Curso de Hidrología básica

(Orientado al manejo de datos)

Parte IV

Preparado por:
Camilo Corea (Consultor en
Hidrología)
ESTIMACIÓN DE DATOS FALTANTES

Conceptos y procedimientos teóricos empleados para la estimación de datos

faltantes.
Una serie hidrológica típica es la descripción cuantitativa de la historia de
caudales o la precipitación en un punto determinado. La teoría estocástica
también estudia las muestras observadas, pero las analiza buscando la
relación secuencial entre sus elementos.
Fenómenos como la precipitación, el escurrimiento y la evaporación, presentan
una periodicidad característica diaria, mensual y/o anual, así como las
fluctuaciones al azar alrededor de estos componentes periódicos.
para investigar las variables hidrológicas, estudiar su comportamiento y
cuantificarlas, realizar un levantamiento de datos existentes y para ello pueden
agruparse en los siguientes tipos:
Datos cronológicos o históricos, de campo en tiempo presente y de laboratorio
Pueden presentarse errores ya casuales o sistemáticos. Es importante poder identificar estos
aspectos, previo a su análisis.
Aquellos fenómenos que bajo las mismas condiciones iniciales, no sea posible obtener siempre el
mismo resultado de la variable de interés, se denomina que el Proceso es Estocástico. Aquellos en
los cuales se obtenga un mismo resultado, se denomina Proceso Determinístico.
Un proceso estocástico es estacionario cuando la media y la varianza son independientes del tiempo
de medición, si se mide a través del tiempo, se tiene un proceso estocástico dinámico.
Donde la probabilidad condicional de un estado en un instante futuro, dado el estado presente, no se
ve afectada por información adicional del tiempo pasado, del sistema, es lo que se denomina cadena
de Markov. El Proceso estocástico para el cual las probabilidades de transición son las mismas para
cualquier intervalo de tiempo de longitud t, es lo que se conoce como Proceso temporalmente
homogéneo.
“En estadística la palabra estocástico es sinónimo de aleatorio, pero en Hidrología se usa de una
manera especial para referirse a series de tiempo que son parcialmente aleatorias”.
Una variable aleatoria o variable estocástica es una variable
estadística cuyos valores se obtienen de mediciones en experimento aleatorio.
Son posibles resultados de un experimento aún no realizado, o valores cuyo
valor actualmente existente es incierto (ejemplo, medición incompleta o
imprecisa). Intuitivamente, una variable aleatoria puede tomarse como una
cantidad cuyo valor no es fijo pero puede tomar diferentes valores.
El elemento aleatorio se utiliza para englobar todo ese tipo de conceptos
relacionados. Un concepto relacionado es el de proceso estocástico, un
conjunto de variables aleatorias ordenadas (habitualmente por orden o
tiempo).
El introducir los métodos estocásticos a la hidrología surgió ante la necesidad
de resolver el problema de diseño de embalses, porque se requiere de series
hidrológicas largas (en función de la vida útil del proyecto).
Homogeneidad de los datos
Varios autores estudiosos del tema, como Arumí (2002), coinciden en señalar
que las inconsistencias, cambios o errores de un registro hidrométrico o un
registro pluviométrico, pueden detectarse a partir de curvas másicas o dobles
acumuladas. Tales inconsistencias pueden deberse a un cambio en los
métodos de recolección de la información, cambios en la ubicación del sitio de
medición, almacenamiento artificial (que es el caso de los embalses), o a
cambios en el uso del agua de la cuenca. Un ejemplo de ello es lo que ocurre
cuando los usuarios sacan casi toda el agua de una corriente, modificando
fuertemente su comportamiento, sin contemplar mantener el caudal ecológico.
Es decir, es posible que los cambios de tendencia no sean ocasionados por
causas meteorológicas.
El criterio señalado por Arumí se sustenta en que generalmente los valores
acumulados del promedio de los caudales o de lluvia mensuales de varias
estaciones contiguas, al que se denomina Patrón, no se ve afectado por los
cambios en las estaciones individuales que lo forman, ya que se espera que
exista una compensación entre ellas. De ser cierta la compensación el patrón
llega a ser confiable y no se vea afectado por inconsistencias en las estaciones
que lo forman.
Cuando no sea posible conformar un “patrón”, porque no existan al menos tres
estaciones hidrométricas o hidrometeorológicas en la cuenca o región
hidrográfica a la que pertenece la estación en estudio, se hace necesario
determinar una estación base, comparando mediante el mismo procedimiento
