REGIONALIZACIÓN DE LAS DISTRIBUCIONES ESTADISTICAS DE

LAS PRECIPITACIONES MENSUALES EN LA VERTIENTE DEL

TITICACA PUNO
Jhon Alexander Zapana Arpasi*, Luis David Mamani Mamani*
Emil y Milagros Quispe Salazar *, Alex Zuñiga Huamani *
ESCUELA PROFESIONAL DE INGENIERÍA AGRÍCOLA, FACULTAD DE INGENIERÍA AGRÍCOLA – UNIVERSIDAD NACIONAL DEL ALTIPLANO PUNO
email:alxandr1254@gmail.com, telf.:961034583 email:demi.lui@hotmail.com, telf.:971590201, email:emilyquispesalazar@hotmail.com,
telf.:964108313 email:alexkoga5@gmail.com, telf.:989343655

RESUMEN
Realizar el análisis de distribución de las precipitaciones mensuales en la Vertiente del
Titicaca, Con la finalidad de comparar y elegir el mejor ajuste con el software hyfran.
PALABRAS
comprendidas en 5 Sub cuencas: Ramis, Huancane, Ilave, Illpa y Mauri. Mediante los datos
CLAVE:
de 20 estaciones pluviométricas, cada una de ellas con 36 años de observaciones
precipitación
comprendidas entre 1981 – 2016. Entre los resultados del estudio se ha determinado 5
mensual,
regiones homogéneas de precipitación clasificadas por elevación, Mapa Climatologico y por
probabilidades
rango de tasa de precipitación (por ejemplo en la Región 1 las precipitaciones varían de 134.8
, tendencias,
a 877.2 mm /año, conformada por 3 estaciones y localizadas entre los 4080 y 4530 msnm, en
distribución
la Región 2 varía de 392.5 a 1252 mm/año, conformada por 5 estaciones y localizada entre
Gamma,
3812 y 3891 msnm, en la Región 3 varía de 233.2 a 1229.1 mm/año, conformada por 3
Weibull.
estaciones y localizada entre 3828 y 4508 msnm, en la Región 4 varía de 331.1 a 1283.1
mm/año, conformada por 5 estaciones y localizada entre 3963 y 3971 msnm y en la Región
5 varía de 397.4 a 1025.5 mm/año, conformada por 4 estaciones y localizada entre 3830 y
4380 msnm). Tambien se ha realizado el analisis de tedencias utilizando el software trend.
Como resultado las dos distribuciones más apropiadas para representar la variable de la
precipitación mensual en la Vertiente del Titicaca son: la distribución Weibull y la
distribución Gamma, que mezclan la distribución. El peso de estas dos distribuciones varían
según el tiempo y el espacio.

