CUADERNOS del CURIHAM, Vol. 6, 2do.

Semestre 2000

CURVAS DE ABATIMIENTO AREAL DE TORMENTAS.

REGION PAMPA ONDULADA (SANTA FE, ARGENTINA)
Dr. Erik Zimmermann, Dr. Gerardo Riccardi, Ing. Horacio Pieroni, Ing. Martn Arraigada
Centro Universitario Rosario de Investigaciones Hidroambientales. Facultad de Ciencias Exactas, Ingeniera
y Agrimensura. Universidad Nacional de Rosario. Riobamba 245 bis (2000) Rosario. Pcia Santa Fe.
Argentina
Email: erikz@fceia.unr.edu.ar
palabras claves: tormentas (storm), curvas de abatimiento areal (area-depth curve), llanuras (flatlands)
RESUMEN
En este trabajo se presentan las curvas de abatimiento areal de la precipitacin construidas a partir de
informacin pluviogrfica recolectada en la regin pampeana (Santa Fe, Argentina), abarcando un rea de
influencia de 5400 km2. Las curvas fueron deducidas combinando 63 eventos de gran magnitud registrados
en un conjunto de siete estaciones pluviogrficas y fueron clasificadas por duraciones (0,5 hs, 1 h, 3 hs, 6 hs,
12 hs y 24 hs). El algoritmo utilizado para la elaboracin de los mapas de isoyetas, de caractersticas inditas
(Zimmermann y Silber 2001) respeta la estructura de correlacin espacial observada en la regin,
presentando errores de interpolacin inferiores al 10% en todos los casos analizados. Se ajustaron
expresiones analticas a las curvas de abatimiento areal mediante correlacin mltiple no lineal, generando
una herramienta que permite la distribucin areal de focos de tormentas locales para eventos severos. Las
curvas fueron comparadas con las publicadas por la World Meteorological Organisation y presentaron una
marcada semejanza.
ABSTRACT
In this work, curves areal-depth of precipitation, which they were constructed with rainfall information of the
flatland region (Santa Fe, Argentina), are presented. The area of influence was 5400 km2. The curves were
deduced combining 63 events of great magnitude registered over seven gauge stations and they were
classified by durations (0,5 hs, 1 h, 3 hs, 6 hs, 12 hs and 24 hs). The algorithm used for the rainfal countour
maps elaboration, of characteristic unpublished (Zimmermann and Silber 2001), it respects the spatial
correlation structure observed in the region, and it presents interpolation errors less than 10% in all the
analyzed cases. Analytic expressions were adjusted to the areal-depth curves by means of multiple no linear
correlations, generating in this way a useful tool that allows the storm areal distribution for severe events.
The curves were compared with those published by the World Meteorological Organisation and they
presented a pronounced likeness.

rea de trabajo se emplean frecuentemente las curvas

de abatimiento areal de la precipitacin.
Estas curvas representan la lmina de precipitacin
promedio sobre un rea como un porcentaje de los
valores de precipitacin puntual correspondientes al
foco de la tormenta.
En el trazado convencional, las relaciones lmina
rea para diferentes duraciones, se deducen de un
anlisis de precipitacin-rea-duracin, en el cual se
preparan mapas de isoyetas para cada duracin
utilizando tabulacin de lluvias mximas de n horas
registradas en un rea densamente instrumentada.
La precipitacin media para cada rea de integracin
puede ser expresada matemticamente de la

INTRODUCCIN
En la generalidad de los casos, la tormenta de diseo
se estima a partir de informacin pluviogrfica
registrada en una nica estacin de medicin. La
variabilidad espacial de los patrones de tormentas es
generalmente grande, por ende, esta informacin
puntual tiene una validez limitada, desde un punto
de vista geogrfico. El alcance de la metodologa
mencionada, entonces, se limita a cuencas de
pequeo tamao.
Cuando el rea de aplicacin es considerable, para
lograr que esa serie puntual sea representativa en el

