CONGRESO NACIONAL DE ESTUDIANTES DE INGENIERÍA AGRÍCOLA

PONENCIA:
Regionalización de la distribución de probabilidad de las Precipitaciones Mensuales en la Vertiente
del Titicaca Puno

Regionalization of the Probability Distribution of the Monthly Precipitations in the Slope of the
Titicaca Puno
Maestrantes:
Jhon Alexander Zapana Arpasi; email:alxandr1254@gmail.com, telf: 961034583,
Luis David Mamani Mamani; email:demi.lui@hotmail.com, telf: 971590201
Emily Milagros Quispe Salazar; email:emilymquispesalazar@gmail.com, telf: :964108313 *
Alex Zuñiga Huamani; email:alexkoga5@gmail.com, telf.:989343655*

Institución de Origen:
UNIVERSIDAD NACIONAL DEL ALTIPLANO
FACULTAD DE INGENIERÍA AGRÍCOLA
ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA

RESUMEN

Realizar el análisis de distribución de las precipitaciones mensuales en la Vertiente del Titicaca, Con
la finalidad de comparar y elegir el mejor ajuste con el software Hyfran. comprendidas en 5 Sub
cuencas: Ramis, Huancané, Ilave, Illpa y Mauri. Mediante los datos de 20 estaciones pluviométricas,
cada una de ellas con 36 años de observaciones comprendidas entre 1981 – 2016. Entre los
resultados del estudio se ha determinado 5 regiones homogéneas de precipitación clasificadas por
elevación, Mapa Climatológico y por rango de tasa de precipitación (por ejemplo en la Región 1 las
precipitaciones varían de 134.8 a 877.2 mm /año, conformada por 3 estaciones y localizadas entre
los 4080 y 4530 msnm, en la Región 2 varía de 392.5 a 1252 mm/año, conformada por 5 estaciones
y localizada entre 3812 y 3891 msnm, en la Región 3 varía de 233.2 a 1229.1 mm/año, conformada
por 3 estaciones y localizada entre 3828 y 4508 msnm, en la Región 4 varía de 331.1 a 1283.1
mm/año, conformada por 5 estaciones y localizada entre 3963 y 3971 msnm y en la Región 5 varía
de 397.4 a 1025.5 mm/año, conformada por 4 estaciones y localizada entre 3830 y 4380 msnm).
También se ha realizado el análisis de tendencias utilizando el software trend. Como resultado las
dos distribuciones más apropiadas para representar la variable de la precipitación mensual en la
Vertiente del Titicaca son: la distribución Weibull y la distribución Gamma, que mezclan la
distribución. Los pesos de estas dos distribuciones varían según el tiempo y el espacio.

Palabras clave: precipitación mensual, probabilidades, tendencias, distribución Gamma, Weibull.

1
ABSTRACT

The objective to make the analysis of the distribution of monthly rainfall on the slope of the Titicaca,
in order to compare and choose the best fit with the software Hyfran. within 5 sub basins: Ramis,
Huancané, Ilave, Illpa and Mauri. Using data from 31 rainfall stations, each with 36 years of
observations between 198-2016. Among the results of the study has determined 5 homogeneous
rainfall regions classified by elevation, Map Weather and rainfall rate range (for example in the
Region 1 precipitation varies from 134.8 to 877.2 mm/year, composed of 3 stations and located
between the 4080 and 4530 meters above sea level, in the Region 2 varies from 392.5 to 1252
mm/year, composed of 5 stations and located between 3812 and 3891 meters above sea level, in
the Region 3 varies from 233.2 to 1229.1 mm/year, composed of 3 stations and located between
3828 and 4508 meters above sea level, in the Region 4 varies from 331.1 to 1283.1 mm/year,
composed of 5 stations and located between 3963 and 3971 meters above sea level and in the
Region 5 Varies from 397.4 to 1025.5 mm/year, composed of 4 stations and located between 3830
and 4380 masl). It is also to analysis of the tendencies using the trend. As a result, the two most
appropriate distributions to represent the variable of the average monthly rainfall on the slope of the
Titicaca are: the Weibull distribution and the Gamma distribution, that mix the distribution. The weight
of these two distributions vary according to time and space.

2
INTRODUCCIÓN

El presente trabajo consiste en realizar el análisis de distribución de precipitaciones mensuales en

la Vertiente del Titicaca-Puno, Con la finalidad de comparar y elegir la distribución más adecuada
de las series precipitaciones mensuales, las que están comprendidas en 5 Sub cuencas
hidrográficas: Ramis, Huancané, Ilave, Illpa y la Cuenca Mauri. Mediante los datos de 20 estaciones
pluviométricas, cada una de ellas con 36 años de observaciones comprendidas entre 1981–2016.
Entre los resultados del estudio se ha determinado 5 regiones homogéneas de precipitación,
clasificadas por elevación, mapa climatológico y por rango de tasa de precipitación, para este se ha
utilizado el Método del Vector Regional MVR y el Método de Cluster. Y el análisis de tendencias
utilizando el Software Trend, del cual se ha obtenido las 2 distribuciones más apropiadas para
representar las variables de las precipitaciones mensuales

Los objetivos de esta investigación son:

Definir y regionalizar parámetros estadísticos, incorporando variación temporal (frecuencias) de la

precipitación mensual en la vertiente del Titicaca, para las diferentes temporadas que variaran en el
tiempo y espacio.

