Bitácora Evaluación del Recurso Hídrico en su Régimen · PDF...

Dirección General de Recursos Hídricos (DGRH)

Secretaría de Recursos Naturales y Ambiente (SERNA)

Universidad Nacional Autónoma de Honduras (UNAH)

Evaluación del Recurso Hídrico en su

Régimen Natural, Honduras, C.A.

Bitácora

Abril, 2014

Bitácora Evaluación del Recurso Hídrico en su Régimen Natural 2013

Contenido

Presentación ......................................................................................................................... 3

Resumen de actividades ........................................................................................................ 4

Fichas metodológicas ............................................................................................................ 5

Apéndices ........................................................................................................................... 35


Presentación

El presente documento busca presentar de

forma precisa las acciones metodológicas y

operativas que contribuyeron al desarrollo

de la Evaluación de los Recursos Hídricos

desarrollado por el Instituto de Ciencias de la

Tierra (IHCIT) de la Universidad Nacional

Autónoma de Honduras (UNAH), con el

apoyo de las distintas instituciones

gubernamentales generadoras de la

información meteorológica del país.

Identificando, documentando, transfiriendo

las lecciones aprendidas y las experiencias

claves de este estudio, para poder ser

replicado en un futuro por la Secretaría de

Recursos Naturales y Ambiente del país.

Es importante destacar, que sin el apoyo de

las instituciones generadoras de información

meteorológica –Servicio Meteorológico

Nacional (SMN), Dirección General de

Recursos Hídricos (DGRH) de la SERNA,

Empresa Nacional de Energía Eléctrica (ENEE)

y Servicio Autónomo Nacional de Acueductos

y Alcantarillado (SANAA)-, quienes no solo

mostraron interés en proporcionar los

registros de las estaciones, sino también

apoyaron en discusiones metodológicas y

validación de los resultados, el estudio no

estaría completo.

Igualmente se destaca la colaboración

prestada por estudiantes de las carreras de

Ingeniería Civil, Física y Biología en el

desarrollo de la recolección de información,

procesamiento estadístico y desarrollo de

base de datos.

El proceso metodológico es presentado

mediante fichas metodológicas diseñadas

para recopilar los aspectos importantes de

cada actividad desarrollada para el estudio.


4

Resumen de actividades

El Proyecto Evaluación del Recuso Hídrico en Régimen Natural se desarrolló mediante las siguientes

actividades, presentadas de acuerdo al orden de ejecución:

Actividades:

1.1 Validación de límites de cuencas mayores y subcuencas de Honduras

1.2 Actualización de base de datos meteorológicas

1.2.1 Recopilación de información

1.2.2 Estandarización de la información

1.2.3 Análisis del régimen de lluvia

1.2.4 Análisis de calidad de datos

1.2.5 Rellenado de datos

1.2.6 Análisis de calidad de la base de datos rellenadas

1.3 Revisión bibliográfica

1.3.1 Información de suelos

1.3.2 Información de geología e hidrogeológica

1.4 Análisis espacial de la precipitación

1.5 Análisis espacial de la temperatura

1.6 Análisis de la evapotranspiración potencial

1.6.1 Estimación de la evapotranspiración potencial

1.6.2 Análisis espacial de la evapotranspiración potencial

1.7 Análisis de infiltración teórica y potencial

1.7.1 Coeficiente de Infiltración

1.7.2 Capacidad de Campo

1.7.3 Infiltración

1.8 Balance Climático

1.8.1 Balance climático mensual

1.8.2 Balance climático anual

1.9 Recarga a los acuíferos

1.10 Reuniones de validación

1.11 Elaboración documento final


5

Fichas metodológicas

No. de actividad:

1.1 No. de sub-actividad:

Período: 2012

Nombre de Actividad:

Validación de límites de cuencas mayores y subcuencas de Honduras

Responsable:

Objetivo de la

actividad:

Generar cartografía digital de las cuencas principales y sub-cuencas a nivel nacional.

Descripción de la

actividad:

Debido a que a nivel nacional no contamos con un modelo digital de elevaciones preciso que permita automatizar la generación de las subcuencas, se decidió trabajar el producto directamente sobre las hojas cartográficas disponibles a través del Instituto Geográfico Nacional (IGN), las cuales han sido generadas a una escala de 1:50,000. Para éste proceso fue necesario corregir la georeferenciación de los distintos grupos de hojas cartográficas disponibles, utilizando como sistema de coordenadas el WGS-84, de manera de minimizar el sesgo en cuanto a la localización espacial. Fue necesario realizar un trabajo exhaustivo de corregir la ubicación y nomenclatura de la totalidad de la red hidrológica principal del país, de manera que los mismos tuvieran una localización precisa conforme a las hojas cartográficas y su nomenclatura obedeciera a los nombres oficiales que el IGN reconoce en sus hojas cartográficas. Con las hojas cartográficas corregidas en su posición y la red hidrológica mejorada, se procedió a digitalizar cada una de las subcuencas que conforman el sistema de cuencas mayores del país,tomando como referencia la propuesta de nombres que CEDEX sugiere (encargado de realizar el primer balance hídrico nacional en el año 2008), quienes tomaron a su vez como referencia la propuesta de subcuencas nacional que PRONADERS había realizado en su momento. Evidentemente se encontraron algunas inconsistencias que tuvieron que afinarse en cuanto a la localización de los límites parte aguas, como en la nomenclatura de cada subcuenca; las cuales en algunos casos estaban mal nombradas acorde al río que la conforma. Se tomo como criterio básico que cada subcuenca debería formarse a través de un río principal que fuera ramal de alimentación del río principal de la cuenca o que fuera a desembocar directamente al mar. Para el caso de las subcuencas fronterizas, las mismas sólo se han delimitadas hasta completar donde concierne al territorio nacional. Otro criterio que se consideró es que para el caso de los ríos de cuencas mayores se segregó en parte Alta, Media y Baja, de manera de poder diferenciar mejor los espacio de drenaje. Los grupos de Esteros o ríos cortos, se agruparon de manera de dar un resultado más acorde a las primeras propuestas nacionales, y así evitar el exceso de segregaciones que vendría a tener un producto más detallado pero más confuso y difícilmente apreciable a la escala nacional. En el producto final se puede apreciar las distintas subcuencas que conforman el sistema


6

nacional de cuencas mayores, ahora con un nivel de precisión y localización mayor que cualquier otro producto generado. El resultado será un instrumento de apoyo para las distintas actividades de gestión hídrica y manejo de cuencas que se realizan en el país. Por otra parte también se muestra el resultado de la segregación a nivel de subcuencas que se ha obtenido.

Métodos y/o herramientas

Programa ArcGis 10.

Problemas encontrados:

Unificar criterios para la delimitación de sub-cuencas.

Soluciones encontradas:

Mediante discusiones con expertos se analizó y unificó criterios de delimitación.

Resultado:

Dos (2) mapas de cuencas principales y subcuencas.

Mapa de cuencas principales Mapa de sub-cuencas

Apéndice: 1.1 Tablas y mapas de cuencas y subcuencas


7

No. de actividad:


1.2.1 Período: 2012


Recopilación, análisis y procesamiento de la información para la cartografía de la red de estaciones hidrometeorológicas de Honduras

Responsable: Personal IHCIT

Objetivo de la

actividad:

Recopilar el inventario de las estaciones meteorológicas de la Secretaría de Recursos Naturales y Ambiente (SERNA), la Empresa Nacional de Energía Eléctrica (ENEE), el Servicio Autónomo Nacional de Acueductos y Alcantarillados (SANAA), y el Servicio Meteorológico Nacional (SMN)

Descripción de la

actividad:

Se realizaron contactos con las instituciones que poseen estaciones en la red de estaciones meteorológicas del país. Obteniendo los inventarios de la información de los parámetros climáticos que serían analizados para la continuación del proyecto.


Mediante reuniones y entrevistas con personal de las instituciones.


Existió un retraso, debido a la respuesta parsimoniosa de algunas instituciones a la solicitud de la información.


Recomendación: De esta actividad se manifiesta la necesidad de tener una institución regidora que maneje, analice, actualice y haga proyecciones espaciales y temporales de toda la información como proyecto de país y no para cumplir objetivos específicos de cada institución.

Resultado:

Un (1) informe de la actividad realizada. Un (1) mapa de localización de estaciones y una (1) base de datos con el inventario de datos de las instituciones.


8

Mapa localización estaciones

Apéndice: 1.2.1a Ejemplo registro recopilado (DGRH-SERNA) 1.2.1b Informe


9

No. de actividad:


1.2.2 Período: 2012


Estandarización de la información

Responsable:

Objetivo de la

actividad:

Generar un registro de datos homologado para todas las instituciones involucrada.

Descripción de la

actividad:

Los inventarios de las instituciones presentaban los parámetros climáticos de cada estación meteorológica del país, información de localización espacial y pertenencia a una determinada cuenca o división política. Los parámetros medidos en cada estación variaban según el tipo de estación, incluyendo al menos uno de los siguientes parámetros: Precipitación mensual Días al mes con precipitación Temperatura media mensual Temperatura máxima mensual Temperatura mínima mensual Velocidad media del viento Recorrido total del viento por mes Evaporación Punto de rocío Humedad Relativa Evaporación Nubosidad La mayoría de los archivos fueron recibidos en formato de texto separado por comas o tabulaciones y fueron convertidos a formato de Excel para facilitar su manipulación y análisis. Se generó una tabla modelo por parámetro con la cual se homogeneizaron las series de datos. Todas las tablas pertenecientes a una misma estación fueron agrupadas en un solo libro de Excel con el nombre de la estación. En estas tablas se especificó la siguiente información con respecto a la estación analizada: • Nombre de la estación • Código nacional • Institución que la opera • Coordenadas geográficas y en proyección UTM • Elevación (msnm) • Tipo de estación • Cuenca donde se ubica la estación • Departamento donde está instalada la estación


10

El análisis estadístico de primer orden de los datos mensuales y anuales consistió en determinar: - Total: sumatoria de todos los valores de un mismo mes para los años analizados. - N: Recuento de los datos presentes en una serie mensual a lo largo del tiempo. - Máximo: Valor máximo de la lista de valores de cada serie mensual. - Mínimo: Valor mínimo de la lista de valores de cada serie mensual. - Media o promedio: Media aritmética de los valores de una determinada serie mensual (media del total de los años medidos para cada uno de los meses). - Desviación estándar: media de distancias que tienen los datos mensuales respecto de su media aritmética. - Curtosis: Valor que indica la medida de concentración de frecuencias de los datos mensuales alrededor de la media y en la zona central de la distribución (asumiendo una distribución normal). - Sesgo: Estimador de la diferencia entre su esperanza matemática y el valor numérico del parámetro que estima. - Espacios en blanco: Celdas vacías que implica la ausencia de dato en la serie mensual analizada. - Se creó un código decolores (explicado en cada hoja de Excel) para la fácil identificación de los datos faltantes, los datos dudosos y las estimaciones estadísticas.


Programa Microsoft Excel



Resultado:

Una (1) base de datos en formato Excel con el inventario de las instituciones.

Apéndice: 1.2.2 Tabla modelo para parámetros


11

No. de actividad:


1.2.3 Período: 2012


Análisis del régimen de lluvia Responsable:

Objetivo de la

actividad:

Analizar y validar las series temporales de la lluvia.

Descripción de la

actividad:

La distribución de la lluvia requiere validar la serie temporal que proporcionará el valor estadístico a utilizar en el análisis de la distribución espacial y temporal de la lluvia. Para efectos de este estudio es suficiente una resolución temporal a nivel mensual. Dentro de los datos recopilados existe una gran cantidad de estaciones que miden la lluvia, razón por la cual se decidió dividir su análisis en grupos lo más homogéneos posibles. Teniendo localizadas todas las estaciones se procedió a agruparlas siguiendo en primera instancia proximidad entre estaciones y topografía de la zona en que se encuentra, de esta manera se obtuvieron 34 grupos. Una vez agrupadas el siguiente paso consistió en verificar los regímenes climáticos de cada estación con el propósito de que cada estación representara las condiciones de precipitación en la zona donde se encuentran cada agrupación. Para esto se apoyo en la utilización del coeficiente de Angot, el cual se describe a continuación. Comparar la pluviosidad de dos a más estaciones no es cosa fácil a menos que sus medias no difieran mucho. Para conocer la relación entre regímenes de lluvia hay que aplicar el concepto de “coeficiente pluviométrico” (Angot, A., 1897). Esta relación resulta de dividir el número que expresa la lluvia media observada en un mes dado por la que se observaría si una suma anual hipotética de 1000 mm estuviese igualmente repartida a lo largo del año. Se obtuvieron gráficos para cada estación y se compararon en un mismo gráfico para determinar la similitud del régimen. Mismas que se encuentran en la base de datos proporcionada.


Programa Excel



Resultado:

Grupos homogenizados.


12

Apéndice: 1.2.3 Ejemplo Coeficiente de Angot


13

No. de actividad:


1.2.4 Período: 2012


Análisis de calidad de datos Responsable:

Objetivo de la

actividad:

Realizar un análisis de consistencia y confiabilidad de los datos de precipitación media de cada estación del país.

Descripción de la

actividad:

Para la evaluación de la precipitación media en el país, a nivel de cuenca y de región hidrográfica, se analizaron las estaciones pluviométricas y climatológicas existentes, a las cuales se les realizó un análisis de consistencia y de confiabilidad a través de la elaboración de las Curvas Doble Masa. Para el cálculo del Patrón de precipitaciones anuales (PPA) se tomó el promedio de los datos anuales de precipitación de varias estaciones, considerando características climáticas semejantes, ubicación y elevación. Se verificó la continuidad de datos para cada grupo a fin de distinguir los periodos comunes entre ellos y ver la mejor disponibilidad del dato y donde escasea. Y se desarrollaron diagramas de continuidad para cada grupo de estaciones con el propósito de conocer de entre las estaciones de cada grupo cual de todas las estaciones sería considerada como estación patrón (base) o referencia para contrastarla contra las demás, de manera de poder inferir a través de datos comunes con modelos de regresión y poder así rellenar donde hay datos faltantes.


A través de Excel



Resultado:

Estaciones evaluadas de acuerdo a su continuidad.

Apéndice: 1.2.4 Ejemplo Curva Doble Masa


14

No. de actividad:


1.2.5 Período: 2012


Rellenado de datos Responsable:

Objetivo de la actividad:

Rellenar series con datos faltantes.

Descripción de la

actividad:

Una vez identificados los grupos, los períodos de los datos faltantes y corregidos los datos dudosos de las estaciones donde se disponía información se procedió al relleno de los datos faltantes. Un análisis comparativo de diferentes metodologías fue realizado para determinar la mejor manera de rellenar los datos en el período de los años hidrológicos de 1975 al 2005 (30 años). Los métodos comparados fueron:

1. Co-Kriging, utilizando como variable secundaria la elevación. 2. Kriging ordinario 3. Red neuronal MLP con una configuración de capas 3-2-1 4. Correlación estocástica múltiple 5. Correlación simple

El procedimiento consistió en estimar los valores de los datos faltantes de una estación en base al resto de estaciones del mismo grupo. Con los valores estimados se procedió al cálculo de la media y la desviación típica de cada serie de datos completa de para la estación. Finalmente un análisis ANOVA fue realizado para determinar si existían diferencias significativas entre los valores medios obtenidos de cada serie de datos rellenados. Este análisis indicó que utilizar cualquiera de los métodos, no implicaba diferencias significativas en sus resultados. Sin embargo, el mejor resultado obtenido fue el de la modelación con Co-kriging, seguido de redes neuronales y posteriormente la metodología del programa Chac. Este es un programa desarrollada por el Centro de Estudios Hidrográficos del CEDEX con metodologías propias para el desarrollo de trabajos hidrológicos Tomando en consideración el escaso tiempo disponible, la automatización del procedimiento disminuyendo así cualquier error humano, la facilidad del uso de Chac y los buenos resultados presentados, se utilizó éste para el proceso de rellenado de datos de lluvia. Para el completado se utilizó correlación múltiple lineal estocástica, mediante el software CHAC, el cual utiliza el modelo CORMUL para la estimación de valores faltantes en las series mensuales. Este modelo completa las series meteorológicas mediante una estacionarización previa de los datos considerando la media y la desviación típica. Una vez estacionarizados, quedan los residuos a los que se les aplican ecuaciones de regresión bivariada, es decir, cada dato se completa con datos de otras estaciones con las que haya encontrado un aceptable coeficiente de correlación


15

múltiple ponderado por el número de datos comunes entre las tres estaciones. Una vez estimado el residuo con la ecuación de regresión, se revierte la transformación según media y desviación típica. Los pasos a seguir para la aplicación de este modelo fueron los siguientes:

1) Poner las series de datos en el formato requerido completando una tabla como la que se muestra a continuación.

Formato para ingresar los datos de lluvia al programa Chac

2) Ya introducidos los datos se procede a completar los datos con el objetivo de tener al menos 30 años de información continua de cada una de las estaciones que a su vez cuenten como mínimo 15 años de información.

Modelo computacional CHAC

De esta forma las estaciones que lograron completarse se redujeron a 168 estaciones a nivel nacional.

3) Se verificó que las medias no varíen excesivamente con respecto a los datos antes de ser

completados. Después de esta verificación se vuelve al formato original elegido, completando las tablas con todos los valores nuevos calculados por el programa.

x y cod pcn año may jun jul ago sep oct nov dic ene feb mar abr anual493771 1704861 33048 pcn 1979-80 -100 -100 -100 -100 -100 -100 409.5 108.1 32.3 25.1 32.9 55.6 -100

493771 1704861 33048 pcn 1980-81 27.1 152.8 102.9 78.5 261.8 169.7 268.2 96 37.3 131.9 20.8 15.6 1362.6

493771 1704861 33048 pcn 1981-82 45.3 351.2 136 158.7 213.1 199.4 82.4 138.1 43.4 34.3 56 32.3 1490.2

493771 1704861 33048 pcn 1982-83 287.7 244.9 106.2 129.8 129.7 170.9 105.9 93.3 72.1 6.9 17.7 129.8 1494.9

493771 1704861 33048 pcn 1983-84 3.9 147.3 112 64.9 160.5 250.2 92.7 293.4 103.5 60 112.7 90 1491.1

493771 1704861 33048 pcn 1984-85 74.1 166.7 230.4 104.5 314.2 148.9 213.9 17.3 82 89.7 32.4 41.6 1515.7

493771 1704861 33048 pcn 1985-86 81.4 186.5 156.6 53 95 105.1 37.5 103.2 98.8 20.8 92.5 81.7 1112.1

493771 1704861 33048 pcn 1986-87 125.3 49.4 62.7 40.7 128.5 162.4 68.4 -100 66.6 9.2 97.9 -100 -100

493771 1704861 33048 pcn 1987-88 100.7 107.1 202 -100 125.1 218.6 107.1 64.4 87.1 48.9 76.7 15.3 -100

493771 1704861 33048 pcn 1988-89 101.1 141.9 175.9 241.2 235.1 275.1 44.3 -100 97.9 85.7 22.5 22.9 -100


16


Programa CHAC, desarrollado por el Centro de Estudios Hidrográficos del CEDEX



Resultado:

Una (1) base de datos en formato Excel para series de datos rellenadas de las estaciones del inventario de las instituciones.

Apéndice:


17

No. de actividad:


1.2.6 Período: 2012


Análisis de calidad de la base de datos rellenadas

Responsable:

Objetivo de la

actividad:

Validar la base de datos rellenadas a través de pruebas estadísticas.

Descripción de la

actividad:

Finalmente las estaciones completadas debieron pasar por un filtro estadístico que consistió en dos pasos: • EL primer requerimiento es que las series de datos al ser analizadas se ajusten a una distribución normal por lo que se realizaron dos pruebas de normalidad: Xi cuadrado y kolmogorov donde si las series se ajustaban a una distribución se consideraban en el análisis siguiente. EL análisis de verificación tomó como base el ajuste normal de Kolmorogov. Así es como 6 estaciones no superaron las pruebas estadísticas por lo que el número final de estaciones para la generación de mapas de precipitación se redujo a 162 estaciones en todo el país. • El siguiente paso consistió en realizar una serie de pruebas estadísticas que describen tendencias y aleatoriedad, las pruebas se enumeran a continuación: o Mann-Kendall (test paramétrico de tendencias). o Spearman's Rho (test no paramétrico de tendencias). o Regresión Lineal (test paramétrico de tendencias). o Cusum (test no paramétrico para detectar saltos de medias). o Desviación Acumulada (test paramétrico para detectar saltos de medias). o Probabilidad de Worsley (test paramétrico para detectar saltos de medias). o Rank Sum (test no paramétrico para detectar diferencias en la mediana de dos periodos). o Test de Student (test paramétrico para detectar diferencias en la media de dos periodos). o Mediana cruzada (test no paramétrica de aleatoriedad). o Momento crucial (test no paramétrica de aleatoriedad). o Diferencias de rango (test no paramétrica de aleatoriedad). o Auto-correlación (test paramétrica de aleatoriedad).


Microsoft Excel, TREND de Toolkit




18

Resultado:

Ciento sesenta y ocho (168) estaciones rellenadas estadísticamente analizadas.

Apéndice: 1.2.6 Pruebas estadísticas de calidad.


19

No. de actividad:


1.3.1 Período: Mayo 2013


Información de suelos Responsable:

Objetivo de la

actividad:

Recopilar la información de suelos existente en el país.

Descripción de la

actividad:

Se realizó una revisión bibliográfica de la información de suelos existente en el país. Se considera como información base los estudios de de Simmons y Castellanos (Clasificación de los Suelos de Honduras, 1:500.000, 1968). Y la caracterización del Manual de Referencia Hidrológico de Honduras. En relación con los usos de la tierra y la cobertura boscosa, se tomó los mapas generados por ESCNACIFOR en el 2009, los cuales pueden ser comparados con los mapas que generará el ICF en el 2014.


Revisión bibliográfica


Ninguno Soluciones encontradas:

Resultado:

Información adicional en la Evaluación de los Recursos Hídricos en su Régimen Natural

Mapa tipo de suelos Mapa usos del suelo

Apéndice:


20

No. de actividad:


1.3.2 Período: Mayo 2013


Información de geología e hidrogeológica

Responsable:

Objetivo de la

actividad:

Recopilar la información hidrogeológica existente en el país.

Descripción de la

actividad:

Se realizó una revisión bibliográfica para recabar la información hidrogeológica del país. Mas sin embargo no existe mucha información y que se encuentre actualizada, por lo cual se empleó la utilizada por CEDEX en el balance hídrico de 2002.


Revisión bibliográfica


Ninguno Soluciones encontradas:

Resultado:

Información adicional en la Evaluación de los Recursos Hídricos en su Régimen Natural.

Mapa geológico nacional Mapa de unidades hidrogeológicas

Apéndice:


21

No. de actividad:


Período: 2013


Análisis espacial de la precipitación Responsable:

Objetivo de la

actividad:

Realizar la interpolación espacial de los datos de precipitación de la base de dato.

Descripción de la

actividad:

Se inicio un ejercicio que implicó realizar diversos tipos de interpolación espacial, de manera de poder comparar los resultados y evaluar la mejor respuesta. Los datos base que se habrán de utilizar es un valor ampliamente validado por diversas pruebas estadísticas, por lo cual se espera poder completar un producto con datos anuales y mensuales. En el proceso se ha aplicado la herramienta GeoStatistical Analyst con la que el programa ArcGIS cuenta, misma permite aplicar diversos tipos de métodos de interpolación, entre los que se pueden nombrar: Métodos deterministicos como son:

Inverse Distance Weighting,

Global Polinomial Interpolation,

Local Polinomial Interpolation,

Radial Basis Functions. Métodos geoestadisticos:

Kriging,

CoKriging. Interpolación con barreras:

Kernel Smoothing,

Diffusion Kernel. El método que mejor respuesta presentó fue el Kriging en su variante CoKriging, este es un procedimiento de interpolación en estado avanzado que genera una superficie aproximadamente de un juego disperso de puntos con valores de Precipitación. A diferencia de otros métodos de interpolación espacial, el Kriging involucra una investigación interactiva del comportamiento espacial del fenómeno representado por los valores a interpolar antes de seleccionar el mejor método de cálculo para generar la superficie de producto. Kriging está basado en la teoría variable regionalizada, que supone que la diferencia espacial en el fenómeno representado por los valores de precipitación es estadísticamente homogénea en toda la superficie; es decir el mismo comportamiento de la variación puede ser observada


22

en todas ubicaciones aparentemente. Esta hipótesis de la homogeneidad espacial es fundamental para la teoría variable regionalizada. Este proceso conlleva la selección del modelo que permita un valor correlativo que ayude a estimar valores más próximos a los representados por los sitios de muestreo. En tal sentido, se inicia un proceso de evaluación y escogencia de modelos en función de parámetros establecidos a través del modelo y que se reflejan en el Valor Cuadrado Medio del Error, el cual es una medida de estimación entre valores estimados y los reales a través de los resultados obtenidos a través de la aplicación de los diferentes modelos propuestos. El anterior procedimiento aplicado sobre el parámetro correspondiente al Promedio anual considerado, relaciona el modelo Co-Kriging, como el modelo que permite un mejor ajuste entre los valores estimados por este proceso y los observados directamente en el campo. A partir de este punto, se inicia el proceso de generación del modelo de superficie para la zona de estudio. El resultado fue una serie de mapas (promedio anual y mensual), los cuales se presentan a continuación y pueden verse los resultados estadísticos, respuesta de la implementación del modelo.


A través de ArcGis 2010.



Resultado:

Trece (13) mapas de precipitación media anual y mensual.

Mapa precipitación media anual Mapa precipitación media mensual (Enero)

Apéndice: 1.4 Mapas de precipitación Digital


23

No. de actividad:


Período: 2013


Análisis espacial de la temperatura Responsable:

Objetivo de la

actividad:

Realizar la interpolación espacial de los datos de temperatura media, máxima y mínima de la base de dato.

