estudio de la precipitación máxima diaria anual en la región ...1/2. = (0.90022) 1/2= 0.94880...
TRANSCRIPT
Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAMISSN 0188-4611, Núm. 65, 2008, pp. 56-67
Estudio de la precipitación máxima diaria anual en la Región Hidrológica No. 10 (Sinaloa), con base en Distancias EuclidianasRecibido: 24 de abril de 2007. Aceptado en versión final: 11 de septiembre de 2007
Daniel Francisco Campos Aranda*
*Facultad de Ingeniería, Universidad Autónoma de San Luis Potosí, Genaro Codina # 240, Col. Jardines del Estadio, 78280, San Luis Potosí. E-mail: [email protected]
Resumen. Se destaca la importancia de los registros plu-viométricos como base de las estimaciones de crecientes de diseño, cuando la información hidrométrica y pluviográfica no está disponible. En seguida se citan los objetivos del estudio y se describe la información de lluvias máximas diarias anuales utilizada en 67 estaciones de la región Hidrológica No. 10, cuyas amplitudes de registro variaron de 23 a 38 años. A continuación se describe con detalle la fórmula de las Distancias Euclidianas, la cual se aplica con tres atributos para buscar las subregiones y con cinco para
obtener en cada estación su región de influencia integrada por diez pluviómetros. Se verifica la conveniencia de las tres subregiones definidas con base en una prueba estadística simple. Por último, se formulan las conclusiones del estudio, las cuales destacan la utilidad y consistencia del método de las Distancias Euclidianas.
Palabras clave: Distancias Euclidianas, subregiones, región de influencia, precipitación máxima diaria anual, predic-ciones regionales.
Study of the annual maximum daily precipitation in the Hydrologic Region No. 10 (Sinaloa), with base in Euclidean Distances
Abstract. Firstly the importance of pluviometric records as the base flood estimation design is pointed out, this when pluviografic and hydrometric information are not available. Next the study objectives are cited and the annual maximum daily rainfall information is described. This is utilized in 67 stations of the Hydrologic Region No. 10, whose record extension varied from 23 to 38 years. Then the Euclidean Distance formula is described in detail, and then applied with three attributes for partitioning the stations and with five attributes to define each region of influence integrated
with ten pluviometric stations. The convenience of the three partitioning zones is verified through simple statistic test. Lastly, the conclusions of the study are formulated, which point out the utility and consistency of the Euclidean Distances method.
Key words: Euclidean Distance, partitioning stations, region of influence, annual maximum daily precipitation, regional predictions.
Investigaciones Geográficas, Boletín 65, 2008 ][ 57
Estudio de la precipitación máxima diaria anual en la Región Hidrológica No. 10 (Sinaloa), con base en Distancias Euclidianas
INTRODUCCIÓN
En el diseño hidrológico de la infraestructura hi-dráulica es fundamental la relación gasto máximo-período de retorno, la cual se establece a través del análisis probabilístico de la información disponible sobre gastos máximos anuales. Cuando no existe tal información en el sitio de interés o en sus proximi-dades, la estimación se aborda con base en métodos hidrológicos que transforman una tormenta de diseño en gasto máximo. Esta tormenta hipotética se debe construir utilizando la información plu-viográfica de la zona y cuando ello no es posible, se emplean los registros pluviométricos de lluvia máxima diaria anual.
Por otra parte, las técnicas estadísticas del análi-sis regional, es decir, las que conjuntan datos simi-lares disponibles espacialmente, en un intento por compensar la escasez de registros, han demostrado su conveniencia y confiabilidad de resultados. Sin embargo, para que dichas técnicas sean aplicables al sitio en estudio, la región o zona de éste debe ser homogénea con respecto a ciertos parámetros estadísticos.
Este trabajo tiene como objetivo fundamental describir y aplicar el procedimiento de las Dis-tancias Euclidianas, a los registros disponibles de precipitación máxima diaria anual de la Región Hidrológica No. 10 (Sinaloa), para identificar subregiones homogéneas y definir la región de influencia (RDI), la cual establece para cada sitio o pluviómetro una serie única de estaciones pluvio-métricas que conforman la región de tal localidad, permitiendo entonces la aplicación de las técnicas del análisis regional de datos para una estimación más confiable de las prediciones buscadas.
DESARROLLO
Información pluviométrica utilizadaLa información corresponde a la disponible sobre precipitación máxima diaria anual (mm) en el sistema ERIC II (IMTA, 2000), para las estaciones pluviométricas con más de 23 datos de la Región Hidrológica No. 10 (Sinaloa), que comprende la mayor parte del estado de Sinaloa y dos porciones
de los estados de Chihuahua y Durango, y un área muy pequeña de Sonora; con tal restricción se obtuvieron 67 registros, cuya localización geográ-fica se muestra en la Figura 1. Las características generales y estadísticas de estas 67 series de datos pluviométricos se presentan en la Tabla 1, estas últi-mas incluyen los parámetros estadísticos insesgados (Yevjevich, 1972): media, desviación estándar y coeficiente de asimetría. Además, en la Tabla 1 se muestran el valor máximo de cada registro, el parámetro de forma (k) de la distribución General de Valores Extremos (GVE) ajustada a través del método de momentos L (Stedinger et al., 1993; Campos, 2001) y las cuatro predicciones relativas a los períodos de retorno 2, 5, 10 y 100 años. El signo y valor numérico del parámetro k indica el tipo de comportamiento probabilístico de los datos, en especial de los valores dispersos (outliers), si éstos existen (Campos, 2001).
Distancias EuclidianasComo ya se indicó, la región de influencia re-quiere la identificación de una serie de localidades pluviométricas que están cercanas a la estación estudiada y que presentan similitudes estadísticas. La medida de tal cercanía o proximidad se realiza a través de la Distancia Euclidiana (DEjk) en un espacio p-dimensional de atributos, donde éstos son medidas pertinentes para la identificación de estaciones pluviométricas con respuesta similar a valores máximos originados por las tormentas severas; su expresión es (Burn, 1990a):
DEjk = [∑Wi (Cij – Ci
k)2]1 2p
i=1 (1)
en la cual, j corresponde al sitio que se analiza con respecto a la estación base k, p es el número de atri-butos que incluye la Distancia Euclidiana, cada uno de los cuales tiene un peso o ponderación Wi, Cij y Cik son magnitudes estandarizadas del atributo i en las estaciones j y k. La estandarización de los atributos se realiza dividiendo los datos originales entre la desviación estándar sesgada, calculada para cada atributo con el total de estaciones analizadas (NE), en el estudio ahora expuesto igual a 67 (Ta-bla 1). El proceso de estandarización elimina las
58 ][ Investigaciones Geográficas, Boletín 65, 2008
Daniel Francisco Campos Aranda
Figu
ra 1
. Loc
aliza
ción
de
las 6
7 es
taci
ones
plu
viom
étric
as d
e la
Reg
ión
Hid
roló
gica
No.
10
(Sin
aloa
) y re
laci
ones
con
la q
ue ti
ene
su D
istan
cia
Eucl
idia
na m
ínim
a de
tres
atr
ibut
os.
Investigaciones Geográficas, Boletín 65, 2008 ][ 59
Estudio de la precipitación máxima diaria anual en la Región Hidrológica No. 10 (Sinaloa), con base en Distancias Euclidianas
Tabl
a 1.
