consistencia de datos pluviomtricos

El primer paso para la evaluacin espacial de la precipitacin es verificar que las observaciones
son consistentes, o sea, que la estacin haya permanecido durante el perodo de observaciones en
las mismas condiciones sin cambiar el instrumental o las condiciones del predio no se alteraran
significativamente.
Para esta verificacin se emplea el mtodo de doble masa o doble acumulada (CDA) o Metodo de
Doble Masa (MDM). Este mtodo se debe aplicar para detectar errores sistemticos en regiones
homogneas definidas en este caso por el mismo rgimen pluviomtrico.

Este mtodo requiere para su utilizacin, contar con una estacin pluviomtrica confiable o patrn,
la cual se contrasta grficamente con una estacin cuyos registros merecen la duda de que pueda
existir algn nivel de error sistemtico. As, para realizar el contraste grafico, es necesario graficar
en un plano cartesiano, las coordenadas que entregan los valores acumulados de la estacin
patrn y la estacin dudosa; la primera define sus valores en el eje x, y la segunda en el eje de las
y.
As, algebraicamente se tiene lo siguiente, suponiendo que se trata de estaciones pluviomtricas:
donde;

Ai = Ao i.
PEPi = Precipitacin estacin patrn ao i (mm).
PEDi = Precipitacin dudosa ao I (mm).

Ai

PEPi

PEDi

PEPi

PEDi

A1
A2
A3
.
.
AN


PEP1
PEP2
PEP3
.
.
PEPn

PED1
PED2
PED3
.
.
PEDn

PEP1
PEP1+PEP2
PEP1+PEP2+PEP3
.
.
PEP1+...................+PEPn

PED1
PED1+PED2
PED1+PED2+PED3
.
.
PED1+...................+PEDn
Obtenida esta informacin, se grafican las coordenadas

) , ( PEDi PEPi
, y se observa el
comportamiento de la nube de puntos. Esto, porque lo que este mtodo asume, es que para un
lapso constante, se debera manifestar una relacin estable de proporcionalidad entre los datos
que registra la estacin patrn y los que registra la estacin dudosa. Esto significa, que para el
perodo en estudio, la relacin de incrementos, entre los datos de precipitacin de la estacin
dudosa y de la estacin patrn, se debera mantener relativamente constante de no existir algn
error sistemtico.

En trminos matemticos, la relacin entre ambas variables debera estructurarse en una sola
recta, al no existir error. As se tendra lo siguiente:



+ = PEPi b a PEDi *
(11)


con a y b constantes de la ecuacin de una recta.

Luego,
b
PEPi d
PEDi d
=

(12)

Donde b es la constante de proporcionalidad entre los datos de las dos series.

Escrito en trminos finitos, queda:

b
PEPi
PEDi
=

(13)

Es decir, el valor b representa la relacin constante, que tericamente debiese existir entre los
incrementos pluviomtricos acumulados de la estacin dudosa y la estacin patrn. Ahora bien, si
existiese un quiebre de la pendiente b, se evidenciara la presencia de algn tipo de error
sistemtico el cual es necesario corregir.

Bajo el supuesto de dos series de datos acumulados, en que el eje x representa la informacin
numrica de la estacin patrn, y el eje y la informacin de la estacin dudosa, y en que adems,
los datos de carcter anual han sido acumulados desde la fecha ms reciente hasta la ms lejana,
manifestndose cuatro tipos de rectas, y en donde la primera representa el perodo confiable, es
posible visualizar lo que sigue:























Figura 2. Representacin grfica de datos acumulados de precipitacin entre los aos 1991 y
1963.

Del grfico expuesto, se desprende cuatro valores de pendiente:

=
80
80
PEP
PED
a tg
(14)

=
80 73
80 73
PEP PEP
PED PED
b tg
(15)

=
73 68
73 65
PEP PEP
PED PED
c tg
(16)

=
65 53
65 53
PEP PEP
PED PED
d tg
(17)


Luego, como se reconoce para este caso que el primer tramo o zona de valores acumulados,
corresponde a la zona sin error sistemtico y las tangentes representan la relacin incremental
entre

PED
y

PEP
, es posible establecer un coeficiente, que permita la correlacin de los
datos sin acumular. As, el cuociente entre tangente del tramo considerado correcto y la tangente
de un tramo i cualquiera, define el coeficiente o factor de correccin ya sealado. En el marco
descrito, si la tangente del tramo i cualquiera, es mayor que la tangente del tramo correcto, que
para este ejemplo es el primer tramo, el valor numrico obtenido es menor a la unidad y viceversa.

Luego, se tiene lo siguiente:



FCi = tg a
tg i
(18)


donde;

FCi = Factor de correccin para la zona i de datos sin acumular.
tg a = tangente de la zona a sin error sistemtico.
tg i = tangente de la zona i con error sistemtico.


Por ende, el valor de FCi, permite corregir los datos de la zona i con error sistemtico, mediante la
ponderacin de dicho factor, a todos los datos sin acumular, correspondiente a dicha zona.

Sin embargo, falta determinar con qu criterio se asume la zona A, es decir, aquella en la cual se
reconoce la no existencia de algn error sistemtico o en donde ste es mnimo. Para ello, se
recomienda lo siguiente:

a) Frente a series de datos se debe propender a elegir la tendencia ms larga, dado que en
funcin de su longevidad, se obtendra una menor probabilidad de error.

b) Frente a series de datos se debe tender a elegir la serie ms reciente, dado a que, por una
parte, ella asegura un mejor control sobre la generacin de las estadsticas, y por otra,
contempla la utilizacin de instrumental meteorolgico ms fiable.


El criterio a utilizar, depender de cada caso en particular, adems de la experiencia que posea el
investigador. Ello, porque una serie larga puede determinar tambin la presencia de un error
sistemtico largo. De igual forma, una estadstica reciente puede estar originada por una
descalibracin de instrumental moderno, generando con ello un error sistemtico de importancia.

Por otra parte, es importante sealar que se considera, segn UNESCO, como un quiebre de la
tendencia de los datos aquel que comprenda una cifra mayor o igual a cinco aos, toda vez que
normalmente, la grfica entrega una nube de puntos que difcilmente se ubicar sobre una recta,
luego, este criterio evita la incorporacin de quiebres que en la realidad no representan errores
sistemticos.

Criterios de seleccin para la estacin patrn

Otro elemento de importancia, lo constituye el criterio a seguir para la determinacin de la estacin
patrn. Este consta de los siguientes pasos:
i) Se agrupan las estadsticas ao a ao de una serie de n estaciones representativas
del rea geogrfica en estudio, en lo posible en nmero superior a tres. Con estas n
estaciones, se determinan las precipitaciones promedio para cada ao y la informacin
generada se acumula.

ii) Con los datos acumulados promedio por ao, que corresponde a una primera
aproximacin a lo que se denomin estacin patrn, se establece un anlisis de doble
masa entre estos valores y los valores acumulados de cada estacin componente de
dicho promedio.

iii) Si las n estaciones, no presentan tendencias con quiebre, se asume que el valor
promedio anual de las n estaciones seleccionadas, corresponde a los valores
representativos de la estacin patrn.

iv) Si alguna de las n estaciones representa algn tipo de quiebre en las tendencias, sta
es eliminada calculndose un nuevo promedio para cada ao, con las estaciones
restantes. Posteriormente se repite el anlisis de doble masa con cada estacin
componente, hasta llegar a un patrn de precipitaciones depurado.

v) Si el nmero de estaciones de que se dispone es pequeo, menor a tres, o bien como
producto del anlisis de doble masa han sido eliminadas varias estaciones, reduciendo
su nmero a una o dos, el analista debe decidir cual de las restantes estaciones ser
definida como estacin patrn, o bien si la nica opcin que eventualmente posee
puede ser utilizada como estacin patrn.


Finalmente, es importante de destacar que segn UNESCO, este mtodo debe ser utilizado con
cautela en zonas montaosas, por la gran influencia que ejerce el factor orogrfico. Asimismo y
como ya se seal este mtodo puede ser utilizado en estadsticas fluviomtricas.


COMPLETACIN DE DATOS DE PRECIPITACIN FALTANTES

Los datos climticos o hidrolgicos por las caractersticas de su registro y transmisin son proclives
a presentar frecuentes vacos en las series tambin llamados lagunas de informacin.

La aparicin de estas discontinuidades en las series temporales de variables climticas, ya sea
porque el dato no se ha observado o porque se sabe que es errneo, representa muchas veces
una restriccin al uso simultneo de los registros obtenidos en distintos puntos de una regin.

Los mtodos a utilizar para la completacin o relleno de datos faltantes se ordenarn segn el tipo
de la regin abarcada y la fundamentacin matemtica que los sustenta, mientras que el anlisis
de los mtodos se apoya en la validez de la aplicacin para distintos niveles de agregacin, es
decir mensual, estacional o anual y para distintas variables meteorolgicas, como por ejemplo la
temperatura, la precipitacin o el caudal.

Los mtodos de relleno o completacin de datos faltantes se basan en suponer que existe una
estructura de dependencia espacial que permite, para cada intervalo de tiempo, completar el valor
faltante o con informacin regional. La informacin regional puede abarcar otras variables
relacionadas que puedan ser explicativas de la variable con datos faltantes.

Las metodologas que permiten completar las series suponen, como es lgico, una regin del
espacio dentro de la cual son aplicables, la extensin depender de la precisin que se exija para
el relleno, de la variable que se trate y del nivel temporal al cual se pretende completar valores. Por
lo tanto, antes de elegir la metodologa de relleno para completar una serie climtica o hidrolgica
hay que tener en cuenta:

Nivel de agregacin temporal de los vacos (o datos errneos a corregir)
La unidad fsica o regin en la que se encuentra la estacin a completar.
La exactitud o margen de error que permite el estudio.

La respuesta a estas preguntas se encuentra implcita en las caractersticas de homogeneidad y en
la uniformidad de la variable analizada.
La homogeneidad de los campos ser mayor en el caso de la variable temperatura por ser de tipo
continuo en comparacin con la precipitacin, por ejemplo. Asimismo, puede afirmarse sobre la
mayor uniformidad de los campos anuales con respecto a los mensuales, puesto que los primeros
al ser promedio de varias situaciones resultan ms suaves y estables.

Es conveniente verificar la homogeneidad regional, lo que implica, analizar las condiciones
orogrficas, cobertura vegetal, vientos predominantes, pendientes, etc. Una mayor uniformidad en
las variables o adoptar intervalos de tiempo mayores (anual) facilita el relleno de vacos en las
series temporales.

