Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumen Introducción
La limitada comprensión de las múltiples conexiones entre el En términos del clima, los sistemas montañosos desarrollan un
clima y la hidrología en las zonas de montaña y la escasez de considerable sistema complejo por sí mismos, influenciados
registros en dichas zonas, es el punto de partida de la presente por la característica de estrechamiento e incisión profunda de
investigación, la cual abarca principalmente 3 aspectos: a) Se los valles. En su desempeño como almacenadores de agua, las
analizo la evolución de los registros de precipitación y regiones montañosas forman un importante suministro de agua
temperatura in-situ mayor a 30 años de información. Para las en el periodo seco para las tierras bajas; y así la sociedad en su
precipitaciones, no se identificaron tendencias considerando conjunto percibe cada vez más a las montañas como fuentes
un 99% de confianza en una gran parte de los Andes Centrales de agua, que abastecen a gran parte de la población mundial
y del Norte. Para las temperaturas, la zona Sur de los Andes (Schaeffli et al. 2005). Beniston et al. (1997) describen dicha
Centrales presenta tendencias locales con valores máximos de complejidad que se reflejan en los registros de temperatura y
0.03ºC/año. b) Los registros in-situ de precipitación fueron precipitación a diferentes escalas asociados a los fenómenos
comparados con los datos satelitales TRMM 3B-43 v6 dentro climáticos y la orografía. El presente estudio se enfoca sobre
de nueve regiones climatológicamente homogéneas para el las zonas con altitud superior a 3000 msnm y que forman parte
periodo común 1998-2007. En cada región la confiabilidad de de los Andes del Norte (Cordilleras Blanca y Negra), Andes
los registros TRMM es variable. En general, durante el Centrales (Cordillera Occidental, Central y Oriental) y Andes
periodo húmedo de noviembre a marzo es confiable en del Sur (Vertiente del Titicaca). Una descripción detallada del
términos de la raíz del error cuadrático medio relativo régimen de precipitaciones en la región Andina se detallan en
(%RMSE) y al coeficiente de correlación (%CC), a excepción Espinoza et al. (2009a), Laraque et al. (2007), Garraud et al.
de zonas como la costa Sur y la vertiente amazónica oriental (2003) y Ronchail et Gallaire (2006). Estas zonas a su vez
del Sur. Debido a este comportamiento, se propone la presentan poca información, por lo cual es necesario contar
corrección de los datos TRMM en función de los datos in-situ, con una metodología que permita la extrapolación o la
mediante la generación de factores aditivos y multiplicativos exploración espacial de las precipitaciones y temperaturas.
obtenidos de patrones comunes de precipitación. Estos
factores logran corregir y extender el periodo mensual donde De esta forma se propone un análisis para estas dos variables
la estimación del TRMM original no era confiable para la considerando los datos in-situ del Servicio Nacional de
mayoría de las regiones. c) Para la temperatura, se comparan Meteorología e Hidrología de Perú (SENAMHI); los datos
los datos in-situ con los datos de reanálisis NCEP NCAR de obtenidos del satélite que opera bajo el proyecto TRMM
manera puntual y periodo común. Se concluye que los niveles (Tropical Rainfall Measuring Mission) para precipitaciones y
de presión 600 y 700 hPa de la temperatura del aire de NCEP los datos de reanalisis NCEP NCAR (National Center for
NCAP ofrecen una aproximación a las estaciones, sin Environmental Prediction - National Center for Atmospheric
embargo presentan una variación desde los 10°C en los Andes Research) para temperaturas. Muchos estudios se han
del Norte hasta 0.4°C en los Andes Centrales. Se propone el dedicado al empleo de los productos TRMM con fines
empleo de un gradiente regional mensual para la corrección hidrológicos, generalmente enfocados en planicies bajas en
del NCEP NCAR, considerando estaciones de referencia por África (Hughes, 2006; Wilk et al., 2006, Endreny and Imbeah,
cada grilla y variaciones altitudinales, La confiabilidad de 2009), en Brasil (Colischonn et al., 2008, Franchito et al 2009)
estas correcciones es muy aceptable para los Andes del Norte y en la amazonia del Peru (Lavado et al., 2009). Con respecto
y Centrales. al reanalisis NCEP NCAR, éstas se encuentran contenida en
grillas, siendo el producto más empleado por la disponibilidad
Palabras clave: Precipitación; Temperatura; Tendencias; de información de parámetros tales como la temperatura del
TRMM 3B43; NCEP NCAR reanalisis; Andes aire, la cual representa una de las más confiables del reanalisis
(Kistler et al, 2001).