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

1976), bajo las siguientes hiptesis: (a) el proceso es

estacionario y (b) la funcin de correlacin del
proceso es separable en trminos de su estructura
espacial y temporal.
Mientras que la estructura de correlacin temporal
puede ser aproximada por un esquema del tipo
markoviano (Valds, 1981), la estructura de la
correlacin espacial es representada mediante una
funcin exponencial del tipo:

siguiente manera:
Pm =

1
f ( x )dx
A A

(1)

donde f(x) es la funcin que describe la acumulacin

de precipitacin en el punto de vector de
coordenadas x. La integracin precedente se realiza
en el rea contenida dentro de cada una de las
isoyetas, estimando as el valor de precipitacin
media areal del evento lluvioso.
Finalmente se grafica la relacin entre la altura
mxima de precipitacin (asociada al foco) y la
precipitacin promedio, versus el rea, para cada
duracin analizada.
Para la construccin de las curvas de abatimiento,
preservando el sesgo estadstico que las caracterizan,
es necesario disponer de un conjunto de estaciones
pluviogrficas, dispuestas de manera tal que sean
espacialmente representativas de la regin de
estudio, y que adems, cuenten con una serie
temporalmente extensa de informacin. Esto
permitira realizar la seleccin de los eventos crticos
en el conjunto de las estaciones pluviogrficas y
analizar su decaimiento areal, siempre que la
cantidad de estaciones permita una cobertura areal
suficiente.
Esto es demasiado exigente para las redes de
medicin instaladas en nuestra regin por lo que, en
principio, slo puede analizarse el abatimiento areal
para un conjunto de tormentas para las cuales existe
un registro simultneo en algunas estaciones
pluviogrficas.
Si bien las curvas publicadas en la bibliografa
(Zawadzki, 1973; WMO, 1983; Chow et al, 1994)
conservan este sentido estadstico, dado que los
registros sobre las que se basan representan eventos
histricos extremos, la metodologa ser aplicada en
el anlisis del fenmeno para cualquier tormenta en
general, siempre y cuando la estacin de referencia
constituya el foco de la tormenta.

( d ) = exp( k .d )

(2)

donde es el coeficiente de correlacin, d es la

distancia entre dos puntos y k un coeficiente de
decaimiento.
Entre dos puntos cualesquiera pertenecientes a una
cuenca o, en general, a cualquier regin, la
correlacin ser una funcin de la distancia entre
dichos puntos. Por lo tanto, si se tiene un punto
cualquiera situado en un origen de coordenadas 0, en
el cual se mide una precipitacin P(0), la recta de
regresin que vincula la precipitacin en 0 y en un
punto arbitrario ubicada a una distancia d del origen
esta dada por (Zimmermann y Silber, 2001):

( 0 )
P( d ) = P( 0 ) ( d ) +
[1 ( d )]
P( 0 )

( 0 )
m
. 1 2 ( d ) = P( 0 ).
P( 0 )

(3)

donde (0) y (0) representan la media y el desvo

estndar de los registros de precipitacin, los cuales
son considerados como poblacin homognea en la
regin, y m=1,2,... el factor del ancho de la banda
que se traza a ambos lados de la recta de regresin.
Si se considera que en punto 0 est el "foco", la
dispersin ser circular, siendo la relacin entre la
precipitacin en 0 y en d el coeficiente
, una funcin de la bondad de la correlacin entre 0
y d y de las medias y desvos estndar poblacionales
de las lminas regionales.
Suponiendo una red regular, compuesta por N
estaciones de medicin, bajo un campo
de
precipitaciones, es razonable suponer que todos los
puntos en los cuales se mide son focales, y que la
precipitacin, en cualquier punto no focal de la zona
-es decir, todos los puntos en los que no se mideest influida por la variable medida en todos los
puntos focales. Ms an, que la influencia sta es
aditiva, y que disminuye al aumentar la distancia, en
comn acuerdo con la ecuacin (2).
La representacin de la precipitacin en un punto
genrico x resulta:

ALGORITMO DE INTERPOLACIN
EMPLEADO.
Para la construccin de los mapas de isoyetas se
utiliz una metodologa con base estadstica que
emplea la estructura de la correlacin espacial de los
registros regionales observados (Zimmermann y
Silber, 2001).
El procedimiento caracteriza a la precipitacin como
un campo aleatorio multidimensional funcin de las
coordenadas espaciales x y del tiempo t (Le Cam,
1961; Yaglom, 1962; Bras y Rodrguez Iturbe,

