Documente Academic
Documente Profesional
Documente Cultură
INTRODUCCION
1.1.
ANTECEDENTES.El anlisis de los cambios en la precipitacin a distintas escalas espaciales y
temporales es un tema de suma importancia para el Per y para el nivel global. La
precipitacin es un componente fundamental del sistema climtico; en los actuales
momentos existe un amplio consenso sobre la necesidad de profundizar el
conocimiento sobre su variabilidad espacial y temporal dentro del contexto del cambio
climtico global (Solomon et al. 2007, p. 996).
En el nivel nacional, la caracterizacin de la precipitacin representa un papel
fundamental en el comportamiento de los sistemas agroecolgicos del pas, en la
dinmica de ciertas enfermedades endmicas como la malaria y el dengue, y en la
distribucin espacial y la frecuencia de eventos hidrometeorolgicos extremos,
causantes de erosiones, deslizamientos e inundaciones.
Una de las limitaciones de muchos pases, incluido el Per, para profundizar en estos
anlisis es la disponibilidad de datos climticos de buena calidad, en particular datos
de precipitacin en forma de series de tiempo de larga duracin (al menos de 20 aos)
y con una distribucin espacial que permita analizar simultneamente el problema de
la variabilidad temporal y espacial para todo el pas.
En el Per la responsabilidad principal del monitoreo y operacin de la red de
estaciones meteorolgicas e hidromtricas recae en el SERVICIO NACIONAL DE
METEOROLOGA E HIDROLOGIA (SENAMHI).
En este trabajo se pretende estimar simultneamente la tendencia y la estacionalidad
para un conjunto de estaciones de precipitacin de la red de meteorolgica nacional
para las cuencas de Acari, Ocoa, Caman, Quilca-Vitor-Chili. La mayora de las
estaciones consideradas tienen datos de precipitacin mensual desde 1,963 hasta
2,008; en cuanto a la distribucin espacial, muchas se encuentran en la parte media
de la cuenca.
1.2.
OBJETIVO.1.2.1. Objetivo General.El objetivo general es evaluar el comportamiento y la evolucin temporal a nivel
mensual de variables climticas como es la precipitacin en las cuencas de Acari,
Ocoa, Caman, Quilca-Vitor-Chili.
1.2.2. Objetivo Especfico. Establecer una base de datos de precipitacin mensual para las estaciones
seleccionadas de las cuencas Acari, Ocoa, Caman, Quilca-Vitor-Chili.
Determinar las tendencias y la estacionalidad de las series temporales de
precipitacin para 38 estaciones de las cuencas Acari, Ocoa, Caman,
Quilca-Vitor-Chili.
2. MATERIALES Y METODOS
2.1.
MATERIALES.- Mapa hidroclimtico del Per
- Mapa de cuencas hidrogrficas del Per
2.2.
un
de
de
de
evidentemente errneos. Cada mtodo estima una media extendida para cada
estacin sobre el perodo de trabajo, y calcula los ndices anuales de cada
estacin, obtenidos al dividir el valor observado en una estacin para un ao
por sta media extendida.
El mtodo de Y. Brunet Moret considera que el ndice regional de un ao es el
promedio de los ndices de todas las estaciones. Sin embargo, toma la
precaucin de filtrar los ndices de las estaciones que se alejan demasiado
del promedio, puesto que el promedio es influenciado por los valores
extremos. De la misma manera, la media extendida de una estacin se calcula
a partir de la media de los valores observados o estimados, siempre despus
de filtrar los valores que se alejan demasiado de los valores de las estaciones
vecinas para un mismo ao. La filtracin de los valores que se alejan
demasiado del promedio se hace en forma iterativa. Cuando tales valores se
detectan durante una iteracin, son remplazados por su estimacin por medio
del Vector que acaba de calcularse, y el clculo recomienza con estos nuevos
valores, hasta obtener un Vector Regional con ningn valor demasiado alejado.