Car
acte
rístic
as g
ener
ales
y e
stadí
stica
s de
las 6
7 es
taci
ones
plu
viom
étric
as in
dica
das d
e la
Reg
ión
Hid
roló
gica
No.
10
(Sin
aloa
)
No.
Nom
bre:
+Cla
ve(E
RIC
II)
Latit
udLo
ng.
Altit
udRe
gistr
o*M
edia
aritm
ética
*Des
v.es
tánd
arC
oef.
deva
riaci
ónC
oef.
de
asim
etría
Pará
met
rode
form
a k*P
MD
MPr
edic
cion
es d
e Tr a
ños
Años
No.
25
1010
0
1N
orog
achi
c81
0627
°15’
107°
08’2
,015
1961
-199
027
43.8
10.6
0.24
3-0
.524
0.51
1168
.045
5356
612
Siqu
irich
ic81
3827
°08’
107°
10’2
,320
1961
-198
323
49.9
22.3
0.44
80.
633
0.03
0310
0.0
4667
8112
13
Cree
l80
3827
°45’
107°
38’2
,300
1961
-199
027
47.5
12.3
0.25
90.
429
0.13
5172
.846
5864
814
Gua
choc
hic
8071
26°4
9’10
7°42
’1,3
2019
61-1
990
3055
.121
.90.
397
1.25
80.
0870
130.
053
7283
115
5U
rique
II81
4827
°14’
107°
55’
599
1961
-198
525
57.4
12.9
0.25
50.
182
0.21
5984
.357
6875
896
Cuite
co80
4127
°25’
108°
01’1
,700
1961
-198
525
60.4
12.0
0.19
90.
913
-0.0
553
87.4
5869
7710
37
Bato
pilas
8161
27°0
1’10
7°45
’50
119
61-1
990
2854
.112
.40.
229
1.20
3-0
.135
090
.551
6270
101
8Ba
boríg
ame
8003
26°2
9’10
7°15
’1,8
9619
61-1
985
2473
.721
.20.
288
0.90
2-0
.081
612
0.1
6989
102
151
9G
uada
lupe
y Ca
lvo80
7326
°06’
106°
58’2
,316
1961
-198
524
72.4
22.2
0.30
61.
024
-0.0
347
131.
369
8910
214
810
Cero
cahu
i80
2227
°17’
108°
00’1
,500
1961
-198
525
64.5
13.3
0.20
60.
279
0.14
4290
.563
7683
100
11D
olor
es80
4526
°00’
107°
11’
885
1961
-199
029
52.7
20.4
0.38
70.
215
0.20
5295
.052
7081
104
12Pa
lo D
ulce
2506
827
°01’
108°
25’
237
1962
-198
524
79.8
21.9
0.27
40.
941
-0.0
558
136.
576
9611
015
713
Hui
tes25
044
26°5
4’10
8°22
’16
819
61-1
998
3887
.425
.30.
290
1.58
5-0
.087
718
1.0
8210
411
917
314
Agua
Cali
ente
2500
226
°49’
108°
25’
180
1961
-198
924
69.2
23.2
0.33
50.
691
0.06
5012
4.0
6687
100
137
15Ch
oix
2501
926
°44’
108°
16’
225
1961
-199
838
68.7
23.5
0.34
11.
513
-0.0
863
150.
864
8498
150
16M
inas
Nue
vas
2605
327
°03’
109°
01’
520
1961
-198
929
77.5
21.2
0.27
40.
074
0.28
6212
0.0
7896
105
125
17El
Mah
ome
2502
526
°31’
108°
36’
8419
61-1
985
2569
.919
.60.
281
0.29
80.
1892
112.
169
8797
120
18Ba
mico
ri25
007
26°2
1’10
8°29
’15
219
61-1
985
2578
.729
.30.
372
2.66
5-0
.294
619
3.0
7192
110
202
19La
s Cañ
as25
055
26°2
8’10
8°36
’84
1961
-199
434
63.9
17.7
0.27
70.
906
0.10
4612
2.4
6278
8711
120
El F
uerte
2502
326
°26’
108°
37’
8419
61-1
985
2570
.822
.80.
322
2.19
5-0
.019
615
7.1
6886
9813
921
La T
ina
2505
326
°13’
108°
36’
8919
61-1
985
2582
.236
.80.
448
1.49
7-0
.183
819
8.0
7310
412
823
122
San
Blas
2508
226
°06’
108°
46’
7119
61-1
998
3881
.339
.30.
484
1.78
1-0
.191
822
1.0
7110
312
923
623
Boca
tom
a Suf
ragio
2500
926
°05’
108°
47’
6219
61-1
994
3361
.422
.50.
367
0.60
1-0
.040
610
5.0
5778
9314
024
Sant
a Ros
a25
088
25°5
5’10
8°54
’84
1961
-198
525
59.3
26.5
0.44
61.
524
-0.1
021
144.
054
7693
154
25M
ochi
cahu
i25
065
25°5
8’10
8°56
’22
1963
-198
523
49.3
19.7
0.39
91.
960
-0.0
765
118.
546
6274
114
26Ru
iz Co
rtine
s25
080
25°4
3’10
8°44
’35
1962
-198
524
75.7
43.2
0.57
12.
420
-0.2
522
231.
565
9612
324
727
Los M
ochi
s25
116
25°4
8’10
9°00
’14
1961
-198
523
68.0
34.4
0.50
70.
693
-0.0
358
133.
362
9411
618
828
Ahom
e25
003
25°5
5’10
9°11
’35
1962
-199
526
70.2
31.0
0.44
11.
217
-0.1
173
148.
063
9011
018
629
Higu
era d
e Zar
agoz
a25
042
25°5
9’10
9°20
’9
1962
-198
524
76.2
61.1
0.80
22.
487
-0.4
355
297.
056
9413
136
930
San
José
de G
racia
2508
526
°08’
107°
57’
375
1961
-199
028
81.3
30.1
0.37
00.
547
0.06
5114
0.0
7710
512
217
131
Yeco
rato
2510
026
°22’
108°
18’
407
1961
-199
030
81.4
21.5
0.26
40.
091
0.32
0513
4.6
8210
111
012
832
Jain
a25
046
25°5
4’10
8°01
’20
019
61-1
997
3790
.339
.90.
442
1.85
9-0
.130
424
8.6
8111
514
023
633
La V
ainill
a25
054
26°0
3’10
8°16
’18
519
61-1
983
2387
.325
.50.
292
0.80
50.
0929
146.
582
105
121
168
34O
coro
ni25
066
25°5
6’10
8°27
’85
1961
-199
030
76.8
20.5
0.26
80.
037
0.27
7611
8.0
7795
104
123
35G
uasa
ve25
038
25°4
3’10
8°28
’30
1969
-199
424
86.6
44.2
0.51
01.
826
-0.1
653
229.
876
112
140
254
60 ][ Investigaciones Geográficas, Boletín 65, 2008
Daniel Francisco Campos Aranda
36So
yatit
a25
092
25°5
2’10
7°18
’69
019
61-1
990
2975
.826
.30.
346
0.86
6-0
.016
114
0.0
7296
112
164
37Te
cusia
pa25
097
25°5
1’10
7°23
’64
019
61-1
990
3069
.921
.50.
307
1.16
5-0
.100
913
1.0
6584
9814
838
Suru
tato
2509
325
°48’
107°
32’1
,400
1961
-198
524
127.
