CUADERNOS del CURIHAM, Vol. 6, 2do. Semestre 2000 APROXIMACIÓN BAYESIANA PARA LA ESTIMACION DE OCURRENCIAS DE EVENTOS LLUVIOSOS APLICADA A BALANCES HIDRICOS MENSUALES SERIADOS. Dr. Erik Zimmermann Centro Universitario Rosario de Investigaciones Hidroambientales. Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario. Riobamba 245 bis (2000) Rosario. Pcia Santa Fe. Argentina Email: [email protected] PALABRAS CLAVES: Balances Hídricos Mensuales, Aproximación Bayesiana, Recarga RESUMEN En este trabajo se presentan las curvas de abatimiento areal de la precipitación construidas a partir de información pluviográfica recolectada en la región pampeana (Santa Fe, Argentina), abarcando un área de influencia de 5400 km2. Las curvas fueron deducidas combinando 63 eventos de gran magnitud registrados en un conjunto de siete estaciones pluviográficas y fueron clasificadas por duraciones (0,5 hs, 1 h, 3 hs, 6 hs, 12 hs y 24 hs). El algoritmo utilizado para la elaboración de los mapas de isoyetas, de características inéditas (Zimmermann y Silber 2001) respeta la estructura de correlación espacial observada en la región, presentando errores de interpolación inferiores al 10% en todos los casos analizados. Se ajustaron expresiones analíticas a las curvas de abatimiento areal mediante correlación múltiple no lineal, generando una herramienta que permite la distribución 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 km 2. 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 The algorithm used for the rainfal countour maps elaboration, of characteristic unpublished (Zimmermann and Silber 2001), it respects the spatial correlation structure observed in the region, and it presents interpolation errors less than 10% in all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. INTRODUCCIÓN En la mayoría de las situaciones, la información disponible para estimar valores de recarga en acuíferos freáticos es escasa, lo cual impide la aplicación de métodos directos de evaluación (ej. análisis de fluctuaciones de niveles freáticos, balances hídricos localizados, técnicas isotópicas, etc.). Es aquí donde cobran relevancia las metodologías sencillas que insumen información frecuentemente disponible. El método de balance hídrico de Thornthwaite, que requiere datos de temperaturas y precipitaciones medias mensuales, es un ejemplo de ello. El método puede utilizarse para estimar la infiltración neta, la cual puede definirse como la cantidad de agua que anualmente percola por la zona no saturada hacia el acuífero, previa deducción de la porción de agua que escurre superficialmente y la que se evapotranspira. La infiltración neta aproximadamente se corresponde con el total de la recarga subterránea. CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 La metodología de Thornthwaite y Mather contempla la estimación de la evapotranspiración mensual y el escurrimiento superficial mensual puede estimarse aplicando el método de la Curva Número del Servicio de Conservación de Suelos (CN-USCS). Existen antecedentes previos de aplicación conjunta de ambos métodos, dando lugar al balance modificado de ThornthwaiteMather (Scozzafava and Tallini 2001, D’Elía et al 2002, Paris et al 2002). Las metodologías mencionadas pueden aplicarse en condiciones medias representativas de una serie de años como así también en forma de balances anuales seriados. Esta última propuesta permite una estimación de la varianza que presentan las variables del balance en las serie de años analizada. La aplicación del balance modificado en forma seriada, en particular la metodología del CN requiere de número de eventos lluviosos ocurridos en cada mes y de la lámina precipitada en cada uno de ellos. Dado que esta información con frecuencia es inexistente se propone aquí una metodología basada en el teorema de Bayes para estimar, en principio, el número de ocurrencias de eventos lluviosos condicionado a la lámina de lluvia mensual. donde ij es el índice térmico mensual de el mes j: 5 ij t 1.514 y el exponente a en la primera ecuación se calcula como: a 0.000000675 I 3 0.0000771 I 2 0.01792 I 0.4924 La evapotranspiración real (ETR) se evalúa en tres casos diferentes, como se describe debajo. En las ecuaciones siguientes, j es el mes actual y (j-1) el mes del antecedente. El almacenamiento máximo del suelo (RM) es la humedad del suelo sustrayendo el agua gravitatoria. RM es una constante para cada suelo y es una función de la textura, estructura, mineralogía del sedimento, etc.). Hj es la cantidad de agua almacenada en el suelo durante el mes actual (j), y P es la precipitación. Caso 1 Cuando Pj-ETPj > 0, entonces: ETRj = ETPj y METODOS Y PROCEDIMIENTOS APLICADOS Hj = Hj-1 = RM Método de Thornthwaite y Mather En este caso, la infiltración neta (INj) es: En la ecuación de balance hídrico se utiliza el método de Thornthwaite para evaluar las evapotranspiraciones potencial y real. La evapotranspiración potencial (ETP, in mm) se define como el máximo valor obtenible de evapotranspiración en condiciones de humedad en capacidad de campo en el suelo. La ETP se relaciona con la temperatura de la siguiente manera (Thornthwaite and Mather 1957): SR = INj + Qj = Pj - ETRj t ETP 1610 I 12 i j1 Caso 2 a donde t es la temperatura media mensual (ºC); I es el índice térmico anual, obtenido como: I donde SR es el sobrante de agua en el suelo y Q es el escurrimiento. En el método de Thornthwaite estándar, el cual es usado por agrónomos SR se introduce sin distinción entre Q y IN. Cuando Pj - ETPj < 0, entonces: Hj ETR j ETPj RM H j H j - 1 (Pj ETR j ) ó j CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Hj RM (H j - 1 P j ) RM ETP j ETR j ETPj RM ETP j (H j - 1 P j ) En este caso, SR es nulo. Caso 3a Cuando Pj – ETPj > 0 y Hj < RM, las ecuaciones del caso 2 son válidas y SR es igual a cero. Sin embargo, si se usan estas