WATER RESOURCES RESEARCH, YOL. 35, NO.

4, PAGES 1313-1322, APRIL 1999

Una vista probabilstico del mtodo de Hirshfield para estimar la precipitacin mxima
Se propone una formulacin alternativa sencilla del mtodo estadstico de Hershfield para estimar la precipitacin
mxima probable (PMP). Especficamente, se muestra que los datos Hershfield publicados no apoyan la hiptesis de que
existe un PMP como un lmite superior fsico, y por lo tanto un tratamiento puramente probabilstica de los datos es ms
consistente. Adems, utilizando el mismo conjunto de datos, se muestra que la estimacin de la PMP de Hirshfield puede
obtenerse utilizando el valor generalizado extrema (GEV) de distribucin con forma de parmetro dado como una
funcin lineal especificada del valor medio de la serie anual mxima precipitacin y de retomo perodo de alrededor de
60.000 aos. Esta formulacin sustitutos completamente el nomograma emprica estndar que se utiliza para la
aplicacin del mtodo. La aplicacin del mtodo puede ser mejorado cuando estn disponibles que soporta una
estimacin precisa del parmetro de forma de la distribucin GEV larga serie de datos de precipitacin locales.
}

1. Introduction

poco despus o antes de la publicacin, mientras que, en algunos casos,

los valores han sido consideradas por los cientficos competentes para ser
absurdamente alto.
[...] El mtodo es, por lo tanto, sujeto a serias crticas tanto por motivos
tcnicos-tcnicos y ticos, debido a la preponderancia de los factores
subjetivos en el proceso de clculo, y debido a la falta de significado
especfico o consistente en el resultado; tica debido a la implicacin de
que el valor de diseo es prcticamente libre de riesgo.

La precipitacin mxima probable (PMP), que se define

como "tericamente la mayor profundidad de
precipitacin para una duracin dada que es fsicamente
posible, en un rea de la tormenta tamao dado en una
ubicacin geogrfica determinada en un momento
determinado del ao" [Organizacin Meteorolgica
Mundial, 1986 p. 1], ha sido ampliamente utilizado para
el diseo de grandes obras de proteccin contra
inundaciones. Tpicamente, PMP se utiliza para estimar la
inundacin ms grande que podra ocurrir en una cuenca
hidrolgica dado, la llamada crecida mxima probable
(PMF). A su vez, PMF se utiliza para determinar las
caractersticas de construccin de obras de proteccin
contra inundaciones. El enfoque de PMP, que
prcticamente supone un boud superior fsica de
cantidad precipitation, es contraiy con el enfoque
probabilstico, de acuerdo con lo que cualquier cantidad
debe estar asociado con una probabilidad de excedencia o
perodo de retomo.
A pesar de su amplia aceptacin, el concepto de PMP ha
sido criticado por muchos hidrlogos. Citamos, por
ejemplo, de Dingman [1994, p. 141]:

Los defectos del concepto PMP se expresa vvidamente por

dos de los Willekes [1980] mitos: el "mito de la
probabilidad infinitesimal", que reza: "la probabilidad de
ocurrencia del evento de mxima probable es
infinitesimal", y el "mito de la imposibilidad ", que lee"
estimaciones hidrometeorolgicos de eventos de flujo son
tan grandes que no pueden o no ocurrir. "Aqu se seala
una serie de tormentas registradas en los Estados Unidos
que superaron las estimaciones PMP [vase tambin
Dooge de 1986].
La justificacin de la amplia utilizacin del enfoque de
PMP se atribuye al aspecto "sin riesgo" del mtodo.
Segn Benson [1973, p. 30],

os conceptos de PMP y PMF son controvertidos. Realmente podemos

especificar un lmite superior a la cantidad de lluvia que puede caer en un
tiempo ven? [...] Hay que reconocer que los valores representados son
slo aquellos que se han observado histricamente en la fraccin
infinitesimal de la tierra cubierta por pluvimetros, y cantidades mayores
deben haber cado en lugares no aforados en otros momentos y lugares. Y,
conceptualmente, siempre podemos imaginar que unas cuantas ms
molculas de agua pueden caer ms all de cualquier lmite especificado.
Entre las crticas ms ordenadas de la nocin de PMP es el de
Benson [1973, p. 30]:
El concepto de "mxima probable" que comenz como "mximo posible",
ya que se considera que existen lmites mximos para todos los elementos
que actan en conjunto para producir la lluvia, y que estos lmites podran
ser definidas por un estudio de los procesos naturales. Este se encontr
que era imposible de lograr, bsicamente debido a la naturaleza no est
restringido a los lmites de [] En este punto, el concepto
debera haber sido abandonada y admiti ser un fracaso. En lugar de ello,
fue recuperado por el dispositivo de cambio de nombre "probable

mximum "en lugar de" mxima posible ". Esto se hizo, sin embargo,
en un sacrificio de cualquier significado o la consistencia lgica que
pueda haber existido originalmente [....] El nico mrito en el valor que
se obtenga es que es muy grande. Sin embargo, en algunos casos, la
precipitacin mxima probable de inundacin o valores se han superado

El mtodo ha sido utilizado y aceptado durante mucho tiempo, por una

razn, y no por sus mritos, sino porque proporciona una solucin que
elimina la responsabilidad de tomar decisiones importantes en cuanto a
grado de riesgo o de proteccin.

in embargo, la eliminacin de la responsabilidad es una

ilusin, porque la adopcin del enfoque de PMP de ninguna
manera implica un riesgo cero en la realidad. Por lo tanto, no
hace mucho tiempo, ha habido una iniciativa para un
movimiento de alejamiento de los mtodos basados en PMP a
los enfoques basados en el riesgo para el diseo de ingeniera
[por ejemplo, Stedinger y Grygier, 1985; Dawdy y
Lettenmaier, 1987; Consejo Nacional Research, 1988,
1994],
Adems del concepto general de la misma PMP, han sido
criticados otras cuestiones relacionadas con la metodologa de
determinacin de la cantidad de PMP, principalmente porque
no existe un mtodo nico para determinar el lmite superior
de las lluvias, en el supuesto de que realmente existe. Una
variedad de procedimientos para determinar PMP tiene

Table 1. Tabla resumen de los datos publicados por Hershfield

[1961]

Class

Valor mnimo de Valor mximo de

Longitud Nmero de
km,
intervalo km, intervalo
de registro, registros
donde
se donde se
Aos
individuales
encuentra
encuentra

1
2
3
4
5
6
7
8
9
10
11
12
13

10-14
15-19
20-24
25-29
30-34
35-39
40-44
45-49
50-54
55-59
60-64
65-69
>70

208
851
92
108
97
85
108
149
260
352
279
45
11

1.0-1.5
1.0-1.5
1.5-2.0
1.5-2.0
2.0-2.5
2.0-2.5
2.0-2.5
1.5-2.0
2.0-2.5
1.5-2.0
2.0-2.5
2.0-2.5
2.0-2.5

14.5-15.0
13.0-13.5
14.0-14.5
8.0-8.5
10.5-11.0
9.5-10.0
10.0-10.5
9.5-10.0
9.5-10.0
11.0-11.5
11.0-11.5
8.0-8.5
6.0-6.5

Total

...

