[Link].1.

- Moyenne Arithmétique
Si la précipitation moyenne annuelle, dans chaque station auxiliaire (stations index)
est à l'intérieur de 10 % de celle enregistrée dans la station incomplète (X), elle sera utilisée
la "moyenne arithmétique simple" des trois stations indices pour estimer le
données manquantes quotidiennes Ce méthode est également applicable aux données annuelles ou
mensuels manquants.
Exemple 3.1 Avec les données de précipitation moyenne annuelle de trois stations
auxiliaires (A, B, C) compléter les données manquantes de précipitation quotidienne dans la
station (X).

[Link].2.- Méthode de régression normalisée

Si la précipitation moyenne annuelle (ou mensuelle) de l'une des stations
les auxiliaires diffèrent de plus de 10% de la mesure à la station incomplète, le
La donnée manquante sera déterminée par la méthode de la régression normalisée. Le
Le renseignement manquant annuel ou mensuel Px sera égal à :

Où :
Nx = précipitation moyenne annuelle ou mensuelle dans la station incomplète, (mm).

N1, N2,…… Nn = précipitation moyenne annuelle (ou mensuelle) dans les stations
auxiliaires 1, 2 et n, (mm).
P1, P2, Pn = précipitation annuelle (ou mensuelle) observée dans les stations
1,2,… et n pour la même date que celle manquante, (mm).
Lorsque la méthode est appliquée pour estimer des données mensuelles, les valeurs de
N1, N2 et Nn correspondent au mois estimé.

Exemple 3.2. Il est nécessaire d'estimer la pluie de l'année 1995 à la station

climatologique Largunmayu, dans le département de Cbba., par la méthode de
relation normalisée, ayant comme données les pluies moyennes annuelles et celle de
année 1995 dans trois stations proches.

[Link].3.- Méthode du Bureau Météorologique des États-Unis

Cette procédure a été vérifiée théoriquement ainsi qu'empiriquement et

considère que la donnée manquante d'une station X par exemple, peut être
estimée sur la base des données observées dans les stations environnantes, le
La méthode peut être appliquée pour estimer des valeurs quotidiennes, mensuelles ou annuelles.
manquants. La méthode consiste à pondérer les valeurs observées dans une
quantité W, égale au réciproque du carré de la distance D entre chaque
la station voisine et la station X, et donc la précipitation recherchée sera :

Où :
Pi = Précipitation observée pour la date manquante dans les stations auxiliaires
circulaires (au moins 2), en millimètres.
Wi = 1/Di2, étant donné que, Di = distance entre chaque station environnante et la station
(Km) Il est recommandé d'utiliser quatre stations environnantes (les plus proches),
et de manière à ce que chacune soit localisée dans l'un des quadrants que
définissent des axes coordonnés qui passent par la station incomplète.
Exemple 3.3
L'enregistrement des précipitations mensuelles de la station Largunmayu du bassin
taquiña (Tableau 3.1), a l'année 1999 des enregistrements incomplets. Il est demandé
compléter les enregistrements mensuels manquants par le biais de la méthode américaine.
Service météorologique national.

[Link].4.- Méthode rationnelle déductive

Lorsqu'il n'est pas possible de disposer de stations proches et environnantes à la
station incomplète, ou bien les existantes ne comportent pas d'observations des
données manquantes (mensuelles), il est possible d'estimer la valeur mensuelle manquante par
au moyen d'une simple moyenne arithmétique des valeurs contenues dans le
enregistrement pour ce mois, ce qui précède est considéré comme valide uniquement s'il s'agit d'un seul
année (ou au maximum deux) le manquant et tel moyen se réalise avec dix données (années)
au minimum (ou 20 ans dans le cas de deux données manquantes).
Le développement de la méthode peut être synthétisé en quatre étapes suivantes.

Étape 1) Effectuer la somme des précipitations mensuelles pour chaque année

complets et obtenir la précipitation mensuelle moyenne.
Étape 2) Calculer pour toutes les années complètes les pourcentages mensuels de
précipitation, ceux qui seront égaux à la pluie mensuelle entre la moyenne mensuelle
calculé dans l'étape précédente et par 100. En ajoutant les pourcentages calculés et
Pour obtenir leur moyenne, il faudra obtenir 1200 et 100, respectivement.
Étape 3) Tous les pourcentages mensuels correspondants à chacun des
douze mois s'additionnent et la somme est divisée par le nombre d'années complètes,
c'est-à-dire que le pourcentage moyen Sj est calculé, avec j variant de 1 à 12, un
pour janvier et 12 pour décembre.
Étape 4) La méthode accepte l'hypothèse qui considère que les mois
des inconnus auront un pourcentage égal au pourcentage moyen (Sj). Se
concevez les variables suivantes :

