www.revistawarisata.org

 

Volumen 1 / Nro. 3 / Septiembre - Diciembre 2019 / ISSN: 2708 - 6305 / ISSN-L: 2708 - 6305 / pp. 146 - 166

 

Contribución al estudio de la pluviometría del estado Miranda (Venezuela) mediante Sistemas de Información Geográfica

 

Contribution to the study of the rainfall of the state of Miranda (Venezuela) through Geographic Information Systems

 

Loan José Landaeta

landaetaloan@gmail.com

Código ORCID: 0000-0002-7952-7483

Universidad Pedagógica Experimental Libertador, Venezuela

 

I  Artículo recibido en junio 2019

I Arbitrado en julio 2019

I Publicado en septiembre 2019

 

RESUMEN

En este artículo se hizo una revisión de los estudios pluviométricos referidos al estado Miranda y se presenta una propuesta de mapa isoyético basado en una muestra de 180 estaciones con diferentes períodos de registro a partir de 1950. Los datos fueron ajustados por diferentes métodos estadísticos, efectuándose desenglobes, estimación de datos faltantes y homogenización de series. Las isoyetas se interpolaron usando el método Spline con tensión, a través de los Sistemas de Información Geográfica. El mapa isoyético propuesto se compara con el mapa incluido en el trabajo de Alba Zambrano sobre la fisiografía del estado Miranda, importante referencia publicada en 1970. Para la comparación con el mapa isoyético propuesto, se seleccionó el trazado isoyético de Zambrano por tratarse del más completo y detallado presentado hasta la fecha. Se recomienda la densificación de la red de estaciones pluviométricas, particularmente en las regiones montañosas y áreas urbanas expuestas a riesgos hidrometeorológicos.

 

Palabras clave: Pluviometría; isoyetas; estado Miranda; Sistemas de Información Geográfica

 

ABSTRACT

In this paper, a review of the rainfall studies referred to the Miranda state is made and an isohyetal map proposal, based on a sample of 180 stations with different recording periods from 1950, is presented. The data were adjusted by different statistical methods, being carried out, such as estimation of missing data and homogenization of series. The isohyets were interpolated using the Spline method with tension, through the Geographic Information Systems. The proposed isohyetal map is compared with the map included in Alba Zambrano's work on the physiography of the Miranda state, an important reference published in 1970. For the comparison with the proposed isohyetal map, the Zambrano isohyetal plot was selected because it is the most complete and detailed presented to date. Densification of the network of rainfall stations is recommended, particularly in mountainous regions and urban areas exposed to hydrometeorological hazards.

 

Key words: Rainfall; isohyets; Miranda State; Geographic Information Systems

 

Descripción: D:\Users\CIDE\LOGO REVISTA.jpg


 

INTRODUCCIÓN

El estudio de las condiciones pluviométricas a escala nacional, regional o local, constituye un aspecto del mayor interés en disciplinas como la geografía, la hidrología, la ecología y la ingeniería, por cuanto sus variaciones espaciales y temporales inciden, positiva o negativamente, sobre importantes aspectos tales como el suministro de agua para consumo en áreas urbanas e industriales; la irrigación de cultivos y los requerimientos para la cría de animales; el cálculo de balances hídricos y de índices de sequía; la estimación del inicio promedio de las temporadas de lluvias; las probabilidades de propagación de plagas agrícolas y de brotes de enfermedades endémicas, particularmente de transmisión insectil; la planificación de la localización y de las dimensiones de embalses destinados a la generación de energía hidroeléctrica, control de inundaciones y de procesos erosivos, así como para el diseño de sistemas de drenaje y otras estructuras hidráulicas, entre múltiples aplicaciones (Glynn y Heinke, 1999; Linsey, Köhler y Paulus, 1988; Singh, 2017).

Por otra parte, especialmente para los países localizados en la zona intertropical, el potencial aumento de los riesgos hidrometeorológicos por efectos del cambio climático  global, magnifica la importancia de los estudios pluviométricos como soporte de las políticas y planes que deberán implementarse para reducir los riesgos y la vulnerabilidad de la población, ante el impacto de eventos lluviosos de extraordinaria magnitud (Guhathakurta, Sreejith y Menon, 2011).

La Organización Meteorológica Mundial (OMM-WMO) define el término pluviometría como el “estudio de la precipitación, incluyendo su naturaleza, su distribución y sus métodos de medida” (OMM, 1992, p. 459).

En relación con estos aspectos, la OMM indica que el problema del suministro de agua ocupa, a nivel mundial, el tercer lugar entre los mayores riesgos derivados del cambio climático global y que la demanda de agua para 2030 presentará un déficit del 40% respecto a las disponibilidades del recurso. El citado organismo especializado de la Organización de Naciones Unidas, señala también que el 60% de los países miembros reporta una disminución de las estaciones de observación meteorológica, cuyos datos, en términos cuantitativos (número de estaciones) y cualitativos (calidad de las observaciones), resultan vitales para la toma de decisiones efectivas (WMO, 2018). Condiciones estas que resaltan la importancia de las investigaciones relacionadas con la pluviometría, particularmente en los países en vías de desarrollo, como Venezuela, en los cuales las redes de observación meteorológica presentan notorias deficiencias, a la vez que la población enfrenta un alto grado de vulnerabilidad frente a las amenazas de fenómenos atmosféricos tanto violentos, como las lluvias de extraordinaria magnitud, como de evolución lenta, cuales las sequías (Wilhite, 2006).

En Venezuela, los estudios de las condiciones pluviométricas generales recibieron destacados aportes durante el siglo XX, sobre todo a partir de la disponibilidad de las primeras series de observaciones sistemáticas (González, 1948; SEMETFAV, 1982; 1993; Sifontes, 1929), las cuales se fueron expandiendo hasta abarcar gran parte del territorio nacional y sirvieron de base para publicaciones que continúan siendo referencias fundamentales (Goldbrunner, 1960; 1976; 1984; Vila, 1960). En algunos trabajos publicados posteriormente se abordan los posibles impactos que podría generar el cambio climático global sobre los regímenes pluviométricos venezolanos, destacándose entre estos las investigaciones de Guenni, Degryze y Alvarado (2008) y Hernández, Guenni y Sansó (2011).

Entre los estudios sobre las condiciones pluviométricas a escala regional, resaltan los trabajos de Vila (1967), Freile (1968), Grosske (1968), Zambrano (1970) y Sánchez (1981), obras en las que se incluyen diferentes aspectos climatológicos del estado Miranda. La referida publicación de Zambrano reviste particular interés, ya que su clasificación climática abarca gran parte del territorio del estado Miranda e incluye un mapa isoyético notablemente detallado, por lo cual será comentado más adelante. Por su parte, el trabajo de Sánchez presenta una regionalización climática del estado Miranda con fines agrícolas, basada en los registros de siete estaciones localizadas en dicha entidad federal.

Más recientemente, aplicando herramientas digitales, Landaeta (2017) publicó una propuesta de tipos pluviométricos para el estado Miranda, sobre la base de los polígonos de Thiessen. Finalmente, con relación a la escala local, también hay que citar la contribución de Méndez y Cartaya (2003), referida a una cuenca hidrográfica localizada en el estado Miranda.

Sin embargo, sin desconocer la importancia de los citados aportes, es forzoso señalar que para el territorio venezolano en general y para el estado Miranda en particular, hasta el presente los estudios climatológicos a escala regional deben considerarse insuficientes.

Respecto a las redes de observación, es de interés resaltar que a comienzos de la década de 1980 en Venezuela funcionaban cerca de 1.300 estaciones pluviométricas (SEMETFAV, 1982), lo que representaba una densidad aproximada de una estación por cada 700 kilómetros cuadrados, proporción que, en teoría, satisfacía las recomendaciones mínimas de la OMM en lo que respecta a tierras planas, aunque no así para las regiones montañosas, dado que el citado organismo establece para estas áreas una superficie máxima de 250 kilómetros cuadrados por estación (WMO, 2008).

Específicamente para el estado Miranda, el conjunto de estaciones pluviométricas registradas en las bases de datos de distintos organismos oficiales, en diferentes épocas, alcanza un total de 105 localidades, lo que representaría aproximadamente una densidad de una estación por cada 75 kilómetros cuadrados. Esta elevada densidad de observaciones resulta justificable si se considera la vocación marcadamente agrícola de extensas regiones de dicha entidad, como la llanada de Barlovento y los valles del Tuy, además de la localización en su territorio de importantes reservorios hídricos destinados al abastecimiento de la capital del país. Sin embargo, a los efectos de cualquier posible aplicación de tales datos, la referida densidad no puede considerarse real, puesto que muchas de dichas estaciones presentan períodos de funcionamiento notablemente heterogéneos.

