Escolar Documentos
Profissional Documentos
Cultura Documentos
1. INTRODUCCIÓN
Además, los datos faltantes son bastante frecuentes y se deben a una gran variedad de causas,
por ejemplo, por desperfectos en el equipo de medición, enfermedad o sustitución del encargado
de la observación, por interrupciones debido a limitaciones presupuestales, etc. Es por eso, que
los datos faltantes son estimados en base a registros de estaciones cercanas, o en base al propio
registro. La extensión y completación de datos mediante estadísticas, es muy frecuente en el
diseño de obras hidráulicas con datos de corta duración.
Una aplicación es por ejemplo en el diseño de obras hidráulicas, en las que la longitud del registro
no puede establecerse con facilidad; solo es obvio que, cuanto más larga sea este, mejor será la
estimación de la variable hidrológica que intervienen en el diseño.
Por lo anterior, este capítulo desarrolla las técnicas que proporcionan una información aproximada
para completar y extender datos, las que se deben verificarse con el análisis de homogeneidad, ya
que nada sustituye el dato directo.
2. HOMOGENEIDAD
ANALISIS GRAFICO
En general los procesos hidrológicos como son la precipitación y la escorrentía se pueden registrar
en una escala de tiempo continuo, aunque pueden ser también discretos cuando se registran
respetando un intervalo de tiempo.
1
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
Una gráfica de las descargas, o precipitaciones (Yt, o Xt) vs el tiempo (t), constituyen una serie
de tiempo y puede ser en escala de tiempo continuo o discreto. Las series de tiempo hidrológicas
pueden ser definidas en forma horaria, diaria, semanalmente, mensualmente, bimensualmente o
anualmente.
En el análisis de homogeneidad de los datos, primero se empieza por un análisis visual de la serie
hidrológica, esto a fin de detectar saltos.
El análisis gráfico consiste en analizar visualmente con la ayuda de un histograma los datos
originales, graficados en coordenadas aritméticas, donde en las ordenadas se toma el valor de la
serie (precipitación, temperatura, descarga u otros) y en las abscisas el tiempo (anuales,
mensuales, semanales o diarios).
180
160
140
Precipitación
120
100
80
60
40
20
0
Tiempo
Los diagramas de doble masa junto con el análisis visual sirven para determinar el rango de los
periodos dudosos y confiables para cada estación en estudio, esto a través del punto de quiebre,
el que indicará el cambio en la serie, debido a errores producidos en su obtención.
Para efectos de analizar la curva doble masa, la información incompleta, se llena con el promedio
de los datos vecinos.
En el caso de las variables hidrológicas precipitación y caudal, se asume que en una cuenca
homogénea debe existir proporcionalidad entre las precipitaciones medidas en diferentes
estaciones y a su vez entre las precipitaciones y caudales entre sí,
Si el registro no ha sufrido ninguna alteración, se obtendrá una recta lo que indica que las
precipitaciones de la cuenca esta sujeta al mismo tipo de régimen. En cambio si se encuentra un
quiebre, se concluye que algún fenómeno cuya naturaleza hay que determinar, altero la
uniformidad de las medidas. Este quiebre puede deberse a causas naturales o artificiales, entre
las causas artificiales tenemos la deforestación de una zona, la construcción de embalses, la
2
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
desecación de pantanos, etc. Sin embargo, diversos autores indican que estos cambios deben ser
muy violentos para que la curva se quiebre.
Estos efectos deberían ser normalmente graduales. Lo más probable es que los cambios bruscos
provengan de diferencias en las normas de observación, cambio de ubicación del pluviómetro o
errores de medida o el cambio del operador; pero nunca obedecerá a causas meteorológicas que
deberían afectar de igual forma a todas las estaciones de la zona.
La prueba estadística de homogeneidad, presenta una hipótesis nula y una regla para aceptarla o
rechazarla sobre la base de una probabilidad de ocurrencia. Si dicha probabilidad de ocurrencia de
la hipótesis nula es pequeña, se concluirá que la serie no es homogénea; si es grande lo contrario.
3
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
Cuando es posible especificar la distribución que sigue la hipótesis nula y las alternativas, las
pruebas paramétricas pueden ser utilizadas, de lo contrario se emplea las pruebas no
paramétricas.
La prueba de Helmert consiste en analizar el signo de las desviaciones de cada evento de la serie
con respecto a su media. Si una desviación es seguida por otra del mismo signo, se crea una
secuencia (S), por el contrario si una desviación es seguida por una por otra de signo contrario, se
registra un cambio (C).
S C n 1 Homogénea
Esta prueba consiste en contar el número de secuencias (U) por encima o debajo de la mediana
de la serie. Usando el valor de la mediana, se marca con A si es mayor y con B si es menor, cada
dato de la serie, luego el número de valores de A o B son contabilizados. Para que la serie sea
homogénea, si el número de secuencias (U) está entre el rango que se da en la Tabla de
Secuencia U según número de años de registro (n).
