Estimacin de Umbrales de Precipitaciones Extremas

Servicio Nacional de Meteorologa e Hidrologa del Per

Direccin General de Meteorologa
Documento de Trabajo
Luis Alfaro Lozano
De acuerdo con el IPCC1 (Climate Change 2007: Working Group I: The Physical Science Basis) Un
fenmeno meteorolgico extremo es un evento raro en un lugar y momento determinado. Las
definiciones de raro varan, pero en general hay consenso de que un fenmeno meteorolgico
extremo normalmente puede ser ms raro que el percentil 10 o 90 de la funcin de densidad de
probabilidad observada, constituyendo as un ndice climtico de lluvias extremas.
Otra fuente importante sobre esta temtica es la utilizacin de las herramientas elaboradas por el
equipo de expertos sobre deteccin del cambio climtico y los ndices (ETCCDI por sus siglas en
ingls): este equipo tiene el mandato de abordar la necesidad de la medicin objetiva y la
caracterizacin de la variabilidad del clima y el cambio climtico, proporcionando asesoramiento
internacional en materia de ndices relevantes para la deteccin del cambio climtico.
El ETCCDI tiene una pgina web2 cuyo propsito principal es proporcionar:
1. Definiciones y orientacin sobre los clculos de los ndices de cambio climtico, junto con
paquetes de software estndar
2. Guas prcticas sobre la homogeneizacin de datos climticos
3. Materiales para uso en talleres de capacitacin ETCCDI
4. El acceso a los recursos en lnea de ndices climticos
5. Un lugar para la presentacin de datos nuevos o actualizados ndices
Segn el ETCCDI los extremos tales como la lluvia mxima diaria anual de precipitacin, que
tradicionalmente se han modelado con conocidas funciones de distribuciones de valores extremos
utilizadas ampliamente en ingeniera, requieren para el caso de la deteccin del cambio climtico
de indicadores que puedan ser utilizados en un contexto ms amplio. Cabe agregar que los ndices
que han sido utilizados por el SENAMHI para la segunda comunicacin nacional3 , han sido
recomendados por este grupo de trabajo.
En general el ETCCDI reconoce que existen diferentes grupos de investigacin que pueden definir
diferentes ndices para sus propsitos particulares. Albert Klein Tank, investigador del Instituto
Meteorolgico de Holanda (KNMI) compil una lista de los ndices utilizados por diferentes
investigadores, para analizar temperaturas y precipitaciones extremas diarias, cuya copia se
adjunta al presente documento.4
Aqu resalta una coincidencia entre las recomendaciones del IPPC y los criterios del STARDEX
(Statistical and Regional dynamical Downscaling of Extremes for European regions), ellos indican
1

http://www.ipcc.ch/publications_and_data/ar4/wg1/en/annex1sglossary-e-o.html
http://etccdi.pacificclimate.org/index.shtml
3
http://www.senamhi.gob.pe/?p=1604
4
http://etccdi.pacificclimate.org/docs/ETCCDMIndicesComparison1.pdf
2

que las precipitaciones que superan el percentil 90 (calculado de los das con lluvia diaria5) se
consideran que corresponden a das lluviosos6.
Para el ETCCDI en sus definiciones para un conjunto bsico de 27 ndices descriptivos de extremos
se indican como das muy lluviosos (muy fuertes) a aquellos en que la precipitacin supera el
percentil 95 de los das con lluvia, mientras que sern extremadamente lluviosos
(extremadamente fuertes) los que superan el percentil 997.
Con respecto a los das moderadamente lluviosos el European Climate Assesment 8 utiliza el
criterio del percentil 75, es decir a partir de lluvias diarias superiores a este percentil, calculados
sobre la base de das con lluvia9 (RR > 1 mm). En nuestro caso a efectos de que sean consideradas
en este anlisis las estaciones de la costa hemos tomado el criterio de lluvias mayores a 0.1 mm,
(RR> 0.1 mm) para todos los clculos10.
Es pertinente indicar que en este documento no se pretende establecer normales para datos
diarios de lluvia. Como sabemos es conceptualmente errado tratar una variable discreta como si
fuera continua. La idea es que para el tratamiento de estos datos diarios con fines comparativos
respecto de umbrales de extremos para un determinado da, toda precipitacin debajo del
percentil 75 puede ser considerada como usual para la zona donde se realiz el anlisis.
Tabla 1. Caracterizacin de extremos de precipitacin
Umbrales de
precipitacin11
RR/da > 99p
95p <RR/da 99p
90p <RR/da 95p
75p <RR/da 90p

