VEGLETA, Número 6, 2001 -2002 201
ELABORACIÓN DE MODELOS DIGITALES DE
PRECIPITACIÓN PARA LA ISLA DE GRAN CANARIA
Resumen: El presente artículo tiene
como objetivo mostrar, a través de un
cjcmplo, la elaboración de modelos digitales
de precipitaciiin (MDP) para 1'1 isla
de Gran Canaria. Los MDP, como otros
modelos digitales, permiten caracterizar
con gran detalle la variable precipitación
y se sustenta en técnicas de anilisis espacial.
Estas técnicas han tenido un gran
desarrollo en los últimos años a partir
del propio dcs,irrollo dc la inform5tica
en geografía y, con ello, de los Sistemas
de I~iform~icicíGn eográfica (5IG). 1.a importancia
que cobra la isla de Gran Canaria
en este campo, viene determinada
pcr 17 g r a ~ca Eti&.i de crtaciunec: ni->.
Y"'
viométricas que se sitúan en la isla, 10-
grdndo una densidad de red muy superior
a la existente en otras partes del Estado.
Palabras clave: Modelos Digitales de
Precipitaciones, hl(delos Iligitalei de
Elevaciones, bistemas de Informacicín
Geográlica, Gran Cdnrlrid, tt?cnicas de
análisis espacial, modelización cspnci;il,
L.. 2.. p..:-: 2- "'a. 1 niicv cic uuiiiifiuouri.
Abstract: One example of the realizatiori
of digital rainíall models in Gran
Canaria is sliowed by this paper. These
models, like other digitnl models, allow
us to s<~in, drtail ttir o b s ~ r v ~\,dir iable
(the rainfall, in this case) and is sustented
by spalial analysis tecliiiiqucs, witcli
have had a great expansion in the last
ve-ri thrcl-.O!l tho exF2EsieE =f cgn?7-77-
f -,
ter Lecliiiiques i i i Gei)grapliy arid, i r i special,
of the Geographical Information
Systems (GIS). The importance of Gran
Canaria in this field is due to the existence
of a great number of rainiall obscrvation
stntions in thc island, what
cause a high density, liiglier tlian in other
parts oi Spain.
Key words: Digital 12ainfal Models,
Digitdl Elevatiun Modcls, Geogrdphical
Information Systems, Gran Canaria, s p -
tia1 analysis tecl-iniques, spatial inode-
Iling, ravine of Guinigiiada
Las estaciones ineteorcilhgicas se encueiitrai-
i distribuidas de forma disperid
por el territorio, dejando entre ellas lagunas
de información respecto a los datos que
registran. Así, para caracterizar climáticamente
la totalidad del territorio se hace necesario
el cálculo de los valorcs climiiticos
en aquellas zonas duride éstos no han sido
registrados. Estos cálculos se realizan mediante
la aplicación de modelos de estimación,
que suelen estar basados en técnicas
de interpolación espacial a partir de los datos
existentes en las estaciones disponibles.
Este procedimiento permite estimar el valor
de una variable en una posición detcrminada
del espacio a partir de los valores
conocidos de esa variable en otras ubicaciones.
La variable climática de la que se poseen
mayor número de registros, tanto en
una escala temporal como desde el punto
de vista espacial es, sin duda alguna, la
precipitación. Esto se debe, entre otros factures,
a la importancia que ha tenido en el
Anc.q.-vnlln A,, las -,>F. &--L. - - A ..-- l,.-
L . . L L C L U I J C 1 i 3 , C a l lll, l L C L L U l 'llCJ
como sociales (agrícolas y turísticos, especialmente),
así como al papel que desempeña
de cara a una correcla plarii~icacióri
territorial, en la y ~ i elo s riesgos naturales
deben tenerse en consideración. Es por ello
por lo que el coiicrciniirnii> de lii disirib~ici611
espacial de esta variable cobra una especial
rrlrwancia. Así, diversos trabajos en
10s úiiiiiios d i ~ ~s)es i 1cl11 encaminado a s u
m»deIizciciiin espacial, bien con el fin de
caracterizar uri territorio (PONTE y BOSQUE,
1997), o bien de cara a la modelización
de determinados riesgos, como incendios
forestales (SALAS, 1994) o inundaciones
(,MÁYLI; ct 17/11, 1999).
En la estimación de la distribiición espacial
de esta variable, se recurre a la creacicín
dc modelos digitales de precipitaciones,
MDP (POUTE y BOSQUE, 1997). Estos
modelos pueden responder a estimaciones
realizadas sobre un espacio bidimeiisiurial,
0 considerar su variabilidad espacial con
relación a la topografí'i. En este último caso,
se basan en modelos digitales de elevaciones,
MDE (SALAS, 1994; HERNÁNElahoracih
de modrlos digitales de precipitaci6n para la isla de Gran Canaria 203
OUnversdad de a s Fanai d? Gran Canara i t o e c a Unuestsri aemmi Dgta le Caniris 20815
DEZ, 1996). En los últimos afios estas estimaciones
se han resuelto mediante la aplicación
de Sistemas de Información Geográfica,
SIG. Las ventajas de estas herramientas
informaticas derivan tanto de la
posibilidad de trabdjar los datos coiisiderando
su posición geográfica, como de la
exactitud y velocidad en los cálculos necesarios
para la elaboración de los documentos
definitivos (BOSQUE, 1992).
