Professional Documents
Culture Documents
= ) ( C , 2-5
donde es cualquier nmero real, llamado exponente caracterstico de escalamiento.
La ecuacin 2-4 implica que los cuantiles tambin son invariantes con la escala temporal
y pueden relacionarse como,
) ( ) ( d I d I
q q
=
, 2-6
donde q es el q-simo cuantil de la variable I. Por lo tanto se espera una relacin lineal,
en el espacio logartmico, entre el parmetro con el cual se escala y el valor de la variable
I correspondiente al q-simo cuantil.
La expresin (2-6) implica tambin que, siempre y cuando los momentos de la variable I
existan, stos tambin son invariantes con la escala y se relacionan por medio de la
ecuacin 2-7. En la Figura 2-2 se presenta un ejemplo de estimacin de los primeros
cuatro momentos de la funcin de distribucin de probabilidades de las precipitaciones
mximas en la estacin Bizcocho.
) ( ) ( d M d M
r r
r
= , 2-7
donde, M
r,
() corresponde al momento estadstico de orden r de la variable I, y adems,
1
r
r
= , 2-8
La ecuacin (2-8) indica una relacin lineal entre el parmetro con el cual se escala y
cada uno de los diferentes momentos de orden r, en el espacio logartmico. Es decir, para
estimar el momento de cualquier orden y cualquier valor de d, basta con conocer los
valores de los momentos para un valor de d especfico y el valor del exponente . En la
Figura 2-3 se aprecia el ejemplo de la funcin de estructura de la estacin Agronoma.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
9
y = 29.63887x
0.19375
R = 0.90045
y = 359.4082x
0.3778
R = 0.8819
y = 1,427.0157x
0.5520
R = 0.8595
y = 37,291.5244x
0.7424
R = 0.8676
1.0E+01
1.0E+02
1.0E+03
1.0E+04
1.0E+05
1.0E+06
1 24
M
o
m
e
n
t
o
s
Duracin (horas)
Momentos de orden 1 Momentos de orden 2 Momentos de orden 3 Momentos de orden 4
Cada smbolo representa un valor del momento para cada una de las duraciones en horas
Figura 2-2. Momentos de las precipitaciones mximas en la estacin El Bizcocho
(Escalamiento simple).
-4.000
-3.500
-3.000
-2.500
-2.000
-1.500
-1.000
-0.500
1 2 3 4
V
a
l
o
r
e
s
Momentos
Datos Tericos
li mi te de confi anza mayor a 95%
Datos observados
Figura 2-3. Funcin de estructura del escalamiento simple para las intensidades de
lluvia para la estacin Agronoma.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
10
A lo anterior se le conoce como escalamiento en sentido estricto y es una propiedad
menos rigurosa que la expresada con la ecuacin (2-4), ya que depende de la existencia
de los momentos. Sin embargo, en la naturaleza se han encontrado diversos fenmenos
en los cuales a pesar de conservarse la relacin (2-7) para cada orden de los momentos,
no se presenta la relacin lineal entre el orden de los momentos y las diferentes
pendientes
r
, es decir, no se cumple la expresin (2-8). Para tales casos la expresin (2-
7) puede escribirse como (Burlando y Rosso, 1996):
) ( ) (
) (
d M d M
r
r r l
r
=
, 2-9
en donde corresponde al exponente de escalamiento del momento de orden 1; r es el
orden del momento y l(r) es una funcin que describe el alejamiento de los valores de
los exponentes de la expresin (2-9) con respecto a los valores de la funcin de
estructura de la ecuacin (2-8). Burlando y Rosso (1996), reportan amplia evidencia de
multiescalamiento en el estudio de eventos extremos de la precipitacin. En general, el
multiescalamiento parece incrementarse en aquellos sistemas fsicos que son
gobernados por dinmicas altamente no lineales, como es el caso de la precipitacin, en
particular para tormentas de duraciones muy cortas.
Si se conoce la funcin de distribucin de los valores extremos de los registros, y el valor
del exponente de escalamiento , es posible calcular las intensidades mximas a partir de
un valor de referencia conocido (I
ref
) que constituye la base para determinar los diferentes
modelos de formulas IDF basados en las caractersticas de escala de la lluvia.
2.3 Estimacin de Momentos Mustrales
Existen diferentes formas para estimar los momentos muestrales y el exponente de
escalamiento. Entre los mtodos para estimar los momentos se destacan el mtodo
grfico, el mtodo de mnimos cuadrados, el mtodo de los momentos, el mtodo de
momentos ponderados por la probabilidad (PWMs) o L-Moments y el mtodo de mxima
verosimilitud. Su aplicacin se puede consultar en Yevjevich (1972), Salas et al. (1992), y
Hosking and Wallis (1997). A continuacin se describen brevemente algunas de los
mtodos de estimacin de los momentos.
