Vous êtes sur la page 1sur 12

METODO DEL VEC TOR REGIONAL

Es un mtodo de clculo orientado a la extensin y complementacin de


datos.

HIPOTESIS FUNDAMENTAL
El MVR es un mtodo de clculo orientado a tres tareas definidas: La
crtica de datos, la homogenizacin y la extensin-completacion de datos
de precipitacin. La hiptesis fundamental en la que se basa, consiste en
asumir que para una misma zona climtica sometida a un mismo
rgimen de precipitaciones, los totales pluviomtricos anuales son
seudo-proporcionales, con una pequea variacin aleatoria cada ao
debida a la reparticin de las lluvias dentro de la zona. La idea bsica del
MVR, es la siguiente: en lugar de comparar dos por dos estaciones por
correlacin o doble masa, como se hace en los mtodos clsicos, se
elabora una estacin ficticia que sea una especie de promedio de todas
las estaciones de la zona, con la cual se comparan cada una de las
estaciones. El MVR emplea entonces, para el clculo de esta estacin
Vector el concepto de Precipitacin Media Extendida al periodo de
trabajo, salvando los problemas del peso de estaciones ms lluviosas
sobre las menos lluviosas (como ocurrira con un promedio simple) y
la existencia de datos faltantes o diferentes periodos de
funcionamiento (que calcularan promedios alterados en caso de tener
solamente aos hmedos o solamente aos secos de determinada
estacin) como ocurrira al obtener valores estandarizados o centrados
reducidos de lluvia. Bajo estos conceptos, se emplea el mtodo de
Mnimos Cuadrados para encontrar los ndices Pluviomtricos
Regionales Anuales Zi y la Precipitacin Media Extendida Pj. Esto se
logra al minimizar la sumatoria de la expresin (1).
Donde i es el ndice de ao, j el ndice de estacin, N el nmero de aos y
M el nmero de estaciones. Pij es la precipitacin anual en la estacin j el
ao i, Pj es la precipitacin media extendida al perodo de N aos y
finalmente Zi es el ndice pluviomtrico regional del ao i. La resolucin
del problema es dificultosa, debido al hecho que ciertos Pij no
fueron observados y faltan. Sin embargo, es posible mediante el uso
de un computador, por descomposicin en un sistema de (M-1)
ecuaciones lineales a (M-1) desconocidas. La serie de los ndices
cronolgicos Zi se llama "Vector Regional de ndices Pluviomtricos
Anuales".

El MVR para la crtica de las precipitaciones


anuales
Dependiendo de la precisin que se requiera, el MVR puede ser utilizado
para completar datos faltantes, pero es, ante todo, un mtodo de crtica
de datos (G. Hiez, 1977. Y. Brunet Moret, 1979). El paquete
computacional HYDRACCESS, ejecuta el MVR y proporciona
informacin diversa en hojas de clculo Microsoft Excel. La
determinacin de la calidad de una estacin, es funcin de diferentes
parmetros calculados; los parmetros ms importantes, que dan una
buena idea del comportamiento de una estacin son: (a) La
Desviacin Standard de los Desvos (D.E.D), compara la desviacin de una
estacin respecto al vector, un valor fuerte indica desviaciones fuertes. (b)
Correlacin entre la estacin y el vector, si la zona es homognea
climticamente, los valores sern cercanos entre s, si un valor es
sensiblemente ms bajo que el promedio de la zona, entonces la
estacin tiene fuerte probabilidad de tener errores o que se encuentre en
el margen de la zona. Con estos conceptos, es posible realizar la crtica de
datos siguiendo un proceso iterativo de clculo del vector, inspeccin de
resultados separacin de estaciones desaprobadas, recalculo del vector,
etc. Al trmino del proceso de crtica, y segn el nivel de precisin que se
requiera, se obtienen regiones de estaciones con semejante
comportamiento multianual. Cada una de estas regiones obtenidas,
presentan un Vector Regional que muestra la variabilidad
pluviomtrica multianual en la zona que lo define y es adems
semejante al comportamiento de todas las estaciones constituyentes de
esa regin. Este Vector es, en consecuencia, un buen indicador de la
variabilidad hidroclimtica de la regin.