de doble acumulación, para determinar los factores de correlación, y poder
elegir entre ellas la que tenga mayor correlación y definirla como la Estación
Base.
También es importante destacar que en general las curvas másicas no se utilizan
para corrección de datos. Es posible, no obstante, realizarla para aquellos casos de
curva másica en que los cambios en pendientes se mantienen más de cinco años
consecutivos.
En relación a los desajustes en las series de datos, ya hidrométricos o ya
pluviométricos, es importante tener en cuenta alguna de las fallas más comunes:
Determinación de errores en la Curva de Descarga, en especial en algunos
periodos. Se reitera que es preciso evitar confiar totalmente en interpretaciones
matemáticas.
Modificación de la sección hidrométrica, errores en las lecturas limnimétricas,
errores en el cálculo de los caudales medios diarios, mensuales y anuales. Es
decisivo encontrar los errores y realizar las correcciones necesarias.
En el caso de una estación pluviométrica, es prudente verificar si el entorno de la
estación no está siendo afectado por la cercanía de árboles o de nuevas
construcciones.
Método por análisis de regresión lineal (Mínimos cuadrados) (Allen et al.,
2006 y Salguero 2002): Para la aplicación de éste método se requiere
seleccionar una serie de datos con un comportamiento similar, esto es, dentro
de la misma área de influencia topoclimática (referencia), a la serie que tiene
los datos faltantes (estudio). La serie de datos de la referencia, debe contener
el registro de datos completos en los períodos para los cuales faltan datos en
la serie de estudio. Los valores de la serie de referencia se denotan como Xi, y
los de la serie de estudio, cuyos datos no están completos, se denotan como
Yi. Para caracterizar los registros de las series, se toman aquellos períodos en
los cuales los datos en ambas series están presentes, obteniéndose la media y
desviación estándar para cada serie. Luego se estiman los coeficientes de la
regresión de Y con respecto a X para los períodos donde los datos en ambas
series están completos, es decir:
Si el coeficiente de regresión es diferente de cero estadísticamente, según
prueba de t, al 5%, con un coeficiente de determinación mayor del 75% y se
cumplen los siguientes supuestos: linealidad del modelo, varianza constante,
independencia y normalidad de los errores, se tendría un método estadístico
para estimar los datos faltantes de la serie de estudio, simplemente
reemplazando en la expresión obtenida, una vez identificado el tiempo en el
cual falta el dato en la serie de tiempo, el valor correspondiente al mismo
tiempo de ocurrencia del dato faltante de la serie de referencia.
Básicamente se substituye en la ecuación encontrada los valores de la
estación completa para obtener los datos faltantes. Para considerar
representativos los resultados, debe verificarse que dichos resultados estén
entre los máximos y mínimos del periodo.
Concepto de referencia: Topoclimatología: Clima que se encuentra en una
unidad topográfica de escala local, como una ciudad, una ladera o un valle.
Método de la Razón
Este método tiene una aplicación específica para estimar datos faltantes en
series de lluvia y consiste en obtener la razón q (Barger, 1960, WMO 1966 y
WMO 1983; citados por Alfaro y Pacheco, 2000), a partir de pares de
estaciones meteorológicas, de tal manera que sus valores mensuales, anuales
o medios, tienden a ser constantes. Es decir, si se tienen dos estaciones (A y
B), el procedimiento consiste en:
1. Una vez identificado en cada estación los datos comunes en ambas, obtener
q como el cociente entre la sumatoria de los datos de la estación B (datos
faltantes), con la sumatoria de los datos de la estación A (con todos los datos),
es decir:
Donde:
bj: es la precipitación estimada para el día faltante j.
aj es la precipitación registrada en la estación de referencia el día j
Este método permite rellenar valores medios de diferentes periodos y, además,
puede ser utilizado para valores mensuales y anuales.
Método de interpolación con otras estaciones
El método de interpolación fue propuesto por Paulhus y Kohler (1952), el
cual estima el dato de lluvia faltante, como el promedio de la precipitación
ocurrida en tres estaciones adyacentes que están bajo la misma
influencia topoclimática en el tiempo referente (dato faltante), destacando
que el resultado es aceptable siempre y cuando la precipitación anual de
cada una de las tres estaciones adyacentes difiera descriptivamente, en
menos del 10% de la precipitación anual de la estación con el dato
faltante. La ecuación es:

Dj = (aj + bj + cj) / 3
Donde:
Dj = Precipitación estimada para el día
aj, bj, cj: Precipitación registrada en las estaciones de referencia
el día j.
Método de Cociente – Normal (la Razón – Normal)
El método de Cociente-normal se aplica cuando la precipitación anual de
cualquiera de las tres estaciones (estaciones de referencia), difiere más del
10% de la estación con el dato faltante. Las tres estaciones cercanas deben
estar uniformemente espaciadas con respecto a la estación en estudio. Para
aplicar este método, se toma la precipitación anual de cada una de las tres
estaciones y se multiplica por la relación (cociente), entre la precipitación anual
de la estación con el dato faltante y la precipitación anual de la estación de
referencia (corrección estimada). Luego se obtiene el valor faltante como la
suma del producto de precipitación ocurrida en la estación de referencia y la
corrección estimada, dividida por 3, es decir:
Estimación de datos faltantes mediante la media
Es posiblemente uno de los métodos más antiguos y sencillo para estimar
datos faltantes. Sigue el modelo y =α, donde y, es la estimación del dato
faltante, y α, es el promedio obtenido con los registros de la variable de interés
en otros tiempos. Aunque esta estrategia es sencilla, tiende a subestimar la
variabilidad real.
Transposición de caudales
Este método mencionado por Baratta (1993), es utilizado tanto para el relleno
como también para la extensión de series de caudales promedios mensuales.
Y puede realizarse en el caso de dos cuencas de características fisiográficas y
de cobertura vegetal similares, con precipitaciones análogas. Cuando las
precipitaciones medias sean un poco diferentes, se considera la posibilidad de
modificar la relación entre ambas cuencas, con un coeficiente que pondere los
diferentes valores de lluvia en ellas. Generalmente se usan en cuencas
montañosas que pluviométricamente sean homogéneas.
Sin embargo, los resultados generados deben de ser analizados con todo
cuidado en la perspectiva de que se cumplan los requisitos básicos basados
en la semejanza entre las cuencas vecinas. Para la semejanza es basada en
evaluar las características físicas y con un régimen climático igual.
A partir de las características físicas de las cuencas, como ser: el área, el perímetro, la
longitud del cauce más largo y las cotas máxima y mínima, se determinan los
parámetros siguientes:
Pendiente media, s = (Hmax –Hmin) / A0.5
Coeficiente de Compacidad, Fc = 0.28*P / A0.5 También la ecuación:
KC = P / (2*(π*A)0.5)
Factor de Forma, Ff = A / L2
Extensión superficial o Ancho Promedio, b = A /(2*L)
Si la variación de los parámetros anteriores no excede del 15%, se sigue el
procedimiento siguiente:
Datos:
Q1 = Caudal medio de la cuenca en estudio
Q2 = Caudal medio de la cuenca base
A1 = Área de la cuenca en estudio
A2 = Área de la cuenca base
P1 = Precipitación media de la cuenca en estudio
P2 = Precipitación media de la cuenca base
R = Escorrentía en mm
HC = Altitud media de la cuenca
Entre dos de las cuencas vecinas de referencia, se revisan las características
fisiográficas (índices físicos), la cobertura y la precipitación.
Si se observa la condición de similitud ya mencionada, se procede a rellenar
los datos faltantes, con la siguiente ecuación:
Q1 = Q2*(A1/A2)
Si la similitud no llega al límite indicado en párrafos anteriores, se incluyen los
datos de precipitación, con la ecuación siguiente:
Q1 = Q2*[(A1*P1)/(A2*P2)]
PRECIPITACIÓN MÁXIMA PROBABLE
Varios eventos atmosféricos extremos en su mayoría han provocado problemas de
inundación en el territorio nacional, lo que ha dejado consecuencias e impactos
graves, tanto en vidas humanas como en las actividades económicas.
Con el interés de mejorar el conocimiento de la realidad climática, y de prepararnos
para este tipo de eventos, es que planificaciones de desarrollo, programaciones de
crecimiento habitacional y de actividades industriales, comerciales y agropecuarias,
se proyectan hacia dichos eventos, teniendo en cuenta su frecuencia, y las
posibilidades extremas.
En su mayoría se proyecta para eventos con periodo de retorno adecuado, por
ejemplo, en el caso de las estructuras de drenaje superior, se diseñan para
Tr = 100 años. En otros casos, se considera el cálculo de la Precipitación Máxima
Probable (PMP), cuyos valores se consideran estimaciones del límite superior de la
precipitación potencial sobre un área.
Algunos autores consideran que la PMP proporciona la oportunidad de valorar
eventos extraordinarios que han ocurrido históricamente en una superficie dada,
además de que puede facilitar una medida del riesgo que implica la ocurrencia de