Descripción de la

actividad:

La interpolación para las variables de temperatura en vista del número reducido de estaciones (48 estaciones) se ha obtenido utilizando como variable explicativa de su distribución espacial a la altitud. Resultando en un gradiente marcado a lo largo del año con pequeñas variaciones y con cierta uniformidad espacial. Contando con un modelo de elevación digital se propuso utilizar como variable de apoyo para la interpolación de las variables de temperatura media, máxima y mínima adicional a los datos puntuales de cada estación a utilizar.


Programa ArcGis 10.



Resultado:

Trece (13) mapas de temperatura media, anual y mensual. Trece (13) mapas de temperatura máxima, anual y mensual y, trece (13) mapas de temperatura mínima, anual y mensual.

Mapa temperatura media anual Mapa temperatura máxima anual


24

Mapa temperatura mínima anual

Apéndice: 1.5 Mapas Digital


25

No. de actividad:


1.6.1 Período: 2012


Estimación de la evapotranspiración potencial

Responsable: Consultor

Objetivo de la

actividad:

Realizar una estimación de la evapotranspiración potencial (ETP) en Honduras.

Descripción de la

actividad:

Para evaluar las diferentes metodologías de estimación de la evapotranspiración se evaluó la base de datos recopilada por el Instituto Hondureño de Ciencias de la Tierra (IHCIT). La revisión de los diferentes factores medidos mostró que los datos básicos de temperatura son confiables en sólo 48 estaciones de 79 disponibles con registros de esta variable. Los valores de temperatura media no eran consistentes en las estaciones y se desestimado su uso, como alternativa se empleo el promedio de la temperatura máxima y la temperatura mínima como lo sugiere la FAO en su documento No. 56 al encontrar valores dudosos de temperatura media. Se evaluaron cuatro (4) métodos de estimación de la Evapotranspiración Potencial (ETP) y se compararon con estimaciones de la Evapotranspiración de Referencia (ETo) estimada siguiendo la fórmula de la FAO Penman-Monteith. Un análisis de regresión regional demostró que no se puede hacer un estudio regional de la ETP y las comparaciones se deben hacer de manera puntual en cada estación. Ecuaciones de regresión se estimaron para cada estación, siendo el método Jensen-Haise es el que más se aproxima a la ETo. Las comparaciones indicaron que el método Jensen-Haise modificado por una ecuación de regresión es el más adecuado para la estimación de ETo en una localidad específica. Como segunda mejor opción está el método de Hargreaves modificado por una ecuación de regresión. Se ofrecen como alternativa a las ecuaciones de regresión, el uso de coeficientes de corrección por mes y por estación. Esta metodología también ha sido validada y demostrado que el mayor error que se puede producir al aplicar este coeficientes de corrección es de 14 mm/mes (8-14%). Se observó una relación entre la ETP y la elevación validando su uso en métodos geoestadísticos para extrapolar la ETP. Si bien se han validado métodos alternativos para la estimación de la ETo siempre es recomendable usar la fórmula de la FAO Penman-Monteith cuando sea posible. La FAO ofrece alternativas para estimar los parámetros no medidos, pero se debe planificar una validación de estas metodologías para utilizarlas en localidades donde los datos no son medidos.


Cuatro métodos de estimación de la Evapotranspiración Potencial, por medio. Software CHAC como herramienta de rellenado de datos de series y Microsoft


26

Excel como herramienta de manejo de la información.


Los valores de temperatura media no fueron consistentes en las estaciones y se desestimo su uso.


Como alternativa se utilizo el promedio de la temperatura máxima y la temperatura mínima como lo sugiere la FAO en su documento No. 56 al encontrar valores dudosos de temperatura media.

Resultado:

Datos de evapotranspiración estimados.

Apéndice: 1.6.1 Informe de consultoría para la evaluación de la ETP


27

No. de actividad:


1.6.2 Período: 2013


Análisis espacial de la evapotranspiración potencial

Responsable:

Objetivo de la

actividad:

Realizar la interpolación espacial de los datos de la evapotranspiración potencial estimada en 1.6.1

Descripción de la

actividad:

Se desarrolló el análisis espacial de la evapotranspiración potencial estimada en la actividad 1.6.1 utilizando el método de estimación de Hargreaves y Penman-Monthei, descrito en el apéndice 1.6.1.


ArcGis 2010.



Resultado:

Trece (26) mapas de ETP, anual y mensual (para dos métodos)

Mapa de ETP anual, método Hargreaves Mapa de ETP anual, métdo Penman

Apéndice: 1.6.2 Mapas Digital


28

No. de actividad:


Período: Octubre- Diciembre de 2013


Análisis de infiltración Responsable:

Objetivo de la

actividad:

Realizar un análisis de infiltración.

Descripción de la

actividad:

Para iniciar esta actividad, se requirió hacer un proceso exhaustivo de validación de los parámetros meteorológicos, específicamente para: precipitación, temperatura y evapotranspiración. Cada una de las variables fue evaluada por distintos modelos de interpolación espacial. Las variables fueron determinadas acorde a sus características estadísticas y espaciales a partir del método de CoKriging Simple – tipo Lineal, el cual reflejó un mejor ajuste estadístico y espacial. Como aprendizaje, se determinó que este método tiene la fortaleza de poder incorporar al análisis hasta de 4 variables secundarias, y para nuestros propósitos se consideró únicamente la variable de altitud, determinada a partir del modelo digital de elevaciones del país. Otras variables secundarias se plantearon para ser consideradas, pero fueron descartadas ya que correspondían a variables no continuas o representaban subproductos de procesos de interpolación previa. Cada variable a nivel anual y mensual fue cartografiada a partir de la herramienta Geostatistical Analyst de Arc GIS 10. La herramienta es bastante potente, pero debido a que los cálculos fueron a partir de la utilización de una variable continua secundaria, los procesos requirieron de una considerable cantidad de tiempo. La misma herramienta generó al final de terminar cada corrida un reporte general de la evaluación estadística, los cuales están disponibles para cada uno de las coberturas generadas, específicamente en cada subcarpeta en formato JPG en la dirección C:\SIG_BHN\Grid. A continuación se presenta un ejemplo de un reporte final de corrida de la herramienta para conocimiento:


29

Como principal producto de validación se generó una serie de mapas, los cuales corresponden a las variables ya mencionadas y evaluados en sus series históricas anuales y mensuales. El producto es un Atlas Cartográfico, el cual se encuentra disponible en formato MS Power Point para fácil difusión. Un conjunto de mapas han sido generados, los cuales obedecen los distintos criterios de presentación solicitados por la unidad coordinadora. Los mapas son presentados en separado como anexo, en un archivo que los organiza en su secuencia lógica. Igualmente están disponibles de manera individual en la carpeta: C:\SIG_BHN\Mapas. Específicamente la Capacidad de Campo (CC) en milímetros (mm) fue determinada a partir del tipo de suelo. La Capacidad de Campo (CC) es definida como el contenido de agua o humedad que es capaz de retener el suelo luego de saturación o de haber sido mojado (pudiendo ser por precipitación) y después dejado drenar libremente, evitando pérdida por evapotranspiración hasta que el Potencial hídrico del suelo se estabilice. Estimación Capacidad de Campo (CC) y Punto de Marchitez (PM):

1. En el manual de referencias hidrológico de Honduras del FHIS (Anexo 2) se recopilo información granulométrica (%Arcilla, %Arena y %Limo) de los diferentes tipos de suelos de las distintas texturas de suelo en Honduras.

2. Se determinó la Textura de los suelos, % Vol. Capacidad de Campo Ideal, % Vol. Saturation y Sat. Hydraulic. Cond (plg/hr) utilizando el software MHR con los datos granulométricos del manual de referencias, considerando el valor de %Materia Orgánica como 5%.

3. Igualmente se determinó Capacidad de Campo (CC) y Punto de Marchitez (PM) utilizando un programa en Excel, haciendo uso de la granulometría de los distintos tipos de suelo del manual de referencias, considerando el valor de %Materia Orgánica como 5%. Las siguientes imágenes ilustran este proceso.

Nota: Para determinar infiltración se utilizaron los datos de capacidad de campo y punto de marchitez que se generó en el programa de Excel (numeral 3); los datos del software MHR se utilizaron solamente como referencia.


30


ArcGIS 2010, se utilizo el método de RAS modificación de Losilla&Schosinsky



Resultado:

Dos (2) mapas, más los mapas de infiltración teórica para los 12 meses.

Mapa de Capacidad de Campo Mapa de Coeficiente de infiltración

Apéndice: Mapas Digital


31

No. de actividad:


Período: Octubre-Diciembre 2013


Balance climático potencial y balance hídrico potencial del suelo

Responsable:

Objetivo de la

actividad:

Realizar el balance climático mensual y el anual.

Descripción de la

actividad:

Para iniciar esta actividad, se requirió hacer todo un análisis de las variables de precipitación, evapotranspiración y la capacidad de campo. La capacidad de campo que se utiliza para iniciar el periodo es el 25% de su totalidad. El balance climático se calcula de manera anual con el siguiente método: Balance climático Mayo: Capacidad de Campo al 25% + Precipitación mayo – Evapotranspiración mayo Entonces:

Si el BC es mayor que la capacidad de campo se utiliza para junio Balance climático junio: Capacidad de Campo + Precipitación junio – Evapotranspiración junio

Si el BC es menor que la capacidad de campo se utiliza para junio Balance climático junio: BC Mayo + Precipitación junio – Evapotranspiración junio

Y así para todos los meses siguientes, hay que tener en cuenta que para cada mes se hizo una valoración y se utilizó las condicionantes anteriores, que para algunos meses resulto utilizar ambas, y para otros solo alguna de ellas.


ArcGIS 2010, se utilizó la formula BC= Precipitación – Evapotranspiración Potencial



Resultado:

13 mapas – Balance climático potencial y 12 mapas – Balance hídrico potencial del suelo.

Mapa Balance Climático Potencial Anual Mapa Balance Hídrico Potencial Anual



32

No. de actividad:


Período: Octubre- Diciembre 2013


Recarga Acuífera Responsable:

Objetivo de la

actividad:

Realizar la recarga acuífera potencial

Descripción de la

actividad:

Para esta actividad se hizo compilado de lo ya existente, se utilizó el balance climático y los valores de la capacidad de Infiltración. Se utilizó el método RAS que es la modificación al método Losilla&Schosinsky (2000), aplicado en El Salvador por FORGAES (2005), donde: R = BC * C Donde: R = Recarga acuífera BC = Balance climático C = Coeficiente de infiltración C = kfc + kp + kv Kfc = Coeficiente del tipo del suelo Kp = Coeficiente de pendiente Kv = Coeficiente del uso del suelo BC = P – ET real Esta se calculó de manera mensual, dado que el balance climático se aplicó de manera mensual.


ArcGIS 2010, se utilizó el método RAS



Resultado:

13 mapas – Recarga Teórica y 13 mapas- Recarga potencial

Mapa Recarga Teórica Anual Mapa Recarga Potencial Anual



33

No. de actividad:


Período: 12 de julio de 2013 y 26 de marzo de 2014


Reuniones de validación de metodología y resultados

Responsable: Personal IHCIT

Objetivo de la

actividad:

Validar los resultados obtenidos con expertos en el tema meteorológico e hidrológico.

Descripción de la

actividad:

Se realizaron reuniones de validación con expertos en los temas de meteorología e hidrología para discutir la metodología empleada y los resultados obtenidos.




Resultado:

Recomendaciones para la revisión de resultados espaciales.

Apéndice: 1.10 Ayudas memorias


34

No. de actividad:


Período: Noviembre 2013-Abril 2014


Elaboración documento final y sistematización

Responsable:

Objetivo de la

actividad:

Desarrollar un informe final de la Evaluación de los Recursos Hídricos con los resultados obtenidos y un informe de sistematización.

Descripción de la

actividad:




Resultado:

Un (1) documento final de la evaluación y un (1) documento de sistematización.

Apéndice: 1.11 Sistematización


35

Apéndices

1.1 Cuencas (tablas y mapas) No. Sub-Cuenca Cuenca No. Sub-Cuenca Cuenca

1 Laguna de Los Micos Laguna de Los Micos 59 Isla de Guarunta Río Nakunta

2 Aguán-Alta Río Aguán 60 Nakunta Río Nakunta

3 Aguán-Baja Río Aguán 61 Negro Río Negro

4 Aguán-Media Río Aguán 62 CriqueMucu Río Patuca

5 Locomapa - Aguán Río Aguán 63 Cuyamel Río Patuca

6 Mame Río Aguán 64 Guarunta Río Patuca

7 Yaguala Río Aguán 65 Guayambre Río Patuca

8 Chamelecón-Alta Río Chamelecón 66 Guayape-Alta Río Patuca

9 Chamelecón-Baja Río Chamelecón 67 Guayape-Baja Río Patuca

10 Chamelecón-Media Río Chamelecón 68 Jalán Río Patuca

11 Choluteca y Esteros Río Choluteca 69 Juticalpa Río Patuca

12 Choluteca-Alta Río Choluteca 70 Los Almendros Río Patuca

13 Choluteca-Baja Río Choluteca 71 Patuca-Alta Río Patuca

14 Choluteca-Media Río Choluteca 72 Patuca-Baja Río Patuca

15 Del Hombre Río Choluteca 73 Patuca-Media Río Patuca

16 Guacerique - Grande Río Choluteca 74 San Francisco - del Hato Río Patuca

17 Istoca Río Choluteca 75 Talgua Río Patuca

18 Texiguat Río Choluteca 76 Telica Río Patuca

19 Yeguare Río Choluteca 77 Tinto Río Patuca

20 Coco o Segovia-Alta Río Coco o Segovia 78 Wamp· Río Patuca

21 Coco o Segovia-Baja Río Coco o Segovia 79 Wasprasní Río Patuca

22 Poteca Río Coco o Segovia 80 Plátano - Sicre Río Plátano

23 RusRus Río Coco o Segovia 81 Sampile y Esteros Río Sampile

24 Comalí - Iguazala Río Coco o Segovia Sur 82 Cangrejal Río San Juan y R. Cuero

25 Cruta Río Cruta 83 Cuero Río San Juan y R. Cuero

26 Chachaguala - Omoa Río Cuyamel 84 Perla Río San Juan y R. Cuero

27 Chiquito Río Cuyamel 85 Río Blanco Río San Juan y R. Cuero

28 Cuyamel / PC Río Cuyamel 86 Río Viejo Río San Juan y R. Cuero

29 Laguna de Alvarado Río Cuyamel 87 San Juan Río San Juan y R. Cuero

30 Nueva Cacao - San Idelfonso Río Cuyamel 88 Santiago - Salado Río San Juan y R. Cuero

31 Tulián Río Cuyamel 89 Yaruca Río San Juan y R. Cuero

32 Goascorán Río Goascorán 90 Grande Río Sico (Tinto o Negro)

33 Grande o San Juan Río Goascorán 91 Piedra Blanca o Limón Río Sico (Tinto o Negro)

34 Palagua - Matagua Río Goascorán 92 Sico y Paulaya Río Sico (Tinto o Negro)

35 Rancho Grande Río Goascorán 93 Sico, Grande, Tinto o Negro Río Sico (Tinto o Negro)

36 Leán Río Leán 94 Comayagua - Blanco Río Ulua

37 El Venado Río Lempa 95 Cuyamapa Río Ulua

38 Guarajambala - Jupual Río Lempa 96 Grande de Agua Caliente Río Ulua

39 Lempa Río Lempa 97 Grande de Otoro - Jaitique Río Ulua

40 Mocal Río Lempa 98 Guaimas Río Ulua

41 Negro - Chinacla Río Lempa 99 Gualcarque Río Ulua

42 San Juan Río Lempa 100 Higuito Río Ulua

43 Sumpul Río Lempa 101 Humuya-Alta Río Ulua

44 LisLis - Papaloteca Río LisLis 102 Humuya-Baja Río Ulua

45 Copán Río Motagua 103 Humuya-Media Río Ulua

46 De Las Animas Río Motagua 104 Jicatuyo Río Ulua

47 El Playón Río Motagua 105 Lago de Yojoa Río Ulua

48 Juyamá Río Motagua 106 Lago de Yojoa Río Ulua

49 Monja - Jubuco - Managua Río Motagua 107 Mejocote Río Ulua

50 Techín - Tarros Río Motagua 108 Mezapa Río Ulua


36

No. Sub-Cuenca Cuenca No. Sub-Cuenca Cuenca

51 Grande Río Nacaome 109 Selguapa Río Ulua

52 Grande de Reitoca Río Nacaome 110 Siale Río Ulua

53 Guacirope Río Nacaome 111 Sulaco Río Ulua

54 Moramulca Río Nacaome 112 Tuliapa Río Ulua

55 Nacaome Río Nacaome 113 Ulua-Alta Río Ulua

56 Sacamil Río Nacaome 114 Ulua-Baja Río Ulua

57 Verdugo Río Nacaome 115 Ulua-Media Río Ulua

58 Ibantara Río Nakunta

Mapa de cuencas principales


37

Mapa de sub-cuencas

1.2.1a Ejemplo registro recopilado (DGRH-SERNA)


38

1.2.1b Informe

Elaborado Por Nelson Sevilla

Informe de Avances Anexo 2 PRODUCTO 2: RECOLECCION ANALISIS Y PROCESAMIENTO DE LA INFORMACION PARA LA CARTOGRAFÍA DE LA RED DE ESTACIONES

HIDROMETEOROLOGICAS DE HONDURAS

UNIVERSIDAD NACIONAL AUTÓNOMA DE HONDURAS

INSTITUTO HONDUREÑO DE CIENCIAS DE LA TIERRA

Convenio SERNA/UNAH

39

I. INTRODUCCIÓN En la actualidad no se ha aplicado ninguna metodología que ayude a identificar de manera precisa la red de estaciones hidrometeorológicas a nivel institucional como a nivel nacional en Honduras.

Por ello el Instituto Hondureño de Ciencias de la Tierra de la Universidad Nacional Autónoma de Honduras, desarrollo en conjunto con las instituciones involucradas la cartografía de red de estaciones a nivel nacional.

La recolección de información de la variedad de parámetros que registra cada una delas estaciones en el país es importante para la atender la vulnerabilidad del país ante los efectos de climáticos y espacialmente para la toma de decisiones y poder tener una adaptación al cambio climático.

La información para desarrollar la Cartografía de la Red de Estaciones Hidrometeorológicas a nivel Nacional provino tanto de fuentes oficiales y propietarias de las mismas.

El presente informe detalla la metodología, las estaciones y parámetros utilizados y los resultados en Honduras.

II.OBJETIVOS

II.Objetivo General:

Elaborar la Cartografía de la Red de estaciones hidrometeorológicas existentes en el país con la que se puedan identificar los vacíos, densidad de estaciones por cuenca, por departamento así como las deficiencias y necesidades de las estaciones.

II.Objetivos Específicos:

Crear una cartografía de cada institución participante de las estaciones involucradas que pueda ser parte de sus herramientas que les permita la mejor toma de decisiones.

Elaborar un mapa de cobertura nacional e institucional de las estaciones existentes.

Crear una cartografía por parámetros que pueda identificar cada una de las estaciones que cuentan con las variables seleccionadas.

Identificar el tipo de estaciones (automáticas – convencionales), que se ajusten más a las necesidades del país.

Bitácora Evaluación del Recurso Hídrico en su Régimen Natural

Lenín Henríquez, UNAH, 2012 Página 40

III.MARCO CONCEPTUAL

III.1. Cartografía: Concepto Es la ciencia que se encarga del estudio y de la elaboración de los mapas geográficos, territoriales y de diferentes dimensiones lineales y demás. Por extensión, también se denomina cartografía a un conjunto de documentos territoriales referidos a un ámbito concreto de estudio. Por tanto, la cartografía está relacionada con:

Proyección geográfica.

Geo referenciación La proyección cartográfica o proyección geográfica: Es un sistema de representación gráfico que establece una relación ordenada entre los puntos de la superficie curva de la Tierra y los de una superficie plana (mapa). Estos puntos se localizan auxiliándose en una red de meridianos y paralelos, en forma de malla. La geo referenciación es un neologismo que refiere al posicionamiento con el que se define la localización de un objeto espacial representado mediante punto, vector, área, volumen relacionado con:

Sistema de coordenadas que utiliza uno o más números (coordenadas) para determinar unívocamente la posición de un punto o de otro objeto geométrico.

Datum que se aplica en varias áreas de estudio y trabajo específicamente cuando se hace una relación hacia alguna geometría de referencia importante, sea ésta una línea, un plano o una superficie (plana o curva).

Por lo tanto, los datum pueden ser visibles o teóricos, y frecuentemente son identificados (A, B, C,... etc.)

IV. METODOLOGÍA PARA LA CARTOGRAFÍA DE LA RED DE ESTACIONES

HIDROMETEOROLOGICAS EN HONDURAS

Como punto inicial se provoca una reunión inter institucional a manera de garantizar la participación de todos los entes que tienen y manejan estaciones hidrometeorológicas en el país, que será el principal insumo para el desarrollo de este proyecto.

Por lo que se invita a participar a las instituciones:

1. Servicio Meteorológico Nacional 2. Servicio Autónomo Nacional de Acueductos y Alcantarillados 3. Empresa Nacional de Energía Eléctrica



4. Secretaria de Recursos Naturales y Ambiente 5. Universidad Nacional Autónoma de Honduras

A quienes se les solicita nombrar a una o más personas de las que más conocen de la estructura de su red, sus necesidades y problemas; para que nos puedan servir como puntos focales, que entiendan de la red de estaciones que se maneja a lo interno de cada institución. Además que tengan acceso a información estructural, funcional u operativa, específica y otras más; para poder validar y hacer las correcciones en la ubicación de cada uno de los puntos de la cartografía. En consecuencia, luego de conocer a los participantes y planteándoles del objetivo principal se definen las actividades iniciales:

Coordinar una visita a cada institución para validar su participación en el proyecto además de la revisión de información que se maneja por cada una de las estaciones.

Se crea una tabla estructurada para la metadata, de cada estación la cual cuenta con todas las columnas recomendadas en las primeras reuniones de trabajo y que ellos consideran necesarias para el proyecto.

Así pues, dentro de todos estos metadatos es importante la participación conjunta tanto de los que cuenten con estaciones activas o inactivas pero que tengan o se acerquen a una continuidad de data igual o mayor a 30 años, así como de las instituciones que cuenten con estaciones estratégicamente ubicadas y que tomen datos de los parámetros más importantes que contribuyan en los análisis especializados y a la toma de decisiones al momento de fenómenos extremos y tener una adaptación al cambio climático. El desarrollo de la cartografía tiene como principal objetivo ubicar a las instituciones en una línea para determinar el tipo de sus estaciones actividad, continuidad de su servicio como de data, que registro de parámetros efectúa, etc. Para lo que se determinó incluir las variables de los departamentos y cuencas del territorio nacional entre otras.

V. VARIABLES TOMADAS EN CUENTA PARA LA CREACIÓN DE LA

CARTOGRAAFÍA DE LA RED DE ESTACIONES EN HONDURAS Para hacer este proyecto, se tomaron en cuenta los siguientes parámetros de las instituciones con sus respectivas estaciones.

Red de estaciones Es el conjunto de estaciones de observación, medición y registro de los diferentes fenómenos atmosféricos, convenientemente distribuidas, útiles para determinar el tiempo y el clima de una región.

ID de la estación



En este caso y para poder trabajar en orden a cada una de las estaciones que están integradas en la base de datos, consideramos colocarles un identificador único para poder nombrarles sin tener la problemática de a que institución pertenece.

Sistema de coordenadas Denominadas como Latitud, Longitud y Elevación es un sistema que utiliza uno o más números (coordenadas) para determinar inequívocamente la posición de un punto o de otro objeto geométrico. El orden en que se escriben las coordenadas es significativo y a veces se las identifica por su posición en una tupla ordenada También se las puede representar con letras, como por ejemplo la coordenada-x

Nombre de la Estación Este será el nombre que cada institución le asigna a cada una de las estaciones que están en su red, nombres que usualmente son vinculados con los sitios en donde están ubicadas. (Puerto Lempira en el departamento de Gracias a Dios por parte del Servicio Meteorológico Nacional).