2.3.1 Mtodo de mxima verosimilitud
El principio bsico de este mtodo consiste en estimar los parmetros de tal forma que al
utilizar el modelo, la probabilidad de obtener los resultados observados sea mxima,
(Chow, 1964). Desde el punto de vista estadstico, este mtodo es ms robusto que los
dems mtodos para la estimacin de parmetros, sin embargo, para muestras de menor
longitud ste mtodo puede ser menos eficiente que el de PWMs, tambin tiene la
dificultad de ser el ms demandante desde el punto de vista computacional.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
11
2.3.2 Mtodo de los momentos
El principio bsico de este mtodo es la relacin existente entre los parmetros de la
funcin de distribucin y los momentos muestrales, los cuales se suponen iguales a los
momentos de la poblacin. Tal como fue demostrado por Fisher (1972), los estimadores
calculados mediante el mtodo de los momentos son asintticamente eficientes,
particularmente en distribuciones asimtricas, que son las ms usuales hidrologa; esta
eficiencia hace que este mtodo se use en muchos casos como una primera
aproximacin en la estimacin de los parmetros.
2.3.3 Mtodo de PWM o L-moments
Este mtodo es similar al mtodo de los momentos y se basa en que una funcin de
distribucin de probabilidades puede ser caracterizada por sus momentos ponderados de
probabilidad (PWM, por sus siglas en ingls; Greenwood et al 1979), y por tanto basta
con calcular los momentos ponderados de probabilidad a partir de los datos muestrales. A
su vez los L-moments son estadsticos que aparecen como una modificacin de los
PWM, que pueden ser expresados en trminos de stos y por lo tanto una funcin de
distribucin puede ser caracterizada por sus L-moments. Para la existencia de los r-
simos L-moments slo se requiere que exista el primer momento de la funcin de
distribucin. Estos momentos se pueden estimar de la siguiente forma:
=
|
|
\
|
|
|
\
|
=
n
i
i k
k
n
k
i n
x
n
M
1
1
1
, 2-10
Segn Daz-Granados (2006) la metodologa de los PWMs es mucho ms adecuada que
otros mtodos para determinar los parmetros, debido a su facilidad computacional y a
que es ms robusto frente a la presencia de puntos extraordinarios, datos espreos u
Outliers.
2.4 Estimacin de curvas IDF a partir de las teoras de escalamiento simple y
multiescalamiento. Metodologa 1.
En esta seccin se describe la metodologa propuesta por Burlando y Rosso (1996), la
cual fue implementada por Wilches (2001) para la regionalizacin de curvas IDF en
Antioquia.
Si se supone que existe escalamiento simple y, adems, que existen los diferentes
momentos, escalamiento simple en sentido amplio, de las ecuaciones (2-7) y (2-8),
tomando =(d / d
ref
), se obtiene la expresin:
) ( ) / ( ) (
ref r
r
ref r
d M d d d M
= , 2-11
que para el caso del valor esperado (primer momento) y la varianza (segundo momento)
toma las siguientes formas:
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
12
[ ] [ ]
dref ref d
I E d d I E
) / ( =
, 2-12
[ ] [ ]
dref ref d
I Var d d I Var
2
) / ( =
, 2-13
en donde I
d
es la intensidad mxima para una duracin d, I
dref
representa la intensidad
mxima de una duracin de referencia, y denota el exponente de escalamiento. De las
dos expresiones anteriores puede deducirse que el coeficiente de variacin es constante
cuando se tiene escalamiento simple, de manera que:
[ ]
[ ]
[ ]
[ ]
dref
def
d
d
I E
I Var
I E
I Var
CV
2 2
= = . 2-14
Con las expresiones anteriores, y utilizando la expresin del factor de frecuencia (Chow,
1964), es posible calcular los cuantiles de funcin de distribucin de probabilidades de la
intensidad mxima, mediante:
[ ] [ ]
d q d d q
I Var K I E I + =
) , (
, 2-15
en donde K
q
es el factor de frecuencia, y reemplazando en (2-15) se obtiene:
[ ] [ ]
dref ref q dref ref d q
I Var d d K I E d d I
2
) , (
) / ( ) / ( + =
2-16
[ ]( ) CV K I E d d I
q dref ref d q
+ = 1 ) / (
) , (
2-17
Puede observarse que para una duracin de referencia, la ecuacin 2-17 se convierte en
la ecuacin 2-15. De esta forma es posible calcular las intensidades mximas a partir de
un valor de referencia dado, conociendo tanto la funcin de distribucin de los valores
extremos y el valor del exponente de escalamiento.
El exponente puede estimarse a partir de los valores de precipitaciones mximas
observadas para las diferentes duraciones. Este exponente puede calcularse de
diferentes formas; una de ellas es calculando los momentos mustrales de diferentes
rdenes y realizando, para el momento de orden 1, una regresin lineal entre los
logaritmos de cualquier duracin y los logaritmos de los momentos de orden 1 asociados
a cada una de ellas encontrando en este espacio la pendiente de esta regresin lineal la
cual es el exponente de escalamiento. Adicional a esto se debe verificar que la serie de
datos mediante la funcin de estructura calculada de los diferentes ordenes de los
momentos mustrales cumplen con el escalamiento simple o mltiple.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
13
2.4.1 Estimacin de las curvas IDF mediante la teora de escalamiento simple.
Modelo Log Normal.
