1. INTRODUCCION1.1. ANTECEDENTES.-

El anlisis de los cambios en la precipitacin a distintas escalas espaciales y temporales es un tema de suma importancia para el Per y para el nivel global. La precipitacin es un componente fundamental del sistema climtico; en los actuales momentos existe un amplio consenso sobre la necesidad de profundizar el conocimiento sobre su variabilidad espacial y temporal dentro del contexto del cambio climtico global (Solomon et al. 2007, p. 996).En el nivel nacional, la caracterizacin de la precipitacin representa un papel fundamental en el comportamiento de los sistemas agroecolgicos del pas, en la dinmica de ciertas enfermedades endmicas como la malaria y el dengue, y en la distribucin espacial y la frecuencia de eventos hidrometeorolgicos extremos, causantes de erosiones, deslizamientos e inundaciones.Una de las limitaciones de muchos pases, incluido el Per, para profundizar en estos anlisis es la disponibilidad de datos climticos de buena calidad, en particular datos de precipitacin en forma de series de tiempo de larga duracin (al menos de 20 aos) y con una distribucin espacial que permita analizar simultneamente el problema de la variabilidad temporal y espacial para todo el pas.En el Per la responsabilidad principal del monitoreo y operacin de la red de estaciones meteorolgicas e hidromtricas recae en el SERVICIO NACIONAL DE METEOROLOGA E HIDROLOGIA (SENAMHI).En este trabajo se pretende estimar simultneamente la tendencia y la estacionalidad para un conjunto de estaciones de precipitacin de la red de meteorolgica nacional para las cuencas de Acari, Ocoa, Caman, Quilca-Vitor-Chili. La mayora de las estaciones consideradas tienen datos de precipitacin mensual desde 1,963 hasta 2,008; en cuanto a la distribucin espacial, muchas se encuentran en la parte media de la cuenca.1.2. OBJETIVO.-1.2.1. Objetivo General.-El objetivo general es evaluar el comportamiento y la evolucin temporal a nivel mensual de variables climticas como es la precipitacin en las cuencas de Acari, Ocoa, Caman, Quilca-Vitor-Chili.

1.2.2. Objetivo Especfico.- Establecer una base de datos de precipitacin mensual para las estaciones seleccionadas de las cuencas Acari, Ocoa, Caman, Quilca-Vitor-Chili. Determinar las tendencias y la estacionalidad de las series temporales de precipitacin para 38 estaciones de las cuencas Acari, Ocoa, Caman, Quilca-Vitor-Chili.

2. MATERIALES Y METODOS2.1. MATERIALES.- Mapa hidroclimtico del Per Mapa de cuencas hidrogrficas del Per Mapa de ubicacin de 38 estaciones en las Cuencas de Acari, Ocoa, Caman, Quilca-Vitor-Chili. Datos de precipitacin de 38 estaciones en las Cuencas de Acari, Ocoa, Caman, Quilca-Vitor-Chili.

2.2. METODOS.-

2.2.1. RECOPILACIN DE INFORMACIN.-La primera tarea en un estudio meteorolgico implica la recopilacin de la informacin registrada u observada en estaciones meteorolgicas dentro de la cuenca de estudio o en zonas cercanas o con influencia sobre esta; de manera que la red de observacin posibilite realizar la evaluacin y estimacin de la distribucin espacial y temporal de variables climticas.

2.2.1.1. PLUVIOMETRAEn las cuencas estudiadas existen 38 estaciones meteorolgicas con informacin de precipitacin mensual desde 1,963 a 2,008.A continuacin se exponen las estaciones estudiadas:Cuadro N01.- Estaciones Meteorolgicas en la zona en estudio

Como se aprecia en el cuadro precedente se tiene 12 estaciones de la cuenca del ro Acar, 01 estacin de la cuenca de Caman, 10 estaciones de la cuenca del ro Ocoa, 15 estaciones de la cuenca del Quilca Vitor Chili.

2.2.2. PROCESAMIENTO Y TRATAMIENTO DE LA INFORMACIN2.2.2.1. BASE DE DATOS EMPLEADA

El software utilizado para crear la base de datos de precipitacin es el Hydraccess. Es un paquete completo y homogneo que permite importar y guardar varios tipos de datos hidrometeorolgicos en una base de datos en formato Access 2000 (de office de Microsoft) y realizar los procesamientos bsicos que un hidrlogo o meteorlogo pueda requerir.Hydraccess puede manejar los siguientes datos a nivel instantneo, horario, diario y mensual y algunos procesamientos de la informacin:Series cronolgicas: cotas, caudales, datos de calidad de aguas, lluvias y datos meteorolgicos.Aforos.Calibraciones de curvas de gastoInformacin histrica de las estaciones y descripcin de esta.Cotas de los ceros de escalas en nivelacin general (en metros sobre el nivel del mar).

