UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERA
DEPARTAMENTO ACADMICO DE INGENIERA DE LOS RECURSOS HDRICOS

HIDROLOGA

Preparado por: M. Cs. Jos Francisco Huamn Vidaurre

jfranhvid@yahoo.es
Cajamarca, Setiembre de 2016

La asignatura tiene los siguientes objetivos:

a) Dar a conocer la situacin actual sobre la informacin hidrolgica de la Regin Cajamarca y el

tratamiento estadstico de la informacin hidrolgica.

b) Dar a conocer los mtodos ms conocidos para obtener la escorrenta superficial de una cuenca,
mediante los conceptos de precipitacin, infiltracin e intensidad, y mediante mtodos
empricos y de abstraccin.

c) Dar a conocer los procedimientos para realizar un balance hdrico en funcin de la precipitacin,
la evapotranspiracin y la escorrenta en una cuenca.

d) Dar a conocer los mtodos ms utilizados para determinar una avenida mxima de diseo.

e) Analizar y determinar los volmenes de un embalse con fines de aprovechamiento agropecuario y

poblacional

f) Dar a conocer los mtodos ms conocidos para determinar el gasto slido en un ro.

g) Analizar los modelos hidrolgicos ms utilizados.

I. LA INFORMACIN HIDROLGICA Y SU TRATAMIENTO

1.1 INTRODUCCION

La hidrologa toma en cuenta todos los parmetros que influyen en el ciclo hidrolgico.
Generalmente, se estudia este ciclo en un volumen de control denominado sistema hidrolgico, el
cual de manera simplificada se denomina cuenca hidrogrfica.

El balance hdrico de dicho sistema se puede resumir, para un intervalo de tiempo dado, siguiendo el
principio de conservacin de la masa como:

Entradas + almacenamiento inicial = Salidas + almacenamiento final

O tambin:

I O = S/t (1)

1
(Precipitacin + Importaciones de agua + Escorrenta superficial desde otras cuencas+ Aguas
subterrneas desde otras cuencas) (Evaporacin +Transpiracin+Escorrenta superficial hacia otras
cuencas + Exportaciones de agua + Aguas subterrneas hacia otras cuencas+Infiltracin) =
Almacenamiento de aguas subterrneas+Almacenamiento por cambio de humedad del suelo +
Almacenamiento superficial en embalses, en canales y en la propia escorrenta superficial.

Los parmetros de la hidrologa pueden ser divididos en tres categoras:

a) Parmetros climticos: Precipitacin, evapotranspiracin y parmetros secundarios ligados a lo

primeros, como radiacin solar, temperatura, humedad del aire, viento, insolacin, etc.

b) Parmetros de escurrimiento: Descargas lquida y slida y parmetros secundarios ligados a los

primeros, como niveles de agua, caractersticas de la red de drenaje, rea de la cuenca, velocidad
de flujo, calidad del agua y de los sedimentos transportados, reservorios naturales y artificiales,
etc.

c) Parmetros caractersticos de la cuenca: Geologa, topografa, suelos, vegetacin, urbanizacin, etc.

1.2 MEDIDA DE LA PRECIPITACIN

En Amrica Latina la precipitacin es medida en milmetros y dcimas, mientras que en los Estados
Unidos se mide en pulgadas hasta las centsimas.

En el Per, los registros lo realiza el Servicio Nacional de Meteorologa e Hidrologa (SENAMHI).

La estacin ms confiable que registra intensidades de precipitacin pluvial en el Departamento,

Provincia de Cajamarca es la estacin hidrometeorolgica Augusto Weberbawer ubicada en la cuenca
del ro Mashcn (Latitud:07 10 Sur, Longitud: 78 30 Oeste, Altitud: 2536 m), dentro del campus de
la Universidad Nacional de Cajamarca.

La precipitacin es probablemente el parmetro de mayor influencia en los estudios

hidrolgicos, en relacin a su distribucin espacial; de ah la importancia de tener redes de
densidad adecuada para su correcta estimacin.

Resulta fundamental examinar con detalle el tipo de lluvias dominantes que se desean
evaluar. Si se trata de lluvias frontales extendidas y con poca variacin espacial, resulta
adecuada una red espaciada. Por el contrario, lluvias intensas de altas concentraciones,
asociada con celdas convectivas necesitan mucho mayor nmero de estaciones en la red. En
el caso de tener ambos tipos de lluvia, resulta conveniente una combinacin de pluvigrafos
de base densificados con pluvimetros para disminuir costos.

Los errores que se pueden atribuir a diferentes causas, en este tipo de redes, son:

Instrumental de 1% a 5 % .
Exposicin incorrecta del pluvigrafo 5-15 % en mediciones de plazos largos y hasta el 75
% en medicin de tormentas individuales. Los protectores de viento (Wind shields)
pueden reducir un 20 % los errores de medicin de tormentas.
Densidad de estaciones en reas planas de 1 cada 650 km 2 dan errores de hasta 60% para
valores diarios, bajando a 15% para mensuales y 5% menos para promedios anuales.
Promedio areal de valores diarios tiene errores del 60% para 1 estacin cada 700 km 2,
10% con 1 estacin cada 20 km2 y 4% o menos para densidades mayores.

2
 En la estimacin de promedios sobre reas, usando los mismos valores puntuales, dan
diferencias de hasta 18% para diferentes mtodos.

1.3 LLUVIAS EN UNA REGIN

Para evaluar la cantidad promedio de lluvia sobre un rea determinada es necesario basarse en los
valores puntuales registrados en cada medidor que conforma la red meteorolgica. Pero como la
contribucin de cada instrumento al total de la tormenta es desconocida, han surgido mtodos que
intentan darnos una aproximacin de la distribucin de la precipitacin dentro del rea en
consideracin, entre estos mtodos tenemos: Mtodo de la media aritmtica, mtodo de Thiessen,
mtodo de las isoyetas.

El Mtodo de la media aritmtica consiste en hallar la media aritmtica de las cantidades de lluvia
conocidas para todas las estaciones dentro del rea. Este mtodo proporciona buenos resultados, si la
distribucin de tales puntos sobre el rea es uniforme y la variacin en las cantidades individuales de
los medidores no es muy grande.

El mtodo de Thiessen se emplea cuando la distribucin de los pluvimetros no es uniforme dentro

del rea de estudio. Este mtodo asigna un rea de influencia a cada una de la eataciones disponibles
en la cuenca y cercana a ellas.

Las isoyetas son curvas de igual altura de precipitacin que se calculan a partir de la interpolacin
entre pluvimetros adyacentes. Se miden las reas entre isoyetas sucesivas y se les asigna la
precipitacin promedio entre dichas isoyetas. La lluvia promedio para toda el rea es entonces el
promedio ponderado.

1.4 ESTIMACIN DE DATOS FALTANTES

En algunas estaciones no se registr la precipitacin en un perodo que en las estaciones vecinas.

Se han desarrollado algunos mtodos para estimar la informacin pluviomtrica faltante.

El mtodo ms sencillo es el de hacer un simple promedio aritmtico entre las estaciones vecinas a la
estacin donde se desea obtener el dato faltante, pero solamente es recomendado cuando la
precipitacin total anual de las estaciones en cuestin no vara en ms de un 10% .

Si por el contrario, esta variacin es mayor que un 10%, la mejor opcin es darle a cada estacin de
las n estaciones disponibles un peso diferente.

Px 1 / n N x / N 1 P1 ( N x / N 2 ) P2 ... ( N x / N n ) Pn (2.1)

Donde:
n = Nmero de estaciones pluviomtricas con datos de registros continuos cercanas a la estacin
x, la cual va a ser completada en su registro.
Px = Precipitacin de la estacin x durante el perodo de tiempo por completar.
P1 a Pn = Precipitacin de las estaciones 1 a n durante el perodo por completar.
Nx = Precipitacin media anual a nivel multianual de la estacin x.
N1 a Nn = Precipitacin media anual a nivel multianual de las estaciones de 1 a n.

Otro mtodo es la aplicacin de coeficientes de correlacin entre los datos de perodos comunes
entre la estacin a completar y sus vecinas, segn la siguiente expresin:

3
 (2.2)

Donde:

precipitacin estimada en la estacin X

Pi: precipitacin en la estacin i durante el perodo faltante en la estacin X
coeficiente de correlacin de los datos de precipitacin de la estacin X con los datos
de precipitacin de la estacin i

Por ejemplo:

Donde:

Px : precipitacin estimada en la estacin X

PA, PB, PC : precipitacin en las estaciones A,B,C del perodo faltante en la estacin X

rXA, rXB, rXC :coeficientes de correlacin de la precipitacin de la estacin X con las de las
estaciones A,B y C

La informacin de datos hidrolgicos debe cumplir en al menos dos caractersticas importantes:

a) Ser representativa.- Es decir, que la muestra debe tener una longitud o amplitud suficiente en el
tiempo. As, para el anlisis de frecuencia de una avenida en que nicamente se utiliza la avenida
mxima de cada ao, es mnimo un registro de 20 aos.
b) Ser homognea.- Implica que la secuencia de datos debe tener un significado comn en todo el
perodo del tiempo registrado; as, las condiciones de medicin, el lugar de medicin, el equipo,
el personal y todas las dems variables que intervienen deben permanecer constantes en lo
posible, ya que de lo contrario se introducirn variaciones considerables.
Otros factores que afectan a la homogeneidad son las construcciones de obras hidrulicas aguas
arriba del punto de control, los incendios forestales, el cambio de uso del suelo, cambio de la
localizacin de la estacin.
En caso de encontrarse con estos casos se deben hacer las correcciones necesarias y un
tratamiento separado segn las condiciones dadas.
Como muchos problemas hidrolgicos requieren de la estimacin de las probabilidades en que
variar el escurrimiento fluvial, la mejor prueba ser con frecuencia la capacidad que se tenga,
segn la relacin utilizada, para reproducir las caractersticas histricas de la probabilidad.

1.5 ANLISIS DE CONSISTENCIA O DE SIGNIFICACIN

La no homogeneidad e inconsistencia en secuencias hidrolgicas representan uno de los aspectos ms

importantes del estudio en la hidrologa contempornea, particularmente relacionada a la
conservacin, desarrollo y control de recursos hidrulicos, ya que, cuando no se identifica, elimina y
no hay homogeneidad en la muestra histrica, un error significativo puede introducirse en todos los
anlisis futuros que haga obteniendo resultados altamente sesgados.

4
Los medios ambientales hidrolgicos son afectados grandemente por factores antrpicos tales como
obras de regado, drenaje, urbanizaciones, etc, o por cambios inesperados naturales y lentos procesos
tales como incendios, derrumbes, llenado de lagos por sedimentos y similares, los que producen
inconsistencia en la toma de la informacin.
El anlisis de la informacin hidrometeorolgica se realiza en las componentes deterministicas
transitorias de la serie, que son los saltos y las tendencias.En cada uno de los cuales se analiza la
consecuencia en los dos primeros parmetros estadsticos: media y desviacin estndar.

Uno de los dos elementos ms importantes a tener en cuenta en el anlisis de consistencia en relacin
a los datos existentes en el pas es la longitud del registro (N) y el nivel de informalidad que por
limitaciones de recursos econmicos tiene el proceso de recoleccin y manipuleo de la informacin
fuente. De all que es preferible partir de la duda y no de la aceptacin directa o fcil.

1. 5.1 SALTOS.

1.5.1.1 Definicin :

Los altos o jump llamados tambin resbalamientos, son formas determinsticas transitorias que
permiten a una serie estadstica peridica pasar desde un estado a otro, como respuesta a cambios
hechos por el hombre, debido al continuo desarrollo y explotacin en la cuenca o cambios
violentos en la naturaleza.

Los saltos se presentan en la media, desviacin standart y otros parmetros, pero generalmente el
anlisis ms importante es en los dos primeros.

As por ejemplo, si un cambio repentino presenta una prdida o una ganancia en el promedio de
flujos de agua, el salto ocurre en la media, si un nuevo reservorio no incrementa la prdida de
evaporacin en comparacin con el estado anterior del reservorio, pero regula los flujos
nicamente, la transicin es una transicin aguas abajo en la variacin o desviacin standart
bsicamente : por un incremento o decremento en la prdida por evaporacin el salto se produce
en la media y en la desviacin standart, constituyendo en la nueva capacidad de almacenamiento
para la regulacin del flujo de un ro usualmente representa una transicin en todos los
parmetros bsicos de una serie en una estacin de medida de estas capacidades.

El anlisis de los saltos se realiza desde tres puntos de vista:

- Anlisis visual de los grficos originales.

- Anlisis doble masa.
- Anlisis estadstico.

1.5.1.2 Anlisis visual.

La informacin original se grafica en coordenada aritmticas, cuyos ejes representan en los

ordenadas el valor de la informacin (precipitacin, temperatura, descarga u otros) y, en las
abcisas el tiempo (anuales, mensuales, semanales, o diarios) .

De la apreciacin visual de estos grficos se deduce si la informacin es aceptable o dudosa;

considerndose como informacin dudosa y de poco valor para el estudio aquella que muestra en
forma evidente valores constantes en periodos en los cuales no es fsicamente posible debido a la
necesaria caracterstica aleatoria de los datos, y cuando no hay similitud con la informacin
obtenida de campo.

5
 La informacin de campo se refiere a las condiciones de operacin y mantenimiento de las
estaciones hidrometeorolgicas : cambio de operarios, traslado de las estaciones, regulacin de
los ros, estado de explotacin de una cuenca, vegetacin cercana, construcciones ltimas, etc.
Informacin sin la cual no seria posible el anlisis respectivo.

Para indicar en este primer anlisis los periodos con informacin dudosa y cuales son
aparentemente buenos, se procede de la siguiente manera:

a. Cuando se tiene estaciones vecinas, se compara los grficos y se ve cual periodo varia
notoriamente, uno respecto al otro.

b. Cuando se tiene una sola estacin sta se divide en varios periodos y se compara con la
informacin de campo obtenida. As por ejemplo, si se tiene que una estacin despus de un
cierto tiempo es trasladada a otro lugar, es muy probable que la informacin obtenida,
presente un salto entre los datos registrados al inicio y los registrados una vez que se a
trasladado la estacin.

c. Cuando se tiene datos de precipitacin y escorrenta, se comparan los diagramas, los cuales
deben ser similares en su comportamiento.

d. Se debe mantener en lo posible el perodo ms largo y ms reciente como el ms confiable

quedando a criterio de la decisin tcnica, su seleccin luego de un exhaustivo trabajo de
campo; en contra de los esperado en el pas los ltimos registros son menos confiables que
los antiguos.

Este anlisis sirve pues, para tener una primera aproximacin de la bondad de la informacin y
separar los periodos dudosos para su posterior anlisis de doble masa y estadstico.

Cuando se dispone de los registros de precipitacin o descargas de un grupo de estaciones de rgimen

hidrolgico similar las tendencias o saltos constituirn inconsistencias. Cuando estas se presentan en
algunos de ellos, si el efecto es observado en casi todas ellas con mayor o menor magnitud entonces
estaremos frente a un fenmeno regional.

1.5.1.3 Anlisis de doble masa.

El anlisis de doble masa se utiliza para determinar la consistencia de la informacin en lo

relacionado en errores que puede haberse producido durante la obtencin de los mismos. La lnea de
doble masa no es una lnea de regresin. Sin embargo, segn G. Monsalve (1999) es posible utilizar
la grfica de doble masa para corregir los datos.

Paj M a / M 0 P0 (3)

Donde:
Paj = Observaciones de precipitacin ajustadas a las condiciones actuales de localizacin, exposicin
o mtodo de observacin del puesto pluviomtrico.
Po = Datos observados que deben ser corregidos.
Ma = Pendiente de la recta durante el perodo correcto de toma datos.
Mo = Pendiente de la recta en el perodo en que se hicieron las observaciones Po.

Los errores posibles se pueden detectar por el quiebre o quiebres que presentan los diagramas,
considerndose una estacin con menos errores consistentes, en la medida que presente un menor
nmero de puntos de quiebre. Conviene hacer notar que en el pas el grfico de doble masa no
siempre resulta una lnea bien definida porque nuestros registros adems de ser cortos, incompletos e

6
inconsistente en muchos casos, se diferencian entre si por efecto de la topogrfica en la medida que
sta origina zonas muy diversas de precipitacin a pesar de la cercana entre ellas.

Una de las formas de analizar las grficas doble masa consiste en seleccionar la estacin con
informacin ms confiable de todas las estaciones de una cuenca, la que sirve de comparacin para
los dems estaciones, para lo cual se procede de la siguiente manera:

a. Plotear en el eje de la abscisas el promedio de la informacin anual acumulada de todas las

estaciones de la cuenca y, en el eje de las ordenadas la informacin acumulada de cada una
de las estaciones de estudio.
b. De las grficas doble masa se selecciona la que presente menor nmero de quiebres como la
ms confiable.
c. La estacin elegida en b como la ms confiable se plotea en el eje de la abscisas y, en las
ordenadas cada una de las dems estaciones. En ambos ejes la informacin ploteada es la
acumulada.

Los diagramas de doble masa junto con el anlisis de los grficos originales sirven para determinar el
rango de los periodos dudosos y confiables para cada estacin en estudio.

Se deben tener en cuenta que para efectos del doble masa, la informacin incompleta se llena por
interpolacin con el promedio mensual si el anlisis es mensual, regresin lineal o mltiple y media
varianza o mtodo de monte Carlo, segn sea el caso.

1.5.1.4 Anlisis Estadstico.

Habindose obtenido de los grficos de doble masa el periodo de posible correccin de los datos,
implica la existencia de un periodo de datos que se mantendrn con sus valores originales y aquellos
que se modificarn.

Las pruebas estadsticas, a las que se somete las muestras sospechosas, para demostrar si los grupos
de datos divergentes pertenecen a una misma poblacin hidrolgica, deben ofrecer homogeneidad de
sus medias muestrales; es decir, que sus medias muestrales deben ser estadsticamente equivalentes,
para cierto nivel de significacin.

Consistencia en la media (Prueba de T o de Student)

Se basa en el principio de que si dos grupos de datos n 1 y n2 pertenecen a una misma poblacin
hidrolgica, deben ofrecer homogeneidad de sus medias muestrales; es decir, que sus medias
muestrales deben ser estadsticamente equivalentes, para cierto nivel de significacin.

Mediante la prueba de significacin T se analiza si los valores promedios son estadsticamente

iguales o diferentes de la siguiente manera:

a) Clculo de la media y desviacin Standard para cada perodo, segn :

1/ 2
n n
1
1 1 1 2
x x , S ( x) ( xi x ) (4.1)
1 n i 1 i 1 n 1 1
1 1 i 1
1/ 2
n n
2
1 2 1
x , S ( x) ( xi x )
2 (4.2)
2 n j
x
i 2 n 1 2
2 1 2 j 1

7
 Donde:

xi : Informacin del perodo 1.

xj : Informacin del perodo 2.
x1 , x 2 : Medias de los perodos 1 y 2, respectivamente.
S1 (x), S2 (x) : Desviacin Standard de los perodos 1 y 2, respectivamente.
n1 , n 2 : Tamao de los perodos 1 y 2, respectivamente.
n : Tamao de la muestra n = n1 + n2

b) Estadstico T. El procedimiento para realizar esta prueba es la siguiente:

Establecer la hiptesis planteada y la alternativa posible, as como el nivel de significacin ().

Hp : 1 = 2 (media poblacional).
Ha : 1 2
Asumiendo que las varianzas 12 y 22 son iguales.

x1 : Media muestral ; 1 : Media poblacional

En hidrologa se usa = 0.05 (5%)

Calcular la desviacin Standard de las diferencias de los promedios.

1/ 2
1 1
S S
d P n1 n2
(5)
1/ 2
(n 1) S 2 (n 1) S 2
S 1 1 2 2
P n n 2
1 2
Donde:
Sd = Desviacin Standard de las diferencias de promedios.
SP = Desviacin Standard ponderada.

El valor de Tc (T calculado) se calcula con la expresin siguiente:

( x1 x 2 ) ( )
T 1 2 (6)
c S
d

Donde: 1 - 2 = 0 (por hiptesis)

Se halla luego el valor de Tt (T tabulado) en la tabla con:

= 0.05, y
G.L. = n1 + n2 2

Donde:

G. L. = grados de libertad.
Tt = T tabulado
Tc = T calculado

Aceptacin o rechazo de la hiptesis planteada y alterna.

8
Si |Tc| Tt (95%) x1 x 2 (estadsticamente), la prueba es no significativa.
Si |Tc| Tt (95%) x1 x2 (estadsticamente),la prueba es significativa (corregir los datos del
perodo dudoso).

Consistencia de la desviacin Standard

El anlisis de consistencia en la desviacin Standard se realiza con la prueba F o de Fisher. Esta

prueba basa el anlisis en el principio de homogeneidad de variancias y establece que si dos grupos
de datos n1 y n2, pertenecen a una misma poblacin hidrolgica, sus variancias deben ser
estadsticamente equivalentes, para cierto nivel de significacin dado. De no ser as, la prueba ser
significativa o altamente significativa.
El procedimiento es como sigue:

a) Clculo de las variancias de ambos periodos:

1 n1
S ( x)
1
2
(x 1 x 1)2
n1 1 i 1

(7)
1 n2
S 22 ( x) (x 1 x 2 )2
n2 1 j 1

b) Estadstico F

Se establece la hiptesis planteada y alterna; as como el nivel de significacin:

HP : 12 22 ( variancias poblacionales)
HP : 12 22
= 0.05

Clculo de Fc:

S12 ( x )
Fc , Si S12 ( x) S 22 ( x) (8.1)
S 22 ( x)

S 22 ( x)
Fc , si S 22 ( x) S12 ( x) (8.2)
S12 ( x )

Hallar el valor tabulado de Ft en las tablas, con:

= 0.05 (5%)
G.L.N = n1 1
G.L.D = n2 1

Donde:
Fc = valor de F calculado
Ft = valor de F tabular, de las tablas
= nivel de significacin.

9
 G.L.N = grados de libertad del numerador.
G.L.D = grados de libertad del denominador.

c) Conclusiones:

Si Fc Ft (95%) S1 (x) = S2 (x) (La prueba no es significativa)

Si Fc Ft (95%) S1 (x) S2 (x) (La prueba es significativa)

Correccin de los datos

En los casos en que los parmetros media y desviacin standart resultasen estadsticamente iguales, la
informacin original no se corrige por ser consistente con 95 % de probabilidades, an cuando en el
doble masa se observe pequeos quiebres.

Si resulta la media y desviacin Standard estadsticamente diferentes, entonces se corrige mediante

una ecuacin que permite mantener los parmetros del perodo ms confiable.
Si el perodo n1 es el dudoso:

x x
t 1
x' S ( x) x (9.1)
(t ) S1 ( x ) 2 2
Si el perodo n2 es el dudoso:

x x
t 2
x' S ( x) x (9.2)
(t ) S 2 ( x) 1 1
Donde:
x`(t) = Valor corregido de la informacin
xt = Valor a ser corregido
x 1 , x 2 ; S 1 ( x ) y S2 (x) son valores definidos anteriormente.

Bondad de la informacin corregida.

Para comprobar si la informacin corregida esta dentro de los limites de aceptacin con el 95% de
probabilidades, se analiza estadsticamente tanto la media y la desviacin Standard y, comparndolo
con el perodo confiable, repitiendo el procedimiento ya descrito, vale decir desarrollando las pruebas
T y F, respectivamente, cuyos resultados deben ser confiables.

Cabe mencionar que la informacin corregida no ser una informacin ideal o naturalizada, puesto
que mantendr un nivel de incertidumbre en relacin a los valores individuales es decir la magnitud
de aos secos o hmedos; pero para propsito de clculo prognosis quedar libre de inconsistencia.
Podemos decir entonces que la informacin perdida no podr recuperarse jams, de all la enorme
importancia de mantener una red bien manejada y controlada.

Normalmente se asume que el periodo reciente es el ms confiable, en los pases desarrollados de

Europa Amrica. En nuestro pas (Per) sin embargo ocurre a la inversa, puesto que la situacin
econmica de los ltimos aos y la informalidad existente hacen afirmar que los periodos recientes en
general son los menos confiables.

Es importante tambin tener presente que frecuentemente los periodos de anlisis de media y varianza
son coincidentes esto es n1 y n2.

10
La serie que debera considerarse ser la de valores anuales, por cuanto el criterio de aplicacin de 1
- 2 y 12/22 corresponden a series independientes y semanales mensuales aunque se incremente
con ello la longitud del registro n.

1.5.2 TENDENCIAS

Antes de realizar el anlisis de tendencias, se realiza el anlisis de saltos y con la serie libre de saltos,
se procede analizar las tendencias en la media y en la desviacin estndar.

1.5.2.1 Definicin.

Las tendencias son componentes determinsticos que se definen como un cambio sistemtico y
contnuo sobre una muestra de informacin hidrometeorolgica en cualquier parmetro de la
misma, que afectan las distribuciones y dependencias de las serie. Por ejemplo, si hay un cambio
ascendente o descendente en la temperatura, precipitacin, evaporacin o escorrenta, entonces
se produce una tendencia, se requiere que el intervalo de tiempo sea significativo esto es a largo
plazo.

1.5.2.2 Propiedades.

a. Las tendencias no se espera se repitan por si mismas de la misma forma o con las mismas
propiedades.

b. Se pueden separar de las otras componentes (peridica, aleatoria) de la serie, lo que hace
posible removerlas y/o incorporarlas.

c. Pueden existir en cualquier parmetro de una serie, media, variancia, y en parmetro de alto
orden, pero por lo general las tendencias se presentan nicamente en la media si la
informacin es anual y en la media y la desviacin estandar si la informacin es mensual.

d. Las tendencias pueden ser lineales y no lineales, por lo que cualquier funcin contnua de
tendencias no lineales pueden ser representadas en series de potencias o expresin
logartmica.

1.5.2.3 Anlisis de tendencias.

Las tendencias por lo general aproximadas por la ecuacin de regresin lineal en algunos casos
por polinomios que representan tendencias curvilnea o exponencial. En los dos primeros
parmetros de una serie:

- En la media.
- En la desviacin estandar.

A) Tendencia en la media.

La tendencia en la media Tm, puede ser expresada en forma general por el polinomio:

Tm = Am + Bmt + Cmt2 + Dmt3 + .... (10)

11
En muchos casos para estimar estas tendencias, es suficiente la ecuacin de regresin lineal simple:

Tm = Am + Bmt (11)

Donde:

Tm = Tendencia en la media, para este caso: Tm = X` (t) valor corregido de saltos es decir, datos a
usarse para el clculo de los parmetros.

t = Tiempo en aos, tomado como la variable independiente de la tendencia: 1,2,3...n.

Am , Bm , Cm , Dm : son los coeficientes de los polinomios de regresin que deben ser estimados
con los datos.

Las constantes de regresin de estas ecuaciones pueden ser estimadas por el mtodo de mnimos
cuadrados o por el mtodo de regresin lineal mltiple en el caso de polinomio.