ecuaciones, Hj > RM, siendo ésta una condición que no ocurre en la Naturaleza. Es necesario considerar el Caso 3b: Caso 3b INj = PFj - ETRj (casos 1, 3b); INj = 0 (casos 2, 3a) Método del SCS-CN El CN es un parámetro entero en el rango de 0100. Su variación tiene en cuenta varios factores, incluyendo el tipo de suelo (espesor, textura, estructura, humedad, etc.), uso de la tierra y pendiente. En el rnétodo del CN, la fórmula principal cuantifica la máxima capacidad que tiene el complejo suelo-vegetación de almacenamiento instantáneo de humedad (S) durante un evento de precipitación dado: 25,400 S - 254 CN Hj = RM y ETRj = ETPj y de nuevo SR = Pj - ETRj > 0 donde S es una función de CN (USDA-SCS 1986). Usando la ecuación previa, el escurrimiento (Q) se calcula como sigue: Q0 if P 0.2S 2 Q (P 0.2S) /(P 0.8S) if 0.2S P 4.2S Q P S if P 4.2S Modificación del método de Thornthwaite donde P es lluvia acumulada. Scozzafava y Tallini (2001) propusieron un cambio al método de Thornthwaite y Mather para determinar la contribución exclusiva de la infiltración neta (IN), resultado que no puede lograrse con el método estándar. Allí, el sobrante de agua (SR) se refiere a todo el exceso de agua que no tiene por destino la humedad del suelo, sin distinguir la infiltración neta del escurrimiento. Para diferenciar las dos contribuciones, los autores, propusieron estimar el escurrimiento (Q) con el método de SCS-CN. El valor de Q así estimado se sustrae a la lluvia total (P) y el balance de agua se computa en base a un valor de lluvia ficticia (PF) qué es igual a P - Q. La PF es la cantidad de agua disponible para la infiltración neta y para la evapotranspiración real. De esta manera, las ecuaciones anteriores acerca del cálculo de SR en tres casos diferentes son válidas para IN, cuando Q ya se ha sustraído. Esas fórmulas son usadas introduciendo la infiltración neta en lugar del sobrante de agua (SR) y el valor de lluvia ficticia (PF) en lugar de lluvia total (P): En este caso, el CN es CNII el cual corresponde a una condición de humedad de antecedente media en el suelo (Hawkins et al. 1985; Boughton 1989). El método contempla otras condiciones antecedentes de humedad (CNI y CNIII). En períodos lluviosos es conveniente evaluar el escurrimiento con CNIII, que es el mayor de los tres valores; en períodos secos, CNI es el más adecuado. CNIII y CNI se obtienen en función de de CNII mediante las ecuaciones siguientes (Boughton 1989): CN I CN II /(2.334 0.01334 CN II ) CN III CN II /(0.4036 0.0059 CN II ) La aplicación correcta del método de CN requiere una elaboración de la distribución estadística de eventos lluviosos para mejorar la evaluación del escurrimiento. Dado que el procedimiento de Thornthwaite utiliza como datos disponibles la precipitación mensual, es necesario conocer el número de días CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 lluviosos por mes y la lámina de lluvia por cada evento. APROXIMACIÓN BAYESIANA PARA LA ESTIMACION DEL NUMERO MENSUAL DE OCURRENCIAS DE EVENTOS LLUVIOSOS. Suponemos tener valores de precipitación mensual, P, y un número al azar de eventos de lluvia N, en el mes considerado, el cual debe vincularse con P. Suponemos también conocidas la probabilidad a priori del número de eventos para el mes dado f(N). Al respecto, se podría adoptar una función de distribución de probabilidad para N, ajustada para cada mes de año. Ahora, el pronóstico mejoraría si se utiliza una información adicional disponible: la precipitación mensual P. Suponemos conocida la densidad de probabilidad condicional f(P|N) correspondiente al monto de lluvia mensual asociado al número de eventos N. Entonces, según el teorema de Bayes puede determinarse la probabilidad a posteriori, f(N|P),de la siguiente manera: f ( P | N )f ( N ) (1) f ( P) siendo f(P) la probabilidad que la precipitación del mes dado sea P. Según el teorema de probabilidades totales, se tiene que: f ( N | P) Nmax f (P) f (P | N )f (N ) j j (2) j1 donde Nmax es un número del máximo de eventos posible durante un mes que se analiza. El problema es que normalmente ni la probabilidad a priori de que el número de eventos sea N, f(N) ni la probabilidad condicional f(P|N) son conocidas. Todorovic (1967) estableció una función de distribución de eventos de lluvia del tipo Poisson. Esta propuesta es compartida por muchos investigadores: Eagleson (1972), Cox e Isham (1994), Arnaud y Lavabre (1999), Vanlesberg y Silber (2000), entre otros. Entonces, dado un periodo de tiempo de un mes en el cual se registran muestras de N tormentas, y dado el número medio de eventos, 1,.la función de la distribución de N del tipo de Poisson y, por ende la función de probabilidad a priori f(N), puede escribirse de la siguiente manera: f ( N) 1 N 1e N! (3) El periodo considerado, un mes, debe ser meteorológicamente homogéneo, lo cual significa que la probabilidad de que una tormenta ocurra es la misma en cualquier momento en el periodo. Todorovic (1967, citado por Antigüedad et al 1995) propuso una función de distribución acumulada para la precipitación total, P, producida por N tormentas mediante una distribución del tipo Gamma, según la siguiente ecuación: F(P | N) 1 e 2P N1 j0 ( 2 P) j j! (4) El significado físico de 2 es la inversa de la lámina media de la precipitación producida por una sola tormenta. La misma puede estimarse como: 2 1 Pm (5) donde Pm es la lámina media mensual. Esta distribución condicional es de tipo Gamma y asumiéndose que 2 es invariable a lo largo del periodo homogéneo. La función de densidad de probabilidad puede ser obtenida por derivación de (4), según la siguiente formulación: f ( P | N) N2 e 2 P P N 1 N 1! (6) Esta distribución de probabilidad condicional, ta,bién es del tipo Gamma (distribución de Erlang) cuyos parámetros son N y 2. La media de la distribución es N/2 y su varianza es N/(2)2 (Montgomery y Runger 1996). Combinando las ecuaciones (1), (2), (3), y (6) la función de distribución de la probabilidad a posteriori puede determinarse mediante: f ( N | P) N2 e 2 P P N 1 N1 e 1 N 1! N! Nmax j1 2 j e 2 P P N N j 1 N j 1! 