Tesis ELABORACIÓN DE MAPAS TEMÁTICOS UTILIZANDO DATOS DE PRECIPITACIÓN Y TEMPERATURA

UNIVERSIDAD NACIONAL PEDRO RUZ GALLO
FACULTAD DE INGENIERA CIVIL, DE

SISTEMAS Y ARQUITECTURA
PROYECTO DE TESIS
ELABORACIN DE MAPAS TEMTICOS UTILIZANDO
DATOS DE PRECIPITACIN Y TEMPERATURA DEL

DEPARTAMENTO DE LAMBAYEQUE
por
Bach. Marlon Robert Cubas Armas
Bach. Luotany Salazar Guadalupe
Sustentacin presentada como requerimiento para obtener el Ttulo de Ingeniero

Civil
Asesor de Tesis: Ing MsC. Nicols Walter Morales Uchofen
Julio 2008
Responsables: Luotany Salazar Guadalupe / Marlon Robert Cubas Armas
TESIS: "Elaboracin de Mapas Temticos utilizando Datos de Precipitacin y Temperatura del

Departamento de Lambayeque"
AGRADECIMIENTOS
De Luotany Salazar Guadalupe

Agradezco
enrumbarme
mi
y
padre,
Jos,
por
apoyarme
en
esta
desafiante e interesante carrera; a mi

madre, Elizabeth, por su paciencia y
respaldo incondicional; a
Dios, por
regalarme la inteligencia y ganas de soar.

Concluyo con un especial agradecimiento
a nuestro asesor, por sus conocimiento,
experiencia y gua proporcionada.
De Marlon Robert Cubas Armas

Es muy difcil escribir en pocas lneas a quin
agradecera la concretizacin de este proyecto.
Como muchos pensara en primer lugar en Dios y
mis padres, pero no puedo ignorar la retribucin de
profesores, amigos, familiares y empresarios. Slo
puedo diferenciar tres etapas del proyecto, cada
uno con su protagonista, la primera es la
concepcin del proyecto y el desafo de concluir
una investigacin costosa y sin ningn antecedente:
Gracias Ing W. Morales; la segunda es la nuestra
inversin en el proyecto, sumado a otro respaldo:
Gracias Prof. J. Salazar; y la ltima, trabajar en
equipo para concluir el proyecto de tesis: Gracias
Luotany.

DEDICATORIA
De Luotany Salazar Guadalupe

Madre y Padre, este triunfo es para
ustedes, y les prometo que no es el
ltimo que les dedicar.
De Marlon Robert Cubas Armas

Dedico este proyecto de investigacin a la Escuela
Profesional
de
Ingeniera
Civil,
bajo
el
compromiso de seguir mejorndolo.

NDICE
CAPTULO I : MARCO INTRODUCTORIO
Importancia
Objetivos
Resumen
Summary
10
Introduccin
11
CAPTULO II: GENERALIDADES

1.
Ubicacin Geogrfica
13
2.
Superficie
13
3.
Sistemas Hidrogrficos
14
4.
Paleocologa de Lambayeque
17
5.
Climatologa
18
6.
Ecologa
19
7.
Sobre los suelos
20
CAPTULO III: MARCO TERICO DE LA NVESTIGACIN

A. LA METEOROLOGA
21
1.
Definicin de Meteorologa
21
2.
Elemento Meteorolgico
21
3.
Estaciones Meteorolgicas
21
4.
Observaciones Meteorolgicas
22
5.
Horas en las que se realizan las observaciones
25
B. SISTEMAS DE INFORMACIN GEOGRFICA
26
1.
Definicin de un SIG
26
2.
Construccin de bases de datos geogrficas
27
3.
Topologas, modelos de daos y tipos de SIG
29
C. MAPAS TEMTICOS
32
1.
Introduccin
32
2.
Definicin de un mapa temtico
32
3.
Cartografa temtica cualitativa y cuantitativa
32
4.
Componentes de un mapa temtico
33
5.
Aspectos que debemos tener en cuenta a la hora de disear un mapa base 34
6.
Proceso de diseo de un mapa temtico
D. RELLENO ESTADSTICO DE DATOS
37
39
1.
Introduccin
39
2.
Mtodos de relleno para estimar datos faltantes
40
3.
Anlisis de regresin
42

4.
Regresin lineal simple
45
E. ANLISIS DE CONSISTENCIA
47
1.
Introduccin
47
2.
Anlisis visual grfico
48
3.
Anlisis de doble masa
48
F. ANLISIS EXPLORATORIO DE DATOS
50
1.
Anlisis exploratorio de datos (AED)
50
2.
Importancia del AED
51
3.
Etapas del AED
51
4.
Valores Atpicos (OUTLIERS)
58
5.
Datos Faltantes (MISSING)
60
G. ANLISIS GEOESTADSTICO DE DATOS
62
1.
Para qu es til la geoestadstica?
62
2.
El semiovariograma emprico
62
3.
Ajuste de una funcin al semiovariograma
64
4.
Cul es el mejor modelo para mis variables?
68
5.
Isotropa y Anisotropa
69
6.
Estacionariedad
70
7.
Kriging
72
8.
Variograma cruzado y cokriging
73
H. APLICACIN DEL ANLISIS ESPACIAL PARA LA INTERPOLACIN DE DATOS

1.
2.
3.
74
Conceptos Bsicos
74
1.1.
Qu es un anlisis espacial?
74
1.2.
Modelo de datos
74
1.3.
Modelo de datos geogrficos
74
1.4.
Dato no espacial o atri9buto
75
Proceso de Toma de Decisiones
75
2.1.
Modelando el mundo real
76
2.2.
Abstraccin del mundo real
77
Proceso de Interpolacin
77
3.1.
Qu es interpolacin?
78
3.2.
Fuentes de datos para la interpolacin espacial
79
3.3.
Patrones de adquisicin de datos
79
3.4.
Clasificacin de los mtodos de interpolacin
80
3.4.1. Mtodos de interpolacin globales
81
3.4.1.1. Mtodo Kriging
81
3.4.1.2. Interpolacin por el Mtodo de Kriging
81
3.4.2. Mtodos de Interpolacin Locales
83

I.
APLICACIN DE SISTEMAS DE INFORMACIN (ARCGIS 9 .2) PARA EL DIBUJO DE

MAPAS TEMTICOS
85
1.
Creacin de mapas en ArcMap
85
1.1.
Vistas de diseo
85
1.2.
Configurar el tamao de pgina y orientacin
86
CAPTULO IV: MARCO METODOLGICO DEL PROYECTO

A.
MUESTREO DE DATOS PARA EL PROYECTO
88
1.
Justificacin de la base de datos
88
2.
Sobre la recoleccin de datos
89
B.
INFORMACIN REQUERIDA
C.
UBICACUN Y DESCRIPCIN DE LAS ESTACIONES METEOROLGICAS DE
90
ESTUDIO
D.
96
PROCESAMIENTO Y ANLISIS DE DATOS
120
1.
Relleno de datos
120
2.
Anlisis de consistencia
125
3.
Prediccin de datos utilizando mtodos de distribucin estadstica en los

diferentes periodos de retorno
135
4.
Anlisis estadstico exploratorio de datos
148
5.
Anlisis geoestadstico utilizando el ArcGis
162
CAPTULO V: CONSTRUCCIN DE MAPAS TEMTICOS

I.
Procedimiento seguido para la elaboracin de mapas temticos haciendo uso

del ArcGis versin 9.2
169
Relacin de Mapas Temticos mostrados en la presente investigacin
200
Mapas Temticos utilizando datos de Precipitacin Mxima en 24 Horas

Mapas Temticos utilizando datos de Precipitacin Total Mensual
Mapas Temticos utilizando datos de Temperatura Media Mensual
206
207
208
II.
CAPTULO VI: ANLISIS, CONCLUSIONES Y RECOMENDACIONES

1.
Anlisis y conclusiones de los mapas mostrados
209
2.
Discusin sobre los resultados del anlisis exploratorio
219
BIBLIOGRAFA
221
APNDICE A: Resmenes de los datos de precipitacin mxima en 24H

APNDICE B: Resmenes de los datos de precipitacin Total Mensual
APNDICE A: Resmenes de los datos de Temperatura media mensual
222
227
233
APNDICE A: La variabilidad climtica mostrada entre los diferentes mapas
238

CAPTULO I
MARCO INTRODUCTORIO
IMPORTANCIA
En la medida que el resultado de este proyecto sea utilizado en las diferentes

reas de aplicacin, o sus responsables satisfagan el inters de profesionales
relacionados con el campo de la meteorologa y elaboracin de mapas, este proyecto
resulta ser significativo e importante.
Temas como aplicaciones SIG, anlisis geoestadstico, anlisis exploratorio

estadstico y mapeo temtico son necesarios para medir y plasmar la variabilidad
espacial, la cual constituye uno de los rasgos esenciales en la descripcin y anlisis
de muchos fenmenos naturales: parmetros agroclimticos, propiedades fsicas y
qumicas del suelo, variables hidrolgicas, etc; no obstante, este estudio se orienta a
temas climticos, pero se puede considerar como un patrn mejorado para estas
aplicaciones. En esta oportunidad slo evaluamos parmetros de meteorologa:
Precipitacin Total mensual, Precipitacin Mxima en 24 horas y Temperatura
Media, cuyo resultado y discusin es elemental en proyecto viales e hidrulicos.
Tenemos una necesidad actual de informacion organizada de datos

metereologicos para evitar estudios incipientes de este campo en los proyectos de
ingeniera, por causas muchas veces econmicas o por falta de precedentes que
respalden y sustente su aplicacin.

OBJETIVOS
1. Elaborar mapas temticos utilizando datos de precipitacin y temperatura

del departamento de Lambayeque.
2. Evaluar la variabilidad temporal de los datos de precipitacin y
temperatura del departamento de Lambayeque plasmados en mapas
temticos.
3. Realizar un anlisis exploratorio estadstico para evaluar la base de datos
suministrada por el SENAMHI, entidad que recolecta y suministra estos
datos.
4. Satisfacer la necesidad profesional de estas aplicaciones en proyectos de
irrigacin, hidrulicos y viales.

RESUMEN
La preocupacin por la variabilidad climtica y sus influencias se ha venido

incrementando en el mundo. La misma actividad humana incide en los cambios
climticos y estos a su vez influyen en el desempeo de sus actividades. El
calentamiento global en el mundo gradualmente crece, las aguas son recalentadas, y
los tmpanos de hielo estn menguando; esto a su vez, origina mayores
precipitaciones o un aumento en la temperatura normal de la orbe.
El presente proyecto de investigacin constituye un importante trabajo que

muestra las distribuciones espaciales de variables metereolgicas en el departamento
de Lambayeque, reflejados en mapas temticos. Para su obtencin se ha utilizado
como recursos mtodos estadsticos, aplicacin del anlisis geoestadsticos y uso del
software Arcgis 9.2 para el mapeo respectivo.
El resultado de este trabajo son 52 mapas temticos que estudian tres

parmetros climticos: Precipitacin Total Mensual, Precipitacin Mxima en 24
horas y Temperatura Media. Estos estn circunscritos en el Departamento de
Lambayeque, de los cuales se puede observar su variabilidad temporal y espacial, as
como utilizarlos como herramientas para estudios dentro del campo de la agricultura,
meteorologa, ingeniera civil, biologa, edafologa, entre otras reas de inters.

SUMMARY
The preoccupation by the climatic variability and its influences has come
increasing in the world. The same human activity affects the climatic changes and
these influence as well in the performance of their activities. The global heating in
the world gradually grows, the waters are reheated, and the ice icebergs are
diminishing; this as well, originates greater precipitations or an increase in the
normal temperature of the orb.
The present project of investigation constitutes an important work that

shows the space distributions of metereolgicas variables in the department of
Lambayeque, reflected in thematic maps. For its obtaining it has been used like
resources statistical methods, application of the geoestadsticos analysis and use of
software Arcgis 9,2 for the respective mapeo.
The result of this work is 52 thematic maps that study three climatic parameters:
Monthly Total precipitation, Maxima Precipitation in 24 hours and Average
Temperature. These are circumscribed in the Department of Lambayeque, of which
its temporary and space variability can be observed, as well as to use them like tools
for studies within the field of agriculture, meteorology, civil engineering, Biology,
edafology, among other areas of interest.
10

INTRODUCCIN
La informacin espacial, en formas de cobertura temticas, asociadas a un

Sistema de Informacin Geogrfica, muestran con detalle y de manera didctica el
comportaiento de variables metereolgicas en el espacio del Departamento de
Lambayeque.
Primero mostramos el contexto fsico del departamento, la ubicacin

geogrfica, clima, geologa, ecologa, etc; con el fin de describir el entorno en donde
se desenvuelve nuestra proyecto.
El marco terico presenta de manera estructura el soporte y sustenta de la

base de la investigacin. Primero estudiamos la meteorologa , siendo esta el campo
que estudia las variables climatolgicas de precipitacin y temperatura. Los sistemas
de informacin geogrficos, SIG, como una tecnologa de manejo de informacin
geogrfica formada por equipos electrnicos programados adecuadamente que
permiten manejar una serie de datos espaciales y realizar anlisis. El anlisis
exploratorio de datos, el cual toma su tiempo pero muchas veces se descuida por
parte de los analistas, por lo que son una parte esencial de cualquier anlisis
estadstico. El anlisis de la consistencia de los datos, utilizando el mtodo de doble
masa y el relleno de los parmetros faltantes, haciendo uso de recursos estadsticos
(anlisis de regresin) con el objetivo de mejorar la precisin de los resultados.
Consideramos necesario incorporar la teora del anlisis geoestadstico,

siendo este procedimiento utilizado por el software Arcgis para el proceso de
interpolacin de datos y anlisis espacial. Tambin describimos el proceso a seguir
para el dibujo de mapas temticos haciendo uso de esta poderosa herramienta.
11

En el siguiente captulo se detalla los resultados y la discusin, la

descripcin de la metodologa utilizada para la realizacin de la presente
investigacin. Una descripcin de las estaciones meteorolgicas tomadas en cuenta
para la recoleccin de la base de datos, las cuales han sido un total de 15 estaciones,
perteneciendo 2 al departamento de Piura y 1 al departamento de Cajamarca. De
estas estaciones se ha extrado 21 datos de precipitacin y temperatura, se ha
excluido en el estudio al ao 1998 por ser una avenida extraordinaria. Con esta base
de datos se ha seguido el procedimiento explicado en el marco terico.
Finalmente mostramos 87 mapas, lo cuales se clasifican de la siguiente

forma: 26 mapas que muestran el resultado del estudio de los datos de Precipitacin
Total Mensual; 23 mapas referidos a la variable de Precipitacin Mxima en 24
horas; y, 38 mapas que estudian la Temperatura Media Mensual. Estos son
plasmados en coordenadas UTM y ploteados en formato A2 y A3 segn importancia
del mapa.
Es concluyente que existe una variabilidad climtica no slo en nuestro

entorno geogrfico, sino en todo el planeta. La preocupacin por la variabilidad
climtica y sus influencias se ha venido incrementando en trminos de las
alteraciones en el rgimen de lluvias, las temperaturas y otros parmetros. Hoy en
da, las posibles relaciones entre el Cambio climtico y la variabilidad, son y han
sido objeto de numerosas discusiones cientficas.
12

CAPTULO II
GENERALIDADES
1.
UBICACIN GEOGRFICA:
La zona de estudio del presente trabajo de investigacin es el departamento
de Lambayeque, el mismo que est ubicado en la Costa Norte del Per. Su territorio
se extiende entre los paralelos 79 07 12 y 80 37 12 de Longitud Oeste y entre
los meridianos 05 28 48 y 07 09 12 de Latitud Sur.
Sus lmites son:
Norte
Departamento de Piura
Este
Departamento de Cajamarca
Sur
Departamento de La Libertad
Oeste
Oceno Pacfico
2. SUPERFICIE:
El departamento de Lambayeque tiene una extensin superficial de
14,231.30 km2, es decir el 1.1% de 1 285 215,6 km2 correspondientes a la
superficie total del pas, desagregado por provincias de la siguiente manera:
Chiclayo 3,288.07 km2, Ferreafe 1,778.60 km2 y Lambayeque 9,346.63 km2.
Presenta adems 33 distritos, los cuales son los siguientes:
Provincia Chiclayo
13
Puerto Eten
11
La Victoria
Santa Rosa
12
Chongoyape
Pimentel
13
Eten
Jos Leonardo Ortiz
14
Ptapo
Chiclayo
15
Pucal
Picsi
16
Zaa
Tumn
17
Lagunas
Pomalca
18
Oyotn
Reque
19
Cayalt
10
Monsef
20
Nueva Arica
Provincia Ferreafe
21
Incahuasi
24
Manuel Antonio Mesones Muro
22
Caaris
25
Ferreafe
23
Ptipo
26
Pueblo Nuevo
Provincia Lambayeque
27
Mrrope
33
Pacora
28
Olmos
34
llimo
29
Salas
35
Tcume
30
Chchope
36
Lambayeque
31
Motupe
37
Mochum
32
Jayanca
38
San Jos
3. SISTEMAS HIDROGRFICOS:
El sistema hidrogrfico del departamento de Lambayeque est constitudo
por los ros Zaa, Lambayeque y Jayanca. La mayor parte de ellos se forman en las
serranas de Cajamarca, con excepcin de los de Motupe y Olmos.
Hidrografa:
El sistema hidrogrfico lo constituyen un conjunto de ros de curso corto y
regular de caudal variable, lo que forman en la Vertiente Occidental de los
Andes, para desembocar en el Ocano Pacfico.
14

Entre los principales ros que forman la cuenca hidrogrfica del

departamento figuran:
Ro Chancay Lambayeque:
Nace al Sur Oeste del asiento minero de Hualgayoc en las lagunas de Mishis
y Yanahuanca a una altura de 4000 m.s.n.m. y atraviesa el extremo Nor Este de la
provincia de San Miguel ingresando a la de Santa Cruz. En sus orgenes se le
conoce como Ri Quilcate, que va descendiendo al Oeste recibiendo otros
pequeos tributarios, sin engrosar sus aguas debido a las filtraciones, las mismas
que aparecen kilmetros abajo y al unirse con el rio Samn ya recibe el nombre de
Chancay, sigue desplazndose al Oeste recibiendo las aguas del ro Cumbil. A la
altura de Racarumi, hay una toma de ese nombre que capta sus aguas para llevarlas
al reservorio de Tinajones, reservorio que de nuevo vierte las aguas a su lecho,
kilmetros abajo. En la Puntilla hay una obra de ingeniera que divide las aguas en
dos partes, la del Ro Reque o Eten, y la de Lambayeque (canal Desaguadero), del
que mediante otras compuertas se reparte el agua: para el canal Taymi y para el ro
Lambayeque.
De sus aguas dependen las 3 capitales provinciales, ms de 15 poblados
menores, 25 empresas agrcolas y medianos, pequeos productores individuales.
Sus principales afluentes son los ros y quebradas de las Nieves, Caad, San
Lorenzo, Chotano, Huamboyacu, Cirato y Cumbil.
Su cuenca colectora se calcula en 5,139 km2, el volumen de descarga anual,
vara de acuerdo a las precipitaciones en la parte alta; sus ramales principales son el
ro Reque, por el que corre el exceso de aguas en las pocas de extraordinarias
avenidas; vierte sus aguas al mar.
Ro La Leche
Conocido tambin como ro loco, nace en las cumbres de Caaris, y
Cachen a ms de 3000 m.s.n.m. sus afluentes ms importante son los ros Sangana y
Moyn. Su cuenca colectora se calcula en 1,609 Km2. tiene un volumen de agua muy
15

irregular y por lo general no llega al mar, salvo en pocas de abundantes lluvias. En

pocas o mejor dicho periodos lluviosos y de abundancia de aguas este ri inunda los
poblados rivereos y las sementeras causando daos inmensos. En la parte baja se
unen con el Motupe.
Ro Zaa
Nace en el Departamento de Cajamarca, al Este de Niepos, en su
desplazamiento y descenso hacia el Oeste recibe las aguas de numerosos riachuelos,
ya en la costa da sus aguas a los poblados de Oyotn, Nva. Arica, Zaa, Mocupe y
Lagunas. Sus aguas en determinadas pocas como en 1925 y 1983 han causado
daos a Zaa y otros poblados ribereos.
Ro Motupe
Segn la carta nacional su origen estara en las confluencias de los ros
Chiiama y Chchope, en el Puente Motupe, aguas abajo de sta, confluyen otros
ros como: Chotaque, Apurl y Salas y las quebradas Anchovira y Zurita.
El ro Chiiama a su vez recibe aguas de trasvase de la cuenca del Atlntico
a travs de 35 km del canal Huayllabamba. El rea hmeda de aporte est sobre los 3
600 m.s.n.m.
Ro Olmos
Nace en la provincia de Huancabamba, ingresa al distrito de Olmos por el
centro poblado Overazal. Su caudal es pequeo; slo en pocas de abundantes lluvias
presenta buen caudal.
Falta de infraestructura de almacenamiento, para aprovechar los
excedentes.Estas cuencas actualmente estn expuestas a la intervencin del hombre
en forma descontrolada, deteriorndola y destruyndola, trayendo consigo el
16

agotamiento de los recursos naturales y poniendo en peligro la supervivencia de la

poblacin, a ello se ana la falta de manejo integral para conservarlas.
A la Cuenca del Atlntico, pertenecen las microcuencas que conforman las
quebradas Tocras y El Sauce y el ro Yantun Yaco, afluentes del ro Huancabamba Chamaya.
Ro Cascajal
Sus formadores, las quebradas conocidas como ros Tocto y Palo Blanco, se
originan en la provincia de Huancabamba y se une al oeste del centro poblado
La Unin, a partir de donde se conoce como ro Cascajal. Su principal afluente
es el ro San Cristbal.
4. PALEOECOLOGA DE LAMBAYEQUE:
La Paleoecologa de la regin, se ha formado principalmente con los
procesos orognicos, resaltando la formacin del colosal edificio tectnico:
la Cordillera de los Andes, que ha configurado los paisajes y ecosistemas
actuales, durante su afloramiento en el Cretcico y, en el Cenozoico, en el Perodo
Terciario, Mioceno. Es as, que la paleobiota, a travs de los registros fsiles nos
permite afirmar, que durante el Jursico/Cretcico, predomin parte del mar en
grandes reas del actual teritorio; existiendo una fauna de invertebrados de
moluscos, cefalpodos, equinodermos y, por supuesto, protozoos. An se pueden
encontrar estos fsiles en el parque cretcico de los flancos de la vertiente oriental
andina de Lambayeque.
El actual territorio de Lambayeque, est estructurado en dos basamentos

geolgicos: la Formacion Olmos, de origen Precmbrico (2000 M.A.) y la Formacin
Salas (Era Paleozoica). Predominando formaciones mesozoicas y del Terciario Cuaternario, con Deglaciaciones de hace 18000 aos que modelaron la zona del
Paramal. Adems, durante el Cuaternario tuvieron lugar cuatro transgresiones
marinas, provocadas por el movimiento de la corteza terrestre. Los estudios del
17

gelogo francs, Bernard Dalmayrac, explican que existi una paleocordillera en

tiempos Paleozoicos, desde Venezuela hasta la ciudad de Chiclayo. Por eso,
geotectnicamente, las reas ms antiguas, estn sobre estos antiguos basamentos. El
gnero Wechselia, confirma que la geomorfologa lambayecana, estaba contactada
con Gondwana, (un megacontinente de tiempos geolgicos de la Era Mesozoica)
durante el Perodo Cretcico y, por ende, primero predominaron los Bosques
Montanos tan depredados y en franco proceso de destruccin ahora, sin haberlos
estudiado integralmente hasta la fecha- y, despus, continuaron los bosques de parte
de las paleollanuras, impactadas por los movimientos marinos indicados.
5. CLIMATOLOGA:
Por estar Lambayeque situado en una zona tropical, cerca del ecuador, el
clima deba ser caluroso, hmedo, y lluvioso; sin embargo su estado es subtropical,
seca, sin lluvias, con fuertes vientos denominados ciclones.
El clima del departamento de Lambayeque es semi-clido, con alta humedad
atmosfrica y escasas precipitaciones en la costa, que estn casi siempre por debajo
de 50mm anuales. Slo excepcionalmente las precipitaciones son mayores, pero sin
pasar los 200mm anuales.
El clima es clido, hmedo y desrtico, con escasas precipitaciones en la
Costa, y templado y seco en los sectores interandinos.
Las variaciones de temperatura y pluviosidad estn en funcin a la altitud
sobre el nivel del mar, siendo las lluvias escasas, manifestndose generalmente en
forma de gara con un promedio de 18 mm/ao. En las estribaciones de la Cordillera
Occidental se registra tambin una mayor pluviosidad del orden de los 250mm.
anuales, con las mayores precipitaciones en verano principalmente; en invierno es
menos acentuado. Peridicamente cada 7, 10, 15, aos se presentan temperaturas
elevadas, con lluvias regulares y aumento extremado del agua de los ros, lluvias de
las que se tiene referencia desde pocas precolombinas y se repiten desde 1720 en
adelante, lluvias que siempre han causado destrozos en los cultivos, las viviendas,
caminos, puentes, y han acabado con la vida de animales y personas.
18

La temperatura es variada y esta en funcin de la estacin. En verano

flucta entre 20C como mnimo y 30C como mximo; cuando el clima se
tropicaliza, cada ciertos aos, la temperatura flucta entre 30-35. En invierno la
temperatura mnima es de 15 y mxima de 24. Por lo general a medida que se aleja
de la orilla del mar avanzando hacia el este hasta los 500 m.s.n.m. la Temperatutra se
va elevando, sintindose principalmente a medio da un calor sofocante, como se
puede apreciar en Pucal, Zaa, Chongoyape, Oyotn, Nueva Arica; este fenmeno
se explica porque la tierra y los cerros ridos que rodean a estas zonas refractan el
calor y porque los vientos que soplan del mar a la tierra llegan dbiles.
La temperatura promedio en el departamento de Lambayeque es la
siguiente:
Octubre a Diciembre:
21.42 C
Enero a Marzo
25.07 C
Abril a Junio
22.28 C
Julio a Setiembre :
19.10 C
Entre los factores que influyen en la determinacin del clima departamental

estn; el mar, las corrientes peruanas del Nio, la atmsfera dominada por el
anticicln de Pacfico Sur, los vientos y las Cordillera de los Andes.
6. ECOLOGA:
La zona de estudio corresponde a la ecorregin del bosque seco ecuatorial
(Brack & Mendiola, 2000) y presenta las siguientes zonas de vida: matorral desrtico
Tropical, matorral desrtico Premontano Tropical, monte espinoso - Premontano
Tropical(ONER, 1976). Adems se consideran dos comunidades vegetales, bosque
ralo semicaducifolio y bosque semidenso caducifolio (CDC, 1992).
7. SOBRE LOS SUELOS:
19

El suelo del departamento de Lambayeque, es predominantemente arcillas

expansivas, las cuales producen daos en los diferentes tipos de estructuras.
Aparentemente son los movimientos irreversibles los que predominan en las
arcillas y climas del departamento; pues este fenmeno se encuentra ligado a
regiones de cllima seco y aridez permanente, o bien que cuentan con una estacin
muy seca y otra lluviosa; como ocurre en los departementos del norte del pas donde
el clima es clido por su cercana al Ecuador y muy seco y rido por falta de lluvias
peridicas en la zona, estado que cclicamente se modifica por precipitaciones
pluviales abundantes.
Debido al clima, o cuando se somete el suelo a procesos continuados de
desecacin por drenaje o climatizacin de riegos, estas tierras desarrollan grietas por
contraccin que llegan a cierta profundidad, generalmente mayor de un metro, la
profundidad de este agrietamiento se aproxima a la profundidad activa con respecto
al efecto de expansividad de la arcilla y es caracterstico de estos suelos al excavar un
pozo a cielo abierto econtrar al suelo formando pequeas columnas que se inician en
la superficie terminando en la parte inferior de la zona activa donde el efecto de
desecacin es menor. Esta deformacin diferencial genera esfuerzos internos en las
arcillas produciendo agrietamientos verticales y horizontales, dando lugar a la
formacin de pequeos bloques bastante frgiles, estas fisuras se presentan cuando la
arcilla est en estado muy seco.
20

CAPTULO III
MARCO TERICO DE LA INVESTIGACIN
A. LA METEOROLOGIA
1. DEFINICIN DE METEOROLOGA
Es el estudio de los fenmenos atmosfricos y de los mecanismos que
producen el tiempo, orientado a su prediccin. Del griego, meteoros (alto), logos
(tratado).
Los fenmenos atmosfricos o meteoros pueden ser: Areos, como el
viento; acuosos, como la lluvia, la nieve y el granizo; luminosos, como la aurora
polar o el arco iris y elctricos, como el rayo.
La meteorologa utiliza instrumentos esenciales, como el barmetro, el

termmetro y el higrmetro, para determinar los valores absolutos, medios y
extremos de los factores climticos. Para el trazado de mapas y la elaboracin de
predicciones es fundamental la recogida coordinada de datos en amplias zonas,
lo que se realiza con la ayuda de los satlites meteorolgicos.
2. ELEMENTO METEOROLGICO:
Para estudiar la atmsfera nos valemos de lo que se conoce como elemento
meteorolgico y que se definen como aquella variable atmosfrica o fenmeno
(temperatura del aire, presin, viento, humedad, tormentas, nieblas, ciclones o
anticiclones, etc.) que caracteriza el estado del tiempo en un lugar especfico y
en un tiempo dado.
3. ESTACIONES METEOROLGICAS:
Las observaciones se realizan en lugares establecidos, donde es necesario
contar con datos meteorolgicos para una o varias finalidades, ya sea en tiempo
real, en tiempo diferidos o ambos. Estos lugares deben reunir determinadas
21

condiciones
tcnicas
normalizadas
se
los
denomina
"estaciones
meteorolgicas".
CLASIFICACIN:
De acuerdo a lo establecido por la Organizacin Meteorolgica Mundial
(OMM), las estaciones meteorolgicas se clasifican de la siguiente manera:
SEGN SU FINALIDAD
CLASIFICACION
Climatolgica
Agrcolas
Sinptica
Especiales
Aeronuticas
Satlites
Principales
De acuerdo a la magnitud de las

Observaciones
Ordinarias
Auxiliares o adicionales
Por el nivel de observacin:
Altitud
Superficie
Terrestre
Segn el lugar de observacin
Areas
Martimas
En una estacin meteorolgica se requiere estar en un terreno plano por lo

menos de un radio de 100m, sin ningn obstculo, y sensor para registrar la
cantidad de agua acumulada (pluvimetro) medida en mm de agua, puede tener
una influencia efectiva de por lo menos 30 km. Si se requiere un estudio
climatolgico del rea de estudio, por lo menos debemos de contar con al menos
3 o mas pluvimetros separados alrededor de 30 km, y tener registros de al
menos 10 aos para poder realizar un estudio climatolgico del rea, segn
Koppen.
4. OBSERVACIONES METEOROLGICAS:
La observacin meteorolgica consiste en la medicin y determinacin de
todos los elementos que en su conjunto representan las condiciones del estado de
22

la atmsfera en un momento dado y en un determinado lugar utilizando

instrumental adecuado.
Estas observaciones realizadas con mtodos y en forma sistemtica,
uniforme, ininterrumpida y a horas establecidas, permiten conocer las
caractersticas y variaciones de los elementos atmosfricos, los cuales
constituyen los datos bsicos que utilizan los servicios meteorolgicos, tanto en
tiempo real como diferido.
Observaciones sinpticas: Son observaciones que se efectan en forma
horaria (horas fijas del da) remitindolas inmediatamente a un centro recolector
de datos, mediante mensajes codificados, por la va de comunicacin ms rpida
disponible. Estas observaciones se utilizan para una multitud de fines
meteorolgicos, en general en tiempo real, es decir, de uso inmediato, y
especialmente para la elaboracin de mapas meteorolgicos para realizar el
correspondiente diagnstico y formular los pronsticos del tiempo para las
diferentes actividades.
Observaciones climatolgicas: Son observaciones que se efectan para
estudiar el clima, es decir, el conjunto fluctuante de las condiciones
atmosfricas, caracterizados por los estados y las evaluaciones del tiempo en una
porcin determinada del espacio. Estas observaciones difieren muy poco de las
sinpticas en su contenido y se realizan tambin a horas fijas, tres o cuatro veces
al da (por lo menos) y se complementan con registros continuos diarios o
semanales, mediante instrumentos registradores.
Observaciones aeronuticas: Se trata de observaciones especiales que se
efectan en las estaciones meteorolgicas instaladas en los aerdromos,
esencialmente para satisfacer las necesidades de la aeronutica, aunque
comnmente se hacen tambin observaciones sinpticas. Estas observaciones se
comunican a otros aerdromos y, frecuentemente, a los aviones en el vuelo, pero
en los momentos de despegue y aterrizaje, el piloto necesita algunos elementos
esenciales de la atmsfera, como el tiempo presente, direccin y velocidad del
viento, visibilidad, altura de las nubes bajas, reglaje altimtrico, etc., para
seguridad de la nave, tripulacin y pasajeros
23