2645

1.01.5

14.5-15.0

ha propuesto [por ejemplo, Wiesner, 1970; Schreiner y Riedel,

1978; Organizacin Meteorolgica Mundial, 1986; Collier y
Hardaker, 1996], y diferentes procedimientos pueden dar lugar
a valores ms altos o ms bajos.
La mayora de los procedimientos se basan en un anlisis
meteorolgico integral, mientras que otros se basan en el
anlisis estadstico. Entre estos ltimos, el ms utilizado es
[1961, 1965] procedimiento de Hirshfield, que se ha convertido
en uno de los mtodos estndar sugeridos por la Organizacin
Meteorolgica Mundial [1986] para estimar la PMP, Tiene las
ventajas de tomar en cuenta el histrico real datos de la
ubicacin de inters, que expresan en trminos de parmetros
estadsticos, y ser fcil de usar. El procedimiento se basa en la
ecuacin general

(1)

donde hm es la cantidad de lluvia mxima observada en el

sitio de inters, hn y sn son la media y la desviacin estndar
de una serie de n mximos de precipitacin anual en ese sitio,
y km es un factor de frecuencia. Para evaluar este factor,
Hershfield [1961] inicialmente analizaron un total de 95.000
aos-estacin de las lluvias mximum anual que pertenece a
2645 estaciones, de las cuales aproximadamente el 90%
estaban en los Estados Unidos, y se encontr que el mximo
observed valor del km 15. Luego fue concluy que una
estimacin de la cantidad de PMP se puede determinar
mediante el establecimiento km = 15 en (1) y sustituyendo / jm
para el valor de PMP. Posteriormente, Su-shfield [1965],
propone que km vara con la precipitacin duracin cin dy el
hn media. Ms especficamente, se encontr que el valor de 15
km = es demasiado alto para las zonas con fuertes lluvias y
demasiado baja para las zonas ridas, mientras que es
demasiado alto para las duraciones ms cortas de lluvia de 24
horas. Por lo tanto se construy un nomograma emprica que

indica que vara entre 5 y 20 depen- diendo de la duracin

precipitaciones d y la media h ". Este nomograph y (1)
constituyen la base del mtodo estadstico para la estimacin
de PMP, que se estandariz por la Organizacin Mundial de
Meteorologa [1986].

Sin lugar a dudas, los datos, anlisis y resultados de

Hershfield contienen informacin de gran utilidad y validez
adicional se ha aadido a ellos por la aplicacin generalizada
del mtodo. Sin embargo, despus de la discusin en los
prrafos anteriores, se plantea la cuestin de si la enorme
cantidad de informacin utilizada por las lluvias Hershfield
sugiere la existencia de un lmite superior determinista de
precipitacin o no. Si la respuesta a esta pregunta es negativa
(y, de hecho, lo es), se puede sostener que no hay ninguna
razn para considerar los resultados del mtodo de Hirshfield
como PMP. Entonces surgen otras cuestiones, por ejemplo, si
este mtodo estndar se puede reformular de una manera
puramente probabilstico, sin postular la existencia de PMP, y
cul es la probabilidad de excedencia de los resultados del
mtodo es. Las respuestas a estas preguntas son los objetivos de
este documento, y, como mostramos en las siguientes
secciones, que son alcanzables y sencilla.
El lector puede tener una objecin principal para la
reformulacin probabilstico intento del mtodo de Hirshfield
principalmente causa BE- de la utilizacin de un tipo
especificado de la funcin de distribucin de probabilidad para
describir datos de 2645 estaciones pluviomtricas que pueden
experimentar una variedad de condiciones climticas. De
hecho, un solo tipo de funcin de distribucin puede no ser
apropiado para todas las estaciones, pero sera muy til tener
una idea de un comportamiento probabilstico "promedio" de la
precipitacin mxima para un gran nmero de estaciones de
este tipo. Adems, tal objecin slo se justifica por las mismas
razones que para el mtodo de la Hirshfield original, ya que
este mtodo realmente hizo el mismo tipo de generalizacin.
Por otra parte, incluimos en nuestro anlisis de una
investigacin de las implicaciones de tal suposicin a travs de
la simulacin.

2. Interpretacin de los datos estadsticos de

Hirshfield
Hershfield [1961] public una tabla con los datos de
resumen de todos los registros de 2645 que utiliz; esta tabla
sirve como la base de todos los anlisis del presente estudio.
Ms especficamente, Hershfield divide los registros
disponibles en 13 clases, de acuerdo a la longitud de registro,
que variaba de 10-14 aos a ms de 70 aos, como se muestra
en la Tabla 1. Adems, se calcula para cada registro el valor de
km (ecuacin (1)) y discretizado el rango de km, que se
extiende desde 1,0 hasta 15,0, usando un paso igual a 0,5