La realización de los MDP debe contar
con datos suficientes como para permitir
un ajuste adecuado del modelo, y no son
m~.ichris los twritoricis qur rumplen esta
pauta. Sin embargo, la isla de Gran Canaria
cuenta con una densidad muy alta de
estaciones pluviomCtricas (MÁYER ct alii,
1999), al disponer de más de 25U pluviómetros
repartidos por la superficie insular,
lo que nos da una cifra cercana a un pluviómetro
cada 6 km' (figura n." 1).
El trabajo que aquí presentamos desarroiia
un ejerripio iiieivdul0t;iru para la
elaboración de MDP tn la isla de Gran Camria,
lada la importancia que la red de
pluvicimrtros tirnr. En este sentido, consideramos
que este territoriu se convierte en
un espacio único, por lo que adqiiicw el carácter
de laboratorio de cara al estudio de
la distribución espacial de las precipitaciones,
al presentar un reparto desigual, iiiducido
por el abrupto relieve de la isla.
2. DISPONIBILIDAD Y FIABILIDAD
DE LOS DATOS CLIMÁTICOS EN
GRAN CANARIA
Resuita curioso que cn una isia con notoria
escasez de lluvia, con una precipitacicíli
media anual de 300 inm, frente a los
850 mm de media mundial, y en la que el
aprovechamiento anual del agua superficial
representa sólo el 10% del total de consumo
de la isla, se haya hecho un tsfucrzo
tan notable en el registro histórico de las
precipitaciories.
Este esfuerzo permite rn la actualidad
cuantificar con un alto grado de fiabilidad
las precipitaciones que se producen no sólo
en la superficie insular de forma general,
sino también rn sectores de menor extensión.
El nacimiento de la red de estaciones
pluviométricas en la isla de Gran Canaria
puede datarse hacia 1950. Durante estos
aiios se procedió a ampliar el númcro de
pluvi6metros que la Jefatura de Minas había
ido localizando desde 1933, de la mano
de D. Emiliano Frrnández. Los pluvióinetros
facilitadvs pvr la Jefatura Provincial
del Mando Aéreo (de quien entonces dependía
todo lo relacionado con ld nieteurulogía
y recopilación de datos analíticos),
permitían el análisis espacial de las precipitacionrs
por rl elevado número de pluviómetrus
(116) repartidos por toda la isla.
Los datos eran gestionados por el propio
D. Emiliano, el cual se encargó de repartir
por toda la isla los pluviómetros (normalmente
en los pozos o en lugares próximos
. éctm), .isi temo de capacitar a 10s nhsrrvadures.
Su eiiipefio para con esta labor
propició una alta fiabilidad en los datos, al
igual que el inicio de estudios pluviométricos
que abarcaban el conjunto de la isla.
En 1'1 década de los años sesenta, con el
impulso dado a la construcción de grandes
presas, se hizo necesario llevar a cabo toda
una serie de estudios Iiidrológicos. El Ser-
. .
\ icio i í i d i á ~ i l i cd~ei La3 Pa! l_i ln~9 e hizo CM
go del archivo de datos de la red, contiiiualido
y potenciando su control, mantenimiento
y explotdcií~ri.
En 1970 y, como consecuencia del SPA-
15', sr rcali76 una iniportante campaña de
revisión y controi de Las esiaciuries que
existían hasta el momento, colocándose
nuevos pluviómctros en aquellos lugares
en los que el estiidlo de los registros de
épocas anteriores indicaba un necesario
control. Asimismo, la campaña se extendió
a la captación y formación de los observadores.
D. Antonio Dols Viciano, ingeniero
de caniinos, canales y puertos, continuó la
organización de la Sección de Hidrología,
con la colaboración del ingeniero tecnico
Elaboración de modelos digitales de precipitación para la isla de Gran Canaria 205
rritorio, como son, en general, todas las relaciunacids
con la topografíd (SALAS,
1994). En las Islas Canarias se tiene constancia
de que este factvr dctcrrrii~ia considerablemente
la distrihiición de las precipitaciones
(MARZOL, 1988) y que, por tanto,
puede ser utilizado correctamente a la
hora dc realizar modelos digitales basados
en series temporales de datos (KOMhKO y
HERNANDEZ, 1996).
Entre los métodos de interpelación espacial,
Lino de los que resulta más simple
es el denominado polígonos Tlzit~ss~S~ei .t rata
de establecer los polígonos que definen
el área de dominio de una variable (en este
caso, la lluvia). Considerando que cada
punto no muestra1 del territorio es similar
a1 punto muestral m5s prbximo, se trata de
asignar a los primeros el valor de los segundos.