Institución Se refiere a la institución propietaria de cada estación y que para este proyecto son cuatro las involucradas:

1. Servicio Meteorológico Nacional (SMN) 2. Servicio Autónomo Nacional de Acueductos y Alcantarillados (SANAA) 3. Empresa Nacional de Energía Eléctrica (ENEE) 4. Secretaria de Recursos Naturales y Ambiente (SERNA)

Operador

Como se ha observado en algunos casos en particular existen estaciones que son propiedad de una institución pero que son administradas u operadas por otra, determinamos incluir este campo para saber a quién referirnos cuando analicemos infraestructura y la data de la estación en mención. Código Nacional



Asignado internamente y basado en las normas que determina el Instituto Nacional de Estadísticas (INE). Código Según Agencia

Tomando en cuenta la autonomía y control de las estaciones a lo interno de las entidades participantes, hemos decidido respetar los códigos asignados para cada una, sin embargo también tenemos que visualizar que los mismos pueda ser relacionados en una base de datos. Cuenca

Una Cuenca Hidrográfica es un territorio drenado por un único sistema natural,es decir, que drena sus aguas al mar a través de un único río, o que vierte sus aguas a un único lago endorreico. ID Satelital

Código o número de una puerta en un satélite que permite el paso o la retransmisión hacia uno o varios puntos de una red. ID del Sitio

Código o numero asignado a un transmisor de un equipo que puede contener una o más funciones a la vez y enviarlas al satélite lo que permite el paso o la retransmisión hacia uno o varios puntos de una red. Funcional

En un sentido amplio lo utilizamos para determinar si su operación de está limitada o no, sin medir la relación operativa entre las variables que integra. Estación Automática

Es una herramienta que está constituida por uno o más instrumentos electrónicos o sensores, donde el parámetro meteorológico es convertido en una señal eléctrica. Esta señal eléctrica es convertida a un código binario y almacenado en memoria de estado sólido. Una EMA está constituida básicamente de tres partes: sensores, un sistema central de procesamiento y equipo periférico, por la cual se obtienen datos de los parámetros hidrometeorológicos como temperatura, humedad, velocidad y dirección del viento, presión atmosférica, lluvia, nivel y otros, leídos por medio de sensores eléctricos. Estación Convencional

Es una estación que está constituida por instrumentos convencionales no digitales, donde la variable meteorológica es convertida en un movimiento mecánico que hace desplazar una plumilla sobre una banda de papel que avanza continuamente por un sistema de relojería, y genera una gráfica; por la cual se obtienen datos de los parámetros hidrometeorológicao como es



la temperatura, humedad, velocidad y dirección del viento, presión atmosférica, lluvia, nivel y otros, leídos de manera presencial y manual. Fecha de Inicio de operaciones en cada estación

A manera de análisis se utilizara la fecha de inicio de operaciones para identificar cual es la estación que cuenta con más data, tiempo de actividad y con ello contribuir a la toma de decisiones al momento de la compra de los nuevos equipos que más se ajusten a nuestras latitudes y necesidades. Fecha de finalización de operaciones en cada estación

A manera de análisis se utilizara la fecha de finalización de operaciones para identificar cual es la estación que cuenta con más tiempo de servicio y conocer de las causas por las cuales dejo de operar para con ello contribuir a la reactivación de las que por falta de una batería o panel han dejado de operar. Además de análisis de su tipo y fabricante al momento de la compra de los nuevos equipos que se justen a nuestras latitudes y necesidades. Data continua

Esto contribuye a la identificación de las instituciones que cuentan con una serie de información continua para el desarrollo de investigaciones de las diferentes áreas. Data discontinua

Identificaremos las estaciones que necesiten de rellenos para determinar si por regresiones o por interpolación se puede generar la información que se requiera para poder completar las series. Estación activa

Aquí el objetivo es conocer de las estaciones que actualmente están operando y que no tienen problema alguno para transmitir la información a los concentradores en cada una de las instituciones. Estación inactiva

Aquí el objetivo es conocer de las estaciones que actualmente no están operando y que problema impide su funcionamiento para transmitir la información a los concentradores. Estación climatológica

Es aquella estación meteorológica que está provista para realizar observaciones del tiempo atmosférico actual, visibilidad, precipitaciones, temperatura del aire, humedad, viento, radiación solar, evaporación y otros fenómenos especiales. Normalmente se realizan unas tres mediciones diarias. Estación Sinóptica



Este tipo de estación meteorológica realiza observaciones de los principales elementos meteorológicos en horas convenida internacionalmente. Los datos se toman horariamente y corresponden a nubosidad, dirección y velocidad del viento, presión atmosférica, temperatura del aire, tipo y altura de las nubes, visibilidad, fenómenos especiales, características de humedad, precipitaciones, temperaturas extremas, capa significativas de las nubes, recorrido del viento y secuencia de los fenómenos atmosféricos. Estación meteorológica

Es un sitio donde se hacen observaciones del comportamiento de la atmósfera y el medio ambiente; Otra definición de estación meteorológica es el lugar en el cual se realizan observaciones y mediciones de elementos meteorológicos como: temperatura del aire y del suelo, humedad del aire, viento, radiación solar, evaporación y precipitación. La Organización Meteorológica Mundial (OMM), recomienda que se instalen en sitios representativos de las condiciones del clima y del suelo. Ningún obstáculo (árboles, edificios, torres) debe proyectar sombras sobre los instrumentos o impedir la libre circulación del aire. El terreno debe estar cubierto de césped corto y debe ser plano y nivelado. Estación telemétrica

Las estaciones telemétricas son muy conocidas actualmente en la cual los instrumentos realizan observaciones que son trasmitidas o registradas automáticamente. La codificación, cuando es necesaria, se realiza directamente o en una estación codificadora específica los que se envían a través de dispositivo hacia un satélite y los cuales son accesados mediante un decodificador. Estación pluviométrica

Es la estación meteorológica que tiene un pluviómetro o recipiente que permite medir la cantidad de lluvia caída entre dos mediciones realizadas consecutivas. Estación hidrométrica

Instalación que consistente en un conjunto de mecanismos y aparatos que registran y miden las características de una corriente, incluyendo métodos, técnicas e instrumentos utilizados en Hidrología. Nombre del jefe de la estación

Este ítem se estableció para mantener contactos permanente con los encargados y/o administradores de las estaciones, escuchar sus observaciones en cuanto a la actividad de los equipos, etc. Observador presente



Este ítem se estableció para determinar que estaciones mantienen personal 24/7 y permanente durante la época de amenazas meteorológicas y con ello poder generar una base de datos de los contactos en cada estación al presentarse un evento extremo. Observador ausente

Este ítem aunque se entiende que las estaciones automáticas no requieren de personal presente para la toma de datos y su respectivo envío, si es importante para poder determinar en base a análisis de sus series de tiempo la periodicidad de mantenimiento que deberán tener. Temperatura máxima

Es la temperatura más alta registrada durante un periodo determinado. Temperatura mínima

De forma análoga a la temperatura máxima, la temperatura mínima es la temperatura más baja registrada durante un periodo determinado. Precipitación

Es cualquier forma de hidrometeoro que cae del cielo y llega a la superficie terrestre. Este fenómeno incluye lluvia, llovizna, nieve, aguanieve, granizo, pero no la virga neblina ni rocío, que son formas de condensación y no de precipitación. Dirección del viento

Viene definida por el punto del horizonte del observador desde el cual sopla. En la actualidad, se usa internacionalmente la rosa dividida en 360º. El cálculo se realiza tomando como origen el norte y contando los grados en el sentido de giro del reloj. Fuerza del viento

Su unidad de medida es en nudos y mediante la escala Beaufort. Presión atmosférica

La presión atmosférica se define como la fuerza que ejerce el aire sobre cada unidad de superficie terrestre. La presión atmosférica se expresa Hecto pascales (o milibares) con un precisión de 1 décima. Las centenas y unidades de millar se suprimen. Presión a nivel medio del mar

Es cuando la presión atmosférica observada se reduce al nivel medio del mar. La presión así obtenida se llama presión al nivel medio del mar. Evaporación



La evaporación es el volumen de agua que pasa del estado líquido al estado de vapor en la superficie del suelo. Brillo solar

Son las horas de Sol que llegan a la superficie terrestre. Radiación

Alude a la caída directa de los rayos solares sobre la superficie terrestre, de ella depende la variación de la temperatura entre día y noche Humedad relativa

Una temperatura dada, la presión parcial del vapor de agua en el aire no puede superar un cierto valor, llamado tensión de vapor saturante. La humedad relativa es el tanto por ciento de la tensión de vapor existente en relación con ese máximo. Si hay saturación, la humedad relativa será del 100% (y la temperatura del punto de rocío se iguala a la temperatura del aire). Cuando hay niebla el aire está saturado de humedad. Punto rocío

Es la temperatura a la que comenzaría a formarse rocío (o niebla) si el aire se enfriase sin variación en su contenido de humedad. Batería

Es un dispositivo que almacena energía utilizando procedimientos electroquímicos y que posteriormente la devuelve casi en su totalidad. Caudal

Variable de importancia ya que es lo que nos ayuda a determinar la cantidad de agua en una corriente. Periodicidad de toma de datos

Determina la frecuencia con la cual se realizan las lecturas de los instrumentos ya sea en las estaciones automáticas o convencionales. Periodicidad de mantenimiento

Determina la frecuencia con la cual se les da mantenimiento correctivo y preventivo a las estaciones y sus instrumentos. Departamento



Ítem que ayudara a validar los vacíos por regiones de los 18 departamentos del país, aunque este trabajo se realizó en base a las cuencas. Este conjunto de variables y particularmente las de uso general entre las instituciones participantes son podrían facilitar la identificación y la orientación de las acciones que se deben promover, fortalecer o priorizar en la estructura de la red de estaciones hidrometeorológicas del país.

VI. LISTA DE ESTACIONES SELECCIONADAS POR INSTITUCIÓN PARA EL

DESARROLLO DE LA CARTOGRAFÍA NACIONAL

Servicio Meteorológico Nacional

No. Nombre Institución Operador Codigo Nacional

1 21 de Octubre SMN SMN SMN-HOND014

2 Agua Caliente (SMN) SMN SMN SMN-HOND015

3 Amapala SMN SMN SMN-HOND002

4 Aterrizaje , Choluteca SMN SMN SMN-HOND016

5 Balfate SMN SMN SMN-HOND017

6 Catacamas SMN SMN SMN-HOND003

7 Choluteca SMN SMN SMN-HOND004

8 El Carrizo (Choluteca) SMN SMN SMN-HOND018

9 Flores SMN SMN SMN-HOND019

10 Galeras SMN SMN SMN-HOND020

11 Gracias, Lempira Canc. SMN SMN SMN-HOND021

12 Guanaja SMN SMN SMN-HOND005

13 Jacaleapa SMN SMN SMN-HOND022

14 La Ceiba SMN SMN SMN-HOND006

15 La Esperanza (SMN) SMN SMN SMN-HOND007

16 La Labor SMN SMN SMN-HOND023

17 La Mesa SMN SMN SMN-HOND008

18 Lepaguare SMN SMN SMN-HOND024

19 Maraita SMN SMN SMN-HOND025

20 Moroceli SMN SMN SMN-HOND026

21 N. Ocotepeque SMN SMN SMN-HOND009

22 Olanchito SMN SMN SMN-HOND027

23 Omoa SMN SMN SMN-HOND028

24 Pto. Lempira SMN SMN SMN-HOND010

25 Roatan SMN SMN SMN-HOND011

26 Sabana Grande SMN SMN SMN-HOND029



27 Santa Lucia SMN SMN SMN-HOND030

28 Santa Rosa de Copan SMN SMN SMN-HOND012

29 Tegucigalpa SMN SMN SMN-HOND001

30 Tela SMN SMN SMN-HOND013

31 Trujillo SMN SMN SMN-HOND014

32 Yoro SMN SMN SMN-HOND015

33 Jose A. Duarte SMN SMN SMN-HOND031

34 Brisas de Olancho SMN SMN SMN-HOND032

35 Brisas de Olancho SMN SMN SMN-HOND033

Servicio Autónomo Nacional de Acueductos y Alcantarillados


1 Concepcion SANAA SANAA SAN-HOND001

2 Concepcion SANAA SERNA SAN-HOND002

3 Tatumbla SANAA SANAA SAN-HOND003

4 Rio Sabacuante SANAA SANAA SAN-HOND004

5 Rio El Hombre SANAA SANAA SAN-HOND005

6 Guacerique II SANAA SANAA SAN-HOND006

7 Guacerique SANAA SANAA SAN-HOND007

8 Quiebra Montes SANAA SANAA SAN-HOND008

9 Jiniguare en rio Ojojona SANAA SANAA SAN-HOND009

10 Ojojona SANAA SANAA SAN-HOND010

11 Qda El Guayabo SANAA SANAA SAN-HOND011

12 El Escarbadero SANAA SANAA SAN-HOND012

13 Rincon de Dolores SANAA SANAA SAN-HOND013

14 La Concepcion SANAA SANAA SAN-HOND014

15 La Calera SANAA SANAA SAN-HOND015

16 Villa Real SANAA SANAA SAN-HOND016

17 El Reventon SANAA SANAA SAN-HOND017

18 Batallon SANAA SANAA SAN-HOND018

19 Quiebra Montes SANAA SANAA SAN-HOND019

20 La Brea SANAA SANAA SAN-HOND020

21 Ocote Bonito SANAA SANAA SAN-HOND021

22 Proteccion SANAA SANAA SAN-HOND022

23 Nuevo Rosario SANAA SANAA SAN-HOND023

24 San Matias SANAA SANAA SAN-HOND024

25 Juana Lainez SANAA SANAA SAN-HOND025



26 Las Limas SANAA SANAA SAN-HOND026

27 Las sabanas SANAA SANAA SAN-HOND027

Secretaria de Recursos Naturales y Ambiente


1 EL Piñonal Serna Serna 39 - 017

2 Guayabillas Serna Serna 39 - 003

3 Chumbagua Serna Serna 23 - 001

4 El Coyolar Serna Serna 25 - 026

5 Campamento Serna Serna 39 - 008

6 Victoria Serna Serna 25 - 022

7 Morazan Serna Serna 25 - 056

8 Olanchito Serna Serna 33 - 004

9 La Entrada Serna Serna 23 - 011

10 Macuelizo Serna Serna 23 - 016

11 LA Gloria Serna ENEE 25 - 004

12 LA Ermita Serna Serna 25 - 080

13 Sensenti Serna Serna 25 - 131

14 San Francisco (JFK) Serna Serna 27 - 013

15 Las Trojes Serna Serna 45 - 103

16 El Guayabo Serna Serna 54 - 015

17 Las Limas Serna Serna 35 - 004

18 Santa Clara Serna Serna 25 - 051

19 Villa Ahumada Serna Serna 39 - 009

20 Agua Caliente F.M Serna ENEE 25 - 081

21 San Lorenzo Yoro Serna Serna 33 - 022

22 La E.N.A Serna Serna 39 - 040

23 La Venta Serna Serna 56 - 001

24 Los Encuentros Serna Serna 56 - 017

25 Marcala Serna Serna 25 - 070

26 Nacaome Serna Serna 54 - 002

27 Pespire Serna Serna 54 -001

28 Quimistan Serna Serna 23 - 010

29 Ruinas de Copan Serna Serna 19 - 101

30 Azacualpa Intibuca Serna Serna 46 - 220

31 El Curla Serna Serna 29 -006

32 El Modelo Serna Serna 25 - 144

33 El Zamorano Serna Serna 56 - 006

34 Flores Serna ENEE 25 - 024

35 Guaymas Serna Serna 24 - 003



36 Ingenio el Porvenir Serna Serna 56 - 071

37 La Conce Serna Serna 39 - 027

38 La Lujosa Serna Serna 56 - 023

39 Las Acacias Serna Serna 39 - 023

40 La Florida Oropoli Serna Serna 56 - 012

41 Playitas Serna Serna 25 - 084

42 Puerto Castilla Serna Serna 31 - 004

43 Punuare Serna Serna 39 - 026

44 San Bernardo Serna Serna 58 - 102

45 San Fco. Del Valle Serna Serna 25 - 173

46 Siguatepeque Serna ESNACIFOR 25 - 021

47 Tepusteca Serna Serna 33 - 053

48 Cerro de Hula Serna Serna 56 - 038

49 Esquipulas del Norte Serna Serna 33 - 052

50 Guajiniquil Serna Serna 39 -028

51 Las Mangas Serna Serna 33 - 047

52 Plan de Conejo Serna Serna 33 - 045

53 San Francisco Yoro Serna Serna 33 - 044

54 Tapiquil Serna Serna 33 - 051

55 Agua Caliente Yoro Serna Serna 33 - 048

56 Alianza Serna Serna 52 - 003

57 Azacualpa F.M Serna Serna 56 - 086

58 Azacualpa S.B Serna Serna 23 - 017

59 La Libertad Callejones Serna Serna 23 - 020

60 Caridad Serna Serna 52 - 005

61 Chamuscado Serna Serna 33 - 034

62 Cololaca Serna Serna 46 - 213

63 Coray Serna Serna 54 - 013

64 Corocito Serna Serna 33 - 036

65 Corralitos Serna Serna 31 - 007

66 EL Cedrito Serna Serna 58 - 103

67 El Ciruelo Serna Serna 23 - 018

68 El Coco Serna Serna 33 - 044

69 El Corpus Serna Serna 56 - 060

70 El Nance Serna Serna 39 - 021

71 El Rosario Serna Serna 33 - 038

72 El Triunfo Serna Serna 58 - 101

73 Erandique Serna Serna 46 - 215

74 Esparta Serna Serna 27 - 009

75 Goascoran Serna Serna 52 - 004



76 Gualcince Serna Serna 46 - 216

77 Guinope Serna Serna 56 - 010

78 Jacaleapa Serna SNM 56 - 070

79 Jano Serna Serna 33 - 039

80 La Esperanza Serna Serna 33 - 049

81 La Laguna Serna Serna 25 - 095

82 La Libertad F.M Serna Serna 54 - 012

83 La Union Atlantida Serna Serna 27 - 011

84 La Union Olancho Serna Serna 33 - 050

85 La Virtud Serna Serna 46 - 212

86 Langue Serna Serna 54 - 011

87 Las Botijas Serna Serna 25 - 093

88 Lepaterique Serna Serna 54 - 009

89 Linaca Serna Serna 56 - 085

90 Liure Serna Serna 56 - 050

91 Maraita Serna Serna 56 - 013

92 Marcovia Serna Serna 56 - 019

93 Mejia Serna Serna 33 - 045

94 Namasigue Serna Serna 56 - 063

95 Nueva Armenia Serna Serna 56 - 021

96 Oropoli - A Serna Serna 56 - 012

97 Piedra Blanca Serna Serna 33 - 037

98 Portillo de la Mora Serna Serna 25 - 096

99 Potrerillos Serna Serna 56 - 006

100 Reitoca Serna Serna 54 - 005

101 Salama Serna Serna 39 - 016

102 San Antonio de Flores Serna Serna 56 - 014

103 San Isidro Serna Serna 54 - 010

104 San Juan Guarita Serna Serna 46 - 211

105 San juan Pueblo Serna Serna 27 - 010

106 San Lorenzo Valle Serna Serna 54 - 008

107 San Lucas Serna Serna 56 - 015

108 San Marcos Atlantida Serna Serna 27 - 012

109 San Nicolas Serna Serna 25 - 088

110 San Marcos de Colon Serna Serna 45 - 102

111 Sonaguera Serna Serna 33 - 041

112 Subirana Serna Serna 25 - 146

113 Talanga Serna Serna 25 - 172

114 Tapatoca Serna Serna 54 - 012

115 Taulabe Serna Serna 25 - 145



116 Tercales Serna Serna 33 - 040

117 Teupasenti Serna Serna 39 - 015

118 Texiguat Serna Serna 56 - 016

119 Uyuca Serna Serna 56 - 084

120 Valladolid Serna Serna 46 - 214

121 Yuscaran Serna Serna 56 - 009

122 Yusguare Serna Serna 56 - 064

123 Zambrano Serna Serna 56 - 036

124 La Suncuya Serna Serna 39 - 022

125 Santa Ana Serna Serna 23 - 013

126 Campana Serna Serna 23 - 015

127 Ojojona Serna Serna 56 - 048

128 Malacaton Serna Serna 33 - 035

129 El Horno Serna Serna 25 - 066

130 Tutule Serna Serna 25 - 097

131 Puente Pimienta Serna Serna 25 - 029

132 Soledad Serna serna 56 - 044

133 La Habana Serna Serna 33 - 033

134 El CEDA Serna El CEDA 25 - 175

135 La Grecia Serna Serna 56 - 090

136 Montelibano Serna Serna 54 - 000

137 San Alejo Serna serna 27 - 014

138 San Juan Yoro Serna Serna 33 - 060

139 Agencia Yoro Serna Serna 33 - 061

140 Las Arenas Serna Serna

141 Chinda Serna Serna 25 - 01103

Empresa Nacional de Energía Eléctrica


1 EL CAJON ENEE ENEE 0

2 EL JARAL ENEE ENEE 0

3 EL MOCHITO ENEE ENEE 0

4 LAS FLORES, Comayagua ENEE ENEE 0

5 GRACIAS LEMPIRA ENEE ENEE 0

6 PITO SOLO ENEE ENEE 0

7 SANTA RITA ENEE ENEE 0

8 SANTA ELENA ENEE ENEE 0

9 SAN JERONIMO ENEE ENEE 0



10 SULACO ENEE ENEE 0

11 VALLECILLO ENEE ENEE 0

12 ESQUIAS ENEE ENEE 0

13 SAN IGNACIO ENEE ENEE 0

14 ULAPA ENEE ENEE 0

15 MARALE ENEE ENEE 0

16 GUALTAYA ENEE ENEE 0

17 PALMITAL ENEE ENEE 0

18 SN. JOSE DE LA MONT ENEE ENEE 0

19 EL TABLON ENEE ENEE 0

20 LA UNION ENEE ENEE 0

21 EL NISPERO ENEE ENEE 0

22 LA PIMIENTA ENEE ENEE 0

23 LA JUTOSA ENEE ENEE 0

24 OCOMAN ENEE ENEE 0

25 PUEBLO NUEVO ENEE ENEE 0

26 LAS LAJAS ENEE ENEE 0

27 LA RODADORA ENEE ENEE 0

28 SAN ISIDRO (MIXCURE) ENEE ENEE 0

29 MALGUARA ENEE ENEE 0

30 LA PIMIENTA, (INTIBUCA) ENEE ENEE 0

31 LLANO REDONDO ENEE ENEE 0

32 EL SOCORRO ENEE ENEE 0

33 EL PLANON ENEE ENEE 0

34 HORCONCITOS ENEE ENEE 0

35 EL CIELITO ENEE ENEE 0

36 PEDERNALES ENEE ENEE 0

37 EL SAUCE ENEE ENEE 0

38 YORITO ENEE ENEE 0

39 CAYETANO ENEE ENEE 0

40 SANTA MARIA ENEE ENEE 0

41 LAS ANIMAS ENEE ENEE 0

42 SAN ISIDRO ENEE ENEE 0

43 SAN FELIPE ENEE ENEE 0

44 SN. FCO. DE BECERRA ENEE ENEE 0

45 LAS MESETAS ENEE ENEE 0

46 SAN ANTONIO ENEE ENEE 0

47 EL VIJAO ENEE ENEE 0

48 MANTO ENEE ENEE 0

49 SN PEDRO CATACAMAS ENEE ENEE 0



50 GUAYMACA ENEE ENEE 0

51 LA LIMA ENEE ENEE 0

52 AZACUALPA ENEE ENEE 0

53 EL JUNQUILLO ENEE ENEE 0

54 RIO ABAJO ENEE ENEE 0

55 GUAYAPE ENEE ENEE 0

56 EL GUINEO ENEE ENEE 0

57 SAN ANTONIO DE LAS CABAS ENEE ENEE 0

58 CONCEPCION ENEE ENEE 0

59 MAPULACA ENEE ENEE 0

60 GUACAMAYA ENEE ENEE 0

61 LAGUNETAS ENEE ENEE 0

62 NUEVA ULAPA ENEE ENEE 0

63 SIALE ENEE ENEE 0

64 EL JICARO ENEE ENEE 0

65 LOS ENCUENTROS ENEE ENEE 0

66 TAMALITO ENEE ENEE 0

67 MARAGUA ENEE ENEE 0

68 CARCAMO ENEE ENEE 0

69 MALAPA ENEE ENEE 0

70 LA PIMIENTA (GUALCARQUE) ENEE ENEE 0

71 ULUITA ENEE ENEE 0

72 RIO BLANCO ENEE ENEE 0

73 REMOLINO ENEE ENEE 0


75 VALENCIA ENEE ENEE 0

76 CUYAMEL ENEE ENEE 0

77 QUILIO ENEE ENEE 0

78 MOCAL (MAPULACA) ENEE ENEE 0

79 EL TABLON DGRH DGRH 0

80 VARSOVIA ENEE ENEE 0

81 QUILIO ENEE ENEE 0

82 GUALCARQUE ENEE ENEE 0

83 CANAL DELTA ENEE ENEE 0

84 LAS FLORES ENEE ENEE 0

85 LA GLORIA ENEE ENEE 0

86 REMOLINO ENEE ENEE 0

87 SANTIAGO CEVS CEVS 0


89 GUACAMAYA ENEE ENEE 0



90 AGUA CALIENTE ENEE ENEE 0

91 JICARO ENEE ENEE 0

92 EL PALMITAL ENEE ENEE 0

93 EL CAJON ENEE ENEE 0

94 LAGO YOJOA ENEE ENEE 0

95 YURE ENEE ENEE 0

96 EL NEGRITO ENEE ENEE 0

97 EL CAJON 2 ENEE ENEE 0

98 LAGUNETAS ENEE ENEE 0

99 VALLECILLO ENEE ENEE 0

100 MINAS DE ORO ENEE ENEE 0

101 LAJAS ENEE ENEE 0

102 MARALE ENEE ENEE 0

103 VICTORIA ENEE ENEE 0

104 SAN IGNACIO ENEE ENEE 0

105 LAS MORAS ENEE ENEE 0

106 LAMANI ENEE ENEE 0

107 LOS ANICES ENEE ENEE 0

108 SAN JERONIMO ENEE ENEE 0

109 ENCANTADO ENEE ENEE 0

110 MARAGUA ENEE ENEE 0

VII. CONCLUSIONES Y RECOMENDACIONES

VII. 1 CONCLUSIONES

La metodología propuesta en este documento aunque se basa en la metadata generada entre los especialistas del tema para las organizaciones participantes ha sido elaborada para aplicarse a nivel nacional por departamentos como por cuencas.

La cartografía resultante puede considerarse a partir de la metadata generada y tomando en cuenta que algunas estaciones no son operativas y que aun quedan problemas por resolver su operatividad y para mejorarlas.

Es importante destacar que los 18 departamentos del país se encuentran entre vulnerabilidad media y alta, lo que nos indica que existe necesidad de fortalecer las capacidades para reducir la vulnerabilidad en el país en general.

Los mapas a nivel nacional son más representativos y solo se pueden hacer análisis para determinar los tipos de estaciones que más se ajustan a las latitudes en los trópicos como es nuestro caso.

Es importante destacar que algunas de las estaciones que se indicaron por parte de los participantes no se determinaron ya que no cumplieron con los requerimientos solicitados.



VII. 2 RECOMENDACIONES

Es preciso identificar que tipo de estación es la que se ha mantenido funcionando desde su instalación y la frecuencia con que recibe mantenimiento y la calidad de sus datos.

Se debe poner especial atención a las instituciones, que aunque cuenten con la mayoría de las estaciones del país, más del 50 % de las mismas no están funcionando o transmitiendo la data por falta de una plataforma y los medios de comunicación dejando de lado los problemas de mantenimiento y falta de un stock de repuestos.

Se le debe poner especial atención a la capacidad técnica y financiera con que cuenta cada institución para mantener las estaciones entregadas.