Mtodos de relleno para estimar datos faltantes

1. Anlisis de regresin

Un mtodo que se puede aplicar es el de estimacin de coeficientes de regresin con la ayuda
de una o varias estaciones cercanas que cuenten con una serie confiable de observaciones
durante un perodo compartido. Se han sugerido diversos esquemas: Regresin lineal simple o con
datos transformados, regresin con una estacin vecina o varias. Se puede aplicar, por ejemplo, el
software Statistica o Systat, que cuenta con grficos y parmetros de la bondad del ajuste,
prestando atencin a la correlacin existente entre las variables independientes.

2. Completacin por razones de distancia

Si en una zona plana se cuenta con las estaciones A y B completas y una estacin X con
observaciones incompletas, se puede rellenar esta en funcin de la distancia


A X B


a b


) (
*
b a
P P
a P P
A B
A X
+

+ = (19)

Donde:
Px: precipitacin en la estacin X
P
A
: precipitacin en la estacin A
P
B
: precipitacin en la estacin B
a y b: distancias


3. Completacin por promedios vecinales.

Zona de llanura

En una zona plana en la que la situacin es similar a la figura siguiente se puede estimar la
precipitacin en una estacin X como el promedio de las vecinas A, B y C.



A








C B A X
P P P P + + =
3
1
(20)

Zonas orogrficas

Si el caso anterior se presenta en una zona montaosa es muy probable que las precipitaciones
en A, B y C difieran en ms del 10%, por lo cual la precipitacin en X se obtiene dndole diferente
peso a cada estacin. Para ello se puede aplicar la ecuacin:

P
X
= P
med X
* (P
A
/ P
medA
+ P
B
/ P
med B
+ P
C
/ P
med C
)) / 3 (21)

donde: P
med X,
P
medA,
P
med B,
P
med C
=

es el valor normal o promedio de las precipitaciones anuales
registradas en A, B, C, y X durante un perodo comn suficientemente largo (20-30 aos) .

P
A,
P
B
, P
C
=

precipitaciones en las estaciones A, B y C durante el perodo que falta en X.

Este mtodo es conocido como el de los cocientes normales. La ecuacin anterior es justo una
estimacin pesando las observaciones vecinas por la normal.

B
C
X
El US National Weather Service (1972) utiliza otro peso para estimar los records faltantes. Las
precipitaciones vecinas P
A,
P
B
se pesan por la inversa del cuadrado de la distancia hasta la
localidad de inters. El resultado se normaliza dividiendo por la suma de los pesos. Existen otras
investigaciones que proponen otra potencia para la distancia en los factores de peso (Shearman
ySalter, 1975; Dean y Zinder, 1977)

4. Coeficientes de correlacin
Otro mtodo consiste en emplear el coeficiente de correlacin con estaciones vecinas ponderando
las estaciones por pesos relacionados con los coeficientes de correlacin. En este caso el dato
faltante P
X
se rellenar con la ecuacin:


P
X
= (P
XA
* r
XA
+ P
XB
* r
XB
+ P
XC
* r
XC
) / ( r
XA
+ r
XB ..
+ r
XC
) (22)


donde:
.
P
X
= valor estimado en X
r
XA ,
r
XB,
r
XC
=

son los coeficientes de correlacin entre

las observaciones de la estacin X con las
estaciones A, B y C.

P
XA
, P
XB
y P
XC
son los valores de precipitacin en X a partir de A, B y C.
La interpolacin en el tiempo y en el espacio es muy importante para completar datos faltantes.
Existen muchas tcnicas para completar con la variacin espacial. Rhenalds- Figueredo (1974) han
usado para ajustar lluvias en el espacio las series de Fourier y superficies multicuadrticas. Chua y
Bras (1982), Lenton y Rodrguez Iturbe (1977) han usado el mtodo de Kriging para ajustar las
lluvias y otros procesos geofsicos en el espacio.

Completacin por correlacin con estaciones vecinas.
Es un mtodo que incorpora la ponderacin de precipitaciones, en funcin de los coeficientes de
correlacin obtenidos entre los registros de la estacin en estudio y las estaciones vecinas. Se le
considera complementario al mtodo de completacin por correlacin lineal, ya que se recomienda
cuando el coeficiente de correlacin no supera la barrera del valor 0,8.


Su expresin matemtica, es la siguiente:


rXn rXB rXA
rXn PXn rXB PXB rXA PXA
PX
+ + +
+ + +
=
..........
* .......... * *
(23)


donde:

PX = Valor estimado en X.
PXi = Valor estimado en X, a partir de las correlaciones con cada una de las n
estaciones.
rXi = Coeficiente de correlacin entre los registros de la estacin X, y cada una de las n
estaciones.


El mtodo, como es posible de inferir, sirve para la completacin de informacin de tipo anual, y su uso es
slo recomendable cuando el mtodo de correlacin lineal no satisface los requerimientos del estudio.
Asimismo, su uso se plantea para un mximo de tres estaciones vecinas, dado que un nmero mayor, puede
involucrar sesgo estadstico por las distancias normalmente existentes entre estaciones en pases como Chile,
adems de que la utilidad obtenida tiende a ser marginal.

DATOS CLIMTICOS FALTANTES PARA LA ESTIMACIN DE LA ET
0

Puede ocurrir que falten algunos datos climticos, lo que hace que se recurra a procedimientos
alternativos que requieran solo parmetros meteorolgicos limitados, lo cual debe ser evitado. Es
recomendable utilizar el mtodo estndar Penman-Monteith-FAO despus de resolver el problema
de datos faltantes.

FAO (1998) presenta algunos procedimientos viables para estimar ET
0
aplicando la ecuacin de
Penman-Monteith-FAO, utilizando datos alternativos. Por ejemplo, si no se cuenta con la
temperatura media del aire, se pueden utilizar las temperaturas mxima y mnima del aire; los
datos de radiacin pueden ser derivados de la diferencia de temperatura del aire; asimismo los
datos de velocidad del viento y humedad pueden ser importados de estaciones meteorolgicas
cercanas.
Los datos de humedad pueden ser tambin estimados de valores diarios de temperatura mnima
del aire.

Los procedimientos para estimar los datos faltantes deben ser validados a nivel regional. Esto
puede ser hecho comparando los valores de ET
0
de estaciones climticas que tengan los datos
completos con los valores de ET
0
calculados con datos limitados. La relacin entre ambos debe
ser estrecha. En los casos que la relacin se desve, la relacin puede ser usada como factor de
correccin para las estimaciones hechas con datos limitados. Cuando el error estndar de
estimacin excede el 20% de la media de ET
0
, debe realizarse un anlisis de sensibilidad para
determinar las causas y lmites para los mtodos utilizados para importar los datos faltantes.


ANLISIS EXPLORATORIO DE DATOS (AED)

El Anlisis exploratorio de datos (AED) surge de los trabajos realizados por Tukey (1977), desde
entonces su uso se ha venido incrementando, ya que se ha comprobado que el examen previo de
los datos es un paso necesario. Este anlisis toma su tiempo, y habitualmente se descuida por
parte de los analistas de datos. Muchas veces las tareas implcitas en dicho examen pueden
parecer insignificantes y sin consecuencias a primera vista, pero son una parte esencial de
cualquier anlisis estadstico. El uso directo de la data sin evaluar su estructura, consistencia,
presencia de valores atpicos y relaciones entre variables, entre otros, constituye un enfoque de
caja negra que incrementa el grado de incertidumbre sobre la validez de los resultados obtenidos.


ANLISIS EXPLORATORIO DE DATOS (AED)

El AED consiste en el anlisis de los datos empleando una variedad de tcnicas (en su mayora
grficas) para incrementar nuestro entendimiento sobre ellos y visualizar las relaciones existentes
entre las variables analizadas. El AED es examinar los datos previamente a la aplicacin de
cualquier tcnica estadstica.
El AED abarca un gran mbito; sin embargo, l proporciona mtodos grficos sencillos para
organizar y preparar los datos, detectar fallas en el diseo y muestreo para recolectar los datos,
tratamiento y evaluacin de datos ausentes, identificacin de valores atpicos y comprobacin de
los supuestos subyacentes en la mayor parte de las tcnicas estadsticas.
Entre los objetivos mas relevantes del AED estn:
1. Maximizar nuestro entendimiento de los datos.
2. Describir la estructura subyacente que ellos tienen (normalidad, multimodalidad, asimetra,
curtosis, linealidad, homogeneidad entre grupos, homocedasticidad, etc.).
3. Detectar las variables importantes.
4. Detectar valores atpicos y anomalias.
5. Comprobar los supuestos implicitos en los anlisis.
6. Determinar los ajustes optimos de los factores.
7. Proporcionar al analista informacin relevante en cuanto al modelo que mejor ajusta los datos,
una lista de valores atpicos, sentido de certeza en las conclusiones, estimaciones de los
parmetros, grado de incertidumbre sobre las estimaciones, lista de los variables importantes,
conclusiones sobre las significancia estadstica de variables individuales.

Las tcnicas utilizadas en el AED son generalmente grficas, con algunas evaluaciones
cuantitativas, la razn de esto a la naturaleza del anlisis que implica una exploracin de los datos
sin restricciones, los grficos le dan al analsta la capacidad de realizarlo.
Las tcnicas grficas del anlisis exploratorio se pueden agrupar en:
1. Grficos de datos crudos (histogramas, grficos de probabilidad, grficos de bloques, grficos
de intervalos.
2. Grficos de estadsticos simples como la media y desviacin estndar, grfico de caja (box
plot) y grficos de los efectos principales de los datos crudos.
3. Posicionar los grficos anteriores a objeto de incrementar la abilidad de reconocimiento de
patrones, mediante la utilizacin de varios grficos por pgina.
4. Grficos de posicionamiento de los datos para reconocimiento de patrones y/o relaciones
espaciales o temporales.

Entre las tcnicas mas utilizadas estn los grficos de dispersin (scatter plots), grficos de
caracteres (character plots), grficos de caja (box plot), histogramas, grficos de probabilidad
(probability plots), grficos de residuales y grficos de medias, entre otros.


