UNIVERSIDAD POLITCNICA DE MADRID

ESCUELA TCNICA SUPERIOR

DE INGENIEROS DE MONTES
DEPARTAMENTO DE INGENIERA FORESTAL
TESIS DOCTORAL
DOCTORANDO: LETICM DE SALAS REGALADO
DIRECTOR: Jos A. Fernndez Yuste
Madrid, 2004
DEPARTAMENTO DE INGENIERA FORESTAL
ESCUELA TCNICA SUPERIOR DE INGENIEROS DE MONTES
Universidad Politcnica de Madrid
REGIONALIZACION DE LEYES IDF PARA EL USO DE MODELOS
HIDROMETEOROLGICOS DE ESTIMACIN DE CAUDALES.
Tesis que para optar al grado de DOCTOR presenta la
Ingeniero de Montes:
Dfia. Leticia de Salas Regalado.
EL DIRECTOR de la Tesis: El Doctorando:
Fdo: Jos Anastasio FERNANDEZ YUSTE
Dr. Ingeniero de Montes.
Catedrtico de Escuela Universitaria
Fdo: Leticia DE SALAS REGALADO
Ao 2004
Tribunal nombrado por el Magfco. y Excmo. Sr Rector de la Universidad Politcnica
de Madrid, el da HP d2Q_.
Presidente:
Vocal:
Vocal:
Vocal:
Secretario:
Suplente:
Suplente: _^
Realizado el acto de defensa y lectura de la Tesis el da
de 2005, en
de
Calificacin:
EL PRESIDENTE, EL SECRETARIO,
Fdo:
EL VOCAL, EL VOCAL,
Fdo:
EL VOCAL,
Fdo: Fdo: Fdo:
"Las inundaciones no se producen porque los ros crezcan,
sino porque el pas se hunde".
(R, Gmez de la Serna)
A mi familia,
por su paciencia y comprensin
NDICE
Resumen I
Siuumary II
Agradecimientos III
Abreviaturas ms utilizadas IV
l.-OBJETIVOS 1
2.-JSTIFICACIN 3
3.-ANTECEDENTES 4
3.1.-INTRODUCCIN 4
3,l.l.-Tipo de actuaciones 5
3.1.2.-Mtodos de estimacin de caudales mximos 7
3.1.2.1.-Modelos hidrometeorolgicos y la ley IDF 9
3.1.3 .-Conclusin 11
3.2.-ANTECEDENTES DE LAS LEYES IDF 12
3.2.1.-Consideraciones previas 12
3.2.2.- Evolucin del anlisis de frecuencia de valores extremos 15
3.2.2.1.-Desarrollo de fimciones de distribucin especficas 15
3.2.2.2.-Desarrollo de mtodos de estimacin de parmetros de las
funciones de distribucin 19
3.2.2.3.-Desarrollo de mtodos para incrementar la informacin 23
3.2.2.4.-Conclusin 34
3.2.3.-Evolucin en las relaciones IDF utilizadas 35
3.2.3.1.-Definicin de las variables 37
3.2.3.2.-Antecedentes de las curvas IDF en el mundo 38
3.2.3.3.-Relaciones utilizadas en las curvas IDF 38
3.2,3.4.-Variacin geogrfica 41
3.2.3.5.-Antecedentes de las curvas IDF en Espaa 41
3.2.3.6,-Conclusin 47
3.3.-CONCLUS10NES 48
4.-METODOLOGA: VISIN GENERAL 50
5.- ESTACIONES CON PLUVIGRAFO 53
5.1.-MATERIAL Y MTODOS 53
5.1.1.-Datos; series de intensidades mximas 53
S.l.l.l.-Anlisis de datos 58
5.1.1.1.1.-Representacin de datos 58
5.1.1.1.2.-Prueba de datos dudosos 59
5.1.1.1.3.-Independencia de datos 63
5.1.1.2.-Conclusin 66
5.1.2.-Regional2acin 67
5.1.2.1.-Descripcin general de la metodologa 67
5.1.2.2.-Confotmacin de regiones homogneas 73
5.1.2.2. l.-Defnicin de las regiones 73
5,1.2.2.2.-Anlisis de la homogeneidad 76
5.1.2.3.- Seleccin de la funcin de distribucin 86
5.1.2.4.-Estimacin de parmetros en cada regin 90
5.1.2.5.-Validacin 94
5.1.2.6.- Obtencin de cuantes adimensionales 96
5.1.2.7.- Obtencin de las intensidades mximas para cada duracin y
perodo de retomo 96
5.1.3.-Seleccin del modelo IDF 97
5.1.3. l.-Modelos estudiados 98
5.2.-RESULTADOS 100
5.2.1.-Conformacin de regiones 100
5.2.1.1.-Anlisis de homogeneidad 109
5.2.1.2.- Anlisis complementario 120
5.2.2.- Estimacin de parmetros 127
5.2.2. l.-Eleccin del mtodo para la estima 131
5.2.3.-Validacin 139
5.2.4.-Cuantiles adimensionales adoptados 147
5.2.5.- Seleccin del modelo I-D 149
5.3.-DISCUSIN 152
5.3.1.-Introduccin 152
5.3.2.- Comparacin de intensidades estimadas 153
5.3.3.-Anlisis de la robustez de las estimas 158
5.3.4.-Conclusin 164
S.4.-CONCLUSIONES 165
6.-ESTACIONES SIN PLUVIGRAFO
6.1.- MATERIAL Y MTODOS
6.1,1.- Datos disponibles
6.1.2.-Hiptesis departida
6.1.3.-Criterios para abordar el problema
6.1,3.1,-Criterio para extender la ley I-D
6.1.3.2.- Criterio para seleccionar cuantiles
6.1.4.-0btencin de las intensidades mximas para cada duracin y
perodo de retomo
6.2.-RESULTADOS
6.2.1.- Mapa de isolneas de los parmetros "K" y "a"
6.2.2.- Funciones h(T)
6.3.-DISCUSIN
7.-CONCLUSIONES FINALES
8.-BIBLIOGRAFA
8.L- REFERENCIAS INTERNET
APNDICES
166
166
166
167
169
170
171
173
174
174
183
188
192
200
APNDICE I .PRUEBA DE DATOS DUDOSOS .. AI.I
APNDICE II: MODELOS I-D ANALIZADOS AUI
APNDICE ID: ANLISIS DE SENSIBILIDAD AIII.I
APNDICE IV: APLICACIN PRCTICA AIV.I
ANEJOS
Q A N E J O I . S E R I E S S U M I N I S T R A D A S POR I N M
D A N E J O 2.REPRESENTACI0N DE SERIES
Q ANEJO 3. SERIES ADIMENSIONLES
Q ANEJO 4. L-MOMENTOS
Q A N E J O 5.TESTS DE HOMOGENEIDAD
G3 ANEJO e. AJUSTE SQRT-ETmax
Q ANEJO 7. REPRESENTACIN Y TEST KOLMOGORV SMIRNOV
Q ANEJO 8. MTODO MONTECARLO
Q ANEJO 9. CLCULO RESIDUOS
G3ANEJ010. MAPAS
\
Tabla l.-Intensidades mximas (mm/h) para cada duracin y perodo de retomo 12
Tabla 2.- Resumen de las caractersticas de las principales funciones de distribucin manejadas 18
Tabla 3.-Resumen de las caractersticas de los distintos mtodos 22
Tabla 4.- Informacin suministrada por el I.N.M. en la estacin de Valls (0034) 54
Tabla 5.- Tabla resumen de las estaciones, cdigo, localizacin, y nmero de aos
disponibles suministrado por el Instituto Nacional de Meteorologa 57
Tabla 6.- Valor de "Ka" en funcin del tamao dla muestra 61
Tabla 7.- Coeficiente de correlacin entre las series correspondientes a cada duracin de las
estaciones, estudiadas 63
Tabla 8.- Matriz de correlacin de las series de intensidades mximas para cada duracin en
la estacin de Valls (0034) 65
Tabla 9.- Valores del cociente ' ^ ^ ' ' ' en la estacin de Valls (0034) 70
J'mxW
Tabla 10.- Parmetros estadsticos de las series ' "^ V , para cada duracin en
la estacin de Valls (0034) 70
Tabla 11.- Estimadores y L-momentos en la estacin de Valls (0034) 79
Tabla 12.- Valores de D crtico en lincin del nmero de estaciones de la regin 82
Tabla 13.- Distribucin de estaciones con pluvigrafo en cada una de las regiones definidas
porFerrer 101
Tabla 14.- Nmero de estaciones disponible en cada re^n definida por Ferrer y Ardiles (1994).... 102
Tabla 15.- Resumen de estadsticos y resultados de aplicar el Test de Medida de la
Discordancia en la estacin de Salamanca (2867) con todas las series disponibles 103
Tabla 16.- Aplicacin del Test de Heterogeneidad en la estacin de Salamanca (2867) 104
Tabla 17.- Resultados de aplicar el Test de Medida de la Discordancia al eliminar la serie
de 360 minutos en la estacin de Salamanca (2867) 104
Tabla 18.-Resultados de aplicar el Test de Medida de la Heterogeneidad al eliminar la
serie de 360 minutos en la estacin de Salamanca (2867) 105
Tabla 19.- Aplicacin del Test de Discordancia en la estacin de Salamanca (2867)
considerando todas las seres menos la de 5 minutos 105
Tabla 20.- Resultados de aplicar el Test de Heterogeneidad al eliminar la serie de
5 minutos en la estacin de Salamanca (2867) 106
Tabla 21.-Resultados de apHcar el Test de Medida de la Discordancia al eliminar la serie
de 24 horas en la estacin de Salamanca (2867) 106
Tabla 22.- Resultados de aplicar el Test de Medida de la Heterogeneidad en la estacin
de Salamanca (2867) al eliminar la serie de 24 horas 107
Tabla 23.- Resultados de aplicar el Test de Medida de Discordancia en la regin
"largas duraciones" en la estacin de Salamanca (2867) 108
Tabla 24,- Resultados de aplicar el Test de Heterogeneidad en la en la regin
"largas duraciones" en la estacin de Salamanca (2867) 108
Tabla 25.- Resultados de aplicar el Test de Medida de Discordancia en la regin
"cortas duraciones" en la estacin de Salamanca (2867) 108
Tabla 26.- Resultados de aplicar el Test de Heterogeneidad en la en la regin
"cortas duraciones" en la estacin de Salamanca (2867) 109
Tabla 27.- Resultados de aplicar el Test de Medida de la Discordancia en la regin
"cortas duraciones" en la estacin de Valls (0034) 111
Tabla 28.- Resultados de aplicar el Test de Medida de la Discordancia en la regin
"cortas duraciones" en la estacin de Valis (0034) 111
Tabla 29.- Resultados de aplicar el Test de Heterogeneidad en la regin
"cortas duraciones", en la estacin de Valls (0034) 113
Tabla 30.- Relacin de estaciones en las que "H" es menor que 1 y "D" ligeramente discordante.... 114
Tabla 31.- Relacin de estaciones en las que "H" se encuentra en el intervalo (1-2) 115
Tabla 32.- Relacin de estaciones en las que "H" es mayor que 2 116
Tabla 33.- Resumen de resultados obtenidos en el Anlisis de Homogeneidad 119
Tabla 34.- Coeficiente de variacin en las regiones "cortas y largas duraciones" de cada estacin... 121
Tabla 35.- Estaciones con coeficientes de variacin mayor que 0,6 en la regin
"largas duraciones" 122
Tabla 36.- Coeficiente de variacin en regin "largas duraciones" al eliminar datos de aos
de intensidad mxima extraordinaria 123
Tabla 37.- Clculo de L-Cv en las regiones "cortas" y "largas" duraciones de cada estacin 124
Tabla 38. - Cociente de coeficiente de variacin de la regin cortas duraciones entre
el de largas duraciones, asi como el cociente de L-Cv 126
Tabla 39.- Parmetros de la funcin SQRT-ET mx para cada una de las regiones definidas
en cada estacin 128
Tabla 40.- Aplicacin del Test de Kolmogorov-Smirnov en la regin "cortas duraciones"
en la estacin de Sabadell (0225) 132
Tabla 41.- Aplicacin del Test Kolmogorov-Smimov en la regin "cortas duraciones
en la estacin de Santiago (1428) 133
Tabla 42.- Aplicacin del Test Kolmogorov-Smimov en la regin "largas duraciones
en la estacin de Caldas de Mombuy (0222) 135
Tabla 43,- Mtodo de estimacin de parmetros elegido en cada regin, en fimcin del
criterio adoptado 138
Tabla 44.- Nmero de regiones dentro de cada intervalo de clase del coeficiente de variacin 140
Tabla 45.-Regiones utilizadas para la validacin 141
Tabla 46.- Cuantiles adimensionales adoptados en cada una de las regiones 149
Tabla 47.- Parmetros "K " y " a" de la expresin I-D. seleccionada en cada una de las
estaciones con pluvigrafo 150
Tabla 48.- Estaciones utilizadas en la comparacin de las estimas obtenidas por el INM
y en la presente Tesis 154
Tabla 49.- Valores medios de los residuos "S(%)" para las duraciones ms usuales,
30<d (minutos)<720, en cada estacin 156
Tabla 50.- Valores de S(%) medios en trminos absolutos para las estaciones analizadas 157
Tabla 51.- Cuantiles adimensionales deducidos con todos los datos y al eliminar el mismo
dato por ambas metodologas en la estacin de Valls (0034), en la regin
"largas duraciones" 160
Tabla 52.- Diferencias relativas (%) en ambas metodologas, al eliminar un dato en la
estacin de Valls (0034), en la regin "largas duraciones" 161
Tabla 53.- Cuantiles adimensionales deducidos con todos los datos y al eliminar
el mismo dato por ambas metodologas en la estacin de Figueras (0429) 163
Tabla 54.-Diferencias relativas (%) obtenidas por ambas metodologas en la estacin de
Figueras (0429) para la regin "largas duraciones" 163
Tabla 55.-Estacones con menor valor de "K" de todas las estaciones disponibles 175
Tabla 56. -Estaciones con menor valor de "a" de todas las estaciones disponibles 175
Tabla 57.- Cota de situacin de las estaciones con los parmetros "K" y "a" ntis bajos 178
Tabla 58.- Factores F y R en las estaciones estudiadas y con las que se quiere
comparar por su proximidad 179
Tabla 59.-Valores del cociente CAe(T)/CAFERRER(T) en las estaciones con pluvigrafo 184
Tabla 60.-Valores del cociente CAL(T)/CAFERRERT) en las estaciones con pluvigrafo 186
Figura 1.- Daos producidos por desastres naturales en el mundo en vidas humanas
y en costes econacos en la decada 1986-1995 3
Figura 2.-Curvas IDF 13
Figura 3.- Mapa de Isolneas K=Ii/Id 44
Figura 4.-Mapa de isolineas k==Ii/Id 44
Figura 5.-Representacin de la serie temporal de intensidades mximas de cada duracin 58
Figura 6.- Representacin de las series temporales en estaciones con datos dudosos 60
Figura 7,-Ajuste de la serie I^o a las inciones Gumbel y SQRT-ET mx 68
Figura 8.- Ejemplo de estacin discordante. (Fuente: Regional Frecuency Analysis.
Hosking y Wallis. 1997) 80
Figura 9.- Representacin L-Cv frente a L-Ca. (Fuente: Regional Frecuency Analysis.
Hosking y Wallis. 1997) 80
Figura 10.-Diagrama de L-momentos adimensionales 89
Figura 11.- Representacin de los L-momentos en ambas "regiones" de la estacin de
Valls(0034) 110
Figura 12.- Distribuciones emprica y terica de la serie adimensional de largas duraciones en la
estacin de Valls (0034), ajustadas a la funcin SQRT-ET mx por el mtodo de
mxima verosimilitud y por momentos 130
Figura 13.- Representacin de la serie adimensional de largas duraciones en la estacin de
Valls (0034), as como el ajuste a la funcin SQRT-ET mx por el mtodo de
mxima verosimilitud y por momentos frente al perodo de retomo 130
Figura 14.- Representacin grfica de la serie que conforma la regin "cortas duraciones" en la
estacin de Valls (0034), junto con los ajustes a la funcin SQRT-ET mx
por ambos mtodos, mxima verosimilitud y momentos 133
Figura 15.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "cortas duraciones" en la estacin de Santiago (1428) 134
Figura 16.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "largas duraciones" en la estacin de Caldas
de Mombuy (0222) 136
Figura 17.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "largas duraciones" en la estacin de Caldas
de Mombuy (0222) frente al periodo de retomo 136
Figura 18.- Representacin de coeficiente de variacin y asimetra de las muestras generadas
(en azul) y observadas (en rosa) en la regin "cortas duraciones" de la estacin de
Sallent (0111) y en Ponferrada (1549) en "largas duraciones" 141
Figura 19.- Representacin de coeficiente de variacin y asimetra de las muestras generadas
(en azul) y observadas (en rosa) en la regin "largas duraciones" de las estaciones:
Sallent (0111), Punto Centro (1499), en Getafe (3200), en Soria (2030) , y en
"cortas duraciones" en Sabadell (0225) y en Valls (0034) 142
Figura 20.- Representacin de coeficiente de variacin y asimetra de las muestras generadas
(en azul) y observadas (en rosa) en la regin cortas duraciones de Barcelona (0201),
Santander (1110), Figueras (0429), y de largas duraciones de la estacin Caldas
de Mombuy (0222), Valis (0034) y Sabadell (0225) 143
Figura 21.- Representacin de coeficiente de variacin y asimetra de las muestras generadas
(en azul) y observadas (en rosa) de la regin de cortas duraciones de Guadarranque (6024)
y Punto Centro (Vigo) (1499) 144
Figura 22.- Representacin de coeficiente de variacin y asimetra de las muestras generadas
(en azul) y observadas (en rosa) en la regin de "largas duraciones" en Sondica (1082) 144
Figura 23.- Representacin de coeficiente de variacin y asimetra de las muestras generadas
(en azul) y observadas en rosa en la regin de "largas duraciones" en la estacin
de Almera (63250) 145
Figura 24.- Representacin de valores observados (en rosa), eliminando previamente
los aos extraordinarios, y valores generados (en azul) en la regin "largas duraciones"
en la estacin de Sondica (1082) 146
Figura 25.- Representacin grfica de la variacin de los residuos "S(%)" con el perodo
de retomo y la duracin en la estacin de Molina (3013) 155
Figura 26,-Representacin grfica de S(%) medio en trminos absolutos fi'ente al LN(T)
en cada una de las estaciones analizadas 157
Figura 27.- Representacin de los cuantiles adiraensionales deducidos en la presente Tesis
y por el INM en la estacin de Valls(0034) para la regin "largas duraciones" 161
Figura 28.- Representacin de los cuantiles adimensionales deducidos en la presente Tesis
y por el EMM en la estacin de Figueras(0429) para la regin "largas duraciones" 163
Figura 29.- Nmero de estaciones con el mismo valor de "K" 174
Figura 30,-Nmero de estaciones con el mismo valor de "a" 175
Figura 31.- Cociente de cuantiles CAL/CAJ para largas duraciones fcente a Ln(T) 186
Figura 32.- Cociente de cuantiles CAc/CAp para cortas duraciones firente aLn(T) 187
Esquema 1.-Proceso de formacin de un caudal 5
Esquema 2.- Proceso de formacin de las curvas DDF 36
Esquema 3.-Metodologa desarrollada en la presente Tesis 52
Esquema 4.- Esquema del anlisis realizado en estaciones con pluvigrafo 72
Esquema 5.- Resumen de los Anlisis de Homogeneidad en "cortas duraciones" 117
Esquema 6.- Resumen de los Anlisis de Homogeneidad en "largas duraciones" 118
Esquema 7.- Criterios adoptados en la eleccin del mtodo de estimacin de parmetros 137
Esquema 8.- Esquema del anlisis realizado en estaciones sin pluvigrafo 168
Mapa 1.- Distribucin de las estaciones con pluvigrafo en la Espaa Peninsular 56
Mapa 2.- Divisin de la Espaa Peninsular en 26 regiones geogrficas con caractersticas
meteorolgicas comunes (Ferrer y Ardiles, 1994) 74
Mapa 3.- Mapa de las regiones elaborado por Ferrer y Ardiles para el estudio de mximas
lluvias en Espaa, junto con las estaciones con pluvigrafo disponible 100
Mapa 4.- Gradientes originados en las proximidades de Madrid como consecuencia de
las variaciones del parmetro "K" en las estaciones prximas 176
Mapa 5.- Mapa de relieve junto con las estaciones disponibles en la Espaa Peninsular.
En rojo las estaciones con un valor de "K" ms bajo 177
Mapa 6.- Estaciones analizadas, junto con las estaciones con las que se compara 179
Mapa 7.-Mapa de isolneas "K" 181
Mapa 8.-Mapa de isolneas "a" 182
RESUMEN.
El trabajo de Investigacin que recoge esta memoria aborda el estudio de la ley
de frecuencias de intensidades mximas anuales de lluvia para distintas duraciones. La
estimacin de intensidades mximas anuales para distintos perodos de retomo es
imprescindible en la aplicacin de modelos hidrometeorolgicos para el clculo de
caudales o de hidrogramas.
Para el ajuste de la ley de frecuencias se ha utilizado la metodologa de
regionalizacin del tipo "ndice de avenida", que proporciona estimas ms robustas que
los mtodos tradicionales. Esta cualidad es especialmente valiosa en el caso de variables
aleatorias de valores extremos, de las que se disponen de series de valores observados
relativamente cortas y en las que, habitualmente, las estimas requeridas son las que se
corresponden a frecuencias bajas (y por tanto, altos perodos de retomo).
Tambin se ha revisado la ley IDF que desde los aos setenta se utiliza en
Espaa, proponiendo una nueva expresin biparamtrica. Contando con las isolneas de
esos dos parmetros, la ley IDF puede aplicarse a cualquier punto de la Espaa
Peninsular, permitiendo obtener hietogramas sintticos a partir nicamente de los
valores de precipitacin mxima diaria anual (PMDA).
Dado el carcter eminentemente prctico de esta investigacin, se ha abordado la
presentacin de resultados en soporte informtico, realizando una aplicacin en un
Sistema de Informacin Geogrfica (SIG).
SUMMARY.
The present research report analyzes the study of the frequency law of mximum
intensiy precipitation for different durations. The estimation of annual mximum
intensity for different retum periods plays a very important role in the application of
hydrometeorological models in order to calclate flows and hydrograms.
The regionalization type "index-flood" procedure has been used for adjusting
frequency laws since it provides more robust estimates than traditional methods. This
property is especially valuable in the case of extreme vales, in which series are quite
short and the required estimates have low frequency (high retum periods).
The IDF curves currently used in Spain, described in the seventies, have also
been reviewed, with the aim of proposing another biparametric expression. In this way,
the IDF law can be applied in every point in the Pennsula of Spain with the parameter
iso-lines, and therefore, synthetic hietograms can be obtained from the annual mximum
daily precipitation (AMDP).
According to the practical character of the investigation, the results are presented
in informatc support, designing an application on a Geographic Information System
(GIS).
n
AGRADECIMIENTOS.
Quiero manifestar mi gratitud a un buen nmero de personas, sin las cuales este
trabajo no hubiera sido posible.
De manera especial, a mi Director de Tesis, D. Jos Anastasio Fernndez Yuste,
que con su apoyo, asesoramiento y constante estmulo ha sido vital para orientar esta
investigacin correctamente.
A mis compaeras de la Unidad Docente, por sus consejos prcticos en la lucha
con el ordenador, sus sugerencias sobre diversos aspectos de la Tesis y su nimo en los
momentos bajos.
A Leticia Carrero y a Sergio Gonzlez por su ayuda inestimable en todos
aquellos aspectos relacionados con los sistemas de informacin geogrfica, y que me
han permitido presentar los resultados de la presente Tesis de manera amigable para el
usuario.
A D. Alejandro Vivar Sanz, por su til asesoramiento en cuantas dudas
estadsticas surgieron, y que con el desarrollo de una hoja de clculo simplific
notablemente la tarea de validar el modelo desarrollado.
A W Jess por su ajoida en la traduccin al ingls.
A Javier lvarez, del Centro de Estudios Hidrogrficos del CEDEX, por su
inters y por cederme el valor ms preciado en la sociedad actual, su tiempo.
A mi hermana Elena, que voluntariamente se prest a ayudarme en lo que fuera.
A todos ellos, y a los que sin intencin pudiera haber olvidado, gracias!.
Madrid, 2004
m
Abreviaturas ms utilizadas:
a es un parmetro de la funcin,
b es un parmetro de la funcin.
C& coeficiente de asimetra de la muestra.
CA( T) F cuantl adimensional para un perodo de retomo T siguiendo los resultados de
Ferrer para la estimacin de precipitaciones mximas diarias.
CA(T)regi6n cuantil adimensional para un perodo de retomo T, deducido en la presente Tesis
para la obtencin de Intensidades mximas en una regin.
CAc(T) cuantil adimensional para un perodo de retomo T (aos) para la obtencin de
intensidades mximas cuando la duracin d es ^ 1 hora deducido en la presente Tesis.
CAL( T) cuantil adimensional para un perodo de retomo T (aos) para la obtencin de
intensidades mximas cuando la duracin d es >lhora deducido en la presente Tesis.
CAx-siN cuantil adimensional deducido en la presente Tesis al eminar el mximo valor de la
serie.
CAT. TODOS cuantil adimensional deducido en la presente Tesis con todos los datos.
Cv coeficiente de variacin de la muestra.
d (horas) duracin, ventana temporal en la que se desea evaluar la intensidad mxima.
D medida de la discordancia.
Dcrtica distancia crtica en el Test de Kolmogorov-Smimov.
Dmix diferencia del valor estimado menos el valor observado.
D estadstico definido en la expresin Dn= mxi^(jic) Fix)\
F ndice de Agresividad de la lluvia de Foumier.
F(x) fimcin de distribucin terica de la poblacin que se quiere contrastar.
Fn(x) funcin de distribucin emprica de la muestra.
g(d) funcin que recoge la variacin del cociente de la Intensidad mxima anual media
para una duracin "d" entre la de 24 horas y la duracin .
H medida de la heterogeneidad.
h(T) funcin que recoge la variacin de la Intensidad con el perodo de retomo T.
hc(T) funcin que relaciona los cuantiles adimensionales para intensidades de "cortas
duraciones" con los correspondientes a lluvias diarias recogidos estos ltimos en
"Mximas lluvias diarias en la Espaa Peninsular".
hL(T) incin que relaciona los cuantiles adimensionales para intensidades de "largas
duraciones" con los correspondientes a lluvias diarias recogidos estos ltimos tambin en
"Mximas lluvias diarias en la Espaa Peninsular".
I(d,T) mm/h intensidad mxima anual para un perodo de retomo de T (aos) y una duracin d (horas)
en la ventana temporal en que se desea evaluar la intensidad.
Ii (mm/h) intensidad mxima anual en una hora.
I24 (mm/h) intensidad mxima anual en 24 horas.
IV
/ 2 4 , ( mm/ h ) me d i a d e l a s I n t e n s i d a d e s m xi ni a s a n u a l e s p a r a u n a d u r a c i n d e 2 4 h o r a s .
l ( mm/ h ) me d i a d e l as I n t e n s i d a d e s m x i ma s a n u a l e s p a r a u n a d u r a c i n d.
I j ( mm/ h ) me d i a d e l a s I n t e n s i d a d e s m x i ma s a n u a l e s p a r a u n a d u r a c i n d e u n a h o r a .
I N M I n s t i t u t o Na c i o n a l d e Me t e o r o l o g a .
j n me r o d e o r d e n d e c a d a d a t o o r d e n a d o d e me n o r a ma y o r .
K C o c i e n t e =. P a r me t r o o b t e n i d o del m a p a d e i s o - K ( i s o - = r )
-'24 -'24
K valor tabulado en funcin del tamao de la muestra con un nivel de significacin de un
10% en informacin normalmente distribuida.
l i fa c t o r l ocal e n l o s L - mo me n t o s y s e c o r r e s p o n d e l a me d i a en l o s mo me n t o s t r a d i c i o n a l e s .
I j fa c t o r d e e s c a l a e n l o s L - Mo me n t o s .
I3 factor de forma en los L-Momentos.
M mtodo de estimacin de momentos..
MV mtodo de estimacin de mxima verosimilitud.
n n me r o d e d a t o s d e c a d a s er i e.
N A n me r o a l e a t o r i o c o n va l o r ( 0 < N A < 1 ) .
P j ^ pr oba bi l i da d a s i g n a d a p o r Ho s k i n g a c a d a va l o r d e l a s er i e p r e vi a me n t e o r d e n a d a d e
menor a mayor.
PMDA(T)(mm) precipitacin mxima diaria anual correspondiente al perodo de retomo T (aos).
PMDA(iiim) media de las precipitaciones mximas diarias anuales para la localizacin considerada.
R n d i c e d e E r o s i n Pl uvi a l en l a e c u a c i n uni ve r s a l d e p r d i d a s d e s u e l o .
Sy d e s vi a c i n e s t n d a r .
T perodo de retomo considerado en aos.
t2 L-Cv que equivale al coeficiente de variacin (Cv) en los momentos tradicionales,
t / L-Cv regional medio ponderado con la longitud de la serie.
t a L - C a qu e e qui va l e al coefi ci ent e d e a s i me t r a ( Ca ) e n l o s mo me n t o s t r a di c i ona l e s .
U L - C k qu e e qui va l dr a al coefi ci ent e d e a p u n t a mi e n t o o c u r t o s i s e n l o s m o m e n t o s
t r a d i c i o n a l e s .
xj: dato"j-simo" de la serie de "n" datos,
yh u mb r a l d e d a t o d u d o s o a l t o .
y me d i a d e l a s er i e.
(S-, desviacin tpica de las "N" simulaciones.
\iy media de las "N" simulaciones.
V
1,-OBJETIVOS
OBJETIVOS
Los objetivos que se pretenden abordar en el desarrollo de la presente Tesis son:
GENERAL:
Contribuir al conocimiento de las intensidades mximas anuales de lluvia en la
Espaa Peninsular.
ESPECFICOS:
Dentro de este marco general, el trabajo plantea como objetivos especficos:
- Incorporar al estudio de esta variable aleatoria de valores extremos la
metodologa conocida como regionalizacin. Esta tcnica permite agrupar
muestras que, an siendo distintas, bien sea por su localizacin o por la
variable registrada, son homologables en cuanto a estadsticos de dispersin,
(Coeficiente de variacin), o de asimetra, (Coeficiente de asimetra). De esta
forma, y una vez eliminado el factor local, se pueden conformar unas
muestras mucho ms amplias, que permiten aumentar la robustez de las
estimas, especialmente para perodos de retomo altos.
- Utilizar fimciones de distribucin que se han desarrollado especficamente
para la variable aleatoria de precipitaciones, como es el caso de la funcin
SQRT-ET mx, que mejoran las estimas respecto a funciones ms
convencionales, como es la funcin de distribucin de Gumbel.
- Establecer una nueva metodologa que permita extrapolar las leyes IDF
obtenidas en estaciones con pluvigrafo a las estaciones que slo disponen
de pluvimetro.
OBJETIVOS
DE APLICACIN:
Permitir la estimacin fiable y estable de intensidades mximas anuales para
distintas duraciones y perodos de retomo.
La principal aplicacin se enmarca en el contexto de la ingeniera
hidrolgica, y en particular, en poner a disposicin de los especialistas en
esta materia una herramienta actualizada y robusta, que es esencial en los
modelos hidrometeorolgicos de estimacin de caudales.
Desarrollar una aplicacin informtica que permita, de manera sencilla,
acceder a la informacin necesaria para determinar la intensidad mxima
anual para una duracin y perodo de retomo.
2.-JSTiriCACION
JUSTIFICACIN
2.-JIJSI1FICACION
Cuando se analizan los datos relativos a desastres naturales, (Fig 1), se
comprueba que las inundaciones son los que mayores muertes producen y los que
mayores prdidas materiales generan.
ECONOMIC LOSSES (1986-1995)
10%
29%
30%
- . ^ 1 %
aflooding
Dwnd storm
Qearthquake
Dother
2 9 % / ^
DEATHS (1986-1996)
7%
-ZZlHlfl^^^ 55%
9%
Dflooding
Dwind storm
Dearttiquake
other
Figura 1 .-Daos producidos por desastres
naturales en el mundo, en vidas humanas y en
costes econmicos en la dcada 1986-1995.
(Fuente: "Floods: People at Risk, Strategies for
Prevention". Miller, 1997. Department of
Humanitarian AfEairs)
Particularizando para Espaa, se estiman en unos 3.000 millones de dlares los
daos producidos por las avenidas de los aos 1982 y 1983, a los que hay que aadir las
ms de 1.100 vidas humanas producidas en los ltimos 30 aos en la cuenca
mediterrnea espaola (Berga 1987). El elevado coste de vidas himianas, as como los
elevados daos materiales que producen estos fenmenos, justifica la inversin en
medidas estructurales y no estructurales de defensa. Adems, y dado el alto coste de
estas estructuras, se hace necesario un estudio muy cuidadoso de las avenidas, de su
origen, y especialmente de la estimacin de caudales punta.
3.-ANTECEDENTES
ANTECEDENTES
3.1.-INTR0DUCCI0N.
Al analizar el proceso de fonnacin de un caudal, reflejado en el esquema 1, se
puede deducir que el proceso est condicionado por tres factores principalmente:
=> Las caractersticas de las lluvias:
La intensidad, duracin, y su distribucin temporal y espacial, influyen tanto en la
generacin de escorrenta como en los procesos de circulacin y gnesis de los
hidrogramas.
=5- Las caractersticas y condiciones del suelo:
De entre ellas, cabe destacar, la capacidad de infiltracin y contenido de humedad
ante un episodio de lluvia, que a su vez, vienen condicionados por las lluvias
precedentes y por la evapotranspiracin. Estas dos caractersticas influyen
significativamente en la generacin de escorrenta.
=> Las caractersticas de la cubierta vegetal:
La cubierta vegetal tiene un efecto reductor en el volumen de escorrenta,
eliminando la humedad del suelo mediante el proceso de evapotranspiracin y
reduciendo la velocidad de circulacin del agua en el terreno. La vegetacin
adems protege la capa superficial del suelo frente a la compactacin, aumentando
la porosidad y facilitando as que el agua se infiltre en el terreno, retardando y
laminando la escorrenta.
=> Caractersticas de la cuenca:
Las caractersticas morfolgicas de la cuenca que ms influyen en la formacin de
un caudal punta son la fisiografa y las caractersticas de la red de drenaje que
condicionan tanto el tiempo de concentracin como la velocidad de circulacin, y la
agregacin de los hidrogramas.
ANTECEDENTES
Precipitacin
Superficie
i
Infiltracin
Suelo
I
Percolacin
Acuiferos
Escorrenta superficial
Escorrenta
subsuoerficial
Drenaje del
acufero
R

O
S
Esquema l.-Proceso de formacin de un caudal.
3.1.1.-TIPO DE ACTUACIONES.
Cuando en estos cursos de agua se produce un axunento de caudal, ste va
acompaado de una elevacin de la lmina de agua, sobreelevacin que puede conducir
a la inundacin de las zonas adyacentes. Para paliar estos desastres se pueden plantear
tres tipos de estrategias que incluyen actuaciones antes, durante, y despus de la
inundacin.
Historia de una avenida Actuacin
Precipitacin Control sobre la precipitacin?
Flujo sobre el terreno Conservacin de suelos y lucha contra la erosin.
Red secundaria Correccin de torrentes.
Propagacin en el cauce principal.. Laminacin, manterumiento y/o mejora de la
capacidad de evacuacin.
Desbordamiento e inundacin Obras en cauces, zonificacin y usos de suelo,
sistemas de alarma.
ANTECEDENTES
Este conjunto de actuaciones se puede clasificar en:
=> Medidas estructurales.- Dentro de ellas se incluye la construccin de diques y
presas, obras que tienen como objetivo el control de la avenida mediante el
almacenamiento. Adems, se pueden incluir aqu las mejoras en cauces para
mantener y/o aumentar su capacidad de evacuacin. Estas obras debern
dimensonarse de manera que puedan desaguar un determinado caudal, el caudal
punta, tambin llamado de diseo o de proyecto. Este tipo de actuacin es muy
efectivo en la proteccin de vidas humanas y propiedades, pero tambin suelen ser
caras, por lo tanto es necesario estimar dicho caudal con precisin.
=> Ordenacin de usos de suelo.- Este segundo tipo de actuaciones trata de reducir la
susceptibilidad a los daos, y esto se consigue con una buena planificacin del
territorio. Para ello es necesario conocer qu caudales van a circular, qu lminas de
agua se alcanzarn (dependiendo de la topografa), y por tanto qu terreno va a
quedar inundado. Este segundo tipo de actuaciones permitir implantar una
zonificacin en cuanto a usos del suelo. Este uso restringido del suelo puede hacer
que estas medidas resulten impopulares, y por ello, tambin aqu, es necesario
conocer con precisin qu caudales pueden circular como mximo.
=> Y por ltimo se pueden incluir sistemas de alerta, medidas de tipo preventivo,
sistemas de proteccin civil, sistemas de alarma...todas ellas encaminadas a reducir
los daos producidos por las inundaciones.
Todo este tipo de actuaciones conlleva ineludiblemente la estimacin de caudales
de avenida, pero esta estimacin tambin resulta imprescindible en muchos mbitos de
la ingeniera civil: drenaje longitudinal y transversal de infraestructuras viarias, red de
drenaje de ciudades...
Adems, y como consecuencia de la Directiva Marco de Agua,( Directiva
2000/60/CE) que otorga un papel destacado a la evaluacin y control del estado
ecolgico de los sistemas fluviales, la caracterizacin del rgimen de caudales aparece
ANTECEDENTES
como un elemento fimdamental. Por lo tanto, tambin en este caso, es necesaria la
estimacin de caudales, ya sean ordinarios o de avenida.
3.1.2.-MTODOS DE ESTIMACIN DE CAUDALES MXIMOS.
Se pueden distinguir varios mtodos para calcular los caudales mximos:
Mtodos empricos.- Expresan el caudal en funcin de las caractersticas
geomorfolgicas de la cuenca. Estos mtodos se formularon a principio de siglo pasado,
y pueden servir como primera aproximacin para establecer rdenes de magnitud. En
cualquier caso, son frmulas que deberan corresponderse con las caractersticas e
hiptesis en las que se desarrollaron, aunque actualmente este tipo de relaciones est en
desuso.
Mtodos estadsticos basados en datos foronmicos.- consisten en la realizacin
de un estudio estadstico sobre los datos de caudales mximos registrados en la estacin
de aforos.
El dato de caudal, a pesar de ser la variable hidrolgica ms importante, no se
registra directamente, sino que se deduce a travs de la medicin de la profundidad de
agua alcanzada en una determinada seccin. Este calado se convierte en caudal a partir
de la curva de gasto de la estacin foronmica. A su vez, esta curva se obtiene con
aforos directos en los que se registran velocidades y calados medidos en la seccin, y
que una vez procesados permiten obtener el caudal.
Este mtodo de registro de caudales a partir de calados, presenta varios
problemas, vinculados, fundamentalmente, con la validez de la curva de gasto,
especialmente de caudales extremos, que son los caudales que generan problemas de
desbordamientos.
No es el objetivo de la presente Tesis analizar la fabilidad de dichos registros, y
adems, este problema queda en un segundo plano cuando se tiene en cuenta que para
poder utilizar este mtodo es necesario que exista una estacin de aforos. La red
foronmica es muy limitada, especialmente en los tramos de cabecera y cursos medio y
ANTECEDENTES
alto de los ros, lo que hace que la aplicacin de este mtodo no permita resolver de
manera generalizada la estimacin de caudales de avenida.
Mtodos hidrometeorolgicos.- Estos mtodos simulan el proceso de generacin
de hidrogramas o caudales mediante modelos, de mayor o menor complejidad, tanto con
una estructura agregada, como ms recientemente, distribuida.
Bsicamente se estructuran a partir de tres submodelos:
Precipitacin
Escorrenta
Circulacin.
El modelo de precipitacin debe proporcionar las caractersticas del aguacero cuyo
hidrograma se desea conocer: Perodo de retomo, intensidades, distribucin
temporal y espacial...
El modelo de escorrenta debe proporcionar la parte de precipitacin que escurre
superficialmente, y
El modelo de circulacin debe simular adecuadamente los procesos de flujo en
ladera y cauce, la agregacin de hidrogramas y, proporcionar, al fin, el hidrograma
o caudal en la seccin de cierre de la cuenca.
Los mtodos hidrometeorolgicos estn plenamente aceptados y son, hoy por
hoy, una herramienta insustituible en la estimacin de hidrogramas de avenida y
caudales mximos.
Dentro de los modelos hidrometeorolgicos, el mtodo racional es
probablemente el mtodo ms utilizado en el mundo para el clculo de caudales porque
presenta de forma sencilla y adecuada la influencia que tienen los distintos factores que
condicionan los caudales de crecida. Este mtodo se basa en que si sobre una cuenca se
produce un aguacero de intensidad constante y duracin indefinida, el caudal en la
seccin de cierre crecer hasta alcanzar un mximo, mximo que aparecer cuando toda
la cuenca contribuya simultneamente a generar el caudal en la seccin de cierre, y que
se mantendr constante hasta que cese la lluvia, puesto que desde que se presenta el
ANTECEDENTES
mximo, los volmenes evacuados por xmidad de tiempo igualan a los volmenes que
escurren. Este comportamiento se materializa en la siguiente expresin:
Q=C*PA*Fc.
Donde: I , Intensidad mxima de lluvia correspondiente a una duracin igual al
tiempo de concentracin
C, Coeficiente de escorrenta
S, Superficie
Fe , Factor de conversin de unidades para obtener el caudal en mVs
3.1.2.1.-Modelos hdrometeorolgicos y la ley IDF.
Los modelos hidrometeorolgicos, ya sean agregados o distribuidos, requieren,
como ya se ha indicado, generar un hietograma completo del aguacero cuyo hidrograma
o caudal se desea estimar, o en el caso del mtodo racional, la intensidad
correspondiente al tiempo de concentracin.
El caudal mximo que cabe esperar en la seccin de cierre se producir cuando
se presente una intensidad mxima. Por otra parte, la intensidad aumenta a medida que
se reduce el tiempo en el que se evala, pero ese tiempo debe ser mayor o igual al
tiempo de concentracin, para que toda la cuenca contribuya simultneamente al caudal
que circula por la seccin de cierre. Por tanto, la intensidad que hace mximo el caudal
ser la que corresponde a una duracin igual al tiempo de concentracin, la mayor
compatible con la condicin expuesta. Adems la intensidad debe evaluarse tambin
considerando la probabilidad de excedencia, definida por el perodo de retomo, y que
ser la correspondiente al caudal que se desea estimar. En consecuencia, la intensidad
que se introduce en la expresin del caudal en el mtodo racional ser funcin de la
duracin - tiempo de concentracin de la cuenca-, y del perodo de retomo, que se
escoge en funcin del uso:
I=f(d,T)
ANTECEDENTES
Resulta por tanto evidente, que para la estimacin de caudales por el mtodo
racional, es necesario disponer de funciones del tipo 1= f (d,T), citadas en la literatura
especializada como curvas intensidad -duracin - frecuencia ( en adelante curvas IDF),
ya que en sus orgenes se expresaban de forma grfica, representando en el eje de
abscisas la duracin, en ordenadas la intensidad, y una familia de curvas
correspondientes cada una de ellas a un perodo de retomo previamente establecido.
Desde la aparicin del mtodo racional, hacia 1850, hasta el uso de ordenadores,
el mtodo racional ha sido im referente imiversal, mantenindose su uso, aimque ahora
comparte el campo de estimacin de caudales con otros mtodos ms elaborados. El
bagaje que sobre las curvas K)F se ha venido acumulando, y que se haba desarrollado
para la aplicacin del mtodo racional, ha sido aprovechado posteriormente por otras
metodologas que requieren disponer del hietograma completo del aguacero. En
particular, estas curvas se han empleado, y se emplean, para complementar la limitada
informacin disponible en las estaciones meteorolgicas que cuentan solamente con la
precipitacin total, precipitacin mxima diaria anual para un perodo de retomo
considerado (nico dato que se puede obtener en estaciones con pluvimetro),y generar
hietogramas que simulen la entrada para el modelo de escorrenta.
10
ANTECEDENTES
3. 1. 3. - CONCLUSI N.
L a e s t i m ac i n de c au dal e s de av e n i da y/ c au dal e s m x i m o s e s
i mp r e s c i n di b l e p ar a e l di s e o de o b r as h i dr u l i c as , o r de n ac i n de
t e r r i t o r i o , p l an i f c ac i n h i dr o l g i c a, s i s t e mas de p r o t e c c i n c i v i l y
c ar ae t e r i z ac i n de l e s t ado e c o l g i c o de l o s s i s t e mas fluviales e n t r e
. otros:'^:--'^'v'::.;
L o s r i t o do s b as ado s e n s e r i e s f o r o n m i c as t i e n e n i mp o r t an t e s
l i mi t ac i o n e s de r i v adas fimdamenalmnte, au n q u e n o de m an e r a n i c a,
de l a e s c as a r e d f o r o n mi c a.
L o s m t o do s h i dr o me t e o r o l g i c o s s o n , h o y p o r h o y, u n a h e r r am i e n t a
i n s u s t i t u i b l e p ar a l a e s t i m ac i n de h i dr o g r am as de av e n i da y c au dal e s
' ' . . m x i mo s . - ,
L as l e ye s I DF s o n i mp r e s c i n di b l e s t an t o p ar a l a ap h c ac i n de l m t o do
r i o n al c o m o p a r a l a o b t e n c i n de h i e t o g r am as s i n t t i c o s c o n l o s q u e
c o m p l e m e n t ar l a l i m i t ada i n f o r m ac i n di s p o n i b l e e n l as e s t ac i o n e s
m e t e o r o l g i c as q u e c u e n t an n i c am e n t e c o n p l u v i m e t r o .
11
ANTECEDENTES
3.2.-ANTECEDENTES DE LAS LEYES IDF.
3.2.1,-CONSIDERACIONES PREVLiS.
Para abordar el anlisis de la situacin actual de las curvas IDF conviene hacer
unas reflexiones previas respecto a la gnesis general de estas relaciones y sus
implicaciones.
Como ya se ha comentado, cuando se presentan en forma de grfica, el eje de
abscisas recoge la duracin, el de ordenadas la intensidad y las curvas que aparecen en
el cuadrante as definido se corresponden con perodos de retomo de uso habitual.
Los datos que se utilizan para generar estas curvas son como los recogidos en la
tabla 1.
Duracin
(minutos)
5
10
15
20
30
60
120
Perodo d e retorno(aos)
2
45
34
28
24
20
12
7.3
5
71
53
43
37
30
18
11
10
92
68
55
46
38
22
13
25
121
88
71
60
49
26
16
50
145
105
85
71
58
33
19
100
170
123
99
83
68
38
21
200
198
142
115
95
78
43
24
500
237
169
136
113
93
51
28
Tabla 1.-Intensidades mximas (mm/h) para cada duracin y periodo de retomo.
Los valores en la tabla son los valores obtenidos tras un ajuste a una funcin de
distribucin de las intensidades mximas para cada duracin (fila) y para cada perodo
de retomo (columna). As, 28 mm/h es la intensidad mxima en 120 minutos para un
perodo de retomo de 500 aos. Con los valores as obtenidos, se puede ajustar una
curva para cada perodo de retomo, como en la Figura 2.
12
ANTECEDENTES
-1=2
-T=5
T=10
-T=26
-T=50
-T=100
-T=200
-T=500
20 40 eo ao 100 120 mo
dufactn (minutos)
Figura 2.-Curvas IDF
No obstante, antes de entrar en
mayor detalle, es necesario precisar el
verdadero alcance de los trminos intensidad
y duracin.
Tanto en castellano -duracin- como
en ingls -duraton- el trmino utilizado
puede llevar a equvoco. Al emplear tal
vocablo no se quiere hacer referencia a la duracin del aguacero, entendiendo como tal
el tiempo transcurrido desde que se inicia hasta que termina, sino a la duracin del
intervalo de tiempo en el que se evala la intensidad; se trata, pues, ms que de una
duracin, de la dimensin de la ventana temporal en la que se evala la intensidad.
En cuanto a la intensidad deben establecerse tres consideraciones:
La variable en cuestin es una intensidad media, resultado de dividir la
precipitacin registrada en la ventana temporal definida -duracin- por ese
tiempo. La intensidad as calculada es, por tanto, un valor que no es real, en el
sentido de que la cifra obtenida no implica que durante la ventana de tiempo
considerada la intensidad real se haya mantenido constante. Las distintas
duraciones de esas ventanas temporales se fijan de manera artificial, ajena a la
duracin real de los episodios de lluvia, careciendo, por tanto, de la cualidad
de variable aleatoria.
Las precipitaciones que sirven para obtener esas intensidades medias para las
distintas ventanas temporales utilizadas, son las mximas anuales registradas
para esa duracin. Por tanto, cuando en el contexto de las curvas IDF se habla
de intensidades, en realidad se est haciendo mencin al mximo anual del
valor medio de la intensidad en la ventana temporal considerada.
Tambin es conveniente llamar la atencin al hecho de que los valores
obtenidos para un ao concreto correspondientes a distintas ventanas
temporales se corresponden, en general, a episodios distintos de lluvia. As,
13
ANTECEDENTES
- por ejemplo, para un ao cualquiera, el mximo anual del valor medio de la
intensidad en 30 minutos pudo registrarse en agosto, mientras que el
correspondiente a 2 horas se gener en un aguacero de octubre. Adems, esa
ventana temporal no aporta informacin respecto a la cronologa interna del
aguacero: Las dos horas de mxima intensidad anual del aguacero de octubre
pudieron presentarse al final del episodio, mientras que los treinta minutos de
mxima intensidad del de agosto pudieron acaecer al comienzo.
Una vez que para una estacin se dispone de los registros de mximo anual del
valor medio de la intensidad para las duraciones consideradas, el proceso de
obtencin de las curvas IDF tiene dos fases diferenciadas:
En primer lugar, hay que estimar, para cada duracin, las intensidades
correspondientes a los periodos de retomo de inters. Este proceso consiste,
esencialmente, en seleccionar una funcin de distribucin y estimar sus parmetros a
partir de las series de mximos anuales del valor medio de la intensidad para cada
duracin considerada. Los resultados as obtenidos -para cada duracin, intensidades
correspondientes a los distintos perodos de retomo- pueden ya representarse en los ejes
I-D.
A continuacin, se ajustan funciones que, para cada perodo de retomo,
reproduzcan adecuadamente la variacin de la intensidad con la duracin, o una funcin
nica que sea capaz de recoger adecuadamente la variacin de la intensidad con las dos
variables, duracin y perodo de retomo.
Por tanto, cuando se aborda la obtencin de curvas IDF, o la discusin de las
curvas disponibles, es necesario plantear el trabajo distinguiendo claramente estas dos
fases, y desde esa perspectiva se analiza a continuacin, la situacin actual de las curvas
IDF en dos epgrafes diferenciados:
Evolucin del anlisis de frecuencias en variables aleatorias de valores
extremos.
Evolucin de las relaciones I (d, T)=f( d, T)
14
ANTECEDENTES
3.2.2.-EVOLUCIN DEL ANLISIS DE FRECUENCIAS DE VARIABLES
ALEATORL^S DE VALORES MXIMOS.
Las variables aleatorias de valores mximos habitualmente utilizadas en el
mbito de la hidrologa -precipitacin, intensidad y caudal- presentan un coeficiente de
asimetra positivo. Este hecho obliga a considerar patrones de funciones de densidad, o
de distribucin que recojan ese comportamiento, prestando especial cuidado a la hora de
estimar el coeficiente de asimetra, ya que es precisamente sobre la cola derecha de la
funcin ajustada- correspondiente a perodos de retomo alto- donde se centra el inters
de la estima de cuantiles. En este sentido, la evolucin del anlisis de frecuencias de
valores mximos se puede sistematizar en tres direcciones:
Desarrollo de funciones de distribucin especficas.
Desarrollo de mtodos de estimacin de parmetros de las funciones de
distribucin.
Desarrollo de mtodos para incrementar la informacin.
3.2.2.1.-Desarrollo de funciones de distribucin especficas.
Teniendo en cuenta la trascendencia que el coeficiente de asimetra tiene en la
estimacin de cuantiles, los distintos patrones de funciones de distribucin propuestos
para el anlisis de valores extremos, y mximos en particular, suelen clasificarse,
atendiendo al tratamiento del factor de forma asumido: en asimetra fija, libre y
variable.
Asimetra fija.
Tradicionalmente se ha acudido a patrones de funcin de distribucin con
coeficiente de asimetra fijo (USWRC, 1981) y de ellas, la ms utilizada es Gxutnbel
(1941) (Chow et al, 1994), funcin biparamtrica que asume un coeficiente de asimetra
fijo de 1,14. Los cuantiles estimados a partir de esta fimcin son, lgicamente,
independientes de la asimetra muestral. Cuando las muestras son cortas, como
habitualmente ocurre en las series utilizadas en hidrologa, asumir una asimetra fija da
robustez a las estimas, es decir, que la entrada o salida de un valor extremo -el mximo
de los mximos, que cambiara significativamente la asimetra muestral- no incide tan
drsticamente en las estimas. Sin embargo, esta ventaja se toma en inconveniente
15
ANTECEDENTES
cuando la asimetra de la poblacin subyacente es sensiblemente distinta de 1,14. En
este caso, si la asimetra de la poblacin subyacente es superor a 1,14, los cuantiles
obtenidos con Gumbel estn subestimados, circunstancia inadmisible para las
aplicaciones habituales de estos resultados. Rossi et al., (1984) ha comprobado que, por
esta circunstancia, Gumbel no es recomendable para el tratamiento de series anuales de
caudales mximos. En Espaa, en la zona de influencia mediterrnea, se ha comprobado
que, para series de precipiteciones mximas diarias anuales, los cuantiles estn
subestimados cuando se utiliza Gumbel, conduciendo, por tanto, a resultados que,
aplicados a estudios hidrolgicos, sitan las decisiones o dimensiones de las obras del
lado de la inseguridad (Ferrer, 1991).
Asimetra libre.
Frente al planteamiento descrito en el epgrafe anterior, se consideraron otros
patrones de funciones de distribucin con tres parmetros. Las ms utilizadas son Log-
Pearson Tipo 3 (LP3) y Valores Extremos Generalizados (GEY), (Ponce, 1989). En
estos patrones, el parmetro de forma se estima considerando el coeficiente de asimetra
muestral. Sin embargo, el error y la asimetra en la estima del coeficiente de asimetra
crecen a medida que se reduce el tamao muestral, (Bedient y Huber, 1992). Esto hace
que la estimacin del factor de forma a partir nicamente de la asimetra muestral d
lugar a estimas de cuantiles para perodos de retomo altos muy poco robustas, ya que la
entrada o salida de im valor extremo -el mximo de los mximos- cambia
significativamente la asimetra muestral; con ella cambia la estimacin del factor de
forma de la funcin de distribucin y por tanto los cuantiles correspondientes a periodos
de retomo altos. Esto supone un grave problema en el campo de la hidrologa ya que las
series disponibles son cortas. En los Estados Unidos, donde se utiliza la funcin LP3, se
ha implementado vm estadstico para la estimacin del coeficiente de asimetra en el
que, adems del valor muestral, se incluye un coeficiente de asimetra regional,
recogido en mapas, y un factor de ponderacin que minimiza la varianza de la estima
(U.S.Interagency Advisory Committee on Water Data, Hydrology Subcommittee,
1983).
16
ANTECEDENTES
" Asimetra variable.
Para tratar de conjugar las ventajas de ambos planteamientos y limitar sus
inconvenientes, recientemente se han desarrollado patrones de funciones de distribucin
que si bien formalmente son biparamtricas, asumen que el coeficiente de forma est
vinculado a la informacin muestral, aunque ese vnculo no se establece con el
coeficiente de asimetra. De stas, merece destacarse la propuesta por Etoh et al.,
(1986), conocida como SQRT-ET rax, ya que fue desarrollada expresamente para
mximos anuales de lluvia diaria. El coeficiente de asimetra viene definido por una
funcin en la que aparece como variable independiente el coeficiente de variacin
muestral, tomando siempre un valor superior a 1,14. De esta forma, con respecto a las
funciones de distribucin de asimetra libre se incrementa la robustez de las estimas - al
no considerarse el coeficiente de asimetra muestral en la estimacin de los parmetros
de la funcin de distribucin - , y con respecto a las de asimetra fija se flexibiliza la
caracterizacin del coeficiente de asimetra.
En Espaa, los trabajos ms recientes publicados, tanto sobre precipitaciones
mximas anuales (Ferrer y Mateos, 1999), como sobre intensidades (Instituto Nacional
de Meteorologa, 2003), se han decantado por el empleo de la funcin SQRT-ET mx.
Ferrer justifica esta eleccin con los siguientes argumentos:
Es el nico modelo que ha sido propuesto especficamente para la
modelizacin estadstica de mximas lluvias diarias.
Depende slo de dos parmetros, lo cual, adems de una ventaja intrnseca
por emplear menor nmero de parmetros, conlleva mayor robustez en los
resultados obtenidos ante valores anmalos en los datos.
Mayor facilidad de presentacin de datos al definir los cuantiles
exclusivamente en funcin del coeficiente de variacin.
Proporciona resultados ms conservadores que los mtodos tradicionales.
En la tabla 2, se recogen las principales ventajas e inconvenientes de cada una de
las funciones de distribucin.
17
ANTECEDENTES
o
E