Observaciones martimas: Son observaciones que se realizan sobre buques

fijos, mviles, boyas ancladas y a la deriva. Estas dos ltimas son del tipo
automtico. Estas observaciones constituyen una fuente vital de datos y son casi
nicas observaciones de superficie fiables procedentes de los ocanos, que
representan ms de los dos tercios de la superficie total del globo. Esas
observaciones se efectan en base a un plan, segn el cual se imparte una
formacin a determinados observadores seleccionados entre las tripulaciones de
las flotas de buques, especialmente mercantes, para que puedan hacer
observaciones sinpticas durante el viaje y transmitirlas a las estaciones costeras
de radio.
Observaciones agrcolas: Son observaciones que se hacen de los elementos
fsicos y biolgicos del medio ambiente, para determinar la relacin entre el
tiempo y la vida de plantas y animales. Con estas observaciones, se trata de
investigar la accin mutua que se ejerce entre los factores meteorolgicos e
hidrolgicos, por una parte, y la agricultura en su ms amplio sentido, por otra.
Su objeto es detectar y definir dichos efectos para aplicar despus los
conocimientos que se tienen de la atmsfera a los aspectos prcticos de la
agricultura.
Observaciones de la precipitacin: Son observaciones relativas a la
frecuencia, intensidad y cantidad de precipitacin, ya sea en forma de lluvia,
llovizna, aguanieve, nieve o granizo y constituyen elementos esenciales de
diferentes tipos de observaciones. Dada la gran variabilidad de las
precipitaciones tanto desde el punto de vista espacial como temporal se debe
contar con un gran nmero de estaciones suplementarias de observacin de la
precipitacin
Observaciones de altitud: Son observaciones de la presin atmosfrica,
temperatura, humedad y viento que se efectan a varios niveles de la atmsfera,
llegndose generalmente hasta altitudes de 16 a 20 km. y, muchas veces, a ms
de 30 km. Estas mediciones se hacen lanzando radiosondas, que son elevadas al
espacio por medio de globos inflados con gas ms liviano que el aire y, a medida
que
van
subiendo,
transmiten
seales
radioelctricas,
mediante
un
radiotransmisor miniaturizado, que son captadas en tierra por receptores

24

adecuados y luego procesadas para convertirlas en unidades meteorolgicas. La

observacin de la direccin y velocidad del viento puede efectuarse con la
misma radiosonda, haciendo uso del GPS y recibiendo los datos, en tierra,
mediante radioteodolitos siguiendo la trayectoria de un globo inflado con gas
helio o hidrgeno, mediante un teodolito ptico o, para mayor altura, radar
aerolgico.
Otras observaciones: Entre las mismas, figuran las observaciones
efectuadas a partir de las aeronaves en vuelo y diversos tipos de observaciones
especiales, tales como las que se refieren a la radiacin, al ozono, a la
contaminacin, hidrolgicas, evaporimtricas, temperatura y humedad del aire a
diversos niveles hasta 10 m. de altura y del suelo y subsuelo.
5. HORAS EN LAS QUE SE REALIZAN LAS OBSERVACIONES:

La hora observacional depende del tipo, finalidad y uso de cada
observacin. Es importante que las observaciones sean sincrnicas y continuadas
durante varios aos, para que puedan utilizarse en cualquier estudio o
investigacin
Para determinado tipo de observaciones, en especial las sinpticas, la OMM
ha establecido horas fijas, en tiempo universal coordinado (UTC).
Las horas principales, para efectuar observaciones sinpticas de superficie
son: 00:00 - 06:00 - 12:00 - 18:00 UTC a las horas sinopticas intermedias son:
03:00 - 09:00 - 15:00 - 21:00 UTC.
Las horas fijas para la observacin sinptica en altitud son: 00:00 - 12:00
UTC. Las observaciones aeronuticas se realizan en forma horaria, las de
despegue y aterrizaje en el momento mismo en que el piloto efecta dichas
operaciones, y en vuelo en cualquier momento.
25

B. SISTEMAS DE INFORMACIN GEOGRFICA (SIG)
1. DEFINICIN DE UN SIG
El trmino SIG procede del acrnimo de Sistema de Informacin Geogrfica

(en ingls GIS, Geographic Information System).
Tcnicamente se puede definir un SIG como una tecnologa de manejo de
informacin
geogrfica
formada
por
equipos
electrnicos
(hardware)
programados adecuadamente (software) que permiten manejar una serie de datos

espaciales (informacin geogrfica) y realizar anlisis complejos con stos
siguiendo los criterios impuestos por el equipo cientfico (personal).
Aunque todos ellos han de cumplir con su cometido para que el sistema sea
funcional, existen diferencias en cuanto a su importancia relativa. A lo largo del
tiempo, el peso de cada uno de los elementos dentro de un proyecto S.I.G. ha ido
cambiando mostrando una clara tendencia: mientras los equipos informticos
condicionan cada vez menos los proyectos S.I.G. por el abaratamiento de la
tecnologa, los datos geogrficos se hacen cada vez ms necesarios y son los que
consumen hoy da la mayor parte de las inversiones en trminos econmicos y de
tiempo.
As, hoy da el condicionante principal a la hora de afrontar cualquier
proyecto basado en SIG lo constituye la disponibilidad de datos geogrficos del
territorio a estudiar, mientras que hace diez aos lo era la disponibilidad de
ordenadores potentes que permitieran afrontar los procesos de clculo
involucrados en el anlisis de datos territoriales.
Pero adems de ser un factor limitante, la informacin geogrfica es a su vez
el elemento diferenciador de un Sistema de Informacin Geogrfica frente a otro
tipo de Sistemas de Informacin; as, la particular naturaleza de este tipo de
informacin contiene dos vertientes diferentes: por un lado est la vertiente
espacial y por otro la vertiente temtica de los datos.
26

Mientras otros Sistemas de Informacin (como por ejemplo puede ser el de

un banco) contienen slo datos alfanumricos (nombres, direcciones, nmeros de
cuenta, etc.), las bases de datos de un S.I.G. han de contener adems la
delimitacin espacial de cada uno de los objetos geogrficos.
Por ejemplo, un lago que tiene su

correspondiente
forma
geomtrica
plasmada en un plano, tiene tambin

otros datos asociados como niveles de
contaminacin. Pongamos otro ejemplo
para
que
esto se entienda mejor:
supongamos que tenemos un suelo

definido en los planos de clasificacin de un planeamiento urbanstico como
"urbanizable". Este suelo urbanizable tiene una serie de atributos, tales como su
uso, su sistema de gestin, su edificabilidad, etc. Pero es que adems, el
urbanizable tiene una delimitacin espacial concreta correspondiente con su
propia geometra definida en el plano.
Por tanto, el SIG tiene que trabajar a la vez con ambas partes de informacin:
su forma perfectamente definida en plano y sus atributos temticos asociados. Es
decir, tiene que trabajar con cartografa y con bases de datos a la vez, uniendo
ambas partes y constituyendo con todo ello una sola base de datos geogrfica.
2. CONSTRUCCIN DE BASES DE DATOS GEOGRFICAS.
La construccin de una base de datos geogrfica implica un proceso de

abstraccin para pasar de la complejidad del mundo real a una representacin
simplificada asequible para el lenguaje de los ordenadores actuales. Este proceso
de abstraccin tiene diversos niveles -como iremos viendo- y normalmente
comienza con la concepcin de la estructura de la base de datos, generalmente en
capas; en esta fase, y dependiendo de la utilidad que se vaya a dar a la
informacin a compilar, se seleccionan las capas temticas a incluir.
27

Pero la estructuracin de la
informacin espacial procedente
del mundo real en capas conlleva
cierto nivel de dificultad. En
primer lugar, la necesidad de
abstraccin
que
requieren
las
mquinas implica trabajar con

primitivas bsicas de dibujo, de tal forma que toda la complejidad de la realidad
ha de ser reducida a puntos, lneas o polgonos.
En segundo lugar, existen relaciones espaciales entre los objetos geogrficos
que el sistema no puede obviar; es lo que se denomina topologa, que en realidad
es el mtodo matemtico-lgico usado para definir las relaciones espaciales entre
los objetos geogrficos.
Aunque a nivel geogrfico las relaciones entre los objetos son muy
complejas, siendo muchos los elementos que interactan sobre cada aspecto de la
realidad, la topologa de un S.I.G. reduce sus funciones a cuestiones mucho ms
sencillas, como por ejemplo conocer el polgono (o polgonos) a que pertenece
una determinada lnea, o bien saber qu agrupacin de lneas forman una
determinada carretera.
Existen diversas formas de modelizar estas relaciones entre los objetos
geogrficos o topologa. Dependiendo de la forma en que ello se lleve a cabo se
tiene uno u otro tipo de Sistema de Informacin Geogrfica dentro de una
estructura de tres grupos principales:
1.- S.I.G. Vectoriales.
2.- S.I.G. Raster.
3.- S.I.G. Orientados a Objetos
No existe un modelo de datos que sea superior a otro, sino que cada uno tiene
una utilidad especfica, como veremos a continuacin.
28

3. TOPOLOGAS, MODELOS DE DATOS Y TIPOS DE DIG.
En funcin del modelo de datos implementado en cada sistema, podemos

distinguir tres grandes grupos de Sistemas de Informacin Geogrfica: SIG
Vectoriales, SIG Raster y SIG con modelo de datos Orientados a Objetos. En
realidad, la mayor parte de los sistemas existentes en la actualidad pertenecen a
los dos primeros grupos (vectoriales y raster).
Aunque veremos posteriormente las diferencias entre ambos con ms detalle,
adelantaremos que los vectoriales utilizan vectores (bsicamente lneas), para
delimitar los objetos geogrficos, mientras que los raster utilizan una retcula
regular para documentar los elementos geogrficos que tienen lugar en el espacio.
3.1. Los SIG Vectoriales
Son aquellos Sistemas de Informacin Geogrfica que para la descripcin de

los objetos geogrficos utilizan vectores definidos por pares de coordenadas
relativas a algn sistema cartogrfico.
En general, el modelo de datos vectorial es adecuado cuando trabajamos con
objetos geogrficos con lmites bien establecidos, como pueden ser fincas,
carreteras, etc.
29

3.2. Los SIG Rster
Los Sistemas de Informacin Rster basan su funcionalidad en una concepcin

implcita de las relaciones de vecindad entre los objetos geogrficos. Su forma de
proceder es dividir la zona de afeccin de la base de datos en una retcula o malla
regular de pequeas celdas (a las que se denomina pxel) y atribuir un valor
numrico a cada celda como representacin de su valor temtico. Dado que la
malla es regular (el tamao del pixel es constante) y que conocemos la posicin en
coordenadas del centro de una de las celdas, se puede decir que todos los pxel
estn georreferenciados.
No obstante, el modelo de datos raster es especialmente til cuando tenemos

que describir objetos geogrficos con lmites difusos, como por ejemplo puede ser
la dispersin de una nube de contaminantes, donde los contornos no son
absolutamente ntidos; en esos casos, el modelo raster es ms apropiado que el
vectorial.
3.3. Los SIG Orientados a Objetos
No existe una definicin clara ni un acuerdo general en la comunidad de

usuarios acerca de la entidad de los modelos orientados a objetos, pero s existe
unanimidad en cuanto a las caractersticas que debe tener un S.I.G. de este tipo.
En primer lugar, los S.I.G. orientados a objetos plantean un cambio en la
concepcin de la estructura de las bases de datos geogrficas; mientras los
30

modelos de datos vectorial y rster estructuran su informacin mediante capas como ya hemos dicho anteriormente- los sistemas orientados a objetos intentan
organizar la informacin geogrfica a partir del propio objeto geogrfico y sus
relaciones con otros. De este modo, los objetos geogrficos estn sometidos a una
serie de procesos y se agrupan en clases entre las cuales se da la herencia.
En segundo lugar, los S.I.G. orientados a objetos introducen un carcter
dinmico a la informacin incluida en el sistema, frente a los modelos de datos
vectoriales y raster que tienen un carcter esttico.
Por ello, el modelo orientado a objetos es ms aconsejable para situaciones en
las que la naturaleza de los objetos que tratamos de modelar es cambiante en el
tiempo y/o en el espacio.
Sin duda alguna, este modelo de datos es ms aconsejable que cualquier

otro para trabajar con datos geogrficos, pero se encuentra con dificultades de
implementacin en los actuales Sistemas de Gestin de Bases de Datos
(SGBD), y por lo tanto tambin con dificultades de implementacin en los
S.I.G.
La ventaja fundamental que permite esta estructura de datos frente a las
dems es la dinamicidad de los datos. Es decir, a partir de una serie de
parmetros establecidos en el comportamiento de los objetos geogrficos,
podemos simular su evolucin futura, lo que constituye un gran avance si se
trabaja en entornos en los que se requiere simulacin de situaciones
potenciales.
31

C. MAPAS TEMTICOS
1. INTRODUCCIN
Histricamente, los mapas de propsito general o de referencia, han sido el
propsito de la cartografa hasta mediados del siglo XVIII. El nimo de
gegrafos, exploradores y cartgrafos hasta entonces, haba sido el conocimiento
geogrfico del mundo. Slo cuando esta necesidad se hubo satisfecho, los
cientficos tuvieron la posibilidad de comenzar a expresar los atributos
espaciales de datos sociales y cientficos, naciendo as la cartografa temtica.
Fenmenos como el clima, la vegetacin o la geologa, por mencionar
algunos, comenzaron a ser cartografiados.
Su objetivo es la representacin grfica de fenmenos espaciales y sus
relaciones en todo lo que afecte al espacio geogrfico, as como su
transformacin en smbolos cartogrficos.
2. DEFINICIN DE MAPA TEMTICO

Podemos definir los mapas temticos como aqullos que muestran las
caractersticas estructurales de la distribucin espacial de un fenmeno
geogrfico particular, en nuestro caso las precipitaciones y temperaturas.
La Asociacin Internacional de Cartografa dice: "Un mapa temtico es
aqul que est diseado para mostrar caractersticas o conceptos particulares. En
el uso convencional de los mapas, este trmino excluye los mapas topogrficos."
3. CARTOGRAFA TEMTICA CUALITATIVA Y CUANTITATIVA

Una informacin cartografiada es cualitativa si es una descripcin de
caractersticas, mientras que si se describen valores la informacin aportada por
el mapa es cuantitativa.
32

El fin de los mapas cualitativos es el mostrar la distribucin espacial o la

situacin de un grupo de datos nominales. De este tipo de mapas el lector no
puede determinar relaciones de cantidad.
Los mapas cuantitativos sin embargo, muestran aspectos espaciales de datos
numricos. A menudo la variable cartografiada es nica, y el mapa se centra en
la variacin de esta variable de un punto a otro del espacio geogrfico. Estos
mapas muestran los datos en una escala ordinal (ms que, menos que), y en
escalas de intervalo y proporcin (cunto ms que). ste es el tipo de mapa
temtico que utilizaremos en este Proyecto.
4. COMPONENTES DE UN MAPA TEMTICO

Todo mapa temtico est compuesto por dos elementos fundamentales: Una
base geogrfica (mapa base), que para nuestro caso ser el departamento de
Lambayeque con sus provincias y sus respectivos distritos, y una capa de
contenido temtico, el cual constar de las diferentes precipitaciones y
temperaturas del departamento. El usuario de un mapa temtico habr de ser, por
tanto capaz de integrarlas, visual e intelectualmente, durante la lectura del mapa.
33

Mapa Base
Es una imagen ms o menos sinttica del territorio, cuyo objeto es la
referenciacin geogrfica del contenido temtico del mapa; es decir nos
proporciona informacin espacial sobre la que referenciar el contenido temtico.
Para el caso nuestro, el mapa base es el departamento de Lambayeque con
sus provincias y sus respectivos distritos.
5. ASPECTO QUE DEBEMOS TENER EN CUENTA A LA HORA DE

DISEAR UN MAPA BASE
El contenido del mapa base debe adaptarse al tema que quiera dibujarse
sobre l. Un mapa base para un cierto tema no es necesariamente una buena base
para otro tema. As que se prestar especial atencin a:
El tipo de elementos que contenga.
El grado de detalle con que se representarn dichos elementos.
Su proyeccin y escala.
5.1. El Tipo de elementos que contenga

La geologa, geomorfologa, suelos, etc. no tienen normalmente ninguna
relacin con las fronteras. Sin embargo, los elementos topogrficos naturales
34

como las curvas de nivel y la red hidrogrfica tienen mucha ms relacin y son
ms necesarios para este tipo de mapas.
Para muchos otros fines, como los temas socio-econmicos las
caractersticas humanas del terreno son en general, ms importantes en el mapa
base que las caractersticas naturales
5.2. Grado de detalle con el que deben mostrarse los elementos del mapa
base
Depender principalmente y de forma conjunta del propsito del mapa, su
escala y la cantidad de informacin temtica a representar:
A mayor escala, podremos dar un mayor detalle a los datos referenciales
siempre y cuando nos lo permita -hablando en trminos de legibilidad- la
cantidad de informacin temtica a incluir. Segn disminuya la escala habr que
eliminar informacin, bien del mapa base o bien del contenido temtico.
5. 3. Eleccin de la proyeccin
En cartografa temtica normalmente se trabaja a escalas pequeas, lo que
representa una especial atencin a las operaciones de generalizacin
cartogrfica, as como a la eleccin de la proyeccin a utilizar.
35

El encontrar la proyeccin adecuada depender de varios factores como:

Si lo que se desea mostrar es la distribucin de los
diferentes tipos de cultivo de una zona, elegiramos
EL
una proyeccin conforme?, o se preferira una
PROPSITO
equivalente? Es evidente que la lectura del mapa se
DEL MAPA
facilitara enormemente con la eleccin de una

proyeccin que conservara las superficies, es decir la
proyeccin coforme.
El problema de la proyeccin del mapa, es ms
LA ESCALA
DEL MAPA
importante cuanto ms pequea sea su escala, y en

general en los mapas que representan grandes reas. A
mayor escala, la representacin con las menores
distorsiones se facilita.
No Podemos utilizar la misma proyeccin para
representar...
LA ZONA A
REPRESENTAR
1. ... Uruguay o Argentina, de dimensiones tan

diferentes
2. ... una zona polar o una ecuatorial
3. ... una forma como la de Chile o una forma como la
de Bolivia
36

5. 4. Escala del mapa base

Lgicamente
depender
de
la
superficie de la zona a cartografiar y

las limitaciones de formato. Adems la
eleccin
de
la
escala
estar
condicionada por el grado de detalle necesario tanto para el contenido temtico

como para el mapa base. Es decir que no utilizaremos una escala grande si el
mapa queda "vaco".
6. PROCESO DE DISEO DE UN MAPA TEMTICO

6. 1. Compilacin del mapa base
Recogida de datos, comprobacin y homogenizacin de los mismos:
Seleccionaremos mapas ya realizados, topogrficos, geogrficos, otros
temticos, fotografas areas etc. que podamos utilizar fiablemente como
fuentes, siempre todos ellos a escalas mayores que la que se persiga. El primer
paso a dar dentro de esta fase, ser la especificacin de la precisin, veracidad y
uniformidad de los mapas fuente a utilizar. Para el proyecto en mencin se ha
escogido un Mapa Fsico Poltico del departamento de Lambayeque,
proporcionado por el IGN del ao 2006, el cual tena como escala 1 :
500,000 y una Proyeccin Datum UTM 1984.
Generalizacin de acuerdo a la escala definida y al propsito del mapa:
Partimos de documentos a escalas mayores y ser necesario adecuar estos datos
a nuestras necesidades. Hay que eliminar detalles y reducir el nmero de
elementos innecesarios de los mapas fuente; asimismo resaltaremos los
relevantes para que el mapa base sea adecuado al tema a cartografiar.
6.2. Recopilacin de informacin
El contenido temtico del mapa, consistir en la representacin grfica de
los datos.
37

Las fuentes de los datos y materiales utilizados en

2.1.
RECOPILACIN
DE LOS DATOS
la preparacin de mapas temticos son diversas a

causa del gran nmero de temas potencialmente
implicados. Nuestros datos fueron obtenidos del
IGN 2006, en el caso del mapa base y los datos
metereolgicos del SENAMHI.
2.2. HACER QUE

LOS DATOS SEAN
COMPARABLES
2.3.
Esto es debido a los diferentes orgenes posibles de

estos datos. Hay que homogeneizar diferentes
terminologas, criterios de clasificacin, unidades
etc.
Aplicando medidas estadsticas apropiadas (modas,
"REDUCCIN" DE medias, porcentajes, proporciones etc.), para

LOS DATOS
2.4.
CLASIFICACIN
reducirlos en volumen y facilitar su simbolizacin.
A menudo, un requisito previo a la simbolizacin,

ser la clasificacin de los datos en unidades de
tamao apropiado, mediante mtodos estadsticos
38

D. RELLENO ESTADSTICO DE DATOS
1.
INTRODUCCIN
Los datos climticos o hidrolgicos por las caractersticas de su registro, costo

de ellos y transmisin son proclives a presentar frecuentes vacos en las series
tambin llamados lagunas de informacin.
Los mtodos de relleno o completacin de datos faltantes se basan en suponer

que existe una estructura de dependencia espacial que permite, para cada intervalo
de tiempo, completar el valor faltante o con informacin regional. La informacin
regional puede abarcar otras variables relacionadas que puedan ser explicativas de
la variable con datos faltantes.
Las metodologas que permiten completar las series suponen, como es lgico,
una regin del espacio dentro de la cual son aplicables, la extensin depender de la
precisin que se exija para el relleno, de la variable que se trate y del nivel temporal
al cual se pretende completar valores. Por lo tanto, antes de elegir la metodologa de
relleno para completar una serie climtica o hidrolgica hay que tener en cuenta:
Nivel de agregacin temporal de los vacos (o datos errneos a corregir)
La unidad fsica o regin en la que se encuentra la estacin a completar.
La exactitud o margen de error que permite el estudio.
La respuesta a estas preguntas se encuentra implcita en las caractersticas de
homogeneidad y en la uniformidad de la variable analizada. La homogeneidad de
los campos ser mayor en el caso de la variable temperatura por ser de tipo
continuo en comparacin con la precipitacin, por ejemplo. Asimismo, puede
afirmarse sobre la mayor uniformidad de los campos anuales con respecto a los
mensuales, puesto que los primeros al ser promedio de varias situaciones resultan
ms suaves y estables.
39

Es conveniente verificar la homogeneidad regional, lo que implica, analizar las

condiciones orogrficas, cobertura vegetal, vientos predominantes, pendientes, etc.
Una mayor uniformidad en las variables o adoptar intervalos de tiempo mayores
(anual) facilita el relleno de vacos en las series temporales.
2. MTODOS DE RELLENO PARA ESTIMAR DATOS FALTANTES
a.
Anlisis de regresin
Un mtodo que se puede aplicar es el de estimacin de coeficientes de

regresin con la ayuda de una o varias estaciones cercanas que cuenten con una
serie confiable de observaciones durante un perodo compartido. Se han sugerido
diversos esquemas: Regresin lineal simple o con datos transformados, regresin
con una estacin vecina o varias. Se puede aplicar, por ejemplo, el software
Hidroesta, que cuenta con grficos y parmetros de la bondad del ajuste, prestando
atencin a la correlacin existente entre las variables independientes.
b. Completacin por razones de distancia

Si en una zona plana se cuenta con
las estaciones A y B completas y una
estacin
con
observaciones
incompletas, se puede rellenar esta en funcin de la distancia

Donde:
Px: precipitacin en la estacin X
PA: precipitacin en la estacin A
PB: precipitacin en la estacin B
a y b: distancias
c.
Completacin por promedios vecinales.
Zona de llanura
40

En una zona plana en la que la situacin es similar a la figura siguiente se puede

estimar la precipitacin en una estacin X como el promedio de las vecinas A, B y
C.
Zonas orogrficas
Si el caso anterior se presenta en una zona montaosa es muy probable que las
precipitaciones en A, B y C difieran en ms del 10%, por lo cual la precipitacin
en X se obtiene dndole diferente peso a cada estacin. Para ello se puede aplicar
la ecuacin:
Donde: Pmed X, PmedA, Pmed B, Pmed C = es el valor normal o promedio de las

precipitaciones anuales registradas en A, B, C, y X durante un perodo comn
suficientemente largo (20-30 aos)
PA, PB, PC = precipitaciones en las estaciones A, B y C durante el perodo que falta en X.
Este mtodo es conocido como el de los cocientes normales. La ecuacin

anterior es justo una estimacin pesando las observaciones vecinas por la normal.
d. Coeficientes de correlacin
Otro mtodo consiste en emplear el coeficiente de correlacin con estaciones
vecinas ponderando las estaciones por pesos relacionados con los coeficientes de
correlacin. En este caso el dato faltante PX se rellenar con la ecuacin:
donde:.
PX = valor estimado en X
rXA, rXB, rXC = son los coeficientes de correlacin entre las observaciones de la estacin X
con las estaciones A, B y C.
PXA, PXB y PXC son los valores de precipitacin en X a partir de A, B y C.
41

La interpolacin en el tiempo y en el espacio es muy importante para completar

datos faltantes. Se puede usar el mtodo de Kriging para ajustar las lluvias y
otros procesos geofsicos en el espacio.
e. Completacin por correlacin con estaciones vecinas.

Es un mtodo que incorpora la ponderacin de precipitaciones, en funcin de
los coeficientes de correlacin obtenidos entre los registros de la estacin en estudio
y las estaciones vecinas. Se le considera complementario al mtodo de
completacin por correlacin lineal, ya que se recomienda cuando el coeficiente de
correlacin no supera la barrera del valor 0,8.
Su expresin matemtica, es la siguiente:
donde:
PX = Valor estimado en X.
PXi = Valor estimado en X, a partir de las correlaciones con cada una de las n estaciones.
rXi = Coeficiente de correlacin entre los registros de la estacin X, y cada una de las n
estaciones.
Su uso se plantea para un mximo de tres estaciones vecinas, dado que un

nmero mayor, puede involucrar sesgo estadstico por las distancias normalmente
existentes entre estaciones en pases como Chile, adems de que la utilidad
obtenida tiende a ser marginal.
3. ANLISIS DE REGRESIN:
Es una tcnica determinstica, que permite determinar la naturaleza de la
relacin funcional entre dos o ms variables, permite predecir los valores de y = f(x)
con un cierto grado de aproximacin.
3.1 Pasos para el anlisis de regresin:
42

1.
Seleccin de una funcin de relacin correlativa, simple o mltiple, lineal o
no lineal.
Para nuestro caso se ha decidido utilizar la regresin lineal simple, es decir la

primera.
2.
Estimacin de los parmetros que miden el grado de asociacin correlativa.

r2 ; r
3.
Prueba de significacin de los estadsticos que miden la asociacin correlativa,
para lo cual se aplica la prueba t.
Proceso:
1)
Se plantea la hiptesis:
( es el coeficiente de correlacin poblacional y su valor
vara entre -1 y 1)
2)
Clculo del t calculado (tc)
Donde:
r = coeficiente de correlacin
n = nmero de pares de valores
3)
Clculo de t tabular (tt)

El tt se obtiene de las tablas preparadas para este efecto, con un nivel de
significacin
o una probabilidad
, y con grado de libertad
, donde n es el nmero de pares de valores.
43

En la tabla A.5 del apndice, permite calcular tt, se ha elegido una

probabilidad del 95%, por lo que el valor que se debe tomar de la tabla
corresponde a
/2 = 0,025
/2 = 0,025
95%
As por ejemplo:
v = 15 2 = 13
Para n = 15
Para 95% de probabilidad
Entonces de la tabla A.5 del apndice
Criterios de decisin:
4)
Si | |
, se acepta la hiptesis nula, por lo que
, y por lo tanto
no hay correlacin significativa.

Si | |
, se rechaza la hiptesis nula, por lo que
, indicndose
que es significativo y por lo tanto existe correlacin entre las variables.
4.
Estimacin de los parmetros de la ecuacin o funcin de regresin.
Para la ecuacin de regresin lineal:
Los parmetros a y b utilizando mnimos cuadrados son:
Donde:
5.
Determinar la significacin de los parmetros de la ecuacin de regresin,
encontrando los lmites de confianza de su variacin (se usa el anlisis de varianza)
44

4. REGRESIN LINEAL SIMPLE:

En hidrologa el modelo ms simple y comn est basado en la suposicin de
que dos variables se relacionan en forma lineal.
Como por ejemplo se puede mencionar:
Caudales y precipitaciones en la misma cuenca
Precipitacin de una estacin, con precipitacin de otra estacin
Caudal de una estacin, con caudal de otra estacin
Precipitacin con la altitud de una cuenca
Este hecho permite correlacionar estas variables para completar datos o
extender un registro.
4.1.- Ecuacin de regresin

La ecuacin general de la ecuacin de regresin lineal es:
Donde:
x = variable independiente, variable conocida
y = variable dependiente, variable que se trata de predecir
a = intecepto, punto donde la lnea de regresin cruza el eje y, es decir valor de
y cuando x = 0
b = pendiente de la lnea o coeficiente de regresin, es decir, es la cantidad de
cambio de y asociada a un cambio unitario de x.
4.2.- Estimacin de parmetros

Dada la ecuacin de regresin lineal:
Donde a y b son los parmetros de la ecuacin.

El mtodo ms utilizado para la estimacin de los parmetros a y b, es el de
mnimos cuadrados.
Procedimiento:
a) Clculo de error
entre el valor observado
y el terico :
45

b) Clculo de la suma de cuadrados de los errores:
c) Hacer que la suma de cuadrados de los errores sea mnimo: Para que S sea
mnimo, se requiere que la derivada parcial de S de la ecuacin anterior, con
respecto a cada parmetro sea igual a cero, es decir:
De estas ecuaciones se tiene:
Estas ecuaciones se denominan ecuaciones normales, las cuales resueltas dan

para a y b:
En los clculos resulta ms cmodo calcular b con la ecuacin anterior y

calcular a como:
46

E. ANALSIS DE CONSISTENCIA
1.
INTRODUCCIN
El hidrlogo o especialista que desea desarrollar un estudio hidrolgico, debe

preguntarse una vez que cuente con la informacin: Es confiable la informacin
disponible?
La respuesta a esta pregunta, se obtiene realizando un anlisis de consistencia
de la informacin disponible, mediante criterios fsicos y mtodos estadsticos que
permitan identificar, evaluar y eliminar los posibles errores sistemticos que han
podido ocurrir, sea por causas naturales u ocasionadas por la intervencin de la mano
del hombre.
La no homogeneidad e inconsistencia, son los causales del cambio a que estn
expuestas las informaciones hidrolgicas, por la cual su estudio, es de mucha
importancia para determinar los errores sistemticos que puedan afectarlos.
La no homogeneidad en una serie de tiempo hidrolgica, se debe a factores
humanos (tala indiscriminada de una cuenca, construccin de estructuras hidrulicas,
etc.) o a factores naturales de gran importancia, como los desastres naturales
(inundaciones, derrumbes, etc.)
Esta inconsistencia y no homogeneidad se pone de manifiesto con la presencia
de saltos y/o tendencias en las series hidrolgicas, afectando las caractersticas
estadsticas de dichas series, tales como la media, desviacin estndar y correlacin
serial.
El anlisis de consistencia de la informacin, es el proceso que consiste en la
identificacin o deteccin, descripcin y remocin de la no homogeneidad e
inconsistencia de una serie de tiempo hidrolgica.
Antes de utilizar la serie histrica para el modelamiento, es necesario efectuar
el anlisis de consistencia respectivo, a fin de obtener una serie confiable, es decir,
homognea y consistente.
El anlisis de consistencia de la informacin hidrolgica se realiza mediante
los siguientes procesos:
47

Anlisis visual grfico.