Por otra parte, en áreas montañosas del estado Miranda, como el Cordón de los Altos, también conocido como macizo de Guaicaipuro, con una extensión de unos 1.520 kilómetros cuadrados (Freile, 1962), el máximo número de estaciones pluviométricas en funcionamiento simultáneo fue de siete, lo cual representaba sólo un décimo de la densidad espacial recomendada por la OMM (WMO, 2008), más aún por el hecho de que la región concentra varios núcleos urbanos de alta densidad poblacional, sujetos a elevados riesgos hidrometeorológicos en presencia de lluvias de extraordinaria magnitud, como ha podido comprobarse en numerosas ocasiones, cuando inundaciones urbanas y procesos de vertientes (derrumbes y deslizamientos) han afectado poblaciones mirandinas como Los Teques, San Antonio de los Altos, San Pedro de los Altos y otras, además de los principales ejes viales de la región (Arias, Sáez y Siso, 2017; Bejarano, 2008; El Nacional, 2019).

La influencia de la compleja orografía regional como factor modificador de la precipitación en estas áreas del estado Miranda, no se limita al impacto de eventos pluviométricos aislados, sino que repercute de manera estadísticamente significativa también sobre las variaciones de valores medios de precipitación a escala local, como lo demuestra la investigación de Foghin-Pillin y Millán (2007).

Partiendo de las anteriores consideraciones, el presente trabajo tiene como propósito general realizar una contribución al estudio de las variaciones espaciales de la precipitación media en el estado Miranda y como objetivos revisar las bases de datos pluviométricos disponibles para dicha entidad, efectuar los ajustes estadísticos pertinentes (Carrera-Villacrés et. al., 2016; Guevara, 1987), presentar una propuesta de trazado isoyético aplicando las técnicas disponibles a través de un Sistema de Información Geográfica (SIG), a la vez que comparar los mapas así generados con el ya citado mapa de Zambrano (1970).

Se aspiró que este trabajo constituyera una herramienta para contribuir al mejoramiento de la red de observación meteorológica del estado Miranda, particularmente en sus áreas urbanas, a través de la optimización de la distribución espacial de las estaciones pluviométricas (Ali y Othman, 2018; Cheng, Lin y Liou, 2007), ya que, si bien las imágenes satelitales de alta resolución actualmente disponibles (NASA), permiten la estimación de las precipitaciones acumuladas, a los efectos de sus aplicaciones a escala local, particularmente en regiones montañosas, dichas estimaciones requieren la validación por medio de redes de observación superficiales de alta densidad (Xu et. al., 2017).

La OMM (1992) define el término isoyeta como “línea que, en un mapa, une los puntos con idéntica precipitación en un período dado” (p. 445). El trazado de isoyetas, efectuado por expertos mediante los métodos convencionales, ha constituido el sistema más preciso para ponderar la precipitación media sobre un área determinada. Este tipo de análisis permite el uso y la interpretación de todos los datos disponibles, a la vez que resulta conveniente para la exposición y discusión de los resultados. Para su construcción el analista debe poseer y aplicar conocimientos precisos de las formas de relieve y de sus efectos sobre la pluviometría, al igual que de la dinámica regional de las tormentas, factores que no son considerados en los análisis por el método de los polígonos de Thiessen (Linsey, Köhler y Pauhlus, 1988).

Estas características hacen del análisis isoyético el método más recomendable en áreas de relieve complejo, como es el caso del estado Miranda, territorio que comprende la llanura fluviomarina de Barlovento, los valles de Caracas y valles del Tuy, las áreas montañosas de los Altos, así como las estribaciones y franjas de piedemonte de la serranía del Litoral y de la serranía del Interior, ramales de la cordillera de la Costa. (ver Figura 1).

 

Descripción: Descripción: hipsometria

 

Figura 1. Mapa hipsométrico del estado Miranda. (Fuente: Gobernación del Estado Bolivariano de Miranda, 2011)

 

Entre los principales mapas isoyéticos elaborados para el estado Miranda, destaca el que forma parte del extenso estudio de Zambrano (1970), mapa que abarca la totalidad del territorio del estado, elaborado con base en series de datos de 137 estaciones pluviométricas, de las cuales 60 % presentaba un registro de 10 o más años. En el Atlas Climatológico de Venezuela 1951-1970 (Goldbrunner, 1984), también se presenta un trazado de isoyetas para el estado Miranda, en el cual se observan claramente la principales franjas pluviométricas, a pesar de la pequeña extensión que representa la entidad respecto al territorio venezolano (0,9%), considerando que se trata de un mapa a escala nacional. Finalmente, hay que reseñar la publicación del Mapa de Isoyetas del Ministerio del Ambiente y de los Recursos Naturales (Proyecto CONICIT N°96001922: Reforzamiento de los sistemas de información Hidroclimática Digitalizada de Venezuela), realizado por Martelo (2000).

Como se señaló, en el presente trabajo se establecieron algunas comparaciones entre el mapa elaborado por medio de las herramientas digitales que ofrecen los SIG y el mapa isoyético presentado por Zambrano (1970), por considerarse éste el más completo entre los que se citan como antecedentes para el estado Miranda.

 

Los datos

Los datos utilizados para este estudio procedieron de 104 estaciones pluviométricas localizadas en el estado Miranda, seis en el estado Anzoátegui, seis en el estado Aragua, 25 en Distrito Federal (actualmente Distrito Capital), siete en el estado Guárico y 31 en el estado Vargas. La escogencia de estaciones fuera de los límites político-administrativos del estado Miranda respondió a la conveniencia de estimar la continuidad de las variaciones espaciales de las precipitaciones hacia las entidades vecinas, especialmente el Distrito Federal y el estado Vargas debido a la compleja orografía regional. Los datos proceden del catálogo de registros hidrometeorológicos del Instituto Nacional de Meteorología e Hidrología (INAMEH).

La cantidad y calidad de los datos disponibles condicionó la selección de la muestra para el área de estudio. Para tal propósito se realizó un muestreo no probabilístico intencional (Hernández, Fernández y Batista, 2006). Así pues, la muestra se escogió a juicio del investigador atendiendo a criterios de localización geográfica y emplazamiento de la estación, periodo de registro y calidad de los datos. La muestra seleccionada quedó conformada por las estaciones que cumplieron con: a) 10 o más años de registro a partir del año 1950; y b) su localización espacial en el estado Miranda o las áreas limítrofes de la entidad. Las 180 estaciones que conforman la muestra seleccionada se presentan en el mapa de la Figura 2.

El desenglobe de datos se realizó según la Técnica de los Valores Concurrentes (Guevara, 1987). Esta técnica se prefirió respecto al Desenglobe Mediante el Apoyo de una Estación Vecina, al considerar que la influencia de la orografía mirandina puede marcar diferencias significativas aún entre estaciones próximas. Esta última técnica se reservó para comprobar montos muy elevados o inferiores respecto a la media mensual y con respecto a los meses vecinos inmediatos. Los datos mensuales faltantes fueron estimados utilizando el método racional (Guevara, 1987). También se utilizó, siguiendo lo planteado por el autor antes mencionado, el método de estimación por la distancia, si bien este se reservó para áreas llanas, por no ser recomendado para áreas montañosas así como para corroborar la exactitud de los datos obtenidos a partir de otras técnicas y en algunos casos, para el cálculo de años faltantes.

El diseño de algoritmos en el programa Microsoft Excel 2007 para cada una de las técnicas de desenglobe y estimación de datos faltantes, representó una ventaja en ahorro de tiempo para el proceso de cálculo de tal cantidad de datos, así como para su posterior tabulación, puesto que se aprovechó su estructura de celdas para que los resultados solo tuvieran que ser “copiados y pegados” en el documento digital original donde faltaban.

Los datos expresan la precipitación media mensual y anual, en milímetros, de las 180 estaciones y se presentan en la Tabla 1, reproducida a continuación. El asterisco al lado del total anual indica datos corregidos.