ABSTRAC

The objective to make the analysis of the distribution of monthly rainfall on the slope of
KEYWORDS: the Titicaca, in order to compare and choose the best fit with the software hyfran. within 5
Rainfall monthly, sub basins: Ramis, Huancané, Ilave, Illpa and Mauri. Using data from 31 rainfall stations,
stations, each with 36 years of observations between 198-2016. Among the results of the study has
precipitation, determined 5 homogeneous rainfall regions classified by elevation, Map Weather and rainfall
Gamma, rate range (for example in the Region 1 precipitation varies from 134.8 to 877.2 mm/year,
Weibull. composed of 3 stations and located between the 4080 and 4530 meters above sea level, in the
Region 2 varies from 392.5 to 1252 mm/year, composed of 5 stations and located between
3812 and 3891 meters above sea level, in the Region 3 varies from 233.2 to 1229.1 mm/year,
composed of 3 stations and located between 3828 and 4508 meters above sea level, in the
Region 4 varies from 331.1 to 1283.1 mm/year, composed of 5 stations and located between
3963 and 3971 meters above sea level and in the Region 5 Varies from 397.4 to 1025.5
mm/year, composed of 4 stations and located between 3830 and 4380 masl). It is also to
analysis of the tedencias using the trend. As a result the two most appropriate distributions
to represent the variable of the average monthly rainfall on the slope of the Titicaca are: the
Weibull distribution and the Gamma distribution, that mix the distribution. The weight of
these two distributions vary according to time and space.
 INTRODUCCIÓN
El presente trabajo consiste en realizar el análisis
de distribución de precipitaciones mensuales en la
Vertiente del Titicaca-Puno, Con la finalidad de
comparar y elegir la distribución más adecuada de
las series precipitaciones mensuales. Que están
comprendidas en 5 Sub cuencas hidrográficas:
Ramis, Huancané, Ilave, Illpa y la Cuenca Mauri.
Mediante los datos de 20 estaciones pluviométricas,
cada una de ellas con 36 años de observaciones
comprendidas entre 1981–2016. Entre los resultados
del estudio se ha determinado 5 regiones
homogéneas de precipitación clasificadas por
elevación, Mapa Climatológico y por rango de tasa
de precipitación para este se ha utilizado el Método
del Vector Regional MVR y el Método de Cluster
(en la cual se puede visualizar en la tabla N° 1).
También se ha realizado el análisis de tendencias
utilizando el Software Trend, en la cual como
resultado se ha obtenido 2 distribuciones más
apropiadas para representar las variables de las
precipitaciones mensuales en la Vertiente del
Titicaca son: la distribución Weibull y la
distribución Gamma, que mezclan la distribución. El
peso de estas dos distribuciones varía según el
tiempo y el espacio.
En la actualidad existe un amplio consenso sobre la
necesidad de profundizar el conocimiento sobre su
variabilidad espacial y temporal dentro del contexto
del cambio climático global.
Una de las limitaciones de muchos países, incluido
Perú, para profundizar en estos análisis es la
disponibilidad de datos climáticos de buena
calidad, en particular datos de precipitación en forma
de series de tiempo de larga duración (al menos de
20 años) y con una distribución espacial que permita
analizar simultáneamente el problema de la
variabilidad temporal y espacial para todo el país.
Los objetivos de esta investigación son:
La definición y regionalización de parámetros
estadísticos, incorporando variación temporal
(frecuencias) de la precipitación mensual en la
vertiente del Titicaca, para las diferentes temporadas
que variaran en el tiempo y espacio.
Así mismo de contribuir a la creación de una
referencia en la organización espacio- temporal de
los elementos climáticos de la lluvia en el tiempo.
Los eventos extremos de precipitación, ocasionan
inundaciones en zonas con baja pendiente, deterioro
de estructuras hidráulicas, avería de vías y erosión de
suelos agrícolas que se producen por el exceso de
