TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS

Jhohan Hadid Pardo González

ANÁLISIS DE EVENTOS DE FRECUENCIA DE MÁXIMOS PARA SERIES

HIDROCLIMATOLÓGICAS DE LAS ESTACIONES EMAS, PUERTO SALGAR,
AGRONOMÍA Y POSGRADOS
Jhohan Hadid Pardo González, Ingeniero Civil, estudiante de especialización en ingeniería
Hidráulica y Ambiental, Universidad Nacional de Colombia, jpardog@unal.edu.co

RESUMEN

El análisis de la frecuencia de las avenidas es calculado por medio métodos estadísticos que
permiten predecir el tiempo en el cual existe la mayor probabilidad que ocurran eventos naturales
con efectos negativos en la sociedad y economía de un territorio, es por esto que se hace
necesaria su precisión. Para ello debe seleccionarse el modelo estadístico más adecuado y
utilizarse la máxima información disponible. En el presente artículo se estableció un análisis de las
series de precipitación, niveles y caudales de las estaciones agronomía, posgrados, Emas y puerto
salgar, datos que fueron tomados de la base de datos de Corpocaldas CEDIAC y del Instituto de
Hidrología, meteorología y estudios ambientales IDEAM. Se encontró que para la mayoría de casos
de las series estudiados las funciones de distribución disponibles en el software AFINS 2.0, se
aproximan con alta precisión incluido cuando se analizan series de datos cortas. El análisis de
series de frecuencia máxima permitió evaluar patrones en la variabilidad climática y cambio
climático, hallando un incremento en los caudales de la estación puerto salgar, así mismo se pudo
observar las variaciones en los niveles a causa del efecto del ENOS, creando una perspectiva a la
hora de seleccionar los datos para la elaboración del diseño en obras hidráulicas.

Palabras clave: Función de distribución de probabilidad-FDP, periodo de retorno, hidro-

climatología

ANALYSIS OF MAXIMUM FREQUENCY EVENTS FOR HYDROCLIMATOLOGICAL SERIES OF THE

EMAS, PUERTO SALGAR, AGRONOMÍA Y PORGRADOS

ABSTRACT

The analysis of the frequency of the floods is calculated by means of statistical methods that allow
to predict the time in which the greater probability exists that natural events with negative effects
in the society and economy of a territory occur, is for that reason its precision becomes necessary.
For this purpose, the most appropriate statistical model must be selected and the maximum
information available must be used. In this article, an analysis of the series of precipitation, levels
and flows of the agronomy, postgraduate, Emas and Puerto Salgar stations was established. These
data were taken from the database of Corpocaldas CEDIAC and the Institute of Hydrology,
Meteorology and Environmental Studies IDEAM. It was found that for most cases of the studied
series the distribution functions available in the AFINS 2.0 software, approach with high precision
included when analyzing short data series. The analysis of maximum frequency series allowed to
evaluate patterns in climate variability and climate change, finding an increase in the flows of the
port-salt station, as well as the variations in the levels due to the effect of ENSO, creating a
perspective when selecting the data for the elaboration of the design in hydraulic works.
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

Keywords: Probability distribution function-PDF, return period, hydro-climatology

1. INTRODUCCIÓN

En hidrología las precipitaciones o caudales anuales suelen ajustarse a la distribución simétrica de

Gauss, pero los valores máximos, no: si consideramos el día más caudaloso o el más lluvioso de
cada año (eso es necesario para estudiar la previsión de avenidas) no se ajustaría a Gauss, sino
probablemente a la campana asimétrica descrita por Gumbel o alguna similar. [CITATION Jav08 \l
3082 ]. Es así como los especialistas en hidrología, por medio de modelos matemáticos pueden
predecir o establecer balances que permitan simular el comportamiento de fenómenos naturales,
con el fin de planificar el territorio y disminuir los riesgos asociados. Este artículo tiene como
objetivos afianzar los conceptos sobre el cálculo de valores extremos para diferentes períodos de
retorno, ajustando la mejor FDP a las series de datos temporales de lluvia de Posgrados,
Agronomia y EMAS, proponer el mejor ajuste para las series de Niveles de Puerto Salgar IDEAM
que tenga en cuenta la variabilidad climática (ENSO) y finalmente, realizar un análisis de cambio
climático para la serie de caudales de Puerto Salgar IDEAM.