tales fenómenos o eventos. Por eso hoy día, y en determinados casos, la PMP
tiene aplicación directa en el área de ingeniería, en el análisis de avenidas y cálculo
de niveles de inundación, para el diseño de estructuras que sean capaces de
soportar grandes avalanchas o aludes, sobre todo para prevenir el riesgo de fallo
de estructuras para centrales nucleares, fábricas de concentrados de uranio,
almacenes de residuos radiactivos, embalses, etc.). En algunos países de Europa
es un dato que orienta para la configuración de mapas de riesgo y peligrosidad.
Hace algunos años la Organización Meteorológica Mundial (WMO, por sus siglas
en idioma inglés), publicó un libro con el proceso a seguir para la determinación de
la PMP. Es un proceso largo en el que es fundamental la experiencia y
conocimiento del meteorólogo a cargo de la metodología para calcularla.
Algunos autores consideran que la PMP proporciona la oportunidad de valorar
eventos extraordinarios que han ocurrido históricamente en una superficie dada,
además de que puede facilitar una medida del riesgo que implica la ocurrencia de
tales fenómenos o eventos. Por eso hoy día, y en determinados casos, la PMP
tiene aplicación directa en el área de ingeniería, en el análisis de avenidas y cálculo
de niveles de inundación, para el diseño de estructuras que sean capaces de
soportar grandes avalanchas o aludes, sobre todo para prevenir el riesgo de fallo
de estructuras para centrales nucleares, fábricas de concentrados de uranio,
almacenes de residuos radiactivos, embalses, etc.). En algunos países de Europa
es un dato que orienta para la configuración de mapas de riesgo y peligrosidad.
Hace algunos años la Organización Meteorológica Mundial (WMO, por sus siglas
en idioma inglés), publicó un libro con el proceso a seguir para la determinación de
la PMP. Es un proceso largo en el que es fundamental la experiencia y
conocimiento del meteorólogo a cargo de la metodología para calcularla.
La Precipitación Máxima Probable, PMP, es la mayor cantidad de precipitación
meteorológicamente posible, para una determinada duración, en un área afectada
por un temporal y en una época del año determinada, y sin tener en cuenta las
tendencias climáticas a largo plazo.
Son varios los aspectos que están relacionados con la PMP, en una zona dada,
como ser:
- Cantidad y calidad de los datos disponibles
- Tamaño, forma y orientación de las cuencas dentro de la zona
- Topografía de la zona
- Clima de la zona
- Tipología de los temporales que dan lugar a las precipitaciones extremas
En la bibliografía del tema, se comenta que hay varios procedimientos para estimar
la PMP, sobre todo aplicables a cuencas de cierta extensión, y que pertenecen a
regiones de determinadas características topográficas y climáticas.
El método más preferido es el Meteorológico o Tradicional, en el que se
determina al PMP mediante maximización de los principales temporales
históricos, en los cuales hay procesos para ajustar humedad y obtención de
curvas envolventes.
Procedimiento general para la estimación de la PMP
Información básica necesaria
Los datos que se requieren para la aplicación del procedimiento, son:
• Registros de precipitaciones diarias (P24hrs) a lo largo de todo el periodo de
tiempo disponible, en todas las estaciones pluviométricas ubicadas en la
cuenca hidrográfica, y para una altitud que no supere los mil metros.
• Mapas sinópticos de superficie y topografía de las áreas isobáricas de 500 y
850 hPa (hPa = hecto Pascal = 1 millibar) ,correspondientes a las fechas de
ocurrencia de los temporales seleccionados.
• Datos de temperatura del termómetro seco (T), temperatura del termómetro
húmedo (Th) y presión atmosférica (Patm) de todas las estaciones ubicadas en la
cuenca (y que dispongan de tal dato), y para todo el periodo de registro disponible.
Labor de gabinete
1. Delimitación y caracterización de la zona de estudio: Se debe delimitar la zona
en estudio, que podría abarcar varias subcuencas hidrográficas. Según algunos
estudiosos del tema, es preferible que la extensión total no exceda de 50,000 Km2,
que se trate de una región cuya latitud media sea relativamente llana, o que
presente un relieve suave y sin grandes variaciones de altitud entre las
subcuencas. Una vez delimitada la cuenca, se debe hacer una descripción general
de sus características geográficas y climáticas. En el estudio climático las variables
que definen, son la precipitación y la temperatura, que otorgan al sistema físico
atmosférico sus propiedades y características particulares.
2. Selección de Temporales: Se hace en dos etapas.