Anlisis de doble masa.
2. ANLISIS VISUAL GRFICO

En coordenadas cartesianas se plotea la informacin hidrolgica histrica,
ubicndose en las coordenadas, los valores de la serie y en las abscisas el tiempo
(aos, meses, das, etc.) Este grfico sirve para analizar la consistencia de la
informacin hidrolgica en forma visual, e indicar el periodo o periodos en los
cuales la informacin es dudosa, lo cual se puede reflejar como picos muy altos
o valores muy bajos, saltos y/o tendencias, los mismos que debern comprobarse,
si son fenmenos naturales que efectivamente han ocurrido, o si so producto de
errores sistemticos.
Para conocer la causa del fenmeno detectado, se puede analizar de diversas
formas:
a) Cuando se tienen estaciones vecinas, se comparan los grficos de las series
histricas, y se observa cual perodo vara notoriamente uno con respecto al
otro.
b) Cuando se tiene una sola estacin, sta se divide en varios periodos y se
compara con la informacin de campo obtenida.
c) Cuando se tiene datos de precipitacin y escorrenta, se comparan los
diagramas, los cuales deben ser similares en su comportamiento.
La interpretacin de estas comparaciones, se efectan conjuntamente con el
anlisis de doble masa.
3. ANLISIS DE DOBLE MASA

Este anlisis se utiliza para tener una cierta confiabilidad en la informacin, as
como tambin, para analizar la consistencia en lo relacionado a errores, que
pueden producirse durante la obtencin de los mismos, y no para una correccin a
partir de la recta doble masa.
48

El diagrama doble masa se obtiene ploteando en el eje de las abscisas los

acumulados, por ejemplo del promedio de las precipitaciones totales anuales en
milmetros (mm), de todas las estaciones vecinas que estn siendo objeto de
estudio, y en eje de las ordenadas los acumulados de las precipitaciones anuales
en mm, de cada una de las estaciones en estudio.
Para nuestro caso, en el cual las estaciones en estudio pertenecen a todo un
departamento y no slo a una cuenca, agrupamos las estaciones teniendo en
cuenta su vecindad, formando con ellos cuatro grupos:
De estos doble masas se selecciona como la estacin ms confiable, la que
presenta el menor nmero de quiebres, la cual se usa como estacin base para el
nuevo diagrama de doble masa, es decir se vuelve a construir el diagrama de
doble masa colocando en el eje de las abscisas la estacin base y en el de las
ordenadas la estacin en estudio.
El anlisis de doble masa propiamente dicho, consiste en conocer mediante los
quiebres que se presentan en los diagramas, las causas de los fenmenos
naturales, o si estos han sido ocasionados por errores sistemticos. En este ltimo
caso, permite determinar el rango de los periodos dudosos y confiables para cada
estacin en estudio, la cual se deber corregirse.
49

F. ANLISIS EXPLORATORIO DE DATOS
El Anlisis exploratorio de datos (AED) surge de los trabajos realizados por

Tukey (1977), desde entonces su uso se ha venido incrementando, ya que se ha
comprobado que el examen previo de los datos es un paso necesario. Este anlisis
toma su tiempo, y habitualmente se descuida por parte de los analistas de datos..
1. ANLISIS EXPLORATORIO DE DATOS (AED)

El AED consiste en el anlisis de los datos empleando una variedad de tcnicas
(en su mayora grficas) para incrementar nuestro entendimiento sobre ellos y
visualizar las relaciones existentes entre las variables analizadas. El AED es
examinar los datos previamente a la aplicacin de cualquier tcnica estadstica.
El AED abarca un gran mbito; sin embargo, l proporciona mtodos grficos

sencillos para organizar y preparar los datos, detectar fallas en el diseo y muestreo
para recolectar los datos, tratamiento y evaluacin de datos ausentes, identificacin
de valores atpicos y comprobacin de los supuestos subyacentes en la mayor parte
de las tcnicas estadsticas.
Entre los objetivos mas relevantes del AED estn:

1. Maximizar nuestro entendimiento de los datos.
2. Describir la estructura subyacente que ellos tienen (normalidad,
multimodalidad, asimetra, curtosis, linealidad, homogeneidad entre grupos,
homocedasticidad, etc.).
3. Detectar las variables importantes.
4. Detectar valores atpicos y anomalas.
5. Comprobar los supuestos implcitos en los anlisis.
6. Determinar los ajustes ptimos de los factores.
7. Proporcionar al analista informacin relevante en cuanto al modelo que
mejor ajusta los datos, una lista de valores atpicos, sentido de certeza en las
conclusiones, estimaciones de los parmetros, grado de incertidumbre sobre las
50

estimaciones, lista de los variables importantes, conclusiones sobre las significancia

estadstica de variables individuales.
Las tcnicas utilizadas en el AED son generalmente grficas. Las tcnicas

grficas del anlisis exploratorio se pueden agrupar en:
1. Grficos de datos crudos (histogramas, grficos de probabilidad, grficos de
bloques, grficos de intervalos.
2. Grficos de estadsticos simples como la media y desviacin estndar,
grficas de caja (boxplot) y grficos de los efectos principales de los datos crudos.
3. Posicionar los grficos anteriores a objeto de incrementar la habilidad de
reconocimiento de patrones, mediante la utilizacin de varios grficos por pgina.
4. Grficos de posicionamiento de los datos para reconocimiento de patrones
y/o relaciones espaciales o temporales.
2. IMPORTANCIA DEL AED

El anlisis cuantitativo de los datos es ampliamente utilizado, sin embargo
tiene limitaciones en el sentido que es incompleto. Esto es consecuencia debido a
que son resmenes numricos que focalizan un aspecto particular de la data
(relacin, pendiente, intercepto, etc.), lo que conlleva a una reduccin de los datos a
unos pocos nmeros. Al realizar este anlisis se filtra los datos, pudiendo provocar
una omisin y un tamizado de informacin importante que est fuera del mbito del
anlisis pero incide marcadamente en el proceso estudiado.
El AED al contrario toma en cuenta toda la data, ya que su finalidad es
precisamente tener una mirada interna de los datos y establecer su estructura y
relaciones existentes, evitando de esta forma un filtrado en el cual pueda dejarse por
fuera informacin importante.
3. ETAPAS DEL AED
Para realizar el AED Salvador Figueras y Gargallo (2003) recomiendan seguir

las siguientes etapas:
1. Preparar los datos para hacerlos accesibles a cualquier tcnica estadstica.
51

2. Realizar un examen grfico de la naturaleza de las variables individuales a

analizar y un anlisis descriptivo numrico que permita cuantificar algunos aspectos
grficos de los datos.
3. Realizar un examen grfico de las relaciones entre las variables analizadas y
un anlisis descriptivo numrico que cuantifique el grado de interrelacin existente
entre ellas.
4. Evaluar, si fuera necesario, algunos supuestos bsicos subyacentes a muchas
tcnicas
estadsticas
como,
por
ejemplo,
la
normalidad,
linealidad
homocedasticidad.
5. Identificar los posibles valores atpicos y evaluar el impacto potencial que
puedan tener en los anlisis estadsticos posteriores.
6. Evaluar, si fuera necesario, el impacto potencial que pueden tener los datos
faltantes sobre la representatividad de los datos analizados.
3.1 Preparacin de los datos

El primer paso del AED es hacer accesible los datos a cualquier tcnica
estadstica, para ello se incorporan de acuerdo a las opciones disponibles del
programa estadstico utilizado, se efecta la entrada de datos y su codificacin
(Salvador Figueras y Gargallo, 2003)
Una vez organizados los datos se procede a las siguientes etapas. Los pasos 2 y
3 tienen implcito anlisis estadsticos y de datos que se pueden agrupar en dos
clases:
1. Cuantitativo o numrico: se refiere al conjunto de procedimientos

estadsticos que producen un resultado numrico o tabular, son muy importantes y
constituyen la corriente principal en trminos del anlisis clsico. Ejemplo: las
pruebas de hiptesis, el anlisis de varianza, las estimaciones puntuales y los
intervalos de confianza, la regresin de mnimos cuadrados.
2. Grfico: constituye una gran coleccin de herramientas estadsticas que

generalmente son referidas como tcnicas grficas, donde se incluye: grficos de
dispersin, histogramas, probabilidades, residuales, caja y bloques.
52

En la prctica, para analizar los datos se utiliza una mezcla de ambos tipos de
anlisis. El tipo de anlisis a realizar depende de la escala de medida de la variable
analizada (Cuadro a).
Cuadro a. Medidas descriptivas numricas y representaciones graficas aconsejadas en funcin
dela escala de medida de la variable.
3.2 Grficos de uso comn en el AED

Para ilustracin de los grficos que se sealan a continuacin se utilizan, a
menos que se indique lo contrario, datos provenientes de la estacin del Campo
Experimental CENIAP (Maracay-Venezuela, latitud 10 17 N, longitud 67 37
W) correspondientes al perodo 1960 2003.
1. Grfico de caja (box plot)
Figura 1. Temperatura mnima media mensual (perodo 1960-2003)
2. Histogramas
El propsito del histograma es el de resumir grficamente la distribucin del
conjunto univariado de datos. Este tipo de grficos muestran en relacin a los datos:
53

a) el centro, b) la dispersin, c) la asimetra, d) la presencia de valores atpicos y e)

la ocurrencia de mltiples modas, que son utilizados como indicadores del modelo
de distribucin apropiado para los datos.El histograma presenta variantes como el
histograma acumulativo y los histogramas acumulativos relativos.
Figura 2. Histogramas de a) la precipitacin media mensual y b) la temperatura media

mensual (perodo 1960-2003).
3. Grfico de dispersin (scatter plot)
Este tipo de grficos revela la relacin o asociacin existente entre dos

variables. Tal relacin manifiesta en si misma una estructura no aleatoria. Los
grficos de dispersin son una herramienta de diagnstico muy til para determinar
asociaciones, pero si tal asociacin existe, el grfico podra o no sugerir el
mecanismo de causa efecto subyacente. Este tipo de grficos nunca pueden
probar la causa y efecto, solo es a travs de la investigacin que puede inferirse tal
situacin.
54

Figura 3. Relacin existente entre diversos parmetros climticos: a) precipitacin media

anual y precipitacin media del mes de mayo, b) precipitacin media mensual y temperatura media
mensual, c) ETP e ndice hdrico
4. Grfico de probabilidades
Mediante este tipo de grficos se puede determinar si un conjunto de datos

sigue una distribucin dada, como por ejemplo la distribucin normal. Los datos
son graficados contra una distribucin terica de tal forma que los puntos deberan
formar aproximadamente una lnea recta, el distanciamiento en relacin a la lnea
recta indica un alejamiento en relacin a la distribucin especfica. El coeficiente de
correlacin asociado con el ajuste lineal de la data en este tipo de grficos es una
medida de la bondad de ajuste.
Figura 4. Distribucin de los datos de a) temperatura promedio mensual y b) precipitacin

mensual.
55

5. Grfico de relacin medias locales - media general
Estos grficos son utilizados para ver si las medias varan entre distintos grupos
de la data. La agrupacin es determinada por el analista, los criterios son distintos,
uno puede ser los niveles de los valores de una variable; en el caso de atributos
distribuidos temporal o espacialmente el criterio sera en el primer caso perodos de
tiempo (meses del ao), en el segundo sectores de una regin; de esta manera se
puede determinar como son los cambios de la media o la mediana en funcin del
tiempo o del espacio. Este tipo de grficos permite tambin evaluar la distribucin
de la medias generadas por la agrupacin en relacin a la media general, esto es til
para probar si se cumplen ciertos supuestos en algunos anlisis, como es la
estacionariedad en el anlisis geoestadstico (Ovalles, 1988; 1996).
Algunos autores (Cressie, 1993) han sealado que la media es un valor que
probablemente no exista en el conjunto de datos; en consecuencia, recomiendan en
su lugar utilizar la mediana.
Figura 5. Distribucin de los valores de las medias locales (mensuales) en

relacin a la media general (periodo 1960-61) de la precipitacin.
Adicionalmente, en la Figura 7 comienzan a observarse algunos valores, hacia

el lado de los valores mayores de las medias locales, que se desvan
considerablemente en relacin a la media general, lo cual puede estar indicando la
56

presencia de valores atpicos, cuya presencia puede influir de manera considerable

en la distribucin y comportamiento de los datos de las medias locales.
Figura 6. Distribucin de los valores de las medias locales (anuales) en

relacin a la media general (perodo 1970-2003) de la precipitacin.
Figura 7. Distribucin de los valores de las medias locales (mensuales) en relacin a la media
general (perodo 1960-2003) de la precipitacin.
La siguiente etapa en el AED esta referida a la evaluacin de los supuestos

bsicos subyacentes a muchas tcnicas estadsticas como, por ejemplo, la
normalidad, linealidad y homocedasticidad.
57

1.
Normalidad: Muchos mtodos estadsticos se basan en la hiptesis de
normalidad del variable objeto de estudio. De hecho, si la falta de normalidad de la

variable es suficientemente fuerte, muchos de los contrastes utilizados en los
anlisis estadstico-inferenciales no son vlidos. Incluso aunque las muestras
grandes tiendan a disminuir los efectos perniciosos de la no normalidad, el
investigador debera evaluar la normalidad de todas las variables incluidas en el
anlisis.
2.
La linealidad es un supuesto implcito de todas las tcnicas
multivariantes basadas en medidas de correlacin, tales como la regresin mltiple,

regresin logstica, anlisis factorial y los modelos de ecuaciones estrucurales. Es,
adems, una forma indirecta de contrastar la normalidad conjunta de dos variables
dado que si dicha hiptesis es cierta la relacin existente entre ellas deber ser
lineal.
3.
La homocedasticidad es una hiptesis muy habitual en algunas
tcnicas estadsticas como el Anlisis de la Varianza, el Anlisis Discriminante y el

Anlisis de Regresin. Dicha hiptesis se refiere a suponer la igualdad de varianzas
de las variables dependientes en diversos grupos formados por los distintos valores
de las variables independientes. Si dicha hiptesis no se verifica puede alterar la
potencia y el nivel de significacin de los contrastes utilizados por dichas tcnicas y
de ah el inters de analizar si se verifica o no y, en ste ltimo caso, poner los
remedios oportunos.
4. VALORES ATPICOS (OUTLIERS)
Los valores atpicos son observaciones con caractersticas diferentes de las

dems. Este tipo de valores no pueden ser caracterizados categricamente como
benficos o problemticos sino que deben ser contemplados en el contexto del
anlisis y debe evaluarse el tipo de informacin que pueden proporcionar. Su
principal problema radica en que son elementos que pueden no ser representativos
de la poblacin pudiendo distorsionar seriamente el comportamiento de los
contrastes estadsticos. Por otra parte, aunque diferentes a la mayor parte de la
58

muestra, pueden ser indicativos de las caractersticas de un segmento vlido de la

poblacin y, por consiguiente, una seal de la falta de representatividad de la
muestra.
4.1 Tipos de valores atpicos

Los valores atpicos pueden clasificarse en 4 categoras.
1.
Valores atpicos que surgen de un error de procedimiento, tales como
la trascripcin de valores de los instrumentos a planillas, o al ingresarlos en una

base de datos digital. Estos valores atpicos deberan detectarse en el filtrado de los
datos, y si no se puede, deberan eliminarse del anlisis o recodificarse como datos
ausentes.
2.
Valores atpicos correspondientes a un acontecimiento extraordinario.
En este caso, el valor no representa ningn segmento vlido de la poblacin y

puede ser eliminado del anlisis.
3.
Valores atpicos correspondientes a observaciones cuyos valores caen
dentro del rango de las variables observadas pero que son nicas en la combinacin
de los valores de dichas variables. Estas observaciones deberan ser retenidas en el
anlisis pero estudiando qu influencia ejercen en los procesos de estimacin de los
modelos considerados.
4.
Valores atpicos provenientes de observaciones extraordinarias para
las que el investigador no tiene explicacin. En estos casos lo mejor que se puede
hacer es replicar el anlisis con y sin dichas observaciones con el fin de analizar su
influencia sobre los resultados. Si dichas observaciones son influyentes el analista
debera reportarlo en sus conclusiones y debera averiguar el por qu de dichas
observaciones.
4.2 Identificacin de valores atpicos

Para la identificacin de estos valores se sigue la siguiente metodologa
(Tukey, 1977):
1. Calculo del rango intercuartil

59

RI = Q3 Q1 (11)
Donde: RI = rango intercuartil
Q3 = tercer cuartil (75%)
Q1 = primer cuartil (25%)
2. Calcular del paso

Paso = 1,5 * RI (12)
3. Calculo de las cercas internas (inferior y superior) y las cercas externas

(inferior y superior).
CIi = Q1 Paso (13)
CIs = Q3 + Paso (14)
CEi = Q1 2*Paso (15)
CEs = Q3 + 2*Paso (16)
Donde CIi = cerca interna inferior
CIs = cerca interna superior
Cei = cerca externa inferior
CEs = cerca externa superior
Los valores ubicados entre la media y las cercas internas (inferior y superior)
son denominados adyacentes, los valores entre las cercas internas y las cercas
externas son considerados como alejados y los valores ubicados fuera de las cercas
externas (inferior y superior) son considerados como muy alejados. Los valores
ubicados fuera de las cercas externas son por lo general considerados como valores
atpicos.
5. DATOS FALTANTES (MISSING)

Los datos faltantes son algo habitual los conjuntos de datos provenientes de la
evaluacin de los recursos naturales.
En estos casos la ocupacin primaria del investigador debe ser determinar las
razones que subyacen en el dato ausente buscando entender el proceso principal de
esta ausencia para seleccionar el curso de accin ms apropiado.
60

Figura 8. Distribucin de los valores de las medias locales (mensuales) en

relacin a la media general (perodo 1960-2003) de la precipitacin., mostrando
las cercas internas y externas.
En el AED, adicional al examen grfico y la deteccin de valores atpicos, es

necesario considerar el empleo de transformaciones de los datos (e.g. logartmica,
inverso, raz, entre otras) a objeto de garantizar distribuciones de los datos lo mas
cercano a la distribucin normal, lo cual es necesario para ciertos tipos de anlisis.
El AED conlleva a la realizacin del anlisis cuantitativo de los datos, estos
tipos de tcnicas caen en dos categoras: a) tcnicas para estimacin de intervalos
(tiene implcito el calculo de las medidas de concentracin y dispersin
correspondientes) y b) pruebas de hiptesis. Los anlisis relativos a estas tcnicas
pueden ser consultados en publicaciones especializadas en la materia.
61

G. ANLISIS GEOESTADSTICO DE DATOS
1. PARA QU ES TIL LA GEOESTADSTICA?

La geoestadstica es una manera de describir la continuidad espacial de
cualquier fenmeno natural. Con ello llegamos a conocer la forma en que vara
cualquier variable continua en el espacio (patrn espacial) a una o varias escalas
seleccionadas, con un nivel de detalle que permite cuantificar la variacin espacial
de la variable en distintas direcciones del espacio. La geoestadstica utiliza
funciones para modelar esta variacin espacial, y estas funciones son utilizadas
posteriormente para interpolar en el espacio el valor de la variable en sitios no
muestreados. La fortaleza de la geoestadstica es que esta interpolacin (conocida
como kriging) es considerada una estima muy robusta ya que se basa en la funcin
continua que explica el comportamiento de la variable en las distintas direcciones
del espacio, y que en contraste con otros mtodos de interpolacin (como por
ejemplo interpolar un punto usando los valores de los puntos que le rodean
ponderados por la distancia que los separa) permite asociar la variabilidad de la
estima (conocido como grado de incertidumbre). La geoestadstica permite por
tanto responder a las siguientes preguntas:
Cul es el patrn espacial de mis variables de inters?
A qu escala se repite este patrn espacial?
Existe covariacin espacial entre las distintas variables de inters?
Cul es la mejor representacin grfica de la continuidad de mi variable?
Cual es el grado de incertidumbre de estas estimas?
Las respuestas a estas preguntas son siempre dependientes de la escala

espacial elegida.
2. EL SEMIVARIOGRAMA EMPRICO
La funcin bsica que describe la variabilidad espacial de un fenmeno de
inters se conoce como semivariograma. El semivariograma responde a la
siguiente pregunta Cmo de parecidos son los puntos en el espacio a medida que
estos se encuentran ms alejados? Imaginemos la parcela de la Figura 1.
62

Figura 1. Localizacin de puntos de muestreo en una parcela de 20 x 20 metros. Las muestras fueron
tomadas cada dos metros en toda la parcela y cada 50 cm en cuatro parcelas situadas aleatoriamente
en un diseo anidado.
Se ha muestreado un cuadrado de 20 x 20 metros alrededor del tronco de una

encina en una Dehesa de Sevilla, tomndose muestras de suelo cada 2 m, y en
cuatro cuadrados aleatorios dentro de la parcela, muestras separadas por 0,5 m
(Gallardo et al., 2000). Para cualquier variable analizada, podemos calcular la
varianza encontrada entre todos los pares de puntos separados por 0.5 m,
englobando tanto los separados por esta distancia en el eje N-S como en el eje E-O.
En segundo lugar podramos calcular la varianza encontrada entre todos los pares
de puntos separados por 2 m, 4 m, y as sucesivamente hasta calcular la varianza
encontrada entre todos los pares separados 20 m (que seran tan solo 4). Tambin
podramos intercalar las distancias entre muestras separadas en diagonal; la ms
pequea sera la hipotenusa del cuadrado de 0,5 x 0,5m, y la ms grande la
hipotenusa del cuadrado 20 x 20 m (del que slo habra dos pares). La
representacin grfica de todas estas varianzas en funcin de la distancia que separa
a las muestras es el semivariograma (o variograma), y el clculo de la varianza
entre pares separados por intervalos de distancia se conoce como semivarianza (),
estimada como:
63

Donde, (h) es la semivarianza para todas las muestras localizadas en el

espacio separado por el intervalo de distancia h. N(h), es el nmero total de pares de
muestras separados por un intervalo de distancia h. Z(x) es el valor de la muestra en
una localizacin x. Z(x+h) es el valor de la muestra a la distancia de intervalo h
desde x.
La representacin del semivariograma para la concentracin de materia
orgnica en el suelo en el ejemplo anterior se observa en la Figura 2. Como se
puede apreciar, esta figura no representa todos los intervalos de distancia posibles,
ya que solo llega a 12 m, siendo la parcela de 20 x 20 m. Este aspecto es
importante, ya que como regla general slo se representa en el semivariograma
distancias aproximadas a la mitad de la dimensin de la parcela. La razn se puede
encontrar en lo ya visto, el nmero de pares a las distancias mayores desciende y la
semivarianza puede llegar a mostrar un comportamiento errtico. Esto nos lleva a
otra regla general: el nmero mnimo de pares para representar un punto en
el semivariograma debe ser superior a 30. La tercera regla general es que el
nmero de puntos en el espacio objeto de estudio no debera ser inferior a 50.
Figura 2. Semivariograma emprico mostrando la semivarianza de valores de materia

orgnica del suelo separados por distancias crecientes.
3. AJUSTE DE UNA FUNCIN AL SEMIVARIOGRAMA
Es necesario ajustar una funcin para cuantificar el grado y escala de variacin

espacial. Existen numerosos modelos que se utilizan en geoestadstica, siendo los
64

ms comnmente usados el modelo esfrico, el modelo exponencial, el modelo

gaussiano y el modelo lineal. Estos modelos se pueden observar en la Figura 3, en
donde se han ajustado a los datos del semivariograma emprico de la Figura 2. El
ajuste a una funcin permite extraer una serie de parmetros que son los que van a
ser usados para la interpolacin geoestadstica (kriging) y que definen el grado y
escala de variacin espacial. Estos parmetros son el rango (A0), el nugget (C0), el
sill (C0+C), y la proporcin de la varianza explicada por el espacio (C/C0+C), a
menudo expresada en porcentaje (Fig. 4). El rango (A0) es la distancia a la que la
semivarianza deja de aumentar. El rango, por tanto, indica la distancia a partir de la
cual las muestras son espacialmente independientes unas de otras, y representa el
tamao de grano o mancha que representa la variable (Param, 2006). Por ejemplo,
en el caso de la materia orgnica de la parcela de Dehesa (Fig. 2 y 3), el rango es
aproximadamente de unos 8 m, coincidiendo con el dimetro de la copa de una
encina que ocupa una parte de la parcela, y que condiciona los niveles de materia
orgnica en el suelo. El nugget (C0) es la varianza no explicada por el modelo, y se
calcula como la intercepcin con el eje Y. Se conoce tambin como varianza error
puesto que la varianza de dos puntos separados por 0 metros (la intercepcin con el
eje Y) debera ser cero. Es por ello que esta varianza est normalmente indicando
variabilidad a una escala inferior a la muestreada. Adems, los errores analticos o
de muestreo tambin contribuyen a la aparicin de la varianza error. La mxima
semivarianza encontrada entre pares de puntos se conoce como sill y debe coincidir
con la varianza de la poblacin. C/(C0 + C) nos da el grado de variacin espacial, y
por tanto el grado de incertidumbre a la hora de interpolar puntos en el espacio. Un
alto cociente nos indica una variable espacialmente muy predecible.
65

Figura 3. Ajuste del semivariograma emprico de la figura 2 a cuatro funciones

Matemticas
66

Figura 4. Parmetros utilizados en el ajuste del semivariograma a funciones

matemticas.
Modelo esfrico:
Donde (h) es la semivarianza en el intervalo de distancia h, y a es el rango

(A0). Este modelo tiene un comportamiento lineal a distancias de separacin
pequeas cerca del origen pero se va aplanando a mayores distancias y alcanza el
sill en la distancia a.
Modelo exponencial:
Este modelo tiende a alcanzar el sill asintticamente. El rango a es definido

como la distancia a la cual el valor del variograma alcanza el 95% del sill.
Modelo gaussiano:
Al igual que el modelo exponencial, el modelo tiende a alcanzar el sill

asintticamente, y el rango se define como la distancia a la cual el variograma
alcanza el 95% del sill.
Modelo lineal:
Donde C0 es el nugget y b la pendiente de la recta.
67

4. CUL ES EL MEJOR MODELO PARA MIS VARIABLES?
Los criterios para seleccionar un modelo u otro dependen de los objetivos del
trabajo. Si el objetivo es encontrar el modelo que mejor se ajuste al semivariograma
emprico para cada variable, y no tenemos informacin a priori, podemos dejar que
un determinado software nos ajuste automticamente el mejor modelo basado, bien
en el mnimo de la suma de los cuadrados de los residuales, bien en el R2 de la
ecuacin.
Si tenemos informacin a priori del comportamiento de nuestra variable, puede
ser interesante realizar un ajuste manual de los modelos al semivariograma
emprico, lo que permiten algunos programas de software. De esta forma el
investigador puede fijar el nugget, el sill o el rango dependiendo del tipo de
informacin que tenga de su variable y ajustar los parmetros de los que no tiene
informacin. Aqu hay que notar que el ajuste automtico basado en los menores
residuales o en los mayores R2 no necesariamente produce modelos con mayor
significado que el ajuste manual. A veces pequeas diferencias en los menores
residuales o en el R2 no justifican la eleccin de un modelo u otro. Si el objetivo del
trabajo es comparar los parmetros de los semivariogramas entre distintas variables
o cambios en el semivariograma con el tiempo o en el espacio, la utilizacin de
modelos diferentes resulta poco til.
Hay que tener en cuenta que, por ejemplo, los rangos del modelo esfrico y el
exponencial no son directamente comparables. El modelo esfrico es el nico que
tiene un sill verdadero, ya que tanto el modelo exponencial como el gausiano
alcanzan el sill de forma asinttica, o lo que es lo mismo, no lo alcanza nunca.
Estos tres modelos anteriores se conocen como modelos transicionales porque en
ellos se puede estimar el sill, sea verdadero o no. El modelo lineal (al igual que
otros modelos aqu no considerados) ni siquiera tiene sill, no es un modelo
transicional. Los rangos (la distancia a la que se alcanza el sill) no son, por lo
anteriormente expuesto, directamente equivalentes entre modelos. En este caso, es
ms conveniente elegir, cuando sea posible, un nico modelo con motivo de
comparar semivariogramas.
68

El modelo esfrico es el ms usado, porque tiene verdadero sill. En segundo

lugar el exponencial sobre el gausiano, porque aunque este ltimo refleja muy bien
la continuidad espacial, la interpolacin de puntos basada en este modelo es muy
exigente con respecto a los valores de entrada, produciendo frecuentemente
representaciones grficas alejadas de la realidad. Por ltimo el modelo lineal es
usado para reflejar una pobre estructura espacial, o una estructura espacial cuya
dimensin supera la de la parcela de estudio (por ejemplo, la parcela est dentro de
un gradiente direccional).
5. ISOTROPA Y ANISOTROPA
Hasta ahora en los semivariogramas vistos se considera que la variacin del
valor de nuestra variable con el espacio es igual en todas las direcciones de ste
(semivariograma omnidireccional). Si esto ocurre decimos que la variable tiene un
comportamiento isotrpico. Pero no siempre es as, y puede ser que la variacin
espacial sea diferente en las distintas direcciones del espacio (anisotropa). Si tras
una inspeccin visual sospechamos que puede ocurrir este fenmeno es interesante
realizar semivariogramas considerando por separado varias direcciones del espacio
(semivariogramas direccionales).
As en la Figura 1 podramos slo considerar los pares de puntos separados
por distancias en el eje N-S, NESO, E-O y NO-SE para realizar cuatro
semivariogramas diferentes y observar la posible existencia de anisotropa. La
construccin de semivariogramas anisotrpicos requiere un ngulo de tolerancia, de
forma que todos los puntos de la parcela sean usados. Por ejemplo, si realizamos
cuatro semivariogramas correspondientes a 0, 45, 90 y 135, y aadimos un
ngulo de tolerancia de 22.5, todos los puntos de las parcelas son usados en uno u
otro semivariograma.
El resultado lo podemos ver en la Figura 5.
69

Figura 5. Semivariogramas mostrando las diferencias en continuidad espacial de la

materia orgnica del suelo en cuatro direcciones del espacio.
6. ESTACIONARIEDAD
El empleo de tcnicas geoestadsticas requiere la asuncin de estacionariedad
de segundo orden, es decir, al menos la varianza debe ser igual en las diferentes
zonas del rea de estudio. La falta de estacionariedad puede deberse bien a la
existencia de anomalas en el espacio, bien a la existencia de una tendencia o
gradiente espacial cuya dimensin es mayor que el rea de estudio.
La estacionariedad puede ser un problema a la hora de la interpolacin de
puntos en el espacio pero no justifica el abandono de la geoestadstica a favor de
otras tcnicas de interpolacin (como la tcnica del inverso de la distancia) ya que
son igualmente sensibles a la falta de estacionariedad (Isaaks y Srivastava, 1989).
Existen varias formas de evitar que la no estacionariedad de los datos afecte a
la estima de puntos en la parcela. Puede que esta falta de estacionariedad se deba a
la existencia detectable de dos poblaciones dentro del mismo espacio de muestreo.
En este caso, lo ms conveniente es dividir el espacio en estas dos poblaciones,
realizar semivariogramas e interpolaciones para cada una de ellas para despus unir
el resultado en un nico mapa.
70

Otra aproximacin al problema es restringir el radio de bsqueda de vecinos

que ayuden a interpolar un valor en una zona no muestreada. Esta aproximacin se
basa a que en la mayora de los casos la estacionariedad es global pero no se
encuentra estacionariedad local con lo que restringiendo el uso de vecinos a
distancias convenientemente cortas puede llevar a estimaciones robustas de la
variable en el espacio.
En el grfico de la izquierda (a) se puede apreciar un gradiente de materia
orgnica que aumenta en la direccin SO-NE. Este gradiente se debe a que la
probabilidad de inundacin aumenta a medida que se acerca a una masa de agua
situada al NE de la parcela, lo que produce frecuentes condiciones anaerbicas
donde la materia orgnica se acumula. Sin embargo, este mapa no es del todo
correcto, ya que la interpolacin de los puntos se ha realizado partiendo del
semivariograma con los valores brutos de la variable. El mapa refleja bien el
gradiente, pero enmascara heterogeneidad local producida por pequeas
depresiones microtopogrficas donde el agua y las condiciones anaerbicas
permanecen por ms tiempo, siendo tambin probable encontrar mayor
acumulacin de materia orgnica. Estas condiciones s se reflejan de forma ms
certera en el grfico de la derecha (b). Aqu el mapa se ha construido a partir de un
semivariograma con los residuales resultantes de sustraer a los valores brutos la
recta que relaciona los valores de materia orgnica con la distancia a la masa de
agua (tendencia externa). Al final de la interpolacin se le ha aadido dicha
tendencia, con lo cual el mapa refleja tanto el patrn de heterogeneidad global
(tendencia) como la local (microtopografa).
71

Figura 6. Mapa producto de la interpolacin de valores de materia orgnica en un bosque de

inundacin. a) Interpolacin a partir de un semivariograma construidos con los valores de materia
orgnica. El mapa refleja sobre todo un gradiente SO-NE. b) Interpolacin a partir de un
semivariograma de los residuales resultantes de sustraer una tendencia espacial (distancia a la masa
de agua). El mapa refleja tanto el gradiente espacial como fuentes de heterogeneidad local
7. KRIGING
Kriging es la tcnica de interpolacin utilizada en geoestadstica, con la que se
ha estimado los mapas de la Figura 6. Su fortaleza estriba en el conocimiento del
comportamiento de la variable en el espacio. As, la forma del semivariograma nos
indica la capacidad predictora que tiene cada punto en funcin de la distancia que lo
separa con otro punto. Los puntos ms all del rango, es decir cuando el
semivariograma se vuelve plano, tienen la mnima capacidad predictora. A la hora
de realizar un kriging hay que, adems de suministrar los parmetros del
semivariograma isotrpico o los anisotrpicos, decidir la estrategia adecuada para
la seleccin de puntos para la interpolacin. Si el nmero de valores en el espacio
es suficiente, disminuir el radio de bsqueda de puntos puede ser la mejor
estrategia, ya que evita problemas de estacionariedad, aunque hay que procurar que
el radio de bsqueda no sea inferior al rango, ya que no se utilizara toda la
informacin que proporciona el semivariograma. Otra decisin a tomar es el tipo de
interpolacin: puntual o por bloques. Mientras que la interpolacin puntual es la
estima del valor de la variable en un punto del espacio, en la interpolacin por
bloques esta estima se corresponde con la media de un rea predeterminada que
rodea a ese punto. En la mayora de los casos la interpolacin por bloques (que
produce un suavizado de las estimas) correlaciona mejor con los valores
verdaderos, siendo generalmente ms exacta que la interpolacin puntual (Isaaks y
Srivastava, 1989). El resultado final del kriging es un mapa con los valores
interpolados de la variable. Sin embargo, a diferencia de otras tcnicas, la
geoestadstica permite que cada interpolacin lleve asociado un grado de
incertidumbre que puede tambin ser representado en el espacio (en forma de
varianza o desviacin estndar). Por tanto a cada punto del espacio interpolado se le
puede asociar una distribucin terica, lo que adems permite la posibilidad de
72

realizar simulaciones probabilsticas, representando el resultado del kriging como la

probabilidad de que la variable alcance un determinado valor.
8. VARIOGRAMA CRUZADO Y COKRIGING
Hasta ahora se ha tratado de modelar la variacin de un fenmeno espacial a

partir de los valores de esa variable tomados del espacio. Sin embargo, es posible
aprovechar la informacin espacial que contiene otra variable que covarie con la
primera. De esta forma se puede construir un semivariograma en donde la varianza
representada no sea entre puntos de la misma variable sino de una variable con
respecto a otra. Esta representacin se conoce como variograma cruzado. Si el
variograma cruzado da una estructura interpretable, esta informacin puede usarse
para la prediccin de la primera variable en una tcnica que se conoce como
cokriging. La informacin que tiene una variable sobre otra es siempre menor que
la que tiene una variable sobre si misma. Por ello el cokriging rara vez mejora la
prediccin del kriging salvo que una de las dos variables haya sido muestreada con
menor intensidad que la otra. En este caso el cokring puede ser muy til. Por
ejemplo, cuando todo lo dems es igual (sobre todo la textura), la humedad del
suelo va a depender del contenido de materia orgnica del mismo. La humedad del
suelo es relativamente fcil de medir, mientras que la materia orgnica requiere de
recogida de suelos y un posterior esfuerzo analtico en el laboratorio. Una estrategia
no exenta de riesgos podra ser muestrear con menos intensidad la materia orgnica
para posteriormente ayudarse de la variacin espacial de la humedad del suelo
utilizando el cokriging.
73