2. Análisis de frecuencias máximas

En hidrología el análisis de frecuencias máximas nos permite generar modelos apropiados a partir
de las funciones de distribuciones de probabilidad y realizar extrapolaciones en función de la
muestra de datos estableciendo una tendencia en los valores que queremos calcular, ya sean para
datos de precipitaciones, caudales y otras variables hidroclimatológicas, que son la base para
iniciar un diseño hidrológico y finalmente establecer el dimensionamiento de las obras del
proyecto.

2.1 Cálculo de la lluvia para un período de retorno de 200 años

TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

Figure 1.Resultados de las funciones de probabilidad de la estación Emas operada por el IDEA de la UNAL
Sede Manizales (a continuación, se listan en el siguiente orden: Two Components Extreme Value TCEV,
General Extreme Value GEV, Log Gumbel y Exponencial.)
Con el fin de poder determinar el valor de la precipitación para un periodo de retorno de 200 años
se seleccionaron los valores medios diarios anuales de la base de datos de la estación EMAS desde
el año 1997 a 2019, operada por el IDEA de la UNAL Sede Manizales. Para esta práctica no se
tendrá en cuenta el estudio de homogeneidad y coherencia para las series procesadas.

La serie hidroclimatológica de la estación EMAS fue corrida a través del software AFINS 2.0,
realizando un análisis de frecuencia de eventos máximos. La figura 1 muestra los resultados con las
funciones de distribución disponibles, escogiendo la que más se ajusta para realizar los cálculos
requeridos.

2.2 Cálculo de la lluvia para un periodo de retorno Tr de 200 años.

Al evaluar las funciones de distribución de probabilidad se ha escogido la Two Components

Extreme Value TCEV, considerando que tiene una mejor visualización, mayor verisimilitud y alto
ajuste para la estimación de periodos de retorno Tr medios y altos. Para el cálculo Se tuvo en
cuenta los parámetros del AFINS 2.0 mostrados en la tabla 1, las ecuaciones 1 y 2 junto con el
valor de la función acumulada que para el caso es de 0.995; quedando por definir el parámetro X,
hallado mediante la función solver del programa Microsoft Excel.

Ecuación 1.
(−θ1. x ) (−θ2. x )

F ( X )=e (−λ1 e −λ 2e )

donde;

λ 1 y θ1 son los parámetros de forma y escala correspondientes a las avenidas ordinarias, λ2 y θ 2

los de las avenidas extraordinarias. [ CITATION Fra98 \l 3082 ]

Ecuación 2

1
F ( X )=1−
Tr

Table 1.Parámetros de la función TCEV y resultado de la PPT Tr200

λ1 46.8824 λ2 0.0987846 X 580.52

θ1 0.0605119 θ2 0.00490127 F(X) 0.995

Se calcula que la precipitación para un periodo de retorno de 200 años el valor estimado es de 581
mm, encontrándose dentro de los rangos de los periodos de retorno Tr 100= 465.169 mm y Tr
500= 788.991mm.

2.3 Variabilidad Climática.

TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

Para realizar el análisis de la variabilidad climática se tuvo en cuenta la información

correspondiente a los datos de niveles de la estación puerto salgar, una serie registrada desde el
año 1960 al 2019. El presente análisis tuvo en cuenta el efecto del ENOS que es un ciclo que causa
la mayor variabilidad climática interanual en Colombia y el mundo. La NOAA/ National Weather
Service- Oceanic Niño Index (ONI), entidad estadounidense que monitorea las temperaturas del
océano pacifico tropical registrando los periodos frio, cálidos o normales, siendo este un referente
para analizar si una serie estuvo relacionada con estas temporadas. A partir de la serie completa
de niveles de puerto salgar se han generado 3 series más, una serie que tuvo en cuenta los años
cálidos; El Niño, otra serie que consideró las temporadas frías; La Niña, y la serie donde se
encuentran las temperaturas normales. En la serie completa, se evaluó la función de mayor grado
de ajuste y se tomó como referencia para analizar las demás series hirdroclimatológicas generadas
[CITATION Cli20 \l 3082 ]