O Selección Inicial: En una primera etapa y de acuerdo a los criterios pluviométricos, se
realiza la selección inicial de los temporales que han tenido lugar históricamente en la
cuenca en estudio.
O Selección final: Esta etapa es dedicada a realizar un análisis de las situaciones
meteorológicas que dieron lugar a los temporales estudiados, en base a los mapas
sinópticos de superficie y a las topografías de las superficies isobáricas de 500 a 850
hPa, correspondientes a las fechas de ocurrencia de aquellos. Es conveniente que a
continuación, se haga un estudio de la distribución espacial de los datos pluviométricos
que estén disponibles. Se trabaja el mapa de Isohietas (líneas de precipitación
constante), tanto diario como acumulado, de cada uno de los temporales considerados.
Además, se determinan las curvas Precipitación – Área (P – A) para las precipitaciones
acumuladas de los mismos. Ya con estos dos criterios (la situación meteorológica
asociada y la distribución espacial de la precipitación) se eliminan algunos temporales,
dejándose para el estudio los más significativos.
3. Curvas Precipitación – Área – Duración (P-A-D): El siguiente paso es
representar las curvas P-A-D para 2, 6, 12, 24, 28 y 72 horas. Esta etapa es la más
compleja y laboriosa porque conlleva el análisis de una gran cantidad de datos y el
cálculo de distintos parámetros para cada temporal. Las curvas P-A-D establecen
la relación entre el área afectada y la máxima pluviometría real producida en cada
duración y promediada sobre el área en estudio.
4. Maximización por humedad de los temporales: Esta etapa es el proceso de
ajuste de las cantidades de precipitación observadas para incrementarlas hasta un
valor hipotético que se produciría si el contenido de humedad del flujo de aire hacia
el temporal fuese el máximo para el lugar y estación del año correspondientes.
O Máximo Punto de Rocío persistente en 12 horas: En meteorología se
utiliza como indicador del contenido de humedad atmosférica la temperatura
del punto de rocío a 1,000 hPa. Puesto que el flujo de humedad tiene un efecto
apreciable sobre la precipitación del temporal, la humedad preferentemente
considerada, debe ser la que persista durante horas. Es por esa razón que
generalmente se utiliza el máximo punto de rocío persistente durante 12 horas,
siendo éste el valor del punto de rocío igualado o excedido por todas las
observaciones en un periodo de 12 horas consecutivas. Los expertos
aconsejan identificar el punto de rocío representativo del flujo de humedad
propio del temporal (Td12h), así como estimar como el más probable en el lugar
y época del año en que se produce el temporal, el máximo punto de rocío para
un periodo de retorno convenientemente elegido (50 años), (Td12h(50)).
O Altura de agua precipitable: Seguidamente se procede a determinar las
alturas de agua precipitable desde la superficie hasta el límite superior de la
tropósfera (aproximadamente 200 hPa) correspondientes a los dos valores Td12h y
Td12h(50) previamente determinados para cada temporal, es decir, la altura de agua
precipitable representativa de cada temporal (W) y la máxima altura de agua
precipitable estimada para un periodo de retorno de 50 años (W50). En países de
gran desarrollo técnico, ambos valores se encuentran tabulados.
O Factor de maximización: El cociente entre los dos valores anteriores (W y
W50) es el factor de maximización de cada temporal analizado, ɼm.
O Curvas P-A-D maximizadas: La última fase de este laborioso apartado
consiste en la representación de las curvas P-A-D maximizadas por humedad para
las duraciones de 2, 6, 12,24, 48 y 72 horas y para cada temporal. Para el trazado
de las mismas, se multiplica la precipitación correspondiente a cada una de las
superficies y duraciones de las curvas P-A-D reales para cada temporal por el valor
ya calculado del factor de maximización, ɼm.
5. Estimación de la PMP: Según explican algunos autores (Montero, 2000), tener
en cuenta únicamente un número limitado de tormentas o temporales, no garantiza
que se haya obtenido el nivel de la PMP, independientemente de lo sofisticado que
sea el ajuste de maximización. Sin embargo, una envolvente de muchos valores de
precipitación maximizados probablemente producirá valores indicativos de la
magnitud de la PMP. Ello es así, porque no es de esperar que ningún temporal
produzca valores extremos de precipitación para todas las duraciones y tamaño de
superficies. Por tal razón es que se considera que la obtención de envolventes es
el último paso necesario para obtener la PMP. De esta manera se obtienen en
primer lugar, las envolventes de los datos de precipitación maximizados de todos