 

Tabla 1. Datos homogenizados y ajustados de las estaciones pluviométricas del estado Miranda

SERIAL

ESTACION

LON

LAT

ALT

ENE

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SEP

OCT

NOV

1585

AGUA BLANCA

-66,00000

10,06611

321

146,0

90,5

63,5

73,3

120,8

249,2

325,7

249,2

182,8

178,2

198,4

1436

AGUA FRIA

-67,00000

10,39361

1741

26,8

14,9

21,3

64,8

107,8

149,9

137,2

138,0

123,4

106,7

76,1

1582

AGUAITA- RAMAL ARAGUITA

-66,00000

10,17917

580

231,2

145,5

111,6

119,4

153,1

329,0

379,3

291,1

202,0

192,9

250,9

1541

ALTOS DE LUISA

-66,50000

10,41028

500

62,6

32,1

25,4

49,7

97,7

200,4

214,6

158,3

121,0

100,1

122,1

1587

APA

-66,30000

10,13333

85

177,2

95,1

78,0

93,3

112,0

193,5

262,3

242,9

178,0

168,3

236,5

595

APONTE

-66,78000

10,14278

190

36,1

17,5

10,6

29,1

106,3

224,4

208,9

153,9

111,1

76,8

66,6

1571

ARAGUITA

-66,45972

10,22778

80

156,6

89,6

73,4

76,7

128,2

262,3

291,0

242,9

187,2

171,1

245,5

5052

BARUTA

-66,87306

10,43611

1001

19,8

9,2

11,3

43,6

86,3

147,3

135,2

113,4

89,3

96,1

74,1

1515

BIRONGO

-66,23889

10,48333

90

112,2

63,4

54,5

85,0

112,7

187,7

204,0

218,2

160,9

170,4

303,7

587

BUENA VISTA-TUY

-66,53333

10,20000

0

194,1

83,8

40,6

56,9

103,0

256,6

306,0

279,2

185,3

150,2

147,0

585

CAÑA AMARGA

-66,96139

10,05306

340

45,1

27,2

27,4

55,9

148,2

230,2

232,3

208,9

164,7

136,4

95,2

5057

CARACAS U.S.B.