Para ello se crean unos polígonos
donde el valor para cada uno de los puntos
que quedan en su interior es el del punto
muestral que lo define. Como es de suponer,
el procedimie~ito solamente es aplicable
si la red muestral es densa y se
encuentra distribuida de forma homogénea
por el territorio. De igual manera, su aplicación
se ve condicionada por la euistencia
de importantes variaciones rn 6.1 relirve
que pueden reproducirse en los datos
captados por dos estaciones iiiciy yr6ximas
Fstc- m6tndn ha sido mliy iitili7adn
durante décadas, al no contarse con Iierr-amientas
que permitieran un mejor cálculo
espacial c l e 1~1csi atris.
Un segundo m h d o de intrrpolación es
el de las rricdias rriiizdrs iori pc~ridcr~7ciódrlc In
di r tni~cin.E ste mhtndn supnne q1.i~ la variable
estim;ida sigue unos gradientes lineales
con la distancia. De esta manera, el valor
de un punto 1x0 muestral es estimado en
función de la media de los valores de los
puntos muestrales más cercanos y en relac
i h in\,ersd '1 la distdncia que los scpcir~i;
es decir, cada dato se interpela por la media
ponderada de los datos de las cstacio-
iies ~ n i ~s e i c a i - ~S;U~ ~ex. p~eb. ,i ui-~ >be d e h e .
z,=, S ,, (Z,,,1 4',,,),, /S, , , w, ,,,
donde Z,, es el valor a estimar en el punto
no iiiuestral, Z,,, el estimado en el inuestral
y \Y,,,, es un factor de ponderacitin que
actúa sobre el valor de cdda punto muestral.
Este factor, relacionado con la distancia
existente entre un punto muestral vri y
uno no muestral 11, se calcula de la siguiente
forma:
Lv ,,,,, = 1 / d ,, 8 3 ,
siendo d , , ,,, la distancia entre el punto
muestra1 y el no muestral.
Este método es aplicable a zonas que no
presentan una gran variación de datos climáticvc
u que, el? c2x de precentar!2, nu es
posible establecer una relación directa con
otros factores, como los relativos a la topografía.
Su realización mediante SIG es 1-5-
pida. El producto cartográfico derivado es
útil cuando el objetil o es establecer u11 prinier
documento de trabajo, puesto que determina
una buena distribución de las precipitaciones
y permite, por tanto, un analijis
bastante aiei-tñdu. Cii esta misma Itiiea,
esta representación cartogrifica es de ~itilidad
cuando la escala de trabajo cs pequeiia,
y no se preleiide coiisiclerdr uri cletdlle
cxccsivo sino una visión global ( ~ L ~ Y Ect R
nlii, 1999).
A modo de comparación con otra vari'ible,
en la elaboración de modelos digitales
de elevaciones, este método resulta
váiido, dado que se aciapca mucho mejor ai
modelado de la altitud, que sí suele seguir
un gradiente lineal claro.
Los métodos de ir~terpolnricity~~ orfir~~ciofrcs
ilr rqrcsihi se basan en el análisis de las
relaciones espaciales entre algunas varia-
Dies ciei territorio. En ios estudios de ciima
suele ser usual el establecimiento de funciones
que expliquen las relaciones que se
establecen entre las variables climáticas y
las topográficas (principalmente altitud y
oricritación), así como la l o c a l i~a c i hg eográfica
(longitud, latit~id y distancia). La
iiiterpolación por funciones de regresión se
basa en la estimación de los datos no mucstrales
en función de esta relación, que suele
ser establecida utilizando una recta co206
Luis Hc u imd e z Ca l í l c~~/t olJ ahlo bloycv 5~ravrz/ Lldin lionicro hl17rtin
mo modelo, en la que la variable no climática
adquiere el carjctcr de independiente.
La ~i iayoer xylicacih de la variabilidad espacial
de la precipitación está marcada por
la altitud (SALAS, 1994), hecho que se
comprueba igualmente en Gran Canaria
(ROMERO y HERNÁNDEZ, 1996).
Así, podemos establecer una correlacion
entre la variable altitud (z) y las precipitaciones
(P) para una serie de puntos
muestrales. Estos podrían ser, claramente,
las estaciones pluviométricas localizadas
en la isla, de las que conocemos ambos datos.
Una vez establecida la correlación, sería
sencillo aplicar los valores que determinan
la variación de los datos de P al resto
de altitudes del territorio, donde no
existan datos relativos a la precipitación.
IJara ello, podemos realizar la operación
mediante la aplicación del algoritmo lineal:
Y = a + b X
donde Y' es ia varia'uie dependiente, X
la independiente, mientras a y h son los parámetrus
que definen la recta, siendo 1) el
coefiriente de regresion de Y sobre X, que
expresa la pendiente de la recta, y n un \alor
que indica la distancia del origen al
punto en el que la recta corta al eje Y. kn
nuestro caso, la ecuación podría tener la siguiente
expresión:
P = i ? + D z
Además de la regresión lineal, se pueden
señalar otras como la potencial o multiplicativa
(R = n z"), la exponencial (R = csp
111 + b 2 ) ) y la recíproca ( 1 / R = n + b 2).
Paiñ e! cáktilu de lus r l u i e s de íi y i; 5t.
suele utilizar un método sencillo, como el
denominado de mínimos cuadrados, que
hace referencia a que la recta obtenida hace
mínima la suma de los cuadrados de las
diferencias entre los valores empíricos y los
teoricos proporcionados por dicha recta.