1.2.2 Tabla homogenizada

Nombre de Estación: Erandique Coordenadas GEO Coordenadas UTM Elevación: 1150 msnm CUENCA:

Código 46215 Lat 14-13-56 X 341756 Tipo: PV DEPARTAMENTO: Lempira

Organización: SERNA Long. 88-28-00 Y 1573810

Año hidrológico Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Enero Febrero Marzo Abril Anual

1976-1977 637.7 240.7 199.9 176.5 158.8 100.1 0 0 0 4.2 155.1

1977-1978 345 396.9 80.6 277.1 231.1 158 36.1 16.1 0 7.1 38.6 100 1686.6

1978-1979 172 266.5 335.9 183.5 448.6 255.1 3.5 27.9 0 2.6 85.8 161.2 1942.6

1979-1980 244.8 371.6 237.9 213.5 379 179.2 9.7 1.1 57.6 0 16.1 56.1 1766.6

1980-1981 187.5 327.1 327.2 408.7 408.8 159.5 34.2 0 6.2 0 10.6 25.8 1895.6

1981-1982 223.9 406.7 261.3 381.4 395.1 174.1 50.8 36.4 0 21.5 6.8 42.6 2000.6

1982-1983 302.4 357.9 135.6 166 405.60 160 73.5 28.9 0 39.9 39.1 119.8 1828.7

1983-1984 58.8 324.6 309.9 328.8 510.1 314.7 86.5 16.6 3.8 34.6 71.7 56.3 2116.4

1984-1985 270.4 308.1 317.1 388.4 394 79.7 18.5 0 0 1.2 5.1 51.4 1833.9

1985-1986 230.9 243.3 391.2 382.4 156.8 310.5 50.6 0 1.1 1.8 0 40.6 1809.2

1986-1987 398.7 266.6 207.1 254 268 153.5 31 3.4 0 26 15.8 5.3 1629.4

1987-1988 74.7 708 293.1 156.1 316.4 0 15 11.1 0 2.3 4.5 105.8 1687.0

1988-1989 199.1 426.5 273.3 413.6 376.5 140.6 35.4 14 0 0 22.1 108.1 2009.2

1989-1990 272.9 426.7 211 435.7 556 361.2 80 5.7 9.2 3.3 6.7 98.3 2466.7

1990-1991 359.3 519.8 242.1 234.3 495.9 196.9 110 2.4 0 1.8 0 32.4 2194.9

1991-1992 266.2 342.4 145.3 152.9 300.3 453.9 8.4 91.9 0 0 13.6 54.4 1829.3

1992-1993 149.6 421.8 279.1 357.1 529.1 79.5 66.9 6.5 12.8 0 31.6 96.5 2030.5

1993-1994 240 392.1 158.1 171.9 390.2 222.5 1.3 0 0 0 18.2 246.3 1840.6

1994-1995 259.2 248.8 155.2 414.7 187.2 222.4 52.8 0 0 0 1.2 216.7 1758.2

1995-1996 141.4 303.7 280.4 556.1 483.2 235.4 12.1 38.5 15.5 0 0 239.1 2305.4

1996-1997 262.9 209.8 290.8 297.2 325.2 170 29.6 0 91.9 17.5 56.6 42.4 1793.9

1997-1998 129.7 451.3 233.4 155.7 470.6 178.5 78 44.3 0 1.5 103.5 30.5 1877.0

1998-1999 181.3 296.9 138.4 249.9 165.9 553.5 190.4 1.5 0 0 28.7 35.9 1842.4

1999-2000 151.2 372.1 193.3 334.2 523.2 349.4 0 2.3 0 1.1 18.7 8.9 1954.4

2000-2001 462.5 272.9 97.3 215.1 500 69.4 2.1 18.8 18.8 0 0 40.1 1697.0

2001-2002 188.8 119.3 212.7 247.1 322.3 130.8 39.7 69.8 1.7 24.8 3.2 0 1360.2

2002-2003 255.6 381.8 195.6 128.2 346.6 312.2 25 13.6 0 0 12.5 29.4 1700.5

2003-2004 156.9 258.2 273.8 247 282 178.7 13.2 38.6 0 13.1 0 140.7 1602.2

2004-2005 181 227.6 209.3 149.8 340.8 260.8 29.8 5.2 0 0 102.8 20.9 1528.0

2005-2006 228.3 550.5 343.1 374.8 456.2 320.5 17.5 7.7 0 45.6 48.2

2006-2007 249.3 472.7 248.3 323.9 370.5 233.1 88.5 32.5 0 0 0

TOTAL 6844.3 11309.9 7318.1 8799.0 11511.7 6772.4 1390.2 527.1 226.3 200.1 763.3 2408.8 51987.0

N 30 31 31 31 31 31 31 30 31 31 31 30 28

Máximo 462.5 708.0 391.2 556.1 556.0 553.5 190.4 91.9 91.9 39.9 103.5 246.3 2466.7

Mínimo 58.8 119.3 80.6 128.2 156.8 0.0 0.0 0.0 0.0 0.0 0.0 0.0 1360.2

MEDIA 228.1 364.8 236.1 283.8 371.3 218.5 44.8 17.6 7.3 6.5 24.6 80.3 1856.7

DESVEST 88.601 125.206 75.201 107.921 113.369 114.875 41.498 22.366 19.209 11.275 30.227 67.945 232.015

CURTOSIS 0.820 1.118 -0.414 -0.455 -0.701 1.451 3.650 3.458 13.935 2.310 1.543 0.618 1.123

SESGO 0.558 0.805 -0.172 0.462 -0.331 0.887 1.612 1.788 3.653 1.829 1.541 1.171 0.578

Espacios en Blanco 1 0 0 0 0 0 0 1 0 0 0 1 3

PRECIPITACION MENSUAL EN MM

Lempa



1.2.3 Ejemplo Coeficiente de Angot

0.000

0.500

1.000

1.500

2.000

2.500

3.000

Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Enero Febrero Marzo Abril

Co

efi

cie

nte

de

An

got

Coeficiente de AngotComparación del Régimen en el Litoral Norte (Ceiba y Tela)

y el Régimen el el Litoral Sur (Tegucigalpa, Choluteca y Amapala)

Amapala

Choluteca

Ceiba

Tela

Tegucigalpa



1.2.4 Ejemplo Curva Doble Masa

1.2.6 Ejemplo Análisis de Calidad

0

100

200

300

400

500

600

700

800

900

may

-95

ago

-95

no

v-9

5

feb

-96

may

-96

ago

-96

no

v-9

6

feb

-97

may

-97

ago

-97

no

v-9

7

feb

-98

may

-98

ago

-98

no

v-9

8

feb

-99

may

-99

ago

-99

no

v-9

9

feb

-00

may

-00

ago

-00

no

v-0

0

feb

-01

may

-01

ago

-01

no

v-0

1

feb

-02

may

-02

ago

-02

no

v-0

2

feb

-03

may

-03

ago

-03

no

v-0

3

feb

-04

may

-04

ago

-04

no

v-0

4

feb

-05

Llu

via

Me

nsu

al (

mm

)

Análisis de Consistencia de Datos G-24

Series1

Series2

Series3

Series4

Series5

Series6

Series7

Series8

Series9

Series10

Series11

Series12

Series13

Series14

Series15

Series16

Series17

Series18

Series19

Series20

Series21

Series22

0.0

10000.0

20000.0

30000.0

40000.0

50000.0

60000.019

71-1

972

1972

-197

3

1973

-197

4

1974

-197

5

1975

-197

6

1976

-197

7

1977

-197

8

1978

-197

9

1979

-198

0

1980

-198

1

1981

-198

2

1982

-198

3

1983

-198

4

1984

-198

5

1985

-198

6

1986

-198

7

1987

-198

8

1988

-198

9

1989

-199

0

1990

-199

1

1991

-199

2

1992

-199

3

1993

-199

4

1994

-199

5

1995

-199

6

1996

-199

7

1997

-199

8

1998

-199

9

1999

-200

0

2000

-200

1

2001

-200

2

2002

-200

3

2003

-200

4

2004

-200

5

2005

-200

6

2006

-200

7

2007

-200

8

2008

-200

9

2009

-201

0

2010

-201

1

2011

-201

2

2012

-201

3

Prec

ipit

ació

n A

cum

ulad

a (m

m)

Año Hidrológico

Análisis de las Precipitaciones Anuales AcumuladasGrupo 19: Cuenca del Río Patuca

AZACUALPA

CAYETANO

EL JUNQUILLO

EL PIÑORAL

GUAJINIL

JACALEAPA

LAS ACACIAS

LAS TROJES

SANTA MARIA REAL



1.6.1 Informe Estimación de la Evapotranspiración Potencial

CONSULTORÍA UNAH

ESTIMACIÓN DE LA EVAPOTRANSPIRACIÓN EN HONDURAS

INFORME FINAL

Lenín Esaú Henríquez Dole

Máster en Ing. Hidráulica y Medio Ambiente



Resumen Ejecutivo La Evapotranspiración es un proceso esencial dentro del ciclo del agua. Numerosos estudios

demuestran que es una variable importante en los balances hídricos, la Gestión Integrada de los

Recursos Hídricos (GIRH), el riego en el sector agrícola, la seguridad alimentaria, la estimación de

la severidad de las sequías, y la cuantificación de los impactos a los ecosistemas.

En Honduras se han realizado pocos estudios de la evapotranspiración, siendo uno el realizado por

el CATIE en 1990, el Balance Hídrico realizado por el CEDEX en el 2002 y la SERNA en la oficina de

su competencia. Aunque existen diversas metodologías elaboradas alrededor del mundo, muchas

de estas fórmulas son empíricas o semi-empíricas siendo de difícil aplicación en otras zonas de las

cuales fueron deducidas. En Honduras se suelen aplicar estas metodologías debido a que exigen

menos datos que la fórmula de referencia (FAO Panman-Monteith) ignorando, la mayor parte de

las ocasiones, las limitantes que los diferentes métodos tienen intrínsecos dentro de su

formulación.

Para evaluar las diferentes metodologías de estimación de la evapotranspiración se ha evaluado la

base de datos recopilada por el Instituto Hondureño de Ciencias de la Tierra (IHCIT). La revisión de

los diferentes factores medidos muestra que los datos básicos de temperatura son confiables en

sólo 48 estaciones de 79 disponibles con registros de esta variable. Los valores de temperatura

media no son consistentes en las estaciones y se ha desestimado su uso, como alternativa se ha

utilizado el promedio de la temperatura máxima y la temperatura mínima como lo sugiere la FAO

en su documento No. 56 al encontrar valores dudosos de temperatura media.

Se han evaluado cuatro (4) métodos de estimación de la Evapotranspiración Potencial (ETP) y se

han comparado con estimaciones de la Evapotranspiración de Referencia (ETo) estimada siguiendo

la fórmula de la FAO Penman-Monteith. Un análisis de regresión regional ha demostrado que no

se puede hacer un estudio regional de la ETP y las comparaciones se deben hacer de manera

puntual en cada estación. Ecuaciones de regresión se han estimado para cada estación y señalan

que el método Jensen-Haise es el que más se aproxima a la ETo. Las comparaciones indican que el

método Jensen-Haise modificado por una ecuación de regresión es el más adecuado para la

estimación de ETo en una localidad específica. Como segunda mejor opción está el método de

Hargreaves modificado por una ecuación de regresión.

Se ofrecen como alternativa a las ecuaciones de regresión, el uso de coeficientes de corrección por

mes y por estación. Esta metodología también ha sido validada y demostrado que el mayor error

que se puede producir al aplicar esto coeficientes de corrección es de 14 mm/mes (8-14%). Se

observó una relación entre la ETP y la elevación validando su uso en métodos geoestadísticos para

extrapolar la ETP.

Si bien se han validado métodos alternativos para la estimación de la ETo siempre es

recomendable usar la fórmula de la FAO Penman-Monteith cuando sea posible. La FAO ofrece

alternativas para estimar los parámetros no medidos, pero se debe planificar una validación de

estas metodologías para utilizarlas en localidades donde los datos no son medidos.



ÍNDICE

Contenido Resumen Ejecutivo ...................................................................................................... 63

1 Introducción ......................................................................................................... 65

2 Conceptos Básicos ................................................................................................ 66

3 Ubicación, Métodos y Recursos ............................................................................. 66

4 Metodología ......................................................................................................... 68

5 Resultados ............................................................................................................ 69

5.1 Radiación Solar Incidente (Rs) ........................................................................................... 76

5.2 ETP (Hargreaves) ............................................................................................................... 77

5.3 ETP (Ivanov) ....................................................................................................................... 77

5.4 ETP (Thornthwaite y Jensen-Haise) ................................................................................... 77

5.5 ETP (FAO Penman-Monteith) ............................................................................................ 78

6 Análisis de los Resultados ..................................................................................... 85

6.1 Comparación con FAO Penman-Monteith ........................................................................ 85

6.2 Relación ETP y elevación ................................................................................................... 89

6.3 Coeficientes de corrección ................................................................................................ 93

6.4 Validación de las ecuaciones de regresión y los coeficientes de corrección .................... 93

7 Conclusiones ........................................................................................................ 94

8 Biblografía ............................................................................................................ 97



ESTIMACIÓN DE LA EVAPOTRANSPIRACIÓN EN

HONDURAS

Introducción En las zonas tropicales, y específicamente Honduras existen pocos estudios sobre la

Evapotranspiración Potencial (ETP). A nivel mundial se ha demostrado que la estimación de la ETP

es de suma importancia para la elaboración de los Balances Hídricos, la Gestión Integrada de los

Recursos Hídricos (GIRH), el riego en el sector agrícola, el crecimiento de las plantas en fase

vegetativa (Allen et al., 1998), la seguridad alimentaria, la estimación de la severidad de las

sequías, y la cuantificación de los impactos a los ecosistemas.

Escasos trabajos de estimación de la ETP se han realizado en Honduras, siendo uno el realizado

por el CATIE en 1990 para la Dirección de Recursos Hídricos de la Secretaría de Recursos Naturales

de Honduras (SERNA), quienes calcularon ETP con varias metodologías e hicieron una regresión

para llegar a la ecuación de Penman. Otra estimación de ETP a nivel nacional fue la realizada por

CEDEX en el balance hídrico del 2002, quienes utilizaron la fórmula de Hargreaves corrigiendo los

resultados y obteniendo indirectamente la ETP de referencia (Penman Monteith). La Secretaría de

Recursos Naturales y Ambiente (SERNA) también ha realizado un mapa de Evapotranspiración

Potencial el cual se encuentra publicado en la web en formato de imagen. La sección de Riegos de

la Secretaría de Agricultura y Ganadería (SAG) utiliza un método empírico para la determinación

de la ETP en todo el territorio nacional basándose en si el clima es “cálido, fresco o frio”,

quedando a la interpretación del técnico correspondiente la cuantificación de la ETP. Por otro

lado, se han realizado trabajos a nivel de cuenca o microcuenca que presentan resultados

puntuales para diversas zonas de estudio.

En el mundo se han desarrollado formulaciones empíricas para la estimación de la ETP siendo las

más conocidas dentro de la región centroamericana las fórmulas de Thornthwaite, Blaney y

Criddle, Hargreaves, García López y Turc. Aunque la aplicación de estas metodologías se puede

intuir a nivel mundial, aún necesitan ser validadas en otras regiones lejos de aquellas donde

fueron deducidas. La más ampliamente utilizada es la fórmula de Penman-Monteith, considerada

como método estándar, físicamente basado y que puede ser utilizado globalmente. Sin embargo,

esta fórmula tiene la desventaja de requerir una gran cantidad de parámetros específicos que

muchas veces no son medidos en estaciones meteorológicas comunes, incrementándose esta

deficiencia en países en desarrollo (Droogers & Allen, 2002).

Este estudio pretende concluir con el valor de la Evapotranspiración Potencial (ETP) en Honduras

utilizando el mejor método basado en los datos climatológicos disponibles, evaluando diferentes

metodologías para su estimación y plasmando los resultados en un mapa general de la ETP en

todo el territorio hondureño.



Conceptos Básicos La evapotranspiración potencial (ETP) es un proceso esencial en el ciclo hidrológico del planeta. Es

una medida de la cantidad de agua que puede ser transferida desde la superficie de la tierra a la

atmósfera. La FAO introduce el concepto de ETP como la suma de evaporación y transpiración en

un cultivo de referencia bajo óptimas condiciones de riego de pastura, asumiendo una altura de 12

centímetros, una resistencia de la superficie fija de 70 seg/m y un albedo de 0.23 (Allen et al.,

1998). Este concepto es de gran importancia para la producción agrícola, sobre todo en la

planificación y manejo eficiente de los recursos hídricos (CATIE, 1990)

La intensidad de este flujo se ve determinada por diversas variables como la cobertura vegetal,

tipo de suelo, uso del suelo, tipo de vegetación, densidad de la vegetación, tiempo de vida de las

especies, tipos de cultivos, temperatura del aire, radiación solar, humedad relativa, velocidad y

dirección del viento entre otras. Por la complejidad de este proceso y del cual la transpiración de

las plantas forma una parte muy importante, se han propuesto muchas expresiones empíricas

basadas en observaciones puntuales en diversas partes del planeta (Thornthwaite, 1948;

Hargreaves & Allen, 2003, Allen et al., 1998). Los métodos más comunes de medición son los

métodos indirectos que usan generalmente procedimientos físico-matemáticos (CATIE, 1990).

Aunque los procesos empíricos son de más sencilla aplicación su rango de aplicabilidad suele ser

muy limitado y debe tenerse cuidado en su extrapolación a otras zonas o latitudes de donde han

sido deducidos.

Ubicación, Métodos y Recursos Honduras se encuentra en el istmo centroamericano y limita al Norte y Este con el Mar Caribe, al

Sur con Nicaragua y el Océano Pacífico, y al Oeste con El Salvador y Guatemala (

Ilustración 1). La ubicación dentro de la zona tropical hace que Honduras esté expuesta a una gran

cantidad energía incidente sobre su superficie lo que a su vez influye directamente sobre la

capacidad evaporante de la atmósfera y por tanto en la ETP.

ILUSTRACIÓN 1. MAPA DE UBICACIÓN DE HONDURAS



Para el cálculo de ETP en el país, se utilizaron los datos provenientes de estaciones climatológicas

gestionadas por la Secretaría de Recursos Naturales y Ambiente (SERNA), la Empresa Nacional de

Energía Eléctrica (ENEE), el Servicio Meteorológico Nacional (SMN), el Servicio Autónomo Nacional

de Acueductos y Alcantarillado (SANAA), la Fundación Hondureña de Investigación Agrícola (FHIA)

y otras instituciones privadas.

Los parámetros incluidos en las bases de datos a nivel mensual recopiladas son:

Brillo Solar Velocidad del Viento

Evaporación Media Mensual Temperatura Mínima Absoluta

Evaporación Mensual Temperatura Máxima Absoluta

Humedad Relativa Temperatura Media Mensual

Número de Horas de Sol Temperatura Máxima Promedio Mensual

Temperatura del Punto de Rocío Temperatura Mínima Promedio Mensual

Recorrido Total del Viento

De todos los parámetros medidos no se tiene la misma distribución temporal ni espacial por lo que

el análisis de los datos debe incluir primero un análisis de la serie temporal y luego con las

estaciones seleccionadas proceder a un análisis espacial. Para el análisis de las series temporales

se ha utilizado el software CHAC (Cálculo Hidrometeorológico de Aportaciones y Crecidas) del

Centro de Estudios y Experimentación de Obras Públicas (CEDEX) en su versión Beta1-5.03 y el

software TREND del CRC Catchment Hydrology de Australia. Para el análisis espacial se ha utilizado

ArcGis en su versión 10.1 y las interpolaciones se han generado a partir de herramientas

geoestadísticas (CoKriging).

Los métodos utilizados en esta investigación han sido los siguientes:

Hargreaves (1985)

En donde: ET0 es la evapotranspiración de referencia diaria (mm/día)

Ra es la radiación extraterrestre al tope de la atmósfera (mm/día)

Tmedia Temperatura media diaria (°C)

TD Diferencia entre la temperatura máxima y mínima diaria (°C)

Ivanov (1954)

En donde: ETP es la evapotranspiración potencial (mm/día)

Tmedia es la temperatura media del aire (°C)

HR es la humedad relativa del aire (%)

Thornthwaite (1948)

;



;

;

En donde: ETP es la evapotranspiración potencial (mm/mes)

l es la duración del día (horas)

N es el número de días de un mes

Ta es la temperatura media mensual del aire (°C)

Jensen-Haise (1963) ;

;

;

En donde: ETP la evapotranspiración potencial (mm/día)

Ra es la radiación extraterrestre al tope de la atmósfera (mm/día)

CT y Tx son coeficientes calculados en base a sus fórmulas correspondientes

T es la temperatura promedio mensual (°C)

Ti es la temperatura máxima y mínima para determinar la presión de

saturación (e)

H, h es la elevación en metros sobre el nivel del mar (m)

e es la presión de vapor de saturación (mbar) correspondiente Ti (°C)

FAO Penman-Monteith (1998)

En donde: ET0 es la evapotranspiración de referencia (mm/día)

Rn es la radiación neta en la superficie de cultivo (MJ/m2/día)

Ra es la radiación extraterrestre (mm/día)

G es el flujo de calor de suelo (MJ/m2/día)

T es la temperatura media del aire a 2 m de altura (°C)

U2 es la velocidad del viento a 2 m de altura (m/s)

es es la presión de vapor de saturación (Kpa)

ea es la presión real de vapor (Kpa)

es - ea es el déficit de presión de vapor (Kpa)

es la pendiente de la curva de presión de vapor (Kpa/°C)

es la constante psicrométrica (Kpa/°C)

Metodología La metodología ha consistido en una serie de análisis que permitieron actualizar las bases de

datos, determinar su consistencia y utilizar los datos de los parámetros climatológicos para la

estimación de la ETP a nivel mensual utilizando diferentes métodos empíricos basados en los

parámetros climatológicos medidos en las diferentes estaciones a nivel nacional.

El primer paso fue la actualización de los datos a nivel mensual. La última base de datos a nivel

mensual fue preparada por el CEDEX y publicada como parte del Balance Hídrico de Honduras en

el 2002. La actualización fue posible gracias a la ayuda de las personas encargadas del proyecto,



sin embargo aun con todo el esfuerzo y toda la buena voluntad de adquirir información para su

estudio con fines investigativos, no todas las instituciones tuvieron la apertura de proporcionar los

datos actualizados de las estaciones activas que operaban. La base de datos final cuenta con

diversas longitudes de datos, sin embargo el que no esté actualizada al 2012 no implica que esa

estación específica esté clausurada por la institución que la opera. Nuevos esfuerzos

institucionales deben hacerse para procurar tener la información en tiempo real.

Una vez actualizada la base de datos se procedió al análisis de la consistencia de los datos de cada

estación. La calidad de los datos se comprobó mediante un test propuesto por Menne et al. (2009)

en el cual se verifica que los valores contenidos en una serie no se alejara de la media más de 3.5

veces la desviación estándar. En el caso que algún valor superara este umbral se debe tratar con

cuidado y verificar su validez.

Ciertos análisis requieren que las series de datos sean continuos en el tiempo, sin vacios, por lo

que se procedió al rellenado de los datos utilizando el software CHAC. El método de rellenado de

datos utilizado por el CHAC es una regresión estocástica múltiple bivariada en la que el dato

faltante se obtiene a partir de otras dos estaciones, seleccionadas éstas a partir de un coeficiente

de priorización que está en función de las correlaciones entre los datos. El rellenado de los datos

no se realizó para todos los parámetros, ni para todas las estaciones. Una selección de 48

estaciones fue hecha en base a los datos disponibles y a su calidad. El parámetro base, que sirve

como factor común en casi todas los métodos de estimación de la ETP es la temperatura, por lo

que aquellas estaciones que no miden temperatura fueron descartadas.

Finalmente se estimó la ETP en las 48 estaciones escogidas utilizando los métodos descritos en la

sección anterior, seguido de una comparación para seleccionar el mejor método a utilizar en la

generación estimación de la ETP a nivel nacional.

Resultados Dentro de la base de datos recopilada, existen en Honduras 373 estaciones que miden la cantidad

de precipitación que cae en todo el territorio, sin embargo el interés por conocer la distribución y

magnitud de otros parámetros climatológicos no es tan elocuente como el interés por conocer la

distribución y magnitud de la lluvia. Un ejemplo sencillo se puede demostrar contando el número

de estaciones que miden un determinado parámetro (ver

Tabla 1), como por ejemplo la temperatura: 79 estaciones estiman la temperatura media mensual,

74 estaciones miden la temperatura mínima y 75 la temperatura máxima. La diferencia del

número de estaciones que miden los diferentes parámetros radica en los fines para los cuales las

estaciones se han instalado, los equipos y el presupuesto disponible en cada institución para la

medición y el mantenimiento de las operaciones.

Aunque existe un número aceptable de estaciones que miden un parámetro específico esto sólo

ayuda a su representación espacial. La continuidad temporal de los registros es precaria como se

observa en la Ilustración 2 que muestra algunos ejemplos de cuatro parámetros escogidos. El



número de vacíos (meses sin dato) no permite hacer inferencia estadística con los datos existentes

y por tanto se debe someter cada serie de datos por una sucesión de pruebas estadísticas que

determinen su validez, homogeneidad y la existencia o no de tendencias certificando el uso de los

valores medidos en cálculos posteriores.

TABLA 1. NÚMERO DE ESTACIONES QUE MIDEN CADA PARÁMETRO DENTRO DE LA BASE DE DATOS RECOPILADA

Parámetro Número de Estaciones

Brillo Solar 5

Evaporación Media Mensual 41

Evaporación Mensual 62

Humedad Relativa 70

Número de Horas de Sol 9

Temperatura del Punto de Rocío 31

Recorrido Total del Viento 21

Velocidad del Viento 17

Temperatura Mínima Absoluta 56

Temperatura Máxima Absoluta 60

Temperatura Media Mensual 79

Temperatura Máxima Promedio Mensual 75

Temperatura Mínima Promedio Mensual 74

A B

C D



ILUSTRACIÓN 2. CONTINUIDAD EN LOS REGISTROS DE: A) TEMPERATURA MEDIA MENSUAL; B) VELOCIDAD DEL

VIENTO;

C) HUMEDAD RELATIVA MEDIA MENSUAL; Y D) EVAPORACIÓN MEDIA MENSUAL

De la ilustración 2 se concluye que no todas las series tienen la longitud suficiente para realizar

análisis estadísticos de sus datos1, por lo que se debe rellenar los vacios de las series a fin de

obtener las longitudes mínimas requeridas por la teoría de las grandes muestras. El período de

tiempo seleccionado para rellenar los datos y obtener datos mensuales continuos fue de 1975 al

2005. De todos los parámetros se escogieron para el relleno sólo los factores principales que se

utilizaban en la estimación de la ETP: la temperatura media mensual, la temperatura máxima

promedio mensual, la temperatura mínima promedio mensual y la humedad relativa. Una

característica particular de estos parámetros es que su variación a lo largo del tiempo es poca y

por tanto su comportamiento mensual y anual se puede asumir que se ajusta a una distribución

normal lo que valida el método utilizado para rellenar los datos, sin embargo el resto de

parámetros requiere un mayor análisis para verificar esta suposición y proceder a su completado a

nivel mensual.