KOUTSOYIANNIS: TECHNICAL NOTE

(teniendo as 28 intervalos en total). En su mesa public el

nmero de ocurrencias de cada intervalo de km para cada clase
de longitud de registro. En la Tabla 1 reproducimos el mnimo
observado y el intervalo mximo de km para cada clase de
longitud de registro.
Hagamos caso omiso provisionalmente los efectos de la
longitud del registro n en el kilmetro (que aparentemente
existe, vamos a volver a ella ms tarde) y unificar todas las
clases de registro longitudes sumando el nmero de
ocurrencias de todas las clases (como Hershfield ya lo ha
hecho, tambin). Luego, utilizando la frmula de Weibull
conocida, se puede estimar la probabilidad de no excedencia de
la variable aleatoria Km, cuya realizacin es km, por:

de intensificacin de aumento de km en comparacin con el

aumento de la Gumbel reducida variate - ln (ln F *). Si esta tasa
de incremento fueron constantes (es decir, los puntos en la
figura 1 forman una lnea recta), esto indicara que km tendra
una distribucin Gumbel. La observada curvatura (es decir, tasa
de aumento de la intensificacin) sugiere que un valor extremo
generalizada (GEV) de distribucin con parmetro de forma + 0
es ms apropiado (la curva mostrada en la Figura 1, que se
estima por mnimos cuadrados, corresponde a k = 0,0857) . En
conclusin, la Figura 1 indica que el mximo observado valor
de Km = 15 no es en absoluto un lmite superior fsico y que
sera mayor si se dispusiera de ms registros. Para apoyar esta
interpretacin, invocamos las observaciones preventivas de la
Organizacin Meteorolgica Mundial [1986, p. 108] en el
mtodo estadstico de PMP, que mencionan valores de hasta 2530 km iguales para los Estados Unidos y Canad.

(2)
donde r (km) es el nmero de registros con Km <km, y r 'es
el nmero total de registros (2645). De hecho, esta estimacin
es posible slo para los lmites superiores de los 28 intervalos
de km utilizados por Hershfield.
Una parcela de frente F * (ms precisamente, en
comparacin con el Gumbel reduce variate - ln (- ln F *)), se da
en la Figura 1 en papel de probabilidad de Gumbel.
Contrariamente a la interpretacin de la Organizacin
Meteorolgica Mundial [1986, p. 96], lo que habla de un valor
"envolvente" de km, esta cifra sugiere que no hay un valor tal
envolvente. Al igual que en cualquier muestra finita, tenemos
en la Figura 1 un valor mximo finito (km = 15 en nuestro
caso), pero no hay evidencia para considerar que el valor de ser
un envolviendo uno. Esto se justificara slo si hubo una
tendencia hacia el km para:

Observamos que la distribucin de Gumbel es de mximos (3)

(3)

y la distribucin GEV es

Tanto en (3) y (4) X y x significan la variable aleatoria y su

valor, respectivamente (en nuestro caso representan km y km,
respectivamente); Fx (x) es la funcin de distribucin; y k, X, y
si) son de forma, escala, y los parmetros de ubicacin,
respectivamente. Aqu k y ijt son adimensionales, mientras que
X (> 0) tiene las mismas unidades que x. Tenga en cuenta que
(3) es el caso especial de dos parmetros de los tres parmetros
(4), lo que resulta cuando K = 0.
En el anlisis anterior no hemos considerado el efecto de la
longitud del registro n en el km. Aparentemente, existe un
efecto tan grave por dos razones. En primer lugar, los ms
disponibles los valores de los datos son, ms probable es que se
produzca un mayor valor de km. En segundo lugar, el km es
una cantidad estandarizada por la media muestral y la
desviacin estndar, mayor es la longitud de registro, ms
Figura 1. emprica (diamantes) y GEV (lnea continua) precisa ser la estimacin de km. En la figura 2 hemos
Funcin de distribucin de mxima km variate estandarizados representado las distribuciones empricas de cada clase de
de Hirshfield para todas las clases de longitud de registro (en el longitud de registro por separado, utilizando de nuevo (2) pero
con r 'es el nmero total de registros de la clase especfica. Es
papel de probabilidad de Gumbel). Los parmetros de la
evidente que, para probabilidades bajas y moderadas de no
Distribucin GEV son
excedencia (valores bajos y moderados de la reduccin de
estabilizar (o saturar) en un determinado valor que la Gumbel-ln variable aleatoria (ln F *)) la distribucin emprica
probabilidad de no excedencia F*(Km) aproxima a la unidad. de una clase con una longitud de registro pequea (por ejemplo,
Pero este no es el caso en la Figura 1, donde se observa una tasa 10-14 aos) difiere de la de una clase con longitud de registro

largo (por ejemplo, 65-69 aos), las curvas de la antigua ser

inferiores a las de este ltimo. Esto se justifica en absoluto por
la primera razn reportado anteriormente. Para muy altas
probabilidades de no excedencia (muy altos valores de la
variable reducida de Gumbel - ln (ln F *)) esta situacin se
invierte en algunos casos (por ejemplo, las distribuciones
empricas de las clases de longitud de registro de 10-14 y 20
-24 aos superan a los de las clases ms largo con una longitud
de registro). Lo ms probable, esto es una consecuencia de la
pobre estimacin de la media y la desviacin estndar para las
clases con pequea longitud de registro.
El efecto de la longitud del registro de la precisin de la
estimacin de la media y la desviacin tpica de una variable
aleatoria es intrnseca e inevitable. Sin embargo, el efecto de la
longitud del registro del valor de km mxima puede ser
fcilmente evitado si, en vez de estudiar la distribucin del
mximo observado km' elegimos para estudiar la distribucin de
todos ki mximos anuales dentro de un registro normalizado,
definido por

(5)

Donde
es la i-sima observ precipitacin anual mxima dentro del
registro. Designando por F * () y F () las funciones de
distribucin de Km y ki, respectivamente, y desde ki son
independientes, es bien conocido [por ejemplo, Gumbel, 1958,
p. 75] que F * (k) = [-F (k)]^n, por lo que podemos encontrar la
distribucin F emprica (k), dada F * (k) a partir de (2), por
(6)