Así, a cada altitud de nuestro territorio
le podrá ser asignado un valor relati\,o a la
precipitación, conforme al modelo establecido
a partir de los datos de las estaciones.
En caso de que nuestra búsqueda tuviese
como objetivo uno o varios puntos rcpartidos
por el Lerrilurio, la solución es muy- rdpida.
Sin embargo, cuando el objetivo es la
caracterización climática de toda un área,
se hace imprescindible contar con una z fijada
en un mapa de altitud continuo, es decir,
un Modelo Digital de Elevaciones.
De cualquier forma, una vez establecido
el modelo, es necesario conocer su bondad
de ajuste, con el fin de saber si es válido
desde un punto de vista científico o si,
por el contrario, en su aplicación estariamos
cometiendo un grave error. El método
que presentd mejores resultados es el de
comparar los datos de precipitación teóricos
con los obtenidos Lras la dplicació~di el
modelo en las estaciones pluviométricas.
El grado de relaci0ri que existe entre las
variables precipitación y altitud piiede ser
determinado de manera cuantitativa a partir
de los valores predichos (tehricos), IJr, y
los observados (empíricos) obtenidos en
función de la correlación, a los que denominaremos
P,,, en estas estaciones. La razón
entre las varianzas de los valores observados
de la variable dependiente (SP,)y la
varianza de los valores predichos de esta
misma variable (S'P,,) otorga, como resultado,
un valor que representa la proporción
de la variación total de la variable dependiente
que es explicada por la independiente
si se aplica alguno de estos modelos.
Así se define el coeficiente de determinación
r.', que permite estimar hasta qué punto
la regresión explica la variación de los
valores observados de la variable dependiente,
es decir, la bondad de ajuste. Si el
resultado se aproxima a 1, las varianzas
son idénticas y la variable depei-idieiite (en
niiestro caso, la precipitación) sería explicada
en su totalidad por la variable independiente
(la altitud). Su expresih es:
r.' = S'P, / S'P,,
El cálculo de los errores obtenidos al
aplicar la ecuación, también es útil a la hora
de estimar la validez del modelo. 4sí, se
suelen considerar dos tipos: el error medio
Elaboración dc modclos digitalcs dc prccipitacih para la isla de Gran Canaria 207
cuadrático (EMC) y el error máximo. Este
último puede aportar información muy válida,
al posibilitarnos comprobar variaciones
puntuales que, en caso de no estar relacionadas
con un error en los datos de entrada,
explicaría rasgos particulares sobre
cl carácter de alguna de las estaciones, como
variaciones producidas por la existencia
de sombras topográficas.
Para comprobar la validez de los resultados
obtenidos, se debe realizar igualmrntr
algúii tipo dr trbt de signilicacicín
estadística, como el test de significación de
correlación, que permite determinar la
bondad de ajuste entre un conjunto cie datos
observados a partir de una investigación
y una distribución teórica.
En nuestro ejemplo, &te será el metodo
que se va a aplicar, dado que presenta uria
característica fundamental: se trata de un
área que presenta una variación altitudi~ial
muy grande, desde el nivel del mar hasta
los 1866 metros. Este hecho determina una
influencia notable en la variación de las
precipitaciones (desde los 144,6 rrirn de niedia
anual de la estación de Las Palmas,
hasta los K29,7 mm de la Hoya del Gamonal,
a 1363 m).
4. LOS MDE COMO BASE PARA LA
OBTENCI ~ND E MDP
Como hemos comentado con anterioridad,
si el objetivo de nuestro trabajo es la
caracterizacióii climática de toda un área, p
se pretende, además, alcanzar un gran nivel
de exactitud, es necesario contar con un
documento relativo ci la altitud del territorio
q~ie presente esta variable de modo
continuo. Es lo que se clenoriiiiia un Llodeln
nigital de Elevaciones, MDE.
Este modelo debe estar en un formato
adeciiado que permita la realización de los
cálculos necesarios para ser transformado
en el Modelo Digital de Precipitacione5,
MDP. En el entorno de los SIG, la estruc-
L 2- 2 - L . . - -..---"-,,-A,. r u l a ut- u a r u a YLLCI C J ~ < , I ~ C L Ca: este ~ G I Y X C ~ ~ V
es la raster, donde los datos quedan expresados
por pixcls o teselas que son producto
del cruce de filas y columnas. La razón
de ello estriba en qiic los programas raster
permiten una mayor velocidad y exactitud
en el proceso de aricílisis de los datos, a través
de operaciones matemáticas con las
matrices numéricas que los definen (BOSQUE,
1992).