METODOS UTILIZADOS.-
Dos mtodos concurrentes fueron elaborados en el ORSTOM - IRD por G.
Hiez y Y. Brunet Moret. El mtodo de G. Hiez se basa en el clculo de la
moda (valor ms frecuente), mientras que el de Y. Brunet Moret se
basa en el promedio, eliminando los valores demasiado alejados del
promedio para evitar contaminar demasiado las estimaciones con datos
evidentemente errneos. Cada mtodo estima una media extendida
para cada estacin sobre el perodo de trabajo, y calcula los ndices
anuales de cada estacin, obtenidos al dividir el valor observado en una
estacin para un ao por sta media extendida. El mtodo de Y. Brunet
Moret considera que el ndice regional de un ao es el promedio de los
ndices de todas las estaciones. Sin embargo, toma la precaucin de filtrar
los ndices de las estaciones que se alejan demasiado del promedio,
puesto que el promedio es influenciado por los valores extremos. De
la misma manera, la media extendida de una estacin se calcula a
partir de la media de los valores observados o estimados, siempre
despus de filtrar los valores que se alejan demasiado de los valores
de las estaciones vecinas para un mismo ao. La filtracin de los
valores que se alejan demasiado del promedio se hace en forma
iterativa. Cuando tales valores se detectan durante una iteracin, son
remplazados por su estimacin por medio del Vector que acaba de
calcularse, y el clculo recomienza con estos nuevos valores, hasta
obtener un Vector Regional con ningn valor demasiado alejado. Por lo
tanto se puede notar que a pesar de filtrar los valores demasiado
alejados del promedio, estos valores guardan una cierta influencia
sobre el Vector Regional calculado. En efecto, el Vector calculado durante
una iteracin y utilizado para re-estimar estos valores est contaminado
por estos valores, sobre todo si las estaciones son poco numerosas. El
mtodo de G. Hiez considera que el ndice regional de un ao es el
ndice ms frecuentemente observado sobre las diferentes estaciones.
Por lo tanto, no es necesario filtrar los datos que se alejan demasiado
del promedio, puesto que los datos extremos tienen poco efecto sobre el
clculo de la moda. De la misma manera, la media extendida de una
estacin se calcula a partir de los valores ms frecuentemente en
concordancia con sus vecinas, y no con el promedio de todos los valores
observados. Por su concepcin, el mtodo de G. Hiez parece ms potente
para detectar datos errneos y construir rpidamente un Vector Regional
poco contaminado por estos datos errneos, pero se basa en un clculo de
la moda que siempre es delicado evaluar. Al contrario, el mtodo de Y.
Brunet Moret parece matemticamente ms slido, pero supone que el
utilizador haya eliminado todos los datos errneos para obtener un
Vector Regional confiable. La deteccin, correccin o eliminacin de
los datos errneos es de todos modos una buena poltica cualquiera
sea el mtodo utilizado, y es a menudo la meta principal de un anlisis con
el Mtodo del Vector Regional. En ausencia de un estudio comparativo
para determinar cul mtodo es el mejor, los dos mtodos son propuestos
en el mdulo Vector Regional, y el utilizador deber consultar la
bibliografa para utilizar el que le parezca mejor adaptado a su juego de
datos.

Metodologa
Para el mtodo de vector regional utilizamos el paquete de HYDRACCESS.
El paquete

computacional HYDRACCESS (IRD, P. Vauchel, 2005), presenta el MVR


dentro de sus Funciones Avanzadas, tal como muestra la Figura N1.
Dados los principios tericos del MVR, el inicio del procedimiento
debe hacerse empleando un mapa de climas de la zona u otras
herramientas que ayuden a identificar regiones climticas y que, por
tanto, se espera de stas un comportamiento pluviomtrico homogneo.
La Figura N2 presenta el Mapa Climtico del Per. Con la ayuda de esta
primera herramienta, se selecciona un grupo de estaciones
pluviomtricas pertenecientes a una misma regin climtica. Esta
seleccin, se puede hacer en HYDRACCESS empleando la ventana
Modificar juego de estaciones. Las Figuras N3,