precipitaciones en los meses de avenida, provocando
daños económicos- sociales y todo ello se generan
muchas veces por la mala estimación de estos
eventos, extrapolación de datos a zonas sin
información, mala estimación de la avenida de
diseño y posteriormente un mal dimensionamiento
hidráulico. Las breves muestras de máximos anuales
generalmente no ofrecen bases sólidas para
extrapolar un modelo ajustado a los períodos de
retorno mucho más grandes que dos o tres veces el
número de años de registro. Si se requieren
estimaciones para períodos de retorno más grandes,
otros métodos como el análisis de frecuencia
regional, son necesarios (Oliveira, 2008).
Por lo tanto, el ajuste estadístico de la serie de
precipitaciones mensuales se llevó a cabo por el
HYFRAN de software (Análisis de frecuencia
Hidrológico), desarrollado por el Instituto Nacional
de Investigación Científica - Agua, la Tierra y el
Medio Ambiente (INRS-ETE) Universidad de
Quebec. Originalmente es diseñado para El análisis
de frecuencia de eventos extremos, HYFRAN se
puede utilizar en cualquier solicitante, estudio del
ajuste de una distribución estadística en una serie de
datos independientes e idénticamente distribuidos
(INRS-ETE CHS 2005).
Sin embargo, la comparación de la hipótesis de
independencia, estacionariedad y la homogeneidad
de la muestra y permite ajustar 15 leyes estadísticos
diferentes: la ley exponencial, la distribución
generalizada de Pareto (GPD), la ley Weibull. la ley
de Gumbel mixta, la ley valor extremo generalizado
(GEV), la distribución normal, lognormales los dos
y tres parámetros mixto, la distribución gamma, la
distribución gamma generalizada, Pearson tipo III
(Pontégnie, D. et al. 2005).
En 1999, un informe técnico (BCEOM, 1999)
propuso una regionalización precipitaciones
anteriores para la vertiente del Pacífico y de la costa
peruana basado en el Método de Vector Regional
(RVM) (Brunet-Moret, 1979), que consiste en
asumir que para la misma zona climática bajo el
mismo régimen de lluvias, la precipitación anual es
proporcional entre estaciones, con una pequeña
variación aleatoria debido a la lluvia en la zona
de distribución (Espinoza et al., 2009). En ese
informe, nueve regiones fueron delineadas,
localizado principalmente en la región costera norte.
Un análisis regional de frecuencia exhaustivo,
requiere de la identificación de regiones homogéneas
y para ello Gottschalk (1985) aplicó el análisis de
conglomerados y componentes principales,
encontrando que el análisis de conglomerados es un
método adecuado para su uso. El método es
ampliamente utilizado para la clasificación de los
diferentes datos climáticos o hidrológicos (Jackson y
Weinand, 1995; Nathan y McMahon, 1990;
Masoodian, 1998 y Domroes et al., 1998). Hall y
Zhang (2004), también recomiendan el empleo del
método conglomerados de Ward para identificar
regiones homogéneas. El objetivo de la utilización
de análisis de conglomerados con las variables
hidrológicas son las observaciones de grupos o
variables en grupos sobre la base de la gran similitud
de características hidrológicas, como las propiedades
geográficas, físicas, estadística o estocástica
(Badreldin y Feng, 2012). Hosking y Wallis (1997)
sugieren considerar para la formación de regiones
homogéneas, características del sitio tales como la
localización, la altitud, la precipitación, la estación
en la que se producen los eventos máximos, etc..
MÉTODOLOGIA
Área de estudio
La zona de estudio, forma parte de la región
hidrográfica del Titicaca y sistema hídrico TDPS, se
caracteriza como un sistema de cuenca endorreica,
ubicada entre los departamentos de Puno y Tacna. La
superficie total es de 49,171.54 Km2, el régimen
hidrológico es pluvial, presentándose las mayores
precipitaciones y descargas en los meses de
diciembre a marzo y las temperaturas más bajas
concentradas generalmente en los meses de junio y
julio. Los limites hidrográficos según la
metodología de delimitación y codificación de
unidades hidrográficas de Otto Pfafstetter, definen