Dada su naturaleza simbólica y numérica,
los MDE permiten una gran precisión
en la modelización de algunos procesos,
gracias a las relaciones dc corrcspoi-idcncin
que establecen con la realidad (FELIC~SIMO,
1994). Así, son muchos los trabajos en
i ~ q~ues e sius iiir~dehsi irnrn ap:icñci6i-i, a
lo cual no es ajeno nuestro ámbito geográfico,
donde existen experiencias de iiivestigación
en las que han sido elaborados, como
para el estudio del relieve y de sus variaciones
(SAN'I'ANA y NARANJO, 1992),
la realizacion de modelos de riesgo erosi-
1 7 0 , en los que las variables topográficas
juegan un papel decisivo (HERNANDEZ,
1996) o, precisamente, en la elaboración de
MDP (ROMERO HERNÁNDEZ, 1996).
Sin duda alguna, la complejidad orográfica
de nuestra isla, p lo que ello significa,
tanto desde el punto de vista ambiental
como desde el punto de vista humano,
determina el que los MDE sean de gran utilidad
a la hora de estudiar nuestro medio
y establecer modelos sobre su funcionamiento.
De este modo, resulta recomendable
su utilización cuando se pretende abordar
estudios climáticos, especialmente si
éstos tienen como objetivo la caracterizacicín
de la precipitación.
La captación de los datos para la realiración
de un MDE piiede realizarse mediante
la digitali~acióidi e una red uriifurme
de puntm, o mediante la introduccihn
en el sistenia de la información relativa a
las curvas de nivel (FELIC~SIA~1O99,4 ). En
el primer caso, suele ser habitual considerar
los piintos correspondientes al cruce de
las coordenadas, es decir, los vértices de la
cun&..ci;!u &! docGrncnfu cnrf G,-- A':-,.
h""""
fuente (LIÁYER, et alii, 1999) o, si se pre208
Luis H~ . r r i h d e zC nl zwto / Pnblo Mr i y e~C i~iírrz/ L i d i o Rotrrero Mnrtíiz
tende mayor detalle, datos de altitud relativos
a divisiones realizadas considerando
estas cuadrículas como referencia (SANTANA
y NARANJO, 1992). Si bien es verdad
que cl método presenta buenos resultados,
maynr aplicacibn tiene el método indirecto
de la digitalización manual de los
mapas topográficos (FELIC~SIMO1,9 94),
para lo que se hace muy útil el uso de sistemas
vectoriales.
Al igual que señalamos en relación a la
selección de los datos relativos a la precipitación,
conviene considerar la digitalización
de las curvas en un área superior a la
de estudio, con e: fin de que, en la iilielpolación
posterior, el límite de nuestro territorio
no sea considerado como una cota
con un ~ a l odr e O, pues esto supondría un
serio problema si se pretende realizar calculos
relativos a las pendientes. Con el fin
de garantizar la mayor precisión del modelo,
la digitalización se debe abordar considerando
la totalidad de las curvas de nivel.
Del mismo modo deben ser integrados
en el sistema todos los puntos acotados, así
como la información auxiliar, correspondiente
a alturas que no guardan un orden
regular con estas curvas.
Para la interpolación de los datos suele
ser habitual la irileryulacií~nl ineal entre
puntoso curvas de nivel, ya que resulta
ser el método que permite una mayor precisión
final (BOSQUE r7f nlii, 1990; ROSQUE,
1992). Este método se basa en la intercepción
de dos puntos de dos líneas que
sigan la misma dirección (la de máxima
pendiente), estableciendo sobre ella la interpolación
lineal y asignándose a cada tesela
el valor calcillado de los datos intermedios.
El resultado que se ohtirnr nunca r5 drl
todo correcto, ya que el territorio modelado
se manifiesta con un aspecto aterrazado.
Este hecho es producto de la concentración
de los datos calculados muy cerca
de la posiciUn geugráfica que ocupan las
,,-,,,7,w .-.,c-, ,,, dc r.i.:c! digito!izodns (ISLIC~CIMO,
1994). Para corregir este efecto, se hace
necesario establecer algún proceso, siendo
el más normal la aplicación de un filtro
de paso bajo (ROS(Z1JE rt alii, 199n) rrnplpando
una ventana de cada 3 x 3 teselas. Este
método, de medias móviles, produce un
suavizado que asemeja más el modelo al
aspecto real del territorio.
Al igual que en el caso de las precipitacioncs,
cs ncccsario, una vcz realizado el
modelo, analizar los resultados con el fin
de comprobar su validez. Resulta útil, para
este cometido, la toma de pares de datos
en puntos de control: los relativos a la
cartografía original y los relativos al mapa
resuitante cic ia eiaboración aei IvíDE. Para
ello, se hace práctico la elaboración de un
muestre0 sistemático (CHUVIECO, 1990),
tomando como referencia los puntos coincidentes
con la cuadrícula de la cartografía
fiient~ de información. Una vez tomados
los puntos, se debe proceder al cálculo de
los errores máximo y cuadrático medio con
un método idéntico al explicado con anterioridad
para las precipitaciones. Conforme
a los datos obkenicios, se puede comprobar
la calidad del n~odelo,p ara lo que
se hacen útiles las definiciones establecidas
por el US Geological Survey (FELICISI~~IO,
1994). De cualquier forma, también sería
necesario realizar algún test de significación
estadística, como el mencionado test
de significación de correlación.