2.3.1 Serie completa de niveles estación puerto salgar.

En la gráfica de la figura 2, se presentan los resultados de las funciones de distribución corrida en
el programa AFINS 2.0, se observan las funciones que más se ajustaron seleccionando la General
Extreme Value GEV para hacer todo el análisis comparativo de variabilidad climática, debido a que
fue la que mejor se ajustó a la distribución de niveles, mayor en el valor de verosimilitud y mejor
visualización frente a las demás.

Ilustración 2. Resultados de las funciones de probabilidad de la estación niveles puerto salgar, a continuación, se
listan en el siguiente orden: General Extreme Value GEV, Gumbel, log Normal y Log Gumbel.
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

2.3.1.1 Cálculo de nivel con la serie completa para un periodo de retorno Tr de 200 años.
Se tuvo en cuenta los parámetros obtenidos del AFINS 2.0 de la función GEV mostrados en la tabla
2, los cuales fueron ingresados en la función de probabilidad (ecuación. 1) junto con el valor de la
función acumulada que para el caso es de 0.995 (ecuación. 2); quedando por definir el parámetro
X, hallado mediante la solver en el programa Microsoft Excel.

Table 2. Parámetros y resultados obtenidos en el AFINS- GEV

7
2
0 7.
. 5
0 9
4 3
6 9
6 2
8 8
4
9
.
6
4 2
2 0
8 0
4
9
4
. 0.
6 9
6 9
5 5

Se calcula que para el periodo de retorno Tr 200 años es de 727.59 cm, valor que se encuentra
dentro de los rangos del Tr 100= 700.175 cm y Tr 500=762.420 cm.

2.3.2 Serie de años con efecto de El Niño estación puerto salgar Tr 200 años.
En la figura 3, se presenta la función de distribución de probabilidad para los años de niveles
obtenidos teniendo en cuenta el efecto que se produce por una mayor temperatura en el océano
tropical pacifico monitoreada por la NOAA, es decir los años donde se podría esperar menos
precipitaciones de lo normal, representada por la FDP de GEV. Como se evidencia se ajusta muy
bien para los periodos de retorno medios a altos.

β 0.455143 X 588.801799
α 50.7191 Tr 200
X
o 487.6 F(X) 0.995
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

El valor del nivel calculado de la FDP de GEV para la Tr 200 años se estima en 589 cm, resultado
que se encuentra dentro del rango del Tr 100 (585.304cm) y Tr500 (592.447cm) sacados de los
resultados del software AFINS 2.0.

2.3.3 Serie de años con efecto de La Niña estación puerto salgar Tr 200 años.
Esta serie fue obtenida teniendo en cuenta el efecto que se produce por una menor temperatura
en el océano tropical pacifico monitoreada por la NOAA, es decir los años donde se podría esperar
mayores precipitaciones de lo normal y están representados por la FDP de GEV. Al correr este
modelo como se observa en la gráfica de la figura 4, tiene buenas aproximaciones para los
periodos de retornos bajos y por el contrario no se ajusta para periodos de retorno medios a altos,
por lo que fue necesario buscar otra función de probabilidad que permita un mejor ajuste y
visualización. La función de distribución que se empleó para lograr el mejor ajuste en los periodos
tanto bajos como altos es la Log Gumbel.

β 0.0643112 X 747.487
α 50.8433 Tr 200
X
o 519.286 F(X) 0.995

515.01
θ 1 X 855.039
10.446
λ 6 Tr 200
    F(X) 0.995
Figure 3.resultados de la FDP GEV y Log Gumbel.

Se calcularon los niveles para el periodo de retorno de 200 años, con la función GEV el valor es de
747.487 cm (Tr100 =721.750cm; Tr200 =779.716cm), mientras que para el mismo periodo la Log
Gumbel es 855.039 cm (Tr100 = 799.941cm; Tr200 =933.543).