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

Px =

x ,i Pi

El modelo de interpolacin propuesto, representado

por la ecuacin (2), involucra la estructura de la
correlacin espacial obtenida de los registros
histricos de cada estacin de referencia. Es decir
que, contempla la correlacin entre las mediciones
puntuales a lo largo del tiempo y en funcin de la
distancia que media entre las estaciones.
La metodologa para el anlisis de los coeficientes
de decaimiento k (ec. 2) consiste en la construccin
de correlogramas, es decir, grficas de coeficientes
de correlacin medidos sobre las series de tormentas
histricas en funcin de la distancia entre las
estaciones de medicin.
Los correlogramas fueron construidos en la regin
de estudio (Fig. 1) para diferentes duraciones de las
tormentas recopiladas, sobre la base de informacin
pluviomtrica y pluviogrfica (Zimmermann 1999).
Con el primer tipo de informacin se construyeron
los correlogramas para tormentas diarias. Con la
informacin
pluviogrfica
se
construyeron
correlogramas para duraciones de 6, 12 y 24 horas.
La Tabla 1 presenta las estaciones contempladas
(Fig. 2), los coeficientes de correlacin obtenidos y
el nmero de tormentas consideradas (5848
tormentas recopiladas) para las correlaciones
pluviomtricas. Tambin se incluyen valores de
estimados a partir de ecuaciones exponencial y
exponencial cuadrtica ajustadas a los datos, esta
ltima considerada para analizar otra ecuacin
adicional.
Las ecuacin de ajuste para el modelo exponencial
fue:

(4)

i =1

donde el subndice i representa una estacin de

medicin. La ecuacin (4) representa, por otra parte,
el algoritmo general para estimar la precipitacin
areal. Los factores x,i pueden definirse como:

x ,i = x ,i ( )

(5)

En este caso, adems de estar en juego la distancia,

pesan otros factores regionales como la media y el
desvo estndar poblacional puntual que definen el
campo de las precipitaciones, tal como queda
expresado en la ecuacin (3).
De esta manera, en cada punto x de la cuenca puede
definirse un vector de orden N que contiene los
coeficientes de peso, cumplindose adems, que
x,i = 1. Si se considera que las mediciones
conforman un vector P, de orden N, puede ahora
definirse al campo paramtrico sobre todos los
puntos de la cuenca, como el producto escalar:
Px = P *

(6)

De las funciones de peso x,i() propuestas, una

potencia de orden 5 para , present el menor error
de estimacin en las estaciones de medicin, siendo
ste del mismo orden al cometido en la medicin
pluviomtrica (error cuadrtico medio relativo del
9,9%). La expresin propuesta para los coeficientes
de peso fue la siguiente (Zimmermann y Silber,
2001):

x ,i =

( ( x, i ), , )

( d ) = exp( 0,0131.d )

( ( x, j), , )

(8)

Las Tablas 2, 3 y 4 proporcionan la informacin de

las estaciones pluviogrfica consideradas (Fig. 3),
los coeficientes de correlacin obtenidos y los
valores de estimados a partir de ecuaciones
exponencial y exponencial cuadrtica ajustadas a los
datos.
Los coeficientes regionales ajustados para las las
duraciones analizadas se sintetizan en la Tabla 5. El
criterio de ajuste consisti en minimizar la suma de
las diferencias cuadrticas entre coeficientes de
correlacin observados y estimados mediante las
expresiones exponenciales.
Puede observarse que los coeficientes de
decaimiento del modelo exponencial se aproximan
al obtenido para los datos pluviomtricos a medida
que las duraciones consideradas se acercan a las 24
hs, existiendo una coherencia en la informacin
procesada. Los coeficientes de decaimiento
disminuyen con las duraciones mayores, hecho que

(7)

j =1

Los mapas de isoyetas generados mediante esta

funcin propuesta son semejantes a los generados
con un algoritmo de interpolacin determinstico
basado en la mnima curvatura, el cual concuerda
aproximadamente con el realizado a mano alzada.
Adems, desglosando una red bsica de estaciones
para la construccin del campo de precipitacin de
otra red utilizada para validacin, este algoritmo
present el menor error (8 %) frente al resto de los
algoritmos testeados, constituyndose as en el
algoritmo ms robusto.
ESTRUCTURA DE LA CORRELACION
ESPACIAL EN LA REGION DE ESTUDIO

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

similares a los publicados por Eagleson en Australia.