por el norte y este con la región hidrográfica del
Amazonas y por el oeste y sur con la región
hidrográfica del Pacífico. La figura 1, muestra el
ámbito de estudio, ubicado entre las coordenadas
UTM (WGS84, zona 19 sur), Latitud Sur:
14°03’26.6” a 15°27’33.7” y Longitud Oeste:
69°25’26.4” a 71°07’4.7” y una Altitud que varía
entre los 3,812 – 4,530 msnm.
Red de estaciones y períodos de observación
El establecimiento de un modelo de frecuencia para
evaluar las lluvias, su variabilidad espacial y
temporal, requiere la existencia de una base de datos
pluviométricos en un periodo de tiempo largo y con
un número de series importantes, repartidas en todo
la Vertiente del Titicaca.
La precipitación mensual utilizada en este estudio,
cuyos datos han sido obtenidos del Servicio
Nacional de Meteorología e Hidrología del Perú
(SENAMHI) y (PISCO) de 20 estaciones,
distribuidas en toda la Vertiente del Titicaca. Sin
embargo, el manejo de estas series de precipitación
está condicionado por su estacionariedad.
Validación
Una vez descargado los datos de las estaciones y
antes de incorporarlos a la bases de datos, para su
almacenamiento y publicación, y buscando
minimizar el número de datos erróneos, se procede a
realizar un proceso de validación mediante la
correlación, climatología y el Error Vías.
Método del vector regional (MRV)
El MVR es un método de cálculo orientado a tres
tareas definidas: La crítica de datos, la
homogenización y la extensión-compleción de datos
de precipitación. La hipótesis fundamental en la que
se basa, consiste en asumir que para una misma zona
climática sometida a un mismo régimen de
precipitaciones, los totales pluviométricos anuales
son seudo-proporcionales, con una pequeña
variación aleatoria cada año debido a la repartición
de las lluvias dentro de la zona. La idea básica del
MVR, es la siguiente: en lugar de comparar dos por
dos estaciones por correlación o doble masa, como
se hace en los métodos clásicos, se elabora una
estación ficticia que sea una “especie de promedio”
de todas las estaciones de la zona, con la cual se
comparan cada una de las estaciones.
k-Means clustering technique
La similaridad de regiones homogéneas se identificó
en primera instancia utilizando el método de Ward.
La realización de este análisis, se efectuó a través del
software Minitab 17, utilizando los datos de
precipitación promedio multimensual y el
coeficiente de variación (Cv), eligiendo la máxima
homogeneidad. La explicación detallada del
algoritmo de Ward se puede encontrar en Rao y
Srinivas (2006).
Análisis de tendencias Febrero, Marzo y Abril) de todas las estaciones
distribuidas en la vertiente del Titicaca.
Una serie de tiempo aleatorio de muchas estaciones
ha sido recolectado sobre el mismo periodo de Los posibles métodos para elegir una ley estadística:
tiempo en general.
i). consideraciones teóricas
En término estadístico es la determinación si la
ii). el comportamiento asintótico
probabilidad de distribución de la serie ha cambiado
con el tiempo (o se visualizan saltos en la media), el iii). Formula empírica de weibull.
resumen de este análisis se puede ver Tabla N° 1
iv). el uso de la prueba de ajuste (prueba de
Análisis de Distribución Chi-cuadrado).
La definición de las etapas de análisis de frecuencia, Función de probabilidades utilizadas en software
es un método estadístico para la predeterminación de hyfran:
estudiar eventos, característico de un proceso
determinado (hidrológico u otro), con el fin de i). Exponencial,
definir las posibilidades de ocurrencias futuras
(Meylan y 1999 Musy, CHS INRS-ETE 2005). Esta
predeterminación se basa en la definición e
implementación de un modelo de dominio Esta distribución continua depende de dos
(estadísticas), que es una ecuación que describe el parámetros: α, m.
comportamiento estadístico de un proceso. Estos
ii) Pareto generalizado,
modelos describen la probabilidad de ocurrencia de
un evento de especial valor. En el diagrama en la
figura 2 se resumen las etapas de análisis de
frecuencia.