Para calcular y analizar una tendencia lineal (en este caso), se procede de la siguiente manera:

a) Con la informacin que se tiene se calcula los parmetros de la ecuacin de regresin lineal
simple, dados en la ecuacin (11), por:

Am = T m - Bm t (12)

S Tm
Bm R (13)
St

t.Tm t Tm
R (14)
S t . S Tm

donde:

1 n 1 n
Tm
n i 1
Tm X (' t )
n i 1

1 n
t ti
n i 1

1 n
t .Tm t i .Tmi
n i 1
(15)

1/ 2
1 n 2
S (Tmi Tm)
Tm n 1
i 1

12
 1/ 2
1 n 2
S (t t )
t n 1 i 1 i

Adems:
t = Promedio del tiempo t.
T m = Promedio de las tendencias Tm, o promedio de los datos corregidos de saltos X (t)
STm = Desviacin estndar de la tendencia Tm.
St = Desviacin estndar del tiempo t.
R = Coeficiente de correlacin lineal entre la variable y el tiempo.

b) Evaluacin de la tendencia Tm

Para averiguar si la tendencia es significativa se analiza el coeficiente de regresin b o tambin

el coeficiente de correlacin R. En este caso se analiza R segn el estadstico T.

1. Clculo de estadstico Tc, segn :

R ( n 2)
TC (16)
(1 R 2 )

donde:

TC = valor del estadstico T calculado.

n = nmero total de datos.
R = coeficiente de correlacin.

2. En las tablas se encuentran el valor T tabular al 95% de probabilidades, vale decir:

= 0.05
G.L = n 2

3. Conclusiones:

Si tC Tt (95%) = R no es significativo

tC Tt (95%) = R es significativo y por lo tanto la tendencia es significativa y

hay necesidad de corregir la informacin de tendencia en la media.

c) Eliminacin de la tendencia en la media

Si resulta el coeficiente de correlacin R no significativo, entonces la informacin no presenta una

tendencia significativa con el 95% de probabilidades; pero si R resulta significativo, entonces la
tendencia si es significativa, la misma que se elimina de la siguiente manera:

Yt = X(t) - Tm (17)

Yt = X(t) - (Am + Bmt) (18)

Donde:

X(t) = Serie corregida de saltos.

13
Tm = Tendencias en la media, obtenida de la ecuacin (11)
Yt = Serie sin tendencia en la media, que presenta las siguientes caractersticas:

Para que el proceso Xt preserve la media constante, se devuelve el promedio de las Xt, luego las
ecuaciones (17) y (18) toman la forma:

Yt = X(t) - Tm + T m
(19)

Yt = X(t) - (Am + Bm . t ) + T m (20)

donde T m es el promedio de la tendencia en la media o promedio de los valores corregidos de

saltos.

B) Tendencia en la dispersin.

Segn Salas la tendencia en la desviacin estndar, generalmente se presenta en los datos semanales
o mensuales, no as en datos anuales. Por lo que, cuando se trabajan con datos anuales no hay
necesidad de realizar el anlisis de la tendencia en la desviacin estndar.

La tendencia en la dispersin Ts, se expresa por la ecuacin de regresin polinomial tal como:

Ts = As + Bst + Cst2 + Dst3 + ... (21)

y en forma particular, por la ecuacin de regresin lineal simple:

Ts = As + Bst (22)

Donde:
Ts = Tendencia en la desviacin estndar.
Ts = Yt, valor corregido de tendencia en la media, es decir, datos a usarse para el clculo de los
parmetros.
t = Tiempo en aos: 1,2,3,n
As , Bs , Cs , Ds = Coeficientes de los polinomios de regresin que deben ser estimados con los
datos.

Para calcular y probar si la tendencia en este paramento es significativa, se procede de la forma

siguiente:

a) La informacin ya sin tendencia en la media (Yt ) se divide en periodos de datos anuales.

b) Se calculan las desviaciones estndar para cada perodo de toda la informacin.

1/ 2
1 12
SP (YP Y P ) 2
1 1 p 1
(23)

donde:

SP = Desviacin estndar del ao p, es decir de los datos mensuales del ao p.

YP = Serie sin tendencia en la media
YP = Promedio de datos mensuales del ao p.
p = 1,2,3, ...,12

14
c) Se calculan los parmetros de la ecuacin de regresin lineal simple (22) a partir de las
desviaciones estndar anuales y el tiempo t (en aos), utilizando las ecuaciones de la (12) a la
(15), dadas para la tendencia en la media.

d) Se analiza la significacin del coeficiente de correlacin R, de Ts, segn la prueba T, con los
mismos criterios que en el caso anterior descrito para Tm.

e) Eliminacin de la tendencia en la desviacin.

Si R resulta significativo en la prueba, entonces la tendencia en la desviacin es significativa, por lo

que se debe eliminar de la serie de la siguiente manera:

X ' ( t ) Tm
Zt
Ts
( 24)

donde:

Zt = Serie sin tendencia en la media ni en la desviacin estndarcon las caractersticas:

E (Zt ) = 0 y VAR ( Zt ) = 1
Las dems variables han sido definidas en los prrafos anteriores.

Para que el proceso preserve la media y la desviacin estndar constante, la ecuacin toma la forma:

X ' ( t ) Tm
Zt .Ts T m (25)
Ts

Donde: .Ts y T m son los promedios de la tendencia en la desviacin estndar y media,

respectivamente.

La serie Zt es una serie homognea y consistente al 90% de probabilidad.

1.6 COMPLETACIN Y EXTENSIN

Los procedimientos para efectuar la completacin y extensin de datos hidrometeorolgicos se basan

en la aplicacin de tcnicas estadsticas y matemticas. En todos los casos, debe analizarse la
confiabilidad de la tcnica utilizada.

La completacin se refiere a la determinacin de los datos faltantes en la serie incompleta, mientras

que la extensin es el alargue de registros cortos (menor de 30 aos de informacin). Esto se hace
con informacin de buena calidad.

Para la completacin se usa preferentemente la regresin lineal simple que puede ser correlacin
cruzada o autocorrelacin.

La correlacin cruzada es un cruce de informacin. Se emplea cuando existe informacin de

estaciones vecinas o se cuenta con informacin de algunas cuencas de carcter similar a la analizada.

15
La autocorrelacin, llamada tambin correlacin seriada o serial, consiste en correlacionar datos
correspondientes al registro de una misma muestra hidrolgica, considerando un desfase en el tiempo
o desfasaje.

Para la extensin se usan modelos de regresin lineal simple y mltiple.

En forma general, el modelo matemtico ms usado para transferir informacin hidrolgica es el

modelo de regresin lineal simple.

yt = a + bxt (26)

donde:
yt = Variable hidrolgica dependiente
xt = Variable hidrlgica independiente
a y b = Parmetros de la ecuacin.

N 1 xi y i xi y i
b
x x
2 2
N1 i i

(27)

a y1 b x1
(28)
Donde:
N1 = Tamao del registro comn a ambas series o tamaos del registro corto.

y1
yi
N1

x1
x i

N1

N 1 xi y i xi y i
r
N x
1
2
i xi
2
N 1 y y
2
i i
2
(29)

1 N1 2
St ( y) y i y1
N 1 1 i 1

1 N1 2
S t ( x) xi x1
N 1 1 i 1

Donde:

y1 y x1 = Son los estimados de las medias de los perodos comunes, de tamao N 1 de las
variables yt xt.

16
St(y) , St(x) = Son los estimados no sesgados de las desviaciones estndar, de y t y xt de los perodos
comunes de tamao N1.

r = Coeficiente de correlacin.

La ecuacin de completacin o extensin resulta:

S1( y )
y t y1 r xt x1 (30)
S1( x )
Donde:
xt = Serie de registro largo de tamao N = N 1 + N2
N1 = Tamao del registro comn.
N2 = Tamao del registro no comn.

Criterios de confiabilidad.

a) Clculo del estadstico Tc, segn:

r ( N 1 2)
TC (31)
(1 r 2 )
Donde:
Tc = Valor del estadstico T calculado.
N1 = Tamao del registro comn de las series.
r = Coeficiente de correlacin.

b) Clculo de Tt
El valor de Tt se obtiene de tablas para = 0.05 y G.L. = N1 2

c) Criterios de decisin

Si | Tc | Tt r no es significativo, por lo tanto no hay correlacin significativa.

Si | Tc | > Tt r es significativo, por lo que s existe correlacin significativa entre las variables y t y
xt, y se puede usar la expresin (31).

Si r resulta no significativo se puede aplicar el proceso de autocorrelacin o probar con otra serie.

II. ANLISIS DE TORMENTAS

El anlisis de tormentas est ntimamente relacionado con los clculos o estudios previos al diseo
de obras de Ingeniera Hidrulica. En efecto, las dimensiones de estas obras dependen
principalmente de la intensidad que tengan las tormentas y de la frecuencia con que ellas se
presenten en el lugar para el que se est diseando la obra.

La duracin de un aguacero (conjunto de lluvias asociadas a una misma perturbacin meteorolgica

bien definida) puede variar de algunos minutos a un centenar de horas, e interesar una superficie que
va de algunos kilmetros cuadrados a algunos miles.

17
En drenaje urbano y de carreteras un aguacero dura raras veces ms de algunas horas; por otra parte
en la prctica interesa calcular la intensidad mxima para intervalos que varan de 5 minutos a una
hora.
No es econmico disear obras hidrulicas (cunetas, alcantarillas, vertedores de excedencias,
colectores de drenaje de carreteras y drenaje urbano, defensas ribereas, etc) para la precipitacin
ms intensa que pueda ocurrir en el curso de una duracin indefinida.
Es importante equilibrar, de una parte, el costo de una sobredimensin de las obras y, de otra, los
desastres debidos a su insuficiencia durante un violento aguacero. Es decir, no se busca una
proteccin absoluta, sino una proteccin contra un aguacero tipo de probabilidad determinada.

Para resolver racionalmente los problemas mencionados es necesario determinar las intensidades
mximas de lluvia con una frecuencia determinada (es decir, que ocurren, en promedio una vez cada
05, 10, 20, etc aos).
Durante el anlisis de las tormentas hay que tener claro los siguientes conceptos:
a) La Intensidad: Es la cantidad de agua cada por unidad de tiempo. Lo que interesa particularmente
de cada tormenta es la intensidad mxima que se haya presentado, es decir, la altura mxima de
agua cada por unidad de tiempo para diferentes duraciones. De acuerdo a esto la intensidad se
expresa de la siguiente manera:
I = p/t (32)
Donde:
I = Intensidad
P = Precipitacin
t = Tiempo

b) La Duracin: Corresponde al tiempo que transcurre entre el comienzo y el fin de la tormenta.

En una curva de lluvia acumulada se observa lo siguiente:
p (mm)

I= p/t

t (hr)
Fig. 1. Curva masa de precipitacin
tn
La precipitacin total: p 0 .dt (33)

Este tipo de curva se presenta en los pluviogramas o bandas pluviogrficas. Estas pueden presentar
una limitacin, pues su amplitud de registro de lmina es de 10 mm, que corresponde al momento de
vaciado del volumen acumulado (sistema Hellman). La tabulacin se hace de la siguiente manera:
10 mm

18
 hr.
0
15:00 23:20

Fig. 2. Pluviograma de una tormenta

Cuadro 2 : Tabulacin de un pluviograma para determinar la intensidad

Hora Intervalo de tiempo Tiempo Lluvia parcial (mm) Lluvia acumulada Intensidad
(min) acumulado (mm) (mm/hr)
(min)
(3)
(1) (2) (4) (5) (6)

15:00
Dt1 = 10 10 Dh1 = 3.5 3.5 21.0
15:10
Dt2 = 5 15 Dh2 =1.5 5.0 18.0
15:15
Dt3 = 25 40 Dh3 = 2.5 7.5 6.0
15:40
Dt4 = 40 80 Dh4 = 2.5 10.0 3.8
16:20
Dt5 = 30 110 Dh5 = 1.8 11.8 3.6
16:50
Dt6 = 70 180 Dh6 = 2.7 14.5 2.3
18:00
Dt7 = 80 260 Dh7 = 0.7 15.2 0.5
19:20
Dt8 = 80 340 Dh8 = 0.2 15.4 0.2
20:40
Dt9 = 20 360 Dh9 = 0.3 15.7 0.9
21:00
Dt10 = 60 420 Dh10 =1.4 17.1 1.4
22:00
Dt11 = 80 500 Dh11 = 1.0 18.1 0.8
23:20

- Columna 1 : corresponde a la hora (indicada en la abscisa del pluviograma) en la que la

precipitacin cambia de intensidad, y se reconoce por el cambio en la pendiente de la lnea que
marca la precipitacin.
- Columna 2 : Tiempo transcurrido entre cambios de intensidad, expresado en minutos = intervalo
de tiempo.
- Columna 3: Es la suma de los intervalos de tiempo en forma sucesiva = tiempo acumulado.
- Columna 4 : Precipitacin, en mn, durante cada intervalo de tiempo = lluvia parcial
- Columna 5 : suma de las lluvias parciales = lluvia acumulada.
- Columna 6 : Altura de precipitacin referida a una hora de duracin, calculada para cada uno de
los intervalos de tiempo, expresndose en mm/hr. Esta columna se construye por proporcin
directa entre columna (4) y (2), es decir que :

19
 lluvia parcial ( mm)
mm / hr 60 min/ hr ( )
int ervalo de tiempo (min)
col. 4
(60) ( )
col. 2
c) La Frecuencia: Es el nmero de veces que se repite una tormenta de caractersticas de intensidad
y duracin definidas, en un tiempo generalmente en aos.
d) El Hietograma o Histograma: Es un grfico de forma escalonada que representa la variacin de la
intensidad, en intervalos de tiempo expresado en minutos u horas.
El hietograma de precipitaciones se construye a partir de un pluviograma dividiendo el tiempo que
dur la tormenta en intervalos iguales no y midiendo la lmina de precipitacin que ocurri en
cada uno de ellos.

pp (mm) t

40
30
20
10
t (hr)
0 1 2 3

Fig. 3. Hietograma de precipitaciones

El hietograma de intensidades puede obtenerse del histograma de precipitaciones, dividiendo la

altura de precipitacin de cada barra entre el intervalo t que dura la misma. Ambos tipos de
histogramas son equivalentes.

I (mm/hr)

80
60
40
20
t (hr)
0 1 2 3

Fig. 4. Hietograma de intensidades

Los hietogramas se utilizan en los modelos de lluvia-escurrimiento.

2.1 INTENSIDAD MEDIA MXIMA PARA PERODOS DE DURACIN DIFERENTES

20
 Dp
Para una duracin Dt dada (llamada intervalo de referencia), la relacin de la altura de
Dt
lluvia recogida Dp en esta duracin es una funcin de Dt, cuyo valor disminuye cuando Dt aumenta.
El inters de esta nocin de intensidad media mxima correspondiente a un intervalo de tiempo Dt y
reside en lo siguiente:
En igualdad de intensidad, las lluvias que ocasionan el caudal mximo en un punto de la red de
drenaje, son aquellas cuya duracin de precipitacin es por lo menos igual al tiempo que necesitara
el agua para escurrir desde el elemento ms alejado de la cuenca vertiente en cuestin hasta el punto
considerado; ese tiempo es llamado tiempo de concentracin de la cuenca; puede variar de unos
minutos a una algunas horas. Si la lluvia contina indefinidamente con la misma intensidad ms
all del tiempo de concentracin tc, el caudal en la salida ser constante.
Para construir las curvas Intensidad Duracin Frecuencia, interesa calcular previamente las
intensidades mximas para 5, 10, 30, 60 y 120 minutos de duracin, dentro del tiempo total de
duracin de una tormenta. Para esto primero se ordena en forma decreciente las intensidades
mximas, instantneas, calculadas anteriormente, con sus respectivos tiempos parciales.

Cuadro 3: Intensidades ordenadas en forma decreciente

Dt
(mm/hr) (min)

21.0 10
18.0 5
6.0 25
3.8 40
3.6 30
2.3 70
1.4 60
0.9 20
0.8 80
0.5 80
0.2 80

Existen dos casos :

A) Cuando el tiempo parcial tabulado de la intensidad mxima, es mayor o igual al tiempo de
duracin requerido. En este caso le corresponde la misma intensidad.
Por ejemplo si se requiere la intensidad mxima para una duracin de 5 minutos, se determina
tomando la correspondiente a un Dt 5 min, que es el de una duracin de 10 min., es decir
segn el cuadro 3 : 5' = 10' = 21.0 mm/hr.

B) Cuando el tiempo parcial tabulado de la intensidad mxima, es menor que el tiempo de

duracin requerido.
Por ejemplo si se requiere la intensidad mxima para una duracin de 30 minutos, se
determina sumando las proporciones:

(10) (21.0) (5) (18.0) (15) (6.0) 210 90 90

I 30 13.0 mm / hr
10 5 15 30

Es decir :

21
 t t t
It 1 1 2 2 n n (34)
t

donde: t = t1 + t2 + ... + tn ; y tn es menor o igual que el tiempo tabulado para que la

suma arroje el valor t requerido.

As, para una duracin de 60 minutos es :

(10) (21.0) (5) (18.0) (25) (6.0) (20) (3.8) 210 90 150 76
I 60 8.8 mm /
60 60

Finalmente, para una duracin de 120 minutos es :

(10) (21.0) (5) (18.0) ( 25) (6.0) (40) (3.8) (30) (3.6) (10) ( 2.3)
I120 6.1 mm / hr
120

2.2 ANLISIS DE FRECUENCIAS DE LAS TORMENTAS

Para determinar la frecuencia con que una determinada tormenta se puede repetir en el tiempo, es
necesario contar con un registro pluviogrfico de no menos de 20 aos, del cual se obtiene las
intensidaes medias mximas para duraciones de 5, 10, 30, 60 , 120 minutos u otras diferentes.

A partir del registro de precipitaciones diarias de la estacin, se busca en cada ao los 2, 3 4 das de
mayor precipitacin de cada ao, para proceder a analizar sus pluviogramas respectivos.

Estos resultados se tabulan en orden cronolgico como puede verse en el cuadro 4.

Para determinar la frecuencia, el siguiente paso es ordenar en forma decreciente independiente del
ao de registro y aplicar la expresin (2)

Cuadro 4 : Intensidades mximas (mm/hr) de la estacin A. Weberbawer (Cajamarca)

Altitud: 2536 m.s.n.m. Latitud: 07 10`Sur Longitud : 78 30 Oeste
N aos Ao 5 min. 10 min. 30 min. 60 min. 120 min.
1 1973 101 71 24 14 11
2 1974 73 58 34 18 19
3 1975 90 50 24 16 10
4 1976 68 63 37 19 9
5 1977 65 53 37 21 11
6 1978 26 24 21 12 6
7 1979 60 60 38 23 14
8 1980 73.02 60.1 33.8 21.08 9.28
9 1981 67.2 54.8 29.13 15.54 13.02
10 1982 88.29 75.15 37.2 23.1 13.27
11 1983 75.3 50.4 31.4 23.71 13.99
12 1984 112.8 71.8 27.6 15.63 9.8
13 1985 59.31 54.4 25.56 14.7 8.05
14 1986 84.6 65.4 30.11 15.6 8.23
15 1987 76 49.2 21.6 13.2 7.95
16 1988 70.4 52.8 23 13.79 7.85
17 1989 73.6 47.8 28 16 9.6
18 1990 111.6 75 37.94 23 12
19 1991 83 73 41 26 14
20 1992 56 39 19 10 5
21 1993 58 51 28 18 10

22
22 1994 91.49 64.18 36.22 19.04 12.91
23 1995 71.11 56.26 28.66 16.72 9.32
24 1996 81.3 60.21 32.44 17.88 11.12
25 1997 82.2 68.1 35.04 17.86 8.94
26 1998 92 66.34 40.6 27.1 13.5

Cuadro N 5: Ordenamiento descendente de las intensidades mximas de la estacin A.

Weberbawer
M INTENSIDADES MXIMAS (mm/hr)
5 min 10 min 30 min 60min 120min
1 112.8 75.2 41.0 27.1 19.0
2 111.6 75.0 40.6 26.0 14.0
3 101.0 73.0 38.0 23.7 14.0
4 92.0 71.8 37.9 23.1 14.0
5 91.5 71.0 37.2 23.0 13.5
6 90.0 68.1 37.0 23.0 13.3
7 88.3 66.3 37.0 21.1 13.0
8 84.6 65.4 36.2 21.0 12.9
9 83.0 64.2 35.0 19.0 12.0
10 82.2 63.0 34.0 19.0 11.1
11 81.3 60.2 33.8 18.0 11.0
12 76.0 60.1 32.4 18.0 11.0
13 75.3 60.0 31.4 17.9 10.0
14 73.6 58.0 30.1 17.9 10.0
15 73.0 56.3 29.1 16.7 9.8
16 73.0 54.8 28.7 16.0 9.6
17 71.1 54.4 28.0 16.0 9.3
18 70.4 53.0 28.0 15.7 9.3
19 68.0 52.8 27.6 15.6 9.0
20 67.2 51.0 25.6 15.5 8.9
21 65.0 50.4 24.0 15.5 8.2
22 60.0 50.0 24.0 14.0 8.1
23 59.3 49.2 23.0 13.8 8.0
24 58.0 47.8 21.6 13.2 7.9
25 56.0 39.0 21.0 12.0 6.0
N =26 26.0 24.0 19.0 10.0 5.0
Media X 76.5462 58.2308 30.8154 18.1462 10.6885

23
III. PERODO DE RETORNO

Supngase que por definicin un evento extremo ocurre si una variable aleatoria X es mayor o igual
que un cierto nivel xt. El intervalo de recurrencia t es el tiempo entre ocurrencias de X x t .

Por ejemplo si xt = 100 mm/hr para una duracin de 5 minutos, puede verse que la intensidad
mxima excede este nivel tres veces durante el perodo de registro (cuadro 4), con intervalos de
recurrencia que varan desde 6 a 11 aos, tal como se muestra en el cuadro 6.

Cuadro 6 : Aos con una intensidad mxima igual o superior a

100 mm/hr para 5 min de duracin.

Ao de
Excedencia 1973 1984 1990 Promedio
Intervalo de
Recurrencia 11 6 8.5
(aos)

24
 17
t 8.5 aos
2

Por consiguiente, el perodo de retorno de un evento con una magnitud dada puede definirse como el
intervalo de recurrencia promedio, en aos, entre eventos que igualan o exceden una magnitud
especificada.

La probabilidad p = P (X x t ) de ocurrencia del evento X x t en cualquier observacin puede

relacionarse con el perodo de retorno. Para cada observacin existen dos resultados posibles: ya sea
xito X xt (probabilidad p) o falla X< x t (probabilidad 1- p). Debido a que las observaciones
son independientes, la probabilidad de un intervalo de recurrencia de duracin t es el producto de
las probabilidades de t-1 fallas seguidas por un xito, es decir: (1-p) t-1 p y el valor esperado para t
est dado por:

x
1
E (t ) t 1 p
t 1
p
t 1 p

Luego E(t) = T = 1/p; es decir, la probabilidad de ocurrencia de un evento en cualquier observacin

es el inverso de su perodo de retorno:

1
P( X xt ) (35)
T

Por ejemplo, la probabilidad de que la intensidad mxima para una duracin de 5 min, en la estacin
A. Weberbawer sea igual o exceda 100 mm/hr en cualquier ao es aproximadamente
1 1
p 0.118
t 8.5

Cul es el perodo de retorno para la intensidad de 101 mm/hr y 5 min de duracin del cuadro 5?

N 1
Solucin: De las expresiones (2) y (35) se tiene que T , es decir T = 26/3 = 8.7 aos
m

Cul es la probabilidad de que un evento con perodo de retorno de T aos ocurra al menos una
vez en N aos ?. Esto requerira una secuencia de N fallas sucesivas, de tal manera que

P (X< xt cada ao durante N aos) = (1- p)N

El complemento de esta situacin es el caso requerido, es decir:

P (X xt al menos una vez en N aos ) = 1 (1 p)N (36)

Como p = 1/T,

P (X xt al menos una vez en N aos ) = J = 1 (1 1/T)N (37)

Donde J es el riesgo de falla, que representa el peligro o la probabilidad de que el evento

considerado sea superado por eventos de magnitudes mayores. Con este parmetro J es posible
determinar cuales son las implicancias de seleccionar un perodo de retorno dado para una obra que
tiene una vida til de N aos.

25
La vida til (N) de una obra hidrulica es un concepto econmico en relacin con las
depreciaciones y costos de las mismas. La vida de las estructuras debe ser la mxima posible para
contribuir a la buena gestin de recurso hdrico.

Cul es la probabilidad de que en la estacin A. Weberbawer la intensidad media mxima exceda

100 mm/hr para una duracin de 5 minutos, al menos una vez durante los prximos 25 aos?

Solucin: Se ha visto que P (I 100 mm/hr en cualquier ao) = 0.118, luego segn la expresin (37)
se tiene:
P (I 100 mm/hr al menos una vez durante los prximos 25 aos) = 1 ( 1 0.118) 25 = 0.043.

IV. CURVAS INTENSIDAD FRECUENCIA DURACIN

Es posible plotear una curva que relacione la intensidad mxima, el perodo de retorno y la duracin
de la tormenta. Se han realizado estudios de series de aguaceros cuyos resultados se han sintetizado
en frmulas, tales como:

A ) Frmula de Talbot:

a
I (38)
bt
Donde:
I = Intensidad mxima.
a, b = Parmetros que dependen de la precipitacin local y del perodo de retorno.
t = Duracin de la tormenta.

Cul es la intensidad mxima para un perodo de retorno de 10 aos y una duracin de 45 min,
para la siguiente informacin?

26
t (min) 10 30 60 120
I (mm/hr) 112 59 36 22
T = 10 aos.
Graficar la curva I F D.

Solucin:

Segn la expresin (38): a = I (b + t ). Esta se convierte en una serie de ecuaciones, tal cono las
siguientes:

a = 112 (b + 10 ) [1]
a = 59 (b + 30 ) [2]
a = 36 (b + 60 ) [3]
a = 22 (b + 120) [4]
Resolviendo el sistema de acuaciones: [1] - [2] ; [1] - [3]; [1] - [4] ; [2] - [3] ;[2] - [4] y [3] -[4].
Resumen de las soluciones:
a = 2493.12
b = 12.16

a = 2652.16
b = 13.68

a = 3010.56
b = 16.88

a = 2770.20
b = 16.95

a = 3157.00
b = 23.51

a = 3394.08
b = 34.28
a 2915.66
Los promedios:
b 19.59
Luego:

2915.66
I
19.59 t
Para t = 45 min, I = 45.1 mm/hr.

B) Frmula usada en USA

KTm
I
t t0 n

(referencia: Hidrologa en la Ingeniera por Germn Monsalve S. pg. 110)

Los parmetros se obtienen a partir de los datos medidos en la estacin.

27
V. FLUJO DE LOS RIOS

El flujo en un cauce natural es muy complejo debido a su morfologa y al transporte de agua y

slidos de acuerdo a su pendiente y los materiales de su lecho. Se puede clasificar el flujo de un ro
como tridimensional, turbulento y variado no permanente.

En un tramo de longitud muy pequea se aplica fcilmente la ecuacin de la energa.