Tambin puede sealarse que los rdenes de
magnitud del coeficiente para otras regiones son
semejantes, notando que los decaimientos para
regiones menos llanas como Venezuela y USA
(Vermont) son mayores.

tambin presenta una coherencia con un menor

decaimiento de las curvas (d). El modelo
exponencial ajusta con menores errores los
coeficientes de correlacin observados que el
modelo exponencial cuadrtico en todos los casos.
Los coeficientes de abatimiento obtenidos son

Tabla 1. Resultados de los correlogramas con datos pluviomtricos .

Estacin 1

Estacin 2

Pavn Arriba
Mxmo. Paz
S.Teresa
Bigand
S.Teresa
S.Teresa
S.Teresa
Alcorta
Alcorta
Alcorta
Pavn Arriba
Maizales
Pavn Arriba
Mxmo. Paz
Alcorta
Sgto.Cabral
Sgto.Cabral
Mxmo. Paz
Bombal
S.Teresa
Mxmo. Paz
Pavn Arriba
Maizales
S.Teresa
Alcorta
Pavn Arriba
S.Teresa
Alcorta
Bigand
Alcorta
Pavn Arriba
S.Teresa
Sgto.Cabral
Maizales
Mxmo. Paz
Mxmo. Paz
Sgto.Cabral
Maizales
Alcorta
Bigand
S.Teresa
Pavn Arriba
Empalme Villa
Sgto.Cabral
Empalme Villa

Maizales
Maizales
Pavn Arriba
Bombal
Sgto.Cabral
Mxmo. Paz
Maizales
Mxmo. Paz
Bigand
Bombal
Sgto.Cabral
Bigand
Mxmo. Paz
Bigand
Maizales
Empalme Villa
Maizales
Sgto.Cabral
Chovet
Alcorta
Bombal
Bigand
Bombal
Bigand
Pavn Arriba
Empalme Villa
Empalme Villa
Chovet
Chovet
Sgto.Cabral
Bombal
Bombal
Bigand
Empalme Villa
Empalme Villa
Chovet
Bombal
Chovet
Empalme Villa
Empalme Villa
Chovet
Chovet
Bombal
Chovet
Chovet

Distancia
Km
12.9
13.5
14.8
15.5
15.5
16.0
17.4
17.4
19.4
20.6
21.9
21.9
22.6
24.5
26.5
29.7
31.0
31.6
31.6
33.6
34.2
34.8
36.1
37.4
38.7
41.9
43.2
45.8
47.1
48.4
49.7
49.7
51.6
55.5
60.0
61.9
64.5
66.5
76.8
76.8
78.7
80.6
91.0
93.5
121.3

Coeficiente
N
Pronstico
Pronstico
de
Tormentas
Modelo
Modelo Expon.
correlacin Consideradas Exponencial
Cuadrtico
0.802
50
0.844
0.958
0.754
50
0.837
0.954
0.797
55
0.824
0.945
0.907
46
0.816
0.940
0.577
32
0.816
0.940
0.694
46
0.811
0.936
0.594
50
0.796
0.925
0.879
59
0.796
0.925
0.803
49
0.776
0.908
0.907
46
0.763
0.896
0.684
31
0.750
0.883
0.819
49
0.750
0.883
0.684
47
0.744
0.877
0.820
47
0.725
0.856
0.744
52
0.707
0.835
0.620
32
0.677
0.796
0.639
27
0.666
0.781
0.522
31
0.661
0.772
0.315
0.661
0.772
912
0.623
50
0.644
0.747
0.799
46
0.639
0.739
0.666
44
0.633
0.731
0.738
49
0.623
0.714
0.543
43
0.612
0.697
0.669
47
0.602
0.679
0.568
59
0.577
0.635
0.414
0.567
0.617
386
0.481
60
0.548
0.582
0.528
47
0.539
0.564
0.531
28
0.530
0.546
0.650
43
0.521
0.529
0.458
0.521
0.528
853
0.418
26
0.508
0.502
0.488
58
0.483
0.451
0.546
54
0.455
0.394
0.502
55
0.444
0.371
0.334
26
0.429
0.341
0.454
50
0.418
0.320
0.409
58
0.365
0.218
0.350
51
0.365
0.218
0.415
0.356
0.202
1093
0.414
52
0.347
0.186
0.376
0.303
0.118
377
0.409
34
0.293
0.104
0.312
0.204
0.022
448

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

Tabla 2. Resultados de los correlogramas para tormentas de 6 horas de duracin.