Où :
i = chacun des mois inconnus, au maximum ils peuvent être onze.
Pi = précipitation mensuelle inconnue chaque année incomplète, en mm.
ΣSi = somme des pourcentages moyens des mois dont les précipitations sont
méconnaît, en pourcentage.
Σp = somme des précipitations mensuelles connues au cours des années
incomplets, en mm.
Si = pourcentage moyen attribué à chacun des mois inconnus ou
manquants. Par conséquent, selon les variables précédentes, il est possible de
établir la proportion suivante : (champs Aranda, 1987) :
Exemple 3.5
La station pluviométrique PAROTANI, a un enregistrement des précipitations
mensuels de 25 ans (1979-2003), dans les années 1981, 1983, 1985, 1986, 1996
y 2002 incomplets compléter les enregistrements, en appliquant la Méthode Rationnelle
Déductif, correspondant aux mois manquants dans les années mentionnées.

[Link].- Estimation des enregistrements annuels manquants

Les enregistrements annuels manquants sont déterminés par les méthodes suivantes :

Méthode des moyennes

Méthode de la droite de régression linéaire
Augmentation de l'enregistrement annuel par régression

[Link].1.- Méthode des moyennes

̅ la précipitation moyenne annuelle est; si le
Choisir une station indice dont
la station avec une donnée manquante est Px, on trouve sa précipitation correspondante
média annuel̅ avec la proportion suivante :
Exemple 3.6
Avec les données de précipitation à la station Laguna Taquiña (Station Indice)
compléter les données manquantes dans les stations manquantes Largunmayu,
Linkupata y Janamayu, par la méthode des moyennes.

[Link].2.- Méthode de la droite de régression linéaire

Pour compléter des enregistrements annuels sur une ou plusieurs années, consécutives ou non.
l'utilisation de la régression linéaire entre la station incomplète et une ou plusieurs stations voisines
c'est d'une grande aide pour estimer les valeurs manquantes. Il faut effectuer la
régression et obtenir la corrélation (coefficient de détermination) pour évaluer la
la bonté de l'ajustement linéaire. Il est important de noter que pour effectuer l'analyse de
la régression doit respecter que les séries soient indépendantes et identiquement distribuées
distribuées.
Augmentation de l'information hydrologique par régression
Exemple 3.7
En raison de sa proximité avec un projet d'irrigation, la station pluviométrique
PAROTANI, sera utilisé pour estimer la valeur de la précipitation moyenne annuelle en
la zone. La station PAROTANI ne possède qu'un enregistrement de 22 ans
dans la période 1973-2001, mais la station ANZALDO qui est la PAROTANI
la plus proche (à 24,08 km de distance) a un enregistrement de 36 ans dans la période
de 1964 à 2001. Il est nécessaire de tester s'il est judicieux d'élargir l'enregistrement de la station
PAROTANI à partir des données de la station ANZALDO et réaliser la
inférence en cas d'affirmation.

3.9.2.- Analyse d'homogénéité et de consistance

Consiste à réaliser une analyse des informations disponibles, selon des critères
physiques et méthodes statistiques qui permettent d'identifier, d'évaluer et d'éliminer les
erreurs systématiques possibles qui ont pu se produire, que ce soit pour des causes naturelles ou
occasions causées par l'intervention de la main de l'homme. Inconsistance, sont
les erreurs systématiques qui se manifestent sous forme de sauts et de tendances dans les
séries maestrales. Pas d'homogénéité, changements des données originales avec le
temps. L'hétérogénéité dans les données de précipitation est produite par
mouvement de la Station, changements dans l'environnement qui l'entoure
Station. Les principales causes de séries de précipitations non homogènes
se doit à :
[Link] de la localisation du pluviómetre.
[Link] dans la manière d'exposition ou de réapprovisionnement de l'appareil.

[Link] dans la procédure d'observation ou de remplacement de l'opérateur.

[Link] de barrages à proximité.

5.Déforestation et reforestation dans la zone.
6. Ouverture de nouvelles zones de culture dans les environs.
7.Désécoration des marais
8. Industrialisation dans les zones environnantes.

Dans les analyses climatologiques, on utilise le terme homogénéité.

pour cela, les tests statistiques et les analyses hydrologiques utilisent le
terme de la consistance de la série, est généralement détecté avec la technique de la
courbe double masse.