Existen diversos mtodos para medir la descarga de agua en un ro o canal. Para conocer el caudal a
lo largo del tiempo se establece una relacin entre la profundidad del agua y el caudal. A esta
relacin se le conoce como curva profundidad-caudal o curva de aforo.

5.1 MEDICIN DE NIVELES Y DE CAUDALES

Las mediciones suelen hacerse, como en el caso de las precipitaciones, una vez al da. La precisin
de las lecturas de los niveles es la centmetro, y excepcionalmente al milmetro.

Los mtodos habitualmente utilizados para determinar el caudal son:

- Medicin directa por capacidad.
- Exploracin del campo de velocidades con correntmetro o molinete.
- Dilucin mediante trazadores qumicos.
- Mediante dispositivos hidrulicos, tales como vertedero y aforador Parshall.

Cuadro 7 : Mtodos utilizados para medir caudales

28
 Tipo de curso de agua Mtodo utilizado
Ros Molinete, trazadores, tubo de Pitot
Quebradas y arroyos Vertederos, trazadores
Grandes canales Molinete, flotadores, aforador Parshall
Pequeos canales Capacidad, aforador Parshall, vertederos
Manantiales Capacidad, vertedero, orificio.
Se realizan aforos por el mtodo de dilucin mediante trazadores qumicos, fluorescentes o
isotpicos.
( referencia del tema: Hydrology in Practice por Elizabeth M. Shaw, pg. 96-130)

5.2 CURVA COTA-CAUDAL

La relacin cota-caudal de una seccin permite calcular la descarga que corresponde a una altura
dada de agua. Esta relacin es determinada por una representacin aproximada del trazo de la curva
de calibracin, hecha a partir de los resultados de las mediciones y apoyada en el anlisis de los
parmetros de escurrimiento.

h2

h1

Q
Q1 Q2

Fig. 5. Curva cota-caudal

- Forma exponencial
Q a h ho
n

(39.1)
Donde:
h = Nivel de la mira correspondiente al caudal Q.
ho = Nivel para el cual el caudal es nulo
a y n = Constantes locales

- Forma polinmica

Q a o a1 h a 2 h 2 ... a n h n (39.2)

5.3 HIDROGRAMA

Un hidrograma es una grfica caudal vs. Tiempo que mostrar la tasa de flujo como funcin del
tiempo en un lugar dado ( en la seccin de aforo). Segn Chow el hidrograma es una expresin
integral de las caractersticas fisiogrficas y climticas que rigen las relaciones entre la lluvia y la
escorrenta de una cuenca de drenaje particular.

29
Existen dos tipos de hidrogramas de especial inters: el hidrograma anual y el hidrograma de una
tormenta.

5.3.1 HIDROGRAMA ANUAL

El hidrograma anual es una grfica de caudal vs. Tiempo en un ao, muestra el balance de largo
plazo de la precipitacin, la evaporacin y el caudal en una cuenca. El volumen total de flujo (rea
bajo la grfica del hidrograma anual) es la capacidad de la cuenca.

Existen tres tipos principales de hidrogramas anuales, segn el tipo de rgimen de flujo del ro o la
corriente analizada.

a) Rgimen de flujo contnuo: Caracterstico de climas hmedos. Los picos que se originan por las
tormentas se conocen como escorrenta directa o flujo rpido, mientras que el flujo con pocas
variaciones en los perodos sin lluvia se llama flujo base. La mayor parte de la capacidad de la
cuenca para este tipo de ros proviene del flujo base, lo cual indica que una gran proporcin de la
lluvia se infiltra en la cuenca y alcaza el ro ms tarde como flujo sub-superficial.

b) Rgimen efmero: Existen largos perodos durante los cuales el ro est seco. La mayor parte de
la lluvia se convierte en escorrenta directa y presenta muy poca infiltracin. En este caso, la
capacidad de la cuenca es el resultado de la escorrenta directa de tormentas grandes.

c) Rgimen nival: En este caso el ro se alimenta por el derretimiento de nieve, creando un

hidrograma que vara de manera ms suave a lo largo del ao.

5.3.2 HIDROGRAMA DE TORMENTA

En los hidrogramas anuales se observan picos de crecientes. Estos representan tormentas, que son
eventos puntuales. Un hidrograma de tormenta presentar en detalle de manera grfica las
consecuencias en el caudal del evento de precipitacin ocurrido.

AB: recesin de flujo base.

BC: segmento de aumento.
Q C : caudal pico.
C CD: segmento de disminucin.
DE: recesin de flujo base.

A D
B E

Fig. 6. Hidrograma generado por una tormenta

30
 Fig. 7. Hidrograma mostrando la separacin del flujo base

5.4 FLUJO BASE

El flujo base se observa en el hidrograma anual.

Punto de quiebre

Punto final de recesin

Q0
Qt
t
n das

to = 0 t=n

Fig. 8. Flujo base de un ao hidrolgico

El ao hidrolgico en el Per se inicia el mes de setiembre.

La curva de abatimiento normal o curva de recesin de flujo base, usualmente toma la forma de
decaimiento exponencial:

Qt Qo e t (Ecuacin de Maillet) (40.1)

Donde:
Qt = caudal base en el tiempo t.
Caudal base en el tiempo t = to = 0.
e = 2.7183
= Coeficiente de descenso coeficiente de descarga, en (dias) -1. Es caracterstico de cada cuenca
en particular.

log Qo log Qt

t log e
(40.2)

31
Con la expresin (40) se determina para varios aos hidrolgicos y se obtiene el promedio. Este
valor se utiliza en la expresin (39).

5.4.1 RESERVA DE AGUA UTIL

N. F. ro N.F.
reserva
reserva

Fig. 9. Flujo base en un ro

Qo
Re 86.4 (41)

Donde:
Qo = Caudal base en el tiempo t=0, en l.p.s.
= Coeficiente de descarga, en dias-1.
Re = Reserva, en m3.

5.4.2 SEPARACIN DE FLUJO BASE

Tomando un hidrograma generado por una tormenta, es posible separar el flujo base, por mtodos
grficos.

El mtodo de la lnea recta: Consiste en dibujar una lnea horizontal desde el punto en el cual
empieza la escorrenta directa superficial hasta la interseccin con el segmento de recesin. Este
mtodo es aplicable a las corrientes efmeras. Una mejora a este anlisis consiste en usar una lnea
inclinada para conectar el punto de inicio de la escorrenta superficial con el punto en el segmento de
recesin del hidrograma en el cual se reinicia el flujo base.

El mtodo del flujo base fijo: Se supone que la escorrenta superficial termina en un tiempo fijo N
despus del pico del hidrograma. El flujo base antes de que empiece la escorrenta superficial se
proyecta hacia adelante hasta alcanzar el momento del pico. Luego se utiliza una lnea recta para
conectar esta proyeccin en el momento del pico con el punto en el segmento de recesin, N das
despus del pico. Como una regla prctica, este tiempo N en das, puede aproximarse por : N =
0.827 A0.2 ; (A en Km2)

Q
C

A D
B E
t

Fig. 10. Separacin de flujo base fijo en un hidrograma

El mtodo de Barnes: En este caso se conoce la ecuacin de la curva de agotamiento que al trazarse
en papel semilogartmico ser una recta de pendiente . Por tanto, representado el hidrograma en

32
 papel semilogartmico la parte final es una recta. Prolongando la recta que pasa por el punto de
inflexin E se obtiene el punto J. Se une J con M y queda desglosada el flujo subterrneo.

logQ

M J Qo

t
Fig. 11. Separacin en un hidrograma utilizando la curva de agotamiento

5.4.3 HIDROGRAMAS COMPLEJOS

No siempre se puede obtener el hidrograma correspondiente a una tormenta aislada, y
frecuentemente hay la necesidad de considerar e1 que resulta de la influencia de dos tormentas
separadas. En este caso se deben individualizar los hidrogramas de cada tormenta, antes de separar
el flujo base de la escorrenta directa. Frecuentemente las curvas de recesin de la escorrenta
directa se dibujan tomando como base un estimado de su duracin, por comparacin con
hidrogramas aislados de otras cuencas que tienen la misma duracin de la lluvia. Sin embargo, si se
pudieran establecer las relaciones dadas en la Figura 6.7 se podra usar la ecuacin (40.1). Las curvas
DC y BF vienen a ser extrapolaciones de la curva de recesin de la escorrenta.

33
Fig. 12. Separacin del flujo base y de la escorrenta directa en un hidrograma complejo

VI. INFILTRACIN

Se denomina as al movimiento del agua a travs de la superficie del suelo y hacia adentro del
mismo, producido por la accin de las fuerzas gravitacionales y capilares.

En el proceso de infiltracin, se supone nicialmente que el suelo est seco tal que la cantidad de agua
que puede absorver en la unidad de tiempo (es decir, su capacidad de infiltracin) es mayor que la
intensidad de la lluvia en sus primeros instantes. En este caso se infiltrar toda la lluvia, es decir:

I fp (42)

Donde:
I = Intensidad, mm/hr.
fp = Capacidad de infiltracin del suelo, mm/hr.

Al avanzar el tiempo, si la lluvia es intensa, contina hasta originar charcos y comienza el flujo sobre
la superficie. A este instante se le llama tiempo de encharcamiento y se denota con t p.
Despus del tiempo de encharcamiento, si la lluvia sigue siendo intensa, las fuerzas capilares pierden
importancia frente a las gravitatorias. El contenido de humedad del suelo aumenta y la capacidad de
infiltracin disminuye con el tiempo. Adems, bajo estas condiciones, la infiltracin se hace
independiente de la variacin en el tiempo de la intensidad de la lluvia, en tanto que sta sea mayor
que la capacidad del transmisin del suelo, de manera que:

I > fp si t > tp ; donde fp decrece con el tiempo.

Los factores que afectan la capacidad de infiltracin son:
- Textura del suelo.
- Contenido de humedad inicial.
- Contenido de humedad de saturacin.
- Cobertura vegetal.

34
- Uso del suelo.
- Aire atrapado.
- Lavado de material fino.
- Compactacin.
- Temperatura.
- Turbidez, salinidad y viscosidad del fluido.

6.1 MTODOS PARA DETERMINAR LA CAPACIDAD DE INFILTRACIN

Suelo tipo 1

Cuenca
Suelo tipo 2

Fig. 13. Zonificacin de una cuenca para estudio localizado de la infiltracin.

6.1 MTODOS DIRECTOS

6.1.1 INFILTRMETRO DE CILINDROS

Consiste em dos cilindros metlicos concntricos. El cilindro interior tiene de 22 a 30 cm de

dimetro por 30 cm de altura, el cual se inca a golpes en el suelo a una profundidad que vara entre
10 a 15 cm. El cilindro exterior tiene tanto un dimetro de 30 cm como una altura de 18 cm ms que
el interior, el cual se entierra unos 5 a 10 cm en el suelo.

El empleo consiste en verter agua en ambos cilindros para crear una lmina de agua que desciende
debido a la infiltracin. Las lecturas se realizan en el cilindro interior, inicialmente con un intervalo
de 1 a 3 minutos; luego de efectuadas las tres a cinco primeras lecturas puede aumentarse en
intervalo de tiempo de 5 a 10 minutos y transcurrida la primera y segunda hora, pueden ser
intervalos de 30 minutos. Debe reponerse al agua en los cilindros en forma simultnea sin permitir
que descienda hasta el nivel del suelo.

6.1.2 MTODO DE PORCHET (cilindro excavado en el suelo)

Se excava en el suelo un hoyo cilndrico de radio R y profundidad por ejemplo de 60 cm (puede

ser otro valor), sin llegar a la napa fretica.

La superficie a travs de la cual se infiltra el agua es:

S = R (2h + R ) (43)
Donde :
S = Superfcie de infiltracin.
h = Profundidad de agua en el cilindro.
= 3.1416
Para un tiempo dt sucede una variacin dh mientras hay infiltracin fp, verificndose la siguiente
igualdad:

35
 dh
R 2h R f p R 2
dt
De donde:

R 2h R
fp Ln 1
2(t 2 t1 ) 2h2 R
(44)
Se miden in situ lo valores h1, h2, t1 y t2 de tal forma que t1 y t2 no difieran demasiado.

6.2 MTODOS INDIRECTOS

6.2.1 ECUACIN DE HORTON

fp = fc + (fo fc ) e kt (45 )

Donde:
fp = Capacidad de infiltracin en el instante t.
fc = Valor constante de la capacidad de infiltracin que se alcanza al cabo de cierto tiempo t.
fo = Valor mximo de la capacidad de infiltracin al comienzo de la lluvia ( t = 0 ).
e = 2.7183
k = Constante que depende del tipo de suelo (llamada constante de decaimiento).
t = Tiempo transcurrido desde el inicio de la lluvia.
fp

fo

fc
t
Fig. 14. Curva de infiltracin de un suelo segn Horton

Cuadro 8 : Algunos valores de fo, fc y k para usarse en la ecuacin de Horton

Tipo de suelo fo (mm/hr) fc (mm/hr) k (min -1 )
Agrcola normal
- Desnudo 280 6 220 1.6
- Cubierto de vegetacin 900 20 - 290 0.8
Turba 325 2 - 20 1.8
Areno-arcilloso
- Desnudo 210 2 25 2.0
- Cubierto de vegetain 670 10-30 1.4

Integrando la ecuacin de Horton se tiene:

36
 f fc
1 e
kt
F fc t o (
k
46 )
La que representa la infiltracin acumulada, expresada en lmina, en un tiempo t.

6.2.2 ECUACIN DE KOSTIAKOV Y PHILIP

VI K t n (47)
Donde:
VI = Velocidad de infiltracin, en cm/hr
K = 60 a c
a = Pendiente de la recta de la lmina infiltrada, acumulada, dibujada en papel bilogartmico.
c = Lmina infiltrada en tiempo de un minuto, en cm.

Escala log
LA: Lmina acumulada, en cm.
t: Tiempo acumulado, en min.
LA a = Z/X
Z
X

c
0.1 t
1 10 100
0 Escala log

Fig. 15. Parmetros de la ecuacin de Kostiakov-Philip

37
VII. RELACIN PRECIPITACIN - ESCORRENTA

Cuando ocurre una tormenta en una rea de la cuenca, la precipitacin total Pp se reparte segn la
siguiente expresin:

Pp = + ET + F + S + Pp neta ( 48 )

Donde:
Pp = Precipitacin total.
= Retencin en el follaje.
ET = Evaporacin + Transpiracin.
F = Infiltracin.
S = Stock de agua almacenada en las depresiones del terreno que contribuye la infiltracin y
evaporacin.
Ppneta = Precipitacin neta precipitacin efectiva (Pe) escurrimiento.

El escurrimiento se puede resumir de la siguiente manera:

Escurrimiento = Precipitacin total Prdidas

La infiltracin constituye, en general, el trmino predominante de las Prdidas.

7.1 COEFICIENTE DE ESCURRIMIENTO

Es la relacin entre la precipitacin efectiva y la precipitacin total.

Pe
C ( 49 )
Pp

La precipitacin efectiva (Pe) se puede obtener mediante el hietograma de intensidades y la curva de

infiltracin (capacidad de infiltracin).

38
 I, fb (mm/hr)

80
Pe
60
40
20
Absorcin
t (hr)
0 1 2 3

Fig. 16. Precipitacin efectiva de una

tormenta

Pe = ( I fb ) t (50 )

El hietograma de la lluvia neta de una cuenca (Pe) se relaciona con el hidrograma registrado en una
seccin de su cauce principal.

t
Absorcin
I
C.G Lluvia neta C.G. = Centro de gravedad de
la lluvia neta.

Tiempo de respuesta

Q
Tiempo de crecida

t
Tiempo base
Tiempo de concentracin

Fig. 17. Hietograma e hidrograma de una tormenta.

7.2 TIEMPO DE CONCENTRACIN (tc)

Es el tiempo transcurrido desde el final de la lluvia neta y el final de la escorrenta directa.

Representa el tiempo que tarda en llegar al aforo la ltima gota de lluvia neta cada en el punto ms
alejado de la cuenca y que circula por escorrenta directa.

El tiempo de concentracin debe incluir los escurrimientos sobre terrenos, canales y los recorridos
sobre la misma estructura que se disea.

El tiempo de concentracin se puede determinar de las siguientes maneras:

A) Medida directa usando trazadores

- Durante una lluvia intensa, colocar un trazador radiactivo en la divisoria de la cuenca.
- Medir el tiempo que toma el agua para llegar al sitio de inters (estacin de aforo).

B) Usando las caractersticas hidrulicas de la cuenca.

- Dividir la corriente en tramos, segn sus caractersticas hidrulicas.

39
- Obtener la capacidad mxima de descarga de cada tramo utilizando el mtodo de seccin y
pendiente.
- Calcular la velocidad media correspondiente a la descarga mxima de cada tramo.
- Usar la velocidad media y longitud del tramo para calcular el tiempo de recorrido de cada tramo.
- Sumar los tiempos recorridos para obtener tc.

C) Estimando velocidades
- Calcular la pendiente media del curso principal, dividiendo el desnivel total entre la longitud total.
- De la tabla escoger el valor de la velocidad media en funcin a la pendiente y cobertura.
- Usando la velocidad media y la longitud total encontrar tc.

Cuadro 9 : Velocidades medias de escurrimiento por laderas (m/min)

Pendiente Vegetacin densa o Pastos o vegetacin Sin vegetacin
(%) cultivos ligera
0-5 25 40 70
5 10 50 70 120
10 15 60 90 150
15 - 20 70 110 180

D) Usando frmulas empricas

- Frmula de Kirpich
0.385
L3
t c 0.0195
H (

51 )
Donde:
Tc = Tiempo de concentracin, en min.
L = Mxima longitud del recorrido, en m.
H = Diferencia de elevacin entre los puntos extremos del cauce principal, en m.

- Frmula de George Rivero

16 L
tc
1.05 0.2 P 100 S 0.04
(52)
Donde:
tc = Tiempo de concentracin, en min.
L = Longitud del canal principal, en km.
P = Relacin entre el rea cubierta de vegetacin y el rea total de la cuenca, admensional.
S = Pendiente media del canal principal, en m/m.

- Frmula del SCS

1.67
1000
0.02872 L 0.80
9
N (53)
tc
S 0.50
Donde:
tc = Tiempo de concentracin, en min.
L = Longitud del canal principal, en m, y se define mediante:
L = 110 A0.60
A = Area de la cuenca, en has (A<1000 has.)
N = Nmero de curva, adimensional (ver escorrenta por el mtodo SCS).
S = Pendiente promedio de la cuenca, em %.

40
VIII. EVAPOTRANSPIRACIN

La evapotranspiracin es la evaporacin desde todas las superficies combinadas con la transpiracin

de las plantas. Excepto por la omisin de una cantidad despreciable de agua utilizada en las
actividades metablicas, la precipitacin es la misma que el uso consuntivo de agua.

8.1 EVAPOTRANSPIRACIN POTENCIAL

Dado que la tasa de evaporacin desde una superficie parcialmente hmeda esta afectada por la
naturaleza del suelo es aconsejable considerar primero el caso en que el suministro de agua es
ilimitado. Esto lleva al concepto de evapotranspiracin potencial, que Penman (1956) define como la
cantidad de agua transpirada en unidad de tiempo por un cultivo bajo que cubre totalmente el suelo,
de altura uniforme y al que nunca le falta agua. Esta definicin necesita ser ampliada y calificada en
tres aspectos:

Primero: no especifica el cultivo bajo, Penman discuti que cuando la cobertura es completa, la
evaporacin potencial est determinada por el tiempo, y no est afectada por la especie vegetal que
se encuentra en el suelo. Esta idea se ha comprobado para la mayora de los vegetales. Por ejemplo
Bavel (et al.), demostraron que la transpiracin del pasto bien provisto de agua depende de factores
meteorolgicos antes que fisiolgicos. Fristchen (1996) sugiri que las pequeas diferencian, por
parte de varias plantas, puede explicarse al menos en parte por sus propiedades fsicas como albedo y
rugosidad. Las hojas anchas al ser aerodinmicamente ms rugosas que las de los pastos, son capaces
de extraer ms energa del aire y por lo tanto presentan una tasa de transpiracin mas elevada.

Segundo: el concepto de una cubierta completa no est claro. Puede decirse que una cubierta vegetal
sombrea totalmente el suelo cuando intercepta toda la energa radiante. En verdad an un cultivo
denso y alto con un elevado ndice foliar puede absorber como mximo un 95% de la radiacin que
llega., grandes diferencias en el crecimiento vegetativo solo pueden causar pequeas diferencias en
la tasa de evapotranspiracin cuando la humedad del suelo es adecuada, esto se comprob en trigo.

Tercero: Penman no especifica el campo o las condiciones de las reas circundantes. En otras
palabras no se hace ninguna provisin para el efecto de la energa. El clima donde la evaporacin se
lleva a cabo es lo que l llama el ambiente en medio del ocano, donde la energa no es importante.

41
Sin embargo en climas ridos o semiridos la existencia de grandes cantidades de energa
transforma el concepto de evapotranspiracin potencial, tal como se defini mas arriba, es inexacto y
poco realista. Si la evapotranspiracin potencial requiere una extensa superficie evaporante o la
ausencia de energa, el clima no es rido. Pruitt (1960) ide el trmino evapotranspiracin potencial
mxima para describir la situacin en la que existe energa.

8.2 NECESIDADES DE AGUA DE LOS CULT IVOS

La determinacin de las necesidades de agua de los cultivos es un paso previo para establecer los
volmenes de agua que sern necesarios aportar con el riego. Teniendo en cuenta que en los ltimos
aos se ha presentado la necesidad imperiosa de extender los regados en la mayor parte de las zonas
ridas y semiridas del mundo, son numerosas las investigaciones que se estn realizando para
determinar con la mayor precisin posible estas necesidades.

Las investigaciones y ensayos se dirigen en dos sentidos:

*Predeterminacin de necesidades a partir de frmulas empricas

*Determinacin de necesidades a partir de mediciones directas

Entre los mtodos investigados para determinar estas necesidades, quizs sean los ms utilizados los
que se basan en la evapotranspiracin. El concepto de evapotranspiracin como suma de
transpiracin de la planta y de la evaporacin en suelo y planta, ha dado lugar a numerosas frmulas
de uso frecuente ante las dificultades que plantean las determinaciones directas.

La diversidad de criterios empleados para el clculo de la evaportranspiracin por diversos autores,

obliga a conocer los fundamentos de los clculos utilizados en cada caso para que de esta manera, al
aplicar estas frmulas en diferentes condiciones de medio y cultivo, se haga con la mxima
precisin.

La adaptacin de las frmulas de evapotranspiracin para uso en la determinacin de las necesidades

de agua de las cosechas y, posteriormente, su aplicacin al riego obliga a establecer las tres etapas
siguientes:

Determinacin de la evapotranspiracin de un cultivo de referencia (ETo): Habitualmente,

a partir de datos meteorolgicos y mediante frmulas empricas, se determina sta, que
FAO(1976) define: "la tasa de evapotranspiracin de una superficie extensa de gramneas
verdes de 8 a 15 cm de altura uniforme, de crecimiento activo, que sombrean totalmente el
suelo y en capacidad de campo".
El mtodo de clculo a utilizar vendr determinado por los datos de clima y suelo
disponibles y por las condiciones particulares de uso de las frmulas, ya que unas
proporcionan mayor exactitud que otras, segn las circunstancias.

Determinacin de la evapotranspiracin de cada especie cultivada (ETc):

Esta se determina mediante el empleo de coeficientes de cultivo (Kc) que corresponden a la
relacin entre la evapotranspiracin del cultivo de referencia (ETo) y la "de una determinada
especie cultivada, exenta de enfermedades, que crece en un campo extenso, en condiciones
ptimas de suelo, en el que se ha llegado a un potencial de mxima produccin " (FAO
1976).

8.3 EL CLIMA COMO FACTOR DE DEMANDA POTENCIAL DE AGUA

42
La evaporacin es el proceso fsico por el cual el agua experimenta un cambio de fase, lquido a gas,
y es transferido a la atmsfera circundante. La transpiracin es la evaporacin de agua en los
organismos vivos, incluyendo las plantas. La evapotranspiracin es la evaporacin simultnea desde
un suelo cubierto de vegetacin y desde los tejidos de las plantas, principalmente hojas. Ocurre
evaporacin cuando existe: energa para cambiar de fase lquida a gaseosa, cabida en la atmsfera
para albergar el vapor desprendido de la superficie y remocin del vapor de agua acumulado sobre la
superficie.

La vaporizacin de un centmetro cbico o un gramo de agua absorbe aproximadamente quinientas

ochenta caloras, este es el calor latente de evaporacin. Las fuentes de energa para la evaporacin
son: radiacin solar, radiacin solar de onda larga de la atmsfera u otros cuerpos terrestres y el calor
sensible del aire que rodea la superficie hmeda, si sta tiene menor temperatura que aquel. La
remocin de vapor junto a la superficie ocurre por simple difusin, por conveccin espontnea, y
ms frecuentemente por la conveccin forzada promovida por la turbulencia del aire.

Los factores climticos que causan la evapotranspiracin potencial son; la radiacin solar y terrestre;
la temperatura del aire; la humedad relativa y el viento. Mekammel y Bruce en1960 han encontrado
que la importancia relativa de la radiacin, humedad y viento en la determinacin de evaporacin de
tanque est relacionada 80:6:14, respectivamente. No tuvieron en cuenta la temperatura,
posiblemente debido a que la misma est afectada, en gran medida por la radiacin. Aunque este
anlisis estuvo basado en datos de evaporacin de tanque los resultados serian aproximadamente los
mismos para la evapotranspiracin potencial. En cualquier caso la radiacin es el factor dominante.

La demanda de vapor por parte de la atmsfera es mxima cuando los cuatro factores promotores de
la evaporacin coinciden en sus mximos valores.
Penman y Schefield en 1951 dieron tres causas por las cuales la evapotranspiracin potencial de un
cultivo bajo es menor que la evaporacin desde una superficie libre de agua: el mayor albedo de la
vegetacin, el cierre estomtico nocturno, y la resistencia de los estomas a la difusin. La
evapotranspiracin potencial es aproximadamente el 75% de la evaporacin desde el agua libre.

8.4 LA VEGETACIN COMO FACTOR DE DEMANDA REAL DE AGUA

Las plantas se comportan fsicamente como un complejo sistema de superficies evaporantes. La

morfologa de la vegetacin altera las caractersticas de la atmsfera superficial y establece un
microclima o fitoclima. Las caractersticas ecofisiolgicas que determinan el fitoclima son aquellas
relacionadas con la absorcin, reflexin y transmisin de energa radiante, y las que afectan la
turbulencia o velocidad del aire entre las hojas.

Entre las principales caractersticas vegetales: albedo o coeficiente de reflexin, la inclinacin,

tamao, forma y densidad del follaje, la altura y flexibilidad de las plantas. El fitoclima se manifiesta
por la distribucin vertical de los parmetros meteorolgicos que afectan la evaporacin. La
transpiracin en un estrato foliar dado (Ef) depende del balance de energa:

LE = Rnf Hf (54)

y de las condiciones de transferencia de vapor,

Ef = Kw (eh e) (55)

y de calor Hf = Kc (th T) entre las hojas de ese estrato y el aire circundante.

