1.

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.

Mapa de ubicacin de 38 estaciones en las Cuencas de Acari, Ocoa, Caman,

Quilca-Vitor-Chili.
Datos de precipitacin de 38 estaciones en las Cuencas de Acari, Ocoa,
Caman, Quilca-Vitor-Chili.
METODOS.-

2.2.1. RECOPILACIN DE INFORMACIN.La primera tarea en un estudio meteorolgico implica la recopilacin de la

informacin registrada u observada en estaciones meteorolgicas dentro de la
cuenca de estudio o en zonas cercanas o con influencia sobre esta; de manera
que la red de observacin posibilite realizar la evaluacin y estimacin de la
distribucin espacial y temporal de variables climticas.
2.2.1.1.
PLUVIOMETRA
En las cuencas estudiadas existen 38 estaciones meteorolgicas con informacin
de precipitacin mensual desde 1,963 a 2,008.
A continuacin se exponen las estaciones estudiadas:
Cuadro N01.- Estaciones Meteorolgicas en la zona en estudio

Como se aprecia en el cuadro precedente se tiene 12 estaciones de la cuenca del

ro Acar, 01 estacin de la cuenca de Caman, 10 estaciones de la cuenca del ro
Ocoa, 15 estaciones de la cuenca del Quilca Vitor Chili.
2.2.2. PROCESAMIENTO Y TRATAMIENTO DE LA INFORMACIN
2.2.2.1.
BASE DE DATOS EMPLEADA
El software utilizado para crear la base de datos de precipitacin es el Hydraccess.
Es un paquete completo y homogneo que permite importar y guardar varios
tipos de datos hidrometeorolgicos en una base de datos en formato Access 2000
(de office de Microsoft) y realizar los procesamientos bsicos que un hidrlogo o
meteorlogo pueda requerir.
Hydraccess puede manejar los siguientes datos a nivel instantneo, horario, diario
y mensual y algunos procesamientos de la informacin:
Series cronolgicas: cotas, caudales, datos de calidad de aguas,
lluvias y datos meteorolgicos.
Aforos.
Calibraciones de curvas de gasto
Informacin histrica de las estaciones y descripcin de esta.
Cotas de los ceros de escalas en nivelacin general (en metros sobre el
nivel del mar).
Los datos cronolgicos tales como cotas, caudales, calidad de aguas,
lluvias o datos meteorolgicos son organizados por campos, y son vinculados al
cdigo de la estacin (punto de medicin) y a un captor (cdigo de la serie
observada), misma que posee propiedades que definen su tipo, unidad, nmero de
dgitos significativos y de decimales, etc. Existen tres tipos de captores:
Captores instantneos I: los datos son ingresados con fecha y hora libres
sin imponer un intervalo de tiempo fijo.
Captores diarios
D: se ingresa un solo valor por da.
Captores mensuales M: se ingresa un solo valor por mes.
Entre los procesamientos que son posible son: generacin de grficas simples o
comparativos a partir de los datos importados; visualizacin grfica; agregar
datos con varios intervalos de tiempo fijo, desde el minuto hasta el ao,
pasando por el da, 5 das, 10 das, 15 das y el mes; elaborar tablas de
anuario a nivel diario o mensual y realizar un inventario de los datos
presentes en la base.
2.2.2.2. ANLISIS DE TENDENCIAS
a) Anlisis grfico visual.Evaluacin inicial de la calidad de los datos originales, por simple
anlisis grfico de datos.
En coordenadas cartesianas se plotea la informacin hidrolgica histrica,
ubicndose en las ordenadas los valores de la serie y en las abscisas el tiempo
(aos, meses. Das, etc).