U A B Homogénea
4
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
Tabla Nº 3. Rango de U en Función del Número de Años de Registro
Años Rango Años Rango
(n) U (n) U
12 5–8 32 13 – 20
14 5 – 10 34 14 – 21
16 6 – 11 36 15 – 22
18 7 – 12 38 16 – 23
20 8 – 13 40 16 – 25
22 9 – 14 50 22 – 30
24 9 – 16 60 26 – 36
26 10 – 17 70 31 - 41
28 11 – 18 80 35 –47
30 12 - 19 100 45 - 57
Combinando estos criterios se llega a tener una idea de la confiabilidad de la muestra, para
corregir, si fuese necesario, mejorando su bondad estadística y obteniendo finalmente una serie de
datos homogéneos y consistentes.
5
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
Cuando la causa de la pérdida de la homogeneidad de la serie se deba a un cambio en la media,
a prueba paramétrica de T de Student es útil, pero solo si el tamaño de los dos períodos
seleccionados son parecidos.
La prueba requiere identificar previamente en un histograma, dos períodos que se sospeche que
sean no homogéneos. Si denominamos la longitud de la primera serie con n 1 y la del segundo
periodo como n2 teniendo cada uno de ellos a x1 y x 2 como valores medios respectivamente,
tendremos:
tc
x1 x2 n1 n2
12
n1 1 S12 n2 1 S 22 1 1
n n
n1 n2 2 1 2
Si y solo si, el valor absoluto de tc es mayor que el de ttabla , se concluye que la diferencia entre las
medias, es evidencia de inconsistencia o falta de homogeneidad.
t c t tabla Homogéneo
6
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
En la prueba Cramer, x y S son receptivamente la media y la desviación estándar típica del
registro total de n valores, Por otra parte x k es la media del subperíodo de n1 valores.
ik n
x i
xk i k 1
1
n
xk x
k
S
n1 n 2
12
tk k
n n 1 k
1 2
Si y solo si, el valor absoluto de tk es mayor que el de ttabla , se concluye que la diferencia entre las
medias, es evidencia de inconsistencia o falta de homogeneidad.
t k ttabla Homogéneo
S12
Fc 2
cuando S12 es mayor S 22
S2
S 22
Fc 2 cuando S12 es menor S 22
S1
El valor encontrado se compara con el valor crítico de F obtenido en las tablas F de Fisher, para
un nivel de significancia de 5% y con los siguientes grados de libertad:
g.l. numerador = n1 – 1
g.l. denominador = n2 – 1 si S12 es mayor que S 22
g.l. numerador = n2 – 1
g.l. denominador = n1 – 1 si S12 es menor que S 22
CORRECCIÓN DE DATOS
7
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
X j X1
Si se corrige el primer período: X j S2 X 2
|
S1
X j X2
Si se corrige el segundo período: X j S1 X 1
|
S2
X |j Valor corregido de la información
X j valor a ser corregido
X 1 , X 2 = media de la primera y segunda serie
S1 , S 2 = desviación estándar de la primera y segunda serie
8
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
Nada puede sustituir el dato directo, por ello que las técnicas que se emplean para completar
datos deben verificarse con el análisis de homogeneidad.
El método consiste en ponderar una cantidad W, igual al reciproco del cuadrado de la distancia D
entre cada estación, por lo menos cuatro estaciones. Se aplica para estimar valores diarios,
mensuales o anuales faltantes.
Px
PW i i
W i
Donde:
Pi = precipitación observada para la fecha faltante en las estaciones auxiliares circundantes en
mm.
Wi = 1 D 2 , siendo D la distancia a cada estación circundante desde la estación incompleta
Se debe verificar que los valores medios anuales o mensuales de cada una de las estaciones
auxiliares no deben exceder en más del 10% de la registrada en la estación incompleta (respecto
al promedio encontrado).
Px
P i
Donde:
Px = precipitación mensual faltante en mm.
Pi = precipitación mensual en la estación i en mm
n = numero de estaciones con registros completos
El método consiste en ponderar los valores observados mensuales en las tres estaciones
mediante el cociente entre el valor medio anual de la estación incompleta y el valor medio anual de
las tres estaciones. Se aplica generalmente para estimar valores mensuales faltantes a partir de
valores observados de tres estaciones cercanas, situadas uniformemente alrededor de la estación
incompleta.
1 N N N
Px x PA x PB x Pc
3 NA NB Nc
Donde:
Px = precipitación mensual estimada en mm.
Nx = precipitación media anual de la estación incompleta en mm
NA, NB, NC = precipitación mensual observada en las estaciones A, B, C en mm
9
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
El método no debe ser restringido a tres estaciones sino que puede ser empleado a un número
mayor de estaciones, siempre y cuando estén uniformemente distribuidas alrededor de la estación
incompleta.
Este método es aplicado mayormente para estimar valores mensuales y anuales faltantes, a partir
de una estación índice.