LE es el calor latente, Rnf es la radiacin neta de las hojas, que resulta del balance de radiacin entre
la planta y su ambiente. En l intervienen fenmenos de reflexin, transmisin y absorcin de
energa radiante a travs del follaje; Kw y Kc son los coeficientes de transmisin de vapor y de calor
en el estrato f y dependen del rgimen de vientos y propiedades aerodinmicas de la vegetacin. El

43
intercambio de calor Hf est promovido por la diferencia de temperatura entre las hojas y el aire
circundante, T; si th es mayor que T, el follaje cede al aire y el signo de Hf en el balance de energa
es negativo; si Th es menor que T el aire cede calor y las hojas aumentan as la energa para evaporar
agua, cambiando el signo de Hf a positivo, si Th es igual a T no hay intercambio de calor y toda la
energa para evaporar es provista por la radiacin neta. El intercambio de vapor Ef es promovido por
la diferencia de presin de vapor entre las hojas y el aire que las rodea, e. La transpiracin en un
instante dado, Ec, es igual a la suma de la transpiracin de cada uno de los estratos foliares, f, que
componen el cultivo. La transpiracin total del cultivo durante un perodo, E, resulta de la
contribucin variable de los diferentes estratos foliares en el transcurso del tiempo, t. A esta
transpiracin se suma la evaporacin de agua desde la superficie del suelo, cuya intensidad tambin
est determinada por los intercambios de radiacin y los fenmenos aerodinmicos que se establecen
en la base del cultivo.

Las mismas causas y factores que promueven la evaporacin de agua libre actan en los suelos
hmedos y en los cultivos produciendo la evapotranspiracin.

La evapotranspiracin o demanda efectiva de los cultivos alcanza sus mayores valores con
vegetacin alta, frondosa y oscura en das largos, luminosos, despejados, calurosos, secos y
ventosos. En estos casos la evapotranspiracin diaria alcanza valores de 8 a 12 mm por da o ms.
Los valores mnimos se registran en cultivos bajos, ralos, de colores claros, en das cortos, nublados,
fros, hmedos y calmos. En estas condiciones la evapotranspiracin es normalmente 3 mm por da.

8.5 EL SUELO COMO PROVEEDOR DE AGUA

Un suelo puede retener entre 1200 y 4400 m3 ( 120 y 440 mm) de agua por hectrea en los 80 cm
superiores del perfil, despus que ha sido copiosamente humedecido, ha escurrido el excedente
superficial y ha cesado la percolacin profunda. La vegetacin slo usa una parte de esta agua, y
cuando cesa de extraerla puede contener an entre 560 y 2400 m3 por ha (56 y 240 mm) hasta 80 cm
de profundidad. El aprovechamiento en esas condiciones flucta entre 640 y 2000 m3 /ha.(64 y 200
mm). Si la profundidad de agua es menor o el enraizamiento del cultivo es ms superficial, el agua
utilizada es comparativamente menor.

Los principales parmetros del suelo son la textura, la densidad y el contenido de materia orgnica.
La tasa de extraccin de agua depende de la interaccin de factores climticos, edficos y vegetales.

En el aprovechamiento del agua almacenada se destacan dos regmenes de extraccin (Pierce):

Un rgimen inicial cuya tasa de extraccin equivale a la demanda atmosfrica Su intensidad
est limitada por los factores que influyen en el flujo del agua como vapor desde las hojas.

Un rgimen posterior cuya tasa es inferior a la demanda, y donde el aprovechamiento est

restringido o limitado por los factores que afectan el flujo de agua al estado lquido en el
suelo y races. La humedad o el potencial hdrico al cul se produce el cambio del primero al
segundo rgimen depende del balance entre la demanda evaporada de las hojas (salida) y la
oferta de agua de las races (entrada) La oferta est determinada por el volumen del suelo
enraizable, las caractersticas de retencin hdrica y transmisora del suelo y la profundidad
radicular. El sistema poroso de los suelos arenosos posee un predominio de poros gruesos
que desalojan el agua a bajas tensiones. En cambio los suelos arcillosos poseen su mayora
poros medianos y pequeos que liberan el agua ms gradualmente. La influencia de la
textura es por eso un factor determinante en el rgimen de utilizacin del agua.

En condiciones de extraccin de agua suaves no se requieren muchas races ni poros muy

conductores para satisfacer la demanda. Una gran densidad o nmero de races pueden
interceptar profusamente la red porosa del suelo, acortar as el circuito del agua y
contrarrestar en conjunto la baja conductividad individual de esos poros.

44
 Fisiolgicamente, el uso restringido del agua del suelo es normalmente desfavorable al
desarrollo y produccin vegetal. La ptima provisin de agua es aquella que mantiene en el
suelo el nivel de humedad sobre el punto de marchitamiento incipiente.

8.6 EST IMACIN DE LA EVAPOTRANSPI RACIN

A continuacin se indica la frmula de Thornthwaite para estimar la evapotraspiracin potencial

(ETP).

Desarrollada en los Estados Unidos, propone la determinacin de necesidades de agua, mediante la

estimacin de la evapotranspiracin potencial (ETP), definida como:

"cantidad de agua que perder una superficie completamente cubierta de vegetacin en

crecimiento activo si en todo momento existe en el suelo humedad suficiente para su uso
mximo por las plantas".

Los datos meteorolgicos a utilizar en el clculo de la ETP son la temperatura y la heliofana. En

primer lugar, a partir de las temperaturas medias mensuales, se determina la denominada
evapotranspiracin sin ajustar (S) que corresponde a valores calculados para meses ficticios de 30
das y 12 horas de insolacin diaria. Se calcula el valor S mediante la frmula:
a
10 t
S 1 .6 (56.1)
I

Siendo:
S = Evapotranspiracin potencial media, en mm/da
t = Temperatura mensual, en C
I = Indice calrico anual de la zona
12
I i (56.2)
1

i= (t/5)1.514 (56.3)

a = 0,000000675 I3 - 0,0000771 I2 + 0,01792 I +0,49239 (56.4)

El ndice trmico de la zona (I) es un valor anual que se obtiene mediante la suma de los doce
ndices de calor(i) correspondientes a cada uno de los meses del ao, calculados por la expresin
(56.3).

La frmula (56.1) deber ser ajustada para las condiciones reales de das del mes con duraciones
desde 28 a 31 das al igual que las horas de luz que varan con la latitud y fecha del lugar
considerado. El coeficiente de ajuste se obtiene mediante la siguiente expresin:

N d
C d (57.1)
12 30

Donde:

C = Factor de correcin, mensual

N = Heliofana astronmica para el da medio del mes, segn la latitud

45
d = Nmero de das del mes

Luego:

ETP = C S (57.2)

ETP = Evapotranspiracin potencial en mm/mes

La frmula de HARGREAVES es muy utilizada en la sierra del Per done la radiacin

solar es ms notoria; tiene la siguiente expresin:

(57.3)

Donde:
ETP : Evapotranspiracin potencial, mm/da
Ra : Radiacin extraterrestre media diaria, mm/da
Hr : Humedad relativa media mensual, %/100
t : Temperatura media mensual, C
EL : Altitud, m

Radiacin extraterrestre media diaria (RMD) expresada en equivalente de

evapotranspiracin (mm/da): Ra
L E F M A M J J A S O N D
Sur
4 15.5 15.8 15.6 14.9 13.8 13.2 13.4 14.3 15.1 15.6 15.5 15.4
6 15.8 16.0 15.6 14.7 13.4 12.8 13.1 14.0 15.0 15.7 15.8 15.7
8 16.1 16.1 15.5 14.4 13.1 12.4 12.7 13.7 14.9 15.8 16.0 16.0
10 16.4 16.3 15.5 14.0 12.5 11.6 12.0 13.2 14.7 15.8 16.4 16.5
Fuente: FAO

Existen otras frmulas tales como:

- Turc
- Jensen Haise
- Penman
- Blaney Criddle

La ecuacin de Penman contiene dos trminos: el primero de energa, que es funcin de la radiacin,
y el segundo aerodinmico, que depende de la velocidad del viento y de la humedad relativa de la
atmsfera. En condiciones meteorolgicas de calma, el segundo trmino es poco significativo,
mientras que en regiones muy secas con fuerte dficit de tensin de vapor o sometidas a vientos
fueres y secos, est trmino alcanza gran significacin.

La frmula de Penman es el mtodo ms exacto de todos los que utilizan frmulas empricas para
calcular la evapotranspiracin, pero tiene el inconveniente de requerir datos meteorolgicos de los
que no se dispone en muchas estaciones.

8.7 EVAPOTRANSPIRACIN REAL

46
La evapotranspiracin potencial es un lmite superior de la cantidad de agua que vuelve a la
atmsfera. Para determinar la evapotranspiracin real (ETr) debe tenerse en cuenta ese lmite y
tambin el agua que efectivamente existe en la zona.
Un balance hdrico, para un intervalo de tiempo, puede plantearse as:

P = ETr + EXC + S (58.1)

Donde:
P : precipitacin
ETr: evapotranspiracin real
EXC: excedentes de agua (escorrenta + infiltracin)
S : incremento en la reserva de agua utilizable por las plantas
Y con la condicin: ETr ETP (58.2)

Cuando se conocen los valores de la precipitacin y de la reserva de agua utilizable, las expresiones
anteriores (58.1) y (58.2) permiten deducir la evapotranspiracin real a partir de la potencial.

8.8 EVAPOTRANSPIRACION DE CULTIVO (ETc)

Tanto el tipo de cultivo como su estado de desarrollo influyen en la evapotranspiracin, cuyas

diferencias diarias son producidas por el cambio del clima.

Cuando se desea estimar el consumo de agua de un cultivo en cualquier zona y cualquier estado de
desarrollo, se usan los denominados coeficientes de uso consuntivo (Kc) los que se obtienen de la
siguiente manera:

ETc
Kc (59)
ETP
El coeficiente Kc vara durante el perodo vegetativo. Como consecuencia, la demanda de agua
aumenta gradualmente desde la germinacin de la semilla hasta un mximo en el momento de la
floracin y formacin de granos.
Esta demanda mxima puede seguir durante algunas semanas en la mayora de los cultivos. Una vez
que los granos se han formado, disminuye rpidamente el requerimiento de agua de la planta.
La FAO ( Organizacin de las Naciones Unidas para la Alimentacin y la Agricultura), expresa el
coeficiente Kc en funcin de cuatro fases de desarrollo del cultivo:

Fase inicial: Desde germinacin y crecimiento inicial hasta el 10% de cobertura vegetal.
Fase de desarrollo: Desde el final de la fase inicial hasta el 70% a 80% de cobertura vegetal.
Fase de fructificacin: Desde el final de la fase de desarrollo hasta inicio de maduracin del fruto.
Fase de maduracin: Desde el inicio de maduracin hasta plena maduracin o recoleccin.

Los valores de Kc se obtienen experimentalmente; entones:

ETc = Kc ETP (60)

9. CAUDAL MAXIMO E HIDROGRAMA DE DISEO

9.1 CAUDAL MAXIMO

El diseo hidrolgico para el control de aguas est relacionado con la mitigacin de los efectos
adversos causados por caudales altos o crecientes o mximas avenidas. Se considera que una
creciente es cualquier caudal alto que desborde los terraplenes ya sean naturales o artificiales. Las

47
magnitudes de las crecientes estn descritas por sus caudales, sus elevaciones y sus volmenes. El
caudal mximo de diseo se requiere para dimensionar estructuras de regulacin (embalses de
detencin, embalses para el control de crecientes, etc.) y para estructuras de conduccin
(alcantarillado de aguas de lluvia, canales de drenaje, diques de crecientes, estructuras de derivacin,
etc.)
La magnitud del caudal de diseo, es funcin directa del perodo de retorno que se le asigne, el que a
su vez depende de la importancia de la obra y de la vida til de sta.

Cuadro N 10. Perodo de retorno de diseo para estructuras menores

Tipo de estructura Perodo de retorno
(aos)
Puente sobre carretera importante 50 - 100
Puente sobre carretera menos importante o alcantarilla sobre carretera 25
importante
Alcantarilla sobre camino secundario 5 - 10
Drenaje lateral de los pavimentos, donde puede tolerarse 1-2
encharcamiento con lluvia de corta duracin
Drenaje de aeropuertos 5
Drenaje urbano (funcin bsica) 2 - 10
Drenaje urbano (funcin complementaria) 25 - 50
Drenaje agrcola 5 - 10
Muros de encauzamiento 2 - 50
Captacin de alta montaa 25
Presa pequea (altura de 25 a 40 pies o volumen de almacenamiento 50 - 100
de 50 a 1000 acres-pie) con poca probabilidad de prdidas de vidas
1 acre-pie = 1,233.5 m3

9.2 MTODO RACIONAL

Modelo ms antiguo de la relacin lluvia escurrimiento (1889).

El mtodo supone que si sobre un rea determinada ocurre una precipitacin de intensidad uniforme
en el tiempo y en el espacio, llegar un momento en que la cantidad de agua que cae equivale a la
que sale del rea, siempre y cuando sta sea impermeable. El tiempo en el cual se alcanza la
equivalencia se denomina tiempo de concentracin t c.
En una superficie siempre se espera prdidas por evaporacin, por ello el coeficiente C ajusta la
relacin: Volumen neto/Volumen total.

Suponiendo un hidrograma triangular, este proceso se representa:

I
I
tc
Q tc Q

Q=CIA
Q= CIA
t t

Fig. 18. Hidrograma del mtodo Racional

Limitaciones de la frmula Racional:

- La intensidad es constante
- La lluvia es uniforme en el espacio
- Ignora el efecto de almacenamiento o retencin temporal en la superficie

48
- El coeficiente de escorrenta es constante
- El caudal tiene la misma frecuencia de la precipitacin.
El mtodo puede ser aplicado a pequeas cuencas de drenaje agrcola, para reas que no excedan los
13 km2.

CI A
Q (61)
3.6
Donde:
Q = Caudal mximo, en m3/s
C = Coeficiente de escorrenta, que depende de la cobertura vegetal, la pendiente y el tipo de suelo
I = Intensidad mxima de la lluvia, para una duracin igual al tiempo de concentracin, y para un
perodo de retorno dado, en mm/hr
A = Area de la cuenca, en km2

9.3 MTODO PROBABILSTICO

Cuando no existe correlacin entre observaciones adyacentes, la salida de un sistema hidrolgico es

tratada como estocstica, independiente del espacio e independiente del tiempo. Este tipo de
tratamiento es apropiado para observaciones de eventos hidrolgicos extremos, como crecientes
sequas, y para informacin hidrolgica promediada a lo largo de intervalos de tiempo grandes, como
la precipitacin anual.
Este mtodo se basa en considerar que el caudal mximo anual o la precipitacin mxima anual es
una variable aleatoria que tiene una cierta distribucin. Su uso requiere informacin de caudales
mximos anuales precipitaciones mximas anuales.

Numerosos tipos de leyes de probabilidad (Gumbel, Pearson, Nash, Levediev) son efectivamente
utilizados para representar la curva acumulada de las frecuencias de crecida.

6.3.1 Distribucin Gumbel Distribucin de Valor Extremo tipo I (EVI)

Consideremos por ejemplo, una serie S de observaciones, en nmero infinito ( S es una poblacin en
el sentido estadstico del trmino), que representa valores estadsticamente independientes de una
variable aleatoria a; tenemos en esta serie un grn nmero de n muestras que contengan cada una
m observaciones y en cada muestra clasifiquemos estas ltimas por orden de magnitud decreciente.
Cul ser la ley de distribucin estadstica de la serie de n trminos constituidos por el mayor valor
xi de cada una de las n muestras extradas de la serie completa S de las observaciones?

La distribucin estadstica de la serie de los mayores valores x i, correspondientes a las n muestras

antes citadas tienden asintticamente hacia una ley simple de probabilidad independiente de la que
rige la variable aleatoria a en le serie S.

Esta propiedad significa que cualquiera que sea la forma de la ley de probabilidad de los caudales
diarios observados en una estacin, la serie de los valores donde cada uno representa el caudal
mximo del ao estar distribuida segn una ley lmite de los valores extremos.

Esta ley lmite corresponde a una funcin de distribucin de la forma:

P ( X x) F ( x ) e e

(62)
Donde:
F(x) = Funcin de distribucin acumulada
x
var iable reducida

= Parmetro de escala

49
 = Valor central moda
x = Variable aleatoria

F(x)

1.0

0 < < +
- < < +
0.5

-1 0 1 2 3

Fig. 19 Funcin de distribucin de Gumbel

Estimando los parmetros del modelo de Gumbel por el mtodo de momentos, se tiene:

x (63)
= 0.57721, es la constante de Euler
Adems:

22
La varianza es : S 2
6
De donde se obtiene para muestras muy grandes:
= 0.78 S (64)
x 0.45 S (65)
N 2

x i x
(66)
S i 1

N 1

Para muestras relativamente pequeas:

S
(67)
y
xy (68)
Los valores de y y y se obtienen del siguiente cuadro:

Cuadro N 11. Medias esperadas y desviaciones

estndar de extremos reducidos
N:
nmero y y
aos
registro
10 0.4952 0.9496
15 0.5128 1.0206
20 0.5236 1.0628
25 0.5309 1.0915
26 0.5320 1.0961
27 0.5332 1.1004
28 0.5313 1.1047
29 0.5353 1.1086
30 0.5362 1.1124
31 0.5371 1.1159
32 0.5380 1.1193
33 0.5388 1.1226
34 0.5396 1.1255
35 0.5403 1.1285
36 0.5410 1.1313
37 0.5418 1.1339
38 0.5424 1.1363

50
 39 0.5430 1.1388
40 0.5436 1.1413
45 0.5463 1.1519

Para un perodo de retorno T, dado en aos, el valor del evento estara dado por:

1
x ln ln1 x ln ln F ( x) (69)
T

6.3.2 Distribucin Pearson tipo III distribucin Gamma de Tres Parmetros

Es utilizada para lluvias o caudales mximos anuales.

La funcin de distribucin de probabilidad es :

x 1 1 1
1 x
1

x 1
P ( X x) F ( x)
1 1 0
e

1
dx

(70)
Donde 1 , 1 y 1 son los parmetros de la funcin (70) y (1 ) es la funcin gamma.

x 1
Haciendo: y
1

y
1
P (Y y ) F ( y )
1 0
e y y 1 1 dy

(71)
La expresin (71) es una funcin de distribucin ji cuadrada con =2 1 grados de libertad y 2 =
2y.

Los parmetros 1 , 1 y 1 se evalan, a partir de n datos medidos, mediante el siguiente sistema

de ecuaciones:

x 1 1 1
(72.1)

S2 = 12 1 (72.2)

2
(72.3)
1

Donde x es la media de los datos, S2 su variancia y su coeficiente de sesgo, que se expresa como:

n 3

n xi x
i 1

n 1 n 2 S 3
(73)

Para un perodo de retorno T, dado en aos, el valor del evento estara dado por:

51
 2
x 1 1
2
(74)

Existen otras distribuciones utilizadas en hidrologa tales como:

- Distribucin normal; su principal aplicacin es el ajuste de distribuciones empricas de variables
media anuales, mensuales, estacionales, etc. que pueden ser caudales, precipitacin, entre otros.
- Distribucin log-normal.
- Distribucin log-pearson tipo III.
- Distribucin log-Gumbel.
- Distribucin gamma de dos parmetros.

La manera de verificar si la distribucin de los datos observados se ajustan a una distribucin terica
es mediante la prueba de bondad de ajuste. La ms utilizada es el ajuste estadstico que se realiza
mediante una de las dos siguientes:
- Prueba Chi-cuadrado (2)
- Prueba Smirnov-Kolmogorov

9.4 HIDROGRAMA DE DISEO

9.4.1 HIDROGRAMA UNITARIO

El hidrograma final de escurrimiento de una cuenca es el resultado de la sumatoria de todos los

hidrogramas parciales de las subcuencas infinitesimales que la conforman, modificados por el efecto
del almacenamiento, mientras se viaja a travs de la superficie de la cuenca y de sus cauces.

Modelo agregado lineal propuesto por Sherman en 1932. Observ que si las caractersticas fsicas de
una cuenca tales como su forma, tamao, cobertura y pendiente, permanecen constantes, las lluvias
efectivas (Pe) de caractersticas semejantes producirn hidrogramas de forma similar y magnitudes
de gastos proporcionales a dichas lluvias.

Hiptesis del Hidrograma Unitario

A) Tiempo base constante: Para una cuenca dada, la duracin total de escurrimiento directo o
tiempo base (tb), es la misma para todas las tormentas con la misma duracin de lluvia efectiva (de),
independientemente del volumen total escurrido.

h PeB Q Esc. Superf. B

(mm) (m3/s)
PeA
Esc. Superf. A
Absorcin
t (hr) t(hr)
deA=deB =duracin tbA = tbB=tiempo base
efectiva

Fig. 20. Relacin duracin efectiva de la lluvia y el tiempo base del hidrograma.

Si la duracin de la lluvia efectiva (d e) es mucho menor que el tiempo de concentracin (t c) se trata

de una lluvia unitaria.

52
Si de > deA = deB, entonces se alargar el hidrograma de escorrenta superficial; es decir, se incrementa
el tiempo base.

El hidrograma unitario (HU) es un hidrograma tpico para la cuenca, es la respuesta a una

precipitacin efectiva de volumen unitario, ocurrida en un intervalo t. De all que el volumen de
escorrenta bajo el hidrograma se ajusta generalmente a 1 cm ( 1 plg.).

t
H.U
Pp=1mm

q=Q/h

(m3/s.mm)
Esc. Superf.

t(hr)
Tiempo base =tbA=tbB

Fig. 21. Hidrograma unitario de una cuenca dada

Para dos ms estaciones de una misma cuenca el hietograma a utilizar es la media de los
hietogramas de las estaciones.

B) Linearidad o proporcionalidad: Las ordenadas de todos los hidrogramas de escurrimient o

directo con el mismo tiempo base, son directamente proporcionales al volumen total de
escurrimiento directo; es decir, al volumen total de lluvia neta (Ve) de una cuenca con rea A.

Qi

ti

Fig. 22. Ordenadas de escurrimiento directo del hidrograma conocido

Ve=Qi ti (75.1)

he = Ve/A (75.2)

Donde:
Ve = volumen de escurrimiento directo
A = Area de la cuenca
he = lmina de escurrimiento directo

Si se determina la lmina he ,sta es equivalente a la escorrenta directa del histograma (Pe).

53
 h
Pe = he = hi

hi
= ndice de infiltracin
t
de

Fig. 23. Separacin del hietograma conociendo el escurrimiento directo del hidrograma
Conocidos el escurrimiento directo del hidrograma y del hietograma se puede determinar el
Hidrograma Unitario

C) Superposicin de causas y efectos: El hidrograma que resulta de un perodo de lluvia dado,

puede superponerse a hidrogramas de perodos lluviosos precedentes.

t
A C
B
h
de de de

Hidrograma total
Q

B C
A
t

Fig. 24. Hidrograma total de lluvias precedentes de igual duracin

El HU es un modelo lineal, por lo tanto es aplicable el principio de superposicin; 2 cm de

escorrenta producirn un hidrograma con todas las ordenadas dos veces ms grandes que aquellas
del hidrograma unitario, es decir, la suma de dos hidrogramas unitarios.

Existe adems lo que se denomina el hidrograma unitario instantneo (HUI) que es el HU para una
lluvia cuya duracin tiende a cero, es decir, es de tipo impulso.

En general los hidrogramas unitarios no deben utilizarse para cuencas cuya rea sobrepase los 5000
km2, debido a la heterogeneidad espacial que presentan las cuencas mayores.

Intervalo de tiempo de: de tc /3 5 ; donde tc es el tiempo de concentracin.

9.4.2 HIDROGRAMAS UNITARIOS SINTTICOS

Adems de los hidrogramas registrados, existen hidrogramas sintticos que son simulados,
artificiales y se obtienen usando las caractersticas fisiogrficas y parmetros de la cuenca de inters.

54
Su finalidad es representar o simular un hidrograma representativo del fenmeno hidrolgico de la
cuenca, para determinar el caudal pico.

9.4.2.1 HIDROGRAMA UNITARIO TRIANGULAR

A falta de informacin histrica de precipitaciones se puede deducir un hidrograma sinttico

triangular basado en el siguiente principio: Si el volumen del Hidrograma de escorrenta superficial
es conocido (volumen= (rea de la cuenca)(una unidad de lmina de escorrenta superficial)), el
caudal pico puede ser calculado suponiendo un Hidrograma unitario de forma triangular.

tr
Pe=1
tl

tp

Qp

Tbt

Fig. 25. Hidrograma triangular

El volumen de escurrimiento:

Q p Tbt
V A (1) (76.1)
2
Donde:
V : volumen bajo el hidrograma unitario triangular
Qp : caudal pico
Tbt : tiempo base del hidrograma unitario triangular
A : rea de la cuenca
(1): una unidad de lmina de escorrenta.

De la ecuacin (76.1) se obtiene:

2A
Qp (76.2)
Tbt
Para un milmetro (Pe = 1 mm) de lluvia efectiva el caudal pico tambin es:

0.556 A
Qp
tp
(76.3)
Donde:
Qp : caudal pico por milmetro de lluvia, m3/s
A : rea de la cuenca, km2

55
tp: tiempo al pico del hidrograma unitario triangular, hr

Adems:

tr
tp 0.6 t c (76.4)
2

tr
tl t p (76.5)
2
Donde:
tr : duracin de la lluvia efectiva, hr
tc : tiempo de concentracin de la cuenca, hr
tl : tiempo de desfase de la cuenca, hr

Adicionalmente

8t p
Tbt (76.6)
3

A falta de mejores datos la duracin de la lluvia efectiva, se puede estimar aproximadamente para
cuencas grandes, como:

tr 2 tc (76.7)
O bien, para cuencas pequeas, como:

tr tc
(76.8)

9.5 MTODO SECCIN-PENDIENTE

Este mtodo est relacionado con la frmula de Manning en la cual se incluye la rugosidad
del cauce (n), la pendiente longitudinal (S), la seccin transversal (A) y el caudal (Q). Si la
incgnita es este ltimo se requiere tomar datos de campo de las otras variables, siendo lo
ms dificultoso estimar la profundidad del flujo especialmente cuando se trata de una
mxima avenida; en estos casos la experiencia y el buen juicio del que registra la huella
histrica dejada en las mrgenes del ro es determinante para estimar la profundidad del
flujo.

El tramo del ro en estudio se supone de seccin (A) y rugosidad (n) constantes con flujo
uniforme.

Por definicin el flujo uniforme ocurre cuando:

1. El tirante, el rea hidrulica y la velocidad en cada seccin transversal son constantes.

56
2.- La lnea de gradiente de energa, la superficie del agua, y el fondo o plantilla del canal,
son todos paralelos: esto es Sf = Sw = So, donde Sf = pendiente de la lnea de energa,
Sw = pendiente de la superficie del agua, y So = pendiente del fondo o plantilla del
canal.
En general el flujo uniforme ocurre nicamente en canales prismticos muy largos y rectos,
en donde puede obtenerse una velocidad terminal del flujo.

