MEDICIN PUNTUAL DE LA PRECIPITACIN

Apuntes de Hidrologa.

Prof. Claudio Meier V.

Conceptualmente, medir la precipitacin en un punto es sumamente fcil: slo es necesario ubicar

un recipiente prismtico y medir peridicamente el volumen de agua acumulado. Este volumen, si
se divide por el rea de la seccin transversal del prisma, corresponde a la lmina de agua cada.
Desgraciadamente, las mediciones no son comparables debido a una serie de razones, que incluyen
la falta de estandarizacin en los instrumentos, y lo difcil que es ubicarlos en sitios similares.
El poder disponer de mediciones consistentemente comparables es un objetivo importantsimo, por
lo que siempre se recomienda utilizar instrumentos estndar, instalados uniformemente en
ubicaciones bien escogidas, con los procedimientos aceptados internacionalmente.
Los pluvimetros (totalizadores) miden el volumen cado en un cierto perodo. Pueden ser un
simple cilindro, o bien aparatos ms complejos con embudos, multiplicacin, etc. La lluvia en
instrumentos totalizadores se mide al cuarto o a la dcima de milmetro. Cualquier cantidad menor
es una traza, que se indica en el registro como "humedad", o "traza".
Los pluvigrafos registran continuamente la intensidad de precipitacin. Los hay de balanza (los
ms precisos), de bscula (o de cubetas oscilantes, los ms econmicos), y de flotador. El registro
puede ser en papel o electrnico. Una nueva tecnologa que an est en desarrollo es la de los
medidores pticos de intensidad de precipitacin.
Un pluvimetro (sentido genrico) no es capaz de discriminar entre nieve, granizos y lluvia, y
siempre medir equivalentes en agua lquida de lo que haya precipitado. De hecho, es muy difcil
medir nieve, ya que sta puede apilarse en torno a la boca del instrumento, para luego caer fuera, o
incluso puede formar un arco, bloqueando la entrada. En zonas de montaa, se usa calentadores
para derretir la nieve, pero esto puede aumentar la prdida por evaporacin. Otros instrumentos
usan algn lquido anticongelante. Adems, el mismo pluvimetro altera el campo de velocidades
del viento en su entorno, generando turbulencia que impide la entrada de la nieve al instrumento.
Por ello, para medir el contenido de agua cado a la forma de nieve se prefieren otros mtodos.
Factores que afectan la precisin de las mediciones
Cuando usamos pluvimetros para medir lluvia, incurrimos en variados errores. Qu proporcin de
la precipitacin real es capturada por el instrumento? Las variables relevantes que afectan la captura
de un pluvimetro tienen que ver con el dimetro de la abertura, si sta sobresale o no por sobre el
nivel del suelo, la presencia de deflectores para disminuir el efecto del viento, la distancia
horizontal mnima a objetos (postes, casas, rboles, etc.) que rodeen el instrumento, las prdidas por
agua que salpica o se evapora, etc.
En verdad, no existen respuestas claras a estos dilemas. Cada pas, e incluso cada organismo en un
mismo pas, ha tendido a desarrollar sus propios estndares para pluviometra. Para resolver
parcialmente estos problemas, la Organizacin Meteorolgica Mundial le ha pedido a todos los
pases miembros que instalen al menos un pluvimetro interino de referencia (pluvimetro IRPGWMO), que pueda usarse como un estndar con el cual se pueda comparar, y luego relacionar
matemticamente, todos los dems tipos de pluvimetro. El IRPG tiene un dimetro de 127 mm y

una altura de 457 mm. La abertura se ubica a 1000 mm sobre el nivel del suelo, y el pluvimetro
usa deflectores de viento tipo Alter.
Los factores que afectan la medicin de la precipitacin en pluvimetros son los siguientes:
1. Tamao y orientacin de la abertura:
Dimetro no debe ser menor a 30 mm.
Por sobre este valor, no se ha encontrado un efecto claro del dimetro.
Si se usan pluvimetros de dimetro pequeo: no sirven para nieve, deben chequearse
volumtricamente, el agua que se adhiere a las paredes puede ser fraccin importante de la
captura (sobre todo si es de plstico), y la evaporacin puede ser mayor (leer con frecuencia)
La abertura debe nivelarse plana.
2. Altura de la abertura y proteccin del viento:
Al proyectarse sobre el suelo, el pluvimetro perturba el campo de vientos, causando
turbulencia que siempre reduce la captura, sobre todo de gotas ms pequeas y copos de
nieve; este es el error ms comn y ms serio al medir precipitacin con pluvimetros.
Larson y Peck (1974): deflectores mejoran la eficiencia de captura de nieve, pero tienen
poco efecto para lluvia (en un caso, la captura de granizos fue 2.5 veces lo real).
Se ha considerado pluvimetros con la boca a ras de suelo, pero puede haber problemas de
salpiqueo. Adems son muy caros, no sirven para nieve, y complican el anlisis de datos
histricos. Miden entre 5 y 15 % ms que los equivalentes expuestos al viento.
3.