La base de datos recopilada originalmente contenía al menos 70 estaciones que medían la

temperatura, sin embargo no todas ellas eran aptas para el estudio de la variabilidad espacial y

temporal de este parámetro. Las 48 estaciones finalmente escogidas cumplieron con los siguientes

criterios: a) poseer al menos 10 años de información continua en el período seleccionado (entre

1975 y 2005); b) no presentar tendencias ni valores atípicos dentro de sus series temporales; y c)

poseer registros en el mismo período de la temperatura media, temperatura máxima y la

temperatura mínima. Los criterios se aplicaron a las tres series de temperaturas medidas en cada

estación: media, máxima y mínima.

1 Las pruebas y análisis de inferencia estadística requieren que las series de datos temporales sean de al

menos 30 años de longitud para aplicar la teoría de las grandes muestras, en caso de tener poblaciones menores la validez de las estimaciones disminuye y el error aumenta.



ILUSTRACIÓN 3. GRÁFICO INDICANDO EL PERÍODO DE ESTUDIO S ELECCIONADO (1975-2005) DE LA TEMPERATURA

MEDIA Y ESTACIONES EL IMINADAS MEDIANTE LOS CRITERIOS DE SELECCIÓN

TABLA 2. ESTACIONES SELECCIONADAS PARA SER PARTE DEL ESTUDIO DE LA EVAPOTRANSPIRACIÓN

Código

Nacional Nombre

Código

Nacional Nombre

Código

Nacional Nombre

23010 Quimistán 25116 Marale 54001 Pespire

23011 La Entrada 25131 Sensenti 54002 Nacaome

25004 La Gloria 25142 El Níspero 56001 La Venta

25014 El Cajón 25144 El Modelo 56071 Ingenio El

Porvenir

25024 Las Flores

Comayagua 25202 Las Lajas 56106 Concepción

25026 El Coyolar 25993 Guaruma 1 Tela

RRCo 56301 El Batallón

25051 Santa Clara 27013 San Francisco

JFK 56303 Quiebramontes

25056 Morazán 31007 Corralitos 56602 Villa Real

25080 La Ermita 33004 Olanchito 56701 El Reventón

25081 Agua Caliente

F.M. 39001 Cayetano 78700 Amapala

25083 Santa Rita 39003 Guayabillas 78705 La Ceiba



25084 Playitas 39009 Villa Ahumada 78706 Tela

25085 Santa Elena 39017 El Piñonal 78708 La Mesa

25087 San Jerónimo 39027 La Conce 78717 Santa Rosa de

Copán

25104 Vallecillo 45103 Las Trojes 78720 Tegucigalpa

25114 Ulapa 46999 La Esperanza

Intibucá 78724 Choluteca

ILUSTRACIÓN 4. MAPA ILUSTRANDO LA UB ICACIÓN DE LAS 48 ESTACIONES SELECCIONADAS PARA EL ESTUDIO DE LA

ETP EN HONDURAS

Basados en los criterios anteriores y agrupando las diferentes estaciones por zonas se procedió a identificar los valores atípicos de las diferentes series. Dado que el análisis se realizó en grupos2 se decidió disminuir el umbral de la desviación típica a 3.5 en vez de 5 como lo propone Menne et al. (2009). La tabla 3 muestra un ejemplo de las tablas elaboradas de identificación de valores atípicos en las 48 estaciones seleccionadas.

TABLA 3. VALORES ATÍPICOS EN LAS SERIES DE TEMPERATURA MÁXIMA PROMEDIO MENSUAL

Nombre de Estación Fecha de valor atípico mensual Categoría del valor

2 La división por grupos ha sido hecha en base a la proximidad de las estaciones, la cuenca en donde se

encuentran y el criterio de experto sobre la relación que puede existir entre ellas. El país se ha dividido en seis (6) zonas: Occidente, Norte, Ulúa bajo, Oriente, Centro y Sur.



San Jerónimo Mar/Abr - 83 Alto/Alto

La Ermita Abr-72, Feb-98, Oct/Nov-08 Alto, Alto, Alto/Alto

Vallecillo Jul/Ago/Sep/Oct-09 Alto/Alto/Alto/Alto

Coyolar Mar-01 Alto

Las Flores Ene-91 Alto

El Cajón May-90 Bajo

Santa Rosa de Copán Feb-76, Jul-84, Ago-85, Ago-89, Oct-99

Bajo, Bajo, Bajo, Bajo, Alto

Santa Elena Jul-79 Bajo

El Níspero Abr-91, Ago-03, Oct-03 Bajo, Alto, Alto

Ulapa May-75, Ago-75 Alto, Alto

La Ceiba Feb-70 Bajo

Villa Ahumada May-98 Alto

Guayabillas Mar-66, Abr-72 Alto, Alto

El Batallón Mar-97 Bajo

Tegucigalpa Jun/Jul-50 Bajo/Bajo

Choluteca May-00 Bajo

El análisis de los valores atípicos muestra que no existe una relación aparente entre estaciones. Es

de esperarse que si existe un valor atípico o extremo, éste se reproduzca en las estaciones

aledañas, sin embargo esto no se comprueba para ninguna de las fechas de los valores obtenidos.

Se puede deducir que los valores atípicos no se producen en la región por olas de calor, sino más

por inconsistencias en la medición de origen humano o instrumental.

Para detectar inconsistencias en las series de datos de temperatura se realizó el análisis de doble

masa comparando diferentes estaciones con la media de los diferentes grupos escogidos. Este

análisis descubrió que la temperatura media mensual presentaba muchas deficiencias en sus

registros, sin embargo no era el caso con la temperatura máxima promedio mensual ni la

temperatura mínima promedio mensual. La razón aparente de estas inconsistencias en la

temperatura media mensual responde a que esta temperatura no es una medición, es una

estimación diaria basada en las temperaturas que se toman a lo largo del día. Tal como se expresó

anteriormente, los fines de cada estación responden a los intereses de cada institución que las

maneja y por tanto la forma de estimar la temperatura media diaria. Por ejemplo, mientras unas

instituciones calculan la temperatura media como la media de las temperaturas registradas a cada

hora, otras la estiman como el promedio entre la temperatura máxima y la temperatura mínima

registradas a horas específicas.



ILUSTRACIÓN 5. GRÁFICOS QUE MUESTRAN EL DIAGRAMA DE DOBLE MASA DE LA TEMPERATURA MÁXIMA PROMEDIO

MENSUAL (ARRIBA), LA TEMPERATURA MEDIA MENSUAL (CENTRO) Y LA TEMPERATURA MÍNIMA MENSUAL (ABAJO) EN

TRES ESTACIONES: LAS FLORES (25024), SAN JERÓNIMO (25087) Y CHOLUTECA (78724)

Se puede observar en la ilustración 5 que aunque los registros de las temperaturas máximas y

mínimas promedio mensuales son consistentes a lo largo del tiempo, las temperaturas medias

mensuales no lo son. Esta situación se repite en casi todas las estaciones del país evidenciando

que el cálculo de la temperatura media debe ser revisado, estandarizado y homogeneizado en

todas las estaciones de Honduras. Las inconsistencias encontradas en los datos de la temperatura

media mensual ha hecho que se procediera a descartar este parámetro y se utilizara como la

temperatura media mensual el promedio entre la temperatura máxima promedio mensual y la

temperatura mínima promedio mensual que si probaron ser series consistentes a lo largo del

25024 25087 78724

Máx

ima

Med

ia

Mín

ima



tiempo. La homogeneidad y consistencia en los registros de las temperaturas máximas y mínimas

promedio mensual asegura que el cálculo de la temperatura media mensual a partir de ellas

también sea una serie homogénea y consistente.

La mayoría de las fórmulas empíricas que se aplicarán a continuación tienen como base la

temperatura media para realizar sus estimaciones. Hay que hacer la salvedad que aunque se

utilice la temperatura media mensual a partir de un cálculo de dos promedios, se considera más

confiable realizar esta simplificación que revisar y reparar la información histórica de las

temperaturas medias mensuales. Un mayor análisis debe hacerse en el futuro a fin de rescatar la

historia contenida en los registros de las estaciones y utilizar los valores realmente medidos antes

de utilizar estimaciones como en este estudio.

Radiación Solar Incidente (Rs)

Se ha utilizado la siguiente fórmula en base al número de horas de sol (n):

En donde: n, es el número de horas de sol reales medidas en las estaciones y N es el número

teórico de horas de sol tomado de la tabla (Doorenbos y Pruit, 1977).

De 7 estaciones pertenecientes al Servicio Meteorológico Nacional (SMN) se obtuvo el promedio

mensual del número de horas de sol reales. Se determinó la relación entre las horas de sol reales y

las horas de sol teóricas para cada mes de cada estación analizada. Se observó que la duración

solar relativa (relación n/N) es variante a lo largo del año y a lo largo del territorio hondureño

(ilustración 6) por lo que se determinaron dos zonas (Norte y Centro-Sur) para su análisis.

ILUSTRACIÓN 6. DURACIÓN SOLAR RELATIVA (PROMEDIO) EN DIFERENTES ESTACIONES DE HONDURAS

La duración solar relativa es un cociente que expresa la nubosidad atmosférica. Se puede apreciar

que en la Zona Norte existe una mayor presencia de nubes durante los meses más fríos (octubre,

noviembre y diciembre); sin embargo en la Zona Centro-Sur la presencia de nubes se nota a lo

largo de todo el período lluvioso (mayo a octubre), notándose en todos los casos la influencia de la

canícula en el mes de agosto. A partir de estas observaciones se decidió utilizar los valores

diferenciados de la duración solar relativa para la estimación de la radiación solar incidente según

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

May Jun

Jul

Ago Se

p

Oct

No

v

Dic

Ene

Feb

Mar

Ab

r

n/N

Duración Solar Relativa (Zona Norte)

Yoro

La Mesa

Santa Rosa de Copán

Roatán

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

n/N

Duración Solar Relativa (Zona Centro-Sur)

Catacamas

Tegucigalpa

Choluteca



la ubicación de la estación: Zona Norte o Zona Centro-Sur. En base a las observaciones, un límite

ha sido trazado entre las dos zonas, siendo éste el paralelo en el que se encuentra la estación El

Níspero, así todas las estaciones con latitud mayor a 14.8° serían consideradas dentro de la Zona

Norte y todas aquellas debajo de este valor dentro de la Zona Centro-Sur.

ETP (Hargreaves)

Para la aplicación de la fórmula se pusieron en orden todos los parámetros necesarios:

- Radiación Solar Extraterrestre: se utilizó la tabla presentada en el documento de FAO 56

(Allen et al. 1998) en función de la latitud y el mes. La radiación en cada estación se calculó

mediante ecuaciones de regresión lineal en cada mes entre los valores de 12° y 16° de latitud

Norte.

- El valor de Temperatura Media Mensual se calculó como el promedio entre la

Temperatura Máxima Promedio Mensual y la Temperatura Mínima Promedio Mensual.

- El Rango de Temperatura se ha estimado como la diferencia entre la Temperatura

Máxima Promedio Mensual y la Temperatura Mínima Promedio Mensual.

Los cálculos se realizaron en una tabla de Excel, obteniendo inicialmente la ETP diaria y

posteriormente la ETP mensual multiplicando por 30, 31 o 28 según el mes del año. Finalmente la

ETP anual se ha obtenido mediante la suma de todos los meses. La tabla 4 resume los valores de la

ETP estimados para las diferentes estaciones seleccionadas.

ETP (Ivanov)

Para la aplicación de la fórmula se pusieron en orden todos los parámetros necesarios:



- El valor de la Humedad Relativa Promedio Mensual se obtuvo de los registros contenidos

en la base de datos. No todas las estaciones que miden temperatura miden humedad relativa por

lo que en aquellas que no se medía el parámetro no se ha realizado el cálculo.

Los valores se han introducido en un software denominado Cálculo de Índices del Régimen Hídrico

(CIRH) versión 2.0 elaborado por el Centro de Agricultura y Medio Ambiente (AGRIMED) de la

Universidad de Chile para obtener los valores promedio diarios. Luego la ETP mensual se calculó

multiplicando los valores promedio diarios por el número de días del mes correspondiente y la ETP

anual es la suma de los valores mensuales calculados. Los resultados se pueden apreciar en la

tabla 5.

ETP (Thornthwaite y Jensen-Haise)

El método de Thornthwaite es el más sencillo de todos haciendo su estimación en base a la

temperatura y la latitud a la cual se encuentra la estación. Actualmente este método se utiliza



como valor de estimación, para tener una idea de los valores de ETP que pueden darse en una

determinada región en una primera etapa de los estudios, y por tanto debe tomarse como una

referencia para la comparación y no como un valor real.

Para la aplicación de la fórmula de Jensen-Haise se pusieron en orden todos los parámetros

necesarios:



- Radiación Solar Extraterrestre (R0): se utilizó la tabla presentada en el documento de FAO

56 (Allen et al. 1998) en función de la latitud y el mes. La radiación en cada estación se calculó

mediante ecuaciones de regresión lineal en cada mes entre los valores de 12° y 16° de latitud

Norte.

- Radiación Solar Incidente sobre la Superficie (Rs): ver sección 5.1.

- Los valores de la Temperatura Promedio Mínima y Máxima, y la Altura han sido

obtenidos de los registros contenidos en la base de datos.

Los valores promedio diarios fueron introducidos en una hoja de Excel preparada para la

estimación de ambos métodos simultáneamente. La hoja de Excel ha sido preparada por la

Universidad de Salamanca en su cátedra de hidrología3. Luego la ETP mensual se calculó

multiplicando los valores promedio diarios por el número de días del mes correspondiente y la ETP

anual es la suma de los valores mensuales calculados. Los resultados se presentan en la tabla 6.

ETP (FAO Penman-Monteith) El método de estimación de la ETP de la FAO es el más reconocido a nivel mundial como el método

de referencia para evaluar la Evapotranspiración. Como se mencionó anteriormente, esta fórmula

tiene la desventaja de requerir una gran cantidad de parámetros específicos que muchas veces no

son medidos en estaciones meteorológicas comunes y de ahí la difícil aplicación de la misma,

agravándose esta situación en los países en desarrollo como Honduras. Sin embargo, se ha

demostrado que a excepción de los datos de temperatura máxima y mínima el resto de

parámetros se pueden estimar en base a estos dos (Allen et al., 1998). Las estimaciones de los

parámetros restantes siguen una serie de suposiciones avaladas por la FAO en base a

experimentos en más de 2000 estaciones alrededor del mundo para estaciones donde no se

disponen de datos y que han sido utilizadas para la estimación de la ETP de la FAO en las

estaciones del presente estudio:

La temperatura del punto de rocío es aproximadamente la temperatura mínima diaria. Se

asume implícitamente que a la salida del sol, cuando la temperatura del aire está

alrededor de la temperatura mínima, el aire está casi saturado con vapor de agua y que la

humedad relativa es de alrededor de 100%.

3 http://hidrologia.usal.es/



La raíz cuadrada de la diferencia entre la temperatura máxima y mínima ha sido utilizada

como indicador de la fracción de la radiación extraterrestre que alcanza la superficie de la

tierra en una localidad dada (Hargreaves y Samani, 1985). El indicador anterior ha sido

afectado por coeficientes de ajuste empíricos para zonas del interior (0.16) o zonas

costeras (0.19) según la localización de la estación.

Como la variación del promedio de la velocidad del viento en períodos mensuales es

relativamente pequeña y fluctúa alrededor de los valores medios, los valores mensuales

de velocidad del viento han sido estimados usando la tabla 4. En caso de no tener

disponibilidad de datos de viento, un valor de 2 m/s ha sido utilizado como estimador

temporal.

TABLA 4. VALORES GENERALES DE LA VELOCIDAD DEL VIENTO EN TÉRMINOS ME NSUALES

Descripción Velocidad media mensual del viento a 2 m de altura

Vientos suaves …≤ 1.0 m/s

Vientos suaves a moderados 1 – 3 m/s

Vientos moderados a fuertes 3 – 5 m/s

Vientos fuertes …≥ 5.0 m/s

Los valores de las diferentes estaciones fueron introducidos en el software ETo calculator v 3.2

desarrollado por Land and Water Division de la FAO4 y que sigue los procedimientos definidos en

el documento No. 56 (Allen et al, 1998). El software estima la ETo promedio diaria para cada mes,

a partir de este dato se ha multiplicado la valor promedio diario por el número de días

correspondiente a cada mes y la suma de los meses ha proporcionado el valor de la ETo anual. Los

valores resultantes se encuentran resumidos en la tabla 9.

4 http://www.fao.org/nr/water/ETo.html



TABLA 5. ESTIMACIÓN DE LA ETP POR EL MÉTODO DE HARGREAVES (1985)

UTM X UTM Y COD_NAC NOM_EST Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Enero Febrero Marzo Abril ANUAL

348971 1696226 23010 Quimistán 190.9 167.4 167.9 171.1 159.0 140.4 116.1 111.2 120.3 131.0 175.5 186.1 1836.8

313698 1668021 23011 La Entrada 182.3 158.0 155.9 158.3 146.9 133.9 109.8 105.4 112.1 124.7 171.6 181.2 1740.0

394881 1597589 25004 La Gloria 185.8 161.0 159.0 162.2 148.0 134.0 117.5 115.7 125.8 136.1 177.9 185.7 1808.7

418805 1660268 25014 El Cajón 190.3 168.6 160.5 161.8 151.7 132.0 108.8 109.3 115.9 132.2 180.5 190.5 1802.0

438702 1579961 25024 Las Flores Comayagua 183.2 161.9 166.0 171.7 155.0 140.5 122.5 122.3 132.4 140.6 181.5 185.1 1862.6

444910 1582712 25026 El Coyolar 171.7 148.3 155.3 158.2 141.3 127.5 109.6 109.8 119.2 129.9 169.2 175.1 1714.9

469462 1596740 25051 Santa Clara 172.7 147.8 149.1 154.6 143.8 131.7 109.7 106.3 116.8 127.0 168.4 172.4 1700.3

435889 1693919 25056 Morazán 189.6 170.8 171.1 169.3 157.0 138.7 119.8 115.8 123.1 134.6 175.1 183.1 1847.8

492666 1599241 25080 La Ermita 171.3 148.6 151.5 157.7 146.9 131.3 111.0 109.7 119.1 129.7 165.6 173.7 1716.2

468746 1622577 25081 Agua Caliente F.M. 181.9 160.3 161.8 164.3 152.2 137.6 115.2 113.9 123.6 135.1 177.6 183.2 1806.5

406102 1679948 25083 Santa Rita 189.8 170.7 168.3 171.3 161.9 144.8 117.9 112.5 121.0 130.9 171.7 179.4 1840.2

426365 1594594 25084 Playitas 180.8 161.3 165.5 167.4 152.0 135.5 115.6 116.7 125.1 136.1 176.5 182.2 1814.5

400949 1646570 25085 Santa Elena 165.3 148.4 144.1 147.8 138.5 120.7 99.2 94.8 101.3 111.7 153.1 161.3 1586.3

434934 1616929 25087 San Jerónimo 189.5 166.8 166.3 166.8 155.9 137.7 113.2 113.1 124.8 139.7 182.5 187.9 1844.2

457350 1604899 25104 Vallecillo 148.7 129.2 130.7 135.1 127.3 113.0 92.3 90.7 97.9 109.3 144.8 153.1 1472.0

327467 1655868 25114 Ulapa 197.1 168.9 169.7 169.9 157.8 141.0 118.9 114.8 123.9 136.5 183.2 190.7 1872.5

482013 1646526 25116 Marale 184.4 164.3 167.8 170.7 157.3 144.0 122.0 126.8 132.9 140.1 178.8 179.7 1868.9

291275 1603195 25131 Sensenti 171.3 142.8 143.5 143.3 133.8 120.5 104.5 101.8 113.0 123.0 165.4 169.3 1632.2

355984 1633400 25142 El Níspero 181.9 156.0 155.2 155.2 141.3 127.1 105.3 101.0 109.5 123.1 166.8 174.5 1696.8

393582 1702402 25144 El Modelo 180.0 161.6 162.4 164.7 151.3 140.4 114.7 107.1 115.8 121.5 161.3 170.0 1750.6

438449 1646107 25202 Las Lajas 157.8 143.2 144.5 144.7 135.4 114.6 96.4 96.2 103.9 117.1 150.4 156.7 1561.0

434580 1705353 25993 Guaruma 1 Tela RRCo 181.4 171.9 171.3 168.6 158.9 140.2 111.5 107.0 115.0 124.1 163.4 164.7 1778.1

496547 1733556 27013 San Francisco JFK 172.6 165.4 171.7 171.8 159.0 142.8 118.5 116.2 119.9 128.0 161.4 164.9 1792.3

557218 1731662 31007 Corralitos 175.8 149.8 143.7 148.7 143.2 133.8 112.1 103.4 111.7 124.3 166.3 174.6 1687.5

546720 1711729 33004 Olanchito 197.8 168.6 168.6 169.8 159.6 143.8 115.6 112.1 118.4 130.3 173.9 183.8 1842.3

606251 1598854 39001 Cayetano 187.1 158.9 157.0 161.6 154.9 148.5 125.1 117.4 122.7 132.9 174.3 183.0 1823.2

576299 1612507 39003 Guayabillas 179.6 153.6 149.0 154.8 149.4 140.6 119.3 114.8 122.6 133.8 172.9 179.7 1770.2

546256 1548133 39009 Villa Ahumada 167.9 144.9 142.1 140.5 136.1 129.3 109.3 107.1 115.1 121.9 159.1 166.7 1640.0

571104 1555809 39017 El Piñonal 185.9 156.9 154.1 157.0 149.8 146.4 126.0 121.9 131.7 138.3 180.6 184.3 1832.8

586927 1619302 39027 La Conce 178.6 150.4 148.5 153.6 148.1 140.9 117.3 113.7 121.8 131.7 168.5 178.0 1751.1

609773 1553397 45103 Las Trojes 153.3 132.2 128.5 132.9 128.4 122.9 105.1 97.7 102.2 109.2 146.2 154.1 1512.8

377260 1582492 46999 La Esperanza Intibucá 133.9 121.1 118.8 122.9 108.9 98.7 83.8 82.6 92.2 100.9 133.7 139.1 1336.5

460484 1502811 54001 Pespire 188.2 171.6 185.1 185.0 160.8 157.3 148.7 150.0 157.0 162.9 200.7 198.0 2065.4

446045 1495219 54002 Nacaome 173.5 160.4 178.6 177.5 153.1 153.1 146.2 150.4 155.9 155.6 186.6 182.8 1973.7

481576 1581798 56001 La Venta 170.7 146.7 143.4 148.5 141.1 125.7 105.0 102.5 113.7 124.8 166.8 173.7 1662.7

501438 1573681 56071 Ingenio El Porvenir 176.8 151.7 154.8 156.1 146.4 135.9 121.9 117.9 129.0 136.1 177.2 175.9 1779.8

471171 1546175 56106 Concepción 154.4 136.3 141.0 143.8 131.7 119.4 100.6 101.2 107.0 118.1 152.5 155.8 1561.8

472275 1555105 56301 El Batallón 156.3 134.5 138.2 146.3 132.5 123.2 104.8 106.0 114.5 124.0 160.3 161.3 1601.8

467217 1557371 56303 Quiebramontes 160.2 141.6 141.1 146.5 138.1 126.3 110.6 109.1 121.0 127.5 166.4 170.1 1658.5

481686 1546938 56602 Villa Real 153.3 135.5 137.2 141.2 132.7 119.9 101.7 101.6 107.4 116.2 150.9 157.7 1555.4

459776 1574558 56701 El Reventón 154.3 137.3 138.4 144.2 133.2 118.6 101.8 100.7 109.4 119.2 156.7 162.1 1575.9

428392 1469855 78700 Amapala 149.8 141.0 152.7 152.3 134.8 130.7 120.3 122.1 126.6 128.3 152.3 147.9 1658.8

514998 1740075 78705 La Ceiba 154.5 145.1 151.3 150.6 138.5 126.5 101.2 96.6 99.5 106.9 137.0 146.1 1554.0

443587 1743950 78706 Tela 152.1 142.9 146.2 141.7 133.9 119.5 97.7 94.0 99.5 104.3 133.5 140.4 1505.8

399329 1707784 78708 La Mesa 119.4 108.7 109.9 111.3 104.1 91.8 72.7 68.7 73.0 79.6 106.6 110.7 1156.6

306270 1635960 78717 Santa Rosa de Copán 151.9 129.9 128.6 128.0 119.1 107.8 88.4 84.0 91.5 104.3 142.6 152.8 1428.9

476308 1554124 78720 Tegucigalpa 163.6 144.6 143.7 151.3 138.9 126.5 107.2 105.4 113.6 124.1 162.2 167.2 1648.3

482798 1482176 78724 Choluteca 175.4 155.7 166.8 170.5 150.4 143.6 132.0 133.1 141.8 149.9 186.4 187.6 1893.2



TABLA 6. ESTIMACIÓN DE LA ETP POR EL MÉTODO DE IVANOV (1954)

X Y Altitud (m) COD_NAC NOM_EST Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Enero Febrero Marzo Abril Anual

348971 1696226 190 23010 Quimistán 161.2 120.0 111.6 114.7 108.0 96.1 84.0 83.7 93.0 98.0 139.5 156.0 1365.8