KOUTSOYIANNIS: TECHNICAL NOTE

normal estndar
para
la
confianza
coeficiente de
99% y Q f = [F
(1 - F) (1 / m ')]
^ 0 5 es la
desviacin
estndar de la
muestra de F
para un tamao
de muestra de
m'
[Papoulis,
1990, pp 284,
299.];
en
nuestro caso, m
'es igual
al
nmero de aosestacin. Para la
construccin de
las curvas de
confianza de la
Figura 3, el
valor de m 'fue
tomada de 2000,
Figura 2. Funciones de distribucin emprica de mxima
km variate estandarizados de Hirshfield para cada clase de
longitud de registro (en el papel de probabilidad de
Gumbel).
Esto lo hemos hecho para las clases de longitud de registro
todo de Hirshfield mediante la adopcin de un valor nico de n
para cada clase, igual a la media aritmtica de los lmites de la
clase (para la ltima clase que no tiene un lmite superior
supusimos n = 85, por lo que el nmero total de aos-station es
94.523, es decir, muy cerca del valor de 95.000 aos-estacin
mencionada por Hershfield). Una vez ms, la estimacin de F
(k) es posible slo para los lmites superiores de los 28
intervalos de km utilizados por Hershfield. Las funciones de
distribucin emprica estimada F (k) se representan en la
Figura 3.
Claramente, las salidas en F * (km), entre diferentes clases
observadas en la Figura 2, han desaparecido en el F (k) de la
Figura 3. Algunas salidas de diferentes clases aparecen en la
figura 3 slo para ln (ln F)> 6, o F> 0,998, o,
equivalentemente, para perodos de retorno de ms de 500
aos.
Esto no es tan extrao si tenemos en cuenta el alto grado de
incertidumbre para dichos periodos de alto retorno,
especialmente para las clases de pequea longitud. Tambin
observamos que el grfico de probabilidad de Gumbel de la
Figura 3 se ampla en gran medida cualquier diferencia en la
probabilidad en la parte ms a la derecha de la grfica. Como
una indicacin aproximada que estas diferencias no son
significativas, hemos representado en la figura 3 un par de
curvas de confianza en torno a una distribucin GEV terico.
La distribucin GEV es representativa para el registro
unificado que contiene todas las clases, y su derivacin se
discute en la seccin 3. Los lmites de confianza del 99% a un
cierto valor de F son F 2.576 Q f, donde 2.576 es la variable

que es

Representativo de la clase 3 con una media de longitud

rcord de 22 aos y 2024 aos-estacin.

Por lo tanto, con las reservas y las explicaciones dadas en el

3. Proyecto de formulacin alternativa del
mtodo de Hirshfield para profundidades ltimo prrafo del apartado 1, se puede proceder asumiendo que
todos los registros de k estandarizada anual mximo de lluvia
de 24 horas
representan prcticamente la misma poblacin. Esta suposicin
El anlisis aproximado de la seccin anterior indica que las
clases de diferentes longitudes de registro no difieren
sustancialmente en cuanto a la distribucin de k. Al parecer, la
longitud de registro que era el criterio para las clases de
separacin no es el ms adecuado uno; otros criterios tales
como las condiciones climticas seran ms apropiados para
probar si afectan a la distribucin de k. Sin embargo, incluso si
13 clases del Hirshfield existentes se consideran como
totalmente al azar seleccionados, la ausencia de diferencia
sustancial entre ellos proporciona una indicacin aproximada
que la normalizacin especfica de precipitacin mxima anual
(es decir, el uso de k) es una herramienta de anlisis til.

se apoya tambin en la obra original de Hershfield [1961], que

prob los diferentes registros para la aleatoriedad y la
independencia.
Es bastante simple para encontrar la funcin de distribucin
emprica F (k) de la unin de todos los registros. Teniendo en
cuenta a partir de (6) la funcin de distribucin emprica M, (k)
para la clase I, que tiene m '(i) estacionarias aos en total, se
estima el nmero 1 m (k) de la estacin de aos-cuyos valores
son menores o iguales a k por

Adicin de M (k) y para todo i que encontrar el nmero total

de m (k) para la unin de todos los registros; Del mismo modo,
la adicin de todos los m 'nos encontramos con el nmero
total de aos de estaciones (m' = 94.523), por lo que
finalmente

Figura 3. Las funciones de distribucin emprica de altura de lluvia normalizado k para cada clase de longitud de registro (en el
papel de probabilidad de Gumbel).
Una vez ms, la estimacin de F (k) es posible slo para los
lmites superiores de los 28 intervalos de k (m) utilizados por
Hershfield. As, la gama de k, donde es posible la estimacin de
F (k) se extiende desde k = 1,5 a 15. El correspondiente rango
estimado de F (k) es de F (k) = 0,7759-,9999904. No tenemos
ninguna informacin para valores de f (k) <0,7759 (o,

equivalentemente, por perodos Retum menos de 4,5 aos),

pero esto no es una brecha importante porque tpicamente en
problemas de ingeniera, nuestro inters se centra en periodos
de retorno altas .

KOUTSOYIANNIS: TECHNICAL NOTE

La funcin de distribucin emprica de todos los registros se

da grficamente en la Figura 4 en papel de probabilidad de
Gumbel. La curvatura de esta funcin de distribucin emprica
muestra claramente que la distribucin Gumbel no es
apropiado. Por lo tanto hemos equipado la distribucin GEV
ms generalizada que tambin se muestra en la Figura 4 (as
como en la Figura 3), junto con dos curvas de confianza del
99% obtenidos con el mtodo ya descrito en la seccin 2 para
m '= 95.000. Debido a la situacin inusual en la informacin
disponible emprica (slo 28 valores de la distribucin
emprica), mtodos de ajuste tpicos, tales como las de
momentos, momentos de "L", de mxima verosimilitud, etc.,
no son aplicables para el montaje de la distribucin terica. En
lugar de ello, se utiliz un mtodo de mnimos cuadrados
destinada a la minimizacin del error cuadrtico medio entre
los extremos terico valores empricos de la magnitud ln (ln F
(k)) para los valores especificados de k. La funcin objetivo
(error cuadrtico medio) es una funcin de los parmetros de la
distribucin GEV, es decir, k, , y de (4), y su reduccin al
mnimo el uso de programacin no lineal result en valores de
los parmetros k = 0,13, = 0,6, y = 0,73.
Se podra argumentar que debido a que es una variable
estandarizada, los parmetros deben ser restringidos de manera
que la media terica y la desviacin estndar de k igual a 0 y 1,
respectivamente. Hemos preferido no introducir esas
restricciones en el proceso de optimizacin por dos razones. En
primer lugar, la unin de muchos registros con una desviacin
estndar 1 ya no tiene desviacin estndar 1, ya que puede ser
fcilmente verificado. En segundo lugar, Hershfield [1961]
utiliza el ajuste de factores, tanto para la media muestral y la
desviacin estndar, de modo que la media y la desviacin
estndar de k en cada registro en realidad no es igual a 0 y 1.
Por lo tanto los valores tericos de la media y la desviacin
estndar de los anteriores Los valores de parmetros son 0,87 y
0,94, respectivamente. Si forzamos parmetros para obedecer
los requisitos con respecto a la media y la desviacin estndar,
mediante la introduccin de las restricciones pertinentes en la
formulacin del problema de optimizacin, los parmetros
estimados se hacen k - 0,13, , = 0,64, y = -0.69, es decir ,
k permanece constante, cambia ligeramente, y cambia
significativamente.
De hecho, el nico parmetro que prcticamente necesitamos
saber es el parmetro de forma k porque este es el nico que
permanece invariable cuando aplicamos la formacin de la
estandarizacin transmisin de la variable aleatoria que
representa la profundidad mxima precipitacin anual. Por otra
parte, k es la ms difcil de estimar con precisin de un
pequeo disco, mientras que e Y se estima con mayor
precisin, por ejemplo, a partir de la media de la muestra y la
desviacin estndar.
La adopcin del conjunto de parmetros k = 0,13, = 0,6,
= 0,73 y resolver (4) para el valor k = 15, que fue especificado
por Hershfield como correspondiente a PMP, encontramos que