268
.90.
542
1.79
2-0
.353
732
4.0
105
155
201
459
39Ba
dira
guat
o25
110
25°2
2’10
7°32
’23
019
61-1
997
3610
3.0
48.4
0.47
03.
296
-0.2
450
335.
091
125
153
282
40H
uaca
pas
2504
325
°42’
107°
51’
300
1961
-199
030
87.1
45.8
0.52
62.
138
-0.3
449
250.
073
106
135
298
41M
ocor
ito25
117
25°2
6’10
7°55
’66
1961
-198
525
79.0
25.8
0.32
60.
342
0.10
2213
0.0
7610
011
415
342
Gua
muc
hil
2511
525
°28’
108°
05’
5019
61-1
985
2565
.226
.40.
405
0.48
80.
0816
123.
062
8710
214
443
El P
layón
2503
025
°15’
108°
11’
519
62-1
996
3497
.037
.20.
384
1.39
8-0
.086
420
6.8
9012
114
422
544
Gua
tenip
a25
041
25°2
1’10
7°14
’29
019
64-1
997
3486
.026
.70.
310
1.26
1-0
.066
917
4.0
8110
412
117
945
Tam
azul
a10
082
24°5
8’10
6°59
’1,5
8019
47-1
985
3592
.923
.90.
257
0.77
9-0
.049
715
7.0
8811
012
517
546
El V
arejo
nal
2503
325
°06’
107°
24’
122
1961
-199
636
104.
556
.70.
543
4.32
9-0
.278
940
3.0
9212
515
429
647
Palo
s Blan
cos
2506
924
°56’
107°
23’
8819
61-1
988
2899
.360
.10.
605
2.95
4-0
.367
535
0.0
8112
115
736
548
Sana
lona
2508
124
°48’
107°
09’
170
1961
-199
838
91.3
38.2
0.41
91.
675
-0.2
065
224.
381
113
138
247
49Cu
liacá
n25
015
24°4
9’10
7°24
’40
1961
-199
635
87.0
33.3
0.38
21.
098
-0.1
036
175.
180
109
131
211
50Pe
ricos
2507
125
°05’
107°
47’
6019
62-1
997
3688
.648
.50.
547
3.44
5-0
.276
232
3.0
7710
913
627
151
Qui
la25
076
24°2
6’10
7°14
’55
1962
-198
726
80.4
40.9
0.50
81.
017
-0.1
586
183.
570
106
133
243
52Sa
n Ig
nacio
2511
823
°56’
106°
26’
146
1961
-199
030
95.2
30.1
0.31
62.
076
-0.0
115
215.
092
116
132
185
53Sa
nta C
ruz
2508
724
°30’
106°
51’
205
1961
-199
838
86.6
36.5
0.42
21.
321
-0.1
647
196.
578
109
133
231
54Ac
atitá
n25
001
24°0
4’10
6°39
’13
019
61-1
998
3594
.148
.10.
511
1.54
0-0
.281
821
7.3
8011
715
030
955
Ixpa
lino
2504
523
°57’
106°
37’
140
1961
-199
737
93.9
50.0
0.53
21.
674
-0.2
782
243.
079
118
152
315
56El
Lim
ón25
024
23°4
5’10
6°32
’13
519
61-1
990
3097
.249
.40.
509
1.38
6-0
.177
723
8.0
8512
715
929
657
Elot
a25
028
23°5
7’10
6°43
’35
1961
-199
030
101.
146
.90.
464
1.31
1-0
.087
222
8.5
9213
216
226
758
El Q
uelit
e25
031
23°3
3’10
6°28
’60
1961
-199
030
95.3
43.3
0.45
41.
455
-0.2
416
236.
084
121
150
270
59D
imas
2502
123
°44’
106°
47’
1219
63-1
990
2711
1.7
59.6
0.53
41.
880
-0.1
407
325.
098
148
185
331
60El
Tar
ahum
ar10
026
25°3
8’10
6°21
’2,5
6019
64-1
997
3455
.616
.40.
295
1.96
9-0
.134
112
0.0
5266
7611
561
San
Migu
el de
Lob
os10
071
25°1
1’10
5°59
’2,3
0019
61-1
996
2462
.523
.50.
376
0.74
5-0
.073
811
0.6
5879
9514
962
Ojit
o de
Cam
ellon
es10
050
25°0
4’10
6°14
’2,3
0019
64-1
985
2294
.356
.30.
597
2.45
9-0
.167
330
2.0
8212
515
829
563
El C
antil
1001
824
°05’
106°
17’2
,035
1953
-198
533
100.
640
.90.
406
0.94
4-0
.087
720
6.0
9212
915
625
164
Las T
ruch
as10
042
24°2
8’10
6°00
’2,3
0019
62-1
985
2474
.926
.20.
350
1.28
8-0
.127
615
1.0
6992
109
175
65To
pia
1008
625
°12’
106°
34’1
,770
1947
-198
537
104.
449
.40.
473
1.44
8-0
.124
828
0.6
9313
616
828
966
Cane
las10
003
25°0
7’10
6°35
’1,3
6019
61-1
985
2592
.137
.60.
408
1.11
5-0
.137
018
9.5
8311
614
123
967
San
Dim
as10
064
24°0
8’10
5°58
’1,6
4019
61-1
985
2585
.353
.30.
625
2.39
4-0
.200
628
2.1
7311
214
428
1–
Valo
res P
rom
edio
––
–65
2.3
––
––
0.39
91.
340
––
72.3
–11
8.7
198.
4–
DEs
––
–81
3.6
––
––
0.11
80.
876
––
13.8
–30
.181
.0
Sim
bolo
gía:
+ 8:
Chi
huah
ua. 1
0: D
uran
go. 2
5: S
inal
oa. 2
6: S
onor
a.PM
DM
valo
r máx
imo
de la
pre
cipi
taci
ón m
áxim
a di
aria
del
regi
stro.
* va
lore
s en
milí
met
ros.
Tr p
erio
do d
e re
torn
o.D
Es D
esvi
ació
n es
tánd
ar se
sgad
a.
Investigaciones Geográficas, Boletín 65, 2008 ][ 61
Estudio de la precipitación máxima diaria anual en la Región Hidrológica No. 10 (Sinaloa), con base en Distancias Euclidianas
unidades de cada atributo y reduce sus diferencias. Entonces:
Cij =
X ij
Si (2)
Cij =
X ik
Si (3)
ahora Xij y Xik son los valores del atributo i en las estaciones j y en la estación base k; Si es la desvia-ción estándar sesgada del atributo i considerando todos los sitios j y la estación base. La selección de la serie de atributos a utilizar implica que éstos sean fácilmente calculables y que tengan impacto en los análisis estadísticos que se realizarán de manera regional, es decir, conjuntando los datos de las j estaciones que presentan similitud con la estación base k.
Búsqueda de subregiones en la región Hidrológica No. 10Para este primer análisis que se describe, se selec-cionaron tres atributos: a) altitud, b) coeficiente de variación y c) mediana o predicción de pe-ríodo de retorno dos años. El primer atributo es básicamente un elemento geográfico que implica similitud en los procesos que generan la preci-pitación, por ejemplo, a través del gradiente de temperatura y de la proximidad al mar, dada la orografía general de la región en estudio (Figura 1). Los restantes dos atributos son propiedades estadísticas del registro, en cuanto a dispersión y al valor medio. Estos tres atributos fueron consi-derados con igual peso (Wi = 1.00). Esta opción es la más simple y conveniente en una primera aproximación.