Una vez comprobado que el modelo
presenta una calidad suficiente como para
ser ntili7ado para desarrollar nuestro MDP,
tan sólo queda aplicar la ecuación hallada
a través del método de interpolación por
funciGiies de rcgrcs:.= ,r ,, s U s t i ~ ~, r - - A - LLLUV c!
MDE por la z, en la ecuación P = a + b 2.
5. ELABORACIÓN DEL MUIJ DE LA
CUENCA DEL GUINIGUADA
Para la realización del MDP de la cuenca
del Guiniguada se contó con 25 estaciones
pluviométricas, 18 de las cuáles se localizan
en e! interior de !a cüriicii, ixierttrñs
que las 7 restantes lo hacen en la periferia.
OUnversdad de a s Fanas d? Gran Canara i t o e c a Unuestsri Memmi Dgta le Caniris 20815
Elaboración de iiiodelos ciigitales dc precipitación para la isla de Gran Canaria 209
La razón de este hecho estriba en que, en los valores más cercanos. En la tabla 1 se
un proceso de interpelación, es necesario muestran las estaciones pluviomí.tricas secontar
con puntos muestralcs cn las drcas leccionadas (se marcan en cursiva las que
periféricas, pues de no ser así el sistema se localizan en la periferia de la cuenca), así
tiende a considerar un gradiente lineal, se- como sus valores de precipitación media
gún la tendencia creciente o dccrccicnte de anual y de altitud.
1. Lomo Aljorradero 1075 629,2 66. Tafira-V~~ero 337 328
2. Hoya del Gamonal 1365 829,7 67. Mesas de Ana López 1548 775,l
3 Las P a h ~ 6Y 144,9 5% Lngundaq ,.,-n
l l l V
"r.0 r.
I LO,L
15. Tentmtguada 745 530,8 69. Aitoiia-Gafianías 1110 739,8
27. Monte Coeilo 470 388 70. Utiaca 850 626,6
29 Santa Rrigida 485 425,3 71. Draguillo-San Matco 740 516,l
33. Cuevas Blancas 2 690 890,1 94. Solana presa 1010 587
38 Lomo del Polvo 160 197,7 102 La Milagrosa 395 391,l
39. Mddroñal 59 5 497,4 136 San Mateo pueblo 830 535,8
40. Llano de Las Brujas 100 208 1 ti4 Ojem Teror 770 693,s
43. Cruz de Tejeda 1525 754,s 166. Cueva Grande 1335 821,6
58. Faro Espartero 81 8 566.2 1 bí Cumwllac 1160 744
59 Sat7 Lorenzo 235 308,7
A partir de estos datos, se realizaron los
cálculos relativos a la relación existente entre
las dos variables comentadas (precipit
a c i h y altitud), con el fin de conocer cómo
esta última variable condiciona la dis-
Lribucióri de las lluvias en la cuenca. Para
rllo, se procediíi al cálculo de los parámetros
estddísticos que definen la recta de
ajuste (la pendiente, b, y la intersección, o),
según el ~r i t tudod e mínimos cuadrados,
dando como rrsilltado 197,50 para n, mientras
el valor de O es 0,434. Esta función se
representa en la figura 3, donde se puede
observar el buen ajuste que presentan las
cios vdriables en los puntos muestrales seleccionados.
Una vez obtenidos estos datos, y con el
fin de conocer la bondad del ajuste. se prncedió
al cálculo de las precipitaciones para
las mismas altitudes a las que se Localizan las
estaciones pluviométricas. Los resultados se
presentan en la tabla 2, donde se muestran
los valores teóricos (Pmm) y los calculados
(Pmm') tras la aplicación de la ecuación.
Fisiirn 3. Relación entre la precipitación y la altitud.
n*.:L -6.u*u-LI c,,*-- !a fig::?? 4 reprecrnt-.
grlificaniente la relación existente entre la
altitiid y ambas precipitaciones (teórica y
calculdda), pudi&iidose aprccix el ajuste
entre ambas y la altitud, así coma la distribucibn
de lvs errores. E11 relación a éstos,
e! EMC fue de 33,15 nini, mientras e!
error máximo fuc dc 161,93 mm. Por su
parte, en cuanto a los valores estadísticos,
ei coeiicienic dc dcicriiii~l~tciid~air coiiiii
resi.!tado 0,9621, ln ciiai indica qiir rn rsta
cuenca la altitud explica más del 96% de
la distribución de la precipitación. Para
comprobar estadísticamente la validez de
los datos obtenidos, se procedió a la elaboración
dcl test dc significación de correlacicín.
El resultado obtenido es de 0,9613,
valor muy cercano a 1, que indicaría qiir
ambas muestras son exactamente i c i h
AL:1.C^.'.l J.
Elaboración de modelos digitales de precipitación para la isla dc Cran Canaria 21 1
L-~~titud - ~ m r n - ~rnrn' l
F i < y ~ ~4r.n R elación entre la altitud, la pi-ecipiiacihi Leíiricd y id calculada
A partir de !^S datos &tenidc>s, nn,-lomos
definir el mapa de las precipitaciones
de la cuenca, para lo que se hace necesario,
como se comentó con an~erioridad,
contar con u11 MDE que nos facilite la aplicacicíii
de la funcióii describ con anterioridad.