Distancia a obstrucciones:
La mejor ubicacin es en un espacio abierto, pero con una cobertura ms o menos uniforme
de rboles, arbustos, cercos, u otros objectos flexibles que reduzcan los efectos del viento.
Ningn objeto debe extenderse dentro del cono de 45 con pice en la boca del pluvimetro.
Objetos individuales (un rbol, o un poste) pueden afectar de manera significativa la captura
(reducindola, usualmente), sobre todo si son altos (depende de viento prevaleciente).
Tales objetos aslados deben estar alejados una distancia horizontal de al menos cuatro veces
la diferencia entre su altura y la de la boca.

4.

Salpiqueo y evaporacin:
Si se llena demasiado el pluvimetro, puede salpicar hacia afuera.
Para pluvimetros a nivel del suelo, se usan rejillas o alfombras.
En el caso de pluvimetros pequeos, o de lectura infrecuente, se hace necesario limitar la
evaporacin, usando un contenedor cerrado o agregando un lquido inmiscible.

5.

Errores instrumentales:
Medidores de bscula tienen sesgo negativo cuando hay altas intensidades de lluvia.
Hay efectos sistemticos debidos a las fluctuaciones diarias de temperatura.
Se suele instalar un pluvimetro totalizador junto a cada pluvigrafo, para poder corregir.
Estos errores son del orden del 1 al 5 %.

6.

Errores de observacin:
Causados por la persona encargada de recoger los datos (errores de lectura, San Lunes,
prediccin de la precipitacin con semanas o meses de adelanto, etc).

7.

Precipitacin oculta o de baja intensidad

 En algunas reas, gran parte de la precipitacin cae como llovizna, gara, o camanchaca, con
intensidades muy bajas que no son captadas por pluvimetros normales (hasta 450 mm/ao).
Winter hizo una revisin de todos estos problemas en 1981, y encontr que los errores en
mediciones puntuales de precipitacin estn entre el 5 y el 15% para datos de largo plazo, y pueden
alcanzar al 75% en el caso de eventos individuales. Rodda, en 1985, tambin encontr conclusiones
poco alentadoras: la deficiencia en la captura de pluvimetros estndar flucta entre un 3 y un 30%
para totales anuales, y en un rango an mayor para tormentas individuales. Los errores son mayores
en el caso de tratarse de nieve. Se concluye que siempre debe tenerse una actitud crtica al usar
datos de precipitacin para hacer anlisis hidrolgicos.
Verificacin de la consistencia de datos de precipitacin
Como hemos visto, diferentes aspectos asociados con la ubicacin de un pluvimetro pueden
afectar significativamente su eficiencia de captura. Pueden crecer rboles o arbustos, construirse
edificios en las cercanas de la estacin meteorolgica, cambiarse la posicin del instrumento, o el
tipo de pluvimetro. La urbanizacin en torno a la estacin puede afectar el clima local, etc..
Por ello, antes de utilizar un registro histrico de precipitaciones, es siempre necesario averiguar si
ste ha sido previamente verificado. En caso contrario, debe determinarse si la serie ha sido
afectada por alguna inconsistencia, para corregirla si procede.
Es importante darse cuenta que el comportamiento a largo plazo de una serie de precipitaciones
puede verse afectado no slo por inconsistencias locales (como el hecho que se haya cambiado el
instrumento, o talado un rbol en su cercana), sino que tambin por cambios en el rgimen de
precipitaciones, debidos por ejemplo al calentamiento global, o a la deforestacin a escala
subcontinental. En estos ltimos casos, ejemplos de no estacionariedad, los cambios debieran ser
ms graduales, apareciendo tendencias en el tiempo. Tambin debe quedar en claro que no han de
corregirse los datos si las inconsistencias son graduales y causadas por efectos naturales.
El procedimiento utilizado para verificar la consistencia de una serie de datos de precipitacin se
conoce como el mtodo de la curva doble msica acumulada. Se usa para comparar una estacin
cuyo registro est en duda con una estacin patrn que sea confiable, es decir, que no tenga
inconsistencias. El patrn puede ser una estacin de referencia, que tenga datos de mejor calidad, o
bien la suma (o el promedio, da lo mismo) de varias estaciones cercanas. As, si alguna de stas
tiene tambin una inconsistencia, se espera que su efecto desaparezca al promediar. En todo caso, al
usar un conjunto de estaciones como patrn, suele compararse cada una separadamente contra la
suma (o promedio) de las otras, para verificar lo anterior.
En ambas estaciones, se ordena los valores de precipitacin anual para un perodo coincidente de
aos, y se calcula tambin la precipitacin acumulada ao a ao. Luego, se grafica la lluvia
acumulada en la estacin dudosa versus aquella acumulada en la estacin patrn. En aos secos
debiera llover menos en ambas estaciones, y ms en los aos hmedos. Al ir acumulando
precipitacin, la relacin entre las dos estaciones debiera ser ms o menos constante, por lo que
curva doble msica acumulada debe aproximarse bien a una recta. Si ocurre algn efecto a nivel
regional, por ejemplo un posible cambio climtico, entonces no se notar en la grfica, ya que
ambas estaciones sufrirn la misma tendencia. Por otra parte, si la estacin en duda s tuvo algn
cambio que incidi bruscamente en la eficiencia de captura de precipitacin, entonces desde ese