Caracterizacin de lluvias extremas

Extremadamente lluvioso
Muy lluvioso
LLuvioso
Moderadamente lluvioso

Cabe precisar que esta clasificacin no pretende brindar umbrales de intensidad de lluvias y sus
impactos especficos respecto de alguna actividad econmica u otros que deben ser objeto de
estudios especficos. Es una clasificacin de "abundancia" ms que intensidad y debe ayudarnos a
tener un lenguaje comn a la hora de clasificar el total acumulado en 24 horas, ms que apuntar a
la intensidad de la precipitacin. Estos valores pueden ser referidos a impactos cuando tengamos
ms elementos de lo que significan segn los temas a tratar. Por ello tampoco cabe la pregunta
sobre lluvias ligeras en esta clasificacin de lluvias acumuladas en 24 horas, simplemente debajo
de moderado est lo usual para la localidad en que se encuentra la estacin.

Definido por los autores cuando la lluvia en 24 horas supera 1 mm

Heavy rainfall threshold o umbral de lluvias fuertes
7
Climate Data and Monitoring WCDMP-No. 72. Guidelines on Analysis of extremes in a changing climate in
support of informed decisions for adaptation. World Meteorological Organization, 2009
8
http://eca.knmi.nl/indicesextremes/indicesdictionary.php#1
9
Wet days que de acuerdo a cmo ha sido aplicado por el SENAMHI ha sido traducido como das lluviosos.
10
RR/da es la cantidad acumulada de precipitacin en 24 horas.
11
99p, 95p, 90p, 75p, son los percentiles expresados en %
6

Funcin emprica de probabilidad y estimacin de percentiles

Como es conocido, los mtodos no paramtricos son mtodos de inferencia estadstica vlidos
cuando no se hacen hiptesis paramtricas sobre la distribucin de los datos, mientras que en los
mtodos paramtricos el anlisis de frecuencias tiene como objeto determinar los parmetros de
las distribuciones de probabilidad y determinar con ellos la probabilidad de un evento para un
perodo de retorno dado.
En este caso a efectos prcticos en vez de deducir la funcin de densidad de probabilidad
proponemos estimar los umbrales para eventos extremos de precipitacin mediante la funcin
emprica de probabilidad. Una ventaja de este mtodo es que permite hacer inferencia sobre la
distribucin de probabilidad o sobre alguna caracterstica suya, sea cual fuere la distribucin
terica, como por ejemplo la rareza de un evento meteorolgico.
En este procedimiento debe tomarse en cuenta la recomendacin de la OMM (WMO, 2009) 12
que menciona que los montos de lluvia de magnitud extrema de rara ocurrencia, como fue el caso
de El Nio de 1982/1983, (con periodos de retorno de 500 aos o ms), si bien se encuentran en
los registros dentro de un perodo mucho ms corto, deben ser considerados eventos atpicos que
pueden afectar en forma importante la determinacin de la funcin emprica de probabilidad, por
lo que es conveniente excluirlos a efectos de que se refleje su atipicidad en la funcin emprica
indicada.
Si bien, es un procedimiento estndar el clculo de los percentiles (incluyendo el control de
calidad requerido, longitud de la serie y perodo de referencia para caracterizacin climtica)
deben considerarse lo siguiente para este clculo:
1. Excluir del clculo el valor ms alto de la serie13.
2. Cuando en la serie histrica se observan outliers14 es necesario verificar su impacto en los
parmetros estadsticos de la serie debido a su presencia.
3. Excluir del clculo todos los das con trazas.
4. Considerar como da con precipitacin cuando RR > 0.1 mm
5. Si se trabaja con Excel usar la funcin PERCENTIL.INC
6. En lo posible utilizar el perodo de referencia establecido por el SENAMHI para la
caracterizacin climtica (1981 2010), sino es as referir explcitamente el perodo analizado.
Parafraseando lo indicado en el documento Escenarios Climticos en el Per para el Ao 2030
(SENAMHI, 2009), este ltimo punto busca que en el futuro contemos con datos temporalmente
homogneos para realizar los clculos y facilitar los anlisis pertinentes sobre los ndices de
extremos climticos que permitan posteriormente obtener las series temporales de las variables
climticas y determinar cambios.
12

Actualizacin del Manual para la Estimacin de la Mxima Precipitacin Probable (WMO, 1986)
http://www.wmo.int/pages/prog/hwrp/publications/PMP/WMO%201045%20en.pdf,
13
Esta medida tiene como objetivo evitar la influencia de valores atpicos, que pueden afectar la media y la
varianza de la serie. Obviamente mientras ms larga sea la serie menor ser su efecto. Ver WMO N 332.
14
Una traduccin de outlier es atpico. Los outliers son datos que se alejan significativamente de la
tendencia de la informacin y afectan de una manera considerable la magnitud de los parmetros
estadsticos de la serie.

