4/19/2011

Hidrología Ambiental Generalidades
 Antes de utilizar datos hidrometereologicos estos deben ser 
procesados y verificados. Muy rara vez los datos se pueden 
utilizarse tal como han sido publicados, sin investigar y 
Análisis de Consistencia de Series  determinar su consistencia y veracidad.
 Una serie de datos es llamada homogénea
g si es una muestra 
Hid
Hidrometeorológicos
t ló i de una única población. Si la serie es no homogénea, se le 
deben hacer ajustes o correcciones para volverla homogénea.

Análisis Climatológicos                    Homogeneidad en la serie

Análisis Hidrológico                          Consistencia en la serie

1 2

... Causas de la perdida de Homogeneidad

Secuencia del Analisis de la Serie
 Análisis Gráfico: histograma, ordenadas se toma el valor de
 Todo procesamiento de datos comienza por el estudio  la serie (pp, Q,) y en las abscisas el tiempo (anuales,
de la historia de cada estación, esto principalmente  mensuales, semanales o diarios).
referido a  Análisis de Doble Masa: se determina el punto de quiebre
 Cambios de ubicación de la estación: Los diagramas doble masa y el análisis grafico sirven para
 Ccambios del ambiente físico: deforestación, 
Ccambios del ambiente físico: deforestación determinar el rango de los periodos dudosos y confiables para
reforestación de la zona, nuevas áreas de cultivo en  cada estación en estudio.
los alrededores, construcción de represas en las   Análisis Estadístico: conociendo los periodos de posible
cercanías, industrialización en áreas circundantes. corrección, se analiza estadísticamente (X, S) para ver si sus
 Cambios de equipo utilizado: forma de exposicion del  valores están dentro del rango según la hipótesis que se
pluviómetro, reemplazo del operador plantea.
 Corrección de los datos: determina el periodo dudoso y se
corrige
3 4

Serie de Tiempo de Precipitación Mensual:

1. Análisis Visual: Serie de Tiempo
Hidrológico
250
Histograma de Precipitación
200
Pr e cip itac io n (m m )

150

 La gráfica de descargas o precipitaciones (proceso 100

hidrológicos) vs tiempo, constituyen una serie de

50
tiempo: horaria, diaria, semanalmente, mensualmente,
bimensualmente o anualmente. 0

Tiem po

5 6

1
 4/19/2011

año ene feb mar abr may jun jul ago sep oct nov dic
X Y
1969 150 133 106 66 17.6 36.7 13.4 8 50.9 47.2 86.7 174 año mes pp (mm)
1970 179 193 192 153 35.3 0.6 25.4 57.2 72.3 51.7 40.9 74.7 Serie de  1969 ene
feb
149.7
133.4
1971 186 127 85.1 25.9 37.2 22.7 50.2 29.4 55.8 78.2 192 195
1972 199 140 96.4 108 12.4 0 2.2 0 45.2 102 133 165 Tiempo de  mar 106.1
abr 66
1973 94.5 89.3 88.7 43.3 6.9 4.2 1.5 39.1 41.4 55.1 116 55.3 Precipitacion  may 17.6
1974 162 38.6 33.5 33.5 33 31.9 11.9 39.2 45.4 116 99.7 68.9 jun 36.7
1975 50.2 49.5 99.8 29.1 27.1 29 2.4 0 69.9 48.8 52.9 49.1 Mensual jul 13.4
1976 45.6 43.9 31.1 25.9 18.9 30.8 7.9 8.7 52.5 64.1 89.3 66.6 ago 8
sep 50.9
1977 79.4 72.9 83.5 34.6 10.7 32.6 13.3 17.3 35.1 79.4 126 84.1 oct 47.2
1978 88.1 101 64.6 80.1 19.8 1.6 0 8.4 34.3 42.6 38.2 89.7 Datos luego de  nov 86.7
1979 106 96.7 62.8 48.3 7.1 0 10.5 2.8 19.6 30.2 41.9 76.7 trasponer dic 174.1
1970 ene 179.4
1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 feb 193
ene 150 179 186 199 95 162 50 46 79 88 106 mar 192.1
abr 153.3
feb 133 193 127 140 89 39 50 44 73 101 97 may 35.3
mar 106 192 85 96 89 34 100 31 84 65 63 jun 0.6
abr 66 153 26 108 43 34 29 26 35 80 48 jul 25.4
ago 57.2
may 18 35 37 12 7 33 27 19 11 20 7 sep 72.3
jun 37 1 23 0 4 32 29 31 33 2 0 oct 51.7
jul 13 25 50 2 2 12 2 8 13 0 11 nov 40.9
dic 74.7
ago 8 57 29 0 39 39 0 9 17 8 3 Para graficar (Excel) 1971 ene 185.6
sep 51 72 56 45 41 45 70 53 35 34 20 feb 126.6
oct 47 52 78 102 55 116 49 64 79 43 30 mar 85.1
nov 87 41 192 133 116 100 53 89 126 38 42 abr 25.9
7 may 37.2 8
dic 174 75 195 165 55 69 49 67 84 90 77