Las ecuaciones de Chezy y Manning

V C RS

1 2/3
V R S
n

C R1 / 6
n
Donde:
V = velocidad promedio
C = coeficiente de resistencia de Chezy
R = radio hidrulico
S = pendiente longitudinal del canal
n = coeficiente de resistencia de Manning
= 1.00 si son utilizadas unidades SI
= 1.49 si son utilizadas unidades inglesas

La frmula de Manning para calcular el caudal es:

A R 2 / 3 S 1/ 2
Q (76.9)
n

10. TRNSITO DE CRECIENTES

10.1 INTRODUCCIN

El trnsito es un proceso analtico que se utiliza para determinar la forma del hidrograma de
una creciente en un punto deseado de un cauce, embalse o lago, como resultado de una
avenida hipottica o medida en algn punto de aguas arriba. Dicho clculo es necesario para
establecer la altura que alcanza el pico de la creciente en un punto de inters ubicado aguas
abajo, estimar la proteccin que brindara la construccin de un embalse y determinar la
altura adecuada de un sistema de diques para proteccin contra inundaciones, la dimensin
de un aliviadero y cualquier otro clculo relacionado con la creciente.
El aspecto conceptual del trnsito se ilustra claramente considerando el tramo entre ambos
puntos como un modelo de caja negra, como se muestra en la figura 27, de tal modo que
dicha caja reemplaza al tramo de cauce (longitud) o al embalse. Conociendo el hidrograma
de entrada I, ya sea por medicin o por sntesis, se desea determinar el hidrograma de salida
O.

ENTRADA
CAJA SALIDA
NEGRA
57
SALIDA
I (hidrograma de entrada) O(hidrograma de salida)

Fig. 27. Modelo simplificado de un trnsito en un cauce un embalse

Volumen de entrada en el incremento de tiempo Dt menos volumen de salida en el mismo

incremento de tiempo Dt , igual al cambio en el volumen de almacenamiento dentro de la
caja negra

Ocurrir un cambio en la cantidad de agua dentro de la caja debido a que se incrementa el

nivel del agua a medida que el flujo pasa. La ecuacin de continuidad se expresa mediante
las ecuaciones:

I - O = dS /dt (78.1)

= DS / Dt (78.2)
Donde:
I = caudal de entrada
O = caudal de salida
S = volumen de almacenamiento
Dt = incremento del tiempo

Por conveniencia, generalmente se supone que el caudal medio al inicio y al final de un

intervalo de trnsito pequeo t es igual al caudal medio durante dicho intervalo. Si
utilizamos los subndices 1 y 2 para indicar el inicio y el final del intervalo obtenemos:

I1 I 2
Dt O1 O2 Dt S 2 S1
2 2
(79)

La ecuacin (79) es la base para la mayora de los mtodos de trnsito hidrolgico. El

trnsito se inicia asumiendo conocidos I1, I2, O1 y S1; mientras que O2 y S2 se encuentran
mediante el proceso de trnsito. Para poder resolver las 2 incgnitas, se debe establecer una
segunda relacin entre O y S.
Al asumir que I = (I1 + I2) / 2, estamos aceptando que el hidrograma posee una variacin
lineal durante el perodo t; por lo que dicho perodo debe seleccionarse lo suficientemente
pequeo. Como criterio general, t debe ser siempre menor que el tiempo de viaje de la onda
a lo largo del tramo. Por otro lado, hay que tener en cuenta que, mientras ms pequeo sea

58
t, ms se incrementan los clculos del trnsito. Son aceptables valores de t entre un medio
y un tercio del tiempo de viaje.
El almacenamiento es una caracterstica de la caja negra, por lo que su determinacin
depende de, si se trata de un tramo de ro, una represa y su embalse asociado, o alguna
combinacin especial de ambos.

10.2 TRNSITO POR UN EMBALSE

Se asume que el nivel de agua en el embalse se mantiene horizontal, aunque no siempre sea
se el caso. Inicialmente se conocen los siguientes datos:
1. El hidrograma de entrada
2. El nivel de la superficie de agua en el embalse en el instante en que llega la creciente
(t = 0)
3. El caudal de salida desde el embalse antes de que llegue la creciente (O,t = 0).

Adicionalmente se conocen las caractersticas fsicas del embalse; es decir, la curva de

capacidades (elevacin versus volumen) y rea de la superficie de agua.
Igualmente se puede disponer de cierta informacin relacionada con la forma de cmo se
lleva a cabo el desembalse; tal como, turbinado, por tomas para otros usos, o a travs del
aliviadero. La operacin del embalse puede estar controlado parcialmente por un operador.
Las salidas no controladas; es decir, aquellas que discurren libremente sobre el aliviadero, se
pueden determinar en funcin de las caractersticas geomtricas del mismo y de la altura de
agua que alcanza el caudal sobre dicha estructura. A su vez, el nivel del agua sobre el
aliviadero va a depender del nivel de agua en el embalse.
Por ejemplo, la siguiente expresin representa la curva de gastos del aliviadero (relacin
entre el caudal y el nivel de agua sobre la estructura):
Q=2LH1.5 (80)
Donde:
Q = caudal de salida en m3/s
L = longitud de la cresta del aliviadero en m
H = nivel de agua por encima de la cresta en m

La Ecuacin (79) se puede transformar como sigue:

I1 + I2 + [2S1/t - O1] = 2S2/t + O2 (81)

La solucin de la ecuacin (81) requiere de una curva de trnsito que indique el valor de
[2S/t + O] contra valores de O. Todos los trminos del lado izquierdo de la ecuacin

59
se conocen; el valor de 2S2/t + O2 puede ser calculado; el valor de O2 se obtiene
entonces de la curva de trnsito. Se repite el procedimiento para todos los intervalos. En la
Tabla 7.3 se presenta un ejemplo ilustrativo. Hay que hacer notar que el trmino
[2S/t - O] se calcula fcilmente como [2S/t + O ] 2 O.

Cuando la salida del embalse es controlada, el trnsito depende del mtodo de operacin de
las compuertas. Modificando la ecuacin (79) se puede obtener una expresin general, como
la que sigue:

I1 I 2
Dt O1 O2 Dt OR Dt S 2 S1 (82)
2 2
Donde O es la salida no controlada y OR es la salida controlada. En caso de que O fuera
cero, la ecuacin (82) se transforma en:

t OR t + S 1 = S2 (83)

Esta ltima ecuacin puede resolverse con facilidad para S2 y la elevacin del embalse. Si O
no es cero, la ecuacin de trnsito se transforma como sigue:
2 S 2 S2
I 1 I 2 2 OR 1 O1 O2
Dt Dt
(84)

La ecuacin (84) se resuelve en la misma forma que la ecuacin (82), teniendo en cuenta la
inclusin de OR. Si las compuertas de salida se fijan en una sola posicin, la descarga viene a
ser una funcin de la altura de agua. En este caso, la ecuacin de trnsito se resuelve con
la ayuda de una familia de curvas [2S/t + O], una para cada abertura de compuerta. En el
procedimiento de trnsito se utiliza la curva correspondiente a la abertura dada.

Ejemplo: Como ilustracin del mtodo de trnsito por un embalse vamos a presentar el caso
del trnsito del hidrograma de la creciente milenaria por el embalse del Ro Capaz, ubicado
en la regin de Los Andes venezolanos.

Datos:
1) Curva de almacenamiento. En el cuadro 12 se dan los datos de la relacin
Almacenamiento-Elevacin por sobre el nivel de la cresta del aliviadero (Ho = 1960
m.s.n.m.).

Cuadro 12: Curva de almacenamiento para el ro Capaz

Altura sobre la cresta del aliviadero Almacenamiento*
H S

60
 (m) (Millones de m3)
0 0
5,0 5,0
15,0 19,5
25,0 38,0
35,0 61,2

*Los datos del cuadro 12 se ajustan a la siguiente expresin:

S = 0,75H1,2 (85)
r2 = 0,998

2) Hidrograma de entrada. Se obtuvo del anlisis de frecuencia de los caudales mximos y

se presenta en la columna (3) del cuadro 13.
3) La estructura de alivio es un vertedero rectangular cuya expresin de la descarga es:

Q=2LH1.5 (86)
Donde:
Q = caudal de salida en m3/s
L = longitud de la cresta del aliviadero en m
H = nivel de agua por encima de la cresta en m

Cuadro 13: Trnsito de la creciente mediante 2S/t + 0 vs O (longitud de vertedero L= 40 m)

Intervalo t I I1 + I2 2S1 / t-0 2S1 / t+0 0

(h) (m3/s) (m3/s) (m3/s) (m3/s) (m3/s)
(1) (2) (3) (4) (5) (6) (7)

1 0 0 0 0 0 0

2 0,4 19 19 0 0 0

3 0,8 140 159 119 159 20

4 1,2 335 475 514 594 40

5 1,6 538 873 1187 1387 100

6 2,0 627 1165 1952 2352 200

61
 7 2,4 554 1181 2573 3133 280

8 2,8 414 968 2881 3541 330

9 3,2 278 692 2893 3573 340

10 3,6 187 465 2718 3358 320

11 4,0 125 312 2510 3030 260

12 4,4 84 209 2239 2719 240

13 4,8 56 140 1979 2379 200

14 5,2 38 94 1713 2073 180

15 5,6 25 63 1456 1776 160

16 6,0 17 42 1258 1498 120

17 6,4 11 26 1064 1284 110

18 6,8 8 19 923 1083 80

19 7,2 5 13 816 936 60

20 7,6 3 8 744 824 40

El hidrograma de salida se presenta en la columna (7) del cuadro 13.

RESUMEN DE LOS RESULTADOS DEL TRANSITO DE LA

Cuadro 14.
CRECIENTE MILENARIA A TRAVES DEL RIO CAPAZ.
Caudal pico (m3/s)
Longitud de Altura sobre la
Entrada Salida
cresta (m) cresta (m)

15 627 180 3,30

20 627 235 3,25

25 627 240 2,84

30 627 280 2,79

40 627 340 2,62

62
Fig. 28. Mtodo grfico de transito de la creciente de diseo.

Fig. 29. Transito de la creciente milenaria por el embalse del Ro Capaz.

63
10.3 TRNSITO POR EL CAUCE

El trnsito de una creciente a lo largo de un cauce de ro tiene problemas que no existen en

el trnsito por un embalse. La ecuacin bsica (78.1) es la misma, es decir:

I-O=ds/dt

Para el caso de un embalse, hemos visto que O y S se dan como una funcin de la altura de
agua en un embalse, con lo cual la ecuacin de continuidad se concibe como la relacin
entre el caudal de entrada, I, conocido a priori, y el nivel de agua, H, desconocido. En un
cauce, la superficie del agua no siempre es paralela al fondo del canal. Por lo tanto, aun
considerando al canal como un embalse estrecho y alargado, no se cumple la condicin que
hemos asumido de superficie de agua siempre horizontal para el caso del trnsito por el
embalse. A medida que el caudal se incrementa, la superficie de agua libre en un cauce se
inclina ms rpidamente que el fondo. Cuando el caudal decrece, sucede le contrario. En la
figura 7.4 se ilustra este fenmeno. Luego, la relacin entre la descarga y el almacenamiento
en un tramo fijo no est claramente establecida y cambiar de acuerdo con que el
hidrograma est ascendiendo o decreciendo.

Hidrograma
Yo I Y Ascenso Ascendente
Y Descenso
Hidrograma
Descendente

Fig. 30. Superficie libre en un canal abierto para hidrogramas en ascenso y descenso.

Sin embargo, debido a la necesidad de disponer de alguna relacin, se asume que el

caudal de salida y el almacenamiento estn asociados bajo la forma de una serie infinita (de
utilidad, sobre todo cuando se puede establecer otra asociacin ms simple o directa) del
siguiente tipo:

d mS (87)
O aSn X m
m 1 dt m
donde a, x y n son constantes desconocidas al inicio. Como es usual en los procedimientos
numricos, la serie se trunca tomando slo los 2 primeros trminos y despreciando todos los
dS (88)
O aSn X
dt
otros para obtener:

Esta ecuacin se puede resolver para dS/dt y sustituir la solucin en la ecuacin

(78.1), con lo cual se obtiene:

En la prctica se ha estandarizado la notacin K=(1/a)1/n ; tomando n=1, se obtiene:

1
1 n (89)
S XI O1 X n
1

a 64
 S=K[XI (1-X)O] (90)
Esta expresin se conoce como la ecuacin de almacenamiento en el mtodo de
Muskingum para el trnsito de crecidas.
Sustituyendo se obtiene:
O2 = C0 I2 + C1 I1 + C2O1 (91)
donde (C0 + C1 + C2) = 1, con:
0,5t KX
C0
K 1 X 0,5t (92.1)

0,5t KX (92.2)
C1
K 1 X 0,5t

(92.3)
K 1 X 0,5t
C2
K 1 X 0,5t
La ecuacin (91) se conoce como el Mtodo de Transito de Muskingum.
Antes de poder usar la ecuacin de trnsito hay que establecer los valores de K y X. El
procedimiento ms sencillo consiste en aplicar a hidrogramas conocidos el proceso inverso
al trnsito. Resolviendo las ecuaciones se obtiene:
Almacenamiento N
K = =
Caudal ponderado de entrada y salida D

0,5t I1 I 2 O1 O 2 (93)
K
X I1 I 2 1 X O 2 O1

Utilizando hidrogramas conocidos se pueden obtener valores sucesivos del numerador. Los
valores del denominador se logran del mismo hidrograma usando varios valores de X. En el
cuadro 15 se presenta un ejemplo de clculo; los resultados se han graficado en la Figura 31.
El valor de K se obtiene directamente del proceso anterior; pero para dibujar la grfica es
necesario asumir valores de X. Una vez estimados K y X se puede analizar la influencia que
ejercen sobre el proceso de trnsito. La constante K posee las dimensiones de tiempo y
equivale al tiempo requerido para que una onda elemental de caudal atraviese el tramo entre
la entrada y la salida (denominado tambin tiempo de viaje o tiempo de retardo). Como
resultado, el incremento de tiempo t que se usa para el trnsito debe ser aproximadamente
igual a K. Su magnitud podra calcularse si se considera la velocidad con que viaja la onda
de flujo.

En el cuadro 16 se presentan los estimados para las velocidades del flujo, mediante el
principio de Seddon en combinacin con la ecuacin de Manning, donde V es la Velocidad
media del flujo y Vw la velocidad de la onda de crecida.

La diferencia que existe en la pendiente de la superficie de agua cuando el nivel asciende o

desciende (Fig.30) se debe en parte a la direccin del movimiento de la onda. Para un
hidrograma en ascenso, la onda se mueve hacia aguas abajo; en cambio un hidrograma

65
 decreciente, el fenmeno se invierte. La velocidad V se podra obtener sobre la base del
caudal para una seccin transversal representativa para el tramo.

Cuadro 15. DETERMINACIN DE LOS COEFICIENTES K y X

Valores de D y D para varios valores de X

X=0 X=0,1 X=0,2 X=0,3
Tiempo I1 I1 O1 O1
t=0,5 I O + - + - N N D D D D D D D D
Das I2 I2 O2 O2

(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (17)
Feb.26 2,2 2,0 16,7 9,0 12,3 5,0 1,9 5,0 5,7 6,5 7,2
am

Pm 14,5 7,0 42,9 18,7 13,9 4,7 6,1 1,9 4,7 5,0 5,6 5,7 6,5 6,5 7,5 7,2
Feb.27 28,4 11,7 60,2 28,2 3,4 4,8 8,0 8,0 4,8 9,7 4,6 11,3 4,5 13,0 4,3 14,7
am
Pm 31,8 16,5 64,5 40,5 -2,1 7,5 5,2 16,0 7,5 14,5 6,7 15,9 5,6 17,5 4,6 19,0
Feb.28 29,7 24,0 55,0 53,1 -4,4 5,1 0,5 21,2 5,1 22,0 4,1 22,6 3,2 23,1 2,3 23,6
am

Pm 25,3 29,1 47,7 57,5 -4,9 -0,7 -2,9 21,7 -0,7 27,1 -1,1 26,7 -4,5 26,3 -2,0 25,9
Mar.1 20,4 28,4 37,4 52,2 -4,1 -4,6 -3,9 18,8 -4,6 26,4 -4,6 25,6 -4,5 24,8 -4,4 23,9
am

Pm 16,3 23,8 28,9 43,2 -3,7 -4,4 -3,6 14,9 -4,4 21,8 -4,3 21,0 -4,3 20,3 -4,2 19,5
Mar.2 12,6 19,4 221,9 34,7 -3,3 -4,1 -3,2 11,3 -4,1 17,4 -4,0 16,7 -3,9 16,0 -3,9 15,3
am

Pm 9,3 15,3 16,0 26,5 -2,6 -4,1 -2,6 8,1 -4,1 13,3 -4,0 12,7 -3,8 12,1 -3,6 11,1
Mar.3 6,7 11,2 11,7 19,4 -1,7 -3,0 -1,9 5,5 -3,0 9,2 -2,8 8,7 -2,8 8,3 -2,6 7,8
am

Pm 5,0 8,2 9,1 14,6 -0,9 -1,8 -1,4 3,6 -1,8 6,2 -1,7 5,9 -1,6 5,5 -1,6 5,2
Mar.4 4,1 6,4 7,7 11,6 -0,5 -1,2 -1,0 2,2 -1,2 4,4 -1,2 4,2 -1,1 3,9 -0,9 3,6
am

Pm 3,6 5,2 6,0 9,8 -1,2 -0,6 -1,0 1,2 -0,6 3,2 -0,6 3,0 -0,7 2,8 -0,8 2,7

FIG. 31. CURVAS DE ALMACENAMIENTO EN EL CAUDAL.

66
Cuadro 16. RELACIN ENTRE LA VELOCIDAD DE ONDA VW Y LA VELOCIDAD MEDIA V
DEL FLUJO EN EL CAUCE
Tipo de cauce Vw /V
Rectangular de gran anchura 1.67
Parablico de gran anchura 1.44
Triangular 1.33

Fig. 32. Trnsito a lo largo de 4 subtramos con K=1 en cada uno.

En la Fig.32 se ilustra la influencia del parmetro X sobre el trnsito. Para un valor de X =

0,5 el hidrograma transita a lo largo del tramo sin cambiar de forma; mientras que para X =
0, el trnsito es equivalente al caso del embalse. El parmetro X puede ser considerado
como un ndice adimensional del almacenamiento en cua dentro del tramo. En la Fig. 33 se
presenta un canal de anchura unitaria. El prisma de almacenamiento est dado por LY 0,
donde Y = profundidad del flujo, equivalente a Ot, o, con t = k, igual a OK. El
almacenamiento en cua es dado por Ly/2, proporcional a (l-O) t a (l-O)K. La constante
de proporcionalidad viene a ser el parmetro X. Luego:
Ly/2 = X (l O) K (94.1)
Pero del prisma de almacenamiento se tiene
K=LY0/O (94.2)
En tal forma que:
X = O y / [2(I-O)Y0] (94.3)

67
 Fig. 33. Porcin L de un cauce de anchura unitaria

La magnitud (l-O)/y se puede determinar mediante la diferenciacin de la ecuacin de

Manning. Para canales rectangulares de gran anchura con cambios pequeos en el caudal,
X= 0,3. En canales triangulares, X se incrementa uniformemente desde 0,375 para y/y 0 = 0
hasta 0,48 para y/y0 = 0,5.
Para ilustrar el mtodo de Muskingum, consideremos el trnsito del hidrograma dado en el
cuadro 15. De acuerdo con los resultados de la Figura 31, usemos K= 1,05 das y X= 0,3
utilizando t= 1 da. Los coeficientes de la ecuacin 91 son:
C0 = 0,15; C1 = 0,66; C2 =0,19

El proceso de trnsito se desarrolla como se indica en el cuadro 16. El hidrograma de

entrada, conocido al inicio, se da en la columna 2. Se calculan los valores de la columnas 3 y
4 multiplicando los datos de la columna 2 por C0 y C1, respectivamente. El caudal de salida
del primer da es conocido, lo cual permite calcular el primer valor de la columna 5.
Aplicando la ecuacin de trnsito se calcula el caudal de salida para el segundo da, y por lo
tanto, C2O para el mismo da. Repitiendo el procedimiento se determinan lo valores del
hidrograma de salida da a da (columnas 5 y 6). Comprese el hidrograma de salida de la
columna 6, cuadro 16, con el hidrograma de la columna 3, cuadro 15. En este ejemplo, la
diferencia de los picos es slo del 4%.

Cuadro 16. EJEMPLO DE TRNSITO POR EL MTODO MUSKINGUM.

O2 = C0 I2 + C1 I1 + C2O1

Tiempo en Caudal de C0 I C1 I C2O Caudal de Caudal de salida

das (t) entrada I salida medido (columna 3,
calculado Tabla 7.4)

(1) (2) (3) (4) (5) (6) (7)

1 2.2 0.33 1.45 0.38 2.00 2.0

2 28.4 4.26 18.70 1.16 6.09 11.7

3 29.7 4.45 19.60 4.62 24.31 24.0

68
 4 20.4 3.06 13.50 5.19 27.28 28.4

5 12.6 1.89 8.54 3.90 20.58 19.4

6 6.7 1.01 4.41 2.58 13.54 11.2

7 4.1 0.62 2.71 1.45 7.62 6.4

8 2.4 0.36 1.59 --- 4.52 4.6

El mtodo del trnsito por el cauce discutido aqu tambin puede usarse para el caso de
afluentes o tributarios, slo que los valores de K y X sern variables. Detalles de este
procedimiento estn fuera del alcance de este libro, pero se pueden encontrar en la
bibliografa correspondiente, tal como CARTER y GODFREY (1960) y el U.S. Army, Corp.
Of Engineer (1960).

REFERENCIAS:

Linsley, R,K., Kohler, M.A. y Paulhus, J.L. Hidrologa para Ingenieros. Mac Graw
Hill. Latinoamericana. 1977.

Viessman, W., Jr., W. Knapp, G.L. Lewis and T.E. Harbaugh, Introduction to
Hidrology, 2nd. Ed., Harper and Row, N.Y. 1977.

Hjelmfelt, A.T. and Cassidy, J.J. Hidrology for Engineers and Planners. Iowa State
Univ.- Press, Ames, Iowa, 1975.

Wilson, E.M., Engineering Hidrology, 2nd. Ed. Mac Millan Prees, 1982.

Chow, V.T., Maidment, D.R. and Mays, L.W., Applied Hydrology, Mac Graw Hill,
USA 1988

69
XI. ELEMENTOS DE ESTADSTICA

11.1 INTRODUCCION

Los procesos hidrolgicos son de naturaleza estocstica, es decir, que su distribucin en el

tiempo y en el espacio es tal que, en parte son determinsticos (predecibles) y en parte
aleatorios.

Algunas veces, la variabilidad aleatoria es muy grande comparada con la determinstica,

de modo que se justifica un tratamiento de proceso aleatorio puro, tal como cuando una
magnitud de una observacin del proceso no est correlacionada con la magnitud de una
observacin adyacente, siendo las propiedades estadsticas de todas las observaciones, las
mismas.

Cuando no existe correlacin entre observaciones adyacentes, la salida del sistema

hidrolgico se considera estocstica, independiente en el espacio y en el tiempo. Este
comportamiento es tpico de eventos hidrolgicos extremos, tal como crecidas o sequas; y
de datos hidrolgicos medios sobre intervalos de tiempo largos, como precipitacin anual.
En este captulo se describen los datos hidrolgicos pertenecientes a un proceso aleatorio
puro, mediante el uso de parmetros y funciones estadsticas. Los mtodos estadsticos se
basan en principios matemticos que describen la variacin de un conjunto de
observaciones de un proceso, centrando la atencin, ms bien en las mismas observaciones
en vez del proceso fsico que las origina

11.2 ELEMENTOS DE PROBABILIDADES EN HIDROLOGIA.

Una variable aleatoria X es una variable que se describe mediante una funcin de
distribucin de probabilidades. La distribucin indica la probabilidad de que una
observacin cualquiera x de la variable X obtenga un valor dentro de un rango especfico de
X. Supongamos por ejemplo que X sea la precipitacin anual en un punto determinado, la
distribucin de X especifica el chance que tiene un valor de precipitacin anual observado
en un ao dado de caer dentro de un rango previamente definido, tal como por ejemplo,
menos que 1.200 mm, o entre 1.200 y 1.500 mm.

70
 A un conjunto de observaciones x1, x2, ..., xn de la variable aleatoria se denomina
muestra. Se asume que las muestras se extraen de una poblacin hipotticamente infinita de
propiedades estadsticas constantes; mientras que las propiedades de las muestras pueden
variar de una a otra. El conjunto de todas las muestras posibles que se puedan extraer de la
poblacin se denomina espacio muestral y un evento viene a ser un subconjunto del espacio
muestral, como se ilustra en la Figura 2.1.

As por ejemplo, el campo muestral de la precipitacin anual es tericamente el rango

desde cero a infinito positivo (los limites prcticos, inferior y superior, son por supuesto
valores finitos pequeos); el evento A podra ser la ocurrencia de un valor de precipitacin
anual menor que alguna magnitud especifica, tal como por ejemplo 1.200 mm.

FIGURA 2.1. LOS EVENTOS A Y B COMO SUBCONJUNTOS DEL ESPACIO

MUESTRAL

La probabilidad de ocurrencia de un evento, P(A), es el chance de ocurrencia de dicho

evento cuando se lleva a cabo una observacin de la variable aleatoria. Si una muestra de n
observaciones posee nA valores en el rango del evento A, entonces la frecuencia relativa de
A es nA/n. La frecuencia relativa se constituye en un estimado progresivamente mejor de la
probabilidad de ocurrencia del evento a medida que el tamao de la muestra se incrementa,
es decir:
P (A) = lim nA/n (2.1)
n

A este tipo de probabilidades se denomina probabilidades objetivas o posteriores,

71
debido a que dependen totalmente de observaciones de la variable aleatoria. En
contraposicin a ellas, tenemos las probabilidades subjetivas o a priori, es decir, cuando
se estima la ocurrencia de un evento sobre la base de juicios personales y experiencia.