Si se supone que los valores extremos de la precipitacin siguen una distribucin Log
Normal de dos parmetros, la expresin (2-17) correspondiente al escalamiento simple se
resume como (Burlando y Rosso,1996),
[ ]
( ) [ ]
|
|
\
|
+
+
=
dref
d
CV
CV
I E I
q
dref q d
2
2
,
1
1 ln exp
, 2-18
en donde
q
es el valor de la distribucin Normal acumulada estndar inversa para una
probabilidad de no-excedencia q, y las dems variables tal como fueron definidas
anteriormente. Dado que para la condicin de escalamiento simple el coeficiente de
variacin es constante, e independiente de la duracin, la ecuacin (2-18) puede ser
expresada como:
[ ]
[ ]
( )
[ ]
|
|
\
|
(
(
|
|
\
|
=
dref
d
I E
I E
I E
I E
I
dref
dref
q
dref
dref
q d 2
2
2
2
,
ln exp , 2-19
2.5 Curvas IDF a partir de la teora de escalamiento simple y multiescalamiento.
Metodologa 2.
El trabajo desarrollado por Yu et al. (2004) us 46 estaciones de registro en Taiwan, para
investigar las propiedades de escalamiento temporal de las lluvias mximas de varias
duraciones. Ese anlisis condujo al desarrollo de expresiones de escalamiento basadas
en la hiptesis de escalamiento simple y en el escalamiento simple por tramos
metodologa que se emple para enfrentar el problema del multiescalamiento; suponiendo
una funcin de probabilidad GEV1 para los registros mximos de precipitacin, aunque
los autores sin embargo, reconocen que esta funcin puede subestimar los valores
extremos ms grandes (Koutsoyiannis y Baloutsos, 2000). En el estudio de Yu et al.
(2004) se usaron los PWMs definidos por Greenwood et al. (1979), y efectuaron un
procedimiento de regionalizacin buscando que las curvas IDF se pudieran estimar a
partir de las series de precipitaciones mximas diarias, usando los parmetros basados
en la relacin entre el exponente del escalamiento y el promedio de la precipitacin
mxima diaria anual. De esta forma fue posible identificar 3 regiones homogneas de
escalamiento que dieron lugar a simulaciones y a verificaciones razonables.
2.5.1 Estimacin de curvas IDF mediante escalamiento simple. Modelo GEV1.
La funcin de distribucin de probabilidades de Valor Extremo Tipo I (GEV1) de las series
de intensidad de la precipitacin, I
d
, (es decir FI
d
) es (Yu et al, 2004):
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
14
(
|
|
\
|
=
d
d d
d
I
FI
=
, 2-22
d d
= , 2-23
T
d
T
d
I I
= , 2-24
en donde
d
es el parmetro de localizacin de las series de intensidad de la precipitacin
mxima anual con duracin d;
d
representa el parmetro de escala de las series de
intensidad de la precipitacin mxima anual con duracin d; denota un parmetro de la
escala; denota el exponente del escalamiento, y I
T
d
representa la intensidad de la
precipitacin para la duracin, d (horas), y el perodo de retorno, T (aos). Las dos
ecuaciones anteriores se pueden utilizar para transformar la funcin de probabilidad de
una duracin d a otra duracin
d
. Segn lo anterior, las curvas IDF basadas en la
propiedad del escalamiento se estiman como, (Yu et al, 2004):
) / )( ( d t y I I I
d d
T
d
T
d
T
t
+ = = = , 2-25
en donde I
T
t
representa la intensidad de la precipitacin para la duracin t =
d
(horas) y
el perodo de retorno T (aos). Por lo tanto, la ecuacin (2-24) se puede utilizar
fcilmente para estimar las intensidades de la precipitacin del diseo para varias
duraciones (t) y perodos de retorno (T), usando parmetros estadsticos (
d
y
d
), y el
exponente de escalamiento () de la serie de valores mximos anuales de lmina de
precipitacin de una duracin de referencia d. Los valores de
d
y de
d
pueden ser
estimados mediante (Landwehr et al., 1979):
) 2 ( ln ) 2 (
1 0
d d d
M M =
, 2-26
) 5772 . 0 (
0
d d d
M =
, 2-27
Donde M
0
d
y M
1
d
son los momentos muestrales mediante PWMs de orden 0 y 1
respectivamente, calculados con las series de intensidad de lluvia de duracin d.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
15
2.6 Funciones de distribucin de colas pesadas o funciones estables
Las funciones de probabilidad estables son una rica clase de funciones de distribucin de
probabilidades que exhiben asimetra y colas pesadas. Esta clase de funciones fueron
caracterizadas por Paul Lvy en su estudio de sumas de trminos independientes
idnticamente distribuidos en 1920. Estas funciones han sido despreciadas para su uso
por los profesionales en vista de la falta de formulas cerradas para la distribucin de
densidades, aunque algunos casos se han descrito plenamente (Normal, Cauchy y Lvy),
Dentro las aplicaciones en las que se han usado modelos estables son el movimiento
Browniano y el estudio de campos gravitaciones. Vase Feller (1971) y Uchaikin y
Zolotarev (1999).
