Manuel

Manuel
Manuel
Manuel
Casanova:
Manuel
Casanova:
Manuel
Casanova:
Casanova:
Casanova:
Casanova:

MTODO SIMPLE PARA LA ESTIMACIN DE LA

PRECIPITACIN MXIMA EN 24 HORAS EN LA ZONA
CENTRAL DE CHILE
Luis Morales S.1, 2 , Manuel Casanova P.2b, Giorgio Castellaro G.2b, 2c y Cristian Mattar B.1, 2a
1 Universidad Tecnolgica Metropolitana
Departamento de Fsica,
Av. Jos Pedro Alessandri 1242, Santiago. Chile,
2 Universidad de Chile
2a Departamento de Ciencias Ambientales y Recursos Naturales Renovables.
2b Departamento de Ingeniera y Suelos
2c Departamento de Produccin Animal
Av. Santa Rosa 11315, Santiago, Chile.

Resumen: La erosin hdrica es uno de los problemas ms graves que afectan a los suelos de la zona
central de Chile, pero para estimar la erosin producida por las precipitaciones es necesario contar con el
valor mximo de ellas en 24 horas. Sin embargo en la zona de estudio existen muy pocas mediciones de
este valor, lo que conlleva a serias dificultades a la hora de hacer una evaluacin cuantitativa del fenmeno.
Usualmente los valores medios mensuales son los nicos al alcance de cualquier usuario en el pas,
debido a que pueden ser obtenidos desde anuarios meteorolgicos. La informacin bsica de stos,
consiste en los montos y la frecuencia de precipitaciones medias mensuales. Este trabajo muestra un
mtodo eficiente y confiable para obtener valores de precipitacin mxima en 24 horas a partir de los
valores medios mensuales de monto de precipitaciones.
INTRODUCCIN
El fenmeno del monto diario de precipitacin, puede ser considerado de naturaleza estocstica. En
efecto, esta premisa puede ser respaldada por el hecho de que asociado a cada evento de monto diario de
precipitacin, existe una probabilidad de ocurrencia, que no necesariamente es independiente de los
montos cados en das anteriores. De esta forma se puede asociar a cada evento una cierta probabilidad de
ocurrencia, que depende de los eventos anteriores, denominados probabilidades de transicin. As, se
puede indicar como ejemplo, la matriz siguiente.

p12
p 22

Pmxina 24 horas (i) = 21.359495 P(i)0.31

250
Ppmax_24 = 21.359495 PPmes 0.3096368
R 2 = 0.672

200

(1)

donde p11 representa la probabilidad que llueva hoy, dado que ayer llovi, p12 la probabilidad que llueva hoy,
dado que ayer no llovi, p21 la probabilidad que no llueva hoy, dado que ayer llovi y p22 la probabilidad que
no llueva hoy dado que ayer no llovi. Estos valores de probabilidades de transicin son estimados desde
series histricas de datos pluviomtricos. A un proceso de este tipo se le denomina proceso en cadena de
Markov. Sin embargo, en Chile es difcil disponer de series de datos diarios de precipitaciones, por ello es
necesario contar con algoritmos simples a fin de estimar la precipitacin mxima en 24 horas a nivel local.
Estas aproximaciones adquieren importancia destacada cuando se desea realizar estimaciones de tasas de
erosin por ejemplo en una zona especfica; o bien, son tiles al momento de disear de obras de
conservacin, dado el anlisis de precipitaciones requerido para estos efectos.

(5)

En la Figura 1 se muestran los resultados de la relacin entre las precipitaciones medias mensuales y los montos
mximos en 24 horas. En sta se incluye el coeficiente de determinacin, mostrando que el modelo explica el 67,2%
de la variabilidad, adems p < 0.01, indica que los valores de precipitacin mxima en 24 horas y los montos medios
mensuales estn relacionados significativamente con un 99% de confianza. La Figura 2 muestra la rutina implementada
en Visual-Basic Excel, de tal forma de contar con una herramienta de rpida visualizacin para cada estacin. La Figura
3 muestra un ejemplo de la utilidad de esta rutina, ya que permite espacializar la precipitacin mxima en 24 horas a
partir de un sistema de informacin geogrfica.