IMPORTANCIA DEL AED
El anlisis cuantitativo de los datos es ampliamente utilizado, sin embargo tiene limitaciones en el
sentido que es incompleto. Esto es consecuencia debido a que son resmenes numricos que
focalizan un aspecto particular de la data (relacin, pendiente, intercepto, etc.), lo que conlleva a
una reduccin de los datos a unos pocos nmeros. Al realizar este anlisis se filtra los datos,
pudiendo provocar una omisin y un tamizado de informacin importante que est fuera del mbito
del anlisis pero incide marcadamente en el proceso estudiado.
El AED al contrario toma en cuenta toda la data, ya que su finalidad es precisamente tener una
mirada interna de los datos y establecer su estructura y relaciones existentes, evitando de esta
forma un filtrado en el cual pueda dejarse por fuera informacin importante.

ETAPAS DEL AED
Para realizar el AED Salvador Figueras y Gargallo (2003) recomiendan seguir las siguientes
etapas:
1. Preparar los datos para hacerlos accesibles a cualquier tcnica estadstica.
2. Realizar un examen grfico de la naturaleza de las variables individuales a analizar y un
anlisis descriptivo numrico que permita cuantificar algunos aspectos grficos de los datos.
3. Realizar un examen grfico de las relaciones entre las variables analizadas y un anlisis
descriptivo numrico que cuantifique el grado de interrelacin existente entre ellas.
4. Evaluar, si fuera necesario, algunos supuestos bsicos subyacentes a muchas tcnicas
estadsticas como, por ejemplo, la normalidad, linealidad y homocedasticidad.
5. Identificar los posibles valores atpicos y evaluar el impacto potencial que puedan tener en los
anlisis estadsticos posteriores.
6. Evaluar, si fuera necesario, el impacto potencial que pueden tener los datos faltantes sobre la
representatividad de los datos analizados.

Preparacin de los datos
El primer paso del AED es hacer accesible los datos a cualquier tcnica estadstica, para ello se
incorporan de acuerdo a las opciones disponibles del programa estadstico utilizado, se efectua la
entrada de datos y su codificacin (Salvador Figueras y Gargallo, 2003)

Una vez organizados los datos se procede a las suguientes etapas. Los pasos 2 y 3 tienen
implcito anlisis estadsticos y de datos que se pueden agrupar en dos clases:
1. Cuantitativo o numrico: se refiere al conjunto de procedimientos estadsticos que producen un
resultado numrico o tabular, son muy importantes y constituyen la corriente principal en
trminos del anlisis clsico. Ejemplo: las pruebas de hiptesis, el anlisis de varianza, las
estimaciones puntuales y los intervalos de confianza, la regresin de mnimos cuadrados.
2. Grfico: constituye una gran coleccin de herramientas estadsticas que generalmente son
referidas como tcnicas grficas, donde se incluye: grficos de dispersin, histogramas,
probabilidades, residuales, caja y bloques.
En la prctica, para analizar los datos se utiliza una mezcla de ambos tipos de anlisis.

El tipo de anlisis a realizar depende de la escala de medida de la variable analizada (Cuadro 1).










Cuadro 1. Medidas descriptivas numricas y representaciones graficas aconsejadas en funcin de
la escala de medida de la variable.

Escala de medida Representaciones
grficas
Medidas de tendencia
central
Medidas de
dispersin
Nominal Diagrama de barras
Diagrama de lneas
Diagrama de sectores
Moda
Ordinal Boxplot Mediana Rango Intercuartl
Intervalo Histogramas
Polgono de
frecuencias


Media

Desviacin Tpica
Proporcin o razn Media Geomtrica Coeficiente de
Variacin
Fuente: Salvador Figueras y Gargallo, 2003

Grficos de uso comn en el AED

Para ilustracin de los grficos que se sealan a continuacin se utilizan, a menos que se indique
lo contrario, datos provenientes de la estacin del Campo Experimental CENIAP (Maracay-
Venezuela, latitud 1017 N, longitud 6737 W) correspondientes al perodo 1960 2003.

1. Grfico de caja (box plot)
Es utilizado para obtener informacin relativa a la concentracin y variacin de los datos. Cuando
se obtienen varias de ellas permiten ilustrar los cambios en las medidas de concentracin y la
variacin entre conjuntos de datos.


















Figura 3. Temperatura mnima media mensual (perodo 1960-2003)

Primer cuartil
Tercer cuartil
Mediana
Media
Valor mnimo
Valor mximo

2. Histogramas
El propsito del histograma es el de resumir grficamente la distribucin del conjunto univariado de
datos. Este tipo de grficos muestran en relacin a los datos: a) el centro, b) la dispersin, c) la
asimetra, d) la presencia de valores atpicos y e) la ocurrencia de multiples modas, que son
utilizados como indicadores del modelo de distribucin apropiado para los datos.
El histograma presenta variantes como el histograma acumulativo y los histogramas acumulativos
relativos.
El grfico de histograma est representado por la Figura 4 donde se presenta la distribucin de los
datos de la precipitacin promedio mensual y la temperatura promedio mensual. El grfico seala
una clara diferencia entre las dos distribuciones de los datos, para la precipitacin existe una fuerte
asimetra mientras que los datos de temperatura muestran una distribucin ms cercana a la
distribucin normal.

















Figura 4. Histogramas de a) la precipitacin media mensual y b) la temperatura media mensual
(perodo 1960-2003).


3. Grfico de dispersin (scatter plot)
Este tipo de grficos revela la relacin o asociacin existente entre dos variables. Tal relacin
manifiesta en si misma una estructura no aleatoria.
Los grficos de dispersin son una herramienta de diagnstico muy til para determinar
asociaciones, pero si tal asociacin existe, el grfico podra o no sugerir el mecanismo de causa
efecto subyacente. Este tipo de grficos nunca pueden probar la causa y efecto, solo es a travs
de la investigacin que puede inferirse tal situacin.
La Figura 5 muestra distintos grados de relacin existente entre parmetros climticos. La Figura
5a muestra una alta relacin entre la precipitacin media anual y la precipitacin media del mes de
mayo, sealando una relacin positiva, en este caso los datos corresponden al promedio de 910
estaciones distribuidas en todo el territorio de Venezuela (perodo 1961-1990). La Figura 5b indica
la relacin negativa existente entre la temparatura mxima mensual y la precipitacin promedio
mensual, expresando una tendencia menos marcada que en el caso anterior, donde en la medida
que las precipitacin promedio mensual es mayor la temperatura mxima promedio mensual es
a) b)
menor. A diferencia de esto, la Figura 5c (promedio de 910 estaciones para el perodo 1961-1990)
indica la ausencia de relacin entre la ETP y el ndice hdrico segn Thornthwaite


































Figura 5. Relacin existente entre diversos parmetros climticos: a) precipitacin media anual y
precipitacin media del mes de mayo, b) precipitacin media mensual y temperatura media
mensual, c) ETP e ndice hdrico

4. Grfico de probabilidades
Mediante este tipo de grficos se puede determinar si un conjunto de datos sigue una distribucin
dada, como por ejemplo la distribucin normal.
Los datos son graficados contra una distribucin terica de tal forma que los puntos deberan
formar aproximadamente una lnea recta, el distanciamiento en relacin a la lnea recta indica un
alejamiento en relacin a la distribucin especfica. El coeficiente de correlacin asociado con el
ajuste lineal de la data en este tipo de grficos es una medida de la bondad de ajuste.
a) b)
c)
Las figuras de probabilidad (Figura 6a y Figura 6b) sealan que para el caso de la distribucin de la
temperatura media mensual a pesar que no alcanza una lnea recta es mas prxima a la
distribucin normal que la distribucin que presenta la precipitacin media mensual, lo cual se
corresponde con lo observado para la Figura 4.


.Figura 6. Distribucin de los datos de a) temperatura promedio mensual y b) precipitacin
mensual.

5. Grfico de relacin medias locales - media general

Estos grficos son utilizados para ver si las medias varan entre distintos grupos de la data. La
agrupacin es determinada por el analista, los criterios son distintos, uno puede ser los niveles de
los valores de una variable; en el caso de atributos distribuidos temporal o espacialmente el criterio
sera en el primer caso perodos de tiempo (meses del ao), en el segundo sectores de una regin;
de esta manera se puede determinar como son los cambios de la media o la mediana en funcin
del tiempo o del espacio. Este tipo de grficos permite tambin evaluar la distribucin de la medias
generadas por la agrupacin en relacin a la media general, esto es til para probar si se cumplen
ciertos supuestos en algunos anlisis, como es la estacionaridad en el anlisis geoestadstico
(Ovalles, 1988; 1996).
Algunos autores (Cressie, 1993) han sealado que la media es un valor que probablemente no
exista en el conjunto de datos; en consecuencia, recomiendan en su lugar utilizar la mediana.
Esto grficos permiten detectar la presencia de tendencias generales, como es el caso de la Figura
5, donde se indica la relacin entre las medias mensuales y la media anual (perodo 1960-1961) de
la precipitacin, donde se refleja los cambios estacionales por la alternancia de perodos hmedos
y perodos secos. Sin embargo, las conclusiones sobre el comportamiento de algunas variables
climticas deben ser muy bien avaluadas, ya que algunas de ellas tienen un comportamiento que
es funcin de la escala de observacin. Este es el caso de la precipitacin, donde en la Figura 5 se
observa la ocurrencia de tendencias generales, pero si se considera un perodo mayor (1970-2003)
se observa una distribucin de los valores de las medias anuales alrededor de la media general
ms uniforme, donde las tendencias generales observadas en la Figura 9 se transforman en
tendencias locales. Si se incrementa an mas el perodo a evaluar (1960-2003) y se considera en
lugar de los valores de las medias anuales a los datos de las medias anuales, el resultado es que
desaparece cualquier tendencia (Figura 7), observndose una distribucin alrededor de la media
a) b)
general totalmente aleatoria con una gran dispersin en los valores de las medias locales
(mensuales).



















Figura 7. Distribucin de los valores de las medias locales (mensuales) en relacin a la media
general (periodo 1960-61) de la precipitacin.

Adicionalmente, en la Figura 9 comienzan a observarse algunos valores, hacia el lado de los
valores mayores de las medias locales, que se desvan considerablemente en relacin a la media
general, lo cual puede estar indicando la presencia de valores atpicos, cuya presencia puede
influir de manera considerable en la distribucin y comportamiento de los datos de las medias
locales.

