Una de las principales razones para el uso de estas funciones es el teorema de limite
central generalizado, que indica que la nica posible solucin del lmite normalizado de
las sumas de trminos independientes idnticamente distribuidos es una funcin estable.
Esto simplemente indica que en la observacin de algunos cuantiles se describen la suma
de muchos pequeos trminos, (como por ejemplo sucede en la observacin de los
precios de la bolsa, el ruido de un sistema de comunicacin, etc).
Otra de las razones para su uso es meramente emprico, ya que grandes conjuntos de
datos, incluyendo datos hidrolgicos, muestran grandes colas y asimetra.
Ejemplos de los modelos estables se pueden encontrar en las finanzas y la economa en
Mandelbrot (1963), Fama (1965), Samuelson (1967), Roll (1970), Embrechts et al. (1997),
Rachev y Mittnik (2000), McCulloch (1996), en los sistemas de comunicacin por
Atrapado y Kleiner (1974), Zolotarev (1986), y Nikias y Shao (1995). Descripcin de
conjuntos de datos mal descritos por un modelo de Gauss, pero puede ser bien descrito
por una distribucin estable en Zolotarev (1986), Uchaikin y Zolotarev (1999), Christoph y
Wolf (1992), Samorodnitsky y Taqqu (1994), y Weron Janicki (1994), y Nikias y Shao
(1995). El tema de la modelizacin con datos extremos y las distribuciones de colas
pesadas se discute en Embrechts et al. (1997), Adler et al. (1998), y, en Reiss y Thomas
(2001).
2.6.1 Definicin de la estabilidad
Una propiedad importante de las variables aleatorias Normal o Gaussiana es que la suma
de dos de ellas es en s misma una variable aleatoria Normal. Una consecuencia de esto
es que si X es normal, entonces para X1 y X2 son copias independientes de X y cualquier
contante positiva a y b, entonces
d cX bX aX
D
+ = +
2 1
2-28
Para algunos positivos c y algunos d pertenecientes a los reales. Como ya se indic
antes,
d
= denota igualdad en la funcin de distribucin de probabilidad, en pocas palabras
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
16
la ecuacin 2-28 dice que la forma de X se conserva (en cambios de escala) frente a
cualquier adicin, las funciones estables describen entonces esta propiedad.
Una variable aleatoria X es estable en el sentido amplio si X1 y X2 independientes de X
para valores positivos constantes a y b y es vlido para algunos c y algunos d
pertenecientes a los reales. La variable aleatoria es estable en el sentido estricto si (2-28)
se mantiene con d = 0 para todas las opciones de a y b. Una variable aleatoria es
simtrica estable, si es estable y distribuida simtricamente alrededor de 0
Hay tres casos en los que se pueden describir la funcin de densidad y comprobar
directamente que son estables, son la distribucin normal, Cauchy y Lvy. La definicin
de los parmetros de una funcin estable o de colas pesadas se describe ms adelante.
Distribucin Normal
( )
( )
|
|
\
|
=
2
2
2
exp
2
1
x
x f
, - < x < 2-29
Distribucin de Cauchy,
Tambin conocida como distribucin de Lorentz en la fsica.
( )
( )
2 2
1
+
=
x
x f
, - < x < 2-30
Distribucin Lvy
( )
( )
( )
|
|
\
|
x
x
x f
2
exp
1
2 2
3
, < x < 2-31
La Figura 2-4 muestra un diagrama de estas tres funciones. Las distribuciones Normal y
Cauchy son simtricas. La principal distincin cualitativa entre ellas es que la Cauchy
posee colas ms pesadas que la distribucin Normal. En contraste con las distribuciones
Normal y de Cauchy, la de Lvy es muy desigual, ya que toda la probabilidad se
concentra en x > 0, y tiene an mayor cola que Cauchy.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
17
Fuente: John P. Nolan (2009)
Figura 2-4. Grficos de densidad estandarizadas de las funciones Normal, Cauchy y
Lvy.
Tabla 2-1 Comparacin de las probabilidades de la distribucin Normal, Cauchy y
Lvy.