-66,87556

10,40778

1225

17,9

17,5

12,4

54,5

107,4

139,3

127,8

139,7

105,1

114,5

81,9

5027

CARACAS-CAURIMARE

-66,79000

10,50333

965

25,6

14,0

18,6

56,9

107,7

156,9

138,3

147,3

136,6

122,1

91,3

5021

CARACAS-CHACAITO

-66,86361

10,52417

1200

24,3

23,8

13,8

61,1

95,2

123,6

95,7

130,3

136,4

99,4

77,9

544

CARACAS-LA CARLOTA

-66,83944

10,49056

836

15,4

12,2

12,8

52,3

76,7

123,4

115,4

122,9

115,3

120,5

81,2

563

CARACAS-LA MARIPOSA

-66,93139

10,41139

980

20,5

12,8

13,9

43,1

95,9

134,0

121,0

125,2

98,1

110,2

82,6

623

CARACAS-LA TRINIDAD

-66,86389

10,44167

962

14,1

12,1

13,8

43,1

81,3

112,4

98,3

113,0

93,1

98,0

74,0

626

CARACAS-LOS CHORROS

-66,82389

10,51389

1000

19,0

12,6

18,2

81,0

92,7

114,7

114,9

134,0

132,3

135,8

59,6

5047

CARACAS-MACARACUAY

-66,80861

10,46222

880

11,8

13,6

9,4

67,9

77,6

121,8

96,9

91,6

90,7

94,6

69,8

555

CARACAS-PETARE-CAURIMARE

-66,78333

10,46667

0

28,3

13,7

17,2

61,8

110,7

159,2

144,9

140,0

133,5

122,3

94,2

5024

CARACAS-SUBIDA AVILA

-66,91583

10,52250

1000

40,7

31,2

19,3

44,9

97,4

153,8

144,3

139,9

133,7

126,8

95,0

624

CARACAS-URBANIZACION MIRANDA

-66,78333

10,48472

1040

21,0

13,7

13,9

63,0

94,3

131,2

118,1

128,3

114,3

118,0

75,0

1508

CARENERO

-66,12500

10,54000

10

51,8

33,3

23,0

38,2

69,0

103,5

104,0

121,5

107,5

144,4

214,1

5034

CARTANAL

-66,70000

10,26667

180

35,1

14,5

13,5

29,3

67,6

134,1

156,0

143,0

80,4

83,7

92,3

1580

CASUPITO-CASERIO

-66,26667

10,18333

155

173,6

102,7

72,2

86,1

128,3

265,9

283,8

279,6

214,6

187,3

235,5

1505

CASUPITO-EL CERRO

-66,41667

10,20000

80

155,5

79,9

52,8

117,0

123,4

226,0

235,5

239,3

147,4

129,9

175,1

1553

CAUCAGUA

-66,37667

10,28861

62

161,9

75,4

56,6

61,9

117,6

297,5

291,0

233,2

156,2

157,1

200,0

SERIAL

ESTACION

LON

LAT

ALT

ENE

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SEP

OCT

NOV

1554

CAUCAGUA

-66,36667

10,28333

60

134,4

63,1

53,3

80,9

120,3

262,0

308,2

279,6

178,4

178,2

235,2

1555

CAUCAGUA

-66,36833

10,29750

80

109,2

76,0

52,5

92,1

133,0

208,3

294,0

271,8

191,2

176,4

256,3

572

CHARALLAVE

-66,85611

10,26667

400

21,2

13,2

10,5

34,0

77,8

138,6

141,8

127,2

91,9

86,7

61,1

594

COLONIA MENDOZA

-66,83056

10,12806

210

38,7

17,2

17,8

49,6

116,0

198,9

179,3

154,1

122,5

95,0

69,6

582

CUA-TOVAR

-66,86389

10,14583

230

33,1

14,7

15,7

47,0

112,5

178,8

172,1

134,0

104,8

95,5

70,9

1671

CUPIRA-TESORO

-65,71528

10,15694

22

66,0

28,1

27,3

32,1

91,4

123,5

154,6

141,2

126,4

157,4

231,3

1516

CURIEPE

-66,16667

10,47500

30

79,6

52,0

36,2

48,7

103,0

143,2

149,6

170,2

127,6

170,1

280,2

566

EL ALMENDRO

-66,90056

10,36000

1278

39,3

20,1

18,7

51,1

133,1

204,7

171,7

162,5

157,8

127,7

93,9

1438

EL ARADO

-67,15389

10,40222

2103

35,4

19,6

32,2

58,3

115,5

159,1

149,3

132,9

118,5

115,4

96,2

1534

EL CAFE

-66,28167

10,41667

65

120,6

73,0

58,8

74,0

126,6

201,3

248,4

220,5

162,2

181,5

273,2

573

EL CARRIZAL

-67,00000

10,35000

1282

21,9

12,8

14,4

55,2

113,9

178,9

176,9

181,7

130,9

144,3

77,1

1458

EL ENCANTO

-67,07917

10,31667

1120

20,7

10,7

18,7

47,1

122,7

165,0

150,6

150,9

125,7

146,5

82,7

1500

EL ENCANTO

-67,16722

10,32333

0

16,7

11,5

4,4

25,2

79,8

159,5

135,5

115,5

107,3

96,9

81,7

1682

EL GUAPO

-65,96944

10,15250

20

126,8

87,2

61,3

89,7

141,0

195,8

305,0

254,6

185,9

203,4

283,1

546

EL HATILLO

-66,82444

10,42639

1132

22,6

14,7

8,8

44,7

94,5

183,4

159,6

142,5

105,1

107,5

72,6

1589

EL JOBITO

-66,26667

10,10000

78

126,6

56,3

47,4

89,6

127,2

191,1

223,8

207,0

142,7

152,0

170,7

1579

EL ORO

-66,31667

10,20000

40

163,3

76,7

64,0

102,3

134,2

283,4

296,6

313,6

177,6

158,3

253,5

1551

EL PORTACHUELO

-66,40000

10,32361

280

131,4

65,6

47,5

53,9

103,6

233,2

273,3

218,7

156,6

145,3

209,5

1546

EL TIGRE

-66,12500

10,34861

25

75,0

48,9

42,1

59,7

90,8

143,9

176,6

175,1

144,1

159,2

244,0

5025

EL VIGIA

-66,80000

10,53333

0

43,5

24,1

22,9

42,3

110,4

164,7

146,0

139,7

137,6

133,6

90,7

1510

FILA DE TURGUA

-66,75667

10,37472

1107

31,8

19,4

17,7

45,8

107,0

196,9

179,8

155,4

126,6

121,5

101,8

548

GUARENAS

-66,61667

10,46722

385

19,1

8,0

7,4

32,6

73,4

140,4

134,4

105,8

85,9

75,0

79,1

559

GUATIRE

-66,52333

10,46722

363

33,6

18,1

11,2

31,0

71,6

156,0

161,6

119,7

98,1

83,8

88,4

567

GUATIRE

-66,53694

10,46306

309

33,0

12,1

11,0

35,9

67,6

176,1

162,9

115,8

98,9

62,8

85,7

1507

HACIENDA EL AGUILA

-66,70944

10,42417

1051

30,2

18,4

14,6

52,6

94,5

150,1

159,4

142,1

91,8

79,3

93,6

SERIAL

ESTACION

LON

LAT

ALT

ENE

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SEP

OCT

NOV

1488

HACIENDA LA EMILIA

-67,10000

10,10000

585

39,4

16,7

21,4

62,3

175,5

237,0

239,8

228,7

183,5

159,9

115,1

5055

HACIENDA TAZON - CUA

-66,91667

10,16667

230

33,0

14,5

14,9

44,4

116,5

183,7

173,5

132,0

97,7

87,1

74,0

1590

HACIENDA VALPARAISO

-66,28333

10,03333

0

88,5

42,4

40,0

57,9

97,5

166,4

184,7

162,7

137,9

140,7

126,5

1441

INSTITUTO PIGNATELLI

-67,04139

10,36861

1240

17,1

12,8

15,7

54,9

103,0

134,9

140,6

143,8

118,3

118,7

79,7

5035

LA CEIBA

-66,80833

10,23056

320

29,0

15,7

13,6

45,6

86,1

128,0

140,6

125,8

81,0

61,5

71,7

550

LA GUAIRITA

-66,85000

10,45000

1044

15,8

11,0

8,5

45,5

63,6

124,4

114,9

105,8

82,0

81,2

71,1

5048

LA MACANILLA

-66,51667

10,11667

590

244,8

219,9

90,2

99,5

173,8

361,9

412,6

322,1

268,3

182,3

330,7

5062

LA PEREZA

-66,73333

10,45000

1083

32,2

18,0

13,8

69,2

101,5

145,8

126,2

133,1

95,8

83,0

74,5

5037

LA VERANIEGA

-66,75833

10,14167

170

33,4

15,4

16,0

50,5

97,4

172,0

197,0

153,0

106,1

84,9

85,3

580

LAGARTIJO

-66,70000

10,10000

200

51,8

20,8

16,9

32,1

103,1

207,0

229,2

190,0

132,5

115,1

87,3

1581

LAS COLONIAS

-66,25000

10,10000

160

142,4

86,8

60,2

81,7

92,9

180,1

252,9

233,3

154,1

137,0

167,8

569

LAS PALOMAS

-66,66667

10,46667

500

51,8

21,2

17,9

38,0

103,1

190,8

198,3

205,7

158,0

131,4

80,2

568

LECHERITO

-66,89083

10,41167

1365

27,1

21,4

15,8

56,1

105,6

166,4

155,1

148,0

109,1

117,7

76,4

1559

LIBERTAD

-66,10000

10,31667

0

109,0

45,0

37,0

58,4

103,1

162,6

207,8

206,1

136,4

157,9

215,2

599

LOMA DEL MEDIO

-66,56667

10,18333

0

133,5

51,4

36,8

39,7

92,5

232,1

281,0

232,2

156,5

133,2

122,2

1448

LOS TEQUES

-67,03333

10,35000

1090

18,0

12,0

12,0

40,0

105,0

167,0

145,0

140,0

122,0

132,0

73,0

1449

LOS TEQUES-GFV

-67,03389

10,34667

0

26,0

15,0

11,0

32,0

121,0

216,0

172,0

145,0

151,0

145,0

95,0

570

MACAGUITA

-66,93944

10,12806

480

37,0

20,0

20,0

51,0

113,0

185,0

162,0

141,0

111,0

107,0

91,0

5028

MACANILLAL

-66,74056

10,53278

1397

66,0

25,0

19,0

63,0

117,0

186,0

170,0

156,0

144,0

150,0

112,0

1674

MACHURUCUTO

-65,65333

10,20722

4

33,0

12,0

11,0

21,0

45,0

83,0

72,0

91,0

97,0

117,0

148,0

1519

MONDRAGON

-66,11111

10,47222

15

59,0

34,0

26,0

43,0

68,0

119,0

103,0

130,0

112,0

135,0

225,0

564

NARANJAL

-66,95000

10,35000

0

56,0

25,0

29,0

58,0

114,0

113,0

141,0

146,0

152,0

152,0

162,0

588

ONZA-HACIENDA VILLEGAS

-66,88333

10,06667

570

47,0

26,0

24,0

63,0

127,0

202,0

193,0

201,0

142,0

112,0

99,0

1542

PALO GACHO

-66,51667

10,38333

500

86,0

44,0

31,0

48,0

97,0

212,0

245,0

183,0

142,0

127,0

175,0

1586

PANAQUIRE

-66,23750

10,22389

30

159,0

75,0

59,0

98,0

161,0

280,0

332,0

318,0

212,0

213,0

299,0

SERIAL

ESTACION

LON

LAT

ALT

ENE

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SEP

OCT

NOV

1652

PAPARO

-65,98778

10,38222

10

37,0

22,0

19,0

41,0

71,0

91,0

88,0

111,0

111,0

138,0

184,0

560

PARACOTOS

-66,95833

10,26722

620

22,0

12,0

13,0

41,0

106,0

169,0

128,0

136,0

134,0

114,0

79,0

586

PARAPARO-TAZON-CUA

-66,90556

10,14806

290

36,0

15,0

19,0

35,0

97,0

162,0

159,0

131,0

89,0

85,0

75,0

1447

POZO DE ROSAS

-67,11667

10,35000

1554

23,0

12,0