[Link].- Tests statistiques d'homogénéité

Le test ou l'épreuve statistique d'homogénéité présente une hypothèse nulle et
une règle pour l'accepter ou la rejeter en fonction de sa probabilité d'occurrence.
Si cette probabilité est faible, on conclut que la série est non homogène,
s'il est grand, on dit que la série est homogène.
[Link].1.- Test de Mann-Kendall
Le test d'homogénéité de Mann-Kendall est un test non paramétrique, il a
une hypothèse nulle simple et facile à satisfaire. Ce test détecte toute
forme de tendance, qu'elle soit linéaire ou en forme de sauts, tant qu'elle donne
une tendance globale, ce test n'est pas adapté aux séries qui présentent une
composante saisonnière. Le test d'homogénéité de Mann-Kendall est en
réalité un test statistique qui conduit à choisir l'une des suivantes
respuestas
Hypothèse nulle : Toutes les valeurs de la série sont des données aléatoires de
une seule population (C'est une série homogène).
Hypothèse alternative : C'est une série non homogène avec tendance
monotone.
L'épreuve consiste à calculer un indice de déviation de la série, et à partir
de cette valeur, calculer la valeur de V selon la relation :

Où :
N=Nombre de dossiers
S=Indice de déviation calculé
si=Nombres de valeurs de xj>xi pour i< j <n
Nombre de valeurs de xj<xi pour i< j <n
Ensuite, un niveau de signification α ou une valeur de confiance est choisi en fonction de
qu’il sera défini la condition d’homogénéité de la série. Cet indice se
relie avec une valeur de Vcrit à travers la fonction de distribution normale,
qui est montré dans le Tableau 3.17. On compare V et Vcrit Si V est inférieur à Vcrit
on accepte l'hypothèse nulle, c'est-à-dire que la série est homogène avec un niveau de
signification de α%, sinon l'hypothèse alternative est supposée.

Exemple 3.9
Dans le tableau 3.18, la série annuelle des précipitations maximales quotidiennes est fournie.
correspondant aux observations effectuées dans le pluviomètre du sommet
(Cochabamba). On demande : Vérifier l'homogénéité de cette série.

[Link].2.- Test statistique de Helmert

Consiste à analyser le signe des déviations de chaque événement de la série
en ce qui concerne sa valeur moyenne. Si une déviation d'un certain signe est suivie
pour un autre du même signe, un changement S. est créé, en contraste, si une déviation
est suivie d'une autre de signe contraire, une séquence sera enregistréeC. chaque
année, sauf la première, définira une séquence ou un changement.
Si la série est homogène, la différence entre le nombre de séquences et
les changements dans l'enregistrement devront être nuls, dans les limites d'une erreur
probable, lequel, dépend de la longueur de l'enregistrement n.

Par conséquent, il faut que :

Si le nombre de séquences est supérieur au nombre de changements, un certain type de

variation de la moyenne ou une tendance dans les données créent l'incohérence dans le
enregistrement. Cette condition peut être due à un changement dans l'emplacement de la
station pluviométrique. Si le nombre de changements est plus élevé, une certaine forme
de l'oscillation de la valeur moyenne est présente et un plus grand est requis
recherche.
Exemple 3.10
Dans le Tableau 3.20, on trouve l'enregistrement complet des pluies annuelles à la station
San Ignacio de Velasco dans le département de Santa Cruz, pour lequel il est demandé de prouver
sa homogénéité avec le test statistique de Helmert.

[Link].3.- Test des séquences

Cela se fait en comptant le nombre de séquences au-dessus ou en dessous de la médiane.
de la série. La valeur de la médiane est obtenue en ordonnant la série par rapport à son
magnitude et en sélectionnant la valeur centrale (pour n impair), ou la moyenne arithmétique
des deux valeurs centrales (pour n pair).
En utilisant la valeur de la médiane comme référence, les enregistrements sont marqués par la
série comme "A" si ce chiffre est supérieur à la médiane, ou "B" s'il est inférieur. Les
les séquences ou successions de valeurs "A" ou "B" sont comptabilisées, et pour
conclure que la série est homogène, le nombre de séquences doit être
compris entre la plage de valeurs indiquée dans le Tableau 3.1.

Exemple 3.11.
Selon l'enregistrement complet des pluies annuelles à la station San Ignacio de
Velasco (Tableau 3.20) dans le département de Santa Cruz, pour lequel on demande à prouver son
homogénéité avec le test statistique des séquences.