1
IV CONGRESO NACIONAL DEL AGUA
UNALM, UNI, UNMSM
LIMA, PERU. 13 Y 14 DE JUNIO DEL 2013
La metodología que se plantea para la corrección de datos test de Pettitt ha sido ampliamente utilizado para la detección
TRMM y NCEP NCAR sugiere el empleo de data in-situ de puntos de quiebres en series hidrológicas (Espinoza et al.,
Usando los datos TRMM y NCEP NCAR corregidos, se podrá 2009b, Lavado et al, 2012, Salarijazi et al, 2012).
inferir su validación y el comportamiento espacio-temporal de
la precipitación en los andes peruanos. ANALISIS DE PRECIPITACIONES Y DATOS TRMM
De acuerdo a Kendall y Stuart (1968), el análisis de series de ∆Pi = µ TRMM i − µ SENAMHI i [1]
tiempo requiere mejorar la comprensión del mecanismo
estadístico que genero dichas series observadas. Cada serie de i = número del mes (1, 2, …, 12)
datos puede ser representada solo parcialmente dentro de la µTRMMi = media del registro TRMM para el mes i
complejidad del fenómeno que produce las series. Aun asi µSENAMHIi = media del registro SENAMHI para el mes i
estas series de datos requiere una explicación antes de realizar
alguna interpretación espacial producido por una sola serie de Seguidamente, se realiza la estimación de errores para estimar
datos. la confiabilidad de las estimaciones del TRMM sobre cada
En nuestro estudio, 16 de 49 estaciones de precipitación y 8 estación in situ y sobre cada región, esto será validado con el
de 27 estaciones de temperatura poseen registros por un Error Medio relativo (%MBE), el Error Medio Absoluto
periodo mayor a 30 años (con periodo común máximo de 1964 relativo (%AE) y la Raíz del Error Cuadrático Medio relativo
al 2007), suficiente longitud de registro para establecer un (%RMSE), adquiriendo este ultimo mayor importancia
comportamiento coherente (WMO, 2003). De este modo se (Franchito et al., 2009).
