El objetivo de este trabajo es proponer, a partir del análisis de precipitación diaria observada en cuatro estaciones climatológicas en los estados de Chiapas y Tabasco durante el periodo Agosto-Noviembre del 2007 las cuales son C.H. Malpaso, Ocotepec, Sayula y C.H. Peñitas, el desarrollo de un semivariograma teórico que refleje la periodicidad del semivariograma experimental para series temporales de precipitación, esto para la identificación de valores extremos, su ubicación temporal y la evaluación de la forma de su distribución. El modelo periódico es aplicado a la interpolación geoestadística por krigeado para definir el grado y escala de variación temporal. Se realizó una comparación entre las interpolaciones por krigeado utilizando el semivariograma periódico y algunos semivariogramas clásicos como el modelo exponencial, lineal, semiesférico, etc. El modelo desarrollado se adaptó de mejor manera a las series de precipitación por lo que puede competir y en muchos casos ser mejor que los semivariogramas clásicos, ya que al extraer la serie de parámetros y utilizarlos para la interpolación geoestadística por krigeado los resultados fueron mas favorables, teniendose la gran ventaja de que el modelo desarrollado utiliza una gama de semivariogramas clásicos.
The objective of this work is to propose, from the analysis of daily precipitation observed in four weather stations in the states of Chiapas and Tabasco during August-November period of 2007 whom are C.H. Malpaso, Ocotepec, Sayula y C.H. Peñitas, developing a theoretical Semivariogram reflects the periodicity of the experimental Semivariogram for precipitation time series, this for the identification of extreme values temporary location and evaluation of the shape of its distribution. The periodic model is applied to geostatistics interpolation by kriging to define the degree and scale of temporal variation. A comparison was carried between kriging interpolations using the periodic Semivariogram and some classics semivariograms like the exponential model, lineal, semispherical, etc. The developed model was adapted better to the precipitation series so you can compete and in many cases be better than the classical semivariogram, since the extract the parameter series and use them to geostatistical interpolation by kriging the results were more favorable, consideration being the great advantage that the model developed uses a range of classical Semivariograms.