Para ilustrar el cálculo numérico de las Distan-cias Euclidianas (DEjk), a continuación se muestra el de la estación base Norogachic (1) y auxiliar El Tarahumar (60), según datos de la Tabla 1:
DEjk = [( 2,560 – 2,015)2+ ( 0,295 – 0,243)2
+ ( 52 – 45 )2 ]1/2
2,560 813.6 0.118 0.118 13.8 13.8 (4)
~DEjk = [(0.66986)2 + (0.44068)2 + (0.50725)2]1/2 = (0.90022)1/2 = 0.94880 = 0.949
En la Tabla 2 se presentan las tres DEjk mínimas encontradas para cada estación base citada por
nombre y las auxiliares indicadas por número. En la Figura 1 se indica con un trazo recto la mayor similitud de cada estación pluviométrica, es decir, su menor DEjk con otra estación. Se observa que se define una primera subregión hacia el este de la región con altitud mayor de los 501 msnm en la estación Batopilas y de los 885 msnm en Dolores. Esta subregión de montaña la forman las estaciones: 1 a 11 y de la 60 a la 67, incluyendo a las 38 y 45.
Existe otra subregión hacia el norte de Sinaloa con su extremo septentrional en Palo Dulce (12) y sus límites en el sur en Sonatita (36), Tecusiapa (37) y Ocoroni (34). A esta subregión norte pertenecen además las estaciones 13 a 20 y la 31. Las estaciones 30 y 33 pueden pertenecer tanto a esta subregión como a la tercera, denominada de la planicie costera, en la cual se integra el resto de las estaciones, es decir, de la 21 a la 59, exceptuando las indicadas para las otras dos subregiones.
Escalante (1998) encontró dos subregiones homogéneas en la Región Hidrológica No. 10, la norte y la sur, al procesar datos de gastos máximos anuales; en cambio, Gutiérrez et al. (2004) defi-nieron tres subregiones, una al norte y dos hacia el sur; la de montaña y la de la planicie costera, al analizar precipitación anual.
Verificación de la conveniencia de las subregionesCon el propósito de comprobar numéricamente la conveniencia de la subdivisión de la región en tres subregiones, se aplicó una prueba estadística muy simple que mide la heterogeneidad de un área o zona específica, denominada rango regional norma-lizado de los coeficientes de variación [RRN(Cv)], definida como (Burn, 1990b):
RRN (Cv) = R(Cv)M(Cv) (5)
donde R(Cv) y M(Cv) son el rango y la mediana de los valores del Cv del área o zona analizada. En la Tabla 3 se presentan las 21, 15 y 31 estaciones pluviométricas que integran las subregiones de montaña, del norte y de la planicie costera, respec-tivamente, así como la aplicación de la ecuación 5. Los resultados del RRN(Cv) fueron 1.217, 0.370
62 ][ Investigaciones Geográficas, Boletín 65, 2008
Daniel Francisco Campos Aranda
Tabl
a 2.
Tre
s Dist
anci
as E
uclid
iana
s mín
imas
de
tres a
trib
utos
en
las e
staci
ones
plu
viom
étric
as in
dica
das d
e la
Reg
ión
Hid
roló
gica
No.
10
(Sin
aloa
)
No.
Nom
bre:
Núm
ero
de e
staci
ón y
Dist
anci
a Eu
clid
iana
No.
Nom
bre:
Núm
ero
de e
staci
ón y
Dist
anci
a Eu
clid
iana
12
31
23
1N
orog
achi
c3-
0.38
360
-0.9
496-
1.08
435
Gua
save
54-0
.315
55-0
.317
50-0
.324
2Si
quiri
chic
61-1
.063
4-1.
398
60-1
.401
36So
yatit
a30
-0.5
6837
-0.6
0918
-0.7
013
Cre
el1-
0.38
360
-0.6
206-
1.24
837
Tecu
siapa
15-0
.591
36-0
.609
14-0
.618
4G
uach
ochi
c11
-0.5
4661
-1.2
702-
1.39
838
Suru
tato
65-1
.142
63-1
.682
59-1
.781
5U
rique
II7-
0.50
237
-0.7
3019
-0.7
5339
Badi
ragu
ato
57-0
.255
56-0
.559
58-0
.565
6C
uite
co10
-0.4
421-
1.08
48-
1.12
440
Hua
capa
s51
-0.4
0235
-0.4
1950
-0.4
507
Bato
pila
s5-
0.50
219
-1.0
3137
-1.2
2341
Moc
orito
44-0
.475
12-0
.489
34-0
.498
8Ba
boríg
ame
9-0.
538
64-0
.724
10-0
.954
42G
uam
uchi
l28
-0.3
1523
-0.4
8515
-0.6
029
Gua
dalu
pe y
Cal
vo64
-0.3
748-
0.53
861
-0.9
9443
El P
layó
n52
-0.6
2057
-0.6
9549
-0.7
2610
Cer
ocah
ui6-
0.44
28-
0.95
45-
1.26
044
Gua
teni
pa33
-0.2
1313
-0.2
3831
-0.4
2211
Dol
ores
4-0.
546
23-1
.088
24-1
.114
45Ta
maz
ula
66-1
.359
63-1
.413
8-1.
454
12Pa
lo D
ulce
34-0
.207
16-0
.377
13-0
.463
46El
Var
ejon
al59
-0.4
6156
-0.5
8439
-0.6
3813
Hui
tes
33-0
.027
44-0
.238
31-0
.367
47Pa
los B
lanc
os50
-0.5
7255
-0.6
4054
-0.8
0314
Agua
Cal
ient
e15
-0.1
6320
-0.2
1718
-0.4
8148
Sana
lona
32-0
.199
53-0
.223
49-0
.360
15C
hoix
14-0
.163
20-0
.374
18-0
.578
49C
ulia
cán
48-0
.360
53-0
.421
30-0
.477
16M
inas
Nue
vas
31-0
.332
12-0
.377
44-0
.470
50Pe
ricos
55-0
.216
35-0
.324
54-0
.385
17El
Mah
ome
20-0
.356
19-0
.508
14-0
.521
51Q
uila
22-0
.217
40-0
.402
35-0
.436
18Ba
mic
ori
14-0
.481
20-0
.484
30-0
.514
52Sa
n Ig
naci
o43
-0.6
2033
-0.7
5413
-0.7
5819
Las C
añas
17-0
.508
20-0
.579
14-0
.583
53Sa
nta
Cru
z48
-0.2
2332
-0.2
7649
-0.4
2120
El F
uert
e14
-0.2
1717
-0.3
5615
-0.3
7454
Acat
itán
55-0
.193
35-0
.315
56-0
.363
21La
Tin
a22
-0.3
3953
-0.4
4751
-0.5
5555
Ixpa
lino
54-0
.193
50-0
.216
35-0
.317
22Sa
n Bl
as51
-0.2
1721
-0.3
3935
-0.4
2756
El L
imón
54-0
.363
55-0
.476
58-0
.481
23Bo
cato
ma
Sufra
gio
42-0
.485
15-0
.588
24-0
.706
57El
ota
39-0
.255
58-0
.586
56-0
.647
24Sa
nta
Rosa
28-0
.656
42-0
.677
23-0
.706
58El
Que
lite
32-0
.295
48-0
.392
56-0
.481
25M
ochi
cahu
i24
-0.7
0823
-0.8
4311
-1.1
5159
Dim
as46
-0.4
6157
-0.7
3739
-0.7
9026
Ruiz
Cor
tines
27-0
.586
51-0
.646
40-0
.767
60El
Tar
ahum
ar3-
0.62
061
-0.8
741-
0.94
927
Los M
ochi
s28
-0.5
6651
-0.5
8226
-0.5
8661
San
Mig
uel d
e Lo
bos
64-0
.827
60-0
.874
9-0.