H. APLICACIN DEL ANLISIS ESPACIAL PARA LA INTERPOLACIN

DE DATOS
1. CONCEPTOS BSICOS
1.1.
QU ES UN ANLISIS ESPACIAL?
Anlisis espacial es el procesamiento de datos espaciales generando nueva

informacin acerca del mundo y que sirve para el apoyo a la toma de decisiones. Las
decisiones finales suelen tratar de mejorar la calidad de vida del hombre por ejemplo
a travs de una gestin ambiental. La calidad de las decisiones tomadas depende de
la calidad de los datos ingresados y el modelo del espacio usado en el anlisis.
La extensin Spatial Analyst de ArcGIS proporciona una amplia gama de
caractersticas espaciales de gran alcance para el modelamiento y el anlisis.
El mdulo de Anlisis Espacial de ArcView (ArcView Spatial Analyst)
provee funciones basadas en rster que incluyen cuencas, contornos, anlisis de
distancia, y superposiciones (overlays) de capas de informacin. Permite el
modelado rster y vectorial integrado. Este mdulo permite la generacin de curvas
de nivel a partir de modelos de elevacin del terreno (DEM).
1.2.
MODELO DE DATOS
El nuevo concepto de modelo de datos en ArcGIS es el "modelo de datos de

objetos". Un Modelo de datos de objetos permite la creacin de bases de datos
orientadas a la informacin geogrfica (Geodatabase). Una base de datos de este tipo
permite combinar las propiedades de los objetos con su "comportamiento".
Estas bases de datos inteligentes otorgan al usuario la habilidad de aadir
definiciones y comportamiento a objetos, proporcionando todas las herramientas
necesarias para crear y trabajar con datos geogrficos.
1.3.
MODELO DE DATOS GEOGRFICOS
Un dato geogrfico posee tres componentes fundamentales que describen

espacialmente a cualquier entidad. Estas son: por un lado la ubicacin geomtrica
74

especfica que este posee en algn sistema de referencia determinado, las

caractersticas de la entidad y las relaciones espaciales que posee con su entorno. A
estas ltimas se les denominan relaciones Topolgicas. Como por ejemplo: la plaza
de armas se encuentra en el punto x,y (ubicacin geomtrica. Se encuentra al frente
de la catedral, en su interior se encuentra un monumento a Pedro de Valdivia
(relaciones topolgicas).
ArcGIS tiene un modelo de datos geogrficos de muy alto nivel para
representar informacin espacial tales como features (vectores), rasters y otro tipo de
datos. ArcGIS es capaz de soportar una implementacin del modelo de datos tanto
para los sistemas de archivos como para los manejadores de bases de datos, DBMSs,
por su sigla en ingls. Los modelos basados en archivos incluyen un conjunto de
datos SIG tales como coberturas, shapefiles, grids, imgenes y redes de tringulos
irregulares (TIN). El modelo de bases geogrficas o geodatos administra los mismos
tipos de informacin geogrfica en un DBMS, proporcionando muchos de los
beneficios de administracin de datos ofrecidos por un DBMS.
1.4.
DATO NO ESPACIAL O ATRIBUTO
El dato no espacial est referido a los antecedentes, descripcin o atributos que

tienen los elementos espaciales:
Variables
Valores
Nombres
Clases temticas
Otros descriptores
2.
PROCESO DE TOMA DE DECISIONES
La figura 1 muestra el procesamiento de datos espaciales generando nueva

informacin acerca del mundo y que sirve para el apoyo a la toma de decisiones. Las
decisiones finales suelen tratar de mejorar la calidad de vida del hombre por ejemplo
a travs de una gestin ambiental o un anlisis de evaluacin multicriterio. La
calidad de las decisiones tomadas depende de la calidad de los datos ingresados y el
modelo del espacio usado en el anlisis.
75

Figura 1. Ciclo de Toma de Decisiones.
2.1.
MODELANDO EL MUNDO REAL
El mundo real es tan complejo y continuo que es necesario abstraer slo los
aspectos relevantes en el proceso de anlisis espacial
Esto se logra usando una jerarqua de:

Modelos de datos
Estructuras de datos, y
Formatos de archivos de datos
2.1.1.
Modelo de Datos:
Reglas para la representacin de la organizacin lgica de datos en una base de

datos y la relacin entre ellos. Es decir el cmo se almacena y relacionan los datos
espaciales.
Es el modelo de datos de objetos que permite combinar las propiedades de los
objetos con su "comportamiento". Ejemplos: raster y vector
76

2.1.2.
Estructura de Datos
La implementacin de un modelo de manera que sea tratable por un

computador. Ejemplos: quadtree, espagueti
2.1.3.
Formato de Datos
Especfico de cada software SIG y el sistema operativo. Ejemplo: El formato

Shapefile.
2.2.
ABSTRACCIN DEL MUNDO REAL
Figura 2. Representacin de la Abstraccin del Mundo Real.
Un modelo de datos Geogrficos es una abstraccin del mundo real que emplea
un conjunto de objetos dato, para soportar el despliegue de mapas, consultas, edicin
y anlisis, presentan la informacin en representaciones subjetivas por medio de
mapas y smbolos, que representan la geografa como formas geomtricas, redes de
tringulos (TIN), superficies, ubicaciones e imgenes, a los cuales se les asignan sus
respectivos atributos que los definen y describen.
3.
PROCESO DE INTERPOLACIN
Figura 3. Proceso de Interpolacin

77

3.1.
QU ES INTERPOLACIN
Interpolacin es un procedimiento matemtico utilizado para predecir el valor

de un atributo en una locacin precisa a partir de valores del atributo obtenidos de
puntos vecinos ubicados al interior de la misma regin. A la prediccin del valor de
un atributo en lugares fuera de la regin cubierta por las observaciones se le llama
extrapolacin.
Se utiliza interpolacin para transformar un nmero finito de observaciones,
obtenidas en base a ubicaciones geogrficas precisas, a un espacio continuo de
manera que el patrn espacial presentado por las observaciones puntuales pueda ser
comparado con los patrones espaciales de otras variables bajo consideracin.
La interpolacin es necesaria:
a.
Cuando la superficie rasterizada (GRID) tiene una resolucin que es
diferente de la resolucin pedida. Ejemplos de este caso son la transformacin de

imgenes rasterizadas (documentos, fotos areas o imgenes satelitales) de una
resolucin espacial y orientacin a otra. Este procedimiento recibe el nombre de
covolucin
b.
cuando una superficie continua es representada por un modelo que es
diferente al necesitado, un ejemplo es la transformacin de una funcin continua de

un tipo de malla a otra (TIN a rster, rster a TIN o un polgono en forma vectorial a
rster).
c.
cuando los datos no cubren toda la regin de inters de estudio, como
ejemplo se puede mencionar la conversin de un conjunto de datos puntuales a una

superficie continua pero tambin rasterizada. Esta es la necesidad de interpolacin
que se ajustan a nuestro proyecto, ya que a partir de datos puntuales (precipitaciones
y temperaturas en las estaciones estudiadas) se pretende convertir en superficies
continuas que tengan las mismas precipitaciones (isoyetas) o temperaturas
(isotermas)
La hiptesis bsica de la interpolacin espacial es:

"La observacin comn que, en promedio, da valores a un atributo dentro de
una vecindad en el espacio tienen una fuerte probabilidad de ser similares
(variables regionalizadas y dependencia espacial) y que esta probabilidad
disminuye respecto a valores de una vecindad separados por una gran distancia".
78

Un uso tpico de interpolacin de puntos es la creacin de superficies de

elevacin a partir de datos ya medidos como Curvas de Nivel o puntos con sus
respectivas alturas como una muestra del sector a estudiar. Sin embargo tambin se
pueden hacer buenas estimaciones de algn contaminante, concentraciones qumicas
y otros.
3.2.
FUENTES
DE
DATOS
PARA
LA
INTERPOLACIN
ESPACIAL
Las fuentes de datos ms comunes para efectuar interpolaciones son:
Fotos areas estereoscpicas
"Scanners" instalados tanto en satlites como en aviones y documentos
rasterizados.
Muestras puntuales de un atributo obtenidas directamente o indirectamente en
el terreno usando diferentes tipos de patrones de adquisicin de datos, como es el
caso de los datos que se obtienen de las estaciones meteorolgicas (temperatura,
precipitacin, etc.)
Mapas que han sido digitalizados
La gran mayora de los datos susceptibles de ser interpolados son obtenidos
usando diferentes patrones de adquisicin de datos; estos patrones producen valores
del atributo buscando solamente un nmero finito de puntos en el espacio. Este tipo
de datos recibe el nombre de datos duros "hard data".
Si la informacin es escasa, adems de los datos bsicos, resulta muy til
disponer de informacin adicional indirecta relacionada con el proceso fsico que
determina el atributo estudiado. Este tipo de informacin adicional recibe el nombre
de informacin liviana "soft information". Esta informacin puede incluir tambin
supuestos relativos al grado de variacin de la variable y supuestos relacionados con
las propiedades estadsticas del atributo o la variable bajo consideracin.
3.3.
PATRONES DE ADQUISICIN DE DATOS
La ubicacin del lugar donde los datos se obtienen puede ser un factor
determinante en el anlisis de los datos. Idealmente, debera efectuarse un patrn que
ofrece una cobertura total e uniforme de la regin. Sin embargo, hay que mencionar
79

que patrones uniformes pueden inducir a falsos resultados si ellos coinciden en su

perodo con algn fenmeno regular presente en el terreno. Por esta razn, patrones
de adquisicin de datos que no ofrecen casi ningn grado de uniformidad son
comnmente utilizados.
La Figura 13 presenta los diferentes tipos de patrones que son comnmente
utilizados en el proceso de adquisicin de datos. De todos los muestreos presentados
a continuacin la nuestra corresponde a un muestreo sistemtico aleatorio porque las
estaciones estudiadas forman parte de una red y estn ubicadas aleatoriamente en el
departamento.
Figura 4. Patrones de adquisicin de datos para la Interpolacin Espacial
3.4.
CLASIFICACIN DE LOS MTODOS DE INTERPOLACIN
Un mtodo que predice, para una determinada localizacin, un valor del

atributo que es idntico al valor medido en esta posicin se lo llama un mtodo
preciso exacto. Todo otro tipo de mtodo se lo llama inexacto.
La diferencia (absoluta o cuadrada) entre el valor observado y el valor
estimado es en la gran mayora de los casos usada como indicador de la calidad de la
interpolacin inexacta.
Desde un punto de vista ms general, los mtodos de interpolacin se los
clasifica en dos grandes grupos:
- Mtodos globales y
- Mtodos locales determinsticos
80

3.4.1.
Mtodos de interpolacin Globales
Los mtodos globales utilizan todo los datos disponibles para efectuar una
estimacin vlida para toda la regin de inters; en cambio los mtodos locales
determinsticos operan dentro de una pequea zona alrededor de la ubicacin donde
se desea obtener un valor interpolado. Los mtodos globales son utilizados ms bien
para examinar y eliminar posibles tendencias presentes en los datos tanto ms que
para efectuar una interpolacin. Una vez que los efectos globales han sido
eliminados, los valores residuales de las variaciones globales son interpolados
usando un mtodo local. Como ejemplos de este grupo podemos citar la clasificacin
usando informacin externa, superficies que poseen una tendencia en sus
coordenadas, modelos de regresin y mtodos de anlisis espectral.
3.4.1.1. Mtodo Kriging.
El mtodo geo-estadstico o kriging, describe la correlacin tanto espacial

como temporal que existe entre los valores de un atributo. Tradicionalmente se le ha
utilizado en las llamadas geo-ciencias (geofsica, hidrogeologa, etc.), sin embargo,
sus principios se aplican cada vez ms en una amplia variedad de campos cientficos
como pesqueras, silvicultura, ingeniera civil, procesamiento de imgenes,
cartografa, meteorologa, etc.
Por lo tanto, en esta disciplina, se utiliza el concepto de variable regional que
describe fenmenos, atributos con una distribucin geogrfica y con una cierta
continuidad espacial. Kriging es el mtodo de clculo de una variable regional en un
punto, al interior de una superficie o dentro de un volumen usando un criterio de
minimizacin de la estimacin de la varianza. Para ello se resuelve un conjunto de
ecuaciones utilizando la informacin presente en el variograma y las distancias
relativas entre los datos y la posicin del punto (o bloque/volumen) donde el valor
interpolado es pedido. Kriging es un mtodo de interpolacin exacto en el sentido
que su estimacin en un punto de control coincide con el valor observado.
3.4.1.2. Interpolacin por Mtodo Kriging
El interpolador de KRIGING, utiliza en la estimacin las caractersticas de

variabilidad y correlacin espacial del fenmeno estudiado, por lo que su uso implica
81

un anlisis previo de la informacin, con el objeto de definir o extraer de esta

informacin inicial un modelo que represente su continuidad espacial.
Este mtodo de interpolacin asume que la distancia o la direccin entre puntos
de la muestra reflejan una correlacin espacial que puede ser usada para explicar la
variacin en la superficie. Kriging encaja una funcin matemtica a un nmero
especificado de puntos, o todos los puntos dentro de un radio especificado,
determinando el valor de salida para cada posicin. Kriging es un proceso de
multipaso; esto incluye el anlisis exploratorio estadstico de los datos, variograma
del modelamiento, la creacin de la superficie, y (opcionalmente) la exploracin de
una superficie de discrepancia.
Esta funcin es apropiada cuando se sabe que hay una distancia espacialmente
correlacionada o la tendencia direccional en los datos. A menudo es usado en la
ciencia de suelo y la geologa. Existen varios mtodos de Kriging incluyendo:
Ordinary y Universal.
Figura 14. Cuadro de Dilogo para Interpolacin Mtodo Kriging
El mtodo Ordinary: Kriging Ordinario es el mtodo ms usado de los

mtodos Kriging.
82

Kriging Universal Asume que hay una tendencia principal en los datos (por
ejemplo, un viento predominante), y puede ser modelado por una funcin
determinista, un polinomio. Este polinomio es restado de los puntos medidos
originalmente, y la autocorrelacin es una modelacin de los errores arbitrarios. Una
vez que el modelo es apto a los errores arbitrarios, antes de la fabricacin de una
prediccin, el polinomio es aadido atrs a las predicciones para darle resultados
significativos. Kriging Universal slo debera ser usado cuando se sabe que hay una
tendencia en los datos y se puede dar una justificacin cientfica para describirlo.
Variable search radius. Usando un radio variable de bsqueda, se puede
especificar el nmero de puntos para usar en el clculo del valor de la celda
interpolada. Esto hace el radio de bsqueda variable para cada clula interpolada,
dependiendo (segn) cuanto tenga que estirarse para alcanzar el nmero especificado
de puntos de entrada. La especificacin de una distancia mxima limita el tamao
potencial del radio del crculo. Si el nmero de puntos no es alcanzado antes de que
la distancia mxima del radio sea alcanzada, menos puntos sern usados en el clculo
de la clula interpolada.
Fixed search radius. Con un radio fijo, el radio del crculo para buscar puntos
de entrada es el mismo para cada celda interpolada. El radio por defecto es cinco
veces el tamao del pxel para el Grid de salida.
3.4.2.
Mtodos de interpolacin locales
Los mtodos de interpolacin locales usan la informacin proveniente de los

vecinos para calcular el valor del atributo. Esto significa:
definir una regin alrededor de la ubicacin donde el valor del atributo debe
ser calculado,
determinar cuantos vecinos se encuentran al interior de esta regin,
encontrar una funcin matemtica que representa la variacin de este
conjunto de puntos y
evaluar esta variacin por puntos en una malla regular.
Ejemplos de Interpolacin Local los polgonos de Thiessen o Voronoi,
mtodos basados en un peso lineal e inversamente proporcional a la distancia y
mtodos basados en cuas (splines). Estos tipos de mtodos de interpolacin se
encuentran disponibles en la mayora de los programas S.I.G.
83

Este procedimiento debe ser repetido hasta que todos los puntos en la malla
regular hayan sido calculados. En este procedimiento es tambin posible de
considerar informacin externa y tendencias presentes en los datos. Examinaremos
los dos tipos de interpolacin local que incluye la extensin Spatial Analyst:
1.
peso proporcional al inverso de la distancia "Inverse Distance
Weighting (IDW)"
2.
generacin de cua "Splines".
Estos mtodos tienen en comn el hecho que uniforman los datos pues utilizan
un tipo de promedio al interior de la ventana que define la regin de influencia de los
vecinos alrededor de un punto.
El mtodo IDW combina la idea de vecindad con la idea de un cambio gradual
de las superficies con una tendencia. Se supone que el valor del atributo Z en una
posicin donde el valor del atributo no es conocido es un promedio de los valores de
sus vecinos pero donde los vecinos ms cercanos tienen ms peso, importancia que
los ms alejados.
El Mtodo Splines estima valores usando una funcin matemtica que reduzca
al mnimo la curvatura superficial total, dando por resultado una superficie lisa que
pasa exactamente a travs de los puntos de la entrada.
Figura 18. Graficando los procesos de Interpolacin.

Para una muestra de 74 puntos, se interpol con los tres mtodos, el Fsforo (P) del suelo
(cada punto cuenta con esta informacin, dentro de un campo de su base de dato Proyecto.
84

I. APLICACIN DE SISTEMAS DE INFORMACIN (ARCGIS 9.2) PARA

EL DIBUJO DE MAPAS TEMTICOS.
CREACIN DE MAPAS EN ARCMAP
1. Vista de Diseo
La Vista de Diseo puede ser activada de dos
formas: la primera consiste en desplegar el men
View y elegir Layout View.
La otra manera de activar la Vista de Diseo

consiste en hacer clic en el cono de la Vista de
Diseo que se encuentra en la parte inferior de la
ventana principal de ArcView, junto a la tabla de
contenidos, como se observa en la siguiente figura:
La Vista de Diseo permite interactuar con el mapa de la misma manera como si se

estuviera en la vista de datos, pero se agregan a sta todas las funcionalidades del
diseo.
85

2. Configurar el tamao de pgina y orientacin

Una vez dentro de la vista de diseo es posible
determinar el tamao de pgina que tendr el mapa a
elaborar. Esta propiedad depender del tipo de
producto a obtener y los requerimientos del usuario.
Para cambiar el tamao de la pgina, es necesario
desplegar el men File y elegir Page Setup, o del
men contextual hacer clic con el botn derecho del
mouse directamente sobre la pgina en la vista de
diseo y elegir Page Setup.
La ventana de propiedades de la pgina est

dividida en tres cuadros de control que hacen
referencia al tamao del mapa (Map Size),
configuracin de la impresora (Printer Setup) o
plotter y configuracin del mapa (Map Setup).
86

El cuadro de control Tamao del Mapa permite cambiar su tamao segn la

configuracin de la impresora, vale decir, utilizando el tamao de papel asignado a
este dispositivo de manera externa a ArcMap, o de lo contrario, definir uno
personalizado o estndar dentro de las opciones de tamao en la lista desplegable
Standard Page Sizes.
Dentro de este mismo cuadro de control, se encuentran las opciones de orientacin

del papel las cuales son: vertical u horizontal. Por otro lado, el cuadro de control para
la configuracin de la impresora (Printer Setup) permite elegir el dispositivo de
impresin a utilizar, el tamao de papel a usar, la orientacin y el motor de
impresin.
Por ltimo, el cuadro de configuracin del mapa (Map Setup) establece la calidad de
la imagen de salida, la cual puede ser Borrador, Normal u ptima con distintos
niveles entre cada calidad. Adems es posible determinar, a travs de dos casillas de
verificacin, si se muestran los mrgenes de impresin en la pgina de diseo y si se
escalan los elementos del mapa al tamao de la pgina cuando sta cambia.
87

CAPTULO IV.
MARCO METODOLGICO DEL PROYECTO
A) MUESTREO DE DATOS PARA EL PROYECTO:
1.- Justificacin de la Base de Datos:
Antes de iniciar con la recoleccin del banco de datos, primero se ha definido

con los intevalos de este conjunto. Para mejorar la precisin de los resultados se opt
por estudiar 20 aos para cada estacin. Estas estaciones elegidas fueron las
principales del Departamento de Lambayeque, tomadas tambin por el SENAMHI
para sus estudios cartogrficos; las cuales son 13 de Lambayeque, 2 de Piura y 1 de
Cajamarca:
Lambayeque
Puchaca
Reque
Tinajones
Ferreafe
Oyotn
Cayalt
Porculla
Sipn
El Limn (Piura)
Jayanca
Cueva Blanca (Piura)
Motupe
Tocmoche (Cajamarca)
Olmos
La base de datos considerada para el presente proyecto est conformada de la

siguiente manera:
VARIABLE
Precipitacin mxima en 24
horas
N
ESTACION.
INTERV.
AOS*
AOS
15
1986-2006
20
N
DATOS
300
88

Precipitacin total mensual

Temperatura media mensual
13
7
1986-2006
1986-2004
20
18
260
126
Total
686
Valor Unit.
S/. 19.50: S/. 13,377
*Se omiti el ao 1998, por ser variable extraordinaria.
Consideramos la Precipitacin Mxima en 24 horas, una variable importante por ser

un parmetro de diseo, por tal razn hubo un esmero en completar todos lo datos
exigidos, para lograr resultados ms precisos.
2.- Sobre la recoleccin de datos:
Debido a la fuerte inversin que significaba realizar el proyecto, inicialmente

se opt por buscar una entidad que respaldara cierto porcentaje de nuestra
investigacin. El SENAMHI fue nuestra primera opcin, pero dan por manifiesto en
respuesta a nuestra segunda carta que ya no patrocinan trabajos de investigacin. Nos
acercamos a las oficinas del PEOT, los cuales generosamente nos brindaron datos de
precipitacin de las estaciones de Olmos, Motupe y Tcume hasta el 2002.
Quisieramos aprovechar las lneas de este prrafo, como un parntesis del

tem 2, para criticar la falta de apoyo de empresas lambayecanas y la insuficiente
gestin de universidades locales hacia la investigacin. Optamos por esta lnea para
obtener nuestro ttulo, porque consideramos que no podemos perder nuestra primera
experiencia con la investigacin, no obstante, sentimos que hemos hecho nuestro
esfuerzo por hacerlo muy bien, pero con un apoyo adicional le hubiramos agregado
otros detalles interesantes, y de provecho para nuestro colegas.
Indagamos en proyectos de tesis similares, de bachilleres o maestrantes, en

donde se haya hecho uso de estas variables; tambin solicitamos datos de
compaeros de estudios que hayan llevado el curso de Irrigacin I con el Ing W.
Morales, de los cuales hemos conseguido datos directamente otorgados por el
SENAMHI.
89

Despus de haber agotado todas nuestras posibilidades de obtencin de datos,

hemos tenido que comprar el resto de datos, y en una mnima proporcin se ha
efectuado el relleno de datos correspondiente, de acuerdo a las indicaciones del
marco terico.
B) INFORMACIN REQUERIDA:
Para el presente trabajo se plante la necesidad de los siguiente:
1. Datos metereolgicos (precipitacin y temperatura). Estos han sido

suministrados por el SENAMHI, incluidos los ofrecidos por el PEOT, cuya
fuente ha sido la misma. La relacin de estos se adjuntan en el Apndice 1.
2. Mapa base, segn cartografa oficial, del departamento de lambayeque. Del
Instituto Geogrfico Nacional se define los cuadrantes que pertenecen al
Departamento de Lambayeque.
90

3. Mapa poltico de Lambayeque, con sus provincias y distritos, limitados.

Tomamos como referencia el mapa geogrfico del INGENMET y la divisin
poltica del INEI.
91

92

4. Imgenes de las estaciones en estudio. Mostraremos imgenes de algunas

estaciones en el subcaptulo C, al igual que una descripcin general de todas
las 15.
5. Determinacin
de
las
cuencas
del
departamento,
caractersticas
generales.Referido a la Hidrologa del departamento, era tambin necesario

describir su climatologa, paleoecologa, suelos, etc.
6. Informacin sobre el relleno y anlisis de consistencia de datos. Teniendo la
necesidad de completar algunos datos faltantes, porque en su momento no se
registraron, o porque no fue posible adquirirlos, era necesario elegir un
mtodo que rellenara los faltantes. El mtodo fue el de Regresin Lineal, para
lo cual fue de necesidad contar con un soporte estadstico que nos permita
aplicar y explicar el proceso, as como de un software para optimizar el
trabajo.
Hay casos en donde las estaciones han sido cambiadas de ubicacin o se han
dejado de registrar en ellas, para lo cual hubo un reeplazo de datos de otra
estacin cercana. En estos caso es necesario medir la consistencia de los
datos, el cual fue hecho a travs del anlisis de doble masa, los resultados no
exiga la necesidad de una correccin estadstica.
7. Informacin sobre anlisis exploratorios y geoestadstico de datos. Lo que
muchas veces no se realiza, antes de tomar los datos para la aplicacin en el
mapeo temtico es evaluar si la informacin con la que se tiene es confiable o
no. Puede que alguno de los datos estn sesgando al conjunto, como es el
caso de los outliers (datos atpicos), o que en vez de escoger la media se valga
uno de la mediana para las conclusiones. Por tal razn era necesario, ser
informado sobre los procedimientos para realizar el anlisis exploratorio.
En cuanto al anlisis geoestadstico, ste estudia la variable en el espacio. La
aplicacin dada en nuestra investigacin fue hecha para la interpolacin
espacial, a travs del mtodo de Kriging ordinario con el soporte del Arcgis,
que es algo as como el mtodo de elementos finitos en el SAP o ETABS.
Este mtodo te permite evaluar e interpolar variable regionales en el espacio.
93

8. Software para el dibujo inicial del Mapa Base (Autocad Land 2006). Para
poder exportar el plano base al Argis, es necesario replantaerlo en el Autocad
land, que no slo te permite diagramarlo, sino atribuirle coordenadas
geogrficas y UTM .
9. Software para el Relleno (EXCEL) y Pronstico de datos (HIDROESTA).
Como se explicar en los captulos siguientes, este software tiene una
aplicacin prctica y sencilla para rellenar los datos, haciendo uso de las
ecuaciones de Regresin Lineal. As como el uso de distribuciones de ajuste
(Log Pearson, Gumbel, etc) para el pronstico de resultados en diferentes
periodos de retorno.
10. Sotware para el anlisis estadstico de datos (G-STAT). En el anlisis

exploratorio se requiere de ciertos resultados estadstico poder dilucidar
ciertas conclusiones, tales como la media, mediana, cuartiles, varianza,
desviacin estndar, etc. Este software es de uso acadmiso y se eligi por su
aplicacin sencilla y prctica.
94

11. Sotware para el anlisis geoestadstico de datos (ARCGIS 9.2). El anlisis

geoestadsitico es un proceso complejo, en el hay que hacer uso de ciertas
ecuaciones para obtener la curva del semivariograma. Con el fin de hacer ms
verstil el proceso del trabajo se hizo uso de esta herramienta.
95

12. Sofware para el dibujo de mapas (ARCMAP 9.2). Este paquete forma parte
del Arcgis 9.2, el cual trabaja en equipo con otros dos: Arc Toolbox y Arc
Catlogo. Son los que se encargan de realizar los mapas temticos.
13. Traduccin de manuales de Arcgis 9.2. Es muy difcil encontrar informacin

sobre la plicacin de estos sofware de procesamiento de datos espaciales en
espaol, es por eso, que se necesito llevar cursos de capacitacin y contar con
la paciencia para traducir los captulos de nuestro inters. El resultado, es una
explicacin didctica del proceso seguido para el dibujo de los mapas de
manera temtica as como la interpolacin espacial con el mtodo de Kriging
ordinario.
C) UBICACIN
DESCRIPCIN
DE
LAS
ESTACIONES
METEREOLGICAS DE ESTUDIO:
96

Realizaremos una descripcin
de cada una de las estaciones de estudio,
referido a su ubicacin poltica y geodsica, as como el tipo de estacin, aos de

registro, inicios, etc.
1.
ESTACIN LAMBAYEQUE
UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Lambayeque
DISTRITO
Lambayeque
UTM ESTE (X)
619,249.68
UTM NORTE (Y)
9258,907.14
LONGITUD OESTE (W)
79 55 16
LATITUD SUR (S)
06 42 12
ALTITUD
18 m.s.n.m.
CDIGO
301
CATEGORA
Climatolgica Principal
UBICACIN GEODSICA
Coordenadas U.T.M.
Coordenadas Geogrficas:
CLASIFICACIN:
SISTEMA HIDROGRFICO :
Pacfico
CUENCA
Chancay
97

AOS DE REGISTROS:
INICIO DE REGISTRO
Enero de 1948
LTIMO REPORTE
Mayo del 2008
SENAMHI
OPERACIN:
OPERADOR ACTUAL
CONDICIN DE OPERACIN:
Continua
EQUIPO
Pluvimetro
PROPIEDAD DEL TERRENO :
Asociacin
de
Algodoneros
de
Lambayeque.
2. ESTACIN REQUE
UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Chiclayo
DISTRITO
Reque
UTM ESTE (X)
628,671.03
UTM NORTE (Y)
9238,669.76
LONGITUD OESTE (W)
79 50 7.6
LATITUD SUR (S)
06 53 10.2
ALTITUD
21 m.s.n.m.
UBICACIN GEODSICA
Coordenadas U.T.M.
Coordenadas geogrficas:
98

CLASIFICACIN:
CDIGO
332
CATEGORA
Climatolgica Ordinaria
Pacfico
CUENCA
Chancay
INICIO DE REGISTRO
Abril de 1964
LTIMO REPORTE
Mayo del 2008
SENAMHI
REGISTROS:
OPERACIN:
OPERADOR ACTUAL
CONDICIN DE OPERACIN
EQUIPO
Pluvimetro
Continua
Propiedad de terceros
3. ESTACIN FERREAFE
99

UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Ferreafe
Ferreafe
UTM ESTE (X)
633,517.03
UTM NORTE (Y)
9266,628.87
LONGITUD OESTE (W)
79 47 32
LATITUD SUR (S)
06 37 53
ALTITUD
37 m.s.n.m.
CDIGO
331
CATEGORA
DISTRITO
UBICACIN GEODSICA
Coordenadas u.t.m.
CLASIFICACIN:
Pacfico
CUENCA
Chancay
REGISTROS:
AO DE INICIO DE REGISTRO: Febrero de 1964
AO DE FIN DE REGISTRO :
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
100

Continua
EQUIPO
Pluvimetro
Instituto Nacional de Innovacin Agraria
4. ESTACIN CAYALT
UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Chiclayo
DISTRITO
Cayalt
UTM ESTE (X)
659,176.96
UTM NORTE (Y)
9237,250.39
UBICACIN GEODSICA
Coordenadas u.t.m.
101

LONGITUD OESTE (W)
79 33 33.7
LATITUD SUR (S)
06 53 53.7
ALTITUD
102.3 m.s.n.m.
CDIGO
320
CATEGORA
CLASIFICACIN:
Pacfico
CUENCA
Zaa
REGISTROS:
AO DE INICIO DE REGISTRO :
Junio de 1948
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
EQUIPO
Pluvimetro
Continua
ExCooperativa Cayalt
5. ESTACIN SIPN
UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Chiclayo
102

DISTRITO
Zaa
UTM ESTE (X)
654,717.08
UTM NORTE (Y)
9247,974.60
LONGITUD OESTE (W)
79 36 00
LATITUD SUR (S)
06 48 05
ALTITUD
110 m.s.n.m.
CDIGO
306
CATEGORA
UBICACIN GEODSICA
Coordenadas U.T.M.
CLASIFICACIN:
Pacfico
CUENCA
Chancay
103

REGISTROS:
Diciembre de 1967
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
EQUIPO
Pluvimetro
Continua
Instituto Nacional de Cultura
6. ESTACIN JAYANCA
UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Lambayeque
DISTRITO
Jayanca
104

UBICACIN GEODSICA
Coordenadas U.T.M.
UTM ESTE (X)
636,404.55
UTM NORTE (Y)
9299,839.57
LONGITUD
79 46 0.6 O
LATITUD
06 19 58 S
ALTITUD
102.7 m.s.n.m.
CDIGO
333
CATEGORA
CLASIFICACIN:
Pacfico
CUENCA
Motupe
REGISTROS:
Abril de 1967
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
EQUIPO
Pluvimetro
Continua
Centro Poblado San Carranco (Huaca
Rajada)
105

7. ESTACIN MOTUPE
UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Lambayeque
DISTRITO
Motupe
UTM ESTE (X)
640,128.44
UTM NORTE (Y)
9320,009.92
LONGITUD OESTE (W)
79 44 01 O
LATITUD SUR (S)
06 09 01 S
ALTITUD
147 m.s.n.m.
CDIGO
334
CATEGORA
UBICACIN GEODSICA:
Coordenadas U.T.M.
CLASIFICACIN:
Pacfico
CUENCA
Motupe
REGISTROS:
Enero de 1965
Diciembre del 2005
OPERACIN:
106

OPERADOR ACTUAL
SENAMHI
Clausurada
EQUIPO
Pluvimetro
Universidad Nacional Pedro Ruiz Gallo
8. ESTACIN OLMOS
UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Lambayeque
DISTRITO
Olmos
UTM ESTE (X)
640,753.64
UTM NORTE (Y)
9337,515.54
LONGITUD OESTE (W)
79 43 42 O
LATITUD SUR (S)
05 59 31 S
ALTITUD
225.9 m.s.n.m.
CDIGO
236
CATEGORA
UBICACIN GEODSICA
Coordenadas U.T.M.
CLASIFICACIN
Pacfico
107