2. Método de la Curva de Doble Masa: Ejem: 

P romedio de 10 estaciones Estación X

Grafica datos acumulados de una variable, Año Pp. Anual PP.anual Media P recipit. PP. anual
comparandola con datos acumulados de un patrón Media Acumulada anual acumulada
de variables relacionadas durante un período de
1948 1065.8 1065.8 1167.9 1167.9
tiempo. 1949 720.3 1786.1 754.6 1922.5
Si la
l variable
i bl es pp entonces
t comparamos lal pp 19 0
1950 93 0
935.0 2 21 1
2721.1 9
759.7 2682 2
2682.2
acumulada anual de la estación analizada con la 1951 1010.3 3731.4 1088.2 3770.4
1952 978.3 4709.7 1272.3 5042.7
precipitación media anual acumulada de un grupo de 1953 791.5 5501.2 650.7 5693.4
estaciones cercanas (10 o más) 1954 1181.1 6682.3 359.8 6053.2
1955 1061.5 7743.8 1151.0 7204.2
1956 900.6 8644.4 714.9 7919.1
En eje Y  pp acumulada anual de la estación en estudio 1957 691.6 9336.0 508.9 8428.0
En eje X  pp media anual acumulada de las estaciones 1958 1053.4 10389.4 603.1 9031.1
vecinas 1959 1189.6 11579.0 370.0 9401.1

9 10

Curva de Doble Masa
x103 3. Análisis Estadistico:
12
o
o 59  Se usan en el analisis de homogeneidad de series
10 o 58 hidrologicas (precipitación, escorrentia).
M2 o 57
 El criterio para el análisis es:
8 56
o análisis visual de los valores originales
o 55 análisis de doble masa
6
o 54 análisis estadísticos de la media y la desviación
53 estándar
o
4 M1 52 Corrección de la serie
o
o 51 Combinando estos criterios se llega a tener una idea de la
50
2 o confiabilidad de la muestra, para corregir, si fuese
o 49 necesario, mejorando su bondad estadística y obteniendo
48
0 finalmente una serie de datos homogéneos y consistentes
0 2 4 6 8 10 x103

11 12

2
 4/19/2011

3. Prueba Estadística: Distribución t de Student

Prueba Estadística de T de Student.‐ El valor absoluto de tc

Se emplea si la no homogeneidad de la serie se debe a un se compara con el
cambio abrupto en la media (inconsistencia en la media) valor de t de la
distribución t de
En el histograma de precipitación (gráfica), se identifica dos Student con (n1+n2‐2)
períodos que se sospeche que sean no homogéneos grados de libertad y
con 5% de nivel de
significancia
n1  n2
tc 
x1  x2 
 n1  1S1  n2  1S 22  1
2
1 
12 tc  ttabla

 
 n  n 
 n1  n2  2  1 2 
Homogeneidad

13 14

...Pruebas Estadisticas

ik n
Prueba
Cramer.‐
Estadística de
x  x  x i

Es complementaria a la Tk  k xk  i  k 1

prueba de la t de Student. S n1
n1  n2
 n n  2  
12
Se comparar la media de
tk   1
toda la serie y la media de
una cierta parte del registro  n  n1 1  Tk 
2 
Tk

(n1)
t k  ttabla g l   n  2
Homogeneidad
distribucion t de Student

15 16

1 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60
1 = Grados de libertad en el numerador
2
...Pruebas Estadisticas:
de libertad en el denominador