[Link].4.- Test de t de Student

Utile lorsqu'on soupçonne que la perte d'homogénéité est due à un
changement brusque de la moyenne. Le test statistique de t de Student est défini par
au moyen de l'équation suivante :
Où ça doit être yS ce sont les variances de x1 et x2 dans les deux périodes
de registro, où il faut :

Et de même pour 2 .
X1 et X2 sont les moyennes des files un et deux du registre de la station.
La valeur absolue est généralement comparée à la valeur de la
distribution de Student à deux queues, alors prendre 2.110 au lieu de 1.740 et
conν=n1+n2–2degrés de liberté et avec un niveau de signification de 5 %,
se montre dans le tableau suivant 3.2 :

Si et seulement si, la valeur absolue de detdes est supérieure à celle de detse, il en découle que la
La différence entre les moyennes est un signe d'incohérence ou la série est non
homogène.
Exemple 3.12.
Dans la Figure 3.26, on a représenté l'enregistrement des pluies annuelles de la station
climatologie San Ignacio de Velasco, pouvant observer un changement ou un saut
brusque dans la moitié, de manière qu'il semblerait durant la période comprise
Entre 1993 et 1994, il y a eu plus de pluie. Il est demandé d'enquêter avec les preuves.
statistiques de t de Student, si la série est homogène.

[Link].5.- Test Statistique de Cramer

Ce test est complémentaire à celui de Student, car ce dernier n'est pas
recommandable quand n1 et n2 ne sont pas similaires.

Dans le test de Cramer, XySson respectivement la moyenne et l'écart

typique de l'enregistrement total des valeurs, qui sont définies comme :

D'autre part, il faut que X soit la moyenne du sous-période de n valeurs, est

dire

Le statistique tk suit une distribution t de Student à deux queues avec ν=n–

2 degrés de liberté et s'utilise de la même manière que le statisticien td du
méthode précédente.

[Link].- Analyse de la cohérence courbe double masse

L'analyse de cohérence à double masse relie la précipitation annuelle
accumulée d'une station X (station analysée) avec le correspondant
valeur moyenne de la précipitation annuelle accumulée d'un groupe de stations
voisines. Si la station qui est analysée a été bien observée, les points
elles devront s'aligner sur une ligne droite, mais s'il existe une rupture ou un changement de
pente sur la droite, cela indiquera que la statistique de la station analysée
doivent être corrigés. Les enregistrements à corriger seront, en général, les plus
anciens et seront basés sur les enregistrements les plus récents, car ils
Considère que les données des dernières années sont réalisées avec un meilleur
technique que celle utilisée par ses prédécesseurs. Les cas les plus fréquents se
illustrent ci-après :

Cas A : La série de points s'ajuste parfaitement à une ligne droite, ce qui

indique la proportionalité, et donc, la station qui est analysée est
consistant.
Cas B : Séries de droites parallèles. Ce qui nous indique une proportionnalité,
bien qu'il existe des années qui soient mesurées par excès ou par défaut.

Cas C: Lorsque deux droites de pentes différentes se forment, on a

un cas typique d'erreur systématique. La correction se fait par la relation de
pendants de la section la plus ancienne car l'expérience montre à 80%
la période la plus moderne est correcte.
Cas D : La station présente un tronçon central de plus ou moins
pendant; dans 95 % des cas, ce segment a été mesuré incorrectement, par
ce qu'il faudra corriger pour homogénéiser la série. Lorsqu'on utilise le
technique de double masse, pour contraster toutes les stations pluviométriques
un bassin, ils doivent être situés sur un plan en indiquant leur nom,
altitude, pluie moyenne annuelle et nombre d'années d'enregistrement. Par la suite, on
Ils doivent les répartir en groupes affinés en tenant compte des éléments suivants
recommandations
1. Les groupes doivent avoir entre 3 et 10 stations.

2. La moyenne annuelle des pluies des stations de chaque groupe doit être semblable.

3. Chaque groupe doit inclure au moins une station avec un large enregistrement (25
ans comme minimum).
4. L'altitude des stations du groupe doit être similaire, ne devant pas exister
une différence de plus de 300 m.
5. Les stations doivent être relativement proches, sans dépasser
une distance de 50 km.
En principe, la station ayant l'enregistrement le plus large est considérée comme un modèle et se
les comparaisons par paires de stations avec la station modèle commencent.
Au cours des comparaisons, des conclusions sont tirées sur la
homogénéité de chaque station et des corrections nécessaires sont effectuées
jusqu'à ce que toutes les stations aient été vérifiées et/ou corrigées.
Exemple 3.13. (Campos Aranda)
Réaliser la vérification et l'ajustement des données annuelles de précipitation, en appliquant le
analyse de la courbe DOUBLE MASSE, la station pluviométrique HIGUERAS du
état de Nuevo Léon, utilisant comme station auxiliaire ou base celle de Ciénega
de Flores pour être la plus proche, car il est connu que la station auxiliaire est
homogène.
3.10.- PRÉCIPITATION MOYENNE SUR UNE ZONE OU UN BASSIN
Pour évaluer la quantité moyenne de précipitations sur une zone, il est nécessaire
se baser sur les valeurs ponctuelles enregistrées dans chaque compteur qui compose le
rouge. Mais comme la contribution de chaque instrument au total de la tempête est
inconnue, plusieurs méthodes ont émergé qui tentent de nous donner une
approche de la distribution des précipitations dans la zone en
considération, parmi ces méthodes nous avons :