Por lo tanto se puede notar que a pesar de filtrar los valores demasiado
alejados del promedio, estos valores guardan una cierta influencia sobre el
Vector Regional calculado. En efecto, el Vector calculado durante una iteracin
y utilizado para re-estimar estos valores est contaminado por estos valores,
sobre todo si las estaciones son poco numerosas.
El mtodo de G. Hiez considera que el ndice regional de un ao es el ndice
ms frecuentemente observado sobre las diferentes estaciones. Por lo tanto,
no es necesario filtrar los datos que se alejan demasiado del promedio, puesto
que los datos extremos tienen poco efecto sobre el clculo de la moda. De la
misma manera, la media extendida de una estacin se calcula a partir de los
valores ms frecuentemente en concordancia con sus vecinas, y no con el
promedio de todos los valores observados.
Por su concepcin, el mtodo de G. Hiez parece ms potente para detectar
datos errneos y construir rpidamente un Vector Regional poco contaminado
por estos datos errneos, pero se basa en un clculo de la moda que siempre
es delicado evaluar. Al contrario, el mtodo de Y. Brunet Moret parece
matemticamente ms slido, pero supone que el utilizador haya eliminado
todos los datos errneos para obtener un Vector Regional confiable. La
deteccin, correccin o eliminacin de los datos errneos es de todos modos
una buena poltica cualquiera sea el mtodo utilizado, y es a menudo la meta
principal de un anlisis con el Mtodo del Vector Regional.
En ausencia de un estudio comparativo para determinar cul mtodo es el
mejor, los dos mtodos son propuestos en el mdulo Vector Regional, y el
utilizador deber consultar la bibliografa para utilizar el que le parezca mejor
adaptado a su juego de datos.
APLICACIN DEL M.V.R CON HYDRACCESS
El paquete computacional HYDRACCESS (IRD, P. Vauchel, 2005), presenta el
MVR dentro de sus Funciones Avanzadas, tal como muestra la Figura N1.
Dados los principios tericos del MVR, el inicio del procedimiento debe hacerse
empleando un mapa de climas de la zona u otras herramientas que ayuden a
identificar regiones climticas y que, por tanto, se espera de stas un
comportamiento pluviomtrico homogneo.
Con la ayuda de esta primera herramienta, se selecciona un grupo de
estaciones pluviomtricas pertenecientes a una misma regin climtica. Esta
seleccin, se puede hacer en HYDRACCESS empleando la ventana Modificar
juego de estaciones.
Seleccionado el grupo de estaciones a analizar, se prosigue a obtener los
valores de lluvia anual de dichas estaciones (dado que el MVR es un mtodo
basado el clculo de ndices Anuales de lluvia), para esto, se ingresa a la
pestaa Lluvias y se activa la ventana Procesamientos Multiestacion, de la
columna Mensuales, se marcan las estaciones que se desean comparar y se
obtienen los datos anuales en una hoja de clculo Excel
HA_MultiEstaciones.xls.
Para iniciar el clculo del MVR propiamente, se debe ingresar a Utilitarios,
luego a Funciones avanzadas, tal como lo mostrado. Al activar la ventana
Vector Regional de ndices Anuales, se debe, inicialmente cargar el archivo
Excel (HA_MultiEstaciones) pulsando leer un archivo multiestaciones.
Inmediatamente, se visualiza diversa informacin del conjunto de estaciones
seleccionadas, a continuacin se debe ingresar el ao de inicio y del final del
trabajo, as como la seleccin del mtodo a emplear para la estimacin.
Los parmetros de estimacin y procesamiento, pueden ser cambiados en las
casillas respectivas. Informacin adecuada al respecto se encuentra disponible
en el tutorial de HYDRACCESS dentro de Ayuda (disponible en espaol desde
la versin 2.1.4).
Luego de la eleccin del mtodo y los parmetros, se prosigue al Clculo del
Vector, picando en la casilla correspondiente que se encuentra ya activa.