19,0

54,0

112,0

177,0

149,0

137,0

124,0

115,0

80,0

1569

PUEBLO NUEVO

-66,04167

10,24722

35

129,0

64,0

45,0

119,0

121,0

141,0

185,0

212,0

165,0

178,0

253,0

1548

PUERTO SOTILLO

-66,08333

10,40361

39

75,0

44,0

33,0

49,0

86,0

123,0

135,0

150,0

136,0

153,0

224,0

597

QUIRIPITAL

-66,68333

10,01667

780

31,0

15,0

12,0

45,0

118,0

173,0

174,0

174,0

141,0

122,0

76,0

589

RIO ARRIBA

-67,01667

10,15000

395

28,0

11,0

21,0

43,0

119,0

185,0

164,0

160,0

126,0

122,0

88,0

598

RIO DE PIEDRAS

-66,55000

10,00000

0

28,0

15,0

10,0

34,0

88,0

178,0

157,0

185,0

150,0

115,0

89,0

1513

SALMERON

-66,38333

10,46667

500

112,0

70,0

44,0

92,0

123,0

229,0

266,0

244,0

187,0

161,0

225,0

5191

SAN ANTONIO DE ALTOS

-66,96333

10,37500

1450

17,0

16,0

23,0

45,0

100,0

177,0

176,0

152,0

142,0

146,0

113,0

561

SAN DIEGO LOS ALTOS

-66,95389

10,34694

1300

29,0

14,0

16,0

53,0

131,0

186,0

194,0

183,0

144,0

145,0

86,0

1662

SAN JOSE RIO CHICO

-66,01111

10,30694

8

67,0

34,0

24,0

53,0

93,0

129,0

149,0

152,0

116,0

166,0

246,0

549

SANTA EPIFANIA

-66,66667

10,29167

140

36,0

13,0

14,0

30,0

71,0

169,0

182,0

133,0

94,0

82,0

81,0

547

SANTA LUCIA

-66,66667

10,31667

170

33,0

9,0

12,0

25,0

67,0

184,0

198,0

133,0

81,0

83,0

83,0

577

SANTA TERESA DEL TUY

-66,65806

10,24778

150

55,0

22,0

16,0

24,0

72,0

212,0

207,0

161,0

101,0

82,0

76,0

578

SANTA TERESA DEL TUY

-66,65000

10,21667

158

41,0

14,0

13,0

39,0

90,0

196,0

209,0

159,0

96,0

91,0

82,0

5030

SANTA TERESA DEL TUY

-66,66056

10,24278

120

43,8

16,0

16,0

55,0

93,0

158,0

179,0

171,0

96,0

93,0

94,0

1446

SITIO OROPEZA

-67,08333

10,38944

1628

29,0

16,0

19,0

54,0

108,0

147,0

137,0

126,0

102,0

114,0

86,0

5029

TACAMAHACA

-66,72222

10,52750

1175

52,0

22,0

17,0

54,0

114,0

170,0

166,0

164,0

148,0

126,0

108,0

1572

TACARIGUA

-66,16667

10,01667

0

67,0

41,0

23,0

52,0

112,0

186,0

207,0

198,0

152,0

134,0

121,0

1661

TACARIGUA LA LAGUNA

-65,87667

10,30750

2

39,0

22,0

16,0

32,0

69,0

98,0

99,0

143,0

107,0

146,0

162,0

1536

TACARIGUA MAMPORAL

-66,14667

10,40611

40

106,0

61,0

47,0

66,0

89,0

151,0

170,0

176,0

146,0

161,0

244,0

575

TAGUACITA

-66,06667

10,21667

205

121,0

43,0

29,0

48,0

95,0

233,0

265,0

243,0

152,0

144,0

155,0

1588

TAGUAZA-LA CORONA

-66,46667

10,16667

137

189,0

95,0

61,0

108,0

142,0

248,0

300,0

279,0

179,0

194,0

175,0

SERIAL

ESTACION

LON

LAT

ALT

ENE

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SEP

OCT

NOV

1574

TAPIPA

-66,30972

10,23472

40

166,0

85,0

66,0

110,0

143,0

274,0

346,0

312,0

189,0

197,0

272,0

1445

TOPO DE LOS ESPEJOS

-67,11667

10,38333

1686

35,0

29,0

22,0

60,0

103,0

150,0

127,0

112,0

93,0

103,0

75,0

571

TUMUZA

-66,74722

10,26528

200

29,0

13,0

13,0

34,0

73,0

150,0

173,0

123,0

79,0

67,0

76,0

1680

BOCA DE UCHIRE

-65,42778

10,14667

6

9,4

7,9

6,8

17,7

46,4

60,2

52,4

84,8

75,1

75,5

77,1

1683

LA CERCA

-65,21361

10,10306

4

5,0

3,7

1,9

16,2

19,5

51,1

45,6

66,7

53,9

44,9

43,0

2604

SANTA BARBARA

-65,69444

9,97778

486

113,0

83,0

43,0

96,0

129,0

233,0

237,0

277,0

223,0

185,0

185,0

2605

GUANAPE

-65,50194

9,91944

130

9,9

5,8

5,8

29,1

62,9

151,7

148,1

161,7

125,1

103,7

65,3

2607

VALLE DE GUANAPE

-65,67750

9,91500

286

16,7

14,4

7,8

48,3

73,7

143,1

146,8

168,1

128,1

118,4

70,4

2610

BOTIJON

-65,68083

9,90556

364

16,0

13,7

7,2

47,2

75,0

149,0

153,4

145,3

137,2

104,9

66,8

1444

PIE DEL CERRO

-67,32083

10,32333

780

10,9

8,5

11,6

52,8

105,5

120,4

111,5

129,3

125,0

124,4

78,2

1455

LA URBINA-QUEBRADA SECA

-67,26111

10,28139

650

7,1

3,7

10,4

40,1

103,8

128,1

117,1

120,0

113,0

89,8

48,2

1469

LAS TEJERIAS

-67,17167

10,25583

484

14,7

5,9

11,1

34,5

104,5

142,6

122,0

116,2

106,8

108,8

58,8

1487

TIARA

-67,15000

10,13028

750

16,8

8,9

15,6

51,9

146,4

221,3

218,6

220,8

178,0

177,9

90,1

2409

SAN SEBASTIAN

-67,17806

9,94806

330

4,2

2,0

8,6

47,5

125,3

173,1

184,6

181,9

137,3

118,0

54,7

2511

VALLE MORIN

-66,91944

9,92222

400

3,8

2,8

9,4

44,7

129,8

195,2

206,8

213,2

167,9

137,7

51,4

519

CARACAS-HOTEL HUMBOLDT

-66,88167

10,54444

2129

28,9

14,8

36,8

51,1

71,1

87,9

124,2

130,5

115,3

118,6

93,9

520

CARACAS-LA SALLE

-66,83333

10,51333

1007

16,6

8,7

11,7

52,8

73,7

118,8

113,2

118,9

112,3

100,2

87,5

522

CARACAS-CATIA

-66,94667

10,50806

970

16,3

10,1

11,2

36,4

75,8

93,6

94,5

104,7

118,6

100,9

54,7

537

CARACAS-LA RINCONADA

-66,95000

10,43639

936

18,4

12,8

16,7

49,0

81,0

114,8

101,2

102,1

84,4

98,3

68,0

539

CARACAS-CIUDAD UNIVERSITARIA

-66,88889

10,49278

884

17,1

13,7

12,5

52,2

82,6

116,8

102,8

118,5

107,0

107,7

87,4

540

CARACAS-HACIENDA MONTALBAN

-66,96806

10,47278

937

15,9

8,8

12,3

34,1

78,6

105,6

109,3

104,4

83,8

106,2

61,6

545

CARACAS-TIENDA HONDA

-66,91667

10,50000

 

28,5

19,6

10,9

45,5

85,5

119,9

113,5

113,8

106,7

119,3

89,2

565

ALTOS DE PIPE

-66,98333

10,40000

1739

31,5

19,9

15,0

49,1

81,4

146,3

155,8

137,4

95,9

118,9

74,9

606

CARACAS-CUALTEL URDANETA

-66,95556

10,51028

970

13,3

8,5

20,0

25,0

64,1

79,4

78,1

102,8

88,3

114,2

60,4

607

CARACAS-SAN JOSE DEL AVILA

-66,91611

10,52250

999

16,8

12,9

13,9

54,6

71,3

79,2

81,8

98,0

116,8

115,0

79,5

SERIAL

ESTACION

LON

LAT

ALT

ENE

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SEP

OCT

NOV

612

CARACAS-CIRCULO MILITAR

-66,89722

10,47083

910

19,4

12,3

15,7

52,5

77,3

107,7

96,8

102,6

87,3

103,6

72,5

622

CARACAS-TELEFERICO

-66,88611

10,51944

1160

22,0

8,4

19,7

46,2

71,6

89,1

95,0

98,4

124,5

128,8

71,5

625

CARACAS-HACIENDA MAMERA

-66,99250

10,45639

990

16,7

5,8

13,9

38,4

71,4

91,9

93,2

99,5

76,5

83,3

46,8

794

CARACAS-EDIFICIO LA PAZ

-66,86667

10,52472

900

15,5

7,9

14,1

46,5

75,7

103,8

98,1

109,8

97,4

119,4

84,4

1417

ALTO IZCARAGUA

-67,12389

10,46139

2091

40,6

24,2

24,4

62,0

75,8

100,7

93,2

98,7

91,2

105,9

77,1

1420

LOMA DEL CAFETAL

-67,01667

10,48333

1668

27,6

15,4

21,6

49,2

60,3

97,4

96,3

101,3

67,7

85,7

63,9

1425

ALTO DE ÑO LEON

-67,16000

10,44000

2101

39,4

24,9

26,0

70,7

99,4

114,9

106,9

99,7

97,2

98,3

83,9

1426

MACARAO-DIQUE

-67,03333

10,43333

1032

18,3

11,4

9,1

43,0

82,8

108,9

106,6

93,8

81,6

94,3

49,4

1427

SABANETA

-67,03333

10,46667

1640

42,3

26,0

20,1

49,8

102,7

135,3

119,5

107,5

88,0

107,4

72,6

1437

LLANO DE CURA

-67,13333

10,42389

1240

26,4

14,4

17,0

54,9

88,8

117,0

110,9

106,0

89,2

101,9

69,2

2169

ALTO EL LAGUNAZO

-67,20250

10,42361

2280

36,0

21,2

20,1

73,0

90,6

102,4

102,1

93,6

86,3

103,3

68,7

5003

CORRALITO

-67,14361

10,50500

1473

33,4

25,2

26,0

82,0

64,8

60,5

79,8

118,5

88,7

109,1

75,6

5015

RIO GRANDE

-66,93861

10,57222

925

68,5

31,0

27,7

65,3

57,8

103,3

122,9

112,0

103,3

102,7

90,8

5061

CARICUAO

-66,99139

10,43833

1030

20,3

12,5

10,4

41,6

82,6

113,4

103,1

93,7

91,0

95,9

60,9

2425

LEZAMA

-66,38444

9,72944

190

3,6

2,1

3,3

30,5

98,5

193,8

167,8

180,4

118,2

93,5

42,9

2505

GUATOPO

-66,43333

10,05222

710

74,9

44,7

30,2

48,0

121,7

205,3

202,5

202,8

158,0

152,1

114,4

2507

SAN FRANCISCO DE MACAIRA

-66,26833

9,98056

570

27,8

15,7

13,0

38,6

108,4

178,8

169,4

192,0

163,5

116,4

75,8

2528

PASO REAL

-66,19750

9,83278

305

5,6

4,4

4,0

20,9

95,7

148,8

154,1

180,0

131,7

95,3

44,5

2539

SAN ANTONIO TAMANACO

-66,04222

9,69167

176

18,1

3,1

4,4

26,9

90,0

163,7

182,7

165,1

143,6

109,2

59,7

2601

SOUBLETTE

-66,09194

9,91833

355

12,2

8,6

8,1

31,1

100,8

158,0

167,6

176,0

143,8

101,4

68,1

2602

SAN JOSE DE GUARIBE

-65,82861

9,86444

235

14,6

6,3

5,4

25,4

73,4

133,7

144,6

145,2

107,4

83,4

66,6

502

MAIQUETIA

-66,95000

10,60000

75

50,3

31,9

23,2

34,1

44,2

68,6

66,5

72,8

59,7

64,5

63,9

503

MAIQUETIA-AEROPUERTO

-66,98000

10,60278

43

40,0

26,5

20,2

24,1

35,8

53,4

54,8

51,2

54,9

50,7

58,8

508

MACUTO

-66,89639

10,60028

 