Para la realizacicín de este documento,
se procedió a la digitalización, en formato
\ ,~~cf<>dr ie~ ! , C G ~ S J ~ Y r .ix,.C~{ dC.lI i C S C C
ca del Guiniguada, así como de las áreas
inmediatamente cercanas. Una vez introducidos
los datos en el sistema, éstos fue
ron interpelados a través de un método de
medias móviles con ponderación de la distx-~
cia, ubteniénd::~~ cu-:: rcs::!tuc!ü ün
documento de altitudes, al que fue necesa-
11e7!;z11~1 t : a t r cfi !truc; dc -y-c.,. ~ t ~'"--64v-' u , 'L .LC-L- J
citirido uso de la mediana, con el fin de
proceder al suavizado del modelo.
Con el fin dc conocer la bondad de los
resultados obtenidos, fueron seleccionados
de forma sistemática 59 puntos de control,
correspondientes a los vértices de la r u a -
drícula UTM. Poniendo en relación los datos
obtenidos en estos puntos tras la realización
dci! procesc? di iiitci-piiliiciirii, ccili Icis
teóricos ("reales"), leídos directamente sobrc
el mapa topográfico, el error máximo
loc~lizado es de 96 metros, mientras el
EMC es de 42. En la tabla 3 se presenta la
altitud "real" en estos puntos, así coino la
ca!rü!nda tras el pincejii dt. iiiicipolació~yi
los errores en cada punto de control.
üe igual forma, en la figura 5 se prescnta
In distribución de ambos pares de datos,
clbí ~ ~ 1 1 l1 o~ e1~r r ures Irallados. pudibndoce
observar la bondad de ajuste, así como
la inexistencia de areas especificas
doridr bt. prc-id cizran errores. Sin embargo,
es de ~iutar, a partir de la lectura de este
gráfico q ~ i e ,m ientras en las cotas bajas los
res los valores obtenido del MDE), en las
cotas más altas sucede lo contrario. Igual
que en el caso anterior, se procedió a com
probar estadísticamente la validez de los
datos obtenidos, a través de la elabordciim
del test de significacicín dc corrcloción y, de
la misma forma que ocurriera para las precipitaciones,
el resultado (0,9312) indica
Figiirn 5, Altitudes rcales, altitudes en el MDE y errores observados.
OUnuersdad de a s Fanai d? Gran Canara i t o e c a Unuestsri M e m r i Dgta le Caniris 20815
Eiabcir,iciOii iie 11ii)iicios cjigitdes de precipitdcion para la isla de Gran Canaria 713
A partir de este modelo de altitudes, se mo resultado, obtenemos el mapa de preprocedi6
a la aplicacion de la función ob- cipitaci6n n-iedia anual para la cuenca del
tenida anteriormente, mediante la sustitu- Guiniguada. En la figura 6 se puede obserción
de la z en la ecuación P = n + 17 z. Co- var este documento definitivo.
6. DISCUSIÓN Y CONCLUSIONES
En un análisis en el que se deba tenrr
en cuenta la distribución espacial de cualqi~
ipvr ariahlp natiiral n socia!, la i p l i r a c i h
de un modelo 110s parece, n priori, una ventaja,
puesto que con ello conseguimos mostrar
algo que 110 es obvio a simple vista.
1,legados a este punto, podemos afirmar
que los modelos ayudan a percibir hechos
que son difíciles de ohservar en la realiciacl
cotidiana. Sin embargo, también es cierto
que la implernentcicicín de modelos iios Ileva,
en muchas ocasiones, a cometer errores
de análisis, bien porque se haya producido
una generalización de la informacicín, o
bien porque la información utilizada para
la generación del modelo sea erronea.
En el caso del estudio de la precipitación,
partimos de una información que
pueden contener errores (de lectura directa
de la probeta del pluviómetro, de introducción
en la base de dalos,...). La iniplementaciíin
de un modelo en estas condiciones,
desde luego, deja pocas dudas
sobre la escasa calidad del análisis que con
él se pucdc realizar. Sin embargo, los procesos
de dcpuracióii dc 10s datos pluriorn&
ricos, permiten su fiabilidxi. Por otro
l¿id», parrcr obvio que rn la representación
de esb variable se lia de Iiacer uso de estos
modelos para que los territorios puedan
ser estudiados y entendidos, por lo
que su modeli~dción se puede co~isiderar
como necesaria.
Pero esta necesidad no puede justificar
una modelización de cualquier modo, ya
suponga ésta la cscascz de datos de cntrada,
la mala calidad de éstos o la aplicación
de modelos no ajustados. Así, dcsdc un
punto de vista científico, se cuenta con métodos
válidos que se basan en el control dc
calidad de los datos y en la implementación
de modelos basados en ecuaciones que posibilitan
un análisis de los errores. Al mismo
tiempo, ciertas herramientas se ponen a
disposición de esta calidad en 10s modelos.