994
28Ah
ome
42-0
.315
27-0
.566
24-0
.656
62O
jito
de C
amel
lone
s67
-1.0
6765
-1.4
7263
-1.8
0629
Hig
uera
de
Zara
goza
26-2
.067
47-2
.467
27-2
.542
63El
Can
til65
-0.6
5966
-1.0
5545
-1.4
1330
San
José
de
Gra
cia
49-0
.477
53-0
.494
18-0
.514
64La
s Tru
chas
9-0.
374
8-0.
724
61-0
.827
31Ye
cora
to16
-0.3
3233
-0.3
6213
-0.3
6765
Topi
a63
-0.6
5966
-1.0
4138
-1.1
4232
Jain
a48
-0.1
9953
-0.2
7658
-0.2
9566
Can
elas
65-1
.041
63-1
.055
36-1
.261
33La
Vai
nilla
13-0
.027
44-0
.213
31-0
.362
67Sa
n D
imas
62-1
.067
40-1
.849
65-1
.946
34O
coro
ni12
-0.2
0713
-0.4
2033
-0.4
33–
––
–
Investigaciones Geográficas, Boletín 65, 2008 ][ 63
Estudio de la precipitación máxima diaria anual en la Región Hidrológica No. 10 (Sinaloa), con base en Distancias Euclidianas
y 1.060 para cada una de las subregiones citadas, en cambio para toda la región se obtuvo un valor mayor de 1.558, indicando con ello que el proce-so de regionalización conduce a una subdivisión más conveniente de las estaciones pluviométricas; además, en la Tabla 3 se observa un agrupamiento con respecto al orden de magnitud del coeficiente de variación.
Regiones de influenciaEn realidad el establecimiento de la región de influencia (RDI) de cada sitio o estación pluvio-métrica se puede abordar con dos enfoques, el primero consiste en definir un valor umbral que actúa como frontera de las DEjk, de manera que todas las estaciones j que tienen una distancia mayor serán excluidas de la RDI de tal estación base. El segundo enfoque consiste en adoptar un número determinado de estaciones que integrarán la RDI y entonces seleccionar de entre todas las distancias DEjk correspondientes a la estación base analizada las de menor valor hasta obtener el número de pluviómetros que integrará la RDI (Burn, 1990a).
Para el establecimiento de las RDI de cada estación, las DEjk se calcularon utilizando cinco atributos, los coeficientes de variación y de asi-metría, y las predicciones asociadas a los períodos de retorno 2, 10 y 100 años. En este grupo de características estadísticas, las dos primeras definen el comportamiento general de las series de datos y las tres últimas caracterizan su potencial para la generación de crecientes.
Al tomar en cuenta que las DEjk mínimas calculadas fluctúan (Tabla 4), desde 0.106 en-tre Minas Nuevas y Ocoroni hasta 2.270 entre Higuera de Zaragoza y San Dimas, se optó por integrar las RDI de cada pluviómetro con base en las diez DEjk mínimas, las cuales se presentan en la Tabla 4.
Función de ponderaciónTomando en cuenta que las estaciones pluviométri-cas incluidas en la RDI no están igualmente cercanas a la estación base estudiada, se utiliza una función de ponderación para reflejar la importancia relativa de cada pluviómetro en las estimaciones de magni-
tudes extremas en tal estación base. La función de ponderación tiene la expresión (Ibid.):
FPjk = 1.0 – (DEjk )m
VUM (6)
donde FPjk es el peso de la estación j en la RDI de la estación base k, VUM es el valor umbral máximo cuyo efecto consiste en dar peso a las estaciones que están en el límite de la RDI, por ello debe ser igual o mayor que el valor umbral adoptado, ya que si VUM es igual al valor umbral adoptado, las estaciones ubicadas en el límite no tendrán función de ponderación. La constante m determina la velocidad de decaimiento de los factores de ponderación; Burn (op. cit.) utilizó un valor de 4 en el análisis de frecuencia de cre-cientes.
Ajuste de modelos probabilísticos en la RDIDentro de la teoría y práctica de los análisis regio-nales, tanto de crecientes como de precipitaciones máximas diarias anuales, las distribuciones de probabilidad GVE, Log-Pearson tipo III y Wakeby, han sido los modelos más utilizados realizando su ajuste a través de los momentos de probabilidad pesada ponderados (Cunnane, 1988; Burn, 1990a; Stedunger et al., 1993; Metcalfe, 1997; Escalante y Reyes, 2002; Campos, 2006, 2007). Para el caso del ajuste a una RDI, los momentos citados se afectan además por la función de ponderación definida por la ecuación 6, estos procedimientos conducen a estimaciones más confiables de las predicciones necesarias.
Consideraciones relativas al método y su aplicación prácticaComo resultado del cambio climático inminen-te, los eventos máximos de precipitación diaria pudieran estar cambiando en la región o zona geográfica estudiada, ya sea incrementándose o disminuyendo. Por ello, al aplicar este proce-dimiento basado en las Distancias Euclidianas (DE), es imperativo utilizar toda la información pluviométrica que se haya registrado, no sólo la disponible en el sistema ERIC II (IMTA, 2000), como se realizó en este estudio. El método de las DE permite realizar variantes, por ejemplo, al se-
64 ][ Investigaciones Geográficas, Boletín 65, 2008
Daniel Francisco Campos Aranda
Tabla 3. Estaciones que forman las subregiones y prueba de homogeneidad
No. Nombre estación: Coef. de variaciónSubregión de montaña
1 Norogachic 0.2432 Siquirichic 0.4483 Creel 0.2594 Guachochic 0.3975 Urique II 0.2556 Cuiteco 0.1997 Batopilas 0.2298 Baborígame 0.2889 Guadalupe y Calvo 0.306
10 Cerocahui 0.20611 Dolores 0.38738 Surutato 0.54245 Tamazula 0.25760 El Tarahumar 0.29561 San Miguel de Lobos 0.37662 Ojito de Camellones 0.59763 El Cantil 0.40664 Las Truchas 0.35065 Topia 0.47366 Canelas 0.40867 San Dimas 0.625– Valor mínimo 0.199– Valor máximo 0.625– Valor mediano 0.350– Valor medio 0.359– Rango regional normalizado 1.217
Subregión del norte12 Palo Dulce 0.27413 Huites 0.29014 Agua Caliente 0.33515 Choix 0.34116 Minas Nuevas 0.274 17 El Mahome 0.28118 Bamicori 0.37219 Las Cañas 0.27720 El Fuerte 0.32230 San José de Gracia 0.37031 Yecorato 0.26433 La Vainilla 0.29234 Ocoroni 0.26836 Soyatita 0.34637 Tecusiapa 0.307– Valor mínimo 0.264– Valor máximo 0.372– Valor mediano 0.292– Valor medio 0.308– Rango regional normalizado 0.370
No. Nombre estación: Coef. de variaciónSubregión de la planicie costera
21 La Tina 0.44822 San Blas 0.48423 Bocatoma Sufragio 0.36724 Santa Rosa 0.44625 Mochicahui 0.39926 Ruiz Cortines 0.57127 Los Mochis 0.50728 Ahome 0.44129 Higuera de Zaragoza 0.80232 Jaina 0.44235 Guasave 0.51039 Badiraguato 0.47040 Huacapas 0.52641 Mocorito 0.32642 Guamuchil 0.40543 El Playón 0.38444 Guatenipa 0.31046 El Varejonal 0.54347 Palos Blancos 0.60548 Sanalona 0.41949 Culiacán 0.38250 Pericos 0.54751 Quila 0.50852 San Ignacio 0.31653 Santa Cruz 0.42254 Acatitán 0.51155 Ixpalino 0.53256 El Limón 0.50957 Elota 0.46458 El Quelite 0.45459 Dimas 0.534– Valor mínimo 0.310– Valor máximo 0.802– Valor mediano 0.464– Valor medio 0.471– Rango regional normalizado 1.060
Región Hidrológica No. 10 (Sinaloa)– Valor mínimo 0.199– Valor máximo 0.802– Valor mediano 0.387– Valor medio 0.399– Rango regional normalizado 1.558
Investigaciones Geográficas, Boletín 65, 2008 ][ 65
Estudio de la precipitación máxima diaria anual en la Región Hidrológica No. 10 (Sinaloa), con base en Distancias Euclidianas
Tabl
a 4.