CUENCA
Olmos
REGISTROS:
AO DE INICIO DE REGISTRO: Junio de 1964
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
Senamhi
Continua
EQUIPO
Pluvimetro
Proyecto Especial Olmos Tinajones
9. ESTACIN PUCHACA
UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Ferreafe
108

DISTRITO
Incahuasi
UTM ESTE (X)
669,928.13
UTM NORTE (Y)
9295,233.47
LONGITUD OESTE (W)
79 28 10.2
LATITUD SUR (S)
06 22 25.1
ALTITUD
355 m.s.n.m.
CDIGO
3114
CATEGORA
UBICACIN GEODSICA
Coordenadas U.T.M.
CLASIFICACIN:
Pacfico
CUENCA
La Leche
REGISTROS:
AO DE INICIO DE REGISTRO: Febrero de 1965
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
Continua
EQUIPO
Pluvimetro
Propiedad de terceros
109

10. ESTACIN TINAJONES

UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Chiclayo
DISTRITO
Chongoyape
UTM ESTE (X)
674,345.24
UTM NORTE (Y)
9264,576.22
LONGITUD OESTE (W)
79 25 22.5
LATITUD SUR (S)
06 39 2.6
ALTITUD
218 m.s.n.m.
UBICACIN GEODSICA
Coordenadas U.T.M.
110

CLASIFICACIN
CDIGO
335
CATEGORA
Pacfico
CUENCA
Chancay
REGISTROS:
AO DE INICIO DE REGISTRO: Enero de 1965
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
Continua
EQUIPO
Pluvimetro
Cooperativa San Juan
11. ESTACIN OYOTN
111

UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Chiclayo
DISTRITO
Oyotn
UTM ESTE (X)
685,285.00
UTM NORTE (Y)
9240,937.57
LONGITUD OESTE (W)
79 19 23.7
LATITUD SUR (S)
06 51 50.9
ALTITUD
221 m.s.n.m.
CDIGO
3105
CATEGORA
UBICACIN GEODSICA
Coordenadas U.T.M.
CLASIFICACIN:
Pacfico
CUENCA
Zaa
REGISTROS:
AO DE INICIO DE REGISTRO: Setiembre de 1963
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
112

Continua
EQUIPO
Pluvimetro
Observador
12. ESTACIN PORCULLA
UBICACIN POLTICA:
DEPARTAMENTO
Piura
PROVINCIA
Huancabamba
DISTRITO
Huarmaca
UTM ESTE (X)
665,443.58
UTM NORTE (Y)
9354,295.40
UBICACIN GEODSICA
Coordenadas U.T.M.
113

LONGITUD OESTE (W)
79 30 20.6
LATITUD SUR (S)
05 50 22.7
ALTITUD
2,169 m.s.n.m.
CDIGO
2132
CATEGORA
Pluviomtrica
CLASIFICACIN:
Pacfico
CUENCA
Cascajal
REGISTROS:
AO DE INICIO DE REGISTRO: Marzo del 1965
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
Continua
EQUIPO
Pluvimetro
Observador
13. ESTACIN EL LIMN

UBICACIN POLTICA:
DEPARTAMENTO
Cajamarca
PROVINCIA
Jan
114

DISTRITO
Pomahuaca
UTM ESTE (X)
686,262.68
UTM NORTE (Y)
9345,564.49
LONGITUD OESTE (W)
79 19 03
LATITUD SUR (S)
05 55 05
ALTITUD
1,132.6 m.s.n.m.
CDIGO
241
CATEGORA
UBICACIN GEODSICA
Coordenadas U.T.M.
CLASIFICACIN:
Atlntico
CUENCA
Huancabamba
115

REGISTROS:
AO DE INICIO DE REGISTRO: Noviembre de 1965
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
Continua
EQUIPO
Pluvimetro
Observador
14. ESTACIN CUEVA BLANCA

UBICACIN POLTICA:
DEPARTAMENTO
Lambayeque
PROVINCIA
Ferreafe
DISTRITO
Incahuasi
UTM ESTE (X)
678,913.14
UTM NORTE (Y)
9325,465.48
LONGITUD OESTE (W)
79 23 00
LATITUD SUR (S)
06 06 00
ALTITUD
2,900.0 m.s.n.m.
UBICACIN GEODSICA
Coordenadas U.T.M.
116

CLASIFICACIN:
CDIGO
3102
CATEGORA
Pluviomtrica
Pacfico
CUENCA
Huancabamba
REGISTROS:
AO DE INICIO DE REGISTRO: Setiembre de 1964
Mayo del 2008
OPERACIN:
OPERADOR ACTUAL
SENAMHI
Continua
EQUIPO
Pluvimetro
PROPIEDADDEL TERRENO :
Observador
117

15. ESTACIN TOCMOCHE

UBICACIN POLTICA:
DEPARTAMENTO
Cajamarca
PROVINCIA
Chota
DISTRITO
Tocmoche
UTM ESTE (X)
681,850.80
UTM NORTE (Y)
9291,388.65
LONGITUD OESTE (W)
79 21 21 O
LATITUD SUR (S)
06 24 29 S
ALTITUD
1,450 m.s.n.m.
CDIGO
3103
CATEGORA
UBICACIN GEODSICA
Coordenadas U.T.M.
CLASIFICACIN:
Pacfico
CUENCA
La Leche
REGISTROS:
AO DE INICIO DE REGISTRO: Enero de 1964
Mayo del 2008
OPERACIN:
118

OPERADOR ACTUAL
SENAMHI
Continua
EQUIPO
Pluvimetro
Municipalidad Distrital de Tocmoche
119

D) PROCESAMIENTO Y ANLISIS DE DATOS:
1.- RELLENO DE DATOS:
La extensin de datos es el proceso de transferencia de informacin desde una

estacin con largo registro histrico a otra con corto registro. La completacin es un
caso particular de la extencin, referida al relleno de huecos. Efectuamos este relleno
para tener en lo posible series completas, ms confiables y de un periodo uniforme.
La tcnica que hemos aplicado y tal como se describe en el marco terico es la

de REGRESIN LINEAL SIMPLE. Este mtodo en hidrologa es el ms simple y
comn; est basado en la suposicin de que dos variables se relacionan en forma
lineal, como ejemplo tenemos, la precipitacin de una estacin con la precipitacin
de otra estacin. Este hecho permite correlacionar variables para completar o
extender datos. Existen otros mtodos de Regresin, pero estos no toleran datos con
valores ceros o negativos en la muestra, es por eso que la Regresin Simple es
aplicable a nuestro trabajo.
El PROCESO se describe a continuacin:

1. Obtener la serie de tamao N1, a completar.
2. Seleccionar la estacin, que guarde una buena relacin con la estacin con la que
se est trabajando y cuya longitud de la serie sea mayor, como por ejemplo
N=N1+N2.
3. Aplicar la ecuacin de regresin lineal: y1 = a + bx1
4. Estimar los parmetros de a, b y r segn las ecuaciones indicadas en el marco
terico.
5. Aplicamos el criterio de confiabilidad. El coeficiente de correlacin r es
estadsticamente significativo con un cierto nivel de confiabilidad, utilizando el

estadstico tc.
120
A continuacin mostraremos una estacin con algunos datos faltantes y explicaremos la aplicacin de este mtodo de relleno en este caso:
INFORMACIN METEREOLGICA DE LA LAMBAYEQUE

AO
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
ENERO
9.0
5.0
3.0
1.0
2.0
1.0
1.0
V
0.0
6.0
V
0.0
42.0
2.0
1.0
0.1
0.0
1.1
0.0
0.3
FEBRERO MARZO ABRIL

0.0
9.0
4.0
2.0
3.0
1.0
1.0
1.0
2.0
3.0
0.0
3.0
0.0
3.0
0.0
1.0
2.0
1.0
0.0
24.0
16.0
3.0
7.0
3.0
5.0
21.0
5.0
V
0.0
0.0
2.0
6.0
1.0
4.0
V
1.0
110.0
116.0
7.0
32.0
1.0
11.0
0.0
4.0
4.0
1.6
40.8
2.7
13.2
15.2
2.1
3.0
0.1
0.0
1.1
3.6
0.5
2.4
1.5
0.0
MAYO
0.0
0.0
2.0
0.0
0.0
0.0
0.0
V
0.0
0.0
3.0
V
2.0
2.0
1.0
0.2
0.0
0.0
0.6
0.0
JUNIO
0.0
0.0
0.0
0.0
0.0
0.0
0.0
V
V
0.0
V
V
V
2.0
6.0
1.2
0.0
2.2
0.0
0.0
JULIO AGOSTO SEPTIEMB. OCTUBRE NOVIEMB. DICIEMB.

0.0
0.0
0.0
1.0
3.0
1.0
3.0
2.0
0.0
0.0
1.0
0.0
0.0
0.0
0.0
1.0
2.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
1.0
3.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
0.0
2.0
2.0
0.0
1.0
V
V
V
2.0
1.0
V
0.0
V
0.0
0.0
1.0
2.0
0.0
V
0.0
1.0
1.0
0.0
0.0
0.0
0.0
2.0
V
V
V
0.0
0.0
1.0
4.0
28.0
0.0
0.0
0.0
1.0
0.0
1.0
0.0
0.0
2.0
3.0
0.0
2.0
0.0
0.0
0.0
0.0
0.0
0.7
0.0
1.0
0.2
0.0
0.0
1.2
1.6
1.1
0.0
0.0
0.0
0.0
14.7
0.0
0.3
0.0
1.3
1.7
0.0
0.8
121

Antes de iniciar con el relleno, habra que aclarar primero algunas

observaciones de la tabla mostrada. Primero, cuando en una celda se muestra V,
significa Vestigio, y cuando se muestra T, significa traza; estos se consideran valor
cero, porque no han satisfecho el mnimo valor de la graduacin en los equipos de las
estaciones. Segundo, la fila resaltada se refiere al ao de 1998, el cual por presentar
valores extraordinarios no se toman en cuenta en el proceso de regresin, por
sesgarn el resultado.
Los datos a rellenar son todo el ao 2006, parte del ao 2005, y algunos valores
del ao 2000. Siguiendo el procedimiento elegimos una estacin con la cual se
comparar. Esta estacin elegida, debe estar en condiciones de altitud parecida y
no muy alejada una de otra. Las posibles alternativas las mostramos en el siguiente
cuadro, ahora cul de estas se comparar con la estacin de Lambayeque? Al
utilizar el anlisis de regresin, debemos hallar el parmetro R, que significa
Coeficiente de Correlacin. Mientras R se acerque ms a 1, entonces podemos decir
que existe una buena correlacin entre las dos variables. Realizando los clculos
correspondientes entre Lambayeque y todas las estaciones mostradas, se concluye
que Lambayeque se comparar con CAYALT.
Lambayeque
Reque
Cayalt
Jayanca
06 4212" 06 53 10.2" 06 5353.7" 06 1958"
79 5516" 79 50 7.6" 79 3333.7" 79 46 0.6"
18
21
102.3
102.7
Lambayeque
Chiclayo
Chiclayo
Lambayeque
N
1
2
AO
1986
1987
1988
3
4
5
6
7
8
9
1989
1990
1991
1992
1993
1994
1995
Lambayeque Cayalt
9.0
4.5
3.0
1.0
2.0
1.0
1.0
V
0.0
6.0
5.0
1.2
1.0
0.0
2.0
1.0
5.0
4.0
122

2.0
T
1999
2000
V
0.0
2.0
1.0
14
15
16
17
18
2001
2002
2003
2004
2005
0.1
0.0
1.1
0.0
0.3
0.8
0.0
2.0
0.9
1.1
2006
2.0
2.1
10
11
1996
1997
12
13
2.7
0.9
Cmo ha podido ver, no se tiene en cuenta en la muestra el ao de 1987, esto

debido a que el valor de Cayalt en ese ao es muy alto. Hay que tener en cuenta que
los Outliers (datos atpicos) sesgan los resultados. De haberlo considerarlo, de
repente se obtiene un valor R menor al resultado obtenido, o si aplicamos la prueba
de significacin se podra concluir que no existe correlacin entre las dos variables.
A continuacin mostrados el detalle del procedimiento de clculo:
1.- Coeficiente de Correlacin

r = 0.60841
2.- Coeficiente de Determinacin
r2 = 0.37016
3.- Prueba de Significacin:
Ho: r = 0
Ho: r 0
3.1.- Hiptesis:
3.2.- Clculo de t calculado (tc)
tc =
3.06649
3.3.- Clculo de t tabular (tt)

* Utilizamos valores
de la tabla A-5 del
libro
Hidrologa Estadstica
v=
P=
/2 =
16
95%
0.025
123

de Mximo Villn (p634)
tt =
2.12
3.4.- Criterio de Decisin:
Como |tc|
>
Existe Correlacin entre las

variables
tt
4.- Clculo de los Parmetros a y b:
1.242596
0.426664
5.- Ecuacin de Regresin:
y = 1.2426 + 0.42666X
x = y - 1.243
0.42666
6.- Determinacin del parmetro por rellenar
Haciendo uso de esta ecuacin, determinamos el o los parmetros
que se desean rellenar. Para este caso ser 2mm para el ao 2006
Tabla para el clculo de a y b

X
9.0
0.0
3.0
1.0
2.0
1.0
1.0
0.0
0.0
6.0
4.5
0.0
5.0
1.2
1.0
0.0
2.0
1.0
5.0
4.0
XY
40.50
0.00
15.00
1.20
2.00
0.00
2.00
0.00
0.00
24.00
X2
81.00
0.00
9.00
1.00
4.00
1.00
1.00
0.00
0.00
36.00
Y2
20.25
0.00
25.00
1.44
1.00
0.00
4.00
1.00
25.00
16.00
124

Sumatoria
0.0
0.0
2.0
1.0
0.1
0.0
1.1
0.0
0.3
27.50
2.0
0.0
2.7
0.9
0.8
0.0
2.0
0.9
1.1
34.10
0.00
0.00
5.40
0.90
0.08
0.00
2.20
0.00
0.33
93.61
0.00
0.00
4.00
1.00
0.01
0.00
1.21
0.00
0.09
139.31
4.00
0.00
7.29
0.81
0.64
0.00
4.00
0.81
1.21
112.45
Este procedimiento se ha seguido para el relleno de todos los datos necesarios.

Teniendo en cuenta el mismo criterio, de eleccin de estaciones, se puede aplicar este
proceso con el software HIDROESTA para completar datos.
2.- ANLISIS DE CONSISTENCIA:
La consistencia de una estacin debe compararse con la de otra. En la grfica

de doble masa, verificamos si existen curvas con demasiados quiebres en relacin a
la estacin ms confiable, estacin base, que es la de menor nmero de quiebres. De
acuerdo a lo descrito en el marco terico seguiremos el proceso para analizar la
consistencia de algunas estaciones. Para la eleccin de las estaciones a comparar se
sigue el mismo critero que en el Relleno de datos, con la diferencia que aqu puedo
graficar ms de dos estaciones.
Precipitacin Mxima en 24 horas
a) Lambayeque vs Reque vs Ferreafe vs Cayalt vs Sipn

AO LAMBAYEQUE
1986 9.0
9.0
1987 5.0
14.0
1988 3.0
17.0
1989 3.0
20.0
1990 3.0
23.0
1991 2.0
25.0
1992 24.0
49.0
1993 7.0
56.0
1994 21.0
77.0
1995 6.0
83.0
REQUE
7.0
7.0
5.0 12.0
4.0 16.0
4.0 20.0
0.0 20.0
2.0 22.0
0.0 22.0
7.0 29.0
8.0 37.0
2.0 39.0
FERREAFE
0.0
0.0
1.3
1.3
13.6 14.9
9.6 24.5
9.6 34.1
2.5 36.6
21.3 57.9
28.0 85.9
18.5 104.4
12.5 116.9
CAYALT
SIPN
4.5
4.5
5.0
5.0
28.0 32.5 8.0 13.0
7.2 39.7 8.4 21.4
8.9 48.6 6.2 27.6
4.0 52.6 1.9 29.5
34.0 86.6 4.0 33.5
9.0 95.6 28.0 61.5
15.0 110.6 19.0 80.5
17.0 127.6 26.0 106.5
13.0 140.6 8.0 114.5
125

1996
1997
1999
2000
2001
2002
2003
2004
2005
2006
6.0
28.0
32.0
6.0
40.8
15.2
14.7
3.6
3.9
9.1
89.0
117.0
149.0
155.0
195.8
211.0
225.7
229.3
233.2
242.3
4.0
40.0
10.0
9.0
6.0
7.3
3.0
7.0
2.5
4.3
43.0 4.4 121.3 6.0 146.6 3.5 118.0

83.0 9.9 131.2 30.0 176.6 1.9 119.9
93.0 12.4 143.6 24.0 200.6 14.2 134.1
102.0 2.1 145.7 11.0 211.6 7.5 141.6
108.0 36.6 182.3 10.2 221.8 9.4 151.0
115.3 48.9 231.2 7.5 229.3 24.8 175.8
118.3 5.3 236.5 6.3 235.6 11.7 187.5
125.3 3.6 240.1 3.5 239.1 8.0 195.5
127.8 2.2 242.3 3.3 242.4 6.6 202.1
132.1 8.4 250.7 5.9 248.3 9.3 211.4
PRECIPITACIONES ANUALES MXIMAS 24H (mm)
DIAGRAMA DE DOBLE MASA-PRECIPITACIN MX 24H
300.0
Ferreafe
250.0
Lambayeque
200.0
Cayalt
Sipn
150.0
100.0
Reque
50.0
0.0
0.0
50.0
100.0
150.0
200.0
250.0
PRECIPITACIN ANUAL MXIMA 24H DEL PROMEDIO
De acuerdo a la grfica se puede considerar que estas estaciones son

consistentes entre s. La estacin base es la de Sipn.
b) Olmos vs Puchaca
AO
1986
OLMOS
10.2 10.2
PUCHACA
8.2
8.2
126

1987 19.0 29.2 60.2 68.4
1988 18.3 47.5 9.7 78.1
1989 30.6 78.1 51.5 129.6
1990 5.0 83.1 8.5 138.1
1991 17.7 100.8 4.2 142.3
1992 85.7 186.5 12.9 155.2
1993 71.2 257.7 60.9 216.1
1994 76.5 334.2 96.2 312.3
1995 25.0 359.2 65.3 377.6
1996 11.9 371.1 30.3 407.9
1997 26.6 397.7 30.0 437.9
1999 52.1 449.8 70.3 508.2
2000 82.0 531.8 55.6 563.8
2001 52.0 583.8 128.3 692.1
2002 111.8 695.6 74.7 766.8
2003 26.2 721.8 40.3 807.1
2004 5.7 727.5 73.5 880.6
2005 22.4 749.9 41.5 922.1
2006 29.7 779.6 77.4 999.5

1200
1000
Puchaca
800
Olmos
600
400
200
0
0.0
200.0
400.0
600.0
800.0
1000.0
La estacin de Puchaca es la estacin base. La informacin de la estacin de

Olmos es consistente.
127

c) Jayanca vs Motupe
AO
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1999
2000
2001
2002
2003
2004
2005
2006
JAYANCA
6.3
6.3
19.7 26.0
6.4 32.4
10.5 42.9
6.5 49.4
6.4 55.8
28.1 83.9
27.1 111.0
9.7 120.7
19.5 140.2
7.7 147.9
16.3 164.2
39.5 203.7
12.4 216.1
41.6 257.7
40.5 298.2
29.9 328.1
18.6 346.7
9.4 356.1
45.1 401.2
MOTUPE
6.2
6.2
19.3 25.5
8.0 33.5
9.5 43.0
8.5 51.5
1.0 52.5
14.0 66.5
19.8 86.3
39.5 125.8
11.5 137.3
5.5 142.8
29.5 172.3
45.3 217.6
55.2 272.8
88.6 361.4
61.7 423.1
25.6 448.7
24.9 473.6
18.5 492.1
19.2 511.3
600.0
500.0
Motupe
400.0
Jayanca
300.0
200.0
100.0
0.0
0.0
100.0
200.0
300.0
400.0
500.0
128

d) Tinajones vs Oyotn
AO
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1999
2000
2001
2002
2003
2004
2005
2006
TINAJONES
7.0
7.0
7.0
14.0
41.0
55.0
44.0
99.0
20.0
119.0
3.0
122.0
47.0
169.0
13.0
182.0
93.0
275.0
14.0
289.0
26.0
315.0
42.0
357.0
165.0 522.0
84.0
606.0
41.0
647.0
290.1 937.1
12.5
949.6
15.5
965.1
11.5
976.6
55.5 1032.1
OYOTN
9.3
9.3
26.3
35.6
12.5
48.1
9.7
57.8
7.0
64.8
6.0
70.8
17.1
87.9
16.4
104.3
30.0
134.3
35.3
169.6
22.5
192.1
60.5
252.6
40.7
293.3
32.3
325.6
49.3
374.9
47.6
422.5
22.5
445.0
7.2
452.2
18.0
470.2
60.1
530.3
1200.0
1000.0
Tinajones
800.0
600.0
400.0
Oyotn
200.0
0.0
0.0
200.0
400.0
600.0
800.0
1000.0
129

e) Porculla vs El Limn vs Cueva Blanca vs Tocmoche

AO
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1999
2000
2001
2002
2003
2004
2005
2006
PORCULLA
40.5
40.5
25.0
65.5
25.0
90.5
27.0
117.5
28.0
145.5
25.0
170.5
38.0
208.5
43.0
251.5
25.0
276.5
26.5
303.0
30.0
333.0
33.8
366.8
21.0
387.8
25.8
413.6
18.4
432.0
20.0
452.0
18.5
470.5
16.7
487.2
20.0
507.2
49.5
556.7
EL LIMN
41.4
41.4
42.3
83.7
38.8
122.5
29.2
151.7
50.7
202.4
31.7
234.1
32.5
266.6
60.3
326.9
71.2
398.1
27.1
425.2
45.4
470.6
21.6
492.2
55.8
548.0
52.6
600.6
31.8
632.4
55.4
687.8
24.1
711.9
18.4
730.3
43.0
773.3
41.7
815.0
CUEVA
BLANCA
37.9
37.9
16.7
54.6
22.1
76.7
21.5
98.2
35.1 133.3
43.7 177.0
25.4 202.4
33.1 235.5
27.1 262.6
33.9 296.5
30.0 326.5
35.3 361.8
33.9 395.7
28.6 424.3
34.6 458.9
41.8 500.7
26.8 527.5
26.4 553.9
30.4 584.3
47.4 631.7
TOCMOCHE
20.0
20.0
40.0
60.0
28.0
88.0
45.0 133.0
15.0 148.0
24.9 172.9
61.0 233.9
47.0 280.9
12.0 292.9
7.0
299.9
32.0 331.9
33.0 364.9
50.0 414.9
110.0 524.9
78.0 602.9
68.0 670.9
53.0 723.9
110.0 833.9
36.0 869.9
60.0 929.9

1000.0
900.0
800.0
700.0
600.0
500.0
400.0
300.0
200.0
100.0
0.0
0.0
100.0
200.0
300.0
400.0
500.0
600.0
700.0
800.0

PORCULLA
EL LIMN
CUEVA BLANCA
TOCMOCHE
130

Como se ha podido observar en las tres ltimas grficas con respecto a las
estaciones bases, las otras no presenta demasiados quiebres, y tambin existen
estaciones que se compensan entre s, por lo que se concluye que son
CONSISTENTES, por lo que ya no es necesaria una correccin estadstica.
Precipitacin Total Mensual

a) Olmos vs Puchaca
AO
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1999
2000
2001
2002
2003
2004
2005
2006
PUCHACA
35.0 35.0
200.0 235.0
22.0 257.0
197.0 454.0
15.0 469.0
5.0 474.0
111.0 585.0
427.0 1012.0
263.0 1275.0
226.0 1501.0
111.0 1612.0
206.0 1818.0
442.9 2260.9
426.9 2687.8
658.2 3346.0
486.1 3832.1
102.0 3934.1
141.4 4075.5
153.3 4228.8
420.3 4649.1
DIAGRAMA DE DOBLE MASA-PRECIPITACIN TOTAL

ANUAL - DEPARTAMENTO LAMBAYEQUE
5000.0
PRECIPITACIONES TOTALES ANUALES

(mm)
OLMOS
35.4 35.4
97.1 132.5
82.8 215.3
160.4 375.7
21.9 397.6
48.0 445.6
336.6 782.2
440.9 1223.1
175.5 1398.6
122.5 1521.1
50.2 1571.3
159.9 1731.2
369.2 2100.4
260.7 2361.1
416.7 2777.8
602.1 3379.9
87.5 3467.4
38.8 3506.2
74.4 3580.6
217.6 3798.2
OLMOS
4000.0
PUCHACA
3000.0
2000.0
1000.0
PRECIPITACIN TOTAL ANUAL DEL PROMEDIO (mm)
0.0
0
1,000
2,000
3,000
4,000
5,000
131

b) Jayanca vs Motupe
AO
JAYANCA
MOTUPE
1986 19.9
19.9
21.9
21.9
1987 87.1 107.0 84.3
106.2
1988 10.0 117.0 28.2
134.4
1989 37.3 154.3 56.9
191.3
1990 11.3 165.6 22.8
214.1
1991 11.0 176.6 12.4
226.5
1992 90.9 267.5 82.3
308.8
1993 99.7 367.2 108.3 417.1
1994 68.0 435.2 107.3 524.4
1995 30.6 465.8 42.7
567.1
1996 23.3 489.1 32.5
599.6
1997 80.6 569.7 120.3 719.9
1999 168.7 738.4 214.3 934.2
2000 58.4 796.8 180.3 1114.5
2001 218.8 1015.6 217.0 1331.5
2002 202.2 1217.8 213.9 1545.4
2003 42.9 1260.7 52.2 1597.6
2004 63.3 1324.0 79.5 1677.1
2005 26.9 1350.9 53.3 1730.4
2006 76.1 1427.0 100.0 1830.4
DIAGRAMA DE DOBLE MASA-PRECIPITACIN TOTAL ANUAL DEPARTAMENTO LAMBAYEQUE

PRECIPITACIONES TOTALES ANUALES (mm)
2000.0
1800.0
1600.0
1400.0
1200.0
1000.0
800.0
600.0
400.0
200.0
0.0
0
500
1,000
1,500
2,000
PRECIPITACIN TOTAL ANUAL DEL PROMEDIO DE LAS 4 ESTACIONES (mm)

JAYANCA
MOTUPE
132

c) Tinajones vs Oyotn
AO
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1999
2000
2001
2002
2003
2004
2005
2006
TINAJONES
140.1 140.1
223.5 363.6
166.7 530.3
163.2 693.5
92.7
786.2
202.7 988.9
316.1 1305.0
486.4 1791.4
346.1 2137.5
156.5 2294.0
183.4 2477.4
203.4 2680.8
290.3 2971.1
200.5 3171.6
236.1 3407.7
723.4 4131.1
44.1 4175.2
59.4 4234.6
91.3 4325.9
147.1 4473.0
OYOTN
85.1
85.1
129.2 214.3
157.1 371.4
136.5 507.9
54.9
562.8
34.4
597.2
144.0 741.2
183.7 924.9
187.0 1111.9
161.0 1272.9
63.9 1336.8
345.1 1681.9
506.0 2187.9
274.3 2462.2
574.3 3036.5
279.6 3316.1
71.6 3387.7
83.6 3471.3
69.5 3540.8
190.6 3731.4

PRECIPITACIONES TOTALES ANUALES DE LAS 2 ESTACIONES
(mm)
5000.0
4500.0
4000.0
3500.0
3000.0
2500.0
2000.0
1500.0
1000.0
500.0
0.0
0
1,000
2,000
3,000
4,000
5,000
TINAJONES
OYOTN
133

d) Porculla vs El Limn vs Tocmoche

AO
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1999
2000
2001
2002
2003
2004
2005
2006
PORCULLA
1219.2 1219.2
845.2 2064.4
1407.5 3471.9
1605.7 5077.6
820.2 5897.8
846.2 6744.0
1643.0 8387.0
1167.5 9554.5
1020.9 10575.4
1052.8 11628.2
816.0 12444.2
823.9 13268.1
1859.8 15127.9
1400.9 16528.8
757.2 17286.0
601.5 17887.5
417.4 18304.9
351.8 18656.7
526.1 19182.8
817.8 20000.6
EL LIMN
527.7 527.7
453.6 981.3
594.4 1575.7
858.7 2434.4
543.3 2977.7
584.4 3562.1
966.9 4529.0
699.7 5228.7
630.9 5859.6
659.2 6518.8
450.6 6969.4
447.4 7416.8
896.5 8313.3
768.8 9082.1
422.0 9504.1
400.8 9904.9
214.0 10118.9
247.0 10365.9
337.9 10703.8
431.8 11135.6
TOCMOCHE
394.0 394.0
1685.0 2079.0
569.0 2648.0
1190.0 3838.0
78.0 3916.0
242.9 4158.9
1449.0 5607.9
880.5 6488.4
204.0 6692.4
153.0 6845.4
249.0 7094.4
256.0 7350.4
1085.0 8435.4
1078.5 9513.9
1309.0 10822.9
1060.0 11882.9
273.0 12155.9
473.0 12628.9
435.0 13063.9
924.1 13988.0
PRECIPITACIONES TOTALES ANUALES DE LAS 3 ESTACIONES (mm)

25000.0
20000.0
15000.0
10000.0
5000.0
0.0
0
2,000
4,000
6,000
8,000
10,000
12,000
14,000
16,000

PORCULLA
EL LIMN
TOCMOCHE
134

Se observa consistencia en las estaciones comparadas en las grficas anteriores,

esto medido por sus pocos quiebres que muestran en sus curvas, o pequeas
desviaciones que pueden considerarse nulas para fines de anlisis.
En el caso de las TEMPERATURAS se cuenta con escasa cantidad de datos,

por lo que los resultados resultan ser muy generales, y con poco grado de exactitud.
No obstante no son insuficientes para elaborar los mapas presentados.
3.-
PREDICCIN
DE
DATOS
UTILIZANDO
DISTRIBUCIN ESTADSTICA EN LOS
MTODOS
DE
DIFERENTES PERIODOS DE
RETORNO:
Para
estudios
en
hidrologa
contaremos
con
registros
hidrometeorolgicos: precipitacin, temperatura, caudales, etc;
de
datos
a travs de su
conocimiento del problema fsico escoger un modelo probabilstico a usar, que

represente el comportamiento de la variable
de estudio. En su aplicacin es
necesario calcular parmetros y realizar pruebas de bondad de ajuste.
Si el ajuste es bueno, se puede utilizar la distribucin elegida, adems se puede

predecir con determina probabilidad la ocurrencia de una determinada magnitud, de
un fenmeno meteorolgico, por ejemplo; as como la magnitud de una variable para
un tiempo de retorno determinado.
El PERIODO de RETORNO T, es el intervalo promedio de tiempo en aos,

dentro del cual un evento de magnitud x puede ser igualado o excedido, por lo menos
una vez en promedio. As, si un evento igual o mayor a x, ocurre una vez en T aos,
su probabilidad de ocurrencia P, es igual 1 en T casos (Definicin segn Mximo
Villn), es decir:
P(Xx) =
135

Seleccin de una
distribucin
Registro de
datos
Elegir una
distribucin terica
Estimacin de
parmetros
Prueba de bondad
de ajuste
F
Ajuste
bueno
Utilizar distribucin
terica elegida
Fin
En nuestro estudio se ha optado por evaluar tres diferentes tcnicas de
distribucin, las cuales se compararn y se elegir a la de mejor comportamiento. Las
distribuciones tericas utilizadas son las de la familia de distribuciones
LOGARTMICAS, mencionadas a continuacin:
a) Distribucin Log Normal 3 Parmetros.

b) Distribucin Log Pearson 3 Parmetros.
c) Distribucin Gumbel
No es objeto de esta investigacin detallar el proceso de cada uno de estos

mtodos, pero si hubiera algn inters en el lector en profundizar su conocimiento
136

sobre el tema remtase a la bibliografa. Es importante reconocer que estos mtodos

son de conocida aplicacin para ajustar distribuciones empricas de frecuencias de
caudales mximos anuales, precipitaciones mximas anuales y mensuales, etc.
En este captulo mostraremos el resultado de la prediccin de precipitaciones

en periodos de retorno de 10, 25, 50 y 100 aos, para abarcar los posibles periodos de
retorno de diseos en proyecto de ingeniera, utilizando los tres mtodos
mencionados, el software HIDROESTA; y, previo grfico de sus curvas, optar por la
de mejor precisin. No se tomar los promedios, ni la curva con los valores mximos,
sino la curva que se encuentre en medio de las otras dos restantes. Con esta curva se
est en condiciones para establecer predicciones en diferentes periodos de retorno.
Siendo 15 estaciones de Precipitacin mxima y 13 de precipitacin total

mensual, sera demasiado engorroso mostrar el detalle del proceso aplicado a cada
estacin. Para fines acadmicos detallamos los resultados de la estacin Lambayeque,
en la variable de Precipitacin Mxima en 24 horas y luego los resmenes de los
clculos.
ESTACIN LAMBAYEQUE
Aplicacin del HIDROESTA en diferentes T
Distribucin Gumbel para T=10 aos
137

138

Distribucin Log Normal T3 para T=10 aos
139

140

Distribucin Log Pearson T3 para T=10 aos
141

142

Despus de haber obtenido todos los resultados en los diferentes mtodos

desarrollamos la grfica de comparacin.
PRECIPITACIN VS PERIODO DE RETORNO
-ESTACIN LAMBAYEQUE90
PRECIPITACIN (mm)
80
Gumbel
70
LogNormal
LogPearson
60
50
40
30
20
0.89
10
25
PERIODO DE RETORNO (AOS)
50
100
143