los temporales seleccionados en conjunto para cada duración y por separado,
según ya se ha expuesto.
En resumen, los valores tomados de las curvas envolventes anteriores, se utilizan
para construir el conjunto de curvas P-A-D de la PMP.
ALTERNATIVA PARA EL CÁLCULO DE LA PRECIPITACIÓN MÁXIMA
PROBABLE (PMP)
Recordemos los conceptos alrededor de la PMP:
La PMP, como también la Tormenta Máxima Probable (TMP) y la Avenida Máxima
Probable (AMP), son de uso importante para el diseño de obras hidráulicas de
magnitud importante y cuya falla implica un alto riesgo de pérdidas de vidas
humanas. Por ejemplo, presas aguas arriba de ciudades importantes o cercanas a
zonas donde hay experimentos nucleares, o cerca de plantas nucleares.
• La PMP es la cantidad de precipitación que constituye el límite superior físico
para una duración determinada sobre una cuenca en particular.
• La PMP es la mayor cantidad de precipitación meteorológicamente posible que
corresponda a determinada época del año.
• A la PMP no se le asigna un periodo de retorno ni es factible de estudio
económico y se calcula con métodos especiales de estudio.
El siguiente mapa es un ejemplo de la presentación de valores:
Método de cálculo Estadístico de PMP o de Hershfield
Este método ha sido estudiado en México para cuencas no mayores de 1,000.0
Km2
Ha sido de gran utilidad en las regiones de dicho país, en donde no hay o son
insuficientes los datos históricos de Punto de Rocío y de registros de viento.
Para cada año se recopilan las precipitaciones máximas en 24 horas, para series
de al menos diez años. Ideal series mayores de 20 años.
Se basa en la ecuación general de Chow:
PMP = Xn + Km*Sn
En donde:
PMP = Precipitación máxima probable diaria en mm
Xn, Sn = Media y Desviación Típica de la serie anual de lluvias máximas diarias,
previamente corregidas por el valor máximo observado en la serie y longitud de
registros.
Km = Factor de frecuencia, función de la lluvia media. Este valor es proveniente de
gráficas construidas con la información de 2,600 estaciones, el 90% de ellas en
USA. Este factor de frecuencia depende de la duración de la Precipitación Máxima
Probable de 24 horas y de la media anual de los valores máximos.
INDICACIONES DEL MANUAL PARA LA ESTIMACIÓN DE LA PMP POR LA
WMO
El manual de la WMO indica en su sumario:
La Precipitación Máxima Probable se define como la mayor cantidad de
precipitación meteorológicamente posible que corresponde a determinada duración
en una zona de temporal de una dimensión dada y en determinada época del año,
sin tener para nada en cuenta las tendencias climáticas que se producen a largo
plazo.
A pesar de los progresos realizados en meteorología, los conocimientos que
actualmente se poseen sobre el mecanismo de los temporales y su eficacia para
producir precipitaciones, no resultan aún suficientes para poder evaluar con
precisión los límites de los valores extremos de la precipitación. Las estimaciones
de la precipitación máxima probable han de ser pues considerados todavía como
aproximaciones.
PRECIPITACIÓN MÁXIMA PROBABLE PARA VARIOS PERIODOS DE
RETORNO
Como se recordará, en las instituciones que manejan redes de estaciones con
pluviómetro, les es posible facilitar al usuario la serie de precipitaciones máximas
en 24 horas, o llamada también Lluvia Máxima Diaria y en otras instituciones
Precipitaciones Máximas Diarias (PMD).
En cuadros resumen ofrecen número de años de la serie analizada y la serie de
años, en que para cada mes se indica la precipitación máxima en 24 horas
producida en todos los años de la serie en dicho mes.
El estudio de las precipitaciones máximas es necesario en muchos casos. Por
ejemplo, para la estimación de las avenidas de una corriente, es necesario conocer
el valor de la máxima precipitación probable registrada para un determinado
periodo de retorno.
Recordando el concepto: el Periodo de Retorno o de Recurrencia, Tr, es el intervalo
medio expresado en años, en el que un valor extremo alcanza o supera el valor “x”,
al menos una sola vez. (Elías y Ruiz, 1979).
Igualmente, el estudio de las precipitaciones máximas es importante para el
análisis de la erosión, para diseño de estructuras hidráulicas, estructuras de
conservación de suelos.
En varios países los modelos de distribución probabilística más empleados son la
distribución Normal y la distribución Gumbel. El criterio recomendado es
seleccionar la distribución que mejor se acople a la serie de datos estudiada. Y esto
es bastante variable y subjetivo.
El suscrito por ejemplo, prefiere la distribución probabilística Log Pearson Tipo III.