1 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 243,9 245,9 248,0 249,1 250,1 251,1 252,2
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,41 19,43 19,45 19,45 19,46 19,47 19,48
Prueba Estadística de Fisher.‐ 3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,74 8,70 8,66 8,64 8,62 8,59 8,57
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,91 5,86 5,80 5,77 5,75 5,72 5,69
Se prueba, la homogeneidad de la desviación estándar (S) 5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,68 4,62 4,56 4,53 4,50 4,46 4,43
con un 5% de nivel de significancia
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,00 3,94 3,87 3,84 3,81 3,77 3,74
S2 7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,57 3,51 3,44 3,41 3,38 3,34 3,30
Fc  12 cuando S21 > S
cuando  S > S22 g.l. numerador 
g.l. numerador = n
n1 – 1 
1
2 = Grados d

8 5 32 4,46
5,32 4 46 4,07
4 07 3,84
3 84 3,69
3 69 3,58
3 58 3,50
3 50 3,44
3 44 3,39
3 39 3,35
3 35 3,28
3 28 3,22
3 22 3,15
3 15 3,12
3 12 3,08
3 08 3,04
3 04 3,01
3 01
S2 g.l. denominador = n2 – 2  9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,07 3,01 2,94 2,90 2,86 2,83 2,79

S2 10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,91 2,85 2,77 2,74 2,70 2,66 2,62
Fc  22 cuando  S21< S22 g.l. numerador = n2 – 1 
S1 g.l. denominador = n1 – 2  11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,79 2,72 2,65 2,61 2,57 2,53 2,49
12 4,75 3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,69 2,62 2,54 2,51 2,47 2,43 2,38

Fc  Ftabla 13
14
4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,60 2,53 2,46 2,42 2,38 2,34 2,30
4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,53 2,46 2,39 2,35 2,31 2,27 2,22
Homogeneidad 15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,48 2,40 2,33 2,29 2,25 2,20 2,16

17 16 18 2,11
4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,42 2,35 2,28 2,24 2,19 2,15
17 4 45 3 59 3 20 2 96 2 81 2 70 2 61 2 55 2 49 2 45 2 38 2 31 2 23 2 19 2 15 2 10 2 06

3
 4/19/2011

4. Corrección de la Serie
Cuando los parámetros: media y desviación estándar (X, S) resultan Ejemplo 1: Analizar la consistencia de la precipitacion media 
estadísticamente iguales, la información original queda intacta, aun mensual de la Estacion Pallanga y corregir el periodo dudoso
cuando en la curva doble masa se encuentre pequeños quiebres. Pero
si resulta X y S estadísticamente diferentes, se corrige mediante la
siguiente ecuación:
Ejemplo 2:En la Fig se muestra el registro de lluvias anuales de la 
X j  X1 estación Higueras, observándose un salto brusco en la media, de 
g
X |
j S 2  X 2 Para corregir el primer período manera que al parecer durante el periodo comprendido entre 
S1
1967 y 1979 se registró más lluvia. Se pide investigar con las 
X j  X2 pruebas estadísticas de la T de Student y de la de Cramer si la 
X |j  S1  X 1 Para corregir el segundo perido serie es homogénea 
S2

X |j = valor corregido de la información

X j = valor a ser corregido
X 1 , X 2 = media de la primera y segunda serie
S1 , S 2 = desviación estándar de la primera y segunda serie
19 20

Secuencia del Analisis de la Serie Hidrología Ambiental

Serie de tiem po de Precip (datos originales)
1400

1200

1000
N2
800
Completación y Extensión de 
600 N1
Datos
400

200

0
1927
1930
1933
1936
1939

1942
1945
1948
1951

1954
1957
1960
1963
1966

1969
1972
1975
1978

21 22

Método del Promedio Aritmetico
Generalidades Consiste en calcular el promedio aritmético simple de los 
 Datos faltantes son frecuentes debido a desperfectos en  valores correspondientes al dato faltante (mensual o 
anual) de todas las estaciones con registros completos. 
el equipo de medición, enfermedad o sustitución  del 
*Los valores medios anuales o mensuales de cada una de 
encargado de la observación, interrupciones debido a  las estaciones auxiliares no deben exceder en mas del 10% 
limitaciones presupuestales, etc de la registrada en la estación incompleta (respecto al 
 Los datos faltantes son estimados en base a los registros  promedio encontrado) 
de las estaciones cercanas o en base al propio registro
de las estaciones cercanas, o en base al propio registro.
 La extensión y completación de los registros es muy 

P
frecuente cuando se desea diseñar obras hidráulicas con  Donde:
Px = pp mensual faltante en mm.
datos de corta duración Px 
i
Pi = pp mensual en la estación i (mm)
Los registros obtenidos después de la completación y n n = numero de estaciones con registros
extensión nos proporcionan una información aproximada, completos
las que se deben verificar con el análisis de homogeneidad.