Antes de que se despliegue la hoja de clculo Excel conteniendo toda la
informacin sobre el Vector calculado, pueden aparecer algunos mensajes,
acerca de aos con datos insuficientes o estaciones con datos insuficientes,
segn los parmetros del procesamiento seleccionados.
Finamente, la hoja de clculo HA_Vector.xls, es creada, y contiene abundante
informacin sobre el vector calculado. Esta hoja de clculo contiene 10
pestaas, cada una con diversos parmetros y es el anlisis del conjunto de
stos, lo que permite elaborar un juicio adecuado de la calidad de las
estaciones.
c) Preparacin y armado de series continuas
datos de precipitacin para el anlisis de
Los
datos
originales presentan vacos o
periodos, que deben ser reconstituidos para
usados para el anlisis de tendencias.
3.2.
.
3.3.
b) Mtodo del Vector Regional
3.4.
Anlisis y seleccin de estaciones.- La primera pestaa mostrada por
defecto al desplegarse la hoja HA_Vector.xls, corresponde a Grfico_ndices,
donde se muestran los ndices anuales del Vector y de las estaciones, segn el
mtodo seleccionado.
3.5.
3.6.
En el grfico N02 se aprecian los ndices anuales del Vector y de las
Estaciones segn el mtodo de Brunet Moret.
3.7.
3.8.
Esta primera salida grfica, da una buena idea del comportamiento de las
estaciones respecto al Vector y en algunos casos pueden, de antemano,
reconocerse estaciones con comportamiento diferente al Vector calculado o de
algunos aos con datos probablemente errneos. En el Grfico de ndices de
nuestro trabajo de investigacin, se puede apreciar la existencia de estaciones con
comportamiento distinto a las dems constituyentes del grupo y que, por lo tanto
estn contaminando este Vector (que se muestra de color rojo continuo).
Adicionalmente, en este Grfico, pueden identificarse dos caractersticas
importantes en el clculo del Vector:
3.9.
3.10. La primera, es la Correlacin de las estaciones respecto al Vector, las
estaciones que muestran un incremento y decremento los mismos aos que el
Vector, tendrn una buena correlacin. La otra caracterstica importante es la
Desviacin Estndar de las Desviaciones (D.E.D), que se muestra en el Grfico
segn qu tan alejados estn los ndices de las estaciones respecto al Vector, o
que tan alejadas se encuentran de los lmites (superior e inferior) establecidos para
el clculo (lneas rojas punteadas). Aunque es preciso ya tener en cuenta estos
dos parmetros, en el anlisis de otras pestaas de la hoja HA_Vector.xls, se
explicarn ms a detalle.
3.11.
3.12.
3.13.
3.14.
3.15.
3.16.
Otra
salida
grfica
importante,
se
encuentra
en
Grfico_Acumuladas, que presenta la doble acumulacin de los ndices de las
estaciones en el eje Y y del Vector en el eje X. En el grfico N03 se pueden
ver algunos cambios de pendiente en los datos de las estaciones, lo cual
refleja la probabilidad de datos errneos en esos aos. En este caso, los datos
resaltados en este grfico pueden coincidir con los cambios de pendiente. Lo
cual da una mayor certeza de errores en estas estaciones.
3.17.
3.18.
La primera pestaa de HA_vector.xls, corresponde a los datos de
lluvia anual de las estaciones ingresados para el clculo del Vector, aqu se
puede ver informacin adicional acerca de los aos de trabajo y los aos de
informacin de cada estacin. (Cuadro N02).
3.19.
3.20.
3.21.
3.23.
(A) Id Estacin
3.38. ACARI
3.53. PALCACHAC
RA
3.68. PUQUIO
3.83. CECCHAPA
MPA
3.98. INCUYO
3.113.PAUSA
3.128.COTAHUASI
3.143.IMATA
3.158.AGUADA
BLANCA
3.173.HUASACAC
HE
3.188.LA JOYA
3.203.SANTA RITA
3.218.CAMANA
3.233.CHARACAT
O
3.248.LA
PAMPILLA
3.263.EL FRAYLE
3.278.AREQUIPA
3.293.HUARATO
3.308.PAMPAHUA
SI
3.323.LUCANAS
3.338.CERRO
CONDORILLO
3.353.PAUCACOR
RAL
3.368.SAN PEDRO
3.24.