En relación a la cantidad y la calidad de
los datos, y por lo que se refiere a nuestro
territorio, Gran Canaria dispone de una
buena materia prima: en primer lugar, dispone
de una gran cantidad de estaciones
pluviométricas repartidas por todo su territorio,
lo que le permite tener tina den+
dad muy alta de red. Por otro I d o , las series
son amplias y el control sobre la calidad
de los datos permite no dudar sobre su
fiabilidad. Tan sólo queda el que los modelos
que se desarrollen permitan realizar
cálculos lo más apropiado posible.
Es en esta línea donde juegan un irnportante
papel los SIC; y la posibilidad de
desarrollar modelos de calidad, implcmcntando
sus posibilidades de análisis espacial.
I'recisainentc, cse es el cometido de es-
-
NOTAS
te artíciilo: mostrar las posibilidades metodológicas
que permiten los SIC en la búsqueda
de modelos más exactos de precipitaciones.
Teniendo en cuenta lo expuesto con anterioridad
y a modo de conclusión, sólo
nos resta considerar los siguientes puntos:
1. La isla de Gran Canaria posee una
red de estaciones pluviométricas de
excelente calidad y densidad. Los datos
que se recogen en estas estaciones
son la materia base sobre la que estudiar
las lluvias y su variabilidad espacia:
t;ii esta isla. Pero, asi misii-m,
esta isla puede funcionar a modo de
laboratorio, de modo que la modeli-
~aciór id e lds precipilaciwies y el estudio
de esta variabilidad espacial,
sea aplicable a otros lugares que, con
semejantes caractrrísticas naturales,
no dispvngari de tmta inlorriiaci6i-i
relativa a precipitaciones.
2. La elaboración de modelos digitales
de precipitación se i-nuestra como
tina herramienta válida a la hora de
modelizar estas variaciones climáticas.
Sin embargo, su establecimiento
debe hacerse siguiendo unos pasos
rigurosos que aseguren la bondad
del inodelo y que deben comenzar
desde el mismo momento de la toma
de datos.
Elaboración de modelos digitales de prec~pitacióipi ara la isla de Gran Canaria 215
ROSQT JF, J. (1 992): Sistrviias di, Ii?fr>rwinciór? Gro
gráficn. Rialp, Madrid, 451 pp.
BOSQUE, J ; DOM~NGUEZJ ,y VEGA, J. (1990):
"Generación de un modelo topográfico digital
para la ciudad de Grniidda: probleriias y
solucio~iesc on el programa IDRISI". 1V Co-
10qiii0 de Gc>ogri$ír~C u i i ~ t i tfiti~'n , pp. 97-109.
Granada.
CH LIVIFCO, E. (1 990): Furzdaim~rztos iir Kdc~fctcccióii
Cspacinl. Rialp, Madrid, 353 pp.
FELIC~SIMOA, . (1994): Modrlos Di~i tal c sd c/ Tc
uveno. Pentalfa, Olriedo, 215 pp.
HERNÁNDEZ, L. (1996): h l ~ d c l i ~ i i i i ó iEis yil~iiil
dr.1 R i ~ , s pi f r Fumicíri .Siii~loM~r diaiitr. (ilG.
,4~11imci~njil1 F stiidio di, / I Z F~tmr.riríiid r S~i r~los
r1i Grnn Cnizarin. Tesis de Licenciatura, Universidad
de Alcali de Hcnares. (Inédita).
MARZOL, M \ 7 . (1988): La ll~iz,in,i r l l rcJciiiso m -
tiiunl [inrii Crriioriri,. Cdjd Generd de Aliorrus
dc Canarias, SIC de Tenerife, 220 pp.
MÁYER, P., ROMERO, L. y HERNÁNDFZ, 1
(1999): ".41161isis de los temporales en Gran
Canaria en la década de los cincuenta". En
RASO, J.M. y MARTIN-VIDE, J., Ln Cliilinfología
F~lmñolil rii los Alhnrrs drl Siglo X X I . Publicaciones
de la Asociación Espanola de Climatología,
Srrir A, no 1, pp 315-324
PONTE, R. y BOSQUE, J. (1997): "C01mparaci611
de métodos de cálculo para la obtencibn de
la variable precipitación en un SIG". Estiidios
Ccc~guificvs,L VII, p p 227-255.
IWMMCU, L. y HMNÁNU~L, L. (1YYh): "Características
plii\~i«ini.tricas de la cuenca del
Guii~iguada(1 950-1994). Gran Canaria. Islas
Canarias". En: MARZOL, M.V., DOIITA, 1'. y
VALLADARES, P., Cliiiin y n p n . La gcsticín
na y Asociación de Geógrafos Espaiiolcs.
C/C de Tenerife, pp 155-169.
SALAS, F.J. (1994): Dcfrrcióii dc hrws dc msgo d ~ .
ri~cri~drfoor c~tizl n pnvtir de los Sistcims [ir, 117-
forriinciórl Gr~igrificri.T esis Doctoral, Unit-ers
i d d de .41~~tld;le Helidres. (I~iCdila).
SANTANA, A. y NARANJO, A. (1992): El i c l i ~ -
iic Grnli Cniidrio. Nopal Fciirioiies, 1 as Palmas
de Gran Ca~i~iria.