313698 1668021 445 23011 La Entrada 145.7 105.0 96.1 93.0 87.0 83.7 75.0 74.4 83.7 92.4 139.5 153.0 1228.5

394881 1597589 600 25004 La Gloria 120.9 87.0 83.7 89.9 78.0 74.4 72.0 77.5 74.4 81.2 111.6 123.0 1073.6

418805 1660268 250 25014 El Cajón 133.3 81.0 68.2 65.1 66.0 55.8 48.0 49.6 58.9 75.6 120.9 138.0 960.4

438702 1579961 620 25024 Las Flores Comayagua 151.9 114.0 130.2 151.9 102.0 96.1 96.0 108.5 130.2 131.6 173.6 174.0 1560.0

444910 1582712 880 25026 El Coyolar 158.1 120.0 148.8 139.5 105.0 96.1 93.0 108.5 124.0 134.4 176.7 180.0 1584.1

469462 1596740 740 25051 Santa Clara 170.5 120.0 114.7 120.9 111.0 105.4 93.0 89.9 102.3 120.4 173.6 186.0 1507.7

435889 1693919 220 25056 Morazán 130.2 96.0 89.9 89.9 87.0 77.5 72.0 74.4 77.5 78.4 108.5 120.0 1101.3

492666 1599241 760 25080 La Ermita 145.7 99.0 96.1 99.2 90.0 80.6 69.0 74.4 86.8 100.8 148.8 159.0 1249.4

468746 1622577 560 25081 Agua Caliente F.M. 182.9 126.0 114.7 117.8 105.0 102.3 93.0 99.2 117.8 131.6 195.3 204.0 1589.6

406102 1679948 60 25083 Santa Rita 167.4 126.0 111.6 114.7 111.0 102.3 87.0 83.7 96.1 100.8 145.7 153.0 1399.3

426365 1594594 595 25084 Playitas 186.0 138.0 145.7 142.6 111.0 105.4 99.0 117.8 130.2 151.2 201.5 207.0 1735.4

400949 1646570 640 25085 Santa Elena 96.1 69.0 62.0 55.8 54.0 52.7 45.0 46.5 52.7 58.8 83.7 84.0 760.3

434934 1616929 440 25087 San Jerónimo 117.8 84.0 83.7 77.5 66.0 58.9 54.0 58.9 68.2 81.2 124.0 123.0 997.2

457350 1604899 107 25104 Vallecillo 130.2 99.0 99.2 99.2 90.0 80.6 72.0 74.4 89.9 103.6 148.8 156.0 1242.9

327467 1655868 330 25114 Ulapa 164.3 117.0 108.5 102.3 90.0 83.7 78.0 80.6 89.9 106.4 155.0 165.0 1340.7

482013 1646526 720 25116 Marale 127.1 87.0 80.6 77.5 69.0 65.1 57.0 65.1 74.4 86.8 111.6 120.0 1021.2

291275 1603195 870 25131 Sensenti 130.2 84.0 93.0 93.0 78.0 80.6 78.0 83.7 96.1 100.8 139.5 144.0 1200.9

355984 1633400 600 25142 El Níspero 124.0 84.0 80.6 77.5 72.0 65.1 57.0 58.9 68.2 81.2 114.7 123.0 1006.2

393582 1702402 45 25144 El Modelo

438449 1646107 1034 25202 Las Lajas 108.5 90.0 77.5 77.5 75.0 62.0 48.0 74.4 58.9 70.0 108.5 114.0 964.3

434580 1705353 32 25993 Guaruma 1 Tela RRCo

496547 1733556 10 27013 San Francisco JFK 68.2 57.0 55.8 55.8 51.0 46.5 42.0 43.4 40.3 44.8 52.7 54.0 611.5

557218 1731662 100 31007 Corralitos 176.7 108.0 89.9 89.9 87.0 83.7 72.0 68.2 80.6 100.8 155.0 180.0 1291.8

546720 1711729 150 33004 Olanchito 192.2 123.0 105.4 108.5 108.0 93.0 81.0 80.6 86.8 95.2 148.8 162.0 1384.5

606251 1598854 299 39001 Cayetano 161.2 99.0 77.5 83.7 81.0 83.7 75.0 68.2 74.4 84.0 133.3 159.0 1180.0

576299 1612507 420 39003 Guayabillas 127.1 84.0 65.1 58.9 63.0 68.2 63.0 65.1 71.3 78.4 117.8 138.0 999.9

546256 1548133 830 39009 Villa Ahumada

571104 1555809 440 39017 El Piñonal 167.4 102.0 80.6 77.5 81.0 89.9 84.0 89.9 105.4 117.6 155.0 177.0 1327.3

586927 1619302 350 39027 La Conce 170.5 102.0 96.1 96.1 93.0 93.0 96.0 93.0 102.3 100.8 151.9 174.0 1368.7

609773 1553397 708 45103 Las Trojes 105.4 75.0 62.0 65.1 60.0 68.2 63.0 55.8 65.1 67.2 111.6 117.0 915.4

377260 1582492 1680 46999 La Esperanza Intibucá 74.4 57.0 58.9 58.9 51.0 49.6 45.0 46.5 55.8 64.4 83.7 81.0 726.2

460484 1502811 60 54001 Pespire 189.1 141.0 192.2 173.6 117.0 120.9 165.0 207.7 248.0 257.6 285.2 270.0 2367.3

446045 1495219 35 54002 Nacaome 127.1 96.0 142.6 127.1 87.0 96.1 135.0 167.4 207.7 204.4 223.2 192.0 1805.6

481576 1581798 890 56001 La Venta 173.6 126.0 120.9 127.1 108.0 96.1 90.0 89.9 105.4 123.2 173.6 195.0 1528.8

501438 1573681 660 56071 Ingenio El Porvenir 130.2 78.0 68.2 83.7 69.0 71.3 69.0 74.4 99.2 95.2 139.5 147.0 1124.7

471171 1546175 1200 56106 Concepción

472275 1555105 1063 56301 El Batallón

467217 1557371 1174 56303 Quiebramontes

481686 1546938 1245 56602 Villa Real

459776 1574558 1102 56701 El Reventón

428392 1469855 6 78700 Amapala

514998 1740075 14 78705 La Ceiba

443587 1743950 3 78706 Tela 108.5 102.0 99.2 89.9 84.0 71.3 63.0 65.1 65.1 70.0 96.1 96.0 1010.2

399329 1707784 27 78708 La Mesa 142.6 117.0 108.5 105.4 108.0 89.9 69.0 68.2 71.3 78.4 114.7 129.0 1202.0

306270 1635960 1083 78717 Santa Rosa de Copán 102.3 75.0 71.3 68.2 63.0 58.9 51.0 49.6 58.9 67.2 105.4 108.0 878.8

476308 1554124 1000 78720 Tegucigalpa 139.5 102.0 111.6 114.7 93.0 86.8 81.0 93.0 102.3 114.8 155.0 159.0 1352.7

482798 1482176 39 78724 Choluteca 186.0 144.0 173.6 170.5 126.0 139.5 165.0 198.4 217.0 218.4 251.1 234.0 2223.5



TABLA 7. ESTIMACIÓN DE LA ETP POR EL MÉTODO DE THORNTHWAITE (1948)


348971 1696226 190 23010 Quimistán 126.8 123.4 120.3 127.1 127.3 114.7 89.2 80.2 74.8 73.4 100.0 112.4 1269.5

313698 1668021 445 23011 La Entrada 126.8 123.4 120.3 127.1 127.3 114.7 89.2 80.2 74.8 73.4 100.0 112.4 1269.5

394881 1597589 600 25004 La Gloria 142.4 118.4 118.0 127.7 125.4 114.5 99.5 93.0 87.2 87.3 118.8 134.8 1367.1

418805 1660268 250 25014 El Cajón 183.1 159.7 144.5 153.1 156.2 136.9 110.9 104.4 97.6 106.5 148.5 169.3 1670.7


444910 1582712 880 25026 El Coyolar 129.2 112.1 113.9 128.8 121.4 109.7 91.3 87.7 83.5 84.2 111.4 122.0 1295.2

469462 1596740 740 25051 Santa Clara 121.2 108.6 104.0 112.1 111.0 104.8 88.3 78.4 73.4 73.3 97.2 110.4 1182.7

435889 1693919 220 25056 Morazán 162.9 150.0 141.6 150.4 150.6 136.8 107.9 98.8 90.7 87.9 120.3 140.7 1538.4

492666 1599241 760 25080 La Ermita 123.6 109.7 107.1 118.0 118.3 105.1 83.2 75.5 71.7 73.1 99.0 113.6 1198.0

468746 1622577 560 25081 Agua Caliente F.M. 148.5 128.4 124.3 131.7 130.3 122.1 98.4 89.0 84.3 86.2 118.1 137.6 1398.9

406102 1679948 60 25083 Santa Rita 181.8 167.1 157.6 162.8 173.0 159.2 124.6 112.4 101.1 100.1 139.6 162.1 1741.4

426365 1594594 595 25084 Playitas 133.1 119.5 118.4 128.3 122.7 114.1 93.6 89.0 83.9 85.5 110.4 123.3 1321.8

400949 1646570 640 25085 Santa Elena 111.4 102.6 100.2 106.7 105.7 99.9 81.0 75.4 70.8 68.0 88.2 97.9 1107.9

434934 1616929 440 25087 San Jerónimo 155.1 135.2 130.8 139.2 139.0 128.4 102.6 92.3 87.0 89.9 119.4 140.9 1460.0

457350 1604899 107 25104 Vallecillo 98.2 90.8 92.7 100.5 101.9 95.8 78.1 74.2 68.6 66.1 83.7 92.1 1042.7

327467 1655868 330 25114 Ulapa 167.5 151.8 147.1 148.8 152.3 138.6 110.9 96.6 88.9 89.8 127.7 149.8 1569.7

482013 1646526 720 25116 Marale 143.4 129.7 124.8 133.5 132.0 125.5 99.1 95.1 87.9 87.4 117.5 129.6 1405.5

291275 1603195 870 25131 Sensenti 108.6 99.3 99.5 106.8 103.7 96.0 81.4 75.7 70.5 71.1 92.3 100.8 1105.7

355984 1633400 600 25142 El Níspero 139.9 120.3 117.4 122.9 118.5 110.9 89.9 83.1 81.3 83.7 113.5 125.4 1306.8

393582 1702402 45 25144 El Modelo 189.5 178.8 166.1 180.2 178.8 162.3 125.6 109.8 100.1 97.7 133.1 161.2 1783.1

438449 1646107 1034 25202 Las Lajas 97.1 91.9 90.9 96.2 99.5 92.0 73.2 69.3 66.2 66.3 81.4 88.0 1012.1

434580 1705353 32 25993 Guaruma 1 Tela RRCo 213.2 216.0 204.4 214.0 220.0 187.9 145.4 125.2 114.4 109.9 151.0 166.6 2068.0


557218 1731662 100 31007 Corralitos 140.6 123.3 115.7 126.3 131.4 130.4 106.1 90.6 83.5 80.2 102.8 122.1 1353.0

546720 1711729 150 33004 Olanchito 187.9 161.5 150.8 160.6 165.7 148.9 118.1 105.1 92.6 90.9 128.1 146.2 1656.3

606251 1598854 299 39001 Cayetano 152.8 134.0 127.8 141.5 145.2 142.2 118.5 100.3 90.1 85.6 109.3 126.6 1473.7

576299 1612507 420 39003 Guayabillas 153.2 128.4 119.1 128.3 135.0 130.2 107.1 96.1 89.4 88.9 117.8 137.5 1431.1

546256 1548133 830 39009 Villa Ahumada 120.6 107.2 105.0 106.1 109.0 105.1 89.9 81.0 76.6 75.9 97.9 107.0 1181.3

571104 1555809 440 39017 El Piñonal 154.1 127.9 118.8 128.4 132.3 131.4 108.3 92.9 87.1 83.0 111.6 128.1 1403.8

586927 1619302 350 39027 La Conce 158.0 135.1 125.1 136.1 143.4 137.7 110.1 97.1 91.2 89.5 114.5 136.2 1474.0

609773 1553397 708 45103 Las Trojes 105.5 98.4 93.9 100.6 102.4 101.4 88.5 78.5 71.2 67.2 83.8 87.6 1079.0


460484 1502811 60 54001 Pespire 220.1 183.4 197.7 201.5 176.0 170.1 165.8 170.2 188.2 182.4 223.5 232.2 2311.3

446045 1495219 35 54002 Nacaome 251.8 209.6 243.1 245.2 209.6 216.4 204.9 216.3 245.0 255.5 310.4 324.5 2932.4

481576 1581798 890 56001 La Venta 112.5 100.3 98.7 105.9 106.7 100.5 82.1 73.4 67.4 69.5 86.3 100.5 1103.8


471171 1546175 1200 56106 Concepción 97.1 91.3 91.8 100.7 96.8 92.6 76.9 74.8 67.8 68.4 84.2 91.1 1033.7

472275 1555105 1063 56301 El Batallón 101.2 94.0 92.6 96.9 98.8 93.0 79.4 74.4 71.1 69.9 85.2 94.8 1051.3

467217 1557371 1174 56303 Quiebramontes 95.1 88.4 88.4 94.3 94.2 90.7 76.6 73.1 71.5 67.4 86.4 93.6 1019.8

481686 1546938 1245 56602 Villa Real 89.2 82.1 83.7 89.6 89.5 84.5 70.8 67.4 63.6 62.8 77.5 85.4 946.0

459776 1574558 1102 56701 El Reventón 97.6 92.3 90.5 98.3 96.6 91.8 76.9 70.9 70.5 68.1 85.4 92.4 1031.3

428392 1469855 6 78700 Amapala 183.7 167.2 199.7 189.3 152.6 165.0 170.6 179.9 179.4 170.7 194.1 201.9 2154.1

514998 1740075 14 78705 La Ceiba 140.1 144.6 142.1 149.5 147.1 138.7 112.4 98.4 91.7 82.3 100.6 113.6 1461.2

443587 1743950 3 78706 Tela 150.4 151.9 151.1 158.2 156.2 142.5 115.6 102.5 91.6 85.8 107.9 124.4 1538.1

399329 1707784 27 78708 La Mesa 134.1 131.7 128.4 136.1 137.0 126.9 100.4 90.9 81.9 77.6 98.7 113.8 1357.5


476308 1554124 1000 78720 Tegucigalpa 107.6 96.9 97.0 105.4 105.0 98.7 82.4 75.8 70.3 70.3 89.5 100.3 1099.2

482798 1482176 39 78724 Choluteca 245.9 193.4 223.0 246.1 196.2 195.3 209.2 233.5 234.6 231.8 278.4 290.3 2777.9



TABLA 8. ESTIMACIÓN DE LA ETP POR EL MÉTODO DE JENSEN-HAISE (1963)


348971 1696226 190 23010 Quimistán 174.3 164.1 163.5 163.7 143.4 122.4 93.5 88.5 104.1 121.2 163.2 175.2 1676.9

313698 1668021 445 23011 La Entrada 167.5 157.6 156.7 156.4 136.7 116.8 88.7 83.9 99.3 116.7 159.2 169.7 1609.4

394881 1597589 600 25004 La Gloria 178.9 152.1 155.3 160.1 139.2 133.1 115.3 113.2 123.8 140.4 184.1 190.2 1785.6

418805 1660268 250 25014 El Cajón 182.6 167.9 165.1 164.8 144.6 123.8 95.8 92.0 109.1 130.4 176.6 187.3 1740.1


444910 1582712 880 25026 El Coyolar 171.3 146.9 150.7 157.2 135.4 129.0 110.5 109.2 119.8 136.2 177.7 182.1 1725.9

469462 1596740 740 25051 Santa Clara 164.6 142.0 143.1 147.6 128.6 123.5 105.7 102.2 111.6 126.9 166.6 172.9 1635.3

435889 1693919 220 25056 Morazán 176.2 164.0 162.3 161.9 141.4 121.4 93.1 88.6 104.7 122.4 166.0 177.5 1679.4

492666 1599241 760 25080 La Ermita 165.3 142.3 144.2 149.6 130.8 123.5 104.1 101.2 110.9 126.9 167.3 174.1 1640.1

468746 1622577 560 25081 Agua Caliente F.M. 176.2 151.4 153.5 157.3 136.9 131.5 111.7 108.8 119.3 136.1 178.9 186.1 1747.8

406102 1679948 60 25083 Santa Rita 175.8 163.6 162.3 161.0 142.4 123.0 94.5 89.9 105.8 123.9 168.0 178.6 1688.7

426365 1594594 595 25084 Playitas 173.4 159.6 159.7 160.7 139.3 120.6 93.4 90.0 106.6 125.8 168.4 178.0 1675.6

400949 1646570 640 25085 Santa Elena 151.7 131.8 133.3 136.9 119.0 113.7 95.8 93.4 102.1 115.5 151.5 157.3 1501.9

434934 1616929 440 25087 San Jerónimo 179.9 155.0 157.3 161.4 140.8 134.9 114.6 111.6 122.3 139.6 181.8 189.2 1788.5

457350 1604899 107 25104 Vallecillo 121.1 111.7 112.2 113.2 99.7 85.8 65.5 62.7 73.7 86.5 116.8 124.4 1173.3

327467 1655868 330 25114 Ulapa 186.5 172.8 172.3 170.2 149.6 128.9 99.5 93.9 111.0 130.5 177.8 189.7 1782.5

482013 1646526 720 25116 Marale 181.9 158.1 160.1 164.3 142.8 137.5 116.2 114.7 125.1 141.9 185.8 190.8 1819.1

291275 1603195 870 25131 Sensenti 162.2 140.6 143.4 147.7 127.9 122.0 104.4 102.0 111.2 127.1 166.4 171.3 1626.3

355984 1633400 600 25142 El Níspero 174.8 149.8 152.0 155.3 134.2 128.6 109.2 106.7 117.9 135.1 177.7 182.9 1724.2

393582 1702402 45 25144 El Modelo 169.9 159.1 157.3 157.6 137.2 118.0 90.4 85.4 100.8 117.9 159.1 170.9 1623.5

438449 1646107 1034 25202 Las Lajas 148.5 129.9 131.7 135.0 119.0 112.7 94.0 92.1 101.1 116.0 150.3 155.2 1485.5



557218 1731662 100 31007 Corralitos 157.1 144.2 142.0 142.6 125.5 109.5 83.9 78.2 92.4 108.3 145.8 157.8 1487.4

546720 1711729 150 33004 Olanchito 186.1 170.8 169.0 168.5 147.9 126.8 97.5 92.3 108.3 126.9 172.7 183.4 1750.4

606251 1598854 299 39001 Cayetano 174.7 160.2 159.1 160.7 141.7 124.4 96.9 90.9 106.6 123.6 164.5 174.8 1678.0

576299 1612507 420 39003 Guayabillas 172.9 156.8 154.6 155.1 137.6 120.1 93.2 88.5 104.6 122.7 165.0 176.0 1647.2

546256 1548133 830 39009 Villa Ahumada 163.3 140.4 142.5 144.6 127.6 123.6 106.5 103.5 113.2 128.3 166.6 170.7 1630.8

571104 1555809 440 39017 El Piñonal 179.1 161.8 159.7 160.7 142.1 125.4 97.6 91.9 108.7 125.9 169.5 179.5 1702.0

586927 1619302 350 39027 La Conce 171.0 155.9 153.7 154.5 137.0 119.5 92.1 87.2 103.3 120.8 161.0 172.5 1628.5

609773 1553397 708 45103 Las Trojes 140.8 122.5 123.0 126.9 111.7 108.8 93.9 90.5 97.7 109.6 141.8 143.9 1411.2


460484 1502811 60 54001 Pespire 190.6 163.8 170.5 173.9 149.2 146.1 130.5 131.4 147.7 164.3 207.5 207.3 1982.8

446045 1495219 35 54002 Nacaome 182.9 157.6 165.8 169.0 144.9 143.5 127.7 129.1 145.2 163.1 205.1 204.7 1938.7

481576 1581798 890 56001 La Venta 164.0 141.0 143.0 147.5 129.2 123.9 105.0 101.6 110.3 126.7 163.6 171.3 1627.1


471171 1546175 1200 56106 Concepción 150.8 131.5 134.2 139.5 120.7 116.3 98.9 98.1 105.8 121.0 155.9 160.0 1532.8

472275 1555105 1063 56301 El Batallón 150.5 130.8 132.6 135.9 119.7 114.7 98.4 96.5 105.8 120.0 154.2 159.6 1518.8

467217 1557371 1174 56303 Quiebramontes 169.7 147.5 150.2 154.8 135.4 130.8 111.9 110.2 121.7 136.4 177.8 182.5 1728.9

481686 1546938 1245 56602 Villa Real 145.2 125.6 128.5 132.8 116.2 111.2 94.6 93.1 101.6 115.7 149.7 155.0 1469.2

459776 1574558 1102 56701 El Reventón 147.8 129.1 130.7 135.4 117.7 113.0 96.3 93.8 104.1 117.7 152.7 157.0 1495.3

428392 1469855 6 78700 Amapala 145.9 127.0 134.8 135.8 114.6 114.6 103.8 105.1 116.1 128.8 160.6 160.4 1547.6

514998 1740075 14 78705 La Ceiba 135.9 129.9 129.5 128.8 111.7 96.2 73.7 69.1 81.9 94.5 125.6 134.2 1311.1

443587 1743950 3 78706 Tela 136.4 129.8 129.8 128.9 111.9 95.7 73.4 69.1 81.2 94.5 126.4 135.5 1312.6

399329 1707784 27 78708 La Mesa 107.7 101.6 100.9 100.7 87.9 75.4 57.2 54.1 63.4 74.1 99.7 107.3 1029.9


476308 1554124 1000 78720 Tegucigalpa 159.3 137.3 140.0 145.0 126.8 121.7 104.0 101.4 110.3 125.6 163.0 168.7 1603.3

482798 1482176 39 78724 Choluteca 186.1 158.8 167.0 172.6 146.4 144.3 131.0 133.6 147.6 164.4 206.4 205.8 1964.0



TABLA 9. ESTIMACIÓN DE LA ETP POR EL MÉTODO FAO PENMAN-MONTEITH (1998)


348971 1696226 190 23010 Quimistán 133.3 135.0 151.9 158.1 144.0 124.0 102.0 102.3 111.6 112.0 130.2 132.0 1536.4

313698 1668021 445 23011 La Entrada 155.0 138.0 136.4 136.4 120.0 105.4 87.0 83.7 93.0 106.4 148.8 156.0 1466.1

394881 1597589 600 25004 La Gloria 151.9 129.0 130.2 133.3 117.0 108.5 96.0 96.1 102.3 112.0 148.8 156.0 1481.1

418805 1660268 250 25014 El Cajón 161.2 141.0 136.4 133.3 120.0 102.3 81.0 80.6 93.0 109.2 151.9 162.0 1471.9


444910 1582712 880 25026 El Coyolar 136.4 120.0 127.1 127.1 108.0 99.2 84.0 86.8 96.1 106.4 139.5 141.0 1371.6

469462 1596740 740 25051 Santa Clara 158.1 132.0 133.3 136.4 123.0 114.7 99.0 93.0 105.4 117.6 158.1 165.0 1535.6

435889 1693919 220 25056 Morazán 139.5 123.0 124.0 124.0 111.0 102.3 84.0 80.6 89.9 100.8 133.3 144.0 1356.4

492666 1599241 760 25080 La Ermita 148.8 123.0 124.0 127.1 111.0 105.4 84.0 83.7 102.3 114.8 151.9 159.0 1435.0

468746 1622577 560 25081 Agua Caliente F.M. 164.3 138.0 139.5 142.6 126.0 117.8 99.0 99.2 111.6 123.2 167.4 174.0 1602.6

406102 1679948 60 25083 Santa Rita 167.4 150.0 145.7 145.7 132.0 114.7 93.0 89.9 102.3 112.0 151.9 162.0 1566.6

426365 1594594 595 25084 Playitas 155.0 132.0 136.4 136.4 117.0 102.3 87.0 89.9 102.3 120.4 155.0 162.0 1495.7

400949 1646570 640 25085 Santa Elena 139.5 120.0 117.8 120.9 108.0 99.2 84.0 80.6 86.8 98.0 133.3 138.0 1326.1

434934 1616929 440 25087 San Jerónimo 155.0 138.0 136.4 136.4 120.0 105.4 84.0 83.7 96.1 112.0 151.9 159.0 1477.9

457350 1604899 107 25104 Vallecillo 142.6 120.0 124.0 127.1 111.0 102.3 87.0 86.8 96.1 106.4 142.6 150.0 1395.9

327467 1655868 330 25114 Ulapa 167.4 147.0 145.7 142.6 126.0 111.6 90.0 89.9 102.3 114.8 148.8 168.0 1554.1

482013 1646526 720 25116 Marale 133.3 114.0 114.7 117.8 105.0 96.1 81.0 83.7 89.9 100.8 130.2 138.0 1304.5

291275 1603195 870 25131 Sensenti 148.8 129.0 130.2 130.2 114.0 102.3 87.0 83.7 96.1 109.2 145.7 153.0 1429.2

355984 1633400 600 25142 El Níspero 155.0 132.0 133.3 130.2 117.0 102.3 81.0 80.6 89.9 106.4 142.6 153.0 1423.3

393582 1702402 45 25144 El Modelo 164.3 150.0 151.9 151.9 135.0 124.0 99.0 96.1 108.5 114.8 151.9 162.0 1609.4

438449 1646107 1034 25202 Las Lajas 139.5 129.0 127.1 124.0 114.0 96.1 75.0 80.6 86.8 98.0 133.3 141.0 1344.4



557218 1731662 100 31007 Corralitos 164.3 138.0 133.3 133.3 120.0 108.5 87.0 80.6 93.0 109.2 148.8 165.0 1481.0

546720 1711729 150 33004 Olanchito 173.6 147.0 145.7 145.7 132.0 114.7 90.0 89.9 99.2 112.0 155.0 165.0 1569.8

606251 1598854 299 39001 Cayetano 161.2 132.0 130.2 133.3 120.0 114.7 99.0 93.0 102.3 114.8 155.0 162.0 1517.5

576299 1612507 420 39003 Guayabillas 155.0 129.0 124.0 124.0 114.0 108.5 96.0 93.0 99.2 112.0 148.8 159.0 1462.5

546256 1548133 830 39009 Villa Ahumada 155.0 126.0 127.1 127.1 117.0 111.6 99.0 96.1 105.4 117.6 151.9 159.0 1492.8

571104 1555809 440 39017 El Piñonal 161.2 132.0 127.1 130.2 120.0 117.8 102.0 102.3 111.6 120.4 158.1 165.0 1547.7

586927 1619302 350 39027 La Conce 164.3 135.0 133.3 127.1 114.0 105.4 96.0 108.5 108.5 117.6 155.0 165.0 1529.7

609773 1553397 708 45103 Las Trojes 139.5 117.0 117.8 117.8 108.0 102.3 90.0 83.7 93.0 100.8 136.4 141.0 1347.3


460484 1502811 60 54001 Pespire 170.5 147.0 161.2 161.2 132.0 130.2 129.0 136.4 155.0 162.4 195.3 192.0 1872.2

446045 1495219 35 54002 Nacaome 158.1 138.0 155.0 151.9 126.0 127.1 123.0 133.3 148.8 154.0 186.0 180.0 1781.2

481576 1581798 890 56001 La Venta 155.0 132.0 133.3 136.4 120.0 111.6 96.0 93.0 105.4 117.6 155.0 162.0 1517.3


471171 1546175 1200 56106 Concepción 142.6 126.0 130.2 133.3 117.0 111.6 96.0 96.1 102.3 114.8 145.7 147.0 1462.6

472275 1555105 1063 56301 El Batallón 142.6 126.0 127.1 133.3 117.0 111.6 99.0 99.2 108.5 117.6 148.8 150.0 1480.7

467217 1557371 1174 56303 Quiebramontes 145.7 129.0 130.2 133.3 120.0 114.7 102.0 102.3 114.7 120.4 155.0 156.0 1523.3

481686 1546938 1245 56602 Villa Real 142.6 123.0 127.1 130.2 117.0 108.5 96.0 96.1 102.3 112.0 142.6 147.0 1444.4

459776 1574558 1102 56701 El Reventón 142.6 126.0 127.1 133.3 120.0 111.6 96.0 96.1 105.4 114.8 148.8 150.0 1471.7

428392 1469855 6 78700 Amapala 151.9 135.0 145.7 145.7 126.0 124.0 114.0 117.8 127.1 131.6 161.2 159.0 1639.0

514998 1740075 14 78705 La Ceiba 148.8 141.0 142.6 142.6 126.0 114.7 90.0 89.9 96.1 106.4 136.4 144.0 1478.5

443587 1743950 3 78706 Tela 145.7 138.0 139.5 136.4 120.0 105.4 84.0 80.6 86.8 98.0 133.3 141.0 1408.7

399329 1707784 27 78708 La Mesa 145.7 135.0 133.3 133.3 120.0 102.3 81.0 77.5 83.7 95.2 130.2 141.0 1378.2


476308 1554124 1000 78720 Tegucigalpa 148.8 129.0 130.2 136.4 117.0 108.5 96.0 96.1 105.4 117.6 151.9 159.0 1495.9

482798 1482176 39 78724 Choluteca 170.5 144.0 155.0 158.1 132.0 133.3 126.0 133.3 145.7 154.0 189.1 186.0 1827.0



Análisis de los Resultados

Comparación con FAO Penman-Monteith Se han analizado los diferentes resultados obtenidos de cada método comparando sus valores con

el método de referencia: FAO Penman-Monteith. La comparación de los resultados de todas las

estaciones y los bajos coeficientes de correlación (ilustración 7 y tabla 10) demuestran que no es

posible hacer un análisis regional utilizando todos los valores de las estaciones y que el análisis

debe hacerse en cada estación para la validación del método o métodos a ser utilizados.