(B) No
A
os
3.39.
20
3.54.
10
3.69.
42
3.84.
10
3.99.
16
3.114.
33
3.129.
33
3.144.
34
3.159.
10
3.174.
11
3.189.
21
3.204.
12
3.219.
28
3.234.
16
3.249.
11
3.264.
32
3.279.
33
3.294.
20
3.309.
13
3.324.
43
3.339.
28
3.354.
31
3.369.
3.25. (C)
D.E.
Obs.
3.40. 1.6
3.55. 2.7
3.70. 2.3
3.85. 3.2
3.100.2.1
3.115.2.1
3.130.1.9
3.145.70.
9
3.160.40
3.175.24.
9
3.190.2.2
3.205.0
3.220.0.1
3.235.64.
9
3.250.34.
3
3.265.44.
4
3.280.22.
9
3.26. (D)
Coef.
Variaci
n
3.41. 2.19
8
3.56. 0.60
5
3.71. 0.77
1
3.86. 0.71
9
3.101.1.03
6
3.116.1.26
4
3.131.0.69
9
3.146.0.53
5
3.161.0.67
5
3.176.1.24
6
3.191.1.85
4
3.206.0.54
2
3.221.2.39
5
3.236.0.93
6
3.251.1.17
6
3.266.0.56
9
3.340.2
3.281.1.18
3.296.1.88
5
3.311.0.42
8
3.326.1.13
3
3.341.0.55
1
3.355.3.3
3.370.2.5
3.356.0.88
3.371.0.95
3.295.0.2
3.310.2.5
3.325.5.1
3.32. (J)
Correl
.
/Vecto
r
3.47. 0.213
3.62. 0.
521
3.77. 0.
512
3.92. 0.
347
3.107.0.
539
3.122.0.
532
3.137.0.
466
3.152.0.
306
3.167.0.
395
3.182.0.
877
3.197.0.
228
3.212.0.
898
3.227.0.
11
3.242.0.
061
3.257.0.
917
3.272.0.
534
3.287.0.
241
3.302.0.
251
3.317.0.
635
3.332.0.
098
3.347.0.
362
3.362.0.
319
3.377.0.
3.33. (K)
Lin. a
priori
3.34. (
L)
Lin.
a
3.35. (M)
3.36. (N)
3.37. (O)
post
Proporcion
Calidad(/1
Evaluacin(/
.
alidad
0)
10)
3.48.
3.49.
3.50. 0.9107
3.51. 0
3.52. 0
3.63.
3.64.
3.65. 0.2521
3.66. 3.9
3.67. 2.4
3.78.
3.81. 1.4
3.82. 1.3
3.93.
3.79.
3.80. 0.364
3.94. 0
.3 3.95. 0.1964
3.96. 5.6
3.97. 5.5
3.108.
3.109.
3.110.0.3325
3.111.1.9
3.112.1.9
3.123.
3.124.
3.125.0.4289
3.126.0.6
3.127.0.6
3.138.
3.139.
3.140.0.27
3.153.0.6 3.154.0
1
.64 3.155.0.3555
3.168.1.4 3.169.1
2
.1
3.170.0.569
3.184.0
3.183.0.3
.37
3.185.0.592
3.141.3.4
3.142.3.3
3.156.1.5
3.157.1.5
3.171.0.1
3.172.0.1
3.186.0.1
3.187.0.1
3.198.
3.199.
3.200.0.4794
3.201.0.3
3.202.0.3
3.213.
3.214.
3.215.
3.216.
3.217.
3.228.
3.229.
3.244.0
.75
3.259.0
.43
3.274.0
.73
3.289.1
.19
3.230.
3.231.
3.232.