muestran un ejemplo de seleccin para el caso de estaciones en el


departamento de San Martn en la selva alta peruana; las coordenadas de
los vrtices del cuadrante seleccionado, son ingresadas a las casillas
respectivas de HYDRACCESS. Seleccionado el grupo de estaciones a
analizar, se prosigue a obtener los valores de lluvia anual de dichas
estaciones (dado que el MVR es un mtodo basado el clculo de ndices
Anuales de lluvia), para esto, se ingresa a la pestaa Lluvias y se
activa la ventana Procesamientos Multiestacion, de la columna
Mensuales, se marcan las estaciones que se desean comparar y se
obtienen los datos anuales en una hoja de clculo Excel
HA_MultiEstaciones.xls. La Figura N4 describe el procedimiento a
seguir en HYDRACCESS. Para iniciar el clculo del MVR propiamente,
se debe ingresar a Utilitarios, luego a Funciones avanzadas, tal como lo
mostrado en la Figura N1. Al activar la ventana Vector Regional de
ndices Anuales, se debe, inicialmente cargar el archivo Excel
(HA_MultiEstaciones) pulsando leer un archivo multiestaciones.
Inmediatamente, se visualiza diversa informacin del conjunto de
estaciones seleccionadas, a continuacin se debe ingresar el ao de inicio
y del final del trabajo, as como la seleccin del mtodo a emplear para la
estimacin. Un primer ensayo de discusin acerca de las diferencias
del empleo de estos mtodos se presentar luego, esto en base a
resultados obtenidos de la crtica de datos pluviomtricos realizados en
el conjunto de la cuenca amaznica, la regin andina y del altiplano
(Espinoza, et al. 2005). Los parmetros de estimacin y procesamiento,
pueden ser cambiados en las casillas respectivas. Informacin
adecuada al respecto se encuentra disponible en el tutorial de
HYDRACCESS dentro de Ayuda (disponible en espaol desde la versin
2.1.4). Luego de la eleccin del mtodo y los parmetros, se
prosigue al Clculo del Vector, picando en la casilla correspondiente
que se encuentra ya activa. En la Figura N5 se aprecia la ventana
Vector Regional de ndices Anuales para el caso del ejemplo en curso, con
un periodo de trabajo entre 1960 y 2003 y con la aplicacin del
mtodo de Brunet-Moret. Antes de que se despliegue la hoja de clculo
Excel conteniendo toda la informacin sobre el Vector calculado, pueden
aparecer algunos mensajes, acerca de aos con datos insuficientes o
estaciones con datos insuficientes, segn los parmetros del
procesamiento seleccionados. Finamente, la hoja de clculo
HA_Vector.xls, es creada, y contiene abundante informacin sobre el
vector calculado. Esta hoja de clculo contiene 10 pestaas, cada una con
diversos parmetros y es el anlisis del conjunto de stos, lo que permite
elaborar un juicio adecuado de la calidad de las estaciones. Por tanto,
es acerca de este anlisis que se tratar a continuacin.

Anlisis y seleccin de estaciones.- Siguiendo con el ejemplo, la primera


pestaa mostrada por defecto al desplegarse la hoja HA_Vector.xls,
corresponde a Grfico_ndices, donde se muestran los ndices anuales del
Vector y de las estaciones, segn el mtodo seleccionado.
Esta primera salida grfica, da una buena idea del comportamiento
de las estaciones respecto al Vector y en algunos casos pueden, de
antemano, reconocerse estaciones con comportamiento diferente al
Vector calculado o de algunos aos con datos probablemente errneos. La
Figura N6 muestra el Grfico de ndices para el ejemplo presentado, en
ella se puede apreciar la existencia de estaciones con comportamiento
distinto a las dems constituyentes del grupo y que, por lo tanto
estn contaminando este Vector (que se muestra de color rojo
continuo). Adicionalmente, en esta Figura, pueden identificarse dos
caractersticas importantes en el clculo del Vector: La primera, es la
Correlacin de las estaciones respecto al Vector, las estaciones que
muestran un incremento y decremento los mismos aos que el Vector,
tendrn una buena correlacin. La otra caracterstica importante es la
Desviacin Estndar de las Desviaciones (D.E.D), que se muestra en la
Figura segn qu tan alejados estn los ndices de las estaciones
respecto al Vector, o que tan alejadas se encuentran de los lmites
(superior e inferior) establecidos para el clculo (lneas rojas punteadas).
Aunque es preciso ya tener en cuenta estos dos parmetros, en el anlisis
de otras pestaas de la hoja HA_Vector.xls, se explicarn ms a detalle.
Una vez analizada esta primera pestaa, y para conocer a mayor detalle los
valores de los ndices de las estaciones, de los lmites establecidos y del
Vector, se puede ingresar a la pestaa ndices, donde se encuentra la
informacin que ha dado origen a la pestaa Grfico ndices. Otra
salida grfica importante, se encuentra en Grfico Acumuladas, que
presenta la doble acumulacin de los ndices de las estaciones en el eje Y y
del Vector en el eje X. La Figura N7 muestra este grfico, donde se
pueden ver algunos cambios de pendiente en los datos de las estaciones,
lo cual refleja la probabilidad de datos errneos en esos aos. En este
caso, los datos resaltados en la Figura N6 pueden coincidir con los
cambios de pendiente. Lo cual da una mayor certeza de errores en estas
estaciones. Al igual que en el grfico de los ndices, para el acumulado,
tambin existe otra pestaa con la informacin acerca de este grfico
(Acumulados), donde se puede ver de manera ms minuciosa estas
diferencias respecto al Vector. La primera pestaa de HA_vector.xls,
corresponde a los datos de lluvia anual de las estaciones ingresados
para el clculo del Vector, aqu se puede ver informacin adicional acerca
de los aos de trabajo y los aos de informacin de cada estacin. Quizs
la informacin ms importante y fundamental para saber la calidad
de las estaciones, sea la que se encuentra en la pestaa Estaciones,
al final del anlisis de la informacin aqu presentada, ya se puede tener
una buena idea acerca de las estaciones a prescindir para continuar con la
crtica de datos. La Figura N8 muestra los valores encontrados para el
ejemplo en curso, cada una de las columnas contiene importante
informacin. Inicialmente se muestran las estaciones, por su Id_Estacin
que puede ser el cdigo o el nombre segn se haya hecho la
eleccin; la columna B corresponde a los aos de datos con que
cuenta cada estacin. La siguiente columna presenta las Desviaciones
estndar observadas y la columna D, los Coeficientes de