1 j e 1 N N j! (7) CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Algoritmo para definir los números de eventos de lluvia condicionados a valores de la precipitación mensual. 1. 2. 3. 4. Datos disponibles: Una serie de precipitaciones mensuales, P, y los valores de los promedios mensuales para los números de eventos de lluvia, Nm, y la respectiva lámina media mensual, Pm. Asignar parámetros de las distribuciones probabilísticas: 1=Nm y 2 estimada con (5). Calcular para cada año y cada mes valores de la probabilidad a posteriori f(N|P) usando (7), donde N varía de 1 a Nmax. Seleccionar un valor óptimo de N, Nop, para cada mes y año tal que f(Nop|P) es la mayor de f(N|P), con N=1..Nmax. largo de una serie de años y en diferentes estaciones de medición. Se contó con registros de más de veinte estaciones pluviométricas ubicadas en el sector meridional de la provincia de Santa Fe. La consistencia de la información fue analizada mediante dobles acumulaciones, contrastándose las estaciones entre sí (Zimmermann et al 1988). Este análisis previo permitió seleccionar cuatro estaciones del conjunto, las que presentan períodos extensos de registros, buena cobertura geográfica de la región y de buena calidad de la información. Las estaciones seleccionadas y la cantidad de años de registros pluviométricos fueron los siguientes: Bombal, 51 años; Chovet, 51 años; Santa Teresa, 52 años y Empalme, 17 años (Fig. 4). Procesamiento de la información. Ejemplo de aplicación A manera de ejemplo, supongamos tener un mes cuyo número promedio de ocurrencias de lluvia Nm sea de 4 eventos, lámina media mensual P m de 60 mm y cuya precipitación mensual P sea de 50 mm. La Fig. 1 muestra la función densidad de probabilidad correspondiente a una distribución de Poisson con 1 = 4 (ec. 3). La Fig. 2 representa la distribución de Erlang (ec. 6) con parámetros 1 = 4 y 2 = 0.067 mm-1 (precipitación media por evento de 15 mm). El producto de ambas funciones (ec. 7) da por resultado las funciones de probabilidad graficadas en la Fig. 3. Puede observarse que, para una precipitación de 50 mm, el número de eventos más probable es 4 (campana de N = 4), lo cual es bastante lógico porque el valor 50 mm no difiere mucho de el valor medio mensual de 60 mm, al cual le corresponden, en promedio, 4 eventos de lluvia. Si el valor de lámina mensual hubiese sido 25 mm, en la Fig. 3 puede observarse que el número más probable sería de 3 eventos de lluvia, para P = 100 mm el número de ocurrencias más probable es de 5 (curva de trazos). APLICACIÓN DEL MODELO A REGISTROS PLUVIOMETRICOS REGIONALES. La disponibilidad de información pluviométrica en la región de estudio permitió el contraste de la metodología propuesta con los registros de ocurrencias mensuales de eventos de lluvia, a lo Las precipitaciones registradas en soporte papel fueron volcados en archivos tipo ASCII, y posteriormente procesados con programas de lectura y clasificación específicamente diseñados para esta tarea. Se acumularon las ocurrencias de eventos lluviosos y las precipitaciones diarias a valores mensuales para la totalidad de las estaciones y los años de registros. Los resultados del procesamiento se vuelcan a las Tablas 1 a 4, para las ocurrencias de lluvia y a las Tablas 5 a 8, para las precipitaciones mensuales. Al pie de cada tabla figuran los valores medios, desvíos estándares y coeficientes de variación para cada estación y variable analizada. Se acumularon también los valores en intervalos anuales, observándose que los módulos pluviométricos crecen hacia el este (Fig. 4). Análisis de estadísticos. Respecto a las ocurrencias de eventos lluviosos, pudo observarse un comportamiento semejante en las estaciones de medición. En principio, los coeficientes de variación para los números de eventos mensuales oscilan entre el 40% y el 100%, lo cual pone de manifiesto una dispersión importante alrededor de los valores medios. Esto se vé acentuado durante los meses invernales, ya que los CV son superiores (casi duplican) a sus respectivos estivales. CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Distribución de Poisson Función densidad de probabilidad 0.250 Número medio de eventos = 4 0.200 0.150 0.100 0.050 0 2 4 6 8 10 Número de ocurrencias de eventos lluviosos 12 Figura 1. Distribución de Poisson con 1 = 4 Distribución de Erlang 0.060 N=1 N=2 N=3 N=4 N=5 N=6 N=7 N=8 N=9 N = 10 0.050 fdp 0.040 0.030 0.020 0.010 0.000 - 50 100 150 200 250 Precipitación en mm Figura 2. Distribución de Erlang con 2 = 0.067 mm-1 Aproximación Bayesiana para estimar el número de ocurrencias de eventos lluviosos 0.600 N=1 N=3 N=5 N=7 N=9 0.500 fdp 0.400 N=2 N=4 N=6 N=8 N = 10 0.300 0.200 0.100 0.000 - 50 100 150 200 Precipitación en mm Figura 3. Aproximación Bayesiana propuesta 250 CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Este aspecto descriptivo de las muestras analizadas, evidencia la dificultad de pronosticar correctamente el número de ocurrencias de lluvias si ésta fuese considerada como una variable aleatoria independiente. Un pronóstico de N utilizando técnicas de generración aleatoria, como por ejemplo el método de Monte Carlo, resultaría en un amplio rango de valores para N. La posibilidad de condicionar el valor del número de ocurrencias a la precipitación mensual, como se propone en este trabajo, restringe grados de libertad a la variable y posibilita un mejor pronóstico. Las Figuras 5 a 8 presentan en diagramas de barras los números medios de ocurrencias de lluvia mensual para cada estación. En la parte superior de cada barra se representa la magnitud del desvío estándar. Se han graficado