momento en adelante comenzar a capturar ms (o menos) de lo que acostumbraba, y esto se

reflejar en un quiebre en la grfica. Se requiere tener un quiebre por ms de cinco aos
continuados para corregir los datos, y se corrige siempre los datos anteriores al quiebre.
A continuacin se muestra un ejemplo en que se verific la consistencia entre las estaciones
Diguilln y Fundo Bellavista (Concepcin), para el perodo comprendido entre Enero de 1965 y
Agosto de 1990. La precipitacin cada en cada ao se entrega en milmetros, mientras que las
alturas acumuladas se dan en metros (los valores fueron redondeados al centmetro despus de ser
sumados, para no perder la precisin de los datos anuales, a la dcima de milmetro).
Ao
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

Bellavista
1473.1
1339.0
1020.1
831.0
1308.8
990.3
1078.1
1653.6
987.9
1135.4
1337.0
933.0
1537.9
1443.3
1146.1
1484.3
1306.4
1550.3
996.3
1427.8
1019.7
1261.0
1176.8
1039.7
980.9
555.6

Acum. Bellavista
1.47
2.81
3.83
4.66
5.97
6.96
8.04
9.69
10.68
11.82
13.15
14.09
15.63
17.07
18.21
19.70
21.01
22.56
23.55
24.98
26.00
27.26
28.44
29.48
30.46
31.01

Diguilln
2850.8
2388.9
1461.9
1273.9
2283.1
1586.1
1983.5
3020
1827.5
1841
2299.5
1750.5
2442
2184
2339.8
2751.6
1931.5
3110.4
1678.9
2359.5
2077.7
2718.8
2056.7
1690.8
1481.4
1006.7

Acum. Diguilln
2.85
5.24
6.70
7.98
10.26
11.84
13.83
16.85
18.68
20.52
22.82
24.57
27.01
29.19
31.53
34.28
36.22
39.33
41.00
43.36
45.44
48.16
50.22
51.91
53.39
54.40

P acum. Estacin Bellavista (metros)

50.00

Curva Doble Msica Acumulada

40.00

30.00

20.00

10.00

0.00
0.00

5.00

10.00

15.00

20.00

25.00

Precipitacin acumulada Estacin Diguilln (metros)