Estacin 1
Estacin 2
Distancia
Coeficiente de
Pronstico Modelo
Km
correlacin observado
Exponencial
Rosario
Ibarlucea
6.5
0.741
0.837
Rosario
Prez
9.1
0.646
0.780
Prez
Ibarlucea
15.6
0.566
0.653
Rosario
Zavalla
15.6
0.474
0.653
Zavalla
Fuentes
26.0
0.695
0.491
Oliveros
Ibarlucea
29.3
0.840
0.449
Fuentes
Sapucay
34.5
0.045
0.389
Rosario
Oliveros
39.0
0.068
0.344
Rosario
Fuentes
42.3
0.204
0.315
Oliveros
Prez
44.9
0.410
0.293
Zavalla
Sapucay
56.6
0.169
0.213
Fuentes
Oliveros
70.9
0.572
0.144
Rosario
Sapucay
72.2
0.226
0.139

Pronstico Modelo exp.

Cuadrtico
0.964
0.930
0.808
0.808
0.552
0.470
0.351
0.263
0.208
0.170
0.060
0.012
0.010

Tabla 3. Resultados de los correlogramas para tormentas de 12 horas de duracin.

Estacin 1
Estacin 2
Distancia
Coeficiente de
Pronstico Modelo
Km
correlacin observado
Exponencial
Rosario
Ibarlucea
6.5
0.741
0.850
Rosario
Prez
9.1
0.834
0.796
Prez
Ibarlucea
15.6
0.581
0.677
Rosario
Zavalla
15.6
0.404
0.677
Zavalla
Fuentes
26.0
0.856
0.522
Oliveros
Ibarlucea
29.3
0.106
0.480
Fuentes
Sapucay
34.5
0.326
0.422
Rosario
Oliveros
39.0
0.633
0.377
Rosario
Fuentes
42.3
0.156
0.347
Oliveros
Prez
44.9
0.280
0.325
Zavalla
Sapucay
56.6
0.670
0.242
Fuentes
Oliveros
70.9
0.248
0.169
Rosario
Sapucay
72.2
0.460
0.164

Pronstico Modelo exp.

Cuadrtico
0.974
0.949
0.858
0.858
0.653
0.583
0.473
0.384
0.324
0.281
0.133
0.042
0.038

Tabla 4. Resultados de los correlogramas para tormentas de 24 horas de duracin.

Estacin 1
Estacin 2
Distancia
Coeficiente de
Pronstico Modelo
Km
correlacin observado
Exponencial
Rosario
Ibarlucea
6.5
0.795
0.892
Rosario
Prez
9.1
0.855
0.852
Prez
Ibarlucea
15.6
0.797
0.759
Rosario
Zavalla
15.6
0.458
0.759
Zavalla
Fuentes
26.0
0.908
0.632
Oliveros
Ibarlucea
29.3
0.451
0.596
Fuentes
Sapucay
34.5
0.562
0.544
Rosario
Oliveros
39.0
0.284
0.502
Rosario
Fuentes
42.3
0.300
0.474
Oliveros
Prez
44.9
0.330
0.452
Zavalla
Sapucay
56.6
0.725
0.368
Fuentes
Oliveros
70.9
0.302
0.286
Rosario
Sapucay
72.2
0.466
0.279

Pronstico Modelo
exp. Cuadrtico
0.983
0.967
0.906
0.906
0.760
0.706
0.617
0.539
0.484
0.441
0.272
0.130
0.120

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

Tabla 5. Coeficientes ajustados y errores de las expresiones exponencial y exponencial cuadrtica.

Coeficiente
Suma de Residuos
Coeficiente modelo
modelo
cuadrticos
exponencial cuadrtico
exponencial
Duracin 6 hs.
0.0275 km-1
0.674
0.000878 km-2
Duracin 12 hs.
0.0211 km-1
0.738
0.000629 km-2
-1
0.454
0.000406 km-2
Duracin 24 hs.
0.0168 km
-1
0.493
0.000260 km-2
Datos pluviomtricos regionales
0.0131 km
Datos pluviomtricos varios
Eagleson (Australia)
0.0228 km-1
Stol (Holanda)
0.0010 km-1
Hendrick y Comer (USA)
0.0844 km-1
Rodrguez y Meja (Venezuela)
0.0900 km-1

Suma de Residuos
cuadrticos
1.016
1.238
0.816
1.393

de Santa Fe, lneas del Ferrocarril, Cooperativas

agrcolas, productores, Direccin Provincial de
Obras Hidrulicas, Instituto Nacional de
Tecnologa Agropecuaria (Oliveros), Facultad de
Ciencias Agrarias (UNR). Se cont con
informacin en el Departamento de Hidrulica de
la Facultad de Ciencias Exactas, Ingeniera y
Agrimensura
(UNR), relevada en anteriores
trabajos de asistencia al medio.
En Tabla 6 se presentan los periodos para los
cuales se dispone de informacin pluviogrfica.
La informacin recopilada de la estacin Rosario
Aero (Aeropuerto de Fisherton) abarc la mayor
extensin y constituy la referencia para todo el
estudio.