<
V
.3
<
.s
' C
es
>
S
g
<
Distribucin
Gumbel
GEV*
LP3**
TCEV***
SQRT-ET
mx***
Parmetros
2(u,a)
3 (u, a, k)
3 (u, a, k)
4 (ai,a2,Oi,02)
2(a,k)
Ventajas
-Asimetra independiente de la
muestra.
-Ms flexible al ajuste que las
funciones de asimetra fijo.
-Adecuada capacidad descriptiva.
- El sesgo no es fijo.
- La asimetra del modelo no
depende de la asimetra muestral.
-Ms robusto ante valores
anmalos.
- Resultados ms conservadores
que la funcin de distribucin de
Gumbel.
- A pesar de usar dos parmetros
tiene gran capacidad para describir
la cola derecha (Ferrer y
Mateos, 1999).
Inconvenientes
- Coeficiente de asimetra
fijo e igual a 1,14.
- Gran rigidez para describir
series con CaT^ 1,14.
- Coeficiente de asimetra
depende del tamao de la
muestra.
- Errores y asimetra en la
estima crecen a medida que
se reduce el tamao de la
muestra (Bediente &
Huber,1992).
- Poco robusto para muestras
pequeas.
Cierta rigidez para
describir series con
coeficiente de asimetra
elevado (por el hecho de
depender slo de dos
parmetros).
Tabla 2.- Resumen de las caractersticas de las principales funciones de distribucin manejadas.
Donde, u, a, k, son parmetros
*Recomendada para el estudio de avenidas en Gran Bretaa (NERC,1975)
** Utilizada normativamente en Estados Unidos (USWRC, 1981)
*** Reciente inters por numerosos investigadores.
18
ANTECEDENTES
3.2.2.2.-Desarrollo de mtodos de estimacin de parmetros de las funciones de
distribucin.
Para la estimacin de los parmetros se han venido utilizando varios mtodos (Chow
et al. (1994):
Mtodo de los momentos.
El mtodo de los momentos fie utilizado por primera vez por Klarl Pearson en
1902. Pearson consider que irnos buenos estimadores de los parmetros de una
ecuacin eran aquellos para los cuales los momentos de la funcin de densidad de
probabilidad alrededor del origen son iguales a los momentos correspondientes de la
informacin de la muestra. As, el estimador de la varianza poblacional es la varianza
muestra], de la media de la poblacin la media muestral, y as sucesivamente. Es un
mtodo fcil de aplicar y resulta adecuado para anlisis prcticos en hidrologa.
" Mxima verosimilitud.
Este mtodo fue desarrollado por Fisher en 1922. Consider que el mejor valor de
un parmetro de una distribucin de probabilidad debera ser aquel que maximizara la
probabilidad conjunta de ocurrencia de una muestra observada. Tericamente este
mtodo es ms correcto ya que los cuantiles obtenidos son consistentes, es decir,
convergen a su verdadero valor al aumentar la longitud de la serie histrica, con lo que
se eliminan los errores sistemticos. Adems son ms eficientes (estiman los parmetros
de la poblacin con los menores errores promedio), y asintticamente eficientes, es
decir, al aumentar la longitud de la serie, la varianza del estimador se aproxima al
mnimo tericamente posible entre todos los mtodos de estimacin. Otra ventaja que
ofi-ece este mtodo es la posibilidad de incorporar cualquier tipo de informacin
adicional cuantitativa
Como inconveniente podemos decir que es un mtodo ms complejo de programar.
19
ANTECEDENTES
Momentos ponderados probabilsticamente.
Fueron introducidos por Greenwood et al., ( 1979). Slo se pueden utilizar
cuando la funcin se puede expresar de forma explcita en forma inversa (No
aplicable por tanto a TCEV, LP3, SQRT-ET mx). Cuando se desean estimar
cuantiles con perodos de retomo superiores a 100 aos, este mtodo es superior al de
mxima verosimilitud en trminos de consistencia y eficiencia, al menos para la
distribucin GEV (Hosking et al, 1985; Hosking y Wallis, 1987). Este mtodo
tambin ofrece como ventaja su menor sensibilidad a los outliers y su carcter
insesgado.
B L-moments.
Los L-momentos son una alternativa a los mtodos anteriores. Histricamente
surgen como una modificacin al mtodo de los momentos ponderados
probabilsticamente, (Greenwood et al., 1979). Los L-momentos son funciones
lineales de momentos ponderados probabilsticamente, presentando la ventaja sobre
ellos de resumir la distribucin estadstica de forma ms significativa.
La publicacin quizs ms interesante es la de Hosking, (1990); en ella se
justifica su utilizacin, ya que una cierta combinacin lineal de los elementos de la
muestra ordenada contienen informacin de los parmetros de localizacin, escala y
forma de la distribucin de la que procede, y al ser fimciones lineales de los valores
mustrales, son prcticamente insesgados y tienen relativamente pequea varianza.
Los estimadores de cocientes entre L-momentos tienen tambin pequea
varianza y asimetra, especialmente en comparacin con los coeficientes clsicos de
desviacin tpica y curtosis.
Otro argumento a favor de su utilizacin en la estimacin de parmetros es
su relativa insensibilidad a los valores anmalos (outliers). No obstante, este
argumento no debe inducir a utilizar este mtodo a ciegas, ya que no se debe perder
de vista que el objetivo ltimo es la estimacin de un cuantil, no los L-momentos en
20
ANTECEDENTES
S mismos. As, aunque los L-momentos puedan tener las propiedades mustrales
deseables, no ocurre necesariamente lo mismo con una funcin de ellos como es el
estimador de un cuantil dado. De hecho, otros estudios demuestran que para algunas
distribuciones, pueden ser mejores otros mtodos de estimacin en trminos del error
cuadrtico medio del estimador del cuantil. (Hosking y Wallis, 1987; Rosbjerg et
al.,1992).
Algunos autores (Bemier, 1993) ponen como objecin a este mtodo que es
demasiado robusto en comparacin con el mtodo clsico de momentos en el sentido
de que, a los valores grandes o pequeos de la muestra, que reflejan ima importante
informacin de la cola de la distribucin padre, se les da poco peso en la estimacin.
Sin embargo, tambin hay que decir que Hosking, (1990) considera que los L-
momentos dan un peso relativo de cada elemento de la muestra en funcin de la
importancia relativa del mismo.
Para poder comparar estos parmetros del mismo modo que con los
momentos convencionales es muy conveniente definir los L-momentos de forma
adimensional. Hosking y Wallis, (1997) consideran que los cocientes de los L-
momentos son consistentes pero no insesgados.
En la tabla 3 se recogen las principales caractersticas de los mtodos de
estimacin de parmetros.
21
ANTECEDENTES
Caractersticas
Ventajas
Inconvenientes
M. Momentos
Simplicidad de aplicacin.
Consistente.
Menos sensible ante elecciones
incorrectas del modelo de distribucin.
Confiere mayor peso a los mayores
valores de la distribucin.
No utiliza de forma exhaustiva toda la
informacin de la muestra.
Sesgo es ms sensible al extremo
superior de la distribucin.
Se ve ms afectada por valores
extremos mustrales que los L-
momentos.
Los cocientes de los momentos no
presentan unos lmites.
M. Mxima verosimilitud
Libre de asimetra.
Ms eficiente =>produce una varianza
menor, estiman los parmetros de la
poblacin con menores errores promedio
(Chow, 1994).
Ms robusto, ya que no requiere elevar
los datos al cuadrado o al cubo.
Para tamaos mustrales grandes la
informacin observada converge hacia la
informacin esperada y el estimador es
ptimo con lo que se eliminan los
errores sistemticos (son por tanto
consistentes). Adems son
asintticamente eficientes (ya que la
varianza del estimador se aproxima al
mnimo tericamente posible entre todos
los mtodos de estimacin Son ms
eficientes.
Permite incorporar informacin adicional
cuantitativa.
Bastante sensible a una incorrecta
eleccin del modelo de distribucin.
(Maidment,1993)
Para pequeas muestras, presenta
dificultades numricas, y los estimadores
son frecuentemente sesgados.
Ms difcil de aplicar aunque con los
medios informticos est menos
condicionado.
M. Momentos ponderados probabilsticamente
Frente a los mtodo anteriores
(Saenz de Ormijana et al. 1991):
Menos sensibles a los outliers
Carcter insesgado.
Simplicidad de aplicacin (no encierran
potencias de las observaciones).
Confiere mayor peso a los mayores valores
de la serie=>Valores ms conservadores.
Este mtodo es superior al mtodo de
mxima verosimilitud en trminos de
consistencia y eficiencia cuando se estiman
cuantiles para perodos de retomo mayores
de 100 aos a partir de series histricas de
menos de 100 aos- al menos para la
distribucin GEV (Hosking et al. 1985.
HoskingyWallis, 1987)
Aplicable slo cuando la funcin de
distribucin se puede expresar en forma
explcita.
-; .X-Mfeirlentos
Frente a i los momentos convencionales (Hosking
1986):
Ms robusto ante la presencia de outliers cuando
se estiman a partir de valores mustrales.
Ms injsesgados.
Presentan unos lmites naturales (tr<l), lo que
resulta una ventaja pues un parmetro resulta ms
fcil de interpretar cuando sus valores se
encuentran dentro de un intervalo, que cuando
pueden tomar cualquier valor arbitrariamente.
Permite caracterizar a un mayor nmero de
funcioijies de distribucin.
Menos: sujetos a la asimetra de la estimacin.
Es ms fcil identificar la distribucin de la que
proviene la muestra.
Frente a M
Ms
. Mxima verosimilitud:
eficiente para muestras pequeas y
moderadas.
i
Tabla 3.-Resumen de las caractersticas de los distintos mtodos de estimacin de parmetros.
22
ANTECEDENTES
3.2.2.3.-Desarrollo de mtodos para incrementar la informacin.
Para resolver el problema de escasez de datos en el anlisis de frecuencias de
variables aleatorias de valores extremos, se han planteado dos alternativas:
" Utilizacin de series de duracin parcial (SDP).
Regionalizacin.
Utilizacin de series de duracin parcial.
Una Serie de Duracin Parcial, SDP, consiste en una serie de datos
seleccionados de tal manera que, su magnitud es mayor que un valor "umbral"
predefinido. As por ejemplo, si se dispone de registros de precipitacin diaria en N
aos, y ima vez establecido el umbral, la serie quedara formada por todos los valores
que lo superen. De esta forma, a diferencia de lo que ocurre en las series convencionales
en las que se toma el valor mximo anual, la SDP puede estar formada por un nmero
de registros superior al nmero de aos. Habr aos que aporten varios registros y
tambin aos que no aporten ninguno.
Si el valor umbral se selecciona de tal manera que el nmero de valores en la
serie sea igual al nmero de aos en el registro, la serie se conoce como una serie de
excedencia anual. En este caso no aumenta el tamao de la serie respecto a la de
mximos anuales.
Entre los trabajos realizados con series de duracin parcial cabe destacar los
estudios de Davidson y Smith, (1990).
Diversos autores recomiendan el uso de series de duracin parcial para analizar
eventos que ocurren ms frecuentemente. Cuando un problema requiere el anlisis de
eventos con un perodo de retomo menor de 5 aos, la serie parcial de valores es
preferible a la serie anual.
23
ANTECEDENTES
Cuando el perodo de retomo se hace mayor, los resultados de las dos
metodologas, serie de excedencia anual (caso particular de duracin parcial) y series de
mximos anuales, se vuelven muy similares (Chow et al., 1994).
" Regional izacin
El anlisis de frecuencias de variables aleatorias de valores extremos en
hidrologa, fundamentalmente caudales y precipitaciones, requiere un tratamiento
singularmente detallado de la cola derecha de la fincin de distribucin, y ello por dos
razones:
En primer lugar porque estas variables aleatorias presentan una importante
asimetra positiva, que el modelo estadstico elegido para caracterizarlo debe ser
capaz de reflejar.
En segundo lugar, porque las estimas se hacen en esa cola derecha- perodo de
retomo alto - y los cuantiles as obtenidos tienen una gran trascendencia, pues
contribuirn a definir el diseo y dimensionado de obras, as como establecer
niveles de seguridad de infraestmcturas, bienes y vidas.
El primer aspecto se resuelve contemplando patrones de funcin de distribucin
adecuados, tal como se discuti en el epgrafe "desarrollo defunciones de distribucin
especificas", y en cuanto al segundo, la estabilidad y fabilidad de las estimas para
perodos de retomo altos se solucionara contando, con independencia del mtodo de
estimacin de parmetros utilizados, con muestras grandes.
Pero, incrementar el tamao muestral de este tipo de variables aleatorias, en un
sentido estricto, no es posible, ya que si en una estacin los registros de precipitacin
diaria cubren 15 aos, la serie de precipitaciones mximas diarias tendr 15 datos, y
para aumentar su tamao a 50 datos, debern transcurrir 35 aos. Por ello, las
tendencias actuales en el estudio de frecuencias de valores mximos se centran, no
tanto en descubrir cual es la distribucin correcta, ni la que mejor se ajuste para
perodos de retomo medio-bajos, sino en buscar un mtodo robusto, es decir, que arroje
resultados razonables, aimque la distribucin elegida no sea la tericamente ms
correcta.
24
ANTECEDENTES
De acuerdo con Hosking y Wallis, (1997), este problema de escasez de datos se
atena:
^^ paliando la carencia en el tiempo con la abundancia en el espacio".
El enfoque regional pretende aumentar el nmero de datos utilizando los datos
de otras estaciones en las que se considera que su distribucin de frecuencias es similar;
As, se podra considerar que esas series de cada estacin constituyen muestras de la
misma poblacin. Este mtodo asume, por tanto, la existencia de ima '^regin
homognea" respecto a ciertas caractersticas hidrolgicas y estadsticas, lo que permite
aprovechar el conjunto de la informacin disponible en dicha regin. Se acepta incluso
que, aunque una regin sea moderadamente heterognea, un anlisis regional conduce a
mejores estimas que un anlisis estacin a estacin (Lettenmaier y Potter, 1985;
Lettenmaier et al., 1987; Hosking y Wallis, 1988; Potter y Lettenmaier, 1990)
Hoy da est plenamente reconocido que un buen ajuste a una muestra de una
sola estacin no garantiza una buena estima para cuantiles correspondientes a perodos
de retomo altos, sino que se requieren ms datos para describir adecuadamente el
extremo de la cola derecha, Con este enfoque regional, se pretende reducir la varianza
de los parmetros estimados con una nica muestra, empleando la informacin de
estaciones con similar comportamiento.
Diversos autores, Lettenmaier y Potter, (1985) parecen indicar que en muestras
con Cv relativamente bajo ( Cv<0,6), y relativamente homogneas (Cv(Cv)<0,2) las
ventajas de utilizar datos regionales son claras.
As, es de esperar, que al aumentar el tamao de la muestra el error de
estimacin de los parmetros disminuir en la medida en que la regin sea ms
homognea estadsticamente y la correlacin espacial sea baja, aunque este segundo
condicionante tiene menor influencia (Hosking y Wallis, 1988).
Algunos autores, (Mtalas et al. , 1975) sugieren que la regionalizacin
introduce errores debido a la perturbacin espacial, otros (Stedinger, 1983) sugieren que
25
ANTECEDENTES
es debido a la correlacin entre estaciones, y as mismo demuestran que la influencia de
esta correlacin disminuye con el aumento de orden del momento. Otros autores
(Florentino et al., 1987; Rossi y Villani, 1992) indican que la variabilidad temporal de
la muestra se incrementa con el orden "m" de los momentos, mientras que el cociente
entre la perturbacin espacial y la variabilidad temporal de la muestra decrece con "m".
Wallis et al., (1974) sealan las ventajas de la regionalizacin para su aplicacin
en el anlisis estadstico de los valores extremos debido a la gran influencia que tienen
los momentos de orden superior sobre la forma de la cola de la distribucin.
Actualmente el mtodo ms utilizado para la regionalizacin es el mtodo del
"ndice de avenida"
El mtodo ndice de avenida fue desarrollado por el USGD (Dalrymple, 1960)
para el estudio de avenidas (FREND, 1989), o de mximas lluvias (Reed, 1992) y
actualmente estn ampliamente aceptadas las ventajas de este mtodo frente a los
mtodos tradicionales (Greis y Wood, 1981; Hosking, 1986; U.S. National Research
Council, 1988; Potter y Lettenmaier,1990)
Esencialmente, el mtodo ndice de avenida parte de la hiptesis de que la
distribucin de los eventos extremos en una regin homognea es la misma excepto un
factor de escala que refleja las caractersticas de cada estacin. Esto equivale a aceptar
que todas las estaciones de una regin homognea proporcionan muestras de la misma
poblacin subyacente en lo que a coeficiente de variacin (Cv) y coeficiente de
asimetra (Ca) se refiere, de manera que, conocidos los cuantiles a escala regional y los
valores medios locales, se pueden obtener los valores extremos locales con ms
fabilidad.
Con este supuesto, la variable "Y" resultante de dividir en cada estacin los
valores mximos anuales entre su media sigue idntica distribucin de frecuencia en
toda la "regin". As, los parmetros de dicha distribucin, una vez seleccionado el
modelo de la ley, son obtenidos a partir del conjunto de datos de las distintas estaciones,
mientras que el valor local de la media, se estima exclusivamente a partir de los datos de
cada estacin.
26
ANTECEDENTES
Si las series son estadsticamente independientes entre s, puede probarse que el
mtodo del ndice de avenida equivale a construir una serie cuya longitud sera la suma
de las de las series individuales. Por el contrario, si las series fueran totalmente
dependientes la serie regional sera equivalente a cualquiera de las series individuales,
sin ganancia de informacin respecto a las mismas (U.S. National Research Council,
1988).
Diversos autores han aplicado este mtodo a distintas variables, eligiendo
distintos modelos de fimcin de distribucin y distintos mtodos de estimacin de los
parmetros y cuantiles obteniendo mejores resultados que los anlisis realizados
manejando solamente datos locales. Entre ellos se podran destacar los trabajos de
Hosking y Wallis, (1993), que proponen el empleo del mtodo ndice de avenida
conjuntamente con el uso de L-momentos por ser un mtodo robusto, axm en presencia
de valores anmalos (outliers).
Tambin, Yun y Chen, (1998) utilizan la regionalizacin para aplicar la frmula
de EDF en estaciones que carecen de pluvigrafo en Taiwan, utilizando la precipitacin
mxima anual como ndice, dato disponible en todas las estaciones con pluvimetro.
Cunnane, (1988) asegura que el mtodo del ndice de avenida con una
distribucin Wakeby regional es el mejor mtodo, mientras que Potter y Lettenmaier,
(1990) llegaron a obtener mejores resultados con una distribucin GEV regional.
El mtodo ndice de avenida ha sido tambin utilizado en Espaa por Sanz de
Ormijana et al. , (1991) para el estudio de precipitaciones mximas en las provincias de
Crdoba, Granada y Mlaga; lvarez et al., (1999), lo aplicaron al estudio de
precipitaciones mximas en Galicia y Ferrer y Ardiles, (1994) han realizado el estudio
de precipitaciones mximas a escala nacional.
27
ANTECEDENTES
El anlisis regional de frecuencia incluye tres pasos:
Identificacin de regiones: agrupacin de estaciones en regiones
homogneas.
" Eleccin del modelo de distribucin.
" Estimacin regional de los parmetros y cuantiles.
" Identificacin de regiones.
Los dos tipos de variables ms utilizados para definir las regiones son:
- Caractersticas fsiogrfcas y climticas utilizado sobre todo en la
definicin de regiones para estimar caudales.
- Variables estadsticas (cociente de L-momentos).
En los ltimos aos los investigadores han tratado de desarrollar mtodos en los
que la similitud entre estaciones se defina en un espacio multidimensional de
caractersticas relacionadas con caractersticas hidrolgicas y con caractersticas
estadsticas.
Entre ellos, y para resolver el problema de identificacin de regiones, Bum,
(1990a), y Zrinji y Bum, (1993, 1994) definieron el concepto "regin de influencia", y
la "estacin de inters" se encuentra en el centro de gravedad de una zona de influencia
de distintas caractersticas, cada una ponderada de acuerdo con su importancia. Este
mtodo tambin incluye la eleccin de una "distancia umbral", (Bum, 1990b).
Solamente las estaciones cuyas distancias a la "estacin objetivo" (en el espacio de
atrbutos ponderado) no exceda ese umbral se incluyen en la "regin de influencia".
Zrinji y Bum, (1993,1994) sustituyen la eleccin de ese "umbral", un tanto
subjetiva, por un test estadstico, en el que las estaciones se van aadiendo a una regin
hasta que la hiptesis de completa homogeneidad sea rechazada por el test. Una ventaja
del mtodo de la "regin de influencia" fi-ente a ste es que en la estimacin de la curva
_
ANTECEDENTES
de crecimiento regional, cada estacin se puede ponderar de acuerdo con su proximidad
al punto de inters.
Cavadlas, (1990) propone otro mtodo para la definicin de regiones
homogneas basado en correlaciones "cannicas". Esta aproximacin es diferente del
mtodo anterior pero est basada en el mismo concepto de proximidad. Los grupos se
identifican con dos variables cannicas fisiogrficas. Los problemas que presenta este
mtodo son, por un lado la subjetividad y por otro, que no hay garantas de que el
modelo se pueda encontrar. Las variables cannicas de la cuenca tambin fueron
utilizadas por Bum y Boorman, (1993) para distinguir dos clusters.
Nathan y McMahon, (1990) utilizaron el anlisis cluster para agrupar estaciones
en regiones homogneas. En su trabajo es de destacar el inters mostrado en la seleccin
y ponderacin de las variables. De hecho, este es un problema donde no es posible una
solucin estrictamente matemtica, pero a pesar de todo se pueden obtener soluciones
bastante aceptables.
Gabriele y Amell, (1991) utilizaron la simulacin de Montecarlo para la
agrupacin de estaciones, una idea ya introducida por Florentino et al., (1987). El
mtodo est basado en el hecho de que cuanto mayor es el orden del momento regional
que se va a estimar, mayor es el nmero de estaciones necesario para producir una
mejor estima. As, el coeficiente de asimetra (y otros parmetros relacionados con l),
deberan estimarse en una regin grande, mientras que el coeficiente de variacin (y
otros parmetros relacionados con l), se deberan estimar en subregiones. Con este
proceso se asume que slo la media de la serie de mximos anuales responde a efectos
locales, lo que unido a su fcil estimacin a partir de series con las longitudes habituales
de registro, hace que sea definida exclusivamente a partir de los datos locales. Por el
contrario, los momentos de mayor orden, Ca, y Cv, que son difcilmente estimados con
los datos procedentes de una sola estacin, responden a efectos regionales. Esta
hiptesis asume por tanto que la variabilidad existente en los Cv y Ca mustrales se
deben exclusivamente a un efecto aleatorio y consecuentemente podr ser reproducida
mediante tcnica de simulacin de Montecarlo. Este mtodo tambin fue utilizado por
Ribeiro-Correa y Rouselle, (1993). Aunque el razonamiento es bastante intuitivo, su
aplicacin parece poco factible desde un punto de vista prctico, pues requiere
29
ANTECEDENTES
establecer, no uno sino dos, niveles de regiones, y adems el uso del mtodo de
momentos ponderados probabilsticamente a escala regional aumenta la dificultad, al
tener que estimar momentos de orden superior.
La definicin de regiones homogneas est relacionada con la identificacin de
la distribucin regional comn en cada regin, y as, una regin slo se puede
considerar homognea si se tiene la suficiente evidencia de que los datos provienen
todos de la misma poblacin subyacente (excepto por el parmetro de escala).
Hosking y Wallis, (1993) desarrollaron distintos tests para el estudio de
regionalizacin y establecieron valores umbrales para definir la mayor o menor
homogeneidad, as como para elegir y estimar una distribucin regional.
Tambin los diagramas de L-momentos se han convertido en una buena
herramienta para identificar la distribucin regional y para comprobar estaciones
dudosas, y han sido utilizados por Chowdhury et al., (1989), Piln y Adamowski ,
(1992), Vogel y Fennesey, (1993) y Vogel et al, (1993).
Lu y Stedinger, (1992) desarrollaron un test de homogeneidad alternativo al de
Hosking y Wallis, basado en datos adimensionales con un perodo de retomo de 10
aos.
Chowldhury et al., (1989) compararon distintos tests de bondad de ajuste para la
distribucin GEV y plantearon que un nuevo test de chi cuadrado basado en el L-Cv
( L-coeficiente de variacin) y el L-Ca ( L-coefciente de asimetra) es ms adecuado
que otros tests.
En el anlisis regional tambin resulta adecuado realizar simulaciones para
analizar la heterogeneidad regional, heterogeneidad que siempre se da en la prctica.
Puesto que unos mtodos de estimacin regional son ms sensibles a la heterogeneidad
y otros son ms robustos al no-cumplimiento de las hiptesis bsicas, la inclusin de
una medida de la heterogeneidad es esencial para hacer buenos ajustes.
30
ANTECEDENTES
Entre los distintos trabajos de aplicacin del proceso de regionalizacin merece
destacarse el trabajo de Bum y Goel, (2000) en la India. En l, sugieren que las regiones
deben ser homogneas desde el punto de vista hidrolgico. En segundo lugar dicen que
la regin debe ser identificable, de manera que se pueda incorporar una estacin (sin
parmetros conocidos) a una regin, y por ltimo afirman que las regiones deben ser lo
suficientemente grandes- y de acuerdo con las tendencias generales, que apuntan a que
el tamao debe ser de 5 veces el perodo de retomo- ya que al incorporar mayor
informacin, las estimaciones sern mejores. Tambin indican que, conforme aumenta
el perodo de retomo, la informacin regional se va haciendo ms importante. Para
definir las regiones utiliza el mtodo Cluster, e insisten en la importancia de elegir las
variables adecuadas y ponderarlas de acuerdo con su importancia en el estudio. Como
punto de partida en el proceso de regionalizacin utiliza la tcnica de Cluster, pero
posteriormente aplica los Test de Homogeneidad Hosking y Wallis para evaluar la
homogeneidad de la regin. Como aspecto novedoso llega a utilizar la misma estacin
en dos regiones distintas para conseguir informacin de 5*T (cinco veces el perodo de
retomo). Concluye que esa superposicin de regiones, tras la revisin de las mismas,
supone un uso ms efectivo de la informacin de valores extremos que cuando las
regiones no se superponen, sobre todo cuando el nmero total de estaciones no es muy
grande.
Jakob et al. , (1999) tambin insisten en la idea de que una regin ideal debe
tener datos anuales de 5 veces el perodo de retomo para que la estimacin para dicho
perodo de retomo sea efectiva.
Hosking y Wallis, (1997) tambin proponen un estadstico para medir la bondad
de ajuste y determinar si ima distribucin determinada se ajusta a los datos
aceptablemente.
Mosley, (1981) basa su definicin de regin en parmetros estadsticos, y
Acreman y Sinclair, (1986), manejan algoritmos de cluster jerarquizado.
En los ltimos aos se est utilizando el algoritmo de Cluster no jerarquizado,
que requiere la decisin arbitraria de grapos a considerar; Con este mtodo, las
31
ANTECEDENTES
estaciones se van clasificando a uno u otro grupo hasta que se minimiza la suma total
del cuadrado de la distancia de cada estacin al centroide de cada grupo.
En Espaa, el Instituto del Agua ha utilizado el algoritmo de Cluster como
primera aproximacin ai analizar las mximas lluvias diarias en la cuenca del Segura,
empleando como variable en la determinacin de regiones, el Ca y el mximo valor
estandarizado, tanteando 2-3 regiones. Como objeciones al mtodo Cluster cabe citar la
necesidad de definir a priori el nmero de regiones a obtener, y la dificultad que entraa
asignar a una regin, una estacin de la que no se conocen los estadsticos empleados
como discriminantes. Y la ltima objecin viene dada por el hecho de emplear
directamente los valores estadsticos mustrales, que tienen asociados una elevada
variaoza; en este sentido, las agrupaciones realizadas tienden a amplificar
artificialmente unas diferencias entre regiones que en gran parte pueden ser debidas a un
efecto aleatorio (Ferrer, 1996).
En Espaa, otros estudios han establecido una regin combinando situacin
geogrfica con parmetros estadsticos, destacando los trabajos de Ferrer y Mateos,
(1999), y Saenz de Ormijana et al. (1991).
Eleccin del modelo de distribucin.
La eleccin del modelo de distribucin en el anlisis regional, es un tema
controvertido y sobre el que existe diversidad de opiones. Los modelos ms
frecuentemente utilizados son
GEV (Valores Extremos Generalizados)
LP3 (Log-Pearson 3)
TCEV (Valores Extremos con dos componentes)
SQRT-ET-mx
" Estimacin regional de parmetros y cuantiles.
Tampoco aqu hay pleno consenso, y diversos investigadores han aplicado los
mtodos explicados en el epgrafe 3.2.2.2 con xito, destacando el mtodo de Hosking
32
ANTECEDENTES
et al., (1985) basado en la obtencin de la media regional de los momentos ponderados
probabilsticamente expresados en forma adimensional.
LA USWRC, (1981) utiliza el mtodo tradicional de momentos en el espacio de
los logaritmos, pero regionalizando el coeficiente de asimetra logartmico y el
coeficiente de variacin logartmico. A este mtodo Wallis et al., (1974) afectan de un
factor corrector para incrementar el coeficiente de asimetra muestra! y corregir su
infi-avaloracin respecto al valor poblacional.
Rossi etal, (1991) aplican el mtodo de mxima verosimilitud sobre los datos
previamente estandarizados.
Otros autores, entre ellos Ferrer y Ardiles, (1994) aplican el mtodo de los
momentos, utilizando un valor regional del coeficiente de variacin estimado por la
media ponderada de los coeficientes de variacin mustrales de las distintas series.
Sin embargo pocos autores han manejado distintos mtodos junto a distintas
funciones que les permitiera sacar alguna conclusin en cuanto a la obtencin de
mejoras en las estimas por la combinacin de un mtodo de estimacin de parmetros
junto a funcin ms adecuada. Entre ellos cabe destacar los trabajos de Ferrer y Ardiles,
(1994) en Espaa sobre precipitaciones en los que ha manejado, para su contraste, los
modelos GEV ( utilizando el mtodo propuesto por Hosking y Wallis basado en la
obtencin de la media regional de los Momentos Ponderados Probabilsticamente
expresados de forma adimensional), LP3 ( utilizando el mtodo tradicional de los
momentos en el espacio de los logaritmos, regionalizando tanto el coeficiente de
asimetria logaritmico como el coeficiente de variacin logaritmica) TCEV (utilizando
el mtodo de mxima verosimilitud) y SQRT-ET mx.( por el mtodo de los
momentos). La comparacin de los resultados obtenidos por los cuatro modelos de ley
seleccionados muestra unas variaciones prcticamente inexistentes para pequeos
periodos de retomo, y para un perodo de retomo de 500 aos las mximas diferencias
observadas respecto de la media de los cuatro resultados son de xm 8.3 % en una regin,
y en el extremo opuesto la mnima diferencia es de un 1.6%. De ello, estos autores
deducen que los resultados no dependen tanto del mtodo, lo que reduce la
trascendencia de su eleccin.
33
ANTECEDENTES
3.2.2.4.- Conclusin.
El anlisis de frecuencias de las intensidades mximas para distintas
duraciones resulta complicado debido a la asimetra positiva que
presentan y, a que las series disponibles son muy cortas.
Adems, l inters del anlisis de esta variable aleatoria radica sobre todo
en realizar estimas de los cuantiles para altos perodos de retomo,
justamente en la cola derecha- donde se produce dicha asimetra-, lo que
obliga a elegir funciones de distribucin que recojan esta caracterstica.
Por todo ello a la hora de analizar esta variable se propone:
Utilizar la fimcin de distribucin SQRT-ET mx, desarrollada
especficamente para precipitaciones mxima y concebida como im
modelo de asimetra variable, siendo por tanto una alternativa muy
recomendable frente a otras funciones tradicionales (Gumbel, LP3,GEV).
Utilizar los L-momentps por las ventajas que ofrecen respecto a los
mtodos tradicionales.
e Aplicar el mtodo regional para incrementar el nmero de datos,
reuniendo en una sola muestra las series correspondientes a una "regin
homognea". De esta manera los datos distribuidos en el espacio
sustituyen en cierta medida a los datos distribuidos en el tiempo, que son
limitados
34
ANTECEDENTES
3.2.3.-EVOLUCIN DE LAS RELACIONES ffiF UTILIZADAS.
Se denomina curvas E)F a aquellas curvas que resultan de unir los puntos
representativos de la intensidad media en intervalos de diferentes duraciones y
correspondientes a una misma frecuencia o perodo de retorno.
Cuando se dispone de pluvigrafo, instrumento que registra la lluvia acumulada
acaecida en dicha estacin, el proceso tradicionalmente aplicado para obtener las curvas
BDF puede esquematizarse como sigue:
Se fijan las duraciones.
En Espaa, el Instituto Nacional de Meteorologa ha utilizado las siguientes:
5',10', 15', 20', 30', Ihora, 2 horas, 3 horas, 6 horas, 12 horas y 24 horas.
Para cada vma de las duraciones se extraen de los registros de los
pluvigrafos, las series de intensidades anuales mximas.
Se aplica un anlisis de frecuencia a cada una de las series, estimando los
parmetros de la funcin de distribucin de valores extremos elegida.
Se obtienen los cuantiles para cada duracin y perodo de retomo.
Se ajustan ftmciones que describan, para cada perodo de retomo, la
variacin de la intensidad con la duracin.
Se representan grficamente los resultados.
En la pgina siguiente se recoge la secuencia de los pasos que,
tradicionalmente, se han venido aphcando para obtener las curvas DDF.
35
ANTECEDENTES
Esquema 2- Proceso de formacin de las curvas IDF
ESTACIN CON
PLUVIGRAFO
Registro de lluvia
acumulada en cada ao.
Se define una ventana -
duracin- y se estudia
mxima lluvia acumulada
en el registro anual.
Mxima lluvia acumulada / duracin ~
Imxima para esa duracin en e registro anual
a"i3
195
TiS
137
19a
1349
13Hi
1951
1952
1953
Iffifl
1955
1956
1957
195H
t 95
1%0
^m
4^B
1104
mR
i (
109 2
103 2
11?f
71 fi
7 ;
VR
! ?
i l F
l TF
ei.B
B7?
1369
IDm
4^fl
1QE.2
fifl
' i i f i
100 2
fR 7
m f i
41=
fSP
V4
9f l 4
3S.5
i mf
OS.E
7F
130
15m
t i R
ae
fiU
-KR
H?I7
i mh
916
' Rf l
se
F
R77
3fi
f Wf i
(jl.4
7nF
1173
2Um
.ii.f
ISIB
1
28.5
TU
M4/
9C
fTifi
^
^>
7B =
K.
f/ ; :
Bl.t
sa.s
11S.
30m
24.4
74 4
40 3
21
73
77 2
74
ie.2
42 2
23
58.2
31.2
81
4S.B
63. 2
103.6
A)m
l i '
SB 1
11
1=
53 7
tu
42
444
ME
m i
7B.5
ffi.;
M 1
7B4
357
E1S
120m
1 l . i
4i . :
Vi
9.1
: i 5t
:iKV
21.6
Tfi^
15. ;
IV :
15.6
2! i.2
;^*
I SI
l e.E
31
I Wl m
7
3D.5
l a
fifi
a7
iWfi
U4
19 4
IfiR
' ^
i n4
a i
Ifl S
n i
t?E
207
Mlm
41
16.4
fi7
41
l a i
l R
7,5
i n f
s
4F
F
105
11-
fifi
fifi
14.1
TXm
3.4
12.B
33
3
6f
6,e
3.7
5.4
45
3.
3,5
6,;
S*
3.2
4.5
93
;4h
1 9
B5
17
1B
47
:14
22
?7
24
21
1 3
2,7
31
1 7
25
4.2
aj ust e
2 5 0 - [
i - n .
*
y 100 y
50
0 4 T r~~.
0 200 aOO 600
per i odo de r et or no T
5mir i
JB
lio
100
50
-

CUiHtCF
1
1
durln firtriiMtt
f
15>
. Tr t
T-IC
T'lOO
1(0 TJfi T* i
I
Serie de Imax anuales para cada duracin
Ajuste a una funcin de distribucin de valores
mximos.
Representacin en unos ejes de los cuantiles
obtenidos- intensidad mxima para cada
periodo de retomo- con la duracin en
abscisas.
Obtencin de las curvas IDF: Para cada
perodo de retomo se ajusta una funcin que
refleje la variacin de la intensidad con la
duracin.
36
ANTECEDENTES
De estas grficas que se obtienen se deduce lo siguiente:
* El valor de intensidad mxima aumenta al disminuir la duracin. Y este
comportamiento es independiente del perodo de retomo.
* En cada estacin, las curvas obtenidas para distintos perodos de retomo son
afnes, es decir, solo se diferencian en la escala, y en consecuencia se pueden
reducir a una nica ley adimensional.
3.2.3.1.-Defnicin de las variables.
Para cada ao, y fijando una duracin, "d", en horas, se obtiene el valor mximo
anual de la intensidad correspondiente a esa duracin como:
ly T 1 _ Irmx-d iafo-i-simo
siendo, [Pmix-dXiio-i-simo ' ^^ mxima precipitacin de ese ao, "i", registrada en,
"d", horas. Como puede apreciarse el valor de intensidad que se obtiene no es un valor
instantneo sino un valor medio que asigna, para cada ao y cada duracin (d), una
intensidad que, supuesta constante durante la ventana temporal considerada (d horas),
proporciona una precipitacin igual a la mxima registrada en dicho ao.
Es importante insistir que la duracin "d" no es una variable aleatoria sino im
parmetro fijado arbitrariamente. No est relacionado con la duracin del episodio de
lluvia, sino que es simplemente el tamao de la ventana elegido para calcular los valores
medios de las intensidades mximas anuales.
Por lo tanto, la construccin de las curvas IDF no es un problema estrictamente
de una variable aleatoria, ya que incluye dos variables-1, y d- pero tampoco se puede
decir que sea el anlisis de dos variables aleatorias, porque "d" no es una variable
aleatoria en s misma.
Se podria decir que, tradicionalmente, el objetivo de la construccin de las
curvas IDF es caracterizar el comportamiento de " j " variables, siendo " j " el nmero de
duraciones consideradas, y de ese comportamiento, deducir ecuaciones que permitan
_
ANTECEDENTES
estimar las intensidades mximas en fimcin de la duracin -d-, y del perodo de retomo
-T-.
3.2.3.2-Antecedentes de las curvas IDF en el mundo.
El origen de estas cmvas hay que buscarlo en los aos 30 (Bemard,1932), y a
partir de ah se han ido desarrollando y constniyendo mapas en distintas partes del
mundo que proporcionan las intensidades mximas medias de lluvia para distintos
perodos de retomo y duraciones.
En USA se desarrollaron en 1961 por el US Weather Burean (Hersfeld,1961), y
ms recientemente por NOAA para el oeste de USA (Miller et al., 1973) y para el este
y la zona continental de USA (Frederick et al., 1977). Tambin en UK y en Irlanda se
han definido estos mapas por el Instituto de Hidrologa (NERC, 1975). En Australia
(Canterford et al, 1987), Sri Lanka (Baghirathan y Shaw, 1978), en la regin de
Tuscany, Italia (Pagliara y Viti, 1993)... Sin embargo, en muchas ocasiones, estos
mapas no se han reahzado hasta finales de los 90, y el tcnico debe construirse las
curvas a partir de los datos de una estacin prxima a la zona de estudio.
Es de esperar que la utilidad de estas curvas, junto con la expansin de las bases
de datos y el desarrollo de los sistemas de informacin geogrfica, faciliten su
construccin en pases menos desarrollados donde todava no se han construido.
Tambin hay que decir que a pesar del avance tan espectacular que se ha
producido en la modelizacin estadstica de las series hidrolgicas, esto no se ha
reflejado en la formulacin y construccin de las curvas IDF, que siguen siendo
empricas o semiempricas.
3.2.3.3.-Relaciones utilizadas en las curvas IDF.
Con el fin de evitar su lectura en una grfica, las curvas EDF tambin pueden
expresarse como ecuaciones.
38
ANTECEDENTES
En la bibliografa especializada se acepta que la relacin entre la precipitacin
acumulada y la duracin de dicha tormenta sigue una ecuacin del tipo
p = c*t"
Donde:
p, es la precipitacin acumulada (mm)
t, es la duracin (horas)
n, el exponente
c, es un coeficiente
En esta expresin, la Organizacin Meteorolgica Mundial (1983) ha
establecido como valor de la constante "c" im valor de 422 y del exponente "n" 0,475,
para definir las mximas lluvias registradas en el mundo, quedando por tanto esta
expresin de la forma siguiente:
p=422 * t^'^'^^. (Chow et al. 1994)
Por otra parte, y como primera aproximacin, la expresin general aceptada se
puede utilizar como base de partida para determinar la intensidad mxima de lluvia,
simplemente derivando respecto al tiempo (duracin):
dt t'-"
Y por lo tanto la intensidad se podra expresar de forma genrica como
7 = ^ (1)
Siendo: a, un coeficiente
d, la duracin
m, el exponente
Todas las relaciones tpicas de las curvas IDF que se vienen manejando en la
literatura son casos especiales de la frmxila general siguiente:
I{d) = (2)
donde: a, v, > yn, son valores no-negativos,
Esta segunda expresin,(2), se podra considerar a su vez como generalizacin
de la expresin (1).
39
ANTECEDENTES
Adems, para incorporar el concepto de perodo de retomo a esta expresin, y
poder definir la intensidad media mxima correspondiente a una duracin y un
determinado perodo de retomo, los modelos utilizados adoptan la siguiente expresin:
i{dj)=h{Trg(d)
Esta expresin tiene la ventaja de separar en dos funciones la dependencia de la
intensidad con el perodo de retomo y con la duracin ( Koutsoyiannis et al, 1998)
As, cuando se relacione la intensidad correspondiente a una duracin cualquiera
con la intensidad correspondiente a una duracin concreta se obtendr un cociente
independiente del perodo de retomo. Por ejemplo si se relaciona con la intensidad
horaria:
I{d,T)_g{d)^h{T)_g{d)
I{\T) g(l) h{T) g{\)
La funcin g(d) adoptara, segn la expresin general mostrada en prrafos
anteriores (2) y con v=0, la forma siguiente:
g(d) = (d+b)"
El cociente de intensidades quedara as reducido a xm valor nirairico
independiente del perodo de retomo.
Por otra parte, la funcin h(T) toma las siguientes expresiones segn la
bibliografa consultada:
h(T) = X*T^ Definida por Bemard, (1932)
h(T)= c+ X*ln(T) propuesta ms recientemente por Kothyari y Garde,
(1992) y Pagliari y Viti,(1993).
Estas relaciones son empricas, y se han venido manejando por su simplicidad y
su facilidad de clculo ms que por su consistencia con las ftmciones de distribucin
elegidas para la intensidad mxima de lluvia. De hecho, Koutsoyiannnis, (1994)
considera inapropiada la primera expresin, definida por Bemard para realizar
40
ANTECEDENTES
En la bibliografa especializada se acepta que la relacin entre la precipitacin
acumulada y la duracin de dicha tormenta sigue una ecuacin del tipo
p = c*t"
Donde:
p, es la precipitacin acumulada (mm)
t, es la duracin (horas)
n, el exponente
c, es un coeficiente
En esta expresin, la Organizacin Meteorolgica Mundial (1983) ha
establecido como valor de la constante "c" un valor de 422 y del exponente "n" 0,475,
para definir las mximas lluvias registradas en el mimdo, quedando por tanto esta
expresin de la forma siguiente:
p=422 * t^'"^^^. ( Chow et al. 1994)
Por otra parte, y como primera aproximacin, la expresin general aceptada se
puede utilizar como base de partida para determinar la intensidad mxima de lluvia,
simplemente derivando respecto al tiempo (duracin):
dt t'-"
Y por lo tanto la intensidad se podra expresar de forma genrica como
7 = ^ (1)
Siendo: a, un coeficiente
d, la duracin
m, el exponente
Todas las relaciones tpicas de las curvas IDF que se vienen manejando en la
literatura son casos especiales de la frmula general siguiente:
/(rf) = (2)
donde: a,v,b yn, son valores no-negativos.
Esta segunda expresin,(2), se podra considerar a su vez como generalizacin
de la expresin (1).
39
ANTECEDENTES
Adems, para incorporar el concepto de perodo de retomo a esta expresin, y
poder definir la intensidad media mxima correspondiente a una duracin y un
determinado perodo de retomo, los modelos utilizados adoptan la siguiente expresin:
i{d,T)=h(Trg{d)
Esta expresin tiene la ventaja de separar en dos funciones la dependencia de la
intensidad con el perodo de retomo y con la duracin ( Koutsoyiannis et al, 1998)
As, cuando se relacione la intensidad correspondiente a una duracin cualquiera
con la intensidad correspondiente a una duracin concreta se obtendr un cociente
independiente del periodo de retomo. Por ejemplo si se relaciona con la intensidad
horaria:
I(d,T)^g{d),hiT)^g(d)
/ (l , r) g(l) h{T) g(l)
La funcin g(d) adoptara, segn la expresin general mostrada en prrafos
anteriores (2) y con v=l, la forma siguiente:
g(d) = l/(d+b)"
El cociente de intensidades quedara as reducido a un valor numrico
independiente del perodo de retomo.
Por otra parte, la fincin h(T) toma las siguientes expresiones segn la
bibliografa consultada:
h(T) = X*T^ Definida por Bemard, (1932)
h(T)= c+ X,*ln(T) propuesta ms recientemente por Kothyari y Garde,
(1992) y Pagliari y Viti,(1993).
Estas relaciones son empricas, y se han venido manejando por su simplicidad y
su facilidad de clculo ms que por su consistencia con las funciones de distribucin
elegidas para la intensidad mxima de lluvia. De hecho, Koutsoyiammis, (1994)
considera inapropiada la primera expresin, definida por Bemard para realizar
40
ANTECEDENTES
simulaciones porque considera que subestima la varianza, y posteriormente,
Koutsoyarmis, (1996) y Koutsoyannis et al., (1998) demostraron empricamente que si
las intensidades mximas siguen una funcin de Gumbel, los parmetros "k" y "9i" no
son constantes sino que dependen del perodo de retomo. Por lo tanto, no es necesario
incluir una funcin emprica de a(T), sino que puede ser definida de manera consistente
de acuerdo con la funcin de distribucin elegida para las intensidades mximas. As, si
una intensidad correspondiente a una determinada duracin, la , se ajusta a una
determinada funcin de distribucin, sta tambin ser la funcin de distribucin de la
variable Y, definida por Y=Id * b(d), que no es ms que la intensidad reescalada por b(d)
(con los parmetros de esta ltima distribucin reescalados adecuadamente)
(Koutsoyannis etal., 1998).
En el estudio de estas curvas, puede concluirse que la fonna general de la ley
IDF viene dada por la expresin genrica del tipo:
i{d,T)=h{Trg{d),
siendo h(T) una funcin vinculada a la distribucin de frecuencias, y por tanto
con una funcin de distribucin de variables aleatorias de valores extremos y g(d) una
funcin decreciente con la duracin, generalmente de tipo potencial.
3.2.3.4.-Variacin geogrfica de las curvas DOF.
Una vez obtenidas las curvas IDF en las estaciones con pluvigrafo, la tendencia
habitual ha sido extender su aplicacin en el espacio, analizando la variacin de sus
parmetros en las distintas estaciones y trazar las isolneas correspondientes.
3.2.3.5.-Antecedentes de las curvas BDF en Espaa.
En Espaa las primeras curvas IDF fueron plasmadas en la Instruccin de
drenaje 5-1-I-C (MOPU, 1965) y la relacin propuesta por Yamell y Hathaway era la
siguiente:
/(rf,r) = a*d' '
Siendo:
41
ANTECEDENTES
I(d,T), la intensidad mxima correspondiente a una duracin d, y
perodo de retomo T
d, la duracin
a y b, son los parmetros a obtener en cada caso, estando el parmetro
."a"asocMoa.unajrjobabi
Los parmetros, a , y ,b, fueron estimados por Nadal Aixal, que formularon la
siguiente expresin para determinar la intensidad mxima correspondiente a una
duracin y perodo de retomo:
Iid,T) = %5 *I(1, D^d"*"'
Siendo:
1(1,T) (mm/h), es la Intensidad horaria correspondiente al perodo de
retomo considerado.
d (minutos), es la duracin del intervalo al que se refiere I(d,T).
Posteriormente, Tmez, (1978) desarroll una ley IDF que, con algunas
modificaciones, se incorpor a la "Mstraccin de carreteras 5.2-IC" aprobada por Orden
de 14 de mayo de 1990. En esta Instmccin se recogen los siguientes pasos:
- En cada estacin, y para cada una de las series de intensidades mximas
observadas correspondientes a duraciones de 10,20,30 minutos y 1,2,6 12 y 24 horas
ajust una funcin de distribucin Gumbel. A continuacin, represent los valores de
I(d,T) obtenidos en el paso anterior y formul la hiptesis de que cada una de las curvas
correspondientes a los distintos perodos de retomo T considerados son afnes, es decir,
slo se diferencian en la escala de I, y por tanto, en cada estacin, se pueden reducir a
una ley nica adimensional, si los valores de cada curva se expresan como cociente
respecto a una duracin dada.
- Para facilitar la extrapolacin a estaciones sin pluvigrafo propuso, al igual que
se aplica en el resto de los pases, relacionar la intensidad para cada duracin y perodo
de retomo con la intensidad en 24 horas y para el mismo perodo de retomo. De esta
manera, utiliza como denominador para adimensionalizar, I(24,T), y por lo tanto, la ley
T/f V\
adimensional ser de la forma genrica ' = ^{K;d), siendo "K" un parmetro
caracterstico de cada estacin. Para ese parmetro seleccion un cociente con
42
ANTECEDENTES
significacin fsica: K = =Lr (tanto por uno de la intensidad mxima horaria media
'24
respecto a la de 24 horas) y que asume toma un valor nico en cada estacin,
independiente, por tanto, del perodo de retomo.
La ecuacin propuesta para (p{K\,d) es:
(p{K;d) = K 28-'-i
El autor justifica el hecho de que para d=24 el cociente = tome valores
''24
mayores que 1 porque el modelo lleva implcito un factor de mayoracin que permite
transformar los datos de lluvia diaria -registros correspondientes a 24 horas fijas, por
ejemplo desde las 9 horas hasta las 9 horas del da siguiente, que es como se mide en las
estaciones- a lluvia en los intervalos ms desfavorables de 24 horas, sin obligarles a
comenzar a una hora prefijada.
En la citada Instruccin se incluye un mapa de iso-k con el que puede aplicarse
la ley a cualquier estacin pluviomtrica:
/(,r)=[M^
^
K
Donde:
PMDA(T) (mm), es la precipitacin mxima, media, diaria anual
correspondiente al perodo de retomo T aos en la estacin
pluviomtrica.
K, es el parmetro obtenido del mapa de iso-K (iso- -^L)
-^24
d (horas), es la duracin de la ventana temporal en la que se desea
evaluar la intensidad mxima,
I(d,T), (mm/h), es la intensidad mxima anual, para un perodo de retomo
de T aos y una duracin "d", en la ventana temporal de d horas.
43
ANTECEDENTES
4 "'."' ' ^'^^i'-^i-u-
m
? 1 ^^-g-../:-.^' '-^K,-. % \ j
i
f'
: ; , ' 7 . i i ^f l i jtai' i-P. SE3iT. . ii)
Figura 3.-Mapa de Isolneas A = =
'24
Obtenido en "Clculo hidrometeorol^co de caudales mximos
en pequeas cuencas naturales" (Madrid. 1978)
r
)
i
i'
*..
i
1 ^'^
,^K;-
i :; >:^-:r,.-i
i tr K , . _ . .
j ^ ^..- ..^'' f Figura 4.-Mapa de isolneas A =
"- Obtenido en "Clculo hidrometeorolgico de
caudales mximos en pequeas cuencas"
(Madrid, 1987)
44
ANTECEDENTES
La ley, propuesta por Tmez, (1987) y utilizada de manera generalizada en
Espaa, presenta una estructura acorde con la recomendada por Koutsoyannis et al,
(1998), separando la componente aleatoria y el efecto de la duracin, pero presenta
algunas limitaciones:
En la primera versin de la ley, 1978, como se puede ver en la figura 3, slo
se utilizaron 13 estaciones. Este reducido nmero estaba forzado por los
datos disponibles, pero limitaba considerablemente la validez de su
generalizacin territorial derivada del mapa de isolneas del parmetro "K".
En la segunda versin, de 1987, el nmero de estaciones se ampla a 21 pero
an as, la generalizacin territorial de los valores de "K" resulta aventurada.
La funcin de distribucin utilizada - Gumbel - slo debe utilizarse con
variables aleatorias en las que se tenga la certeza de que el coeficiente de
asimetra es inferior a 1,14, pues de lo contrario la funcin de distribucin de
Gumbel proporcionara sistemticamente, para perodos de retomo altos,
cuantiles infravalorados.
En Espaa, al menos en el territorio con clima mediterrneo, no es recomendable
utilizar esa ftmcin de distribucin, y de hecho, los estudios ms recientes en Espaa,
tanto sobre precipitaciones mximas. Ministerio de Fomento, (1999) como sobre
intensidades mximas, INM, (2003) no contemplan esta funcin.
Por otra parte, el tiempo transcurrido desde la aparicin de la segunda y ltima
versin de la ley E)F propuesta por Tmez, ( MOPU,1987), ha permitido incrementar
sustancialmente los registros de intensidades mximas, aumentando as las series
disponibles para las 21 estaciones que sirvieron para desarrollara, y ha pemiitido
adems la incorporacin de otras estaciones con las que mejorar la variacin territorial
del parmetro "K".
Y como ltima consideracin cabe aadir que desde finales de los ochenta se
han desarrollado nuevas metodologas que permiten mejorar la robustez de las estimas
correspondientes a perodos de retomo altos, que son las habitualmente utihzadas.
45
ANTECEDENTES
Todas estas reflexiones ponen en evidencia la conveniencia, cuando no la
necesidad de abordar una actualizacin profinda de los resultados obtenidos por Tmez,
actualizacin que permita incorporar tanto los nuevos registros como las nuevas
metodologas.
Como se indica en prrafos anteriores, el Instituto Nacional de Meteorologa ha
realizado una revisin de las curvas IDF en un estudio que lleva por ttulo
"Contribucin al estudio de la estructura temporal de la precipitacin en Espaa.
Obtencin de las "curvas de intensidad-duracin-frecuencia" correspondientes a un
conjunto seleccionado de observatorios provistos de pluvigrafo, distribuidos por todo
el territorio nacional." (Nov 2003). Este estudio resuelve algunas de las limitaciones
sealadas para las curvas IDF de Tmez (1987), ya que actualiza la base de datos y
emplea ima funcin de distribucin con un coeficiente de asimetra mayor que 1,14 (Ley
de SQRT-ET mx), pero no utiliza tcnicas de regionalizacin, ni aborda la posible
extensin de estos resultados a estaciones en las que nicamente se dispone de
pluvigrafo.
46
ANTECEDENTES
3.2.3.6.- Conclusin.
-Unared de pliivigrafosescasa.:
- Las series de mtensidades mximas disponibles^, pero que eran cortas.
- La funcin de distribucin Gumbel para los ajustes de las intensidades
mpidnias para cada duracin, cuyo coeficiente de asimetra adopta Un
^^^ y ^ ^ =1,14), ftmcin que no es reccMnendable, al menos en el
territorio con cliiiarnediterrieo.
- l mapa de isolneas iso-^, = =4^ , obtenido a partir de 21 estaciones
9
' 24
solamente;
l^ctual trabajo desarrollado por el Instituto Nacional de Meteorologa
no hace sitio confirmar dos aspectos:
- Itersy necesid^ las curvas IDF.
- Inters de la funcin de distribucin SQRT-ET mx para describir ms
adecuadamente la asimetra positiva de las series de intensidades
.'inxim^;^---.'-
Aique no contempla:
- La aplicacin de tcnicas de regionalizacin que permitan aumentar la
robustez de las estimas para periodos de retomo altos.
- La posible extensin de los resultados obtenidos en las estaciones con
pluvigrafos a estaciones que slo cuentan con pluvimetro.
47
ANTECEDENTES
3.3.-CONCLUSIONES.
Haciendo un breve repaso de lo analizado en los puntos anteriores se puede
concluir:
La estimacin de caudales es fimdamental en el diseo de
infraestructuras, planificacin de territorio, caracterizacin de los
sistemas fluviales....
Los mtodos hidrometeorolgicos son una herramienta, plenamente
aceptada, para la estimacin de hidrogramas de avenida y caudales
mximos.
Los mtodos hidrometeorolgicos requieren, entre otras cosas, la
estimacin de la precipitacin mxima diaria anual para distintos
perodos de retomo y leyes IDF.
En Espaa, los dos elementos requeridos para estimar caudales han
evolucionado de manera distinta:
La estimacin de la precipitacin mxima diaria anual para distintos perodos de
retomo se contempla en la publicacin "Mapa para el clculo de mximas
precipitaciones diarias en la Espaa Peninsular", (1997)\ y en la publicacin
"Mximas lluvias diarias en la Espaa Peninsular, (1999)^.
En ellos se incorpora:
- Nueva metodologa: Regionalizacin.
- Nuevas funciones: ley SQRT-ET mx.
^ Editado por el Servicio de Geotecnia de la Direccin General de Carreteras en colaboracin con el
Centro de Estudios Hidrogrficos del CE.D.E.X.
^ Publicado por el Ministerio de Fomento.
48
ANTECEDENTES
En cuanto a las leyes IDF, son las mismas que se dedujeron en los aos setenta a
partir de 21 estaciones repartidas por toda Espaa y series con datos hasta los
aos 70, y que se recogen en la Instruccin 5.2-IC "Drenaje superficial".
Faece pQr tanto necesaria, una profunda revisin de las curvas IDF en
Espaa en varios aspectos:
IS^^ora de los ajus las estacionfis que se manejaron en su da,
al haber transcurrido un nmero importante de aos, y por tanto,
al haber aunientado el ntoero d^
Manejo de ima red de estaciones phjviogrfica ms extensa y sus
eorrespondientes registros.
Manejo f^^ reflejen adecuadamente la
asimetra |)Ositiva (pe presentan ^^^
Aplicacin de nueva metodologa- la regionalizcin- que permita
incrememar el mt or o de d^^
Estu4io de nuevos modelos de curvas iDF.
Todo ello ha llevado a plantear la investigacin que lleva por ttulo:
^^Regionalizcin de leyes IDF para el uso de
modelos hidrometeorolgicos de estimacin de caudales".
^ Editado por La Direccin General de Carreteras, MOPU. ltima edicin 1990.
49
4.-METODOL0GIA: VISION GENERAL
METODOLOGA: VISION GENERAL
Debe sealarse que, a pesar del tiempo transcurrido, el nmero de estaciones con
pluvigrafo en Espaa, no se ha incrementado en un nmero significativamente
importante como para caracterizar a toda la Espaa Peninsular. Por ello, se hace
necesario desglosar el estudio en dos partes:
- Estaciones con pluvigrafo
- Estaciones sin pluvigrafo
As, en primer lugar se estudiarn las estaciones disponibles con pluvigrafo en
la Espaa Peninsular, y se obtendrn las series de intensidades mximas, actualizadas,
para cada duracin. Con estas series se cubrirn los primeros objetivos planteados:
- Aumentar el nmero de estaciones.
- Incrementar longitud de registros.
Adems, al comprobar que las series siguen siendo relativamente cortas, y al
tratarse de una variable aleatoria con marcada asimetra positiva, se tratar de mejorar
las estimas:
- Incorporando nueva metodologa - la regionalizacin - que permite
paliar la limitacin temporal de longitud de las series.
- Manejando funciones de distribucin con estimadores de la asimetra
no vinculados con la asimetra muestral.
De esta forma se mejorar la robustez de las estimas, especialmente para
frecuencias bajas (perodos de retomo altos), que son los que habitualmente se utilizan
en los modelos hidrometeorolgicos de estimacin de caudales.
Y por ltimo, con el fin de extender los resultados obtenidos en estaciones con
pluvigrafo a estaciones que carecen de l se estudiarn los modelos IDF que contempla
50
METODOLOGA: VISION GENERAL
la bibliografa especializada, y que responden a la expresin general:
i{d,T)=^h{Trg{d)
Donde,
I(d,T), es la intensidad mxima anual correspondiente a una duracin de "d"
horas y a un perodo de retomo de "T" aos.
h(T), es una funcin que recoge la variacin de la Intensidad con el perodo de
retomo "T".
g(d), es una funcin que recoge la variacin de la Intensidad con la duracin "d"
Esta expresin tiene la ventaja, tal como se indic en apartados anteriores, que si
se relaciona la intensidad mxima correspondiente a una duracin y perodo de retomo
determinados con la intensidad mxima correspondiente a otra duracin, y el mismo
perodo de retomo, la expresin se hace independiente del perodo de retomo.
En este caso, y como es usual en la bibliografa especfica del tema, se
establecer la relacin de la intensidad mxima, para cualquier duracin y perodo de
retomo con la intensidad mxima en 24 horas y el mismo perodo de retomo. Este dato
puede deducirse en toda la Espaa Peninsular a partir del trabajo "Mximas lluvias
diarias en la Espaa Peninsular", (1999) como el cociente de la precipitacin mxima en
24 horas entre esa duracin.
En las estaciones sin pluvigrafo, y a falta de datos de intensidad para distintas
duraciones, se plantearn una serie de hiptesis y de criterios que pemiitirn extender
los resultados obtenidos a toda la Espaa Peninsular.
A continuacin se presenta el esquema 3, con el planteamiento que se ha
realizado en la presente investigacin, para posteriormente ir desarrollando cada uno de
los puntos sealados.
51
METODOLOGA: VISION GENERAL
OBJETIVO:
OBTENER EL DATO DE INTENSIDAD MXIMA ANUAL
PARA CADA DURACIN Y PERODO DE RETORNO EN
TODA LA ESPAA PENINSULAR.
PROBLEMA: AUSENCL^ DE PLUVIGRAFOS EN AMPLIAS ZONAS
SOLUCIN: ESTABLECER DOS METODOLOGAS COMPLEMENTARIAS
EN ESTACIONES QUE TIENEN PLUVIGRAFO Y EN LAS
QUE NO LO TIENEN.
ESTACIONES CON PLUVIGRAFO
DATOS DE PARTroA:
Estaciones actualmente disponibles.
Series actualizadas de intensidades mximas
anuales para cada duracin
ESTACIONES SIN PLUVIGRAFO
DATOS DE PARTIDA:
- Precipitaciones mximas anuales en 24 horas
i
- Intensidades mximas anuales en 24 horas
OBJETIVO: ESTIMAR I(d ,T)
METODOLOGA PROPUESTA:
Aplicar nueva metodologa: REGIONALIZAaN
Aplicar una funcin de
distribucin con asimetra
variable, desarrollada SQRT-ET mx
especficamente para lluvias
mximas:
Estudiar modelos IDF:
METODOLOGA PROPUESTA:
Hiptesis de partida: Estaciones prximas tienen
similar comportamiento respecto al cociente
I(d,T)/I(24,T)
Establecer criterios para poder extender la ley
IDF deducida en estaciones con pluvigrafo a
estaciones que carecen de i.
1
Extender la ley IDF deducida
Esquema 3,- Metodologa desarrollada en la presente Tesis.
52
5.- ESTACIONES CON PLUVIGRAFO
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
5.1.-MATERIAL Y MTODOS.
5.1.1.-DATOS: SERIES DE INTENSmADES MXIMAS DISPONIBLES.
El primer paso consisti en obtener las series de intensidades mximas anuales
en todas las estaciones existentes en Espaa, y con el mximo nmero de aos. Para ello
se acudi al Instituto Nacional de Meteorologa (INM), donde amablemente
proporcionaron estos datos.
Estas series provienen de la digitalizacin de las bandas de pluvigrafo de un
conjunto de observatorios del Instituto Nacional de Meteorologa, digitalizacin que fue
realizada por dos entidades extemas al mismo, INTECSA y la E.T.S de Ingenieros de
Telecomimicacin de Madrid.
Los archivos proporcionados de cada una de las estaciones disponibles contenan
los siguientes datos de cada estacin (a modo de ejemplo, se presenta la Tabla 4, y para
consulta ver Anejo 1. En el Anejo 2 se presentan las mismas tablas adimensionalizadas,
dividiendo por su media):
el cdigo de la estacin.
el nombre de la localidad donde se encuentra.
las coordenadas geogrficas referidas al meridiano de Greenwch.
una tabla con los valores mximos de intensidad, en cada ao, para las siguientes
duraciones: 5m, lOm, 15m, 20m, 30m, 60m (Ihora), 120m(2horas), 180m (3 horas),
360m (6 horas), 720m (12 horas) y 24 horas.
La intensidad mxima para cada duracin y cada ao se haba obtenido como
cociente de la mxima lluvia acimiulada en im intervalo de tiempo, o duracin, entre
53
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
dicha duracin, y por lo tanto es un valor medio, para la ventana temporal considerada,
correspondiente a cada duracin y en cada ao.
En conversaciones posteriores con el ENM se pretendi incorporar a las series
de intensidades mximas de cada duracin los datos correspondientes a estos ltimos
aos, pero no fue posible al no haber sido digitalizadas las bandas de pluvigrafo
correspondientes. La actualizacin de las series no se ha podido llevar a cabo, pero el
problema, de cara a futuros estudios, se ha complicado con el estado de las autonomas,
ya que el proceso de digitalizacin tambin se ha descentralizado, por lo que para
obtener estos datos habr que acudir a cada comunidad autnoma.
Se hace aqu una llamada a la reflexin y se analiza la conveniencia de articular
algn mecanismo que permita acceder a esta informacin a escala nacional.
Tabla 4.- Informacin suministrada por el I.N.M. en la estacin de Valls (0034).
Indicativo: 34 Estacin: Valls-2 Tarragona Lat: 41-17 Long:01-14-E
INTENSIDADES MXIMAS ANUALES EN mm/h PARA UN INTERVALO
Ao
1945
1946
1947
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
5m
45,60
110,40
63,60
51,60
109,20
109,20
112,80
75,60
75,60
39,60
120,00
51,60
130,80
81,60
97,20
136,80
lOm
43,80
106,20
55,80
51,60
100,20
103,20
105,60
64,80
55,80
35,40
95,40
39,60
106,80
66,60
78,00
120,00
15m
38,80
86,00
54,40
35,60
83,20
101,60
93,60
58,80
50,00
26,80
87,20
38,00
89,60
64,40
70,80
117,20
20in
33,60
82,80
51,00
28,50
78,00
94,20
90,00
55,50
48,00
25,80
78,90
35,40
87,30
61,80
58,50
115,20
SOm
24,40
74,40
40,20
21,00
73,00
77,20
74,00
56,20
42,20
23,60
58,20
31,20
81,00
49,60
53,20
102,60
60m
15,70
56,10
31,00
13,00
53,70
43,70
42,00
44,40
25,90
18,10
29,90
26,30
51,10
26,40
35,70
61,90
120in
11,30
42,30
20,00
9,10
35,90
38,20
21,60
26,90
15,30
12,30
15,60
25,20
26,80
19,10
18,90
31,00
180m
8,20
30,50
13,30
6,90
26,70
25,80
14,40
19,40
13,60
9,00
10,40
20,10
18,60
13,10
12,90
20,70
360in
4,50
15,40
6,70
4,10
13,50
13,60
7,50
10,80
9,00
4,80
5,80
10,50
10,30
6,60
6,60
14,10
720m
3,40
12,60
3,30
3,00
6,80
6,80
3,70
5,40
4,50
3,80
3,50
5,30
5,40
3,30
4,50
8,30
24h
1,90
6,50
1,70
1,60
4,70
3,40
2,20
2,70
2,40
2,30
1,90
2,70
3,10
1,70
2,50
4,20
54
Ao
1961
1962
1963
1964
1980
1981
1982
1983
1984
INTENSIDADES
Sm
99,60
63,60
112,80
121,20
104,40
48,00
56,40
73,20
52,80
lOm
87,60
61,80
100,20
96,00
78,00
46,80
39,60
51,60
51,00
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
MXIMAS ANUALES EN mm/h PARA UN INTERVALO
15m
75,60
58,40
84,00
80,00
73,60
34,80
32,40
44,80
49,20
20m
70,80
47,10
84,60
80,40
62,70
26,40
28,50
40,50
48,30
aom
63,60
35,60
78,00
74,00
49,60
18,00
19,60
33,40
37,00
60in
37,10
20,00
59,40
49,00
29,40
9,70
12,80
21,00
25,70
120in
19,10
14,50
34,20
25,30
15,40
8,30
10,80
11,70
23,60
180m
12,80
12,00
23,20
16,90
10,30
5,50
9,10
7,80
17,00
360in
6,80
8,00
11,70
9,30
5,20
2,80
6,20
5,30
9,90
720in
3,80
5,00
5,80
5,00
2,60
1,60
3,40
3,50
5,40
24h
1,90
2,50
3,90
2,50
1,60
1,10
1,90
1,80
2,70
Longitud de la serie: 25 aos.
Por lo tanto, las series que se van a manejar si bien podran ser algo ms largas,
abarcan hasta los aos 90 y en algunos casos hasta finales de los 90, suponen una
mejora de casi veinte aos respecto a las utilizadas para la ley EDF que se est
manejando actualmente (recogida en la Instruccin 5.2-IC "Drenaje superficial").
En el mapa 1 se refleja la situacin de las estaciones disponibles, con series
completas, y con una longitud adecuada. En la tabla 5 se recoge el cdigo de las
estaciones, dnde est ubicada, y cuntos aos completos tienen.
55
ESTACIONES CON PLUVIGRAFO
^
Mapa 1.- Distribucin de !as estaciones con pluvigrafo en la Espaa Peninsular.
56
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Cdigo
0034
0111
0201
0222
0225
0370
0429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
Nombre
Valls
Sallent
Barcelona
Caldas Mombuy
Sabadell
Gerona
Figueras
S.Sebastian
Sondica
Santander
Gijn
Amao
Corua
Santiago
Vigo
Vigo (Peinador)
Punto Centro
Ponfen-ada
Soria
Linares
P. Aguilar
Burgos
P.compuerto
Valiadoiid
Avila
Navacerrada
Zamora
P.Porma
Len
Salamanca
Molina de Aragn
Madrid-Retiro
N aos
completos
25
16
71
16
35
33
41
65
30
41
47
23
68
24
24
23
19
41
30
18
19
33
16
45
39
16
30
17
24
41
44
41
Cdigo
3195
3200
3259
3469
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980A
9981
63250
Nombre
Madrid-4V
Getafe
Toledo
Caceres
Ciudadreal
Guadalupe
Badajoz (Talavera)
Badajoz (instituto)
Huelva
Chauchina
Grazalema
Algeciras
Guadarranque
Guadalhorce
Mlaga
Murcia S.Javier
Murcia Alcantarilla
Alicante C. jardn
Albacete
Valencia
Castelln
Haro
Logroo
Cabreja
Zaragoza
Mezalocha
Lrida
Huesca
Tortosa
Roquetas
Almera
N aos
completos
34
30
44
49
35
16
26
35
21
15
16
16
18
23
23
30
24
25
29
26
15
33
50
15
34
32
31
23
23
36
20
Tabla 5.- Tabla resumen de las estaciones, cdigo, localizacin, y nmero de aos disponibles
suministrado por el Instituto Nacional de Meteorologa.
El nmero de estaciones disponibles con esos requisitos en la Espaa Peninsular
es por tanto de 63, nmero que, an siendo pequeo para caracterizarla, representa un
incremento notable respecto las 13 estaciones que se manejaron en los aos setenta para
definir las curvas E)F y el mapa de isolneas de = , y que posteriormente se
-' 24
ampli a 21.
57
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
S.l.l.l.-Anlisis de datos.
S.l.l.l.l.-Representacin de datos.
Es importante hacer un primer control de los datos disponibles y comprobar si
presentan errores importantes. Para ello, se representaron en unos ejes; en ordenadas los
valores de intensidad mxima dividida entre su intensidad media, para cada duracin, y
en abscisas el ao en que se produce dicho evento. De esta manera se puede tener una
primera referencia para identificar valores anormalmente altos o bajos, cmo se
distribuyen, si existe un claro cambio o tendencia...
A modo de ejemplo se han representado las series en la estacin de Valls (0034),
y se puede observar que la serie no es continua en el tiempo, sino que faltan los datos de
los aos comprendidos entre 1964-1980.
3
2.5
I 2