Figura 8. Distribucin de los valores de las medias locales (anuales) en relacin a la media general
(perodo 1970-2003) de la precipitacin.
0
50
100
150
200
250
1 6 11 16 21
Meses (1960-61)
P
r
e
c
i
p
.

m
e
d
i
a

m
e
n
s
u
a
l

(
m
m
)
Precip. media mensual
Precip. media perodo 1960-1961
0
500
1000
1500
2000
1 4 7 10 13 16 19 22 25 28 31 34
Meses (1970-2003)
P
r
e
c
i
p
i
t
a
c
i

n

m
e
d
i
a

a
n
u
a
l

(
m
m
)
Precip. media anual Precip. media perodo 1970-2003



















Figura 9. Distribucin de los valores de las medias locales (mensuales) en relacin a la media
general (perodo 1960-2003) de la precipitacin.

6. Diagramas de cuantiles (Q-Q plots)

Son usados para determinar si dos conjuntos de datos vienen de poblaciones con distribuciones
comunes. En estos diagramas se grafca los cuantiles del primer conjunto vs los cuantiles del
segundo conjunto, entendindose por cuantil el porcentaje de valores por debajo de un
determinado valor; tambien se grafca una linea de referencia de 45. Si los dos conjuntos de datos
provienen de poblaciones con la misma distribucin, los puntos deberan estar sobre la linea de
referencia.
Los diagramas de cuantiles comparan en un sistema de coordenadas cartesianas, los cuantiles
muestrales (eje X) con los cuantiles esperados bajo la hiptesis normalidad. Si la distribucin de
partida es normal dichos diagramas tendern a ser rectas que pasan por el origen. Cuanto ms se
desven de una recta, menos normales sern los datos.
Los diagramas de cuantiles son similares a los grficos de probabilidad, pero en estos ltimos
grficos los cuantiles de uno de los conjuntos de datos son sustituidos por los cuantiles de una
distribucin terica.

La siguiente etapa en el AED esta referida a la evaluacin de los supuestos bsicos subyacentes a
muchas tcnicas estadsticas como, por ejemplo, la normalidad, linealidad y homocedasticidad.

1. Normalidad: Muchos mtodos estadsticos se basan en la hiptesis de normalidad de la
variable objeto de estudio. De hecho, si la falta de normalidad de la variable es suficientemente
fuerte, muchos de los contrastes utilizados en los anlisis estadstico-inferenciales no son
vlidos. Incluso aunque las muestras grandes tiendan a disminuir los efectos perniciosos de la
no normalidad, el investigador debera evaluar la normalidad de todas las variables incluidas en
el anlisis.

0,0
200,0
400,0
1
2
5
4
9
7
3
9
7
1
2
1
1
4
5
1
6
9
1
9
3
2
1
7
2
4
1
2
6
5
2
8
9
3
1
3
3
3
7
3
6
1
3
8
5
4
0
9
4
3
3
4
5
7
Meses (1960-2003)
P
r
e
c
i
p
i
t
a
c
i

n

(
m
m
)
Precip. media mensual Precip. media (1960-2003)
2. La linealidad es un supuesto implcito de todas las tcnicas multivariantes basadas en medidas
de correlacin, tales como la regresin mltiple, regresin logstica, anlisis factorial y los
modelos de ecuaciones estructurales. Es, adems, una forma indirecta de contrastar la
normalidad conjunta de dos variables dado que si dicha hiptesis es cierta la relacin existente
entre ellas deber ser lineal.

3. La homocedasticidad es una hiptesis muy habitual en algunas tcnicas estadsticas como el
Anlisis de la Varianza, el Anlisis Discriminante y el Anlisis de Regresin.
Dicha hiptesis se refiere a suponer la igualdad de varianzas de las variables dependientes en
diversos grupos formados por los distintos valores de las variables independientes. Si dicha
hiptesis no se verifica puede alterar la potencia y el nivel de significacin de los contrastes
utilizados por dichas tcnicas y de ah el inters de analizar si se verifica o no y, en ste ltimo
caso, poner los remedios oportunos.

Las pruebas requeridas para estos supuestos pueden ser consultadas en cualquier libro de
estadstica.

Identificacin de valores atpicos (outliers)

Los valores atpicos son observaciones con caractersticas diferentes de las dems.
Este tipo de valores no pueden ser caracterizados categricamente como benficos o
problemticos sino que deben ser contemplados en el contexto del anlisis y debe evaluarse el tipo
de informacin que pueden proporcionar. Su principal problema radica en que son elementos que
pueden no ser representativos de la poblacin pudiendo distorsionar seriamente el comportamiento
de los contrastes estadsticos. Por otra parte, aunque diferentes a la mayor parte de la muestra,
pueden ser indicativos de las caractersticas de un segmento vlido de la poblacin y, por
consiguiente, una seal de la falta de representatividad de la muestra.

Tipos de valores atpicos

Los valores atpicos pueden clasificarse en 4 categoras.
1. Valores atpicos que surgen de un error de procedimiento, tales como la trascripcin de valores
de los instrumentos a planillas, o al ingresarlos en una base de datos digital. Estos valores
atpicos deberan detectarse en el filtrado de los datos, y si no se puede, deberan eliminarse
del anlisis o recodificarse como datos ausentes.
2. Valores atpicos correspondientes a un acontecimiento extraordinario. En este caso, el valor no
representa ningn segmento vlido de la poblacin y puede ser eliminado del anlisis.
3. Valores atpicos correspondientes a observaciones cuyos valores caen dentro del rango de las
variables observadas pero que son nicas en la combinacin de los valores de dichas
variables. Estas observaciones deberan ser retenidas en el anlisis pero estudiando qu
influencia ejercen en los procesos de estimacin de los modelos considerados.
4. Valores atpicos provenientes de observaciones extraordinarias para las que el investigador no
tiene explicacin. En estos casos lo mejor que se puede hacer es replicar el anlisis con y sin
dichas observaciones con el fin de analizar su influencia sobre los resultados. Si dichas
observaciones son influyentes el analista debera reportarlo en sus conclusiones y debera
averiguar el por qu de dichas observaciones.

Identificacin de valores atpicos

Para la identificacin de estos valores se sigue la siguiente metodologa (Tukey, 1977):
1. Calculo del rango intercuartil

RI = Q3 Q1 (24)

Donde: RI = rango intercuartil
Q3 = tercer cuartil (75%)
Q1 = primer cuartil (25%)

2. Calcular del paso

Paso = 1,5 * RI (25)

3. Calculo de las cercas internas (inferior y superior) y las cercas externas (inferior y
superior).

CIi = Q1 Paso (26)
CIs = Q3 + Paso (27)
CEi = Q1 2*Paso (28)
CEs = Q3 + 2*Paso (29)

Donde CIi = cerca interna inferior
CIs = cerca interna superior
Cei = cerca externa inferior
CEs = cerca externa superior

Los valores ubicados entre la media y las cercas internas (inferior y superior) son denominados
adyacentes, los valores entre las cercas internas y las cercas externas son considerados como
alejados y los valores ubicados fuera de las cercas externas (inferior y superior) son considerados
como muy alejados. Los valores ubicados fuera de las cercas externas son por lo general
considerados como valores atpicos.
Como ejemplo se presenta la Figura 10, donde se observa claramente que existen valores de
precipitacin que sobrepasan a la cerca interna pero no as a la cerca externa, por consiguiente
tan solo existen valores adyacentes a la media (datos ubicados entre la media y la cerca interna) y
alejados de la media (datos ubicados entre la cerca interna y a cerca externa), ningn valor se
encuentra por encima de las cercas externas como para ser considerado un valor atpico; Sin
embargo, estos valores influyen en la distribucin de los datos de la precipitacin media mensual.


Datos faltantes (missing)
Los datos faltantes son algo habitual los conjuntos de datos provenientes de la evaluacin de los
recursos naturales.
En estos casos la ocupacin primaria del investigador debe ser determinar las razones que
subyacen en el dato ausente buscando entender el proceso principal de esta ausencia para
seleccionar el curso de accin ms apropiado.



















Figura 10. Distribucin de los valores de las medias locales (mensuales) en relacin a la media
general (perodo 1960-2003) de la precipitacin., mostrando las cercas internas y externas.


En el AED, adicional al examen grfico y la deteccin de valores atpicos, es necesario considerar
el empleo de transformaciones de los datos (e.g. logartmica, inverso, raz, entre otras) a objeto de
garantizar distribuciones de los datos lo mas cercano a la distribucin normal, lo cual es necesario
para ciertos tipos de anlisis.

El AED conlleva a la realizacin del anlisis cuantitativo de los datos, estos tipos de tcnicas caen
en dos categoras: a) tcnicas para estimacin de intervalos (tiene implicito el calculo de las
medidas de concentracin y dispersin correspondientes) y b) pruebas de hiptesis. Los anlisis
relativos a estas tcnicas pueden ser consultados en publicaciones especializadas en la materia.


Mtodos de Estimacin de Precipitaciones Areales

En el anlisis de variables hidrolgicas, realizado con fines de investigacin y/o ejecucin de obras
tcnicas, en distintas disciplinas ligadas a la ingeniera, la biologa y las ciencias de la tierra, posee
una marcada importancia la estimacin de precipitaciones medias para un rea geogrfica
determinada. As por ejemplo, el anlisis volumtrico de una tormenta pluvial cada sobre una
cuenca, puede permitir la influencia de elementos tcnicos de importancia a ser considerados en
proceso precipitacin-escorrenta.

En el marco que se seala, el clculo de precipitaciones medias para un rea fsica cualquiera,
pasa por el hecho de contar con una red mnima de estaciones pluviomtricas. A partir, entonces,
de estos requerimientos, es posible realizar un clculo estimativo acerca del nivel medio de
precipitaciones pluviales cadas sobre una zona determinada.

0
100
200
300
400
500
600
Periodo (1960-2003)
P
r
e
c
i
p
i
t
a
c
i
o
n

(
m
m
)
Precipitacion mensual Precipitacion promedio
Cerca interna superior Cerca externa superior
A continuacin se revisa el uso de cinco tcnicas de estimacin de precipitaciones en un rea
geogrfica, incorporando un marco de anlisis y cuestionamiento para cada una de estas tcnicas,
de tal forma de permitir una orientacin adecuada para el potencial uso de las mismas.

Los mtodos, en concreto son bsicamente cinco:

a) Media Aritmtica
b) Polgonos de Thiessen
c) Isoyetas
d) Thiessen modificado en funcin de Isoyetas
e) Inverso de la Distancia al Cuadrado

Media Aritmtica
Es un modelo de muy fcil aplicacin y mucha rapidez y simplicidad. Adems, no necesita mayor
informacin para su ejecucin que las mediciones puntuales de la precipitacin y, dependiendo del
nmero de valores en consideracin, una calculadora o planilla electrnica para realizar dicho
clculo.