realizo un análisis de tendencias con el test de Mann-Kendall
(Man Kendall, 1975) y un análisis de quiebres con el test de
Pettitt (Pettitt, 1979). Estas metodologías fueron compilados RMSE =
∑ (P TRMM i − PSENAMHIi ) 2 [2]
de las guias técnicas de los programas computacionales Trend N
(Chiew and Siriwardena, 2005) y Khronostat (Boyer, 2002)
para sistematizar el proceso de cálculo. El test de Mann- PTRMMi: Precipitación TRMM en el mes i (mm/mes)
Kendall ha sido una de las metodologías recomendadas por la PSENAMHIi: Precipitación SENAMHI en el mes i (mm/mes)
Organización Meteorológica Mundial (Salarijazi, 2012). El i: mes de la serie continua (1998-2007)
2
IV CONGRESO NACIONAL DEL AGUA
UNALM, UNI, UNMSM
LIMA, PERU. 13 Y 14 DE JUNIO DEL 2013
N: Número de pares comparados. propone obtener un gradiente regional mensual o “lapse rate”
( Γ ) expresado en °C/100 m, el cual describe el decrecimiento
Cuando el RMSE de la precipitación estimada es menor al de la temperatura con la altitud. Para latitudes Norte, esto es
50% de la cantidad de precipitación medida, es considerado obtenido por Kunkel (1989) y Liston et al (2006) y es aplicado
confiable; cuando el RMSE es igual o mayor que el 50% de la a metodologías de downscaling (Gao et al., 2012). Este
magnitud de la precipitación de referencia, la estimación es gradiente esta relacionado a la teoría de la estabilidad
considerada no confiable para dicha región. Por otro lado convectiva del aire y del gradiente adiabático seco igual a
también se establece una relación cuantitativa con el 1°C/100m (en valores absolutos). En condiciones estables, la
coeficiente de correlación de la regresión lineal entre ambas atmosfera en el ambiente alcanza un gradiente menor a 1
fuentes de datos sin término constante. Las correlaciones son (gradiente adiabático húmedo). Un gradiente mayor a
significativas (p>0.01) cuando presentan un coeficiente de 1°C/100m representará condiciones inestables resultante en un
correlación mayor o igual a 0.7. movimiento amplificado de capas de aire (Tabony, 1985;
El tipo de distribución probabilística, en todas las estaciones Barry, 2008).
de precipitación SENAMHI, presenta una fuerte asimetría Por otro lado, los datos NCEP NCAR fueron obtenidos de la
negativa, esta fue disminuida al convertir los datos a base de datos del IRI (International Research Institute for
logaritmos naturales incrementados en la unidad, el mismo Climate and Society, Columbia University, USA), los cuales
comportamiento es observado para los datos TRMM, los se encuentran agrupados por niveles de presión. Para nuestro
resultados de esta conversión se denominaron datos estudio empleamos los niveles: 700 hPa (~ 3000 m), 600 hPa
transformados. (~4000 m) y 500 hPa (~5500 m). Espacialmente estas grillas
cubren 2.5° x 2.5° (77000 km2 por grilla). Los datos se
MODELOS DE CORRECCION DE DATOS TRMM encuentran disponibles desde 1949. La comparación entre
Se propone la obtención de un patrón común del TRMM en datos SENAMHI y NCEP NCAR se realizó mediante la
función de la información SENAMHI, esto es posible ecuación (6) y corresponde a una metodología del tipo
empleando un modelo aditivo mediante la ecuación (3); o un puntual (Rusticucci et al., 2002; Gao et al., 2012).
modelo multiplicativo mediante la ecuación (4).
∆Ti = µ SENAMHI k − µ NNR k
f1i = µlog(TRMMi +1) − µlog(SENAMHIi +1) [3]
i i [6]
µ NNR k
i = media del registro NCEP NCAR (mes i y nivel k).
i = número de mes (1,…,12)
µlogSENAMHIi+1 = media del registro SENAMHI transformado
para el mes i. MODELO DE CORRECCION DE DATOS NCEP NCAR
µlogTRMMi+1 = media del registro TRMM transformado para el Se propone un factor de corrección en función de la
mes i. información SENAMHI y del gradiente regional, esto es
posible empleando la ecuación (7).
Los vectores f1 ó f2, se aplicarán a cada valor del TRMM
original. Finalmente, se obtienen los valores de precipitación BSi + Γi .(hBS − hNNR k ) + Γi (hx − hNNR k )
total mensual TRMM corregida, para cada mes de los 10 años fci = k
[7]
de registro (1998-2007), obtenidos con la siguiente ecuación NNRi
(5), bien sea por un modelo aditivo o multiplicativo:
fci= Factor de corrección para el mes i.
TRMM ic , j = f i TRMM i , j + 1 − 1 [5] BSi= Temperatura media de la estación base para el mes i.
Γi= Gradiente para el mes i.
hBS= Altitud de la estación base.