Esta distribución continua depende de dos

parámetros: α k.

iii) GEV,

Esta distribución continua depende de tres

parámetros: α k, u.
Fig. 6. Diagrama de las etapas de análisis de
iv) Gumbel,
frecuencia

El análisis de frecuencia se basa en varias técnicas

estadísticas y es una industria compleja que debe ser
tratada con mucho rigor. En el mismo tiempo
Esta distribución depende de tres parámetros: u, α.
representa un interés particular para la gestión y
prevención de eventos hidrológicos, especialmente v) Weibull,
los eventos extremos y su validez se basa en la
importancia de la ley adoptada en la tecnología Una variable aleatoria x tiene una distribución
digital de ajuste utilizado. Gamma si su densidad de probabilidad está dada por:

Se realizó el análisis de distribución de las

precipitaciones mensuales de los meses más
lluviosos de (Noviembre, Diciembre, Enero, Esta distribución depende de dos parámetros: C, K.
vi) Normal, xii) Pearson tipo III,

Esta distribución continua depende de tres Esta distribución depende de dos

parámetros: mu, sigma. parámetros: alpha, lambda, m.

vii) Lognormal, xiii) ) Log Pearson tipo III.

Esta distribución depende de dos

Esta distribución depende de dos parámetros: mu,
parámetros: alpha, lambda, m.
sigma
El ajuste estadístico de las series de precipitación
viii) Lognormal (3 parametros),
media mensual llevada a cabo por el software
HYFRAN (Análisis hidrológico de frecuencia),
desarrollado por el Instituto Nacional de
Investigación Científica - EAU, Terre et
Esta distribución continua depende de dos Environnement (INRS-ETE) de la Universidad de
parámetros: m, mu, sigma. Québec. Originalmente diseñado para el análisis de
frecuencia de eventos extremos, HYFRAN puede
ix) Gamma, utilizarse en cualquier estudio que requiere el ajuste
de una distribución a una serie de datos
Una variable aleatoria x tiene una distribución
independientes e idénticamente distribuidas (CHS
Gamma si su densidad de probabilidad está dada por:
INRS- ETE 2005).

Este software ofrece las clásicas pruebas estadísticas

antes del ajuste de la legislación, a fin de verificar los
supuestos de independencia, estacionalidad y
Esta distribución continua depende de dos homogeneidad de la muestra y permite para ajustar
parámetros: 15 leyes estadísticas diferentes: la ley exponencial de
λ: parámetro que varía la forma de la distribución. Pareto generalizada (GPD), el acto de Weibull y el
acto conjunto de Gumbel, el valor extremo
α: parámetro que varía la escala de la distribución generalizado (GEV), la distribución normal, log-
normal dos o tres parámetros y el acto conjunto
x) Gamma Generalizada,
gamma, gamma generalizada, la ley la ley de
Pearson tipo III, la ley de fugas y log-Pearson.
(Pontégnie et al. 2005, Dautrebande et al. 2006).