La principal carencia del modelo es no considerar caractersticas anexas que pueden influir
en las precipitaciones, como podra ser la presencia de cordones montaosos, cercana a ocanos,
condiciones atmosfricas predominantes u otros. Relacionado a lo anterior, para tratar de
minimizar la falencia que posee este mtodo, es de suma importancia poseer una red de medicin
lo suficientemente densa y con una distribucin relativamente homognea de los aparatos de
medicin de acuerdo a las condiciones del terreno, sobre todo si ste es accidentado.


El mtodo se resume en la siguiente expresin:

=
=
=
n
f
i
n Pif Pmf
1
1
/
(30)
donde;


Pmf
= Precipitacin media del rea en estudio en el tiempo j (mm.).

Pif
= Precipitacin de la estacin i en el tiempo j (mm).

n
= Nmero de estaciones de precipitacin en anlisis.

Discusin de la tcnica
Es el mtodo de menor fiabilidad, dado que el simple promedio aritmtico, no interpreta la realidad
orogrfica del rea, ni tampoco la representacin por superficie que denota cada estacin en
particular. As por ejemplo, otorga igual peso a una estacin que pretende estimar las
precipitaciones de una pequea rea en el valle, que a una estacin que intenta estimar la
precipitacin de toda la cuenca de cabecera.
En virtud de lo anterior, aunque este mtodo se constituye en el de mayor facilidad operativa, es el
menos recomendado para el clculo de una precipitacin media.

Mtodo de Thiessen
La aplicacin de Thiessen no presenta mayores complicaciones. Adems de la informacin
pluviomtrica, requiere para su ejecucin slo la ubicacin espacial de las estaciones. No requiere
de una inversin excesiva de tiempo, ni de materiales. Debido a que se realiza una representacin
geomtrica, los implementos necesarios para llevarlo a cabo son bsicamente materiales de dibujo
tcnico, destacando la importancia de trabajarlo en una escala adecuada. Incluso algunos
Sistemas de informacin Geogrfica (S.I.G.) llevan incorporado el modelo.

Este mtodo intenta asignar una ponderacin de representatividad en funcin de la superficie a
cada estacin pluviomtrica inserta en el rea de estudio. Para ello, es preciso ubicar las
estaciones en un plano cartogrfico, mediante puntos representativos, los cuales se unen a travs
de lneas rectas. Posteriormente, se trazan las mediatrices a cada una de estas rectas, las cuales,
en conjunto con los lmites del rea en estudio, definen la superficie de influencia de cada estacin
pluviomtrica, valor que es determinado mediante un clculo sobre el mapa.

Entre las falencias del mtodo destaca que slo considera el posicionamiento de las estaciones y
una superficie plana de influencia para cada una, sin considerar las diferencias topogrficas que se
pueden presentar. Adems, asume que la precipitacin de la estacin es la misma de la zona que
representa geomtricamente, lo cual no siempre es cierto.

Al ponderar cada estacin por diferentes superficies, hipotticamente sus resultados deberan ser
ms precisos que el modelo de la Media Aritmtica, pero al igual que en ste, tambin es de suma
importancia la distribucin y cantidad de puntos de medicin por unidad de superficie.

En trminos grficos, el planteamiento es el siguiente:
















Figura 11. Polgonos de Thiessen

Si se denomina por Si, a la superficie de influencia que presenta una determinada estacin i, para
un determinado perodo j, el valor medio de precipitacin de la zona como conjunto, ser el
siguiente:

=
=
=
=
n
i
n
f
i
Si
Pif Si
Pmf
1
1
1
*
(31)

donde:

Pmf
= Precipitacin media del rea en estudio, en el tiempo j (mm).

Si
= Superficie de influencia de la estacin i (Km
2
).

Pif
= Precipitacin de la estacin i en el tiempo j (mm).

Discusin de la tcnica
El mtodo de los Polgonos de Thiessen, a pesar de que intenta realizar una asignacin
proporcional en funcin de la superficie, lo cual representa al parecer una menor subjetividad que
la media aritmtica, posee el gran problema de que esa asignacin no necesariamente representa
la proporcionalidad real que cada estacin pluviomtrica tiene, referida a valores de precipitacin
espacial. Asimismo, el hecho de asignar como valor medio de precipitacin del rea de influencia
de una determinada estacin, el valor correspondiente a la estacin, es a lo menos cuestionable,
toda vez que lo ms frecuente es encontrar diferencias entre ambos valores.

Por otra parte, el mtodo Thiessen presenta como elemento restrictivo, el hecho de que algn
cambio en la configuracin espacial de las estaciones, define un cambio total de configuracin de
los polgonos, y con ello la necesidad de nuevos clculos. Sin embargo, esta dificultad es eventual
y en la actualidad presenta escasa relevancia, en funcin de las tcnicas digitales existentes.

La gran ventaja que posee este mtodo, lo constituye la posibilidad de estimacin de
precipitaciones medias de un rea geogrfica, para cualquier lapso en estudio. Este elemento, es
equivalente a la ventaja que denota una media aritmtica, pero presenta como valor adicional, la
asignacin de ponderaciones a cada estacin, en funcin de superficies, hecho que tiende
hipotticamente a un aumento de precisin con respecto a los valores que arroja un promedio
aritmtico.


Mtodo de las Isoyetas
Una isoyeta es una curva trazada en un plano, que representa puntos de igual precipitacin.
Luego, este mtodo, para su aplicacin contempla el trazado en el rea geogrfica que se desea
estudiar, de las correspondientes isoyetas.

El mtodo de las isoyetas es el que presenta ms laboriosidad, tanto en tiempo como en recursos
materiales. Para su ejecucin es necesario disponer, adems de las mediciones de precipitacin
en los perodos de inters y de las ubicaciones de los puntos de observacin, de las
precipitaciones normales de cada estacin, del material cartogrfico correspondiente y de un
conocimiento espacial y atmosfrico lo ms detallado posible de las reas consideradas. Si la zona
es relativamente plana, las isoyetas se pueden distribuir ms o menos homogneas, pero de no
ser as se debe considerar una serie de factores, dando mayor importancia a los correspondientes
a la topografa y los tipos de precipitaciones.

El trazado de una isoyeta, obedece bsicamente a dos criterios que se conjugan entre s:

a) El primero dice relacin con un trazado entre dos puntos de precipitacin conocida, en el
cual caben en proporcin lineal a las distancias sobre el plano, todas aquellas isoyetas de
valor intermedio. Es decir, es equivalente al criterio que rige el trazado de las curvas de
nivel en un mapa cartogrfico.

b) El segundo criterio, seala que si bien el primero es altamente orientador, el trazado de las
isoyetas intermedias a travs de dos puntos conocidos, debe considerar factores de relieve
condicionantes de la precipitacin. Esto implica, que es necesario conocer para la zona de
estudio, un perfil pluviomtrico, es decir, cmo vara la precipitacin en funcin de la altitud.
As el trazado de la isoyeta, a travs del primer criterio, se ve compensada hacia una
mayor precisin por medio del segundo, ya que evidentemente la progresin de la
precipitacin en altitud, no es lineal.

Es importante destacar, que cuando se trata de una zona relativamente plana, es posible asumir
un trazado lineal de las isoyetas; esto implica la aplicacin nica del primer criterio, sin necesidad
de recurrir al segundo.

















Figura 12. Perfil Pluviomtrico


La figura 12, presenta un perfil pluviomtrico, el cual se puede conseguir por una curva de
regresin del siguiente tipo:

) * (
2
H b a Pp + =
(modelo parablico) (32)
b
H a Pp * =
(modelo exponencial) (33)

donde:


Pp
= precipitacin (mm).

H
= altitud (m).

b a,
= coeficientes de regresin.

No obstante lo expuesto, estos modelos son slo indicativos, toda vez que la eleccin del modelo,
depender bsicamente del tipo de datos estadsticos con que se cuente. An ms, es posible la
utilizacin de ajustes de tipo grfico.

Establecido lo anterior, es necesario completar el trazado de todas las isoyetas que pasan por el
rea de estudio, para luego medir la superficie entre isoyetas. De esta forma, la precipitacin media
se calcular utilizando la siguiente expresin:


St
S
Pi Pi
Pm
n
i
i i
=
+

+ +
=
1
, 1
*
2
) 1 (
(34)

donde:


Pm
= Precipitacin media del rea geogrfica en estudio (m).

1 + Pi
= Precipitacin de la isoyeta
1 + i
(m).

Pi
= Precipitacin de la isoyeta
i
.

i i
S
, 1 +
= Superficie comprendida entre dos isoyetas secuenciales (m
2
).

St
= Superficie total (m
2
).

Por otra parte, es posible calcular el volumen medio de aportacin hdrica del rea en estudio, a
travs de la siguiente expresin:



(35)


donde:

Jm
= Volumen medio de aportacin (m
3
).

1 + Pi
= Precipitacin de la isoyeta
1 + i
(m).

Pi
= Precipitacin de la isoyeta
i
.

i i
S
, 1 +
= Superficie comprendida entre dos isoyetas secuenciales (m
2
).


i i
n
i
S
Pi Pi
Jm
, 1
1
*
2
) 1 (
+
=

+ +
=














Figura 13. Mapa de Isoyetas


Discusin de la tcnica.
El mtodo de las Isoyetas, ha demostrado ser el de mayor precisin para la estimacin de
precipitaciones medias en un rea geogrfica. Sin embargo, su principal limitacin es el alto nivel
de trabajo que demanda, el cual slo tiende a justificarse en el caso de valores de precipitacin
anual a lo menos; en el caso de una determinada tormenta no se justifica su utilizacin.

El mayor uso del mtodo de las isoyetas, es el clculo de precipitaciones medias de una zona
geogrfica, a partir de las precipitaciones medias de las estaciones respectivas, lo cual le otorga
una consistencia temporal, factible de ser proyectada a lo menos diez aos.


Mtodo modificado de los polgonos de Thiessen
Este mtodo est basado en una composicin del mtodo de las Isoyetas y los Polgonos de
Thiessen. As, se sabe que la precipitacin de un rea de influencia definida por los Polgonos de
Thiessen, no guarda relacin estricta con la precipitacin de la estacin involucrada; sin embargo,
es posible asumir que la oscilacin temporal que presentan la precipitacin del rea y la
precipitacin de la estacin pluviomtrica, posee cierto nivel de uniformidad, por lo cual, la relacin
entre estos valores de precipitacin tiende a mantenerse constante. En otras palabras,
establecidos los polgonos de Thiessen, la relacin precipitacin media del rea de influencia /
precipitacin media de la estacin, es relativamente constante, por lo menos en intervalos
superiores a un ao.