TRMMic,j = Precipitación TRMM corregida para el mes i del hNNRk= Altitud de la grilla NCEP NCAR para el nivel de
año j presión k.
i = número de mes (1,…,12) hx= Altitud en un punto “x” donde se desea corregir en
j = año de la serie (1998, 1999,…,2007) función de los datos NCEP NCAR.
fi = vector aplicado (f1=aditivo ó f2=multiplicativo) NNRik= Temperatura media NCEP NCAR original para el
nivel k y mes i.
Mayor detalle de las metodologías de corrección se describen
en Condom et al. (2011) y Rau & Condom (2010). La confiabilidad de las correcciones son analizadas con el
RMSE (Ecuación 2 aplicado a Temperaturas) y el coeficiente
de correlación CC. Mayor detalle de la metodología de
ANALISIS DE TEMPERATURAS Y DATOS NCEP NCAR corrección se describe en Rau et al. (2013).
Se analizaron las estaciones in-situ SENAMHI con registro
mayor a 10 años de información y en función de la altitud se
3
IV CONGRESO NACIONAL DEL AGUA
UNALM, UNI, UNMSM
LIMA, PERU. 13 Y 14 DE JUNIO DEL 2013
Tendencia
Temperatura media Precipitacion total Tendencia
Andes ubicacion Region Estacion SENAMHI in-situ Temperatura
(°C/año) (mm/año) Precipitacion
(°C/año)
4
IV CONGRESO NACIONAL DEL AGUA
UNALM, UNI, UNMSM
LIMA, PERU. 13 Y 14 DE JUNIO DEL 2013
Evaluación de resultados
ANALISIS DE TENDENCIAS
150
100
50
0
0 y = 0.5092x 50 y = 0.9836x 100 150 200 y = 0.8309x 250
CC = 77% CC = 78% P SENAMHI ENE (mm) CC = 78%
TRMM original TRMM Aditivo TRMM Multiplicativo
Figura 3.- Regresión lineal sin término constante entre los datos
SENAMHI, TRMM corregido con el modelo aditivo y multiplicativo
en el mes de enero sobre la región R2.
Figura 2.- Variación estacional de Enero a Diciembre, de las
diferencias entre los datos TRMM y datos in situ.
5
IV CONGRESO NACIONAL DEL AGUA
UNALM, UNI, UNMSM
LIMA, PERU. 13 Y 14 DE JUNIO DEL 2013
inversa entra altitud y temperatura tal como se muestra en la ANDAHUA (3587 m asl) 72.5W, 15S 2000 – 2007
CHIVAY (3633 m asl) 72.5W, 15S 1964 – 2007
Figura 5, en la cual no se considero las estaciones con serie Andes Centrales,
CONDOROMA (4160 m asl) 72.5W, 15S 1977 – 1995
cadena Oeste
corta menor a diez años o influenciados por fenómenos de PORPERA (4195 m asl) 72.5W, 15S 2003 – 2007
radiación relacionados con la transm misividad atmosférica SIBAYO (3810 m asl) 72.5W, 15S 1951 – 2007
TISCO (4175 m asl) 72.5W, 15S 2003 – 2007
(Baigorria et al, 2004), resultando una relación directa entre PAÑE (4605 m asl) 70W, 15S 1951- 1973/1992-2000
altitud y temperatura (estaciones Pullhuay y Cabanillas) AGUADA BLANCA (3855 m asl) 72.5W, 15S 1991 – 2000
especialmente en zonas cercanas al Altiplano.