En nuestro caso, los ajustes de leyes propuestas por

Esta distribución depende de dos el software HYFRAN para la serie de
parámetros: alpha, lambda, S. precipitaciones mensuales fueron hechos para 20
estaciones.
xi) Gamma Inversa,
Se aplicó la prueba de la Chi-Cuadrado para
comprobar la idoneidad de estas leyes a la muestra
de los valores observados (Odusegun et al. 2004,
CHS INRS-ETE, 2005).
Esta distribución depende de dos
parámetros: alpha, lambda. Teniendo en cuenta la facilidad de manejo y el
método lógico y estadístico de los orígenes de
criterios de información de Akaike y bayesiano
(Pontégnie et al. 2005 Dautrebande et al. 2006), este
método ha sido adoptado para la comparación y
la elección de la ley más conveniente para el ajuste
de la precipitación mensual y la clasificación de
series de nuestro estudio, donde los mejores ajustes
corresponden a los valores más altos de la
probabilidad a posteriori y donde la ley se ha
mantenido.
RESULTADOS
Resultados de los ajustes
Después de la serie de ajuste de precipitación media
mensual, se determina parcelas de x (T) para los
diferentes meses y determinadas las estaciones
claramente se ve el grado de concordancia entre las
observaciones y el modelo adaptado luego de la
comparación mediante información Bayesiana
(BIC) y de los criterios de Akaike (AIC).
Después de la elección de la ley más adecuada para
cada mes, se calcula el porcentaje de estaciones
donde se adopta este modelo para su peso (número
de estaciones donde la ley se mantiene informado el
número total de estaciones procesadas en nuestro
estudio). Sin embargo, el ajuste de la lluvia mensual
puede resultar en el rechazo de todas las leyes
modelada por HYFRAN.
La figura 6 presenta, por tanto, el peso de las leyes
retenidas (porcentaje de estaciones) para los
diferentes meses excepto los meses de sequía en
Puno (Mayo, Junio, Julio, Agosto Septiembre y
Octubre), que son abandonados debido a la falta de
lluvia. Puede verse que la fuga de la ley es la que se
adapta mejor a la serie de precipitaciones mensuales
durante todos los meses del año.
Regionalización de las leyes de
distribución, en la figura 10 muestra las leyes por
mes dentro de la región.
Sin embargo, la distribución general de las leyes no
necesariamente refleja su distribución en el espacio
y para resaltar el efecto de factores regionales en la
distribución de la lluvia mensual y la regionalización
de la distribución a través de leyes, su subdivisión en
cinco zonas geográficas principales condujo a los
grupos mencionados de estaciones.
Hecho, para todas las estaciones y el mes, la ley que
se ajusta mejor es la de weibull en el mes de
diciembre y seguido por la ley de distribución
Gamma en el mes de enero y los de más leyes
ajustándose en algunos meses no consecutivamente
como los dos anteriores mencionados y se puede Fig.
N° 9.
CONCLUSIONES
Se realizó el análisis exploratorio de datos (AED),
para cada una de las estaciones, siendo así en análisis
mensuales, anuales y por estación mediante las
metodologías estadísticas cuales fueron: de
climatología, histogramas.
La validación de la data de PISCO se realizó con la
data observada de SENAMHI teniendo una buena
correlación que varía de
0.7 a 0.9 y su Índice de Error de 90% a 105%. En
donde nos indica si es buena la data de pisco para
este trabajo.
Con el uso del método de Vector Regional, podemos
identificar que los coeficientes de correlación son
mayores a 0.9 y la Desviación estándar de los
desvíos son menores 0.09 cercano a cero.
Se realizó el análisis de estacionariedad con el test
no paramétrico Estacional de Mann- Kendall y
CUSUN, el cual indica no hay tendencia ni saltos en
la media para la precipitación total anual para el
periodo de 1981 al 2016.
Las leyes de distribución de probabilidad analizados
para los meses de Noviembre, Diciembre, Enero,
Febrero, Marzo y Abril, cuyo criterio de
comparaciones permitió encontrar la mejor
distribución que se ajustó del 25% al 55% es
(WEIBULL) y 15% al 45% (GAMMA) y los demás
leyes menores al 15% basados en los parámetros de
AIC (Criterio de Información de Akaike) y BIC
(Criterio de Información Bayesiano).
FUENTES BIBLIOGRÁFICAS
• Achite, M. et Meddi, M., 2005. Variabilité
spatio-temporelle des apports liquide et solide en