Variacin; estos dos ltimos parmetros, son importantes para


reconocer la variabilidad multianual de las estaciones, y son adems,
buenos indicadores de una misma zona, regida por un clima homogneo.
Las columnas E y F corresponden a las Medias observadas y
calculadas para cada estacin, la columna G es la Media de los
Desvos y la H, la Desviacin Estndar de los Desvos (D.E.D); este
parmetro tiene una gran importancia respecto a la calidad de la
estacin, puesto que, estaciones sometidas a un mismo rgimen
multianual, deben tener una D.E.D semejante y nunca muy elevado, as
mismo, el valor de este parmetro ser diferente en determinadas
regiones, bastante bajo donde la variabilidad es poco significativa (llano
amaznico brasileo, por ejemplo) y mas elevado donde es alta la
variabilidad de las lluvias (regin andina o vertiente pacfico, por ejemplo),
de modo tal que esta variacin debe tenerse en cuenta dependiendo
de la regin donde se realiza el anlisis. Posteriormente se
presentarn resultados de D.E.D para diferentes zonas encontradas en
la totalidad de la cuenca amaznica, el altiplano y la vertiente
Pacfico (Espinoza, et al. 2005). Este parmetro adems es de suma
importancia para reconocer el mtodo a seleccionar, como se ver ms
adelante en la comparacin entre Brunet Moret y Hiez. La columna I,
corresponde a un test de Homogeneidad planteado por Brunet Moret, y
da una idea acerca de encontrar rupturas dentro de la serie cronolgica de
cada estacin. La columna J es tambin de gran importancia para la
crtica de los datos, representa la Correlacin de cada estacin respecto
al Vector. Aqu puede verse que correlaciones muy bajas o negativas,
corresponden a estaciones que no se encuentran dentro de la zona
homognea o presentan mayor probabilidad de errores, as mismo,
se espera que las estaciones de una misma zona climtica tengan valores
cercanos de Correlacin/Vector. No obstante, debe hacerse un chequeo
de las estaciones con Correlaciones bajas, pues esto puede deberse a
un problema de muestreo si tiene una duracin muy corta. Las columnas
de K a O son producidas por el mtodo de Hiez, siendo las dos ltimas de
Calidad y Evaluacin, con estos parmetros se pretende dar un calificativo
a cada estacin, pero es un parmetro poco confiable, pues en la prctica
se observa que estaciones con baja correlacin y elevado D.E.D pueden
tener valores altos de Calidad y Evaluacin, y viceversa, estaciones
con alta Correlacin y bajo D.E.D, pueden presentar Calidad y
Evaluacin bajos. La pestaa denominada Vector, muestra informacin
del clculo del Vector, los ndices para cada ao y un dato de gran
importancia: el nmero de estaciones que ha sido empleado para el
clculo de cada ndice, aqu se podr saber, cules son los aos donde
el Vector presenta una mayor solidez de clculo. Tres pestaas ms se
presentan en la hoja HA_Vector.xls, las tablas de las Desviaciones y
Coeficientes, que pueden ser tiles para confirmar periodos
problemticos identificados previamente, no obstante, esta identificacin
siempre resulta complicada, siendo lo ideal en estos casos, tener el
acceso a los originales de los observadores, para controlar posibles
errores de tecleo o digitacin, periodos sin datos que se hallan ledo
como ceros, sumas errneas, etc.