E
1.5
0.5
Valls(0034)
ir
^%5"^
X
# * * -
1940 1950 1960 1970
ao

1980 1990
SnVImedia
lOnrymedia
ISnrVImsdia
X 20m1nnedia
>c SOnVlmedia
eOnVImeda
+ 120fTyimedia
-ISOnVimedia
- 360rrVlmedia
720rryimeda
24h/lmedia
Figura 5.-Representacin de la see temporal de intensidades mximas de cada duracin.
Para consultar el resto de grficos, ver Anejo 3.
Todas las estaciones se van a utilizar porque estn completas, y alguna estacin
en la que slo falta un dato en una de las series de una duracin tambin se ha
mantenido justificando su uso en que no se debe perder la informacin del resto de las
series, ya que la red de estaciones no es muy abundante.
58
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Por lo tanto, se dispone de 11 series de valores mximos en cada estacin, con el
mismo nmero de datos, correspondientes al nmero de aos disponible, y slo en tres
casos: en la estacin de Molina de Aragn (3013), en Toledo (3259), y en Guadarranque
(6024), falta un ao en la serie de 124; y adems en la estacin de Haro (9121) faltan
tres aos en la serie 124 aunque al ser una serie larga, de 33 aos, tambin se ha
utilizado.
5.1.1.1.2.-Prueba de datos dudosos.
El anlisis preliminar anterior permiti identificar una serie de estaciones en las
que aparecan valores que convenan estudiar con ms detalle: Almera(63250),
Guadaihorce(6I20), Sondica (1082), Figueras (0429), Alicante (8025)y Murcia (7031).
A continuacin se muestran las grficas correspondientes de dichas estaciones y
que llevaron a plantear un estudio ms exhaustivo en ellas.
Almera (63250)
- ' - " ^ ^ ^ z ,
HV ' ^
,J
o -)
1970 1975 1980 1985 1990 1995
ao
SnVImedia
lOnVImedJa
1 SnVImedia
X 20nVimedia
X 30rrVlmedia
eOrrVImedia
+ I20m/lmedia
-iSOm/lmedia
" 360m/lmeds
720m/lmectia
24h/lmedia
4.5
as
f 3
I 25
g 1.5
~ 1
0.5
1940
- TTT
-7*--"
Sondica (1082)
: - > m ^ ^ , ^
1950 1960 1970
ao
1990
SnVhedia
lOmlmeda
l&TVkTeda
x20nykTEda
x30fTVlmsdia
eOnVhBcfia
+ 120rTVtTfidia
-18ChATBdia
720m'hBdia
24lrTHfia
59
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
4.5
4 -
3. 5-
a 3
1 2.5
i 1.5
1
0, 5-
0
19 60
^ *
HJ^
f .K ^, '
1965
au3dalhorce{6120)
^
n
* '
> ( , - _
1 ! ! X ^ "
5 * * . r t t - '
- ^* , ^ ^ : ,
' " y t * f i ! 5 -' --^^J
1970 1975 1080 1985 1990
ao
SnVImedia
lOnVhedia
ISrryinedia
X aOnVImediB
X SQnVfmedQ
60nVImede
+ 120m'lmeda
- leOrrrtnBdia
360ttVlmada
720nVkiwda
24ti/imedia
3.5
5 2,5
1.5
1
0.5
Murcia San Javier (7031)

X
'
1
'? " f "
c^-
tf
^ j
' i 5 v
\' ^ *
nrJ-_^^
" ' e
fK
S - r - ^
1955 1960 19ffi 1970 1975 1980 1965 1990 1995
ao
SrrVItTEdJa
lOrVlmeda
ISrrymecSa
xZanlmetSa
X aOm'tTBciia
eOrTVheda
+ 120rTy*redia
-1K)nVhBdia
-360m*m(Ji a
720m%TEClia
Z'lh'hidia
E
6 -
5 -
4 -
3 -
2 -
1 -
19
1
40
TW^
1950
Fi guer as (0429)
,
+

- i Y
^W' j sJl fcKfl-
5?^^ * ' - ^ -a!.! * r ^
1960 1970 1980 1990
ao
5m/lmedia
10m/lmeda
iSnVImedra
X 20m/bT)eda
X 30Tn/hiedia
60m/bTiedia
+ 120nVhiedia
ISOnVkTiedia
- aeOnVImedla
720m'lmedia
24h/lmedta
3 . 5 -
3 -
1 2.5 -
1 '
0,5
19 50
A
i _
J^
f^
1960
Al i c ant e (8025)
+

" " f c ^ 4J
_ ^ ^ ^
\,^^.I^FY
1970 1980 1990
ao
Sm/lmedia
m 10m/lmedia
1 Sm/lmedia
X 20n/lmedia
X. 30nVlmedia
60nVknedia
+120m/ t nedi a
- 1 eom/lmedia
360ni / hi edi a
720m/l medi a
24h/l medi a
Figura 6.- Representacin de I ^ series temporales en estaciones con datos dudosos
60
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Para estudiar valores excepcionalmente altos, y que se alejan de la tendencia de
la informacin restante, se va a aplicar el mtodo de Water Resources Council para
datos dudosos(1981), ya que la utilizacin o por el contrario la eliminacin de estos
datos puede afectar significativamente la magnitud de los parmetros estadsticos
calculados, especialmente en muestras pequeas como es este caso.
Para aplicar este mtodo, deben calcularse los logaritmos decimales de los
valores de la muestra, y se asume que esta nueva serie sigue una distribucin normal.
Sobre estas series transformadas, se calcula la media (y) y la. desviacin tpica (sy), y a
continuacin, la prueba de datos dudosos ofrecida por el Water Resources Council
presenta la siguiente ecuacin para definir un umbral de dato dudoso:
Donde:
yh, es el umbral de dato dudoso alto
Kn , es un valor tabulado en funcin del tamao de la muestra, con un nivel de
significacin de un 10% en informacin normalmente distribuida. (Tabla 6)
Sy, es la desviacin estndar.
y, es la meda de la serie.
Taitmi
f
ttsamira ji
iO
11
12
O
fS
'6
f?
5S
19
20
21
^yy
23
K.
2.03$
2.088
2.134
2.175
2.213
2.2^7
t.279
2.309
2.3.^5
2Mi
2.385
S.'OS
,2.429'
2.44S
Tamau
de
muestra n
24
25
36
n
28
29
30
31
32
35
34
35
36
37
K
2.46?
2-4S6
2.502
2.SS9
2.534
t S49
2-S63
2.577
2,S9l
2.04
2.636
3.J8
2-639
2.650
Tuuo
4v
ftme^f' n
M
39
40
45
42
43
44
4;
4.
47
4S
4$
SQ
55
AJ
2.661
2.671
2.682
2,692
2.7oe
2.7 O
2-759
2.727
2.T36
2.7*4
3.760
2.76S
2.804
Tamaj
*t*f
mnesimtt
m
65
70
75
m
5
m
95
ICO
!20
I.tO
140
, . , . 1
f^K
z.m
2.66
2.S93
2.937
2.940
2-961
.9SI
1.000
3.017
3.049
.07S
3.304
3.129
Fs:n!r-. H S. Water So a u f c CoasriE. JSSi. Es a teWa eonter^e va!or e J . dt t. 3-.<1O ca an
jjjvsl dt s.l|:aiW-<* Jl IOS- praa 14 <5(iitJc<t aomsS.
Tabla 6.- Valor de "K " en funcin del tamao de la muestra.
61
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
En este mtodo, los picos que superan el umbral yh -que define un dato dudoso-
deben compararse con la informacin histrica y de estaciones cercanas y slo si puede
acreditarse que es verdaderamente anmalo deber ser eliminado.
El nico criterio disponible para aceptar - o en su caso rechazar- un dato,
consiste en comparar con las lluvias diarias, ya que la nica informacin disponible,
ajena a los registros de pluvigrafo, son las precipitaciones diarias recogidas con
pluvimetros en estaciones prximas y con caractersticas climatolgicas similares.
El esquema del proceso seguido para el anlisis de datos dudosos en estas
estaciones se presenta a continuacin:
l.-Se determina el valor de "Kn" (Tabla 6 segn el nmero de aos de la
estacin).
2.-Para cada una de las series de la estacin (5 min,10 min, 15 min...24 horas)
se calculan los logaritmos decimales de los registros.
3.- Sobre la serie logartmica se calculan la media (y) y desviacin tpica (Sy).
4.- Se calcula el umbral de "dato dudoso" en cada sere:
5.-Se identifican los registros que en cada serie superan el respectivo umbral.
6.- Para cada ao (o aos) en los que se detectan "datos dudosos" se calcula en
dicha estacin la precipitacin mxima en 24 horas, P24, como producto de
l24*24, y se compara ese valor con el registrado ese mismo ao en la estacin
pluviomtrica establecida como referencia (P24 del pluvimetro).
7.- Si P24 del pluvigrafo es del orden de magnitud del P24 del pluvimetro se
aceptan los registros del pluvigrafo.
8.- Si ese ao no hay dato de pluvimetro, P24 del pluvigrafo se compara con
los P24 del pluvimetro registrados en otros aos. Si los valores son del mismo
orden de magnitud se acepta el dato, asumiendo que el P24 del pluvigrafo no
es anmalo pues hay registros, aunque no sean del mismo ao, que hacen
plausible la ocurrencia de esa precipitacin.
62
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Slo si no se cumple de manera elocuente alguna de esas condiciones, el "dato
dudoso" ser eliminado.
En el Apndice 1 se recoge el detalle del anlisis en las seis estaciones, y que
condujo a la decisin de no eliminar ningn dato.
S.1.1.1.3.-Independencia de datos.
Para analizar la independencia de datos se distinguieron dos casos:
A.- Correlacin entre series de la misma duracin entre distintas estaciones
prximas.
B.- Correlacin entre series de distintas duraciones dentro de una estacin
A.- En este tipo de datos, es frecuente que las observaciones realizadas en
estaciones situadas en puntos prximos estn correlacionadas positivamente y que a
medida que aumenta la distancia entre ellas su correlacin disminuya. Este anlisis se
realiz cuando las estaciones con pluvigrafo estuvieran localizadas en puntos
prximos: en las estaciones de la comunidad catalana, y en las tres estaciones de
Madrid. En estas estaciones se tomaron los aos coincidentes y se calcul la matriz de
correlacin entre las series.
Tabia 7.- Coeficiente de correlacin entre las series correspondientes a cada duracin de las estaciones
estudiadas.
Estacin
Barcelona-Valls
Barcelona-Sallent
Barcelona-Caldas
Barcelona-Sabadell
Barcelona-Gerona
Gerona-Figueras
Duracin (minutos)
5
-0,16
0,37
-0,29
0,27
-0,16
0,09
10
-0,17
0,41
0,53
0,02
0,11
0,07
15
-0,14
0,29
0,38
-0,10
0,24
0,06
20
-0,06
0,24
0,50
-0,15
0,39
0,03
30
0,01
0,22
0,43
-0,22
0,38
0,07
60
-0,09
0,43
0,41
-0,21
0,31
0,16
120
-0,10
0,70
0,38
-0,10
0,11
0,16
180
-0,02
0,71
0,43
-0,08
0,12
0,26
360
0,02
0,63
0,26
0,04
0,03
0,20
720
0,15
0,63
0,39
0,07
-0,20
0,31
1440
-0,01
0,65
0,44
0,15
-0,20
0,41
63
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Estacin
Madrid-Madrid4v
Madrid4v-Getafe
Madrid-Getafe
Duracin (minutos)
5
0,25
-0,02
-0,30
10
0,43
0,07
-0,29
15
0,45
-0,09
-0,19
20
0,38
-0,06
-0,12
30
0,29
0,01
0,01
60
0,32
0,20
0,15
120
0,34
0,53
0,22
180
0,34
0,67
0,31
360
0,23
0,79
0,16
720
0,31
0,81
0,02
1440
0,43
0,27
-0,05
Se deduce que las correlaciones son pequeas, por lo que se utilizar toda la
informacin disponible en estas estaciones.
B.- Cuando se estudia la correlacin entre las series de distintas duraciones,
dentro de una estacin, se observa que con frecuencia, un episodio de lluvia de larga
duracin cubre otros de menores duraciones, y de esta manera estn relacionados con l
de una u otra forma (Hershenhom y Woolisher,1987; Kothary y Garde, 1992). As, si en
una estacin se produce un aguacero muy intenso y con una duracin suficiente, se
genera durante el mismo las intensidades mximas anuales correspondientes a varias
duraciones.
El efecto de la dependencia en el anlisis de frecuencia de las series
individualmente ha sido estudiado por Landwehr et al. , (1979) y Mc-Mahon y
Srikanthan (1982), y en el anlisis regional por Hosking y Wallis, (1997) que indican
que una cierta dependencia en las series de datos anuales tiene poca influencia en la
calidad de las estimas de los cuantiles. Recientes investigaciones (Hosking et al., 1985;
Lettenmaier y Potter, 1985; Wallis y Wood, 1985; Lettemnaier et al., 1987; Hosking y
Wallis, 1988) concluyen que es posible aplicar el mtodo ndice de avenida y que las
estimas de los cuantiles obtenidos sean robustas an cuando las observaciones no sean
independientes.
Hosking y Wallis, (1997), tambin sealan que al aplicar el proceso de
regionalizacin sobre series dependientes este efecto acta como si se redujeran el
nmero de estaciones de la regin, en definitiva como si el proceso perdiera parte de las
ventajas que ofrece: aumentar el nmero de datos.
A modo de ejemplo se muestra la matriz de correlacin obtenida en Valls (0034)
64
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Duracin (minutos'
5
10
15
20
30
60
120
180
360
720
1440
5
1,000
10
0,964
1,000
15
0,948
0,976
1,000
20
0,945
0,971
0,990
1,000
30
0,937
0,960
0,961
0,982
1,000
60
0,846
0,880
0,856
0,893
0,952
1,000
120
0,623
0,713
0,705
0,744
0,790
0,881
1,000
ISO
0,549
0,638
0,628
0,668
0,723
0,833
0,986
1,000
360
0,556
0,632
0,643
0,686
0,739
0,824
0,945
0,967
1,000
720
0,458
0,558
0,533
0,565
0,613
0,711
0,848
0,872
0,896
1,000
1440
0,491
0,594
0,543
0,576
0,635
0,756
0,871
0,897
0,893
0,965
1,000
Tabla 8.-Matriz de correlacin de las series de intensidades mximas para cada duracin en la estacin de
Valls (0034)
La correlacin es mayor entre series de duraciones similares, y disminuye a
medida que las duraciones se alejan. Esta correlacin se explica porque los mximos
correspondientes a las distintas duraciones pueden proceder del mismo aguacero, y por
lo tanto una intensidad mxima de mayor duracin engloba a otra de menor duracin.
As, si en una estacin se produce un aguacero muy intenso y con una duracin
suficiente, se genera durante el mismo las intensidades mximas anuales
correspondientes a varias duraciones.
Con respecto a este punto, si bien es cierto que existe gran correlacin entre las
series de distintas duraciones, dentro de una estacin, se decidi utilizarlas todas debido
a la necesidad de aprovechar la escasa informacin disponible. En el supuesto de que las
series fueran totalmente dependientes, el proceso de regionalizacin sera equivalente al
estudio de las series individuales, y por tanto las estimas no mejoraran, pero bastara
con que informacin ftiera slo parcialmente dependiente para que la ganancia de
informacin permitiera mejorar las estimas (U.S: National Research Council, 1988).
65
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
5.1.1.2.- Conclusin.
Para er desarrollo de la presante Tesis se ya a manejar toda la
mformacion simimistrada por el Instituto Nacional de Meteorologa,
que supone 11 serias de intensidades mx^ las
siguientes duraciones: 5m, lOm, 5m, 20m, 30m, 60m (Ihora),
120m(2 horas), 180m (3 horas), 360m (6 horas), 720m (12 horas) y
24 horas, e cada una de las 63 estaciones disponibles en el territorio
de la Espaa Peninsular.
f Todas las series estn completas excepto en la estacin de Molina de
Aragn (3013), Toledo (3259), Guadarranque (6024) en las que falta
un ao la serie de I24, adems en la estacin de Haro (9121) fialtan
tres datos en esa misma serie, pero como presentan una longitud de
registros adecuada se van a manejar todas las series.
En siete estaciones, Ahnera (63250), Guadalhorce (6120), Sondica
(1082), Figuras (0429), Alicante (8025) y Murcia (7031), se
presentan algunos datos muy altos, candidatos a "outliers", pero no se
pueden rechazar.
A^ dentro de cada estacin existe una notable correlacin entre
las series correspondientes a distintas duraciones, como se va a
apHcar un proceso de reginalizacin, bastara con que fueran
pardalmente dependientes para que las estimas mejoraran.
66
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
5.1.2.-REGIONALIZACIN.
5.1.2.1.- Descripcin general de la metodologa.
Se debe volver a insistir en las dificultades que conlleva el estudio de
intensidades mximas, dificultades que se derivan, tanto de la eleccin del tipo de
distribucin terica y sus parmetros, como de la necesidad de evaluar unos cuantiles
para perodos de retomo muy superiores a la longitud de la serie de observaciones. As,
es posible que la funcin de distribucin elegida ajuste bien en el tramo donde existen
observaciones, pero no suceda lo mismo, ni tengamos la garanta de que eso mismo
ocurra, para valores altos del perodo de retomo. Los cuantiles obtenidos en esta parte
de la curva, en altos perodos de retomo, son muy sensibles a la forma de la rama
derecha de la curva,- sobre la cual no existe conocimiento emprico- pues como se ha
comentado anteriormente las series disponibles no tienen demasiados registros.
Si se considera una serie de mximos anuales - en figura 7 se ha considerado la
intensidad mxima en 120 minutos en la estacin de Murcia (7031)- y se representa la
relacin entre el perodo de retomo y dicha intensidad mxima, se podra pensar en
ajustar a dos distribuciones tericas distintas, por ejemplo a la distribucin Gumbel y la
SQRT-ET mx. En el grfico se observa que conforme aumenta el perodo de retomo,
los cuantiles deducidos difieren notablemente segn se considere una u otra fimcin, sin
embargo, no hay evidencias a favor de ima u otra pues solamente se cuenta con un
mximo histrico en esa zona. Ambas curvas ajustan bien en el tramo donde existen
observaciones (para perodos de retomo bajos - medios) pero no est garantizado que
ocurra lo mismo para altos perodos de retomo.
Ante este valor alto se podra plantear la siguiente cuestin: este valor tan alto,
corresponde a un perodo de retomo alto que por casualidad se ha presentado durante la
serie de aos registrada, o por el contrario, corresponde a un perodo de retomo menor
pero la longitud de la serie no es lo suficientemente larga como para haberlo observado
ms veces? El sentido comn nos dice que no se puede contestar a esta pregunta con los
datos disponibles en dicha estacin, y por tanto lo razonable sera examinar qu ha
ocurrdo en las estaciones prximas y comprobar si se ha producido una intensidad
mxima anloga ms veces.
67
ESTACIONES CON PLLTVIOGRAFO. MATERIAL Y MTODOS
5
r:
o 3.5
i
i"'
B 0.5
Murcia (7031)
. - . ^
^
log(T)
-gumbel
SQRT-ET mx
serie histrica
Figura 7.-Ajuste de la serie I120 a las funciones Gumbel y SQRT-ET mx
La filosofa del mtodo regional es precisamente sta; analizar lo que ocurre en
estaciones prximas, y estudiar si el comportamiento de la variable es similar. Teniendo
la certeza de que las estaciones prximas tienen similar comportamiento, el mtodo
regional se basa en el uso simultneo de los datos de esas estaciones, de forma que los
datos distribuidos en el espacio, sustituyen en cierto modo a los datos distribuidos en el
tiempo, que como se ha comentado, son limitados. De esta manera se consigue
prolongar, aunque sea "artificialmente", las series, compensando la corta longitud de las
mismas.
Este mtodo es el procedimiento ms aceptado en el mbito hidrolgico
internacional para compensar la carencia de datos as como la falta de series largas
(Chiang et al. , 2002a; Cunnane, 1987; Haberiandt, 1998; Bum y Goel, 2000; lvarez,
et al. , 1999; Yu y Cheng, 1998; Francs, 1998; Daviau et al. , 2000; Parida et al. ,
1998; Kachroo y Mkhandi, 2000; Michele y Rosso, 2001; Ferrer y Mateos, 1999;
Fiorentino et al ,1987; Lettenmaier y Potter, 1985; Stedinger, 1983; Greis y Wood
1981; Hosking y Walls, 1997).
68
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
El enfoque tradicional de estos mtodos asume la existencia de una regin
homognea respecto a ciertas caractersticas estadsticas, lo que permitira utilizar toda
la informacin disponible en dicha regin, y los resultados obtenidos sern ms o menos
aceptables en la medida en que la regin definida sea ms o menos homognea desde un
punto de vista estadstico.
El mtodo regional que se va a utilizar es el mtodo del ndice de avenida, que se
basa en el uso simviltneo de datos procedentes de estaciones prximas que puedan
considerarse "homogneas". Este mtodo supone que los mximos anuales en un
conjunto de estaciones de una "regin homognea" provienen de una misma poblacin
excepto el factor de localizacin. Una vez eliminado de cada serie el factor de
localizacin, y como consecuencia de proceder de la misma distribucin, los
coeficientes de variacin y asimetra deben ser similares.
En este caso se considerar como factor de localizacin la media, de manera, que
si se estandarizan las series dividiendo los registros de cada una de las series entre su
media, se elimina el factor de localizacin, sin alterar ni la dispersin ni la asimetra.
A continuacin se presenta la tabla 9 con los valores de las intensidades
mximas para cada duracin divididos por su media, y en la tabla 10, los parmetros
calculados: media, coeficiente de variacin y asimetra, para la estacin de Valls (0034).
Ao
1945
1946
1947
1948
1949
1950
1951
1952
1953
1954
1955
Duracin (minutos)
5
0,53
1,29
0,74
0,60
1,27
1,27
1,32
0,88
0,88
0,46
1,40
10
0,59
1,44
0,76
0,70
1,36
1,40
1,43
0,88
0,76
0,48
1,30
15
0,60
1,32
0,83
0,55
1,28
1,56
1,44
0,90
0,77
0,41
1,34
20
0,55
1,37
0,84
0,47
1,29
1,56
1,49
0,92
0,79
0,43
1,30
30
0,47
1,44
0,78
0,41
1,41
1,50
1,43
1,09
0,82
0,46
1,13
60
0,47
1,67
0,92
0,39
1,60
1,30
1,25
1,32
0,77
0,54
0,89
120
0,53
1,99
0,94
0,43
1,69
1,79
1,01
1,26
0,72
0,58
0,73
ISO
0,54
2,02
0,88
0,46
1,76
1,71
0,95
1,28
0,90
0,59
0,69
360
0,54
1,84
0,80
0,49
1,61
1,63
0,90
1,29
1,08
0,57
0,69
720
0,71
2,63
0,69
0,63
1,42
1,42
0,77
1,13
0,94
0,79
0,73
1440
0,73
2,48
0,65
0,61
1,80
1,30
0,84
1,03
0,92
0,88
0,73
69
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Ao
1956
1957
1958
1959
1960
1961
1962
1963
1964
1980
1981
1982
1983
1984
Duracin (minutos)
5
0,60
1,53
0,95
1,13
1,60
1,16
0,74
1,32
1,41
1,22
0,56
0,66
0,85
0,62
10
0,54
1,45
0,90
1,06
1,63
1,19
0,84
1,36
1,30
1,06
0,64
0,54
0,70
0,69
15
0,58
1,38
0,99
1,09
1,80
1,16
0,90
1,29
1,23
1,13
0,53
0,50
0,69
0,76
20
0,58
1,44
1,02
0,97
1,90
1,17
0,78
1,40
1,33
1,04
0,44
0,47
0,67
0,80
30
0,60
1,57
0,96
1,03
1,99
1,23
0,69
1,51
1,43
0,96
0,35
0,38
0,65
0,72
60
0,78
1,52
0,79
1,06
1,84
1,11
0,60
1,77
1,46
0,88
0,29
0,38
0,63
0,77
120
1,18
1,26
0,90
0,89
1,46
0,90
0,68
1,61
1,19
0,72
0,39
0,51
0,55
1,11
180
1,33
1,23
0,87
0,85
1,37
0,85
0,79
1,53
1,12
0,68
0,36
0,60
0,52
1,12
360
1,26
1,23
0,79
0,79
1,69
0,81
0,96
1,40
1,11
0,62
0,33
0,74
0,63
1,18
720
1,11
1,13
0,69
0,94
1,73
0,79
1,04
1,21
1,04
0,54
0,33
0,71
0,73
1,13
1440
1,03
1,19
0,65
0,96
1,61
0,73
0,96
1,49
0,96
0,61
0,42
0,73
0,69
1,03
-i,d
Tabla 9.- Valores del cociente - ^r ^ en la estacin de Valls (0034).
Id
Donde:
I-i,d , es el valor de la intensidad mxima anual correspondiente a la duracin "d"
(minutos) en el ao i-simo.
id = ^
l ' - U
n
siendo "n" el nmero de aos de la serie.
Media
Desviacin
tpica
Coeficiente
asimetra
Duracin (minutos)
5
1,00
0,35
0,03
10
1,00
0,36
0,16
15
1,00
0,38
0,20
20
1,00
0,41
0,28
30
1,00
0,45
0,26
60
1,00
0,46
0,30
120
1,00
0,45
0,63
180
1,00
0,44
0,69
360
1,00
0,41
0,48
720
1,00
0,46
1,98
1440
1,00
0,45
1,78
LIA
Tabla 10.- Parmetros estadsticos de las series y > P^^ ^^^^ duracin en la estacin de
Valls (0034).
70
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Por lo tanto :
Las; series definitivas gue se van a manejar para el desarrollo de la
presente Tesis son las series proporcionadas por el Instituto Nacional de
Meteorologa en cada estacin^ divida cada ma de ellas por su media, eliminando
as el factor local y respetando la dispersin y la asimetra muestral.
Para consultar las series que se han manejado, ver Anejo 3.
A continuacin se presenta el esquema general del proceso seguido para analizar
las estaciones con pluvigrafo, y que posteriormente se desarrollar en los epgrafes
correspondientes.
71
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Conformacin de regiones

Agrupacin intra-estaciones

I
1
Conformar una nica Conformar dos muestras;
Ir
Agrupacin inter-estaciones
Descartada por escasez de
muestra (regin) con ios cortas (<1 hora) y largas (>1 liora) estaciones. (63 para la
datos de cada estacin
i
No supera los test
4 .
Superan los test
i
Espaa Peninsular)
Seleccin de la funcin de distribucin
Estimacin de parmetros en cada regin
i
Mtodos de estimacin elegidos
Mtodo de los Momentos
Mtodo de Mxima Verosimilitud
i
Criterios de decisin
Test Kolmogorov-Smirnov
Anlisis Grfico
i
Validacin
Generacin de muestras sintticas
(Montecarlo)
i
Comparacin de Cv y Ca de muestras observadas y sintticas
Obtencin de cuantiles adimensionaies
CA(T)cortas CA(T)iarqas
Obtencin de i ( d, T)
Esquema 4.-Esquema del anlisis realizado en estaciones con pluvigrafo.
72
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
5,1.2.2.-Conformacin de regiones.
Para definir una regin se pueden utilizar diversos criterios, bien considerar una
serie de parmetros estadsticos de la estacin o bien un conjunto de descriptores que
permitan caracterizar la estacin o combinacin de ambos.
En el caso de anlisis regionales de caudales mximos es frecuente el manejo de
variables geomorfolgicas; rea de drenaje, longitud de cauce..., pero en el anlisis de
series de precipitaciones mximas, los criterios de regionalizacin slo pueden basarse
en criterios geogrficos y algunos aspectos estadsticos de las propias series.
En el proceso de regionalizacin se distinguirn dos fases:
- Defnicin de las regiones.
- Anlisis de homogeneidad de dichas regiones.
5.1.2.2.1.- Defnicin de las regiones
Para el desarrollo de la presente investigacin, en esta fase de defnicin de
regiones, se ha partido de las regiones definidas por Ferrer y Ardiles, (1994) para el
estudio de precipitaciones mximas en Espaa, regiones que se haban definido
atendiendo a xm criterio geogrfico y climtico, teniendo en cuenta la proximidad
geogrfica, la influencia de las cadenas montaosas, su orientacin...
En este primer acercamiento al concepto de "regin" es de esperar que el
comportamiento de las precipitaciones mximas sea similar al de las intensidades
mximas, por cuanto que responden a fenmenos meteorolgicos muy condicionado por
aspectos geogrficos similares. Por tanto, las regiones definidas por Ferrer y Ardiles,
(1994), se establecern como regiones para el estudio de intensidades mximas.
En la pgina siguiente se ofrece el Mapa de Espaa, mapa 2, con dichas
regiones. En ellas se estudi la informacin disponible, y se plantearon dos
posibilidades:
A.- Agrupacin inter-estaciones.
B- Agrupacin intra-estaciones.
73
ESTACIONES CON PLUVIGRAFO, MATERIAL Y MTODOS
^
Mapa 2.- Divisin de la Espaa Peninsular en 26 regiones geogrficas con caractersticas meteorolgicas
comunes (Ferrer y Ardiles, 1994)
74
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
A.- Agrupacin inter-estaciones: En esta lnea se pretenda agrupar las series
correspondientes a cada duracin, de cada una de las estaciones que estaban dentro de
las regiones establecidas por Ferrer y Ardiles, (1994), y ver si eran homogneas. Sin
embargo, con la informacin disponible esta opcin no fue posible, ya que muchas
regiones carecan de estaciones pluviogrfcas, o tenindolas su nmero era pequeo.
B.- Como segunda alternativa se plante aplicar el proceso de regionalizacin
dentro de cada estacin, es decir, considerar cada estacin como una "regin", y si esta
hiptesis resultaba aceptable, agrupar todas las series de distintas duraciones. Se
conformara as, una serie nica, y a partir de ella se estimaran los parmetros de la
funcin de distribucin para obtener los cuantiles adimensionales con la metodologa
descrita.
Se podra decir que dentro del proceso de regionalizacin, una estacin sera la
mnima unidad "regin", puesto que presenta las mismas caractersticas climticas y
solamente quedara por comprobar si toda la informacin de la estacin es homognea.
Antes de pasar a definir los mtodos que se utilizaron para analizar la
homogeneidad o no de las regiones as definidas, conviene decir que se realizaron
diversos intentos de agrupacin: considerar todas las series de todas las duraciones
como una regin, agrupar en bloques por duraciones siguiendo diversos criterios...
En la bibliografa consultada, muchos estudios establecen que es necesario
diferenciar precipitaciones de corta duracin y de larga duracin. Entre ellos cabe
destacar el estudio sobre cortas duraciones en Sicilia de Ferreri y Ferro, (1990) que
establecen como umbral para separar cortas de largas duraciones, una duracin de 60
minutos. Estudios previos realizados en Estados Unidos (Hershfeld, 1961), Sudfrica y
Australia (Bell, 1969) parecen indicar que las lluvias de cortas duraciones tienen
propiedades fsicas muy similares en muchas partes del mundo y por lo tanto pueden
aplicarse en otros pases las metodologas desarrolladas y calibradas en Amrica. Los
estudios de Porras y Porras, (2001) sealan que la duracin de la lluvia caracteriza
distintos orgenes de lluvia, definiendo un diferente comportamiento de las
precipitaciones mximas de cortas duraciones y largas duraciones y establecen como
duracin discriminatoria una hora.
75
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
En Espaa, Llasat, (1998) recomienda clasificar los episodios de lluvia segn su
origen- convectivo y no convectivo- antes de realizar la modelizacin de las curvas IDF,
indicando tambin que los episodios convectivos duran, en general, menos de una hora,
y que cualquier episodio de lluvia que dure ms de 5 horas es de carcter no convectivo
o poco convectivo, pudiendo disminuir ese umbral si se corresponde con algunas pocas
del ao.
5.1.2.2.2.-Anli$is de la homogeneidad.
Para el anlisis de homogeneidad de una regin se manejaron tres filtros, con un
nivel de control cada vez ms exigente para poder aceptar como vlidas las regiones as
definidas. Los tres anlisis realizaron fueron;
- Grficos de los L-momentos
- Test de Medida de la Discordancia
- Test de Heterogeneidad
Los tres mtodos para analizar la homogeneidad de una regin estn basados en
los L-momentos, momentos que permiten describir la forma de la distribucin de
probabilidades.
Tradicionalmente la forma de la distribucin de probabilidades se describe por
medio de los momentos de la distribucin. As,
= La media es el momento de orden uno y representa el centro de gravedad de la
masa de la distribucin. Se usa fi-ecuentemente como factor de localizacin.
- La varianza es el momento de orden dos y mide la variabilidad de la muestra
respecto de la media. La desviacin tpica es la raz cuadrada de la varianza, y el
coeficiente de variacin es un parmetro adimensional que expresa dicha
dispersin respecto a la media- calculando la desviacin tpica dividida por la
media-. Los dos ltimos parmetros suelen utilizarse como factor de escala.
- Y el coeficiente de asimetra es el momento de orden tres que mide la asimetra
de la distribucin alrededor de la media. La asimetra tambin se suele medir de
forma adimensional definiendo el coeficiente de asimetra como el cociente del
76
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
momento de orden tres entre la varianza al cubo. Es habitual como factor de
forma.
Los L-momentos describen la forma de una distribucin de manera similar a los
momentos tradicionales pero con algunas ventajas frente a ellos:
- Los L-momentos son ms estables ante los valores extremos, ya que los
momentos tradicionales amplifican la contribucin de una observacin muy
alejada de la media al elevarla a la 3* o 4* potencia.
- Los L-momentos permiten identificar la distribucin de la que procede una
muestra ms fcilmente que a partir de los momentos tradicionales, (Hosking y
Wallis, 1997) y no hay que olvidar que sta es una aplicacin importante del
clculo de los momentos.
Puesto que los Test que se van a manejar para definir xma regin estn basados
en los L-momentos, se debern calcular, para cada serie estandarizada de cada duracin
y de cada estacin, dichos parmetros y adems, para permitir la comparacin entre
estaciones, tal y como es costumbre, se dividirn los L-momentos estimados entre algn
momento significativo para hacerlos adimensionales.
En el clculo de los L-momentos el proceso seguido ha sido el siguiente
(Hosking y Wallis, 1997):
-Cada una de las series de cada duracin se dividen por su media.
-Cada serie estandarizada- dividida por su media- se ordena de menor a mayor.
-Se calculan los estimadores p mediante la expresin:
n
y=i
77
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Donde:
n, es el nmero de datos de cada serie
j , es el nmero de orden de cada dato ordenado de menor a mayor
Xj :n, es el dato "j -simo" de la serie de "n" datos
-Se determinan los L-momentos definidos por:
'i = A
El factor local, en los L-momentos, se corresponde con li- la media-, y adopta un
valor de 1 al trabaj ar con los valores mustrales estandarizados.
El factor de escala se evala en los L-momentos mediante I2, y el factor de forma
mediante I3.
As mismo, se obtuvieron los L-momentos adimensionales que permiten analizar
estos parmetros:
- tt (L-Cv) que equivale al coeficiente de variacin (Cv) en los momentos
tradicionales,
' ta (L'Ca) que equivale al coeficiente de asimetra (Ca), y
- t4 (L-Ck) que equivaldra al coeficiente de apuntamiento o curtosis. Estos
coeficientes estaran definidos por las siguientes expresiones:
h
t -=-
, =-^ parara3,4
'2
78
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Adems, se calcularon los L-momentos regionales de la distribucin regional
como la media ponderada de los L-momentos adimensionalizados de orden dos y tres.
Al estar manejando las series de distintas duraciones, dentro de uria estacin, las
longitudes de las series son iguales y por tanto no es necesario establecer ninguna
ponderacin. As, el valor regional ser el valor obtenido como media aritmtica.
Como ejemplo se incluye en la tabla 11 los estimadores y los L-momentos
utilizados, correspondientes a la estacin de Valls(0034), y en el Anejo 4 se incluyen los
correspondientes al resto de las estaciones.
dulribidriTin)
5
10
15
20
30
60
120
180
360
720
1440
bO
1
1
1
1
1
1
1
1
1
1
1
b1-:,::v-'
0,6022
0,6038
0,6094
0,6189
0,6312
0,6354
0,6280
0,6250
0,6190
0,6162
0,6160
b2^^,'.-
0,4358
0,4387
0,4441
0,4545
0,4667
0,4727
0,4682
0,4654
0,4575
0,4610
0,4624
\ t ^^''^;
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
12
0.2045
0,2075
0,2187
0,2377
0,2624
0,2708
0,2559
0,2500
0,2380
0,2325
0,2319
13
0,0016
0,0094
0,0081
0,0138
0,0129
0,0235
0,0416
0,0425
0,0313
0,0684
0,0787
i 2 - : :'
0,2045
0,2075
0,2187
0,2377
0,2624
0,2708
0,2559
0,2500
0,2380
0,2325
0,2319
t3
0,0079
0,0454
0,0371
0,0582
0,0492
0,0868
0,1627
0,1701
0,1315
0,2941
0,3393
t4
-0,0506
-0,0674
0,0180
0,0154
0,0016
0,0285
0,0752
0,0992
0,0606
0,2697
0,2521
Tabla 11.- Estimadores y L-momentos en la estacin de Valls (0034).
Representacin grfica de los L-momentos.
En el anlisis regional resulta conveniente representar grficamente los L-
momentos adimensionales de las series. Es una manera rpida y fcil de analizar "de
visu" si son discordantes xmas series respecto a otras. As, se han realizado dos
grficos, en uno se ha representado L-Ca fi-ente a L-Cv- y en otro grfico L-Ca firente a
L-Ck. El centro de la nube de puntos representa los valores medios de L-Cv y L-Ca, y
L-Ck, adems, se pueden construir elipses concntricas con el eje mayor y menor
elegidos de manera que ajuste lo mejor posible a los datos. A partir de ah se puede
medir la dispersin como una distancia media entre el dato de la estacin y la del grupo,
y los datos "discordantes" sern aquellos que queden fuera de la elipse.
79
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
En la figura 8, -tomada de "Regional Frequency Analysis", Hosking y Wallis,
(1997) - que se muestra a continuacin, se pueden observar un ejemplo en el que
claramente hay una serie discordante, que se aleja de las caractersticas estadsticas del
resto, y aparece resaltada en la figura con un crculo en ambos grficos.
0.4
^ 0.3

0.5n
^0. 4- i
I 0.3
0.2
_ P
-1 1 >T
0.2
0.1

0.1 0.2 0.3 0.4 0.5
L-skewness, 3
0.1 0.2 0.3 0.4 0.5
L-skewness, Q
Figura 8.- Ejemplo de estacin discordante. (Fuente: Regional Frecuency Analysis.
Hosking y WalUs, 1997)
En la Figura 9 se ha representado en unos ejes ta-ts, el centro de la nube de
puntos, sealado con una cruz, tiene de coordenadas los valores medios de L-Cv y L-
Ca. Se han construido adems unas elipses de manera que el ajuste sea el mejor con ios
datos de las estaciones, y la estacin "discordante" ser aquella que se encuentre fiera
de las elipses.
>
O
/
L'-skewness, %
Figura 9.- Representacin L-Cv frente a L-Ca, (Fuente: Regional Frecuency
Analysis. Hosking y Wallis, 1997)
80
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Para pequeas muestras se puede hacer una media ponderada en funcin de la
longitud de las series, aunque en este caso, las series que se van a agrupar tienen ei
mismo nmero de datos (salvo en los casos en los que falta un dato en vina de las series,
como se ha comentado en el epgrafe correspondiente)
Medida de la discordancia.
Una vez analizados los grficos de los L-momentos, que nos permiten identificar
series que se alejan claramente del resto que forman la regin, y en su caso eliminarlas
del anlisis regional, se pasara un segundo filtro a las series que permanecen,
realizando el Test de Medida de la Discordancia, propuesto por Hosking y Wallis,
(1997).
Considerando ios cocientes de los L-momentos de todas las series de cada
estacin como puntos en el espacio de tres dimensiones (tz, ts, t4), un punto ser
discordante en tanto en cuanto se aleje del centro de esa nube de puntos. As, se define
la medida de la discordancia de la estacin "i" como:
);=-**(; -f *A-' *(,. -M)
Donde,
N
u = n~^^u
i
t2, es el L-Cv
ts, es el L-Ca
t4, es el L-Ck
n, es el nmero de datos
81
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
El vector "u" representa un punto en el espacio de tres dimensiones (ti, h, U),
por lo tanto, un punto ser "discordante" cuanto mayor sea "D", y lgicamente, ese
valor "grande" de D depende del nmero de estaciones que formen la regin. Este
criterio, si bien fue propuesto por Hosking, ya fue planteado un criterio similar por
Wiiks, (1963), y Thompson, (1935).
Hosking y Wallis, (1997) observan la dificultad de definir xjn valor de "D" que
discrimine y permita separar series claramente discordantes, ya que cuanto mayor es el
nmero de estaciones, ms fcil es que este valor de "D" sea mayor. Sin embargo,
recomiendan que si D>3 se considere discordante. Tambin indican que cuando la
regin es muy pequea, este valor no es muy significativo, lo cual tiene sentido, ya que
es difcil juzgar si se tienen pocas estaciones con las que comparar. En la tabla 12 se
establecen los valores de "D" en funcin del nmero de estaciones que forman una
regin.
Hosking y Wallis, (1997) recomiendan calcular este parmetro en los primeros
anlisis, y an admitiendo ese valor critico, estudiar si es posible que algn
acontecimiento meteorolgico localizado haya podido afectar a alguna estacin de la
regin pero no a todas, y que en el futuro una situacin similar pueda afectar a cualquier
estacin de la regin, ya que entonces, an obteniendo un valor mayor de 3, debe
mantenerse esa estacin en la regin.
N*d;esaciohe:}
nla regih ; r;
5
6
7
8
9
10
11
12
13
14
>15
Valor critic
1,333
1,648
1,917
2,140
2,329
2,491
2,632
2,757
2,8,69
2,971
3
Tabla 12.- Valores de D crtico en funcin del nmero de estaciones de la regin.
Para la aplicacin de este Test, se manej el paquete informtico LMOMENTS
desarrollado por Hosking y Wallis y que es de libre difisin. Se encuentra disponible en
la red en http://lib.stat,cmu.edu/general/lmoments (ltima consulta: septiembre 2004).
82
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Test de Heterogeneidad.
Superado el segundo control, quedara comprobar el grado de heterogeneidad
existente en dichas regiones.
Muchos autores han propuesto diversos tests para determinar la heterogeneidad
de una regin. Entre ellos cabe destacar a Dalrymple, (1960); Wiltshire, (1986);
Hosking y Wallis, (1993)... Todos ellos incluyen un estadstico que mide algn aspecto
de la distribucin de frecuencias, y que debe ser constante en la regin homognea. Para
Dalrymple, este estadstico es el valor para un perodo de retomo de 10 aos escalado
por su media, Wiltshire maneja el coeficiente de variacin, y Hosking y Wallis utilizan
una combinacin de L-Cv, L-Ca, y la L-Ck.
No se ha hecho una comparacin general entre estos tests, pero todos ellos
pueden ser vlidos desde un punto de vista estadstico.
Se va a utilizar la medida de la heterogeneidad, H, propuesta por Hosking y
Wallis, (1993) que compara la variabilidad de los L-momentos mustrales del grupo de
estaciones que conforman la regin con los "esperados" en una regin homognea,
obtenida sta a partir del empleo de tcnicas de simulacin. Este anlisis permite
evaluar cundo la variabilidad observada en las relaciones de los L-momentos del grupo
que conforma la regin es atribuible a variaciones fortuitas o por el contrario, muestra la
existencia de heterogeneidad dentro de la citada regin.
Diversos autores coinciden en concentrar los anlisis en la variacin del
coeficiente L-Cv entre las distintas series ms que en L-Ca o L-Ck pues tiene ms
influencia en las estimas finales, sobre todo en las estimas de los cuantiles extremos. La
bondad de ajuste juzgar en qu medida los momentos L-Ca y L-Ck de la distribucin
seleccionada se ajustan bien al promedio regional de L-Ca y L-Ck de los datos
observados, y para saber lo que debera proporcionar una regin homognea utiliza la
simulacin, generando muestras con la misma longitud que las series observadas.
83
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Defnicin formal de H:
Donde:
H
{v-n^
v =
cr..
i=l
2;ni*t2
* f (^)
t = - i ^
Z".
i=l
iii, es la longitud de la serie
jj,v, es la media de las "N" simulaciones
Cfv, es la desviacin tpica de las "N" simulaciones.
X2 , es el L-Gv regional medio, ponderado con la longitud de la serie.
X2 , es el L-Cv de la i-serie.
Dentro del paquete informtico LMOMENTS, se manej el programa "xtest"
para calcular este estadstico. El programa "xtest" genera las muestras utilizando la
funcin Kappa de cuatro parmetros, que presenta la ventaja de ser ms flexible y ser
capaz de representar muchas distribuciones; con la ventaja aadida de que no se
compromete con una funcin determinada de dos o tres parmetros.
Este anlisis se ha utihzado con xito para acreditar regiones homogneas en el
anlisis regional de frecuencias por Coursey, (1973) y Acreman y Sinclair, (1986) lo
utilizaron para la regionalizacin de datos de caudal en Escocia; Guttman, (1993) lo
utiliz para el anlisis de precipitaciones en USA, y Hosking y Wallis, (1997) lo
recomiendan como el mtodo ms prctico para fonnar regiones.
84
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Hosking y Wallis proponen cohio criterib:
H<1 la regin es homognea
1<H<2 la regin puede ser homognea
Ha2 la regin no es homognea.
Estos autores consideran que si H toma un valor menor que uno la regin es
homognea, y la regionalizacin puede ofrecer ventajas frente a un anlisis local. Del
mismo modo, si "H" es mayor o igual a dos, y las caractersticas lo permiten, puede ser
muy beneficioso redefinir la regin. Y por ltimo, si H toma un valor entre uno y dos la
regin puede o no ser homognea.
Robson y Reed, (1999) suavizan este criterio y sugieren establecer como
intervalos:
H s 4 Regin fuertemente heterognea,
2<H<4 Regin heterognea
H<2 Regin homognea
En esta investigacin se simularon 500 regiones para calcular el valor de H, y se
manej el criterio propuesto por Hosking y Wallis, ms estricto.
Las investigaciones realizadas por diversos autores (Lettenmaier y Potter, 1985;
Lettenmaier et al. ,1987; Hosking y Wallis, 1988; Potter y Lettenmaier, 1990) justifican
el anlisis regional, incluso aunque la regin sea moderadamente heterognea, porque
las estimas de los cuantiles son ms precisas que las que se obtienen estacin a estacin.
En cuanto al nmero de estaciones que se deben agrupar para formar ima regin,
Hosking y WaUis, (1997) en sus investigaciones presentan como conclusiones que en el
proceso de obtencin de cuantiles por el mtodo de regionalizacin se obtienen pocas
ventajas si se utilizan ms de 20 estaciones por regin, por lo que no merece la pena
tratar de agrupar ms de 20 estaciones, y por otro lado, estos mismos autores, tambin
establecen un nmero estaciones mnimo para poder aplicar el estadstico de
85
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
discordancia D y que haban fijado en cinco estaciones, por lo tanto a la hora de
establecer regiones dentro de una estacin, tambin se tuvieron en cuenta estos criterios.
5.1.2.3.-Selecciii de la funcin de distribucin.
Con los Test anteriores se pueden establecer unas "regiones" ms o menos
homogneas, aunque como indican Saenz de Ormejana et a/.,(1991) (a quienes a su vez
plante Hosking en comunicacin personal), el problema que presentan estos Tests
estadsticos es que tienden a confirmar la hiptesis de homogeneidad si el nmero de
estaciones es pequeo, y a rechazarlo si es grande.
Los mismos autores que proponen este Test, tampoco recomiendan utilizarlo
como un test de confirmacin de hiptesis en su sentido estricto y con unos niveles de
significacin, ya que ello llevara implcito aceptar las hiptesis de independencia, tanto
de los propios datos de la serie como entre estaciones, y que la funcin de distribucin
real es la funcin Kappa, y en muchos casos esto no es as. Un test de significacin es
de poca utilidad en cualquier caso porque incluso una regin "moderadamente
heterognea" puede proporcionar estimas de cuantiles con suficiente precisin a efectos
prcticos.
Por lo tanto, se hace necesario saber si dichas regiones son significativas en el
sentido que permitan mejorar las estimas de cuantiles. As, si se tienen un conjunto de
distribuciones candidatas, el objetivo ser seleccionar la ms adecuada, y
posteriormente contrastar objetivamente que la distribucin elegida se ajusta a los datos
aceptablemente. Para ello habr que elegir el modelo de ley de distribucin a adoptar y
no es un tema sobre el que exista pleno consenso, ya que diversos investigadores han
manejado distintas mciones de distribucin con buenos resultados.
En la mayora de las aplicaciones, tal y como se ha comentado anteriormente, las
estimas se realizan en la parte derecha de la distribucin, y es en ella tambin donde
menos datos se tienen, de manera que la fimcin elegida podra estar dando muy buenos
ajustes en la parte inferior, definiendo pequeos perodos de retomo, y sin embargo en
la zona de uso, los ajustes podran ser mucho peores.
86
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Por lo tanto, a la hora de elegir la funcin ms adecuada deberamos elegir, no
tanto la funcin que mejor se adapte a los datos mustrales como la que proporcione las
estimas de cuantiles lo ms robustas y adecuadas al rango de perodo de retomo sobre el
que se har la estima.
Algunos autores, (Boughton, 1980; Laursen, 1983) sugieren que deberan
utilizarse finciones de distribucin que tengan un lmite superior, puesto que, como en
el caso que se est estudiando - las series de intensidades mximas-, hay valores
prcticamente imposible de producirse. Otros autores, entre ellos Hosking y Wallis,
(1997) mantienen que si el objetivo es estimar cuantiles para perodos de retomo hasta
de 100 aos, el hecho de que los cuantiles deducidos para 10.000 aos sean fsicamente
imposibles es irrelevante, y que por el contrario, la imposicin de ese lmite superior
podra comprometer las estimas de los cuantiles en la zona de inters. Aunque por
supuesto tambin comparten que cuando la funcin de distribucin real tiene xm lmite
superior que se acerca a ios datos observados, entonces s resulta aconsejable ajustar a
vaxa funcin que sea capaz de modelizar dichos datos con un lmite superior.
Hosking y Wallis (1986) demuestran que la heterogeneidad del L-Cv es el factor
que ms incide en la obtencin de cuantiles sesgados respecto al verdadero valor. Asi,
una excesiva heterogeneidad en la regin puede conducir a valores prohibitivos en el
sesgo de los cuantiles estimados, a pesar de la ventajosa reduccin de su varianza. Por
ello:
" es preciso conseguir una regin lo suficientemente homognea como para que
predomine el efecto de reduccin de la varianza sobre el del posible sesgo, y d como
consecuencia una estimacin ms precisa de los verdaderos cuantiles"
La Organizacin Meteorolgica Mundial, en un trabajo realizado en 1989 revis
un informe relativo a las leyes de distribucin habituamente empleadas en el anlisis de
valores extremos xie lluvia y caudal y los resultados mostraban dos gmpos principales
de leyes:
- Distribucin de valores extremos: GEV (empleada en Gran Bretaa, Reed,
1992) que incluye como casos particulares las leyes de Gumbel (EVl), Frecht (EV2) y
Weibull(EV3).
87
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
- Distribuciones basadas en la funcin Gamma, que incluye Pearson I (P3),
log-Pearson (LP3), esta ltima recomendada en EEUU para caudales.
Adems, los trabajos realizados por Rossi et al , (1984), en Italia, sugieren
como funcin de distribucin ms adecuada la ley de valores extremos con dos
componentes (TCEV).
Y por ltimo, la ley SQRT-ET mx propuesta en Japn por Etoh et al. , (1986)
es uno de los escasos modelos propuestos especficamente para el anlisis de mximas
lluvias diaria. Este modelo ha sido empleado por Ferrer y Ardiles, (1994) en el estudio
de precipitaciones de la Espaa pernsular con buenos resultados.
Como puede deducirse, se han manejado diversas ftinciones de distribucin,
pero en lo que todos los investigadores sobre la materia estn de acuerdo es que se
debera elegir
"una funcin robusta, capaz de ofrecer mejores estimas de cuantiles, incluso
aunque los datos provengan de otra distribucin algo diferente de la ajustada".
irttri& dfe seeeeirii

