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