23 24

4
 4/19/2011

Método de la Relacion Normalizada

Es aplicado generalmente para estimar valor mensual
Método de la Recta de Regresión
faltante a partir de valores observados de tres
estaciones cercanas (o mas), situadas uniformemente
alrededor de la estación incompleta.
Consiste en ponderar los valores observados mensuales Se denotará con “Y” a la estación con datos 
en las tres estaciones ( o mas) mediante el cociente incompletos y con “X” a la estación índice ‐con 
entre el valor medio anual de la estación incompleta y datos completos‐ que servirá para efectuar la 
el valor medio anual de las tres (o mas) estaciones. estimación.
Cuando hay varias estaciones índice, deberá 
1 N N N 
Px   x PA  x PB  x Pc  seleccionarse aquella que presente la mejor 
3 NA NB Nc  correlación con la estación incompleta, lo cual se 
Donde:
determinará a partir de la obtención del 
coeficiente de correlación (r) entre ambas 
Px = pp mensual estimada (mm)
estaciones.
Nx = pp media anual de la estación incompleta (mm)
NA, NB, NC = pp media anual en las estaciones A, B, C (mm)
25 26

Estimación de Registros Faltantes en Base al Propio Extensión de datos
Registro La extensión de información, es el proceso de transferencia de
Método Racional Deductivo información desde una estación con un “largo” registro
histórico a otra con un “corto” registro.
Permite estimar valores mensuales faltantes (como máximo 
once) en base a la información de los años incompletos  La extensión de datos modifica sustancialmente a los

Pi  
 PI Sp estimadores de los parámetros poblacionales (ej. la media de
 1200   sp  una muestra corta, será diferente a la media de una muestra
  extendida)
Donde:
i = cada uno de los mese desconocidos (máximo 11)
Pi = pp mensual desconocida en cada año incompleto (mm) La completación y extensión de la información
 sp = suma de los % promedios de los meses cuya pp se desconoce hidrometeorológica faltante, se realiza para tener en lo posible
(%) series completas, más confiables y de un periodo uniforme.
 PI = suma de las pp mensuales conocidas en los años incompletos
(mm)
sp= % promedio correspondiente a cada uno de los meses desconocidos
La extensión de datos se puede realizar usando modelos de
(promedio mensual de los años completos) regresión lineal simple y regresión lineal múltiple
27 28

Modelo de regresión lineal simple

El modelo de regresión lineal simple es: Los estimadores a, b y r se calculan como sigue:
yt  a  bxt
br
s1( y ) N1  ( xi yi )   xi  yi
yt : variable hidrológica dependiente (registro corto) b
s1( x ) N1  xi  ( xi ) 2
2
xt : variable hidrológica independiente (registro largo)
a, b: parámetros de la ecuación de RLS 1 N1
s1( y )  [  ( yi  y1 ) 2 ] y
N1  1 i 1 y1  1
x1 
 x1
N1
Seleccionar la serie de tamaño N1
N 1
1
N1 a extenderse. s1( x )  [ ( xi  x1 ) 2 ] y 1 x1: son los promedios de las
N1  1 i 1
Seleccionar la estación que medias del periodo común (N1)
mejor relación tenga con la S1(x) S1(y): son los estimados no
a  y1  bx1 segados de las desviaciones estándar
estación a extenderse sus de xt e yt del periodo común (N1)
datos. Además: N = N1 + N2
N1(xi yi ) xi yi
N1 : registro común r
N2 : registro no común (N1xi (xi )2)(N1yi (yi )2)
2 2

29 30

5
 4/19/2011

Finalmente, la ecuación para extender los datos será:

s1 ( y )
y t  y1  r ( x t  x1 ) (1)
s1 ( x )
La ecuac. 1 se usa cuando r es estadísticamente significativo
con un cierto nivel de confiabilidad, utilizando el estadístico t:
r N1  2
tc 
1 r2
El valor de t (tt) se obtiene de t de student con 95% de
probabilidad. Es decir con α/2=0.025 y G.L.=N1-2

Si: |tc|=< tt  r no es significativo

Si: |tc|> tt  r es significativo

31