El objetivo general es el de obtener a partir de una serie de datos de precipitación

máxima en 24 horas, los valores de precipitación máxima esperada en 24 horas
para el periodo de retorno seleccionado, que en algunos casos será de acuerdo a
la vida útil de la estructura, o en otros casos, será de acuerdo a criterios ya
establecidos para determinado tipo de riesgo.
PROCEDIMIENTO ABREVIADO PARA LA PROBABILIDAD DE GUMBEL
Para la explicación de la distribución probabilística de Gumbel, se trabajará con la
serie de datos de la estación hidrometeorológica ordinaria en El Coyolar.

AÑO P24hrs AÑO P24hrs

1970 49.9 1988 60.2

1974 100.7 1989 56.8
1977 102.9 1990 50.9
1978 35.1 1991 44.7
1979 78.6 1992 132.7
1980 65.3 1993 61.6
1981 51.5 1995 65.7
1982 62.2 1998 173.0
1983 74.0 1999 45.2
1984 54.1 2000 42.6
1985 58.5 2001 63.4

1986 50.8 2002 62.6

1987 84.9
El procedimiento indica el ordenamiento de los valores de precipitación de menor a
mayor, además de calcular la media y de la desviación típica.
Pm = ∑Pi/n
La ecuación para el cálculo de la Desviación Típica, es:

σx = [∑(Pi-Pm)2 / (n-1)]0.5
Y la forma abreviada:

σx = {[∑(Pi)2-Pm*∑Pi]/(n-1)0.5}
Donde:
Pm = Precipitación Media para el registro conocido
n = Número de datos de la serie conocida

σx = Desviación Típica

Véase a continuación el cuadro resumen:

 Item Pi (Pi - Pm) (Pi - Pm)2
1 35.1 -34.016 1,157.088256
2 42.6 -26.516 703.098256
3 44.7 -24.416 596.141056
4 45.2 -23.916 571.975056
5 49.9 -19.216 369.254656
6 50.8 -18.316 335.475856
7 50.9 -18.216 331.822656
8 51.5 -17.616 310.323456
9 54.1 -15.016 225.480256
10 56.8 -12.316 151.683856
11 58.5 -10.616 112.699456
12 60.2 -8.916 79.495056
13 61.6 -7.516 56.490256
14 62.2 -6.916 47.831056
15 62.6 -6.516 42.458256
16 63.4 -5.716 32.672656
17 65.3 -3.816 14.561856
18 65.7 -3.416 11.669056
19 74.0 4.884 23.853456
20 78.6 9.484 89.946256
21 84.9 15.784 249.134656
22 100.7 31.584 997.549056
23 102.9 33.784 1,141.358656
24 132.7 63.584 4,042.925056
25 173.0 103.884 10,791.885456
 = 1727.9 0.0000 22,486.8736
Precipitación Media: Pm = 69.116
Número de datos: n = 25
Desarrollo del cálculo:
- De la tabla de “Desviación Típica Reducida”, Sn, se obtiene:
Para n = 25 años

σ25 = 1.0915
De la tabla de Media Reducida, Yn, se obtiene:
Para n = 25 años
Y25 = 0.5309
De la tabla de Variante Reducida, YTr, se obtiene el cuadro con los resultados para
varios valores de periodo de retorno, desde 2 años hasta 100 años.