La informacin que necesita para su puesta en prctica, adems de la requerida en el Mtodo de
Thiessen, es la existencia previa de isoyetas. Este requisito condiciona bastante a este mtodo,
debido a que su exactitud depender fuertemente de la calidad de esta informacin pluvial, ya sea
en el grado de semejanza a la realidad que posean o en la cantidad de datos utilizada en su
construccin, entre otros aspectos.

Uno de los inconvenientes del Mtodo de Thiessen Modificado, al igual que en el Mtodo de
Thiessen, es que una variacin en la cantidad o ubicacin de las estaciones, conlleva la realizacin
de una nueva representacin grfica y, por ende, actualizar las mediciones de los polgonos, con
los inconvenientes y nuevos clculos asociados que ello demanda.

En el mtodo de Thiessen Modificado es posible establecer la siguiente relacin:


ei P
ai P
Ki =
(36)

donde:

Ki
= Constante de proporcionalidad de precipitaciones de la estacin i.
ai P
= Precipitacin media del rea de influencia de la estacin i.
ei P
= Precipitacin media de la estacin i.

El valor de
ai P
, se obtiene a partir de un mapa de isoyetas del rea en estudio.

Por otra parte, el valor
ei P
es obtenido como un promedio aritmtico de los datos que posee la
estacin pluviomtrica en anlisis, recomendndose cuando sea posible el uso de la precipitacin
normal, es decir, el promedio de los treinta ltimos aos.

En el mismo marco, se plantea la existencia de una segunda relacin matemtica, la que se define
en funcin de la superficie del rea de influencia y la superficie total del rea en estudio. As, se
tiene la siguiente expresin:

S
Si
Ri =
(37)
donde;


Ri
= Constante de proporcionalidad de superficies.

Si
= Superficie del rea de influencia i.

S
= Superficie total del rea en estudio.


La constante
Ki
presenta valores
0 Ki
, en tanto que la constante
Ri
, denota valores
1 0 Ri
.

Finalmente, para calcular la precipitacin media, se utiliza la siguiente expresin:




(38)
Ri Pif Ki Pmf
n
f
i
* *
1
1

=
=
=

donde:
Pmf
= Precipitacin media del rea en estudio, en perodo j, en mm, donde j es el lapso a
analizar.
Pif
= Precipitacin de la estacin del rea de influencia i, en mm, en el perodo j.

Discusin de la tcnica

Este mtodo, posee una limitacin similar al de Thiessen, esto es, que un cambio en la
configuracin de estaciones, define un cambio en la configuracin espacial de los polgonos de
Thiessen, y por ende demanda la necesidad de nuevos clculos. Asimismo, la gran deferencia que
posee con respecto al Thiessen original, es la incorporacin como factor de ponderacin, de la
relacin de precipitaciones medias entre el rea de influencia de la estacin, y el promedio que
denota la misma estacin; sin embargo, la incorporacin de este factor puede no representar un
incremento de precisin de importancia, si la relacin de precipitaciones medias no representa
valores muy distintos a la unidad; asimismo, el factor que relaciona las precipitaciones medias del
rea y de la estacin, puede ser representativo del lapso para el cual fue calculado, pero ello no
necesariamente significa que sea vlido para lapsos distintos, especialmente si estos son menores,
todo lo cual definira la no existencia de una real aportacin correctora del mtodo, respecto al
Thiessen original.

Por otra parte, este mtodo implica el contar con un mapa previo de isoyetas, que permita
establecer las precipitaciones medias del rea de influencia de las distintas estaciones.

No obstante lo expuesto, posee como ventaja estructural el clculo de precipitaciones medias para
perodos especficos, sin contemplar grandes clculos una vez establecidas las constantes, y con
un hipottico mayor grado de precisin que en el mtodo de Thiessen.


Mtodo del Inverso de la Distancia al Cuadrado
El Mtodo de la Distancia al cuadrado es uno de los ms recientes. Su importancia radica en la
fcil aplicacin en un S.I.G. Este mtodo sera similar al de la Media Aritmtica, pero con el
agregado de una ponderacin por distancia. Pizarro y Ramrez (2000) sealan que dicha
ponderacin, al tener un factor cuadrtico, recibe una influencia bastante fuerte del monto pluvial
de las estaciones ms cercanas y al considerar una serie o variedad de puntos de estimacin,
puede formar concentraciones concntricas de los montos estimados en torno a las estaciones.

La informacin para la aplicacin de este mtodo no va ms all de poseer la ubicacin exacta de
los puntos de medicin, adems de la informacin pluvial. Entre los inconvenientes que se
vislumbran, est el que slo considera distancias, pero no direccionalidad de la precipitacin, la
cual a su vez puede ser influida por condiciones tanto del terreno como atmosfricas. Adems, su
estimacin va a depender en forma importante, de la separacin que tengan las estaciones en la
respectiva zona.

Pizarro y Ramrez (2000), sealan que ste mtodo divide la cuenca o rea de estudio en celdas,
considerando que la precipitacin dentro de una celda sin medida, es una funcin de la
precipitacin de las celdas prximas que poseen medidas y del inverso de la distancia que las
separa elevada al cuadrado.


(39)


donde:


Pmf
= Precipitacin media del rea en el periodo j (mm)

Pif
= Precipitacin de la estacin i en el periodo j (mm)

Di
= Distancia entre estacin y celda correspondiente (Km)


En este modelo se consider la celda central o centro de masa de cada zona geogrfica, la cual se
encuentra ubicada en la interseccin de las diagonales de las respectivas reas delimitadas.


Ejemplo Prctico
Con el objetivo de ejemplificar los mtodos expuestos, a excepcin de las isoyetas que involucra
ms bien una adecuada representacin cartogrfica, se presenta el siguiente ejercicio.

Se desea calcular la precipitacin media cada sobre una determinada rea geogrfica en 1991, en
la cual se ubican seis estaciones pluviomtricas.










Donde:

Ei = Estacin pluviomtrica i.
Ai = rea de influencia de la estacin, segn polgonos de
_ Thiessen.
Pai = Precipitacin media del rea de influencia de la estacin i,
_ obtenida por isoyetas.
Pei = Precipitacin media de la estacin i.
P1991 = Precipitacin de la estacin i en 1991.


Ei

Ai(km
2
)
_
Pai (mm)
_
Pei (mm)

P 1991 (mm)
E1
E2
E3
E4
E5
E6
40
30
100
60
40
60
604
470
390
730
575
590
650
490
380
750
610
570
630
570
430
690
720
610

=
=
=
n
i
n
i
Di
Di Pi
Pmf
1
2
1
2
) / 1 (
) / 1 ( *

En la aplicacin de los mtodos resulta lo siguiente:

a) Promedio aritmtico:


mm n Pif Pm
n
i
608
6
) 610 ..... 630 (
/ ) 1991 (
1
=
+ +
= =

=





b) Polgonos de Thiessen:

. 582
330
) 60 * 610 .......... 40 * 630 (
/ * ) 1991 (
1 1
mm Si Pif Si Pm
n
i
n
i
=
+ +
= =

= =



c) Isoyetas:

En este caso es posible utilizar la sumatoria de ponderaciones Pai*Ai, con el fin de definir la
precipitacin media por isoyetas, para perodo que define los valores medios, pero no para 1991,
ya que para ello sera preciso definir un mapa de isoyetas para el ao en cuestin.


. 543
330
) 60 * 590 .......... 40 * 604 (
/ * ) 1991 (
1 1
mm
Ai Ai ai P Pm
n
i
n
i
=
+ +
=
=

= =



d) Thiessen Modificado

=
=
n
i
Pi Ri Ki Pm
1
1991 , * * ) 1991 (



*
650
604
*
330
1

=
*
570
590
...... 630 * 40 + +

610 * 60



mm 574 =

De los mtodos expuestos y el ejemplo prctico desarrollado, es posible inferir las siguientes
conclusiones o comentarios finales:

El mtodo ms recomendado por la literatura, en virtud de la probabilidad que otorga en el clculo
de precipitaciones medias en un rea geogrfica, es de las isoyetas. De igual forma y en trminos
de hiptesis, le siguen en orden decreciente el mtodo Thiessen modificado, el mtodo Thiessen y
el promedio aritmtico.

No obstante lo expuesto, la mayor o menor fiabilidad de un mtodo estar determinado por la
precisin respecto a un valor real no conocido y por ende se inscribe en un marco probabilstico.
En esos trminos debe ser reconocida la posicin de fiabilidad expuesta en al anterior punto.


Es importante de destacar, que si no existen diferencias significativas entre las precipitaciones
medias del rea de influencia de una estacin i, definida por polgonos de Thiessen, y la
precipitacin media de la misma estacin, la aplicacin del Thiessen modificado y el Thiessen
original, no presenta diferencias significativas, como lo demuestra el ejemplo prctico expuesto.

En relacin al promedio aritmtico, es posible advertir que su uso sera nicamente vlido, en
trminos cientficos, en reas planas con una distribucin espacial relativamente homognea.

Por ltimo es preciso destacar que al igual que en otras materias tcnicas y cientficas, el
uso de distintos mtodos expuestos, ser funcin de los objetivos del investigador y de la
experiencia que ste posea sobre el rea en estudio, dado que esos factores estructurarn las
restricciones existentes para usar decisivamente uno u otro mtodo.