F (k) = 0,999982, lo que corresponde a un perodo de retorno

de 55.700

[1961]
todos los
datos
de
Hirshfield
(en
el
papel de

probabilidad de Gumbel).
Figura 4. emprica (diamantes) y GEV (lnea continua) de la
funcin de distribucin normalizada altura de lluvia para k

aos. Si asumimos que k tiene media cero y desviacin

estndar de la unidad, a continuacin, (3) y (4) despus de
manipulaciones algebraicas se reducen a

donde sgn (k) es el signo de K, y es la constante (= 0,57722) y

T () la ecuacin de Euler es la funcin gamma. Al parecer, F (k)
es una funcin del valor de la variable k estandarizado y el
parmetro de forma nica K (tenga en cuenta la distincin de los
k latn y el griego k). Configuracin de k = 0,13 y k = 15 a (10)
encontramos que F (k) = 0,999983 y T = 58 600, es decir, muy
cerca de los resultados anteriores. Redondeando estos resultados
podemos decir que de Hershfield valor de K = 15 corresponde a
un perodo de retomo de unos 60.000 aos. Esto es de alguna
manera diferente a la estimacin emprica, lo que sera de 95.000
aos (igual al nmero de aos-estacin). La diferencia es
aparente en la Figura 4 (ltimo punto a la derecha frente a la
lnea continua). Sin embargo, no es estadsticamente
significativa: Si suponemos que la probabilidad de que k no
exceda 15 es p = 1-1 / 60.000, entonces la probabilidad de que
todos los 95.000 observaciones no exceden 15 es p ^ 95000
0,20. Por lo tanto la hiptesis de que las probabilidades
empricos y tericos son los mismos no es rechazada en los
niveles tpicos de importancia (por ejemplo, 1%, 5%, o incluso
ms, hasta 20%). Este resultado se verific grficamente por las
curvas de confianza de la Figura 4.
Los resultados anteriores se pueden resumir en los tres puntos
siguientes, que proporcionan la interpretacin alternativa al
mtodo de PMP Hirshfield [1961] estadstica: (1) La distribucin
GEV puede ser considerado como apropiado, para la serie anual
mximo de lluvia. (2) El valor de la estandarizada anual de
precipitacin mxima k = 15 (que fue considerado por
Hershfield como correspondiente a PMP) corresponde a un
periodo de retorno de unos 60.000 aos. (3) El parmetro de
forma k de la distribucin GEV es 0,13.
Esta formulacin es ms consistente que el original de
Hershfield [1961] con la naturaleza probabilstica de la
precipitacin y, por otra parte, permite la cuantificacin del
riesgo cuando Ar = 15, as como una evaluacin del riesgo para
diferentes valores de (ms o menos) de k.

Debemos destacar que los resultados anteriores estn sujetos a

por lo menos dos fuentes de posibles sesgos, introducido por
primera vez por el procedimiento de estimacin utilizado por
parameter Hershfield para estimar la media y la desviacin
estndar para cada registro y, en segundo lugar, por la unificacin
de todos los registros como si estuvieran independientemente
idnticamente distribuidas. Para cuantificar el sesgo de fuentes
tanto, hemos realizado simulaciones cuyos resultados se dan en la
Tabla 2. En cada simulacin hemos generado un conjunto de 60
conjuntos que contienen cada uno 2645 registros con longitudes
elegidas al azar de la distribucin que se deriva de la Tabla 1 de
Hershfield [ 1961], el cerca de 60 X 2.645 X 36 X 5,7 = 106
valores de k (donde 36 es la longitud media de registro) fueron
gen-utilizar desde la funcin de distribucin (10) con la
poblacin media 0 y varianza 1. Estos valores fueron luego
restndarizacin utilizando la media de la muestra y la desviacin
estndar de cada muestra generada. Estas estadsticas fueron
estimadas tanto por los estimadores estadsticos imparciales
tpicos (Mtodo C en la Tabla 2) y los factores de ajuste de
Hirshfield (ya mencionados anteriormente), ya que estn
implcitas en sus nomogramas (Mtodo B). A partir de cada
conjunto se estim el valor de km, as como el perodo de retomo
emprica del valor de K = 15, como los valores promedio de los
60 conjuntos generados. Se examinaron cinco casos como se
muestra en la Tabla 2. En caso 0 asumimos que todos los
registros de 2645 sintticos tienen constantes parmetro k igual a
0,13. En los casos 1-4 asumimos una variable k elegido al azar
(por cada registro sinttica) de una distribucin gamma con valor
medio 0.10-0.13 y plausibles valores de la desviacin estndar y
la asimetra como se muestra en la Tabla 2.

Tabla 2. Resultados de Simulacin para la Exploracin de las fuentes de sesgo en la formulacin

propuesta del Mtodo de Hirshfield

Case

0
1
2
3
4

Caractersticas
estadsticas asumidas
de k
Std[]
C,[k]
E[K]
0.13
0.13
0.12

0.11
0.10

0
0.036
0.039
0.042
0.045

0
1.35
1.24
1.15
1.08

KM Usando Mtodo de

Perodo de retorno de A: = 15 Uso

Mtodo de estimacin *

estimacin*
A

17.6 (16.2)t
19.1
18.2
17.5
17.0

18.8
21.4
19.7
19.9
19.0

7.1
7.2
7.1
7.0
7.1

66,300 (58,600)t
44,900
52,800
82,600
93,400

42,900
28,500
38,000
47,500
53,300

95,000
95,000
95,000
95,000
95,000

* Mtodos de estimacin: A, utilizando momentos tericos (media 0 y desviacin estndar 1); B, utilizando momentos ajustados
por el procedimiento de Hirshfield; y C, utilizando momentos estadsticos tpicos. Los valores tericos (en su caso).