De acuerdo a la grfica la distribucin elegida es la de LOG NORMAL. De

igual forma trabajamos todas las estaciones en las dems variables. Segn el cuadro
resumen, seleccionamos los valores correspondientes a la distribucin de mejor
comportamiento (resaltada).
Resumen de resultados
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
ESTACIN
TR = 10 AOS
Nombre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
Gumbel LogNormal LogPearson Promedio
ESTACIN
TR = 25 AOS
Nombre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
26.80
18.42
29.83
24.68
20.83
37.47
54.72
79.32
92.93
140.52
49.34
39.47
59.00
41.62
84.08
27.02
14.45
28.98
24.62
20.67
38.22
52.86
81.98
93.11
113.54
50.23
39.54
58.62
41.23
83.18
26.83
13.94
33.84
24.77
21.49
44.76
53.46
81.97
92.29
99.69
57.84
40.30
63.23
43.32
101.00
Gumbel LogNormal LogPearson

35.12
24.70
39.26
31.63
26.65
47.34
71.24
102.19
117.28
190.90
62.28
46.07
69.34
47.30
44.65
22.91
44.01
36.28
28.52
51.88
74.19
119.10
113.92
186.27
66.16
47.51
66.30
44.84
43.81
23.07
59.60
36.51
30.32
66.07
82.01
134.99
119.91
160.65
89.29
49.16
79.17
50.69
26.88
15.60
30.88
24.69
21.00
40.15
53.68
81.09
92.78
117.92
52.47
39.77
60.28
42.06
89.42
Promedio
41.19
23.56
47.62
34.81
28.50
55.10
75.81
118.76
117.04
179.27
72.58
47.58
71.60
47.61
144

15 Tocmoche
105.37
Nombre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
Nombre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
124.80
Gumbel
LogNormal
LogPearson
Promedio
41.29
29.36
46.26
36.79
30.97
54.66
83.50
119.15
135.34
228.28
71.87
50.96
77.01
51.52
121.17
62.03
31.13
57.53
46.80
35.07
63.12
91.95
151.37
128.59
256.22
78.74
53.84
71.52
47.19
118.44
60.82
33.08
86.91
47.33
38.25
85.68
109.05
189.32
144.44
222.03
119.73
56.44
92.34
56.45
234.40
54.71
31.19
63.57
43.64
34.76
67.82
94.83
153.28
136.12
235.51
90.11
53.75
80.29
51.72
158.00
TR = 100 AOS
ESTACIN
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
165.56
TR = 50 AOS
ESTACIN
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
103.47

47.41
33.98
53.20
41.91
35.25
61.92
95.67
135.98
153.27
265.38
81.40
55.81
84.62
55.71
136.85
83.54
41.20
73.13
58.97
42.19
75.25
111.28
187.67
142.68
341.18
91.91
60.49
76.39
49.32
133.30
82.30
46.81
122.99
60.10
47.43
108.87
141.73
259.38
172.72
300.05
157.20
64.34
106.67
62.47
326.64
71.08
40.66
83.11
53.66
41.62
82.01
116.23
194.34
156.22
302.20
110.17
60.21
89.23
55.83
198.93
Seguido graficamos la recta por cada estacin que contiene los valores elegidos
e cada periodo de retorno. Esta curva me definir cualquier pronstico en el tiempo.
145

90

-ESTACIN LAMBAYEQUE-
PRECIPITACIN (mm)
80
70
60
50
40
30
20
0.89
10
25
50
100
PERIODO DE RETORNO (AOS) PM24h
Resumen de resultados
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
ESTACIN
Nombre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
TR = 10 AOS
335.25
59.22
86.32
65.41
109.33
117.14
311.73
424.78
339.48
377.36
1,443.62
826.58
-
368.43
58.71
86.40
67.46
111.33
119.75
315.82
424.44
338.76
360.51
1,455.88
822.58
-
377.09
54.63
95.92
75.44
134.60
142.08
360.79
497.57
382.23
394.80
1,402.88
892.19
-
360.26
57.52
89.55
69.44
118.42
126.32
329.45
448.93
353.49
377.56
1434.13
847.12
146

15 Tocmoche
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
ESTACIN
Nombre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
ESTACIN
Nombre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
ESTACIN
N
Nombre
1 Lambayeque
2 Reque
1,248.48
1,313.04
1,478.85
1346.79
TR = 25 AOS
451.85
76.05
106.20
82.55
139.62
145.48
401.65
540.01
419.49
485.47
1,720.65
979.48
1,571.11
856.71
76.64
104.48
87.13
151.74
148.80
451.04
529.19
419.41
498.71
1,708.26
940.50
1,771.99
886.33
81.50
133.09
106.10
235.38
216.87
578.59
674.41
564.67
593.23
1,842.44
1,139.09
2,288.21
731.63
78.06
114.59
91.93
175.58
170.38
477.09
581.20
467.86
525.80
1757.12
1019.69
1877.10
TR = 50 AOS
538.36
88.53
120.95
95.27
162.09
166.51
468.35
625.49
478.84
565.68
1,926.16
1,092.91
1,810.45
1,479.81
90.33
117.88
102.15
184.66
170.24
566.61
604.67
479.67
614.33
1,888.77
1,021.42
2,145.45
1,562.26
106.42
165.99
133.34
347.15
291.73
791.21
823.97
741.15
781.91
2,232.91
1,346.47
3,074.39
1193.48
95.09
134.94
110.25
231.30
209.49
608.72
684.71
566.55
653.97
2015.95
1153.60
2343.43
TR = 100 AOS
624.22
-
2,420.64
-
2,626.82
-
1890.56
147

3
4
5
6
7
8
9
10
11
12
13
14
15
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
100.92
135.60
107.89
184.39
187.38
534.56
710.34
537.76
645.30
2,130.16
1,205.50
2,048.02
104.30
131.05
117.46
219.90
191.55
694.93
678.34
540.13
740.60
2,063.97
1,097.54
2,544.92
136.03
203.73
164.67
501.62
386.93
1,053.77
989.06
959.29
1,011.34
2,683.44
1,574.90
4,045.88
113.75
156.79
130.01
301.97
255.29
761.09
792.58
679.06
799.08
2292.52
1292.65
2879.61

-ESTACIN LAMBAYEQUE-
3,000.00
PRECIPITACIN (mm)
2,500.00
2,000.00
1,500.00
1,000.00
500.00
0.00
0.89
10
25
50
100
PERIODO DE RETORNO (AOS) PT
En los mapas temticos anexamos estas grficas finales.
4.- ANLISIS ESTADSTICO EXPLORATORIO DE DATOS:
El anlisis exploratorio permite detectar problemas de representatividad en el

muestreo, describir la existencia de dependencia espacial en los datos, ajustar un
148

modelo de representacin de esta dependencia y estimar el error asociado antes de

aplicar un algoritmo de interpolacin espacial. Para ello se han desarrollado diversas
herramientas como las descripciones estadsticas bsicas del mbito univariado,
anlisis grfico y descripciones espaciales basadas en el estudio de la covarianza,
semivarianza y autocorrelacin espacial. Es importante destacar que la realizacin de
una interpolacin espacial, con un anlisis exploratorio previo, permite asegurar la
calidad de los resultados obtenidos.
El anlisis exploratorio comnmente est dividido en dos partes: (a) un anlisis

univariado y bivariado, usando la estadstica tradicional, y (b) un anlisis de las
relaciones espaciales utilizando la geoestadstica.
Su objetivo es describir y determinar el tipo de distribucin de frecuencias e

interrelaciones que poseen los atributos en estudio, siendo la distribucin normal y
lognormal, las ms comunes en fenmenos naturales. En este caso es comn la
realizacin de grficas de frecuencias, clculos de media, mediana, rango, cuartiles,
curtosis, asimetra, varianza, desviacin estndar, etc.
No es objeto del presente trabajo mostrar en detalle las operaciones aplicadas

de la estadstica descriptica. Es por eso que mostramos un cuadro resumen con el
resultado de cada medida descriptiva, clasificadas segn su tipo, y sujetas a
comentarios de acuerdo a medidas de comparacin y grficas, que permitan obtener
conclusiones.
En cuanto a las variables por estudiar son las de este proyecto: Precipitacin
mxima en 24 horas, Precipitacin Total mensual y Temperatura media mensual;
agregando a cada una de ellas su valor mximo y su valor mnimo. Teniendo un total
de 9 columnas, con resultados estadsticos y de acuerdo al nmero de estaciones que
abarca cada parmetro de estudio. Las grficas e histogramas, se mostrarn seguido
de este reporte. Los comentarios y anlisis en el captulo 6 del presente trabajo.
149
TESIS: "Elaboracin de Mapas Temticos utilizando Datos de Precipitacin y Temperatura del Departamento de Lambayeque"
BASE DE DATOS UTILIZADOS PARA LA EVALUACIN ESTADSTICA
Precipitacin Mxima 24 horas

ESTACIN
P. Mx24H
ANUAL
P.Mx24H
ANUAL
Nombre
mximo valor
mnimo valor
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
40.8
40.0
48.9
34.0
28.0
45.1
88.6
11.8
128.3
290.1
60.5
49.5
71.2
47.4
110.0
2.0
0.0
0.0
3.3
1.9
6.3
1.0
5.0
4.2
3.0
6.0
16.7
18.4
16.7
7.0
P.Mx24H
ANUAL
P.T.A.
P.T.A.
mximo valor
mnimo valor
12.1
6.6
12.5
12.4
10.6
20.1
25.6
39.0
50.0
51.6
26.5
27.8
40.8
31.6
46.5
431.8
90.2
105.3
91.6
218.8
217.0
602.1
658.2
723.4
574.3
1859.8
966.9
1685.0
5.1
1.4
13.1
3.1
10.0
12.4
21.9
5.0
44.1
34.4
351.8
214.0
78.0
150
Temperatura Media
P.T.A.
T Media
Anual
Mx valor
T Media
Anual
Mn Valor
T Media
Anual
129.5
32.6
51.2
38.0
71.4
89.3
189.9
232.5
223.7
186.6
1000.0
556.8
699.4
22.5
25.3
25.6
26.3
26.3
26.4
27.2
-
19.3
20.4
21.5
22.5
23.4
22.6
24.5
-
21.1
22.3
23.7
23.8
24.4
24.2
25.9
-
RESULTADOS DE EL ANLISIS UNIVARIADO ESTADSTICO
Precipitacin Mxima 24 horas

Estadstica
Tipo
Amplitud
Tendencia
Central
Variabilidad
Dispersin
Estructura
Medidas
Mximo
Mnimo
Rango
Media
Mediana
Relacin
Desv. Estan
Varianza
Coef. Varia.
Cuartil Inf.
Cuartil Sup.
Rango Int.
Asimetra
Curtosis
P. Mx24H
ANUAL
P.Mx24H
ANUAL
mximo valor
mnimo valor
290.10
11.80
278.30
72.95
48.90
1.49
67.58
4567.60
92.65
40.40
79.90
39.50
2.66
8.13
18.40
0.00
18.40
6.10
4.20
1.45
6.18
38.14
101.25
1.95
6.65
4.70
1.21
0.18
P.Mx24H
ANUAL
51.60
6.60
45.00
27.58
26.50
1.04
15.23
231.85
55.21
12.45
39.90
27.45
0.25
-1.31

P.T.A.
P.T.A.
mximo valor
mnimo valor
1859.80
90.20
1769.60
632.65
574.30
1.10
576.47
332312.47
91.12
217.00
723.40
506.40
1.25
0.84
351.80
1.40
350.40
61.10
13.10
4.66
104.57
10933.94
171.14
5.10
44.10
39.00
2.32
5.01
151
P.T.A.
1000.00
32.60
967.40
269.30
186.60
1.44
298.10
88862.05
110.69
71.40
232.50
161.10
1.64
1.96
Temperatura Media
T Media
Anual
Mx valor
27.20
22.50
4.70
25.66
26.30
0.98
1.52
2.31
5.92
25.45
26.35
0.90
-1.79
3.85
T Media
Anual
Mn Valor
24.50
19.30
5.20
22.03
22.50
0.98
1.78
3.15
8.06
20.95
23.00
2.05
-0.28
-0.54
T Media
Anual
25.90
21.10
4.80
23.63
23.80
0.99
1.54
2.38
6.53
23.00
24.30
1.30
-0.39
0.46

Grficos de Uso comn en el Anlisis Exploratorio de datos:

a) Grficos de Caja:
152

Precipitacin Total anual
153

Temperaturas Medias
154

b) Histogramas:
Precipitacin Mx. 24 horas
155

Precipitacin Total Anual
156

Temperaturas Medias
157

c) Grficos de Dispersin:
Relacin existente P y T
60
Precipitacin Max 24h(mm)
50
40
30
20
10
0
21
22
Temperatura
(C)
24
23
25
26
27
Relacin PM24h y PTMensual

1200.0
Prec Total Anual (mm)
1000.0
800.0
600.0
400.0
200.0
0.0
0
10
20
30
40
50
60
Prec Max 24 horas (mm)
158

a) Grficos de Relacin Medias Locales:
Precipitacin Mx. 24 horas
159

Precipitacin Total Anual
160

Temperatura Media Mensual
161

5.- ANLISIS GEOESTADSTICO UTILIZANDO EL ARCGIS:
El anlisis geoestadstico es una tcnica nueva aplicada en procesos de

interpolacin de variables con una distribucin espacial y que tiene en cuenta la
misma para realizar dicha interpolacin. En este caso, la geoestadstica se ha
utilizado para la estimacin, a partir de un conjunto de medidas, de una variable en
puntos o reas en lo que no se dispone de informacin de la misma. Respecto a otros
mtodos de interpolacin, la geoestadstica ofrece estas ventajas (a) los pesos de
ponderacin dados a los valores medios no son arbitrarios sino que dependen de la
variabilidad espacial observada; (b) la interpolacin de la variable en un punto de
medida devuelve el valor medio en ese punto, con un error de estimacin nulo; y (c)
la incertidumbre de las estimas se puede cuantificar.
Posteriormente al anlisis estadstico, los datos fueron sometidos a un anlisis

geoestadstico, para ello a cada caso se le asignaron valores de coordenadas
temporales (x, y). La aplicacin fue hecha en el software Arcgis 9.2 (extensin del
programa), cuyos resultados mostraremos a continuacin. En este trabajo, no
detallamos el proceso seguido para el clculo de los semiovariogramas,
covariogramas, mtodo de interpolacin Kriging, etc.
Los resultados mostrados slo competen a la variable de precipitacin. El no

tener suficientes datos de temperatura, produciran conclusiones insuficientes, y poco
exactas, no obstante, los mapas de esta variable se han realizado, al igual que su
anlisis estadstico univariado.
162

(1) Precipitacion Maxima en 24h Anual Promedio
163

(2) Precipitacion Maxima en 24h Anual Maximo Valor
164

(3) Precipitacion Maxima en 24h Anual Minimo Valor
165

(4) Precipitacin Total Anual Promedio
166

(5) Precipitacion Total Anual Mximo Valor
167

(6) Precipitacion Total Anual Minimo Valor
168

CAPTULO V
CONSTRUCCIN DE MAPAS TEMTICOS
I.
PROCEDIMIENTO SEGUIDO PARA LA ELABORACIN DE

MAPAS TEMTICOS HACIENDO USO DEL ARCGIS VERSIN
9.2
1. Para empezar debemos cargar ARCCATALOG, haciendo clic en el men

Inicio/ todos los programas/ ArcGis/ ArcCatalog.
Se mostrar una ventana como esta:
169

La parte izquierda es conocida como Tabla de contenidos y la parte derecha es

llamada map display en la que se muestran diferentes detalles sobre el elemento
seleccionado en la tabla de contenidos.
2.
Vamos ahora a crear un Folder que

almacenar
la
informacin
correspondiente. Para ello damos

clic derecho en la carpeta a la que
deseamos
aadirle
un
folder,
seleccionamos New y elegimos la opcin Folder. Al

cual pondremos el nombre de Mapas Temticos
ARCGIS
3.
Debemos organizar la informacin a almacenar, por lo que crearemos tres

folders con los nombres de:
Precip. Mx 24H
Precip. Total Mensual
Temperatura Media
170

4.
Crear la geodatabase que se encarga de almacenar toda la

informacin: Damos clic derecho en la carpeta
Precip. Max 24H,
New y de la lista
desplegable
elegimos
Personal Geodatabase,
la
cual
llamaremos
Mapa Base
5.
Vamos a modificar la metadata, es decir vamos a ingresarle una

informacin general del proyecto. Para ello seleccionamos el cono
Edit metadata. Y llenaremos la informacin como se muestra en el siguiente
cuadro.
Para ver la informacin creada, en map display (derecha) seleccionamos

Metadata en la parte superior:
171

6.
Dentro de esta Geodatabase organizaremos la

informacin en dos fecture data set: a) Poltico y b)
Puntos. Clic derecho en Mapa Base, New y de la
lista desplegada escogemos Fecture Data Set.
En
cada
cuadro
mostrado
ingresamos
las
caractersticas requeridas.
172

Las coordenadas a utilizar sern

las Proyectadas, UTM WGS 84
Zona 17S
Luego y de manera similar al paso 5, le asignamos sus propiedades a la metadata.
173

Hasta el momento la Tabla de contenidos

deber verse as:
7.
Ahora y antes de realizar cualquier actividad procederemos a conectar la carpeta

q contiene nuestra informacin para acceder a ella con facilidad. Seleccionamos
Mapas Temticos ARCGIS y deslizaos el mouse hasta el cono
Connect to Folder. Y en la
ventana siguiente seleccionamos la carpeta que deseamos conectar. De esa

manera el acceso hacia esta carpeta ser ms fcil.
174

8.
En seguida crearemos los Feacture Class. Pero en este caso vamos a exportar
algunos archivos del AUTOCAD que contienen la informacin correspondiente
a la parte poltica, es
decir el departamento,
las
provincias
distritos.
Para
ello
tomamos
como
referencia
un
mapa
fsico poltico de cada

una de las provincias
de
Lambayeque,
proporcionado por el
IGN 2006 en escala
1:500,000 con Datum UTM 1984, de este mapa vamos a eliminar las
caractersticas no deseadas, mostrando solamente el contorno de la Provincia,
con sus respectivos distritos.
Quedando
el
mapa como se
muestra
en
la
figura adjunta.
El
mismo
procedimiento
seguimos para las
provincias
de
Ferreafe
Lambayeque
guardamos estos archivos cad para exportarlos al ARCGIS, en una carpeta

llamada CAD-GIS
175

9.
Desde ArcCatalog nos ubicamos en la carpeta en la cual guardamos la

informacin
referente a los
mapas.
Un archivo de
autocad
muestra
siempre estas
caractersticas
: Annotation,
Multipatch,
Point,
Polygon,
Polyline.
Aunque el archivo no presente todos esos campos, siempre los mostrar.
Para exportar el archivo hacia nuestra Geodatabase Mapa Base de la carpeta
Precip. Max 24H, seleccionamos Polygon, Export, y To Geodatabase
(single).
En
cuadro
de
dilogo
ingresamos Primero: la ruta

desde
exportar
muestra
donde
el
deseamos
archivo
por
(se
defecto),
Segundo: La ruta de salida,

Tercero
el
nombre
del
Feacture Class Chiclayo.

En la parte inferior nos
muestra una serie de campos
que debemos de eliminar, haciendo clic en la X, porque no son de importancia
pues son los campos que por defecto muestra el autocad, referentes a las
diferentes propiedades de los elementos del dibujo.
176

Finalmente aparece un cuadro en el que

se muestra el proceso de creacin que al
terminar presionamos clic en close.
Seguimos los mismos pasos para exportar
los
otros
archivos
Cad:
Ferreafe,
Lambayeque y Departamento.
En ArcCatalog, seleccionamos la
carpeta Precip. Max 24H,
presionamos el botn derecho del
mouse y elegimos Refresh,
para que la informacin recientemente

creada sea actualizada. Hasta este
momento la informacin debe mostrarse as en la
Tabla de Contenidos.
10. Cargamos ArcMap pulsando clic en el cono.

En el cuadro de dilogo que se muestra
seleccionamos A New empty map y OK.
Observaremos una pantalla como la mostrada en

la figura.
177

11. Vamos ahora a adicionar los

Fecture class que hemos creado:
Chiclayo, Lambayeque,
Ferreafe y Departamento.
Para lo cual llevamos el cursor
del mouse hacia el cono Add
Data. En el cuadro de dilogo
que se muestra le indicamos la
ruta de acceso de la informacin
y seleccionamos Add.
La tabla de contenidos y el map

display se muestra como la
figura de la izquierda, en la cual
se muestran cuatro layers (capas)
Lambayeque_Distritos,
Ferreafe_Distritos,
Chiclayo_Distritos y
Departamento.
Las capas que se muestran primero en la tabla de contenidos, se muestran por
encima de aquellas que se encuentran debajo, es por eso que la capa
departamento que est de color verde claro, no se aprecia en el map display
(derecha)
Si as lo deseamos podemos cambiar las propiedades de cada layer, llevando el
cursor del mouse hacia el rectngulo de color ubicado debajo del nombre del
layer y presionando con el botn izquierdo. Desde este cuadro podemos cambiar
el color y el contorno del layer.
178

12. Antes de continuar vamos a guardar el mapa, damos clic en el cono
Save
(ctrl+S)
Le indicamos la ruta donde
ser guardado y le asignamos
un
nombre
Precipitacin
Mxima 24H y con el cursos

seleccionamos Guardar.
13. -Movemos el cursor

del mouse hacia un
layer y presionamos
el
cursor
derecho,
veremos las diferentes

opciones de las que
disponemos, de ellas
seleccionamos: Open
Attribute Table.
179

Se muestran cuatro campos que han sido creados por defecto, vamos ahora a
crearle ms campos en los cuales se mostrar la informacin que es de
importancia para nuestro proyecto. Para ello en la tabla de Atributos llevamos el
cursor del mouse hacia la parte inferior derecha y de la lista desplegable
elegimos Add Field
En
el
cuadro
mostrado
le
ingresamos un nombre al campo y

seleccionamos
el
tipo
de
informacin que ser ingresada ms

adelante, en este caso ingresaremos
en este campo los nombres de cada
uno de los distritos de la provincia
respectiva,
por
lo
que
seleccionamos text. De ese modo

ingresamos todos los campos que sean de inters.
14. Ahora llenaremos los campos recientemente creados. Para
ello es necesario editar el mapa, as es que debemos mostrar
la barra de edicin editor, llevamos el cursor del mouse
hacia la barra estndar y presionamos con el botn derecho,
mostrar una lista de opciones de las que seleccionamos
editor
En la lista desplegable
editor
seleccionamos
Star editing Y en el
cuadro que se muestra
seleccionamos la ruta
donde se encuentra el
layer
que
queremos
editar y le damos clic en OK.
180

En la lista desplegable target, seleccionamos el layer

que deseamos editar.
En la barra editor, con el botn izquierdo del mouse seleccionamos
y luego
Edit tool
attributes
Se mostrar un cuadro
como el de la izquierda
en
el
cual
ingresaremos el nombre y el nmero de distrito en los valores que dicen Null,

quedndonos como el cuadro de la derecha.
De esa manera ingresaremos los nombres y cdigos de cada uno de los distritos
de cada provincia del departamento.
Luego llevamos el cursor del mouse al layer
Chiclayo_Distritos, pulsamos el botn derecho del
mouse y de la lista que se muestra seleccionamos
open attritbute table y podremos apreciar su tabla
de atributos completa.
Una vez editado los nombres de los distritos de las provincias,

vamos a detener la edicin. Deslizamos el cursor del mouse hacia
la barra de edicin, presionamos el botn izquierdo en editor y
seleccionamos Stop editing..
181

15. Ahora vamos a mostrar en los mapas los valores

recientemente agregados a la tabla de atributos. Para lo
cual
llevamos
el
cursor
del
mouse
hacia
Chiclayo_Distritos, presionamos el botn derecho del

mouse y de la lista desplegada seleccionamos properties.
En el cuadro que se muestra,

en
la
etiqueta
Labels,
activamos la casilla Label

feactures in this layer, en la
lista
desplegable
Label
field seleccionamos nombre

y
en
la
podemos,
parte
si
inferior
deseamos,
cambiarle el tamao, forma,

color y tipo de letra al texto.
Para finalizar y cerrar el cuadro presionamos aplicar y aceptar.
Esto mismo hacemos con los distritos de las otras dos provincias, mostrndose
nuestro mapa as: (si deseamos podemos mostrar los cdigos de los distritos para
que la informacin no se vea
congestionada)
182

16. Ahora vamos a ingresar al ARCMAP los puntos, desde una hoja de clculo,
donde se muestran las ubicaciones de las
estaciones a utilizar.
Para ello creamos un libro de Excel 2003, e
ingresamos
las
caractersticas
de
las
estaciones, es decir sus nombres, su

ubicacin geogrfica y los valores de
precipitaciones, como se muestra en la
figura de la izquierda.
Este archivo lo guardamos en formato BDF
4 (dBASE 4).
Desde ArcCatalog, ubicamos el archivo creado y

con el cursor del mouse lo seleccionamos y sin
dejar de presionar el botn lo arrastramos hacia
ArcMap, y la tabla de contenidos se mostrar
como la imagen de la izquierda.
183

17. En seguida debemos de indicar cuales son los valores que

debern de ser considerados como X e Y para dibujar los
puntos. Para hacer esto nos desplazamos con el cursor del
mouse hasta el layer Ptos.Precip.max y presionamos con
el botn derecho, y de las opciones que se muestran
elegimos Display XY Data.
En el cuadro que se muestra seleccionaremos los
valores de Este y NORTE para X field e Y field
respectivamente. Luego en la parte inferior
debemos de indicar el sistema de coordenadas en
el que se encuentran esos puntos. Para ello
pulsamos el botn derecho del mouse sobre Edit
y elegimos el mismo sistema usado para los
distritos
(Coordenadas
proyectadas
WGS_1984_UTM_Zone_17S). Aplicar y Aceptar.

Y finalmente clic en OK.
Nuestro mapa se
ve ahora as y si
observamos la
tabla de
contenidos
notaremos que se
ha creado un
layer con el
nombre
Ptos.Precip.max
Events, el cual
vamos a exportar y guardar.
184

18. Estos puntos ingresados al dibujo vamos a

exportarlo
guardarlos
en
la
carpeta
Precip.Max.24H en la geodatabase Mapa base,

en el feacture data set Puntos y le daremos el
nombre de Estacion_Precip_Max. Para lo cual
seleccionamos el layer Ptos.Precip:max events con el botn derecho del mouse
y elegimos data y luego export..
En el cuadro mostrado, le ingresamos la ruta
de
salida
su
nombre
Estacion_Precip_Max,
respectivo
debiendo
asegurarnos que est seleccionada la tercera

de las tres opciones que nos muestra. Luego
presionamos clic en OK para cerrar el
cuadro.
Nos muestra un mensaje preguntndonos si

deseamos
mostrar
la
data exportada al cual

seleccionamos SI.
Y la tabla de contenidos se muestra ahora as:
Guardamos los cambios y cerramos ArcMap. Y lo

volvemos a abrir desde ArcCatalog. Nos desplazamos por
la ruta donde guardamos el mapa , lo seleccionamos y
presionamos doble clic en l.
185

19. Siguiendo los pasos Nmero 11 y 15

cambiamos la forma en que se
muestran
los
puntos,
as
como
tambin etiquetamos los puntos para

que se muestren los nombres de las
Estaciones. De manera similar al de la
figura adjunta.
20. Una vez creados el mapa y las estaciones procederemos a crear

las predicciones de las isoyetas utilizando el mtodo de Kriging.
Lo primero que debemos de
hacer es habilitar la extensin
que se utilizar. Con el botn
izquierdo
del
mouse
presionamos sobre el Men

Tools
seleccionamos
Extensions. Y del cuadro mostrado activamos

la
casilla
Geostatical
Analyst
(Anlisis
Geoestadstico) y luego presionamos Close.
Ahora debemos de activar la barra de Anlisis geoestadstico y

lo hacemos llevando el cursor del mouse a la barra estndar y
con el botn derecho desplegamos la lista que nos permite
seleccionar la barra deseada. Nos mostrar una barra como la
de la figura
que nos permitir procesar la
informacin y realizar el anlisis geoestadstico.
186

21. Para empezar con el mtodo de kriging desplegamos de la

barra de anlisis geoestadsticos las opciones con las que
cuenta y seleccionamos la segunda de ellas (Geostatical
Wizard)
Nos mostrar un cuadro
como el de la figura de la
izquierda.
De
las
opciones que nos muestra

a
la
izquierda
seleccionamos el mtodo
que deseamos usar en
este caso Kriging, a la
derecha se muestran dos
listas desplegables, en la
primera seleccionamos el layer que contiene la informacin a interpolar, en la
segunda la columna de la tabla de atributos donde est los valores a interpolar;
finalmente nos muestra una casilla que al activarla nos permite obviar en los
clculo algn valor. Presionamos clic en Next.
El siguiente cuadro nos

permite
elegir
las
diferentes opciones que

presenta
interpolacin
una
Kriging,
elegimos la primera de
ellas que es la que ms se
ajusta a nuestro caso.
187

Nos
muestra
semiovariograma
resulta
de
el
que
los
datos
ingresados
en
las
diferentes
estaciones,
Oprimimos
el
botn
izquierdo del mouse en

Siguiente
El presente cuadro nos muestra

el nmero de puntos que toma
el programa para realizar la
interpolacin,
dejamos
la
opcin que se muestra por

defecto y presionamos siguiente
188

Finalmente
nos
muestra
un
reporte
resumen con los parmetrso utilizados en

la interpolacin.
Como se puede apreciar en la figura, en el display map se muestra la

interpolacin realizada con Kriging, la cual se encuentra limitada en un
rectngulo que contiene a los puntos (estaciones) utilizadas. En la tabla de
contenidos vemos los diferentes rangos de valores que pertenecen a cada color
que muestra el mapa.
22. En el siguiente paso vamos a extender el rectngulo de la interpolacin, para ello
seleccionamos el layer y con el botn derecho del mouse presionamos y
elegimos properties y en la pestaa extent seleccionamos a custom extent
entered below para ingresar manualmente los valores a extender, le
introducimos los valores que son mostrados en la figura y presionamos Aceptar.
189

La ventana se muestra ahora as:
23. Antes de realizar cualquier otra accin

debemos de guardar, es decir exportar el
layer con la informacin recientemente
creada. Nos deslizamos con el mouse hasta
el layer Ordinary Kriging y con el botn
derecho seleccionamos Data y luego export
to raser (exportar la data en formato rster).
190

En el cuadro, a la izquierda se muestran los rangos

que muestran la resolucin de la imagen y a la
derecha se puede cambiar el nmero de pxeles del
mismo, mientras ms pequea sea esta cantidad
mejor se ver la imagen de contornos ms finos y
definidos. Seleccionamos la ruta de salida en la parte final y presionamos clic en
OK.
En el cuadro que sale nos pregunta si deseamos mostrar

en el mapa la data exportada, le presionamos clic en SI.
El mapa se muestra ahora as:
24. A esta data hay que darle las

propiedades
para
que
se
muestre de manera similar a la

anterior, para ello nos ubicamos
en el layer pr_p_m_a_24h,
pulsamos el botn derecho del
mouse y elegimos propiedades.
En la pestaa Symbology, de
las
dos
opciones
que
se
191

muestran a la izquierda (Classified y Stretched) seleccionamos la primera de

ellas (Classified) Para darle color por clases.
En la lista desplegable clases,

elegimos 9 y presionamos clic
en Clasify y en parte inferior
derecha podemos ingresar los
valores que deseamos para
que el programa lo calcule de
acuerdo
esos
rangos.y
presionamos el botn derecho

del mouse en OK.
Luego elegimos el color que sea de nuestro agrado y presionamos Aceptar.
25. En vista de que ya tenemos la data exportada vamos a

quitar la anterior. Con el cursor del mouse nos
desplazamos hacia el layer Ordinary Kriging y
presionamos con el botn derecho, seleccionamos
Remove y listo.
192

26. Ahora vamos a hacer uso de las herramientas de

ArcToolbox
para
cortar
nuestra
imagen
de
interpolacin al molde del departamento. Abrimos

ArcToolbox haciendo clic aqui en este cono, aparecer
una columna de diversas opciones como la que se muestra:
27. Para poder realizar el corte es necesario tener ambos objetos a cortar en formato
raster, para ello vamos a convertir el polgono departamento en raster. Por lo que
de los comandos de Arctoolbox, desplegamos las opciones de Conversion Tools,
seleccionamos To Raster y desplegamos su lista de opciones y escogemos la que
dice Polygon To Raster.
En el cuadro
de dilogo
que muestra
en el primer
recuadro de
la lista
desplegable
elegimos el
layer que se
va a convertir, luego el
campo a convertir, en
seguida debemos ingresarle
la ruta de salida, los otros
dos recuadros se llenan por
defecto y no se modifican y
finalmente el tamao del pixel en el ltimo recuadro. Cuando se ha
completado la conversin presionamos clic en Closed.
193

La imagen del departamento se muestra as. Si

deseamos podemos cambiarle de color si
abrimos el cuadro de dialogo propiedades.
28. Una vez convertido en raster

nuestro
polgono
departamento procederemos
a realizar el corte. Para lo
cual seleccionamos, de las
herramientas de ArcToolbox,
la opcin Extract By Mask.
Pero previamanete a ello
activamos
extensin Spacial Analyst
la
seleccionando,
del men tolos, extensions
En el cuadro de dilogo que
muestra debemos de ingresar:
primero el elemento a cortar,
luego el mapa que servir de
molde y finalmente la ruta de
salida.
194

A ese layer se muestra debemos de darle las propiedades del anterior, en cuanto
a color y rangos. Finalmente debemos eliminar los otros layers que ya no son de
nuestro inters.
29. Para que se muestren todas las capas (layer) que hemos
creado
en
nuestro
mapa
debemos
de
ubicarlos
convenientemente, es decir que primero deben ir las capas

que contienen
puntos, luego los que contienen lneas y
finalmente los polgonos y aquellos que estn en formato

raster. Para que las provincias que son polgonos no tapen a
nuestro layer que contiene la interpolacin, vamos a darle un
color transparente de la forma que ya conocemos. Adems
para que la informacin almacenada est mejor organizada y
clasificada, vamos a crear grupos de capas; haciendo clic derecho en Layers y de
la lista que se desplega
elegimos New Group
Layer. Le vamos a dar
el nombre de Puntos y
en
ella
almacenar
vamos
el
layer
llamado
Estacion_Precip_max
, para lo cual con el
cursor del mouse y con
el
botn
izquierdo
presionado arrastramos, sin dejar de presionar el botn izquierdo, el layer hasta

el lugar deseado y una vez all dejamos de presionar el botn del mouse.
Igualmente creamos un grupo de capas llamado poltico y otro llamado curvas.
El mapa terminado debe de mostrarse similar al de la figura adjunta.
30. Una vez terminado con el proceso de creacin del mapa, vamos ahora a
configurarlo
parte
para
su impresin, movemos el cursor del mouse a la
inferior
izquierda del display map, al cono (Layout Wiev) y
195

presionamos clic en l. Se mostrar algo similar al de la figura:
Para configurar el
tamao del papel y la
impresora, oprimimos el
botn derecho del
mouse en la parte
exterior del rectngulo
que encierra al mapa y
seleccionamos Page and
Print Setup.
En la parte superior
seleccionamos la impresora, lo
siguiente consiste en seleccionar
el tamao del papel sobre el que
se va a imprimir (en este caso
debido a la impresora no se
puede seleccionar un tamao
mayor al A4) y en la parte
inferior se selecciona el tamao
de papel sobre el que deseamos
que se dibuje el mapa.
Para cerrar y guardar los cambios presionamos clic en OK.
196

31. Para darle una escala al mapa nos movemos con el cursor del mouse hasta la
barra estndar en la parte superior y en el recuadro blanco
ingresamos
el
valor
de
la
escala
1:800
000.
Si queremos que esta

escala se mantenga fija y no se cambie por una mala
maniobra, pulsamos el botn derecho del mouse sobre
Layers, elegimos propierties y en la pestaa Data Frame,
activamos la opcin Fixed Scale y en el recuadro adjunto
escribimos 1:800 000. Y presionamos clic en Aceptar.
32. Ahora vamos a insertarle la leyenda de los colores de la

interpolacin, para ello en la barra estndar buscamos Insert y de la
lista desplegada elegimos Legend..
En la tabla de la izquierda se
muestran todos los layer que
tenemos en el mapa y de ellos
seleccionamos
adicionamos
al
mascara
le
cuadro
de
la
derecha y presionamos clic en

Siguiente
197

En los Siguientes cuadros ingresar los valores mostrados en cada uno de ellos y
presionar clic en siguiente.
33. En el men Insertar existen diversas opciones que nos ayudarn a mejorar la
presentacin del mapa, los pasos a seguir para insertar cada una de esas opciones
son sencillos y de manera similar al mostrado en el paso anterior, es por eso que
vamos a obviar el proceso de cada uno de los objetos que insertemos en el mapa,
como ttulo (Title), Norte (North Arrow), escala grfica (Scale bar), objeto
(objec) y otros que el usuario estime conveniente.
La imagen de un mapa terminado y listo para ser impreso se muestra a
continuacin:
198

34. Si deseamos transportar la informacin debemos de guardar la carpeta Precip.

Max 24H. en donde se encuentran las geodatabase, feacture data set, feacture
class, los archivos raster y el mapa propiamente dicho, pues si lo hacemos de
otra manera, es posible que se pierda alguna informacin valiosa.
35. Al transportar los archivos y cuando sean abiertos desde otra PC, la tabla de
contenidos mostrar
los layer con un signo de admiracin a su izquierda,
pidindonos de esa manera que le indiquemos la ruta en la cual se halla la

informacin para construir el mapa, le proporcionamos esa informacin
presionando
con
el
botn izquierdo del

mouse en el signo de
admiracin y luego le
indicamos la ruta y los
archivos en los que
est
contenida
la
informacin.
199

II.
RELACIN DE MAPAS TEMTICOS MOSTRADOS EN LA

PRESENTE INVESTIGACIN
A. MAPAS CREADOS UTILIZANDO DATOS DE PRECIPITACIN
MXIMA EN 24 HORAS MENSUAL
1)
Precipitacin Mxima en 24H Anual Promedio.