INFORMACION DISPONIBLE PARA EL

ESTUDIO
El anlisis de los patrones espaciales de las
tormentas se bas, entonces, en un anlisis
puntual de un conjunto de estaciones
pluviogrficas para las cuales se recopil
informacin
de
eventos
registrados
simultneamente.
Para llevar a cabo el estudio sobre los patrones
espaciales de la precipitacin se recopil
informacin de diversas instituciones pblicas y
privadas, entre las que se pueden citar el Servicio
Meteorolgico Nacional, Municipalidad de
Rosario, Comunas y localidades de la provincia
Tabla 6. Informacin pluviogrfica disponible.

Sapucay
R.Aero
Zavalla
Fuentes
Oliveros
Ibarlucea
DNC

78 79
!
! !
! !
! !

80
!
!
!
!

81
!
!
!
!

82
!
!
!
!

83
!
!
!
!

84
!
!
!
!

AOS
85 86 87 88 89 90 91 92 93 94 95 96 97 98
!
! ! ! ! ! ! ! ! ! ! ! ! ! !
!

! ! ! !
! ! ! ! ! !
! ! !
! ! !
sobre las cuales se analizaron, posteriormente, sus
distribuciones
espaciales.
Las
duraciones
seleccionadas fueron 30, 1, 3, 6, 12 y 24 hs.

Se depuraron las tormentas diarias que

presentaron (a) registros inconsistentes, (b)
registros pluviogrficos simultneos en menos de
tres estaciones, (c) registros promedios areales
inferiores a los 30 mm. Esto fue adoptado para
eliminar tormentas de frente, tpicas de los
perodos invernales y considerar las tormentas de
mayor magnitud.
La aplicacin de estas restricciones al conjunto de
datos result en una muestra de sesenta y tres (63)
tormentas seleccionadas
Para cada tormenta seleccionada se acumularon
las alturas de lluvia para diferentes duraciones

CONSTRUCCION DE LAS CURVAS DE

ABATIMIENTO
El rea de anlisis abarc la zona geogrfica
limitada por las estaciones extremas (Sapucay y
Oliveros), segn se muestra en la Figura 1. La
superficie total del "rectngulo" abarca unos 52
km de ancho por unos 104 km de alto, es decir
algo ms de 5400 km2.

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

abatimiento altura-rea. Tambin la estimacin de

la altura media de precipitacin para el rea total
de anlisis.
Los mapas generados fueron clasificados por
duracin, para permitir el anlisis de las curvas de
abatimiento para una duracin especfica.
Se construyeron los mapas de isoyetas para las 63
tormentas seleccionadas considerando, adems,
las alturas de precipitacin acumuladas a los 30',
1h, 3hs., 6 hs., 12 hs. y 24 hs. de comenzado el
evento en cada una de las tormentas. En definitiva
se construyeron trescientos setenta y ocho (378)
mapas de isoyetas.
Las curvas de abatimiento areal de la
precipitacin para las duraciones analizadas se
presentan en las Figuras 4 a 9. All se grafica la
curva exponencial ajustada a los datos y se
imprime la ecuacin de ajuste con su coefciente
de determinacin.
Considerando el conjunto de datos obtenidos para
todas las duraciones y reas, implementando una
planilla de clculo, se propusieron y ajustaron
expresiones analticas a los datos considerando
como funcin objetivo a minimizar los residuos
medios cuadrticos. Las expresiones que se
sealan en Tabla 7 resultaron las de mejores
ajustes:

Los mapas de isoyetas se construyeron aplicando

el algoritmo de interpolacin precedentemente
descrito. Fue utilizado y adaptado un programa
computacional desarrollado por Silber (1985)
cuyo objetivo primario era la graficacin de
campos paramtricos continuos por medio de
isolneas. El programa se apoya sobre un mapa
base el cual representa al rea de estudio. El mapa
base consiste en una matriz bidimensional donde
cada elemento constituye un punto de
coordenadas geogrficas establecidas. Las
estaciones de medicin tienen coordenadas
asignadas en la matriz. En ella, los elementos
estn definidos por 0, si el punto est fuera de los
lmites de la cuenca; 1, si el punto est dentro de
los mismos. Sobre cada punto de la cuenca,
representado por un elemento de la matriz, el
programa calcula los coeficientes de peso x,i()
utilizando las expresiones (3) y (7). En segunda
instancia, calcula la precipitacin Px con la ec.
(4), construyendo as el campo de la precipitacin
para la totalidad del mapa base.
La integracin de los mapas de isoyetas se realiz
reconociendo del foco de la tormenta (estacin de
mayor altura de precipitacin), expandiendo el
rea de anlisis, de a un nodo por vez en el mapa
base, y determinando la precipitacin media para
cada rea de expansin. Este procedimiento
permiti la construccin de las curvas de

Tabla 7. Expresiones analticas para las curvas de abatimiento

Expresin
CAA = exp(-0.000379*A)
(9)
(10)
CAA = 1 -0.0003455*A
(11)
CAA = [exp (-0.000364*A)]^(0.046*d)
CAA = [exp (-0.017606*A)]^[0.03*d^(-0.2927)]
(12)
(13)
CAA = 1 - exp [0.0261*d^(-0.544)] + exp [-0.0261*d^(-0.544)] -0.0002496*A
(14)
CAA =1 - exp [-2.918235*d^(0.16804)] - 0.0002493*A
Donde CAA es el coeficiente de abatimiento areal, A el rea en km2 y d la duracin en horas.

Error medio
cuadrtico
0.00570
0.00580
0.01110
0.00477
0.00478
0.00476

ms conveniente. Adems, esta expresin fue

propuesta especficamente en este trabajo,
revistiendo un carcter indito.
La Figura 10 presenta una comparacin entre las
curvas de abatimiento publicadas por la WMO
(1983) correspondiente al rea de Illinois-USA
(lneas de trazo) y las correspondientes a la
aplicacin de la ecuacin (12) (lneas continuas).
Las duraciones consideradas en ambos casos
fueron 30', 1 h, 3 hs, 6 hs. y 24 hs.
Las curvas de la WMO presentan decaimientos
ms pronunciados con el rea, especialmente para

Las expresiones (9) y (10) estn incompletas dado

que la duracin d no est incluida en los ajustes,
de ah es que presente los mayores desvos. A
pesar de incluir la variable duracin en la
expresin (11) la ecuacin analtica presenta un
ajuste muy bajo, como puede apreciarse por los
errores elevados.
Las expresiones (12) a (14) presentan errores de
ajuste semejantes, por lo que representan ajustes
semejantes. La primera de todas garantiza de
manera trivial que para rea nula el coeficiente
CAA es la unidad, por lo que se presenta como la

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

las duraciones menores (30' a 6 hs). El

procedimiento empleado para estas curvas
publicadas, parte de una seleccin de tormentas
mximas, como se mencionara al principio, en
consecuencia el comportamiento areal de estos
mximos se diferencia del observado para
tormentas que no son extremas.
El decaimiento areal result mas suave que para
las tormentas mximas.
No obstante esta diferencia entre las muestras
utilizadas para la construccin de las curvas, los
resultados alcanzados son comparables.