El paquete informtico manejado - L-MOMENTS - permite determinar la
funcin de distribucin que mejor ajusta en cada "regin" de entre un
conjunto de funciones de distribucin: valores extremos generalizada (GEV),
Lognormal (LN3), WeibuU, Pearson Tipo ni (PE3), Pareto generalizada
(GPA), logstica generalizada (GLO), Normal generalizada, y ofrece tambin
las estimas de los cuantiles correspondientes.
Cabe sealar dos objeciones: el programa proporcionara la funcin ms
adecuada en cada regin, y puesto que el objeto de la presente Tesis es un
estudio a gran escala, sera conveniente utilizar ima nica funcin en todas
ellas, si los datos as lo permiten. Por otra parte, el programa no incluye la
funcin SQRT-ET mx, desarrollada especficamente para precipitaciones
mximas y que ha proporcionado buenos resultados en Espaa en el estudio
de precipitaciones mximas diarias anuales.
_ _ _
ESTACIOISES CON PLUVIGRAFO. MATERIAL Y MTODOS
A partir de los diagramas de los L-momentos adimensionales (figura 10).
Este mtodo permite elegir una funcin de distribucin en funcin de los
valores de L-Ca (ts) y L-Ck(t4) regionales obtenidos. Teniendo en cuenta los
valores que adoptaran estos parmetros en la funcin elegida, y dependiendo
de la proximidad de los valores regionales a una u otra fimcin, se elige
aquella a la que ms aproxime.
0.O
l-skewnsss, tj
Figura 10.- Diagrama de L-momentos adimensionales
Los diagramas de L-raoments adimensionales tambin han sido
recomendados como una potente herramienta para la eleccin de la funcin
de distribucin utilizando los datos de una regin: Stedinger et al. ,(1993);
Hosking y Wallis, (1997). As mismo, numerosos autores los han utilizado
como parte del proceso de seleccin de la distribucin en un proceso de
regionalizacin, (Schaufer, 1990; Vogel et al. , 1993; Chow y Watt, 1990;
Bum y Goel, 2000; Pearson, C. P., 1993; y en Espaa, Alvarez et al., 1999).
Este mtodo para elegir la funcin de distribucin presenta los mismos
inconvenientes sealados al comentar el primero de los criterios de seleccin.
89
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Para esta Tesis se ha elegido la funcin SQRT-ET mx, que adems de ser muy
robusta, presenta las siguientes caractersticas:
Conduce a resultados ms conservadores que los obtenidos mediante la
ley de Gumbel.
Se ha demostrado que tiene una buena capacidad descriptiva de la parte
derecha de la funcin de distribucin.
Est definida slo por dos parmetros, lo que le da mayor robustez y
permite expresar los cuantiles regionales como funcin exclusiva del valor del
coeficiente de variacin. Este coeficiente se puede representar en forma de
isolneas continuas, eliminando as las discontinuidades resultantes del enfoque
tradicional clsico, facilitando as la presentacin de resultados.
Ha sido utilizada satisfactoriamente en Espaa para la estimacin de
cuantiles de precipitaciones mximas diarias anuales.
5.1.2.4.- Estmacin de parmetros en cada regin.
Cuando se elige el mtodo para la estimacin de parmetros (momentos,
mxima verosimilitud, y momentos ponderados probabilsticamente), aplicado a una
nica muestra, presenta dificultades debido a la incertidxmbre existente respecto a la
representatividad de dicha muestra. Esto se traduce asimismo, en una elevada varianza
en las estimas de los parmetros y cuantiles, varianza que es tanto mayor cuanto ms
corta es la serie y ms alto el coeficiente de asimetria.
En la presente investigacin, y una vez aplicado el proceso de regionalizacin,
se han agrupado aquellas series que forman una regin, formando as, una nica serie.
Por lo tanto, para la estimacin de los parmetros se parte de una nica serie,
previamente estandarizada.
De los mtodos para la estimacin de los parmetros, se deber descartar el
mtodo de momentos ponderados probabilsticamente ya que, como se ha indicado
anteriormente- aparece reflejado en la tabla 3- slo se puede utilizar cuando la funcin
90
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
se pueda expresar explcitamente en forma inversa. Como la funcin elegida es la
SQRT-ET mx esto no es posible.
En cuanto a los otros dos mtodos, mxima verosimilitud y de momentos,
diversos investigadores las han manejado con xito. Entre los autores que han manejado
el mtodo de mxima verosimilitud cabe destacar: Piln y Adamowski, (1993) que lo
utilizaron junto con informacin adicional con una poblacin logPearson tipo 3; Lese,
(1973); Hosking y Wallis, (1986); Guo y Cunnane, (1991) utilizaron el mtodo de
mxima verosimilitud sobre una poblacin Gumbel; y con la Lognormal, Cohn y
Stedinger, (1987).
En el anlisis regional, el mtodo de mxima verosimilitud ha sido empleado en
los estudios de Boes et al., (1989) con la distribucin Weibull; Landwehr et al., (1979)
con la Giunbel; Jin y Stedinger, (1989) con la GEV incluyendo informacin no
sistemtica; y es el mtodo mayoritariamente empleado con la TCEV, Rossi et al. ,
(1984). En Espaa, Francs Garca, (1998), utiliz la funcin de probabilidad TCV con
informacin no sistemtica dentro de un anlisis regional en los ros Jcar y Turia,
utilizando como mtodo de estimacin de parmetros el mtodo de mxima
verosimilitud, y Ferrer y Ardiles, (1994) para el estudio de precipitaciones manejaron
ambos mtodos y con diferentes ftinciones.
Ambos mtodos han sido utilizados con buenos resultados, y puesto que no hay
un criterio nico y objetivo para descartar cualquiera de ellos, se decide aplicar ambos
mtodos para la determinacin de los parmetros "k" y "a" de la funcin SQRT-ET
mx.
Se utilizar el programa Sqrtab.exe, desarrollado por el CEH (CEDEX (2002),
comunicacin personal Javier lvarez Rodrguez) que permite estimar los parmetros
de la funcin SQRT-ET mx por ambos mtodos.
91
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
literiM (d decisin:
Una vez determinados los parmetros "k" y "a" por ambos mtodos los criterios
que se han manejado para seleccionar uno u otro han sido los siguientes:
- Test de Kolmogorov-Smimov.
- Anlisis grfico.
Test de Kolmogorov-Smimov
El Test de Kolmogorov-Smimov es un test no parmetrico que analiza con un
criterio de distancia mxima si la distribucin supuesta es consistente con los datos.
Este contraste es vlido slo para variables continuas y permite comparar la funcin de
distribucin terica de la poblacin con la distribucin emprica de la muestra. En este
caso se aplicar a las dos funciones obtenidas, por mxima verosimilitud y por
momentos, y permitir discernir cual de los dos mtodos de estimacin de parmetros,
proporciona mejores ajustes.
La hiptesis nula de este contraste es que la muestra proviene de un modelo
continuo F(x).
El procedimiento a seguir es el siguiente:
Se ordenan los valores mustrales de manera que X(i)< X(2) ....< X(n)
Se calcula la funcin de distribucin emprica de la muestra Fn(x)
0.....X < X|.j^
K(^}
r
1 ^^^(nj
92
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Se calcula la discrepancia mxima entre la funcin de distribucin observada (o
emprica) y la terica con el estadstico:
Dn= mx|F(jc) - F^X^
cuya distribucin, cuando F(x) es cierta est tabulado. Si la distancia calculada Dn es
mayor que la encontrada en las tablas, para un nivel de significacin, se rechazar la
hiptesis.
Donde,
Fn(x), es la funcin de distribucin emprica de la muestra.
F(x), es la funcin de distribucin terica de la poblacin que se quiere
contrastar.
Dn, es el estadstico definido en la expresin.
Este contraste tiene la ventaja de que no requiere agrupar los datos, pero
presenta el inconveniente de que si calculamos, F(x), estimando los parmetros de la
poblacin mediante la muestra, la distribucin, Dn , es slo aproximada; Adems, este
criterio es conservador, tendiendo a aceptar la hiptesis, pero en contrapartida, permite
construir bandas de confianza de la distribucin. Si, D(a, n), es el valor obtenido en
tablas para ,Dn, se tendr que, si F es correcta, con nivel de confianza 1-a, se tiene:
D{a, n) ^ mx|FH(x) - F{xj^,
y por tanto,
F{x)&F^{x)D{a,ri)
y llevando, D(a,n), a ambos lados de Fn(x) se obtienen bandas de confianza para la
distribucin.
La potencia de este contraste para tamaos mustrales medianos es baja, sin
embargo, en el caso que nos ocupa, al haber aplicado un proceso de regionalizacin, la
muestra ha adquirido un tamao importante, lo que hace adecuada su utilizacin.
93
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Anlisis grfico
Adems, se representar en cada regin los cuantiles adimensionales deducidos
por cada uno de los mtodos y para cada perodo de retomo - o bien frente a su
probabilidad. En la misma grfica se representar la serie- nica y adimensional - de la
regin. Para ello, se le asignar a cada valor de la serie nica, previamente ordenada de
menor a mayor, una probabilidad, pj:n, recomendada por Hosking et al., (1985) para la
distribucin de valores extremos, que tiene la expresin siguiente:
Donde,
j , es la posicin de un valor de la serie, supuestamente ordenada de menor a
mayor.
n, es el nmero de datos total de la serie.
5.1.2.5.-Validacin.
No ha sido posible reservar parte de la muestra para realizar la validacin debido
al pequeo nmero de estaciones y de series disponible, por ello, el mtodo que se
utilizar para la validacin consistir en la generacin de muestras sintticas por el
mtodo de simulacin de Montecario, y en esas muestras generadas se determinarn una
serie de parmetros estadsticos que se compararn con los valores mustrales.
Este procedimiento es una herramienta muy efectiva para establecer las
propiedades estadsticas de un determinado procedimiento o para comparar dos o ms
procedimientos. Hosking et al , (1997) lo recomiendan como mtodo de validacin, y
ha sido utilizado por diversos autores, entre ellos, lvarez et al. ,(1999), y Ferrer y
Ardiles, (1994) en Espaa.
El mtodo de simulacin de Montecario es un procedimiento general para
seleccionar muestras aleatorias de cualquier poblacin de la que se conozca su
distribucin de probabilidad, y para ello se utilizan los nmeros aleatorios.
94
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
El procedimiento consiste en:
1. Tomar un nmero aleatorio de tantas cifras como precisin se desee, y
convertirlo en decimal. Sea
NAunval or(0<NA<l )
2. Considerar ese valor, NA, como el valor de F(x) y tomar como valor
observado en la muestra aquel valor de "x" tal que:
NA =F(x);
x==F-'(NA)
3. Generar una muestra de tamao "n", repitiendo (1) y (2) n veces con
distintos nmeros aleatorios
En este caso, al haber elegido la funcin de distribucin SQRT-ET mx- que no
tiene transformada inversa explcita- se utiliz el mtodo de aproximacin de Newton-
Raphson, para obtener muestras aleatorias que respondan al modelo elegido. En el
proceso de generacin de las muestras se utilizo como semilla el valor inicial zi=l.
El proceso operativo requiere la generacin aleatoria de un nmero suficiente de
muestras, a partir del modelo estadstico ajustado, y de tamao anlogo al observado.
Para ello se utiliz una hoja de clculo "Excel" desarrollada para la presente Tesis por
Alejandro Vivar, P.T.E.U. en la Unidad Docente de Matemticas en la E.U.I.T.Forestal.
En cada regin considerada se generaron 100 muestras con el mismo nmero de
datos que las series de cada duracin de la estacin correspondiente. Se tendrn as 100
muestras, todas ellas de la misma longitud, procedente de la distribucin SQRT^ET mx
(con irnos parmetros k y a obtenidos por el mtodo elegido en cada regin).
En cada muestra se calcularn los siguientes estadsticos: Media, coeficiente de
variacin y coeficiente de asimetra, y el anlisis consistir en la comparacin grfica de
los parmetros estadsticos obtenidos en las muestras sintticas generadas por el mtodo
de Montecarlo y los valores mustrales observados.
Los valores de la media de las 100 muestras deberan aproximarse a uno, puesto
que se ha manejado la variable estandarizada, cociente del valor muestra! entre la media
de la serie.
95
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
En cuanto a los otros dos parmetros, los valores de las muestras generadas por
el mtodo Montecarlo, deberan adoptar valores similares a los observados si el modelo
describe adecuadamente las propiedades de los datos. Para ello, se representarn los
valores de Coeficiente de variacin (Cv) frente a Coeficiente de asimetra (Ca) de las
muestras generadas y los valores obtenidos en las muestras observadas. Si los pares de
puntos Cv-Ca de las series de datos observados se encuentran dentro de la nube de
pvintos de los pares de valores Cv-Ca de las muestras generadas, indicar que el
comportamiento de las muestras generadas responde al mismo patrn que los datos
mustrales reales y, por tanto, la funcin elegida para reproducir las caractersticas
mustrales es adecuada.
5.1.2.6.- Obtencin de cuantiles adimensonales.
A continuacin, se debern calcular los cuantiles adimensonales de cada una de
las regiones obtenidas para los perodos de retomo ms usuales:
2, 5,10,25, 50,100, 200, y 500 aos
En cada una de las regiones adoptadas, se utilizar la serie nica, admensonal,
resultante de la regionalizacin, para el ajuste a una funcin SQRT-ET mx, por el
mtodo elegido - tras aplicar los criterios planteados en el epgrafe 5.1.2.4.-.
De esta forma se obtendrn los cuantiles adimensonales en cada una de las
regiones y para cada imo de los perodos de retomo adoptados.
5.1.2.7.- Obtencin de las intensidades mximas para cada duracin y perodo de
retorno.
Al haber adoptado el mtodo ndice de avenida, se asume que la variable
resultante de dividir en cada estacin, y en cada duracin, los valores observados por su
media siguen la misma distribucin de fi-ecuencia en toda la regin. Los parmetros de
la distribucin se obtienen a partir del conjimto de datos de la regin, mientras que el
valor de la media se obtiene a partir de los datos de cada estacin.
96
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Por lo tanto, una vez obtenidos los cuantiles adimensionales de la distribucin
regional, los cuantiles locales se obtienen de forma general como:
Donde,
xt, es la estimacin de la variable asociada a un perodo de retomo T.
Yt , es la media de la variable aleatoria xt
Yt , es el cuantil adimensional deducido para el perodo de retomo T.
En este caso, siendo la variable aleatoria "intensidad mxima" en una estacin
para una duracin y perodo de retomo, sta se obtendr como producto del cuantil
adimensional regional por la intensidad mxima media correspondiente a dicha
duracin, y de esta manera se recupera el efecto de la media, que es propio de cada
serie.
estacin estacin
Siendo,
CA(T)regin, el cuaiitil adimensional obtenido en la regin.
r, ., , es la media de las intensidades mximas registradas
i d estacin , . ., , , , . ,
para la duracin considerada en la estacin
correspondiente.
Por lo tanto para estimar la intensidad mxima para una duracin y perodo de
retomo se requiere conocer el cuantil adimensional correspondiente al perodo de
retomo de la regin a la que pertenezca, y adems la intensidad mxima media
correspondiente a la duracin considerada.
5.1.3.-SELECaN DEL MODELO ffiF.
Con la metodologa propuesta quedara resuelta la estimacin de la intensidad
mxima para una detenninada duracin y un detenninado perodo de retomo en una
estacin en el que se disponga de pluvigrafo. Pero como se ha venido indicando, el
97
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
nmero de estaciones con pluvigrafo disponibles en Espaa es escaso, por lo el
problema sigue pendiente en las estaciones que carecen de l.
Para tratar de solucionarlo, la mayora de los artculos consultados tratan de
establecer expresiones que relacionen en una estacin con pluvigrafo, la media de las
intensidades mximas de cada duracin con la media de las intensidades mximas en 24
horas. Como el dato de intensidad mxima media en 24 horas se puede obtener en
estaciones con pluvimetro, se suele desarrollar una metodologa que permite extrapolar
la ley IDF obtenida y aplicarla a estaciones que slo tienen pluvimetro.
En la presente investigacin se analizarn varios modelos que se estn
manejando actualmente - y que aparecen en la literatura especfica -, con objeto de
elegir el ms adecuado, para posteriormente extender los resultados a las estaciones sin
pluvigrafo.
5.1.3.1.-Modelos estudiados.
A partir de la expresin:
^ V" , - ' )estacin ~ '^rl\l /regin ^ d estacin
Se puede establecer la relacin entre I(d,7) y 1(24,1) de la manera siguiente:
7(24, n CA(T)^,^,,^ (T)
g(d)
Esta expresin solamente depende de la duracin considerada, y el CA(T)regin
no tiene porqu coincidir con CA(T)REGIN, ya que depende de la regin en la que est
incluida cada duracin.
A continuacin se muestran los modelos que se van a estudiar en este trabajo.
Modelo 1.- Modelo general de tres parmetros,( Koutsoyiannis et al., 1998):
a+a
Donde; "a"," b", "m" son parmetros, y
"d" es la duracin
98
ESTACIONES CON PLUVIGRAFO. MATERIAL Y MTODOS
Modelo 2.- Modelo de dos parmetros propuesto por Yamell y Hathaway (1965):
Donde: "a" y "b", son parmetros
"d" , es la duracin
Modelo 3.- Modelo de dos parmetros, generalizacin del modelo utilizado en la
Instruccin 5.2-IC, (1990):
Donde : "b" y "a" , son parmetros
"d" , es la duracin
A partir del estudio de estos modelos, que se recogen en el apndice H, se optar
por el modelo que ofrezca mejores ajustes.
99
ESTACIONES CON PLUVIGRAFO. RESULTADOS
5.2.-RESULTADOS.
5.2.1.-CONFORMACION 0E REGIONES.
En el proceso de formacin de regiones se abordaron dos lneas:
A.- En una primera aproximacin, se parti de las regiones definidas por Ferrer y
Ardiles en el estudio de precipitaciones mximas en Espaa, y se intent agrupar, las
seres correspondientes a una duracin determinada, de todas las estaciones que se
encuentran en cada regin, y estudiar si formaban una regin homognea. En el mapa 3
aparecen reflejadas las regiones de Ferrer y Ardiles, (1994), as como las estaciones
disponibles.
' ^
Mapa 3.- Mapa de las regiones elaborado por Ferrer y Ardiles para el estudio de mximas lluvia en
Espaa, junto con las estaciones con pluvigrafo disponible.
100
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
En la tabla 13 se resume la informacin del mapa 3: cada estacin, - con el cdigo
identifcativo del INM- se muestra junto a la regin a la que pertenece - definida por el
cdigo establecido por Ferrer y Ardiles- y adems se han agrupado con un color todas
las estaciones disponibles en cada regin.
Tabla 13-Distribucin de estaciones con pluvigrafo en cada una de las regiones definidas por Ferrer y
Ardiles.
Cdigo
INM
1208
1212
1428
1496
; 1496
1387
1499
1549
2363
2633
2661
1110
1024
1082
2867
2444
2462
2331
2422
2614
3469
3195
3196
3200
3259
4121
8175
4452
cdigo
regin
s;:; .:::: 101
101
; 101
101
101
101
101
103
103
103
103
107
107
107
202
203
203
204
205
205
207
303
303
303
303
401
401
402
Cdigo
INM
4478
4245
5530
6120
6172
63250
4605
6006
5911
6024
7031
7228
8025
8416
8500A
2030
2139
2243
9121
9148
9171
9434
9443
9771
9898
3013
9981
9980A
cdigo
regin
402
403
505
601
601
601
603
603
603
603
801
801
801
801
801
901
901
901
901
901
903
903
903
903
903
909
1001
1001
Cdigo
INM
^ 34
111
201
222
225
370
429
cdigo
regin
1001
1001
1001
1001
1001
1001
1001
101
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
En la tabla 14 se resume el nmero de estaciones disponible en cada regin.
cdigo
regin
101
103
107
202
203
204
205
207
301
Nde
estaciones
disponible
7
4
3
1
2
1
2
1
0
cdigo
regin
303
401
402
403
501
503
505
601
603
N'-de
estaciones
disponible
4
2
2
1
0
0
1
3
4
cdigo
regin
701
801
901
903
905
907
909
1001
N^de
estaciones
disponible
0
5
5
5
0
0
1
9
Tabla 14.- Nmero de estaciones disponible en cada regin definida por Ferrer y Ardiles, (1994).
En la tabla 14 se comprueba que;
=> Slo cinco de las regiones definidas por Ferrer y Ardiles -101,801,901,903,
1001 - cuentan con un nmero adecuado de estaciones (n estaciones >5, lo que
permitira utilizar el Test de Medida de la Discordancia como control de que la regin
est bien constituida).
=^ En seis regiones - 202, 204, 207, 403, 505, y 909 -solo hay una estacin.
=> En seis regiones- 301, 501, 503, 701, 907, 905 y 907- no hay ninguna
estacin con pluvigrafo.
=> En nueve regiones-103, 107, 203, 205, 303, 401, 402, 601, 603- hay muy
pocas estaciones, entre xma y cuatro.
Ante la falta de estaciones para definir regiones adecuadamente, se decide
rechazar esta va.
102
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Se podra plantear una reagrapacin de las regiones de Ferrer y Ardiles, pero la
irregularidad en la distribucin espacial de las estaciones pluviogrficas, con amplias
superficies sin estaciones obligara a definir regiones excesivamente grandes y con
caractersticas del rgimen de precipitaciones claramente heterogneas, por lo que no se
abord tal reagrupamiento.
B.- La siguiente opcin que se plante fue la realizacin de un proceso de
regionalizacin "intraestacin", es decir, considerando cada estacin como una regin y
agrupando las once series disponibles en cada una de ellas. Para ello se realizaron
ensayos con algunas estaciones, aplicando los controles sucesivos de representacin de
los L-momentos, aplicacin de los Test de Medida de la Discordancia y de
Heterogeneidad, planteados por Hosking y Wallis, y definidos en el epgrafe 5.1.2.2.2.
de Material y Mtodos. En muchas estaciones se obtuvieron valores de discordancia
mayores que 2,632, umbral que obliga a rechazar una regin definida por once series (se
puede comprobar en la tabla 12), pero sobre todo, los valores de "H" (Medida de la
Heterogeneidad) obtenidos eran muy altos, por lo que tambin se desech esta va.
A modo de ejemplo se muestra la estacin de Salamanca (2867).
2867-11
SITE
1
2
3
4
5
6
7
8
9
10
11
N
41
41
41
41
41
41
41
41
41
41
41
SITES
AME
5m
lOm
15m
20m
30m
e Oi r t
120
180
360
720
24h
L-CV
0.3152
0.2787
0.2698
0.2782
0.2813
0.2559
0.2198
0.1918
0.1648
0.1651
0.1771
L-SKEW
0.2521
0.1912
0.2186
0.2745
0.3289
0.3301
0.2764
0.2424
0.1916
0.1557
0.1729
L-KURT
0.0958
0.0889
0.1306
0.1325
0.1609
0.1799
0.1556
0.1962
0.2545
0.1644
0.1363
D(I)
0.99
1.09
0.54
0.23
0.84
0.98
0.87
0.39
2.71 *
0.96
1.40
Tabla 15.- Resumen de estadsticos y resultados de aplicar el Test de Medida de la Discordancia
en la estacin de Salamanca (2867) con todas las series disponibles
103
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
En la salida del programa aparece la serie de 360 minutos con un asterisco a la
derecha, en la columna de la Medida de la Discordancia, donde se indica que "D" toma
un valor de 2,71 (> 2,632, umbral de valor de "D" para once estaciones). Adems se
aplic el Test de Heterogeneidad, recogido en la tabla 16, en el que "H" toma un valor
de 4.88 (>2, umbral que define una regin heterognea), y por lo tanto claramente
heterognea.
***** HETEROGENEITY MEASURES *****
(NUMBER OF SIMULATIONS = 500)
OBSERVED S.D. OF GROUP L-CV
SIM. MEAN OF S.D. OF GROUP L-CV
SIM. S.D. OF S.D. OF GROUP L-CV
STANDARDIZED TEST VALU H(l)
= 0
= 0
= 0
= 4
0516
0247
0055
88 **
Tabla 16.- Aplicacin del Test de Heterogeneidad en la estacin de Salamanca (2867).
En la salida del programa aparecen dos asteriscos a la derecha del valor de "H"
para indicar que la regin es claramente heterognea.
Al eliminar la serie de 360 minutos, ninguna serie es discordante, pero "H" sigue
siendo muy alto (H=4,29). (Tablas 17 y 18)
2867
SITE
1
2
3
4
5
6
7
8
9
10
N
41
41
41
41
41
41
41
41
41
41
AME
5m
lOm
15m
20m
30m
60m
120
180
720
24h
L-CV
0.3152
0.2787
0.2698
0.2782
0.2813
0.2559
0.2198
0.1918
0.1651
0.1771
L-SKEW
0.2521
0.1912
0.2186
0.2745
0.3289
0.3301
0.2764
0.2424
0.1557
0.1729
L-KURT
0.0958
0.0889
0.1306
0.1325
0.1609
0.1799
0.1556
0.1962
0.1644
0.1363
D(I)
0.93
1.02
0.96
0.20
0.73
0.89
1.24
1.22
1.31
1.50
10 SITES
Tabla 17.- Resultados de aplicar el Test de Medida de la Discordancia al elinainar la serie de 360
minutos en la estacin de Salamanca (2867).
104
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
***** HETEROGENEITY MEASURES *****
(NUMBER OF SIMULATIONS = 500)
OBSERVED S.D. OF GROUP L-CV
SIM. MEAN OF S.D. OF GROUP L-CV
SIM. S.D. OF S.D. OF GROUP L-CV
STANDARDIZED TEST VALU H(l)
= 0.0486
= 0.0241
= 0.0057
= 4.29 **
Tabla 18.-Resultados de aplicar el Test de Medida de la Heterogeneidad al eliminar la serie de 360
minutos en la estacin de Salamanca (2867)
En un intento de definir regiones homogneas dentro de cada estacin se
realizaron diversos ensayos:
B.I.- Se elimin la serie de 5 minutos justificando su eliminacin en que es un dato que
se maneja poco en los estudios de caudal.
Siguiendo con el ejemplo anterior, en la estacin de Salamanca (2867) ,las tablas
19 y 20, indican que en el Test de Medida de la Discordancia no aparece ninguna serie
discordante, sin embargo, el Test de Heterogeneidad muestra que la regin sigue siendo
heterognea (H=3,92)
2867-10
SITE
1
2
3
4
5
6
7
8
9
10
N
41
41
41
41
41
41
41
41
41
41
SITES
AME
lOm
15m
20m
30m
60m
120
180
360
720
24h
L-CV
0.2787
0.2698
0.2782
0.2813
0.2559
0.2198
0.1918
0.1648
0,1651
0.1771
L-SKEW
0.1912
0.2186
0.2745
0.3289
0.3301
0.2764
0,2424
0.1916
0.1557
0.1729
L-KURT
0.0889
0.1306
0.1325
0.1609
0.1799
0.1556
0.1962
0.2545
0.1644
0.1363
D(I)
1.47
0.80
0.37
0.81
0,86
0.77
0.35
2.45
0.86
1.25
Tabla 19.- Aplicacin del Test de Discordancia en la estacin de Salamanca (2867) considerando todas
las series menos la de 5 minutos.
105
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
***** HETEROGENEITY MEASURES *****
(NUMBER OF SIMLATIONS = 500)
OBSERVED S.D. OF GROUP L-CV
SIM. MEAN OF S.D. OF GROUP L-CV
SIM. S.D. OF S.D. OF GROUP L-CV
STANDARDIZED TEST VALU H{1)
= 0
= 0
= 0
= 3
0473
0244
0058
92 **
Tabla 20.- Resultados de aplicar el Test de Heterogeneidad al eliminar la serie de 5 minutos en la
estacin de Salamanca (2867).
El objetivo era ti-atar de reducir la medida de la discordancia, pero no dio los
resultados esperados.
B.2.- La siguiente opcin que se baraj consisti en eliminar la serie de 24 horas,
justificando su no-utilizacin en que esta serie se puede obtener a partir de estaciones
con pluvimetros. Pero tampoco esta opcin dio buenos resultados.
Siguiendo con el mismo ejemplo, en las tablas 21 y 22, se observa que la
discordancia "salta" en la serie de 360 minutos, y la regin sigue siendo claramente
heterognea (H=4,22).
2867
SITE
1
2
3
4
5
6
7
8
9
10
N
41
41
41
41
41
41
41
41
41
41
AME
5m
l O m
15m
20m
30m
6 Ora
120
180
360
720
L-CV
0.3152
0.2787
0.2698
0.2782
0.2813
0.2559
0.2198
0.1918
0.1648
0.1651
L-SKEW
0.2521
0.1912
0.2186
0.2745
0.3289
0.3301
0.2764
0.2424
0.1916
0.1557
L-KURT
0.0958
0.0889
0.1306
0.1325
0.1609
0.1799
0.1556
0.1962
0.2545
0.1644
10 SITES
D(I)
0.89
1.07
0.46
0.18
0.80
0.87
1.13
0.43
2.52 *
1.65
Tabla 21.-Resultados de aplicar el Test de Medida de la Discordancia al eliminar la serie de 24 horas en
la estacin de Salamanca (2867).
106
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
***** HETEROGENEITY MEASURES *****
(NUMBER OF SIMULATIONS = 500)
OBSERVED S.D. OF GROUP L-CV
SIM. MEAN OF S.D. OF GROUP L-CV
SIM. S.D. OF S.D. OF GROUP L-CV
STAMDARDIZED TEST VALU H(l)
= 0
= 0
= 0
= 4
0504
0251
0060
22 **
Tabla 22.- Resultados de aplicar el Test de Medida de la Heterogeneidad en la estacin de Salamanca
(2867) al eliminar la serie de 24 horas.
B.3.- Por ltimo, se dividieron en dos regiones las series dentro de cada estacin: por un
lado, cortas duraciones y por otro lado, largas duraciones, y el criterio que se estableci
para definir cortas y largas duraciones fue la duracin de 60 minutos.
Esta duracin, 60 minutos, permite distinguir el distinto origen de las
precipitaciones y ha sido utilizado por distintos autores como criterio (Ferreri y Ferro,
1990; Porras y Porras, 2001).
Por lo tanto, se van a realizar dos procesos de regionalizacin en cada estacin,
con seis seres correspondientes a cortas duraciones (5, 10, 15, 20, 30 y 60 minutos) y
cinco series correspondientes a largas duraciones (120, 180, 360, 720 minutos y 24
horas) hasta manejar las 11 series disponibles por estacin. Al formar estas dos regiones
se ha tenido en cuenta, adems, que el nmero de series agrupadas es mayor que 5 y se
puede aplicar el Test de Medida de la Discordancia.
Siguiendo el ejemplo propuesto, se muestran los resultados de aplicar el proceso
de regionalizacin, intraestacin, en la estacin de Salamanca (2867), definiendo dos
regiones, cortas duraciones (con seis series) y largas duraciones (con cinco series) en las
tablas 23,24,25, y 26.
107
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
2867
SITE
1
2
3
4
5
-5 SITES
N AME
41 120
41 180
41 360
41 720
41 24h
(Largas
WEIGHTED MEANS
duraciones)
L-CV
0.2198
0.1918
0.1648
0.1651
0.1771
0.1837
L-SKEW
0.2764
0.2424
0.1916
0.1557
0.1729
0.2078
L-KURT
0.1556
0.1962
0.2545
0.1644
0.1363
0.1814
D(I)
1.31
1.33
1.25
0.51
0.60
Tabla 23.- Resultados de aplicar el Test de Medida de Discordancia en la regin "largas duraciones" en
la estacin de Salamanca (2867).
Estacin 2867. Largas duraciones
***** HETEROGENEITY MEASURES *****
(NUMBER OF SIMULATIONS = 500)
OBSERVED S.D. OF GROUP L-CV
SIM. MEAN OF S.D. OF GROUP L-CV
SIM. S.D. OF S.D. OF GROUP L-CV
STANDARDIZED TEST VALU H(l)
= 0.0206
= 0.0201
= 0.0075
= 0.06
Tabla 24.- Resultados de aplicar el Test de Heterogeneidad en la en la regin "largas duraciones" en la
estacin de Salamanca (2867).
2867
SITE
1
2
3
4
5
6
-6 SITES
N
41
41
41
41
41
41
AME
5m
lOm
15m
20m
30m
60m
(Cortas
WEIGHTED MEANS
duraciones)
L-CV
0.3152
0.2787
0.2698
0.2782
0.2813
0.2559
0.2798
L-SKEW
0.2521
0.1912
0.2186
0.2745
0.3289
0.3301
0.2659
L-KURT
0.0958
0.0889
0.1306
0.1325
0.1609
0.1799
0.1314
D(I)
1.33
1.38
1.66 *
0.16
0,56
0.92
Tabla 25.- Resultados de aplicar el Test de Medida de Discordancia en la regin "cortas duraciones" en
la estacin de Salamanca (2867).
108
ESTACIONES CON PLUVIGRAFO.RESULTADOS
Estacin 2867. Cortas duraciones
***** HETEROGENEITY MEASURES *****
(NUMBER OF SIMULATIONS = 500)
OBSERVED S.D. OF GROUP L-CV
SIM. MEJOT OF S.D. OF GROUP L-CV
SIM. S.D. OF S.D. OF GROUP L-CV
STAISTDARDIZED TEST VALU H(l)
= 0
= 0
= 0
= -0
0179
0238
0074
78
Tabla 26.- Resultados de aplicar el Test de Heterogeneidad en la en la regin "cortas duraciones" en la
estacin de Salamanca (2867).
Una vez definido el criterio para identificar regiones, se aplic al resto de las
estaciones, y se realizaron los distintos anlisis, que peimitieron aceptar dichas regiones
como homogneas.
5.2.1.1.-Anlisis de homogeneidad.
Representacin grfica de los L-momentos.
La dificultad que entraa el proceso de regionalizacin planteado en la presente
Tesis es el escaso nmero de series que se agrupan para formar la regin homognea, ya
que al representar dichos valores slo se disponen de cinco datos en un caso, y seis
datos en el otro, por lo que resulta difcil definir las elipses recomendadas.
A modo de ejemplo en la figura 11 se han representado los parmetros t3-t2 , que
se corresponden con L-Ca y L-Cv, en ambas regiones, ("largas duraciones" y "cortas
duraciones") en la estacin de Valls (0034). En rosa se ha marcado los valores de L-Ca
y L-Cv medios en la regin.
Como puede observarse, el grfico es poco significativo, y no permite distinguir
series discordantes. Por lo tanto, no se realizar esta representacin y se pasar
seguidamente a realizar el siguiente filtro, el Test de Medida de la Discordancia.
109
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Figura H. - Representacin de los L-momentos en ambas "regiones" de la estacin de Valls (0034),
Test de Medida de la discordancia.
Se aplic el Test de Medida de la Discordancia en cada una de las regiones
definidas, cortas y largas duraciones en cada estacin, aplicando el criterio que se refleja
en la tabla 12, pero teniendo en cuenta que si el estadstico "D" obtenido es ligeramente
mayor que el que se indica, se mantendr y se analizar posteriormente, despus de
aplicar el Test de Homogeneidad en la regin. Como indican Hosking y Wallis, (1997)
podra darse un suceso meteorolgico que afecte slo a alguna serie de la regin, pero si
tenemos la certeza de que puede darse en las otras seres de la regin, entonces
deberamos mantenerlo aunque resulte "discordante".
El crteo.utilizado fue el siguiente:
Q Si el valor de "D" obtenido es menor que el umbral, aceptar la regin, para este
Test, y pasar el siguiente control.
Si el valor de "D" obtenido se encuentra prximo al umbral definido en la tabla 12
(que depende del nmero de series agrupadas), posponer la decisin tras el anlisis
del Test de Heterogeneidad.
a Eliminar una serie cuando sta sea claramente discordante respecto al resto (D>3),
repetir el Test sin dicha serie y volver a determinar nuevamente el parmetro D.
lio
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
No se obtuvo ninguna serie claramente discordante (D>3), por lo que se pas a
analizar el Test de Heterogeneidad.
A modo de ejemplo, y siguiendo el estudio de la estacin de Valls (0034),en las
tablas 27 y 28 se presenta la aplicacin del Test de Medida de la Discordancia, tanto en
la regin definida para cortas como para largas duraciones. En la parte superior del
cuadro aparece el cdigo de identificacin de la estacin donde se est aplicando el
proceso de regionalizacin junto a las duraciones que se han agrupado- cortas o largas
duraciones- y se ve que en esta estacin no hay ninguna serie discordante respecto al
resto.
Estacin 0034-cortas
SITE
1
2
3
4
5
6
N
25
25
25
25
25
25
AME
5m
lOm
15m
2 Ora
30m
eom
WEIGHTED MEANS
duraciones
L-CV
0.2045
0.2075
0.2187
0.2377
0.2624
0.2708
0.2336
L-SKEW
0.0079
0.0454
0.0371
0.0582
0.0492
0.0868
0.0474
L-KURT
-0.0506
-0.0674
0.0180
0.0154
0.0016
0.0285
-0.0091
D(I)
1.01
1.47
1.10
0.30
1.17
0.94
Tabla 27.- Resultados de aplicar el Test de Medida de la Discordancia en la regin "cortas duraciones"
en la estacin de Valls (0034).
Estacin 0034-
SITE
1
2
3
4
5
N
25
25
25
25
25
-largas
AME
120m
IBOm
360m
72 Om
24h
WEIGHTED MEANS
duraciones
L-CV
0.2559
0.2500
0.2380
0.2325
0.2319
0.2417
L-SKEW
0.1627
0.1701
0.1315
0.2941
0.3393
0.2195
L-KURT
0.0752
0.0992
0.0606
0.2697
0.2521
0.1514
D(I)
0.81
0.28
1.30
1.28
1.32
Tabla 28.- Resultados de aplicar el Test de Medida de la Discordancia en la regin "cortas duraciones"
en la estacin de Valls (0034)
Para el resto de salidas de programa se puede consultar el Anejo 5.
111
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Test de Heterogeneidad.
El programa "xtest" utilizado para aplicar el Test de Heterogeneidad en cada una
de las dos regiones definidas en cada estacin, proporciona un archivo de salida en el
que se refleja este parmetro, "H".
Se utiliz como umbral para definir una regin homognea el propuesto por
Hosking y Wallis, ms estricto que el de Robson y Reed, y el Test dio buenos resultados
en la mayora de los casos.
El criterio planteado fue el siguiente:
p Si el Test proporciona un valor de H menor que 1 se acepta dicha regin como
buena, an cuando hubiera salido algima serie ligeramente discordante.
a Si los valores de H estn comprendidos entre 1 y 2 definen una regin que puede
ser homognea o no.
Q Si D no hubiera definido discordancia de alguna serie respecto a la regin,
sta se mantendr con todas las series.
Si D define una serie discordante respecto al resto, se eliminar esa serie, y
se volver a pasar el Test:
a Si el Test mejorara, se volver a definir la regin sin esa serie.
o Si no mejorara, se mantendr la serie discordante.
Si el Test proporciona un valor de H mayor que 2, se revisar si la regin est bien
construida y se comprobar si el valor de "D" ha salido mayor que el umbral.
Si haba salido alguna serie discordante fi"ente al resto, se eliminar y se
volver a pasar el Test de Homogeneidad. Si "H" sale menor que 2 se acepta.
112
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Si no hubiera salido ninguna serie discordante, se harn ensayos hasta
conseguir que el Test proporcione resultados adecuados.
En la tabla 29, se muestran los resultados obtenidos en la estacin de Valls (0034) en
la regin "cortas duraciones". En este caso no se han planteado problemas; la situacin
se corresponde con H<1, y adems en el Test de Discordancia no haba salido ninguna
serie discordante,( para su consulta, tabla 26).
***** HETEROGENEITY MEASURES *****
(NUMBER OF SIMULATIONS = 500)
OBSERVED S.D. OF GROUP L-CV = 0.0258
SIM. MEiJSr OF S.D. OF GROUP L-CV = 0.0219
SIM. S.D. OF S.D. OF GROUP L-CV = 0,0077
STANDARDIZED TEST VALU H(l) =0.50
Tabla 29.- Resultados de aplicar el Test de Heterogeneidad en la regin "cortas duraciones", en la
estacin de Valls (0034).
Para analizar el resto de salidas se puede consultar el Anejo 5.
A continuacin se analizan con ms detalle los resultados obtenidos:
CASOI: H<1
Se han producido las dos situaciones que a priori podran plantearse:
a Regiones que an siendo homogneas, el Test de Medida de Discordancia ha
definido alguna serie ligeramente discordante. En la tabla 30 se muestran los casos
en que se ha dado esta situacin, aunque siguiendo el criterio establecido, se aceptan
todas las regiones.
En la tabla 30 se sealan aquellas estaciones en las que "D" es ligeramente
discordante, y en parntesis aparece la serie discordante, con el valor obtenido de "D".
113
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Junto al cdigo de referencia de la estacin aparece una letra: "c" para indicar cortas
duraciones, o bien "1 " para indicar largas duraciones.
Cortas duraciones:
Regin
Santander
1110c
Vigo (peinador)
1496c
Salamanca
2867c
Ciudad real
4121c
Chauchina
5530c
Lrida
9771c
Algeciras
6006c
H
-0.23
0.86
-0.78
-1.05
-1.97
-1.48
-0.9
D
1 .66(60min)
1.66(10min)
1.66(15min)
1.66(60min)
1.66(30min)
1.65 (5 min)
1.65 (5 min)
Largas duraciones
Regin
Almera
632501
H
-1.39
D
1.33 (120 rain)
Tabla 30.- Relacin de estaciones en las que "H" es menor que 1 y "D" ligeramente discordante.
En el resto de las regiones, un valor de "H <V\ va acompaado de un valor de "D''
menor que el umbral definido en la tabla.
CASO H: 1<H<2
Esta situacin se presenta en seis estaciones: dos corresponden a cortas
duraciones, y cuatro corresponden a largas duraciones. En la tabla 31 se muestran las
regiones en las que se ha obtenido un valor de "H" en dicho intervalo.
114
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
Cortas dtiraciones: Largas duraciones:
Regin
Figueras
0429c
Amao
1212c
H
1.2
1.86
D
NO
1.65 (5min)
Regin
P.Porma
26331
Madrid-4v
31961
Guadalupe
42451
Castelln
85001
H
1.46
1.16
1.95
1.26
D
NO
NO
1.33(180 minutos)
NO
Tabla 31.- Relacin de estaciones en las que "H" se encuentra en el intervalo (1-2).
En la tabla 31 se indica NO en aquellos casos en que el Test de Medida de la
Discordancia no haba definido ningiina serie discordante.
Siguiendo el criterio indicado, en Figueras (0429c) no se elimina ninguna serie,
al no haber salido ninguna claramente discordante, y en Amao (1212c), se elimina la
serie de cinco minutos, (y aparecer en el cuadro resumen, tabla 33, con un 5 en
parntesis)
En Guadalupe(42451) se elimin la serie de 180 minutos y se volvi a pasar el
Test, pero al no mejorar, se decidi mantener todas las series en la regin.
GASOm: H>2
Se obtuvieron siete regiones con "H>2", cinco regiones de cortas duraciones y
dos regiones de largas duraciones, que se recogen en la tabla 32.
Entre ellas, en la estacin de Guadalupe (4245) se obtuvo, para una duracin de
5 minutos, D=1.66 mayor que el umbral de seis estaciones (I>=1.648). Siguiendo el
criterio propuesto, se elimina en dicha estacin-4245c- la serie de 5 minutos, se vuelve a
pasar el Test, y se obtienen buenos resultados.
115
ESTACIONES CON PLUVIOGRAFO.RESULTADOS
En el resto de estaciones, tambin se elimina la serie de cinco minutos, an
cuando no haba salido discordante, pero se obtiene una regin homognea. En el
cuadro resumen, tabla 33, re muestran los resultados finales obtenidos.
Cortas duraciones: Largas estaciones:
Regin
Gerona
(0370c)
Navacerrada
(2462c)
Molina
(3013c)
Guadalupe
(4245c)
Mezalocha
(9443c)
H
2.71
3.14
3.36
2.93
3.7
D
NO
NO
NO
1.66(5min)
NO
Regin
Ciudad real
(41211)
Logroo
(91481)
H
2.62
3.03
D
NO
NO
Tabla 32.- Relacin de estaciones en las que "H" es mayor que 2.
En largas duraciones, las regiones con "H>2" no presentan ninguna serie
claramente discordante. Como estas regiones estn formadas por cinco series, si se
elimina una, ya no se puede aplicar el Test de Medida de la Discordancia, porque el
nmero mnimo para poder aplicarlo es de cinco estaciones. Por ello, se hacen anlisis
exclusivamente con el Test de Heterogeneidad, eliminndose en ambos casos la serie de
120 minutos, y se obtienen los resultados que se muestran en el cuadro resumen, tabla
33, y aparecer ese nmero, 120, entre parntesis para indicar que se ha eliminado dicha
serie.
116
ESTACIONES CON PLUVIGRAFO. RESULTADOS
En el esquema 5, se describe el proceso de anlisis de homogeneidad realizado
en las regiones "cortas duraciones", as como el nmero de estaciones afectado
siguiendo los criterios establecidos.
NO
7 estaciones
2 Estaciones
5 estaciones
SI
56 estaciones
OK
ELIMINAR SERIE DISCORDANTE
H<1
>>UMBRAL OK
1 estacin
D<UMBRAL
OK
1 estacin
ELIMINAR SERIE DISCORDANTE
H<1
fetJMiBRAl
OK
ELIMINAR UNA SERIE
1 estacin HASTA QUE
D<UMBRAL Y H<1
; D< UMBRAL
OK
4 estaciones
Esquema 5,- Resumen de los Anlisis de Homogeneidad en las regiones de "cortas duraciones"
As mismo, se ha realizado el mismo esquema, esquema 6, para las regiones
definidas como "largas duraciones".
117
ESTACIONES CON PLUVIGRAFO. RESULTADOS
SI
H<1
57 estaciones
NO
6 estaciones
1 estacin
4 Estaciones
D<UMBRAL
3 estacin
H>2
D< UMBRAL
OK
D>UMBRAL
SB MANTIENE SERIE DISCORDANTE
AL NO MEJORAR H
P
OK
OK
SE TANTEA ELIMINAR
UNA SERIE HASTA QUE
H<1
OK
2 estaciones
Esquema 6.- Resumen de los Anlisis de Homogeneidad en las regiones de "largas duraciones".
A continuacin, en la tabla 33, se muestran los resultados finales obtenidos,
indicando en cada estacin, y para las dos regiones establecidas - cortas y largas
duraciones-, la medida de la Heterogeneidad, "H", obtenida, y en parntesis la serie que
se ha debido eliminar.
Cd,
0034
0111
0201
0222
0225
0370
0429
Nombre
Valls
Sallent
Barcelona
Caldas
Mombuy
Sabadeli
Gerona
Flgueras
H.
"Cortas"
0,50
-0,90
0,45
-0,44
0,33
0,37
(5min)
1,2
H
"Largas"
-1,80
-0,99
-2,50
-0,29
-2,37
-1,50
-1,16
Cd,
1024
1082
1110
1208
1212
1387
1428
1495
Nombre
S.Sebastin
Sondica
Santander
Gijn
Amao
Corua
Santiago
Vigo
H.
"Cortas"
-0,52
-1,32
-0,23
-0,05
-1,21
(5min)
0,35
-1,20
-0,26
H
"Largas"
-1,50
-1,06
-1,49
-1,59
-1,34
-2,06
-0,77
-0,89
118
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Cd,
1496
1499
1549
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
3196
3200
3259
3469
4121
4245
4452
Nombre
Vigo
(Peinador)
Punto Centro
Ponferrada
Soria
Linares
P. Aguilar
Burgos
P. Compuerto
Vai l adoi i d
Avila
Navacerrada
Zamora
P.Porma
Len
Salamanca
Molina de
Aragn
Madrid-retiro
Madrid-4v
Getafe
Toledo
Cceres
Ciudadreal
Guadalupe
Badajoz
(Talavera)
H.
"Cortas"
0,86
-1,78
-1,33
-1,53
-1,97
-0,16
-1,33
-2,08
-2,56
0,45
0,13
(5inin)
-0,83
-0,20
-1,70
-0,78
0,47
(5min)
0,32
-1,04
-0,73
0,10
-0,96
-1,05
-0,19
(5mm)
-2,0
H
"Largas"
-2,01
-0,04
0,87
-1,39
0,39
-1,47
-0,83
0,18
-2,48
0,36
0,47
-0,47
1,46
-1,53
0,06
-0,72
0
1,16
-1,37
-0,68
-1,05
1,46
(120niin)
1,95
-1,82
Cd,
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
8175
8416
8500 a
9121
9148
9171
9434
9443
9771
9898
9980"
9981
63250
Nombre
Badajoz
(instituto)
Huelva
Chauchina
Grazalema
Algeciras
Guadarranque
Guadalhorce
Mlaga
Murcia S.Javier
Murcia
Alcantarilla
Alicante
C. Jardn
Albacete
Valencia
Castelln
Haro
Logroo
Cabreja
Zaragoza
Mezalocha
Lrida
Huesca
Tortosa
Roquetas
Almera
H.
"Cortas"
-0,79
0,54
-1,97
-0,56
-0,90
-1,26
-1,55
0,78
-0,15
-2,40
-1,28
-1,44
-1,38
0,38
-2,02
-1,47
-0,45
-1,63
-0,65
(Smin)
-1,48
0,71
-1,41
0,64
-2,18
H
"Largas"
-1,17
0,83
-1,29
-0,20
-0,47
-1,24
-1,92
-0,68
-2,05
-1,90
-2,03
-1,18
-2,13
1,26
-1,29
1,79
(120min)
-0,82
-1,94
-0,28
0,11
-1,22
-1,11
-1,58
-1,39
Tabla 33.- Resumen de resultados obtenidos en el Anlisis de Homogeneidad.
LQMSitd^^aMjQbteaidos.pe^^
=> En cortas duraciones, las regiones adoptadas tienen un valor de la Medida de la
Heterogeneidad menor que uno en sesenta y dos casos, y por lo tanto son regiones
119
ESTACIONES CON PLUVIGRAFO. RESULTADOS
homogneas, salvo en la estacin de Figueras (0429) en la que H adopta un valor de 1,2,
que define una regin que puede ser homognea.
= En largas duraciones, las regiones adoptadas son regiones homogneas en cincuenta
y siete casos ("H<r') y en seis casos pueden ser homogneas (al haber obtenido un
valor de "H" comprendido entre 1 y 2).
=> En ambos casos, cortas duraciones y largas duraciones, es frecuente un valor de H
negativo.
=> Si hubiera muchos valores de H negativos, menores que -2, indicara una gran
correlacin, pero no es el caso.
5.2.1.2.-Anlisis complementario.
A continuacin se estudi, como anlisis complementario, el Coeficiente de
variacin, Cv, de la serie nica formada por las series adimensionales de largas
duraciones- en la regin de largas duraciones- y de cortas duraciones - en la regin de
cortas duraciones -, obtenindose los resultados que se muestran en la tabla 34:
Estacin
34
111
201
222
225
370
429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
Nombre
Valls
Sallent
Barcelona
Caldas Mombuy
Sabadell
Gerona
Figueras
S.Sebastin
Sondica
Santander
GIjn
Amao
Corua
Santiago
Vigo
Vigo(Peinador)
Punto Centro
Ponfen'ada
Cv cortas
0,40
0,27
0,41
0,46
0,38
0,39
0,46
0,38
0,49
0,45
0,30
0,30
0,37
0,47
0,37
0,34
0,57
0,52
Cv largas
0,44
0,39
0,50
0,42
0,50
0,46
0,85
0,34
0,66
0,34
0,45
0,36
0,36
0,34
0,30
0,29
0,33
0,28
Estacin
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
3196
3200
3259
3469
Nombre
Soria
Linares
P. Aguilar
Burgos
P.Compuerto
Valladolld
Avila
Navacerrada
Zamora
P.Porma
Len
Salamanca
Molina de Aragn
Madrid-retiro
Madrid-4v
Getafe
Toledo
Cceres
Cv cortas
0,43
0,58
0,39
0,38
0,42
0,40
0,56
0,35
0,43
0,48
0,52
0,52
0,36
0,43
0,41
0,43
0,44
0,43
Cv iargas
0,36
0,39
0,28
0,32
0,29
0,34
0,54
0,31
0,32
0,27
0,54
0,34
0,35
0,33
0,40
0,35
0,37
0,41
120
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Estacin
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
Nombre
Ciudadreal
Guadalupe
BadajozfTalavera
Badajoz(instJtuto)
Huelva
Chauchina
Grazalema
Algeciras
Guadarranque
Guadalhorce
Mlaga
Murcia S.Javier
Murcia
(Alcantarilla)
Alicante C. Jardn
Cv cortas
0,60
0,24
0,44
0,33
0,36
0,42
0,27
0,38
0,51
0,60
0,58
0,52
0,49
0,46
Cv largas
0,30
0,22
0,59
0,39
0,42
0,49
0,30
0,23
0,50
0,71
0,34
0,61
0,47
0,67
Estacin
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980A
9981
63250
Nombre
Albacete
Valencia
Castelln
Haro
Logroo
Cabreja
Zaragoza
Mezalocha
Lrida
Huesca
Tortosa
Roquetas
Almera
Cv cortas
0,53
0,39
0,47
0,47
0,46
0,39
0,50
0,37
0,43
0,51
0,34
0,42
0,64
Cv largas
0,44
0,51
0,47
0,45
0,32
0,37
0,42
0,31
0,32
0,39
0,42
0,49
0,72
Tabla 34.- Coeficiente de variacin en las regiones "cortas y largas duraciones" de cada estacin.
De estos resultados se puede deducir lo siguiente:
=> Los Coeficientes de variacin correspondientes a cortas duraciones son en general
mayores que los Cv de largas duraciones. Se puede explicar por la facilidad de que
puedan producirse intensidades mximas muy altas en lluvias de corta duracin,
pero a la vez pueden ser bajos- si no se han producido aguaceros muy intensos en un
ao-. Todo ello da lugar a coeficientes de variacin altos, ya que existe gran
dispersin en los datos frente a la media. Sin embargo, es difcil que altas
intensidades se mantengan durante mucho tiempo, por lo tanto, las intensidades
mximas en largas duraciones suelen variar menos, y solamente cuando se produce
un episodio de lluvia excepcional, chubasco intenso y de larga duracin, se genera
un dato muy alto de Intensidad mxima en largas duraciones, pero que al final
tambin "tira fuertemente hacia arriba", elevando el Coeficiente de variacin.
r> Esta clara diferencia en los valores obtenidos de Cv demuestra que ha sido adecuado
formar dos bloques de datos, de cortas duraciones y de largas duraciones, ya que los
cuantiles adimensionales van a ser claramente diferentes.
121
ESTACIONES CON PLUVIGRAFO. RESULTADOS
=> Aunque hay veintids casos en los que los coeficientes de variacin de las series de
cortas duraciones son menores que los coeficientes de variacin de las series de
largas duraciones, slo ocho casos presentan valores claramente menores.
:=> Los trabajos de Lettenmaier y Potter, (1985) indican que cuando Cv<0,6 y
Cv(Cv))<0,2 las ventajas de agrupar los datos son claras, por lo tanto, en general
parece adecuado aplicar este proceso de regionalizacin,
=> En cortas duraciones slo hay un caso en el que Cv>0,6, Almera (63250), y seis
casos en largas duraciones, que se indican en la tabla 35.
Estacin
Alicante (80251)
Almera (632501)
Figueras (04291)
Guadalhorce(61201)
Murcia (70311)
Sondica(10821)
Cv
0,67
0,72
0,85
0,71
0,61
0,66
Tabla 35.- Estaciones con coeficientes de variacin mayor que 0,6 en la regin "largas duraciones".
Estas estaciones haban sido analizadas cuidadosamente, estudiando si
presentaban datos dudosos, y se haba llegado a la conclusin de que, an siendo datos
extraordinarios, no se podan eliminar. No obstante, tambin hay que decir que la
utilizacin de estos datos va a tener importantes consecuencias sobre las estimas.
Si se hubiera eliminado el dato extremo analizado, el coeficiente de variacin
bajara drsticamente a los valores usuales obtenidos, que se muestran en la tabla 36, sin
embargo, al tener constancia de que se han podido producir se ha preferido mantenerlos,
an sabiendo que ello conducir a unos cuantiles adimensionales mayores, y que por
tanto las estimas se vern incrementadas.
122
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Estacin
Alicante (80251)
Atmera(63250l)
Figueras(0429l)
Guadalhorce(6120l)
Sondica(1082l)
Cv
0,36
0,52
0,41
0,53
0,31
Tabla 36.- Coeficiente de variacin en regin "largas duraciones" al eliminar datos de aos de intensidad
mxima extraordinaria.
=? Las estaciones con coeficientes de variacin en cortas duraciones mayores que en
largas duraciones se encuentran en las zonas costeras de la comunidad catalana
(Valls (0034), Sallent (0111), Barcelona(0201), Sabadeli(0225), Tortosa(9980A),
Gerona(0370) y Figueras(0429), en el norte de Espaa (Sondica (1082), Amao
(1212), y Gijn(1208), en la zona de Murcia (7031,7228) y Alicante (8025), en
Huelva (4605), Chauchina (5530) y Grazalema (5911), as como en la costa
almerienense, Almera (63250) y Roquetas (9981), y por ltimo tambin en las dos
estaciones de la provincia de Badajoz (4452 y 4478).
=> Al presentarse valores extraordinarios, parece adecuado estudiar los L-CV que,
analizando tambin la dispersin de los valores frente a la media, son menos
sensibles a estos valores. La variabilidad de los L-Cv va a definir la idoneidad de
utilizar un anlisis regional o puntual, por lo que se ha procedido a calcular el L-Cv
medio correspondiente a cortas duraciones y el L-Cv correspondiente a largas
duraciones de cada regin. En la tabla 37 se muestran los valores del L-Cv en cada
regin.
Estacin
34
111
201
222
Nombre
Valls
Sallent
Barcelona
Caldas
Mombuy
L-Cv
(cortas)
0,23
0,16
0,23
0,27
L-Cv
(largas)
0,24
0,21
0,27
0,25
Estacin
225
370
429
1024
1082
Nombre
Sabadell
Gerona
Flgueras
S.Sebastin
Sondica
L-Cv
(cortas)
0,21
0,20
0,25
0,21
0,25
L-Cv
(largas)
0,27
0,26
0,33
0,18
0,28
123
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Estacin
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
3196
3200
3259
3469
4121
4245
Nombre
Santander
Gijn
Amao
Corua
Santiago
Vigo
Vigo
(Peinador)
Punto
Centro
Ponferrada
Soria
Linares
P. Aguilar
Burgos
P.
Compuerto
Valladolid
Avila
Nava cerrada
Zamora
P.Porma
Len
Salamanca
Molina de
Aragn
Madrid-retiro
Madrd4v
Getafe
Toledo
Caceres
Ciudadreal
Guadalupe
L-Cv
(cortas)
0,24
0,17
0,19
0,20
0,24
0,21
0,19
0,27
0,29
0,24
0,30
0,22
0,21
0,24
0,22
0,30
0,23
0,25
0,25
0,25
0,28
0,22
0,27
0,21
0,23
0,24
0,24
0,33
0,16
L-Cv
(largas)
0,18
0,22
0,20
0,19
0,17
0,18
0,17
0,17
0,16
0,20
0,21
0,16
0,18
0,15
0,19
0,27
0,18
0,18
0,15
0,24
0,18
0,19
0,18
0,22
0,20
0,19
0,21
0,18
0,12
Estacin
4452
447$
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980A
9981
63250
Nombre
Badajoz
(Talavera)
Badajoz
(instituto)
Huelva
Chauchina
Grazalema
Algeciras
Guadarran-
que
Guadalhorce
Mlaga
Murcia
S. Javier
Murcia
Alcantarilla
Alicante
C. Jardn
Albacete
Valencia
Castelln
Haro
Logroo
Cabreja
Zaragoza
Mezalocha
Lrida
Huesca
Tortosa
Roquetas
Almera
L-Cv
(cortas)
0,25
0,18
0,21
0,25
0,16
0,21
0,27
0,33
0,33
0,29
0,27
0,27
0,29
0,22
0,27
0,27
0,26
0,22
0,27
0,23
0,25
0,28
0,20
0,23
0,36
L-Cv
(largas)
0,28
0,19
0,23
0,23
0,18
0,13
0,27
0,34
0,19
0,33
0,25
0,32
0,24
0,29
0,25
0,24
0,18
0,20
0,24
0,17
0,18
0,21
0,21
0,26
0,34
Tabla 37,- Clculo de L-Cv en las regiones "cortas" y "largas" duraciones de cada estacin.
De la tabla de resultedos puede deducirse lo siguiente:
==> Todos los valores de L-Cv correspondientes a cortas y largas duraciones son ms
pequeos que los coeficientes de variacin calculados.
=> Hosking y Wallis, (1997) consideran que valores de L-Cv por encima de 0,42
pueden ser considerados valores muy altos e indicaran que la distribucin de
124
ESTACIONES CON PLUVIGRAFO. RESULTADOS
frecuencias est muy sesgada. En nuestro caso, el valor mximo de L-Cv obtenido
es de 0,36, no superndose el valor crtico de Hosking y Wallis (1997) lo que
refuerza la decisin de mantener los valores extremos en las estaciones recogidas en
la tabla 35.
Se ha calculado tambin el cociente de los coeficientes de variacin de las series
agrupadas bajo el nombre "cortas duraciones" entre el coeficiente de variacin de la
regin de "largas dxiraciones", y los cocientes LCvc/LCvi ( de los L-coefcientes de
variacin), que se recogen en la tabla 38.
De la tabla 38 se deduce lo siguiente:
" En 41 casos el cociente Cvcortas/Cviargas es mayor que 1. Esto implica que el
coeficiente de variacin de la regin definida como "largas duraciones" es
menor que el coeficiente de variacin de la regin definida como "cortas
duraciones" en 41 de los 63 casos- en la mayora de las ocasiones- y
solamente en 22 casos el coeficiente de variacin de las regiones de "cortas
duraciones" es menor que el de las regiones de "largas duraciones". Estos
resultados coinciden con lo que a priori se podra pensar, ya que las
intensidades correspondientes a cortas duraciones, en principio, presentan
ms variabilidad que las intensidades correspondientes a mayores
duraciones.
Los resultados que se obtienen al comparar los L-Cv -de cortas y largas
duraciones- son similares a los que se obtienen al comparar los Cv, si bien,
en 45 de los 63 casos, el cociente L-Cvooms/LCviargas es ligeramente mayor
que CVoortas/CViargas-
125
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Estacin
34
111
201
222
225
370
429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
3196
Nombre
Valls
Sallent
Barcelona
Caldas Mombuy
Sabadell
Gerona
Figueras
S.Sebastin
Sondica
Santander
Gijn
Amao
Corufia
Santiago
Vigo
Vigo(Pemador)
Punto Centro
Ponferrada
Soria
Linares
P. Aguilar
Burgos
P.Compuerto
Valladolid
Avila
Navacerrada
Zamora
P.Ponna
Len
Salamanca
Molina de Aragn
Madrid-retiro
Madrid-4v
Cvc / CVL
0,91
0,69
0,84
1,09
0,75
0,86
0,54
1,11
0,75
1,31
0,65
0,84
1,04
1,37
1,24
1,17
1,72
1,83
1,21
1,49
1,37
1,19
1,44
1,17
1,02
1,11
1,36
1,78
0,96
1,51
1,04
1,28
1,04
L-CVC/L-CVL
0,97
0,74
0,86
1,10
0,80
0,77
0,75
1,17
0,89
1,32
0,81
0,96
1,05
1,45
1,21
1,17
1,60
1,81
1,19
1,46
1,40
1,16
1,56
1,14
1,10
1,23
1,40
1,64
1,07
1,52
1,18
1,50
0,98
Estacin
3200
3259
3469
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980A
9981
63250
Nombre
Getafe
Toledo
CceiES
Ciudadreal
Guadalupe
Badajoz-Talavera
Badajoz(instituto)
Huelva
Chauchina
Giazalema
Algeciras
Guadairanque
Guadalhorce
Mlaga
Mviroia S.Javier
Murcia alcantarilla
Alicante C.Jardn
Albacete
Valencia
Castelln
Hato
Lx)groo
Cabreja
Zaragoza
Mezalocha
Lrida
Huesca
Tortosa
Roquetas
Almera
CVc/CVL
1,23
1,18
1,05
2,00
1,11
0,74
0,86
0,87
0,85
0,89
1,67
1,02
0,85
1,72
0,85
1,04
0,69
1,20
0,77
1,01
1,04
1,44
1,06
1,19
1,20
1,35
1,29
0,81
0,86
0,89
L-Cvc/L-Cvt
1,19
1,24
1,11
1,81
1,31
0,91
0,92
0,89
1,08
0,90
1,64
1,00
1,00
1,75
0,88
1,08
0,82
1,23
0,76
1,06
1,13
1,41
1,08
1,09
1,35
1,37
1,29
0,94
0,88
1,05
Tabla 38. - Cociente de coeficiente de variacin de la regin cortas duraciones entre el de largas
duraciones, asi como el cociente de L-Cv
126
ESTACIONES CON PLXJVIGRAFO. RESULTADOS
5.2.2.-ESTIMACIN DE PARMETROS.
Para la estimacin de los parmetros de la funcin SQRT-ET mx por el mtodo
de momentos y mxima verosimilitud, se ha utilizado el programa sqrtab.exe (CEDEX,
2002). En la tabla 39, se ofrecen los parmetros obtenidos para cada una de las regiones,
cortas y largas duraciones, en cada estacin.
Regiones
encada
estacin
0034c
00341
0111c
01111
0201c
02011
0222c
02221
0225c
02251
0370c
03701
0429c
04291
1024c
10241
1082c
10821
1110c
11101
1208c
12081
1212c
12121
1387c
13871
1428c
14281
1495c
14951
1496c
14961
1499c
14991
1549c
15491
2030c
M, Mxima
verosimilitud
k
36,96
49,51
528,22
204,45
23,58
29,28
25,86
37,55
42,61
29,58
83,69
27,87
46,78
18,46
56,09
279,03
62,92
71,26
63,48
259,62
247,56
194,70
317,61
252,99
146,88
314,95
102,98
2661,33
73,03
147,74
159,77
507,53
66,08
801,44
27,13
576,15
66,54
a
38,70
43,50
84,60
68,20
31,80
36,20
34,30
39,10
40,20
36,20
51,60
35,10
43,00
31,30
44,50
72,70
48,00
51,80
47,70
71,30
70,10
67,70
74,00
71,60
61,30
75,60
56,50
123,80
49,00
60,20
62,40
84,30
49,90
94,90
35,50
86,80
48,40
M, Momentos
k
157,04
93,14
a
62,80
53,70
Error
165,50
119,56
47,22
70,31
114,83
207,91
44,03
165,92
69,42
68,10
6,26
212,20
438,20
48,74
14,54
80,89
420,60
63,80
58,00
42,90
49,10
57,30
67,70
41,80
63,80
48,90
48,60
19,00
68,10
85,20
43,40
27,30
51,40
83,60
Error
74,09 49,90
EiTor
316,13
242,54
208,99
64,78
431,38
229,59
75,70
70,50
67,70
47,80
84,50
69,50
Error
456,93 86,90
Error
25,85
567,96
38,74
34,40
99,70
40,00
Error
96,71 54,40
Regiones
encada
20301
2139c
21391
2243c
22431
2331c
23311
2363c
23631
2422c
24221
2444c
24441
2462c
24621
2614c
26141
2633c
26331
2661c
26611
2867c
28671
3013c
30131
3195c
31951
3196c
31961
3200c
32001
3259c
32591
3469c
34691
4121c
41211
M, Mxima
verosimilitud
k
165,65
25,15
172,73
59,12
985,92
69,80
146,33
50,67
2256,63
101,29
121,30
25,37
55,49
145,16
76,88
35,12
323,46
60,78
475,35
32,71
210,14
31,87
242,99
86,51
218,44
33,05
304,03
153,21
87,52
42,27
139,35
59,49
116,80
41,51
129,14
15,40
366,49
a
63,40
34,60
64,60
45,70
98,70
48,00
60,20
43,70
118,20
55,20
57,30
35,10
47,10
60,90
49,00
38,40
75,70
47,10
82,00
37,60
70,90
37,90
70,20
51,80
67,90
38,20
74,60
62,70
52,60
40,70
59,90
46,60
56,50
40,50
59,50
28,20
77,70
M, Momentos
k
313,19
23,82
184,46
187,57
a
75,50
33,30
65,60
65,90
Error
232,56
637,43
119,91
69,70
110,50
58,00
Error
155,33
424,88
27,87
30,78
377,52
62,60
84,00
35,40
36,70
80,10
Error
92,73 53,60
Error,
58,30 46,10
Error
36,71
31,09
37,88
393,13
268,50
407,52
51,73
490,35
122,61
154,30
103,02
384,77
86,95
250,61
100,09
134,91
20,44
39,20
36,90
39,60
81,30
72,40
82,10
44,30
90,30
58,40
62,50
55,40
80,70
52,60
71,10
54,90
60,10
31,40
Error
127
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Regiones
encada
estacin
4245c
42451
4452c
44521
4478c
44781
4605c
46051
5530c
55301
5911c
59111
6006c
60061
6024c
60241
6120c
61201
6172c
61721
7031c
70311
7228c
72281
8025c
80251
8175c
M, Mxima
verosimilitud
k
320,31
507,96
37,03
50,05
373,62
243,33
126,39
81,38
44,25
266,20
839,07
477,01
157,68
4010,46
61,81
58,79
14,50
36,80
15,08
71,16
19,31
17,28
25,19
44,15
25,15
26,02
a
73,50
81,80
39,10
45,20
78,70
70,90
58,70
51,80
41,80
74,60
94,90
83,50
63,00
130,50
48,40
47,40
27,60
42,60
27,90
47,70
30,50
30,10
33,80
42,00
33,70
36,20
Error
M, Momentos
k
a
Error
Error
89,73
21,40
500,46
187,67
276,53
119,43
114,47
49,36
53,10
32,00
91,40
65,90
72,90
58,00
57,20
43,60
Error
Error
199,72 67,00
Error
41,54
44,81
20,26
11,07
22,77
434,43
36,49
18,68
50,31
61,48
68,14
13,47
35,89
41,00
42,10
31,30
24,40
32,70
84,20
39,10
30,30
43,80
46,90
48,60
26,50
38,90
Regiones
en cada
81751
8416c
84161
8500ac
8500al
9121c
91211
9148c
91481
9171c
91711
9434c
94341
9443c
94431
9771c
97711
9898c
98981
9980ac
9980al
9981c
99811
63250C
6325ol
M, Mxima
verosimilitud
k a
65,57
59,55
24,31
30,00
39,01
23,59
41,26
36,98
294,75
61,00
160,83
31,82
38,72
53,03
87,45
27,11
194,90
16,28
124,46
77,18
188,47
69,74
37,45
48,20
45,90
33,80
36,80
40,20
32,90
40,50
39,60
73,50
46,30
63,20
37,30
39,80
43,80
50,50
34,30
65,90
27,60
58,70
49,50
66,30
48,80
39,60
Error
24,73 35,90
M, Momentos
k
90,16
174,86
42,47
60,18
62,28
61,01
84,76
68,16
673,62
177,17
258,25
45,26
110,78
253,87
a
53,20
64,70
41,30
46,60
47,10
46,80
52,10
48,60
116,90
64,90
71,60
42,20
56,70
71,30
Error
97,68
697,23
43,26
172,73
421,76
112,18
109,79
49,13
16,21
10,75
54,50
121,60
41,60
64,50
83,70
56,90
56,50
28,60
28,60
24,10
Tabla 39.-Parmetros de la funcin SQRT-ET mx para cada una de las regiones definidas en cada
estacin.
En la tabla 39, en la primera columna se han definido las dos regiones en cada
estacin bajo el nombre"cdigo de la estacin" terminado en la letra "c" o "1" para
indicar la regin de "cortas dwaciones" y la de "largas duraciones". En las siguientes
columnas se presentan los valores de los parmetros "k" y "a" deducidos por los
mtodos de mxima verosimilitud y de momentos, para la serie nica, del conjunto de
valores de intensidad mxima "adimensionalizada" correspondiente a cada regin.
Cuando en la tabla se indica "error" implica que el mtodo no converge, sino
que se obtiene una fimcin asinttica que no ajusta a los valores mustrales.
128
ESTACIONES CON PLUVIGRAFO. RESULTADOS
De la tabla anterior puede deducirse lo siguiente:
=> En general la estimacin de parmetros es ms adecuada cuando se utiliza el mtodo
de mxima verosimilitud que cuando se aplica el mtodo de momentos en el sentido
que converge, y da menos errores.
En el Anejo 6 se encuentran las salidas del programa sqrtab.exe en cada una de las
regiones. En el Anejo 7, en los informes de cada estacin se ha representado en el eje de
abscisas los cuantiles adimensionales, y en ordenadas los valores de la funcin de
distribucin deducidos por ambos mtodos. Tambin se ha representado el cviantil
adimensional frente al perodo de retomo, facilitando el anlisis al abrir la escala.
A modo de ejemplo, las figuras 12 y 13 presentan los resultados obtenidos en
Valls (0034), para la regin de largas duraciones.
129
ESTACIONES CON PLUVIGRAFO. RESULTADOS
0034 LAROAS
2
mttiKtitMm-- N H H M '
H OSKIM Q
5 50 75 100 12e 150 17S 2D0 225 250 275
CUAN TI L ADI M EN ai OM AL-l OO
Figura 12.- Distribuciones emprica y terica de la serie adimensional de largas duraciones en la estacin
de Valls (0034), ajustadas a la funcin SQRT-ET mx por el mtodo de mxima verosimilitud y por
momentos.
0034 LARGAS
UAX.VCH .
CUAN TI L Al ) l M eN I OH AI . - I 0a
Figura 13,- Representacin de la serie adimensional de largas duraciones en la estacin de Valls (0034),
as como el ajuste a la funcin SQRT-ET mx por el mtodo de mxima verosimilitud y por momentos
frente al perodo de retorno.
130
ESTACIOISIES CON PLUVIGRAFO. RESULTADOS
5.2.2.1.-lecciii del mtodo para la estima.
Para elegir el mtodo de obtencin de parmetros de la funcin de distribucin,
mxima verosimilitud o de momentos, se aplic el Test de Kolmogorov-Smimov, que
est basado en la estimacin de una distancia crtica, Dmx, diferencia del valor
estimado- valor observado.
E1 eriteri que se ha seguido para adoptar uno u otro mtodo en la obtencin de
los parmetros ha sido el siguiente:
Q Si al aplicar el Test de Kolmogorov-Smimov solamente resulta aceptable un
modelo, se es el que se ha elegido para estimar los parmetros.
a S al aplicar el Test de Kolmogorov- Smimov resultan aceptables los dos mtodos,
se aplica nuevamente este Test en la parte alta de la curva, para perodos de retomo
mayores de 10 aos.
Si uno slo es vlido, se es el que se elige.
a Si ambos mtodos siguen siendo vlidos, y teniendo en cuenta que este
criterio define dicha distancia Dn en valor absoluto, se representa en unos ejes
de coordenadas y se analiza si esa distancia es positiva o negativa, en
definitiva si el modelo est obteniendo cuantiles por exceso, y ponindose del
lado de la seguridad, o por el contrario por defecto, y por lo tanto asignando
perodos de retomo menores a los que se deberan asumir. Se deber elegir el
modelo que proporcione estimas del lado de la seguridad.
Cuando ambos mtodos son vlidos porque D<Dcrtico, observando la grfica
pueden plantearse tres casos:
Las funciones obtenidas por ambos mtodos se encuentran por debajo de
la serie histrica. En este caso el cuantil adimensional obtenido por
cualquiera de los dos mtodos se corresponden con xm perodo de retomo
131
ESTACIONES CON PLtJVIOGRAFO, RESULTADOS
menor que el obtenido en la serie histrica al asignarle una probabilidad
de Hosking. Por lo tanto ambas estimas son por exceso, y se elegir la
que se encuentre ms prxima, y por tanto, cuando D sea menor en la
parte alta de la curva.
A modo de ejemplo se muestra la regin de cortas duraciones en la
estacin de Sabadell (0225), (tabla 40 y figura 14). Se ha aplicado el Test
en la serie nica adimensional que forma la regin, y en ambos casos lo
superan, tanto con todos los datos (210), como con la parte alta de la
curva- para perodos de retomo mayores de 10 aos (21 datos). Por lo
tanto, siguiendo el criterio adoptado, se ha representado en ordenadas el
perodo de retomo y en abscisas los cuantes adimensionales
(multiplicados por cien). Para perodos de retomo mayores de 10 aos,
las dos curvas se encuentran por debajo de los valores observados, dando
por tanto estimas por exceso- del lado de la seguridad.
W datos N" datse 21
D max (Todas)
MAX. vea
r0;t)70225l3
MOM
0,072982!
Dmax (F(x)>=0,9)
MAX. VER.
r0,070225l3
MOM
0,02360559
D crtico =f
n.s.0,05
0,093
D crtico = 0.289
n.s.=0,05
Tabla 40.- Aplicacin del Test de Kolmogorov-Smimov en la regin "cortas duraciones'
en la estacin de Sabadell (0225).
132
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Figura 14.- Representacin grfica de la serie que conforma la regin "cortas duraciones" en la estacin
de Valls (0034), junto con los ajustes a la fincin SQRT-ET mx por ambos mtodos, mxima
verosimilitud y momentos.
Por lo tanto, se elige el mtodo de los momentos, pues es el que presenta una
distancia menor para perodos de retomo mayores de diez aos, y es el que ms se
acerca a los valores observados.
a S ambas funciones se sitan por encima de la serie histrica, los
cuantiles deducidos en ambos mtodos estiman por defecto, y por tanto
se elegir el mtodo que ms se aproxime a la serie histrica
A modo de ejemplo se ha elegido la estacin de Santiago (1428) en la regin de
"cortas duraciones" cuyos resultados se reflejan en la tabla 41.
D max (Todas)
MX. VER. MOM
D crt!co= ]n'^'^'%'^'^
n.s.=0,05
N-'Hatns^ J/g^^lS
Dmax (F
MAX. VER.
0,04963629
fx)>=0.9)
MOM
0,04092716
D crtico=
n.s.=0,05
Tabla 41.- Aplicacin del Test Koimogorov-Smimov en la regin "cortas duraciones en la estacin de
Santiago (1428).
133
ESTACIONES CON PLUVIGRAFO, RESULTADOS
Ambos ajustes superan el Test de Kolmogorov-Smimov, "D" es menor que
"Dcrtico", por lo tanto se vuelve a aplicar en la parte alta de la curva, y tambin en este
caso ambos ajustes superan el Test. Se procede entonces a representarlas grficamente,
en la figura 15, y se ve que en la parte que se est analizando- perodos de retomo
mayores de diez aos- las curvas quedan por encima de la serie histrica, por lo tanto
estaran obteniendo cuantiles por defecto. As, se elige el mtodo de momentos, que
proporciona cuantiles ms prximos a los valores histricos.
1428 CORTAS
si'P^T'TT'-
CUAHTIL ADIMENSIONALIM
M WE R
Figura 15.- Representacin de la serie histrica junto con los ajustes por ambos mtodos
de estimacin en la regin "cortas duraciones" n la estacin de Santiago (1428).
134
ESTACIONES CON PLUVIGRAFO. RESULTADOS
D Si las funciones se encuentran, en la representacin grfica, una por debajo
de ia serie histrica y otra por encima, se elegir la que se encuentre por
debajo, porque el criterio establecido trata de que las estimas en esa parte de
la curva sean conservadoras.
Es importante insistir en que el criterio seguido es fundamentalmente grfico,
pero encaminado a cubrir el objetivo de la estima: la obtencin de cuantiles con un
criterio conservador.
A modo de ejemplo, y para aclarar cmo se ha aplicado este criterio, se ha
aplicado el Test de Kolmogorov-Smimov en la estacin de Caldas de Mombuy (0222),
en la regin de largas duraciones, que se recoge en la tabla 42, y posteriormente se han
representado las funciones obtenidas, y se muestra en las figuras 16 y 17.
N" datos== ^ H ^ ^ l
Dmax
MAX.
VER.
[Todas)
MOM
0crtico=P;i5205262
ii.s.=0,05
N** datos= 8
Dmax (F
MAX.
VER.
0,05191939
(x)>=0.9)
MOM
0,037656^
D crtico= 1 0,457
n.s.=0,05
Tabla 42,- Aplicacin del Test Kolmogorov-Smimov en la regin "largas duraciones en la estacin de
Caldas de Mombuy (0222).
135
ESTACIONES CON PLUVIGRAFO. RESULTADOS
0222 LARGAS
09
08 1
07 i
0.61
0,4 <
0.31
0. 2'
0'
-**fl*i
^
T^BI ^^ V 1 *^^^^^H
_^S
HOSKl NG
^ MAX . VER.
75 IDO 155 150
CUANTl LADI MeKSI ONALMOO
Figura 16.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "largas duraciones" en la estacin de Caldas de Mombuy (0222),
1 "IJ
i
11
^ ^ ^
T .
S 1
0222 LARGAS