Los datos cronolgicos tales como cotas, caudales, calidad de aguas, lluvias o datos meteorolgicos son organizados por campos, y son vinculados al cdigo de la estacin (punto de medicin) y a un captor (cdigo de la serie observada), misma que posee propiedades que definen su tipo, unidad, nmero de dgitos significativos y de decimales, etc. Existen tres tipos de captores:Captores instantneos I: los datos son ingresados con fecha y hora libres sin imponer un intervalo de tiempo fijo. Captores diariosD: se ingresa un solo valor por da.Captores mensuales M: se ingresa un solo valor por mes.

Entre los procesamientos que son posible son: generacin de grficas simples o comparativos a partir de los datos importados; visualizacin grfica; agregar datos con varios intervalos de tiempo fijo, desde el minuto hasta el ao, pasando por el da, 5 das, 10 das, 15 das y el mes; elaborar tablas de anuario a nivel diario o mensual y realizar un inventario de los datos presentes en la base.

2.2.2.2. ANLISIS DE TENDENCIASa) Anlisis grfico visual.- Evaluacin inicial de la calidad de los datos originales, por simple anlisis grfico de datos.En coordenadas cartesianas se plotea la informacin hidrolgica histrica, ubicndose en las ordenadas 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 perodo o informacin hidrolgica en forma visual, e indicar el perodo o perodos 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 son producto de errores sistemticos.Para conocer la causa del fenmeno detectado, se puede analizar de diversas formas:1. Cuando se tienen estaciones vecinas, se comparan los grficos de las series histricas, y se observa cul perodo vara notoriamente uno con respecto al otro.2. Cuando se tiene una sola estacin, esta se divide en varios periodos y se compara con la informacin de campo obtenida.3. Cuando se tienen datos de precipitacin y escorrenta se comparan los diagramas, los cuales deben ser similares en su comportamiento.

b) Mtodo del Vector Regional y anlisis de consistencia de la precipitacin y temperaturas a nivel mensual.- El MVR es un mtodo de clculo orientado a tres tareas definidas: La crtica de datos, la homogenizacin y la extensin-completacin 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 debido 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, reclculo 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.

Mtodos 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.

APLICACIN DEL M.V.R CON HYDRACCESSEl 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.

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. 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. Para iniciar el clculo del MVR propiamente, se debe ingresar a Utilitarios, luego a Funciones avanzadas, tal como lo mostrado. 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.

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.

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.

c) Preparacin y armado de series continuas mensuales y anuales de los datos de precipitacin para el anlisis de tendencias. Los datos originales presentan vacos o lagunas en algunos meses o periodos, que deben ser reconstituidos para poder aplicar test estadsticos usados para el anlisis de tendencias.

d) Anlisis de tendencias de precipitaciones anuales, aplicando test estadsticos paramtricos y no paramtricos, incluidos en el programa TREND.

2.2.2.3. ANALISIS DE ESTACIONARIEDADEl Anlisis de estacionalidad se realiz en base a las precipitaciones anuales determinando si las series temporales son estacionarias o no estacionarias de acuerdo a los siguientes criterios: Una serie es estacionaria si la media y la variabilidad se mantienen constantes a lo largo del tiempo. Una serie es no estacionaria si la media y/o la variabilidad cambian a lo largo del tiempo. Series no estacionarias pueden mostrar cambios de varianza. Series no estacionarias pueden mostrar una tendencia, es decir que la media crece o baja a lo largo del tiempo. Adems, pueden presentar efectos estacionales, es decir que el comportamiento de la serie es parecido en ciertos tiempos peridicos en el tiempo.

3. RESULTADOS3.1. ANALISIS DE TENDENCIASa) Anlisis grfico visual:En el siguiente grfico se aprecia los resultados obtenidos para las diversas estaciones procesadas:

3.2. .

b) Mtodo del Vector RegionalAnlisis y seleccin de estaciones.- 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.

En el grfico N02 se aprecian los ndices anuales del Vector y de las Estaciones segn el mtodo de Brunet Moret.

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. En el Grfico de ndices de nuestro trabajo de investigacin, 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 este Grfico, 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 el Grfico 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.

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. En el grfico N03 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 este grfico pueden coincidir con los cambios de pendiente. Lo cual da una mayor certeza de errores en estas estaciones.

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. (Cuadro N02). Cuadro N02.- Datos de las Estaciones.