46,5

24,3

19,0

38,3

39,0

50,4

61,0

64,1

51,1

61,7

73,4

1401

MAMO

-67,05361

10,58944

16

26,6

13,1

18,8

25,7

28,4

46,7

55,2

57,3

35,3

41,8

44,2

SERIAL

ESTACION

LON

LAT

ALT

ENE

FEB

MAR

ABR

MAY

JUN

JUL

AGO

SEP

OCT

NOV

1404

PUERTO CRUZ

-67,35000

10,53333

5

29,0

17,4

19,5

40,6

54,8

52,9

64,0

70,7

55,9

63,9

83,0

1412

LA GUITARRITA

-67,26667

10,46667

 

35,2

33,9

46,6

104,7

114,5

104,8

117,4

145,9

140,8

143,5

127,8

1413

LA PENITA

-67,22944

10,47361

644

38,5

45,2

40,8

115,7

94,5

87,6

104,1

122,0

118,2

146,3

120,5

1414

LAS MERCEDES

-67,19528

10,48361

1537

65,6

58,6

45,3

128,4

98,5

85,9

87,4

118,3

99,2

139,9

120,4

1439

EL CARITE

-67,01667

10,40000

1021

27,1

14,1

10,0

34,4

86,4

137,1

127,1

122,9

107,7

133,4

75,1

1501

TODASANA

-66,45889

10,63000

34

161,5

76,3

61,2

83,5

58,8

145,0

131,7

100,8

59,6

81,8

224,1

1502

LA SABANA

-66,38028

10,62361

11

172,9

69,2

64,3

59,9

60,1

131,8

132,2

118,6

63,6

129,4

280,4

1504

CHUSPA

-66,31222

10,61889

6

138,0

65,6

68,2

84,8

88,8

144,5

120,3

151,5

83,6

138,4

243,9

5001

CARABALLEDA

-66,84528

10,61306

74

52,8

27,2

26,9

49,9

33,5

49,3

65,9

51,8

38,0

60,0

70,2

5004

URIA

-66,78250

10,61556

30

68,1

35,7

33,4

34,4

33,4

53,1

71,4

48,1

47,9

59,7

92,5

5005

NAIGUATA

-66,73556

10,62306

49

62,6

29,4

27,5

33,6

25,5

46,0

58,9

50,0

41,7

50,3

84,3

5006

ANARE

-66,61278

10,62389

74

107,0

48,1

50,7

32,0

33,9

68,3

78,6

50,1

42,1

68,1

115,6

5011

LOS CARACAS

-66,57972

10,62389

15

103,0

67,3

55,8

57,7

47,0

85,7

108,0

81,9

57,2

78,7

155,2

5016

LOS CARACAS-EL LIMON

-66,59361

10,60111

145

133,2

87,1

71,6

81,9

52,6

102,7

139,0

116,5

112,2

123,7

148,7

5017

LOS CARACAS-FILA DEL INDIO

-66,62083

10,60139

575

120,8

78,4

58,2

88,6

58,4

99,7

121,2

105,0

94,7

103,0

136,0

5020

MARIA ISABEL

-66,68139

10,59833

 

74,7

66,5

67,4

60,5

61,1

108,9

136,2

163,1

97,2

137,7

152,2

5041

CARUAO

-66,35000

10,60000

10

117,4

110,0

74,0

119,0

87,8

122,9

142,0

172,8

112,9

139,1

298,7

5042

ORITAPO

-66,49194

10,61472

80

152,1

126,3

70,3

130,8

59,7

124,4

141,2

137,4

80,6

107,2

225,2

5043

OSMA

-66,51444

10,61583

30

116,3

89,4

60,8

46,1

72,7

105,8

128,7

120,8

73,0

91,3

204,8

5044

PIEDRA AZUL 1

-66,95000

10,56667

1350

29,0

14,7

26,8

52,7

53,0

80,6

93,0

92,1

101,8

86,1

60,2

5045

PIEDRA AZUL 2

-66,96667

10,56667

1050

36,7

14,2

43,6

30,5

45,2

83,1

114,0

102,7

117,4

107,5

80,6

9304

PUERTO ORICAO

-67,18000

10,55889

12

27,7

21,6

17,6

29,4

48,4

35,9

52,5

62,9

54,2

62,6

63,2

9308

MAMO-ESCUELA NAVAL

-67,04833

10,59389

81

9,5

9,5

7,5

25,9

24,0

37,2

41,9

41,6

34,1

40,4

34,5

9311

CARAYACA

-67,13333

10,53333

972

30,2

22,7

26,7

81,4

82,4

65,5

86,6

116,9

99,0

112,9

97,2

9312

PUERTO CHICHIRIVICHE

-67,23917

10,54806

22

34,7

16,4

26,4

44,2

55,7

41,3

54,3

62,7

53,5

77,1

71,8

9313

HACIENDA NARANJAL

-67,23306

10,48944

408

38,3

32,8

39,9

91,8

93,7

97,0

112,7

156,9

147,6

158,6

130,7

9361

PETAQUIRE-DIQUE

-67,15111

10,47000

1300

23,1

26,4

19,1

98,9

64,6

61,7

73,6

92,9

99,1

100,8

67,8

 

Fuente: Elaboración propia

 

Descripción: Descripción: Estaciones de la Base de Datos TRES.png

 

Figura 2. Estaciones pluviométricas de los estados Miranda, Vargas y Distrito Capital con 10 años o más de registro a partir del año 1950 y estaciones de los estados Aragua, Guárico y Anzoátegui con 30 años de registro (1961-1990). (Fuente: Elaboración propia).

 

MÉTODO

A partir de los datos correspondientes a las estaciones localizadas en el mapa de l Figura 2 y Tabla 1 se generaron las isoyetas en formato vector a partir del raster, mediante la aplicación de la herramienta Surface de la extensión ArcGIS Spatial Analyst. Utilizando la herramienta Contour se trazaron isoyetas a intervalos de 200 milímetros (mm) de precipitación, aplicando la función Spline (Koch y Lyche, 1993).

Un Spline es una función diferenciable, definida en porciones mediante polinomios. Este método de interpolación “estima valores usando una función matemática que minimiza la curvatura general de la superficie, lo que resulta en una superficie suave que pasa exactamente por los puntos de entrada” (ArcGIS Resource Center, 2012).

Existen dos métodos de Spline: regularizado y de tensión. El método regularizado produce una superficie suave que varía gradualmente con los valores que pueden encontrase al exterior del rango de datos de la muestra. El método de tensión controla la rigidez de la superficie de acuerdo a las características del fenómeno modelado. De esta forma genera una superficie más irregular, con valores que están más restringidos por el rango de datos de la muestra. Debido a esta última propiedad, para el desarrollo del modelo de precipitación con Spline, se escogió el método con Tensión.

A efectos de lograr mayor control de la superficie de salida, el ArcGIS permite la manipulación de dos parámetros: el peso y la cantidad de puntos. Para el Spline de tensión, el parámetro de “peso” define el peso de la tensión; cuanto más alto es el peso, más gruesa es la superficie de salida. Los valores introducidos deben ser iguales o mayores que cero. Por otro lado, el parámetro “Cantidad de puntos” identifica el número de puntos que se utilizan en el cálculo de cada celda interpolada. Cuantos más puntos de entrada especifique, mayor será la influencia de los puntos distantes sobre cada celda y más suave será la superficie de salida (ArcGIS Resource Center, 2012).

Los parámetros aplicados fueron 70 para el peso igual y 5 para la cantidad de puntos igual (figura 4, abajo).

El algoritmo utilizado por la herramienta Spline se basa en la siguiente fórmula:

 

donde:

 

j = 1, 2, ..., N

 

N  es la cantidad de puntos.; λj son coeficientes determinados por la solución de un sistema de ecuaciones lineales; rj es la distancia del punto (x, y) al punto j. T(x, y) y R(r) se definen de forma diferente, según la opción seleccionada (“REGULARIZED” o “TENSION”), siendo para la opción TENSION

 

T(x,y) = a1

 

Donde a1 es un coeficiente determinado por la solución de un sistema de ecuaciones lineales. Y,

 

donde: r es la distancia entre el punto y la muestra.

 

 es el parámetro de peso.

 es la función de Bessel modificada.

c es una constante igual a 0,577215.

 

Para la investigación, el método Spline con tensión fue desarrollado a partir de un conjunto de herramientas de 3D Analyst a través de la rutina presentada a continuación en la Figura 3.