^ ^ ^
^^^
5^-^
Figura 17.- Representacin de la serie histrica junto con los ajustes por ambos mtodos de
estimacin en la regin "largas duraciones" en la estacin de Cadas de Mombuy (0222) frente al perodo
de retomo.
En el ejemplo de Caldas de Mombuy (0222), en la regin de "largas
duraciones", ai analizar las grficas se elegir por lo tanto el mtodo de mxima
verosimilitud, ya que es el mtodo que, aproximndose a los valores reales de la serie,
obtiene cuantiles del lado de la segiiridad para los valores usuales de perodo de retomo
con que se va a trabajar.
136
ESTACIONES CON PLUVIGRAFO. RESULTADOS
En el esquema 1, se describen los criterios adoptados para elegir el mtodo de
estimacin de parmetros ms adecuado.
(Superan ambos mtodos
e! iestdekohnuEoiov-
Smim\ *
NO
SI
Aplicar Test K-S para
perodos de retomo
mayores de 10 aos
NO
t, Superan ambos el Test
paraT>10ats'?
SI
Rc})icsentai la Tuncioo de
Distnbuaon con parmetros
obierados por momento!. ma\tma
\erosimilitud v registros
observados
Se adopta la estima por el
mtodo que supera el Test K-S
Se adopta la estima por el
mtodo que supera el Test K-S
Ambas por debajo
de la serie histrica
Se adopta la
que tenga D
menor
Ambas por
encima de la serie
histrica.
Se adopta la
que tenga D
menor
Una por encima y
otra por debajo de
la serie histrica

Criterio
conservador
Esquema 7.- Criterios adoptados en la eleccin del mtodo de estimacin de parmetros.
En la tabla 43, se refleja, para cada una de las regiones, el mtodo elegido en la
estimacin de parmetros y el criterio en que se ha basado la decisin. En el Anejo 7 se
pueden consultar los resultados parciales. En l, adems de representar las funciones en
137
ESTACIONES CON PLUVIGRAFO. RESULTADOS
cada regin, de cada estacin, aparecen los resultados de aplicar el Test de
Kolmogorov- Smimov en las dos partes de la curva.
Estacin
0034
0111
0201
0222
0225
0370
0429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
CORTAS
DURACIONES
Criterio
MV
MV
M
MV
M
M
M
M
M
MV
MV
MV
M
M
MV
MV
M
M
MV
M
MV
M
MV
MV
MV
MV
MV
M
MV
M
MV
MV
Mtodo
1
1
1
1
3,1
3,1
3,1
1
3,2
3,2
1
1
3,1
3,2
3,2
1
3,2
3,1
3,2
3,2
3,1
3,1
3,3
3,2
1
3,3
1
3,2
3,2
3,1
3,3
1
LARGAS
DKAaONES
Criterio
M
M
MV
MV
MV
M
MV
MV
MV
MV
M
MV
M
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
M
MV
MV
Mtodo
3,1
3,2
1
3,3
3,3
3,1
1
1
1
3,3
3,2
3,2
3,3
1
1
1
1
1
3,2
3,2
1
1
1
1
1
1
1
1
1
3,1
3,3
1
Estacin
3196
3200
3259
3469
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980A
9981
63250
CORTAS
DURACIONES
Criterio
M
M
M
M
MV
MV
M
MV
MV
MV
MV
MV
M
MV
MV
M
MV
MV
M
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
MV
M
Mtodo
3,2
3,1
3,1
3,1
3,3
1
3,1
1
3,2
1
1
3,2
3,2
3,2
3,2
3,1
3,3
3,3
1
1
3,2
1
1
1
3,2
1
1
3,3
3,3
1
LARGAS
DURACIONES
Criterio
M
MV
MV
MV
MV
MV
M
M
MV
M
MV
MV
M
M
MV
MV
MV
M
MV
M
MV
MV
MV
M
MV
MV
MV
MV
M
MV
M
Mtodo
3,1
3,3
3,3
3,2
1
1
3,2
3,2
3.2
3,2
1
1
3,2
3,2
1
1
3,2
3,2
3,3
3,1
3,3
3,3
1
3,1
1
1
1
3,2
3,2
3,3
3,2
Tabla 43.- Mtodo de estimacin de parmetros elegido en cada regin, en fondn del criterio adoptado.
138
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Nomenclatura empleada en la tabla:
1.- Slo es vlido el mtodo elegido.
2.- Slo ese mtodo supera el Test para perodos de retomo > 10 aos.
3,1.- Ambas por debajo de la serie histrica.
3,2.- Ambas por encima de la serie histrica.
3,3.- Una por encima y otra por debajo.
M.- Mtodo de momentos.
MV.- Mtodo de mxima verosimilitud.
5.2.3.-VALIDACIN.
Una vez determinados los parmetros "k" y "a" - bien sea por el mtodo de mxima
verosimilitud o de momentos-, el siguiente paso debera ser validar los resultados por medio de la
simulacin, utilizando para ello el mtodo de Montecarlo.
Con objeto de aplicar este mtodo en un nmero significativo de regiones, se procedi a
analizar el coeficiente de variacin en ellas, recogido en la tabla 33. De esta tabla se deduce, que el
recorrido de este parmetro - coeficiente de variacin- en todas las regiones es de 0,62 (diferencia
entre mximo valor -0,84- y mnimo valor -0,22-).
Se decidi entonces establecer seis clases, con intervalos del coeficiente de variacin de una
dcima, y agrupar las regiones por clases, de tal manera que, analizando el comportamiento de un
nmero significativo de regiones dentro de cada clase, se pudiera aceptar, o en su caso rechazar, la
validez de la regionalizacin en cada una de ellas.
En la tabla 44 se muestra el nmero de regiones que se presenta en cada intervalo de clases
del coeficiente de variacin.
139
ESTACIOTslES CON PLUVIGRAFO. RESULTADOS
El procedimiento seguido fue el siguiente:
Se tomaron en total 18 regiones. En la tabla 45 se refleja dentro de cada intervalo de clase las
regiones elegidas- en un nmero proporcional al nmero de regiones existentes dentro de cada
intervalo-, el mtodo de estimacin de parmetros utilizado en esa regin, as como el Cv.
o En cada una se generaron 100 muestras aleatorias por el mtodo de Montecarlo.
Se determinaron los Cv y Ca de las muestras generadas.
Se representaron grficamente estos parmetros junto con los valores observados.
Se compararon los valores mustrales y los valores observados.
Intervalos
de Clase
(0,2-0,3]
(0,3-0,4]
(0,4-0,5]
(0,5-0,6]
(0,6-0,7]
(0,7-0,84
Nde
regiones
15
46
42
16
5
2
Tabla 44.- Nmero de regiones dentro de cada intervalo de clase del coeficiente de variacin.
Intervalos de clases
(0,2-0,3]
(0,3-0,4]
Regin
OlUc
15491
14991
32001
20301
0225c
01111
0034c
Mtodo de estimacin
de parmetros
MV
MV
MV
MV
MV
M
M
yN
Coeficiente
de variacin
0,27
0,28
0,33
0,35
0,36
0,38
0,39
0,40
140
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Intervalos de clases
(0,4-0,5]
(0,5-0,6]
(0,6-OJ]
(OJ-0,8]
Regin
0201c
02221
00341
1110c
0429c
02251
6024c
1499c
10821
632501
Mtodo de estimacin
de parmetros
M
MV
MV
MV
M
MV
M
M
MV
M
Coeficiente
de variacin
0,41
0,42
0,44
0,45
0,46
0,50
0,51
0,57
0,66
0,72
Tabla 45.- Regiones utilizadas para la validacin.
A continuacin, en las figuras 18,19,20,21,22 y 23, se muestra la representacin grfica de
los pares de valores Cv-Ca de las muestras observadas y de las muestras generadas por el mtodo
de Montecarlo, en cada una de las regiones seleccionadas.
Intervalo (0,2-0,3)
Figura 18.- Representacin de coeficiente de variacin y asimetra de las muestras generadas (en azul) y
observadas (en rosa) en la regin "cortas duraciones" de la estacin de Sallent (0111) y en Ponferrada (1549) en "largas
duraciones".
Los valores observados quedan perfectamente integrados en la nube de puntos de los
valores generados.
141
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Intervalo (0,3-0,4]
4 1
3,5
3
2,5
1 -
0,5
0
-0 5 J
2D3lm V
*
.%. . .
.. f ' \' *
'IJAt^' '
. i ^ * % * .
" V * .
0.1 1S * 03 04 OS O
CV
5-,
4
^ : :
0-
) 0.2
0034cniv

.>*i*
. w ^ - '
M^ 0.4 0.8
Cv
_ _ _ _ _
. ^ ___
0,8 1
Figura 19.- Representacin de coeficiente de variacin y asimetra de las muestras generadas (en azul) y
observadas (en rosa) en la regin "largas duraciones" de las estaciones: Sallent (0111), Punto Centro (1499), en Getafe
(3200), en Soria (2030), y en "cortas duraciones" en Sabadell (0225) y en Valls (0034).
Los valores observados quedan perfectamente integrados en la nube de puntos, salvo en la
regin "cortas duraciones" de la estacin de Sallent (0225) en la que los valores observados quedan
un poco por debajo, pero en este caso las estimas seran por exceso.
142
ESTACIONES CON PLUVIGRAFO. RESXJLTADOS
Intervalo (0,4-0,5]
6 -,
4 -
O ^
0 -
- 2 -
0201cm

At**
^ll(pr
) 0.2 0.4 0.6
Ov
0.8
3
^ 1
0
0222lmv

/
*
< ^
* i S P 8 ^.
(1 1 i f i
Cv
1110c2mv
4
' * t . *
' -i *
. X P ^ *
^ V Y *
0 0.2 0.4 0.6 0,8 1
Cv
4 -
3 -
2 -
1 -

022S lmv
v * ! > *
^MflLt*
* MBM^
^ ^ ^ ^
0.2 0,4 0,6 0,3 1
Cv
Figura 20.- Representacin de coeficiente de variacin y asimetra de las muestras generadas (en azul) y observadas
(en rosa) en la regin cortas duraciones de Barcelona (0201), Santander (1110), Figueras (0429), y de largas duraciones
de la estacin Caldas de Mombuy (0222), Valls (0034) y Sabadell (0225).
Tambin aqu todas las muestras observadas quedan perfectamente integradas en la nube de
puntos de los valores generados por el mtodo Montecarlo, salvo en Barcelona (0201), que quedan
un poco por debajo.
143
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Intervalo (0,5-0,6]
Figura 21.- Representacin de coeficiente de variacin y asinietra de las muestras generadas (en azul) y observadas
(en rosa) de la regin de cortas duraciones de Guadarranque (6024) y Punto Centro (Vigo) (1499)
intervalo (0,6-0,7]
Figura 22.- Representacin de coeficiente de variacin y asimetra de las muestras generadas (en azul) y observadas
(en rosa) en la regin de "largas duraciones" en Sondica (1082)
144
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Intervalo (0,7-0,8]
U 2
6325olm
*v. _- ,
^ ^
*