3.243.1
3.258.0.7
8
3.273.0.3
5
3.288.1.5
2
3.245.0.7355
3.246.0
3.247.0
3.260.0.6663
3.261.0
3.262.0
3.275.0.3974
3.276.0.9
3.277.0.9
3.290.0.6581
3.291.0
3.292.0
3.303.
3.304.
3.305.
3.306.
3.307.
3.318.0.5 3.319.0
9
.06 3.320.0.1934
3.321.5.7
3.322.5.7
3.333.0.6 3.334.0
2
.28 3.335.0.5254
3.336.0.2
3.337.0.2
3.348.
3.363.
3.378.
3.349.
3.350.0.326
3.364.1
.32 3.365.0.4115
3.379.
3.380.0.5316
3.351.2
3.352.2
3.366.0.8
3.381.0.1
3.367.0.8
3.382.0.1
DE CECCHA
32
3.384.
3.383.CCECCAA
16
3.399.
3.398.TARCO
6
3.414.
3.413.URAYHUMA
15
3.429.
3.428.LAMPA
42
3.443.CHINCHAYL 3.444.
LAPA
43
3.459.
3.458.SAIROSA
6
3.474.
3.473.SUMBAY
10
3.489.
3.488.URASQUI
15
3.504.
3.503.CHIGUATA
11
3.519.
3.518.PILLONES
43
3.533.LAS
3.534.
SALINAS
43
3.385.4.2
6
3.386.0.77
3 3.387.5.4 3.388.8.7
3.400.2.5
3.415.4.4
3.430.1.4
3.445.3.7
3.460.4.3
3.475.41.
3
3.490.0
3.505.40.
4
3.520.47.
5
3.535.1.5
3.416.0.71
3.431.0.82
3
3.446.0.72
4
3.461.0.85
5
3.476.0.46
3
3.417.6.2 3.418.9.9
3.432.1.7 3.433.2.7
3.447.5.1 3.448.7.4
3.462.5.1
3.477.89.
2
3.463.9
3.478.16
1.1
3.491.0.98
3.492.0
3.493.0
3.506.0.72 3.507.55. 3.508.11
2
9
2.2
3.521.1.73 3.522.27. 3.523.14
2
4
4.7
3.536.0.60
4 3.537.2.4 3.538.2.8
0.311
3.389.0.23
3.404.0.221
3.419.0.162
3.434.0.271
3.449.0.227
3.464.0.083
3.479.0.004
3.494.3.27
3
3.509.0.112
3.524.0.734
3.539.0.087
638
3.390.0.
455
3.405.0.
412
3.420.0.
406
3.435.0.
888
3.450.0.
859
3.465.0.
177
3.480.0.
108
3.495.4.
587
3.510.0.
186
3.525.1.
168
3.540.0.
76
3.391.0.018
3.406.0.14
3.421.0.218
3.436.0.004
3.451.0.002
3.466.0.592
3.481.0.235
3.496.0.622
3.511.0.93
3.526.0
3.541.0.016
305
3.392.0.
541
3.407.0.
531
3.422.0.
54
3.437.0.
25
3.452.0.
251
3.467.0.
941
3.482.0.
897
3.497.0.
917
3.512.0.
907
3.527.0.13
3.542.0.
429
3.393.0.3
3.394.0
.24 3.395.0.2112
3.396.5.1
3.397.5.1
3.408.
3.409.
3.410.0.2633
3.423.0.2 3.424.0
4
.34 3.425.0.3056
3.411.3.5
3.412.3.5
3.426.2.5
3.427.2.5
3.438.
3.439.
3.440.0.397
3.453.0.5 3.454.0
9
.61 3.455.0.3208
3.441.0.9
3.442.0.9
3.456.2.1
3.457.2.1
3.468.
3.469.
3.470.0.1763
3.483.0.5 3.484.0
4
.32 3.485.0.1702
3.471.6.3
3.472.6.3
3.486.6.5
3.487.6.5
3.498.
3.499.
3.500.
3.501.
3.502.