La probabilidad de ocurrencia de los eventos hidrolgicos se rige por los siguientes

principios:

1. Probabilidad Total: Si el espacio muestral se divide en m reas excluyentes o

eventos A1, A2, ... Am, entonces:

P(A1) + P(A2) + .... + P(Am) = P() = 1 (2.2)

2. Complementariedad: Si sucede que A es el complemento de A, es decir, A = - A,

entonces:
P(A) = 1 - P(A) (2.3)

3. Probabilidad Condicional: Supongamos que tenemos dos eventos A y B, como se

muestra en la Figura 2.1. Sea A el evento de que en este ao la precipitacin sea menor que
1.600 mm; y B, el evento de que en el prximo ao la precipitacin sea menor que 1.600
mm. La unin A B o superposicin de A y B indica que ambos eventos ocurren, es decir,
dos aos sucesivos con una precipitacin anual menor de 1.600 mm. Si P(B/A) es la
probabilidad condicional de que ocurra B, dado que A ya ha ocurrido, entonces, la
probabilidad conjunta de que A y B ocurran P(A B), es el producto de P(B/A) y la
probabilidad de que ocurra A, es decir, P(A B) = P(B/A)x P(A), o

P(B/A) = P(A B) (2.4)

P(A)
Si la ocurrencia de B no depende de la ocurrencia de A, se dice que los eventos son
independientes, y P(B/A) = P(B). Para eventos independientes, de la Ecuacin (2.4)
tenemos
P(A B) = P(A) x P(B) (2.5)

72
 Retomando el ejemplo anterior, si los eventos de precipitacin fuesen independientes de
ao a ao, entonces, la probabilidad de que la precipitacin sea menor que 1.600 mm en dos
aos sucesivos es simplemente el cuadrado de la probabilidad de que la precipitacin anual
en cualquiera de los dos aos sea menor que 1.600 mm.

La nocin de eventos u observaciones independientes es muy importante para la

interpretacin estadstica correcta de una secuencia de datos hidrolgicos, ya que los eventos
independientes se pueden analizar sin considerar el orden de su ocurrencia. En cambio,
cuando los datos son dependientes (autocorrelacionados), los mtodos de anlisis son ms
complejos debido a que la probabilidad conjunta P(A B) de eventos sucesivos no es
igual a P(A) x P(B).

Ejemplo 2.1: En la Tabla 2.1 se dan los valores anuales de precipitacin (R) registrados
en la estacin X durante el perodo 1911-1979, los mismos que se han graficado en la Figura
2.2 (a). Calcular la probabilidad de que la precipitacin anual R en cualquier ao sea menor
que 889 mm, mayor que 1.143 mm; est entre 889 mm y 1.143 mm.

Solucin: El conjunto de datos est constituido por 69 aos, es decir n = 69. Hagamos
que sea los eventos
A sea R < 889 mm
B sea R > 1.143 mm

De los 69 valores de la Tabla 2.1, 23 caen en el evento A y 19 en el B; es decir, nA = 23; y nB

= 19. Luego,
P(A) 23/69 = 0.333
P(B) 19/69 = 0.275
De la Ecuacin (2.3), la probabilidad de que la precipitacin anual est entre 889 y 1.143
mm se calcula como

P(889 R 1.143) = 1 - P(R<889) - P(R > 1.143) = 0.392

TABLA 2.1 PRECIPITACION ANUAL EN LA ESTACION X, 1991 1979 (mm).

73
 1910 1920 1930 1940 1950 1.960 1970
Ao
0 - 1.237 1.229 1.252 792 1.168 861
1 1.013 1.120 864 1.123 686 1.125 805
2 787 1.087 1.158 1.059 940 960 800
3 1.074 1.229 947 782 1.189 752 1.514
4 1.069 869 1.110 1.361 683 892 1.283
5 1.044 823 1.062 876 645 1.262 980
6 729 1.179 1.044 1.278 584 930 1.102
7 427 988 792 1.113 1.435 826 729
8 866 947 894 549 1.102 1.567 813
9 1.433 1.285 892 1.196 1.049 1.204 1.316

EJEMPLO 2.2: Asumiendo que los datos de la Tabla 2.1 constituyen un proceso
independiente, calcular la probabilidad de que ocurra en dos sucesivos
precipitaciones menores que 889 mm/ao. Compare esta probabilidad estimada con
la frecuencia relativa de dicho evento en el en el conjunto de valores de la Tabla 2.1.

Solucin: Hagamos que C sea el evento para el cual R < 889 mm en dos ao sucesivos.
Del ejemplo 2.1 tenemos que P (R <889 mm) = 0,333, asumiendo independencia tenemos:

P(C) [P(R<889mm)2 = (0,333)2 = 0,111

Observando el conjunto de valores de la Tabla 2.1, es encuentran nueve (9) pares de dos
aos sucesivos con precipitacin menor que 889 mm de un total de 68 pares posibles, luego,
P(C) nc/n = 9/68 = 0.132

Que es aproximadamente igual al calculado (0.111) asumiendo independencia.

Las probabilidades estimadas como en los Ejemplos 2.1 y 2.2 dan resultados
aproximados, ya que dependen del tamao de la muestra. Un mtodo alterno consiste en
ajustar a los datos una funcin de distribucin de probabilidades y luego determinar la
probabilidad de los eventos mediante dicha funcin.

74
11.3 FUNCIONES DE PROBABILIDAD Y FRECUENCIA
Si las observaciones de una muestra pertenecen a la misma distribucin de probabilidades
(distribuidas idnticamente) se pueden arreglar en tal forma de constituir un histograma de
frecuencias. Para ello, se divide primeramente el rango factible de variacin de la variable
aleatoria en intervalos discretos; luego se cuenta el nmero de observaciones que caen en
cada intervalo; y finalmente, el resultado se grfica corno un diagrama de barras, como se
muestra en la Figura 2.2 (b) para la precipitacin anual en la estacin X. La seleccin de la
anchura del intervalo x se hace de tal modo que hayan suficientes datos en cada intervalo
para obtener una variacin suave razonable del histograma sobre todo el rango de variacin
de las observaciones.

La funcin de frecuencias relativas fm(X) se obtiene dividiendo el nmero de

observaciones n1 en el intervalo i, en el rango [xi x, xi] entre el nmero total de
observaciones:
Fm(Xi) = ni / n (2,6)

La cual, al igual que la Ecuacin (2.1) viene a ser un estimado de P(x 1- x X xi), es
decir, de la probabilidad que la variable aleatoria X est en el intervalo [x i - x, xi]. El
subndice m se utiliza para indicar que la funcin se calcula sobre la base de la muestra.

La funcin de frecuencias acumuladas Fm(x) viene a ser la suma de los valores de las
frecuencias relativas hasta un punto dado:
i
Fm xi f (xj)
m
j 1

(2.7)

75
 La cual es un estimado de P(X xi), es decir de la probabilidad acumulada de xi.
Las correspondientes funciones de frecuencias relativas y acumuladas para la poblacin
se aproximan como los limites n y x 0. En el lmite la funcin de frecuencias
relativas dividida entre la longitud del intervalo produce la denominada funcin de
densidad de probabilidad f(x).

f m (x)
f(x) lim
x (2.8)
n
x 0
La funcin de frecuencias acumuladas se transforma en la funcin de distribucin de
probabilidades F(x):
F(x) = lim Fm(x) (2.9)
n
x 0
La funcin de densidad de probabilidades es la derivada de F(x):
dF(x) (2.10)
f(x)
dx
Para un valor dado de x, F(x) es la probabilidad acumulada P(X x), y puede expresarse
como la integral de la f(x) sobre el rango X x:
f(u)du
P(X x) F(x) x (2.11)

donde u es una variable ficticia de integracin.

Para ajustar los datos de una muestra a una distribucin terica, las cuatro funciones:
fm(X), f(x), Fm(X) y F(x), se podran agrupar en un ciclo como se muestra en la Figura 2.3.
La funcin de frecuencia se calcula dividiendo la muestra en intervalos Fig. 2.3(a); la cual se
acumula para producir la Fig. 2.3 (b). La funcin de distribucin de probabilidades Fig.2.3
(c) viene a ser el limite terico de la funcin de frecuencias acumuladas para x 0 y n
. La funcin de densidad de probabilidades (Figura 2.3(d)), es el valor de la pendiente de
la funcin de distribucin para un valor especfico de x.

El ciclo podra cerrarse calculando un valor terico de la funcin de frecuencias relativas,

denominada funcin de probabilidades incremental:

p(xi) = P(x1 x X xi)

76
 1
p (x i ) x i x
f(x)dx
xi x i x


f(x)dx

f(x)dx
(2.12)
f(x i ) F(x i x)
f(x i ) F(x i 1)

La comparacin entre p(xi) y la funcin de frecuencias relativas observadas fm(xi) para

cada xi puede usarse como una medida del grado de ajuste de la distribucin a los datos
observados.

FIGURA 2.3. FUNCIONES DE FRECUENCIA DE LA MUESTRA Y FUNCIONES DE PROBABILIDAD

DE LA POBLACIN

Las curvas de frecuencias relativas y acumuladas y la funcin de distribucin de

frecuencias son adimensionales y varan en el rango [ 0,1 ]; sin embargo, debido a que
77
 dF(x) es adimensional y dx posee las dimensiones de X, la funcin de densidad de
probabilidades f(x)= dF/dx tiene las dimensiones [X]-1 y vara en el rango [0,]. La relacin
dF(x) = f(x)dx se puede describir definiendo a f(x) como la densidad o concentracin de
probabilidades en el intervalo [x, x + dx].

Una de las funciones de densidad de probabilidades ms conocidas es la distribucin

normal o campana de Gauss:

1 (x ) 2 /2 2 (2.13)
f(x) e
2

Donde y son parmetros. Esta funcin se simplifica utilizando la variable

estandarizada normal z como
z (x )/
(2.14)
La distribucin normal estandarizada correspondiente posee la funcin de densidad de
probabilidades. 1 2
f(z) e z /2
z
2
(2.15)
la cual slo depende del valor de z (ver Figura 2.4). La funcin estandarizada dada como
z
1

2
F(z) e u /2du
2

(2.16)

no tiene forma analtica, ya que es slo una variable ficticia de integracin. Sus valores se
dan en la Tabla Cl del Apndice C.

FIGURA 2.4 FUNCION DE DENSIDAD DE PROBABILIDADES DE LA

DISTRIBUCIN NORMAL ESTANDAR ( = 0, =1)

Ejemplo 2.3. Cul es la probabilidad de que la variable aleatoria normal estndar X sea

78
menor que -2, menor que 1 y que vare en el rango P ( -2 < z < 1 )?

Solucin: P (z -2) = F(-2), de la Tabla Cl del Apndice C:

F (-2) = 1 F (-2) = -1 0,977 = 0,023
Del mismo Apndice C:
F(1) = 0,841
Finalmente, P ( -2 < z < 1) = F(l) - F(2) = 0,841 - 0,023 = 0,818

11.4 PARMETROS ESTADSTICOS

El objetivo de la estadstica consiste en extraer de un conjunto muy grande de datos unos

pocos valores pero que sean representativos de las caractersticas del conjunto. Estos valores
se denominan parmetros estadsticos o simplemente estadsticos. As pues, los
parmetros estadsticos son caractersticos de la poblacin, tal como y a en la Ecuacin
(2.13).
Un parmetro estadstico es el valor esperado E de alguna funcin de la variable
aleatoria (tambin se denomina la esperanza matemtica). El parmetro ms simple es el
promedio , el cual viene a ser el valor esperado de la variable aleatoria misma. Para una
variable aleatoria X, el promedio es E(X), que se calcula como el producto de x por la
densidad de probabilidades correspondiente f(x), integrado en el rango factible de la variable
aleatoria:

E(X) xfdx

(2.17)

E(X) es el primer momento con respecto al origen, una medida del punto medio o
Tendencia Central de la distribucin.
El estimador muestral de la media es el promedio aritmtico de los datos de la muestra:

1 n
x xi
n i 1 (2.18)

En la Tabla 2.2 se da un resumen de las frmulas para calcular algunos parmetros de la

poblacin y sus estimadores muestrales.
La variabilidad de los datos se mide a travs de la varianza 2 la cual es el segundo
momento con respecto al promedio:

79
 E[( x ) 2 ] 2



( x ) 2 f ( x ) dx (2.19)

El estimador muestral de la varianza est dado por la expresin

1 n (2.20)
S2
n 1 i 1
(x i x ) 2

en la cual (n-1) indica los grados de libertad, y se usa en vez de n para asegurar que el
parmetro sea insesgado, es decir, que no posea tendencia de ser menor o mayor que el valor
verdadero. La varianza tiene la dimensin [X]2. La desviacin estndar tiene las mismas
unidades de X; es igual a la raz cuadrada de la varianza y su estimador muestral es S. En la
Figura 2.5 (a), se ilustra el significado de la desviacin estndar; mientras mayor es la
desviacin estndar, mayor es la dispersin de los datos. El coeficiente de variacin Cv
= /, estimado por s x , es una medida adimensional de la variabilidad.

TABLA 2.2 PARAMETROS ESTADISTICOS DE LA POBLACIN

POBLACIN MUESTRA
1. Tendencia Central
Promedio Aritmtico.
1
E(X)
xf(x)dx x
n
xi
Mediana
X tal que F(x) = 0,5 50 avo. porcentil de los datos
Promedio geomtrico
Antilog [E (log x)] ( in1 x i )1/n
2. Variabilidad
1 n
Varianza 2 E[(x ) 2 ] S2 (x i x )2
n 1 i 1
Desviacin estndar S
Coeficiente de variacin
Cv / Cv s/x .
3. Asimetra
n
n (x i x)3
Coeficiente de asimetra.
Cs i 1

(n 1)(n 2)S3

80
 E[(x )3 ]

3
El grado de simetra de la distribucin con respecto al promedio se mide mediante la
asimetra, la cual viene a ser el tercer momento con respecto al promedio.

E[(x ) 3 ] (x )
3
f(x)dx
(2.21)

FIGURA 2.5. EFECTO DE LA DESVIACIN ESTNDAR Y EL COEFICIENTE DE

ASIMETRA SOBRE LA FUNCIN DE DENSIDAD DE PROBABILIDADES

La asimetra se da normalmente en forma adimensional, dividiendo la Ecuacin (2.21)

entre 3, cuyo cuociente se denomina Coeficiente de Asimetra :
1
3
E[(x ) 3 ]
(2.22)
el estimador muestral de est dado por la expresin Cs.
n
n 2 (x i x ) 3
Cs i 1 (2.23)
n(n 1)(n 2)S3

O tambin
n n n n
n 2 ( x 3 i ) 3n( x i )( x i ) 2( x i )
2 3

i 1 i 1 i 1 i 1 (2.24)
Cs
n(n 1)(n 2)S3

81
 Como se ilustra en la Figura 2.5 (b), para una asimetra positiva ( > 0) los datos se
inclinan a la derecha del pico de la distribucin, con solamente un pequeo nmero de
valores muy grandes; para asimetra negativa ( < 0) los datos se inclinan a la izquierda.
Cuando los datos poseen una asimetra pronunciada, los pocos valores extremos, ejercen un
efecto significativo sobre el clculo del promedio aritmtico (Ecuacin 2.18), en cuyo caso,
se debe usar un parmetro alternativo para calcular en forma apropiada la tendencia central,
tal como la mediana o el promedio geomtrico (ver Tabla 2.2).

EJEMPLO 2.4: Dados los datos de precipitacin anual en la estacin X para el perodo
1970 1979, calcular los parmetros estadsticos de la muestra. Los datos se dan en la
Tabla 2.1.
Solucin:
Utilizando la ecuacin (2.18), el promedio aritmtico es:

1 n 10203
X
n i 1
xi
10
1020 mm

La varianza se calcula mediante la ecuacin (2.20)

1 n 656.581
S2
n 1 i 1
(x i x ) 2
9
72.953

El coeficiente de asimetra se calcula usando la ecuacin (2.23)

n 3

n (x i x )
10 *107.048.967
Cs i 1
0.755
(n 1)(n 2)s 3
9 * 8 *19.683.000

11.5 AJUSTE DE UNA DISTRIBUCION DE PROBABILIDADES

La distribucin de probabilidades es una funcin que representa la probabilidad de

ocurrencia de una variable aleatoria. Ajustando una distribucin a un conjunto de datos

82
hidrolgicos, una gran cantidad de informacin de la muestra se resume en la distribucin y
sus parmetros. El ajuste se puede llevar a cabo mediante el mtodo de los momentos o el de
la mxima verosimilitud.

11.5.1 MTODO DE LOS MOMENTOS

El mtodo de los momentos fue desarrollado por K. Pearson en 1902. El mtodo considera
que los buenos estimadores de los parmetros de la distribucin de probabilidades, son
aquellos para los cuales, los momentos con respecto al origen de la funcin de distribucin
de probabilidades son iguales que los correspondientes a los datos de la muestra.
Como se ilustra en la Figura 2.6, si asignamos a cada dato de la muestra una masa
hipottica igual a su frecuencia de ocurrencia relativa(1/n); e imaginamos que ese sistema de
masas rota alrededor del origen x = 0; tenemos que el primer momento de cada dato x i con
respecto al origen es el producto de su brazo de palanca xi por su masa 1/n. La suma de los
momentos de todos los datos es el promedio de la muestra
n
xi 1 n

i 1 n
xi x
n i 1
el cual es equivalente al centroide del cuerpo. El centroide correspondiente a la funcin de
densidad de probabilidades es:

xf(x)dx (2.25)

En idntica forma, para determinar los otros parmetros de la distribucin de

probabilidades, el segundo y tercer momento de dicha distribucin se hacen iguales a los
correspondientes de la muestra. Pearson consider slo los momentos con respecto al
origen; pero posteriormente se ha generalizado el uso de la varianza como segundo
momento central 2 = E [(x - )2], y el coeficiente de asimetra como el tercer momento
central estandarizado = E (x )3]/3, para estimar el segundo y tercer parmetro de la
distribucin respectivamente, si fuesen requeridos.

83

FIGURA 2.6. ILUSTRACIN GRAFICA DEL METODO DE LOS MOMENTOS

PARA EL AJUSTE DE UN A DISTRIBUCION
 EJEMPLO 2.5. Sabiendo que la funcin de densidad de probabilidades de la
distribucin exponencial es f(x) = = e-x para x > 0; determine la relacin entre el
parmetro y e1 primer momento con respecto al origen, .
Solucin: Usando la ecuacin (2.25)

tenemos:
x f(x)dx x e
x
E(x) dx
0

Integrando la ltima expresin por partes se obtiene:

1/

En este caso = l/ y el estimador muestral para es 1/ x .

La distribucin exponencial se usa para describir varios tipos de datos hidrolgicos, tal
como el tiempo entre tormentas sucesivas. Adicionalmente, es de hacer notar que la funcin
f(x) = = e-x y la funcin de respuesta al impulso para un embalse lineal, u = (I) = (1/k)e-1/k
son idnticas cuando se hace x = I y = 1 / k. En este sentido, la distribucin exponencial
describe ha probabilidad del tiempo de permanencia del agua en el embalse lineal.

11.5.2 MTODO DE LA MXIMA VEROSIMILITUD

El mtodo de la mxima verosimilitud fue desarrollado por R.A. Fisher en 1922. El mtodo
se basa en el criterio de que, el mejor valor de un parmetro de la distribucin de
probabilidades es aquel que maximiza la semejanza o la probabilidad conjunta de ocurrencia

84

n
f(x 2 )dx... f(x n )dx [ f(x i )]dx n
i 1
de los datos de la muestra. Supongamos que el espacio muestral se divide en intervalos de
longitud dx y que se tome una muestra de observaciones independientes e igualmente
distribuidas x1, x2 ... xn. El valor de la densidad de probabilidades para X = xi es f(xi), y la
probabilidad de que la variable aleatoria ocurra en el intervalo que incluye a xi, es f(xi)dx.
Debido a que las observaciones son independientes, la probabilidad conjunta de ocurrencia
est dada por la ecuacin (2.5), como el producto:
f(x1)dx

Debido a que dx es fija, la maximizacin de la probabilidad conjunta de la muestra

observada, equivale a maximizar la funcin de verosimilitud
n
L f(x i ) (2.26)
i1

Debido a que muchas funciones de probabilidades son exponenciales, es ms conveniente

trabajar con el logaritmo de la funcin L:
n
lnL ln[f(x i )] (2.27)
i 1

EJEMPLO 2.6: A continuacin se dan los tiempos observados entre eventos de

tormentas sucesivas en una determinada estacin. Asumiendo que el intervalo entre
tormentas sigue una distribucin exponencial, determine el parmetro para dicho proceso
mediante el mtodo de la mxima verosimilitud. El tiempo entre tormentas, en das, es: 2,40;
4,25; 0,77; 13,32; 3,55 y 1,37.

Solucin:
Para un valor cualquiera xi, la densidad de probabilidades exponenciales es:

f(x i ) e xi
De la ecuacin 2.27, la funcin log L es:
n n n n
lnL ln[f(x i )] ln(n x i ) (ln x 1 ) nln x i
i 1 1 i 1

El mximo valor de ln L ocurre cuando (ln L)/ = 0 es decir:

n n
(lnL) x i 0
1
1 1 n
xi
n 1
1

x
85
 Este es el mismo estimador muestral para que se obtuvo por el mtodo de los
momentos. En este caso, x = (2,4 + 4,25 + 0,77 + 13,22 + 3,55 +1,37) / 6 = 25,56/6 = 4,26
das; con lo cual 1 / 4 0,235 / das . Obsrvese que 2 (lnL)/ 2 n 2 , es negativo,
como se requiere para un mximo.
Se puede calcular a priori la funcin ln L para cualquier valor de .
As por ejemplo, para = 0,235/das, ln L es:
ln L = n ln - x i 6ln(0,235) 0,235 * 25,56
lnL 14,7

En la Figura 2.7 se muestra la variacin de funcin ln L con ; el mximo valor de se

ubica en 0,235/das, como se ha determinado en forma analtica.

FIGURA 2.7. FUNCION LnL PARA UNA DISTRIBUCIN EXPONENCIAL

(EJEMPLO 2.6)

El mtodo de la mxima verosimilitud es el procedimiento terico ms exacto para el

ajuste de una distribucin de probabilidades a datos observados; produce los estimadores
ms eficientes, es decir aquellos que estiman los parmetros de la poblacin con el menor
error medio. Desafortunadamente, para algunas distribuciones de probabilidades no existe
solucin analtica para todos los parmetros en trminos de los estadsticos muestrales, en
cuyo caso, la funcin ln de L tiene que ser maximizada numricamente, lo cual podra ser
muy difcil de lograr. En general, el mtodo de los momentos es ms fcil de aplicar y ms
adaptable en los anlisis hidrolgicos prcticos.

86
11.6 PRUEBA DE LA BONDAD DE AJUSTE

La bondad de ajuste de una distribucin de probabilidades se puede probar por comparacin

entre los valores tericos y empricos de las frecuencias relativas o acumuladas. En el caso
de la funcin de frecuencias relativas, se usa la prueba 2. El valor muestral de la frecuencia
relativa del intervalo i es fm(xi) = ni./n. El valor terico es p(xi) = F (xi) - F(Xi - 1) (ver Ecs.
(2.6) - (2.12). El parmetro de prueba 2 se calcula como sigue:

2
2 m n[f m (x i ) p(x i )]
c (2.28)
i 1 p(x )
i

donde m en la sumatoria es el nmero de intervalos. Ntese que el nmero observado de

ocurrencias en el intervalo i es nf m(Xi) = ni y el correspondiente nmero de ocurrencias
esperadas en el mismo intervalo es np(Xi). Por lo tanto, la Ec. (2.28) viene a ser la sumatoria
de los cuocientes del cuadrado de las diferencias entre los valores observados y esperados
del nmero de ocurrencias y el nmero de ocurrencias esperadas en el intervalo.

2
Antes de describir la prueba se debe definir la funcin de distribucin de
probabilidades 2. Una distribucin 2 con v grados de libertad viene a ser la distribucin de
la suma de los cuadrados de v variables aleatorias normales estndares independientes z i;
dicha suma es una variable aleatoria.

v 2

2v z (2.29)
i 1 i

La funcin de distribucin X 2 se encuentra tabulada en muchos textos de estadstica, por

ejemplo (HAAN, 1977). En la prueba 2, v = m p - 1, donde m es el nmero de intervalos,
p es el nmero de parmetros utilizados para el ajuste de la distribucin propuesta. Se
seleccione un nivel de confianza para la prueba, el cual frecuentemente se expresa como 1 -
, donde es el nivel de significancia. Se suele usar como valor tpico para el nivel de
confianza 95%. La hiptesis nula H0 reza que la distribucin propuesta se ajuste
adecuadamente a los datos. Esta hiptesis se rechaza cuando el valor de c2 calculado por la
ecuacin (2.28) es mayor que un valor limite v,21- extrado de la distribucin 2 con y

87
grados de libertad, para una probabilidad acumulada de 1 - . (Tabla C2 - Apndice C).

EJEMPLO 2.7: Utilizando el mtodo de los momentos ajustar una distribucin normal a
los datos de precipitacin anual de la estacin X dados en la Tabla 2.1 para el perodo 1911-
1979. Grafique las funciones de frecuencias relativas y probabilidad incremental y las
funciones acumuladas de frecuencia y probabilidades. Use la prueba 2 para determinar la
bondad de ajuste de la distribucin normal.

SOLUCION: El rango de precipitacin observada en la Tabla 2.1 se divide en 10

intervalos. El primero es R 600 mm; el ltimo es para R > 1.800 mm. Los intervalos
intermedios cubren rangos de 150 mm. Los clculos se presentan en la Tabla 2.3. El
histograma de frecuencias se da en la columna 2; la funcin de frecuencias relativas se
presenta en la columna 3, calculada por la Ec. (2.6) con n = 69. Por ejemplo: Para i = 4
( 900 - 1.050 mm ), n i = 14, fm (xi) = 14/69 =0,203. La funcin de frecuencias
acumuladas (columna 4) proviene de la sumatoria de las frecuencias relativas (Ec. 2.7).

4
Para i = 4 FM (x 4 ) Sf m (x j ) Fm (x 3 ) f m (x 4 ) 0,130 + 0,203 = 0,333. Obsrvese
1

que este valor es P(X 1.050 mm), como fue usado en el Ejemplo 2.1.

TABLA 2.3. AJUSTE DE LA DISTRIBUCION NORMAL A LA PRECIPITACION ANUAL EN LA

ESTACION X 1911-1979 (EJEMPLO 2.7)

COL 1 2 3 4 5 6 7 8
NTERV RANGO ni fm(xi) Fm(xi) Z1 F(xi) p(xi) o2
mm
1 <600 1 0.014 0.014 -2.157 0.015 0.015 0.004
2 600-750 2 0.029 0.043 -1.611 0.053 0.038 0.147
3 750-900 6 0.087 0.130 -1.065 0.144 0.090 0.008
4 900-1050 14 0.203 0.333 -0.520 0.301 0.158 0.891
5 1050- 11 0.159 0.493 0.026 0.510 0.209 0.805
1200
6 1200- 16 0.232 0.725 0.571 0.716 0.206 0.222
1350
7 1350- 10 0.145 0.870 1.117 0.868 0.151 0.019
1500

88
 8 1500- 5 0.072 0.942 1.662 0.952 0.084 0.114
1650
9 1650- 3 0.043 0.986 2..208 0.986 0.034 0.163
1800
10 >1850 1 0.010 1.000 2.753 1.000 0.014 0.004
Total 69 1.000 1.000 2.377
Promedio x 1.193
D. St. s 275

Para ajustar la funcin de distribucin normal, hay que calcular los parmetros
estadsticos de la muestra X = 1.193 mm y S = 275 mm., como se ilustr en el Ejemplo 2.4,
los cuales se usan como estimadores de y . La variable normal estndar Z
correspondiente al lmite superior de cada intervalo se calcula por la Ecuacin (2.14) y se
presenta en la columna 5 de la Tabla 2.3. As por ejemplo: Para i = 4, Z = (x ) / =
(1.050 - 1.193) / 275 = -0,520.