30.00

Podemos ver que no se observa ninguna inconsistencia, por lo que no se hace necesario corregir los
registros. De haberse encontrado un quiebre, cmo saber cul es la estacin correcta?
ANLISIS ESTADSTIDO DE DATOS PUNTUALES DE PRECIPITACIN
Una vez que un registro ha sido verificado en cuanto a su consistencia, podemos efectuar un anlisis
estadstico, de manera de resumir varios miles de datos diarios (o decenas de miles de datos a una
escala an ms fina, si disponemos de datos pluviogrficos) en unos pocos valores que nos indiquen
el comportamiento "esperado" de la precipitacin en ese lugar.
La precipitacin anual (promedio) para una estacin se calcula totalizando las alturas cadas para un
nmero de aos completos de registro, y dividiendo esta suma por el nmero de aos usado.
Siempre debe indicarse el perodo cubierto por el registro. Por ejemplo, la precipitacin anual en la
Estacin Fundo Bellavista de la U. de Concepcin es de 1192.6 mm para el perodo 1965-1999.
La precipitacin anual normal en un lugar es el promedio anual calculado sobre un perodo
especfico de 30 aos, puesto al da cada 10 aos. Esto se hace de manera de poder comparar la
precipitacin en distintos sitios, manteniendo los mismos aos como base de comparacin. En estos
momentos (ao 2002), y hasta que se publiquen los datos definitivos para el 2010 (cosa que ocurrir
probablemente en el 2011), el perodo en cuestin corresponde a las tres dcadas desde 1971 al
2000. Desde 1991 (o de hecho, desde el momento en que estuvieron disponibles los datos
verificados y corregidos para 1990) hasta el 2001, el perodo para calcular la normal fue 1961-1990.
Tanto la precipitacin anual como la normal son representativas de la precipitacin promedio a
largo plazo en una estacin. Si suponemos que hay bastante ms que 30 aos de registro, digamos
unos 75, la normal describe tal vez mejor las condiciones actuales, ya que no considera los datos
ms antiguos. La media anual, por otra parte, al ponderar de igual manera los datos ms recientes y
los de hace 70 aos, puede "comerse" una tendencia reciente, por ejemplo, al aumento de la
precipitacin en los ltimos 40 aos.

1800.0

P re c ip ita c i n A n u a l e n C o n c e p c i n
1600.0

milmetros

1400.0

1200.0

1000.0

800.0

600.0

1965

1970

1975

1980

1985

1990

1995

2000

La disyuntiva es siempre la misma al tratarse con series de tiempo con datos meteorolgicos e
hidrolgicos: incluir todos los datos, de modo de tener una muestra ms grande y representativa
("un n mayor"), o bien utilizar slo los datos para el perodo ms reciente, en caso que hubiesen noestacionariedades como cambios de clima, de la cuenca, etc.? Ntese que, desde el punto de vista
estadstico, si usamos toda la muestra para calcular promedios, desviaciones, etc., es porque
estamos implcitamente asumiendo que hay estacionariedad, es decir, que todos los datos provienen
de la misma poblacin, y tienen por ende la misma distribucin. Si hay tendencias en el tiempo, por
otra parte, sera una muestra evidente de no-estacionariedad. En Concepcin, los ltimos 35 aos de
datos pluviogrficos muestran un proceso estacionario (ver figura anterior), pero hay lugares ms al
norte del pas donde se observa una clara disminucin de las precipitaciones con el tiempo.
La variabilidad interanual en los datos (fluctuaciones entre aos) queda representada por la varianza
de la muestra, o bien por su raz cuadrada, la desviacin estndar. Como medida adimensional de la
variabilidad puede usarse tambin el coeficiente de variacin, que es la desviacin dividida por la
media. Esto permite comparar la variabilidad de distintas variables. Por ejemplo, la desviacin para
los datos de precipitacin anual en Concepcin es de 258.4 mm, por lo que el coeficiente de
variacin alcanza a 258.4/1192.6 = 0.217 un 22%. Por otro lado, el promedio de los caudales
medios anuales medidos en la Estacin Fluviomtrica Biobo para el perodo 1971-1986 es de 1020
m3/s, mientras que la desviacin estndar alcanza a los 190 m3/s. No podemos comparar esta
desviacin con la que calculamos para los datos de precipitacin (peras y naranjas), sin embargo,
podemos calcular el coeficiente de variacin como 190/1020 = 0.186, y darnos cuenta que los
caudales anuales tienen menor variabilidad que las precipitaciones anuales. Por supuesto, la
variabilidad entre los datos queda mejor representada por su distribucin probabilstica, pero en
verdad nunca la conocemos. Slo podemos hacernos una idea de su forma dibujando histogramas.
Para caracterizar el rgimen anual de lluvias en una estacin, se calcula y grafica los promedios
mensuales para cada mes del ao. Usualmente, se muestra tambin los valores mximos y mnimos
mensuales (por ejemplo, en Concepcin, el mayo ms lluvioso fue el de 1981, con 550.4 mm, el
ms seco fue en 1968 con 28.2 mm, y el promedio para ese mes es de 207.3 mm). Se grafica
adems valores con distintas probabilidades de ocurrencia. A continuacin se muestra el rgimen
anual de precipitaciones en Concepcin, sobre la base de datos mensuales para el perodo 1965-99:
Rgimen anual de PP - Estacin Bellavista Concepcin
600.0