3.513.0.6 3.514.0
9
.52 3.515.0.2768
3.516.3.2
3.517.3.2
3.528.0.6 3.529.0
8
.65 3.530.0.4539
3.531.0.5
3.532.0.5
3.543.
3.544.
3.545.0.3764
3.546.1.2
3.547.1.2
3.548.
3.549.
El cuadro N03 muestra los valores encontrados para el ejemplo en
curso, cada una de las columnas contiene importante informacin. Inicialmente
se muestran las estaciones, por su Id_Estacin que puede ser el cdigo o el
nombre segn se haya hecho la eleccin; la columna B corresponde a los aos
de datos con que cuenta cada estacin. La siguiente columna presenta las
Desviaciones estndar observadas y la columna D, los Coeficientes de
Variacin; estos dos ltimos parmetros, son importantes para reconocer la
variabilidad multianual de las estaciones, y son adems, buenos indicadores
de una misma zona, regida por un clima homogneo. Las columnas E y F
corresponden a las Medias observadas y calculadas para cada estacin, la
columna G es la Media de los Desvos y la H, la Desviacin Estndar de los
Desvos (D.E.D); este parmetro tiene una gran importancia respecto a la
calidad de la estacin, puesto que, estaciones sometidas a un mismo rgimen
multianual, deben tener una D.E.D semejante y nunca muy elevado, as
mismo, el valor de este parmetro ser diferente en determinadas regiones,
bastante bajo donde la variabilidad es poco significativa (zona costera) y mas
elevado donde es alta la variabilidad de las lluvias (regin andina), de modo tal
que esta variacin debe tenerse en cuenta dependiendo de la regin donde se
realiza el anlisis.
3.550.
3.551.
La columna I, corresponde a un test de Homogeneidad planteado
por Brunet Moret, y da una idea acerca de encontrar rupturas dentro de la serie
cronolgica de cada estacin. La columna J es tambin de gran importancia
para la crtica de los datos, representa la Correlacin de cada estacin
respecto al Vector. Aqu puede verse que correlaciones muy bajas o negativas,
corresponden a estaciones que no se encuentran dentro de la zona
homognea o presentan mayor probabilidad de errores, as mismo, se espera
que las estaciones de una misma zona climtica tengan valores cercanos de
Correlacin/Vector. No obstante, debe hacerse un chequeo de las estaciones
con Correlaciones bajas, pues esto puede deberse a un problema de muestreo
si tiene una duracin muy corta.
3.552.
3.553.
Las columnas de K a O son producidas por el mtodo de Hiez,
siendo las dos ltimas de Calidad y Evaluacin, con estos parmetros se
pretende dar un calificativo a cada estacin, pero es un parmetro poco
confiable, pues en la prctica se observa que estaciones con baja correlacin y
elevado D.E.D pueden tener valores altos de Calidad y Evaluacin, y
viceversa, estaciones con alta Correlacin y bajo D.E.D, pueden presentar
Calidad y Evaluacin bajos.
3.554.
3.555.
La pestaa denominada Vector, muestra informacin del clculo del
Vector, los ndices para cada ao y un dato de gran importancia: el nmero de
estaciones que ha sido empleado para el clculo de cada ndice, aqu se podr
saber, cules son los aos donde el Vector presenta una mayor solidez de
clculo.
3.556.
3.557.
3.558.
3.559.
3.560.
3.561.
3.562.
Tres pestaas ms se presentan en la hoja HA_Vector.xls, las tablas
de las Desviaciones y Coeficientes, que pueden ser tiles para confirmar
periodos problemticos identificados previamente, no obstante, esta
identificacin siempre resulta complicada, siendo lo ideal en estos casos, tener
el acceso a los originales de los observadores, para controlar posibles errores
de tecleo o digitacin, periodos sin datos que se hallan ledo como ceros,
sumas errneas, etc., las cuales por lo expuesto anteriormente no se
consideran en el presente trabajo de investigacin.
3.563.
3.564.