también las evoluciones anuales de las ocurrencias de lluvia para cada estación junto a sus medias móviles tomando 10 períodos de amplitud (Figs. 9 a 12). Puede observarse que, salvo para la estación Bombal donde el carácter es aproximadamente estacionario, el número de ocurrencias se manifestado de una manera creciente durante los últimos años. Respecto a las precipitaciones mensuales, son válidas las observaciones realizadas anteriormente. La variabilidad de las precipitaciones mensuales es incluso superior a la registrada para las ocurrencias de lluvia. No obstante, dado que esta variable representa un input del modelo no afectará el desenvolvimiento del mismo. Las Figuras 13 a 16 presentan los hietogramas medios mensuales para cada estación. Al igual que en el caso anterior en la parte superior de cada barra se representa la magnitud del desvío estándar. Como características generales, las lluvias son mayoritariamente estivales, siendo marzo el mes más lluvioso (excepto en la estación Empalme). Se han graficado también las evoluciones de la precipitación anual para cada estación junto a sus medias móviles tomando 10 períodos de amplitud (Figs. 17 a 20). Puede observarse que, salvo para la estación Bombal donde el carácter es aproximadamente estacionario, el módulo pluviométrico se ha mostrado creciente durante los últimos años, y las medias móviles han superando el umbral de los 1000 mm. Análisis paramétrico Los estadísticos calculados para las estaciones de registro pluviométrico permiten determinar los valores de los parámetros 1 y 2 sabiendo que el primero representa el número medio mensual de ocurrencias de lluvia y el segundo puede estimarse aplicando la ecuación (5). Con el fin de que 1 sea comparable a resultados alcanzadospor otros autores se los ha referido a intervalos diarios, es decir número medio de ocurrencias de lluvia en un período de un dia. Las Tablas 9 y 10 presentan los valores de los parámetros mencionados para cada estación. Los mismos fueron comparados con valores promedios obtenidos por Vanlesberg y Silber (2000) para seis estaciones pluviométricas ubicadas en la zona norte de la provincia de Santa Fe. Estos autores utilizaron los mismos modelos probabilísticos que Antigüedad, García Muñiz y Llamas (1995), e iguales a los que se presentan en este trabajo. Graficamente estas evoluciones se representan en las Figuras 21 y 22. Resultados obtenidos al aplicar la metodología. El método propuesto se aplicó a las series mensuales de precipitación de cada estación y en base a los parámetros obtenidos de los estadísticos, según se describió en el párrafo anterior. Como consecuencia de ello los resultados obtenidos se presentan en la tabla adjunta y se grafican en las Figuras 23 a 26. Estación Bombal Santa Teresa Chovet Empalme N observado N pronosticado 2658 2410 2043 1874 2540 2343 910 854 CONCLUSIONES CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Año 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 PROM DESV CV ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC ANUAL 10 2 5 5 9 6 9 6 2 6 3 8 3 3 8 8 6 4 7 6 11 9 6 7 5 5 3 3 11 6 5 3 3 5 5 5 4 9 8 0 6 5 6 5 7 7 5 2 9 7 4 8 1 5 3 6 5 6 3 5 9 1 6 5 6 4 5 7 3 8 4 4 6 9 4 5 9 7 2 7 2 2 5 2 3 2 0 5 0 9 2 8 7 6 5 8 5 7 7 3 6 7 6 12 3 8 4 14 3 5 5 3 8 5 3 4 8 10 9 6 5 10 10 6 7 4 1 6 9 0 5 7 11 7 0 9 2 6 4 7 8 4 6 3 4 4 6 12 0 4 5 4 4 6 4 2 8 2 8 4 6 8 5 2 3 5 6 7 0 4 5 3 2 6 9 8 4 8 3 6 2 3 2 4 5 7 0 0 0 6 3 5 3 5 0 5 2 0 2 3 10 9 5 2 6 0 1 2 3 4 2 3 5 3 6 6 0 3 1 3 5 8 5 7 3 2 5 3 8 0 5 0 2 0 2 5 0 1 0 1 9 0 3 1 1 8 8 5 4 0 0 3 6 1 4 0 5 2 7 0 3 6 4 1 1 5 1 0 6 4 4 4 2 1 2 5 11 4 0 3 7 0 3 2 0 3 1 6 1 1 8 3 0 2 6 5 3 3 0 0 2 2 3 3 5 2 1 5 0 5 0 0 1 5 4 1 3 1 4 4 2 0 5 5 3 7 2 5 2 3 1 3 2 5 2 4 2 0 7 2 3 0 0 2 4 1 10 3 2 3 0 14 3 3 3 2 0 0 2 2 1 2 1 4 5 4 5 0 1 4 3 0 0 2 2 2 1 1 8 3 5 1 3 7 2 6 3 1 2 0 1 2 4 0 1 2 4 0 1 1 8 0 1 0 0 2 0 3 8 9 2 1 3 2 9 5 0 2 2 2 4 7 5 6 3 6 0 7 1 6 3 3 5 3 2 3 4 1 6 4 3 0 3 4 4 2 5 4 1 3 2 2 0 7 0 1 1 5 2 7 8 10 7 4 6 9 6 5 5 5 6 3 5 3 1 4 9 6 10 9 9 5 9 4 1 4 14 7 1 6 1 6 2 12 10 2 7 3 8 5 5 2 5 7 5 5 6 6 8 5 5 8 8 7 5 7 2 7 11 6 9 2 1 5 3 1 5 6 11 4 8 5 6 3 4 6 6 6 0 3 7 7 5 9 1 5 8 6 4 4 5 6 4 8 4 6 0 7 9 7 0 4 7 7 15 1 2 5 12 6 5 4 6 6 9 9 7 3 8 4 1 8 8 5 1 9 7 3 6 3 4 5 5 7 7 1 8 2 8 3 3 4 4 2 9 7 4 6 6 4 1 8 61 63 47 69 39 58 60 67 56 51 48 47 38 61 54 45 57 64 55 61 68 84 63 46 54 53 54 46 52 33 54 45 46 40 32 51 47 45 56 40 56 48 45 56 43 65 31 52 60 51 41 5.73 2.44 0.43 4.98 2.43 0.49 5.80 3.14 0.54 4.25 2.65 0.62 3.20 2.61 0.82 2.98 2.45 0.82 2.92 2.64 0.91 2.22 2.09 0.94 3.39 2.36 0.70 5.84 2.87 0.49 5.33 2.67 0.50 5.47 2.91 0.53 52.12 10.34 0.20 Tabla 1. Estadísticas de dias de lluvia. Estación Bombal. CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Año 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1955 1956 1957 1958 1959 1960 1961 1962 1963 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 PROM DESV CV ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC ANUAL 7 0 6 3 2 6 5 7 3 6 2 3 5 4 7 9 3 1 6 4 6 4 11 6 5 2 8 7 5 2 3 5 5 4 5 10 7 5 4 7 7 8 10 8 7 2 8 6 6 6 4 0 5 1 4 1 6 2 4 6 4 3 6 3 5 2 6 2 5 4 3 8 5 4 10 5 4 3 1 3 5 5 5 7 5 5 6 8 7 7 7 8 10 5 8 6 7 6 4 9 5 9 2 5 3 12 2 3 3 2 9 4 5 5 7 5 4 7 5 6 12 6 3 1 5 8 5 8 5 9 2 9 2 5 6 7 9 7 7 4 7 6 8 12 7 5 6 5 5 5 4 1 2 8 0 5 4 3 7 1 4 2 3 4 7 1 1 3 2 2 3 5 3 7 5 7 1 4 4 3 5 5 6 0 7 5 6 5 7 1 6 3 1 3 4 8 7 4 2 5 4 2 0 4 6 4 4 2 2 1 6 3 0 3 1 2 3 4 7 3 0 2 2 6 2 3 0 2 1 4 0 1 4 1 7 5 2 2 1 6 8 3 5 0 2 3 1 1 6 4 0 5 0 2 2 1 3 4 0 0 4 1 0 6 1 4 3 0 1 2 3 2 4 2 2 6 3 1 0 2 4 2 2 6 2 0 2 8 4 2 2 1 3 2 3 5 4 3 3 3 0 4 0 2 1 1 0 4 4 0 3 0 2 2 1 0 3 3 0 4 0 3 2 1 4 2 2 2 4 4 2 4 3 1 3 1 3 4 5 3 2 2 1 6 4 2 1 2 1 1 0 2 2 1 0 0 2 5 3 2 0 0 2 2 1 0 0 1 2 1 0 2 5 0 3 4 2 4 3 4 0 1 1 5 0 1 3 8 0 4 4 8 5 3 6 0 0 0 5 1 8 6 1 2 5 2 5 3 0 3 3 2 6 2 6 6 3 4 0 4 0 5 1 