Contribuir a la creación de una referencia, en la organización espacio - temporal de los elementos

climáticos de la lluvia en el tiempo

Los eventos extremos de precipitación, ocasionan inundaciones en zonas con baja pendiente,
deterioro de estructuras hidráulicas, avería de vías y erosión de suelos agrícolas, provocando daños
económicos- sociales y todo ello se generan muchas veces por la mala estimación de estos eventos.
Si se requieren estimaciones para períodos de retorno más grandes, otros métodos como el análisis
de frecuencia regional, son necesarios, por lo tanto, el ajuste estadístico de la serie de
precipitaciones mensuales se llevó a cabo por el HYFRAN de software (Análisis de frecuencia
Hidrológico), desarrollado por el Instituto Nacional de Investigación Científica - Agua, la Tierra y el
Medio Ambiente (Pontégnie, D, 2005).

Un análisis regional de frecuencia exhaustivo, requiere de la identificación de regiones homogéneas

y para ello Gottschalk (1985) aplicó el análisis de conglomerados y componentes principales,
encontrando que el análisis de conglomerados es un método adecuado para su uso. Hosking y
Wallis (1997) sugieren considerar para la formación de regiones homogéneas, características del
sitio tales como la localización, la altitud, la precipitación, la estación en la que se producen los
eventos máximos, etc.

METODOLOGIA

Área de estudio

La zona de estudio, forma parte de la región hidrográfica del Titicaca y sistema hídrico TDPS, se
caracteriza como un sistema de cuenca endorreica, ubicada entre los departamentos de Puno y

3
Tacna. La superficie total es de 49,171.54 Km2, el régimen hidrológico es pluvial, presentándose las
mayores precipitaciones y descargas en los meses de diciembre a marzo y las temperaturas más
bajas concentradas generalmente en los meses de junio y julio. Los limites hidrográficos; por
el norte y este con la región hidrográfica del Amazonas y por el oeste y sur con la región hidrográfica
del Pacífico. el ámbito de estudio está ubicado entre las coordenadas UTM (WGS84, zona 19 sur),
Latitud Sur: 14°03’26.6” a 15°27’33.7” y Longitud Oeste: 69°25’26.4” a 71°07’4.7” y una
Altitud que varía entre los 3,812 – 4,530 msnm.

Fig. 1. Ubicación espacial del área de estudio y estaciones utilizadas en toda la Vertiente del
Titicaca.

RED DE ESTACIONES Y PERÍODOS DE OBSERVACIÓN

La precipitación mensual utilizada en este estudio, cuyos datos han sido obtenidos del Servicio
Nacional de Meteorología e Hidrología del Perú (SENAMHI) y (PISCO) de 20 estaciones,
distribuidas en toda la Vertiente del Titicaca.

VALIDACIÓN

proceso de validación mediante la correlación, climatología y el Error Vías.

MÉTODO DEL VECTOR REGIONAL (MRV)

El MVR es un método de cálculo orientado a tres tareas definidas: La crítica de datos, la

homogenización y la extensión-compleción de datos de precipitación. La hipótesis se basa en asumir
que, para una misma zona climática sometida a un mismo régimen de precipitaciones, los totales
pluviométricos anuales son seudo-proporcionales, con una pequeña variación aleatoria cada año
debido a la repartición de las lluvias dentro de la zona. Se elabora una estación ficticia que sea una
“especie de promedio” de todas las estaciones de la zona, con la cual se comparan cada una de las
estaciones.

4
TÉCNICA DE AGRUPAMIENTO K-MEANS (K-MEANS CLUSTERING TECHNIQUE)

La realización de este análisis, se efectuó a través del software Minitab 17, utilizando los datos de
precipitación promedio multi-mensual y el coeficiente de variación (Cv), eligiendo la máxima
homogeneidad
Fig.2. Análisis de datos mediante el Método de Vector Regional.
Análisis de tendencias

Es determinar si la probabilidad de distribución de la serie ha cambiado con el tiempo

Tabla N° 1. Resumen del Análisis de tendencias.

5
 Fig. 3. Gradiente de las estaciones Capazo, Mazocruz y Pizacoma.

Fig. 4. Histogramas de Precipitación Mensual SENAMHI - PISCO.

Fig. 5. Análisis de la correlación de la serie de Precipitación SENAMHI – PISCO y el Índice de

Error

6
 Análisis de Distribución

Esta predeterminación se basa en la definición e implementación de un modelo de dominio

(estadísticas), que es una ecuación que describe el comportamiento estadístico de un
proceso. (CHS INRS-ETE 2005).

Fig. 6. Diagrama de las etapas de análisis de frecuencia.