Altiplano EL FRAYLE (4060 m asl) 70W, 15S 1963 – 2007
Andes Centrales, IMATA (4519 m asl) 70W, 15S 1949 – 2007
La Figura 5, muestra un gradiente adiabático anual de 0.9 cadena Oeste LAS SALINAS (4310 m asl) 70W, 17.5S 2003 – 2007
°C/100 m,, este valor es mayor que el típico valor de 0.6 PAMPA DE ARRIEROS (3715 m asl) 72.5W, 15S 1999 – 2007
asumido clásicamente en los modelos climáticos (Tabony, PILLONES (4360 m asl) 70W, 15S 2003 - 2007
Andes Centrales, LA ANGOSTURA (4150 m asl) 72.5W, 15S 1961 - 2007
1985). En general estas regiones ubicadas en los Andes cadena Central YAURI (3927 m asl) 72.5W, 15S 1964–1978/1986-2007
presentan rangos de gradiente adiabático diferentes a otras SICUANI (3574 m asl) 70W, 15S 1987 - 2007
cadenas montañosas, por tal razón se estimaron dichos Andes Centrales, POMACANCHI (3700 m asl) 72.5W, 15S 1985 – 2007
cadena Este 72.5W, 12.5S 1964-1983/1986-2007
gradientes a nivel mensual y se muestran en la Tabla 4.
4 CCATCA (3729 m asl)
72.5W, 12.5S 2001 – 2007
COLQUEPATA (3729 m asl)
4800 JULIACA (4350 m asl) 70W, 15S 1961-1995, 2007
Andes del Sur
4600 CABANILLAS (3900 m asl) 70W, 15S 1964 - 2007
4400
y = -111.73x
111.73x + 4751.9
CC = 92% Tabla 4.- Estaciones in-situ
situ y grillas NCEP NCAR.
Altitude (m asl)
4200
4000
3800
3600
3400
3200
3000
2.0 4.0 6.0 8.0 10.0 12.0 14.0
Mean annual temperature (ºC)
SENAMHI
6
IV CONGRESO NACIONAL DEL AGUA
UNALM, UNI, UNMSM
LIMA, PERU. 13 Y 14 DE JUNIO DEL 2013
Conclusiones
Para las regiones montañosas por encima de los 3000 msnm,
las series de temperatura anual en las estaciones in-situ in
presentaron tendencias positivas significativas mediante la
prueba de Mann-Kendall a un 99% de nivel de confianza con
Figura 7.- Dispersión entre datos in-situ
situ y NCEP NCAR originales los siguientes valores: +0.02°C/año para Chivay, +0.03°C/año
(NNRo) y NCEP NCAR corregidos (NNRc) para Lampas Alto. para El Frayle; +0.03°C/año para La Angostura y +0.01°C/año
para Sibayo,, las cuales se hallan próximas entre si en la región
Sur de los Andes Centrales. Las precipitaciones no
presentaron tendencias significativas en ninguna región
analizada. Para ambas variables no se detectaron puntos de
quiebres en las series mediante la prueba de Pettitt.
7
IV CONGRESO NACIONAL DEL AGUA
UNALM, UNI, UNMSM
LIMA, PERU. 13 Y 14 DE JUNIO DEL 2013
Referencias Bibliográficas Jones, P. and Hulme, M. (1996). Calculating regional climatic time
series for temperature and precipitation: methods and illustrations.
Adeyewa, Z. and Nakamura, K. (2003). Validation of TRMM radar Inter. J. Climatology, 16, 361-377.
rainfall data over climatic regions in Africa. American Meteorological
Society, 42: 331-347. Kendall, M.G. and Stuart, A. 1968. The Advanced Theory of
Statistics. Hafner Publishing Company, New York.
Baigorria G., Villegas E., Trebejo I., Carlos J. and Quiroz R.,
2004. Atmospheric Transmissivity: Distribution and empirical Kendall, M.G. 1975. Rank Correlation Methods, Charles Griffin,
estimation around the Central Andes, International Journal of London UK.
Climatology 24.
Kistler, R. Kalnay, E. Collins, W. Saha, A. White, G. et al. 2001.
Barry, R.G. (2008). Mountain Weather and Climate. 3rd edition, The NCEP–NCAR 50-Year Reanalysis: Monthly Means CD-ROM
Cambridge University Press, Cambridge, 506 pp . and Documentation. Bulletin of the American Meteorological Society,
Vol. 82, No. 2.