Este grfico sirve para analizar la consistencia de la informacin hidrolgica, en

forma visual, e indicar el perodo o informacin hidrolgica en forma visual, e
indicar el perodo o perodos en los cuales la informacin es dudosa, lo cual se
puede reflejar como picos muy altos o valores muy bajos, saltos y/o
tendencias, los mismos que debern comprobarse, si son fenmenos naturales
que efectivamente han ocurrido, o si son producto de errores sistemticos.
Para conocer la causa del fenmeno detectado, se puede analizar de diversas
formas:
1. Cuando se tienen estaciones vecinas, se comparan los grficos de las
series histricas, y se observa cul perodo vara notoriamente uno con
respecto al otro.
2. Cuando se tiene una sola estacin, esta se divide en varios periodos y se
compara con la informacin de campo obtenida.
3. Cuando se tienen datos de precipitacin y escorrenta se comparan los
diagramas, los cuales deben ser similares en su comportamiento.
b) Mtodo del Vector Regional y anlisis de consistencia de la precipitacin y
temperaturas a nivel mensual.El MVR es un mtodo de clculo orientado a tres tareas definidas: La crtica de
datos, la homogenizacin y la extensin-completacin de datos de
precipitacin.
La hiptesis fundamental en la que se basa, consiste en asumir que para una
misma zona climtica sometida a un mismo rgimen de precipitaciones, los
totales pluviomtricos anuales son seudo-proporcionales, con una pequea
variacin aleatoria cada ao debido a la reparticin de las lluvias dentro de la
zona.
La idea bsica del MVR, es la siguiente: en lugar de comparar dos por dos
estaciones por correlacin o doble masa, como se hace en los mtodos
clsicos, se elabora una estacin ficticia que sea una especie de promedio de
todas las estaciones de la zona, con la cual se comparan cada una de las
estaciones.
El MVR emplea entonces, para el clculo de esta estacin Vector el concepto
de Precipitacin Media Extendida al periodo de trabajo, salvando los
problemas del peso de estaciones ms lluviosas sobre las menos lluviosas
(como ocurrira con un promedio simple) y la existencia de datos faltantes o
diferentes periodos de funcionamiento (que calcularan promedios alterados en
caso de tener solamente aos hmedos o solamente aos secos de
determinada estacin) como ocurrira al obtener valores estandarizados o
centrados reducidos de lluvia.
Bajo estos conceptos, se emplea el mtodo de Mnimos Cuadrados para
encontrar los ndices Pluviomtricos Regionales Anuales Zi y la Precipitacin
Media Extendida Pj. Esto se logra al minimizar la sumatoria de la expresin
(1).

Donde i es el ndice de ao, j el ndice de estacin, N el nmero de aos y M el

nmero de estaciones. Pij es la precipitacin anual en la estacin j el ao i, Pj
es la precipitacin media extendida al perodo de N aos y finalmente Zi es el
ndice pluviomtrico regional del ao i.
La resolucin del problema es dificultosa, debido al hecho que ciertos Pij no
fueron observados y faltan. Sin embargo, es posible mediante el uso de un
computador, por descomposicin en un sistema de (M-1) ecuaciones lineales a
(M-1) desconocidas. La serie de los ndices cronolgicos Zi se llama "Vector
Regional de ndices Pluviomtricos Anuales".
El MVR para la crtica de las precipitaciones anuales.- Dependiendo de la
precisin que se requiera, el MVR puede ser utilizado para completar datos
faltantes, pero es, ante todo, un mtodo de crtica de datos (G. Hiez, 1977. Y.
Brunet Moret, 1979).
El paquete computacional HYDRACCESS, ejecuta el MVR y proporciona
informacin diversa en hojas de clculo Microsoft Excel. La determinacin de la
calidad de una estacin, es funcin de diferentes parmetros calculados; los
parmetros ms importantes, que dan una buena idea del comportamiento de
una estacin son: (a) La Desviacin Standard de los Desvos (D.E.D), compara
la desviacin de una estacin respecto al vector, un valor fuerte indica
desviaciones fuertes. (b) Correlacin entre la estacin y el vector, si la zona es
homognea climticamente, los valores sern cercanos entre s, si un valor es
sensiblemente ms bajo que el promedio de la zona, entonces la estacin tiene
fuerte probabilidad de tener errores o que se encuentre en el margen de la
zona.
Con estos conceptos, es posible realizar la crtica de datos siguiendo
proceso iterativo de clculo del vector, inspeccin de resultados separacin
estaciones desaprobadas, reclculo del vector, etc. Al trmino del proceso
crtica, y segn el nivel de precisin que se requiera, se obtienen regiones
estaciones con semejante comportamiento multianual.

un
de
de
de

Cada una de estas regiones obtenidas, presentan un Vector Regional que

muestra la variabilidad pluviomtrica multianual en la zona que lo define y es
adems semejante al comportamiento de todas las estaciones constituyentes
de esa regin. Este Vector es, en consecuencia, un buen indicador de la
variabilidad hidroclimtica de la regin.
Mtodos utilizados.- Dos mtodos concurrentes fueron elaborados en el
ORSTOM - IRD por G. Hiez y Y. Brunet Moret. El mtodo de G. Hiez se basa
en el clculo de la moda (valor ms frecuente), mientras que el de Y. Brunet
Moret se basa en el promedio, eliminando los valores demasiado alejados del
promedio para evitar contaminar demasiado las estimaciones con datos

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.