Caso prctico 1
Una primera prueba de aplicacin de esta propuesta fue realizada con los datos diarios de la
precipitacin mayor que 0.1 mm de la estacin sinptica Yurimaguas, proporcionados por OGEI.
En este caso se orden de menor a mayor 6,058 das con lluvia (RR> 0.1 mm) y se calcularon los
percentiles de la serie de 6,057 das con lluvia, excluyendo el mayor valor registrado (230 mm).

Figura 1. Estacin Yurimaguas(1949 1995). Precipitacin en (mm) vs Percentiles (%)

Longitud 76 7' 1" Latitud 5 52' 1"

Altitud 120 msnm

200
180
160
140

mm

120
100
80
60
40
20
0
0

10

20

30

40

50

60

70

80

90

100

Tabla 2: Umbrales de precipitacin para la Estacin Yurimaguas (CORPAC)

Umbrales de
precipitacin
RR/da > 99p
95p <RR/da 99p
90p <RR/da 95p
75p <RR/da 90p

Caracterizacin de lluvias extremas

Extremadamente lluvioso
Muy lluvioso
Lluvioso
Moderadamente lluvioso

Umbrales calculados para la

estacin Yurimaguas
RR> 80 mm
51 mm < RR 80
38 mm < RR 51
21 mm < RR 38

Caso prctico 2
Un segundo caso para aplicar este procedimiento a la estacin de CORPAC del Aeropuerto de
Tumbes. Igualmente se trabaj con los datos diarios de la precipitacin mayor que 0.1,
proporcionados por la OGEI. En este caso se orden de menor a mayor 658 das con lluvia (RR>
0.1mm) y se calcularon los percentiles de la serie de 657 das con lluvia, excluyendo el mayor valor
registrado (304 mm).

Figura 2. Estacin Tumbes (1974 1996). Precipitacin en (mm) vs Percentiles (%)

Longitud 80 23' 1" Latitud 3 33' 1" Altitud 30 msnm

200
180
160
140
120

mm

100
80
60
40
20
0
0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

80.0

90.0

100.0

%
Tambin se consider la exclusin de la serie las precipitaciones de 1983 que corresponden al
fenmeno El Nio extraordinario 82/83. La nueva serie consta de 550 datos.
Los resultados se muestran en la siguiente tabla:
Tabla 4: Umbrales de precipitacin para la Estacin Tumbes (CORPAC)
Umbrales de
precipitacin
RR/da > 99p
95p <RR/da 99p
90p <RR/da 95p
75p <RR/da 90p

Caracterizacin de
lluvias extremas
Extremadamente
lluvioso
Muy lluvioso
Lluvioso
Moderadamente
lluvioso

Umbrales calculados para la

estacin Tumbes
incluyendo 1983
RR> 121 mm

Umbrales calculados para la

estacin Tumbes
excluyendo 1983
RR> 83 mm

57 mm < RR 121
36 mm < RR 57
13 mm < RR 36

32 mm < RR 83
20 mm < RR 32
9 mm < RR 20

Para ambos casos el tratamiento de los datos mediante percentiles responde bien al
comportamiento esperado de la precipitacin. El caso de Tumbes es muy interesante dado el
fuerte contraste entre pocas lluviosas y pocas secas, pero parece razonable excluir de la serie
El Nio extraordinario de 1983, sobre todo considerando el fuerte impacto en el clculo de los
percentiles ms altos que 95%.
Caso prctico 3
Un tercer caso para aplicar este procedimiento a la estacin de CORPAC del Aeropuerto
Internacional Jorge Chvez. Igualmente se trabaj con los datos diarios de la precipitacin mayor
que 0.1, proporcionados por la OGEI. En este caso se orden de menor a mayor 675 das con
lluvia (RR > 0.1mm) y se calcularon los percentiles de la serie de 674 das con lluvia, excluyendo
el mayor valor registrado (8.2 mm).
Figura 3. Estacin Aeropuerto Internacional Jorge Chvez (1960 - 1995)
Precipitacin en (mm) vs Percentiles (%)
Longitud 77 7' 1" Latitud 12 0' 1" Altitud 16 msnm