2.3.4 Serie de años sin efecto del ENSO estación puerto salgar Tr 200 años.
Esta serie comprende los datos de niveles de los años en que la temperatura del océano pacífico
tropical estuvo en sus rangos normales, como se observa en la figura 5, la función corrida para
esta distribución, se ajustó para los periodos de retorno bajos y altos, cumpliendo también una
buena visualización.

β -0.188098 X 860.197
α 40.7589 Tr 200
X F(X
o 490.128 ) 0.995
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

El valor del nivel calculado de la FDP de GEV para la Tr 200 años se estima en 860 cm, resultado
que se encuentra dentro del rango del Tr 100 (788.221cm) y Tr500 (970.752cm) sacados de los
resultados del software AFINS 2.0.

2.4 Cambio Climático.

El análisis de cambio climático se realizó a partir de la serie completa caudales estación de puerto
salgar, para ello se corrieron varias funciones de distribución y se escogió la función Log normal
figura 6 y tabla 3, debido a que presenta una mayor verisimilitud y ajuste visual.

Table 3. Resultados de las funciones de distribución

Tr (años) / Q(m3/s)
Verosimitu
d Función 5 50 500
4842.5 6411.1 7920.7
-577.915 Gumbel 1 2 4
4822.3 5960.8 6885.2
-576.650 Log Normal 4 7 1

Figure 5. Resultados de las funciones Log normal y Gumbel.

Con el fin de buscar una tendencia en los caudales se elaboró la tabla 4 donde se muestran los
resultados obtenidos para 10 periodos cada uno integrado con información de 30 años, con un
desfase de 6 años, la información presentada relaciona los caudales y los periodos de retorno de 5,
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

50 y 500 años, estos valores fueron calculados con la FDP Log normal corridos en el software AFINS
2.0.

Table 4. Resultado de las series de datos de caudal (m3/s) a partir de los años 1946 a 2019.

Tr (años) / Q(m3/s)
Periodo Media Des. Estándar Sesgo Kurtosis 5 50 500
1946-2019 4226.99 760.605 0.812191 4.26549 4822.34 5960.87 6885.21
1951-1982 4334.57 458.659 -0.938389 4.25585 4733.14 5418.41 5940.35
1956-1987 4210.13 472.005 -0.636291 3.16022 4612.36 5309.59 5843.11
1962-1992 4160.73 529.255 -0.255788 2.30308 4601.03 5381.06 5985.85
1967-1997 4032.17 519.354 0.0809685 2.08727 4454.52 5202.2 5781.22
1972-2002 4082.43 643.416 0.75396 3.01095 4580.72 5497.58 6223.92
1977-2007 4078.83 659.843 0.675993 2.78294 4591.03 5540.27 6295.71
1983-2012 4223.87 815.753 1.332 3.70315 4815.23 5951.84 6874.6
1988-2017 4185.43 1018.7 0.967965 3.02234 4934.63 6499.3 7838.27
1993-2019 4208.74 1044.75 0.943682 2.927 4976.77 6592.92 7982.59

A partir de los anteriores resultados, se grafica la relación entre los grupos de años y los caudales
para los periodos de retorno de 5, 50 y 500 años, determinando una tendencia al aumento en los
caudales como se observa en la figura 7 a partir de los periodos 1972-2002 hasta 1993-2019.

Cambio Climático
8000

7000
Q (m3/s)

6000

5000

4000
1 2 3 4 5 6 7 8 9 10
Número de Períodos desde 1946-2019

Cambio Tr 5años Cambio Tr 50 años

Cambio Tr 500 años

Figure 6. Relación entre los caudales de la estación puerto salgar y periodos de 30 años.

2.5 Comparación eventos extremos de lluvia generado por una serie temporal larga y una corta.

A partir de las series de datos agronomía (larga, mayor a 30 datos) y una serie posgrados (corta,
menor a 30 datos), se evaluó con en el software AFINS 2.0 las funciones Components Extreme
Value TCEV y Log normal, donde se evidenció (ver las figuras 8, 9 y tabla 5) que la función Two
Components Extreme Value TCEV tiene un mejor comportamiento frente a las demás,
escogiéndola para realizar todos cálculos y así poder comparar las series en estudio.
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

Table 5. Resultados de las funciones de probabilidad TECV y Log normal para las series de
agronomía y posgrados.