C
P (X>c)
Normal Cauchy Lvy
0 0,5 0,5 1,0
1 0,15 0,25 0,68
2 0,022 0,14 0,52
3 0,0013 0,102 0,43
4 0,000031 0,078 0,382
5 0,00000028 0,062 0,345
Fuente: John P. Nolan (2009)
Es complicado generalizar una funcin estable para definir las distribuciones de diferentes
grados de la cola y distintos grados de asimetra, diferentes distribucin Normal, Cauchy,
Lvy, ya que no se conocen expresiones cerradas de forma general, por lo cual Zolotarev
(1986) muestra que en algunos casos la densidad o la funcin de distribucin estable son
expresadas en trminos de ciertas funciones especiales. El propsito de cerrar estas
funciones ha fomentado cierto desprecio en el uso de modelos estables en la prctica,
pero cabe recordar que no hay ninguna frmula cerrada para la funcin de distribucin
acumulativa. Existen tablas y algoritmos informticos precisos para la funcin Normal de
distribucin, y son usados de forma habitual en los modelos de valores normales. En la
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
18
actualidad se cuentan con programas que permiten calcular los cuantiles de inters para
la distribucin estable, por lo que es posible usarlos en problemas prcticos.
2.6.2 Parametrizaciones de estabilidad
En general, una distribucin estable requiere cuatro parmetros para ser descrita: un
ndice de estabilidad o de caracterstica de exponente , un parmetro de asimetra , un
parmetro de escala , y un parmetro de localizacin, . En la literatura tcnica se usa
los simbolos de para describir el parmetro de escala y para el parmetro de
localizacin y de esta manera evitar la confusin con los smbolos y , que se utilizan
para la desviacin tpica y la media.
Los parmetros estn limitados a los siguientes rangos: (0, 2], 2 [-1, 1], > 0 y R.
Existen mltiples parametrizaciones lo que ha generado mucha confusin por su uso
indiscriminado, esta variedad de parametrizaciones es causada por una evolucin en la
historia de funciones estables asociadas a una combinacin con problemas que se han
analizado utilizando formas especializadas de esta distribucin. Hay buenas razones para
utilizar diferentes parametrizaciones en diferentes situaciones, si se quiere facilidad
numrica, o si se desea un estudio analtico de las propiedades estrictamente estables.
Se describir un mtodo de parametrizacion, en las aplicaciones estadsticas, los cuatro
parmetros (, , , ) son desconocidos y deben ser estimados.
Una variable aleatoria X es S (, , , , 0) si
= +
+
|
\
|
=
1
1
2
tan
Z
Z
X
D
, 2-32
donde Z = Z (, ), X tiene la funcin caracterstica:
( )( )
( ) ( )
= +
(
+
+
(
\
|
+
=
1 log sign
2
1 exp(
1 1 sign
2
tan 1 exp(
) exp(
1
u i u u i u
u i u u i u
iuX E 2-33
En principio, cualquier eleccin de parametrizacin es tan buena como otra, sin embargo
en la literatura se recomienda el uso de la parametrizacin anterior ya que presenta
facilidades en el trabajo y la inferencia estadstica con la distribucin estable y tiene la
forma ms simple para la funcin caracterstica que es continua en todos los parmetros.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
19
2.7 Estimaciones empricas de frmulas de IDF
El procedimiento seguido bsicamente para conseguir la informacin en sitios donde no
se dispone de algunos datos con suficiente calidad, consiste en interpolar la informacin
proveniente de otra con suficiente informacin.
En la actualidad existe una dificultad de interpretar los datos tomados en una regin o en
determinado tiempo y exportarlos a otro sitio o usarlos en otra escala temporal. Muchos
autores, fuera de los ya expuestos, en varias partes del mundo, han tratado de estimar
las precipitaciones mximas basados en la observacin de otras precipitaciones,
asociadas a cualquier periodo de retorno. Bsicamente la metodologa realizada es usar
la interpolacin de mapas de profundidad de lamina de agua asociadas a cualquier
periodo de retorno, o bien determinando las caractersticas o parmetros de las
estaciones.
A pesar de que esta metodologa sigue siendo muy usada para la estimacin de IDF los
investigadores han tratado de encontrar expresiones que relacionen la precipitacin
asociado a un periodo de retorno determinado a partir de la precipitacin mxima
asociada a un periodo de retorno menor, esto debido a que en muchas estaciones no se
cuenta con largos registros de precipitacin o tratando de usar registros de
precipitaciones con escalas temporal muy larga de horas o das, cuyos registros son ms
fcil de elaborar y encontrar a precipitaciones de corta duracin.
Sin embargo, pese a la validez de estas metodologas y su uso prctico, su sustento es
meramente emprico, segn afirma Burlando y Roso (1996) estas metodologas consisten
procedimientos heursticos, basados en suposiciones an sin probar o suposiciones
irreales relacionadas con la estructura espacio- temporal de la lluvia
Wilches (2001) describe varias de las metodologas empricas usadas en nuestro medio,
de esta investigacin se destaca la metodologa propuesta por Bell (1969), usada ms
adelante en la determinacin de precipitacin en escalas pequeas (menores a 1 hora).
Bell (1969), presenta una frmula generalizada para la estimacin de las precipitaciones
de corta duracin, (menores de 2 horas), que segn el autor, podran ser aplicadas en
muchas regiones del planeta, basado en la hiptesis de que los mecanismos fsicos que
gobiernan las precipitaciones de corta duracin son similares en cualquier lugar del
mundo.