Se usa del coeficiente de correlación (r) para elegir la estación que tenga mayor correlación.
r
X i X Yi Y
n 1 S x S y
Donde:
r = coeficiente de correlación
n = numero de pares de datos conocidos
X = media aritmética de los Xi
Y = media aritmética de los Yi
S X = Desviación estándar de los Xi
S Y = desviación estándar de los Yi
Los valores de “r” pueden variar desde -1 hasta +1, siendo:
r = 0 sin correlación o correlación nula
r = +1 correlación directa optima
r = -1 correlación inversa optima
10
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
Figura Nº 2. Gráfica de Método de Regresión
Mes A B C D
Ene 129.3 143.2 110.0 95.3 D/A r = 0.346
Feb 112.5 159.5 98.0 85.6 D/B r = 0.557
Mar 200.0 89.9 190.0 159.4 D/C r = 0.717
Abr 83.8 20.8 40.0 39.1 pendiente 0.8
May 0.0 0.0 15.0 19.1 intersección 7.0
Jun 0.1 0.0 0.0 7.0
Jul 12.2 0.0 0.0 7.0 D = 7.0279 + 0.8022 C
Ago 0.0 12.4 0.0 7.0
Sep 27.4 19.5 29.0 21.0
Oct 20.6 30.0 46.0 61.5
Nov 50.0 59.0 60.0 48.5
Dic 80.0 90.0 86.0 74.4
Suma 715.9 624.3 674.0 205.4
Promedio 59.7 52.0 56.2 51.4
3.1.5 Autocorrelación
En la figura se muestra una serie de tiempo simple, (Xt). Si el valor de X al tiempo t depende
linealmente del valor de X en el tiempo (t-k), para k = 1,2,3.. entonces la serie de tiempo será
autocorrelativo, es decir se puede describir como una correlación de la serie con ella misma.
A partir de las series de tiempo simples Xt y Yt, cada serie pueden tener autocorrelacion y
correlación cruzada entre las dos series.
11
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
Correlación Cruzada con Desface: consiste en encontrar el coeficiente de correlación entre los
valores del mes de enero de la estación X y el mes precedente o siguiente de la estación Y (mes
de diciembre o febrero). De existir una buena correlación se puede usar para la completación y
extensión de datos. El desfase puede ser inclusive mas de un mes, es decir k = 1, 2, 3...
…..
12
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
Este método permite estimar valores mensuales faltantes (como máximo once) en función de la
información de años completos, mediante la siguiente ecuación:
Pi PI Sp
1200 sp
Donde:
i = cada uno de los mese desconocidos, máximo 11
Pi = precipitación mensual desconocida en cada año incompleto (mm)
sp = suma de los porcentajes promedios de los meses cuya precipitación se desconoce (%)
P I = suma de las precipitaciones mensuales conocidas en los años incompletos (mm)
Ene 47.4 88.3 163.1 330.0 89.3 170.9 129.3 201.4 153.4 197.6 = Sene
Feb 85.0 158.4 27.6 55.8 147.3 281.8 112.5 175.2 143.2 71.3
Mar 95.0 177.0 28.3 57.3 174.6 334.1 200.0 311.5 159.5 124.3
Abr 60.8 113.3 61.7 124.8 43.8 83.8 83.8 130.5 89.9 28.1
May 0.0 0.0 42.0 85.0 5.0 9.6 0.0 0.0 20.8 0.0
Jun 0.1 0.2 0.0 0.0 0.0 0.0 0.1 0.2 9.4 0.0
Jul 0.2 0.4 4.7 9.5 0.0 0.0 12.2 19.0 15.5 0.0
Ago 6.1 11.4 1.3 2.6 0.5 1.0 0.0 0.0 8.9 0.0
Sep 36.6 68.2 61.7 124.8 0.0 0.0 30.4 47.4 41.1 60.1 = Sset
Oct 33.1 61.7 33.0 66.8 5.3 10.1 67.2 104.7 31.4 60.8 = Soct
Nov 77.6 144.6 18.5 37.4 15.1 28.9 44.7 69.6 43.9 70.1 = Snov
Dic 202.0 376.5 151.2 305.9 146.3 279.9 90.2 140.5 116.0 42.5
Prom 53.7 49.4 52.3 64.2 716.6 382.6
13
Clase IV. Análisis de Datos Hidrológicos
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA – FACULTAD DE INGENIERIA AGRICOLA
DEPARTAMENTO DE RECURSOS DE AGUA Y TIERRA DRAT
CURSO: HIDROLOGIA
Prof. M. Sc. Ing. Lia Ramos Fernández
716.6
Pset * 60.1 42.69mm
1200 191.1
716.6
Poct * 60.8 43.18mm
1200 191.1
716.6
Pnov * 70.1 49.79
1200 191.1
Sp 1974 197.6
382.6
Pene *197.6 75.42mm
1200 197.6
TRABAJO ENCARGADO
…
BIBLIOGRAFÍA
CAMPOS A. D. (1987). Procesos del Ciclo Hidrológico. Universidad Autónoma de San Luís de
Potosí. Editorial Universitaria Potosina. México.
LINSLEY, R. K., KOHLER M. A.. (1975). Hidrología para Ingenieros. McGraw Hill, Latinoamericana
S. A. 2da. Edición. Colombia.
SEVILLA J. C. (1990). Notas del Curso de Hidrología, Universidad Nacional Agraria La Molina.
Lima.
14
Clase IV. Análisis de Datos Hidrológicos