  Serie agronomía (larga) Serie posgrados (corta)

Verisimilitud -237.493 -238.641 -76.099 -76.719
FDP TCEV Log normal TCEV Log normal
Tr PPT (mm/día) PPT (mm/día)
5 84.272 85.1082 82.2135 84.1109
50 116.517 111.977 114.054 114.215

500 147.148 134.95 144.298 140.636

2.5.1 Modelo función de distribución serie agronomía (serie larga).

En la figura 8 se observa el resultado de las dos funciones de distribución TECV y log normal,
obteniendo que para la función TCEV los períodos de retorno son Tr5= 84.27 mm, Tr50= 116.52
mm y Tr500= 147.15 mm.

Figure 7. Resultados de las funciones de distribución TCEV y Log normal.

2.5.2 Modelo función de distribución serie posgrados (serie corta).

En la figura 9 se observa el resultado de las dos funciones de distribución TECV y log normal,
obteniendo que para la función TCEV los períodos de retorno son Tr5= 82.21 mm, Tr50= 114.05
mm y Tr500= 144.30mm.
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

Al calcularse las precipitaciones para las estaciones de agronomía y posgrados con diferentes
periodos de retorno Tr, se pudo hacer una comparación graficando estos valores, los cuales se
ilustran en la figura 10, donde las dos curvas tienen una misma tendencia en las precipitaciones y
la diferencia entre la estación de agronomía y posgrados para los Tr 5, Tr50 y Tr500 son de 2.44%
2.11% y 1.94% respectivamente.

Precipitacion (mm/día)
serie Agronomía Vs serie posgrados
500
400
Tr (años)

300
200
100
0
80 85 90 95 100105110115120125130135140145150
PPT (mm/día)

Serie corta posgrados Serie larga agronomía

Figure 9. Relación entre las precipitaciones calculadas y los periodos de retorno Tr de las estaciones agronomía y
posgrados.

3. ANÁLISIS DE RESULTADOS

Al realizar un modelo de extrapolación con las funciones de distribución disponibles en el AFINS

2.0 se calcula que la precipitación en la estación Emas para un periodo de retorno de 200 años es
de 581 m encontrándose dentro de los rangos de los periodos de retorno Tr 100= 465.169 mm y Tr
500= 788.991mm, sin embargo, esta serie la conformó 23 datos de precipitación una muestra que
puede ser no representativa y que deja una mayor incertidumbre en el resultado, aunado a esto se
evidencio que la mayoría de funciones (excepto la TECV) para periodos de retorno mayores a Tr 50
años pueden presentar valor menores a los esperados.

Los usos de modelos de funciones de distribución permitieron extrapolar los niveles de agua de la
estación puerto salgar para las series con efecto del El Niño, La Niña, años normales y serie
completa; estas fueron evaluadas con la misma función de distribución (GEV General Extreme
Value GEV); encontrándose que para el periodo de retorno Tr 200 años, el máximo valor de nivel
se da en la serie de años normales (860.197cm) a pesar de que se esperaba que fuera en la serie
La Niña (747.487cm). Esto puede deberse a que el modelo utilizado no se ajustó adecuadamente
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

para los datos de niveles en la serie de la Niña en comparación con las demás series, que sí
muestran un buen ajuste; para esto se corrió la serie de la niña con el modelo de la Log Gumbel y
se observó que ya tuvo una mejor respuesta en el Tr200 de 855.039cm. sin embargo, no
necesariamente podríamos pensar en que durante los años normales no se pueda llegar a producir
un evento máximo.