A partir de los resultados de la Tabla 2, es evidente

que la adopcin de los factores de ajuste de
Hirshfield en todos los casos da lugar a una ligera
sobreestimacin del valor de km (mtodo B contra el
mtodo A) y, en consecuencia, una subestimacin del
perodo de retomo del valor k = 15. Cabe destacar,
sin embargo, si no se utilizaron estos ajustes el
resultado sera una subestimacin grave de km
(mtodo C frente mtodo a). Por otra parte, la
adopcin de la variacin de los resultados k en un
aumento de km y disminucin del perodo de retomo
del valor de K = 15 (caso 1 frente a 0 casos). Por el
contrario, dado que 2645 registros de Hirshfield
ciertamente no tienen k constante y que los
parmetros se estimaron por el mtodo B, podemos
esperar que el valor estimado K = 0,13 es demasiado
alto como un valor medio si el valor de K = 15 debe
tener un retorno perodo de unos 60.000 aos, un
valor promedio menor de K 0,10 (caso 4,
procedimiento B) parece ms consistente. Por lo
tanto, la adopcin de un valor constante K = 0,13,
entre con el uso de los factores de ajuste de
Hershfield, da lugar a una sobreestimacin de k (m) y
ms seguros los parmetros de diseo de la media.
En su obra posterior Hershfield [1965] sustituye el
nico valor de K = 15 con un nomograma y dando
como una funcin del valor medio de la serie h
mximo anual, que se reproduce en la Figura 5 (curva
de lluvia de 24 horas). La curva de este nomograma
puede ser fcilmente reemplazado con una relacin
matemtica del parmetro de forma k con h. Para
establecer esta relacin podemos seguir los siguientes

pasos: (1) seleccionar numerosos puntos H y

estimacin
a partir del nomograma los
correspondientes valores de K; (2) para cada k
hallazgo a partir de (10) El valor de k de modo que F
(k) = 1 - 1 / 60.000; (3) Del conjunto de pares (h, k)
establecer un tipo simple de la relacin matemtica y
estimar sus parmetros. Usando este procedimiento,
se encontr que este nomograma es prcticamente
equivalente
a
la
siguiente
declaracin
matemticamente simple, que sustituye el punto 3 en
la formulacin alternativa se ha indicado
anteriormente del mtodo: (3a) El parmetro de
forma k de la distribucin GEV se da como una
funcin del valor medio anual de la serie mxima h,
por

Figura 5. Comparacin de nomograma emprica de

Hirshfield para k (m), como una funcin de la h
media anual de precipitacin mxima (d) yd
duracin (lneas discontinuas), con las curvas
obtenidas para la formulacin alternativa propuesta
(k para T = 60.000 ; lneas continuas) mediante la
aplicacin de las ecuaciones (10), (11) y (17).

Figura 6. Funciones de distribucin empricos y

tericos de la precipitacin mxima diaria anual en
Atenas (en papel de probabilidad de Gumbel). La
distribucin GEV obtenido por el mtodo propuesto
coincide con la distribucin GEV montado
directamente de la muestra con el mtodo de
mxima verosimilitud.

donde h es en milmetros. La curva k - g (h),

que se obtiene mediante la combinacin de
(11) y (10) con T = 1 / 60.000, se muestra en
la Figura 5 y est de acuerdo bien con la
curva emprica de Hirshfield.
Se observa que para valores muy grandes de
h, es decir, para h> 373,5 mm, (11) resulta en
K <0. Esto, combinado con (4) implica que,
en este caso, k ser superior delimitada (e
inferior sin lmites) . Sin embargo, a juicio
del autor no hay ninguna razn fsica o
emprica suficiente para aceptar un lmite
superior para k. Una solucin directa sera
establecer K = 0 y el uso de la distribucin
Gumbel en tales situaciones extremadamente
inusuales, a pesar de que esto se traduce en
un ligero desacuerdo con Hershfield para h>
373,5 mm. Observamos que en su estudio
original, Hershfield [1965] tena slo 5 de
cada 2700 puntos situados en esa zona (h>
373,5 MTN) para dibujar su curva
envolvente, y por lo tanto la incertidumbre
es grande, de todos modos

4. Verificacin de la propuesta
de formulacin alternativa
del mtodo
Para comprobar el mtodo propuesto con los datos
histricos se utiliz el registro disponible ms largo
de precipitacin diaria mxima anual en Grecia
[Koutsoyiannis y Faloutsos, 1999]. Esto viene desde
el Observatorio Nacional de Atenas y se extiende
desde 1860 a 1995 (136 aos). Su media y
desviacin estndar son 47,9 y 21,7 mm,
respectivamente, y el valor observado mxima es de
150,8 mm (por lo tanto la observada km = (150,8 47,9) /21.7 = 4,74). La aplicacin directa de los
resultados del mtodo de Hirshfield en km = 17,2 y,
en consecuencia, en un valor de 424,1 mm de PMP.
A partir de (11) nos encontramos con k = 0,160, que
se aplica tanto para k y h. Entonces, la adopcin de
la distribucin GEV para h y utilizando el mtodo
ms simple de los momentos para la estimacin de
los restante dos parmetros (con la media y la
desviacin estndar de h 47,9 y 21,7 mm,
respectivamente), encontramos = 12,95 mm y =
2,93 (el correspondiente parmetros para k son =
0,60 y = 0,77).
Por otra parte, hemos montado la distribucin
GEV a la muestra dada de h s mismo, sin referencia
al mtodo propuesto, la reutilizacin de los mtodos
estndar de mxima verosimilitud y de momentos L.
Los parmetros estimados son k = 0,161, = 12,93
mm, y = 2,94 para el mtodo de mxima
verosimilitud [Papoulis, 1990, p. 303] (la
maximizacin se realiz numricamente), y k =
0,185, = 12,64 mm, y = 2,98 para el mtodo de
momentos L [Stedinger et al., 1993, p. 18.18].
Curiosamente, los parmetros del mtodo de
mxima verosimilitud casi coinciden con los del

mtodo propuesto. Esto indica que la estimacin del

parmetro de forma k de (11) es fiable, al menos en
el caso examinado.
La funcin de distribucin emprica del registro
136-ao, en comparacin con la funcin de
distribucin GEV con los tres conjuntos de
parmetros se muestra en la Figura 6. Como se
esperaba, la distribucin GEV instalado por el
mtodo propuesto (as como el indistinguibles
instalado por el mtodo de mxima verosimilitud)
verifica que el valor de PMP Hirshfield (424,1 mm)
tiene un perodo de retorno de 60.000 aos (Figura