0,5 1.5
Cv
Figura 23. - Representacin de coeficiente de variacin y asimetra de las muestras generadas {en azul) y observadas
en rosa en la regin de 'largas duraciones" en la estacin de Almera (63250)
M^33zmLlmjSSMltadex^6Jpuede^^
=> Los grficos muestran una buena correspondencia entre ios pares de valores generados y
observados, lo que confirmara un adecuado comportamiento de la ley SQRT-ET mx para
reproducir las propiedades estadsticas de los datos.
=> En algunas estaciones, al representar los valores del coeficiente de variacin y de asimetra de
las muestras generadas y observadas se observa que estas ltimas quedan en la zona inferior de
la nube de puntos. Esto induce a pensar que en esas estaciones el modelo estimar por exceso,
situndose la estima, por lo tanto, del lado de la seguridad.
=> En las estaciones que, como se desarroll en el epgrafe de 5.1.LL2., presentan una serie de
valores muy altos pero que no se deben recha/ar, se ha analizado qu ocurre, por ejemplo, en la
regin "largas duraciones" de Sondica (1082). Esta regin presenta unos valores observados del
coeficiente de variacin y asimetra muy altos. Al representarlos junto a los valores generados,
figura 22, se comprueba que las muestras observadas no se encuentran en la zona media de la
nube de puntos; Por el contrario, los valores observados se sitan en la parte ms alta, que se
correspondera con muestras anmalas - con coeficientes de variacin y asimetra altos-. Al
145
ESTACIONES CON PLUVIGRAFO. RESULTADOS
eliminar os datos estudiados como extraordinarios, los coeficientes de variacin y asimetra
bajan drsticamente, y al representarlos nuevamente junto con los valores generados por el
mtodo de Montecarlo, recogido en la figura 24, quedan plenamente integrados en la nube de
puntos. Esto confirma e buen comportamiento de la mcin, pues ciertamente esas muestras
son extraordinarias.
Figura 24.- Representacin de valores observados (en rosa), eliminando previamente los aos extraordinarios, y
valores generados {en azul) en la regin "largas duraciones" en la estacin de Sondica (1082).
=> El problema se planteara si la ley SQRT-ET mx estimara, sistemticamente, por defecto, en
cuyo caso se estaran utilizando intensidades mximas con perodos de retomo inferiores a los
que se pretende. En esta situacin, las muestras observadas se deberan encontrar en la parte alta
de la grfica, definiendo coeficientes de variacin y asimetra altos, y las muestras generadas se
caracterizaran por unos coeficientes menores. De todas las regiones estudiadas esta situacin
no se ha dado en ningn caso.
^toossMltadeiJiQs^penniten^^
:::> Cada par observado (en rosa) representa los coeficientes de variacin y asimetra de la serie de
intensidades mximas, adimensionalizada, correspondiente a una duracin. Como los valores
observados se encuentran dentro de la nube de puntos de los valores correspondientes a las 100
muestras generadas, se justifica que las series adimensionales equivalen a muestras procedentes
de la misma poblacin subyacente, y por lo tanto con propiedades estadsticas similares.
:::> Este anliss confirma tambin la hiptesis de homogeneidad regional puesto que ios
parmetros estadsticos generados son similares.
146
ESTACIONES CON PLUVIGRAFO. RESULTADOS
=> Este anlisis permite justificar adems el anlisis regional de los datos ya que, si las muestras
proceden de la misma poblacin, se podrn tomar todas ellas para el ajuste a una funcin de
distribucin consiguiendo adems estimas ms robustas debido al aumento del nmero de
datos.
En el Anejo 8, se encuentran las salidas de la hoja de clculo desarrollada para la generacin
de muestras aleatorias para la presente Tesis.
5.2.4.-CUANTILES ADIMENSIONALES ADOPTADOS.
En la tabla 46, se muestran los cuantiles adimensionales para cada perodo de retomo, en
cada una de las regiones establecidas y con el mtodo elegido en cada caso en fimcin del criterio
reflejado en la tabla 43.
REGIN
0034c
00341
0111c
Ollll
0201c
02011
0222c
02221
0225c
02251
0370c
03701
0429c
04291
1024c
10241
1082c
10821
1110c
P ER O D O D E R E T O R N O (aos)
2
0,90
0,91
0,94
0,92
0,91
0,88
0,88
0,90
0,92
0,88
0,92
0,90
0,90
0,83
0,92
0,93
0,90
0,86
0,90
S
1,34
1,27
1,23
1,25
1,25
1,33
1,35
1,33
1,24
1,34
1,25
1,28
1,28
1,31
1,24
1,24
1,30
1,23
1,28
10
1,68
1,54
1,43
1,49
1,52
1,68
1,71
1,67
1,47
1,68
1,49
1,58
1,58
1,69
1,47
1,46
1,62
1,50
1,58
25
2,16
1,92
1,71
1,82
1,87
2,18
2,22
2,14
1,79
2,18
1,82
1,98
1,98
2,22
1,79
1,77
2,04
1,87
1,98
50
2,53
2,22
1,94
2,08
2,16
2,57
2,63
2,51
2,06
2,57
2,08
2,29
2,29
2,67
2,04
2,02
2,39
2,18
2,31
100
2,94
2,53
2,18
2,37
2,45
3,00
3,08
2,92
2,31
3,00
2,37
2,65
2,65
3,13
2,31
2,28
2,78
2,51
2,65
200
3,37
2,88
2,41
2,67
2,78
3,45
3,54
3,35
2,61
3,47
2,67
3,00
3,02
3,62
2,61
2,55
3,17
2,84
3,02
500
4,00
3,35
2,76
3,10
3,23
4,08
4,24
3,96
3,02
4,08
3,10
3,51
3,53
4,36
3,00
2,92
3,74
3,33
3,54
REGIN
11101
1208c
1208
1212c
12121
1387c
13871
1428c
14281
1495c
14951
1496c
14961
1499c
14991
1549c
15491
2030c
20301
P E R I O D O D E R E T O R N O (aflos)
2
0,93
0,94
0,90
0,94
0,92
0,92
0,93
0,90
0,93
0,92
0,94
0,93
0,94
0,88
0,93
0,89
0,94
0,90
0,92
5
1,24
1,25
1,28
1,25
1,23
1,24
1,23
1,29
1,16
1,30
1,27
1,25
1,22
1,35
1,20
1,32
1,22
1,28
1,25
10
1,47
1,48
1,57
1,48
1,45
1,46
1,44
1,58
1,31
1,59
1,53
1,51
1,42
1,70
1,38
1,65
1,42
1,58
1,50
25
1,78
1,79
1,96
1,78
1,76
1,77
1,74
1,98
1,53
1,98
1,88
1,85
1,70
2,22
1,65
2,10
1,69
1,98
1,83
50
2,02
2,04
2,28
2,02
2,00
2,02
1,98
2,31
1,70
2,31
2,16
2,12
1,93
2,63
1,85
2,47
1,92
2,29
2,10
100
2,29
2,31
2,61
2,28
2,28
2,29
2,24
2,67
1,88
2,67
2,45
2,41
2,16
3,08
2,06
2,88
2,14
2,65
2,39
200
2,57
2,59
2,98
2,55
2,55
2,57
2,49
3,04
2,08
3,02
2,76
2,71
2,41
3,54
2,29
3,29
2,39
3,02
2,69
500
2,96
2,98
3,47
2,94
2,92
2,96
2,86
3,54
2,33
3,53
3,21
3,13
2,74
4,20
2,61
3,90
2,72
3,53
3,12
147
ESTACIONES CON PLUVIGRAFO. RESULTADOS
REGIN
2139c
21391
2243c
22431
2331c
23311
2363c
23631
2422c
24221
2444c
24441
2462c
24621
2614c
26141
2633c
26331
2661c
26611
2867c
28671
3013c
30131
3195c
31951
3196c
31961
3200c
32001
3259c
32591
3469c
34691
4121c
41211
PERODO DE RETORNO (aos)
2
0,87
0,91
0,91
0,94
0,92
0,93
0,90
0,94
0,91
0,93
0,85
0,87
0,92
0,93
0,89
0,93
0,90
0,95
0,89
0,88
0,89
0,91
0,92
0,93
0,87
0,93
0,91
0,91
0,91
0,92
0,91
0,93
0,91
0,91
0,84
0,94
S
1,35
1,24
1,31
1,20
1,24
1,27
1,31
1,17
1,26
1,27
1,31
1,25
1,25
1,32
1,33
1,23
1,29
1,24
1,33
1,19
1,32
1,20
1,29
1,25
1,31
1,23
1,25
1,25
1,26
1,26
1,27
1,28
1,26
1,25
1,37
1,24
10
1,72
1,48
1,62
1,38
1,47
1,53
1,63
1,34
1,53
1,54
1,67
1,54
1,51
1,61
1,67
1,45
1,60
1,45
1,67
1,41
1,66
1,40
1,57
1,48
1,65
1,45
1,51
1,49
1,53
1,52
1,55
1,55
1,53
1,51
1,77
1,45
25
2,24
1,81
2,04
1,64
1,78
1,88
2,06
1,57
1,90
1,90
2,16
1,95
1,86
2,02
2,14
1,75
2,00
1,73
2,16
1,71
2,12
1,68
1,96
1,81
2,12
1,75
1,87
1,83
1,90
1,87
1,93
1,91
1,90
1,85
2,35
1,74
50
2,67
2,08
2,37
1,84
2,04
2,16
2,41
1,74
2,20
2,20
2,57
2,28
2,14
2,33
2,53
1,98
2,35
1,96
2,53
1,96
2,49
1,91
2,28
2,06
2,51
2,00
2,16
2,10
2,20
2,16
2,24
2,20
2,20
2,14
2,82
1,98
100
3,12
2,35
2,74
2,04
2,29
2,45
2,78
1,93
2,51
2,49
3,00
2,63
2,43
2,69
2,94
2,24
2,71
2,20
2,96
2,22
2,88
2,16
2,59
2,33
2,92
2,26
2,45
2,39
2,51
2,45
2,57
2,51
2,51
2,43
3,33
2,22
200
3,60
2,65
3,12
2,28
2,59
2,76
3,17
2,12
2,84
2,82
3,47
3,00
2,74
3,06
3,37
2,51
3,08
2,45
3,39
2,49
3,31
2,39
2,94
2,63
3,35
2,51
2,76
2,69
2,84
2,76
2,90
2,84
2,84
2,74
3,88
2,49
500
4,28
3,08
3,66
2,57
2,98
3,21
3,72
2,39
3,31
3,27
4,12
3,51
3,17
3,56
4,00
2,88
3,62
2,80
4,00
2,88
3,93
2,74
3,43
3,02
3,96
2,88
3,21
3,12
3,29
3,19
3,39
3,31
3,31
3,19
4,67
2,84
R E G I N
4245c
42451
4452c
44521
4478c
44781
4605c
46051
5530c
55301
5911c
59111
6006c
60061
6024c
60241
6120c
61201
6172c
61721
7031c
70311
7228c
72281
8025c
80251
8175c
81751
8416c
84161
8500ac
8500al
9121c
91211
9148c
91481
PERIODO DE RETORNO (aos)
0,95
0,96
0,91
0,87
0,93
0,92
0,92
0,90
0,90
0,90
0,94
0,93
0,91
0,95
0,89
0,90
0,83
0,82
0,84
0,93
0,89
0,83
0,88
0,89
0,89
0,84
0,89
0,90
0,91
0,89
0,87
0,89
0 8 8
0 9 0
0 9 4
1,26
1,25
1,27
1,36
1,23
1,24
1,26
1,26
1,31
1,30
1,21
1,22
1,25
1,18
1,31
1,31
1,36
1,39
1,37
1,32
1,32
1,33
1,36
1,31
1,36
1,38
1,32
1,28
1,31
1,31
1,32
1,31
M6
3
10
1,49
1,47
1,55
1,73
1,43
1,48
1,52
1,55
1,64
1,62
1,39
1,42
1,49
1,33
1,64
1,63
1,78
1,84
1,78
1,63
1,66
1,72
1,72
1,63
1,73
1,81
1,66
1,58
1,62
1,64
1,67
1,65
V73"
h66
165
l 4 6
25
1,79
1,76
1,92
2,28
1,72
1,80
1,87
1,93
2,08
2,04
1,66
1,70
1,82
1,55
2,08
2,08
2,37
2,47
2,37
2,04
2,12
2,28
2,24
2,08
2,24
2,41
2,12
1,98
2,02
2,08
2,14
2,10
ijo
2^10
Tjf
50
2,04
1,98
2,24
2,71
1,96
2,06
2,16
2,24
2,43
2,39
1,86
1,93
2,10
1,71
2,45
2,43
2,84
3,00
2,84
2,35
2,49
2,72
2,65
2.43
2,67
2,92
2,51
2,29
2,37
2,45
2,55
2,47
l 4 7
l 0 2
100
2.29
2,24
2,55
3,17
2,20
2.35
2,45
2,57
2,82
2,76
2,08
2,16
2,37
1,89
2,84
2,80
3,37
3,58
3,37
2,71
2,90
3,21
3,10
2,80
3,12
3,45
2,90
2,65
2,72
2,84
2,96
2,86
2 6
2 ^
2 ^
200
2,57
2,49
2,88
3,66
2,47
2,63
2,78
2,92
3,23
3,17
2,29
2,41
2,69
2,08
3,25
3,21
3,93
4,20
3,93
3,08
3,33
3,74
3,58
3,21
3,60
4,00
3,33
3,02
3,12
3,25
3,41
3,27
3,64
^ 2 9
3 ^
2 ^
500
2,96
2,84
3,37
4,39
2,82
3.04
3,21
3,41
3,80
3,72
2,63
2,74
3,10
2,33
3,84
3,78
4,71
5,06
4,71
3,60
3,93
4,47
4,28
3,80
4,28
4,82
3,96
3,53
3,64
3,82
4,04
3,88
4^32'
3 ^
3 ^
X92
148
ESTACIONES CON PLUVIGRAFO. RESULTADOS
REGIN
9171c
91711
9434c
94341
9443c
94431
9771c
97711
PERODO DE RETORNO (aos)
2
0,91
0,93
0,88
0,90
0,92
0,94
0,90
0,93
5
1,30
1,24
1,33
1,33
1,32
1,32
1,37
1,25
10
1,61
1,46
1,67
1,66
1,64
1,62
1,73
1,49
25
2,02
1,77
2,16
2,12
2,06
2,00
2,26
1,82
50
2,35
2,02
2,55
2,49
2,41
2,33
2,67
2,08
100
2,71
2,28
2,96
2,88
2,78
2,67
3,12
2,35
200
3,10
2,55
3,41
3,31
3,19
3,02
3,58
2,65
500
3,62
2,94
4,04
3,93
3,74
3,53
4,28
3,06
REGIN
9898c
98981
9980ac
9980al
9981c
99811
63250C
6325ol
PERODO DE RETORNO (aos)
2
0,89
0,91
0,93
0,91
0,91
0,89
0,85
0,82
5
1,43
1,25
1,31
1,26
1,29
1,32
1,37
1,39
10
1,85
1,51
1,60
1,52
1.58
1,65
1,78
1,84
25
2,45
1,87
2,00
1,88
1,98
2,10
2,35
2,49
50
2,94
2,16
2,31
2,18
2,29
2,49
2,82
3,02
100
3,47
2,45
2,67
2,47
2,65
2,88
3,33
3,60
200
4,00
2,76
3,02
2,80
3,00
3,31
3,88
4,20
500
4,82
3,21
3,53
3,25
3,53
3,90
4,63
5,10
Tabla 46,- Cuantiles adimensionales adoptados en cada una de las regiones,- cortas y largas duraciones -, dentro de
cada estacin.
5.2.5.- SELECCIN DEL MODELO ID.
El modelo elegido es el modelo de dos parmetros utilizado en la Instruccin 5.2-IC
generalizada:
24" ~
'24
Siendo:
"K" y "a", dos parmetros,
"d" (horas), la duracin considerada.
El modelo presenta dos puntos de paso obligado,
g(24)= 1
g(l)=i
' 24
En el Apndice II se puede consultar el anlisis que ha llevado a concluir que este modelo
ofrecer mejores ajustes y en el Apndice III, el anlisis de sensibilidad del modelo elegido.
Se ha manejado el programa Spss (versin 10.0) para Windows para la obtencin de los
parmetros del modelo elegido, y se presentan como resultados los valores de "K" y "a" de las
149
ESTACIONES CON PLUVIGRAFO. RESULTADOS
estaciones que disponen de pluvigrafo, tabla 47, obtenindose coeficientes de correlacin por
encima de 0,98 en todos los casos.
Estacin
34
111
201
222
225
370
429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
Nombre
Valls
Sallent
Barcelona
Caldas Mombuy
Sabadell
Gerona
Figueras
S,Sebastian
Sondica
Santander
Gijn
Amao
Corua
Santiago
Vigo
Vigo(Peinador)
Punto Centro
Ponferrada
Soria
Linares
P, Aguilar
Burgos
P.Compuerto
Valladolid
Avila
Savacerrada
Zamora
P,Ponna
Len
Salamanca
Molina de Aragn
Madrid-retiro
a
0,247
0,134
0,153
0,240
0,135
0,119
0,103
0,060
0,060
0,115
0,082
-0,049
0,065
0,009
0,039
0,145
0,180
0,056
0,088
0,137
0,079
0,088
0,104
0,070
0,156
-0,042
0,107
0,013
0,077
0,103
0,123
0,094
K
12,8
9,5
11,2
13,2
11,7
7,6
8,9
7,2
6,9
7,5
7
5,6
8,1
5
6,2
6,9
8,8
8,7
10,1
11,9
8,7
10
8,4
10
12,8
4,7
11,7
5,5
7,4
10,4
11,3
9
Estacin
3196
3200
3259
3469
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980A
9981
63250
Nombre
Madrid-4v
Getafe
Toledo
Cceres
Ciudadreal
Guadalupe
Badajoz(Talavera
Badajoz(instituto)
Huelva
Chauchina
Grazalema
Algeciras
Guadarranque
Guadalhorce
Mlaga
Murcia S,Javier
Murcia Alcantarilla
Alicante C,Jardn
Albacete
Valencia
Castelln
Haro
Logroo
Cabreja
Zaragoza
Vfezalocha
Lrida
Huesca
Tortosa
Eloquetas
Almera
a
0,097
0,135
0,085
0,129
0,100
-0,125
0,139
0,086
0,134
0,064
-0,041
0,061
0,106
0,106
0,291
0,157
0,163
0,246
0,119
0,122
0,180
0,119
0,119
0,018
0,104
0,135
0,122
0,039
0,195
0,142
0,197
K
9,1
10,4
11,6
9,9
10,4
4,8
10,2
9,6
10,9
9,2
4
7
5,7
7,3
9
12,2
11,9
12,3
12,7
8,4
10,6
10,6
10,8
9
9,2
10,9
13,1
8,4
10,3
9,5
13,8
Tabla 47.- Parmetros "K " y " a" de la expresin I-D seleccionada en cada una de las estaciones con pluvigrafo.
150
ESTACIONES CON PLUVIGRAFO. RESULTADOS
Donde K se ha obtenido en cada estacin como -^
Siendo:
Ii, la Intensidad mxima anual en una hora.
Iz4, la Intensidad mxima anual en 24 horas.
De la tabla de resultados se deduce que el parmetro "K" toma unos valores que se
encuentran comprendidos entre 4 en Grazalema (5911) y 13,8 en Almera (63250).
En cuanto al parmetro "a", sus valores se encuentran comprendidos entre -0,1250 en
Guadalupe (4245) y 0,2908 en Mlaga (6172). Aunque solamente en cuatro estaciones toma
valores negativos: Guadalupe (4245), Amao (1212), Navacerrada (2462) y Grazalema (5911),
estaciones situadas en puntos muy dispersos dentro de la Espaa Peninsular.
151
ESTACIONES CON PLUVIGRAFO. DISCUSIN
5.3.-DISCUSION.
5.3.1.-INTRODCCION
La discusin de resultados en estaciones con pluvigrafo se va a centrar en
comparar los resultados obtenidos en la presente Tesis con los resultados presentados
por el INM (2003).
En el trabajo del INM (2003) se utilizaron 67 estaciones, 63 en la Espaa
Peninsular y 4 en las islas Baleares y Canarias, y consisti en ajustar la funcin SQRT-
ET mx, dentro de cada estacin, a cada una de las series de cada duracin, utilizando
para ello el mtodo de mxima verosimilitud. En el trabajo se ofrece adems un mapa
de Espaa, interactivo, con tablas de los resultados obtenidos en cada estacin,
indicando los parmetros de la funcin -"k" y "a"- estimados, as como los cuantiles
obtenidos para cada duracin y cada perodo de retomo. El trabajo presenta tambin un
diagrama en el que figura la correspondiente familia de curvas de intensidad-duracin-
frecuencia en cada una de las estaciones disponibles.
La comparacin de resultados se abordar considerando dos aspectos:
A) Comparacin de las intensidades mximas para cada duracin y perodo de
retomo que se deducen en ambas metodologas, para as determinar cual
proporciona estimas ms conservadoras y por tanto del lado de la seguridad.
B) Comparacin de la robustez de ambas metodologas es decir, la sensibilidad que
muestran ante la presencia o eliminacin de un dato.
Como primera idea cabe decir que ambas vas de investigacin se han
desarrollado simultneamente en el tiempo, y confirman el inters que ha suscitado la
funcin SQRT-ET mx en el ajuste de la variable aleatoria intensidad mxima anual.
152
ESTACIONES CON PLUVIGRAFO. DISCUSIN
Adems, y antes de entrar en el desarrollo de estos dos aspectos, era necesario
comprobar que los datos utilizados en esta Tesis y en el trabajo del INM eran los
mismos, algo razonable de aceptar puesto que la base de datos empleada en la presente
Tesis fue suministrada por el INM. Sin embargo, parece oportuno hacer algunas
comprobaciones que lo corroboren, Para ello, y dado que en el CD donde el INM
publica sus resultados no aparecen los datos utilizados, se procedi como se indica a
continuacin.
Procedimiento
a Se tomaron los datos utilizados en esta Tesis de las estaciones de Valls (0034),
Figueras (0429) y Badajoz (4452).
Se estimaron los parmetros de la funcin SQRT-ET mx en cada estacin y para
cada duracin, utilizando el mtodo empleado por el INM (mtodo de mxima
verosimilitud).
a En cada estacin se calcularon las intensidades mximas para cada duracin y
perodo de retomo.
Q Estos resultados se compararon con los recogidos en el CD del INM, constatando
que eran exactamente iguales.
Siendo los datos de partida iguales, las diferencias entre las estimas obtenidas segn
la metodologa aplicada- INM y la presente Tesis- son achacables a la propia
metodologa y en modo alguno a la base de datos empleada, puesto que se ha
comprobado es la misma,
5.3.2.- COMPARACIN DE INTENSmADES ESTIMADAS.
Para realizar esta comparacin se ha elegido una serie de estaciones atendiendo a los
siguientes criterios:
Que estn repartidas por todo el territorio, de manera que engloben la
variabilidad climtica de la Espaa Peninsular.
Que el mtodo de estimacin de los parmetros sea el de mxima verosimilitud,
anlogo por tanto al utilizado por el INM. Debe recordarse que en la presente
Tesis en cada estacin, en cada regin- cortas y largas duraciones- no se utiliza
153
ESTACIONES CON PLUVIGRAFO. DISCUSIN
necesariamente el mismo mtodo de estimacin de parmetros, (vase epgrafe
5.2.2).
Con estos criterios, se han considerado las siguientes estaciones, tabla 48,
Estaciones
Madrid(319S)
Soria(2030)
Murcia(7228)
Vigo(1495)
Molma(3013)
Huelva(4605)
Caldas(0222)
Estaciones
Santander(1110)
Salamanca(2867)
Algeciras(6006)
Len(2661)
Castellon(8550A)
Lrida(9771)
Tabla 48.- Estaciones utilizadas en la comparacin de las estimas obtenidas por el INM y en la presente
Tesis.
De esta manera, adems de haber utilizado los mismo datos de partida que el
INM las diferencias obtenidas en ambas metodologas no sern achacables tampoco al
mtodo de estimacin de parmetros.
A partir de las intensidades mximas deducidas por el INM y la actual Tesis, se
ha calculado el parmetro "S", expresado en porcentaje (%), como la diferencia de las
Intensidades mximas para una duracin y perodo de retomo considerado, obtenidas
por cada metodologa. Este parmetro permitir as, comparar las estimas obtenidas por
ambas metodologas, con independencia de los valores de intensidades mximas.
Donde:
- T, es la Intensidad mxima deducida en la presente Tesis para cada duracin y
perodo de retomo en cada estacin
- INM, es la Intensidad mxima deducida por el INM para cada duracin y
perodo de retomo en cada estacin.
En este anlisis se podran plantear tres situaciones:
S(%) = 0....T = EVM
S(%) > 0....T > INM
S(%) <0..,.T <INM
que daran lugar a estimas:
S(%) = ....IGUALES
S(%)>O....T MS CONSERVADOR QUE INM
S(%) < 0....T MENOS CONSERVADOR QUE INM
154
ESTACIONES CON PLUVIGRAFO. DISCUSIN
En el anejo 9 se recogen en cada estacin:
- las intensidades mximas para cada duracin y perodo de retomo.
- los valores de S(%), ei valor mximo, mnimo y medio en cada
duracin.
- los valores mximos, mnimos y medios de S(%) en cada perodo de
retomo.
- As mismo, se ha calculado S(%) medio para bajos perodos de
retomo (2<T (aos)<5), para perodos de retomo medios (10 <T
(aos)<50) y para perodos de retomo altos (100<T(aos)<500).
- Adems, se ha representado en un sistema de coordenadas, perodo
de retomo, duracin y S(%) en cada una de las estaciones. A modo de
ejemplo se muestra la figura 25 con los valores "S(%)"obtenidos en
Molina (3013), para cada duracin y perodo de retomo.
o
(O
tu
Residuos Molina (3013)
10.0
5.0-10.0
0.0-5.0
S-5.0-0.0
-10. 0-5. 0
D-15.0-10.0
D-20.0-15.0
-25.0-20.0
e-30.0-25,0
Figura 25.- Representacin grfica de la variacin de los residuos "S(%)" con el periodo de retorno y la
duracin en la estacin de Molina (3013)
155
ESTACIONES CON PLUVIGRAFO. DISCUSIN
Al analizar visualmente las grficas en 3 dimensiones se puede apreciar que no
presentan una tendencia general en la distribucin de los valores de "S" (%) con
respecto a la duracin, y parece manifestarse una tendencia al crecimiento al hacerlo el
perodo de retomo.
Adems, para centrar el anlisis en las situaciones que se manejarn ms
frecuentemente, se ha calculado, para las duraciones ms usuales - 30<d (minutos)<720
-, los valores medios de S(%) para cada perodo de retomo, que se recoge en la tabla 49.
Estacin
Madrid(3195)
Sora(2030)
Murcia(7228)
\/igo(1495)
Morma(3013)
Huelva(4605)
Caldas{0222)
Santander(1110)
Salamanca(2867)
Algeciras(6006)
Len(2661)
Castellon{8550A)
Lrida(9771)
Media
Cv
Perodo de retomo (aos)
2
0,039
0,464
-0,378
-0,081
-0,446
1,930
0,671
-0,602
-0,926
-1,094
0,438
0,864
0,526
0,108
0,13
5
0,498
0,464
1,259
0,965
-0,131
-0,484
-1,096
0,887
-0,488
1,239
2,340
-0,094
0,741
0,469
0,51
10
0,833
0,464
1,525
2,713
0,462
-0,705
-1,258
2,462
-0,846
1,164
2,941
0,704
1,048
0.885
0,67
25
0,377
0,464
2,410
3,158
0,931
-1,406
-2,084
2,558
-1,765
2,111
3,893
0,155
1,746
0,965
0,51
50
0,993
0,464
2,365
3,955
1,057
-1,973
-2,544
2,872
-1,876
2,376
4,201
0,286
1,383
1,043
0,48
100
0,974
0,464
2,184
4,221
0,685
-2,507
-2,531
3,341
-1,760
2,623
5,063
-0,014
1,278
1,078
0,45
200
0,583
0,464
2,523
4,831
1,156
-2,490
-2,848
3,846
-2,370
3,308
4,612
-0,179
1,707
1,165
0,44
500
0,503
0,464
3,245
5,369
1,000
-3,155
-3,046
4,450
-2,364
3,404
5,245
-0,194
1,799
1,286
0,43
Tabla 49.- Valores medios de los residuos "S(%)" para las duraciones ms usuales, 30<d (minutos)<720,
en cada estacin.
De la tabla 49 se deduce lo siguiente:
o Los valores medios de "S(%)" del conjunto de las estaciones son positivos, y por
tanto las estimas obtenidas en la presente Tesis seran ms conservadoras que las
deducidas por el INM aunque las diferencias son muy pequeas.
Se compmeba que los valores medios de los residuos crecen con el perodo de
retomo, aunque la variacin es pequea.
a Los coeficientes de variacin obtenidos confirman que no hay una tendencia general
en todas las estaciones.
156
ESTACIONES CON PLUVIGRAFO. DISCUSIN
En la tabla 50, se muestra el valor medio de "S(%)" en trminos absolutos para
cada perodo de retomo en cada estacin analizada, y se representan a continuacin en
la figura 26. La figura 26 confirma que en trminos absolutos S(%) crece con ei perodo
de retomo.
Estacin
Madrid(3]95)
Soria(2030)
Murcia{7228)
Vigo(1495)
Molina(3013)
Huelva(4605)
Caldas{0222)
Santander(lllO)
Saamaiica(2867)
Aigeciras(6006)
Len{2661)
Castellon(8550A)
Lrida(9771)
Perodo de retomo (aos)
2
1,715
0,980
0,948
1,090
1,722
1,930
1,063
0,768
2,322
1,311
0,614
2,051
1,312
5
0,887
1,621
2,205
1,221
0,642
1,496
-lll
1,594
3,712
1,880
3,053
1,629
1,262
10
1,599
2,776
2,686
3,098
1,690
3,052
.-M12i
3,548
5,503
2,678
4,421
2,548
1,833
25
2,709
3,168
3,596
3,629
2,662
4,327
5,030
4,338
7,158
4,061
5,726
3,700
3,002
50
2,814
3,090
4,211
4,543
3,609
4,980
5,868
5,035
7,626
4,446
6,309
4,089
3,021
100
3,031
3,761
4,725
5,067
3,517
5,923
6,465
5,690
7,449
5,505
7,118
4,697
3,612
200
3,682
4,009
5,016
5,630
3,843
6,653
7,236
6,414
8,749
5,699
8,093
5,154
3,759
500
4,020
4,590
5,419
6,274
4,273
7,441
7,682
7,041
9,527
6,317
8,098
5,775
4,414
Tabla 50.- Valores de S(%) medios en trminos absolutos para las estaciones analizadas
S(%] medio en valor absoluto en cada periodo de retorno
12.000
4.0
Ln(T) (aos)
-Madrict3195}
*~Sorra(2030)
Murcia(7228)
-^<~Vigo(1495)
-JKMolna(3013)
-Hueiva(4605)
-fCaldas(0222)
Santander(1110)
Salamanca(2867)
- Algeciras(6006)
Len(2661)
^' Castellon(8550A)
Lrida{9771)
Figura 26.- Representacin grfica de S{%) medio en trminos absolutos frente al LN(T) en
cada una de las estaciones analizadas.
157
ESTACIONES CON PLUVIGRAFO. DISCUSIN
5.3.3.- ANLISIS DE LA ROBUSTEZ DE LAS ESTIMAS.
La robustez de las estimas es quiz el aspecto ms importante y ms imiovador
de la presente Tesis respecto a la metodologa utilizada por el INM,
El mtodo aplicado por el ENM, estima una funcin de distribucin para cada
serie (correspondiente a cada duracin) independientemente. Al ser el nmero de
registros limitado, la probabilidad de que no se incluya xm valor excepcional alto es
notable, y el hecho de que tal valor aparezca o no en la serie influye sensiblemente en la
estima de los cuantiles adimensionales, especialmente en los correspondientes a
perodos de retomo altos.
Sin embargo, el mtodo de regionalizacin, desarrollado en la presente Tesis,
utiliza una funcin de distribucin para un conjunto de series (series correspondientes a
cortas duraciones o largas duraciones), y al ser la serie ms amplia, la probabilidad de
que se incluyan valores excepcionales es mayor que en el mtodo utilizado por el INM.
Adems, el hecho de que un valor se incluya o no, influye en menor medida en la estima
de los cuantiles adimensionales ya que habr otros valores altos, - procedentes de otra
serie, pero que constituyen una serie nica para el ajuste ya que forman una regin
homognea- que limitarn el efecto de la eliminacin o no eliminacin de un nico dato.
Evidentemente el efecto de la estabilidad - robustez - de la estima ser tanto ms
marcado cuanto mayor sea el coeficiente de variacin de la muestra, ya que los valores
altos de este estadstico estn ligados, en este tipo de variables aleatorias de valores
extremos, a la aparicin de valores mustrales excepcionalmente altos.
Para este anlisis se han considerado dos regiones: una en Valls (0034), la regin
de largas duraciones, con un coeficiente de variacin de 0,44, que presenta un
comportamiento similar a la mayor parte de las regiones consideradas (con valores de
coeficiente de variacin entre 0,3 y 0,5) , que no presentan valores extremos anmalos
atendiendo al criterio de Water Resources Council, y que adems ha venido
acompaando a lo largo de toda la Tesis en el anlisis de resultados.
158
ESTACIONES CON PLUVIGRAFO. DISCUSIN
Y por otro lado, se ha considerado la regin de largas duraciones en la estacin
de Figueras (0429) con el coeficiente de variacin ms alto - 0,85 -. De esta manera se
entiende que se cubre el rango de variabilidad observado en el conjunto de las
estaciones utilizadas.
El objetivo es analizar la influencia de considerar o no, un elemento de la serie
de valores disponibles sobre las estimas finales. Para ello se compararn los cuantiles
adimensionales obtenidos por ambos mtodos, y en la medida en que stos no varen
cuando se elimina un dato, significar que las estimas son ms estables, y por tanto ms
robustas.
Por lo tanto, para establecer la comparacin entre los dos mtodos se plante el
sigtunte proceda :
De los registros adimensionales de la estacin de Valls (0034), correspondientes a la
regin "largas duraciones", se elimin un dato, el mayor de la serie, que proceda de
la serie de Intensidades mximas en 720 minutos.
a Se volvi a adimensionalizar dicha serie, ya que al eliminar el dato mximo varia la
media, incorporndose posteriormente al conjimto de registros adimensionales de la
regin "largas duraciones" en Valls (0034), pero ya sin un dato.
a Con esa nueva serie se estimaron los parmetros de la funcin SQRT-mx y se
obtuvieron los cuantiles adimensionales que aparecen en la tabla 51 bajo el nombre
CAT- SIN-
Y para comprobar en qu medida afecta la eliminacin de dicho dato a la
metodologa propuesta por el INM se establecieron los siguientes pasos:
Se elimin de la serie de intensidades mximas en 720 minutos el mismo valor.
Se adimensionaliz dicha serie.
Q Se ajust posteriormente a una funcin SQRT-ET mx y en la tabla 51 se muestra el
cuantl adimensional deducido, bajo el nombre CAINM-SIN-
159
ESTACIONES CON PLUVIGRAFO. DISCUSIN
T (aos)
2
5
10
25
50
100
200
500
CAT. TODOS 1
0,9
1,31
1,62
2,06
2,39
2,78
3,17
3,72
CAT- sm
0,9
1,31
1,63
2,06
2,41
2,76
3,17
3,72
CAlKM-TODOS
0,90
1,30
1,60
2,02
2,35
2,71
3,10
3,62
CAlNM- SIN
0,93
1,31
1,60
2,00
2,31
2,67
3,02
3,53
Tabla 51.- Cuantiles adimensionales deducidos con todos los datos y al eliminar el mismo dato por
ambas metodologas en la estacin de Valls (0034), en la regin "largas duraciones".
Donde,
CAT- TODOS , es el Cuantil adimensional deducido en la presente Tesis en la estacin de
Valls (0034) en la regin de "largas duraciones".
CAT- SIN , es el Cuantil adimensional deducido en la presente Tesis en la estacin de
Valls (0034) en la regin de "largas duraciones" al eliminar el mximo valor de la serie.
CAiNM- TODOS, es el Cuantil adimensional deducido por el ESiM en la estacin de Valls
(0034) en la serie de 720 minutos.
CAiNM- SIN , es el Cuantil adimensional deducido por el INM en la estacin de VaUs
(0034) en la serie de 720 minutos al eliminar el mximo valor.
Para evaluar el efecto que tiene en cada metodologa, la eliminacin de un dato,
se calcularon las diferencias relativas respectivas, en %, y se recogen en la tabla 52.
Si se comparan las diferencias obtenidas por ambas metodologas se observa
claramente que el proceso de regionalizacin lleva a unas estimas ms robustas.
La figura 27 permite apreciar grficamente esta conclusin, pudindose observar
que los cuantiles adimensionales deducidos por el mtodo de regionalizacin casi son
coincidentes tanto si consideramos todos los valores de la serie, como si se elimina uno,
el mximo- y por el contrario, al utilizar la metodologa del INM, los cuantiles
160
ESTACIONES CON PLUVIGRAFO. DISCUSIN
adimensionales varan al eliminar ese mismo dato. Recurdese que la estacin
seleccionada presenta un Cy que puede considerarse representativo del conjunto de las
estaciones empleadas tanto en la presente Tesis como en el trabajo del INM.
Perodo de retomo (aos)
2
5
10
25
50
100
200
500
Diferencias relativas (%)
Tesis
0,0
0,0
-0,6
0,0
-0,8
0,7
0,0
0,0
Diferencias relativas (%)
INM
-3,3
-0,8
0,0
1,0
I J
1,5
2,6
2,5
Tabla 52.- Diferencias relativas (%) en arabas metodologas, al eliminar un dato en la estacin de Valls
(0034), en la regin "largas duraciones".
Donde:
(^yl CA
Diferencias relativas(%) Tesis responde a la expresin, ^^^^^^^ ^~^^^ * 100
CA -CA
Diferencias relativas(%) INM responde a la expresin, ^^' -^ODOS _ ^ INM-SIN^ * JQQ
^^INM-TODOS
-CAT-todos
-CAT-sin
CA INM- todos
-^e-CAMVKsin
200 400 600
periodo de retorno
Figura 27.- Representacin de los cuantiles adimensionales deducidos por en la presente Tesis y por el
INM en la estacin de Valls(0034), para la regin "largas duraciones".
161
ESTACIONES CON PLUVIGRAFO. DISCUSIN
Donde,
CAx- TODOS, es el Cuantil adimensional obtenido en el proceso de regionalizacin de largas
duraciones con todos los datos,
CAT- SIN ,es el Cuantil adimensional obtenido en el proceso de regionalizacin de largas
duraciones eliminando el mximo de la serie.
CAiNM- TODOS , es el Cuantil adimensional que resulta de ajustar la serie de 720 minutos
dividida por su media a una funcin SQRT-ET mx.
CAiNM- SIN , es el Cuantil adimensional que resulta de ajustar la serie de 720 minutos
dividida por su media, eliminando el mismo dato que en el proceso de regionalizacin, a
una funcin SQRT-ET mx.
A continuacin se ofrecen los resultados de comparar la robustez de las estimas
con el mismo proceso descrito anteriormente en la estacin de Figueras (0429), en la
regin largas duraciones. Esta regin, como ya se ha indicado, presenta el coeficiente de
variacin ms alto de todas las regiones definidas en la presente Tesis.
En las tablas 53 y 54 y en la figura 28se aprecia cmo afecta a los cuantiles
adimensionales el hecho de haber eliminado un solo dato, el mximo, que se
corresponde con la serie de 360 minutos. Al aplicar el proceso de regionalizacin, los
cuantiles adimensionales obtenidos para cada perodo de retomo apenas varan,
mientras que en el ajuste que se realiza considerando de manera independiente la serie
de 360 minutos (metodologa INM) los cuantiles adimensionales deducidos se ven
afectados en mayor medida.
En la tabla 54 se comprueba que la falta de robustez es ms evidente que en el
anterior (Valls (0034)), comportamiento previsible dado el alto Cv de la serie.
T
(aos)
2
5
10
25
CAT-TODOS
0,83
1,31
1,69
2,22
CAT-SIN
0,82
1,29
1,67
2,18
CAiNM-TODOS
0,82
1,32
1,70
2,26
CAiNM-sm
0,78
1,22
1,56
2,02
162
ESTACIONES CON PLUVIGRAFO. DISCUSIN
T
(aos)
50
100
200
500
CAT- TODOS
2,67
3,13
3,62
4,36
CAi. SIN
2,61
3,06
3,54
4,24
C AD-M- TODOS
2,71
3,17
3,70
4,43
C AnsiM- SIN
2,41
2,82
3,27
3,90
Tabla 53,- Cuantiles adimensionales deducidos con todos los datos y ai eliminar el mismo dato por
ambas metodologas en la estacin de Figueras (0429).
Perodo de
retomo (aos)
2
5
10
25
50
100
200
500
Diferencias relativas
(%)Tesis
1,2
1,5
1,2
1,8
2,2
2,2
2,2
2,8
Diferencias relativas
(%)INM
4,9
7,6
8,2
10,6
11,1
11,0
11,6
12
Tabla S4.-Diferencias relativas {%) obtenidas por ambas metodologas en la estacin de Figueras (0429)
para la regin "largas duraciones".
CA-T todos
-CA-Tsin
CA-INM todos
-CA-INM sin
200 300 400
perodo de retomo (aos)
600
Figura 28.- Representacin de los cuantiles adimensionales deducidos por en la presente Tesis y por el
INM en la estacin de Figueras(00429), para la regin "largas duraciones".
163
ESTACIONES CON PLUVIGRAFO. DISCUSIN
5.3.4.-CONCLUSIN.
Las estimas obtenidas con la metodoiogia propuesta por el
M recogida en la presente Tesis no difieren
mucho aunque las proporcionadas aqu son ms
conservadoras, situndose por tanto del lado de la
seguridad.
Las estimas obtenidas en la metodologa propuesta en esta
Tesis son ms robustas - estables - que las proporcionadas
porelINM.
164
ESTACIONES CON PLUVIGRAFO. CONCLUSIONES
5.4.-CONCLSIONES.
Tras el estudio de las series de Intensidades mximas para distintas duraciones,
en las estaciones que disponen de pluvigrafo, se pueden extraer una serie de
conclusiones:
Se ha podido aplicar el mtodo de regionalizacin en cada estacin,
dando lugar a dos regiones homogneas - de cortas duraciones (<60
minutos) y de largas duraciones(>60 minutos)-.
En cada regin se ha podido aplicar el mtodo de estimacin de
parmetros ms adecuado para estimar cuantiles con un criterio
conservador.
La funcin SQRT-ET mx es una funcin que permite describir
adecuadamente el comportamiento de la variable aleatoria intensidad
mxima anual.
La metodologa ofrecida en la presente Tesis proporciona estimas ms
robustas y conservadoras que la empleada por el INM.
El modelo I-D elegido, si bien es similar al de la Instruccin 5.2-IC
iiicorpra un parmetro adicional - a- que lo dota de mayor flexibihdad
ante la variabilidad espacial observada.
165
6.-ESTACIONES SIN PLUVIGRAFO
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
6.1.-MATERIAL Y MTODOS.
6.1.1,-DATOS DISPONIBLES.
En una estacin que slo cuenta con pluvimetro, los datos disponibles son las
seres de precipitaciones mximas diarias anuales. Adems, a partir del trabajo
publicado por el Ministerio de Fomento y Direccin General de Carreteras (1999),
"Mximas lluvias diarias en la Espaa Peninsular", se puede deducir la precipitacin
mxima diaria anual para cualquier perodo de retomo, PMDA(T), en cualquier punto
de la Espaa Peninsular, mediante la expresin:
PMBA (T) = CA(T)p * PMDA
Donde:
CA(T) ' ^^ ^^ cuantil adimensional para un perodo de retomo T
siguiendo los resultados de Ferrer para la localizacin
considerada, publicados en "Mximas lluvias diarias en la Espaa
Peninsular"(1999).
PMDA ^ es la precipitacin mxima diaria anual media para la
localizacin considerada.
Por otra parte, el dato de precipitacin mxima diaria anual para cualquier
perodo de retomo se puede traducir en intensidad mxima en 24 horas para cualquier
perodo de retomo, simplemente multiplicando PMDA(T) por el factor 1,13 y
dividindolo entre la duracin, 24 horas.
^,-. _ PMDAjT)* 1,13
/(24, /)
Donde,
1,13 , es un factor de mayoracin aceptado, que permite calcular la precipitacin
mxima en 24 horas a partir de datos diarios.
166
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
Por lo tanto:
En toda la Espaa Peninsular se puede obtener el dato de intensidad
mxima en 24 horas para cualquier perodo de retorno a partir de "Mximas
lluvias diarias en la Espam Peninsular "(1999)
6.1.2.-HIPOTESIS DE PARXroA.
En un sentido estricto, la relacin ^ ' ^ que se ha obtenido en las estaciones
con pluvigrafo no es generalizable a las estaciones que carezcan de l debido
precisamente a la ausencia de datos de intensidades mximas para distintas duraciones
en esas estaciones y por tanto, al desconocimiento de su comportamiento o de su
relacin entre magnitudes.
Por otra parte, es importante insistir que las estaciones con pluvigrafo
disponibles en Espaa son escasas, y adems, es un problema que no se puede
solucionar a corto plazo, ya que, independientemente del coste de su instalacin y
mantenimiento, digitalizacin de las bandas..., se requiere que transcurra un nmero
suficiente de aos como para que los datos mximos anuales recogidos sean
representativos. Como no es posible, por lo menos a corto plazo, resolver este problema,
cualquier intento de extrapolar los resultados obtenidos en estaciones con pluvigrafo a
estaciones que carecen de l queda justificado completamente desde el momento en que
se necesite estimar el valor de la intensidad mxima, correspondiente a una duracin, y
para distintos perodos de retomo.
Para tratar de cubrir el objetivo planteado en la presente Tesis relativo a la
determinacin de la Intensidad mxima para cada duracin y perodo de retomo en la
Espaa Peninsular, se plantea como hiptesis de partida que la relacin ' ^
7(24, r)
deducida en la presente Tesis para estaciones que disponen de pluvigrafo es vlida en
todos los puntos del territorio peninsular.
167
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
A continuacin se presenta un esquema del proceso seguido para analizar las
estaciones sin pluvigrafo, esquema 8, tal y como se realiz tambin en las estaciones
con pluvigrafo, y posteriormente se ir analizando y desarrollando cada uno de los
epgrafes planteados.
Esqaema 8.- Esquema del anlisis realizado en estaciones sin pluvigrafo.
La relacin
lidj)
I(24,T}
Hiptesis de partida:
deducida en estaciones con pluvigrafo es
ei territorio peninsular.
vlida en todo
I(24;T)
Criterios para seleccionar
cuantiles
Criterios para extender la iey ID.
Obtencin de I(d,T)
en cualquier punto de la Espaa Peninsular
168
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
l(d;T)
I(24;T)
6.1.3.-CRITERIOS PARA ABORDAR EL PROBLEMA.
En una estacin que dispone de pluvigrafo, la expresin deducida
anteriormente, y que permite relacionar las intensidades mximas para una duracin
cualquiera y para 24 horas es la siguiente:
^ CA'^ilA-Tyi^ CA'^ilA-T) ^
Donde, PG, es pluvigrafo
CA^^ (d,T), es el cuantil adimensional deducido en una estacin con pluvigrafo
para una duracin y un perodo de retomo determinados.
Lgicamente, para duraciones inferiores o iguales a 60 minutos habr que
considerar el cuantil adimensional deducido en la regin "cortas duraciones", y
para duraciones mayores de 60 minutos habr que considerar el cuantil
adimensional correspondiente a la regin "largas duraciones" en la estacin
con pluvigrafo considerada.
CA^^ (24,T), es el cuantil adimensional en una estacin con pluvigrafo para una
duracin de 24 horas, y el perodo de retomo "T", y que se corresponder por tanto
con el de la regin "largas duraciones".
g (d), es la expresin I-D, que relaciona el cociente de la intensidad mxima
media de cada duracin y la de 24 horas con la duracin, deducida en la estacin
con pluvigrafo.
En funcin de la hiptesis de partida, la expresin que relaciona ambas intensidades
en otro punto "P" es la misma:
" Iid;T) 1 ^ CA\d;T) ,
/(24;r)J^ CA^IAJ)
De todos estos parmetros:
> CA^(24,T), cuantil que se puede obtener en "Mximas lluvias diarias en la
Espaa Peninsular"(1999).
> g^(d) , expresin que no est disponible en estaciones que carecen de
pluvigrafo, y que por tanto carecen de datos de intensidad mxima media para
distintas duraciones.
169
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
> CA^(d,T) cuantil que no se puede conocer puesto que no hay datos de intensidad
mxima para distintas duraciones en estaciones que no disponen de pluvigrafo.
Parece por lo tanto adecuado establecer unos criterios para tratar de extender los
resultados obtenidos en las estaciones con pluvigrafo a todos los puntos de la Espaa
Peninsular.
6.1.3.1.-Criterio para extender la ley I-D.
Para extender la relacin I-D deducida en las estaciones con pluvigrafo al resto
de las estaciones, se plantean tres soluciones que el usuario deber adoptar en funcin
de las caractersticas de la zona en estudio:
Si la estacin con pluvimetro se encuentra muy prxima a ima estacin con
pluvigrafo y las caractersticas de su situacin, orientacin .. permiten deducir que
las condiciones climticas no varan desde la estacin con pluvigrafo hasta ella, se
podrn asumir las relaciones deducidas en la estacin con pluvigrafo.
24-
Donde:
K, es el parmetro K deducido en la estacin con pluvigrafo prxima,
a, es el parmetro "a" deducido en la estacin con pluvigrafo prxima,
"d" la duracin (horas) considerada.
o Si la estacin se encuentra prxima a varias estaciones con pluvigrafo se podrn
obtener los parmetros necesarios para calcular I-D ponderando en funcin de la
distancia a cada una de las estaciones.
PONDERADO ^i , , j^-PONDERADO *^i
a =- yK =
t i
Aplicando para ello como criterio de ponderacin el inverso del cuadrado de la
distancia, y por tanto la expresin g(d) pasar a adoptar la siguiente expresin:
24 a
170
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
Q La tercera opcin consistir en trazar unos mapas de isolneas de los parmetros que
se requieren para determinar I-D, a partir de los datos de las estaciones con
pluvigrafo.
Para poder aplicar esta ltima opcin se presentar en resultados un mapa de
isolneas, para cada parmetro, "K" y "a" de la funcin g(d).
6.1.3.2.-Critero para seleccionar cuantiles.
A partir de la expresin aceptada en la hiptesis de partida
I(d;T)
1(24; J)
jp
CA^(d;T)
CA'ilAJ)
se puede determinar I(d,T)p, despejando en la expresin anterior:
mr), = I(24,T), * ^ ^ ^ *g'id) = CA\24,T)* iL * " ^ ^ ^ *s'id)
Expresin en la que se puede simplificar CA^(24,T), y queda por tanto:
lidj) = l*CA^(d,T)'^g^(d)
Donde:
J^^, es la Intensidad mxima anual media en 24 horas...CONOCIDO.
Este valor puede obtenerse a partir del mapa de isolneas de PMDA,
incluidos en "Mximas lluvias diarias en la Espaa Peninsular".
-^PMDA^* 1,13
'''^ 24
g^(d), es la expresin I-D y que en funcin del criterio establecido en el epgrafe
anterior pasa a ser...CONOCIDO.
171
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
CA^ (d, T), es el cuantil adimensional para una duracin y perodo de retomo en
el punto "P" considerado, y que atendiendo a la expresin deducida en
estaciones con pluvigrafo se corresponde con:
CAL(T) si d>lhora
\ CAc(T) si d^ 1 hor a " ^' P""* considerado DESCONOCIDO
Para resolver este problema, se baraja como solucin buscar una funcin, "h"
que relacione los cuantiles adimensionales que no se conocen - C4f (7')y CA^iT)- con
algn cuantil conocido.
El procedinient propuesto puede sintetizarse como sigue:
En las estaciones con pluvigrafo se obtienen las funciones
G4(r)f
CA{T),
CAiT),
en donde se ha definido con el subndice F, el cuantil adimensional para un
perodo de retorno T (aos) requerido para la estimacin de mximas lluvias
diarias.
CA(T) CA(T)
Q Aceptando que esas funciones reproducen la relacin ^ , ^^ , y ^^-^
CJ(Th CATh
de toda la Espaa Peninsular, ya que los datos de las estaciones con
pluvigrafo cubren razonablemente la variabilidad climtica en ese mbito
territorial, se puede obtener CA(T)L y CA(T)c para cualquier punto "P"
simplemente despejando de la relacin:
CA{T)l=h,iTrCA{T);
CA{T)l=h^{TYCA{TY,
Con ello, el trmino correspondiente a los cuantiles adimensionales
pasara a ser conocido y por lo tanto quedara resuelto el problema de
172
ESTACIONES SIN PLUVIGRAFO. MATERIAL Y MTODOS
estimacin de las intensidades mximas para distintas duraciones y perodos
de retomo.
Adems, el hecho de establecer la relacin de cuantiles, CA(T)L y CA(T)c , con el
CA(T)F, presenta una ventaja aadida y es, que estos ltimos se han deducido con una
red muy numerosa de estaciones, y por lo tanto estos cuantiles sern robustos.
6.1.4..0BTENCION DE LAS INTENSIDADES MXIMAS PARA CADA
DURACIN Y PERODO DE RETORNO.
La expresin a utilizar sera la siguiente:
2 4 ^' k(f)*ci(r)?
Expresin en la que todos sus trminos pasan a ser conocidos.
Donde,
PMDA^, es la precipitacin mxima diaria anual media correspondiente al
punto considerado, obtenida en "Mximas lluvias en la Espaa
Pemnsular"(1999).
CA{TYP , es el cuantil adimensional para la estimacin de la precipitacin
mxima diaria anual y para el perodo de retomo considerado, que se puede
obtener en la misma monografa citada anteriormente.
g^ (d) , es la funcin I-D, con los parmetros deducidos en la
estacin/estaciones con pluvigrafo prximas, o bien de los mapas de iso-
lneas deducidos a partir de ellos.
hL(T) y hc(T), funciones que relacionan los cuantiles adimensionales para
largas y cortas duraciones, con los correspondientes a lluvias diarias,
recogidos estos ltimos tambin en "Mximas lluvias diarias en la Espaa
Peninsular".
173
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
6.2.-RESLTADOS.
En las estaciones que no disponen de pluvigrafo se presentar, como resultados,
un mapa interactivo de isolneas de los parmetros requeridos para la funcin I-D, as
como el estudio de la funcin "h" adecuada para poder determinar los cuantiles
adimensionales para una duracin y perodo de retomo en estas estaciones.
6.2.1.- MAPA DE ISOLNEAS DE LOS PARMETROS "K" Y *'a".
Los parmetros "K" y "a" de la funcin I-D en las estaciones que disponen de
pluvigrafo toman valores entre 4 y 13,8, y para analizar cuales son los valores ms
frecuentes se han establecido unos intervalos y se ha comprobado el nmero de
estaciones dentro de cada uno de ellos, figura 29. Se observa que los valores ms
frecuentes se encuentran en el intervalo (8-10) en diecinueve estaciones.
Figura 29.- Nmero de estaciones con el mismo valor de "K".
Intervalos
(4-6)
(6-8)
(8-10)
(10-12)
n2-i4)
n'^de
estaciones
7
10
19
18
8
00 -
i 15J
o
"3
S 10-
6)
0)
O 5
O
C
- -
y-
'
'-
(4-6) (6-8) (8-10) (10-12) (12-14)
valor de "k"
En la tabla 55, llama la atencin la presencia de algunos valores muy bajos,
respecto a los valores obtenidos en la Instruccin 5.2- IC "Drenaje Superficial (1990),
(figura 4 en pg. 44) donde los valores de "K" estaban comprendidos entre 8 y 13.
Tambin es cierto que, de las estaciones con valores de "K" bajos actualmente
manejadas, solamente se dispona de la estacin de Guadarranque (6024) para realizar el
mapa de isolneas de la citada Instruccin.
174
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
Estacin
5911
2462
4245
1428
2633
1212
6024
Nombre
Grazalema
Navacerrada
Guadalupe
Santiago
P,Ponim
Amao
Guadarranque
K
4,0
4,7
4,8
5,0
5,5
5,6
5,7
Tabla 55.-Estaciones con menor valor de "K" de todas las estaciones disponibles.
Se comprueba adems, que las mismas estaciones destacadas anteriormente son
las que presentan los valores de "a" ms bajos, tabla 56:
Estacin
4245
1212
2462
5911
1428
2633
6024
Nombre
Guadalupe
Arnao
Navacerrada
Grazalema
Santiago
P, Forma
Guadarranque
a
-0,1250
-0,0489
-0,0418
-0.0405
0,0089
0,0128
0,1057
Tabla 56.-Estadones con menor valor de "a" de todas las estaciones disponibles.
Si se analiza tambin los valores ms frecuentes de "a", y para ello se establecen
unos intervalos, figura 30, el valor ms frecuente se encuentra en el intervalo [0,1-
0,125] en 15 estaciones.
Intervalos de
"a"
<0
0-0.025
0.025-0.05
0.05-0.075
0.075-0.1
0.1-0.125
0.125-0.15
0.15-0.175
0.175-0.2
>0.2
nde
estaciones
4
3
2
7
10
15
10
4
4
4
I f i -,
i 12.
1 10-
1 8-
? 4-
= 2-
1 1
'
^0 0.0^5,0,0, '-"'Hr ''''H,s '-''^.2
intervalo de valores de "a"
Figura 30.- Nmero de estaciones con el mismo valor de "a".
175
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
Conviene destacar que las estaciones con valores bajos de "K" y "a" no guardan
proximidad geogrfica, presentando por el contrario cambios significativos respecto a
ias estaciones de su entorno. Esto tiene importantes consecuencias a la hora de intentar
generar isolneas de estos parmetros, ya que estas siete estaciones producirn
gradientes muy marcados. A modo de ejemplo se puede observar el mapa 4 en el que se
han trazado isolneas del valor de "K" a partir de los datos de la estacin de Madrid y
estaciones prximas.
TT?
Mapa 4.-Gradientes originados en las proximidades de Madrid como consecuencia de las variaciones del
parmetro "K" en las estaciones prximas.
Cabe preguntarse si ese comportamiento es local y por tanto su uso debe
limitarse exclusivamente a la estacin en concreto, o por el contrario puede utilizarse
dicho valor para la obtencin de isolneas. Para analizar con detalle estas estaciones se
realizaron dos estudios:
a) En primer lugar se incorpor un grid de relieve al mapa de estaciones, que se
recoge en el mapa 5, con el fin de estudiar su ubicacin y ver si era posible
que la influencia de algn parmetro de orientacin o de altitud de la
estacin justificara el cambio de valor respecto a estaciones prximas. Se
comprob que cinco de las siete estaciones se corresponden con
emplazamientos de montaa, Grazalema (5911) en la Sierra de Grazalema,
176
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
Navacerrada (2462) en la sierra de Guadarrama, Guadalupe (4245) en la
Sierra de Guadalupe, P.Porma (2633) en Picos de Mampodre, y
Guadarranque (6024) en las estribaciones de la Serrana de Ronda, aunque
esta caracterstica no es aplicable ni a Santiago (1428) - aunque se encuentra
en un enclave rodeado de cadenas montaosas- ni a Arnao (1212) que se
encuentra muy prximo a la costa.
En la tabla 57 queda recogida la cota de las estaciones analizadas. Todas ellas se
encuentran a una cota importante excepto Guadarranque (6024), Santiago (1428), y
Amao(1212).
^
Mapa 5 - Mapa de relieve junto con las estaciones disponibles en la Espaa Peninsular. En rojo las
estaciones con un valor de "K" ms bajo,
177
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
Estacin
Grazalema
Navacerrada
Guadalupe
Santiago
P-Porma
Amao
Guadarranque
Cdigo
5911
2462
4245
1428
2633
1212(e)
6024
Cota(m)
995
1722
552
334
1073
15
212
Tabla 57.- Cota de situacin de las estaciones con los parmetros "K" y "a" ms bajos.
b) En segundo lugar se compar el valor de "R" - ndice de Erosin Pluvial en la
ecuacin universal de prdidas de suelo-, y el ndice de Agresividad de la lluvia de
Foumier "F"^ obtenidos en estas estaciones y en estaciones prximas. Estos factores
evalan aspectos erosivos de los aguaceros y estn vinculados a valores extremos de
precipitacin, -I30 en el caso del factor R- y el cociente de la precipitacin mxima
mensual entre la anual, en el caso del ndice Foumier "F". Si estos parmetros son
tambin diferentes respecto a las estaciones prximas confirmara la peculiaridad del
comportamiento de la precipitacin en estas estaciones.
Los factores que se obtienen se recogen en la tabla 58, tabla en la que se ha
asociado un mismo color a cada una de las siete estaciones que presentan valores bajos
de los parmetros de la curva I-D, y a la estacin/estaciones prximas con las que se
compara.
Se puede comprobar que las estaciones objeto de estudio tambin presentan
diferencias en los parmetros "F" y "R" respecto a las estaciones con las que se
compara, salvo en Amao(1212e) - que se compara con Gijn (1208) y Rann(1212)-, y
P-Porma -que se compara con Compuerto (2363)-. En ambos casos las estaciones con
' "Agresividad de la lluvia en Espaa. Valores del factor R en la ecuacin universal de prdidas de suelo",
ICONA(1988)
178
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
que se comparan se encuentran muy prximas a la estacin en estudio y los parmetros
apenas varan. Para ver la situacin de las mismas se puede consultar el mapa 6.
Estacin
Grazalema
Navacerrada
Guadalupe
Santiago
P-Porma
Amao
Guadarranque
Cdigo
5911
2462
4245
1428
2633
1212
6024
F
171
70
61
105
50
40
120
R
540
194
125
306
150
123
221
Estacin
Ronda
Avila
Cceres
La Corua
Compuerto
Gjn
Rann
Algeciras
Gaucn
Cdigo
6032
2444
3469
1387
2363
1208
1212(e)
6006
6050
F
64
19
41
39
49
36
36
104
104
R
151
73
75
125
142
115
97
340
305
Tabla 58.- Factores F y R en las estaciones estudiadas y con las que se quiere comparar por su
proximidad.
'J' Guadarranque
Algeciras
^
A t ^:^
Mapa 6.-Estaciones analizadas, junto con las estaciones con las que se compara.
179
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
Todo ello induce a pensar que estas estaciones, y como combinacin de una
serie de factores orogrfcos y/o climticos presentan un comportamiento diferente
respecto de las estaciones prximas. Por ello, a la hora de trazar un mapa de isolneas se
decide eliminar esas estaciones- Guadalupe (4245), Navacerrada (2462),
Grazalema(5911), P.Porma (2633) y Guadarranque (6024) Santiago (1428) y Amao
(1212)- del proceso general del trazado de isolneas. En el mapa aparecern unas reas
sombreadas, correspondientes a esas zonas de incertidumbre: Santiago (1428), Amao
(1212) y las cadenas montaosas correspondientes en los otros casos.
El usuario, dependiendo de la situacin de la estacin en estudio, deber decidir
si utiliza los valores de la isolnea correspondiente, o los de la estacin prxima.
Teniendo en cuenta las consideraciones antes expuestas, se presentan los mapas
7 y 8 de isolneas de los parmetros "K" y "a" , realizados en Arc-view utilizando como