10
Dist
anci
as E
uclid
iana
s † m
ínim
as d
e la
s esta
cion
es p
luvi
omét
ricas
indi
cada
s de
la R
egió
n H
idro
lógi
ca N
o. 1
0 (S
inal
oa)
No.
Nom
bre:
Núm
ero
de
esta
ción
plu
viom
étric
a y
Dist
anci
a E
uclid
iana
(D
E jk)
res
pect
iva
DE j
kPr
omed
io*
1 2
3 4
5 6
7 8
910
1N
orog
achi
c3-
1.15
75-
1.39
111
-1.8
5410
-1.9
176-
2.11
57-
2.13
319
-2.3
8923
-2.4
452-
2.45
317
-2.5
294.
427
2Si
quiri
chic
11-0
.854
4-0.
982
23-1
.150
61-1
.217
24-1
.302
42-1
.439
25-1
.591
3-1.
787
14-1
.860
28-1
.881
3.20
23
Cre
el5-
0.92
77-
1.03
81-
1.15
76-
1.25
711
-1.3
5310
-1.4
8419
-1.5
4423
-1.7
254-
1.76
12-
1.78
73.
710
4G
uach
ochi
c24
-0.7
8361
-0.9
1723
-0.9
582-
0.98
225
-0.9
9515
-1.1
7511
-1.2
0660
-1.2
1219
-1.2
8242
-1.3
152.
783
5U
rique
II10
-0.6
813-
0.92
76-
0.98
119
-1.0
4011
-1.2
0917
-1.2
267-
1.28
323
-1.3
741-
1.39
114
-1.5
053.
275
6C
uite
co7-
0.69
719
-0.8
0210
-0.8
375-
0.98
13-
1.25
737
-1.4
0617
-1.4
498-
1.49
960
-1.5
269-
1.57
33.
177
7Ba
topi
las
6-0.
697
3-1.
038
60-1
.074
19-1
.118
5-1.
283
10-1
.447
4-1.
509
37-1
.634
23-1
.688
25-1
.733
3.34
58
Babo
rígam
e9-
0.21
037
-0.4
6814
-0.5
4712
-0.5
9136
-0.6
5464
-0.7
8317
-0.8
0819
-0.8
7115
-0.9
1541
-0.9
642.
282
9G
uada
lupe
y C
alvo
8-0.
210
37-0
.357
14-0
.525
36-0
.587
64-0
.629
12-0
.650
15-0
.741
19-0
.891
17-0
.938
41-1
.027
2.22
510
Cer
ocah
ui5-
0.68
16-
0.83
717
-0.9
3419
-0.9
5834
-1.3
968-
1.40
514
-1.4
137-
1.44
716
-1.4
833-
1.48
43.
162
11D
olor
es23
-0.8
432-
0.85
461
-1.0
4442
-1.1
734-
1.20
65-
1.20
93-
1.35
319
-1.4
3714
-1.4
4317
-1.6
303.
104
12Pa
lo D
ulce
8-0.
591
33-0
.623
9-0.
650
36-0
.690
44-0
.752
41-0
.826
13-0
.936
64-0
.938
37-0
.975
14-1
.023
2.31
113
Hui
tes
44-0
.425
33-0
.895
12-0
.936
52-1
.047
45-1
.074
49-1
.149
64-1
.171
36-1
.221
9-1.
315
8-1.
374
2.36
514
Agua
Cal
ient
e9-
0.52
58-
0.54
737
-0.6
1442
-0.7
0936
-0.7
1361
-0.7
1417
-0.7
1623
-0.7
5119
-0.8
2264
-0.9
152.
302
15C
hoix
37-0
.497
64-0
.657
9-0.
741
20-0
.857
8-0.
915
14-0
.967
61-1
.028
36-1
.063
19-1
.078
28-1
.094
2.28
316
Min
as N
ueva
s34
-0.1
0631
-0.3
4741
-0.7
2017
-0.7
5412
-1.0
8833
-1.1
708-
1.20
214
-1.2
5330
-1.2
6636
-1.2
912.
760
17El
Mah
ome
34-0
.702
14-0
.716
16-0
.754
8-0.
808
19-0
.929
10-0
.934
9-0.
938
41-0
.944
31-1
.077
12-1
.093
2.62
618
Bam
icor
i20
-1.1
3122
-1.5
8115
-1.6
2164
-1.6
2521
-1.6
4413
-1.6
9032
-1.7
0248
-1.7
7128
-1.8
5853
-1.8
722.
633
19La
s Cañ
as37
-0.7
366-
0.80
214
-0.8
228-
0.87
19-
0.89
117
-0.9
2910
-0.9
5823
-1.0
025-
1.04
061
-1.0
562.
647
20El
Fue
rte
15-0
.857
18-1
.131
37-1
.208
64-1
.211
9-1.
357
60-1
.444
13-1
.500
8-1.
519
36-1
.655
19-1
.660
2.57
021
La T
ina
22-0
.474
53-0
.498
48-0
.766
51-0
.810
32-0
.820
35-0
.840
49-0
.922
66-1
.013
28-1
.139
58-1
.186
2.15
922
San
Blas
21-0
.474
35-0
.605
32-0
.891
53-0
.912
51-0
.913
40-0
.970
48-0
.975
26-1
.151
28-1
.290
58-1
.324
2.30
323
Boca
tom
a Su
fragi
o61
-0.2
3442
-0.5
8614
-0.7
5111
-0.8
434-
0.95
819
-1.0
0237
-1.0
232-
1.15
09-
1.16
48-
1.19
62.
541
24Sa
nta
Rosa
4-0.