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.(cuadro N03)

Cuadro N03.- Resultados de las Estaciones en estudio(A) Id Estacin(B) No Aos(C)D.E. Obs.(D) Coef. Variacin(E) Media Obs.(F) Media Calculada(G) Media Desvos(H) D.E. Desvos(I) Homogeneidad B.M.(J) Correl. /Vector(K) Lin. a priori(L) Lin. a post.(M) Proporcionalidad(N) Calidad(/10)(O) Evaluacin(/10)

ACARI201.62.1980.76.3-0.6820.8110.659-0.2130.910700

PALCACHACRA102.70.6054.46.2-0.1490.3870.0230.5210.25213.92.4

PUQUIO422.30.77133.4-0.1440.8510.0720.5120.3641.41.3

CECCHAPAMPA103.20.7194.57.3-0.2410.4740.0160.3470.30.19645.65.5

INCUYO162.11.03624.1-0.2960.5140.0030.5390.33251.91.9

PAUSA332.11.2641.74-0.3690.5950.1170.5320.42890.60.6

COTAHUASI331.90.6992.73.3-0.1160.7840.1070.4660.273.43.3

IMATA3470.90.535132.4179.8-0.0890.6580.5840.3060.610.640.35551.51.5

AGUADA BLANCA10400.67559.287.2-0.1750.4850.7030.3951.421.10.5690.10.1

HUASACACHE1124.91.2462053.6-0.2380.3390.660.8770.30.370.5920.10.1

LA JOYA212.21.8541.24.9-0.6360.8250.2390.2280.47940.30.3

SANTA RITA1200.5420016.01617.9830.5250.898

CAMANA280.12.3950.10.4-0.6450.8120.1440.11

CHARACATO1664.90.93669.4115-0.4511.0950.5680.06110.750.735500

LA PAMPILLA1134.31.17629.276-0.2270.30810.9170.780.430.666300

EL FRAYLE3244.40.56978122.8-0.110.3430.0370.5340.350.730.39740.90.9

AREQUIPA3322.91.1819.431.7-0.5291.2270.0950.2411.521.190.658100

HUARATO200.21.8850.10.3-0.6060.8140.3770.251

PAMPAHUASI132.50.4285.95.20.0380.7140.4480.6350.590.060.19345.75.7

LUCANAS435.11.1334.59.6-0.4891.0430.0010.0980.620.280.52540.20.2

CERRO CONDORILLO2820.5513.63.8-0.1030.8760.0020.3620.32622

PAUCACORRAL313.30.883.85-0.3170.9930.010.3191.320.41150.80.8

SAN PEDRO DE CECCHA322.50.9562.65-0.3110.6380.0130.3050.53160.10.1

CCECCAA164.20.7735.48.7-0.230.4550.0180.5410.30.240.21125.15.1

TARCO62.50.73.65.9-0.2210.4120.140.5310.26333.53.5

URAYHUMA154.40.716.29.9-0.1620.4060.2180.540.240.340.30562.52.5

LAMPA421.40.8231.72.7-0.2710.8880.0040.250.3970.90.9

CHINCHAYLLAPA433.70.7245.17.4-0.2270.8590.0020.2510.590.610.32082.12.1

SAIROSA64.30.8555.19-0.0830.1770.5920.9410.17636.36.3

SUMBAY1041.30.46389.2161.1-0.0040.1080.2350.8970.540.320.17026.56.5

URASQUI1500.98003.2734.5870.6220.917

CHIGUATA1140.40.72255.9112.2-0.1120.1860.930.9070.690.520.27683.23.2

PILLONES4347.51.73227.4144.7-0.7341.1680-0.130.680.650.45390.50.5

LAS SALINAS431.50.6042.42.8-0.0870.760.0160.4290.37641.21.2

El cuadro N03 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 (zona costera) y mas elevado donde es alta la variabilidad de las lluvias (regin andina), de modo tal que esta variacin debe tenerse en cuenta dependiendo de la regin donde se realiza el anlisis.

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.

Cuadro N04.- Vector Regionalizado en la zona en estudio

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., las cuales por lo expuesto anteriormente no se consideran en el presente trabajo de investigacin.

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.

c) Preparacin y armado de series continuas anuales de los datos de precipitacin para el anlisis de tendencias. Tal como se indic anteriormente luego de realizados los pasos precedentes, se procede al armado de series continuas mensuales y anuales de los datos de precipitacin para el anlisis de tendencias.

Cuadro N05.- Series continuas anuales de los datos de precipitacin para el anlisis de tendencias.-

d) Anlisis de tendencias.-En base a los pasos previos se procedi a ingresar los datos para el anlisis de tendencias respectivas, tal como se expone en los siguientes resultados:

Cuadro N06.- Anlisis de Tendencias con el programa TREND. Test statisticCritical valuesResult

(Statistical table)

a=0.1a=0.05a=0.01

Mann-Kendall1.3161.6451.962.576NS

Cusum98.2749.22411.055S (0.1)

3.2. ANLISIS DE ESTACIONARIEDAD.-En base a los anlisis de tendencias y los mtodos utilizados se aprecia que segn Mann Kendall es no significativo y segn Cusum si lo es.

4. CONCLUSIONES Y PERSPECTIVAS.-Se aprecia las siguientes conclusiones y perspectivas:1. Se despreci 08 estaciones por tener datos no consistentes.2. Los resultados nos demuestran que no existe estacionalidad ni variabilidad climtica para las estaciones involucradas en el presente trabajo de investigacin.3. Como perspectiva tenemos que existe siempre un periodo de retorno en el comportamiento climtico en lo referente a precipitacin.