Bras R.L., Rodriguez-Iturbe I. (1976) Rainfall

Generation: A Non Stationary, Time Varying
Multidimensional Model. Water Resources.
Research, 12(3), 450-456.
Chow VT, Maidment D, Mays L. (1995)
Hidrologa Aplicada; Edit Mc Graw-Hill
Interamericana SA; ISBN 0-07-010810-2;
Colombia.
Le Cam, L. (1961). A Stochastic Description of
Precipitation. In Proceedings of the Fourth
Berkeley Symposium on Mathematical
Statistics and Probability, 3, (ed. J. Neyman),
pp. 165-186. Berkeley, California.
Rodriguez-Iturbe I., Mejia J. (1974) On the
Transformation of Point Rainfall to Areal
Rainfall. Water Resources Research, 10 (4) ,
729-735
Silber M. (1985) Algoritmo de Clculo y
Representacin de los Campos Paramtricos
Continuos. XII Congreso Nacional del Agua.
Mendoza. Argentina.
Valds J. (1981) Distribucin Espacial y
Temporal de la Precipitacin. Posgrado en
planificacin y recursos hdricos. Universidad
de Simn Bolivar. Venezuela.
Yaglom, A.M. (1962) Theory of Stationary
Ramdom Function. Ed. Prentice Hall.
World Meteorological Organization (WMO)
(1983) Guide to Hydrological Practices. Vol
II.
Anaysis,
Forecasting
and
other
Applications. WMO N 168. 4th edn. Geneva,
Switzerland.
Zawadzki I.I. (1973) Statistical properties of
precipitation patterns, J. Appl. Meteorol., 12,
459-472.
Zimmermann E. (1999) Informe Anual Carrera de
Investigador Cientfico y Tcnico. CONICET.
CURIHAM. FCEIA:Indito.
Zimmermann E, Silber M. (2001) Algoritmo para la
representacin de campos de precipitacin.
Enviado a la Revista Ingeniera del Agua.
Valencia. Espaa.

CONCLUSIONES
La metodologa utilizada para las interpolaciones
respeta los coeficientes de decaimiento regionales
observados y present errores de interpolacin
inferiores al 10% en todos los casos analizados
(378).
Se construyeron curvas de abatimiento areal de la
precipitacin, combinando 63 eventos registrados
en un conjunto de siete estaciones pluviogrficas
y 6 duraciones consideradas: 0,5 hs, 1 h, 3 hs, 6
hs, 12 hs y 24 hs. Las curvas fueron construidas
aplicando las metodologas de interpolacin
sealadas con anterioridad y fueron clasificadas
por duracin.
Se ajustaron expresiones analticas inditas a las
curvas de abatimiento areal. Esto facult una
herramienta, que si bien no conserva el criterio de
extremos de las curvas publicadas por la WMO,
permite la distribucin areal de focos de
tormentas locales para eventos severos.
De este modo, las curvas obtenidas pueden
significar una herramienta para la distribucin
areal de series de tormentas, si se complementan
con probabilidades de que una estacin
determinada constituya el foco de la tormenta.
REFERENCIAS

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

Figura 1. Ubicacin de la regin de estudio.

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

N
Escala Aproximada

10

20 Km

Area de estudio adoptada para las correlaciones

espaciales entre estacionespluviomtricas

Figura 2. Area de anlisis para la correlacin pluviomtrica

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

N
Escala Aproximada

10

20 Km

Figura 3. Area de anlisis para las correlaciones pluviogrficas

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

Coeficiente de
abatimiento

Curvas de abatimiento. Duracion 0,5 h.

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

y = e-0.0007x
R2 = 0.4567

100

200

300

400
500
Area (km2)

600

700

800

900

700

800

900

700

800

900

Figura 4

Coeficiente de
abatimiento

Curvas de abatimiento. Duracion 1 h.

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

y = e-0.0005x
R2 = 0.3028

100

200

300

400
500
Area (km2)

600

Figura 5.

Coeficiente de
abatimiento

Curvas de abatimiento. Duracion 3 h.

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

y = e-0.0005x
R2 = 0.1552

100

200

300

400
500
Area (km2)

Figura 6.

600

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

Coeficiente de
abatimiento

Curvas de abatimiento. Duracion 6 h.

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

y = e-0.0003x
R2 = 0.1424

100

200

300

400
500
Area (km2)

600

700

800

900

700

800

900

700

800

900

Figura 7.

Coeficiente de
abatimiento

Curvas de abatimiento. Duracion 12 h.

1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0

y = e-0.0002x
R2 = 0.22

100

200

300

400
500
Area (km2)

600

Figura 8.

Curvas de abatimiento. Duracion 24 h.

Coeficiente de
abatimiento

1
0.8
0.6

y = e-0.0002x
R2 = 0.2285

0.4
0.2
0
0

100

200

300

400

500

Area (km2)

Figura 9.

600

CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000

Curvas de Abatimiento Areal

1

Relacin Lluvia Puntual - Lluvia

Areal

24 hs
0.9

24 hs

0.8

0.7

0.6

30'

30'
0.5
0

100

200

300

400

500
600
Area (km2)

700

800

Figura 10. Comparacin entre las curvas publicadas por WMO (1983)
y las halladas en este trabajo

900

1000