Para la elaboracin de este mapa, primero se han escogido en cada
ao el mximo valor de precipitacin, lo que llamamos
Precipitacin Mxima en 24H Anual, obteniendo as 20 valores. De
estos valores se ha sacado un promedio, al que denominamos
Precipitacin Mxima en 24H Anual Promedio. Este mismo
proceso se ha hecho con cada una de las 15 estaciones.
2)
Precipitacin Mxima en 24H Anual para un Periodo de Retorno de

10 aos
3)

25 aos
4)

50 aos
5)

100 aos
De los 20 valores de Precipitacin Mxima en 24H Anual, se ha
hecho las respectivas predicciones utilizando para ello tres mtodos
(Gumbel, Log Normal y log Pearson) y escogindose la de mejor
prediccin, utilizando Periodos de retorno de 10, 25, 50 y 100 aos
6)
Precipitacin Mxima en 24H Anual Mnimo Valor
7)
Precipitacin Mxima en 24H Anual Mximo Valor
200

De los 20 valores de Precipitacin Mxima en 24 horas Anual se

han escogido dos de ellos: El mnimo y el mximo que ser reflejan
en los mapas N 6 y 7.
8)
Precipitacin Mxima en 24H Promedio del mes de Diciembre.
9)
Precipitacin Mxima en 24H Promedio del mes de Enero.
10)
Precipitacin Mxima en 24H Promedio del mes de Febrero.
11)
Precipitacin Mxima en 24H Promedio del mes de Marzo.
12)
Precipitacin Mxima en 24H Promedio del mes de Abril

Estos mapas se obtienen calculando el promedio de cada uno de los
respectivos meses del periodo de 20 aos estudiados
Se han escogido los meses de Diciembre a Abril, porque en estos
mese se presentan con mayor intensidad las lluvias en nuestro
departamento.
13)
Precipitacin Mxima en 24H Mximo Valor Diciembre.
14)
Precipitacin Mxima en 24H Mximo Valor Enero.
15)
Precipitacin Mxima en 24H Mximo Valor Febrero.
16)
Precipitacin Mxima en 24H Mximo Valor Marzo.
17)
Precipitacin Mxima en 24H Mximo Valor Abril.

Estos mapas se han obtenido escogiendo el mximo valor de cada
uno de los respectivos meses de los 20 aos estudiados.
18)
Precipitacin Mxima en 24H Anual Promedio (diciembre Abril)

Para obtener este mapa se ha supuesto que el ao cuenta con slo
cinco meses: diciembre, enero, febrero, marzo y abril. De ellos los
cinco meses se ha escogido por cada ao el mximo valor, lo que
llamamos Precipitacin Mxima en 24H Anual (DiciembreAbri), de estos valores calculados para cada ao del periodo
201

estudiado (1986-2006) Se ha calculado el promedio, obtenindose

as el dato con el cual ha sido elaborado el mapa.
19)
Precipitacin Mxima en 24H Mensual Promedio (diciembre

Abril)
De los meses escogidos como parmetros comparables, se ha
realizado un promedio para cada ao del periodo estudiado,
considerando los meses de Diciembre del ao anterior hasta Abril
del ao en estudio, obtenindose as un promedio mensual y puesto
que son veinte los aos estudiados obtendremos veinte datos, los
cuales son promediados y de esa manera se obtiene la Precipitacin
Mxima en 24H Mensual Promedio (Diciembre-Abril)
B. MAPAS CREADOS UTILIZANDO DATOS DE PRECIPITACIN

TOTAL MENSUAL
1)
Precipitacin Total Anual Promedio.

Para obtener los resultados que se encuentran plasmados en este
mapa, debemos primero obtener la Precipitacin Total Anual de
cada uno de los aos del periodo estudiado, ste se obtiene
mediante la suma algebraica de los valores de precipitacin de cada
mes. Se obtienen, por tanto, veinte valores los cuales se promedian
y dan como resultado el valor de la Precipitacin Total Anual
Promedio. El mismo proceso se sigue para las otras estaciones.
2)
Precipitacin Total Anual para un periodo de retorno de 10 aos.
3)
4)
5)

Con los valores de Precipitacin Total Anual de cada uno de los
veinte aos en estudio, se realizan las predicciones para periodos de
202

retorno de 10, 25, 50 y 100 aos. Las predicciones se realizaron

con tres mtodos (Gumbel, Log Normal y Log Pearson) y se
escogi la de mejor prediccin.
6)
Precipitacin Total Anual Mnimo Valor.
7)
Precipitacin Total Anual Mximo Valor.

De los veinte valores de Precipitacin Total Anual, se escogen dos
de ellos: el mnimo y el mximo elaborndose con ellos los mapas
nmero 6 y 7.
8)
Precipitacin Total Mensual Promedio Diciembre.
9)
Precipitacin Total Mensual Promedio Enero.
10)
Precipitacin Total Mensual Promedio Febrero.
11)
Precipitacin Total Mensual Promedio Marzo.
12)
Precipitacin Total Mensual Promedio Abril.

Cada uno de los meses del ao cuenta con precipitaciones de los 20
aos estudiados, stos se promedian y dan como resultado la
Precipitacin Total Mensual Promedio de cada mes.
Al igual que en la precipitacin mxima en 24H, se han escogido
estos meses por ser mese en los que las lluvias se presentan con
mayor intensidad y se han desechado los otros meses por no ser
comparables.
13)
Precipitacin Total Mensual Mximo valor del mes de Diciembre.
14)
Precipitacin Total Mensual Mximo valor del mes de Enero.
15)
Precipitacin Total Mensual Mximo valor del mes de Febrero.
16)
Precipitacin Total Mensual Mximo valor del mes de Marzo.
17)
Precipitacin Total Mensual Mximo valor del mes de Abril.
203

De los valores de Precipitacin Total Mensual se han escogido los

mximos valores para obtener los mapas nmeros 13, 14,15, 16 y
17.
18)
Precipitacin Total Anual Promedio (Diciembre Abril)
19)
Precipitacin Total Anual Mximo Valor (Diciembre Abril)
20)
Precipitacin Total Anual Mnimo Valor (Diciembre Abril)

Para estos mapas se obtiene primero la Precipitacin Total Anual
de cada ao, considerando como si el ao tuviera solamente 5
meses: desde diciembre del ao anterior hasta abril del siguiente
ao, se obtendr por tanto veinte valores de precipitacin, de los
cuales tomaremos slo tres: El promedio (mapa N 18), el mximo
valor (mapa nmero 19) y el mnimo valor (mapa nmero 20)
21)
Precipitacin Total Mensual Promedio (Diciembre - Abril)
22)
Precipitacin Total Mensual Mximo Valor (Diciembre Abril)
23)
Precipitacin Total Mensual Mnimo Valor (Diciembre Abril)

Para la obtencin de estos mapas primero se debe de obtener un
promedio de los meses estudiados (Diciembre del ao anterior
hasta Abril del ao siguiente) por cada ao, es decir que debemos
de contar con veinte valores, de stos se escogen tres: El promedio
(mapa nmero 21), el mximo valor (mapa nmero 22) y el mnimo
valor (mapa nmero 23).
C. MAPAS CREADOS UTILIZANDO DATOS DE TEMPERATURA

MEDIA MENSUAL
1)
Temperatura Media del mes de Enero.
2)
Temperatura Media del mes de Febrero.
3)
Temperatura Media del mes de Marzo.
204

4)
Temperatura Media del mes de Abril.
5)
Temperatura Media del mes de Mayo.
6)
Temperatura Media del mes de Junio.
7)
Temperatura Media del mes de Julio.
8)
Temperatura Media del mes de Agosto.
9)
Temperatura Media del mes de Setiembre.
10)
Temperatura Media del mes de Octubre.
11)
Temperatura Media del mes de Noviembre.
12)
Temperatura Media del mes de Diciembre.

Para la elaboracin de estos mapas se ha realizado un promedio con
los datos de cada uno de los meses del periodo estudiado.
205

MAPAS TEMTICOS
UTILIZANDO DATOS DE
PRECIPITACIN
MXIMA EN 24 HORAS
206

MAPAS TEMTICOS
UTILIZANDO DATOS DE
PRECIPITACIN TOTAL
MENSUAL
207

MAPAS TEMTICOS
UTILIZANDO DATOS DE
TEMPERATURA MEDIA
MENSUAL
208

CAPTULO VI
ANLISIS Y CONCLUSIONES
1.- ANLISIS SOBRE LOS MAPAS PRESENTADOS:

En cada uno de los mapas de precipitaciones y temperaturas, se est
adjuntando para cada una de las estaciones la tabulacin que ha permitido
generar las reas sombreadas que nos representan las variaciones de estas
precipitaciones y temperaturas distribuidas en toda el rea del territorio del
departamento de Lambayeque, para un periodo de estudio de 20 aos desde
1986 hasta el 2006, excluyendo del anlisis el ao 1998 por considerarse de
avenidas extraordinarias. Se observa en ellos las ubicaciones de las estaciones
estudiadas cuyo nombre se muestra en negrita, de igual manera se adjunta una
leyenda en la cual se muestran intervalos de precipitacin o temperatura, segn
sea el caso, que detallan la degradacin del color en cada mapa. La cuadrcula
que se observa en los mapas corresponde a las coordenadas proyectadas UTM
1984 zona 17-S y se muestra adems una escala grfica y para mostrar con ms
detalle el rea de estudio se muestran cada uno de los distritos de las tres
provincias del departamento de Lambayeque, que se encuentran en el mapa
numerados del 1 al 38.
Es importante tener en cuenta que en la zona desrtica del departamento,
no cuenta con estaciones pluviomtricas, debido al clima de la zona, no
obstante hemos mostrados proyecciones de las curvas orientadas hacia esas
zonas como posibles alternativa de manifestacin de lluvias. Tambin esa es la
razn por lo que el software no muestra proyecciones definidas u ordenadas en
las regiones del norte de Mrrope y noreste de Olmos.
MAPA P.M.-01
El mapa representa las isoyetas de Precipitacin Mxima en 24 Horas
Anual Promedio; se est presentando, para cada una de las estaciones
consideradas en el estudio, los histogramas de precipitacin y los grficos para
periodos de retorno de 10, 25, 50 y 100 aos. En dicho mapa se tiene que la
zona oeste de Cayalt, Sipn, Ferreafe los valores de Precipitacin Mxima en
209

24 Horas Anual Promedio, representativos a efectos de su uso en algunos

estudios que tengan que ver con este parmetro, oscila entre 6 y 12 mm. La
zona noroeste de Jayanca, Motupe y Olmos la precipitacin mxima en 24
horas promedio oscila entre 17 y 37mm, de igual manera la zona oeste de
Incahuasi y Chongoyape esta precipitacin oscila entre 37 y 52 mm.
DISTRITOS
Cayalt, Sipn, Ferreafe

Jayanca, Motupe y Olmos
Incahuasi y Chongoyape
PRECIPITACIN (mm)
6-12
17 - 36
37 - 52
MAPA P.M. N del 02 al 05

Los mapas representan las isoyetas de Precipitacin Mxima en 24
Horas Anual para un periodo de retorno de 10, 25, 50 y 100 aos. En los mapas
se puede apreciar que las zonas en las que se presentan las mayores
precipitaciones son Chongoyape y Olmos, estos valores de precipitacin se van
gradualmente reduciendo en las zonas de Oyotn, Jayanca y Motupe,
alcanzando sus mnimos valores en las zona este de Lambayeque y Reque.
Los valores de precipitacin mxima en 24 horas anual para un periodo
de retorno de 10 aos pueden ser utilizados para la obtencin mediante
frmulas empricas del valor de intensidad, muy importante en los clculos de
drenaje pluvial; el cual, los interesados en esto, requieren como informacin
complementaria las caractersticas topogrficas de la zonas puntuales que en
algn momento tengan que estudiar.
MAPA P.M.-06 y 07
Los mapas N 6 Y 7 muestran los valores mnimos y mximos
respectivamente de Precipitacin mxima en 24 horas Anual.
Del anlisis realizado para la obtencin del mapa de valores mximos,
la mayora de las estaciones ubicadas en la zona de la costa del departamento,
demuestran una notoria incidencia que estos valores se presentan entre los
meses de Diciembre a Abril, y en la zona este del departamento (las estaciones
de Cueva Blanca, Puchaca, Tinajones, Oyotn), si bien es cierto difieren de la
zona de costa sealados anteriormente mantienen la tendencia de poseer los
210

mximos valores dentro de estos periodos, con lo cual se concluye los meses de
Diciembre, Enero, Febrero, Marzo y Abril, son los meses en los que se
presentan las mayores precipitaciones en todo el departamento de Lambayeque.
MAPA P.M.-08, 09, 10, 11 y 12
Los mapas N del 08 al 12 muestran los valores de precipitacin
mxima en 24 horas Anual promedio de los meses de diciembre, enero,
febrero, marzo y abril respectivamente. En ellos se observa el cambio que
experimentan las precipitaciones a travs de los meses diferentes meses del
ao. Para el anlisis hemos considerado solamente los meses de Diciembre a
Abril por que como concluimos en el tem anterior en ellos se presentan las
mayores precipitaciones.
Se observa que en el mes de Diciembre las precipitaciones en su
mximo valor oscilan entre 16 y 20mm en la zona oeste de Caaris y norte de
Incahuasi. En el mes de Enero las precipitaciones disminuyen, logrando, sin
embargo, un mximo valor en la zona de Caaris que oscila entre 12 y 15 mm.
La zona este de Oyotn tiene tambin valores elevados pero que no sobrepasan
los 10mm. En el mes de Febrero se observa que las precipitaciones se elevan
hasta llegar a un valor que oscila entre 28 y 31mm. El mes en el cual se
presentan las mayores precipitaciones (en promedio) es en el mes de marzo
llegando a una precipitacin mxima en 24H mensual promedio que oscila
entre 33 y 40mm en la zona del Sur Oeste de Incahuasi y en la zona Este de
Chongoyape y Ptipo, as como tambin en la zona noreste del distrito de
Olmos. Finalmente en el mes de Abril las precipitaciones con mayores valores
se dan en las zonas de Caaris y al este de Incahuasi con valores que oscilan
entre 22 y 25 mm y estos valores disminuyen en las zonas del noreste de
Olmos, Chchope, Salas e Incahuasi, as como tambin al este de Ptipo,
Chongoyape y Oyotn, siendo sus valores oscilantes entre 19 y 22mm.
MESES
Diciembre
Enero
Febrero
Marzo
Abril
PRECIPITACIN (mm)
1 - 20
0 - 25
1 - 31
2 -40
1 - 25
211

Del anlisis anterior concluimos que las Precipitaciones promedio

Mximas en 24H Anual del departamento alcanzan son mayores en los meses
de Febrero y Marzo.
MAPA P.M.-13, 14, 15, 16 y 17
Estos mapas muestran los valores de precipitacin mxima en 24 horas
Anual Mximos valores de los meses de diciembre, enero, febrero, marzo y
abril respectivamente. En ellos podemos apreciar que durante el mes de
Diciembre el valor mximo se ha presentado en la zona sur este del
departamento (esto es los distritos de Chongoyape, Ptapo, Pucal, Oyotn,
Cayalt, Nueva Arica y Lagunas) cuyos valores oscilan entre 40 y 45mm. En el
mes de enero las precipitaciones mximas han logrado valores comprendidos
entre 32 y 42 mm en la zona este del departamento, es decir los distritos de
Caaris, Incahuasi y Oyotn; estos valores de precipitacin van reducindose a
medida que se acercan a la zona oeste del departamento, sin ser menores que
7mm. Durante el mes de febrero, el mapa temtico obtenido muestra que el
lugar donde se han presentado las mayores precipitaciones es en la zona sureste
del departamento, en el distrito de Chongoyape y cuyos valores oscilan entre
122 y 290 mm y se observa igualmente la tendencia de disminuir estos valores
en zona oeste del departamento. En el mes de marzo las precipitaciones
mximas con mayores valores se presentan en la zona este y noreste del
departamento con valores que oscilan entre 98 y 129 mm. Durante el mes de
abril las precipitaciones mximas se han presentado en la zona noreste de
Olmos y en la zona sur este de Incahuasi con valores comprendidos entre 66 y
81mm.
MESES
Diciembre
Enero
Febrero
Marzo
Abril
PRECIPITACIN (mm)
21 41
7 -42
10 290
7 129
10 81
Del anlisis anterior concluimos diciendo que los mximos valores de

precipitacin mxima en 24h anual se presentan en el mes de febrero en la zona
sur este del departamento.
212

MAPA P.M.-18
Del mapa mostrado se puede decir que los valores promedio de la
precipitacin mxima en 24 h anual, asumiendo que el ao tiene solamente los
meses desde diciembre a abril, oscilan entre 4 y 51 mm, presentndose los
mayores valores de stos (39 51mm) en la zona noreste de Olmos, as como
tambin en la zona sur de Incahuasi, este de Ptipo y este de Chongoyape; y
que stos han ido disminuyendo a medida que se acercan a la playa sin ser
menores de 4mm. El mapa muestra tambin los histogramas de precipitaciones.
MAPA P.M.-19
En este mapa temtico se muestran los promedios de las precipitaciones
mximas en 24h mensual, considerando en el anlisis solamente los meses de
diciembre a abril. Se observa que en toda la zona este y noreste del
departamento estas precipitaciones oscilan entre 19 y 21mm; en la parte central
del departamento las precipitaciones estn comprendidas entre 5 y 19 mm y la
parte suroeste presenta precipitaciones entre 1 y 5mm.
MAPA P.T.-01
Este mapa nos muestra las isoyetas de precipitaciones totales anuales
promedio, los cuales se usa para los estudios que tengan que ver con
almacenamiento de agua y de igual manera se utiliza este parmetro cuando se
realizan estudios relacionados a balances hdricos que no es motivo de la
presente tesis. El mapa muestra una tendencia de aumento de las
precipitaciones en las zonas noreste del departamento, pudiendo llegar a
valores que oscilan entre 437 y 700 mm en las zonas al este de las estaciones
de Olmos y Cueva Blanca. Precipitaciones que oscilan entre los valores de 111
y 436 se presentan en las zonas este de Motupe y Oeste de las estaciones
Puchaca y Tinajones. Las menores precipitaciones se presentan en la zona
oeste del departamento en los distritos vecinos de Jayanca, Lambayeque,
Ferreafe, Reque, Sipn y Cayalt con precipitaciones que oscilan entre 46 y
110 mm. En el mapa se muestran tambin los histogramas de precipitacin
total anual de cada uno de os aos de estudio, as como tambin la grfica con
las predicciones para periodos de retorno de 10 a 100 aos.
213

ESTACIONES
Olmos y Cueva Blanca

Motupe, Puchaca y Tinajones
Jayanca, Lambayeque, Ferreafe,
Reque, Sipn y Cayalt
PRECIPITACIN (mm)
437 - 700
111 - 436
46 - 110
MAPA P.T.02 al 05
Los mapas N 02, 03, 04 y 05 nos muestran las isoyetas de las
predicciones de precipitacin total anual para periodos de retorno de 10, 25, 50
y 100 aos respectivamente. En los cuales se aprecian las isoyetas muestran
una tendencia del aumento de la precipitacin en las zonas este del
departamento, mientras que los valores son menores en la parte oeste. Adems
se aprecia que mientras los periodos de retorno van aumentando, lo hacen
tambin las precipitaciones.
PERIODOS DE RETORNO
T = 10 aos
T = 25 aos
T = 50 aos
T = 100 aos
PRECIPITACIN (mm)
124 - 977
256 - 1562
177 - 1392
295 - 1590
MAPA P.T.06 y 07
Los mapas N 06 y 07 reflejan las isoyetas de las precipitaciones totales
anuales tomando de ellas los mnimos y mximos valores respectivamente.
Tanto para los mnimos como para los mximos valores la tendencia de
aumento es hacia el este del departamento.
En los mapas de isoyetas de mnimo valor se observa que la parte oeste
del departamento presenta precipitaciones entre 0 y 30mm. En la zona sureste
del departamento, Chongoyape y Oyotn, as como en la zona noroeste de
Olmos se presenta precipitaciones de 31 a 83 mm. Y en la zona noreste del
departamento las precipitaciones son de 84 a 265 mm.
En los mapas de isoyetas de mximo valor se muestran que las zonas
vecinas a Lambayeque, Reque, Ferreafe, Sipn y Cayalt las precipitaciones
son de 168 a 279 mm; en las zonas noreste de Jayanca, este de Chongoyape y
Oyotn y este de Motupe las precipitaciones oscilan entre 280 y 723mm.
214

Mientras que la zona este del departamento (Olmos, Incahuasi y este de

Chongoyape) las precipitaciones varan desde 724 a 1279mm.
PRECIPITACIN (mm)
0 - 265
168 - 1279
Mximos valores
Mnimos valores
MAPA P.T.08 al 12
Los mapas N 08, 09, 10, 11 y 12 nos muestran las isoyetas de las
precipitaciones totales promedio mensual de los meses de diciembre, enero,
febrero, marzo y abril respectivamente.
En el mes de diciembre se observa que los valores fluctan entre 1 y 49
mm siendo las mayores en la zona noreste y sureste del departamento, esto es
los distritos de Caaris, Salas y Oyotn y Nueva Arica con valores que oscilan
entre 30 y 49mm. En el mes de enero las menores precipitaciones que oscilan
entre 0 y 10 mm se presentan en las zonas vecinas de Lambayeque, Reque,
Ferreafe, Sipn y Cayalt, mientras que los valores ms elevados los
encontramos en la zona noreste del departamento en la zona noreste de Olmos
e Incahuasi y cuyos valores estn entre 50 y 99 mm. En el mes de febrero,
marzo y abril, los valores de las precipitaciones varan de manera similar al de
enero aunque los valores son ms elevados en febrero y ms an en marzo,
disminuyendo notoriamente en el mes de abril. El mes que presenta las
mayores precipitaciones totales promedio es el de marzo, lo cual respalda lo
dicho en los mapas de precipitacin mxima en 24 horas.
MESES
Diciembre
Enero
Febrero
Marzo
Abril
PRECIPITACIN (mm)
1 - 50
0 - 99
8 - 146
16 - 207
10 - 108
MAPA P.T.13 al 17
Los mapas N 13, 14, 15, 16 y 17 nos muestran las isoyetas de las
precipitaciones totales mensuales mximos valores de los meses de diciembre,
enero, febrero, marzo y abril respectivamente.
215

Los meses de diciembre y enero presentan la misma tendencia de

aumento hacia el noreste del departamento, la zona noreste de Olmos y la zona
norte de Incahuasi, y de disminucin hacia el oeste los lugares vecinos de
Lambayeque, Reque, Ferreafe, Sipn y Cayalt; se muestra adems un
aumento de valores en el mes de Enero respecto del de diciembre. Los meses
de febrero, marzo y abril presentan la misma tendencia de aumento al este del
departamento desde Olmos hasta Oyotn, aumentando notoriamente sus
valores en el mes de Marzo y disminuyendo nuevamente en el mes de Abril.
MESES
Diciembre
Enero
Febrero
Marzo
Abril
PRECIPITACIN (mm)
28 - 189
4 - 309
70 - 300
57 - 569
38 316
MAPA P.T.18 al 20
Los mapas N 18, 19, 20 nos muestran las isoyetas de las
precipitaciones totales anuales, promedio, mximos valores y mnimos valores
considerando solamente los meses de diciembre a abril, respectivamente.
Los mapas N 18 y 19 muestra tendencias similares de aumento hacia el
noreste en los lugares de Incahuasi y noreste de Olmos (precipitacin promedio
oscila entre 353 y 560mm y en el caso de las precipitaciones totales anuales
mximas los valores oscilan entre 886 y 1211mm.) y con menos fuerza en la
zona sureste del departamento, los lugares de Chongoyape y Oyotn. Los
menores valores se presentan como en la mayora de los mapas en la zona oeste
del departamento en las zonas vecinas a Lambayeque, Reque, Ferreafe, Sipn
y Cayalt.
El mapa N 20 presenta una tendencia de aumento hacia el noreste del
departamento, al noreste de Olmos e Incahuasi con valores que oscilan entre 98
y 142 mm. La zona sureste, los distritos de Chongoyape y Oyotn presentan
precipitaciones que oscilan entre 14 y 42 mm.
P.T.A.
Mximos valores
Valores promedio
Mnimos valores
PRECIPITACIN (mm)
116 - 1211
41 - 560
0 - 142
216

MAPA P.T.21 al 23
Los mapas N 21, 22, 23 nos muestran las isoyetas de las
precipitaciones medias totales mensuales, promedio, mximos valores y
mnimos valores considerando solamente los meses de diciembre a abril,
respectivamente.
Los mapas N 21 y 22, muestra tendencias similares a los de los mapas
N 18 y 19, es decir de aumento hacia el noreste en los lugares de Incahuasi y
noreste de Olmos (precipitacin promedio oscila entre 84 y 113mm y en el
caso de las precipitaciones totales mensuales mximas los valores oscilan entre
177 y 243mm.) y con menos fuerza en la zona sureste del departamento, los
lugares de Chongoyape y Oyotn. Los menores valores se presentan como en
la mayora de los mapas en la zona oeste del departamento en las zonas vecinas
a Lambayeque, Reque, Ferreafe, Sipn y Cayalt.
El mapa N 23 presenta una tendencia de aumento hacia el noreste del
departamento, al noreste de Olmos e Incahuasi con valores que oscilan entre 15
y 30 mm. La zona sureste, los distritos de Chongoyape y Oyotn presentan
precipitaciones que oscilan entre 3 y 12 mm.
P.T.M.
Mximos valores
Valores promedio
Mnimos valores
PRECIPITACIN (mm)
23 - 243
8 - 113
0 - 30
MAPA T.M.01-12
Los mapas N 01 al 12 muestran las isotermas de temperaturas medias
mensuales de los meses de enero a diciembre de un total de 18 aos
comprendidos desde el 86 al 2004 (sin tener en cuenta las temperaturas del ao
1998.
Las temperaturas medias en los meses de enero, febrero, marzo y abril
tiene una tendencia similar pues en ellos se muestra un aumento de los valores
en la parte este del departamento, siendo ms elevados en la zona noreste en
Olmos y Motupe, en las cercanas de Piura y al sureste en Chongoyape y
Cayalt. En la parte este del departamento las temperaturas son menores en
comparacin con la parte este del departamento, es decir las zonas aledaas a
Ferreafe, Lambayeque y Reque. Los meses de mayo hasta diciembre se
217

comportan tambin de manera similar, es decir mostrando una tendencia de

aumento principalmente en la zona noreste del departamento en los distritos de
Olmos, Salas y Caaris, colindantes con el departamento de Piura; los valores
son menores en el este del departamento en los distritos de Lambayeque,
Reque y Ferreafe.
MESES
Enero
Febrero
Marzo
Abril
Mayo
Junio
TEMPERATURA MEDIA (C)

22,4 - 26,4
24,4 - 27,2
24,5 - 27,2
22,4 - 26,3
21,7 - 25,4
20,3 - 25,6
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
19,4 - 26,0
19,1 - 26,5
19,0 - 27,5
19,6 - 27,8
20,0 - 27,8
21,7 - 26,8
Como es lgico los mximos valores de temperatura se presentan en

los meses de Enero a Marzo, por ser la estacin de verano; sin embargo vemos
que hay valores tambin bastante elevados en los otros meses los cuales se
manifiestan en los lugares colindantes con el departamento de Piura, el cual
tiene como temperatura media mayores valores que el de nuestro departamento.
Los responsables no dan por sentado que estas proyecciones de precipitacin y

temperatura sean definitivas. Para la eleccin del mtodo de distribucin de las
muestras, se ha seguido un criterio propio, pues se ha optado por elegir la curva
central de las tres mostradas en las grficas. Es decir, si otro profesional, a criterio
personal, considera que la eleccin debi de ser otro mtodo, est en la libertad de
utilizar los resultados de otra aplicacin probabilstica.
Los mapas presentados, muestran el resultado de mtodos probabilsticos, bajo
la expectativa de una posible ocurrencia, para un perodo de retorno elegido y
basados en ciertos niveles de confianza para su manifestacin en la naturaleza.
Consideramos que cualquier profesional interesado en esta lnea de
investigacin, puede tomar el presente trabajo para su proyeccin, actualizndolo y
mejorndolo.
218

2.-
DISCUSIN
SOBRE
LOS
RESULTADOS
DEL
ANLISIS
EXPLORATORIO:
Cuando la relacin media/mediana es igual a 1, estamos hablando de una

distribucin ideal, es decir la distribucin Normal. De acuerdo a nuestros
resultados, verificamos que los datos de temperatura y el de PM24 horas
anual promedio estn cercanos a lo normal. En donde habra que tener
especial cuidados es en la variable de Precipitacin Total Anual Mnimos
valores. Estos resultados tambin se muestran en las grficas de caja, sumado
a la representacin que en estos se ve de los valores atpicos; estos valores
sesgan la curva de distribucin (ver pginas 151 154). Los valores de
precipitacin tienden ms a una distribucin normal logartmica.
Observando los histogramas, podemos medir las frecuencias de las variables

estudiadas(ver pginas 155 157):
o Una mxima precipitacin en 24 horas anual dentro del intervalo de
24.6 29.1 mm.
o Un mayor valor de precipitacin 24 horas dentro del intervalo de
39.63 67.43 mm
o Un mayor posibilidad de darse una precipitacin total anual dentro del
intervalo de 32.6 129.34mm. El grfico indica un acentuada
asimetra.
219

o Mientras que los mximos valores de precipitacin total anual tienen

mayor probabilidad de darse entre los extremos es de 90.2
267.16mm. El grfico indica una fuerte asimetra e esta variable.
o El valor promedio de temperatura en el departamento, tiene una
mayor frecuencia de ocurrencia entre el intervalo 23.5 24-46C.
Resultado nos proporciona una idea general de que la definicin
promedio del clima de Lambayeque es templada-clido.
En cuanto a los grficos de dispersin. Estos son una herramienta de

diagnstico muy til para determinar asociaciones, pero si tal asociacin
existe el grfico podra o no sugerir el mecanismo de causa-efecto
subyacente. Hemos medido la asociacin entre la temperatura mxima en 24
horas y la temperatura promedio mensual, de la cual se infiere que existe una
relacin positiva, es decir ha medida que aumenta la temperatura, existe
mayores probabilidades de que la ocurrencia de precipitaciones diarias
existan y aumenten, esto aparentemente es una lgica muy definida en
nuestro contexto regional, no obstante esta grfica lo corrobora y muestra una
tendencia caracterstica de nuestra zona. Al medir la asociacin entre las dos
variables de precipitacin observamos una tenue tendencia de relacin
positiva, es decir en la medida que la precipitacin mxima en 24 horas sea
mayor, las probabilidades de que la precipitacin total mensual sea mayor es
baja (ver pgina 158).
Precedido por los anteriores anlisis, concluimos que el anlisis exploratorio

de los datos a utilizar en la construccin de cualquier tipo de mapa en donde
se aplique la interpolacin espacial, es muy importante, pues nos dar
muestras que proporcionen una confiable estadstica y cuyos resultados se
reflejen en mapas ms precisos; pero mientras ms datos haya mejor
estaremos en las condiciones de excluirlos de ser el caso. Ha sido decisin de
los responsables tomar en cuenta todos los parmetros disponibles, debido a
que la exclusin de algunos de ellos no ha generado cambios evidentes en el
mapeo temtico. Lo que necesariamente se ha quitado del estudio son las
precipitaciones del ao 1998, por ser datos extraordinarios.
220

BIBLIOGRAFA
Linsley R.; Kohler M.; Paulus J.
(1977). Hidrologa para Ingenieros. Bogot
Colombia: McGraw-Hill Latimoamericana S.A.