783
28-1
.012
61-1
.112
15-1
.162
25-1
.177
23-1
.280
2-1.
302
42-1
.400
37-1
.493
27-1
.505
2.63
325
Moc
hica
hui
60-0
.986
4-0.
995
24-1
.177
2-1.
591
7-1.
733
15-1
.743
61-1
.842
23-1
.902
20-1
.942
19-2
.013
3.31
726
Ruiz
Cor
tines
40-1
.068
67-1
.100
22-1
.151
35-1
.300
50-1
.562
21-1
.613
51-1
.760
62-1
.809
32-1
.814
55-1
.870
2.92
027
Los M
ochi
s28
-0.8
4751
-1.1
2042
-1.1
4761
-1.4
3021
-1.4
7324
-1.5
0523
-1.5
7836
-1.5
9322
-1.5
9564
-1.6
052.
509
28Ah
ome
27-0
.847
64-0
.901
24-1
.012
42-1
.064
61-1
.088
15-1
.094
21-1
.139
36-1
.146
22-1
.290
14-1
.302
2.21
529
Hig
uera
de
Zara
goza
67-2
.270
26-2
.572
47-2
.666
40-2
.820
62-2
.866
50-3
.113
55-3
.134
35-3
.304
54-3
.353
22-3
.438
4.84
230
San
José
de
Gra
cia
41-0
.565
36-0
.651
33-0
.812
49-0
.887
44-1
.009
12-1
.030
64-1
.127
9-1.
204
14-1
.209
8-1.
220
2.24
631
Yeco
rato
16-0
.347
34-0
.424
41-0
.813
33-1
.048
17-1
.077
12-1
.125
45-1
.181
30-1
.286
8-1.
392
36-1
.412
2.83
732
Jain
a48
-0.3
2453
-0.7
1533
-0.7
1858
-0.7
4621
-0.8
2022
-0.8
9166
-0.9
1043
-0.9
9049
-1.0
9754
-1.1
852.
347
33La
Vai
nilla
45-0
.551
44-0
.564
12-0
.623
41-0
.800
30-0
.812
13-0
.895
36-0
.912
31-1
.048
49-1
.053
8-1.
159
2.36
9
66 ][ Investigaciones Geográficas, Boletín 65, 2008
Daniel Francisco Campos Aranda
34O
coro
ni16
-0.1
0631
-0.4
2417
-0.7
0241
-0.7
8512
-1.1
358-
1.21
014
-1.2
5033
-1.2
5336
-1.3
3930
-1.3
412.
796
35G
uasa
ve22
-0.6
0532
-0.7
1840
-0.7
1821
-0.8
4054
-0.8
7348
-0.8
7755
-0.9
1658
-0.9
4453
-1.0
2351
-1.0
562.
467
36So
yatit
a64
-0.5
569-
0.58
730
-0.6
518-
0.65
412
-0.6
9041
-0.7
0314
-0.7
1337
-0.8
6033
-0.9
1244
-0.9
192.
117
37Te
cusia
pa9-
0.35
78-
0.46
815
-0.4
9714
-0.6
1464
-0.6
9419
-0.7
3636
-0.8
6061
-0.9
1712
-0.9
7523
-1.0
232.
284
38Su
ruta
to59
-1.7
4765
-2.6
2056
-2.8
9747
-2.9
2557
-2.9
8855
-3.0
6462
-3.1
1754
-3.1
2058
-3.3
6839
-3.4
175.
303
39Ba
dira
guat
o46
-1.3
4650
-1.3
5062
-1.5
9847
-1.7
4932
-1.9
4540
-2.0
1835
-2.1
0248
-2.1
3867
-2.1
4055
-2.1
523.
605
40H
uaca
pas
35-0
.718
55-0
.914
67-0
.962
22-0
.970
54-1
.003
26-1
.068
62-1
.228
32-1
.249
21-1
.309
48-1
.359
2.75
641
Moc
orito
30-0
.565
36-0
.703
16-0
.720
34-0
.785
33-0
.800
31-0
.813
12-0
.826
17-0
.944
8-0.
964
14-0
.972
2.38
142
Gua
muc
hil
61-0
.537
23-0
.586
14-0
.709
28-1
.064
36-1
.064
27-1
.147
9-1.
158
37-1
.165
11-1
.173
8-1.
214
2.41
743
El P
layó
n66
-0.6
6563
-0.7
6648
-0.8
5249
-0.9
2758
-0.9
4632
-0.9
9053
-1.0
0357
-1.0
5852
-1.1
6544
-1.3
232.
523
44G
uate
nipa
13-0
.425
33-0
.564
12-0
.752
49-0
.825
45-0
.885
36-0
.919
30-1
.009
64-1
.016
9-1.
173
41-1
.186
2.23
845
Tam
azul
a33
-0.5
5144
-0.8
8512
-1.0
5313
-1.0
7431
-1.1
8141
-1.2
4730
-1.2
8049
-1.3
5316
-1.4
2036
-1.4
592.
674
46El
Var
ejon
al39
-1.3
4650
-1.6
2947
-2.0
2862
-2.3
0567
-2.7
2140
-2.9
2859
-3.0
4326
-3.1
7235
-3.1
7432
-3.1
764.
623
47Pa
los B
lanc
os62
-1.0
3867
-1.4
2750
-1.5
7340
-1.6
9555
-1.7
1739
-1.7
4954
-1.9
4446
-2.0
2859
-2.1
0435
-2.1
543.
960
48Sa
nalo
na32
-0.3
2453
-0.5
2758
-0.6
6266
-0.6
7721
-0.7
6643
-0.8
5235
-0.8
7749
-0.8
8922
-0.9
7554
-1.1
772.
296
49C
ulia
cán
53-0
.516
66-0
.571
44-0
.825
30-0
.887
48-0
.889
21-0
.922
43-0
.927
33-1
.053
32-1
.097
36-1
.111
2.16
250
Peric
os39
-1.3
5067
-1.4
3162
-1.4
8426
-1.5
6240
-1.5
6747
-1.5
7346
-1.6
2935
-1.8
9322
-2.0
8032
-2.0
893.
509
51Q
uila
21-0
.810
22-0
.913
53-1
.006
35-1
.056
27-1
.120
66-1
.301
28-1
.309
48-1
.342
49-1
.356
54-1
.366
2.41
352
San
Igna
cio
13-1
.047
43-1
.165
44-1
.282
48-1
.495
32-1
.519
49-1
.556
45-1
.612
66-1
.665
33-1
.688
53-1
.704
2.77
153
Sant
a C
ruz
21-0
.498
49-0
.516
48-0
.527
66-0
.530
32-0
.715
22-0
.912
58-0
.915
43-1
.003
51-1
.006
35-1
.023
2.16
254
Acat
itán
55-0
.265
56-0
.527
58-0
.748
35-0
.873
40-1
.003
48-1
.177
32-1
.185
57-1
.188
65-1
.192
62-1
.325
2.77
955
Ixpa
lino
54-0
.265
56-0
.667
40-0
.914
35-0
.916
58-0
.972
62-1
.121
65-1
.316
67-1
.317
32-1
.327
57-1
.361
2.89
556
El L
imón
54-0
.527
58-0
.650
55-0
.667
65-0
.729
57-0
.741
35-1
.160
63-1
.263
48-1
.277
32-1
.283
66-1
.306
2.89
057
Elot
a65
-0.3
8663
-0.7
0558
-0.7
2856
-0.7
4143
-1.0
5866
-1.1
4454
-1.1
8848
-1.2
8532
-1.3
2055
-1.3
612.