Se realizó el análisis de distribución de las precipitaciones mensuales de los meses más lluviosos
de (Noviembre, Diciembre, Enero, Febrero, Marzo y Abril) de todas las estaciones distribuidas en
la vertiente del Titicaca.

este método ha sido adoptado para la comparación y la elección de la ley más conveniente para el
ajuste de la precipitación mensual y la clasificación de series de nuestro estudio, donde los mejores
ajustes corresponden a los valores más altos de la probabilidad a posteriori y donde la ley se ha
mantenido. (Dautrebande. 2006)

RESULTADOS Y DISCUSIÓN

Resultados de los ajustes

Después de la serie de ajuste de precipitación media mensual, se determina parcelas de x (T) para
los diferentes meses, en las estaciones claramente se ve el grado de concordancia entre las
observaciones y el modelo adaptado luego de la comparación mediante información Bayesiana
(BIC) y de los criterios de Akaike (AIC).

7
 Fig. 7. Criterio de comparación BIC y AIC

Fig. 8. Representación gráfica de x (T) durante los meses de Enero y Febrero para algunas
estaciones.

8
9
Después de la elección de la ley más adecuada para cada mes, se calcula el porcentaje de
estaciones donde se adopta este modelo para su peso (número de estaciones donde la ley se
mantiene informado el número total de estaciones procesadas en nuestro estudio). Sin embargo, el
ajuste de la lluvia mensual puede resultar en el rechazo de todas las leyes modelada por HYFRAN.

Fig. 9. Distribución mensual del ajuste de ley de probabilidades para los meses de Noviembre,
Diciembre, Enero, Febrero, Marzo y Abril.

Regionalización de las leyes de distribución

Regionalización de las leyes de distribución, en la figura 10 muestra las leyes por mes dentro
de la región.

La distribución general de las leyes no necesariamente refleja su distribución en el espacio y para

resaltar el efecto de factores regionales en la distribución de la lluvia mensual y la regionalización
de la distribución a través de leyes, su subdivisión en cinco zonas geográficas principales condujo
a los grupos mencionados de estaciones.

Hecho, para todas las estaciones y el mes, la ley que se ajusta mejor es la de weibull en el mes de
diciembre y por la ley de distribución Gamma en el mes de enero y los de más leyes ajustándose
en algunos meses no consecutivamente como los dos anteriores mencionados y se puede ver en
la Fig. N° 9

10
 Fig.10. Distribución espacial por meses, como se puede visualizar el mejor ajuste de la serie de
precipitación es Weibull (WE), Gamma ( GA), Gumbel (GU), Log Normal (LN), Log Pearson Tipo
III (LPT-III), Exponencial (EX), Gamma Generalizada (GG),Normal (N), Gamma Inversa (GI), y la
Distribución GEV.

CONCLUSIONES

Se realizó el análisis exploratorio de datos (AED), para cada una de las estaciones

La validación de la data de PISCO se realizó con la data observada de SENAMHI teniendo una buena
correlación que varía de 0.7 a 0.9 y su Índice de Error de 90% a 105%.

Con el uso del método de Vector Regional, podemos identificar que los coeficientes de correlación son
mayores a 0.9 y la Desviación estándar de los desvíos son menores 0.09 cercano a cero.

Se realizó el análisis de estacionariedad con el test no paramétrico Estacional de Mann- Kendall y

CUSUN, el cual indica no hay tendencia ni saltos en la media para la precipitación total anual para el
periodo de 1981 al 2016.

Las leyes de distribución de probabilidad analizados para los meses de Noviembre, Diciembre, Enero,
Febrero, Marzo y Abril, se ajustó del 25% al 55% es (WEIBULL) y 15% al 45% (GAMMA) y los demás
leyes menores al 15% basados en los parámetros de AIC (Criterio de Información de Akaike) y BIC
(Criterio de Información Bayesiano).

FUENTES BIBLIOGRÁFICAS

• Pedro Rau, Waldo L., Regionalization of rainfall over the Peruvian Pacific slope and coast,
Int. J. Climatol. 37: 143–158 (2017)

• CHS INRS-ETE (Chaire en hydrologie statistique INRS Eau Terreet Environnement), (2005).
HYFRAN (Hydrological Frequency Analysis). http://www.ete.inrs.ca-activitesgroupes- chaire_hydrol-
chaire9.html.

11
• Dautrebande et al. (2006). Estimation des Débits Rares de Crues Pour les Cours d’eau de
la Région de Wallonne (Belgique). La Houille Blanche, 6, 87–91.

• Merzougui & Slimani, (2012). Régionalisation des Lois de distribution des pluies mensuelles
en Tunisie. Hydrological Sciences Journal, 57 (4), 668–685.

• Senamhi, (2009). Adaptación y Mitigación al cambio climático en los Andes tropicales del
Perú.

• Pontégnie, D. et al. (2005). Projet de cartographie des zones d’inondation de Wallonie, volet
«Calculs statistiques ». Journée d’étude: La cartographie des zones d’inondation et l’évaluation des
risques de dommages, Faculté universitaire des sciences agronomiques deGembloux.
http://www.fsagx.acbe/ha/pdf/cezi_present ation_CS_141005_Inunda.pdf.

12