6). A modo de comparacin, hemos representado,

adems, en la figura 6, la funcin de distribucin de
Gumbel, que al parecer tiene un rendimiento muy
pobre en cuanto a la distribucin emprica y
subestima seriamente la cantidad de lluvia para
perodos de retorno de gran tamao.
En conclusin, en el caso examinado podemos
reemplazar la frase "el PMP es 424,1 mm" con "la
precipitacin de 60.000 aos, como resultado de la
distribucin GEV es 424,1 mm"; Esto ltimo implica
que mayores cantidades de precipitacin son posibles
pero con menos probabilidad.

5. Efecto de Duracion de Lluvia

Adems de la curva para la 24-horas la precipitacin,
Hershfield [1965] presenta en sus curvas nomograma de km para
las duraciones ms cortas, es decir, 1 y 2 horas, como resultado
del anlisis de datos de precipitacin de aproximadamente 210
estaciones. Estas curvas tambin se muestran en la Figura 5.
En general, si tenemos relaciones disponibles de la frecuencia
de intensidad-duracin- (FID) para la ubicacin de inters se
puede inferir fcilmente el efecto correspondiente de la duracin
sin necesidad de curvas adicionales. La relacin idf se puede
expresar [Koutsoyiannis et al., 1998], de la forma general

Utilizando (17) y comenzando con la conocida funcin k = g

(H24), se calcul la gd funcin (Hd) para d = 1 hora y 2 horas
y se trazan las curvas resultantes de la figura 5 en comparacin con
las curvas empricas de Hershfield . Curiosamente, los dos
conjuntos de curvas casi coinciden.
En conclusin, el anlisis de esta seccin se demuestra que (1)
no hay necesidad de establecer relaciones de la normalizado k
anual mximo de lluvia con cualquiera de las caractersticas de la
lluvia para las duraciones de lluvia menos de 24 horas debido a
que tales relaciones se derivan directamente de las curvas IDF y
que (2) las curvas Hershfield particulares de km para las
duraciones bajas son prcticamente equivalentes con la suposicin
de que la altura de lluvia es proporcional a la raz cuadrada de la
duracin.

6. Conclusiones
El mtodo de estimacin de Hershfield mxima probable
precipitacin (PMP) es una herramienta muy til, muy extendida,
y confiable para el diseo hidrolgico, ya que se basa en el anlisis
de una gran cantidad de informacin de la lluvia (2645 registros de
datos en todo el mundo que contienen 95.000 estacin- aos). Sin
embargo, lo que las estimaciones procedimiento no podr PMP, y
no hay razn para considerar que as sea. Ms especficamente, el
anlisis realizado con los datos de Hirshfield proporcionado
ninguna prueba de que existe un lmite superior de la cantidad de
precipitacin y, adems, sugiri que un simple formulacin
alternativa del mtodo es posible. Esta formulacin puede ser
puramente probabilstico y no necesita postular la existencia de
PMP como un lmite fsico superior.

(14)

Se demuestra que la estimacin de la PMP de Hirshfield puede

obtained utilizando el valor generalizado extrema (GEV) de
distribucin con forma de parmetro dado como una funcin lineal
especificada de la media de precipitacin anual mxima, y para el
perodo de retorno igual a 60.000 aos. Esta formulacin se apoya
en los datos publicados y sustitutos Hershfield completa- mente el
nomograma emprica estndar que se utiliza para la aplicacin del
mtodo. Por otra parte, la formulacin alternativa asigna una
funcin de distribucin de probabilidad de precipitacin anual
mxima, lo que permite la estimacin del riesgo, ya sea por el
valor de Hershfield "PMP" o cualquier otra cantidad grande
precipitaciones.
El perodo de retorno de unos 60.000 calendarios estimados
aqu por PMP de Hirshfield es bastante pequea en comparacin
con otras estimaciones de la literatura (aunque las otras
estimaciones pueden no ser totalmente comparables, ya que se
refieren a otros mtodos de estimacin PMP). Por ejemplo, de
acuerdo con el Consejo Nacional de Investigacin [1994, p. 14], se
estima que el periodo de retorno de PMP en los Estados Unidos
para ser 105-109 aos, mientras que Foufoula- Georgiou [1989] y
Fontaine y Potter [1989] indican que los valores de PMP de la
literatura tienen periodos de retorno de 105-106 aos. Asimismo,
segn Austin et al. [1995, p. 74], los valores de PMP estiman en
Gran Bretaa por un modelo de tormenta estn asociados con
periodo de retorno de 200.000 aos

(12 )
Donde i D (t) es la intensidad de la lluvia que corresponde a la
duracin dy perodo de retorno T, y una (T) y b (d) son
funciones de T y D, respectivamente. En particular, la funcin
b (d) es tpicamente una funcin de potencia de d y, como
demostraremos, determina por completo el efecto de la
duracin y se puede utilizar para deducir las curvas como las
de nomograma de Hirshfield. Escribiendo (12) para dos
duraciones, d y 24 horas, eliminando a (T), y tambin la
sustitucin de id (T) = HD (T) / d, donde hd (T) es la altura de
lluvia correspondiente a la duracin d y perodo de retorno T,
encontramos

(13)
lo que implica la igualdad de probabilidad para [hab (d) / d] y
[H24B (24) / 24]. Por lo tanto, si u (d) y Q (d) indican la media y
la desviacin estndar de la altura de lluvia para la duracin "d", a
continuacin,