Mximos
Mnimos
Medias
25% Prob. Excedencia
75% Prob. Excedencia

Precipitacin en mm

500.0

400.0

300.0

200.0

100.0

0.0

ENE

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SEP

OCT

NOV

DIC

ESTIMACIN DE LA PRECIPITACIN SOBRE UN REA

Sabemos que al medir la precipitacin en un punto, incurrimos en una serie de errores que pueden
afectar notablemente los valores reales cados. Para componer el problema, tales mediciones
puntuales tienen poca utilidad en hidrologa (excepto en el caso de cuencas relativamente pequeas,
en zonas donde pueda asumirse que la variabilidad espacial de la precipitacin es baja), ya que lo
que nos interesa conocer es el comportamiento de la lluvia sobre el rea de una cuenca.
Existen variadas metodologas para estimar la precipitacin regional disponiendo de valores
puntuales medidos en estaciones pluviomtricas. Algunas slo entregan directamente un promedio
espacial para el rea de inters, mientras que otras proveen tambin la distribucin espacial de la
precipitacin dentra de la regin estudiada. Desde el punto de vista de las escalas temporales, estos
mtodos pueden aplicarse indistintamente a eventos particulares, o bien a la lluvia total sobre un
cierto perodo (un da, mes, o ao determinado), o bien a promedios de precipitacin (por ejemplo
para enero, o bien la lluvia anual).
Matemticamente, lo que intentamos estimar es la integral:
P

1
A

p( x , y ) dx dy

A( x , y )

donde p(x,y) es la lluvia cada en la ubicacin (x,y) dentro del dominio, para la precipitacin de
inters (por ejemplo, la tormenta que se inici el 22 de Junio de 1985 a las 3:53 y termin a las
14:20 del da siguiente, el agua cada el da 14 de Agosto de 1994, la lluvia promedio en marzo, la
precipitacin mxima en 6 horas con perodo de retorno 10 aos, etc.)
Consideraremos que disponemos de G puntos de medicin (o clculo) de la variable de inters en o
cerca del dominio (note que estaciones cercanas al dominio aportan informacin relevante, aunque
se encuentren fuera de ste). La situacin general se muestra en la siguiente figura:

Las tcnicas para encontrar una aproximacin P del valor real P se dividen en dos grupos:
1.
Aquellas que calculan P directamente como un promedio ponderado de los valores
puntuales medidos
2.
Mtodos que ajustan una superficie p(x,y), usando los valores puntuales para estimar p en
cada nodo de una trama, para luego usar un esquema numrico de integracin y calcular P .
A.

Promedios ponderados directos

Ocupan una ecuacin general del tipo: P =

i =1

pi

, con

= 1 y 0 i 1

A.1. Promedio aritmtico

Es el mtodo ms simple, en el que se asigna igual peso (1/G) a cada estacin. Puede incluirse
estaciones fuera del dominio, cercanas al borde, si se estima que lo que miden es representativo. El
mtodo entrega un resultado satisfactorio si se tiene que:
a.)
b.)

El rea de la cuenca se muestrea con varias estaciones uniformemente repartidas, y

Su topografa es poco variable, de forma de minimizar la variacin espacial por esta causa.

Este mtodo puede usarse para promedios sobre perodos ms largos, en que sabemos que la
variabilidad espacial ser menor. Si se conocen las lluvias anuales en cada estacin, el mtodo
puede refinarse ponderando cada estacin por su aporte anual.
A.2. Polgonos de Thiessen (1911)
El dominio estudiado se divide en G subregiones o zonas de influencia en torno a cada estacin. La
precipitacin medida (o calculada) en cada pluvimetro se pondera entonces por la fraccin del rea
total de la cuenca comprendida en cada zona de influencia. Las subregiones se determinan de
manera tal que todos los puntos incluidos en esa subregin estn ms cercanos al pluvimetro
correspondiente que a cualquier otra estacin. Una vez delimitadas las G zonas de influencia, y
calculadas sus reas (dentro de la cuenca) ai , se obtiene el promedio espacial segn:

1
P =
A

a
i =1

pi

, donde se tiene que

=A

Thiessen ide el mtodo para delimitar las subregiones correspondientes a cada pluvimetro: se
unen las estaciones adyacentes con segmentos de recta, y luego se construyen los bisectores
perpendiculares a cada segmento, extendindolos hasta que se intersecten, formando polgonos
irregulares. Si hay dudas, se resuelven comparando las distancias a los pluvimetros. Note que
pueden usarse estaciones ubicadas fuera de la cuenca, siempre que haya sectores ms cercanos a
stas que a cualquier otro instrumento ubicado en su interior.