Una vez obtenidos raster de salida, se procedió a clasificar los campos numéricos (precipitación) a intervalos definido de 600 mm, ajustar la “rampa de colores” y generar las isoyetas en formato vector mediante el uso de la herramienta “contour”, procesos descritos previamente.

 

Descripción: Descripción: Spline -procedimiento-.png

 

Figura 3. Rutina de procesamiento para la generación de modelos a partir de la técnica Spline con Tensión en el software ArcGIS. (Fuente: Elaboración propia).

 

RESULTADOS

 

Descripción del mapa isoyético generado con interpolación Spline

Se observó que la parte oriental del estado Miranda presenta la mayor densidad de isoyetas, además de una distribución más compleja de las isolínea. La isoyeta de 1.200 mm, al oeste de la región de Barlovento, destaca como el límite que diferencia la entidad en cuanto a su comportamiento pluviométrico.

Hacia el occidente, predominan montos anuales de lluvia comprendidos entre los 800 a 1.200 mm. Destacan varios núcleos y ejes de precipitación. El núcleo de Guarenas-Guatire, es un área de precipitaciones con montos inferiores a 1.000 milímetros. También es el caso de La Pereza y Hacienda El Águila, poco más de 8 kilómetros al oeste del anterior. Igual sucede más al sur, en un gran núcleo conformado entre las localidades de Paraparo-Tazón-Cúa, Paracotos y Santa Lucía, el cual abarca la mayor parte de la región de los Valles del Tuy. Las mayores precipitaciones en esta parte del estado ocurren entre las localidades de Los Teques y El Almendro (más de 1.200 mm), y en el extremo suroeste entre Hacienda La Emilia, Caña Amarga y Onza-Hacienda Villegas, donde los montos medios oscilan de 1.200 a más de 1.400 mm anuales.

La región litoral y prelitoral, hasta 15 Km. a partir de la costa mirandina, quedan comprendidas entre las isoyetas de 1.200 mm a 1.600 mm, si bien en algunos segmentos de la franja costera se presentan precipitaciones inferiores a los 1.000 mm –Machurucuto, Unare– o 1.200 mm –Higuerote, Carenero–. Destaca la orientación casi paralela de las isoyetas respecto al borde costero regional.

La porción central de la llanura de Barlovento aparece delimitada por la isoyeta cerrada de 1.800 mm anuales. Hacia el oeste de la región se define un núcleo con centro en las localidades de La Macanilla y Aguaita-Ramal Araguita, que comprende hasta precipitaciones medias de 3.000 mm. Al centro de la región, otro núcleo con más de 2.400 se emplaza entre Tapipa y Panaquire, con más de 2.400 mm, mientras que hacia el sector oriental, los registros de El Guapo sostienen un núcleo de más de 2.000 mm.

Hacia el sur de la entidad las isoyetas se alinean más o menos paralelamente a los principales ejes orográficos. En contraposición en lo referido a la disposición de las isoyetas al norte del Estado, hacia la serranía del Litoral resalta el ángulo casi recto con el que algunas isoyetas cortan la alineación montañosa.

Así mismo, hacia la parte noroeste del Estado, en los límites con el estado Vargas, resulta notoria la influencia de las fuertes pendientes topográficas y particular exposición a los vientos locales, características del abra de Tacagua, factores que explican el acusado gradiente pluviométrico evidenciado por el conjunto de isoyetas concéntricas, con valores que pasan en muy corta distancia de 1.200 a 200 milímetros anuales de precipitación media.

 

Comparación del mapa generado por interpolación Spline con el análisis isoyético de Alba Zambrano

Como ya se apuntó, en su estudio geográfico sobre la cuenca del río Tuy, Zambrano (1970) incluyó un mapa isoyético con un considerable nivel de detalle, el cual abarca prácticamente todo el estado Miranda. Hasta el presente, el trabajo de Zambrano constituye una referencia fundamental para las investigaciones geográficas regionales, por lo que se consideró de interés comparar el mapa isoyético incluido en aquel estudio, con el producto resultante de la interpolación por Spline propuesto.

Al contrastar el referido mapa con las interpolaciones realizadas en el presente estudio, se observan tanto similitudes como diferencias en cuanto a la magnitud, distribución y orientación de las isoyetas y áreas de precipitación así delimitadas (Figura 4).

En la región del litoral mirandino, Zambrano traza isolíneas de precipitación entre 800 y 1.600 mm, las cuales presentan una serie de ondulaciones que no aparecen en las isoyetas obtenidas a través del Spline. No obstante, los montos de las isoyetas entre ambos mapas coinciden notablemente.

Por otra parte, en las estribaciones de la serranía del Litoral próximas al saliente de cabo Codera, las isolíneas de precipitación se orientan paralelas al relieve montañoso en el trazado de Zambrano, mientras que en el caso de las interpolaciones realizadas con Spline las isolíneas se presentan perpendiculares respecto a la orientación de aquellas estribaciones orientales de la serranía costera.

Para la región de Barlovento Zambrano propone la existencia de un eje entre Aguaita-Ramal Araguita y Tapipa que alcanza un monto promedio anual comprendido entre 2.400 a 2.600 mm, mientras que en las interpolaciones efectuadas con Spline aparecen dos núcleos: La Macanilla, con más de 3.000 mm y Panaquire-Tapipa, con más de 2.400 mm. Más al este, en El Guapo, se presentan precipitaciones similares en ambos mapas.

Al occidente del Estado se aprecian diferencias significativas. Al suroeste, coinciden los montos pluviométricos entre los mapas; no obstante, las isoyetas de Zambrano se extienden más de 15 kilómetros hacia el norte con respecto a las generadas con las interpolaciones Spline. Así, por ejemplo, mientras que la localidad de Tácata aparece delimitada por la isoyeta de 1.400 mm en el mapa de Zambrano, la ausencia de su serie en el registro del INAMEH imposibilitó su incorporación a los modelos desarrollados en este estudio.

En lo que respecta al área de precipitación definidas por las estaciones Cúa-Charallave-Santa Lucía, en los mapas se encuentra una coincidencia parcial entre las isoyetas que la delimitan. Así mismo, se observa una coincidencia longitudinal en el trazado de la isoyeta de 1.200 mm entre los mapas. En contraposición, Zambrano presenta en su mapa un núcleo de 2.200 mm de precipitación centrado en Maitana, vecino y modelador del área de precipitación Cúa-Charallave-Santa Lucía, mientras que en los mapas interpolados es inexistente, esto debido a la ausencia de información de las estaciones que lo sustentan: Maitana y Naranjal San Diego.

Por otra parte, se observa que en los mapas interpolados con Spline, Guarenas-Guatire se presentan como un eje de precipitación independiente, mientras que la misma zona aparece unida al Distrito Metropolitano por la isoyeta de 800 mm en el mapa de Zambrano (ver Figura 4).

 

Descripción: Descripción: Comparación entre ZAMBRANO y SPLINE Peso 70 y Cant de Puntos 5 Base de Datos TRES (DOS MAPAS -solo isoyetas).png

 

Figura 4. (abajo) mapa isoyético del estado Miranda generado por el interpolador Spline con tensión, con base en 180 estaciones con registros de diez o más años, a partir de 1950 y (arriba) mapa de isoyetas según Alba Zambrano (1970).

 

CONCLUSIONES

Entre los mapas de precipitación del estado Miranda precedentes, es el de Zambrano (1970) el más detallado en cuanto a las isoyetas y áreas de precipitación trazados, así como la consideración de factores influyentes en la distribución espacial de las precipitaciones. La comparación realizada respecto a los mapas del presente estudio obtenidos mediante las técnicas de interpolación, permite establecer correspondencias generales en cuanto a la existencia de áreas de precipitación y la trayectoria de isoyetas, principalmente en la región de Barlovento y el litoral mirandino. Las principales diferencias se observaron respecto a la distribución de las precipitaciones al norte del estado Miranda, donde Zambrano destaca la influencia condicionante del relieve de la Serranía del Litoral en la trayectoria de las isoyetas de la zona, mientras que el trazado de las mismas por parte de los interpoladores es limitada, principalmente debido a la ausencia de un mayor número de estaciones y la característica isotrópica propia de la técnica aplicada. De igual forma, en el occidente mirandino, las principales diferencias pueden ser atribuidas a la ausencia de estaciones en la base de datos utilizada para este trabajo, pero disponibles para el mapa de Zambrano; en otras palabras, constituirían evidencia de la pérdida de algunas series de datos.

Se considera que la metodología, técnicas y herramientas desarrolladas para la recolección de información pluviométrica, su tabulación, desenglobe de montos y estimación de datos faltantes; las rutinas desarrolladas para cada técnica de interpolación; la comparación de los mapas obtenidos a partir de los modelos interpolados; y el procedimiento para establecer tipos pluviométricos y sub-tipos pluviométricos desarrollados en esta investigación, constituirán una referencia para el desarrollo de otros estudios de precipitación necesarios en el país.