TABLA 10. COEFICIENTES DE CORRELACIÓN (R) ENTRE LOS VALORES DE TODAS LAS ESTACIONES

PARA CADA MES DE LOS MÉTODOS ALTERNATIVOS Y LA ETO DE FAO PENMAN-MONTEITH

Mes Jensen-Haise Thornthwaite Hargreaves Ivanov

Mayo 0.5594 0.6950 0.5650 0.7227

Junio 0.4931 0.7681 0.5380 0.5778

Julio 0.4882 0.7988 0.6226 0.6971

Agosto 0.4425 0.7327 0.5785 0.6923

Septiembre 0.3796 0.6492 0.4897 0.6177

Octubre 0.4322 0.6463 0.5877 0.7592

Noviembre 0.5907 0.6815 0.7000 0.8947

Diciembre 0.6473 0.7452 0.7435 0.9040

Enero 0.7331 0.7967 0.7766 0.9388

Febrero 0.7489 0.8000 0.7344 0.9347

Marzo 0.7130 0.7496 0.6401 0.8887

Abril 0.6665 0.6861 0.5974 0.8262

ILUSTRACIÓN 7. COMPARACIÓN DE LOS DIFERENTES MÉTODOS Y EL MÉTODO DE LA FAO PENMAN-MONTEITH

y = 0.571x + 1.545R² = 0.560

1.0

2.0

3.0

4.0

5.0

6.0

7.0

1.0 2.0 3.0 4.0 5.0 6.0 7.0ETP

Pe

nm

an-M

on

teit

h (

mm

/día

)

ETP Jensen-Haise (mm/día)

ETP Promedio Diaria FebreroComparación Método Jensen-Haise y FAO Penman-Monteith

y = 0.285x + 3.130R² = 0.64

1.0

2.0

3.0

4.0

5.0

6.0

7.0

1.0 3.0 5.0 7.0 9.0 11.0ETP

Pe

nm

an-M

on

teit

h (

mm

/día

)

ETP Thornthwaite (mm/día)

ETP Promedio Diaria FebreroComparación Método Thornthwaite y FAO Penman-Monteith

y = 0.725x + 0.779R² = 0.539

1.0

2.0

3.0

4.0

5.0

6.0

7.0

1.0 2.0 3.0 4.0 5.0 6.0 7.0ETP

Pe

nm

an-M

on

teit

h (

mm

/día

)

ETP Hargreaves (mm/día)

ETP Promedio Diaria FebreroComparación Método Hargreaves y FAO Penman-Monteith

y = 0.333x + 2.782R² = 0.873

1.0

2.0

3.0

4.0

5.0

6.0

7.0

1.0 3.0 5.0 7.0 9.0 11.0ETP

Pe

nm

an-M

on

teit

h (

mm

/día

)

ETP Ivanov (mm/día)

ETP Promedio Diaria FebreroComparación Método Ivanov y FAO Penman-Monteith



Para los cotejos puntuales, se han realizado las comparaciones en base a las estimaciones diarias.

Los métodos de Jensen-Haise y Hargreaves demostraron tener las mejores correlaciones con el

método de la FAO Penman-Monteith. Aunque Hargreaves es el método alternativo propuesto por

la FAO para la determinación de la ETP en una localidad determinada, el método de Jensen-Haise

ha obtenido valores más cercanos a la ETo en Honduras. Lo anterior se explica probablemente

debido al número de parámetros utilizados, mientras Hargreaves se basa simplemente en la

temperatura, Jensen-Haise además de utilizar la temperatura ofrece una corrección por elevación

y utiliza la duración solar relativa para hacer su estimación (ver secciones 5.2 y 5.3). Si bien no se

miden las horas de sol reales en todas las estaciones de Honduras, la estimación y división

propuestas han demostrado ser de utilidad regional (ver sección 5.1), por lo que se recomienda

que se utilicen estos valores en futuras estimaciones hasta tener mayor cantidad de datos

disponibles para su regionalización.

ILUSTRACIÓN 8. COMPARACIÓN DE LAS DIFERENTES METODOLOGÍAS DE ESTIMACIÓN DE LA ETP EN LA ESTACIÓN

TEGUCIGALPA (78720)

La simple dispersión de los datos y el coeficiente de correlación demuestran que los mejores

métodos para estimar la ETo en una localidad específica son el de Jensen-Haise y el de Hargreaves

como lo podemos apreciar en la ilustración 8. El primer término de la ecuación de regresión, al ser

menor que uno, demuestra que estos dos métodos tienden a sobrestimar la ETo como se aprecia

en la siguiente ilustración.

y = 0.944x - 0.051R² = 0.992

0.0

1.0

2.0

3.0

4.0

5.0

6.0

0.0 1.0 2.0 3.0 4.0 5.0 6.0

ETP

Pe

nm

an-M

on

teit

h (

mm

/día

)

ETP Jensen-Haise (mm/día)

78720 - Tegucigalpa

Métodos Jensen-Haise y FAO Penman Monteith

y = 0.926x + 1.310R² = 0.319

0.0

1.0

2.0

3.0

4.0

5.0

6.0

0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0

ETP

Pe

nm

an-M

on

teit

h (

mm

/día

)

ETP Thornthwaite (mm/día)

78720 - Tegucigalpa

Métodos Thornthwaite y FAO Penman Monteith

y = 0.969x - 0.278R² = 0.955

0.0

1.0

2.0

3.0

4.0

5.0

6.0

0.0 1.0 2.0 3.0 4.0 5.0 6.0

ETP

Pe

nm

an-M

on

teit

h (

mm

/día

)

ETP Hargreaves (mm/día)

78720 - Tegucigalpa

Métodos Hargreves y FAO Penman Monteith

y = 0.734x + 1.413R² = 0.859

0.0

1.0

2.0

3.0

4.0

5.0

6.0

0.0 1.0 2.0 3.0 4.0 5.0 6.0

ETP

Pe

nm

an-M

on

teit

h (

mm

/día

)

ETP Ivanov (mm/día)

78720 - Tegucigalpa

Métodos Ivanov y FAO Penman Monteith



ILUSTRACIÓN 9. COMPARACIÓN DE LAS DIFERENTES METODOLOGÍAS EN LA ESTACIÓN CHOLUTECA (78724)

Se nota claramente que existen regímenes diferentes a lo largo de todo el territorio hondureño. En

Tegucigalpa, Choluteca y La Esperanza se nota la influencia de la canícula, mientras en Tela se

tiene una variación suave a lo largo del año, siempre mostrando sus máximos en abril y mayo

como en el resto del país. Los métodos de Jensen-Haise y Hargreaves ofrecen los valores más

cercanos a la ETo y siguen el mismo comportamiento a lo largo del año, caso contrario con los

métodos de Ivanov y Thornthwaite como se observa en la ilustración 9.

Hargreaves tiende a sobrestimar la ETo en las 48 estaciones, Jensen-Haise tiende la sobrestima en

41 estaciones, pero con los datos más cercanos a la ETo; mientras que Ivanov y Thornthwaite

subestiman y sobrestiman según la región donde se encuentre la estación o la estación lluviosa o

seca. El comportamiento de las estimaciones por Thornthwaite e Ivanov se justifica al estudiar su

formulación: ambas depende enteramente de la temperatura promedio mensual y no toma en

cuenta el resto de factores que influyen en la evapotranspiración, es decir atribuyen a la radiación

la totalidad del proceso, suposición incorrecta si se sabe que los procesos aerodinámicos también

tienen una gran influencia en la ETP.

La relación que existe entre series de los diferentes métodos y el de la FAO Penman-Monteith en

una estación dada está representada por el coeficiente de correlación de Perason (r). Al revisar las

correlaciones lineales entre los valores promedio diarios estimados entre los diferentes métodos

resultó que el método Jensen-Haise es el que mayor coeficiente de correlación presenta en la

mayoría de las estaciones, seguido por el método de Hargreaves. La tabla 11 detalla los

coeficientes de correlación de la comparación de los diferentes métodos con el de la FAO Penman-

Monteith.

0.0

2.0

4.0

6.0

8.0

10.0

12.0

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

ETP

(m

m/d

ía)

78724 - Choluteca

Jensen-Haise

Thornthwaite

Hargreaves

Ivanov

FAO Penman-Monteith

0.0

1.0

2.0

3.0

4.0

5.0

6.0


ETP

(m

m/d

ía)

78706 - Tela

Jensen-Haise

Thornthwaite

Hargreaves

Ivanov

FAO Penman-Monteith

0.0

1.0

2.0

3.0

4.0

5.0

6.0


ETP

(m

m/d

ía)

78720 - Tegucigalpa

Jensen-Haise

Thornthwaite

Hargreaves

Ivanov

FAO Penman-Monteith

0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5

4.0

4.5

5.0


ETP

(m

m/d

ía)

46999 - La Esperanza Intibucá

Jensen-Haise

Thornthwaite

Hargreaves

Ivanov

Penman-Monteith



TABLA 11. COEFICIENTES DE CORRELACIÓN (R2) DE LOS MÉTODOS ALTERNATIVOS Y LA ETO DE FAO PENMAN-

MONTEITH

Código Estación Jensen-Haise Thornthwaite Hargreaves Ivanov

23010 Quimistán 0.750 0.791 0.673 0.263

23011 La Entrada 0.977 0.465 0.985 0.755

25004 La Gloria 0.985 0.659 0.989 0.856

25014 El Cajón 0.986 0.782 0.992 0.760

25024 Las Flores Comayagua 0.949 0.359 0.848 0.883

25026 El Coyolar 0.974 0.549 0.984 0.795

25051 Santa Clara 0.994 0.452 0.972 0.898

25056 Morazán 0.973 0.504 0.973 0.815

25080 La Ermita 0.976 0.374 0.923 0.913

25081 Agua Caliente F.M. 0.994 0.531 0.952 0.817

25083 Santa Rita 0.988 0.581 0.977 0.838

25084 Playitas 0.939 0.467 0.956 0.822

25085 Santa Elena 0.984 0.459 0.964 0.807

25087 San Jerónimo 0.971 0.579 0.992 0.792

25104 Vallecillo 0.925 0.260 0.960 0.852

25114 Ulapa 0.978 0.598 0.978 0.768

25116 Marale 0.990 0.487 0.960 0.810

25131 Sensenti 0.984 0.496 0.986 0.601

25142 El Níspero 0.952 0.768 0.992 0.800

25144 El Modelo 0.994 0.570 0.978 NA

25202 Las Lajas 0.935 0.473 0.988 0.740

25993 Guaruma 1 Tela RRCo 0.994 0.511 0.977 NA

27013 San Francisco JFK 0.995 0.367 0.974 0.779

31007 Corralitos 0.960 0.349 0.977 0.780

33004 Olanchito 0.981 0.538 0.985 0.799

39001 Cayetano 0.893 0.187 0.951 0.818

39003 Guayabillas 0.892 0.469 0.959 0.771

39009 Villa Ahumada 0.981 0.374 0.949 NA

39017 El Piñonal 0.831 0.281 0.970 0.776

39027 La Conce 0.799 0.225 0.847 0.783

45103 Las Trojes 0.985 0.141 0.958 0.752

46999 La Esperanza Intibucá 0.991 0.137 0.991 0.751

54001 Pespire 0.885 0.901 0.814 0.655

54002 Nacaome 0.881 0.928 0.813 0.518

56001 La Venta 0.994 0.330 0.976 0.904

56071 Ingenio El Porvenir 0.980 0.350 0.960 0.730

56106 Concepción 0.994 0.350 0.976 NA

56301 El Batallón 0.993 0.297 0.980 NA

56303 Quiebramontes 0.989 0.325 0.976 NA

56602 Villa Real 0.992 0.389 0.973 NA

56701 El Reventón 0.994 0.396 0.985 NA

78700 Amapala 0.982 0.535 0.840 NA

78705 La Ceiba 0.993 0.360 0.963 NA

78706 Tela 0.992 0.435 0.972 0.931

78708 La Mesa 0.990 0.486 0.981 0.916

78717 Santa Rosa de Copán 0.986 0.425 0.983 0.767

78720 Tegucigalpa 0.992 0.319 0.955 0.859



78724 Choluteca 0.970 0.774 0.874 0.632

NA: No aplica

Se observa que para los casos en los que el método de Thornthwaite resulta satisfactorio (r2≥0.9)

los métodos de Jensen-Haise y Hargreaves bajan su correlación, este es el caso de las estaciones

Pespire y Nacaome, sitios de clima árido en donde predomina el término de radiación y la

humedad no es un factor influyente. También se observa que en las estaciones que están a altas

alturas la ecuación de Thornthwaite no funciona como lo hace en climas áridos, tal es el caso de la

estación La Esperanza en donde la correlación es muy baja (r2=0.137). En la mayoría de los casos el

método de Ivanov ofrece una mejor correlación que el método de Thornthwaite, ante la elección

entre uno y otro, el método de Ivanov parece la mejor opción.

Para los métodos de Jensen-Haise y Hargraves la altitud no es un factor influyente en la

determinación de la ETP y su relación con la ETo. Los altos valores de correlación corroboran la

aseveración que estos métodos son los más adecuados para la estimación de la ETo en caso de no

poder ser estimada mediante la fórmula propuesta por la FAO Penman-Monteith. En cualquier

caso, se debe hacer la salvedad que la FAO ofrece metodologías para estimar los parámetros

faltantes para la estimación de la ETo y que el uso de otras ecuaciones alternativas debe estar bien

documentado antes de usar estos métodos.

Queda demostrado que el estudio de la mejor metodología de cálculo alternativa a la FAO

Penman-Monteith (ETo) se debe hacer en cada estación, validando los métodos utilizados en cada

estación y derivando los parámetros o constantes necesarias para el cálculo en cada locación

específica. Los estudios regionales se deben realizar basados en las estimaciones puntuales y no en

una agrupación de los valores de todas las estaciones incluidas en la zona, de hacerse así se puede

caer en conclusiones erróneas que no representan la realidad.

La tabla 12 detalla las ecuaciones de regresión de los dos métodos que mayor coeficiente de

correlación obtuvieron: Jensen-Haise y Hargreaves. La “Y” representa el valor ETo de FAO Penman-

Monteith obtenido de “X”, el valor de ETP según el método de estimación utilizado.

Relación ETP y elevación A partir de los valores de Hargreaves se observó que la ETP anual tiene una relación inversamente

proporcional a la elevación. Se aprecia en la ilustración 10 la gran dispersión existente entre los

datos de la ETP y su respectiva elevación, sin embargo al obtener el coeficiente de correlación

entre las dos series se deduce que la ecuación de la ETP de Hargreaves tiene una muy buena

correlación con la elevación (r = 0.832) si se toman sólo los valores con elevaciones mayores a 150

msnm.

Se deduce que se puede utilizar la elevación como una variable secundaria extensiva en la

extrapolación de la ETo a nivel de país. Por tanto la elevación ha sido utilizada como variable

independiente en la extrapolación de la ETo mediante métodos geoestadísticos (Co-Kriging)

quedando pendiente su validación para elevaciones menores a 150 msnm.



Código

Estación Ecuación Jensen-Haise

Ecuación Hargreaves

23010 Quimistán Y = 0.534X + 1.86

Y = 0.613X+1.221

23011 La Entrada Y = 0.825X + 0.375

Y = 0.96X - 0.559

25004 La Gloria

Y = 0.807X+0.107

Y = 0.845X - 0.133

25014 El Cajón Y = 0.858X-0.061

Y = 0.977X - 0.792

25024 Las Flores Comayagua

Y = 0.751X+0.273

Y = 0.820X - 0.168

25026 El Coyolar Y = 0.796X-0.009

Y = 0.854X - 0.258

25051 Santa Clara Y = 0.987X-0.219

Y = 1.003X - 0.465

25056 Morazán

Y = 0.651X+0.718

Y = 0.817X - 0.419

25080 La Ermita Y = 0.993X-0.530

Y = 1.063X -1.066

25081 Agua Caliente F.M.

Y = 0.971X-0.263

Y = 0.998X - 0.550

25083 Santa Rita

Y = 0.835X+0.426

Y = 1.013X - 0.818

25084 Playitas

Y = 0.796X+0.442

Y = 1.038X - 1.063

25085 Santa Elena Y = 0.937X-0.224

Y = 0.813X + 0.098

25087 San Jerónimo Y = 1.010X-0.903

Y = 0.976X - 0.884

25104 Vallecillo

Y = 0.940X+0.800

Y = 0.977X - 0.116

25114 Ulapa

Y = 0.794X+0.379

Y = 0.974X - 0.739

25116 Marale Y = 0.727X-0.052

Y = 0.879X - 0.928

25131 Sensenti Y = 1.001X-0.546

Y = 0.986X - 0.493

25142 El Níspero Y = 0.984X-0.752

Y = 0.958X - 0.557

25144 El Modelo

Y = 0.772X+0.970

Y = 0.983X - 0.308

25202 Las Lajas Y = 1.053X-0.605

Y = 1.016X - 0.666

25993 Guaruma 1 Tela RRCo

Y = 0.907X+0.801

Y = 0.961X - 0.188

27013 San Francisco JFK

Y = 0.902X+0.390

Y = 1.019X - 1.269

31007 Corralitos

Y = 0.983X+0.049

Y = 1.161X - 1.313

33004 Olanchito

Y = 0.838X+0.278

Y = 1.009X - 0.795

39001 Cayetano

Y = 0.736X+0.770

Y = 0.997X - 0.824

39003 Guayabillas

Y = 0.695X+0.868

Y = 0.993X - 0.812

39009 Villa Ahumada Y = 0.922X-0.033

Y = 1.001X - 0.407

39017 El Piñonal

Y = 0.638X+1.262

Y = 0.992X - 0.742

39027 La Conce

Y = 0.693X+1.098

Y = 0.985X - 0.538

45103 Las Trojes Y = 1.031X-0.297

Y = 0.987X - 0.401

Código

Estación Ecuación Jensen-Haise

Ecuación Hargreaves

46999 La Esperanza Intibucá

Y = 1.069X-0.125

Y = 0.898X + 0.010

54001 Pespire

Y = 0.818X+0.684

Y = 1.145X - 1.347

54002 Nacaome

Y = 0.739X+0.951

Y = 1.372X - 2.541

56001 La Venta Y = 0.982X-0.223

Y = 0.934X - 0.097

56071 Ingenio El Porvenir

Y = 0.849X+0.005

Y = 0.970X - 0.708



56106 Concepción

Y = 0.860X+0.395

Y = 0.898X + 0.163

56301 El Batallón

Y = 0.833X+0.590

Y = 0.892X + 0.140

56303 Quiebramontes

Y = 0.749X+0.622

Y = 0.889X + 0.129

56602 Villa Real

Y = 0.857X+0.506

Y = 0.897X + 0.132

56701 El Reventón

Y = 0.878X+0.433

Y = 0.878X + 0.239

78700 Amapala

Y = 0.791X+1.134

Y = 1.214X - 1.026

78705 La Ceiba

Y = 0.897X+0.825

Y = 1.004X - 0.223

78706 Tela

Y = 0.972X+0.360

Y = 1.165X - 0.949

78708 La Mesa Y = 1.251X+0.24

Y = 1.343X - 0.640

4

78717 Santa Rosa de Copán

Y = 0.897X+0.170

Y = 0.997X - 0.370

78720 Tegucigalpa Y = 0.944X-0.051

Y = 0.969X - 0.278

78724 Choluteca

Y = 0.808X+0.653

Y = 1.030X - 0.336

TABLA 12. ECUACIONES DE REGRESIÓN ENTRE LOS

MÉTODOS ALTERNATIVOS MÁS REPRESENTATIVOS Y LA

ETO DE FAO PENMAN-MONTEITH

Y = ETO FAO PENMAN-MONTEITH

X = ETP JENSEN-HAISE Ó ETP HARGREAVES

El primer término de la ecuación, al ser menor

que uno, muestra efectivamente que ambos

métodos tienden a sobrestimar la ETo en la

mayoría de los casos. Entre más cercano es el

primer término a uno más cercano es el valor

estimado por el método a la ETo propuesta por

el método FAO Penman-Monteith.



ILUSTRACIÓN 10. RELACIÓN DE LA ETP ANUAL SEGÚN HARGREAVES Y LA ALTITUD (MSNM)

0

200

400

600

800

1000

1200

1400

1600

1800

1000.0 1200.0 1400.0 1600.0 1800.0 2000.0 2200.0

Ele

vaci

ón

(m

snm

)

ETP (mm/año)

Relación ETP Anual-Altitud

0.832

0.000

0.100

0.200

0.300

0.400

0.500

0.600

0.700

0.800

0.900

1.000

0 200 400 600 800 1000 1200 1400

Co

efi

cie

nte

de

Co

rre

laci

ón

Elevación (msnm)

Correlación entre Altitud y ETP anual

r

elegido

150 msnm

y = -0.316x + 1929.R² = 0.692

1000.0

1100.0

1200.0

1300.0

1400.0

1500.0

1600.0

1700.0

1800.0

1900.0

2000.0

0 200 400 600 800 1000 1200 1400 1600 1800

ETP

an

ual

(m

m/a

ño

)

Elevación (msnm)

Relación ETP Anual-Altitud



Coeficientes de corrección Otra alternativa más sencilla y de fácil aplicación en el campo es la multiplicación del valor

obtenido por los métodos por un coeficiente que aproxime la ETP estimada a la ETo de la FAO. A

continuación se proponen algunos coeficientes promedio que pueden ser utilizados en la

estimación de la ETo.

TABLA 13. COEFICIENTES DE CORRECCIÓN PROMEDIO

Mes/Método Jensen-Haise Hargreaves

Enero 0.97 0.88

Febrero 0.93 0.90

Marzo 0.93 0.91

Abril 0.93 0.91

Mayo 0.94 0.89

Junio 0.92 0.88

Julio 0.92 0.88

Agosto 0.92 0.87

Septiembre 0.93 0.83

Octubre 0.93 0.84

Noviembre 0.97 0.84

Diciembre 1.00 0.86

Al observar los valores se comprueba que ambos métodos tienden a sobrestimar la ETo, sin

embargo estos son valores promedio y se debe procurar proponer coeficientes de corrección para

cada estación. Valores de coeficientes de corrección para cada estación se proponen en las tablas

16 y 17.