Una vez calculados, los coeficientes de Thiessen (ai/A) no cambian, por lo que es fcil usar el
mtodo para muchos eventos o perodos distintos. Si en algn caso faltaran datos en una estacin, es
ms fcil estimarlos que rehacer todos los polgonos obviando tal pluvimetro. Si se altera la red
hidrometeorolgica, s debe recalcularse los coeficientes del mtodo.
Esta metodologa es objetiva y entrega resultados satisfactorios si se tiene una red adecuada de
pluvimetros. No es recomendable en reas montaosas, ya que los coeficientes no reflejan de
ninguna manera los efectos altitudinales, y tampoco se recomienda su aplicacin para derivar
promedios regionales en el caso de tormentas locales intensas.
A.3. Mtodo de los dos ejes de Bethlamy (1976)
Con este mtodo se obtienen pesos (o coeficientes de ponderacin) que reflejan ms bien la
cercana de cada estacin al centro de la zona en estudio, que el rea de influencia asociada a cada
pluvimetro. Se traza primero el segmento de recta ms largo que quepa en el dominio. El bisector
perpendicular a esta lnea es el eje menor. A su vez, el bisector perpendicular al eje menor es el eje
mayor. Se trazan luego dos lneas desde cada estacin: una hacia el extremo ms alejado del eje
menor, la otra hacia el extremo ms alejado del eje mayor. El ngulo entre estas dos lneas es i (<
90). La precipitacin regional queda estimada por:
G
P = 1
i pi
A i =1

, donde

A = i es la suma de los ngulos sobre todas las estaciones

B. Mtodos que ajustan una superficie

Estas tcnicas usan los valores medidos (o calculados) en las estaciones para determinar una
superficie que se supone representa la precipitacin en todos los puntos en la regin de inters,
p(x,y). Por decirlo de otra forma, esta superficie es un modelo de la variabilidad espacial de la
precipitacin que estemos considerando.
En algunos de estos mtodos, la superficie no pasa exactamente por los valores de precipitacin
medidos en las G estaciones, sino que es slo un ajuste. En los modelos de interpolacin, el valor de
asignado a cada pluvimetro es exactamente igual al valor medido. Es preferible obtener un modelo
general simple, que forzar la superficie a pasar por cada punto (como preferimos ajustar una recta
de regresin si los datos as lo ameritan, en vez de interpolar con un polinomio de orden n-1 , que
pasar exactamente por cada uno de los n puntos, pero dando extraas piruetas).
En general, la superficie p(x,y) que entrega la distribucin espacial de la precipitacin sobre un rea
suele mostrarse como un mapa con curvas de nivel de igual precipitacin, las isoyetas. Tal mapa
permite estimar la precipitacin promedio sobre el rea, P, si asumimos interpolacin lineal entre
las isoyetas (sera como estimar el volumen de rellenos o cortes sobre la base de un mapa
topogrfico). Las isoyetas pueden dibujarse al ojo, incorporando subjetivamente el juicio del
hidrlogo, pero hoy existen muchos programas que permiten trazar curvas de nivel (o isoyetas, o lo
que sea), dados los valores pi y sus coordenadas. Estos softwares usan alguno de los mtodos que
describimos a continuacin para estimar la precipitacin en cada nodo de una trama que cubre la

regin, y luego trazan las isoyetas (y/o integran directamente). Los pasos seguidos son siempre los
mismos:
i)

Se cubre la regin con una trama regular, ( x = y =

1
distancia entre pluvimetros ),
10

tenindose J nodos en el dominio.

ii)
p j =

Se estima la precipitacin en cada nodo como:

G

w
i =1

ji

pi

, con

i = 1, .... , G estaciones y

j = 1, .... , J

nodos

Muchos programas slo usan las estaciones dentro de un cierto radio en torno al nodo j para estimar
pj (es decir, wji = 0 para todos los valores fuera de tal radio). Las diferencias entre todos estos
mtodos radican slo en la manera de determinar estos pesos.
iii)

Una vez determinado p j para cada nodo, otro algoritmo traza las isoyetas o calcula la

precipitacin promedio sobre el rea.