930
58El
Que
lite
56-0
.650
48-0
.662
57-0
.728
66-0
.738
32-0
.746
54-0
.748
53-0
.915
65-0
.930
35-0
.944
43-0
.946
2.54
059
Dim
as65
-1.1
0957
-1.4
7456
-1.4
7838
-1.7
4762
-1.7
5255
-1.7
8654
-1.8
2158
-1.9
0963
-2.1
0247
-2.1
043.
949
60El
Tar
ahum
ar25
-0.9
867-
1.07
44-
1.21
215
-1.3
7920
-1.4
4419
-1.4
696-
1.52
637
-1.5
6224
-1.5
7361
-1.7
863.
148
61Sa
n M
igue
l de
Lobo
s23
-0.2
3442
-0.5
3713
-0.7
144-
0.91
737
-0.9
1715
-1.0
2811
-1.0
4419
-1.0
569-
1.06
928
-1.0
882.
436
62O
jito
de C
amel
lone
s67
-0.8
5647
-1.0
3855
-1.1
2140
-1.2
2854
-1.3
2535
-1.3
6856
-1.4
5250
-1.4
8439
-1.5
9858
-1.7
253.
351
63El
Can
til57
-0.7
0543
-0.7
6666
-0.8
5758
-0.9
6865
-1.0
1956
-1.2
6348
-1.3
0549
-1.3
2853
-1.3
7032
-1.4
622.
824
64La
s Tru
chas
36-0
.556
9-0.
629
15-0
.657
37-0
.694
8-0.
783
28-0
.901
14-0
.915
12-0
.938
44-1
.016
30-1
.127
2.08
965
Topi
a57
-0.3
8656
-0.7
2958
-0.9
3063
-1.0
1959
-1.1
0954
-1.1
9255
-1.3
1643
-1.3
7266
-1.4
7048
-1.5
153.
142
66C
anel
as53
-0.5
3049
-0.5
7143
–0.6
6548
–0.6
7758
–0.7
3863
–0.8
5732
–0.9
1021
–1.0
1357
–1.1
4451
–1.3
012.
328
67Sa
n D
imas
62-0
.856
40-0
.962
26–1
.100
35–1
.245
55–1
.317
47–1
.427
50–1
.431
54–1
.518
22–1
.582
56–1
.826
3.23
3
† de
5 a
trib
utos
.*
de 6
6 va
lore
s.
Investigaciones Geográficas, Boletín 65, 2008 ][ 67
Estudio de la precipitación máxima diaria anual en la Región Hidrológica No. 10 (Sinaloa), con base en Distancias Euclidianas
leccionar atributos y al asignar su peso (Wi ≠ 1.00), esto hace posibles los análisis de sensibilidad. Este tipo de análisis también se pueden realizar al utili-zar las RDI y ajustar modelos probabilísticos para obtener predicciones, a través del uso de valores diferentes para el exponente m de la función de ponderación (ecuación 6).
CONCLUSIONES
El uso de las Distancias Euclidianas para detectar similitudes estadísticas entre registros de precipi-tación máxima diaria anual se considera muy útil y consistente.
La definición de tres subregiones (de montaña, del norte y de la planicie costera) para las estacio-nes pluviométricas de la Región Hidrológica No. 10, presenta una ventaja estadística y coincide con los resultados de trabajos previos. Ahora en cada subregión se pueden aplicar los métodos regionales para obtener estimaciones de diseño más confiables.
Por otra parte, definidas cuantitativamente las regiones de influencia de cada una de las 67 estaciones pluviométricas analizadas, se puede continuar con la aplicación de los procedimientos del análisis regional para la estimación más exacta de los valores asociados a diferentes probabilidades de excedencia o predicciones.
AGRADECIMIENTOS
Se agradece al M. en I. Juan Antonio Rodríguez ([email protected]), profesor del Área de Compu-tación Aplicada de la Facultad de Ingeniería de la Universidad Autónoma de San Luis Potosí, el haber proporcionado la información pluviométrica pro-cesada. Al doctor Sergio Ignacio Martínez Martínez ([email protected]), profesor del Centro de Ciencias del Diseño y de la Construcción de la Universidad Autónoma de Aguascalientes, se agra-dece la elaboración de la Figura 1. Así también, se agradecen los comentarios y observaciones de los revisores anónimos, que permitieron complemen-tar y hacer más explícito el estudio.
REFERENCIAS
Burn, D. H. (1990a), “An appraisal of the “region of in-fluence” approach to flood frequency analysis”, Hydro-logical Sciences Journal, vol. 35, no. 2-4, pp. 149-165.
Burn, D. H. (1990b), “Evaluation of regional flood frequency analysis with a region of influence approach”, Water Resources Research, vol. 26, no. 10, pp. 2257-2265.
Campo A., D. F. (2001), “Contraste de cinco métodos de ajuste de la distribución GVE en 31 registros históricos de eventos máximos anuales”, Ingeniería Hidráulica en México, vol. XVI, núm. 2, pp. 77-92.
Campos A., D. F. (2006), “Análisis probabilístico uni-variado de datos hidrológicos”. Capítulo 8: Análisis probabilístico con métodos regionales, Avances en Hidráulica 13, AMH-IMTA, México, pp. 133-161.
Capos A., D. F. (2007), “Contraste de métodos regio-nales para predicción de crecientes basado en la distribución GVE, en la cuenca baja del río Pánuco”, Ingeniería Hidráulica en México, vol. XXII, núm. 2, pp. 91-105.
Cunnanne, C. (1988), “Methods and merits of region-al flood frequency analysis”, Journal of Hidrology, vol. 100, pp. 269-290..
Escalante S., C. (1998), “Multivariate extreme value distributions with mixed Gumbel marginals”, Journal of the American Water Resources Association, vol. 34, no. 2, pp. 321-333.
Escalante S., C. y L. Reyes Ch. (2002), Técnicas esta-dísticas en hidrología. Capítulo 8: análisis regional hidrológico, Facultad de Ingeniería, UNAM, México, pp. 157-202.
Gutiérrez L., A., T. lebel y L. Descroix (2004), “Reflexio-nes sobre el concepto de cuencas hidrológicamente homogéneas”, XXI Congreso Latinoamericano de Hidráulica, Sao Paulo, Brasil.
IMTA (2000), Eric II: Extractor rápido de información climatológica 1920-1998, Instituto Mexicano de Teconología del Agua-SEMARNAT-CNA, Jiutepec, Morelos [cd-rom].
Metcalfe, A. V. (1997), Statistics in Civil Engineering, Chapter 4: Extreme value and related distributions, Arnold Publishers, London, England, pp. 81-115.
Stedinger, J. R., R. M. Vogel and E. Foufoula-Georgiou (1993), “Frequency analysis of extreme events”, Chapter 18 in Maidment, D. R. (ed. in chief ), Handbook of Hydrology, McGraw-Hill, Inc., New York, USA.
Yevjevich, V. (1972), Probability and Statisctics in Hy-drology, Chapter 6: Parameters and orde-statistics as descriptors of distributions, Water Resources Publica-tions, Fort Collins, Colorado, USA, pp. 99-117.