PPmax24

p
P = 11
p 21

La precipitacin mxima en 24 horas se calcul a partir de la relacin

150

100

50

0
0

100

200

300

400

500

PPmed

Figura 1

MATERIALES Y MTODO
Este trabajo aborda un mtodo simple de estimacin de las precipitaciones mximas en 24 horas, basado en
los desarrollos tericos de diversos autores (Richardson, 1981; Geng et al., 1986; Selker & Haith, 1990).
Particularmente en este caso se propone una relacin entre los montos mensuales de precipitacin y su valor
mximo en 24 horas del tipo potencial, esto es:

Pmxina 24 horas (i) = a P(i)b

(2)
Figura 3

donde P(i) corresponde a la precipitacin media mensual, a y b son constantes a determinar. Esta ecuacin
es vlida para el periodo de la serie de tiempo, lo que equivale a considerar el perodo de retorno aproximado
como el intervalo de tiempo de la serie. Para estimar los coeficientes de la ecuacin (2) se utilizaron los datos
del Proyecto Hidrometeorolgico, que cuenta con registros meteorolgicos de 36 estaciones seleccionadas
para el perodo 1916-1945. De stos, se tomaron las precipitaciones medias mensuales, las mximas en 24
horas, y su frecuencia.

RESULTADOS Y DISCUSIN
La frecuencia de precipitaciones media mensual se consider como una combinacin lineal del lugar de
presin mxima en Chile o lpm (Saavedra, 2002), de tal forma que la ecuacin que los relaciona es del tipo:

nLluvia (i) = a + b [lpm(i) Lat ]

Figura 2

CONCLUSIONES
El gran aporte del modelo propuesto es en su simplicidad, ya que a partir de valores medios mensuales de montos de
precipitaciones se obtiene el valor mximo diario; adems, frecuencia de precipitaciones. Esto cobra importancia ya que
en Chile es fcil contar con datos mensuales, obtenidos a partir de anuarios meteorolgicos, pero valores horarios es
prcticamente imposible. El modelo implementado se muestra como una herramienta til para generar los valores
medios mensuales de la precipitacin mxima en 24 horas para la zona central de Chile. Esto se hace evidente ya que el
modelo es capaz de explicar el 67,2 % de la variabilidad espacial y temporal de la precipitacin mxima diaria.

(3)
REFERENCIAS

donde Lat representa a la latitud del lugar considerado y lpm(i) es el lugar de presin mxima en Chile para
el mes i. Los coeficientes a y b dependen de la latitud (Lat) y longitud (lon) y estn dados por:

a = 0.987 + 0.6850 lat 0.1910 lon

(4)

b = 3.483 0.0862 lat 0.0221 lon

donde el coeficiente de determinacin muestra que las relaciones explican el 87,9% de la variabilidad,
dems p < 0,01, lo que indica que las variables estn relacionadas significativamente con un 99% de
confianza.

Richardson, W. 1981. Stochastic simulation of daily precipitation, temperature and solar radiation. Water Resource Research, 17:182-190
Geng, S., Penning de Vries, F. and Supit, I. 1986. A Simple Method for Generating Daily Rainfall Data. Agriculture and Forest Meteorology,
36:363-376.
Selker, J. and Haith, D. 1990. Development and testing of single parameter precipitation distributions. Water Resource Research, 26:2773-2740.
Mansilla, A. y Silva, G. 1993. Anlisis de sistemas en Produccin Animal. Teora y aplicaciones. Fac. Cs. Agrarias y Forestales, Universidad de
Chile. 260 p.
Weibull, W. 1951. A statistical distribution function of wide applicability. Journal Applied Mech., 18:293-302.
Saavedra, N., Mller, E. and Foppiano, J. 2002. Monthly Mean Rainfall Frequency Model for the Central Chilean Coast: Some climate Inferences.
International Journal of Climatology, 22: 1495 1509