Es necesario recordar aqu que los valores puntuales de precipitacin pueden tener errores
significativos, sobre todo si se trata de datos para eventos individuales, o si cae nieve en la zona.
Por ello, es importante no usar mtodos que sean mucho ms elaborados que la calidad de los datos
que se ingresen al programa. Tambin debe recordarse que los criterios matemticos usados para
obtener las ponderaciones no conocen lo que sucede dentro de la cuenca; por ejemplo, no saben
nada acerca del efecto de sombra de lluvia, o si sta es convectiva o ciclnica.
B.1. Mtodo de las isoyetas (al ojo)
Este es uno de los mtodos ms precisos, pero es subjetivo y dependiente del criterio de algn
hidrlogo que tenga un buen conocimiento de las caractersticas de la lluvia en la regin estudiada.
Permite incorporar los mecanismos fsicos que explican la variabilidad de la lluvia dentra de la
cuenca, al trazar las isoyetas.
A los puntos ubicados entre dos isoyetas sucesivas, les asignamos el valor de precipitacin
promedio entre tales isoyetas. Conociendo el rea encerrada entre pares sucesivos de isoyetas,
obtenemos la precipitacin regional. El mtodo requiere hacer supuestos en "cimas" y "hoyos".
Al trazar las isoyetas para lluvias mensuales o anuales, podemos incorporar los efectos topogrficos
sobre la distribucin espacial de la precipitacin, tomando en cuenta factores tales como la altura y
la exposicin de la estacin. Tambin se recomienda este mtodo para calcular promedios
espaciales en el caso de eventos individuales localizados.
B.2. Mtodo hipsomtrico
Conceptualmente, este es un mtodo que ajusta una superficie a los datos medidos o calculados,
pero difiere radicalmente de todos los dems, ya que no intenta estimar la precipitacin en cada
nodo de una trama, para luego integrarla, sino que asume que el valor de la variable de precipitacin
de inters en cada lugar de la cuenca slo depende de la altura. Por ello, esta metodologa slo es
apropiada en zonas montaosas, donde ocurran importantes efectos orogrficos. Se requiere
conocer la topografa de la cuenca para poder aplicar el mtodo.

Primero, debe encontrarse una relacin funcional entre la precipitacin y la altura, llamada ecuacin
orogrfica. Esto se hace graficando los valores medidos (o calculados) en cada estacin versus la
altura, para luego encontrar una funcin ya sea al ojo o con mtodos estadsticos (suele usarse
regresin lineal simple). En algunos casos, la relacin entre la precipitacin y la altura puede variar
en forma sistemtica dentro de la cuenca. Por ejemplo, las laderas a barlovento de una cadena
montaosa pueden mostrar un mayor incremento de la lluvia con la altura que aquellas a sotavento.
Tambin puede tenerse dos cordones paralelos, y aqul que reciba primero los vientos
prevalecientes puede tener un comportamiento diferente del que se ubique viento abajo. En tales
casos, puede aplicarse el mtodo separadamente para cada parte de la cuenca.
Teniendo la relacin precipitacin-altura, se requiere construir la curva hipsomtrica para la cuenca
(o porcin de cuenca si hay ms de una ecuacin orogrfica), que nos entrega la fraccin de la
cuenca que se encuentra sobre un cierta altura. La precipitacin regional se calcula luego:
i.)
Dividiendo el rango de alturas en intervalos (por ejemplo, si la salida de la cuenca est a 232
msnm, y el punto ms alto a 2780 msnm , el rango ser de 2548 m, que podramos dividir en
intervalos de 200 m cada uno).
ii.)
Determinando qu fraccin del rea de total de la cuenca se ubica en cada rango de altura
(por ejemplo, entre 232 y 432 msnm, entre 432 y 632 msnm, y as sucesivamente).
iii.)
Usando la ecuacin orogrfica para estimar la precipitacin media sobre cada intervalo de
altura (si la relacin precipitacin-altura es lineal, lo anterior equivale a calcular la lluvia para la
altura media de ese intervalo).
iv.)
Multiplicando la precipitacin media sobre cada intervalo por la fraccin de rea de la
cuenca cubierta por ese intervalo, y sumando luego sobre toda la cuenca.
B.3. Otros mtodos analticos de ajuste
Mnimos cuadrados: Se ajusta una superficie a los valores medidos (calculados) de manera de
minimizar la sumatoria de los errores al cuadrado, es decir, de las diferencias al cuadrado entre
datos medidos y estimados (lo mismo que hacemos en una regresin lineal). Matemticamente, esta
superficie es un polinomio en x e y, de cualquier orden menor que G, la cantidad de puntos con
datos conocidos. Mientras ms trminos, ser mejor el ajuste en los puntos, pero habr ms
irregularidades, incluso con detalles absurdos en zonas sin ninguna informacin.
Interpolacin por polinomios de Lagrange: En este caso, se obtiene una superficie que calza
exactamente con los valores conocidos. Sigue siendo un polinomio en x e y, pero con G trminos.
La superficie puede fluctuar demasiado.
Interpolacin spline: Evita oscilaciones al ajustar la superficie de menor curvatura posible que pasa
por todos los puntos dados. Computacionalmente, esta metodologa puede ser muy intensa.
Interpolacin por distancia inversa: En este mtodo, los coeficientes de ponderacin son slo
funcin de las distancias entre el punto de inters y cada una de las G estaciones con datos. As,
para un punto cualquiera de la trama j=r, la ponderacin para el valor medido en la estacin g=s se
calcula como:
b
[
d (r , s )]
w rs = G
b
[d ( r , i )]
i =1