5 1 2 4 4 3 2 1 0 4 3 4 2 4 5 1 3 3 1 4 7 4 2 2 6 3 7 6 4 8 4 3 4 10 2 6 2 7 6 2 3 3 1 5 7 7 7 10 5 8 3 1 8 8 8 1 9 6 3 13 10 4 7 2 5 6 6 5 6 5 11 4 9 5 5 4 4 3 8 6 3 6 7 1 7 5 4 9 3 3 8 3 1 4 4 8 6 8 6 3 6 6 7 4 7 6 6 4 9 3 3 10 7 4 6 9 5 7 7 3 5 10 5 8 7 4 11 2 7 6 10 2 2 5 13 5 4 4 4 7 11 5 8 3 5 4 2 6 6 1 6 6 4 5 7 5 8 7 7 3 10 2 9 5 5 5 6 3 12 8 4 5 5 6 3 8 7 43 48 38 45 34 45 47 55 42 31 55 31 41 53 47 39 38 41 47 45 51 54 48 47 50 58 46 57 38 56 39 51 51 55 55 59 53 68 56 54 61 65 63 66 64 52 55 48 51 63 5.29 2.43 0.46 4.90 2.33 0.48 5.75 2.61 0.45 3.98 2.22 0.56 2.88 2.08 0.72 2.59 1.92 0.74 2.16 1.51 0.70 2.20 2.14 0.97 3.29 1.98 0.60 5.57 2.74 0.49 5.65 2.36 0.42 5.55 2.74 0.49 49.80 9.00 0.18 Tabla 2. Estadísticas de dias de lluvia. Estación Chovet CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Año 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 PROM DESV CV ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC ANUAL 6 1 4 4 1 6 6 6 5 2 0 3 1 4 6 6 3 0 4 4 7 6 5 9 4 4 2 2 9 5 6 2 2 4 3 4 4 5 6 3 7 5 5 6 8 4 3 3 4 6 2 3 3 1 1 0 1 3 8 1 5 5 1 2 2 1 4 2 5 5 4 2 2 1 10 3 6 7 6 3 3 0 3 4 5 3 3 4 7 3 7 4 5 4 4 4 6 2 3 4 2 3 4 7 5 5 1 6 5 8 3 2 3 3 4 5 1 5 6 10 4 6 3 7 7 4 5 3 2 3 7 0 7 5 7 7 2 8 2 3 3 5 4 4 3 2 5 6 5 14 4 4 2 3 3 2 3 1 3 7 1 5 4 2 3 1 1 3 4 4 7 3 2 3 1 0 3 6 6 4 7 2 5 2 3 4 4 4 4 5 2 0 4 2 6 1 5 1 7 3 1 2 3 8 5 5 3 3 3 1 2 1 3 1 0 0 2 2 3 3 0 2 1 2 4 8 3 4 0 2 3 1 5 0 1 0 1 0 3 5 2 1 1 0 3 1 1 1 0 2 3 2 2 0 0 2 2 2 1 1 0 5 0 4 0 2 1 4 1 1 4 1 0 5 1 2 2 0 1 2 2 5 1 3 1 2 3 5 1 0 1 1 3 0 0 3 2 0 2 4 2 2 1 1 2 1 2 2 0 1 1 1 1 2 0 4 0 0 0 4 4 0 3 2 3 4 1 0 3 1 0 3 1 1 0 5 1 3 2 5 1 3 3 0 2 3 1 1 1 2 2 3 6 2 1 2 2 6 1 2 3 1 0 0 0 3 1 1 1 1 5 4 3 3 0 1 5 2 0 0 1 0 1 3 1 5 2 3 1 3 3 0 2 2 4 2 0 1 2 4 0 2 3 5 0 3 4 2 3 1 4 1 0 0 3 1 8 4 3 1 6 2 5 3 0 0 0 1 5 3 3 8 3 4 1 5 2 3 3 6 1 3 2 2 3 5 5 3 3 0 2 2 4 4 4 4 0 3 2 1 8 5 2 2 1 3 2 5 5 4 6 4 5 5 6 2 5 3 4 10 6 5 2 0 2 2 4 4 5 6 3 6 4 1 5 6 3 2 8 3 6 4 9 4 2 3 3 5 3 1 3 3 3 11 3 6 2 5 4 4 3 7 4 4 4 5 1 6 6 3 8 4 2 5 3 2 3 3 8 2 5 4 6 3 5 4 4 4 4 8 6 7 3 10 1 3 6 3 5 6 4 2 3 4 3 4 8 6 4 5 2 4 3 4 7 7 2 1 2 9 5 2 2 2 4 6 5 5 2 4 4 2 4 4 5 2 7 7 4 6 4 3 7 4 6 7 3 9 1 5 3 3 2 2 4 10 3 6 5 8 4 2 6 4 40 38 32 43 29 39 41 43 42 25 30 37 33 46 39 40 34 36 34 38 39 47 49 48 44 39 44 35 41 37 57 42 38 46 29 37 37 35 46 43 37 29 42 44 46 56 38 48 29 36 31 35 4.23 2.08 0.49 3.62 2.13 0.59 4.48 2.46 0.55 3.42 1.96 0.57 1.79 1.58 0.88 1.75 1.47 0.84 1.94 1.61 0.83 1.96 1.56 0.79 3.08 2.01 0.65 4.23 2.16 0.51 4.40 1.94 0.44 4.38 2.18 0.50 39.29 6.65 0.17 Tabla 3. Estadísticas de dias de lluvia. Estación Santa Teresa. CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Año ENE 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 PROM DESV CV FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC ANUAL 4 2 6 9 3 6 5 4 5 6 12 4 5 10 8 3 5 6 6 4 5 2 7 3 1 3 11 7 4 7 6 4 6 10 2 4 5 8 4 4 5 3 6 5 12 4 4 6 3 3 4 0 5 4 4 2 5 2 7 3 1 3 4 14 9 4 2 6 1 5 3 1 0 0 2 8 5 3 3 2 6 8 4 10 1 5 3 2 3 4 5 2 4 1 3 6 3 7 3 4 3 4 1 1 2 3 2 2 5 1 4 2 8 3 4 3 4 0 2 2 0 1 2 7 0 3 5 11 5 1 6 2 1 0 3 1 2 3 3 5 5 1 5 4 1 8 8 2 3 3 4 2 7 8 1 5 3 5 6 3 6 4 7 16 6 10 3 7 4 7 3 7 2 5 4 8 5 3 5 3 8 11 6 7 8 2 7 7 1 5 4 2 3 4 2 10 8 7 8 7 4 1 6 7 41 38 42 52 40 47 44 48 58 62 91 57 75 63 51 44 61 5.71 2.66 0.47 5.41 2.62 0.48 4.82 2.32 0.48 4.41 3.32 0.75 3.65 2.98 0.82 3.65 1.50 0.41 2.76 1.89 0.68 2.94 2.99 1.02 3.88 2.20 0.57 5.94 3.40 0.57 5.53 2.53 0.46 5.06 2.70 0.53 53.76 13.90 0.26 Tabla 4. Estadísticas de dias de lluvia. Estación Empalme. Año 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 ENE 94 29.5 93.5 144.5 50 325 162 28 193 69 382 37.5 58 271.5 142 50 156 FEB 146 124 65 270 41 293 83 62 77 316 97 107 126 105 128 177 511 MAR ABR MAY 73 0 208 132.5 115 42.5 99 84 67 36 100 158 106 14 114 91 69 40 118 30 339 43 178 38 75 214 35 155 28 77 55 34 118 68 21 85.5 34.5 14 0 0 43 66 85 22 21 11 68 214 46 85 14 JUN 83 17 12 33 100 152 26 70 5 48 102 84 80 31 29 18 36 JUL AGO 12 60 14 0 22 37 75.5 30 24 139 54 0 132 14 3 88 33 133.5 26 79 138 5 16 42.5 61 20 81 2 17 0 0 85 33 8 SET 39 41 62 62 198 14 82 132 25 144 220 33 98 17 132 22 137 OCT 106 31 105.5 40.5 128 100.5 34 51 94 173 174 162 353 31 120 137 165 PROM 134.44 160.47 111.59 73.94 48.82 54.47 43.62 43.71 85.76 117.97 DESV 106.25 121.63 74.39 58.91 51.87 40.51 41.71 46.26 64.62 79.00 CV 0.79 0.76 0.67 0.80 1.06 0.74 0.96 1.06 0.75 0.67 Tabla 5. Estadísticas de lluvias mensuales. Estación Empalme. NOV 74 178 20 64 76 65 57 41 72.5 100 153 244 144 190 87 46 79 DIC ANUAL 187 7 182 107 131 42 106 13 440 165 188.5 192.5 71 41 10 98 100 895 868 791 1 024 990 1 304 859 759 1 267 1 290 1 863 1 146 1 368 1 174 816 807 1 425 99.44 122.41 60.95 104.59 0.61 0.85 1096.65 298.11 0.27 CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Año 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 PROM DESV CV ENE 112 15 57 76 110 172 110 107 110 102 23 105 20 46 201 303 178 36 143 112 175 85 39 199 61 134 65 138 213 88 69 107 51 107 114 63 79 223 165 0 97 88 68 193 128 155 89 40 251 114 64 FEB 142 2 31 61 92 84 106 16 64 254 1 101 161 81 130 62 260 53 106 25 144 21 357 130 69 228 144 63 101 12 57 143 38 19 43 0 75 0 176 116 206 63 128 140 181 58 133 83 67 145 137 MAR 254 246 157 101 113 262 59 107 45 141 189 173 51 59 218 172 188 83 138 171 280 106 84 176 18 122 118 0 146 153 208 317 0 492 129 128 167 127 242 59 165 27 170 84 126 300 0 117 151 60 95 ABR MAY 87 53 36 207 93 129 58 125 110 33 57 48 85 65 164 0 62 25 42 63 93.7 189 197 84 79 32 149 64 100 18 50 58 66 0 0 0 264 35 137 21 115 0 68 81 0 11 57 162 161 115 24 115 0 3 26 7 142 18 12 44 14 140 131 0 75 1 86 34 53 91 52 7 44 28 28 113 0 70 0 21 0 9 62 0 10 0 2 109 0 19 8 9 102 67 76 58 0 0 76 34 91 48 JUN 0 45 4 73 0 9 52 53 2 4 125 27 0 90 17 22 77 6 16 43 80 68 42 0 57 56 0 7 15 0 22 28 81 4 5 64 20 0 18 90 