El valor correspondiente de la funcin de probabilidades normal acumulada se lee de la

Tabla Cl Apndice C como 0,301 y se lista en la columna 6 de la Tabla 2.3. La funcin de
probabilidad incremental se calcula mediante la Ec. (2.12). Para i = 4, p(x4) = P(900 X
1.050 mm) = F(1.050) - F(900) = 0,301 - 0,144 = 0,158.

En forma similar se calculan los valores para los otros intervalos, los cuales se dan en la
columna 7 de la Tabla 2.3.
En la Figura 2.8 se presentan las funciones de frecuencia relativa f m(Xi) y p(xi) y las
funciones de frecuencia y de distribucin de probabilidades Fm(Xi) y F(X) graficadas en
2.8(a) y 2.8(b) respectivamente. De la similitud de ambas funciones mostradas en cada
grfica se deduce que la distribucin normal se ajuste muy bien a los datos de precipitacin
anual analizados.
Para probar la bondad de ajuste se calcule el parmetro estadstico de prueba 2 mediante
la Ec. (2.28). Para i = 4,

89
FIGURA 2.8. FUNCIONES DE FRECUENCIA PARA LA DISTRIBUCIN NORMAL,
AJUSTADA A LA PRECIPITACIN ANUAL EN LA ESTACION X (EJEMPLO 2.7)
 Los valores se listan en la columna 8 de la Tabla 2.3. El valor total de la columna 8 es
X C2 2.337 . El valor terico X 2V ,1 para una probabilidad acumulada de 1-=0,95 y

v=m-p-1=10-2-1=7 grados de libertad es X 7; 0.95 14.1 (Tabla C2, Apndice C):

2

Debido a que X c x 7 ;0.95 se acepta la hiptesis nula, es decir que la distribucin se

2 2

ajusta a los datos con un 95% de confianza.

90
XII. FUNCIONES DE DISTRIBUCION DE PROBABILIDADES PARA VARIABLES
HIDROLGICAS

En la seccin anterior se utiliz la distribucin normal para describir la precipitacin anual

en la estacin X. Esta distribucin se ajusta bien a ese conjunto particular de datos, pero
observaciones de otras variables hidrolgicas siguen distribuciones diferentes. En esta
seccin se presenta un conjunto de distribuciones de probabilidades de uso muy comn en la
hidrologa. En la Tabla 2.4 se da para cada una, su funcin de densidad, el rango de la
variable, y las ecuaciones para el clculo de los parmetros de la distribucin con base en los
momentos de la muestra.

12.1 DISTRIBUCIN NORMAL

La distribucin normal se origina del teorema del limite central, el cual presupone que si en
una serie de variables aleatorias xi stas son independientes idnticamente distribuidas con
promedio y varianza 2, entonces la distribucin de la suma de n de tales variables,

n
Y X
i 1
i , tiende hacia la distribucin normal con promedio n y varianza n 2 a

medida que n crece. Lo fundamental de esta aseveracin es que se cumple cualquiera que
sea la funcin de distribucin de probabilidades de X.
As por ejemplo, la distribucin de probabilidades del promedio de la muestra
1 n
X xi ; puede ser aproximada como una normal con promedio y varianza,
n i

1 / n 2 n 2 , cualquiera que sea la distribucin de X. Variables hidrolgicas, tal como la

2

n
precipitacin anual, calculada como la sumatoria de los efectos de muchos eventos
independientes, tiende a seguir una distribucin normal. Las principales limitaciones de la
distribucin normal son su variacin sobre el rango continuo [- , ] y su simetra, ya que

91
las variables hidrolgicas no son negativas y tienden a ser asimtricas.

12.2 DISTRIBUCION LOG NORMAL

Se dice que X posee una distribucin log normal cuando la variable aleatoria Y = log X
sigue una distribucin normal. Esta distribucin es aplicable a variables hidrolgicas
formadas por el producto de otras variables: X = X1 X2 X3 ... Xn ,ya que Y = log X =

n n

log x i yi , la cual tiende a una distribucin normal a medida que n crece, siempre
i i

que las Xi sean independientes y distribuidas idnticamente. La distribucin log normal se

ha usado para describir la distribucin de la conductividad hidrulica en medios porosos
(Freeze, 1975); as como la distribucin de los tamaos de gotas de lluvia en una tormenta; y
otras variables hidrolgicas. La ventaja de esta distribucin, en relacin con la normal, est
en que su rango es limitado (X > 0) y que la transformada logartmica tiende a reducir la
asimetra positiva comn a los datos hidrolgicos, debido a que al tomar logaritmos, la
reduccin de las magnitudes elevadas es proporcionalmente mayor que la de los valores
pequeos.
La limitacin est en que la distribucin log normal slo posee dos parmetros y requiere
que los logaritmos de los datos sean simtricos con respecto al promedio.

12.3 DISTRIBUCION EXPONENCIAL.

Algunas series de eventos hidrolgicos, tal como la ocurrencia de precipitacin, se ajustan a
un proceso Poisson, en el cual los eventos ocurren instantnea e independientemente sobre
un horizonte de tiempo o a lo largo de una lnea. El tiempo entre dichos eventos o tiempo
inter-llegada se describe mediante la distribucin exponencial, cuyo parmetro viene a
ser la tasa promedio a la cual ocurre el evento. La distribucin exponencial se usa para
describir el tiempo nter-llegada de un impacto o impulso aleatorio que entra al sistema
hidrolgico, tal como la intrusin de agua contaminada en las corrientes como producto de
lavado de contaminantes por efecto de la lluvia. Entre las ventajas de la distribucin
exponencial estn la facilidad de clculo de , sobre la base de los datos observados; y su
adaptacin a estudios tericos, tal como el de modelos probabilsticos de embalses lineales (
= 1/K, donde K viene a ser la constante de almacenamiento del embalse lineal). La
desventaja est en que esta distribucin requiere de que la ocurrencia de cada evento sea
completamente independiente de los eventos vecinos, lo cual podra no ser cierto para el

92
proceso bajo estudio, as por ejemplo, la presencia de un frente puede generar muchos
chaparrones, que ms bien se pueden analizar como un proceso Poisson compuesto, en el
cual, el parmetro es considerado como una variable aleatoria y no como una constante.

12.4 DISTRIBUCION GAMMA

El tiempo requerido para que ocurran eventos en un proceso Poisson se describe
mediante la distribucin GAMMA, la cual viene a ser la distribucin de la suma de
variables aleatorias independientes distribuidas exponencialmente en forma idntica. La
distribucin Gamma posee una conformacin que vara suavemente, similar a la funcin de
densidad de probabilidades tpicas presentada en la Figura 2.3, y es muy til para describir
variables hidrolgicas asimtricas sin necesidad de efectuar la transformacin logartmica.
Esta distribucin se ha aplicado, por ejemplo, para el caso de altura de precipitacin de
tormentas. La distribucin Gamma involucra a la Funcin Gamma () , la cual est dada
por () ( 1)! ( 2)....3.2.1 para valores de enteros positivos. En general, la
funcin Gamma est dada por (Abramo witz y Stegun, 1965):

u
1
() e u du
0

La distribucin Gamma posee dos parmetros, y , y tiene su limite inferior en cero.

Esta ltima caracterstica es una desventaja de la distribucin para su aplicacin a variables
hidrolgicas que poseen un lmite inferior mayor que cero.

12.5 DISTRIBUCION PEARSON TIPO III

La distribucin Pearson tipo III, denominada tambin distribucin Gamma de tres
parmetros, introduce en su estructura como tercer parmetro su lmite inferior . De ese
modo, utilizando el mtodo de los momentos, tres momentos de la muestra (promedio,
desviacin estndar y coeficiente de asimetra) se pueden transformar en los tres parmetros,
, y , de la distribucin de probabilidades. Esta distribucin es muy flexible, pues
toma diferentes formas con slo variar , y .
El sistema Pearson de distribuciones incluye siete tipos, todos, soluciones para f(x) en una
ecuacin de la siguiente forma:
d[f(x)] f(x)(x d)
(2.30)
dx C 0 C1 C 2 x 2
donde d es la moda de la distribucin, es decir, el valor de x para el cual f(x) es un mximo,
C0, C1 y C2 son coeficientes a ser determinados. Cuando C2 = 0, la solucin de la

93
ecuacin (2.30) viene a ser la distribucin Pearson Tipo III, con una funcin de
densidad de probabilidades de la forma mostrada en la Tabla 2.4. Para C1 = C2 = 0, la
solucin de (2.30) es una distribucin Normal. Por lo tanto, la distribucin Normal es un
caso especial de la distribucin Pearson Tipo III que describe una variable no sesgada.
Foster (1924) fue el primero en usar la distribucin Pearson Tipo III en la
hidrologa para describir la distribucin de probabilidades de caudales instantneos
mximos anuales. Cuando los datos presentan una asimetra muy positiva, se suele usar la
transformacin logartmica para reducir dicha asimetra.

12.6 DISTRIBUCION LOG-PEARSON TIPO III.

Se dice que X posee una distribucin log-Pearson Tipo III cuando sus logaritmos se
distribuyen de acuerdo a la distribucin Pearson Tipo III. Esta distribucin se ha adoptado
como mtodo estndar para el anlisis de frecuencia de los caudales mximos anuales en
USA (Benson, 1968).
En el caso especial de que log X sea simtrica con respecto a su promedio, la distribucin
log-Pearson III se transforma en la distribucin log normal.
La ubicacin del lmite inferior, , de la distribucin depende de la asimetra de los datos.
Cuando los datos poseen una asimetra positiva, log x , donde es el lmite inferior;
por el contrario, cuando los datos muestran una asimetra negativa, log X en cuyo caso
es el limite superior. La transformacin logartmica reduce la asimetra de los datos y
podra producir datos transformados con asimetra negativa, habiendo sido originalmente de
asimetra positiva. En este caso, la aplicacin de la funcin podra imponer a los datos un
lmite superior artificial.

TABLA 2.4. FUNCIONES DE DISTRIBUCION DE PROBABILIDADES USADAS PARA EL AJUSTE

DE DATOS HIDROLOGICOS.

Nombre Funcin de densidad de probabilidad Rango Ecuacin para

el
Clculo de los
parmetros

94
 1 (x - )2
Normal f(x) exp - 2
- x x, Sx (2.31)
2 2

1 (y y ) 2
Lognormal f(y) exp x0 y y, y Sy
y 2 2 2 (2.31 a)
y
Donde y log x

(x ) 1 e (x ) 2
Person tip o III f(x) x Sx ,
() Cs
(Gamma de tres x - Sx
parametros)

(2.32)
x 1e x x
Gamma f(x) x0
() S2x
x2 1
Donde Funcin Gamma 2

Sx CV 2
(2.32 a)
(y ) 1 e (y) Sy
Log Pearson I f(y) log x
()
2
2 (2.
tipo III
C s (y)
x - Sx

32b)
1
Exponencial f(u) e x x0 (2.33)
x

1 x x u 6s x
Valores Extremos f(x) exp exp

-x x - 0.5772

(2.34)
La distribucin log-Pearson Tipo III puede asumir diferentes formas dependiendo del
valor de los parmetros, como se muestra en la Tabla 2.5 (Bobee, 1975).

TABLA 2.5. FORMA Y UBICACIN DE LA MODA DE LA DISTRIBUCION LOG-

PERSON TIPO III COMO UNA FUNCION DE SUS PARAMETROS.

95
 Parmetro de forma ( ) ln 10 -ln 10 < <0 >0
0< <1 Sin moda Moda mnima Sin moda

Forma de J Forma U Forma J invertida

>1 Unimodal Sin moda Unimodal

Forma j invertida

El uso de la distribucin log-Pearson Tipo III se justifica debido a que arroja buenos
resultados en muchas aplicaciones, particularmente en el caso de datos de caudales picos. El
ajuste de la distribucin a los datos se puede efectuar mediante la prueba 2, o por
comparacin grfica con la distribucin emprica.

12.7 DISTRIBUCION DE VALORES EXTREMOS.

Los valores extremos se refieren a los mximos o los mnimos de un conjunto de datos. As
por ejemplo, el caudal mximo anual en una estacin determinada es el valor ms alto
registrado durante el ao en dicha estacin. Los valores de dichos eventos mximos del
registro histrico constituyen una serie de valores extremos que se pueden analizar esta-
dsticamente. La distribucin de los valores extremos, extrados de muestras con cualquier
distribucin de probabilidades, converge a una de las tres formas, denominadas Tipo I, II y
III, cuando el nmero de dichos valores es alto (Fisher y Tippet, 1928). Las propiedades de
estas tres funciones han sido estudiadas en detalle posteriormente por Gumbel (Tipo 1),
Frechet (Tipo II) y Weibull (Tupo III).

Las tres funciones indicadas son casos especiales de una nica distribucin denominada
Distribucin de Valores Extremos General (VEG) (Jenkinson, 1955), cuya funcin de
distribucin de probabilidades es:

x u 1/k
F(x) exp[(1 k ) ]

(2.35)

donde k, u y son parmetros a ser determinados.

Para K = 0 se obtiene la distribucin de Valores Extremos Tipo I, cuya funcin de

probabilidades se da en la Tabla 2.4. Para K < 0, se obtiene la distribucin de Valores
Extremos Tipo II, cuyo rango de aplicacin es (u + /K) x ; y para K > 0, se
96
obtiene la distribucin de Valores Extremos Tipo III, cuyo rango de aplicacin es
- x (u /k) . En los tres casos se asume que es positivo.

Como se puede observar, en la distribucin Tipo I (VEI), x es ilimitada; en la Tipo II

(VEII), x es limitada en la parte interior por (u + /K ); y en la Tipo III (VE III), x es
limitada en la parte superior por ( u /K ). Las distribuciones VEI y VEII se conocen como
distribuciones GUMBEL y FRECHET respectivamente y se suelen utilizar para el anlisis
de los caudales mximos. La distribucin VEIII, se conoce como la distribucin WEIBULL
y se usa para el anlisis de frecuencia de los caudales mnimos. Detalles de la distribucin
VEI en el Apndice D.

12.8 ANALISIS DE FRECUENCIA.

Los mtodos estadsticos presentados en las secciones anteriores se usan ms
frecuentemente para describir series de procesos hidrolgicos, tal como alturas de
precipitacin e intensidades, caudales mximos anuales, crecidas, duraciones de flujos
mnimos, etc. En esta seccin se va a analizar el ajuste de las distribuciones a datos
puntuales, es decir, a observaciones en una estacin de medicin en particular.

Hay dos mtodos para el ajuste de las distribuciones en el anlisis de frecuencias: el primero
consiste en una tcnica de representacin directa de la distribucin acumulada; el segundo
considera el uso de factores de frecuencia.

La distribucin acumulada permite una rpida determinacin de la probabilidad de que un

evento sea menor o igual que una magnitud especfica. Esta propiedad se usa para obtener
periodos de retorno o intervalos de recurrencia para los datos observados. Como regla
general, el anlisis de frecuencia slo debera llevarse a cabo si las series observadas por lo
menos son de 10 aos de longitud y no deben usarse extrapolaciones mayores que el doble
del registro observado. Detalles sobre Periodo de Retorno en el Apndice D.

12.9 SERIES DE DATOS HIDROLOGICOS

El conjunto de datos disponibles ordenados cronolgicamente constituye la serie de
duracin total. Si de esta serie se seleccionaran todos los valores mayores que una
magnitud preestablecida o valor base o de referencia, este nuevo conjunto de datos
97
conforman la denominada serie de duracin parcial. Cuando la base de referencia se
selecciona de modo tal que el nmero de valores en la serie sea igual al nmero de aos de
registro, entonces estamos en presencia de una serie anual de excedencia. Por otro lado, se
debe observar que una serie de valores extremos incluye el valor mximo o mnimo
ocurrido en cada intervalo de igual longitud en que se divide el perodo de registro. La
longitud del intervalo se selecciona normalmente igual a un ao; con lo cual, la serie se
denomine simplemente serie anual, ya sea mxima o mnima.
El perodo de retomo TE de cada evento de la serie parcial se relacione con el periodo de
retomo T correspondiente a los eventos de la serie de valores mximos anuales como sigue
(Chow, 1964).
1
T
TE ln (2.36)
T 1
Una de las limitaciones de la serie de excedencias parcial est en la dificultad de
verificar la independencia de las observaciones. Sin embargo, cuando se est tratando de
estimar eventos con periodos de retomo pequeos (T <5 aos, como es el caso de drenaje
vial y urbano), se suele usa la serie parcial. Cuando el perodo de retomo es elevado, ambas
series convergen, por lo que en este caso se recomienda usar la serie anual. La diferencia
entre ambas series slo es de 0.5 aos para valores del perodo de retorno superiores a 10
aos.

12.10 SELECCION DEL PERIODO DE RETORNO O NIVEL DE DISEO

El estudio hidrolgico puede tener dos usos fundamentales: (1) CONTROL DEL AGUA:
drenaje, control de inundaciones, control de la polucin, sedimentos, salinidad, etc.; (2)
USO DEL AGUA Y MANEJO: abastecimientos, riego, hidroelectricidad, recreacin,
navegacin, etc. En cada caso, el objetivo es el mismo: determinar el caudal de diseo de
entrada, transitarlo a travs del sistema y determinar si la salida es satisfactoria. El diseo
para el control del agua normalmente se basa en eventos extremos de corta duracin;
mientras que el diseo para el uso del agua considera el hidrograma total sobre un perodo
de aos. En la Figura 2.9, se presentan los rangos de variacin del valor correspondiente a la
variable de entrada al sistema, denominado escala de diseo hidrolgico. Los factores
determinantes en la seleccin del evento de diseo son el costo y el grado de seguridad que
se desea dar a la estructura hidrulica. La magnitud ptima para el diseo es aquella que
equilibre las consideraciones de costo y seguridad.

98
FIGURA 2.9. ESCALA DE DISEO HIDROLOGICO.

En la mayora de los casos, el lmite inferior es cero. El valor mximo es desconocido,

pero finito. Para propsitos prcticos, se establece un valor limite estimado VLE, definido
como la magnitud mxima posible de un evento hidrolgico en un sitio determinado,
basado en la mejor informacin hidrolgica disponible. El concepto de VLE se encuentra
implcito en el concepto comnmente usado en hidrologa de la precipitacin mxima
probable PMP y la correspondiente creciente mxima probable CMP. La Organizacin
Meteorolgica Mundial define a la PMP como la magnitud de precipitacin cercana al limite
fsico mximo que ocurre para una determinada duracin sobre una cuenca dada. Sobre la
base de los registros mundiales, la PMP puede corresponder a un perodo de retorno de
500.000 aos -es decir un factor de frecuencia de K = 15. El perodo de retorno vara
geogrficamente, es usual asignar a la PMP un intervalo de recurrencia de 10.000 aos, sin
embargo, sin bases fsicas.
Debido a que se desconoce la probabilidad del VLE, su uso es determinstico. Por ello,
especialmente para los rangos inferiores se suele usar el procedimiento probabilstico, es
decir, se estiman las probabilidades de ocurrencia usando la informacin disponible. Este
mtodo es menos subjetivo y permite determinar los niveles de diseo ptimos.
No siempre es econmico usar en el diseo el VLE. El valor de diseo final podra ser
modificado de acuerdo con algn criterio tcnico de ingeniera. En la prctica se usan tres
procedimientos para establecer el nivel de diseo: mtodo emprico, anlisis de riesgo y
anlisis econmico.
En el mtodo emprico, se selecciona como magnitud de diseo el evento extremo del

99
registro histrico de N aos. La probabilidad de que dicho evento sea igualado o excedido
una vez durante los n aos siguientes es:
n
P N, n (2.37)
Nn
As por ejemplo, la probabilidad de que el caudal mximo observado en N aos sea
igualado o excedido en los N prximos aos es 0,5.
Si una sequa de m aos constituye el evento crtico observado en un perodo de N aos,
cul ser la probabilidad P (N, m, n) de que ocurra una sequa ms crtica en los n prximos
aos? El nmero de secuencias de longitud m en N aos de registro es N m + l y en n aos
es n m + 1. Luego, la probabilidad de que el peor evento sobre el perodo pasado y futuro
est contenido en los n prximos aos es:

P (N, m, n)
n m 1
N m 1 n m 1
(2.38)
n m 1
(n m)
N n 2m 2
El anlisis de riesgo parte del hecho de que la estructura puede fallar si la magnitud
para el periodo de retorno de diseo T es excedida durante la vida til de dicha estructura. El
riesgo hidrolgico de falla se calcula como sigue
R 1 [1 p(X x T )]n (2.39)
donde P(X x T ) 1/T ; n es la vida esperada de la estructura; R es la probabilidad

de que un evento x x T ocurra por lo menos una vez en n aos.

Supongamos, por ejemplo, que a una obra hidrulica de drenaje urbano se le ha

asignado una vida til de 10 ao; se acepta un riesgo de 10% de que por lo menos una vez
en dicho perodo ocurra un evento que excede la capacidad de la estructura Cul debera
ser el perodo de retorno que debe utilizarse en el diseo? Cul sera la probabilidad de que
una estructura diseada para este perodo de retorno no sea excedida en su capacidad en 50
aos?

Aplicando la Ecuacin (2.39) tenemos:

1 10
0,10 1 (1 ) T 95aos
T
1 50
R 1 (1 ) R 0,41
95
Luego, la probabilidad de que la capacidad no sea excedida durante un periodo de 50

100
aos es 1 0,41 0,59 59%

El tercer mtodo para estimar el nivel de diseo es el anlisis econmico. Aqu se

requiere del conocimiento de la naturaleza probabilstica del evento hidrolgico y el dao
que resultara en el caso de ocurrir el evento, sobre el rango factible del mismo. A medida
que se incrementa el periodo de retorno, aumenta el costo de la estructura, pero disminuye el
monto de los daos esperados. Por lo tanto, se puede llegar a un perodo de retorno de
diseo ptimo minimizando los costos totales sobre una base anual. A continuacin vamos a
analizar el concepto de riesgo desde el punto de vista econmico, ilustrndolo con dos
ejemplos, el primero se refiere al estudio de diques para la proteccin de riberas; y el
segundo se relaciona con la seleccin del caudal de diseo de alcantarillas.

12.10.1 ESTUDIO DE ALTERNATIVAS EN EL DISEO DE DIQUES

Vamos a asumir el estudio de un proyecto de diques para la proteccin contra crecientes

(inundaciones). Se contemplan 3 alternativas con diferentes costos, cada una de las cuales
provee un determinado nivel de proteccin. Para que el proyecto sea econmicamente
factible, el costo de las obras debe ser menor que la magnitud de los daos que ocurriran si
no se proveyera de proteccin. En la Tabla 2.6 se da el nivel de proteccin de cada
alternativa conjuntamente con el costo de la medida de proteccin.

TABLA 2.6. COSTOS DE LAS ALTERNATIVAS DEL SISTEMA DE DIQUES.

NIVEL DE PROTECCION COSTO ANUAL DEL

m3/s PROYECTO
(VIDA UTIL 50AOS)
M Bs.
878 1.902
1.359 2.208
1826 2.718

Para determinar la relacin entre el nivel del agua en el cauce y los daos esperados
tienen que analizarse factores como topografa, valor de las propiedades, daos potenciales,
uso de la tierra y anlisis hidrulico del cauce. En la Tabla 2.7 se resume dicha informacin.
Habra que determinar la probabilidad de ocurrencia para las crecientes, usando una funcin
de distribucin adecuada a la serie de duracin parcial, como se muestra en la Figura 2.10.
101
Consideremos la alternativa que brinde una proteccin contra todas las crecientes menores
que 878 m3/s y asumamos que el perodo de anlisis es de 100 aos. En la Figura 2.10 se lee
directamente el nmero de veces que, en promedio, cualquier creciente va a ser excedida en
100 aos. As por ejemplo, una descarga de 54 m3/s ser excedida 61 veces en promedio,
mientras que una de 82 m3/s slo 39 veces. Estos valores se dan en las columnas 2 y 3 de la
Tabla 2.8. As pues, podemos esperar unas 22 crecidas (61 - 39) en 100 aos con magnitudes
entre 54 y 82 m3/s.

TABLA 2.7 RELACION ENTRE NIVEL CAUDAL-DAOS

NIVEL CAUDAL DAOS ESPERADOS SI
(m) (m3/S) EL CAUDAL
OCURRIERA
(M Bs.)
5,50 54 0
5,80 82 0,360
6,10 173 2,340
6,40 439 12,780
6,70 934 46,020
7,00 1.982 60,300
7,30 4.078 63,900

Los daos resultantes para una crecida de 54 m3/s son iguales a cero; pero para 82
m3/s, alcanzan una magnitud de 0,360 MBs. Algunas de las 22 crecientes que se espera que
ocurran dentro de ese rango no deben causar casi ningn dao. Podramos considerar que el
dao medio es (0 + 0,360 MBs.)/2 = 0,180 MBs; por lo tanto, el dao esperado en 100 aos
debido a crecientes entre 54 y 82 m3/s ser de 22 x 0,184 MBs = 3,96 MBs. Los daos
promedios, calculados como se indica se dan en la columna 5 de la Tabla 2.8 y los daos
esperados en 100 aos, en la columna 6. En el perodo de anlisis de 100 aos, 39 crecientes
exceden el nivel de 82 m3/s. Los daos esperados se computan en idntica forma y se dan en
los renglones que siguen de la Tabla 2.8.