con d(r,s) la distancia entre el nodo r y la estacin s, y b un exponente (usualmente 1 2). Un

problema con este mtodo es el hecho que cuando hay dos estaciones cercanas, no se considera la
redundancia en la informacin.
Interpolacin multicuadrtica: Como en el mtodo anterior, las ponderaciones dependen de la
distancia entre cada nodo y estacin. La influencia de cada estacin se representa por conos
ubicados sobre cada una de las G estaciones, de modo que la precipitacin en cualquier punto queda
dada por:
G

j = Cg
p
g =1

[ (x

x j ) + (y g y j )
2

1
2 2

donde los valores Cg quedan dados por operaciones matriciales que involucran las distancias entre
estaciones y los valores medidos pg, (xg, yg) son las coordenadas de las estaciones, y (xj, yj) son las
coordenadas del punto en que queremos estimar la precipitacin.
Kriging o interpolacin ptima: Corresponde a una serie de tcnicas, muy usadas en hidrologa,
minera, aguas subterrneas, geologa, etc, y otras disciplinas que requieren tratar con variabilidad
espacial en dos o tres dimensiones. Los valores estimados se derivan como combinaciones lineales
ponderadas de los datos disponibles, intentando minimizar el sesgo y la varianza de los errores. Los
coeficientes de ponderacin se calculan asumiendo homogeneidad espacial de la precipitacin (es
decir, que no hay tendencias espaciales). Las soluciones dependen de la funcin de correlacin
espacial que se use.
Comparacin de los distintos mtodos

Varios estudios han comparado las distintas metodologas para estimar precipitacin regional a
partir de valores puntuales. La eleccin de un mtodo particular depende del objetivo del anlisis, el
carcter de la regin en estudio, el tiempo computacional disponible, etc.
Si se requiere slo una estimacin burda, o bien hay limitaciones de tiempo y/o recursos, puede
usarse cualquiera de los mtodos de ponderacin directa, o bien los mtodos hipsomtrico o el de
las isoyetas. Sin embargo, debe tenerse en cuenta que el promedio aritmtico, Thiessen, y el mtodo
de los dos ejes no sirven para zonas con variaciones sistemticas de la precipitacin (generalmente
debidas a la topografa), a menos que haya una alta densidad de estaciones, repartidas
uniformemente. En este caso, es mejor usar el mtodo hipsomtrico o algn otro mtodo de ajuste
de una superficie. Los estudios han concluido unnimemente que los mtodos de interpolacin
ptima (kriging) entregan las mejores estimaciones de precipitacin regional en una variedad de
situaciones. Esto se debe a que son los nicos que se basan en la estructura de correlacin espacial
de la precipitacin, mientras que todos los dems imponen una estructura espacial esencialmente
arbitraria.
Es necesario mencionar el uso del radar doppler para estimar la distribucin espacial de tasas
instantneas de precipitacin en las nubes. Las estimaciones son poco precisas, pero sirven para
visualizar el alcance de la tormenta y las diferencias relativas entre puntos distintos.