Bell, T. Abdullah, A. Martin, L. and North, G. (1990). Sampling
errors for satellite-derived tropical rainfall: Monte Carlo study using a Kunkel, E.K. 1989. Simple Procedures for Extrapolation of Humidity
space-time stochastic model. J. Geo. Res., 95 (D3), 2195-2205. Variables in the Mountainous Western United States. Journal of
Climate., 2, 656–669, 1989.
Beniston, M. Diaz, H.F. and Bradley, R.S. (1997). Climatic change
at high elevation sites an overview. Climatic Change, 36, Kluwer Laraque, A. Ronchail, J. Cochonneau, G. Pombosa, R. Guyot, J.L.
Academic Publishers. Netherlands, 233-251. 2007. Heterogeneous distribution of rainfall and discharge regimes in
the Ecuadorian Amazon basin. Journal of hydrometeorology 8: 1364–
Boyer J.F., 2002. Logiciel Khronostat d’analyse statistique de séries 1381.
chronologique, IRD UR2, Equipe Hydrologie UMRGBE, Université
de Montpellier II, Ecole des Mines de Paris, France. Lavado, W. Labat, D. Ronchail, J. Espinoza, J.C. and Guyot J.
2012. Trends in rainfall and temperature in the Peruvian Amazon-
Chiew F. and Siriwardena L. 2005. Trend/Change detection Andes basin over the last 40 years (1965-2007). Hydrological
software: User guide, CRC for Catchment Hydrology, Australia. Processes, doi: 10.1002/hyp.9418.
Collischonn, B. Collischonn, W. and Morelli, C. (2008). Daily Lavado, C.W.S., Labat, D., Guyot, J.L., Ronchail, And Ordoñez,
hydrological modeling in the Amazon basin using TRMM rainfall J.J., 2009. TRMM rainfall data estimation over the Peruvian Amazon-
estimates. Journal of Hydrology, 330 (1-4): 207-216. Andes basin and its assimilation into monthly water balance models.
New Approaches to Hydrological Prediction in Data Sparse Regions
Condom, T. Rau, P. and Espinoza, J.C. (2011). Correction of (Proc. of Symposium HS.2 at the Joint IAHS & IAH Convention,
TRMM 3B43 monthly precipitation data over the mountainous areas Hyderabad, India, September 2009). IAHS Publ. 333, 2009.
of Peru during the period 1998–2007. Hydrol. Process., 25: 1924–
1933. doi: 10.1002/hyp.7949 Liston, G.E. and Elder, K. 2006. A meteorological distribution
system for high-resolution terrestrial modeling (MicroMet). Journal of
Endreny T, Imbeah N. (2009). Generating robust rainfall Hydrometeorology., 7, 217–234, 2006.
intensityduration- frequency estimates with short-record satellite data.
Journal of Hydrology 371: 182–191. Maidment, D. R. (1993). Handbook of Hydrology. Mc Graw Hill.
United States.
Espinoza, J.C. Ronchail, J. Guyot, J.L. Cochonneau, G. Naziano,
F. Lavado, W. De Olivieira, E. Pombosa, R. Vauchel, P. (2009a). North, G. and Nakamoto, S. (1990). Formalism for comparing rain
Spatio-temporal rainfall variability in the Amazon basin countries estimation designs. J Atmos. Ocean. Technol. 6: 985-992.
(Brazil, Peru, Bolivia, Colombia and Ecuador). International Journal
of Climatology 29: 1574–1594. Perez, C. Poveda, G. Mesa, O. Carvajal, L. and Ochoa, A. 1998.
Evidencias de cambio climático en Colombia: Tendencias cambios de
Espinoza, Villar J. C., J. L.Guyot, J. Ronchail,G. Cochonneau, N. fase y amplitud de los ciclos anual y semianual. Bulletin Institut
P. Filizola, P. Fraizy, D. Labat, E. De Oliveira, J. J. Ordoñez Français d’Etudes Andines 27 (3): 537-546.
Gálvez, and P. Vauchel (2009b), Contrasting regional discharge
evolutions in the Amazon basin (1974–2004), J. Hydrol., 375(3-4), Pettitt, A.N. 1979. A non-parametric approach to change point
297–311. problem, Appl. Stat. 28:126-135.