Como puede concluirse de los prrafos anteriores, la crtica de cada


estacin se hace en funcin al anlisis de diversos parmetros y grficos,
slo de esta manera se puede decidir excluir una determinada estacin o
datos de una estacin del anlisis, y lo que resulta ms importante, que
este primer Vector calculado para la zona en estudio se encuentra
contaminado por las estaciones de baja calidad, por lo tanto, ser
necesario realizar otro clculo del Vector extrayendo las estaciones
seleccionadas, del mismo modo, la exclusin de estaciones debe hacerse
con mucha precaucin, pues su aparente mala calidad puede deberse
a que se las est comparando con un Vector contaminado. Otro concepto
importante, consiste en saber qu ocurre con las estaciones excluidas
del anlisis. Tres hiptesis dan respuesta a esta pregunta, la primera: la
estacin se encuentra en los lmites de la regin analizada, y por lo tanto
su comportamiento estar ms influenciado por otra zona climtica. La
segunda hiptesis: la estacin se encuentra en una micro-regin dentro de
la zona analizada y por lo tanto su comportamiento es diferente a las
estaciones restantes. Finalmente, la tercera hiptesis: la estacin contiene
en su serie de tiempo una mayor probabilidad de datos errneos. Como
se puede ver, este mtodo no muestra la certeza de que una
estacin contiene datos errneos, nicamente hace referencia a una
mayor probabilidad de presentarse estos errores en los datos.
Continuando con el proceso iterativo para el ejemplo planteado, se
seleccionan las estaciones con mayor probabilidad de errores, stas son
separadas en la prxima eleccin y se vuelve a abrir la hoja
HA_MultiEstaciones.xls y nuevamente se calcula el Vector para iniciar el
anlisis descrito anteriormente. Este proceso se repite hasta encontrar
un buen ajuste en los parmetros analizados (Correlacin/Vector, D.E.D,
Coeficientes de Variacin, grficos, etc.), luego de esto, y segn el nivel de
tolerancia que se tenga, puede decirse que se tiene un conjunto de datos
con una menor probabilidad de errores en su serie temporal, as mismo,
se debe iniciar el estudio en otra regin adyacente, incluyendo
estaciones desaprobadas en esta primera zona, as, al trmino del estudio,
podr decirse adems, que cada Vector representa la variabilidad de las
lluvias en cada una de las zonas analizadas. La Figura N9, muestra el
Grfico ndices de las estaciones homogneas de la regin planteada
en el ejemplo y la Figura N10 el Grfico Acumuladas de stas.

FALTA EL EJEMPLO APLICATIVO


BIBLIOGRAFIA
BRUNET-MORET (1971)
Etude de l'homognit des prcipitations par la
mthode des doubles masses.
Cahiers ORSTOM, Srie Hydrologie, Vol VIII, n4

BRUNET-MORET (1977)
Test d'homognit.
Cahiers ORSTOM, Srie Hydrologie, Vol XIV, n2

Espinoza J.C., J. Ronchail, J.L. Guyot, Cocheneau G., N


Filizola, W. Lavado, E. de
Oliveira, R. Pombosa and P. Vauchel. 2009a. Spatio
Temporal rainfall variability in the
Amazon Basin Countries (Brazil, Peru, Bolivia,
Colombia and Ecuador). International
Journal of Climatology, 29, 1574-1594.

HIEZ (1977)
L'homognit des donnes pluviomtriques.
Cahiers ORSTOM, Srie Hydrologie, Vol XIV, n2

BRUNET-MORET (1979)
Homognsation des prcipitations.
Cahiers ORSTOM, Srie Hydrologie, Vol XVI, n 3 et 4

VAUCHEL P. (2005)
HYDRACCESS Tutorial
www.mpl.ird.fr/hybam/o
utils/hydraccess_sp.htm

Vous aimerez peut-être aussi