Introducción

El tema de la detección de cambios en los datos hidrológicos tiene una gran importancia
práctica. Los sistemas de recursos hídricos generalmente se diseñan y operan bajo el supuesto
de estacionariedad, lo que significa que las características esenciales de la variabilidad de los
procesos hidrológicos no cambian con el tiempo. Si se abandona este supuesto, tendrían que
revisarse los códigos de diseño existentes de los sistemas de recursos hídricos, presas, diques y
otras obras de ingeniería del agua. De lo contrario, los sistemas estarían infradiseñados o
sobrediseñados, es decir, que no tienen el objetivo o son demasiado costosos.

Muchas pruebas para la detección de tendencias se han utilizado en estudios de series de

datos hidrológicos de larga duración. Sin embargo, cada prueba requiere una serie de
suposiciones para ser satisfechas. Cuando las suposiciones de prueba subyacentes no se
cumplen, las regiones de aceptación y rechazo de la estadística de prueba no se pueden
determinar rigurosamente. Por lo tanto, tales pruebas deben tratarse como métodos de
análisis de datos exploratorios en lugar de técnicas de prueba rigurosas.

El supuesto de normalidad, necesario en el caso de las pruebas paramétricas, puede ser

inaceptablemente simplificador en el contexto de datos hidrológicos fuertemente sesgados.

En el caso de pruebas sólidas no paramétricas, no es necesario asumir una distribución. Hirsch

et al. (1991) encontraron que los procedimientos no paramétricos ofrecen grandes ventajas
cuando los datos son fuertemente no normales, y solo tienen pequeñas desventajas (en
términos de eficiencia de potencia) para los datos distribuidos normalmente.

Aunque no se debe asumir ninguna distribución, las pruebas no paramétricas aún hacen
suposiciones. Por lo general, debe hacerse una asunción de independencia temporal. Al
analizar una serie temporal de flujos de ríos, esta suposición puede ser adecuada para los
registros de flujo anual. Sin embargo, para intervalos de tiempo más cortos, como meses o
días, no es probable que se mantenga.

Tecnica de aleateorizacion de fase

La técnica de aleatorización de fase es una forma de generar datos mientras se preserva la

estructura de autocorrelación de la serie sin procesar. La idea surge de la filosofía de la
transformada de Fourier, convirtiendo una serie de tiempo original en un dominio de
frecuencia: espectros de amplitud y fase. Considere un ejemplo continuo donde la serie
temporal de datos observados se da como una función f (t).

Por m2king transformada de Fourier de f (t) uno obtiene

ECUACION

donde i es la unidad imaginaria, ω es la frecuencia, F (ω) es la transformada de Fourier, | F (ω)

| es el espectro de amplitud y φ (ω) es el espectro de fase de la función f (t).
El espectro de amplitud en el dominio de frecuencia, | F (ω) |, está relacionado con la función
de autocorelación de la señal original f (t) en el dominio temporal

El principio de la técnica de aleatorización de fase es generar una señal mientras se mantiene

el espectro de amplitud de la señal original, cambiando (aleatorizando) el espectro de fase. La
serie de tiempo generada tiene la misma estructura de autoconexión que la serie sin procesar.

Preservar el espectro de amplitud en el dominio complejo es equivalente a preservar las

propiedades de autocorrelación en el dominio temporal.

Los tres pasos esenciales de la aleatorización de fase se muestran en la Tabla 12.1.

Aleatorización de fase

A Transformación de Fourier al dominio espectral. Se calcula la transformada de Fourier

(espectros de amplitud y fase) de las series estandarizadas resultantes.

B Aleatorizar las fases en el espectro de fase, manteniendo el espectro de potencia

preservado.

C Transformación de Fourier inversa, de regreso al dominio temporal.

El uso de este método para la detección de tendencias en el presente estudio es similar al

espíritu de bootstrapping. Al igual que el arranque, la aleatorización de fase se usa para
obtener niveles de significancia de prueba y el método se puede aplicar a cualquier estadística
de prueba seleccionada. La aleatorización de fases evita la necesidad de utilizar fórmulas
clásicas para los rangos de rechazo / aceptación de las estadísticas de prueba, que se basan en
suposiciones simplificadoras (por lo tanto, inaceptables). Es probable que la aleatorización de
fase sea particularmente útil para probar series con autocorrelación fuerte en los datos, p.
series hidrológicas diarias.