Como puede concluirse de los prrafos anteriores, la crtica de cada
estacin se hace en funcin al anlisis de diversos parmetros y grficos, slo
de esta manera se puede decidir excluir una determinada estacin o datos de
una estacin del anlisis, y lo que resulta ms importante, que este primer
Vector calculado para la zona en estudio se encuentra contaminado por las
estaciones de baja calidad, por lo tanto, ser necesario realizar otro clculo del
Vector extrayendo las estaciones seleccionadas, del mismo modo, la exclusin
de estaciones debe hacerse con mucha precaucin, pues su aparente mala
calidad puede deberse a que se las est comparando con un Vector
contaminado.
3.565.
3.566.
Otro concepto importante, consiste en saber qu ocurre con las
estaciones excluidas del anlisis. Tres hiptesis dan respuesta a esta
pregunta, la primera: la estacin se encuentra en los lmites de la regin
analizada, y por lo tanto su comportamiento estar ms influenciado por otra
zona climtica. La segunda hiptesis: la estacin se encuentra en una microregin dentro de la zona analizada y por lo tanto su comportamiento es
diferente a las estaciones restantes. Finalmente, la tercera hiptesis: la
estacin contiene en su serie de tiempo una mayor probabilidad de datos
errneos. Como se puede ver, este mtodo no muestra la certeza de que una
estacin contiene datos errneos, nicamente hace referencia a una mayor
probabilidad de presentarse estos errores en los datos.
3.567.
3.568.
Continuando con el proceso iterativo para el ejemplo planteado, se
seleccionan las estaciones con mayor probabilidad de errores, stas son
separadas en la prxima eleccin y se vuelve a abrir la hoja
HA_MultiEstaciones.xls y nuevamente se calcula el Vector para iniciar el
anlisis descrito anteriormente. Este proceso se repite hasta encontrar un buen
ajuste en los parmetros analizados (Correlacin/Vector, D.E.D, Coeficientes
de Variacin, grficos, etc), luego de esto, y segn el nivel de tolerancia que se
tenga, puede decirse que se tiene un conjunto de datos con una menor
probabilidad de errores en su serie temporal, as mismo, se debe iniciar el
estudio en otra regin adyacente, incluyendo estaciones desaprobadas en esta
primera zona, as, al trmino del estudio, podr decirse adems, que cada
Vector representa la variabilidad de las lluvias en cada una de las zonas
analizadas.
3.569.
c) Preparacin y armado de series continuas anuales de
precipitacin para el anlisis de tendencias.
los datos de
3.570. Tal como se indic anteriormente luego de realizados los pasos precedentes, se
procede al armado de series continuas mensuales y anuales de los datos de
precipitacin para el anlisis de tendencias.
3.571. Cuadro N05.- Series continuas anuales de los datos de precipitacin para el anlisis de tendencias.-
3.572.
d) Anlisis de tendencias.3.573. En base a los pasos previos se procedi a ingresar los datos para el anlisis de
tendencias respectivas, tal como se expone en los siguientes resultados:
3.574.
3.575. Cuadro N06.- Anlisis de Tendencias con el programa TREND.
3.576.
3.578. Tes
t
3.581. Res
3.577.
statistic 3.579. Critical values
3.580.
ult
3.582.
3.583.
3.584. (Statistical table) 3.585.
3.586.
3.589. a= 3.590. a=0. 3.591. a=0
3.587.
3.588.
0.1
05
.01
3.592.
3.593. Man
n3.594. 1.3 3.595. 1.
3.597. 2.5
Kendall
16
645 3.596. 1.96
76 3.598. NS
3.599. Cus
3.601. 8. 3.602. 9.22 3.603. 11. 3.604. S
um
3.600. 9
274
4
055
(0.1)
3.605.
3.606. 3.2. ANLISIS DE ESTACIONARIEDAD.3.607. En base a los anlisis de tendencias y los mtodos utilizados se aprecia que segn
Mann Kendall es no significativo y segn Cusum si lo es.
3.608.