mensuales y anuales de los

tendencias.
lagunas en algunos meses o
poder aplicar test estadsticos

d) Anlisis de tendencias de precipitaciones anuales, aplicando test

estadsticos paramtricos y no paramtricos, incluidos en el programa
TREND.
2.2.2.3. ANALISIS DE ESTACIONARIEDAD
El Anlisis de estacionalidad se realiz en base a las precipitaciones anuales
determinando si las series temporales son estacionarias o no estacionarias de
acuerdo a los siguientes criterios:
Una serie es estacionaria si la media y la variabilidad se mantienen
constantes a lo largo del tiempo.
Una serie es no estacionaria si la media y/o la variabilidad cambian a lo largo
del tiempo.
Series no estacionarias pueden mostrar cambios de varianza.
Series no estacionarias pueden mostrar una tendencia, es decir que la media
crece o baja a lo largo del tiempo.
Adems, pueden presentar efectos estacionales, es decir que el
comportamiento de la serie es parecido en ciertos tiempos peridicos en el
tiempo.
3. RESULTADOS
3.1.
ANALISIS DE TENDENCIAS
a) Anlisis grfico visual:
En el siguiente grfico se aprecia los resultados obtenidos para las diversas
estaciones procesadas:

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.

Cuadro N02.- Datos de las Estaciones.

3.21.

las estaciones, sea la que se encuentra en la pestaa Estaciones, al final del

anlisis de la informacin aqu presentada, ya se puede tener una buena idea
acerca de las estaciones a prescindir para continuar con la crtica de datos.
(cuadro N03)
3.22.

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

Cuadro N03.- Resultados de las Estaciones en estudio

3.28. (F) 3.29. (G) 3.30. (H 3.31. (I)

3.27. (E)
Media
Media
) D.E.
Homoge
Media
Calcul
Desvo
Desv
neidad
Obs.
ada
s
os
B.M.
3.44. - 3.45. 0.
3.42. 0.7 3.43. 6.3
0.682
811 3.46. 0.659
3.59. - 3.60. 0.
3.57. 4.4 3.58. 6.2
0.149
387 3.61. 0.023
3.74. - 3.75. 0.
3.72. 3 3.73. 3.4
0.144
851 3.76. 0.072
3.89. - 3.90. 0.
3.87. 4.5 3.88. 7.3
0.241
474 3.91. 0.016
3.104.- 3.105.0.
3.102.2 3.103.4.1
0.296
514 3.106.0.003
3.119.- 3.120.0.
3.117.1.7
3.118.4
0.369
595 3.121.0.117
3.134.- 3.135.0.
3.132.2.7 3.133.3.3
0.116
784 3.136.0.107
3.147.13 3.148.17
3.149.- 3.150.0.
2.4
9.8
0.089
658 3.151.0.584
3.162.59. 3.163.87.
3.164.- 3.165.0.
2
2
0.175
485 3.166.0.703
3.178.53.
3.179.- 3.180.0.
3.177.20
6
0.238
339 3.181.0.66
3.194.- 3.195.0.
3.192.1.2 3.193.4.9
0.636
825 3.196.0.239
3.209.16.0 3.210.17
3.207.0
3.208.0
16
.983 3.211.0.525
3.224.- 3.225.0.
3.222.0.1 3.223.0.4
0.645
812 3.226.0.144
3.237.69. 3.238.11
3.239.- 3.240.1.
4
5
0.451
095 3.241.0.568
3.252.29.
3.254.- 3.255.0.
2 3.253.76
0.227
308
3.256.1
3.268.12
3.269.- 3.270.0.
3.267.78
2.8
0.11
343 3.271.0.037
3.282.19. 3.283.31.
3.284.- 3.285.1.
4
7
0.529
227 3.286.0.095
3.299.- 3.300.0.
3.297.0.1 3.298.0.3
0.606
814 3.301.0.377
3.314.0.03 3.315.0.
3.312.5.9 3.313.5.2
8
714 3.316.0.448
3.329.- 3.330.1.
3.327.4.5 3.328.9.6
0.489
043 3.331.0.001
3.344.- 3.345.0.
3.342.3.6 3.343.3.8
0.103
876 3.346.0.002
3.359.- 3.360.0.
3.357.3.8
3.358.5
0.317
993 3.361.0.01
3.372.2.6
3.373.5
3.374.- 3.375.0. 3.376.0.013

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

3.401.0.7 3.402.3.6 3.403.5.9

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.

Cuadro N04.- Vector Regionalizado en la zona en estudio

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.

4. CONCLUSIONES Y PERSPECTIVAS.3.609. Se aprecia las siguientes conclusiones y perspectivas:

1. Se despreci 08 estaciones por tener datos no consistentes.
2. Los resultados nos demuestran que no existe estacionalidad ni variabilidad climtica
para las estaciones involucradas en el presente trabajo de investigacin.
3. Como perspectiva tenemos que existe siempre un periodo de retorno en el
comportamiento climtico en lo referente a precipitacin.
3.610.
3.611.
3.612.
3.613.