En relación con lo anterior, merece resaltar la utilidad del proceso metodológico, así como de las técnicas y herramientas desarrolladas en la presente investigación para su aplicación en el ámbito educativo, especialmente de las cátedras relacionadas al proceso de enseñanza de tecnologías de información geográficas, geoestadística, climatología general y climatología aplicada de Venezuela, entre otras áreas.

Finalmente, las deficiencias cualitativas y cuantitativas detectadas en las bases de datos pluviométricos durante el proceso de esta investigación, ponen en evidencia la necesidad de densificar la red de estaciones de medición, particularmente en aquellas áreas que incluyen centros poblados, con el doble propósito de apoyar los sistemas de alerta temprana, ante la eventualidad de episodios lluviosos de extraordinaria magnitud y, a la vez, suministrar la información básica que permita investigar los efectos del cambio climático global sobre la intensidad, la frecuencia y la trayectoria de las tormentas.

 

REFERENCIAS

Ali, M. y Othman, F. (2018). Raingauge network optimization in a tropical urban area by coupling cross-validation with the geostatistical technique. Hydrological Sciences Journal, 63(3), 474-491. Recuperado de https://www.tandfonline.com./doi/citedby/10.1080/02626667.2018.1437271?scroll=top&needAccess=true

ArcGIS Resource Center. (2012). Cómo funciona Spline. ArcGIS Resources. Recuperado de http://resources.arcgis.com/es/help/

Arias V., A., Sáez S., V. y Siso L., E. (2017). Inundaciones ocurridas entre 1970 y 2005 y su relación con la precipitación del percentil 25%. Región Central de Venezuela. Terra Nueva Etapa, 33(53), 219-246. Recuperado de https://www.redalyc.org/pdf/721/72152384010.pdf

Bejarano D., B. (2008, Octubre 21). Quebrada arrastró 20 carros y colapsó Panamericana. El Universal, Caracas, p. 3-1

Carrera-Villacrés, V., Guevara-García. P. V., Tamayo-Bacacela, L. C., Balarezo-Aguilar, A. L., Narváez-Rivera, C. A., y Morocho-López, D. R. (2016). Relleno de series anuales de datos meteorológicos mediante métodos estadísticos en la zona costera e interandina del Ecuador y cálculo de la precipitación media. IDESIA, 34(3), 81-90. Recuperado de https://scielo.conicyt.cl/pdf/idesia/v34n3/art10.pdf

Cheng, K. S., Lin, Y.C. y Liou, J. J. (2007). Rain-gauge network evaluation and augmentation using geostatistics. Hydrological Processes, 22(14), 2554-2564. Recuperado de https://www.researchgate.net/publication/229894747_RainGauge_Network_Evaluation_and_Augmentation_Using_Geostatistics

El Nacional. (2019, Mayo 31). Cinco viviendas afectadas por fuertes lluvias en Los Teques. El Nacional. Recuperado de https://www.elnacional.com/sociedad/cinco-viviendas-afectadas-por-fuertes-lluvias-los-teques_284041/

Foghin-Pillin, S. y Millán, Z. (2007). Observaciones pluviométricas en San Antonio de los Altos (Estado Miranda) durante los meses de enero a agosto de 2007. Sapiens. Revista Universitaria de Investigación, 8(2), 187-195. Recuperado de https://www.redalyc.org/pdf/410/41080212.pdf

Freile, A. (1962). Mapa fisiográfico de la República de Venezuela. Caracas: Ministerio de Minas e Hidrocarburos

Freile, A. (1968). Regiones climáticas de Venezuela. Boletín de Geología, 10(19), 3-156

Glynn, H. J. y Heinke, G. W. (1999). Ingeniería ambiental. México: Prentice Hall/Pearson

Gobernación del Estado Bolivariano de Miranda. (2011). Plan de Ordenación del Territorio del Estado Bolivariano de Miranda. Los Teques: Autor

Goldbrunner, A. W. (1960). Las causas meteorológicas de las lluvias de extraordinaria magnitud en Venezuela. Caracas: Ministerio de Obras Públicas

Goldbrunner, A. W. (1976). El clima de Venezuela y su clasificación. Caracas: Instituto Universitario Pedagógico de Caracas/Servicio de Meteorología y Comunicaciones de la Fuerza Aérea Venezolana

Goldbrunner, A. W. (1984). Atlas climatológico de Venezuela 1951-1970. Maracay: Servicio de Meteorología de la Fuerza Aérea Venezolana

González, E. (1948). Datos detallados de climatología de Venezuela. Caracas: Ministerio de Sanidad y Asistencia Social

Grosske, F. (1968). Sobre la pluviosidad en Caracas. Caracas: Edición del Concejo Municipal del Distrito Federal

Guenni, L., Degryze, E. y Alvarado, K. (2008). Análisis de la tendencia y la estacionalidad de la precipitación mensual en Venezuela. Revista Colombiana de Estadística, 31(1), 41-65

Guevara D., J. M. (1987). Métodos de estimación y ajuste de datos climáticos. Caracas: Universidad Central de Venezuela

Guhathakurta, Sreejith y Menon. (2011). Impact of climate change on extreme rainfall events and flood risk in India. Journal of Earth Systems Science, 120(3), 359-373. Recuperado de https://www.ias.ac.in/article/fulltext/jess/120/03/0359-0373

Hernández, R., Fernández, C. y Batista, P. (2006). Metodología de la investigación. México: McGraw-Hill Interamericana

Hernández, A., Guenni, L. y Sansó, B. (2011). Características de la precipitación extrema en algunas localidades de Venezuela. Interciencia, 36(3), 185-191. Recuperado de https://www.redalyc.org/articulo.oa?id=339/33917977005

Koch P.E. y Lyche T. (1993). Interpolation with Exponential B-Splines in Tension. In: Farin G., Noltemeier H., Hagen H., Knödel W. (eds) Geometric Modelling. Computing Supplementum, vol. 8. Vienna: Springer

Landaeta, L. (2016). Una propuesta de tipos pluviométricos para el estado Miranda, Venezuela. Revista de Investigación, 87(40), 267-294. Recuperado de https://www.redalyc.org/pdf/3761/376146819012.pdf

Linsey, R. K., Kohler, M. A. y Paulhus, J. L. (1988). Hydrology for Engineers. New York: McGraw-Hill

Méndez M. W., y Cartaya, S. (2003). Algunos aspectos hidroclimáticos de la cuenca de la quebrada Charallave, valles del Tuy, estado Miranda, Venezuela. Revista de investigación, 53, 43-69

Organización Meteorológica Mundial-OMM. (1992). Vocabulario Meteorológico Internacional. No. 182. Ginebra: OMM

Sánchez C., J. M. (1981). Mesoclimas en Venezuela. Caracas: Ministerio de Agricultura y Cría

Servicio de Meteorología de la Fuerza Aérea Venezolana-SEMETFAV. (1982). Promedios climatológicos de Venezuela 1951-1980. Maracay: SEMETFAV

Servicio de Meteorología de la Fuerza Aérea Venezolana-SEMETFAV. (1993). Estadísticas climatológicas de Venezuela. Período 1961-1990. Maracay: SEMETFAV

Sifontes, E. (1929). Venezuela meteorológica. Caracas: Imprenta El Cojo

Singh, V. P. (2017). Handbook of Applied Hydrology. Second Edition. New York: McGraw-Hill Education

Xu, R., Tian, F., Yang, L., Hu, H., Lu, H. y Hou, A. (2017). Ground validation of GPM IMERG and TRMM 3B42V7 rainfall products over southern Tibetan Plateau based on a high-density rain gauge network. Journal of Geophysical Research: Atmospheres, 122, 910–924. Recuperado de https://agupubs.onlinelibrary.wiley.com/doi/epdf/10.1002/2016JD025418

Vila, M. A. (1967). Aspectos geográficos del estado Miranda. Caracas: Corporación Venezolana de Fomento

Vila, P. (1960). Geografía de Venezuela Tomo I. Caracas: Ministerio de Educación

Wilhite, D. (2006). Drought monitoring and early warning. WMO – No. 1006. Geneva: World Meteorological Organization

World Meteorological Organization-WMO. (2008). Guide to hydrological practices. Geneva: WMO

World Meteorological Organization-WMO. (2018). WMO steps up action on water. (Press release). Recuperado de https://public.wmo.int/en/media/press-release/wmo-steps-action-water

Zambrano, A. (1970). Estudio Fisiográfico Regional de la Cuenca del Tuy. Boletín de Geología, 11(21), 2-206