Como se puede observar en la figura 7, los caudales para los períodos de retorno Tr 5, 50 y 500
años aumentaron notoriamente a partir del periodo 1972-2002 hasta el periodo 1993-2019, en un
3%, 10% y 14% con respecto al año base, periodos en donde la industria a nivel mundial tiene un
gasto energético enorme por los combustibles fósiles generando el calentamiento global. El
aumento en las temperaturas del planeta eleva la evapotranspiración desencadenando en tener
más cantidad de agua disponible para precipitar en la atmosfera reflejándose en los caudales de
los ríos tal y como se evidenció en la comparación de los periodos de la estación de caudales de
puerto salgar.

Al realizar la comparación de una muestra larga estación de agronomía con respecto a una corta
estación de posgrados se evidencia que para peridos de retorno bajos a altos el porcentaje de
variación se encuentra entre el 1.9% y el 2.4%, donde para la estación de agronomía serie larga los
valores estimados para precipitación son mayores. Se observa en las series estudiadas que los
puntos de las funciones acumulada presentan una misma tendencia, permitiendo que se dé una
relación directa entre las dos series.

4. CONCLUSIONES

Es necesario contar con muestras representativas para realizar la extrapolación de las variables
hidroclimatológicas, con el fin de generar resultados con incertidumbre baja. En consideración a
que se realizó un modelo con datos inferiores a 30 años, pues se estimaron valores de
precipitación para períodos de retorno medios Tr 200 años. No obstante, se puede observar que
para periodos mayores a 10 años el grado de incertidumbre es alto, por lo que se debería evaluar
la importancia y el riesgo al asumir los resultados de precipitación para el período calculado.

Al tomar una función de distribución (General Extreme Value GEV) como referente para el análisis
de varias series de datos como se hizo en la práctica de la estación de niveles de puerto salgar, se
obtuvo que el ajuste fue satisfactorio para 3 series analizadas, sin embargo para la serie La Niña no
se observó un buen desempeño en los periodos de retorno Tr altos, por lo que se recomienda
proponer y/o evaluar otros modelos de funciones que permitan generar una mayor grado de
confiabilidad para cada caso si es posible.

El uso de modelos de funciones de probabilidad permite predecir valores de lluvia, caudales,

variables hidroclimatológicas, dando lugar a que se establezcan patrones en el comportamiento
del clima determinando si vamos en la dirección correcta o por el contrario se requieren medidas
para mejorar y planear el territorio. Es así que mediante una serie de caudales que fueron
tomadas durante más de 60 años se pudo establecer un patrón de aumento en el caudal del rio de
puerto salgar, valores que están relacionados directamente con el cambio climático, ya que se
generan lluvias más extremas de lo habitual contribuyendo al aumento en los caudales de los ríos,
dejando zonas en las que posiblemente serán inhabitables por el exceso de agua ocasionando
inundaciones o por el contrario ausencia de la misma.
TALLER N°1 – PRÁCTICA DE ANÁLISIS DE FRECUENCIA DE MÁXIMOS
Jhohan Hadid Pardo González

Es necesario identificar el grado de riesgo y la importancia de las obras en los proyectos, cuando se
trabaja con una serie de datos cortos (menor a 30 datos) en el sentido a que extrapolar con poca
información genera un alto porcentaje de incertidumbre. Al realizar la comparación de la serie
larga y corta se identificó que las dos la curva de extrapolación busca una misma tendencia su
diferencia entre periodos de retorno Tr bajos y altos se encontró entre el 2 y 2.4%, por lo que
estas series cortas servirían de referencia para la elaboración de estudios para proyectos de baja
complejidad (cunetas, alcantarillas, obras menores).

5. REFERENCIAS BIBLIOGRÁFICAS

Climate Prediction Center Internet team. (2020). National Weather Service. Obtenido de National
Weather Service:
https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.php

Frances, F. ( 1998). Utilización de la Función de distribución de probabilidad TCEV con información

no sistemática dentro de un análisis regional. . Ingeniería del Agua. Aplición a los ríos Júcar
y Turia., Vol.5(1), 47-58. doi: 10.4995/ia.1998.2743

Sanchez, J. (2008). Universidad Salamanca. Obtenido de Universidad Salamanca:

http://hidrologia.usal.es/Complementos/estadistica/distr_esta.pdf