Villon Bejar, M. (2002). Hidrologia Estadistica. Lima, Peru: Villon.
Villon Bejar, M. (2002) Hidrologa. Lima, Peru: Villon.
Villon Bejar, M. (2005) Hidroesta. Lima, Peru: Villon.
Reyes L., Hidrologa Bsica.
Santiago, I. (2005). Fundamentos de ArcGis versin ArcView 9.1 Tutorial de lectura.,
Estado Libre Asociado de Puerto Rico.
Santiago, I (2006). Fundamentos de ArcGis Segunda Parte (Otras Herramientas)
versin ArcView 9.1 Tutorial de lectura. Estado Libre Asociado de Puerto Rico.
Manual Curso Bsico ArcView 8.2. Proyecto Regional Ordenamiento Territorial
Rural Sostenible. Santiago, Chile. (2003)
Manual Curso Anlisis Espacial ArcView 8.2. Proyecto Regional Ordenamiento
Territorial Rural Sostenible. Santiago, Chile. (2003)
D. Lobo, D.Gabriels, F. Ovalles, F. Santibaez, M. Moyano, R. Aguilera, R. Pizarro,
C. Sanguesa y N. Urra; Gua Metodolgica Para la Elaboracin del Mapa de Zonas
ridas, Semiridas y Subhmedas secas de Amrica Latina y el Caribe.
Alva, W.; Gastelo, D.; Kauffmann Doig, F.; Vsquez, Ch. (2004). Atlas Regional del
Per Lambayeque. Lima, Per: Quebecor World Per S.A.
www.ccidep.gob.pe
www.ign.es
www.senamhi.gob.pe
www.peot.gob.pe
www.minag.gob.pe
221

APNDICE A
CUADROS RESUMENES CON DATOS DE PRECIPITACIN

MXIMA EN 24H:
Precip.
Mx24H
ANUAL
Precip.
Mx24H
ANUAL
mximo valor
mnimo valor
Lambayeque
40,8
2,0
12,1
Reque
40,0
0,0
6,6
Ferreafe
48,9
0,0
12,5
Cayalt
34,0
3,3
12,4
Sipn
28,0
1,9
10,6
Jayanca
45,1
6,3
20,1
Motupe
88,6
1,0
25,6
Olmos
11,8
5,0
39,0
Puchaca
128,3
4,2
50,0
Tinajones
290,1
3,0
51,6
Oyotn
60,5
6,0
26,5
Porculla
49,5
16,7
27,8
El Limn
Cueva
Blanca
71,2
18,4
40,8
47,4
16,7
31,6
Tocmoche
110,0
7,0
46,5
Estacin
Pprom.
Mx24H
ANUAL
TR = 10 AOS
TR = 25 AOS
Estacin
Gumbel
LogNormal
LogPearson
Promedio
Gumbel
LogNormal
LogPearson
Promedio
Lambayeque
26,80
27,02
26,83
26,88
35,12
44,65
43,81
41,19
Reque
18,42
14,45
13,94
15,60
24,70
22,91
23,07
23,56
Ferreafe
29,83
28,98
33,84
30,88
39,26
44,01
59,60
47,62
Cayalt
24,68
24,62
24,77
24,69
31,63
36,28
36,51
34,81
Sipn
20,83
20,67
21,49
21,00
26,65
28,52
30,32
28,50
Jayanca
37,47
38,22
44,76
40,15
47,34
51,88
66,07
55,10
Motupe
54,72
52,86
53,46
53,68
71,24
74,19
82,01
75,81
Olmos
79,32
81,98
81,97
81,09
102,19
119,10
134,99
118,76
Puchaca
92,93
93,11
92,29
92,78
117,28
113,92
119,91
117,04
Tinajones
140,52
113,54
99,69
117,92
190,90
186,27
160,65
179,27
Oyotn
49,34
50,23
57,84
52,47
62,28
66,16
89,29
72,58
Porculla
39,47
39,54
40,30
39,77
46,07
47,51
49,16
47,58
El Limn
59,00
58,62
63,23
60,28
69,34
66,30
79,17
71,60
Cueva Blanca
41,62
41,23
43,32
42,06
47,30
44,84
50,69
47,61
Tocmoche
84,08
83,18
101,00
89,42
105,37
103,47
165,56
124,80
222

TR = 50 AOS
TR = 100 AOS
Estacin
Gumbel LogNormal
LogPearson
Promedio
Gumbel LogNormal
LogPearson
Promedio
Lambayeque
41,29
62,03
60,82
54,71
47,41
83,54
82,30
71,08
Reque
29,36
31,13
33,08
31,19
33,98
41,20
46,81
40,66
Ferreafe
46,26
57,53
86,91
63,57
53,20
73,13
122,99
83,11
Cayalt
36,79
46,80
47,33
43,64
41,91
58,97
60,10
53,66
Sipn
30,97
35,07
38,25
34,76
35,25
42,19
47,43
41,62
Jayanca
54,66
63,12
85,68
67,82
61,92
75,25
108,87
82,01
Motupe
83,50
91,95
109,05
94,83
95,67
111,28
141,73
116,23
Olmos
119,15
151,37
189,32
153,28
135,98
187,67
259,38
194,34
Puchaca
135,34
128,59
144,44
136,12
153,27
142,68
172,72
156,22
Tinajones
228,28
256,22
222,03
235,51
265,38
341,18
300,05
302,20
Oyotn
71,87
78,74
119,73
90,11
81,40
91,91
157,20
110,17
Porculla
50,96
53,84
56,44
53,75
55,81
60,49
64,34
60,21
El Limn
77,01
71,52
92,34
80,29
84,62
76,39
106,67
89,23
Cueva Blanca
51,52
47,19
56,45
51,72
55,71
49,32
62,47
55,83
Tocmoche
121,17
118,44
234,40
158,00
136,85
133,30
326,64
198,93
MESES DE DICIEMBRE - ABRIL
Estacin
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
P. Mx24H
ANUAL
P. Mx24H
ANUAL
mximo
valor
P. Mx24H
ANUAL
mnimo valor
P. Mx24H
MENSUAL
11,4
6,0
12,2
10,5
10,6
19,7
25,3
39,0
49,6
51,4
26,4
27,6
37,0
29,8
46,5
40,8
40,0
48,9
30,0
28,0
45,1
88,6
11,8
128,3
290,1
60,5
49,5
71,2
47,4
110,0
2,0
0,0
0,0
1,6
1,9
0,0
1,0
4,6
1,3
3,0
6,0
16,7
15,2
16,7
7,0
3,6
1,8
3,6
4,5
4,1
6,4
8,6
15,2
17,3
16,5
11,9
18,7
17,9
19,6
20,8
223
PRECIPITACIN MXIMA 24 HORAS PROMEDIO DE CADA MES

Estacin
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
Lambayeque
1,73
3,78
7,57
2,87
0,44
0,57
0,18
0,10
0,27
1,10
1,75
2,25
Reque
0,73
1,59
2,18
1,75
0,40
0,15
0,02
0,00
0,35
0,53
0,62
2,87
Ferreafe
3,65
4,09
6,66
2,35
0,11
0,08
0,05
0,00
0,73
1,13
0,70
1,29
Cayalt
2,42
6,43
4,80
4,80
0,88
0,58
1,82
0,24
0,94
0,94
3,10
3,94
Sipn
2,45
4,95
6,29
5,02
0,32
0,26
0,14
0,00
0,44
1,02
0,84
1,85
Jayanca
2,15
9,06
11,76
6,73
0,47
0,20
0,28
0,06
0,54
0,84
0,68
2,45
Motupe
2,68
9,47
19,60
8,08
1,37
0,54
0,09
0,01
0,69
0,67
1,81
3,25
Olmos
3,74
15,74
30,11
20,93
2,93
0,29
0,42
0,23
1,13
1,24
1,68
5,71
Puchaca
9,74
22,07
38,88
12,54
1,39
0,56
0,33
0,67
0,91
2,40
3,26
3,38
Tinajones
5,39
31,01
26,37
14,26
2,90
0,74
0,44
0,40
3,14
3,20
6,13
5,40
Oyotn
8,81
15,35
17,06
10,00
3,74
2,48
1,74
0,64
2,97
3,21
3,85
8,10
Porculla
15,59
20,58
23,56
20,00
7,92
4,88
3,19
0,98
6,69
9,23
10,45
13,96
El Limn
14,28
20,31
19,62
24,63
10,39
4,45
5,40
0,72
7,40
16,29
10,22
10,66
Cueva Blanca
14,81
19,82
22,57
21,31
10,25
5,71
6,26
4,37
11,29
17,37
14,44
19,49
Tocmoche
8,75
24,68
41,75
23,30
6,00
1,85
0,97
0,30
1,80
4,08
2,50
5,44
224
PRECIPITACIN MXIMA 24 HORAS MXIMA DE CADA MES

Estacin
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
Lambayeque
9,00
32,00
40,80
16,00
3,00
6,00
3,00
2,00
2,00
3,90
14,70
28,00
Reque
5,00
10,00
8,00
10,00
4,00
3,00
0,30
0,00
7,00
4,00
7,00
40,00
Ferreafe
28,00
48,90
36,60
13,70
0,70
0,80
0,40
0,00
5,60
9,60
6,20
9,90
Cayalt
12,10
24,00
16,00
13,00
4,00
4,00
28,00
1,80
4,00
3,30
34,00
30,00
Sipn
13,00
24,80
26,00
28,00
1,20
2,30
2,00
0,00
2,80
3,80
5,00
7,00
Jayanca
7,80
40,50
45,10
34,80
4,10
2,60
5,00
1,10
3,90
6,50
4,00
16,30
Motupe
9,30
45,30
88,60
37,00
8,20
7,20
1,80
0,20
7,00
3,50
9,00
29,50
Olmos
17,10
52,10
111,80
91,00
29,60
1,90
3,70
3,00
7,30
4,60
6,70
26,60
Puchaca
58,90
74,70
128,30
63,20
12,50
5,20
4,10
5,90
6,60
15,70
20,90
25,00
Tinajones
20,00
290,07
93,00
49,00
23,00
5,00
2,70
2,00
18,40
25,00
42,00
42,00
Oyotn
32,30
47,60
60,10
41,10
21,50
11,80
19,00
4,20
15,50
9,00
27,00
60,50
Porculla
26,50
40,50
49,50
38,00
21,20
15,00
13,00
10,00
32,20
28,00
26,00
22,00
El Limn
42,30
55,80
60,30
71,20
52,60
36,30
41,70
3,10
25,00
50,70
30,60
22,70
Cueva Blanca
33,90
36,40
47,40
41,80
19,30
13,10
15,60
14,50
26,40
41,30
34,60
43,70
Tocmoche
27,00
68,00
110,00
65,00
45,00
10,00
10,00
3,00
10,00
23,50
16,00
35,00
225
PRECIPITACIN MXIMA 24 HORAS MNIMA DE CADA MES

Estacin
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,40
5,70
0,00
0,00
0,00
0,50
0,20
0,00
0,00
0,00
0,00
0,00
2,00
5,40
1,50
6,80
0,00
0,00
0,00
0,20
0,00
0,00
0,00
0,00
0,00
0,00
0,80
6,30
2,20
9,70
0,00
0,00
0,00
0,40
0,00
0,00
0,00
0,00
0,00
0,00
0,00
8,50
5,10
4,90
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,50
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,60
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,60
7,80
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,20
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,40
1,20
Tocmoche
0,00
0,00
7,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
226

APNDICE B
CUADROS RESUMENES CON DATOS DE PRECIPITACIN TOTAL

MENSUAL:
P.T.A.
P.T.A.
ESTACIN
mximo
valor
mnimo
valor
Pprom.T.A.
Lambayeque
431,8
5,1
129,5
Reque
Ferreafe
80,2
1,4
32,1
Cayalt
105,3
13,1
51,2
Sipn
91,6
3,1
38,0
Jayanca
218,8
10,0
71,4
Motupe
217,0
12,4
89,3
Olmos
602,1
21,9
189,9
Puchaca
658,2
5,0
232,5
Tinajones
723,4
44,1
223,7
Oyotn
574,3
34,4
186,6
Porculla
1859,8
351,8
1000,0
El Limn
Cueva
Blanca
966,9
214,0
556,8
Tocmoche
1685,0
78,0
699,4
MESES DE DICIEMBRE A ABRIL

P.T.A.
P.T.A.
P.T.M.
P.T.M.
ESTACIN
P.T.A.
mximo
valor
mnimo
valor
P.T.M.
mximo
valor
mnimo
valor
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
85,3
25,8
39,0
33,7
64,4
75,4
172,8
209,6
190,4
146,9
852,8
420,8
649,8
325,8
71,9
73,6
87,4
218,1
213,0
575,9
662,3
684,6
505,8
1693,9
891,4
1512,0
3,1
0,3
10,1
1,2
0,0
6,8
4,1
2,0
21,9
21,6
226,3
78,5
78,0
17,1
5,2
7,8
6,7
12,9
15,5
35,3
41,9
38,1
29,4
170,6
84,2
130,0
65,2
14,4
14,7
17,5
43,6
42,6
115,2
132,5
136,9
101,2
338,8
178,3
302,4
0,6
0,1
2,0
0,2
0,0
1,4
0,8
0,4
4,4
4,3
45,3
15,7
15,6
227
TR = 10 AOS
TR = 25 AOS
ESTACIN
Gumbel
Lambayeque
Reque
335,25
LogNormal LogPearson
368,43
377,09
Promedio
360,26

451,85
856,71
886,33
Promedio
731,63
Ferreafe
59,22
58,71
54,63
57,52
76,05
76,64
81,50
78,06
Cayalt
86,32
86,40
95,92
89,55
106,20
104,48
133,09
114,59
Sipn
65,41
67,46
75,44
69,44
82,55
87,13
106,10
91,93
Jayanca
109,33
111,33
134,60
118,42
139,62
151,74
235,38
175,58
Motupe
117,14
119,75
142,08
126,32
145,48
148,80
216,87
170,38
Olmos
311,73
315,82
360,79
329,45
401,65
451,04
578,59
477,09
Puchaca
424,78
424,44
497,57
448,93
540,01
529,19
674,41
581,20
Tinajones
339,48
338,76
382,23
353,49
419,49
419,41
564,67
467,86
Oyotn
377,36
360,51
394,80
377,56
485,47
498,71
593,23
525,80
Porculla
1.443,62
1.455,88
1.402,88
1434,13
1.720,65
1.708,26
1.842,44
1757,12
El Limn
826,58
822,58
892,19
847,12
979,48
940,50
1.139,09
1019,69
1.248,48
1.313,04
1.478,85
1346,79
1.571,11
1.771,99
2.288,21
1877,10
Cueva Blanca
Tocmoche
228
TR = 50 AOS
TR = 100 AOS
ESTACIN
Gumbel
Lambayeque
LogNormal LogPearson
Promedio
Promedio
538,36
1.479,81
1.562,26
1193,48
624,22
2.420,64
2.626,82
1890,56
Ferreafe
88,53
90,33
106,42
95,09
100,92
104,30
136,03
113,75
Cayalt
120,95
117,88
165,99
134,94
135,60
131,05
203,73
156,79
Sipn
95,27
102,15
133,34
110,25
107,89
117,46
164,67
130,01
Jayanca
162,09
184,66
347,15
231,30
184,39
219,90
501,62
301,97
Motupe
166,51
170,24
291,73
209,49
187,38
191,55
386,93
255,29
Olmos
468,35
566,61
791,21
608,72
534,56
694,93
1.053,77
761,09
Puchaca
625,49
604,67
823,97
684,71
710,34
678,34
989,06
792,58
Tinajones
478,84
479,67
741,15
566,55
537,76
540,13
959,29
679,06
Oyotn
565,68
614,33
781,91
653,97
645,30
740,60
1.011,34
799,08
Porculla
1.926,16
1.888,77
2.232,91
2015,95
2.130,16
2.063,97
2.683,44
2292,52
El Limn
Cueva
Blanca
1.092,91
1.021,42
1.346,47
1153,60
1.205,50
1.097,54
1.574,90
1292,65
Tocmoche
1.810,45
2.145,45
3.074,39
2343,43
2.048,02
2.544,92
4.045,88
2879,61
Reque
229
PRECIPITACIN TOTAL PROMEDIO DE CADA MES

ESTACIN
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiemb.
Octubre
Noviemb.
Diciemb.
8,29
16,68
33,04
15,00
5,73
6,26
4,77
0,33
3,97
10,18
11,43
13,85
Ferreafe
1,89
6,61
10,82
6,15
0,53
0,10
0,21
0,01
0,70
2,09
1,74
1,74
Cayalt
3,93
12,25
10,48
9,09
1,56
0,70
2,02
0,25
1,45
1,62
2,45
5,45
Sipn
3,19
7,16
13,34
7,69
0,46
0,28
0,21
0,00
0,61
1,23
1,14
2,69
Jayanca
3,50
14,25
32,03
12,80
0,59
0,31
0,28
0,06
0,54
1,00
1,46
4,55
Motupe
3,61
17,92
37,35
13,93
4,37
0,01
0,28
0,02
0,40
1,70
2,92
6,83
Olmos
8,13
39,59
85,03
34,40
4,21
0,75
0,42
0,23
1,71
2,19
2,25
11,03
Puchaca
14,27
55,69
103,22
32,37
2,78
0,87
0,41
0,91
1,87
6,35
5,26
8,48
Tinajones
22,08
57,50
73,04
32,13
13,00
2,46
1,64
0,32
1,63
3,78
6,04
10,06
Oyotn
16,00
44,70
51,27
26,66
6,93
3,54
2,38
1,45
4,47
6,34
7,61
15,22
Porculla
135,51
230,37
253,06
169,68
32,26
11,98
6,72
1,42
15,96
35,23
43,14
64,72
El Limn
63,42
64,31
174,06
89,31
13,15
22,80
12,35
5,48
7,85
14,06
57,78
32,23
37,30
139,65
312,43
145,50
25,55
4,74
0,57
1,25
5,80
5,64
6,78
14,21
Lambayeque
Reque
Cueva Blanca
Tocmoche
230
PRECIPITACIN TOTAL MAYOR DE CADA MES

ESTACIN
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
72,20
13,50
14,50
13,00
12,10
11,60
41,90
63,00
90,20
82,00
414,10
216,80
-
76,50
27,40
48,40
28,30
118,20
132,10
227,40
251,00
369,60
184,00
467,20
135,40
-
160,80
44,10
44,10
41,60
175,50
161,40
372,90
414,40
251,10
284,80
504,00
373,90
-
63,90
31,20
20,50
32,60
69,70
62,80
159,20
147,50
109,70
119,10
462,00
247,40
-
29,30
2,70
7,00
2,00
7,10
42,00
39,40
28,80
63,80
47,00
234,00
29,30
-
50,60
0,90
4,00
2,30
3,80
0,10
6,20
8,70
15,30
15,00
45,50
78,60
-
41,70
3,00
28,00
2,80
5,00
5,00
3,70
4,10
24,60
19,00
55,00
41,90
-
3,40
0,10
1,80
0,00
1,10
0,40
3,00
6,00
2,30
13,70
12,20
42,60
-
30,70
3,70
5,60
5,90
3,90
2,90
9,00
18,00
7,80
19,40
108,60
42,60
-
64,80
16,50
6,70
5,80
7,30
10,20
10,30
78,00
13,50
19,30
130,60
64,80
-
78,10
9,30
6,90
5,30
8,10
18,40
7,70
47,00
36,30
79,80
189,20
244,10
-
72,60
18,00
40,60
14,60
55,00
85,20
95,60
99,00
86,30
138,70
261,10
93,60
-
Tocmoche
118,00
414,00
788,00
457,00
168,00
38,00
6,00
18,00
28,00
25,70
43,00
53,00
231
Noviembre Diciembre
PRECIPITACIN TOTAL MENOR DE CADA MES

ESTACIN
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
-
0,00
0,00
0,10
0,00
0,00
0,00
0,00
0,00
3,90
3,30
54,30
8,50
-
0,00
0,00
0,20
0,00
0,00
0,00
0,00
0,00
0,00
0,80
0,00
0,00
-
0,00
0,00
0,40
0,00
0,00
0,00
0,00
0,00
1,60
0,00
30,80
20,00
-
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
-
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,30
-
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
-
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
-
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,30
-
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
2,70
-
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
2,30
-
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
-
Tocmoche
0,00
0,00
24,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
0,00
232
Noviembre Diciembre

APNDICE C
CUADROS RESUMENES CON DATOS DE TEMPERATURA MEDIA

MENSUAL
T Media
Anual
Mx valor
T Media
Anual
Mn Valor
T
Media
Anual
Reque
22,5
19,3
21,1
Ferreafe
ESTACIN
Lambayeque
25,3
20,4
22,3
Cayalt
Sipn
Jayanca
25,6
21,5
23,7
Motupe
26,3
22,5
23,8
Olmos
26,3
23,4
24,4
Puchaca
Tinajones
26,4
22,6
24,2
Oyotn
Porculla
El Limn
27,2
24,5
25,9
Cueva Blanca
Tocmoche
233
TEMPERATURA MEDIA, PROMEDIO DE CADA MES
ESTACIN
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiemb.
Octubre
Noviemb.
Diciemb.
Reque
22,4
24,4
24,5
22,4
20,5
20,4
19,5
19,2
19,0
19,6
20,0
21,7
Ferreafe
24,1
26,0
25,4
23,2
23,3
20,7
19,8
19,9
20,2
20,7
21,8
23,0
Cayalt
Sipn
Jayanca
25,7
26,6
26,6
25,3
23,5
21,2
20,7
21,4
22,2
22,8
23,3
24,6
Motupe
25,9
27,1
27,0
25,2
23,6
21,7
20,9
21,2
22,3
22,7
23,4
24,8
Olmos
26,4
27,1
27,2
26,0
24,6
22,9
21,9
22,1
22,8
23,2
23,9
25,0
Puchaca
Tinajones
26,0
26,8
26,9
25,9
24,2
22,5
21,7
21,9
22,5
23,2
23,9
24,9
Oyotn
Porculla
El Limn
25,7
26,5
25,6
25,6
25,6
25,2
25,0
25,7
26,6
26,5
26,6
26,2
Cueva Blanca
Tocmoche
Lambayeque
234
TEMPERATURA MEDIA, MXIMO VALOR DE CADA MES
ESTACIN
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Reque
24,5
26,4
26,6
25,5
22,4
23,1
21,2
20,4
20,1
20,6
21,0
24,1
Ferreafe
26,2
27,4
28,4
26,8
28,9
25,4
24,4
24,5
25,1
24,5
25,4
27,1
Cayalt
Sipn
Jayanca
27,4
28,8
29,6
27,4
26,8
25,0
24,1
24,3
25,4
25,0
25,6
26,8
Motupe
27,1
28,0
28,9
27,5
26,5
25,9
26,0
24,8
26,2
25,7
26,2
27,2
Olmos
27,4
27,8
28,2
27,0
27,0
25,9
25,2
25,2
26,1
25,7
26,1
26,4
Puchaca
Tinajones
26,8
27,6
28,0
27,5
26,4
25,4
25,2
25,1
26,0
25,6
25,9
26,7
Oyotn
Porculla
El Limn
27,1
27,8
27,5
26,7
27,3
26,7
26,0
26,6
27,5
27,9
27,6
27,4
Cueva Blanca
Tocmoche
Lambayeque
235
Noviembre Diciembre
TEMPERATURA MEDIA, MENOR VALOR DE CADA MES
ESTACIN
Lambayeque
Reque
Ferreafe
Cayalt
Sipn
Jayanca
Motupe
Olmos
Puchaca
Tinajones
Oyotn
Porculla
El Limn
Cueva Blanca
Tocmoche
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
21,7
21,0
22,8
24,6
25,7
25,2
23,9
-
20,8
23,6
22,3
25,5
25,8
25,8
24,0
-
21,7
19,6
23,4
24,8
26,2
25,7
24,2
-
18,6
18,4
21,9
17,7
24,9
24,3
24,2
-
18,7
17,7
20,4
21,5
22,7
22,2
24,1
-
17,5
17,0
15,9
18,5
20,1
20,0
23,9
-
17,7
17,3
18,3
19,0
20,6
20,0
24,1
-
17,2
17,2
19,9
20,1
21,1
19,7
24,1
-
16,8
17,5
20,0
20,7
21,5
20,4
25,7
-
17,9
18,1
20,6
21,6
22,1
21,7
25,0
-
19,2
20,4
21,0
22,1
22,7
22,6
25,2
-
16,4
19,5
23,0
23,8
23,2
24,1
25,1
-
236

APNDICE D
LA VARIABILIDAD CLIMTICA MOSTRADA ENTRE LOS

DIFERENTES MAPAS:
Los diferentes mapas presentados y los resultados estadsticos muestran una

VARIABILIDAD CLIMTICA con el paso del tiempo, en la medida que
aumentan los aos los resultados tienden a un crecimiento de los valores de
precipitacin, al igual que un incremento de la temperatura. Al quedar atrapados, en
la atmsfera, mayor nmero de rayos del sol la temperatura del planeta aumenta, esto
ocasiona sequas, escasez de agua e incendios. Paradjicamente el calentamiento
global tambin produce lluvias e inundaciones ms severas por que? Los rayos del
sol aumentan la temperatura de los ocanos esto provoca mayor evaporacin y
precipitaciones mas severas, pero adems cuando un huracn entra en contacto con
aguas mas clidas sucede lo peor. El aumento en la temperatura ocasiona tambin
que los polos se descongelen y como consecuencia mas agua dulce entra al mar, esto
eleva el nivel de los ocanos provocando inundaciones severas, el problema es serio
La existencia de variabilidad dentro del clima, es decir las oscilaciones en las

propiedades estadsticas sobre perodos de tiempo, y la secuencia de estas
oscilaciones de las variables climatolgicas alrededor de la normal se denominan
Variabilidad Climtica. As mismo, las diferencias entre el valor registrado de la
variable y su promedio se conocen como Anomala a un cierto nivel de
significancia, como por ejemplo el Fenmeno del Nio manifestado en el ao 1998,
mayor que su precedente de 1983.
La variabilidad climtica se presenta en diferentes escalas de tiempo. Para las

latitudes medias las estaciones del ao son, tal vez, la forma ms conocida de dicha
variabilidad, mientras que en latitudes tropicales son conocidas las temporadas
lluviosas y las temporadas secas. Gran parte de las actividades, particularmente las
agropecuarias, estn orientadas con el conocimiento de este tipo de secuencias
peridicas.
237

Se puede hablar de Cambio Climtico cuando las propiedades estadsticas de

una secuencia de aos o dcadas, difieren considerablemente respecto a otra
secuencia de aos o dcadas de referencia, sobre una escala de tiempo adecuada.
Las posibles relaciones entre el Cambio Climtico y la variabilidad, son y han

sido objeto de numerosas discusiones cientficas, debido a los problemas de
confiabilidad estadstica de los registros climticos o a la ausencia de los mismos.
Los individuos y comunidades sufren las consecuencias de no contar con la

debida proteccin contra la variabilidad del clima. Adems la pobreza, que magnifica
los efectos negativos de los contrastes climticos, frecuentemente no permite dedicar
los recursos necesarios para prevenir o mitigar debidamente los problemas causados
por tal variabilidad.
Por ejemplo, el sector agrcola al responder a la exigencia de limitar su

contribucin al posible calentamiento global, se traduce en modificar los mtodos de
produccin y se hace necesario estar mejor preparados para enfrentar la creciente
variabilidad y las condiciones extremas; as como prever la posibilidad de que el
cambio sea permanente. Ser preciso tener en cuenta el ritmo que demandar la
necesaria adaptacin a la variabilidad del clima y al cambio climtico, as como las
repercusiones de otros cambios socioeconmicos o ambientales.
238

Tesis ELABORACIÓN DE MAPAS TEMÁTICOS UTILIZANDO DATOS DE PRECIPITACIÓN Y TEMPERATURA

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tesis ELABORACIÓN DE MAPAS TEMÁTICOS UTILIZANDO DATOS DE PRECIPITACIÓN Y TEMPERATURA

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD NACIONAL PEDRO RUZ GALLO

FACULTAD DE INGENIERA CIVIL, DE

ELABORACIN DE MAPAS TEMTICOS UTILIZANDO

DATOS DE PRECIPITACIN Y TEMPERATURA DEL

Sustentacin presentada como requerimiento para obtener el Ttulo de Ingeniero

Asesor de Tesis: Ing MsC. Nicols Walter Morales Uchofen

Responsables: Luotany Salazar Guadalupe / Marlon Robert Cubas Armas

TESIS: "Elaboracin de Mapas Temticos utilizando Datos de Precipitacin y Temperatura del

De Luotany Salazar Guadalupe

desafiante e interesante carrera; a mi

regalarme la inteligencia y ganas de soar.

De Marlon Robert Cubas Armas

Responsables: Luotany Salazar Guadalupe / Marlon Robert Cubas Armas

TESIS: "Elaboracin de Mapas Temticos utilizando Datos de Precipitacin y Temperatura del

De Luotany Salazar Guadalupe

De Marlon Robert Cubas Armas

compromiso de seguir mejorndolo.

Responsables: Luotany Salazar Guadalupe / Marlon Robert Cubas Armas

TESIS: "Elaboracin de Mapas Temticos utilizando Datos de Precipitacin y Temperatura del

CAPTULO II: GENERALIDADES

Sobre los suelos

CAPTULO III: MARCO TERICO DE LA NVESTIGACIN

Horas en las que se realizan las observaciones

B. SISTEMAS DE INFORMACIN GEOGRFICA

Construccin de bases de datos geogrficas

Topologas, modelos de daos y tipos de SIG

Definicin de un mapa temtico

Cartografa temtica cualitativa y cuantitativa

Componentes de un mapa temtico

Aspectos que debemos tener en cuenta a la hora de disear un mapa base 34

Proceso de diseo de un mapa temtico

D. RELLENO ESTADSTICO DE DATOS

Mtodos de relleno para estimar datos faltantes

Responsables: Luotany Salazar Guadalupe / Marlon Robert Cubas Armas

TESIS: "Elaboracin de Mapas Temticos utilizando Datos de Precipitacin y Temperatura del

Regresin lineal simple

Anlisis visual grfico

Anlisis de doble masa

F. ANLISIS EXPLORATORIO DE DATOS

Anlisis exploratorio de datos (AED)

Importancia del AED

Etapas del AED

Valores Atpicos (OUTLIERS)

Datos Faltantes (MISSING)

G. ANLISIS GEOESTADSTICO DE DATOS

Para qu es til la geoestadstica?

Ajuste de una funcin al semiovariograma

Cul es el mejor modelo para mis variables?

Variograma cruzado y cokriging

H. APLICACIN DEL ANLISIS ESPACIAL PARA LA INTERPOLACIN DE DATOS

Modelo de datos geogrficos

Dato no espacial o atri9buto

Proceso de Toma de Decisiones

Modelando el mundo real

Abstraccin del mundo real

Fuentes de datos para la interpolacin espacial

Patrones de adquisicin de datos

Clasificacin de los mtodos de interpolacin

3.4.1. Mtodos de interpolacin globales

3.4.1.1. Mtodo Kriging

3.4.1.2. Interpolacin por el Mtodo de Kriging

3.4.2. Mtodos de Interpolacin Locales

Responsables: Luotany Salazar Guadalupe / Marlon Robert Cubas Armas

TESIS: "Elaboracin de Mapas Temticos utilizando Datos de Precipitacin y Temperatura del