92 19 32 0 0 5 34 53 27 32 8 JUL AGO 2 120 0 22 0 0 2 72 104 2 64 3 65 34 19 0 159 53 5 42.2 4 61 11 23 9 115 35 94 35 79 28 0 50 28 64 0 0 44 75 36 53 142 5 30 0 141 25 58 42 14 0 SET 286 59 164 76 54 130 263 16 50 65 118 277 24 61 42 45 46.5 73 63 134 120 85 104 238 86 15 82 214 103 1 82 15 105 40 201 91 42 110 52 69 171 54 37 143 151 62 93 118 57 82 131 NOV 48 218 170 48 80 106 17 102 164 38 137 7 10 97 66 5 40 65 158 26 125 127 91 36 142 119 219 44 0 50 99 47 98 122 20 63 190 56 74 102 41 72 53 167 73 78 0 98 160 126 0 DIC ANUAL 35 86 173 432 37 6 37 364 103 46 86 60 44 166 164 168 33 150 53 19 128 76 65 5 214 264 68 36 193 62 179 153 113 122 30 132 22 168 72 86 41 88 19 269 118 142 178 103 95 13 130 1234 1038 863 1177 694 1104 879 1107 834 799 953 958 686.2 929 1054 991 1111.3 680 846 771.2 1165.7 1001 1104 1042 899 1138 1014 743 1026 523 886 1019 629 954 723 615 1009 963 1135 794 993 702 714 1329 835 1119 609 934 1074 956 700 109.80 100.18 143.02 77.90 41.86 31.84 40.57 28.86 55.69 98.05 84.20 110.71 63.78 74.36 91.61 60.82 42.83 31.77 42.11 31.47 50.61 68.05 57.35 87.95 0.58 0.74 0.64 0.78 1.02 1.00 1.04 1.09 0.91 0.69 0.68 0.79 922.67 183.30 0.20 Tabla 6. Estadísticas de lluvias mensuales. Estación Bombal. 0 153 50 144 48 20 9 46 25 83 12 52 43 114 79 54 38 0 90 10 0 13 7 19 53 173.2 29 126 0 32 0 128 4.8 29 11 72 31 0 4 80 6 3 99 40 56 30 46 77 4 47 24 29 48 16 18 65 63 36 56 4 13 70 36 53 0 27 10 0 55 62 30 42 0 41 30 170 25 80 98 109 0 3 9 38 15 52 142 4 0 0 10 157 0 0 0 26 11 18 0 164 34 29 OCT CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Año 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 PROM DESV CV ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC ANUAL 78 0 35 116 31 164 96 187 128 153 12 77 37 77 177 364 76 5 105 36 117 12 76 310 123 91 17 202 172 69 80 56 99 129 70 45 244 149 88 87 141 72 261 121 130 102 23 197 111 138 160 192 0 56 45 97 40 151 12 82 218 10 117 101 68 154 44 174 100 113 53 52 60 235 156 92 205 68 84 72 4 87 50 64 73 65 70 97 132 102 239 66 168 99 228 87 141 42 208 142 66 239 204 208 84 62 86 224 58 53 50 88 252 126 38 54 188 106 220 94 172 131 354 53 114 147 11 100 147 111 201 77 179 49 481 70 54 117 149 147 84 221 63 285 128 111 372 262 178 125 93 68 55 73 40 74 227 0 112 33 73 87 29 58 37 55 74 177 20 24 44 51 34 50 149 99 53 115 50 126 40 87 91 25 146 71 95 0 222 78 152 34 123 3 96 139 5 20 60 112 149 76 29 56 64 10 0 48 101 98 21 8 29 7 70 89 0 47 9 72 36 49 72 17 0 42 27 11 72 10 28 0 14 22 43 0 5 22 1 99 44 19 8 19 87 79 57 46 0 7 76 18 40 89 28 0 78 0 61 30 9 20 57 0 0 129 6 0 55 15 15 36 0 9 53 64 100 17 107 30 14 115 39 2 0 19 181 8 8 50 18 0 17 67 123 11 54 2 48 9 11 31 44 10 8 10 0 84 0 86 5 5 0 65 158 0 58 0 26 12 29 0 109 42 0 23 0 27 9 9 13 97 7 32 12 61 18 15 20 29 2 45 19 67 42 73 120 10 45 8 76 40 15 2 6 4 2 0 33 28 11 0 0 38 67 29 95 0 0 11 29 5 0 0 5 12 6 0 56 27 61 0 19 49 10 34 37 15 0 18 45 45 0 10 31 87 0 31 63 117 30 12 28 0 0 0 18 19 134 90 2 57 88 32 116 41 0 30 24 39 144 48 101 120 40 84 0 55 0 44 22 47 35 7 17 42 24 12 36 21 0 64 48 16 95 81 96 3 12 71 2 21 125 51 15 27 140 41 76 176 74 128 55 38 68 232 17 82 60 118 188 17 46 50 17 78 75 64 108 125 71 92 297 27 3 121 189 96 15 132 96 39 178 184 34 92 50 60 153 62 51 151 145 170 60 339 60 71 62 81 57 154 109 42 49 71 7 80 161 44 137 13 12 90 64 7 41 54 156 80 108 108 78 52 179 55 171 74 93 113 84 100 162 85 68 218 93 24 156 48 38 71 142 97 122 184 71 186 140 123 112 46 110 112 316 7 42 24 358 64 37 61 42 81 120 92 130 15 100 40 10 109 0 64 4 157 190 57 46 194 101 273 140 184 71 178 28 146 66 132 78 108 21 235 173 85 47 120 98 29 65 63 1024 881 628 1126 532 865 796 1018 870 761 929 734 522 720 1061 895 849 652 794 606 979 722 860 1254 854 841 923 869 1001 602 991 854 1151 869 765 912 1067 935 956 1167 742 1041 1378 1033 1208 993 1022 1114 858 711 901 109.72 76.00 0.69 104.31 64.82 0.62 139.29 93.72 0.67 75.94 53.41 0.70 36.47 31.37 0.86 35.10 40.57 1.16 31.90 36.44 1.14 24.14 27.06 1.12 49.73 40.79 0.82 97.98 70.16 0.72 93.78 51.77 0.55 99.39 78.35 0.79 898.75 182.96 0.20 Tabla 7. Estadísticas de lluvias mensuales. Estación Chovet. CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Año 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 PROM DESV CV ENE 102 40 50 87 8 151 99 115 94 63 0 87 5 56 114 280 115 0 87 117 153 172 56 254 62 96 54 84 202 86 129 18 47 148 105 93 67 118 136 76 174 130 53 230 135 220 40 33 320 135 50 132 FEB 82 24 30 0 12 130 173 17 92 127 8 61 80 41 109 42 167 94 166 39 36 60 329 108 120 167 156 93 71 0 74 169 42 50 78 96 138 41 186 61 187 95 170 43 270 155 104 126 61 172 99 502 MAR 127 184 34 70 101 330 153 84 31 77 102 192 52 113 210 241 121 99 95 131 192 138 61 109 13 85 167 0 211 78 262 320 30 470 93 117 216 152 301 62 104 30 270 141 125 220 166 155 42 116 101 38 ABR MAY 107 35 101 235 61 106 49 108 76 40 35 50 57 72 181 63 36 50 30 0 54 142 204 83 92 23 103 40 108 126 103 62 128 87 26 0 139 19 129 20 146 25 139 70 20 35 45 136 77 86 37 75 82 7 24 25 153 104 0 0 36 23 163 87 0 80 20 81 51 137 76 38 0 17 38 23 102 0 39 0 8 0 41 68 52 7 15 0 73 21 14 10 0 22 58 58 35 0 0 75 135 109 37 12 JUN 0 51 0 72 0 24 25 73 6 6 108 30 0 124 4 17 43 0 19 89 70 75 12 85 20 41 121 62 28 0 15 19 53 0 0 66 18 0 22 86 58 152 44 4 34 25 16 13 0 10 3 14 JUL 11 55 0 98 0 0 0 64 111 0 32 13 63 32 16 0 108 51 0 34 14 31 0 59 25 116 29 86 30 72 35 0 15 38 55 5 14 54 51 37 52 37 5 45 19 178 45 40 51 35 0 0 AGO 0 44 51 20 7 12 75 55 37 108 0 19 49 24 0 0 6 0 9 25 10 81 57 75 14 37 20 0 35 39 26 44 0 17 48 58 0 31 48 103 0 21 85 60 37 8 37 15 0 0 43 15 SET 277 82 157 63 63 133 232 16 114 62 93 273 49 62 32 0 39 72 78 84 124 74 64 218 57 4 150 188 99 13 118 28 98 35 245 68 70 119 40 88 120 10 45 155 95 114 58 126 60 67 121 78 NOV 52 152 104 86 105 62 7 110 152 55 185 58 20 118 118 35 23 58 214 45 140 66 109 33 134 69 181 93 98 125 86 51 68 158 24 48 133 31 119 102 45 28 90 135 88 130 170 109 185 90 50 49 DIC ANUAL 46 29 149 261 90 4 9 473 88 53 103 41 70 115 146 75 64 108 80 25 92 77 51 25 123 143 21 55 183 79 156 118 100 182 59 159 13 156 68 95 62 47 27 305 165 242 141 125 69 45 105 55 1003 745 725 1059 797 1090 921 1200 837 614 829 917 714 881 978 949 825 746 877 696 897 956 999 1200 769 811 1066 741 1111 662 1087 948 670 1192 806 740 917 818 1241 901 948 647 1086 1252 1131 1552 888 985 1020 1067 666 1048 105.35 106.79 137.15 78.29 43.38 35.71 37.71 30.87 61.81 94.81 92.23 103.31 69.78 87.40 92.21 51.28 43.73 37.72 36.72 28.15 60.94 65.72 49.97 82.55 0.66 0.82 0.67 0.66 1.01 1.06 0.97 0.91 0.99 0.69 0.54 0.80 927.40 189.92 0.20 Tabla 8. Estadísticas de lluvias mensuales. Estación Santa Teresa. 