3.10.1.- Méthode de la moyenne arithmétique

Consiste à trouver la moyenne arithmétique des précipitations mesurées dans le

zone d'intérêt. Cette méthode fournit de bons résultats, si la distribution
de tels points sur la zone est uniforme et la variation des quantités
individuels des compteurs n'est pas très grand.
Étant P1, P2,….,Pn, enregistrements de précipitations recueillis dans les "n".
pluviomètres de la zone dans le même intervalle de temps (une tempête
déterminée, une saison des pluies, une année calendaire ou hydrologique), la pluie
la moyenne pour la zone est :

Exemple 3.14.
Calculer la précipitation moyenne (Parit) par la méthode de la moyenne arithmétique, en
base au registre des précipitations accumulées dans 4 pluviomètres (Tableau 3.24) :
3.10.2.- Méthode des courbes isohyètes
Cette méthode consiste à tracer, avec les informations enregistrées dans les
stations, lignes qui relient des points de hauteur de précipitation égale
(interpolation des lignes) appelées isohyètes, de manière semblable à comment on
on trace les courbes de niveau en topographie.

Pour le tracé des isoyètes, une simple n'est généralement pas suffisante.
interpellation linéaire mais il faudra tenir compte des caractéristiques de
emplacement de chaque pluviomètre (situation, végétation environnante, altitude,
topographie, etc.), et en fonction de celles-ci, une interpellation sera effectuée
rational. Soit P1, P2, …, Pn les valeurs assignées à chaque isohyète et
A1,A2,…,An−1 les zones entre les isoyètes P1−P2,P2−P3,…,Pn−1−Pn.
La précipitation moyenne dans le bassin ou la zone considérée sera :

La méthode des courbes isoyètes est celle qui donne des résultats les plus acceptables, mais
Le caractère subjectif du dessin de ceux-ci rend nécessaire de posséder
pour cela, une bonne connaissance des caractéristiques climatiques et physiques de la
zone.
Exemple 3.15.
Calculer la précipitation moyenne (PISOY), par la méthode des Isoyètes, en base
aux données de l'exemple précédent.

3.10.3.- Méthode des polygones de Thiessen

Cette méthode est due à A. H. Thiessen (1911) et est utilisée lorsque la
La distribution des pluviomètres n'est pas uniforme dans la zone en
considération.
Le méthode consiste à :
1. Unir, par des lignes droites tracées sur un plan du bassin,
estations les plus proches les unes des autres (lignes discontinues, Figure 3.32. Avec cela se
formez des triangles dont les sommets sont les stations pluviométriques (P0i).
2. Tracer des lignes droites qui bisectent les côtés des triangles (lignes droites
continuas, Figure 3.32. Par géométrie élémentaire, les lignes correspondant à
chaque triangle convergera en un seul point.
3. Chaque station pluviométrique sera entourée par les lignes droites du passage
2, qui forment les soi-disant polygones de Thiessen et, dans certains cas, en
parte par le parteau de la cuvette Figure 3.32.
La zone enfermée par les polygones de Thiessen et la ligne de partage des eaux sera la zone
de l'influence de la saison correspondante.
Par conséquent, la précipitation moyenne sur le bassin est évaluée avec :

Où :
précipitation moyenne sur le bassin, en mm.
Ai = aire du polygone de chacune des stations i dans le séparateur de
eaux du bassin, en km2 ou m2.
A = aire totale du bassin, en Km2 ou m2.
Pi = précipitation à la station i pour la période d'étude, en mm.
Calculant la surface entourée par chaque station et la reliant à la surface
total, on tire des poids relatifs pour chaque pluviomètre et ensuite la valeur
De la précipitation moyenne, on obtient à partir d'une moyenne pondérée.

Exemple 3.16
Calculer la précipitation moyenne par la méthode des Polygones de Thiessen,
selon les données de l'exemple précédent.