5
4.5
4
3.5

mm

3
2.5
2
1.5
1
0.5
0
0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

80.0

90.0

100.0

%
Tabla 5: Umbrales de precipitacin para la Estacin Aeropuerto internacional Jorge Chvez
(CORPAC)
Umbrales de precipitacin
RR/da > 99p
95p <RR/da 99p
90p <RR/da 95p
75p <RR/da 90p

Caracterizacin de lluvias
extremas
Extremadamente lluvioso
Muy lluvioso
Lluvioso
Moderadamente lluvioso

Umbrales calculados para la

estacin Aeropuerto Internacional
RR> 2.3 mm
1.0 mm < RR 2.3
0.7 mm < RR 1.0
0.4 mm < RR 0.7

Para este caso probamos el efecto de no incluir el registro de 8.2 mm y los umbrales obtenidos no
fueron afectados para la distribucin emprica de probabilidad.
Caso prctico 4
Un cuarto caso para aplicar este procedimiento a la estacin de CORPAC de Juliaca. Igualmente se
trabaj con los datos diarios de la precipitacin mayor que 0.1, proporcionados por la OGEI. En
este caso se orden de menor a mayor 3176 das con lluvia (RR > 0.1mm) y se calcularon los
percentiles de la serie de 3175 das con lluvia, excluyendo el mayor valor registrado (80 mm).
Figura 4. Estacin Juliaca (1961 - 1995)
Precipitacin en (mm) vs Percentiles (%)
Longitud 70 10' 1" Latitud 15 28' 1" Altitud 3960 msnm
60
50
40
30
20
10
0
0

10

20

30

40

50

60

70

80

90

100

Tabla 6: Umbrales de precipitacin para la Estacin Juliaca (CORPAC) (1961 1995)

Umbrales de precipitacin
RR/da > 99p
95p <RR/da 99p
90p <RR/da 95p
75p <RR/da 90p

Caracterizacin de lluvias
extremas
Extremadamente lluvioso
Muy lluvioso
Lluvioso
Moderadamente lluvioso

Umbrales calculados para la

estacin Juliaca
RR> 29 mm
20 mm < RR 29 mm
15 mm < RR 20 mm
9 mm < RR 15 mm

En este punto es pertinente preguntarse sobre la influencia del ciclo estacional en la funcin
emprica de probabilidad. Es claro que para Juliaca la fuerte diferencia entre la poca seca y de
lluvias hace presumir que cuando filtramos los valores de precipitacin RR > 0.1, estamos
excluyendo el invierno austral, sin embargo para estaciones como Yurimaguas esta deduccin no
es aplicable.

Conclusiones
Los resultados para una estacin de selva, de la costa norte, la costa central y sierra sur, muestran
valores razonables para su caracterizacin climatolgica de extremos de precipitacin.
Se debe evaluar el impacto de la variabilidad estacional en la funcin emprica de probabilidad
para cada caso, a efectos de evaluar la pertinencia de establecer umbrales estacionales de
precipitacin.
La ventaja prctica de esta propuesta es que puede ser aplicada fcilmente, es conocida y aplicada
internacionalmente y permite, sin conocer la distribucin de probabilidad de una serie, deducir
sus estadsticos cuya distribucin en el muestreo no depende de la funcin de probabilidad.
Bibliografa
Albert M.G. Klein Tank, Francis W. Zwiers y Xuebin Zhang. Guidelines on Analysis of extremes in a
changing climate in support of informed decisions for adaptation. World Meteorological
Organization, 2009.
Alexander, L. V., et al. Global observed changes in daily climate extremes of temperature and
precipitation, J. Geophys. Res., 111, D05109, doi:10.1029/2005JD006290. (2006)
SENAMHI. Escenarios Climticos en el Per para el Ao 2030. Lima - Per,2009.
WMO. Manual for Estimation of Probable Maximum Precipitation, Second Edition, Operational
Hydrology Reports No. 1, WMO No. 332. Organizacin Meteorolgica Mundial, Ginebra 1986.