REFERENCIAS BIBLIOGRFICAS

ARNOLDUS H.M. 1980. An approximation of the rainfall factor in the Universal Soil Loss Equation.
En: De Boodt M., and Gabriels D. (Eds) Assessment of erosion. John Wiley and Sons, Inc.
Chichester, West Sussex, UK. 127 132.
BRAS, R.L. 1990. Hydrology. An Introduction to Hydrologic Science, MIT.
CHUA, S.H. y BRAS, R.L. 1982. Optimal estimators of mean areal precipitation in regions of
orographic Influence. Journal of hydrology 57 (112): 23-48.
CLEVELAND, WILLIAM y MARYLYN MCGILL, (Eds) 1988. Dynamic Graphics for Statistics,
Wadsworth.
CRESSIE, N. 1993. Statistics for spatial data. J. Wiley, N.Y.
DEAN, J. D. y SNYDER, W. M. 1977. Temporally and areally distributed rainfall. Journal of
Irrigation Drainage Div. 103 (IR2): 221-229
DUNNE, T. y LEOPOLD, L.1978. Water in Environmental Planning: W. H. Freeman et al.., San
Francisco, p. 41.
FAO. 1977. Assessing soil degradation: report of an FAO/UNEP expert consultation. FAO Bull. N
34, Roma, Italy.
FAO, 1998. Crop Evapotranspiration. Guidelines for computing crop water requirements. FAO Bull
N 56, Roma, Italy.
FOURNIER F. 1960. Climat et rosion. Ed. Presses Universitaires de France. Paris.
LENTON, R. L. y RODRGUEZ ITURBE, I. 1977. On the collection, the analysis, and the synthesis
of spatial rainfall data MIT Department of Civil Engineering. Tech Report N194. Parsons
Laboratory
NIST/SEMATECH. 2002. e-Handbook of Statistical Methods,
http://www.itl.nist.gov/div898/handbook/.
OLIVER J.E. 1980. Monthly precipitation distribution: A comparative index. Professional
Geographer, 32(3) 300 309.
OVALLES, F.A. 1986. Selection of important properties to evaluate the use of geostatistical
analysis in selected northwest Florida soils. Ph.D Dissertation, University of Florida,
Gainesville, USA. 208p.
OVALLES, F. A. 1996. Evaluacin de la variabilidad espacial del suelo y su relacin con los
rendimientos del cultivo de maz a nivel de parcela experimental. Trabajo de Ascenso. UCV-
Facultad de Agronoma, Maracay, Venezuela. 160p
OVALLES, F.A. y M.E. COLLINS. 1988. Evaluation of soil variability in northwest Florida using
geostatistics. Soil Sci. Soc. J. 52:1702-1708.
RHENALDS- FIGUEREDO, A; RODRIGUEZ-ITURBE; I.; SHAAKE, J.C. 1974. Bidimensional
spectral analysis of rainfall events MIT department of Civil Engineering. Tech Report N139.
Ralph Parsons Laboratory.
ROSTLAC-UNESCO 1982. Gua metodolgica para la elaboracin del balance hdrico de Amrica
del Sur
RENARD, K.G.; G.R. FOSTER; T. WEESIES. 1993. Predicting Soil Erosion and Water. A guide to
Conservation Panning with the Revised Universal Soil Loss Equation RUSLE. U.S.
Department of Agriculture. Agricultural Research Service. Washington D.C.
SALVADOR FIGUERAS, M y GARGALLO, P. 2003. "Anlisis Exploratorio de Datos", [en lnea]
5campus.com, Estadstica http://www.5campus.com/leccion/aed
SHEARMAN y SALTER 1975. An objective rainfall interpolation and mapping technique. Hydrol.
Sc. Bull. 20(3) 353-363.
TUKEY, J.W. 1977. Exploratory Data Analysis. Addison-Wesley
US NATIONAL. WEATHER SERVICE.1972. River Forecast System. NWS HYDRO 14:3.1-3.14.
UNITED NATIONS ENVIRONMENT PROGRAMME. 1992. World Atlas of Desertification. Arnold E.
(Ed). 69p.
UNITED NATIONS ENVIRONMENT PROGRAMME. 1997. World Atlas of Desertification. Second
Edition. Middleton N. and Thomas D. (Eds). 182p.
WISCHMEIER W.H. Y SMITH D.D. 1978. Predicting rainfall-erosion losses. A guide to conservation
planning. Agric. Handbook N537. U.S.D.A. Washington, D.C











ANEXO 1

A continuacin se presenta un ejemplo de la delimitacin de los Regmenes Hdricos para Amrica
del Sur, utilizando la base de datos de FAO y otras fuentes, y los protocolos para los clculos
adaptados a la informacin disponible.

MTODOS CARTOGRFICOS PARA LA CREACIN DEL MAPA DE REGMENES HDRICOS.


Clculos bsicos

Los regmenes fueron determinados sobre la base de la longitud del perodo seco. Para determinar
esta variable se calcul mensualmente el ndice de humedad (cuociente PP/ETo). Luego se cont
el nmero de meses en que este cuociente se mantuvo por debajo de 0.5, perodo del ao que fue
considerado como seco o deficitario en agua:

D
LP = ) 5 , 0 (
0
1
ET P meses
n m
m
<

=
=


Esto requiere contar con informacin precisa, a nivel mensual, de las precipitaciones y la
evapotranspiracin de referencia. Con el objetivo de normalizar el clculo de la evapotranspiracin
de referencia se propone utilizar la frmula de Penman-Monteith-FAO. Para simplificar los clculos
hemos desarrollado el protocolo siguiente:


Protocolo PENMAN-MONTEITH-FAO para el clculo de la ET
0


A continuacin se presenta un protocolo simplificado para evaluar la ETo mediante la frmula PM-
FAO.

Tm, temperatura media mensual (C)
RS, radiacin solar en calcm
-2
d
-1

HR, humedad relativa media mensual (%)
U2, velocidad del viento en ms
-1
Temperatura mensual en la escala absoluta (K):

Ta = Tm + 273

Radiacin neta (Rn) en Jm
-2
a partir de la radiacin solar en cal cm
-2
d
-1
:

Rn = RS * 0.0419 * 0.8

Presin de vapor de saturacin media mensual (KPa):

es = 0.707 * e
(.05979 * Tm)

Deficit de saturacin medio mensual (KPa):

Ds = es * (1 - HR / 100)

= (Tm + 237.3)
2

= 17.27 * Tm / (Tm + 237.3)

= 4098 * (0.6108 * e

) /

Na = (0.066 * 900 * U2 * Ds) / Ta
Nr = 0.408 * * Rn
Dn = + 0.066 * (1 + 0.34 * U2)

Clculo del componente advectivo de la ET:

ET
adv
= Na / Dn

Clculo del componente radiativo de la ET:

ET
rad
= Nr / Dn

Clculo de la Evapotranspiracin de referencia:

ETo = ET
rad
+ ET
adv


Precipitacin

La informacin de precipitacin puede contener errores originados en una serie de factores
(cambio de localizacin de la estacin, cambio de instrumento, construcciones en el entorno de la
estacin). Por esta razn, cuando se conocen estos antecedentes, es recomendable analizar su
calidad y consistencia, y corregir las series, eliminando los errores de origen conocido. Para ello el
mtodo mas usado es el de las curvas msicas. Estas consisten en un anlisis grfico donde se
comparan las precipitaciones acumuladas en el tiempo en una estacin con la misma precipitacin
acumulada proveniente de la suma de varias estaciones del mismo sector (patrn pluviomtrico).
Se supone que una estacin cualquiera debiera presentar una acumulacin lineal, con pendiente
constante, respecto de la suma de sus vecinas, de modo que cualquier quiebre en la pendiente de
esta relacin puede indicar una anomala en los registros de dicha estacin. En las estaciones que
conforman el patrn pluviomtrico debe excluirse a la estacin que exhibe anomalas o quiebre
evidentes en las curvas msicas.

Supongamos una estacin A cuyas series pudieran presentar errores. Se conforma un patrn cuya
precipitacin anual es la suma de las estaciones B,C,D,E y F. Se construye una serie de tiempo
con los valores acumulados de precipitacin en la estacin A y otra con los valores acumulados en
la estacin patrn.

PAac
a
= ) (
1
PA
n a
a

=
=
a

PAac
a
= precipitacin acumulada al ao a
PA = precipitacin anual de cada ao de la serie, a


PPac
a
= ) (
1
PF PE PD PC PB
n a
a
+ + + +

=
=

a


PPac
a
= precipitacin acumulada el ao a en el patrn
PB, PC, PD, PE y PF = precipitacin anual en las estaciones B,C,D,E y F para el ao a

En el grfico se aprecia un cambio en la pendiente (M1,M2) a partir del ao x. La serie de la
estacin A debe ser corregida para cada ao a:

P P
M
M
a 0
2
1
=

Pa = precipitacin ajustada en la estacin A
Po = precipitacin observada en la estacin A
En este caso los datos de la estacin A deben ser corregidos por un factor M1/M2 = 1.0588 a partir
del ao x.

La pendiente de la recta puede usarse tambin para rellenar las series en aos en que una
estacin no disponga de registros, y se dispone de informacin en las estaciones vecinas.



Ppa
Mb
Ma
PA a
=


PAa = Precipitacin en la estacin A en el ao faltante a
Ma = Pendiente de la curva msica para la estacin A
Mb = pendiente de la curva msica para una estacin vecina b
Pp = precipitacin en la estacin vecina.

El mtodo de las curvas msicas debe tener en cuenta que un cambio de pendiente no debe
considerarse significativo a menos que se mantenga por un perodo mnimo de cinco aos. La
precitacin tiende a ser consistente para perodos largos de observacin pero no necesariamente
para perodos cortos, por lo cual no puede aplicarse para corregir precitaciones diarias.

Normalmente para completar series pluviomtricas se usa el procedimiento de los mdulos
pluviomtricos ponderados:

Ppa
Mb
Ma
PA a
=


























Anlisis de la variacin espacial de la precipitacin

Diversos factores determinan la variacin de la precipitacin en el espacio. En general los
principales factores que influyen son: la latitud, la distancia a los frentes de humedad (mar, etc.) y
la fisiografa de la cuenca o regin.

La precipitacin debera variar gradualmente con la latitud. Esta relacin se distorsiona debido a la
influencia de una serie de factores; regmenes de viento, distribucin de masas continentales y
mares, corrientes marinas, etc.

Con respecto a la influencia de la distancia a las fuentes de humedad, puede decirse que en
general las precipitaciones tienden a ser mayores en regiones cercanas al mar. Por supuesto
existen otros factores que pueden modificar esta relacin general. Los principales son la influencia
del rgimen de vientos, barreras orogrficas, relieve y perturbaciones asociadas con frentes
(desplazamiento de los frentes ecuatoriales y polares, por ejemplo).