zone semi-aride. Cas du bassin versant de l’oued
Mina (nord-ouest algérien). Revue des Sciences de
l’Eau, 18 (spécial 2005), 37–56.
http://www.rse.inrs.ca/art/volume18/v1 8nS_37.pdf.
• Pedro Rau, Waldo L., Regionalization of
rainfall over the Peruvian Pacific slope and coast,
Int. J. Climatol. 37: 143–158 (2017)
• Aitchison, J. et Brown, J.A.C., 1957. The
lognormal distribution. Cambridge: Cambridge
University Press.
• Bedient, P.; Huber, W. (1992). Hydrology
and Floodplain Analysis. Editorial Wesley
Publishing Company. 692 p.
• Efrain Lujano, Oscar G., 2015. Analisis de
frecuencia Regional de las Precipitaciones Máximas
diarias en la Región
Hidrográfica del Titicaca. 53 – 63p.
http://huajsapata.unap.edu.pe/ria/index.ph
p/ria/article/view/78/69
• Bargaoui, Z. et Chebchoub, A., 2004.
Investigations du caractère multifractal des débits
maximaux annuels de crue. Hydrological Sciences
Journal, 49 (4), 549–562.
• Chiyuan Miao, Hamed Ashouri, Kuo-Lin
Hsu, Soroosh Sorooshian & Qingyun Duan (2015).
Evaluation of the PERSIAN-CDR daily rainfall
estimates in capturing the behavior or extreme
precipitation events over China. Journal of
Hydrometeorology. DOI: 10.1175/JHM- D-14-
0174.1
• Dai, A., 2006: Precipitation characteristics
in eighteen coupled climate models. J Climate, 19,
4605-4630.
• CONAM, (2006). Indicadores Ambientales
de Piura y Tumbes. Informe Técnico.
• CHS INRS-ETE (Chaire en hydrologie
statistique INRS Eau Terreet
Environnement), (2005). HYFRAN
(Hydrological Frequency Analysis).
http://www.ete.inrs.ca-activitesgroupes-
chaire_hydrol-chaire9.html.
• Dautrebande et al. (2006). Estimation des
Débits Rares de Crues Pour les Cours d’eau de la
Région de Wallonne (Belgique). La Houille
Blanche, 6, 87–91.
• Merzougui & Slimani, (2012).
Régionalisation des Lois de distribution des pluies
mensuelles en Tunisie. Hydrological Sciences
Journal, 57 (4), 668–685.
• Mesa et al. (1997). “Introducción al Clima
de Colombia” Universidad Nacional de Colombia,
sede Medellín, Facultad de Minas. Posgrado en
Aprovechamiento de Recursos Hidráulicos.
• Romero et al. (2001). Statistically-based
Regionalization of Rainfall Climates of Iran. Global
and Planetary Change, 75 (2011), 67–75.
• Senamhi, (2009). Adaptación y Mitigación
al cambio climático en los Andes tropicales del Perú.
• Ordoñez Gálvez J.J. (2007). Impacto
Hidrológico del Fenómeno El Niña-La Niña.
Cuencas de los ríos Piura, Chira, Tumbes y
Zarumilla. Dirección General de Hidrología y
Recursos Hídricos. Servicio Nacional de
Meteorología e Hidrología. Lima-Perú.
• Pontégnie, D. et al. (2005). Projet de
cartographie des zones d’inondation de Wallonie,
volet «Calculs statistiques ». Journée d’étude: La
cartographie des zones d’inondation et l’évaluation
des risques de dommages, Faculté
universitaire des sciences agronomiques
deGembloux.
http://www.fsagx.acbe/ha/pdf/cezi_present
ation_CS_141005_Inunda.pdf.
• Vera et al. (2006) “Climate Change
Scenarios for Seasonal Precipitation in South
America from IPCC-AR4 Models”. Geophysical
Research Letters. 33(13).
• Badreldin, G.H. y Feng, P. (2012). Regional
Rainfall Frequency Analysis for the Luanhe Basin
by Using L-moments and Cluster Techniques, 1,
126-135.
Lorenzo, E. (1997). Photovoltaic Rural
Electrification. Progress in photovoltaics and
Applications, 70.
MINAGRI y DGCA. (2013). Ministerio de
Agricultura y Riego. Dirección General de
Competitividad Agraria. Primera Edición,
Peru, 37.
M, C. R. A. (2012). Biblioteca de Electricidad y
electrónica. Primera Edicion, Editorial
Altamar S.A, España, 100.
Ortega Rodríguez, M. (2002). Energías renovables.
Segunda Edicion. Editorial Thompson,
España. 336.
Pérez, R. (2007). Aplicaciones de la energía solar al
tratamiento térmico de suelos de invernadero.
Tesis Doctoral. Dpto. de Ingeniería Gráfica e
Ingeniería Sistemas de Información
Cartográfica. Universidad de Córdoba,
España. 338.
Rafael Fernández Gómez. (2010). Manual de riego
para agricultores. Riego localizado: manual y
 ejercicios. Junta de Andalucía. Consejería de
Agricultura y Pesca, España. 154.

Enríquez Herrador, R. (2009). Guía de Usuario de

Arduino, 40.

Sener, y Energía. (2004). Energías renovables para

el desarrollo sustentable. Primera Edicion.
Editorial México. 35.