117 42 25 42 197 34 99 85 0 0 0 6 269 44 28 115 52 77 23 69 12 23 18 128 7 30 25 40 38 44 42 51 37 0 58 30 36 76 127 161 0 50 100 6 108 225 66 32 20 202 20 78 OCT CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Número medio de ocurrencias de lluvia 10 9 8 7 6 5 4 3 2 1 0 Número de ocurrencias de dias de lluvia Desvío Estandar Promedio ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC Figura 4. Número medio mensual de ocurrencias de lluvias. Estación Bombal. Número medio de ocurrencias de lluvia 9 Desvío Estandar Promedio Número de ocurrencias de dias de lluvia 8 7 6 5 4 3 2 1 0 ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC Figura 5. Número medio mensual de ocurrencias de lluvias. Estación Chovet. Número medio de ocurrencias de lluvia 8 Número de ocurrencias de dias de lluvia Desvío Estandar Promedio 7 6 5 4 3 2 1 0 ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC Figura 6. Número medio mensual de ocurrencias de lluvias. Estación Santa Teresa. Número medio de ocurrencias de lluvia 10 9 8 7 6 5 4 3 2 1 0 Número de ocurrencias de dias de lluvia Desvío Estandar Promedio ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC Figura 7. Número medio mensual de ocurrencias de lluvias. Estación Empalme. CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 EVOLUCION ANUAL DE NUMERO DE OCURRENCIAS Número de lluvias anuales 90 80 70 60 50 40 30 Nº Lluvias anuales 20 10 per. media móvil (Nº Lluvias anuales) 10 0 1930 1940 1950 1960 1970 1980 1990 Figura 8. Evolución de las ocurrencias de eventos lluviosos. Estación Bombal. EVOLUCION ANUAL DE NUMERO DE OCURRENCIAS Número de lluvias anuales 80 70 60 50 40 30 Nº de lluvias anuales 20 10 per. media móvil (Nº de lluvias anuales) 10 0 1930 1940 1950 1960 1970 1980 1990 Figura 9. Evolución de las ocurrencias de eventos lluviosos. Estación Chovet. EVOLUCION ANUAL DE NUMERO DE OCURRENCIAS Número de lluvias anuales 60 50 40 30 20 Nº de lluvias anuales 10 10 per. media móvil (Nº de lluvias anuales) 0 1930 1940 1950 1960 1970 1980 1990 Figura 10. Evolución de las ocurrencias de eventos lluviosos. Estación Santa Teresa. EVOLUCION ANUAL DE NUMERO DE OCURRENCIAS 100 Número de lluvias anuales 90 80 70 60 Nº de lluvias anuales 10 per. media móvil (Nº de lluvias anuales) 50 40 30 20 10 0 1930 1940 1950 1960 1970 1980 1990 Figura 11. Evolución de las ocurrencias de eventos lluviosos. Estación Empalme. CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Hietograma medio mensual 250 Precipitación (mm) Desvío Estandar 200 Promedio 150 100 50 0 ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC NOV DIC NOV DIC Figura 12. Hietograma medio mensual. Estación Bombal Hietograma medio mensual Precipitación (mm) 250 Desvío Estandar Promedio 200 150 100 50 0 ENE FEB MAR ABR MAY JUN JUL AGO SET OCT Figura 13. Hietograma medio mensual. Estación Chovet. Hietograma medio mensual Precipitación (mm) 250 Desvío Estandar Promedio 200 150 100 50 0 ENE FEB MAR ABR MAY JUN JUL AGO SET OCT Figura 14. Hietograma medio mensual. Estación Santa Teresa. Hietograma medio mensual Precipitación (mm) 250 Desvío Estandar Promedio 200 150 100 50 0 ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV Figura 15. Hietograma medio mensual. Estación Empalme. DIC CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 EVOLUCION ANUAL DE PRECIPITACIONES Precipitación anual (mm) 1400 1200 1000 800 600 precipitacion anual 400 10 per. media móvil (precipitacion anual) 200 0 1930 1940 1950 1960 1970 1980 1990 Figura 16. Evolución de lluvias anuales. Estación Bombal. EVOLUCION ANUAL DE PRECIPITACIONES Precipitación anual (mm) 1600 1400 1200 1000 800 600 Precipitación anual 400 10 per. media móvil (Precipitación anual) 200 0 1930 1940 1950 1960 1970 1980 1990 Figura 17. Evolución de lluvias anuales. Estación Chovet. EVOLUCION ANUAL DE PRECIPITACIONES 1800 Precipitación anual (mm) 1600 1400 1200 1000 800 Precipitación anual 600 400 10 per. media móvil (Precipitación anual) 200 0 1930 1940 1950 1960 1970 1980 1990 Figura 18. Evolución de lluvias anuales. Estación Santa Teresa. EVOLUCION ANUAL DE PRECIPITACIONES 2000 Precipitación anual Precipitación anual (mm) 1800 1600 10 per. media móvil (Precipitación anual) 1400 1200 1000 800 600 400 200 0 1930 1940 1950 1960 1970 1980 Figura 19. Evolución de lluvias anuales. Estación Empalme. 