mtodo de interpolacin el mtodo SPLENE, y tomando para cada celda del grid las seis
estaciones ms prximas.
En el apndice III se incluye un anlisis de sensibilidad de los parmetros "K" y
"a", del que se traen aqui las principales conclusiones:
Conclusiones:
Los errores relativos que se derivan de estimar incorrectamente el valor de "K"
son mayores que los errores que se derivan de la estimacin incorrecta de "a",
en trminos absolutos,
Sin embargo, es ms difcil cometer errores en K que en "a", por el rango de
valojnes que adopta en Espaa:
Por lo tanto a la hora de estimar ambos valores de "K" y de "a" hay
que ser muy uidadoso, pero sobre todo n la adopcin del valor de "a".
180
MAPA DE ISOLINEAS "K
ttiT'
M 00,000 100,000 200,000 300.000 400,000 500,000
I
600.000 700,000 800.000 900,000 1,000,000
-100,000
1,1X,000
+
ti
-*(**'''
'^
100,000 200,000 300,000 400,000 500,000 600,000 700,000 800,000 900,000 1,000,000 1,100,000
/\y\so\\nea K
Estacin pluviogrfica
rea de incertidumbre {*)
Mapa 7.- Mapa de Isolneas "K"
Escala 1:4.500.000
50000 O 50000 100000 Metros
UTM referidas al huso 30
('). Ver epgrafe 6.2.1 dei texto
f t ^ f
MAPA DE ISOLINEAS "a
-100.000 100,000 200,000 300,000 400.000 500,000 600,000 700,000
+
800,000 900,000 1,000,000 1,100,000
c:j
..^^f
+
/ \ / Isolnea a
Estacin pluviogrfica
rea de incertidumbre (*)
Mapa 8.- Mapa de Isolneas "a"
Escala 1:4.500.000
50000 O 50000 100000 Metros
100,000 100,000 200,000 300,000 400,000 500,000 600.000 700,000 800,000 900,000 1,000,000 1,100,000
(*). Ver epgrafe 6.2.1 del texto
UTM referidas al huso 30
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
6.2.2.- FUNCIONES h{T).
Para poder obtener una funcin adecuada, "h(T)", funcin del perodo de
retomo, y que en la presente Tesis coincide con el cociente de cuantiles adimensionales,
se calcul en cada estacin con pluvigrafo el cociente CAC(T)/CAF(T) y
CAL(T)/CAF(T), que se recogen en las tablas 59 y 60.
Donde,
CAc(T), es el cuantil adimensional para la estimacin de intensidades mximas
correspondientes a cortas duraciones y al perodo de retomo de T aos en la
estacin con pluvigrafo considerada.
CAL(T) , es el cuantil adimensional para la estimacin de intensidades mximas
correspondientes a largas duraciones y al perodo de retomo de T aos en la
estacin con pluvigrafo considerada
CAF(T) , es el cuantil adimensional para la estimacin de precipitaciones mximas
anuales correspondientes al perodo de retomo de T aos en esa misma estacin
obtenido en "Mximas lluvias diarias en la Espaa Peninsular" (1999).
Estacin
34
111
201
222
225
370
429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
Perodo de retomo (aos)
2
1,0045
1,0341
1,0156
0,9821
1,0268
1,0268
1,0045
1,0033
0,9847
0,9847
1,0206
1,0206
0,9989
0,9772
0,9989
1,0098
0,9555
0,9601
0,9772
0,9385
0,9795
0.9871
5
1,0518
0,9864
0,9812
1,0597
0,9733
0,9812
1,0047
1,0065
1,0484
1,0323
1,0271
1,0271
1,0189
1,0600
1,0682
1,0271
1,1093
1,0918
1,0518
1,1166
1,0899
1,0351
10
1,0846
0,9584
0,9813
1,1039
0,9490
0,9619
1,0200
1,0062
1,1028
1,0756
1,0292
1,0292
1,0153
1,0987
1,1057
1,0501
1,1822
1,1661
1,0987
1,2155
1,1571
1,0614
25
1,1105
0,9299
0,9614
1,1414
0,9203
0,9357
1,0180
1,0067
1,1378
1,1043
1,0335
1,0277
1,0219
1,1432
1,1432
1,0681
1,2818
1,2456
1,1432
1,3286
1,2208
1,0854
50
1,1239
0,9181
0,9596
1,1684
0,9151
0,9240
1,0173
1,0089
1,1647
1,1257
1,0403
1,0301
1,0301
1,1780
1,1780
1,0811
1,3412
1,2898
1,1678
1,3943
1,2580
1,1003
100
1,1369
0,9072
0,9474
1,1910
0,8933
0,9165
1,0247
1,0127
1,1947
1,1388
1,0405
1,0270
1,0315
1,2027
1,2027
1,0856
1,3874
1,3433
1,1937
1,4552
1,3060
1.1074
200
1,1474
0,8900
0,9465
1,2053
0,8887
0,9091
1,0283
1,1493
1,2113
1,1540
1,0444
1,0282
1,0363
1,2258
1,2177
1,0927
1,4274
1,3777
1,2177
1,5075
1,3322
1,1280
500
1,1652
0,8824
0,9409
1,2351
0,8797
0,9030
1,0283
1,0159
1,2409
1,1745
1,0526
1,0385
1,0456
1,2504
1,2469
1,1056
1,4836
1,4317
1,2469
1,5712
1,3744
1,1453
183
Estacin
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
3196
3200
3259
3469
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980a
9981
6325o
2
0,9688
0,9881
0,9229
0,9989
0,9663
0,9709
0,9601
0,9632
1,0011
0,9416
0,9848
0,9848
0,9848
0,9902
0,9160
1,0226
0,9817
1,0032
1,0088
0,9956
1,0341
1,0011
0,9791
0,9284
0,9438
1,0079
0,9966
1,0079
0,9823
1,0306
0,9853
0,9555
0,9555
0,9924
0,9681
1,0121
0,9934
0,9737
1,0379
1,0156
0,9605
5
1,0899
1,0353
1,0764
1,0271
1,0929
1,0670
1,1001
1,0882
1,0531
1,0800
1,0305
1,0387
1,0470
1,0286
1,1120
1,0483
1,0505
1,0174
1,0137
1.0405
0,9703
1,0024
1,0505
1,0642
1,0628
1,0146
1,0453
1,0453
1,0518
1,0069
1,0146
1,1175
1,0764
1,0552
1,0666
1,0585
1,0916
1,1532
1,0283
1,0126
1,0563
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
Perodo de retomo (aos)
10
1,1643
1,0640
1,1613
1,0501
1,1613
1,1307
1,1802
1,1665
1,0858
1,1595
1,0611
1,0752
1,0892
1,0581
1,2115
1,0643
1,0954
1,0106
1,0243
1,0832
0,9316
0,9987
1,0992
1,1381
1,1160
1,0215
1,0585
1,0646
1,1015
0,9969
1,0277
1,2031
1,1474
1,1020
1,1193
1,0992
1,1480
1,2594
1,0329
1,0200
1,1056
25
1,2328
1,0970
1,2471
1,0739
1,2356
1.1862
1,2811
1,2347
1,1219
1,2347
1,0891
1,1066
1,1241
1,0876
1,3217
1,0712
1,1388
1,0202
1,0343
1,1040
0,9027
0,9897
1,1310
1,2086
1,1809
1,0251
1,0832
1,0832
1,1435
0,9768
1,0348
1,3048
1,2125
1,1361
1,1746
1,1202
1,2190
1,3664
1,0283
1,0180
1,1452
50
1,2792
1,1219
1,3106
1,0913
1,2902
1,2272
1,3211
1.2902
1,1452
1,3005
1,1192
1,1399
1,1606
1,1050
1,3947
1,0828
1,1697
1,0235
1,0370
1.1178
0.8803
0,9938
1.1595
1,2451
1,2126
1,0230
1,0887
1.0970
1,1707
0,9737
1,0477
1,3717
1,2596
1,1622
1,2068
1,1406
1,2453
1,4327
1,0262
1,0173
1,1735
100
1,3251
1,1306
1,3514
1,0946
1,3243
1,2640
1,3806
1,3247
1,1506
1,3431
1,1270
1,1546
1,1822
1,1151
1,4599
1,0915
1,1894
1,0261
1,0395
1,1371
0,8656
0,9863
1,1819
1,2804
1,2445
1,0302
1,1012
1,1083
1,1915
0,9663
1,0515
1,4189
1,2973
1,1881
1,2318
1,1569
1,2818
1,4912
1,0325
1,0247
1,1957
200
1,3535
1,1452
1,3992
1,1048
1.3589
1,2898
1,4196
1,3599
1,1644
1,3763
1,1339
1,1668
1,1915
1,1248
1,5091
1,0974
1,2060
1,0343
1,0439
1,1536
0.8456
0,9934
1,2001
1,3175
1,2686
1,0342
1,1118
1,1180
1,2092
0,9689
1,0590
1,4677
1,3266
1,2058
1,2592
1.1780
1,2999
1,5285
1,0283
1,0215
1,2167
500
1,3969
1,1692
1,4553
1,1197
1,4129
1,3289
1,4684
1,4111
1,1860
1,4219
1,1526
1,1813
1,2172
1,1445
1,5814
1,1115
1,2372
1,0352
1,0466
1.1692
0,8408
0,9910
1,2276
1,3480
1,3026
1,0345
1,1266
1,1266
1,2418
0,9581
1,0634
1,5260
1,3776
1,2259
1,2916
1,1957
1,3421
1,5992
1,0283
1,0283
1,2386
Tabla 59.-Valores del cociente CAe(T)/CAF(T) en las estaciones con pluvigrafo.
184
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
Estacin
34
111
201
222
225
370
429
1024
1082
1110
1208
1212
1387
1428
1495
1496
1499
1549
2030
2139
2243
2331
2363
2422
2444
2462
2614
2633
2661
2867
3013
3195
3196
3200
3259
3469
4121
4245
4452
4478
4605
5530
5911
6006
6024
6120
6172
7031
7228
Perodo d e r e to m o (aos)
2
1,0156
1,0121
0.9821
1,0045
0,9821
1,0045
0,9263
1,0142
0,9409
1,0175
0,9772
0,9989
1,0098
1,0098
1,0206
1,0206
1,0098
1,0140
0,9989
0,9817
1,0118
0,9979
1,0118
1,0098
0,9446
1,0098
1,0098
1,0248
0,9493
0,9848
1,0120
1,0065
0,9848
0,9957
1,0065
0,9902
1,0251
1,0334
0,9385
0,9924
0,9868
0,9956
1,0231
1,0451
0,9901
0,9172
1,0449
0,9400
1,0079
5
0,9969
1,0024
1,0440
1,0440
1,0518
1.0047
1,0283
1,0065
0,9919
1,0000
1,0518
1,0107
1,0107
0,9532
1,0435
1,0025
0,9860
1,0091
1,0271
1,0256
0,9983
1,0601
0,9734
1,0435
1,0271
1,0846
1,0107
1,0256
0,9843
0,9893
1,0204
1,0140
1,0305
1,0387
1,0552
1,0204
1,0065
1,0399
1,1249
1,0256
1,0137
1,0326
0,9783
0,9463
1,0505
1,0876
1,0240
1,0223
1,0069
10
0,9942
0,9987
1.0846
1,0781
1,0846
1,0200
1,0910
0,9993
1,0211
1,0007
1,0918
1,0083
1,0014
0,9110
1,0640
0,9875
0,9597
1,0035
1,0431
1,0459
0,9857
1,1047
0,9571
1,0709
1,0709
1,1196
1,0083
1,0247
0,9965
0,9838
1,0235
1,0190
1,0471
1,0682
1,0892
1,0443
0,9925
1,0600
1,2226
1,0459
1,0445
1,0700
0,9517
0,8914
1,0925
1,1765
1,0219
1,0585
1,0031
25
0,9871
0,9897
1,1208
1,1003
1,1208
1,0180
1,1414
0,9955
1,0429
0,9927
1,1316
1,0162
1,0046
0,8634
1,0855
0,9815
0,9527
1,0024
1,0566
1,0735
0,9814
1,1463
0,9396
1,0970
1,1259
1,1663
1,0104
1,0261
1,0142
0,9785
1,0361
1,0192
1,0658
1,0891
1,1124
1,0590
0,9786
1,0533
1,3523
1,0676
1,0675
1,0828
0,9244
0,8428
1,1310
1,2596
1,0164
1,1025
1,0058
50
0,9862
0,9844
1,1417
1,1151
1,1417
1,0173
1,1861
0,9990
1,0624
0,9644
1,1627
1,0199
1,0097
0,8669
1,1015
0,9842
0,9434
1,0026
1,0709
1,0862
0,9766
1,1650
0,9236
1,1219
1,1627
1,1882
1,0097
1,0235
1,0235
0,9896
1,0347
1,0363
1,0881
1,1192
1,1399
1,0748
0,9792
1,0510
1,4151
1,0757
1,0754
1,0994
0,9134
0,8093
1,1500
1,3152
1,0034
1,1175
0,9984
100
0,9783
0,9863
1,1601
1,1292
1,1601
1,0247
1,2104
0,9996
1,0786
0,9841
1,1757
1,0270
1,0090
0,8468
1,1036
0,9730
0,9279
0,9981
1,0766
1,0961
0,9724
1,1847
0,9199
1,1216
1,1847
1,2117
1,0090
1,0261
1,0354
0,9936
1,0351
1,0396
1,0994
1,1270
1,1546
1,0795
0,9733
1,0677
1,4785
1,0961
1,0904
1,1129
0,8989
0,7865
1,1652
1,3602
1,0007
1,1403
0,9947
200
0,9806
0,9860
1,1747
1,1406
1,1815
1,0215
1,2326
1,1229
1,0852
0,9820
1,2016
1,0282
1,0040
0,8387
1,1129
0,9718
0,9234
1,0008
1,0847
1,1097
0,9735
1,2021
0,9052
1,1371
1,2097
1,2339
1,0121
1,0260
1,0427
0,9819
1,0416
1,0312
1,1052
1,1339
1,1668
1,0851
0,9685
1,0632
1,5327
1,1013
1,0965
1,1321
0,8900
0,7681
1,1854
1,4080
0,9942
1,1615
0,9969
500
0,9758
0,9910
1,1885
1,1535
1,1885
1,0224
1,2700
0,9888
1,1048
0,9821
1,2257
1,0314
1,0102
0,8230
1,1339
0,9679
0,9219
0,9985
1,1021
1,1307
0,9651
1,2337
0,8975
1,1551
1,2398
1,2575
1,0173
1,0279
1,0573
0,9838
1,0443
1,0341
1,1203
1,1454
1,1885
1,1030
0,9617
1,0665
1,6116
1,1160
1,1118
1,1446
0,8760
0,7449
1,2084
1,4482
0,9956
1,1766
1,0003
185
ESTACIONES SIN PLUVIGRAFO. RESULTADOS
Estacin
8025
8175
8416
8500a
9121
9148
9171
9434
9443
9771
9898
9980a
9981
6325o
Perodo d e retorno (aos)
2
0,9513
0,9934
1,0079
1,0079
0,9772
1,0206
1,0142
0,9901
1,0341
1,0265
0,9956
1,0156
0,9933
0,9266
5
1,0607
1,0199
1,0069
1,0069
1,0929
1,0189
1,0065
1,0666
1,0585
0,9960
1,0081
0,9890
1.0361
1,0717
10
1,1138
1,0484
1,0092
1,0154
1,1544
1,0153
0,9993
1,1126
1,0858
0,9887
1,0279
0,9813
1,0652
1,1429
25
1,1654
1,0680
1,0058
1,0155
1,2125
1,0219
0.9955
1,1528
1,0875
0,9817
1,0429
0,9666
1,0797
1,2135
50
1,1997
1,0681
1,0066
1,0148
1,2596
1,0301
0,9990
1,1784
1,1027
0,9701
1,0526
0,9685
1,1062
1,2568
100
1,2256
1,0887
1.0089
1,0160
1,2883
1,0270
0,9996
1,1985
1,1111
0,9655
1,0529
0,9551
1,1137
1,2926
200
1,2422
1,0966
1,0093
1,0155
1,3266
1,0282
0,9918
1,2223
1,1152
0,9622
1,0546
0,9534
1.1270
1.3170
500
1,2688
1,1069
1,0055
1,0213
1,3705
1,0314
0,9956
1,2564
1,1285
0,9595
1,0650
0,9467
1,1360
1,3644
Tabla 60.-Valores del cociente CAL(T)/CAF(T) en las estaciones con pluvigrafo.
Se ajust una ley para coitas duraciones, hc(T), y otra para largas duraciones, hiST),
considerando el valor medio de los cocientes de los cuantiles adimensionales. En las
figuras 31 y 32 se han representado los valores medios, para cada perodo de retomo, de
los cocientes de los cuantiles adimensionales, y el logaritmo neperiano de los perodos
de retomo correspondientes. Se obtuvieron coeficientes de correlacin muy altos.
Para largas duraciones la fioncin tiene la siguiente expresin:
/ (7)=-0,0019* iLf(T)f + 0,0299* Lu(T) + 0,9785
Donde:
Ln (T), es el logaritmo neperiano del perodo de retomo, T(aos).
hL(T), es el valor medio del cociente CAL/CAF de cada perodo de retomo.
hl(Li^T))niedhiS
""Polnenca (mae}
Figura 3 1,- Cociente de cuantiles CAL/ CAF para largas duraciones frente a Ln(T).
186
ESTACIONES SIN PLUVIGRAFO, RESULTADOS
Y para cortas duraciones, la expresin de h(T) es la siguiente:
Donde:
Ln (T), es el logaritmo neperiano del perodo de retomo, T(afios).
hc(T), es el valor medio del cociente de CAc/CAp de cada perodo de retomo.
T, es el perodo de retomo en aos.
hc(Ln|T))nisd)ae
Figura 32.- Cociente de cuantiles CAc /CAFERRER para cortas duraciones frente a Ln{T).
Los coeficientes de correlacin obtenidos fueron, para cortas duraciones de
0,994, y para largas duraciones de 0,9978.
En el Apndice IV se desarrolla una aplicacin prctica de la metodologa
expuesta para estimar la Intensidad mxima para una duracin y perodo de retomo en
un punto cualquiera dentro de la Espaa Peninsular.
187
ESTACIONES SIN PLUVIGRAFO. DISCUSIN
6.3.-DISCUSION.
El mtodo propuesto en la Tesis para la estimacin de I(d,T)- Intensidad mxima
para una duracin, d, y perodo de retomo, T, - en cualquier punto de la Espaa
Peninsular tiene, respecto al que se aplica siguiendo la Instruccin de carreteras 5.2-IC,
las siguientes ventajas:
p La funcin g(d) aqu propuesta, si bien es de tipo potencial, similar a la de la
Instruccin incorpora:
- Un parmetro adicional -a- que la dota de mayor flexibilidad y permite
acomodarse mejor a la variabilidad observada.
- Para el trazado de los mapas de iso-K e iso-a, un mayor nmero de
estaciones pluviogrficas, 63, frente a las 21 utilizadas en la ltima versin
de la Instruccin. El nmero de registros en aquellas estaciones que tambin
se utilizaron en la Instruccin es mayor puesto que ha transcurrido un mayor
nmero de aos, y en el resto, cuentan con ms de 20 aos.
o Con la incorporacin de las funciones IL (T) y hc(T), aprovecha los beneficios del
proceso de regionalizacin- robustez y carcter conservador de las estimas- en la
estimacin de cuantiles adimensionales para cortas duraciones (d<l hora) y largas
duraciones(d>l hora).
Q Al suministrar en los mapas de iso-K e iso-a los valores puntuales correspondientes
a las estaciones con pluvigrafo, permite que el usuario, segn el conocimiento que
disponga de las caractersticas pluviomtricas, fsiogrfcas, y de localizacin del
punto donde quiera realizar la estima de I(d,T), pueda decantarse por:
- El uso de los mapas.
- La asignacin de los valores de "K" y "a" de la/las estaciones con
pluvigrafo prximas, ponderndolos con el procedimiento que estime ms
oportuno (por ejemplo, el inverso del cuadrado de la distancia).
188
7.-CONCLUSIONES FINALES
CONCLUSIONES FINALES
Dentro del mbito de la hidrometeorologa, el trabajo de Tesis Doctoral
desarrollado, ha tratado de profundizar en el estudio de las intensidades mximas
anuales, para distintas duraciones y perodos de retomo, como elemento fundamental
para la estimacin de caudales, todo ello en el marco de la Espaa Peninsular.
De los resultados obtenidos en estaciones con pluvigrafo se deduce:
1.- Es posible aplicar la metodologa conocida como regionalizacin en cada una
de las estaciones, obtenindose dos regiones homogneas en cada ima de ellas: la
regin de cortas duraciones (series con duraciones < 60 minutos) y de largas
duraciones (con series de duraciones > 60 minutos).
2.- La ley SQRT-ET mx presenta un adecuado comportamiento para reproducir
las propiedades estadsticas de la variable Intensidad mxima para distintas
duraciones.
De la comparacin de las intensidades mximas, para cada duracin y perodo de
retomo, deducidas en la presente Tesis con las obtenidas por el INM (2003), y se ha
llegado a una serie de conclusiones;
3.- En conjunto, las estimas de la Intensidad mxima para cada duracin y
perodo de retomo obtenidas al aplicar el mtodo de regionalizacin en la
presente Tesis se sitan del lado de la seguridad respecto de las que han
obtenido por el INM.
4.-Al comparar ambos mtodos se demuestra la ventaja que ofrece el mtodo de
regionalizacin frente a los mtodos tradicionales, ya que al agrupar varias series
para formar ima regin homognea es posible que un dato alto- que no se haya
189
CONCLUSIONES FINALES
presentado en una serie-, s se presente en otra, y de esta manera, los ajustes
mejoren sustancialmente.
5.-La ventaja que se ofrece en el ptmto anterior se toma en otra ventaja aadida
si se tiene en cuenta que, en general, los perodos de retomo que se manejan son
altos, y es por tanto en esa parte de la curva donde reside el inters de la estima,
justamente donde los datos escasean. Teniendo la seguridad de que la regin es
homognea, las estimas se podrn realizar con menos incertidumbre.
6.-AS mismo, de la comparacin entre ambas metodologas se puede concluir,
que el mtodo de regionalizacin resulta mucho ms robusto, esto es ms
estable, ante la presencia/ausencia de un dato de la serie.
En la tercera parte del trabajo, que analiza y plantea vas alternativas para
extender los resultados obtenidos en estaciones con pluvigrafo a estaciones que
carezcan de l se puede concluir:
7.- Que la metodologa propuesta en la presente Tesis ofrece xma mejora en las
estimas frente a la metodologa actualmente utilizada por varios motivos:
7.1.- Porque la funcin g(d) aqu propuesta, si bien es de tipo potencial,
similar a la de la Instruccin 5.2-IC, incorpora un parmetro adicional - a -
que la dota de mayor flexibilidad y permite acomodarse mejor a la
variabihdad espacial observada.
7.2.- Porque en el trazado de los mapas iso-K e iso-a, se ha contado con un
mayor nmero de estaciones pluviogrfcas, 63, frente a las 21 utilizadas en la
ltima versin de la Instruccin.
7.3.- Porque el nmero de registros en aquellas estaciones que tambin se
utilizaron en la Instruccin es mayor puesto que ha transcurrido un mayor
nmero de aos, y el resto de las estaciones, utilizadas solamente en la
presente Tesis, cuentan con ms de 15 afios.
190
CONCLUSIONES FINALES
7.4.-Porque al incorporar las funciones HL ( T ) y hc(T), se aprovechan los
beneficios del proceso de regionalizacin- robustez y carcter conservador de
las estimas- en la estimacin de cuantiles adimensionales para cortas
duraciones (d<l hora) y largas duraciones(d>l hora).
8.- Adems, al suministrar en los mapas de iso-K e iso-a los valores puntuales
correspondientes a las estaciones con pluvigrafo, permite que el usuario, segn el
conocimiento que disponga de las caractersticas pluviomtricas, fsiogrfcas, y de
localizacin del punto donde se quiera realizar la estima de I(d,T), pueda decantarse
por:
- El uso de los mapas.
- La asignacin de los valores de "K" y "a" a partir de la/las estaciones con
pluvigrafo prximas, ponderndolos con el procedimiento que estime ms
oportuno (por ejemplo, el inverso del cuadrado de la distancia).
9.-Se podr calcular la intensidad mxima para cualquier duracin y perodo de retomo
en cualquier punto de la Espaa Peninsular a partir de la lectura, en el mapa interactivo
que se presenta. Al marcar en el mapa el punto considerado, ste proporciona los
parmetros requeridos y calcula automticamente la intensidad mxima- para cada
duracin y perodo de retomo - con las ventajas que esto supone para el usuario.
191
8.-BIBLIOGRAFA
BffiLIOGRAFIA
AGREMN, M.C. y SINCLAIR, C.D., 1986. Classification of drainage basins
according to their physical characteristcs: An application for flood frequency analysis
in Scotland. Journal ofHydrology, 84, pp 365-80.
ALVAREZ, M., PUERTAS, J., SOTO, B. , y DAZ FIERROS, F., 1999. Anlisis
regional de las precipitaciones mximas en Galicia mediante el mtodo del ndice de
avenida. Ingeniera del Agua, vol 6,( 4), pp 379-385.
BAGHIRATHAN,V.R. y SHAW, G.M., 1975. Rainfall deph-duration-frequency
studies for Sri-Lanka. J. Hydrol, 37, pp 223-239.
BEDIENT,P.B. HUBER,W.C., 1992. Hydrology and Floodplain Analysis. Addison-
Wesley Publishing Company, 692 pp.
BERNARD, M.M., 1932. Formulas for rainfall intensities of long durations. Trans
^5C,96,pp 592-624.
BEKNIER,1993. en U.S. National Report to lUGG, 1991-1994. Rev geoghys vol I.
BERGA, L., 1987. Las inundaciones: sistemas de alarma y previsin. En "Curso de
riesgos geolgicos" celebrado en Madrid. Ed IGME.
BELL, F. C, 1969. Generalized rainfall-duration frequency relationship. Journal
Hydraulic Div. ASCE 95(1), pp 311-327.
BOES, D.C., HEO, J.H., y SALAS, J.D., 1989 Regional flood quantile estimation for a
WeibuU model. Water Resources Research, 22, pp 979-990.
BOUGHTON, W.C, 1980. A frequency distribution for annual floods. Water
Resources Research 16, pp 'iAl-SA.
BUISHAND,T.A., 1991. Extreme rainfall estimation by combining data from several
sites. Hydrological Sciences- Journal-des- Sciences Hydrologiques 36,4,8, pp 345-360.
BURN, D.H., 1990a. An appraisal of the 'regin of influence' approach to flood
frequency analysis. Hydrol. Sci. J., 35(2), pp 149-165.
BURN, D.H., 1990b. Evaluation of regional flood frequency analysis with a regin of
influence approach. Water Resour. Res., 2<5( 10), pp 2257-2265.
BURN, D.H. y GOEL, N.K. 2000. The formation of groups for regional flood
frequency analysis. Hydrological Sciences- Journal-des- Sciences Hydrologiques, 45
(l)pp97-112.
BURN, D.H., y BOORMAN, D.B., 1993. Estimation of hydrological para,meters at
engaged catchments. J.Hydrol. 143, pp 429-454.
192
BIBLIOGRAFA
CANTERFORD, R.P., PESCOD, N.R PEARCCE, N.H. TURNER, L.H. y
ATKINSON, R.J., 1987. Frequency analyss of Australian rainfall data as used for
flood analysis and design. In regional flood Frequency and risk analysis: Proc.Int Symp
on Flood Frequency and Risk analysis, May 14-17, 1986, Lousiana State University,
Baten Rouge, Usa. Reidel Boston. MA, pp 293-302.
CAVADIAS, G., 1990. The canonical correlation approach to regional flood estimation,
in Regionalization inHydrology, lAHS, Publ. No. 191, pp. 171-178.
CHIANG, S-M, TSAY,T-K y NK, S., 2002a. Hydrologic Regionalization of
Watersheds.I: Methodology Development. Journal of Water Resources Planning and
Management. January/February 2002/3 pp 11-19.
CHIANG, S-M, TSAY,T-K AND NIX,S., 2002b. Hydrologic Regionalization of
Watersheds H: Methodology Development. Journal of Water Resources Planning and
Management. January/February 2002/3
CHOW V.T. , MAIDMENT, D. R.,y MAYS, L.W., 1994. Hidrologa aplicada.
McGraw-Hill Interamericana, S.A. Santaf de Bogot, Colombia, 584pp.
CHOW, K.C.A. y WATT, W.E., 1990. A knowledge-based expert system for flood
frequency analysis. Can. J. Civ. Eng., 17, pp 597-609.
CHOWDHURY, J.U., STEDINGER, J.R. y LU, L-H., 1989. Goodness-of-fit tests for
regional generalized extreme valu flood distribution. Water Resour. Res., 27{1\ pp
1765-1776.
COHN, T.A. y STEDINGER, J. R., 1987. Use of historical Information in a mximum
likelihood framework. Journal ofHydology, 96, pp 215-23.
CUNNANE, C, 1987. Review of statistical methods for flood frequency estimation.
Hydrologic Frequency Modeling, edited by V.P. Singh, pp. 49-95, D. Reidel,
Dordrecht.
CUNNANE, C, 1988. Methods and merits of regional flood frequency analysis, J.
Hydrol, 100, pp269-290.
DALRYMPLE, T. 1960. Flood Frequency analysis. U.S.G.S. Water Supply Paper,
1543-A.
DAVIAU, J-L., ADAMOWSKI, K. y PATRY, G. G., 2000. Regional flood frequency
analysis using GIS, L-Moment and geostatistical methods. Hydrological Processes 14,
pp 2731-2753.
DAVISON, A.C. y SMITl R. L., 1990. Models for exceedances over high thresholds,
J.R. Statist. Soc. B., 52(3), pp 393-442.
DE COURSEY, D.G., 1973. Objetive regionalization of peak flow rates. Floods and
Draughts, Proceedings of the Second International Symposium in Hydrology, Fort
CoUins, Colorado, edited by E.L. Koelzer, E.L., Koelzer V.A., and Mahmood, Water
Resources Publications, pp395-405..
193
BIBLIOGRAFA
ETOH, T. A. MUROTA, M. y NAKAMSHKI, M., 1986. SQRT-Exponential Type
Distribution of Mximum. Proceeding of International Symposium on Flood Frequency
and Risk Analysis, Lousiana, pp 253-265.
FERRERI, G.B. y FERRO, V., 1990. Short Duration Rainfalls in Sicily. Journal of
Hydraulic Engineering 116, 3, pp 430-435.
FERRER, F. J., 1991. Frequency analysis of daily rainfall annual mximum series in
Guadalhorce Basin. Proc. XXIV lAHR Congress. Madrid (Espaa).Yol. A., pp 21-30.
FERRER, F. J., 1996 Mtodos de regionalizacin. En Curso sobre : Mtodos para el
clculo hidrometeorolgico de crecidas. CEDEX. MOPU. Madrid.
FERRER, F. J., y ARDILES, L., 1994. Anlisis estadstico de las series anuales de
mximas lluvias diarias en Espaa. Ingeniera Civil/95, pp 87-100.
FERRER, F. J., y MATEOS, C, 1999. Anlisis de mximas lluvias diarias. Un nuevo
mtodo regional de estimacin de parmetros de la funcin de distribucin SQRT-ET
mx. Ingeniera Civil 115/1999, pp 109-118.
FIORENTINO, M., GABRIELE, S. ROSSI, F. y VERSACE, P., 1987 Hierarchical
approach for regional flood frequency analysis, in Regional Flood Frequency Analysis,
edited by V.P Singh, pp. 35-49, D. Reidel, Norwell, Mass.
FRANCS, F., 1998 Utilizacin de la funcin de distribucin TCEV con informacin
no sistemtica dentro del anlisis regional. Aplicacin a los ros Jcar y Tuna.
Ingeniera del Agua vol 5 nl, pp 47-58.
FREDERICK R.H., MBYERS, V.A. y E.P. AUCIELLO., 1977. Five and sixty Minute
Precipitation Frequency for Eastem and Central United States. NOAA tech.
Memorndum Hy-o-SS, Slver sprngs, Md.
FREND, 1989. Flow Regimens from Expermental and Network Data. Institute of
Hydrology. Wallingford, U.K., en FERRER,J. Y ARDILES,L.1995., Anlisis
estadstico de las series anuales de mximas lluvias diarias en Espaa.
GABRIELE, S. y ARNELL, N., 1991. A hierarchical approach to regional flood
frequency analysis, Water Resour. Res., 27{6), pp 1281-1289.
GREENWOOD, J.A., LANDWEIHR J.M. MTALAS N.C., y WALLIS J. R., 1979.
Probability Weighted Moments: defnitions and relation to parameters of distributions
expressed in inverse form. Water Resouces Research 15 (5). pp 1049-1054.
GREIS, N. y WOOD, E.F., 1981. Regional flood frequency estimation and network
design. Water Resources Research, 17, pp 1167-77.
GUO, S.L. y CUNNANE, C, 1991. Evaluation of the usefulness of historical and
palaeological floods in quantile estimation, J. HydroL, 129, pp 245-262.
GUTTMAN, N.B,,1993. The use of L-Moments in the determination of regional
precipitation climates. Journal of Climate, 6, pp 2309-25.
194
BIBLIOGRAFA
HABERLANDT, U., 1998. Stochastic Rainfall Synthesis Using Regionalized Model
Parameters. Journal ofHydrologic Engineering/jvHy, ppl60-168
HERSHENHORN, J. y WOOLISHER, D. A., 1987. Desagragations of daily rainfalls.
Journal ofHydrologic, 95 (3/4), pp 299-322.
HERSHFIELD, D.M., 1961. Rainfall frequency Atlas of the United States for durations
from 30 minutes to 24 hours and retum periods from 1 to 100 years. Tech. Paper 40,
U.S. Weather Bureau, Washington, D.C.
HOSKING, J.R.M., 1986. The theory of probability weighted moments, Research Rep.
RC12210, IBM Research Divisin, Yorktown Heights, NY, 160 pp.
HOSKING, J.R.M., 1990. L-moments: Analysis and estimation of distributions using
linear combinations of order statistics. Journal of the Royal Statistics Sociey, Series
B,52. pp 105-124.
HOSKING, J. R.M y WALLIS, J.R., 1986. The valu of historicalk data in flood
frequency analysis. Water Ressources Research, 24. pp 588-600.
HOSKING, J. R.M. y WALLIS, J.R., 1987. Parameter and quantile estimation for the
generalized Pareto distribution. Technometrics, 29(3), pp 339-349.
HOSKING, J. R.M. y WALLIS, J.R., 1988. The effect of intersite dependence on
regional flood frequency analysis. Water Resour. Res., 24(4), pp 588-600.
HOSKING, J. R.M y WALLIS, J.R., 1993. Some statistics useful in regional frequency
analysis. Water Resour. Res., 29(2), pp 271-281.
HOSKING, J. R.M. y WALLIS, J.R., 1997. Regional Frequency Analysis. Cambridge
University Press. 224 pp.
HOSKING, J.R., WALLIS, J.R. y WOOD, E. F., 1985. Estimation of the generalized
extreme valu distribution by the method of probability weighted moments.
Technometrics, 27 (3) pp 251
JAKOB, D., REED, D.W. y ROBSON,A. J., 1999. Choosing a pooling group, chapter
C6 in Flood Estimating Handbook, vol 3, Statistical Procedures for Flood Frequency
Estimation. Institute of Hydrology, Wallingford, U.K.
JIN, M. y STEDINGER, J. R., 1989. Flood frequency analysis with regional and
historical information. Water Resources Resources. 25 (5), 925-939.
KACHROO, R.K., MKHANDI, S. H. y PARIDA, B. P., 2000. Flood frequency
analysis of southem frica: I Delineation of homogeneous regions. Hydrological
Sciences- Journal-des- Sciences Hydrologiques 45 (3), pp 437-447.
KOTHYARY, U. C. AND GARDE, R.J., 1992. Rainfall intensity-duration-frequency
formula for India. Journal ofHydraulic Engineering. Vol 118,(2), pp 323-335.
KOUTSOYIANNIS, D., 1994. A sthocastic disaggregation method for design storm
aand flood synthesis. Journal of Hydrology, 156. pp 193-225.
195
BBLIOGRAFIA
KOUTSOYIANNIS, D., 1996. Statistical Hydrology. National Technical University
Press Athens (In Greek) en: A mathemamatical framework for studying rainfall
intensity -duration- frequency relationaships. KOUTSOYIANNIS, D. KOZONIS, D. y
MANETAS, A, 1998. JournalofHydrology 206 , ppll8-135.
KOUTSOYIANNIS, D. KOZONIS, D. y MANETAS, A., 1998. A mathematical
framework for studying rainfall intensity-diiration-frequency relationships. Journal of
Hydrology 206, ppll8-135.
LANDWEHR, J.M., MTALAS, N.C., y WALLIS, J.R., 1979. Probabilty-weighted
moments compared with some traditional techniques in estimating Gximbel parameters
and quantiles. Water Resources Research 15, pp 1054-64.
LAURSEN, E.M., 1983. Comment on "Paleohydrology of southwestem Texas" by
KOCKEL,R.C. BAKER, V.R.AND PATTON P.C. Water Resources Research 21, pp
1339.
LEESE,M.N., 1973. Use of censored data in the estimation of of Gumbel distribution
parameters for annual mximum flood series. Water Reources Research, 9, pp 1534-42.
LETTENMAJER, D. P. y POTTER, K.W., 1985. Testing Flood frequency estimations
methods using a regional ood generation model. Water Resources Research,21, pp
1903-1914.
LETTENMAIER, D. P. WALLIS, J.R. y WOOD, E.F., 1987. Effect of regional
heterogeneity on flood frequency estimation.Water Resources Research, 23, pp 313-
323.
LLASAT, M. C, 1998. Una clasificacin de los episodios pluviomtricos para su
utilizacin en hidrologa. Aplicacin a la serie de intensidad de lluvia en Barcelona.
Ingeniera Civil 112, pp 35-44.
LU, L.-H. y STEDINGER, J. R., 1992. Sampling variance of normalized GEV/PWM
quantile estimators and a regional homogeneity test. J. Hydrol, 138, pp 223-245.
MAIDMENT, D.R., 1993. Handbook of Hydrology. McGrawHill. Usa. 697 pp.
MTALAS, N.C., SLACK, J.R. y WALLIS, J.R., 1975. Regional skew in search of a
parent. Water Resources Research, 7/(6), pp 815-826.
MCMAHON, T. A. y SRIKANTHAN., 1982. Log-Pearson Type 3 distribution efect of
dependence, distribution parameters and sample size on peak annual flood estimates.
Journal of Hydrology 52, ppl49-59.
MICHELE, C. y ROSSO, R., 2001. Uncertainty Assesmente of Regionalized Flood
Frequency Estimates. Journal of Hydrologic '?7gz>7eerwg/November/December, pp
453-459.
MILLER, J. B.1997. Floods, People at Risk, Strategies for Prevention. United Nations
Publication, 92 pp.
MILLER, J.F., FREDERICK R.H., y TRACEY, R.J., 1973. Precipitation-Frequency
Atlas of the Conterminous Western United States (by States), NOAA, Atlas 2, National
Weather Service, Silver Spring, Md.
196
BIBLIOGRAFA
MINISTERIO DE FOMENTO. DmECCION GENERAL DE CARRETERAS. 1999.
Mximas lluvias diarias en la Espaa Peninsular. Serie monografas. Centro de
Publicaciones, pp28,2h., 25 h pleg de map.
MINISTERIO DE MEDIO AMBIENTE. DIRECCIN GENERAL DEL INSTITUTO
NACIONAL DE METEOROLOGA., 2003. Curvas de Intensidad-duracin-frecuencia
(CD). Secretara General Tcnica. Centro de Publicaciones (M.M.A.).
MINISTERIO DE MEDIO AMBIENTE. DIRECCIN GENERAL DEL INSTITUTO
NACIONAL DE METEOROLOGA. 1999. Las precipitaciones mximas en 24 horas y
sus perodos de retomo en Espaa. Un estudio por regiones. Vol.5 Catalua. Secretara
General Tcnica. Centro de Publicaciones (M.M.A.).
MINISTERIO DE OBRAS PUBLICAS, TRANSPORTE Y MEDIO AMBIENTE.
DIRECCIN DE CARRETERAS., 1978. Clculo hidrometeorolgico de caudales
mximos en pequeas cuencas naturales. Secretaria de Publicaciones, Madrid. 113 pp.
MINISTERIO DE OBRAS PUBLICAS, TRANSPORTE Y MEDIO AMBIENTE.
DIRECCIN DE CARRETERAS., 1987. Clculo hidrometeorolgico de caudales
mximos en pequeas cuencas naturales. Alamner, Madrid, 123 pp.
MINISTERIO DE OBRAS PUBLICAS, TRANSPORTE Y MEDIO AMBIENTE.
DIRECCIN DE CARRETERAS. 1990. Instrucciones de construccin. Drenaje
superficial. Instruccin 5.2-IC. Ins. Centro de Publicaciones, 84 pp.
MKHANDI, S.H. y KACHROO, R. K., 2000. Flood frequency analysis of southem
frica: n Delineation of homogeneous regions. Hydrological Sciences- Journal-des-
Sciences Hydrologiques 45 (3), pp 449-465.
MOSLEY,M.P., 1981. Delimitation of New Zeland hydrological regions. Journal of
Hydrology, 49, pp 173-92.
NATHAN, R.J. y MCMAHON,T.A., 1990. Identification of homogeneous regions for
the purpose of regionalisation. J. Hydrol, 121, pp 217-238.
NERC. 1975. Flood Studies Report. Nat. Environ Res. Council, London, vol 1-5. 1100
PP-
OMM (1983) en CHOW V.T. , MAIDMENT, D. R.,y MAYS, L.W. 1994. Hidrologa
aplicada. McGraw-HU Interamericana, S.A. Santaf de Bogot, Colombia, 584pp.
PAGLIARA, S. y VITI, C, 1993. Discusin ranfall intensity-duration-frequency
formula for India, por KOTHYARI, U. C. AND GARDE, R.J., Journal of Hydraulic
Engineering. Vol 119 (8), pp 962-967.
PARroA,B.P., KACHROO,R.K. y SHRESTHA., 1998. Regional Flood Analysis of
Mahi-Sabarmati Basin (Subzone 3-1) using Index Flood Procedure with L-Moments.
Water Resources Management 12 pp 1-12.
PEARSON, K., 1902. On the systematic ftting of curves to observations and
measurements. Biometrika, voU No3, pp 265-303.
PEARSON, C. P., 1993. Application L-moment to mximum river flows. The New
Zeland stadistician 28(1), pp 2-10.
PILN, P.J. y ADAMOWSKI, K., 1992. The valu of regional information to flood
frequency analysis using the method of L-moments. Can. J. Civ. Eng., 19, pp 137-147.
197
BIBLIOGRAFA
PILN, P.J. y ADAMOWSKI, K., 1993. Asympotic variante of flood quantil in
logPearson type TU with historical information. J. Hydrol 143. pp 481-503.
PONCE, V .M., 1989. Engineering Hydrology. Principies and Practices.Ed Prentince
Hall, 640 pp.
PORRAS, P. J. y PORRAS, J., 2001. New Perspective on Rainfall Frequency Curves.
Journal ofHydrologic Engineering, January/February, pp82-85.
POTTER, K.W. y LETTENMAIER, D.P., 1990. A comparison of regional flood
frequency estimation methods using a resampling method. Water Resour. Res., 26(3),
pp 415-424.
REED, D., 1992. Regional frequency analysis for the flood design. Pre-proceeding of
the NATO ASI on Coping with Floods. E Mejorana Centre, Erice, Noviembre de 1992,
ppl-17 en FERRER,J. Y ARDILES,L.1995. Anlisis estadstico de las series anuales de
mximas lluvias diarias en Espaa.
RIBEIRO-CORREA, J. y ROUSSELLE, J., 1993. A hierarchical and empirical Bayes
approach for the regional Pearson type ni distribution. Water Resour. Res., 29(2), pp
435-444.
ROSBJERG, D., MADSEN H., y RASMUSSEN, P.F., 1992. Prediction in partial
duration series with generalized Pareto-distributed exceedances. Water Resour. Res.,
28(11), pp 3001-3010.
ROSSI, F. FIORENTINO, M. y VESACE, P., 1984. Two Component Extreme Valu
Distribution form Flood Frecuency Analysis. Water Resources Res.20(7), pp 847-856.
ROSSI, F. y VILLANI, P., 1992. Regional methods for flood estimation. Pre-Proc of
the NATO ASI on coping with floods. Erice.
SAENZ DE ORMIJANA, F. HIDALGO CASTRO, F.J., y SANTA PREZ, A., 1991.
Estimacin de precipitaciones mximas mediante el mtodo regional del ndice de
avenida. Revista de Obras Pblicas, Feb, pp 9-22.
SCHAEFER, M.G., 1990. Regional Analysis of precipitationamiual mxima in
Washington State. Water Resources Research 26, pp 119-31.
STEDINGER, J.R., VOGEL, R. M. y FOUFOULA-GEORGIOU, E. 1993. Frequency
analysis of extreme events, in Handbook of Hydrology, chapter 18, edited by D.A.
Maidment, McGraw-Hill, New York, NY.
STEDINGER, J.R., 1983. Estimating a Regional Flood Frequency Distribution. Water
Resources Research, vol 19, no 2, pp 503-510.
THOMPSON, W.R., 1935. On a criterion for the rejection of observations and
distribution of the ratio of deviation to sample standard deviation. Biometrika, 32, pp
214-9, in HOSKING, J.R.M., WALLIS,J.R.1997. Regional Frequency Analysis.
Cambridge University Press, 224 pp.
U.S. INTERAGENCY ADVISORY COMMTTEE ON WATER DATA,
HYDROLOGY SUBCOMMITTEE., 1983. "Guidelines for Determining Flood Flow
Frecuency", BuUetin No 17B, issued 1981, revised 1983, Reston Virginia).
198
BIBLIOGRAFA
U.S. WATER RESOURCES COUNCIL., 1981. Guidelines for determining flood flow
frequency. Bulletin 17B. Hydrology Committee, Washington D.C.
U.S. NATIONAL RESEARCH COUNCIL Committee on Techniques for Estimating
Probabilities of Extreme Floods.,1988. Estimating Probabilities of Extreme Floods.
Methods and Recommended. Research. National Academy Press. Washington D.C, in
MAIDMENT, D.R.(ed),1993. Handbook of Hydrology. McGrawHill. Usa pp 697.
U.S. WATER RESOURCES COUNCIL, .1981. en CHOW VEN TE,
MAIDMENTJ).R., MAYS, L.W. 1994. Hidrologa aplicada. McGraw-Hill
Interamericana, S.A. Santaf de Bogot, Colombia, 584pp.
VOGEL, R.M. y FENNESSEY,N.M., 1993. L moment diagrams should replace product
moment diagrams. Water Resources Research, 2P(6), ppl745-1752.
VOGEL, R.M., MCMAHON, T.A. y CHIEW, F. H. S. 1993. Floodflow frequency
model selection in Australia. J. Hydrol, 146, pp 421-449
WALLIS, J.R., MTALAS, N.C., y SLACJ, J. R., 1974. Just a moment Water
Resources Research,lO, 211-9 en HOSKING, J.R.M., WALLIS,J.R.1997 Regional
Frequency Analyss.
WALLIS, J.R. y WOOD, E. F., 1985. Relative accuracy of log-Pearson m procedures.
Journal ofHydraulic Engineering 111, pp 1043-56.
WHKS, S.S., 1963. Multivariate statistical outliers. Sankhy 25, pp 407-26.
WILTSHIRE, S.E., 1986 Identification of homogeneous regions for flood frequency
analysis. Journal of Hydrology 84, pp 287-302.
WMO, 1989. Statistical distributions for flood frequency analysis. Operational
Hydrology Report No. 33, World Meteorolgica! Organization 718, Geneva,
Switzerland.
YUN, P., y CHEN, C, 1998. Incorporating uncertainty analysis into a regional IDF
formula. Hydrological Process. 12, pp 713-726
ZRINJI, Z. y BURN, D.H., 1993. Hydrologic regionalization using a homogeneity test.
Engineering Hydrology, edited by C.Y. Kuo, Am. Soc. Civ. Eng. pp. 641-646.
ZRINJI, Z. y BURN, D.H., 1994. Flood frequency analysis for imguaged sites using a
regin of influence approach. J. Hydrol, 153, pp 1-21
199
BIBLIOGRAFA
8.1.-REFERENCIAS INTERNET.
[Wl] http://www.agu.Org/jouraals/rg/rg9504S/contents.html#hydroIogy
Hidrologa
fW21 http://www.bwk.kuleuven.ac.be/hydr/temprain.htm
Variabilidad temporal de la lluvia
|W3] http://www.kuleuven.ac.be/hydr/willems.htm
Patrick Willems
fW4] http://www.kuleuven.ac.be/hvdr/idf.htm
IDF relationships
fW5] http://www.nws.noaa.gov/oh/index.html
Office of Hydrologic Developement
[W6] http://www.bom.gov.au/hydro/wr/
Hydrological Service program
fW?] http://www.spc.noaa.gov
Bsqueda idf curves
[W81 http ://vyvyw. copemicus. org/EGU/hess/hess.html
Hydrology and earth system sciences
\\N9] http://betafm.cerde.gov.ar/
Catlogo interactivo. Universidad Nacional del Litoral
[W10] fattp://www.unesco.org.uy/documentos.shtml
Documentacin regionalizacin de precipitaciones
[W11] http://www.corebe.org.ar/
Portal del agua. Comisin Regional del Rio Bermejo. Acceso a biblioteca.
{W12] http://random.mat.sbg.ac.at/linksAmdex.html
Pgina web de la WWW Virtual Library dedicada a nmeros aleatorios y simulacin MC
[W13] http://biblioteca2.uclm.es/biblioteca/sumarios/pi.pdf
Biblioteca de la Universidad de Castilla-la Mancha
[W14] http://viww.mcu.es/REBECA/que.html
Registros Bibliogrficos para Bibliotecas Pblicas Espaolas (Rebeca)
[W15] http://www.csa.com/csa/factsheets
Library and Information Science Abstracts (Lisa)
[W16] http://wwwhh.lyon. cemagreffr/floodcare/upv/chap.htm
Trabajos de Investigacin de Cemagref.
[W17] http://www.ntis.gov/fcpc/cpn5283.htm
Programas de anlisis de datos de lluvias.
[W18] http://msstate.edu/org/MAS/octjoumal/rain.htm
Artculo sobre valores extremos de la lluvia en Mississippi.
[W19] http://www.bom.au/hydro/has/idf.shtml
Diseo de curvas IDF.
200
APNDICES
APNDICE I.PRUEBA DE DATOS DUDOSOS
APNDICE I.- PRUEBA DE DATOS DUDOSOS.
Al analizar las series de intensidades mximas, se identificaron una serie de
estaciones, Sondica (1082), Guadalhorce(6120), Figueras (0429), Alicante (8025) y
Murcia (7031), Almeria(63250), con unos valores muy altos respecto a los valores
usuales, y que convena analizar con ms detalle.
En estas estaciones se aplic el mtodo del Water Resources Council para datos
dudosos, y adems de comprobar si superaban o no el umbral a partir del cual puede
considerarse un dato como dudoso se intent contrastar estos valores con otras fuentes
de informacin. Si el valor extraordinario procede de la serie de intensidades mximas
en 24 horas se puede comparar con la precipitacin mxima diaria procedente de un
pluvimetro situado en la misma estacin. Si el valor extraordinario proviene de una
serie con una duracin distinta a 24 horas no es posible comprobar si se debe a un error
o si realmente se ha producido. Ante la duda se prefiere mantener dicho dato.
El objetivo de este anlisis es saber si los datos extraordinarios se deben a un
error o por el contrario se han podido producir. En el momento que hay una duda
razonable de que s se han podido dar, ese dato se manejar, pues jugar un papel muy
importante en la estimacin de cuantiles para altos perodos de retomo.
Sondica (1082).
En la estacin de Sondica (1082), en 1983 se recoge como intensidad mxima en
24 horas im valor de 11,9 mm/h (que implicaran una precipitacin mxima en 24 horas
de 285,6 mm, suponiendo dicha intensidad constante), ver tabla AI.I.
AI-I
APNDICE I.PRUEBA DE DATOS DUDOSOS
Ao
1947
1948
1949
1950
1951
1952
1953
1954
1955
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
5
48
56,4
79,2
91,2
87,6
60
55,2
159,6
36
36
54
48
109,2
69,6
43,2
76,8
85,2
38,4
55,2
48
49,2
144
51,6
63,6
67,2
32,4
19,2
40,8
126
76,8
10
48
50,4
50,4
48
81
48,6
31,8
121,8
24,6
36
45,6
34,2
73,2
41,4
42,6
65,4
53,4
37,8
54,6
37,8
38,4
107,4
46,2
49,2
46,8
31,8
19,2
37,8
99,6
54
15
33,6
37,6
37,6
33,6
72,4
35,6
26,8
92,8
19,6
29,6
41,2
30,4
56,8
33,6
38,4
59,2
38,8
34,8
45,2
28
32,4
76,4
39,2
43,6
40
24,8
15,2
32,8
89,6
37,2
20
26,4
31,2
29,4
26,7
61,8
28,5
21,9
72,6
17,1
23,4
34,2
28,2
44,4
30,3
35,4
51,9
32,4
26,1
35,7
23,7
27,6
74,1
38,1
39,9
34,8
24
14,1
24,6
83,1
27,9
Duracin (minutos)
30
19,2
22,8
21,6
19
54,2
21,6
18,2
60,2
13,4
18,4
30
26,6
31,8
25
27,8
41,2
26,6
18
25,6
20,8
25,4
53,6
29
37
28,8
21,2
12,6
16,6
83,2
19,6
60
17,5
13,3
13,5
10,4
41,9
19,3
13,6
30,1
8,7
12,6
19,2
22
16,3
23,7
16
27,4
18,2
10,7
19
15,8
15,4
27,6
21,7
28,5
18,8
14,4
10,6
9,3
66,3
11
120
10,4
7,4
11,1
8
32,3
10,2
9,1
15,1
6,8
9,2
16,1
17,1
10,9
15,9
10,9
18,5
11,9
7,1
12,7
10,5
7,9
13,9
17,6
16,3
10,6
8,7
7,5
5,8
55,4
5,9
180
7,5
5,3
9,2
6,5
25,1
7,8
7,3
10,2
5,3
7,8
12,3
14,6
9,5
11
7,9
13,3
9,2
4,9
11,3
9
7,1
9,2
14,5
11,5
7,1
7
6,3
5,3
43,1
5
360
5
4
6,2
3,6
13,6
5,2
4,6
5,8
4,8
4,2
10,2
9,8
7
5,8
4,5
9,1
5,4
3,2
8,5
5,9
6
5,4
11,2
7,3
4,7
4,2
4,7
3,3
27,3
3,6
720
3,1
2,9
4,3
2
6,9
2,8
3,6
4,3
3,9
2,6
5,3
6,2
4,8
4,6
3,1
6,2
4,1
2
5,4
4,5
4,2
3,3
7,1
4,5
3,9
3
2,6
2
14,9
2,8
1440
2,2
2,5
3,2
1,3
3,4
1,5
2,5
3,6
2
1,8
2,9
3,5
2,9
3,2
2,4
3,4
2,5
1,5
2,8
2,9
2,6
2,2
4,3
2,4
2,9
2,3
1,7
1,6
11,9
2,1
Tabla ALL- Intensidades mximas para cada duracin en la estacin de Sondica (1082).
Aplicando la ecuacin del Water Resources Council, se obtienen los siguientes
umbrales de Intensidades mximas, Al.n.
Ai-n
APNDICE I.PRUEBA DE DATOS DUDOSOS
30 aos K=2,563
Yh
i
- ' S ' : /
2,30
197,32
10
2,13
134,44
15
2,04
108,69
20
1,97
93,63
Duracin (minutos)
30
1,90
80,07
60
1,75
56,40
120
1,61
40,37
180
1,48
30,43
360
1,30
19,78
720
1,08
11,94
1440
0,87
7,40
Tabla AI.II.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Sondica
(1082)
Donde:
Yh (umbral de datos dudosos en unidades logartmicas),
k (obtenido en la tabla 6, pgina 61, en funcin de el nmero de aos
disponible)
Ih (umbral de intensidad mxima).
El umbral de intensidad mxima, para cada duracin, que define el mtodo del
Water Resources Council permite concluir que dicho dato puede ser dudoso, y aparece
sombreado en amarillo en la tabla AI. I.
Por otra parte, los datos precipitacin mxima que proporciona el pluvimetro
en dicha estacin indican que en 1983 fue de 252,6 mm, tabla AI.III, que si bien no
coincide exactamente, s es extraordinaria respecto a los valores recogidos en l.
Adems, analizando el resto de aos, tabla AI.XTV al final del Apndice I, se ve que se
han producido precipitaciones incluso mayores. Ante la certeza de que se ha podido
producir, aunque sea en otro ao se decide mantener ese dato.
Estacin
PR1082
PR1082
PR1082
PR1082
PR1082
PR1082
Ao
83
83
83
83
83
83
Mes
1
2
3
4
5
6
Pmx
80
200
176
297
102
134
Estacin
PR1082
PR1082
PR1082
PR1082
,PR1082
PR1082
Ao
83
83
83
83
83
83
Mes
7
8
9
10
11
12
Pmx
514
2526
100
155
149
201
Tabla ALIO.- Precipitacin mxima diaria, en dcimas de mm, en Sondica (1082) en el ao 1983.
Ai-m
APNDICE I.-PREBA DE DATOS DUDOSOS
Guadalhorce (6120).
En la estacin de Guadalhorce (6120) se recogen, en la tabla AI.IV. dos aos
extraordinarios, 1969 con una intensidad mxima en 24 horas de 6,1 mm/h (146 mm
diarios suponiendo dicha intensidad constante en las 24 horas) y en 1979, con 6.7mm/h.
Ao
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
5
104,4
58,8
26,4
73,2
21,6
74,4
27,6
10,8
18
20,4
14,4
10,8
63,6
61,2
51,6
96
111,6
97,2
48
79,2
28,8
34,8
20,4
10
54,6
48
23,4
42
21
48
18
10,2
18
19,8
13,8
10,8
58,2
49,2
35,4
87,6
63,6
76,8
45
51
20,4
22,8
15
15
38
33,2
19,2
30
17,6
39,6
17,6
9,6
18
17,2
13,6
1
10,4
46,8
35,6
26,4
78,8
46
62,8
43,2
52
18,8
20,8
12,8
20
30,9
26,7
17,7
24
14,7
33,6
17,7
8,7
14,7
14,7
13,5
10,5
47,7
27,6
20,7
73,5
36,6
56,1
38,7
43,8
18
17,7
11,7
Duracin (minutos)
30
31,6
19,4
15,8
18
11,8
34,2
17,4
7,8
11,4
12,6
12,2
10,4
38,6
22,4
17,2
63,4
24,4
47,2
28,8
35,8
15,4
16,6
9,6
60
25,6
10,1
10,8
12,7
9,2
26,8
12,8
6,3
7,5
11,3
10
8,3
31,4
11,6
11,4
44,8
12,3
31,1
15,7
25,1
12,3
10,1
6,5
120
19
6,1
10,3
8,7
7,6
20
7
5
6
8,3
7,3
5,3
26
9,1
7,4
30,6
6,2
17,4
9,8
12,6
11,6
5,8
3,9
180
15,7
4,9
7
6,6
6,7
15,5
4,8
3,6
4,7
6,5
6,2
4,9
18,7
7,8
7,1
i
4,7
12
8,2
8,5
9,7
4,2
3,7
360
9,3
3,4
3,5
4,8
5
11,4
3,6
2,5
4,2
3,4
4,3
3,3
13,9
4,4
4,4
24,7
2,8
6
5,4
4,3
7,1
3,4
3,1
720
5,8
2,5
2,2
3
2,8
9,1
2,3
1,7
2,9
1,9
2,5
2,3
7,3
2,3
2,9
13,4
2,3
3,6
3,3
2,1
4,3
2,1
1,7
1440
3,1
1,4
1,9
2,4
1,7
1,5
1,1
1,7
1,2
1,4
1,2
3,7
1,3
1,5
6,7
1,3
1,8
2,7
1,3
2,5
1,2
1,1
Tabla AI.IV.- Intensidades mximas para cada duracin en Guadalhorce (6120)
Aplicando el mtodo del Water Resources se obtienen los resultados que
aparecen en la tabla AI.V. Teniendo en cuenta los umbrales definidos por este mtodo
AI-IV
APNDICE I.-PRUEBA DE DATOS DUDOSOS
se sombrearon en amarillo, en la tabla AI.IV, los valores que los superan, y en azul
aparece marcado un dato, que si bien no supera el umbral, s es muy alto.
23 aos k=2,448
Yb
Ih
Duracin(minutos)
5
2,39
244,85
10
2,17
148,17
15
2,04
109,73
20
1,96
91,97
30
1,87
74,80
60
1,71
50,79
120
1,55
35,57
180
1,44
27,58
360
1,29
19,47
720
1,06
11,55
1440
0,82
6,57
Tabla AI.V.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Guadalhorce
(6120)
Estos aos son tambin extraordinarios en los datos de pluvimetro, aunque no
se obtienen irnos valores tan altos como los registrados en el pluvigrafo. Analizando la
serie de precipitaciones mximas recogidas en dicho pluvimetro, tabla AI.XV al final
del apndice I, se encuentra otro ao extraordinario, 1963, con una precipitacin
mxima en 24 horas incluso mayor, de 308 mm, aunque dicho ao no se encuentra
registrado en el pluvigrafo, por lo tanto, se decide mantener los datos de intensidades
mximas en 24 horas, porque se ha registrado una precipitacin similar aunque sea en
otro ao.
Alicante (8025).
En la estacin de Alicante, ver tabla AI.VI, se producen dos posibles aos
extraordinarios, 1962 y 1982.
Ao
1959
1960
1961
1962
1963
1964
Duracin(minutos)
5
117,6
22,8
55,2
46,8
79,2
32,4
10
84,6
22,2
54,6
46,2
53,4
25,2
15
78
22,4
43,6
40
41,6
20
20
66,6
22,2
45
30,3
37,2
19,2
30
56,2
19,8
41,4
26,2
37,8
18,4
60
40,2
13,2
24,4
16,8
24,8
14,6
120
23,9
6,8
12,3
13,4
15,4
8,3
180
17,1
5,8
8,3
12,3
10,4
7
360
9,3
4,4
4,2
9,2
5,5
3,6
720
4,7
3,1
2,1
6,5
2,8
2,1
1440
2,4
1,7
1,1
4,9
1,4
1,2
AI-V
APNDICE I-PRUEBA DE DATOS DUDOSOS
Ao
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
Duracin(minutos)
5
43,2
97,2
20,4
54
157,2
74,4
98,4
120
60
70,8
40,8
66
99,6
120
120
45,6
22,8
133,2
74,4
10
38,4
75,6
19,8
54
118,2
63
93
85,8
59,4
59,4
40,2
60
60
60
100,2
43,2
22,2
99
51,6
15
29,6
70
19,6
41,6
101,6
50,4
81,6
80
49,2
43,6
40
58
47,6
48,8
100
42,4
21,2
83,2
48
20
25,5
66,9
19,5
34,8
91,5
44,4
71,7
69,3
48,9
47,4
30
51
45
54,9
91,8
42
20,1
78,6
46,2
30
21,6
60,4
17,8
26,2
78,8
37,8
59,8
61
45
41,6
24,2
39,8
35,8
42,6
69,6
34,8
17,6
73,6
34
60
15,9
53,4
10,1
18
52,1
24,6
36,8
38,6
38
24,1
19,6
24,5
19,8
31,3
44,3
20
13,9
120
8,7
34,4
6,3
10,8
27,6
24,1
22,8
19,3
21,4
12,2
10,2
15,8
10
19,9
25,3
10
9,8
180
6,4
28,8
4,8
7,4
19,6
17
16,1
12,9
14,4
8,2
6,8
15
9,2
13,5
18,1
6,7
6,6
67,2 { 47
25,3 22,1 18,3
360
4
14,8
3
4,6
9,9
8,6
9,2
6,5
7,2
4,2
3,5
7.7
5
8,7
9,3
4
3,3
28,1
9,2
720
2,8
7,4
1,7
2,9
6,4
4,3
5,2
3,2
3,7
2,4
1,9
3,8
2,5
6,1
4,6
2,2
1,7
15,5
4,6
1440
1,4
3,7
1
1,8
3,5
2,2
3,6
1,7
1,9
1,5
1
1,9
1,3
3,1
2,4
1,4
0,9
8,6
2,3
Tabla Al.VI.- Intensidades mximas para cada duracin en la estacin de Alicante (8025).
AI aplicar el mtodo del Water Resources, tabla AI. VII, solo uno aparece como
extraordinario, con unas intensidades mximas para varias duraciones por encima del
umbral, y que aparecen sombreados en la tabla AI. VI, y en azul aqul que casi lo
supera.
25 aos k=2,486
Ao
yh
Ih
5mn
2,44
274,02
lOmin
2,26
180,52
I5rran
2,19
154,79
20min
2,15
140,76
30min
2,07
116,67
60min
1,93
85,20
120min
1,78
60,17
iSOmin
1,66
45,35
360min
1,38
24,12
720min
1,13
13,45
24h
0,88
7,65
Tabla Al.Vil, - Resultados de aplicar el mtodo de Water Resources para datos dudosos en Alicante
(8025)
AI-VI
APNDICE I-PRUEBA DE DATOS DUDOSOS
En el pluvimetro de la estacin de Alicante (8025) el dato dudoso registrado en
1982 coincide con el registro del pluvimetro, ver tabla AI.XVI al final de este
apndice, por lo que se acepta y se utilizar en la presente investigacin.
Figueras(0429)
Los datos de intensidad mxima anual, para las duraciones correspondientes se
encuentran en tabla AI. VII.
Ao
1945
1946
1 9 4 7
1 9 4 8
1 9 4 9
1 9 5 0
1951
1 9 5 2
1953
1 9 5 4
1955
1956
1 9 5 7
1958
1959
1 9 6 0
1961
1 9 6 2
1963
1 9 6 4
1965
1966
1 9 6 7
1 9 6 8
1969
1 9 7 0
1971
1 9 7 2
Duracin {minutos)
5
39,6
88,8
117,6
38,4
80,4
84
105,6
57,6
51,6
67,2
128,4
48
171,6
111,6
122,4
85,2
94,8
99,6
106,8
61,2
82,8
80,4
78
116,4
49,2
37,2
160,8
57,6
10
39,6
61,2
82,2
25,8
49,2
61,2
63
54
36,6
45,6
111
46,2
91,8
63,6
90,6
51
60
55,8
69,6
34,2
60,6
54,6
54
99
35,4
34,2
132,6
40,2
15
32,8
57,2
71,2
22,4
41,2
51,2
72
40,4
31,6
34
80
36,8
75,6
46,4
80,4
39,6
47,2
48,8
61,6
30,8
56,8
42
47,6
90,4
35,6
29,2
122,8
37,6
20
26,1
52,8
65,4
17,7
33
47,1
60,3
34,8
28,2
28,2
72,3
28,5
65,1
39,6
68,7
32,7
47,4
45,3
59,4
31,2
48,3
32,7
42,6
80,7
33
24
105,6
35,7
30
20,4
43,2
54,6
14,8
25
40,4
55
35
24,6
19,4
57,4
19
47
31,8
69
27,8
45,4
43,8
50,2
26,6
43,8
28,8
33,8
66,8
31,4
18
100,4
28
60
15,2
35,5
27,4
11,9
14,2
24,3
37,6
23,7
15,9
9,8
40
14,2
24,9
18,3
39,4
17,8
32,1
27,8
36,8
19,8
34
17,2
22,3
48,1
20,1
10,7
85
16
120
8,9
26,8
13,9
10,9
9,5
16,4
22,7
12,4
11,1
5
20,4
10,4
14,3
12,3
19,9
10,9
20,2
15,4
25,6
12,4
18,4
10,1
11,9
31,9
12,2
6,8
70,3
12,9
180
7,4
19,3
9,2
10,9
9,4
13,3
16,6
9,2
9,3
3,4
13,6
7.6
9,8
8,2
13,4
7,5
14
11,3
19,3
11,5
14,2
8
9,9
23,4
9,6
5,9
66,9
10,9
360
4,7
10,9
4,7
10
7
12,6
8,7
4,7
5,9
2
6,8
4,1
5
4,2
7,5
4,2
7,3
9,4
10,3
7,4
9,4
5
7,7
14,2
7
4,2
46,1
5,5
720
2,8
7,7
2,6
8,3
3,9
7,8
4,5
2,5
3,7
1,3
4,1
2,5
3,6
3
4,3
2,3
3,6
5,6
5,7
4,4
6,6
2,8
4,7
8,8
5,6
2,2
25,6
3,1
1 4 4 0
1,6
4,5
2
5,8
2
4,6
2,8
1,4
2,2
0,8
2,1
1,3
1,9
1,9
3,4
1,5
1,8
3,4
4
2,8
3,3
1.4
2,5
4,4
4,7
1,1
17
1,8
AJ-VII
APNDICE I.-PRUEBA DE DATOS DUDOSOS
i^b:,:
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
% m : ; .
62,4
120
87,6
109,2
96
98,4
52,8
108
100,8
172,8
73,2
45,6
61,2
\ ^ ^ m ^ : ' ;
49,8
104,4
56,4
97,2
66,6
52,8
38,4
54,6
55,8
103,2
53,4
34,8
39
v ' is ; ,; .
41,6
92,8
45,2
84
49,2
37,2
27,6
36,4
41,6
80
37,6
29,6
28,4
20
35,4
94,8
47,4
70,8
47,7
28,8
23,1
27,3
42,6
69,9
29,4
26,1
22,5
D u r a c i n ( m i n u t o s )
30
26
67,6
41
57,2
43,8
19,2
16,2
18,2
34,4
58,8
20
22,8
16,2
60-
14,5
34,9
27,5
31,7
29,9
10,2
9,1
9,2
21,4
37,1
10
17,9
8,8
120
10
17,6
14,4
15,9
20
8,4
7,1
4,7
15,9
20,3
5
9,3
4,4
180
8,1
11,8
9,6
10,6
15
8
5,6
3,6
12
14,7
3,3
6,2
3,3
360
5,6
5,9
5,2
6,3
8,8
5
4,3
3,4
7,8
7,9
1,7
3,3
1,7
720
3,9
4,8
3
3,8
5,2
2,5
3,1
2,5
5
4
1,2
2,4
1,1
1440
2
2,9
1,7
1,9
4,5
1,3
1,7
1,2
2,9
2
0,7
1,5
0,8
Tabla ALVin.- Intensidades mximas para cada duracin en la estacin de Figueras (0429).
Tras aplicar el mtodo del Water Resources Council para datos dudosos, tabla
AI.IX, se obtiene un dato dudoso en todas las series de larga duracin (desde 120