Tambin en el trabajo de Bell, se da validez a los factores de proporcionalidad o
relaciones constantes obtenidos por Hershfield en 1961. A pesar de ser un mtodo
emprico, estas relaciones constantes han sido verificadas, por l mismo y por otros
autores en diferentes regiones, como en Surfrica, en la antigua Unin Sovitica,
Australia, Checoslovaquia, y en Suramrica en Mendoza, Brasil, Sao Paulo y Chile, donde
se han observado errores mximos del 24% entre los valores calculados para otras zonas
y los valores calculados por Bell para duraciones entre 5 y 120 minutos (Varas 2001).
Basado en la hiptesis anterior y en las relaciones encontradas, Bell encontr la siguiente
expresin para estas relaciones:
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
20
120 5 50 , 0 54 , 0
25 , 0
60
< = d para d
P
P
T
d
T
, 2-34
Donde:
P
T
d
: Es la precipitacin mxima en un intervalo de tiempo d, en minutos, con un
perodo de retorno de T aos.
P
T
60
: es la precipitacin mxima en un intervalo de tiempo de 60 minutos con un perodo
de retorno de T aos.
Los mtodos que sern usados en el este trabajo corresponden a los mtodos
tradicionales con las funciones Gumbel y Log Normal, as como la metodologa 1 de
escalamiento (Burlando y Roso) para duraciones entre 1 y 24 horas, y la metodologa de
escalamiento 2 (Yu et al.), las cuales se compararn entre s para duraciones entre 1 y 24
horas. Seguidamente, se realizar una aproximacin al uso de funciones estables o de
colas pesadas en la determinacin de IDF para el rango de duraciones antes descrito, y
por ltimo se estimar de manera emprica valores de precipitacin de escalas inferiores
a 1 hora a partir del mtodo de escalamiento 2 y usando los estimativos de Bell.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
21
3 GENERALIDADES SOBRE LOS DATOS Y LA CLIMATOLOGA DE LA ZONA DE
ESTUDIO
3.1 Ao calendario vs. Ao hidrolgico.
En estudios preliminares se trataron de evitar efectos estacionales o peridicos mediante
la diferenciacin entre el ao calendario y el ao hidrolgico, en este estudio se eligi
usar el ao calendario, por razones prcticas, ya que lo que se pretende es que el modelo
(o los modelos) estudiados deben ser fciles de reproducir con los datos que se
encuentren en el medio; tales como la precipitacin media anual y la precipitacin mxima
diaria anual, valores suministrados por las entidades a cargo de la operacin de redes de
estaciones de medicin de lluvias, los cuales estn basados en el ao calendario. El
anlisis de estos datos no se realiz mediante el anlisis de tormentas individuales, sino
que se us la totalidad de los datos registrados.
3.2 Localizacin
Para la elaboracin de este trabajo se us la informacin de los trabajos sobre el ciclo
diurno de la precipitacin en los Andes tropicales de Colombia (Agudelo et al 2001,
Moreno y Vieira 2001, y Toro y Alvarez 2001; Poveda et al. 2005). La informacin
corresponde a 51 estaciones pluviogrficas ubicadas en las regiones cafeteras norte,
centro y sur de Colombia. De estas 51 estaciones, 45 fueron suministradas por
CENICAF (Centro Nacional de Investigaciones del Caf), y las restantes 6 fueron
suministradas por las Empresas Pblicas de Medelln (EPM). Estas estaciones tienen un
rango latitudinal que va desde 115N hasta 1025N.
La informacin usada en este estudio consiste en registros de precipitacin horaria, con
una longitud promedio de 28 aos de registro, la mayora de ellas hasta el ao 1999. Se
hizo un esfuerzo por actualizar esta informacin hasta la fecha, sin embargo, CENICAFE
por razones presupuestales, descontinu el registro horario de sus estaciones y ya slo
lleva registros de precipitacin diaria. Con relacin a las estaciones de EPM, la
actualizacin exiga un procedimiento dispendioso en tiempo ya que esta informacin
adquiri el carcter de confidencial y de inters estratgico para los planes de negocio de
esta empresa.
En resumen, para este estudio se contaron con los registros de informacin continua
horaria, que en promedio representan cerca de 245 mil registros por estacin. Se decidi
analizar toda la serie de datos y no utilizar tormentas especficas, ya que el enfoque de
este trabajo es tratar de relacionar los datos disponibles con modelos que se basan en la
invarianza de la escala de la lluvia.