Tr (años) YTr
2 0.3665
5 1.4999
10 2.2502
25 3.1985
50 3.9019
100 4.6001
La ecuación simplificada a aplicar es:
PTr = Pm + {(YTr – Yn)*(Sx/Sn)}
Si substituimos:
A = (YTr – Yn)
B = (Sx/Sn)
La ecuación puede reducirse a:
PTr = Pm + (A*B)
Las tablas para YTr, Yn y Sn, se presentan en las hojas individuales siguientes.
 VALORES DE MEDIA REDUCIDA, Yn

n 0 1 2 3 4 5 6 7 8 9

0 0 0.4705 0.4735 0.4765 0.4794 0.4824 0.4853 0.4883 0.4912 0.4942

10 0.4952 0.4996 0.5035 0.5070 0.5100 0.5128 0.5157 0.5181 0.5202 0.5220
20 0.5236 0.5252 0.5268 0.5283 0.5296 0.5309 0.5320 0.5332 0.5343 0.5353
30 0.5362 0.5371 0.5380 0.5388 0.5396 0.5402 0.5410 0.5418 0.5424 0.5430
40 0.5436 0.5442 0.5448 0.5453 0.5458 0.5463 0.5468 0.5473 0.5477 0.5481
50 0.5485 0.5489 0.5493 0.5497 0.5501 0.5504 0.5508 0.5511 0.5515 0.5518

n 0 1 2 3 4 5 6 7 8 9

60 0.5521 0.5524 0.5527 0.5530 0.5533 0.5535 0.5538 0.5540 0.5543 0.5545
70 0.5548 0.5550 0.5552 0.5555 0.5557 0.5559 0.5561 0.5563 0.5565 0.5567
80 0.5569 0.5570 0.5572 0.5574 0.5576 0.5578 0.5580 0.5581 0.5588 0.5585
90 0.5588 0.5587 0.5589 0.5591 0.5592 0.5593 0.5595 0.5596 0.5598 0.5599
100 0.5600
 VALORES DE DESVIACIÓN TÍPICA REDUCIDA, Sn

n 0 1 2 3 4 5 6 7 8 9

0 0 0.8521 0.8638 0.8756 0.8873 0.8991 0.9108 0.9226 0.9374 0.9460

10 0.9496 0.9676 0.9833 0.9971 1.0095 1.0206 1.0316 1.0411 1.0493 1.0565
20 1.0628 1.0696 1.0754 1.0811 1.0864 1.0915 1.0961 1.1004 1.1047 1.1086
30 1.1124 1.1159 1.1193 1.1226 1.1255 1.1285 1.1313 1.1339 1.1363 1.1388
40 1.1413 1.1436 1.1458 1.1480 1.1499 1.1519 1.1538 1.1557 1.1574 1.1590
50 1.1607 1.1623 1.1638 1.1658 1.1667 1.1681 1.1696 1.1708 1.1721 1.1734

n 0 1 2 3 4 5 6 7 8 9

60 1.1747 1.1759 1.1700 1.1782 1.1793 1.1803 1.1814 1.1824 1.1834 1.1844
70 1.1854 1.1863 1.1873 1.1881 1.1890 1.1898 1.1906 1.1915 1.1923 1.1930
80 1.1938 1.1945 1.1953 1.1959 1.1967 1.1973 1.1980 1.1987 1.1994 1.2001
90 1.2007 1.2013 1.2020 1.2026 1.2032 1.2038 1.2044 1.2049 1.2055 1.2060
100 1.2065
PERIODO DE RETORNO COMO FUNCIÓN DE LA VARIANTE REDUCIDA
Calculando las precipitaciones máximas diarias esperadas para varios periodos de
retorno:

Tr (años) YTr Yn A = (YTr - Yn) Sx Sn

2 0.3665 0.5309 -0.1644 30.609689 1.0915

5 1.4999 0.5309 0.9690 30.609689 1.0915
10 2.2502 0.5309 1.7193 30.609689 1.0915
25 3.1985 0.5309 2.6676 30.609689 1.0915
50 3.9019 0.5309 3.3710 30.609689 1.0915
100 4.6001 0.5309 4.0692 30.609689 1.0915
Y finalmente:

Tr B = (Sx/Sn) A*B Pm PTr = Pm + (A*B)

(años)
2 28.043691 -4.610383 69.116 64.5

5 28.043691 27.174337 69.116 96.3

10 28.043691 48.215518 69.119 117.3

25 28.043691 74.80935 69.116 143.9

50 28.043691 94.535282 69.116 163.7

100 28.043691 114.115387 69.116 183.2