minutos hasta 24 horas), en el ao 197 1, que se corresponde con ima precipitacin en 24
horas de 408 mm. Al comprobar con los datos de pluvimetro de dicha estacin no
coincide. No obstante en la estacin de Cadaqus (0430), prxima a Figueras, consta un
registro en 1986 de 430 mm como valor mximo anual, que se recoge en la tabla
AI.XVn. Ante este hecho, se decide mantener ese dato, porque en dicha estacin
prxima se han registrado valores mayores que los que en principio se podran
considerar como outliers. Como el objetivo de la investigacin es aplicar im proceso de
regionalizacin, est asegurado que estos valores pueden producirse en ese rea.
41 aos K=2.692:
yh
Ih
&V: r&; ti^ ^ ^ ^
i |s |5
2,38
240,65
WPM
2,20
157,19
' 9W: r.
2,14
137,24
w m . ^ :
2,12
130,84
; 30; -' -
2,09
122,77
60
1,95
89,04
02O: V
1,76
56,90
: 180
1,65
44,34
: 360
1,46
29,06
720
1,25
17,60
1440
1,06
11,42
Tabla AI.IX - Resultados de aplicar el mtodo de Water Resources para datos dudosos en
Figueras(0429)
Ai-vn
APNDICE I-PRUEBA DE DATOS DUDOSOS
Murcia- San Javier (7031).
Los datos de Murcia-San Javier (7031) son los siguientes, tabla AI.X.
Ao
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
Duracin (horas)
5
73,2
52,8
103,2
42
120
66
85,2
92,4
73,2
32,4
110,4
51,6
56,4
68,4
78
110,4
114
55,2
133,2
103,2
16,8
54
45,6
32,4
40,8
45,6
28,8
75,6
121,2
56,4
10
64,2
40,2
74,4
27
100,2
51
51
59,4
54
22,2
91,8
40,8
29,4
50,4
72
88,2
96,6
46,8
98,4
67,2
15
51
39,6
28,2
23,4
42,6
21
62,4
94,8
46,8
15
51,6
35,2
60,8
18,8
100
46,4
35,2
61,6
38,4
17,2
68,4
31,6
20,8
34,8
69,2
84,8
76,8
33,6
77,6
67,6
14
44
37,6
26
23,6
32,8
17,2
46
83,2
43,2
20
38,7
30,9
54,6
15
97,5
40,2
27,6
47,1
29,7
17,1
57
27
16,2
26,7
57,3
85,5
65,1
27
66
61,8
13,8
42,9
34,2
22,8
23,4
25,8
14,1
43,2
74,1
39,6
30
25,8
25
47,2
10,8
92
31
24,8
31,8
20
16
46,2
22,4
12,2
18,8
55,6
71,4
51,6
19,2
44,4
44,8
13
40
28
17,4
23,2
18,4
13
39,8
58,8
30,8
60
12,9
14,6
26,3
5,5
69,8
23
23,2
26
10
9,1
23,3
16
7,5
18
34,2
42,8
29
11,1
22,4
25,9
8,7
24,1
14,1
11
13,8
11
7,6
34,1
36,3
16,6
120
6,5
9,4
13,3
3,9
42,2
13,4
18,9
16,2
5,1
5
H,8
12,1
4,3
11,2
17,9
25
15,4
7
11,2
15,4
5,8
14,4
8
6,1
7,2
8,9
5,2
19
19
8,3
180
4,3
8,7
8,9
3
29,2
11,2
16,5
13,4
3,4
3,6
7,9
10
3
9,4
11,9
16,7
10,5
4,7
7,5
10,7
4,5
9,8
5,5
4,2
5,3
7,4
4,1
15,9
12,9
5,5
360
2,9
7,4
4,5
2,4
14,6
5,9
10,8
11,4
2,1
2,7
4
5,7
1,8
7,4
6,2
8,3
5,4
2,4
3,8
7,3
2,3
5
3,3
2,3
4,4
4,5
2,2
8,4
8,3
2,8
720
1,4
5,2
2,2
1,4
7,3
3,2
5,8
8,3
1,3
1,5
2
2,8
i
6,3
3,1
4,3
2,9
1,6
2
4,1
1,2
2,5
1,7
1,2
3,5
2,7
1,3
4,2
4,4
1,4
1440
0,8
3
1,2
0,7
3,7
1,6
2,9
4,6
0,9
0,7
1
1,4
0,7
3,7
1,6
2,2
1,5
0,8
1
2,1
0,8
1,9
0,9
0,9
2,6
2,2
0,7
2,1
2,2
0,8
Tabla AI.X.- Intensidades mximas para cada duracin en Murcia -San Javier (7031).
AI-IX
APNDICE I.-PRUEBA DE DATOS DUDOSOS
Al aplicar el mtodo de Water Resources se obtienen los siguientes resultados,
tabla A1.XI,
30 aos K==2,563
yh
Ih
Duracin (minutos)
5
2,36
228,9
10
2,26
181,8
15
2,21
161,3
20
2,16
143,8
30
2,07
118,3
60
1,90
80,30
120
1,65
44,94
180
1,53
33.85
360
1,30
19,91
720
1,08
12,01
1440
0,81
6,43
Tabla AI.XI.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Murcia
(7031)
AI superar el umbral de intensidades mximas para duraciones inferiorres a 24
horas, no hay medio de saber s se han producido o no, por lo que ante la duda se decide
aceptar dichos datos.
Almera (63250).
Los datos disponibles en la estacin de Almera (63250) se ofrecen en la tabla AI.XII
Ao
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
5
60
100,8
28,8
67,2
28,8
66
62,4
48
30
40,8
20,4
10,8
16,8
12
10
34,2
57
24,6
52,2
24
59,4
45
36
26,4
36
15
10,2
16,8
8,4
15
25,2
60,4
17,6
55,2
21,6
48,4
32
31,6
22
32
12,8
9,6
16
6,8
20
21
54,3
13,8
44,7
19,5
42
29,1
28,8
22,5
25,8
11,4
9,6
14,4
6,6
Duracin (minutos)
30
16,6
49,6
9,8
30,8
16,8
29,8
27,2
23
20,4
18,8
9,4
9
11,6
5,6
60
9,7
32,8
7
18,2
9,5
16,9
17,1
13,7
16,9
12,4
6,2
6,9
7,4
4
120
4,8
20,1
5,2
9,1
6,1
10,4
9,9
7,5
9
6,7
3,4
4,4
5,2
3,4
180
3,4
14,2
3,4
6,1
4,8
7,8
6,6
5
7,1
5,4
2,3
3
3,8
2,6
360
1,8
10,6
1,7
3
4,5
4,3
3,3
2,7
3,9
3,4
1,4
2,4
2,2
1,3
720
1,5
1,3
1,5
2,5
2,2
1,7
1,5
2
2,4
0,7
1,6
1,1
0,8
1440
0,8
0,8
0,8
1,3
1.2
0,8
0,8
1
1,4
0,4
0,9
0,6
0,4
AI-X
APNDICE I-PRUEBA DE DATOS DUDOSOS
Ao
1985
1986
1987
1988
1989
1990
5
15,6
49,2
78
93,6
123,6
33,6
10
12
34,8
49,8
78
87,6
25,8
15
11,6
26
40
66
75,2
22
20
9,9
20,1
35,1
50,7
68,1
18,6
Duracin (minutos)
30
8
13,6
30,4
34,2
60,8
17
60
5,7
7,3
21,7
23,6
53,3
15,5
120
5,1
5,3
12,6
12
35.1
7,9
180
3,8
4
S,7
8,2
23.5
5,3
360
2
2,4
4,4
5,3
11,8
2,6
720
1,3
1,6
2,2
2,6
5,9
1,3
1440
0,9
0,8
1,1
1,3
2,9
0,9
Tabla AI.Xn.- Intensidades mximas anuales para cada duracin en Almera (63250).
Los resultados obtenidos al aplicar el mtodo de Water Resources se reflejan en
la tabla AL XIH.
En Almera los datos de las series que superan el umbral a partir del cual puede
aceptarse un dato como dudoso se producen en diiraciones inferiores a 24 horas en el
ao 1989, pero no han dado lugar a una intensidad mxima en 24 horas extraordinarias;
El valor en ese ao es de 2.9 mm/h, por lo tanto no se tienen criterios para eliminar o
aceptar ese dato. En 1972 casi se superan esos umbrales, y aparecen resaltados en la
tabla de color azul.
20 aos K =2,385
Ao
yh
Ih
Duracin (minutos)
5
2,34
219,56
10
2,17
147,29
15
2,10
126,71
20
2,02
104,01
30
1,92
82,68
60
1,77
58,26
120
1,48
30,33
180
1,32
20,97
360
1,10
12,64
720
0,82
6,62
1440
0,52
3,31
Tabla ALXIII.- Resultados de aplicar el mtodo de Water Resources para datos dudosos en Almera
(63250).
AI-XI
APNDICE I.-PRUEBA DE DATOS DUDOSOS
- En las estaciones de: Sondica (1082), Guadalhorce(6120), Figueras (0429),
Alicante (8025) y Murcia (7031), Almeria(63250), se han producido valores
muy altos de intensidades mximas, pero no hay un criterio definitivo para
eliminarlos de las series correspondientes, por lo que se utilizarn en la presente
investigacin.
- Estos valores dan lugar a un coeficiente de variacin ms alto, pero es
preferible asumir esa heterogeneidad al no haber un argumento hidrolgico para
eliminarlo. Estos valores tendrn gran influencia en la estimacin de cuantiles,
ya que elevarn el valor del mismo. En este caso, el hecho tiene una mayor
trascendencia ya que, como se analizar posteriormente, se va a aplicar un
proceso de regionalizacin, y por lo tanto se estar asumiendo la posibilidad de
que pueda producirse esta situacin en la totalidad de la regin.
- Otro argumento a favor de la utilizacin de todos los datos fue saber que
estas series haban sido manejadas anteriormente por el Instituto Nacional de
Meteorolgico para su estudio y publicacin, por lo tanto, cabe esperar que estos
valores extremos ya hubieran sido contrastados y no deberan presentar errores
importantes.
Ai-xn
APNDICE I. PRUEBA DE DATOS DUDOSOS
Tabla AI.XrV.- Precipitacin mxima diaria, en dcimas de mm, en Sondica (1082)
Ao
47
47
47
47
47
47
47
47
47
47
47
47
48
48
48
48
48
48
48
48
48
48
48
48
49
49
49
49
49
49
49
49
49
49
49
49
50
50
50
50
50
50
50
50
50
50
50
50
51
51
51
Mes
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
Pmx
559
207
1140
321
144
967
1362
941
1154
1746
2058
355
117
1171
799
354
378
890
889
931
622
292
1234
147
1865
668
1398
166
178
182
1994
655
2257
1635
556
951
686
1717
654
593
233
877
517
886
1106
4644
1614
1837
905
Ao
51
51
51
51
51
51
51
51
51
52
52
52
52
52
52
52
52
52
52
52
52
53
53
53
53
53
53
53
53
53
53
53
53
54
54
54
54
54
54
54
54
54
54
54
54
55
55
55
55
55
55
Mes
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
Pmx
739
1456
756
501
1081
495
1952
906
821
1879
1028
751
1233
140
504
1252
512
791
2186
1732
1546
921
1707
161
922
581
2005
371
632
2722
2636
449
609
2325
1902
925
666
1069
753
629
1487
1845
672
935
1075
1216
1441
913
158
522
556
Ao
55
55
55
55
55
55
56
56
56
56
56
56
56
56
56
56
56
56
57
57
57
57
57
57
57
57
57
57
57
57
58
58
58
58
58
58
58
58
58
58
58
58
59
59
59
59
59
59
59
59
59
Mes
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
Pmx
620
60
1654
2117
256
1102
1499
1487
393
1756
951
591
434
752
231
1583
2469
396
997
419
434
371
1056
1595
542
77
884
435
1414
1459
1375
503
1910
1140
794
901
556
185
558
1163
1784
1850
1037
236
1255
481
790
767
451
857
2792
Ao
59
59
59
60
60
60
60
60
60
60
60
60
60
60
60
61
61
61
61
61
61
61
61
61
61
61
61
62
62
62
62
62
62
62
62
62
62
62
62
63
63
63
63
63
63
63
63
63
63
63
63
Mes
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
Pmx
1690
1461
2686
1491
340
905
599
539
902
454
691
1243
2125
1036
4139
1491
379
38
1673
338
1001
415
343
948
2121
2403
516
1637
1325
743
1265
1179
262
305
369
265
976
2101
1809
621
1757
1219
774
581
690
486
2150
2394
858
900
694
Ao
64
64
64
64
64
64
64
64
64
64
64
64
65
65
65
65
65
65
65
65
65
65
65
65
66
66
66
66
66
66
66
66
66
66
66
66
67
67
67
67
67
67
67
67
67
67
67
67
68
68
68
Mes
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
Pmx
394
1055
1111
2454
671
128
177
708
353
1910
1554
1535
1683
533
1173
2197
812
376
294
1041
1178
889
2119
2326
504
1151
890
450
1112
1409
657
79
220
2275
3499
1517
1029
177
708
789
945
754
568
514
859
934
2245
3125
1546
667
1209
Ao
68
68
68
68
68
68
68
68
68
69
69
69
69
69
69
69
69
69
69
69
69
70
70
70
70
70
70
70
70
70
70
70
70
71
71
71
71
71
71
71
71
71
71
71
71
72
72
72
72
72
72
Mes
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
Pmx
939
1323
675
159
1366
1146
173
602
2437
457
939
1143
1270
910
406
90
672
1961
44
1023
2792
941
1615
1205
1207
399
556
372
1502
492
1094
1213
999
862
859
1267
1174
1680
1150
970
635
780
480
3407
1146
2155
1725
719
1646
1564
715
Ai-xm
APNDICE I. PRUEBA DE DATOS DUDOSOS
Ao
72
72
72
72
72
72
73
73
73
73
73
73
73
73
73
73
73
73
74
74
74
74
74
74
74
74
74
74
74
74
75
75
75
75
75
75
75
75
75
75
75
75
76
76
76
76
76
76
76
76
76
76
Mes
7
8
9
10
11
12
1
2
3
4
5
6
7
S
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
S
9
10
Pmx
362
830
799
303
724
978
1623
2383
461
1092
804
936
556
999
1621
569
502
1485
539
1619
1389
843
863
421
1039
687
998
3834
1706
551
864
355
2108
1916
860
430
95
663
910
1272
2610
996
1132
740
864
1786
288
49
1107
781
887
1584
Ao
76
76
77
77
77
77
77
77
77
77
77
77
77
77
78
78
78
78
78
78
78
78
78
78
78
78
79
79
79
79
79
79
79
79
79
79
79
79
80
SO
80
80
80
80
80
80
80
80
80
80
81
81
Mes
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
Pmx
989
1175
817
669
815
907
2147
1965
1925
957
48
457
1432
1096
3267
1071
1166
1936
1446
750
265
476
478
582
864
753
2325
1239
1303
1857
614
378
381
815
780
1909
2207
1903
966
307
1158
617
1789
755
538
266
82
2504
1309
1975
1653
624
Ao
81
81
81
81
81
81
81
81
81
81
82
82
82
82
82
82
82
82
82
82
82
82
83
83
83
83
83
83
83
83
83
83
83
83
84
84
84
84
84
84
84
84
84
84
84
84
85
85
85
85
85
85
Mes
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
Pmx
1228
1038
438
230
505
91
548
1358
254
1727
1169
1022
1129
104
526
658
385
700
394
1999
1564
2238
289
1411
1038
1094
666
291
834
6269
158
432
222
449
2448
1248
482
449
1650
510
59
1194
1468
1060
1788
1500
1515
462
1754
434
1739
502
Ao
85
85
85
85
85
85
86
86
86
86
86
86
86
86
86
86
86
86
87
87
87
87
87
87
87
87
87
87
87
87
88
88
88
88
88
88
88
88
88
88
88
88
89
89
89
89
89
89
89
89
89
89
Mes
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
Pmx
565
340
4
498
1966
677
3121
1122
939
1712
345
720
136
461
855
450
991
1409
1063
1317
735
579
266
1079
418
305
495
1187
2056
318
1519
1331
1156
1717
698
806
995
670
740
126
101
821
452
1137
540
2599
421
273
170
329
353
240
Ao
89
89
90
90
90
90
90
90
90
90
90
90
90
90
91
91
91
91
91
91
91
91
91
91
91
91
92
92
92
92
92
92
92
92
92
92
92
92
93
93
93
93
93
93
93
93
93
93
93
93
94
94
Mes
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
Pmx
1594
140
870
393
325
2163
466
688
411
465
257
1177
1671
1362
882
537
1321
1285
1514
165
493
243
1444
1152
1541
157
334
220
1080
677
389
1620
549
1059
1002
4322
921
1323
64
536
557
1941
443
681
791
1114
866
839
744
2089
891
796
Ao
94
94
94
94
94
94
94
94
94
94
95
95
95
95
95
95
95
95
95
95
95
95
96
96
96
96
96
96
96
96
96
96
%
96
97
97
97
97
97
97
97
97
97
97
97
97
98
98
98
98
98
98
Mes
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
Pmx
405
2200
957
552
703
462
1997
1180
1083
1355
2457
1215
1416
884
674
205
454
263
756
306
845
855
597
2106
410
524
675
638
941
1302
768
894
2482
1556
1635
202
117
373
774
913
1172
895
464
390
1856
1440
657
433
433
1774
905
382
AI-XIV
APNDICE I. PRUEBA DE DATOS DUDOSOS
Afio
98
98
98
98
98
98
99
99
99
99
Mes
7
8
9
10
11
12
1
2
3
4
Pmx
391
624
1098
3113
1736
577
1146
1425
1119
699
Ao
99
99
99
99
99
99
99
99
0
0
Mes
5
6
7
8
9
10
11
12
1
2
Pmx
842
210
192
198
492
372
1667
1642
338
719
Ao
0
0
0
0
0
0
0
0
1
1
Mes
3
4
5
6
7
8
9
10
2
3
Pmx
636
1304
531
560
1151
478
606
1711
393
872
Afio
2
Mes
4
5
6
7
8
9
10
11
12
1
Pmx
911
280
382
641
255
324
497
1590
538
583
Ao
2
2
2
2
2
2
2
2
2
2
Mes
2
3
4
5
6
7
8
9
10
11
Pmx
671
205
672
957
337
499
1024
420
852
1663
Ao
2
3
3
3
3
Mes
12
1
2
3
4
Pmx
2451
1692
974
382
491
Tabla AIJV.- Precipitacin mxima diaria, en dcimas de mm, en Guadalhorce (6120)
Ao
61
61
61
61
61
61
61
61
61
61
61
61
62
62
62
62
62
62
62
62
62
62
62
62
63
63
63
63
63
63
63
63
63
63
63
63
64
Mes
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
Pmx
156
0
657
96
468
0
0
0
340
170
2352
749
360
128
1268
1268
244
120
0
0
33
1233
570
1499
1352
970
547
348
657
129
0
0
460
2
1065
4385
32
Ao
64
64
64
64
64
64
64
64
64
64
65
65
65
65
65
65
65
65
65
65
65
65
66
66
66
66
66
66
66
66
66
66
66
66
67
67
67
Mes
2
3
4
5
6
7
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
Pmx
320
510
238
0
239
0
24
8
634
1387
569
413
476
395
5
79
0
0
465
1089
454
283
467
885
56
417
97
214
0
0
487
562
479
115
384
1312
160
Ao
67
67
67
67
67
67
67
67
67
68
68
68
68
68
68
68
68
68
68
68
68
69
69
69
69
69
69
69
69
69
69
69
69
70
70
70
70
Mes
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
Pmx
267
143
343
0
0
0
676
1570
238
0
958
368
183
118
4
0
191
0
0
1124
668
1038
1219
740
159
76
291
0
1970
1160
1389
1326
625
2089
50
738
250
Ao
70
70
70
70
70
70
70
70
71
71
71
71
71
71
71
71
71
71
71
71
72
72
72
72
72
72
72
72
72
72
72
73
73
73
73
73
73
Mes
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
5
6
Pmx
224
340
0
0
0
21
391
1330
706
28
774
1346
637
72
0
24
68
17
475
753
807
390
962
118
186
154
8
38
521
1410
439
288
119
397
170
564
409
Afio
73
73
73
73
73
73
74
74
74
74
74
74
74
74
74
74
74
74
75
75
75
75
75
75
75
75
75
75
75
75
76
76
76
76
76
76
76
Mes
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
Pmx
0
0
0
130
253
733
126
303
607
816
31
502
0
0
0
73
56
5
378
464
1126
529
283
131
0
0
23
10
118
1098
297
931
392
693
582
0
0
Afio
76
76
76
76
76
77
77
77
77
77
77
77
77
77
77
77
77
78
78
78
78
78
78
78
78
78
78
78
78
79
79
79
79
79
79
79
79
Mes
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
Pmx
6
213
1264
174
1200
1264
489
345
75
58
110
185
13
0
519
815
723
102
828
396
561
154
322
0
0
10
352
110
853
1387
1138
428
202
13
17
450
0
AI-XV
APNDICE I. PRUEBA DE DATOS DUDOSOS
ABO
79
79
79
79
80
80
80
80
80
80
80
80
80
80
80
80
81
81
81
81
81
81
81
81
82
82
82
82
82
82
82
82
82
82
82
83
83
83
83
83
83
83
83
83
83
83
Mes
9
10
11
12
I
2
3
4
5
6
7
8
9
10
11
12
1
2
3
7
9
10
11
12
1
2
3
4
5
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
Pmx
222
2394
39
84
499
868
482
88
406
78
0
0
75
404
809
10
0
94
149
0
79
21
0
1073
1205
442
209
338
280
143
0
14
117
808
297
0
185
235
201
2
0
0
367
0
60
1690
Ao
83
84
84
84
84
84
84
84
84
84
84
84
84
85
85
85
85
85
85
85
85
85
85
85
86
86
86
86
86
86
86
86
86
86
86
86
87
87
87
87
87
87
87
87
87
87
Mes
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
Pmx
600
52
874
658
300
515
22
0
0
16
47
1088
927
371
599
50
146
352
107
0
0
8
898
717
345
525
592
370
39
45
0
0
137
1021
485
115
1165
532
0
213
10
0
42
1405
333
880
Ao
87
87
88
88
88
88
88
88
88
88
88
88
88
88
89
89
89
89
89
89
89
89
89
89
90
90
90
90
90
90
90
90
90
90
91
91
91
91
91
91
91
91
91
91
92
92
Mes
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
9
10
11
12
1
3
4
5
6
8
9
10
11
12
1
2
3
4
5
6
9
10
11
12
1
2
Pmx
756
1402
1105
649
197
243
298
226
8
0
358
1069
699
25
886
895
352
458
130
0
355
2102
4194
1916
713
370
1193
145
0
4
1076
773
464
192
68
1521
1093
330
57
266
324
1521
222
375
105
850
Ao
92
92
92
92
92
92
92
92
93
93
93
93
93
93
93
93
93
93
93
93
94
94
94
94
94
94
94
94
94
94
94
94
95
95
95
95
95
95
95
95
95
95
95
95
96
96
Mes
3
4
5
6
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
I
2
Pmx
360
436
65
684
134
668
133
120
719
249
302
482
416
315
0
0
53
1403
884
0
414
520
60
543
162
0
0
0
0
375
550
70
164
93
449
54
0
263
13
65
27
3
1023
2054
2096
844
Ao
96
96
96
96
96
96
96
96
96
96
97
97
97
97
97
97
97
97
97
97
97
97
98
98
98
98
98
98
98
98
98
98
98
98
99
99
99
99
99
99
99
99
99
99
99
99
Mes
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
Pmx
242
60
848
0
43
952
269
338
443
2476
1478
0
0
367
1248
120
7
55
1180
232
1139
1092
392
682
51
111
912
243
0
0
371
0
71
396
233
245
310
201
177
20
10
0
180
882
325
231
Ao
0
0
0
0
0
0
0
0
0
0
0
0
2
2
2
2
2
2
2
2
2
2
2
2
3
3
Mes
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
Pmx
700
0
465
1213
521
0
0
0
95
407
555
1597
436
311
406
35
326
0
14
0
490
923
580
566
239
141
542
692
78
0
0
0
222
191
974
521
379
581
AI-XVI
APNDICE I PRUEBA DE DATOS DUDOSOS
T a b l a A I . X V I . - Precipitacin m x i m a diaria, e n d c i m a s d e m m , e n Alicante ( 8 0 2 5 ) .
AiSo
38
38
38
39
39
39
39
39
39
39
39
39
39
39
39
40
40
40
40
40
40
40
40
40
40
40
40
41
41
41
41
41
41
41
41
41
41
41
42
42
42
42
42
42
42
42
42
42
42
42
Me s
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
10
11
12
1
2
3
4
5
6
7
g
9
10
11
12
P m x
467
2
509
35
118
303
143
155
178
0
140
74
487
12
85
2 12 7
225
89
85
4
63
0
68
143
512
91
14
318
93
67
374
241
44
17
8 4
159
225
58
30
406
86
532
23
120
0
155
828
170
508
131
A o
43
43
43
43
43
43
43
43
43
43
43
43
44
44
44
44
44
44
44
44
44
44
44
44
45
45
45
45
45
45
45
45
45
45
45
45
46
46
46
46
46
46
46
46
46
46
46
46
47
47
Me s
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
P m x
18
853
345
140
8
9
82
6
534
98 4
51
849
3
138
8
70
199
52
92
43
1065
222
159
671
320
138
111
26
114
102
151
1017
0
66
763
41
529
0
232
1444
308
1
0
0
7
213
1234
467
506
172
A o
47
47
47
47
47
47
47
47
47
47
48
48
48
48
48
48
48
48
48
48
48
48
49
49
49
49
49
49
49
49
49
49
49
49
5 0
50
5 0
5 0
5 0
50
50
50
5 0
50
50
5 0
51
51
51
51
Me s
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
P m x
174
140
907
0
7
115
488
389
85
30
270
272
248
626
830
28
257
0
38
1002
0
522
700
688
458
443
415
208
3
336
401
2 4
609
719
545
60
16
150
468
0
0
196
42 0
375
4
55
241
158
168
901
A o
51
51
51
51
51
51
51
51
52
5 2
52
52
52
52
5 2
5 2
5 2
5 2
52
5 2
53
53
53
53
53
53
53
53
53
53
53
53
54
54
54
54
5 4
5 4
5 4
54
54
5 4
5 4
5 4
55
55
55
55
55
55
Me s
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
P m x
447
63
7
295
645
978
235
620
19
64
151
219
139
8
35
8 0
847
842
92
51
8 2
167
59
449
7
899
94
5
132
1384
325
142
33
2 5 7
595
1280
127
2 30
125
0
83
197
8 8
317
74
139
205
17
72
68
A o
55
55
55
55
55
55
5 6
56
56
5 6
56
56
56
56
56
56
56
56
57
5 7
5 7
57
5 7
5 7
5 7
5 7
5 7
5 7
5 7
5 7
58
5 8
58
58
5 8
58
5 8
58
5 8
5 8
58
5 8
5 9
59
59
59
59
59
59
59
Me s
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
P m x
0
104
231
2 0 0
62 4
40 2
2 92
231
162
514
182
9
29
12
116
1000
644
15
371
4
53
609
295
112
0
293
611
622
589
145
155
1
56
245
63
308
0
131
104
1316
451
190
291
553
280
238
1042
60
74
0
A o
59
59
59
5 9
60
60
60
60
60
60
60
60
60
60
60
60
61
61
61
61
61
61
61
61
61
61
61
61
62
62
62
62
62
62
62
62
62
62
62
62
63
63
63
63
63
63
63
63
63
63
Mes
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
P m x
2 0 8 6
637
785
70
286
275
262
662
91
531
139
0
76
332
60
404
106
127
11
56
120
105
4
183
415
202
264
90
17
557
508
215
467
445
0
0
189
1834
378
300
188
85
0
284
405
78
8 4
114
1614
2 0 0
Ai-xvn
APNDICE I. PRUEBA DE DATOS DUDOSOS
Ao
63
63
64
64
64
64
64
64
64
64
64
64
64
64
65
65
65
65
65
65
65
65
65
65
65
65
66
66
66
66
66
66
66
66
66
66
66
66
67
67
67
67
67
67
67
67
67
67
67
67
68
Mes
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
S
9
10
11
12
1
Pmx
87
512
178
103
205
310
10
50
0
42
163
74
299
1358
210
200
235
398
85
307
5
26
101
992
136
423
70
109
6
323
173
413
0
6
326
1493
52
0
180
1050
113
392
32
375
0
143
62
5
550
22
428
Ao
68
68
68
68
68
68
68
68
68
68
68
69
69
69
69
69
69
69
69
69
69
69
69
70
70
70
70
70
70
70
70
70
70
70
70
71
71
71
71
71
71
71
71
71
71
71
71
72
72
72
72
Mes
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
Pmx
311
421
192
307
586
0
16
31
8
417
743
239
296
300
357
78
204
3
62
80
2020
189
70
198
0
268
186
114
294
0
1
16
722
6
1132
239
52
925
599
326
75
14
0
569
1431
1342
706
152
40
338
363
Ao
72
72
72
72
72
72
72
72
73
73
73
73
73
73
73
73
73
73
73
73
74
74
74
74
74
74
74
74
74
74
74
74
75
75
75
75
75
75
75
75
75
75
75
75
76
76
76
76
76
76
76
Mes
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
Pmx
223
160
0
241
782
1242
1476
98
133
63
423
64
9
561
3
0
571
286
99
666
28
613
677
766
72
100
252
329
79
890
18
14
42
324
615
390
660
427
0
151
173
133
18
338
16
72
18
253
994
287
0
Ao
76
76
76
76
76
77
77
77
77
77
77
77
77
77
77
77
77
78
78
78
78
78
78
78
78
78
78
78
78
79
79
79
79
79
79
79
79
79
79
79
79
80
80
80
80
80
80
80
80
80
80
Mes
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
Pmx
587
587
318
30
605
335
11
58
379
595
35
381
14
356
76
688
143
43
166
181
271
245
360
12
4
32
183
1068
176
693
93
3
104
440
228
120
0
1121
353
76
19
480
1554
166
541
1154
121
8
35
5
0
Ao
80
80
81
81
81
81
81
81
81
81
81
81
81
81
82
82
82
82
82
82
82
82
82
82
82
82
83
83
83
83
83
83
83
83
83
83
83
83
84
84
84
84
84
84
84
84
84
84
84
84
85
Mes
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
Pmx
472
134
63
383
149
693
184
472
3
46
55
121
0
18
570
91
516
917
887
0
0
0
76
2711
225
11
1
230
15
65
18
286
1
46
0
867
1170
128
63
221
121
200
279
60
0
73
94
186
983
22
112
Ao
85
85
85
85
85
85
85
85
85
85
85
86
86
86
86
86
86
86
86
86
86
86
86
87
87
87
87
87
87
87
87
87
87
87
87
88
88
88
88
88
88
88
88
88
88
88
88
89
89
89
89
Mes
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
Pmx
228
244
315
282
4
6
17
981
339
534
230
71
94
102
242
140
24
54
126
1172
1580
153
44
181
407
5
12
307
6
183
2
187
378
1015
255
330
455
37
577
306
562
22
0
233
668
452
6
299
129
797
268
Ai-xvni
APNDICE I. PRUEBA DE DATOS DUDOSOS
Ac
89
89
89
89
89
89
89
89
90
90
90
90
90
90
90
90
90
90
90
90
91
91
91
91
91
91
91
91
91
^ ^ s
5
6
7
8
9
10
11
12
1
2
3
4
'
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
...i
Pmx
614
178
18
36
2025
111
347
1709
376
0
207
407
524
24
29
161
304
472
102
126
738
281
624
75
99
84
6
0
115
Ac
91
91
91
92
92
92
92
92
92
92
92
92
92
92
92
93
93
93
93
93
93
93
93
93
93
93
93
94
94
Mes
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
Pmx
307
128
36
18
879
223
48
196
568
5
0
19
203
127
126
0
951
327
65
152
25
413
46
115
272
665
222
35
52
M e
94
94
94
94
94
94
94
94
94
94
95
95
95
95
95
95
95
95
95
95
95
95
96
96
96
96
96
96
Mes
3
4
5
6
7
8
9
10
11
12
I
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
96 7
Pmx
2
378
95
29
0
1
435
411
157
64
3
29
129
95
0
115
0
77
74
106
121
340
359
252
219
204
225
5
120
Afic
96
96
96
96
96
97
97
97
97
97
97
97
97
97
97
97
97
98
98
98
98
98
98
98
98
98
98
98
98
Mes
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
Pmx
13
558
447
674
284
435
29
258
439
184
167
145
395
2811
381
104
337
212
113
31
63
266
2
0
30
120
1
253
708
Ao
99
99
99
99
99
99
99
99
99
99
99
99
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
Mes
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
Pmx
110
50
331
39
357
1
54
18
356
373
79
128
349
0
203
45
80
67
0
32
101
895
59
89
320
447
18
488
212
Afio
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
'
Mes
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
Pmx
73
6
6
957
461
374
693
76
0
196
520
518
116
27
368
308
85
249
164
91
169
180
Tabla AIXVII- Precipitacin mxima diaria, en dcimas de mm, en Cadaqus (0433)
Provincia: Girona Estacin; CADAQUS Indicativo; 0-433
Periodo; I96IV1989 Longitud: 03' 16' 1 Latitud: 42 17fN Altitud: 45 m
1969
1970
1971
1972
1973
1974
1975
1976;
1977
1978
1979
S E R I E C R G N O L G I G A
118, 7
86, 5 '
285, 0
62,5
44,5:
683
V 57,5
, ::>34,4 :
; 276, 0 ::
: 53, 3*. ::
57.7: :
1980
1981
1982
1983
1984
198S
1986
1987 ,
1988
1989
60.7
92, 0*
; 33, 0
10& .5
50, 0
84, 2
430, 0
: 87, 7 :
36, 0
35;0^
VALOR MXIMO: 430,0 (ao 1986)
Goeficiehte <ie correlacin; ,8S5
AI-XIX
APNDICE n.
APNDICE n. MODELOS ANALIZADOS
-MODELOS I-D ANALIZADOS.
1.-Seleccin de modelos
De la bibliografa consultada, se han seleccionado tres modelos para su estudio:
* Modelo general de tres parmetros
- Modelo 1.-. (Koutsoyiannis et al, 1998):
/24 {d + aT
Donde "a", "b" y "m" son parmetros y "d" la duracin.
* Modelos de dos parmetros
Modelo 2.- Propuesto por Yamell y Hathaway (1965):
a
'24
Donde "a", y "b" son parmetros y "d" la duracin.
'" " -J:. . '
Modelo 3.- Generalizacin del modelo utilizado en la Instruccin 5.2-IC (1990)
1-24
Donde "a",y "b" son parmetros y "d" la duracin.
2. -Condicionantes.
Para los tres modelos seleccionados, se han establecido como puntos de paso
obligado:
24 horas: g(24) = ^ = l
Ihora: g(l) = ^i^=K
lu
Siendo: I^ = Intensidad mxima anual media en 1 hora.
724 = Intensidad mxima anual media en 24 horas
An-i
APNDICE II. MODELOS ANALIZADOS
Este segiindo punto de paso obligado,- g(l)= =Lr - , slo sera conocido en
estaciones con pluvigrafo, pero esta decisin se adopta por varios motivos:
- Es \m parmetro utilizado en la Instruccin 5.2-IC, que tiene sentido fsico, y
representa el porcentaje, en tanto por imo, de la intensidad mxima media
horaria respecto a la de 24 horas.
El hecho de tener un sentido fsico, facilitar el diseo del mapa de isolneas
de "K"
3.- Aplicacin.
A continuacin se analiza cada caso:
Modelo L- Modelo general de tres parmetros
A partir de la expresin general: g(d)= ^
ITA {d + af
Siendo punto de paso obligado g( 24) == = 1
-^24
"b" debera adoptar la expresin:
b=(24+ar
Y sustituyendo en la expresin general:
a+a
Adems estableciendo el segundo punto de paso obligado, debera
cumplirse que:
gil) = ( ^ ) n ^ g(i) = ^ = ^ = ( ^ y
1 + a I^A l +
Tomando logaritmos en la expresin anterior y despejando "m":
lM{K)
m =
Ln((24 + )/(l + fi())
AH-n
APNDICE II. MODELOS ANALIZADOS
La ecuacin g(d) quedara de la siguiente manera:
_ Ln(I,/Iz4)
Qd) = /-^^^"\Ln((24+a)/(l+a))
/ + t!
Conclusin.- La expresin, que en un principio dependa de tres parmetros, al
obligar a dos puntos de paso, queda reducida a una expresin que slo depende de dos
parmetros " K" - i l ^ - , y "a".
- En las estaciones que disponen de pluvigrafo, se conoce = ,(=K),
-'24
y por lo tanto, se podr estimar "a" en cada estacin, y luego se
estudiara la varabilidad espacial de ambos parmetros trazando
mapas de isolneas.
Modelo 2.- Modelo de dos parmetros propuesto por Yarnell y Hathaway.
Partiendo de la expresin general:
/24 d
De la condicin de paso obligado g(24) =1, "a" adoptara la expresin:
^ = 24'
y por tanto la funcin g(d):
a
La segunda condicin, g(l)= = , se puede deducir:
-'24
L = 24* L = K = 24'
-'24 -'24
Y por lo tanto, tomando logaritmos,
Ln(. ) = b*Ln(24)
Despejando "b":
AH-ni
APNDICE n. MODELOS ANALIZADOS
b =
Ln(i)
2 4
Ln(24)
La funcin g(d) adoptara la expresin:
24 ^
a
Conclusin.- El modelo 2 de dos parmetros, al obligar a dos puntos de
paso, depende de un solo parmetro, "K", cuyo valor viene dado por=L,
' 2 4
por lo que no cabra plantear ningn ajuste, y se desecha este modelo.
Modelo 3.- Generalizacin del modelo utilizado en la Instruccin 5.2-IC
El modelo es el siguiente:
^24
g(24)=l se cumple siempre
El segundo punto de paso obligado, g(l) = =
^2 4
g(l) = i = b''''-''\... g(l) = i = ^ = 6(^^-'^>
I
24
I
24
Para obtener "b" se despeja de la expresin anterior
- 1
= ( L) 24' - I
1
24
Y por lo tanto, la funcin quedara de la forma:
Id
'24
= ^ ^
i
24"-
\ 24"
-d'
-1
= K
24"-
24"
-d"
-1
AH-IV
APNDICE II. MODELOS ANALIZADOS
Conclusin.- La expresin general para calcular g(d) depende de "K"- ~ - y "a".
-'24
- En las estaciones que disponen de pluvigrafo, se conoce = , por lo tanto,
-'24
se podr estimar "a" en cada estacin, y luego se estudiara la variabilidad
espacial de ambos parmetros trazando mapas de isolneas..
3.- Comparacin de los modelos 1 y 3.
Los modelos 1 y 3 seran vlidos, tendran dos puntos de paso obligado, y la
solucin a adoptar sera la misma en ambos casos, utilizar las estaciones con
pluvigrafo para, conociendo en cada una de ellas = , estimar el otro parmetro "a".
'24
Para comparar ambos modelos y ver con cual se consiguen mejores ajustes, se
utilizaron varias estaciones repartidas por todo el territorio peninsular, y se estim en
cada una de ellas el parmetro "a". Los ajustes fueron muy buenos, con coeficientes de
correlacin muy altos. Como ambos son vlidos, se decide:
Utilizar l modelo 3 por dos motivos
- Su expresin es ms sencilla de aplicar que el modelo i.
- Es ur modelo similar al utilizado actualmente, pero presentando como ventaja
frente a la aplicacin actual:
- Ofrecer dos mapas, tn7K/?a<ie wo-^
La aplicacin utilizada actualmente considera un valor fijo en toda la
Pennsula de "a" y utiliza de un mapa de isolneas del parmetro "K". Con
la solucin que se propone, se conseguirn mejores ajustes ya que al
realizar dos mapas, se paliar en cierta medidlos errores derivados de no
tener una red abundante de estaciones con pluvigrafo.
AII-V
APNDICE m. ANLISIS DE SENSIBILIDAD
APNDICE m.- ANLISIS DE SENSIBILIDAD DEL MODELO IDF
ELEGIDO.
Una vez aceptada como adecuada la fimcin que relaciona la intensidad mxima
media en 24 horas con la intensidad mxima media para cualquier duracin mediante la
expresin:
24"-"
donde: "a" y "K" (= =L ) son parmetros,
-'24
"d" duracin (horas).
7i =Intensidad mxima media para ima duracin de 1 hora.
724=Intensidad mxima media para una duracin de 24 horas.
24' -d"
S al exponente se le llama "<p(a)", ^(a) = ,
La funcin, g(d), que depende de los parmetros "K" y "a" adoptara la siguiente
expresin:
g(d) = f(K,a) = K^^''^
Se debera analizar la sensibilidad de la fimcin "g(d)" a pequeos incrementos
de "K" y a pequeos incrementos de "a", y as evaluar el error cometido al leer de
manera incorrecta en los mapas de iso-K e iso-a.
Para ello se calcular la derivada parcial de la funcin respecto a cada una de las
variables, la variable "K" y la variable "a".
Ain.-i
APNDICE ni. ANLISIS DE SENSIBILIDAD
A) Sensibilidad relativa respecto de K
Derivando respecto de K
Al depender "(p(a)" de la duracin, d, se podrn distinguir cuatro casos:
d<l =^ <p(a)<l - ^ > 1
dK
d=l => (p(aH - ^ = 1
dK
d>i => q)(a)>l ^ < 1
^ ^ dK
df
d=24 =?> 9(a)=0 -^^ = 0 = cte....NodependedeK
Y si se quiere expresar en trminos relativos, en qu medida se incrementa f
cuando K vara en una pequea proporcin, o dicho de otra manera, la variacin unitaria
de " f respecto a una variacin unitaria de "K":
/ ^df ^K ^(pjarK^'^^'-K^
a^ dK f K'^"^ ^^ ^'
K
y por tanto un error en la estimacin de "K" de, por ejemplo un 10% respecto al valor
real, se traduce en una variacin de f proporcional a "(p(a)" y al error cometido en K (en
el ejemplo 10%),
-^^ = <p(a)*
/ i
En la tabla siguiente, tabla Ain.I, se refleja el error relativo en tanto por ciento
que se produce para distintos valores de "a" en funcin de la duracin, y suponiendo
que el error relativo cometido en K es de un 10 %, error bastante grande si tenemos en
cuenta rango de valores que adopta (4 -13).
Ain.-n
APNDICE m. ANLISIS DE SENSIBILIDAD
DRAaN
(horas)
0,083
0,167
0,333
0,5
2
3
6
12
Valores de "a"
-0,05
19,0
16,4
13,8
12,4
7,7
6,4
4,2
2,0
0,01
17,6
15,5
13,4
12,1
7,8
6,6
4,4
2,2
0,05
16,8
15,0
13,1
12,0
8,0
6,7
4,6
2,3
0,08
16,2
14,6
12,9
11,9
8,0
6,8
4,7
2,4
0,1
15,9
14,4
12,8
11,8
8,1
6,9
4,8
2,5
0,15
15,1
13,9
12,5
11,6
8,2
7,1
5,0
2,6
0,2
14,4
13,4
12,2
11,5
8,3
7,2
5,1
2,8
0,25
13,8
13,0
12,0
11,3
8,4
7,4
5,3
2,9
0,3
13,3
12,6
11,8
11,2
8,6
7,6
5,5
3,1
Tabla Ain..- Errores relativos de "f en tanto por ciento suponiendo un error de un 10% en "K".
De todo ello se pueden deducir una serie de conclusiones:
=> Para una duracin de 1 hora, "(p(a)" toma el valor de 1, y la variacin relativa de " f
respecto a la variacin relativa de "K" es constante e igual a 1.
Un error en la lectura del valor de "K", se traduce en un mismo error relativo en
la relacin de "f'. Esto implica que si se tuviera una red ms extensa de pluvigrafos en
toda Espaa, de manera que en cada punto se conociera la relacin = , se podra
establecer la relacin entre la intensidad mxima media correspondiente a cualquier
duracin con la intensidad mxima media en 24 horas con gran precisin.
==> Para una duracin de 24 horas "cp (a)" es igual a cero, y por lo tanto, la variacin de f
con respecto a K es cero, es decir no depende del valor de K.
Esto implica que se cumple siempre, independientemente del error que se
cometa en la lectura del valor de "K".
=> Para cada valor de "a", y conforme aumenta la duracin, disminuye el error relativo.
Affl.-in
APNDICE in. ANLISIS DE SENSIBILIDAD
Este resultado es de gran inters puesto que las duraciones que ms se manejan
se encuentran entre 15 minutos y 12 horas, fundamentalmente duraciones mayores de 2
horas, donde ios errores se sitan entre el 8,6% como mximo y y el 2,0% como
mnimo.
=> En pequeas duraciones, menores de una hora, puede observarse, que conforme
aumenta "a" el error disminuye.
Este resultado presenta tambin gran inters, puesto que de las sesenta y tres
estaciones que se han manejado para disear el mapa de iso-a, solamente en cuatro
estaciones "a" adopta un valor negativo: Amao(1212), Navacerrada(2462),
Grazalema(5911) y Guadalupe(4245), las tres primeras con xm valor de -0.04 y en
Guadalupe, un valor de -0.125. Estas estaciones presentan un peculiar
comportamiento, y por lo tanto, solamente cuando se tenga certeza de que las
caractersticas de la zona de proyecto son muy similares y respondan a las mismas
caractersticas de estas zonas se adoptar un valor negativo, producindose errores
-con a=0,05 y duracin 5 minutos- de un 19%, y en duraciones ms frecuentes, de
un 12,4 %.
En el resto de la Espaa Peninsular " a" vara entre 0,0089 y 0,246, y por tanto
los errores que se estn cometiendo- para las duraciones menores de 1 hora, y ms
usuales- estarn comprendidos entre 13,4 % y 11,2%.
=> En duraciones mayores de 1 hora, el error aumenta conforme aumenta "a". Esta
situacin es contraria a la que se produce en cortas duraciones, y este tramo es el
que ms se va a manejar. En ella, y para valores positivos de "a", los errores son
menores de un 10%, variando entre un 8,6 y un 2,2 %.
=> En la tabla tambin se puede comprobar que para duraciones menores de una hora
los errores relativos son mayores de un 10%, y para duraciones mayores de una
hora los errores relativos, independientemente del valor de a, son menores del 10%.
Si se representa en ordenadas el porcentaje de variacin de f y en abscisas la
duracin se obtendr la siguiente grfica, figura AIII-I:
_ _ _
APNDICE m. ANLISIS DE SENSIBILIDAD
d "O
ERROR REALTIVO DE f CUANDO K VARA UN 10% PARA DISTINTOS VALORES DE a
1
"
^ ^
-0.05
0.01
0,05
0.08
0.1
0 15
0.2
0.25
0 3
D.OOO 1000 Z.OOO 3,00G 4.000 5.000 6.000 7.
DURACIN(h)
3.000 mooo 11.000 12.000
Figura Ain.I.-Error relativo de "f cuando "K" vara un 10%, para distintos v^ores de "a".
2) Sensibilidad respecto de "a"
Para estudiar la sensibilidad del modelo respecto a "a", se deber seguir el
mismo proceso seguido anteriormente, y derivar la funcin respecto de "a"
Partiendo de la expresin.
Derivando,
_ B'^(<')
da
f = K
= a''Ln(K)*g)'(a)
Y por lo tanto la variacin relativa de la funcin f depende de
- los valores de "K"
- de los valores de "a"
- de la derivada de la funcin (j)(a) (que a su vez depende de la
duracin y de "a")-
AIII.-V
APNDICE III. ANLISIS DE SENSIBILIDAD
Para analizar la variacin relativa de f se tendr en cuenta que los valores
mnimo y mximo de K son 4 yl3 respectivamente, y teniendo en cuenta el rango de
valores de "a" se supondr un error en ella del 10% y se deducirn las tablas siguientes,
Anu; Ain.in; MIIV; Ain.V;Ani. VI; Ain.VII:
DURACIN
(horas)
0,083
0,167
0,333
0,5
2
3
6
12
Valores de a
-0,1
4,02
2,43
1,22
0,68
-0,40
-0,51
-0,53
-0,35
0,01
-0,30
-0,19
-0,10
-0,06
0,04
0,05
0,05
0,04
0,05
-1,34
-0,87
-0,47
-0,27
0,18
0,24
0,27
0,19
0,08
-1,97
-1,29
-0,71
-0,41
0,29
0,39
0,44
0,31
0,1
-2,34
-1,55
-0,85
-0,50
0,35
0,48
0,55
0,40
0,15
-3,05
-2,06
-1,16
-0,69
0,51
0,70
0,82
0,61
0,2
-3,54
-2,44
-1,41
-0,85
0,65
0,91
1,09
0,83
0,25
-3,85
-2,71
-1,59
-0,97
0,78
1,10
1,35
1,05
Tabla ALII.- Errores relativos de f para K=4 y distintos valores de "a"
DURACIN
(hwas)
0,083
0,167
0,333
0,5
2
3
6
12
Valores de a
"0,1
5,20
3,14
1,58
0,88
-0,51
-0,66
-0,69
-0,45
0,01
-0,39
-0,25
-0,13
-0,07
0,05
0,06
0,07
0,05
0,05
-1,73
-1,12
-0,60
-0,35
0,24
0,32
0,35
0,25
0,08
-2,55
-1,67
-0,92
-0,53
0,37
0,50
0,56
0,41
0,1
-3,02
-2,00
-1,10
-0,65
0,45
0,62
0,71
0,51
0,15
-3,94
-2,67
-1,50
-0,89
0,66
0,91
1,06
0,79
0,2
-4,58
-3,16
-1,82
-1,09
0,84
1,18
1,40
1,07
0,25
-4,97
-3,50
-2,06
-1,25
1,01
1,43
1,74
1,36
Tabla ALIIL- Errores relativos de f para K=6 y distintos valores de "a".
DURACIN
Qioras)
0,083
0,167
0,333
0,5
2
3
6
12
Valores de a
-0,1
6,03
3,64
1,83
1,02
-0,59
-0,77
-0,80
-0,53
0,01
-0,45
-0,28
-0,15
-0,09
0,06
0,07
0,08
0,06
0,05
-2,01
-1,30
-0,70
-0,41
0,27
0,37
0,41
0,29
0,08
-2,96
-1,94
-1,06
-0,62
0,43
0,58
0,65
0,47
0,1
-3,50
-2,32
-1,28
-0,75
0,53
0,72
0,82
0,59
0,15
-4,58
-3,09
-1,75
-1,04
0,76
1,05
1,23
0,91
0,2
-5,31
-3,66
-2,11
-1,27
0,98
1,37
1,63
1,24
0,25
-5,77
-4,06
-2,39
-1,45
1,17
1,66
2,02
1,58
Tabla ALIV.- Errores relativos de f para K=8 y distintos valores de "a"
Ain.-vi
APNDICE ni. ANLISIS DE SENSIBILIDAD
DURACIN
(horas)
0,083
0,167
0,333
0,5
2
3
6
12
Valores de a
-0,1
6,68
4,03
2,03
1,13
-0,66
-0,85
-0,88
-0,58
0,01
-0,50
-0,32
-0,17
-0,10
0,06
0,08
0,09
0,06
0,05
-2,22
-1,44
-0,78
-0,45
0,30
0,41
0,45
0,32
0,08
-3,28
-2,15
-1,18
-0,69
0,47
0,64
0,72
0,52
0,1
-3,88
-2,57
-1,42
-0,83
0,58
0,80
0,91
0,66
0,15
-5,07
-3,43
-1,93
-1,15
0,84
1,17
1,36
1,01
0,2
-5,88
-4,06
-2,34
-1,41
1,08
1,51
1,80
1,37
0,25
-6,39
-4,50
-2,65
-1,61
1,29
1,83
2,24
1,74
Tabla AIELV.- Errores relativos de f para K=10 y distintos valores de "a"
DURACIN
(horas)
0,083
0,167
0,333
0,5
2
3
6
12
Valores de a
-0,1
7,21
4,35
2,19
1,22
-0,71
-0,92
-0,95
-0,63
0,01
-0,54
-0,34
-0,18
-0,10
0,07
0,09
0,10
0,07
0,05
-2,40
-1,55
-0,84
-0,49
0,33
0,44
0,49
0,35
0,08
-3,54
-2,32
-1,27
-0,74
0,51
0,69
0,78
0,56
0,1
4, 19
-2,77
-1,53
-0,90
0,63
0,86
0,98
0,71
0,15
-5,47
-3,70
-2,09
-1,24
0,91
1,26
1,47
1,09
0,2
-6,35
-4,38
-2,52
-1,52
1,17
1,63
1,95
1,48
0,25
-6,90
-4,86
-2,85
-1,74
1,40
1,98
2,41
1,88
Tabla Ain.VL- Errores relativos de f para K=12 y distintos valores de "a".
DURACIN
(horas)
0,083
0,167
0,333
0,5
2
3
6
12
Valores de a
-0,1
7,44
4,49
2,26
1,25
-0,73
-0,95
-0,98
-0,65
0,01
-0,55
-0,35
-0,19
-0,11
0,07
0,09
0,10
0,07
0,05
-2,48
-1,60
-0,87
-0,50
0,34
0,45
0,50
0,36
0,08
-3,65
-2,40
-1,31
-0,76
0,53
0,72
0,81
0,58
0,1
-4,32
-2,86
-1,58
-0,93
0,65
0,89
1,01
0,73
0,5
-5,65
-3,82
-2,15
-1,28
0,94
1,30
1,51
1,12
0,2
-6,55
-4,52
-2,60
-1,57
1,20
1,68
2,01
1,53
0,25
-7,12
-5,01
-2,95
-1,79
1,44
2,04
2,49
1,94
Tabla Ain.Vn.- Errores relativos de f para K=13 y distintos valores de "a"
Ani.-vn
APEISDICE ni. ANLISIS DE SENSIBILIDAD
Si se representan grficamente estas tablas, figura AIII.II, se puede ver
rpidamente que todas ellas guardan una estructura similar:
=:e> Para valores negativos de "a", el error es por exceso en cortas duraciones y por
defecto en largas duraciones, para cualquier valor de K.
=> Para valores positivos de "a", el error es por defecto en cortas duraciones y por
exceso en largas duraciones, para cualquier valor de K.
=> La mxima variacin de f (tanto por exceso como por defecto) se produce en la
mnima duracin considerada, variacin que se va incrementando conforme aumenta
K.
=> A partir de una duracin de dos horas, las variaciones de f(%) apenas sufren
cambios, no estando afectadas apenas por "K", y muy poco por "a".
=> A partir de una duracin de 2 horas, las variaciones de " f se empaquetan en una
horquilla que va desde 0,04 % ,( para un valor de "a" de 0,01) y hasta un poco ms
del 2% para duraciones de 6 horas, para el mximo valor de "a" considerado (0,25)-
incrementndose ligeramente con "K" - y a partir de esa duracin vuelve a bajar en
la ltima duracin considerada (12 horas).
Ani.-VIII
APNDICE ni. ANLISIS DE SENSIBILIDAD
6.00
K=4
clutacin(horas)
ai
0.01
0.05
-4f-o.oa
H*^-Q1
- - 0 . 1 5
- 40. 2
- * - 0 . 2 5
k=8
duracin(tx)ras)
^
\^2
10.00 T
10.000 15.000
-10.00
duracin(horas)
k=13
D
C
(0 sP
S ==
^ !
c >
o
5 ro
(0 ^
>
1000
500
0.00
0
-fion
-10.00
duracin(horas)
Figura Ani.n.-Representacin grfica de la variacin de f (%) con la duracin cuando "a" vara
un 10% y para cada valor de "K".
AIII.-IX
APNDICE m. ANLISIS DE SENSIBILIDAD
Xos errores relativos que se derivan de estimar incorrectamente el valor de "K" son
mayores que los errores que se derivan de la estimacin incorrecta de "a", en trminos
;.". absolutos.;:^-'r.;'
Es ms difcil cometer errores en "K" que en "a", por el rango de valores que adopta:
- En Espaa, "K " adopta unos valores que se encuentran comprendidos entre 4-13,
Asi un error de K de mi 10 % llevara, parael mnimo valor de K, K=4, avalores
entre (36-4,4) y si el valor de K es el ms alto, (K=13), el intervalo de valores
^,.-.'-'serade(l;l,7-14,4).',/;/ -
- El rango de valores positivos que adopta "a" en Espaa vara entre (0,008- 0,29),
por lo que un 10% de error implicara- para el valor de 0,008- adoptar un valor de
"a" en el intervalo (0,0072-0.000088) y para el mayor valor de "a" (0,290) a
adoptar un valor en el intervalo (0,261-0,319), y que por razones obvias, resulta
mas fcil que se produzca.
Por lo t^nt a la hora de estimar ambos valores de"K" y de "a" hay que ser
muy cuidadoso, pero sobre todo en la adopcin del valor de "a*'.
Ain.-x
APNDICE IV, APLICACIN PRACTICA
APNDICE IV.- APLICACIN PRACTICA.
Como aplicacin prctica se va a estimar 1(0,5, 200) y la 1(6, 10) en Motilla del
Palancar utilizando la metodologa propuesta en la presente Tesis.
Donde:
1(0,5, 200), es la Intensidad mxima para ima duracin de 30 minutos y un
perodo de retomo de 200 aos.
1(6,10), es la Intensidad mxima para una duracin de 360 minutos, (6
horas) y vai perodo de retomo de 10 aos.
La ecuacin que se plantea en la presente Tesis es la siguiente;
24 ' * ^ ^ [hc(T)^CA{Tf^
Donde:
PMDA^ es la precipitacin mxima diaria anual media correspondiente al punto
considerado, obtenida en "Mximas lluvias en la Espaa Peninsular"(1999).
CA{T)p es el cuantl adimensional, deducido por Ferrer para la estimacin de la
precipitacin mxima diaria anual y para el periodo de retomo considerado, que
se puede obtener en la misma monografa citada anteriormente.
gT (d) es la funcin I-D con los parmetros deducidos en la estacin/estaciones
con pluvigrafo prximas, o bien de los mapas de iso-lneas deducidos a partir
de ellos.
hL(T) y hc(T), son funciones que relacionan los cuantiles adimensionales para
largas y cortas duraciones, con los correspondientes a lluvias diarias, recogidos
estos ltimos tambin en la publicacin "Mximas lluvias diarias en la Espaa
Peninsular".
AIV-I
APNDICE IV. APLICACIN PRACTICA
El proceso se puede esquematizar como sigue;
1.-Estimacin de PMDA^
- Si esta localidad tiene pluvimetro se podra calcular PMDA^ directamente con
los datos de la estacin.
- Conociendo las coordenadas de Motilla del Palancar tambin se puede obtener a
partir del mapa de solneas de PMDA^ de Ferrer, en la publicacin "Mximas
lluvias diarias en la Espaa Peninsular".
En el mapa AIV.I se muestra Motilla del Palancar, con las isolneas que se
presentan en la citada publicacin.
\ C, .^ "^ JVIoTitta del f^lano
y
. %
Roda
V
Albacete
Mapa AlVI.- Mapa de isolneas. (Tomado de "Mximas lluvias diarias en la Espaa Peninsular)
Del mapa se deduce que la PMDA^ es de 44mm.
2.-0btencin del CAp.
En ese mismo mapa, mapa ATV., de isolneas se debe obtener el valor del Cv,
que en el caso que se estudia, Motilla del Palancar, adopta un valor de 0,36.
En la tabla correspondiente, en la citada publicacin, se obtienen los cuantiles
adimensionales para cada perodo de retomo, (CAp), en funcin del Cv y del perodo de
retomo.
Cv
0,36
2
0,919
5
1,225
10
1,446
Perodo de retomo
25
1,747
50
1,991
100
2,251
200
2,525
500
2,892
Tabla AIV.I.- CAp teniendo en cuanta el perodo de retorno y el Cv. (Tomada de la publicacin
"Mximas lluvias diarias en la Espaa Peninsular")
AIV-II
APNDICE IV. APLICACIN PRACTICA
En azul se ha marcado el CAp correspondiente a un perodo de retomo de 10
aos, y en rojo se ha marcado el correspondiente a 200 aos.
3.-Estimacin de g(d)
La funcin g(d) requiere dos parmetros, "a" y "K" , que se pueden obtener de
los mapas de isolneas presentadas en la presente Tesis.
Si el usuario considera que las caractersticas climticas, orogrfcas, ...son
similares a las de la estacin prxima, Albacete, podra adoptar los valores de dicha
estacin. En otro caso, puede hacer uso de los mapas de isolneas.
De la lectura en el mapa de iso- K se deduce que "K" toma el valor de 12,9
Y del mapa de iso-a se deduce que "a" toma el valor de 0,15
Aplicando la frmula, g(d) = k^^'"-'^'^
g(0,5) = k<^^-^'>= 19,50
g(6) = k^^^-''*>=3,55
4.-Determinacin de la funcin h(T)
La funcin h(T) adecuada depende de la duracin.
4.1.-Para cortas duraciones(menor o igual que 1 hora) se debe aplicar la funcin:
ft^(j) = -0,0044* ((r))^^ 0,0679 *i;(r)^
Obtenindose hc(200)= 1,1828
4.2.-Para largas duraciones se debe aplicar la funcin:
Obtenindose h^lO) = 1,0372
5.- Obtencin de la Intensidad mxima para cada duracin y perodo de retomo.
Para obtener 1(0,5,200), se deber aplicar esta expresin:
1(0,5,200):
PMDA
24
*l,13*gP(0,5)*hc(T)*CA(T)|
Punto de
estudio
Motilla del Palancar
PMDA^
44
G4(200)^
2,525
g(0,5)
19,50
hc(200)
1,1828
1(0,5,200)
120,6
Aiv-m
APNDICE IV. APLICACIN PRACTICA
Para obtener 1(6,10), se debe aplicar la siguiente expresin:
p
1(6,10) = ^ ^ ^ ^ ^ * 1,13 * g''(6) * h, (10) * CA(IO)^
Punto de
estudio
Motilla del Palancar
PMDA^
44
CAIOYF
1,446
g(6)
3,55
hL(lO)
1,0372
1(6,10)
11,0
Este proceso se simplifca considerablemente con la aplicacin informtica que
se ofrece en la presenta Tesis, y se reduce a dos pasos:
1.- Se pincha en el mapa de Espaa, en Motilla del Palancar. En el mapa
se presenta una malla con las coordenadas UTM cada 100 Km, referidas al
huso 30, as como los lmites provinciales y cadenas montaosas, que sirven
de referencia para identificar el punto correspondiente.
Aparecer una ventana en la derecha de la pantalla con los parmetros
necesarios,(K, a, CAp, y PMDA'^ ),
2.- Los parmetros deben introducirse en la celda correspondiente, y aparecer la
tabla siguiente:
Valores de f(d;T) en mm/h
DURACIN
Sm
10 m
15 m
20 m
30 m
1 h
2 h
3 h
6 h
12 h
i^^i^^K^
89.60
65.33
53.45
46.00
36.82
24.35
15.50
11.58
6.74
3.70
^ ^ ^ ^
125.82
91.73
75.05
64.60
51.70
34.19
21.14
15.80
9.20
5.05
^^^^S
153.51
111.92
91.57
78.82
63.08
41.72
25.34
18.93
11.02
6.05
192.33
140.22
114.72
98.75
79.03
52.27
31.13
23.27
13.55
7.43
224.15
163.41
133.70
115.08
92.11
60.92
35.86
26.80
15.60
8.56
^^^^^^^s
258.09
188.16
153.95
132.51
106.06
70.14
40.91
30.57
17.80
9.77
^ ^ ^ ^
293.69
214.11
175.18
150.79
120.69
79.62
46.22
34.54
20.11
11.03
^^^^^3
340.87
248.51
203.32
175.01
140.07
92.64
53.29
39.82
23.19
12.72
AIV-IV
ANEJOS
ANEJOS
1.- RECURSOS INFORMTICOS UTILIZADOS.
Para realizar esta investigacin se ha utilizado un ordenador personal Pentium de
8 GB, 64MB de memoria RAM.
El software empleado para definir regiones ha sido desarrollado por
Hosking&Wallis en un paquete "LMOMENTS que contiene cdigos fuente Fortran-77
con una serie de rutinas. Es de libre disposicin, y se encuentra en
http://lib.stat.cmu.edu/general/lmoments
Tambin se ha hecho uso de diversos programas: Excel, Statgraphics, Spss,
Chac y Sqrt, estos ltimos en lenguaje Fortran. As mismo, para la generacin de
nmeros aleatorios por la transformada inversa del mtodo de Monte Cario, se ha
elaborado una hoja de clculo en Excel.
Todo ello se presenta en el CD que se adjunta.
2.- ORGANIZACIN DE LOS ARCHIVOS.
ANEJO 1.- SERIES SUMINISTRADAS POR EL INM.
Archivo de Excel con el cdigo de la estacin correspondiente.
Cada archivo presenta en la primera fila el cdigo indicativo, el nombre de la
estacin y las coordenadas correspondientes a la longitud y latitud. En la siguiente fila
se indican las unidades en que est expresada la intensidad mxima, mm/h, y a
continuacin aparece una tabla en la que se muestra, ao a ao, la intensidad mxima
anual correspondiente a las distintas duraciones (en el encabezado de la tabla se indica
la duracin: 5, 10, 15, 20, 30, 60, 120, 180, 360, 720 minutos y, por ltimo 24 horas).
Todos estos datos han sido suministrados por el Instituto Nacional de Meteorologa.
ANEJO 2.- SERIES ADIMENSIONALES.
Archivo de Excel, con el cdigo de la estacin correspondiente.
En el archivo proporcionado por el INM, se ha dividido cada intensidad mxima
anual entre la intensidad mxima media correspondiente a cada duracin.
A.-1
ANEJOS
Adems se han aadido dos filas que incorporan el coeficiente de variacin y
asimetra de la serie adimensionalizada.
ANEJO 3.- REPRESENTACIN DE LAS SERIES.
Archivo de Excel, con el cdigo de la estacin correspondiente.
Se representa la serie temporal para cada estacin, del cociente de la intensidad
mxima anual entre la intensidad mxima media de cada duracin.
ANEJO 4.- L-MOMENTS
Archivo de Excel, con el cdigo de la estacin correspondiente.
Cada archivo cuenta con ima tabla en la que para cada duracin (minutos), se
ofrece los resultados de calctxlar los 1-momentos, bo,bi, b2 ,b3, Ij, I2,13,14, t2, ts, t4 .
ANEJO 5.- TEST DE HOMOGENEIDAD.
Archivo de texto.
En este anejo se incluyen las entradas para poder aplicar los test de
homogeneidad (para cada estacin se ha incluido la regin cortas duraciones y largas
duraciones bajo el nombre, "cdigo de la estacin-c.7" y "cdigo de la estacin-1.7") as
como las salidas del programa XTEST, que permitir establecer si las series son
discordantes o no, y si forman una regin homognea, (las salidas se muestran bajo el
nombre "cdigo de la estacin-c.sal" y cdigo de la estacin-l.sal". ) Ambos se pueden
abrir con el bloc de notas.
ANEJO 6.- AJUSTE SQRT-ET MAX
Archivo de texto y salidas de programa SQRT
Para cada estacin se han incluido los ficheros:
"r-estacin-c" y "r-estacin-l", entrada al programa para la regin cortas y
largas duraciones de cada estacin.
A.-2
ANEJOS
"r-estacin-cf." y "r-estacin-lf salida del programa para la regin "cortas
duraciones" y "largas duraciones" de cada estacin, y estimacin de parmetros
por el mtodo de momentos.
"r-estacin-cmv" y "r-estacin-lmv" salida del programa, para la regin "cortas
duraciones" y "largas duraciones" de cada estacin, y estimacin de parmetros
por el mtodo de mxima verosimilitud.
ANEJO 7.- REPRESENTACIN Y TEST KOLMOGOROV-SMIRNOV
Archivos de Word.
Bajo el nombre "informe- cdigo de la estacin" se recoge los resultados de
aplicar el Test de Kolmogorov-Smimov en cada una de las regiones establecidas en
cada estacin, despus de haber realizado el ajuste a la funcin SQRT-ET mx por
ambos mtodos de estimacin de parmetros.
ANEJO 8.- MTODO DE MONTECARLO.
Archivos de Excel.
De esta carpeta cuelgan los archivos que se han manejado para la aplicacin de
esta tcnica. Son archivos xls, que se han nombrado siguiendo el siguiente criterio:
"mc-estacin-c-mv" y "mc-estacin-c-m", en la estacin correspondiente, la
regin "cortas duraciones" y mtodo mxima verosimilitud o momentos
respectivamente.
mc-estacin-1-mv" y "mc-estacin-1-m", en la estacin correspondiente, la
regin "largas duraciones" y mtodo mxima verosimilitud o momentos
respectivamente.
En estos archivos se incluyen 3 hojas:
"Newton(red)" con el programa desarrollado para la generacin de nmeros aleatorios,
y la semilla manejada.
"Muestra" es la hoja en donde se han generado las 100 muestras con im nmero de
datos igual a los que presentan las series originales de la estacin. En las celdas
inferiores se han calculado la media, coeficiente de variacin y coeficiente de asimetra
de las series generadas.
A.-3
ANEJOS
"Hoja 3" en ella se han representado en ordenadas el coeficiente de asimetra, y en
abscisas el coeficiente variacin de las muestras generadas, junto con los valores
mustrales de la estacin correspondiente.
ANEJO 9.- CLCULO DE RESIDUOS.
Archivo de Excel.
En este anejo se incluye la comparacin de los resultados obtenidos al aplicar la
metodologa propuesta en la presente Tesis y la propuesta por el INM en cada una de las
estaciones seleccionadas. Dentro del archivo nico hay una hoja para cada estacin.
ANEJO 10.- MAPAS.
Archivo de Arc-view.
Se presentan los mapas de iso-K e iso-a realizados en la presente Tesis en la
Espaa Peninsular,
A.-4