En la Figura 3-1 se muestra la localizacin de las estaciones usadas en el estudio y la
informacin pertinente a las mismas se describe en la Tabla 3-1.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
22
Tabla 3-1 Informacin sobre las estaciones usadas
Estacin Municipio Departamento
Latitud
Norte
Longitud
Oeste
Altura
Longitud de
registro
% datos
faltantes
Agronoma Manizales Caldas 0503 7529 2150 ENE72-DIC99 1.1%
Aguas Blancas
San Vicente
del Chucur
Santander 0650 7329 920 ENE72-DIC99 8.4%
Arturo Gmez Alcal Valle 0440 7547 1320 ENE72-DIC99 1.5%
Bertha Moniquir Boyac 0553 7334 1700 ENE72-DIC99 5.1%
Bizcocho* San Rafael Antioquia 0618 7505 1070 ABR71-DIC99 0.0%
Blonay Chincota
Norte de
Santander
0734 7237 1235 ENE72-DIC99 0.7%
Bremen Circasia Quindo 0440 7537 2040 MAR72-DIC99 1.7%
Cenicaf Chinchina Caldas 0500 7536 1310 ENE72-DIC99 0.4%
Chapetn Ibagu Tolima 0427 7516 1300 ENE71-ABR88 2.2%
El Cedral Pereira Risaralda 0442 7532 2120 ENE73-DIC99 5.8%
El Jazmn
Santa Rosa de
Cabal
Risaralda 0455 7538 1600 ENE72-DIC99 2.1%
El Limn Chaparral Tolima 0340 7535 990 ENE71-DIC96 7.2%
El Sauce La Unin Nario 0137 7706 1610 ENE71-DIC99 12.4%
EL Sena Armenia Quindio 0434 7539 1550 DIC71-DIC99 8.8%
Fransisco
Romero
Salazar
Norte de
Santander
0746 7440 1000 ENE72-DIC99 1.1%
Granja
Tibacuy
Tibacuy Cundinamarca 0422 7426 1550 ENE72-DIC99 1.4%
Inmarco* Caracol Antioquia 0617 7248 260 AGO68-AGO92 0.0%
Jorge Villamil Gigante Huila 0222 7533 1500 ENE72-DIC99 1.1%
Julio
Fernndez
Restrepo Valle 0348 7632 1360 ENE72-DIC99 1.0%
La Bella Calarc Quindo 0430 7540 1450 ENE72-DIC99 0.4%
La Catalina Pereira Risaralda 0445 7545 1350 NOV76-DIC99 1.0%
La Montaa Dolores Tolima 0333 7454 1260 ENE73-DIC99 15.9%
La Selva Ginebra Valle 0340 7618 1800 ENE79-DIC99 3.3%
La Sirena Sevilla Valle 0417 7555 1500 ENE71-DIC99 1.0%
La Trinidad Lbano Tolima 0454 7503 1430 JUN72-DIC99 0.6%
Llanadas Palestina Caldas 0505 7541 1020 ENE72-DIC99 10.0%
Luis
Bustamante
Villarica Tolima 0354 7434 1643 ENE72-DIC99 18.9%
Luker Manzanares Caldas 0512 7628 1420 MAR70-DIC99 2.7%
Mande* Urrao Antioquia 0627 7508 495 MAY78-ABR99 0.0%
Manuel Mara
Mallarino
Trujillo Valle 0413 7619 1380 ENE73-DIC99 2.5%
Manuel Meja El Tambo Cauca 0225 7645 1700 ENE72-NOV99 2.1%
Maracay Quimbaya Quindo 0436 7546 1450 FEB82-DIC99 0.6%
Miguel V Jardn Antioquia 0536 7512 1570 ENE71-DIC99 1.9%
Misiones
Mesitas del
Colegio
Cundinamarca 0433 7425 1540 ENE77-DIC99 3.0%
Naranjal Chinchin Caldas 0459 7539 1400 ENE71-DIC99 0.6%
Ospina Prez Consac Nario 0115 7729 1700 ENE72-DIC99 0.7%
Paragaicito Buenavista Quindo 0423 7544 1250 ENE72-DIC99 0.5%
Peol* Peol Antioquia 0624 7551 1880 ABR60-FEB99 0.0%
Planta de
Tratamiento
Pereira Risaralda 0448 7540 1450 MAR69-DIC89 4.0%
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
23
Estacin Municipio Departamento
Latitud
Norte
Longitud
Oeste
Altura
Longitud de
registro
% datos
faltantes
Pueblo Bello Valledupar Cesar 1025 7334 1000 ENE72-DIC99 3.4%
Rafael
Escobar
Supa Caldas 0528 7539 1320 OCT70-DIC99 0.1%
Rosario Venecia Antioquia 0558 7404 1600 ENE71-DIC99 0.9%
Santa Ana Palestina Caldas 0501 7540 1250 ENE72-DIC99 2.2%
Santa
Brbara*
Urrao Antioquia 0624 7543 2595 MAR78-DIC99 0.0%
Santa Helena
Santa Rosa de
Cabal
Risaralda 0457 7537 1525 NOV80-DIC99 2.1%
Santa Ins Cachipay Cundinamarca 0443 7428 1250 ENE72-DIC193 1.9%
Santagueda Palestina Caldas 0505 7615 1010 ABR72-DIC99 1.2%
Santiago
Gutirrez
Argelia Valle 0443 7610 1550 AGO71-DIC99 5.7%
Sireno* Urrao Antioquia 0623 7540 1210 MAR78-ABR99 0.0%
Yacop Yacop Cundinamarca 0528 7422 1340 ENE72-DIC99 1.5%
(*) Estaciones suministradas por Empresas Pblicas de Medelln
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
24
Figura 3-1 Localizacin de las estaciones usadas en estudio.