Franchito, S.H. Brahmananda, R. Vasques, A.C. Santo, C.M. and Pouyaud, B. Vignon,, F. Yerren, J. and Suarez, W. (2003).
Conforte, J.C. (2009). Validation of TRMM precipitation radar Glaciares y Recursos Hídricos en la Cuenca del Santa. IRD,
monthly rainfall estimates over Brazil. J. Geophys. Res. 114 D02105, SENAMHI, INRENA UGRH, EGENOR, report, 41p.
doi:10.1029/2007JD009580.
Rau, P. and Condom, T. (2010). Análisis espacio temporal de la
Gao, L. Bernhardt, M. and Schulz, K. 2012. Downscaling ERA- precipitación en las zonas de montaña de Perú (1998-2007). Revista
Interim temperature data in complex terrain. Hydrology and Earth Peruana Geo atmosférica RPGA (2) 16-29.
System Sciences., 9, 5931–5953, 2012.
Rau, P. Condom, T. and Lavado, W. (2013). Spatio-temporal
Garreaud, R., Vuille, M. and Clement A.C. (2003). The climate of analysis of monthly temperature in the mountainous regions of Peru.
the Altiplano: observed current conditions and mechanisms of past An approach for NCEP NCAR Reanalysis data correction. (in press)
changes. Palaeogeography Palaeoclimatology, Palaeoecology, 194, Proceedings of the 35th IAHR World Congress, Chengdu, China.
1(3): 5-22.
Ronchail, J. Gallaire, R. 2006. ENSO and rainfall along the Zongo
Hughes, D.A. 2006. Comparison of satellite rainfall data with valley (Bolivia) from the Altiplano to the Amazon basin. International
observations from gauging station networks. Journal of Hydrology Journal of Climatology 26: 1223–1236.
327: 399–410.
8
IV CONGRESO NACIONAL DEL AGUA
UNALM, UNI, UNMSM
LIMA, PERU. 13 Y 14 DE JUNIO DEL 2013
Rosenblüth, B. Fuenzalida, H. Aceituno, P. (1997). Recent Shin, K., and North, G. (1988). Sampling errors study for rainfall
temperature variations in southern South América. International estimate using a stochastic model. J. Applied Meteorology. 27: 1218-
Journal of climatology, vol. 17, 67–85. 1231.
Rusticucci, M. and Kousky, V. 2002. A Comparative Study of Tabony, R.C. 1985. The variation of surface temperature with
Maximum and Minimum Temperatures over Argentina: NCEP– altitude, Meteorol. Mag., 114, 37–48.
NCAR Reanalysis versus Station Data. Journal of Climate, 2002, vol
15 No. 15, 2089-2101. Wilk, J. Kniveton, D. Andersson, L. Layberry, R. Todd, M.C.
Hughes, D. Ringrose, S. and Vanderpost, C. 2006. Estimating
Salarijazi, M. Akhond-Ali, A. Adib, A. and Daneshkhah, A. 2012. rainfall and water balance over the Okavango River Basin for
Trend and change-point detection for the annual stream-flow series of hydrological applications. Journal of Hydrology 331: 18–29.
the Karun River at the Ahvaz hydrometric station, African Journal of
Agricultural Research Vol. 7(32), pp.4540-4552, 21. World Meteorological Organization. 2003. Climate: Into the 1st
Century, Cambridge University Press, UK.
Schaefli, B. Hingray, B. Niggl, I. and Musy, A. (2005). A
conceptual glacio-hydrological model for high mountainous
catchments. Hydrology and Earth System Sciences 9:95-109.