Validación de las ecuaciones de regresión y los coeficientes de corrección Se han deducido las ecuaciones de regresión a nivel diario en las que se relacionan los métodos

Jensen-Haise y Hargreaves con el de FAO Penman-Monteith, sin embargo se desea conocer si la

estimación obtenida a partir de estas ecuaciones de regresión son válidas para la estimación de la

ETo.

Se han validado los valores mediante dos análisis: 2 y RMSE (Error cuadrático medio) para

verificar la validez de las estimaciones a nivel diario y luego obtener los valores mensuales

promedio. La tabla 13 resume los valores encontrados.

TABLA 14. RESUMEN DE TEST ESTADÍSTICOS SOBRE VALORES DIARIOS

Método 2 RMSE Error Típico R2

Jensen-Haise (ecuación) 1.000 0.0201 0.1394 0.9683

Hargreaves (ecuación) 1.000 0.0858 0.2890 0.8712

Jensen-Haise (coeficiente) 1.000 0.2070 0.4516 0.7630

Hargreaves (coeficiente) 1.000 0.1439 0.3534 0.7797



De la tabla anterior se deduce que todos los métodos son válidos al momento de estimar la ETP y

que luego modificar sus valores por medio de las ecuaciones de regresión o coeficientes para

obtener la ETo; sin embargo los test estadísticos apuntan a que se debe preferir utilizar el método

Jensen-Haise modificado por las ecuaciones de regresión antes que el resto de métodos.

Si se multiplica el error típico por 30 se puede obtener el error típico que se puede obtener al mes

(tabla 14). Es evidente que el menor error lo ofrece el método de Jensen-Haise modificado por la

ecuación de regresión, seguido por el método de Hargreaves modificado por la ecuación de

regresión. Nótese que si se usan los coeficientes para corregir la ETP, el método de Hargreaves

ofrece un menor error, aunque ambos métodos tienen una correlación muy similar.

TABLA 15. RESUMEN DE TEST ESTADÍSTICOS SOBRE VALORES MENSUALES

Método Error Típico

Jensen-Haise (ecuación) 4.182

Hargreaves (ecuación) 8.670

Jensen-Haise (coeficiente) 13.548

Hargreaves (coeficiente) 10.602

Se concluye que con cualquier método que se utilice el mayor error a cometer es de alrededor de

13 mm/mes, valor que constituye entre el 8% y el 14% de la ETP mensual en las diferentes

localidades del país.

Conclusiones Siempre que sea posible se debe estimar la Evapotranspiración por medio de la fórmula de la FAO

Penman-Monteith. Ante la imposibilidad de aplicar esta fórmula, se ha demostrado que el método

de Jensen Haise y el método de Hargreaves, modificados por una ecuación de regresión propia

para cada estación, o por coeficientes de corrección producen valores cercanos a la

evapotranspiración de referencia. Se sugiere utilizar el método de Jensen-Haise como primera

alternativa y el método de Hargreaves como segunda, si se usan las ecuaciones de regresión; y

viceversa si se usan los coeficientes de corrección.

Para poder realizar las estimaciones mediante el método de Jensen-Haise se necesita conocer las

horas de sol reales en la localidad de la estimación. En la sección 5.1 se propone una estimación de

los valores de la duración solar relativa en todo el país, variable que se introduce directamente en

la aplicación de este método y junto con el resto de parámetros estima la ETP en el sitio de

interés.

La elevación como variable independiente puede ayudar en la estimación de la ETo en las

localidades donde no existen datos. Utilizar técnicas geoestadísticas basadas en variables

secundarias (Ej. CoKriging) produce mapas de variables extrapoladas (ETo) en todo el territorio

hondureño.



TABLA 16. COEFICIENTES DE CORRECCIÓN PARA EL MÉTODO JENSEN-HAISE

TABLA 17. COEFICIENTES DE CORRECCIÓN PARA EL MÉTODO HARGREAVES

COD_NAC NOM_EST Altitud (m) Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Enero Febrero Marzo Abril

23010 Quimistán 190 0.76 0.82 0.93 0.97 1.00 1.01 1.09 1.16 1.07 0.92 0.80 0.75

23011 La Entrada 445 0.93 0.88 0.87 0.87 0.88 0.90 0.98 1.00 0.94 0.91 0.93 0.92

25004 La Gloria 600 0.85 0.85 0.84 0.83 0.84 0.82 0.83 0.85 0.83 0.80 0.81 0.82

25014 El Cajón 250 0.88 0.84 0.83 0.81 0.83 0.83 0.85 0.88 0.85 0.84 0.86 0.86

25024 Las Flores Comayagua 620 0.79 0.77 0.80 0.80 0.76 0.78 0.83 0.83 0.88 0.84 0.83 0.79

25026 El Coyolar 880 0.80 0.82 0.84 0.81 0.80 0.77 0.76 0.79 0.80 0.78 0.79 0.77

25051 Santa Clara 740 0.96 0.93 0.93 0.92 0.96 0.93 0.94 0.91 0.94 0.93 0.95 0.95

25056 Morazán 220 0.79 0.75 0.76 0.77 0.79 0.84 0.90 0.91 0.86 0.82 0.80 0.81

25080 La Ermita 760 0.90 0.86 0.86 0.85 0.85 0.85 0.81 0.83 0.92 0.90 0.91 0.91

25081 Agua Caliente F.M. 560 0.93 0.91 0.91 0.91 0.92 0.90 0.89 0.91 0.94 0.91 0.94 0.93

25083 Santa Rita 60 0.95 0.92 0.90 0.91 0.93 0.93 0.98 1.00 0.97 0.90 0.90 0.91

25084 Playitas 595 0.89 0.83 0.85 0.85 0.84 0.85 0.93 1.00 0.96 0.96 0.92 0.91

25085 Santa Elena 640 0.92 0.91 0.88 0.88 0.91 0.87 0.88 0.86 0.85 0.85 0.88 0.88

25087 San Jerónimo 440 0.86 0.89 0.87 0.85 0.85 0.78 0.73 0.75 0.79 0.80 0.84 0.84

25104 Vallecillo 107 1.18 1.07 1.11 1.12 1.11 1.19 1.33 1.38 1.30 1.23 1.22 1.21

25114 Ulapa 330 0.90 0.85 0.85 0.84 0.84 0.87 0.90 0.96 0.92 0.88 0.84 0.89

25116 Marale 720 0.73 0.72 0.72 0.72 0.74 0.70 0.70 0.73 0.72 0.71 0.70 0.72

25131 Sensenti 870 0.92 0.92 0.91 0.88 0.89 0.84 0.83 0.82 0.86 0.86 0.88 0.89

25142 El Níspero 600 0.89 0.88 0.88 0.84 0.87 0.80 0.74 0.76 0.76 0.79 0.80 0.84

25144 El Modelo 45 0.97 0.94 0.97 0.96 0.98 1.05 1.10 1.13 1.08 0.97 0.95 0.95

25202 Las Lajas 1034 0.94 0.99 0.97 0.92 0.96 0.85 0.80 0.88 0.86 0.84 0.89 0.91

25993 Guaruma 1 Tela RRCo 32 1.09 1.09 1.09 1.07 1.11 1.15 1.19 1.23 1.17 1.09 1.07 1.04

27013 San Francisco JFK 10 1.00 0.99 1.00 1.01 1.01 1.03 1.07 1.08 1.03 1.00 0.98 0.97

31007 Corralitos 100 1.05 0.96 0.94 0.93 0.96 0.99 1.04 1.03 1.01 1.01 1.02 1.05

33004 Olanchito 150 0.93 0.86 0.86 0.86 0.89 0.90 0.92 0.97 0.92 0.88 0.90 0.90

39001 Cayetano 299 0.92 0.82 0.82 0.83 0.85 0.92 1.02 1.02 0.96 0.93 0.94 0.93

39003 Guayabillas 420 0.90 0.82 0.80 0.80 0.83 0.90 1.03 1.05 0.95 0.91 0.90 0.90

39009 Villa Ahumada 830 0.95 0.90 0.89 0.88 0.92 0.90 0.93 0.93 0.93 0.92 0.91 0.93

39017 El Piñonal 440 0.90 0.82 0.80 0.81 0.84 0.94 1.05 1.11 1.03 0.96 0.93 0.92

39027 La Conce 350 0.96 0.87 0.87 0.82 0.83 0.88 1.04 1.24 1.05 0.97 0.96 0.96

45103 Las Trojes 708 0.99 0.96 0.96 0.93 0.97 0.94 0.96 0.92 0.95 0.92 0.96 0.98

46999 La Esperanza Intibucá 1680 1.04 1.02 1.02 1.03 1.03 1.01 0.99 1.03 1.05 1.04 1.06 1.03

54001 Pespire 60 0.89 0.90 0.95 0.93 0.88 0.89 0.99 1.04 1.05 0.99 0.94 0.93

54002 Nacaome 35 0.86 0.88 0.93 0.90 0.87 0.89 0.96 1.03 1.02 0.94 0.91 0.88

56001 La Venta 890 0.95 0.94 0.93 0.92 0.93 0.90 0.91 0.92 0.96 0.93 0.95 0.95

56071 Ingenio El Porvenir 660 0.86 0.83 0.83 0.83 0.84 0.83 0.85 0.87 0.89 0.84 0.86 0.87

56106 Concepción 1200 0.95 0.96 0.97 0.96 0.97 0.96 0.97 0.98 0.97 0.95 0.93 0.92

56301 El Batallón 1063 0.95 0.96 0.96 0.98 0.98 0.97 1.01 1.03 1.03 0.98 0.96 0.94

56303 Quiebramontes 1174 0.86 0.87 0.87 0.86 0.89 0.88 0.91 0.93 0.94 0.88 0.87 0.85

56602 Villa Real 1245 0.98 0.98 0.99 0.98 1.01 0.98 1.01 1.03 1.01 0.97 0.95 0.95

56701 El Reventón 1102 0.96 0.98 0.97 0.98 1.02 0.99 1.00 1.02 1.01 0.98 0.97 0.96

78700 Amapala 6 1.04 1.06 1.08 1.07 1.10 1.08 1.10 1.12 1.09 1.02 1.00 0.99

78705 La Ceiba 14 1.10 1.09 1.10 1.11 1.13 1.19 1.22 1.30 1.17 1.13 1.09 1.07

78706 Tela 3 1.07 1.06 1.07 1.06 1.07 1.10 1.14 1.17 1.07 1.04 1.05 1.04

78708 La Mesa 27 1.35 1.33 1.32 1.32 1.36 1.36 1.42 1.43 1.32 1.28 1.31 1.31

78717 Santa Rosa de Copán 1083 0.96 0.92 0.91 0.91 0.93 0.93 0.99 1.00 0.96 0.93 0.97 0.95

78720 Tegucigalpa 1000 0.93 0.94 0.93 0.94 0.92 0.89 0.92 0.95 0.96 0.94 0.93 0.94

78724 Choluteca 39 0.92 0.91 0.93 0.92 0.90 0.92 0.96 1.00 0.99 0.94 0.92 0.90



COD_NAC NOM_EST Altitud (m) Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Enero Febrero Marzo Abril

23010 Quimistán 190 0.70 0.81 0.90 0.92 0.91 0.88 0.88 0.92 0.93 0.86 0.74 0.71

23011 La Entrada 445 0.85 0.87 0.87 0.86 0.82 0.79 0.79 0.79 0.83 0.85 0.87 0.86

25004 La Gloria 600 0.82 0.80 0.82 0.82 0.79 0.81 0.82 0.83 0.81 0.82 0.84 0.84

25014 El Cajón 250 0.85 0.84 0.85 0.82 0.79 0.78 0.74 0.74 0.80 0.83 0.84 0.85

25024 Las Flores Comayagua 620 0.78 0.74 0.77 0.76 0.70 0.75 0.78 0.79 0.84 0.86 0.85 0.83

25026 El Coyolar 880 0.79 0.81 0.82 0.80 0.76 0.78 0.77 0.79 0.81 0.82 0.82 0.81

25051 Santa Clara 740 0.92 0.89 0.89 0.88 0.86 0.87 0.90 0.87 0.90 0.93 0.94 0.96

25056 Morazán 220 0.74 0.72 0.72 0.73 0.71 0.74 0.70 0.70 0.73 0.75 0.76 0.79

25080 La Ermita 760 0.87 0.83 0.82 0.81 0.76 0.80 0.76 0.76 0.86 0.89 0.92 0.92

25081 Agua Caliente F.M. 560 0.90 0.86 0.86 0.87 0.83 0.86 0.86 0.87 0.90 0.91 0.94 0.95

25083 Santa Rita 60 0.88 0.88 0.87 0.85 0.82 0.79 0.79 0.80 0.85 0.86 0.88 0.90

25084 Playitas 595 0.86 0.82 0.82 0.81 0.77 0.76 0.75 0.77 0.82 0.88 0.88 0.89

25085 Santa Elena 640 0.84 0.81 0.82 0.82 0.78 0.82 0.85 0.85 0.86 0.88 0.87 0.86

25087 San Jerónimo 440 0.82 0.83 0.82 0.82 0.77 0.77 0.74 0.74 0.77 0.80 0.83 0.85

25104 Vallecillo 107 0.96 0.93 0.95 0.94 0.87 0.91 0.94 0.96 0.98 0.97 0.98 0.98

25114 Ulapa 330 0.85 0.87 0.86 0.84 0.80 0.79 0.76 0.78 0.83 0.84 0.81 0.88

25116 Marale 720 0.72 0.69 0.68 0.69 0.67 0.67 0.66 0.66 0.68 0.72 0.73 0.77

25131 Sensenti 870 0.87 0.90 0.91 0.91 0.85 0.85 0.83 0.82 0.85 0.89 0.88 0.90

25142 El Níspero 600 0.85 0.85 0.86 0.84 0.83 0.81 0.77 0.80 0.82 0.86 0.86 0.88

25144 El Modelo 45 0.91 0.93 0.94 0.92 0.89 0.88 0.86 0.90 0.94 0.95 0.94 0.95

25202 Las Lajas 1034 0.88 0.90 0.88 0.86 0.84 0.84 0.78 0.84 0.84 0.84 0.89 0.90

25993 Guaruma 1 Tela RRCo 32 0.92 0.93 0.92 0.92 0.89 0.88 0.89 0.90 0.94 0.95 0.95 0.97

27013 San Francisco JFK 10 0.81 0.80 0.78 0.78 0.74 0.72 0.68 0.67 0.72 0.77 0.79 0.82

31007 Corralitos 100 0.93 0.92 0.93 0.90 0.84 0.81 0.78 0.78 0.83 0.88 0.89 0.94

33004 Olanchito 150 0.88 0.87 0.86 0.86 0.83 0.80 0.78 0.80 0.84 0.86 0.89 0.90

39001 Cayetano 299 0.86 0.83 0.83 0.82 0.77 0.77 0.79 0.79 0.83 0.86 0.89 0.89

39003 Guayabillas 420 0.86 0.84 0.83 0.80 0.76 0.77 0.80 0.81 0.81 0.84 0.86 0.88

39009 Villa Ahumada 830 0.92 0.87 0.89 0.90 0.86 0.86 0.91 0.90 0.92 0.96 0.95 0.95

39017 El Piñonal 440 0.87 0.84 0.83 0.83 0.80 0.80 0.81 0.84 0.85 0.87 0.88 0.90

39027 La Conce 350 0.92 0.90 0.90 0.83 0.77 0.75 0.82 0.95 0.89 0.89 0.92 0.93

45103 Las Trojes 708 0.91 0.88 0.92 0.89 0.84 0.83 0.86 0.86 0.91 0.92 0.93 0.91

46999 La Esperanza Intibucá 1680 0.90 0.87 0.91 0.91 0.88 0.91 0.89 0.90 0.91 0.92 0.90 0.91

54001 Pespire 60 0.91 0.86 0.87 0.87 0.82 0.83 0.87 0.91 0.99 1.00 0.97 0.97

54002 Nacaome 35 0.91 0.86 0.87 0.86 0.82 0.83 0.84 0.89 0.95 0.99 1.00 0.98

56001 La Venta 890 0.91 0.90 0.93 0.92 0.85 0.89 0.91 0.91 0.93 0.94 0.93 0.93

56071 Ingenio El Porvenir 660 0.84 0.81 0.80 0.81 0.78 0.80 0.79 0.82 0.84 0.84 0.86 0.89

56106 Concepción 1200 0.92 0.92 0.92 0.93 0.89 0.93 0.95 0.95 0.96 0.97 0.96 0.94

56301 El Batallón 1063 0.91 0.94 0.92 0.91 0.88 0.91 0.94 0.94 0.95 0.95 0.93 0.93

56303 Quiebramontes 1174 0.91 0.91 0.92 0.91 0.87 0.91 0.92 0.94 0.95 0.94 0.93 0.92

56602 Villa Real 1245 0.93 0.91 0.93 0.92 0.88 0.90 0.94 0.95 0.95 0.96 0.95 0.93

56701 El Reventón 1102 0.92 0.92 0.92 0.92 0.90 0.94 0.94 0.95 0.96 0.96 0.95 0.93

78700 Amapala 6 1.01 0.96 0.95 0.96 0.94 0.95 0.95 0.97 1.00 1.03 1.06 1.07

78705 La Ceiba 14 0.96 0.97 0.94 0.95 0.91 0.91 0.89 0.93 0.97 1.00 1.00 0.99

78706 Tela 3 0.96 0.97 0.95 0.96 0.90 0.88 0.86 0.86 0.87 0.94 1.00 1.00

78708 La Mesa 27 1.22 1.24 1.21 1.20 1.15 1.11 1.11 1.13 1.15 1.20 1.22 1.27

78717 Santa Rosa de Copán 1083 0.90 0.95 0.94 0.94 0.91 0.86 0.85 0.85 0.88 0.89 0.91 0.90

78720 Tegucigalpa 1000 0.91 0.89 0.91 0.90 0.84 0.86 0.90 0.91 0.93 0.95 0.94 0.95

78724 Choluteca 39 0.97 0.92 0.93 0.93 0.88 0.93 0.95 1.00 1.03 1.03 1.01 0.99

97

Biblografía Allen R.G., Pereira L.S., Raes D. & Smith M. 1998. Crop evapotranspiration: Guidelines for

computing crop requirements. Irrigation and Drainage Paper No. 56, FAO, Rome, Italy. COMISIÓN NACIONAL DE RIEGO. Cálculo y cartografía de la evapotranspiración potencial en

Chile. Santiago: Comisión Nacional de Riego, 1997. Droogers P. and R.G. Allen. 2002. Estimating reference evapotranspiration under inaccurate data

conditions. Irrigation and Drainage Systems, Volume 16, Issue 1, February 2002, Pages 33 – 45

HARGREAVES, G. H. Defining and using reference evapotranspiration. Journal of Irrigation and Drainage Engineering, ASCE, 1994, vol. 120, Nº 6, p. 1132-1139.

Hargreaves, G.H. & Allen, R.G. (2003). History and evaluation of Hargreaves evapotranspiration equation. Journal of Irrigation and Drainage Engineering 129/1, January/February, p. 53-63.

Hargreaves, G.L., Hargreaves, G.H., y Riley, J.P. 1985. Agricultural benefits for Senegal River Basin. J. Irrigation and Drainage Engr., ASCE 111:113-124.

Hijmans, R.J., Cameron, S.E., Parra, J.L., Jones, P.G. & Jarvis, A. (2004) The WorldClim interpolated global terrestrial climate surfaces, version 1.3 . Available at http://biogeo.berkeley.edu/.

Jiménez, F. & Hernández, R. (1990). Estudio de la evapotranspiración potencial en Honduras. Centro Agronómico Tropical de Investigación y Enseñanza (CATIE), Programa Manejo Integrado de los Recursos Naturales, Proyecto Regional de Agrometeorología, pp. 60.

LÓPEZ-MORENO, J. L.; HESS, T. M. & WHITE, M. Estimation of reference evapotranspiration in a mountainous mediterranean site using the Penman-Monteith equation with limited meteorological Data. Pirineos, 2009, Nº 164, p. 7-31.

MCKENNEY, M. S. & ROSENBERG, N. J. Sensitivity of some potential evapotranspiration estimation methods to climate change. Agricultural and Forest Meteorology, 1993, vol. 64, p. 81-110.

Menne, M.J.,Williams Jr., C. N., Vose, R. S. The U.S. Historical Climatology Network Monthly Temperature Data, Version 2. American Meteorological Society, July 2009, pp. 993-1007.

SÁNCHEZ, M. I. Métodos para el estudio de la evaporación y evapotranspiración. Cuadernos Técnicos de la Sociedad Española de Geomorfología Nº 3. Logroño: Geoforma, Ediciones, 1992.

SERNA/CEDEX (2002). Balance Hídrico de Honduras. Agencia Española de Cooperación Internacional (AECI), pp.506.

TEMESGEN, B.; ECHING, S.; DAVIDOFF, B. & FRAME, K. Comparison of some reference evapotranspiration equations for California. Journal of Irrigation and Drainage Engineering, ASCE, 2005, january/february, p. 73-84.

Thornthwaite, C.W. 1948. An approach toward a rational classification of climate. Geograph. Rev., 38, 55.

VALENZUELA, A. y FERREIRA, V. Variación de la evapotranspiración potencial en Chile. Agro-Ciencia, 1985, vol. 1, Nº 1, p. 15-21.

XU, C. Y. & SINGH, V. P. Evaluation and generalization of temperature-based methods for calculating evaporation. Hydrological Processes, 2001, Nº 13, p. 305-319.

Zúniga, E., Las modalidades de la lluvia en Honduras. Ed. Guaymuras, 1990, pp. 141.

http://biogeo.berkeley.edu/



1.10 Ayudas memorias Ayuda Memoria

Reunión Validación de la Evaluación de los Recursos Hídrico en su Estado Natural, IHCIT/UNAH

12 de Julio de 2013

La reunión se realizó con la presentación de los Ing. Tania Paz, Max Ayala, Lenin Henríquez y

Fernando Cruz y la participación de las distintas instituciones e invitados. (Ver lista de

participantes, adjunta)

Durante la reunión para presentar los resultados de la Evaluación de los Recursos Hídricos, se discutió con los participantes los siguientes puntos: En relación con el documento

Sobre la metodología, realizar la bitácora del paso a paso metodológico y razones por las cuales se utiliza esa metodología, plasmando conclusiones muy específicas sobre este estudio y también sobre la confiabilidad de los datos entregados (explicita).

Presentar el resumen ejecutivo del documento con el seguimiento que será necesario tomar.



En relación a la ETP, se recomendó comparar el mapa generado con el mapa de ETP mundial.

Revisar otras metodologías que son singulares en la región (García V., Tor, etc).

Se requiere una validación de campo de la ETP.

Existe una clara preocupación a la tendencia que muestran los mapas de la ETP en la parte oriental del país.

Es necesario realizar otra campaña de recolección de información priorizando el sector privado para alimentar el mapa.

Enfatizar que la Norma Climática de la OMM está de 1981 al 2010.

En las conclusiones del informe colocar el grado de confianza y de incertidumbre.

Otras recomendaciones y acuerdos

Hacer recomendaciones institucionales mediante notas políticas donde se destaquen los mayores errores encontrados, el porqué del descarte de las estaciones así como una retroalimentación institucional. Sería bueno realizar una visita técnica a cada institución para dar un informe de resultados.

Hacer comentarios tanto del Balance Hídrico del 2002 y Manual de Referencias Hidrológicas sobre las observaciones encontradas.

Se recomienda que todas las instituciones tengan un mismo protocolo para el manejo de sus datos, mismo tema que se tomara en la reunión para la reactivación del Comité para los Recursos Hídricos.

La DGRH a través de Fernando Ochoa será el encargado de la reunión para la reactivación del Comité para los Recursos Hídricos, recibiendo apoyo del Proyecto de Adaptación.

En relación al SINAGER, discutir el impacto que se puede tener en cuanto a la información hidroclimatológica.

Hacer un esfuerzo nacional por revisar los coeficientes de las fórmulas de la ETP.

La próxima reunión se realizará el 26 de julio en el SMN para discutir los siguientes temas: humedad relativa y resultados de la ETP.



Ayuda Memoria

Reunión Validación de la Evaluación de los Recursos Hídrico en su Estado Natural, IHCIT/UNAH

26 de Marzo de 2014

La reunión se realizó con la presentación de los Ing. Tania Pena y Max Ayala y, la participación de

las distintas instituciones e invitados (Ver anexo 1).

Grupo de invitados

Grupo de invitados

Presentación Ing. Tania Peña

Revisión mapa de humedad, Ing. Max Ayala

La reunión tenía como objetivo principal presentar los resultados de la Evaluación de los Recursos

Hídricos, para conocer la opinión de expertos en relación a la metodología empleada y los

resultados cartográficos. A continuación se enumeran los principales puntos discutidos por los

participantes:



Humedad

Se recomendó revisar la interpolación y eliminar el DEM para una mejor visualización de

los rangos.

La humedad en el Golfo de Fonseca se visualiza muy baja por lo que se recomendó

considerar la cercanía del mar.

Especificar la alta incertidumbre en este parámetro debido a la baja densidad de

estaciones.

Temperatura

Revisar la temperatura máxima en Choluteca, pues para febrero es +/- 36 según registros

del SMN, mientras que de acuerdo al mapa obtenido en la evaluación el valor es +/- 32.

(ver anexo 2).

Por lo que se recomienda chequear la interpolación.

En el documento escrito se debe hacer la notación que la temperatura media es la Tmax-

Tmin.

Balance hídrico potencial

No se considero la cobertura vegetal, por lo que se debe describir en el documento.

Recarga teórica

Se observó muy alto en el sur de Nombre de Dios, por lo cual se recomendó revisar la

precipitación en esa área.

Como observación general se recomendó colocar en el documento que los resultados presentados

deben ser usados por los usuarios finales con cuidado, no a un nivel local sino regional y, para

algunos resultados (infiltración y recarga) son valores teóricos y potenciales.



Anexo 1

Lista de asistencia



Anexo 2

Mapa de temperatura máxima de febrero.

Mapa de temperatura máxima de marzo.

Bitácora Evaluación del Recurso Hídrico en su Régimen · PDF...

Documents

Transcript of Bitácora Evaluación del Recurso Hídrico en su Régimen · PDF...