Las influencias del relieve y otros factores fisiogrficos sobre el rgimen pluviomtrico de una
regin son variados y complejos. En general se acepta el hecho de que la precipitacin vara con
la altura del lugar sobre el nivel del mar. Por lo general a sotavento en la montaas se produce
una sombra de lluvia por efecto del descenso de las masas de aire en estos sectores. De esta
manera se podran obtener distintos perfiles pluviomtricos para diferentes zonas, dependiendo del
relieve y de la direccin de los vientos. Los pocos perfiles que se han determinado y sobretodo
estudios en otros pases del mundo hacen ver que las variaciones de la precipitacin con la altura,
P
A
a
c
,

P
r
e
c
i
p
i
t
a
c
i

n

a
c
u
m
u
l
a
d
a

e
n

e
s
t
a
c
i

n

A
PPac, Precipitacin acumulada en el patrn pluviomtrico
aos
M1=0.9
M2=0.85
x
P
A
a
c
,

P
r
e
c
i
p
i
t
a
c
i

n

a
c
u
m
u
l
a
d
a

e
n

e
s
t
a
c
i

n

A
PPac, Precipitacin acumulada en el patrn pluviomtrico
aos
M1=0.9
M2=0.85
x
pueden diferir bastante entre s y que adems no toda la variacin y dispersin de valores
observados puede atribuirse al efecto de la altura.

Algunos autores han demostrado la importancia que existe de considerar otros factores
topogrficos fuera de la altitud, como por ejemplo, la exposicin, pendiente y orientacin del
terreno. Para algunas regiones se han construido relaciones coaxiales entre la precipitacin y
estos factores (1).

La altura sobre el nivel del mar tambin influye en la forma de la precipitacin. En efecto, como la
temperatura disminuye con la altura, se alcanzar un punto en que la temperatura llega a 0C y por
lo tanto se crean las condiciones favorables para que la precipitacin sea nival. En este sentido, se
define el coeficiente de nivosidad que es igual al cuociente entre la precipitacin anual en forma de
nieve y la precipitacin total (nieve + lluvia). El coeficiente de nivosidad puede determinarse a
partir de los datos proporcionados por varias estaciones hidrometeorolgicas, o en su defecto, por
medio de una estimacin de la ubicacin de la isoterma 0C.

Por las razones anteriores, es difcil realizar una cartografa de isoyetas a travs de mtodos
automatizados, sin cometer errores importantes. El mtodo de polgonos de Thiessen, de los
promedios ponderados u otros, son ms aplicables a topografas planas, sin grandes efectos
topogrficos locales. El trazado manual de isoyetas se hace necesario, lo que le da al trazador la
posibilidad de integrar todos los factores que, segn su experiencia, influyen en los gradientes
pluviomtricos en cada caso. El trazado de isoyetas se realiza sobre mapas de relieve de modo
que el trazador pueda interpretar las variaciones espaciales que estas sufren por accin del relieve.
Mientras mayor sea la densidad de estaciones, ms preciso resultar el mapa.

Trazado de isolneas de ET

Para el trazado de las cartas de evapotranspiracin, esta se calcula para todas las estaciones que
cuentan con datos. En aquellas que disponen de temperatura, humedad, radiacin y viento, se
aplica directamente el mtodo de PM_FAO. En estas estaciones se aplican adems otras frmulas
simples como la de Thornthwaite, Ivanov o Turc, las cuales se pueden calibrar a travs de
regresiones, teniendo como referencia el mtodo de PM_FAO. En aquellas que dispongan de
datos parciales, es decir, falten uno o dos de estos parmetros, se aplican las frmulas simples
debidamente corregidas por los coeficientes de las regresiones de calibracin. Una vez calculada
la ET para todas las estaciones disponibles, se procede al trazado siguiendo un procedimiento
anlogo al de las isoyetas.

Creacin de una malla climtica.

Con el propsito de calcular el ndice de aridez Pa/ET a nivel mensual, los mapas de precipitacin
y de ET se leen en cada punto de una malla regular con coordenadas equiespaciadas a un grado,
cubriendo todo el continente.
Posteriormente, con un programa computacional, se calcula el ndice de aridez para cada mes y en
cada punto de la malla. Adems el programa cuenta el nmero de meses secos resultantes (ndice
de aridez inferior a 0.5). Este nmero de meses se vierte en cada punto de la malla, a partir de lo
cual se trazan los lmites de los regmenes climticos que cuentan con distinta longitud de la
estacin seca. El resultado es un mapa como el que se presenta a continuacin:



ANEXO 2. Protocolo de calculo de la Evapotranspiracin de referencia
mediante la ecuacin FAO/Penman-Monteith


Paso 1. Clculo de la Radiacin Neta, Rn (MJ/m2 dia) a partir de la radiacin solar global, RG
(Cal/cm2 da)

Rn = RG * .0419 * .8

Factor 0.0419 convierte cal/cm2 da en MJ/m2 da
Factor 0.8 corresponde al cuociente Rn/RG para una superficie vegetal bien provista de agua

Paso 2. Clculo de la presin de vapor del aire a la saturacin, es (kPa)

es = =0.707 * EXP(.05979 * Ta)

Ta es la temperatura media del aire (C)

Paso 3. Clculo del dficit de saturacin del aire (kPa)

Ds = es * (1 - HR/ 100)

HR es la humedad relativa en %

Paso 4. Calculo de la pendiente de la curva de presin de vapor de saturacin, (kPa/C)

TETA = (Ta + 237.3) ^ 2
ALFA = 17.27 * Ta / (Ta + 237.3)
= 4098 * (.6108 * EXP(ALFA)) / TETA

Paso 5. Clculo del aporte advectivo

Adv = ( * 900 * U * Ds) / (Ta+273)

= .066 (kPa/C)
U= velocidad del viento en m/s
Ds = dficit de saturacin (kPa)

Paso 6. Calculo del aporte radiativo

Rad = 0.408 * * Rn

Paso 7. Clculo del denominador (resistencia a la difusin del vapor en la capa limite)

Dn = + .066 * (1 + .34 * U)


Paso 8. Clculo del componente radiativo de la ETo

ETRAD = Rad / Dn

Paso 9. Clculo del componente advectivo de la ETo

ETADV = Adv / Dn

Paso 10. Clculo de la ETo

ETo = ETRAD + ETADV


Calculo de la ETo para un da X
EJEMPLO

Datos para un da X:
Temperatura media : 20C
Radiacin global : 600 cal/ cm2 da
Humedad relativa : 60%
Viento : 2 m/s


Paso 1. Clculo de la Radiacin Neta, Rn (MJ/m2 dia) a partir de la radiacin solar global, RG
(Cal/cm2 da)

Rn = 600 * .0419 * .8 = 20.112 MJ/m2 dia

Paso 2. Clculo de la presin de vapor del aire a la saturacin, es (kPa)

es = 7.07 * EXP(.05979 * 20) = 2.34 kPa

Paso 3. Clculo del dficit de saturacin del aire (kPa)

Ds = es * (1 - HR/ 100) = 0.93 kPa

Paso 4. Calculo de la pendiente de la curva de presin de vapor de saturacin, (kPa/C)

TETA = (Ta + 237.3) ^ 2 = 66203
ALFA = 17.27 * Ta / (Ta + 237.3) = 1.34
= 4098 * (.6108 * EXP(ALFA)) / TETA = 0.145 kPa/C

Paso 5. Clculo del aporte advectivo

Adv = ( * 900 * U * Ds) / (Ta+273) = 0.38
Paso 6. Calculo del aporte radiativo

Rad = 0.408 * * Rn = 1.19

Paso 7. Clculo del denominador (resistencia a la difusin del vapor en la capa limite)

Dn = + .066 * (1 + .34 * U) = 0.256

Paso 8. Clculo del componente radiativo de la ETo

ETRAD = Rad / Dn = 4.65 mm/dia

Paso 9. Clculo del componente advectivo de la ETo

ETADV = Adv / Dn = 1.48 mm/dia

Paso 10. Clculo de la ETo

ETo = ETRAD + ETADV = 6.13 mm/dia

























ANEXO 3. SMBOLOS Y UNIDADES

SMBOLO DESCRIPCIN UNIDAD
estndar

Precipitacin media anual mm

p Precipitacin media mensual mm
IF ndice de Fournier mm
IFM ndice de Fournier Modificado mm
ICP ndice de Concentracin de la Precipitacin
DH Dficit de Humedad Anual mm
ET
0
Evapotranspiracin de Referencia mm
R
n
Radiacin neta en la superficie del cultivo MJ m
-2
da
-1

G
Densidad de Flujo de calor en el suelo MJ m
-2
da
-1

T Temperatura C
u
2
Velocidad del viento a 2 m altura m s
-1

e
s
Presin de vapor de saturacin kPa
e
a
Presin de vapor actual kPa
Pendiente de la curva de presin de vapor de saturacin en funcin de
la temperatura
kPa C
-1


Coeficiente psicromtrico kPa C
-1

K
c
Coeficiente del cultivo
R
a
Radiacin extraterrestre MJ m
-2
da
-1

N
Horas de luz
D
LP

Longitud del perodo con dficit de agua Das, meses
R
LP
Longitud del perodo con exceso de agua Das, meses
DH Dficit de agua anual mm
30
EI
Factor de Erosividad de la USLE MJ.mm.ha
-1
h
-1
ao
1









ANEXO 4. EQUIVALENCIA DE UNIDADES

Unidad
estndar
Otras unidades Equivalencia
Presin
kPa
mbar (milibar) 1 mbar = 0.1 kPa


Bar 1 bar = 100 kPa


cm (centmetro de agua) 1 cm = 0.09807 kPa


atm (atmosfera) I atm = 101.325 kPa


mm Hg (milmetros de Hg) 1 mm Hg = 0.1333 kPa

psi (libra por pulgada cuadrada 1 psi = 6.896 kPa
Velocidad
m.s
-1
km.da
-1
(kilmetro por da) 1 km da
-1
= 0.01157 m.s
-1



ft s
-1
(pie por segundo) 1 ft s
-1
= 0.3048 m.s
-1



knot (milla nutica por hora)

1 knot = 0.5144 m.s
-1

Radiacin
MJ m
-2
da
-1


mm da
-1
(evaporacin equivalente) 1 mm da = 2.45 MJ m
-2
da
-1



J cm
2
da
-1
(joule por cm
2
por da)

1J cm
2
da
-1
= 0.01 MJ m
-2
da
-1


cal cm
2
da
-1
(calora por cm
2
por
da)
1 cal = 4.1868 J =4.1868 10
-6
MJ
1cal cm
2
da
-1
= 4.1868 10
-2
MJ m
-2
da
-1

Evapotranspiracin Mm da
-1
m
3
ha
-1
da
-1
(m
3
por hectrea por da) m
3
ha
-1
da
-1
= 0.1 mm da
-1

l s
-1
ha
-1
(litros por segundo por hectrea)
1 l s
-1
ha
-1
= 8.64 mm da
-1

Temperatura
C
F (grados Fahrenheit) 1C = F 32 * 5/9


K (grados Kelvin) 1K = C + 273.16