Si denotamos kd (t) = [HD (T) - u (d)] / Q (d), la variable

estandarizada de HD (T), nos encontramos con facilidad a
partir de (13) y (14) que kd (T) k = "24" (t) = k (t), es decir,
kd (T) no depende de d, de manera que podemos utilizar
(10) y (11) para determinarla. Tenga en cuenta que la h que
aparece en (11) es la media de la muestra de h "24", es
decir, h = h "24", que corresponde a la media verdadera u
"24". La relacin k = g (h24) que result numricamente a
partir de (10) y (11) para T = 60 000 (Figura 5, la curva
durante 24 horas) puede ser reformulado de manera que se
escribe como una oihd funcin, que es el caso de Hirshfield
de curvas. Suponiendo que la muestra significa h "d" y h
"24" tienen la misma relacin que el verdadero significa u
"d" y u "24" (ecuacin (14)) podemos escribir_

Donde

Ahora bien, si suponemos por simplicidad, que la expresin

"promedio" para b (d) es b (d) = d ^ 0 5, a continuacin, (15)
se convierte en
La verificacin de la formulacin alternativa propuesta del
mtodo se lleva a cabo aplicando a Atenas, Grecia, donde existe
un registro de largo (136 aos) de un mximo anual de lluvia
diaria. El registro de largo disponible sugiere que la distribucin
GEV es apropiado y hace posible una estimacin exacta
relevante (por mtodos estadsticos estndar) de su parmetro de
forma, que casi coincide con el obtenido por el mtodo
propuesto.
Esta coincidencia aumenta nuestra confianza en los resultados
del anlisis estadstico tpico en el caso examinado, que resultan
ser de acuerdo con el resultado de un anlisis global de 95.000
aos-estacin de informacin de precipitaciones en todo el mundo.
Sin embargo, el caso examinado no es un tpico, porque la mayor
frecuencia de los registros disponibles tienen longitudes de unas
pocas decenas de aos, lo que no permite una estimacin fiable del
parmetro de forma de la distribucin. En esos casos la
formulacin alternativa propuesta del mtodo de Hershfield
proporciona al menos una primera aproximacin de la forma
parmetro basado en la media de la precipitacin diaria mxima
anual

En los casos en que la lluvia duraciones inferiores a diario

son de inters, nomograma de Hirshfield proporciona curvas
adicionales para los dos mencionados tales duraciones. Nuestro
anlisis mostr que (1) no hay necesidad de utilizar curvas
separadas para duraciones inferiores, debido a que tales curvas
se pueden derivar directamente de las curvas de frecuencia de
intensidad-duracin- locales, y que (2) las curvas Hershfield
particulares para duraciones bajas son prcticamente
equivalentes con la suposicin de que la altura de lluvia es
proporcional a la raz cuadrada de la duracin.

References

Austin, B. N., I. D. Cluckie, C. G. Collier, and P. J. Hardaker, Radar- based

estimation of probable mximum precipitation and flood, Meteorol. Off.,
Bracknell, U. K., 1995.

Benson, M. A., Thoughts on the design of design floods, in Floods and

Dmughts, Proceedings of the 2nd International Symposium in Hydrol- ogy,
pp. 27-33, Water Resour. Publ., Fort Collins, Colo., 1973. Collier, C. G.,
and P. J. Hardaker, Estimating probable mximum precipitation using a
storm model approach, /. Hydrol., 183, 227306, 1996. ,
Dawdy, D. R., and D. P. Lettenmaier, An initiative for risk-based flood
design, J. Hydraul. Eng., 113(8), 1041-1051, 1987.
Dingman, S. L., Physical Hydrology, Prentice-Hall, Englewood Cliffs, N.
J 1994.
Dooge, J. C. I., Looking for hydrologic laws, Water Resour. Res., 22(9),
46S-58S, 1986.
Fontaine, T. A., and K. W. Potter, Estimating probabilities of extreme
rainfalls, J. Hydraul. Eng., 75(11), 1562-1575, 1989.
Foufoula-Georgiou, E., A probabilistic storm transposition approach for
estimating exceedance probabilities of extreme precipitation events,
Water Resour. Res., 26(5), 799-815, 1989.
Gumbel, E. J., Statistics of Extremes, Columbia Univ., Press, New York,
1958.
Hershfield, D. M., Estimating the probable mximum precipitation, J.
Hydraul. Div. Am. Soc. Civ. Eng., 7(HY5), 99-106, 1961.
Hershfield, D. M., Method for estimating probable mximum precipitation,
J. Am. Waterworks Assoc., 57, 965-972, 1965.
Koutsoyiannis, D., and G. Baloutsos, Analysis of a long record of annual
mximum rainfall in Athens, Greece, and design rainfall inferences, Nat.
Hazards, in press, 1999.
Koutsoyiannis, D., D. Kozonis, and A. Manetas, A mathematical
framework for studying rainfall intensity-duration-frequency relationship, J. Hydrol., 206, 118-135, 1998.
National Research Council, Estimating Probabilities of Extreme Floods:
Methods and Recommended Research, Nati. Acad. Press, Washington, D.
C., 1988.
National Research Council, Estimating Bounds on Extreme Precipitation
Events, Nati. Acad. Press, Washington, D. C., 1994.
Papoulis, A., Probability and Statistics, Prentice-Hall, Englewood Cliffs, N.
J 1990.
Schreiner, L. C, and J. T. Reidel, Probable mximum precipitation
estimates, United States east of 105th meridian, Hydrometeorol. Rep. 51,
U.S. Nati. Weather Serv., Washington, D. C., 1978.
Stedinger, J. R., and J. Grygier, Risk-cost analysis and spillway design, in
Computer Applications in Water Resourcers, edited by H. C. Tomo, pp.
1208-1217, Am. Soc. of Civ. Eng., Reston, Va., 1985.
Stedinger, J. R., R. M. Vogel, and E. Foufoula-Georgiou, Frequency
analysis of extreme events, in Handbook of Hydrology, chap. 18, edited
by D. R. Maidment, McGraw-Hill, New York, 1993.
Willeke, G. E., Myths and uses of hydrometeorology in forecasting, in
Proceedings of March 1979 Engineering Foundation Conference on
Improved Hydrological ForecastingWhyandHow, pp. 117-124, Am. Soc.
of Civ. Eng., Reston, Va., 1980.
Wiesner, C. J., Hydrometeorology, Chapman and Hall, New York, 1970.
World Meteorological Organization, Manual for Estimation of Probable