3.3 Descripcin general de la zona (climatologa)
La regin Andina Colombiana posee una enorme variabilidad de fenmenos climticos,
adicional a esto la regin tiene particularidades locales topogrficas, orogrficas,
ecolgicas, que son difciles de estudiar y de las cuales se cuenta con ninguna o muy
poca informacin para su entendimiento, diagnstico y pronstico.
Dentro de estos factores se encuentra la situacin geogrfica de los Andes, la presencia
de tres ramales montaosos, con una cercana a dos ocanos, la ubicacin tropical que
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
25
producen efectos derivados de la Zona de Convergencia Intertropical (ZCIT) y fenmenos
cuasi-peridicos como las dos fases de El Nio-Oscilacin del Sur (ENSO). Para una
informacin ms detallada de estos fenmenos se pueden ver los trabajos de Snow
(1976), Mesa, Poveda y Carvajal. (1997), Vlez, Poveda y Mesa (2000), Poveda (2004) y
Poveda et al. (2007).
La precipitacin de la regin se puede clasificar como de clima montaoso, con valores
medios anuales que varan 1000 mm en regiones secas como las ubicadas en el valle del
Ro Cauca, hasta las de los 9000 mm encontradas en parte de la vertiente de la cordillera
occidental hacia el Pacfico.
3.4 Procesamiento de la informacin
Con la informacin recopilada se hallaron las precipitaciones mximas para los valores de
duracin entre 1 y 24 horas, el mtodo es similar al anlisis realizados para las tormentas
y consiste en determinar el valor mximo mediante la ventana de tiempo mvil como se
puede apreciar en la Figura 3-2.
P
r
e
c
i
p
i
t
a
c
i
n
(
m
m
)
Tiempo
Ventana movil de tiempo d
Datos Horarios
Figura 3-2 Obtencin de la precipitacin mxima para una duracin d, en la serie
de registros horarios.
No obstante que se pudieran realizar anlisis para analizar eventos independientes como
los que se cuentan en la literatura (Restrepo y Eagleson 1982, Arnell et al 1984). Estas
metodologas son empricas e inexactas pero tienen muchas aplicaciones prcticas.
Posgrado en aprovechamiento de recursos hidrulicos
Universidad Nacional de Colombia-Sede Medelln
26
3.4.1 Registros continuos frente a tormentas estadsticamente independientes.
Pese a que Wilches (2001) trat de usar tales metodologas para la separacin de las
tormentas analizadas en su estudio, las metodologas usadas se relacionaban
bsicamente con la precipitacin media anual, contando con valores de independencia de
los fenmenos que varan entre 1 hora y 10 horas dependiendo de la localizacin de la
estacin de medicin. En vista de este resultado, ese trabajo decidi usar una separacin
de eventos de 2 horas de forma ad hoc. Esto ratifica la dificultad de identificar los
eventos independientes y permite indicar que es ms conveniente usar valores continuos
de precipitacin para encontrar las precipitaciones mximas.
La metodologa usada en este trabajo para estimar las curvas IDF busca que sea
fcilmente repicable, usando la informacin que se encuentra en las diferentes bases de
datos y la que se puede adquirir comercialmente. Sin embargo, existen metodologas
para independizar las tormentas como se indic anteriormente, la toma de todos los
registros permiten encontrar precipitaciones mximas asociadas a cualquier duracin, lo
cual demanda obtener efectivamente los registros mximos ao tras ao. Otros trabajos
han usado metodologas de bsqueda de tormentas han encontrado que es difcil
encontrar los registros de duracin mximos, suponiendo inicialmente que la lminas de
agua registradas de la tormentas analizadas sean las mayores de cada ao; adems es
difcil separar tormentas cuando se analizan precipitaciones superiores de 1 hora, ya que
dentro de este rango pueden suceder picos de intensidad asociados a una misma
tormenta de diferente duracin y que la metodologa de independencia de tormentas
simplemente desechara. Wilches (2001) no llega a conclusiones definitivas respecto a
este aspecto aunque us tormentas en vez de registros continuos. Dentro de sus
conclusiones se destaca:
A pesar de lo anterior no se observan diferencias importantes entre la
series de mximas anuales tomando los aos hidrolgicos y las series
tomando los aos calendario. De acuerdo con los resultados
anteriores es posible concluir que cuando se desean construir las curvas
IDF deben tomarse, si es posible, los registros de precipitacin continuos,
de no ser posible deben seleccionarse el mayor nmero de tormentas
posible, superior a seis (6) u ocho (8) tormentas por ao, dependiendo de
la aplicacin de dichas curvas.