1990 CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Estación ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC Bombal Chovet S. Teresa Empalme 0.185 0.172 0.137 0.185 0.178 0.175 0.127 0.183 0.187 0.187 0.146 0.157 0.142 0.130 0.114 0.144 0.103 0.093 0.058 0.123 0.099 0.083 0.059 0.121 0.094 0.071 0.064 0.091 0.071 0.070 0.064 0.099 0.113 0.107 0.101 0.123 0.188 0.180 0.137 0.190 0.178 0.186 0.147 0.181 0.176 0.182 0.142 0.159 Promedio Norte de Santa Fe 0.170 0.166 0.169 0.133 0.094 0.091 0.080 0.076 0.111 0.174 0.173 0.165 0.117 0.107 0.113 0.105 0.061 0.053 0.048 0.042 0.066 0.102 0.109 Tabla 9. Evolución mensual del coeficiente 1 Evolución mensual del coeficiente 1 0.250 0.200 1 (adim) 0.150 0.100 Chovet 0.050 Santa Teresa Empalme Bombal Estaciones Norte de Santa Fe ENE FEB MAR ABR MAY JUN JUL AGO SET Meses Figura 20. Evolución mensual del coeficiente 1 OCT NOV DIC 0.110 CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Estación ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DIC Bombal Chovet S. Teresa Empalme 0.052 0.048 0.041 0.043 0.050 0.048 0.036 0.037 0.041 0.041 0.033 0.044 0.055 0.052 0.044 0.058 0.076 0.079 0.041 0.075 0.094 0.073 0.049 0.065 0.072 0.068 0.052 0.064 0.077 0.093 0.064 0.067 0.061 0.065 0.049 0.045 0.060 0.057 0.045 0.051 0.063 0.060 0.047 0.054 0.049 0.055 0.042 0.040 Promedio Norte de Santa Fe 0.046 0.043 0.040 0.052 0.068 0.070 0.064 0.075 0.055 0.053 0.056 0.047 0.029 0.028 0.026 0.029 0.039 0.049 0.059 0.062 0.042 0.035 0.032 0.036 Tabla 10. Evolución mensual del coeficiente 2 Evolución mensual del coeficiente 2 0.100 0.090 0.080 0.070 2 (mm-1) 0.060 0.050 0.040 0.030 Bombal Chovet 0.020 Santa Teresa Empalme 0.010 Estaciones N de Santa Fe ENE FEB MAR ABR MAY JUN JUL AGO SET Meses Figura 21. Evolución mensual del coeficiente 2 OCT NOV DIC CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Estación Bombal 16 Pronosticados Num ero de eventos pronosticados 14 Línea de coincidencia 12 Lineal (Pronosticados) 10 8 R2 = 0.5907 6 4 2 0 0 2 4 6 8 10 12 14 16 Num ero de eventos observados Figura 22. Números de ocurrencias de lluvia pronosticados y observados en Estación Bombal. Estación Chovet 14 Pronosticados 12 Num ero de eventos pronosticados Línea de coincidencia Lineal (Pronosticados) 10 8 6 R2 = 0.6601 4 2 0 0 2 4 6 8 10 12 Num ero de eventos observados Figura 23. Números de ocurrencias de lluvia pronosticados y observados en Estación Chovet. 14 CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Estación Empalme 18 Pronosticados Num ero de eventos pronosticados 16 Línea de coincidencia 14 Lineal (Pronosticados) 12 10 8 R2 = 0.4549 6 4 2 0 0 2 4 6 8 10 12 14 16 18 Num ero de eventos observados Figura 24. Números de ocurrencias de lluvia pronosticados y observados en Estación Empalme. Estación Santa Teresa 16 Pronosticados 14 Num ero de eventos pronosticados Línea de coincidencia 12 Lineal (Pronosticados) 10 8 6 R2 = 0.5728 4 2 0 0 2 4 6 8 10 12 14 Num ero de eventos observados Figura 25. Números de ocurrencias de lluvia pronosticados y observados en Estación Santa Teresa. 16 CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 REFERENCIAS Antigüedad I, García Muñiz J, Llamas J. (1995) A mathematical model for precipitation in the Basque Country, Spain. Hydrological Sciences Journal. 40 (3) : 291-301)IAHS Press. Wallingford. UK. Arnaud P, Lavabre J. (1999) Using a stochastic model for generating hourly hyetographs to study extreme rainfalls. Hydrological Sciences Journal.IAHS. 44 (3). 433-445. Cox, D.R. and Isham, V. (1994). Stochastíc models of precípitatíon. In Statistics for the environment 2: Water related issues, (ed. V. Barnett and K. Turkman), pp, 3-18. Wiley, Chichester. D’Elía M, Paris M, Tujchneider O, Pérez M. (2002) “Groundwater recharge quantification in a west sector of the llanura pampeana, Argentina” International Conference on Balnacing the Groundwater Budget. Darwin. Australia. Eagleson, P. S. (1972) Dynamics of floods frequency. Water Resources Reasearch. 8 (4), 878-898. Seoane R, Valdés J. (1994) Desarrollo de una Función de Distribución Derivada para la Estimación de Caudales Extremos en Cuencas con Datos Escasos. XVI Congreso Latinoamericano de Hidráulica. IARH. Santiago Chile. 193-204. Todorovic P. (1967) Appied Probability Course Notes. Fort Collins, Colorado, USA. Vanlesberg S. y Silber M. (1999) Modelo de Lluvia aplicado a la provincia de Santa Fe. Cuadernos del CURIHAM. 5 (2). En impresión. Paris M, D´Elia M, Perez M y Tujchneider O (2002) “Análisis estocástico de variables hidrometeorológicas para la estimación de recarga de acuíferos “ XXXII IAH Congress. Mar del Plata. Argentina. 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) Hidrología 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. Montgomery D y G Runger (1996). Probabilidad y Estadística Aplicadas a la Ingeniería. ISBN 970-10-1017-5. Edit. McGraw-Hill. México. Riccardi G y E. Zimmermann (2000) Modelo Probabilistico de Tormentas Puntuales Aplicado a Rosario Aero (Santa Fe, Argentina). XVIII Congreso Nacional del Agua.Termas de Río Hondo , Argentina. Riccardi G y E Zimmermann. (2002) Un Modelo Estocástico de Composición para la Generación Sintética de Tormentas Puntuales. XIX Congreso Nacional del Agua. Carlos Paz, Argentina. 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 Cálculo y Representación de los Campos Paramétricos Continuos. XII Congreso Nacional del Agua. Mendoza. Argentina. Valdés J. (1981) Distribución Espacial y Temporal de la Precipitación. Posgrado en planificación y recursos hídricos. Universidad de Simón Bolivar. Venezuela. Vanlesberg S y M. Silber (2000) Modelo de Lluvia Aplicado a la Provincia de Santa Fe. XVIII Congreso Nacional del Agua.Termas de Río Hondo , Argentina. 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. (1998) Synthetic Storm Generation in a Flatland Region (Santa Fe, Argentina). Journal of Environmental Hydrology. IAEH. 6.(2). Zimmermann E. (1999) Informe Anual Carrera de Investigador Científico y Técnico. CONICET. CURIHAM. FCEIA:Inédito. Zimmermann E, Silber M. (2001) Algoritmo para la representación de campos de precipitación. Enviado a la Revista Ingeniería del Agua. Valencia. España. CUADERNOS del CURIHAM, Vol. 8, 1er. Semestre 2003 Zimmermann E, Navarro R. Y Silber M., (1996), Un Modelo Probabilístico para la Generación de Tormentas Sintéticas, XVII Congreso Latinoamericano de Hidráulica, IAHR-LAD, Guayaquil, Ecuador. Zimmermann E. , (1998), Synthetic Storm Generation in a Flatland Region, Santa Fe, Argentina, Journal of Environmental Hydrology (IAEH), Vol. 6, Nº 2, pp. 1-5.