102
FIGURA 2.10. SERIE DE DURACION PARCIAL PARA EL ESTUDIO ECONOMICO DE UN SISTEMA
DE DIQUES.

TABLA 2.8. CALCULO DE LA MAGNITUD PROMEDIO DE DAOS

NIVEL CAUD de EXCEDEN DAOS COSTO
m AL EXCEDENCIA CIA PROMEDIOS POBABLE DE
m3/s PROMEDIO EN PROMEDIO PARA EL DAOS PARA
100 AOS DEL RANGO (MBs.) CADA
RANGO RANGO
(MBs.)
(1) (2) (3) (4) (5) (6)
5,50 54 61 22 0,180 3,960
5,80 82 39 23 1,350 31,050
6,10 173 16 11,9 7,560 90,000
6,40 439 4, 1 2,8 27,960 78,000
6,68 878 1,3 0,1 44,580 4,460
6,70 934 1,2 0,58 49,590 28,800
6,86 1.359 0,62 0,25 56,010 13,980
6,98 1.826 0,37 0,05 59,580 2,980
7,00 1982 0,32

El total de daos prevenidos por el sistema de diques hasta el nivel de 878 m 3/s ser
igual a la suma de los daos de las crecientes menores; es decir, 3,96 + 31,02 + 90,00 +
78,00 = 202,98 MBs. Usualmente esta magnitud se transforma en un valor medio anual,
dividiendo entre 100, ya que las crecientes poseen una ocurrencia aleatoria. La
determinacin de los daos promedios prevenidos para las otras alternativas se realiza si-
guiendo el mismo procedimiento.
Ahora ya podemos comparar las tres alternativas de diques desde el punto de vista
econmico. Si consideramos al sistema de diques como una parte del mercado competitivo
para la inversin de capital, el nivel econmico ptimo de proteccin ocurrira cuando los
beneficios y costos incrementales se igualan y los beneficios empiezan a exceder a los cos-
tos. Este tipo de anlisis no es necesario en una situacin de monopolio como lo es el
sistema de diques. Sin embargo, uno de los procedimientos recomendados, para la toma de
decisiones consiste en asumir una situacin de mercado competitivo, y desarrollar el sistema

103
de diques hasta un nivel tal que los beneficios y costos incrementales sean iguales, recono-
ciendo que la diferencia mxima entre beneficios y costos puede ocurrir a un nivel inferior
del desarrollo (debido a la situacin de monopolio).
TABLA 2.9. ANALISIS DE BENEFICIO - COSTO

NIVEL DE BENEFICIOS BENEFICIOS COSTO ANUAL COSTO BENEFICIOS

PROTECCION ANUALES INCRE - INCREMENTAL MENOS
DEL
3
m /s M Bs. MENTALES M Bs. COSTOS
M Bs. PROYECTO M Bs.
M Bs.
878 2,03 1,90 0,13
1.359 2,36 0,33 2,21 0,31 0,15
1.826 2,50 0,14 2,72 0,51 0,22

En la Tabla 2.9 se presenta un resumen de los clculos para las tres alternativas. Un
nivel de proteccin en el rango de 878 a 1.359 m3/s arroja un beneficio de 0,333 MBs., a un
costo de slo 0,306 MBs. anual. El costo de la proteccin hasta el siguiente nivel de
1.826 m3/s se incrementa a 0,510 MBs. y el beneficio obtenido slo es de 0,140 MBs.
Obviamente, slo debera considerarse el proyecto hasta el nivel de proteccin de 1.359
m3/s. En este caso, la diferencia beneficio - costo es tambin mxima.
Es necesario hacer notar que los valores anuales de daos por crecidas se van
incrementando con el tiempo. Esto se debe al incremento de los desarrollos en las planicies
inundables cuando se provee de alguna medida de proteccin. Este fenmeno debe ser
reconocido y evaluado para introducirlo en la estimacin de los daos estimados de la Tabla
2.8.

MTODOS DE REPRESENTACIN GRFICA

Las funciones de distribucin acumuladas se simplifican cuando se usa el papel de
probabilidades, elaborado de tal modo que los puntos se ubican en una lnea recta. As por
ejemplo, el papel de probabilidades normal tiene un origen en el punto medio, es decir una
lnea de una probabilidad de 50%; luego la escala se desforma hacia ambos lados hasta el
infinito.

Por lo tanto, una distribucin simtrica, con una forma de S perfecta en escala
aritmtica se transforma en una lnea recta en el papel de probabilidades. La otra escala se
mantiene en unidades aritmticas. En forma similar, la distribucin Log Normal arroja una
104
lnea recta en el papel de probabilidades, pero con una escala logartmica en el eje de las
ordenadas. En ambos casos, el valor medio de la variable normal ocurre en el punto 50%, y
las variables de igual desviacin por debajo y por encima del promedio se ubican en lnea
recta. Un papel de probabilidades especialmente elaborado para la distribucin de valores
extremos de GUMBEL, utiliza en vez de la probabilidad de ocurrencia, su recproco, es
decir el intervalo de recurrencia, denominado tambin perodo de retorno. La probabilidad o
perodo de retorno de un evento dentro de una serie se puede calcular utilizando algn
mtodo de posicin grfica.

Cuando se analizan, por ejemplo, los caudales mximos anuales, el Intervalo de

Recurrencia o Perodo de Retorno se define como el tiempo medio en aos, con N
intentos futuros, para que el m-avo valor de la serie sea excedido en promedio una vez.
Dicho de otro modo, el perodo de retorno es el nmero de aos en los cuales se espera que
la variable ocurra por lo menos una vez. El nmero medio de excedencias para esa
condicin es como sigue:
m
XN (2.40)
n 1
donde X = nmero promedio de excedencias
N = nmero de intentos futuros (perodos de retorno)
n = nmero de valores
m = el nmero de orden de cada evento enumerados de mayor a
menor.
Para el caso particular de X = 1, N = T , tenemos:

n 1
T (2.41)
m

En la Tabla 2.13 se presentan varios mtodos de representacin grfica, pero ninguno

toma en cuenta la longitud del registro a diferencia de la formula desarrollada por
Gringorten, dada a continuacin:
n 1 2a
T (2.42)
ma
donde n = nmero de aos de registro
m = nmero de orden
0< a < 1 que vara con n, como se indica:
105
 n 10 20 30 40 50 60 70 80 90 100
a 0,448 0,443 0,442 0,441 0,440 0,440 0,440 0,440 0,439 0 0,439

TABLA 2.13 FRMULAS PARA DETERMINAR LA POSICIN GRFICA EN EL ANLIS1S DE

FRECUENCIA.

MTODO SOLUCIN PARA m =1 y n =10

PARA
P T
P (X > x)
California m/n 0,10

10
Hazen (2m 1) /2n 0,05

20
1/ n
Beard 1 (0.5) 0,067

14,9
Weibull m / (n + 1) 0,091

11
Chegadaye (m 0,3) / (n + 0,067

v 0,4) 14,9
Blom (m 3/8) / (n + ) 0,601

16,4
Tukey (3m 1) / (3n +1) 0,065

15,5

Todos los mtodos de la Tabla 2.13 asignan a los eventos un nmero de orden para lo
cual los valores se ordenan en forma creciente o decreciente. El mtodo ms eficiente y ms
comnmente usado para la posicin de representacin grfica para cualquier distribucin es
el de Weibull:
m
P (2.43)
n 1
Cuando m va de menor a mayor, P es la probabilidad de no excedencia (X x). En
cambio cuando m va de mayor a menor, P es la probabilidad de excedencia P(X x).

106
FACTORES DE FRECUENCIA

El procedimiento ms sencillo para el anlisis de frecuencia consiste en utilizar la

ecuacin general de frecuencia propuesto por Chow:
x x Ks (2.44)

donde x es el promedio aritmtico de la serie de valores observados, s la

desviacin estndar y K es denominado factor de frecuencia, el cual depende del tipo de
distribucin, del perodo de retorno y del nmero de aos de registro. Para la distribucin
normal y log normal, el factor de frecuencia K es equivalente a la variable Z estandarizada,
dada en la Tabla Cl Apndice C. Los valores de K normalmente se presentan tabulados para
todas las distribuciones. Luego el procedimiento se resume en los siguientes pasos:

(1) Calcular los parmetros estadsticos de la serie observada x y S.

(2) Seleccionar el perodo de retorno deseado para x.

(3) Extraer el valor de K de las tablas para ese perodo de retorno.
(4) Aplicar la ecuacin (2.44) para calcular el valor de x deseado.

A continuacin vamos a ilustrar el procedimiento haciendo uso de la funcin de

distribucin de valores extremos Tipo I de Gumbel, por ser sta de uso estandarizado en
Venezuela, cuyo factor de frecuencia se encuentra tabulado en la Tabla 2.14.

EJEMPLO 2.8: La descarga mxima anual promedio en una estacin hidromtrica

con 25 aos continuos de registro es de 1.000 m3/s y la desviacin estndar es de 400 m3/s.
Estime la magnitud del caudal de 50 aos de intervalo de recurrencia.
SOLUCION: De la Tabla 2.14 para T = 50 aos y n = 25 aos: K = 3,088
Aplicando la Ecuacin (2.44) resulta:
Q50 1.000 400 3,088 2.235m 3 /s

La ecuacin dada en la Tabla 2.4 para la funcin de distribucin de valores extremos

Tipo I puede resolverse para el intervalo de recurrencia T y para la variable x como sigue:
1
1 F(x) 1 exp exp[ x u ]
T
1 (2.45)
x u n [ln T - ln (T - 1)]

107
 (2.46)

Reemplazando estas ltimas expresiones en la Ecuacin (2.44) con y u como se da en la

Tabla 2.4, se obtiene para el factor de frecuencia K la siguiente expresin:

6 T
K (0,5772 ln ln ) ( 2.47)
T 1

Hay que hacer notar que esta expresin de K slo es vlida para n muy grande, es decir
en el limite n . Para el caso de muestras, K vara con el tamao de la muestra, como se
aprecia en la Tabla 2.14. En la ecuacin (2.44), si hacemos K = 0, se obtiene T = 2,33 aos;
es decir, en el anlisis de frecuencia con la funcin de Gumbel, el intervalo de recurrencia
del caudal medio mximo anual se designa como Q2,33.

EJEMPLO 2.9: El caudal promedio mximo anual del ro Yaracuy, en la estacin Puente
Cumaripa es de 147 m3/s, calculado sobre la base de un perodo de 16 aos. La desviacin
estndar es de 94 m3/s. Estimar la magnitud de los caudales mximos de 50 y 100 aos.

SOLUCION: De la Tabla 2.14, para n = 15; K50 = 3,321

K100 = 4,005
Luego reemplazando los valores de Q, S y K en la ecuacin (2.44)
Q50 =147 + 94 x 3,321 = 459m3/s
Q100 = 147 + 94 x 4,005 = 523 m3/s

EJEMPLO 2.10: En la Tabla 2.15 se dan los caudales mximos anuales registrados por
el Ministerio del Ambiente y de los Recursos Naturales Renovables (MARN) en el Ro
Yaracuy, Estacin Puente Cumaripa, durante el periodo 1951-1966. Calcular los perodos de
retorno de cada evento y graficar le curva de frecuencias emprica en papel de
probabilidades de valores extremos.

SOLUCIN: Para determinar la curva de frecuencias emprica se procede como sigue:

- Se asigna un nmero de orden m a cada valor de caudal mximo anual, ordenados en
forma decreciente, es decir, la magnitud mayor recibe el valor de m = 1 (326 en la columna
2 de la Tabla 2.15); y la magnitud menor, el de m = 16 (32 en la columna 2, Tabla 2.15).
108
 - En la columna (3) de la Tabla 2.15 se dan los valores de m para cada valor de caudal.
- Se calcula al perodo de retorno T para cada magnitud de caudal usando la ecuacin
(2.41). Los resultados se dan en la columna (4) de la Tabla 2.15.
- Finalmente se grafican los valores de T de la columna (4) contra los correspondientes
de Qt de la columna (2) utilizando el papel de probabilidades de valores extremos
Tipo I- Gumbel, como se muestra en la Figura 2.13.

Dado que los puntos se ajustan a una lnea recta, la funcin utilizada se adapta a los datos
del problema.

CONFIABILIDAD DEL ANLISIS Y LMITES DE CONFIDENCIA

De acuerdo con la teora del lmite central, los promedios de muestras tomadas de una
poblacin con varianza finita 2 y promedio se distribuyen normalmente con promedio
y varianza 2/n cualquiera que sea la distribucin de la poblacin. El estadstico / n
viene a ser la desviacin estndar de la distribucin de los promedios y se conoce como el
Error Estndar del Promedio. En la Tabla 2.16 se dan los errores estndares para los
parmetros ms usados de una distribucin.

TABLA 2.14 FACTOR DE FRECUENCIA PARA LA DISTRIBUCIN EXTREMA TIPO I.

Probabilidad acumulativa, P, %

Tamao de 50 80 90 95 98 99
Muestra

Perodo de retorno, T
2 5 10 20 50 100
10 -0.1355 1.0580 1.8483 2.6063 3.5874 4.3227
15 -0.1434 0.9672 1.7025 2.4078 3.3208 4.0049
20 -0.1478 0.9187 1.6248 2.3020 3.1787 3.8356
25 -0.1506 0.8879 1.5754 2.2350 3.0886 3.7284
30 -0.1526 0.8664 1.5410 2.1881 3.0257 3.6534
35 -0.1540 0.8504 1.5154 2.1532 2.9789 3.5976
40 -0.1552 0.8379 1.4954 2.1261 2.9425 3.5543
45 -0.1561 0.8279 1.4794 2.1044 2.9133 3.5195
50 -0.1568 0.8197 1.4663 2.0865 2.8892 3.4908
55 -0.1574 0.8128 1.4552 2.0714 2.8690 3.4667
60 -0.1580 0.8069 1.4458 2.0586 2.8518 3.4461

109
 65 -0.1584 0.L8018 1.4376 2.0475 2.8368 3.4284
70 -0.1588 0.7974 1.4305 2.0377 2.8238 3.4128
75 -0.1592 0.7934 1.4242 2.0291 2.8122 3.3991
80 -0.1595 0.7900 1.4185 2.0215 2.8020 3.3868
85 -0.1597 0.7868 1.4135 2.0146 2.7928 3.3758
90 -0.160 0.7840 1.4090 2.0084 2.7844 3.3659
95 -0.1602 0.7814 1.4048 2.0028 2.7769 3.3569
100 -0.1604 0.7791 1.4011 1.9977 2.7700 3.3487
-0.1643 0.7194 1.3046 1.8658 3.5293 3.1667

TABLA 2.15 ANLISIS DE FRECUENCIA DE CAUDALES MXIMOS ANUALES, RO YARACUY

EN PUENTE CUMARIPA. PERODO 1951-1966.
n 1
Ao Caudal mxima anual Orden T
m
m3/s m

(1) (2) (3) (4)

1951 210 5 3.4
1952 32 16 1.063
1953 290 2 8,50
1954 59 13 1.308
1955 147 8 2.125
1956 185 7 2,429
1957 186 6 2,833
1958 68 12 1.417
1959 87 10 1,700
1960 34 15 1.133
1961 326 1 17.000
1962 50 14 1.214
1963 68 11 1.545
1964 146 9 1,889
1965 243 3 5.667
1966 220 4 4,250
n 16
Q 147
S 94

TABLA 2.16 ERROR ESTNDAR DE LOS PRINCIPALES PARMETROS DE UNA FUNCIN DE DISTRIDUCIN
DE PROBABILIDADES.

Parmetro Error estndar

Promedio n
Desviacin estndar 2n

110
Coeficiente de variacin C v 1 2C 2v / 2n

Coeficiente de asimetra 6n(n 1)/(n 1)(n 2)(n 3)

111
 Como se puede apreciar, el error estndar, y por lo tanto la confiabilidad del anlisis,
vienen a ser una funcin slo del tamao de la muestra.

Sobre la base del error estndar, es posible establecer los lmites de confianza para el
parmetro que se est analizando, tomando como base la distribucin Normal. Para ello
debemos recordar las propiedades de la variable normal: El 68% de las observaciones se
ubican en el rango de x ; el 95% en el rango x 2 y el 99,7% en el rango x 3 .
Por lo tanto, los lmites de confianza para una probabilidad del 95% para el promedio se
ubican en el rango 2 n . En la prctica, la varianza 2 de la poblacin es
desconocida, por lo que se requiere de una tcnica un tanto diferente para estimar los lmites
de confianza para una muestra con promedio x y varianza S2.

TABLA 2.17 LMITES DE ERROR PARA LAS CURVAS DE FRECUENCIA.

Aos de Frecuencia de excedencia (en % al nivel 5%)

Registro
N
99,9 99 90 50 10 1 0.1
5 1,22 1,00 0,76 0,95 2,12 3,41 4,41
10 0,94 0,76 0,57 0,58 1,07 1,65 2,11
15 0,8 0,65 0,48 0,46 0,79 1,19 1,52
20 0,71 0,58 0,42 0,39 0,64 0,97 1,23
30 0,60 0,49 0,35 0,31 0,50 0,76 0,93
40 0,53 0,43 0,31 0,27 0,42 0,61 0,77
50 0,49 0,39 0,28 0,24 0,36 0,54 0,67
60 0,42 0,34 0,24 0,20 0,30 0,44 0,55
100 0,37 0,29 0,21 0,17 0,25 0,36 0,45
0,1 1 l0 50 90 99 99,9
Frecuencia de excedencia (en % al nivel 95%)

Nota: Los valores de la tabla se multiplican por la desviacin estndar de la variable para
producir la banda de confianza. El lmite superior se obtiene sumando al valor de la curva el

112
error al 5%. El lmite inferior se obtiene restando al valor de la curva el error al 95%.
Los lmites del error se grafican como curvas de control a ambos lados de
la curva de frecuencias. En la Tabla 2.17 se dan los factores propuestos por
BEARD (1961) por los que debe multiplicarse la desviacin estndar de la
variable para establecer los lmites de confidencia con una probabilidad de
90%. El nivel 5%, por ejemplo, significa que slo el 5% de los valores futuros
deberan caer sobre el lmite superior, y en forma similar, slo el 5% deber
caer por debajo del lmite 95%. Nueve de cada 10 valores deberan caer dentro
de la banda de confianza.

ERROR ESTANDAR DE LA DISTRIBUCION DE VALORES

EXTREMOS TIPO I
Como hemos visto, el error estndar de los estimados S e es una medida de la desviacin
estndar de la magnitud de los eventos, calculada de muestras que varan alrededor de la
magnitud verdadera del evento. Por ser las funciones de distribucin de frecuencias normal
y de valores extremos Tipo I de uso muy frecuente en Venezuela, a continuacin se dan los
estimados del error estndar para dichas funciones, de acuerdo con KITE (1977):
NORMAL:
2 z2
Se S (2.48)
n

Donde:
Se = error estndar de los estimados
S = desviacin estndar de la muestra observada
n = nmero de eventos
Z = variable normal estandarizada

VALORES EXTREMOS TIPO I:

1
Se [ (1 1,1396K 1,100K 2 )]1/2 S (2.49)
n
K = Factor de frecuencia ajustado para el evento de un perodo de retorno T, que se
calcula mediante la ecuacin (2.47), o se extrae de las tablas para la funcin de Valores
Extremos Tipo I.

EJEMPLO 2.11: Calcular el error estndar de estimacin y los lmites de confianza al

113
90% para Q50, y Q100 del ejemplo 2.9.

DATOS:
Q50 = 459 m3/s K = 3,321 S = 94m3/s
Q100 = 523 m3/s K = 4,005 n = l6aos

SOLUCIN: Aplicando la ecuacin (2.49) tenemos:

1
Para Q50 : Se [ (1 1,1396 * 3,221 1,10 * (3,221)2 )]1/2 x94 94,24
16
1
Para Q100 : Se [ (1 1,1396 * 4,005 1,1 * (4,005)2 )]1/2 x94 113,2 1
16
Para Q10 = Se = 58,19
Para Q2,33 = Se = 23,50

Los lmites de confidencia al 90%, con Z = 1,645 para = 0,05 son:

XT Se Z, es decir:

Para Q50: 459 155 (304 614)

Para Q100: 523 186 (337 709)
Para Q10: 307 95 (212 402)
Para Q2,33: 147 39 (108 186)
En la Figura 2.13 se han graficado tambin los lmites de confidencia para el ejemplo
dado.

2. 8 ANALISIS DE INCERTIDUMBRE Y RIESGO

A pesar de que la incertidumbre hidrolgica natural puede tenerse en cuenta tal como se
describi previamente, otras clases de incertidumbres son difciles de calcular. A menudo
stas son tratadas utilizando un factor de seguridad, FS, o un margen de seguridad, MS.
Si el valor dado por el diseo hidrolgico es L y la capacidad real adoptada para el proyecto
es C, el factor de seguridad

C
FS= (2.50)
L
Y el margen de seguridad es
MS=C-L (2. 51)

114
 La capacidad real es mayor que el valor dado por el diseo hidrolgico debido a que se
tienen en cuenta otras clases de incertidumbre: tecnolgica (hidrulica, estructural, de
construccin de operacin, etc), socioeconmicas, polticas y ambientales.

Para un riesgo hidrolgico especificado R y una vida til de diseo n de una estructura, la
ecuacin (2.39) puede utilizarse para calcular el perodo de retorno relevante T. La magnitud
L del evento hidrolgico que corresponde a esta probabilidad de excedencia se encuentra al
utilizar un anlisis de frecuencia de la informacin hidrolgica. El valor de diseo C se
encuentra al multiplicar L por un factor de seguridad asignado, o sumando a L el margen de
seguridad adoptado.

ANLISIS DE INCERTIDUMBRE DE PRIMER ORDEN

Muchas de las incertidumbres asociadas con sistemas hidrolgicos no son cuantificables.

Por ejemplo, la capacidad de conduccin de una alcantarilla con una entrada no obstruida
puede calcularse con un pequeo margen de error, pero durante una creciente es usual que
la entrada sea obstruida por basuras y desechos, reduciendo la capacidad de conduccin de
la alcantarilla en una cantidad que no puede predeterminarse.

La incertidumbre hidrolgica puede dividirse en tres categoras, incertidumbre natural,

la cual surge debido a la variabilidad aleatoria del fenmeno hidrolgico; incertidumbre del
modelo, la cual resulta de las aproximaciones hechas en la representacin de los fenmenos
mediante ecuaciones; e incertidumbre de parmetro, la cual surge de la naturaleza
desconocida de los coeficientes de las ecuaciones. La incertidumbre natural en la magnitud
del evento de diseo est descrita por la ecuacin (2.39); en esta seccin se considerarn las
incertidumbres de modelo y de parmetro.

El anlisis de incertidumbre de primer orden es un procedimiento para calcular la

variabilidad esperada en una variable dependiente calculada como una funcin de una o ms
variables independientes. Supngase que w se expresa como una funcin de x;
W = f(x) (2.52)

Existen dos fuentes de error en w; primero, la funcin f, o modelo, puede ser incorrecta;
segundo, la medida de x puede ser inexacta. En el siguiente anlisis se supone que no existe

115
error de modelo. Kapur y Lamberson (1977) demostraron cmo puede extenderse el anlisis
cuando existe error de modelo. Entonces, suponiendo que f(x) es un modelo correcto, se
selecciona un valor nominal de x, denotado por X, como una entrada de diseo y se calcula
el valor correspondiente de w:

W = f( x ) (2.53)
Si el valor real de x es diferente de x, el efecto de esta discrepancia sobre w se estima
expandiendo f(x) en una serie de Taylor alrededor de x = x :
df 1 d 2f
W = f(x) + (x x) 2
(x x) 2 + (2.54)
dx 2! dx

donde las derivadas df dx , d 2 f dx 2 ,..., , se evalan en x=x. Si se desprecian los

trminos de orden segundo o superior, la expresin de primer orden resultante para el
error en w es:
df
ww= (x x)
dx

df
La varianza de este error es Sw2= E ( x x )
dx

O
2
df
Sw2= Sx 2 (2.55)
dx

donde Sx2 es la varianza de x.

La ecuacin (2. 55) permite el clculo de la varianza de una variable dependiente w como
una funcin de la varianza de una variable independiente x, suponiendo que la relacin
funcional w=f(x) es correcta. El valor Sw es el error de estimacin estndar de w.

Si w es dependiente de varias variables mutuamente independientes x 1, x2,...,xn, puede

demostrarse, utilizando un procedimiento similar al anterior, que

2 2 2
df 2 df 2 df 2
Sw2= S x1
dx
S x 2 ...
dx
S xn
(2.56)
dx1 2 n

Kapur y Lamberson (1977) mostraron cmo extender la ecuacin (2.39h) para tener en
cuenta el efecto de la correlacin entre x1,x2,...,xn, si existe, sobre S2w.

116
ANLISIS DE PRIMER ORDEN DE LA ECUACIN DE MANNING

La ecuacin de Manning es frecuentemente utilizada en hidrologa con el fin de

determinar la profundidad del flujo (y) correspondiente a un caudal (Q) especificado, o (y vs
Q) para determinar la curva limnimtrica. En ella, existe incertidumbre en el caudal de
diseo en el coeficiente de rugosidad (n), en el valor de la pendiente de funcin (Sf) donde
el anlisis de incertidumbre de primer orden permite estimar el efecto de incertidumbre en
Q, n y Sf sobre y.
En primer lugar, se considera el efecto de la variacin en el caudal Q sobre la profundidad
del flujo. La ecuacin de Manning es :
2
1
Q = AR 3 Sf 2 (2.57)
n

Si las variaciones en y dependen solamente de variaciones en Q, entonces de la ecuacin

(2.55),
2
dy
S y 2 SQ 2 (2.58)
dQ

pero dQ/dy, est dado para la ecuacin de Manning por

dQ 2 dR 1 dA
Q (2.59)
dy 3R dy A dy

debido a que Q es una constante y suponiendo que n es constante.

Sustituyendo en la ecuacin (2.59), la funcin de la forma del canal (2/3R) (dR/dy) +(1/A)
(dA/dy) para secciones transversales comunes de la tabla C6, apndice C.

dVQ 2
Sy 2 2
2 dR 1 dA (2.60)

3R dy A dy

la cual especifica la varianza dela profundidad de flujo como una funcin del coeficiente de
variacin del caudal y del valor de la funcin de forma del canal. Para tener en cuenta
tambin la incertidumbre en el coeficiente de rugosidad n de Manning y en la pendiente de

117
friccin Sf, puede procederse en forma similar, utilizando la ecuacin (2.60) , que
2 2 2
CVQ CVn (1 / 4)CVsf
Sy 2 2
2 dR 1 dA (2.61)

3R dy A dy

la cual representa la varianza de la profundidad de flujo y como una funcin de los

coeficientes de variacin del caudal, del n de Manning, de la pendiente de friccin y de
la funcin de forma del canal, es decir, el error d estimacin estndar al cuadrado.

EJEMPLO 9.1. Un canal rectangular de 50 m de ancho tiene una pendiente de

lecho de 1%. Un hidrlogo estima que el caudal de diseo es de 500 m 3/s y que la
rugosidad es n=0.035. Si los coeficientes de variacin del caudal y de la rugosidad
estimados son del 30% y del 15% respectivamente. Cul es el error de estimacin
estndar para la profundidad del flujo y?. Si se han construido algunas casas al lado de
este canal con una elevacin dl piso de 0.50 m por encima de la elevacin de la
superficie del agua calculada para el diseo debido incertidumbres envueltas en el
calculo del nivel del agua. Suponga flujo uniforme.

SOLUCION: Para Bw=50m, A=50y y R=50y/(50+2y); la profundidad del flujo

se calcula con la ecuacin de Manning:

2
1
Q = AR 3 Sf 2
n
2
1
1 50 y 3
500= (50 y)
50 2 y
(0.01)
2
0.035

que se resuelve con la tcnica de iteracin de Newton (Apndice E) para

encontrar
y=2.19 m
El error de estimacin estndar es Sy, calculado al utilizar Sy, calculado al
utilizar la ecuacin (2.39) con CVq=0.30; CVn=0.15 y CVsf=0. De la tabla C6 qpndice
C, para un canal rectangular,
2 dR 1 dA 5B 6 y
= 3y ( B 2 y)
3R dy A dy

5x 50 6 x 2.19
= 3x 2.19(50 2 x 2.19)

= 0.737

118
 (0.30) 2 (0.15) 2
Luego 2
Sy = 0.207
(0.737) 2

Sy=0.46 m
Si las casas estn construidas de manera que los pisos se localicen 0.50m por encima
del nivel de agua calculado, stas se inundarn si la profundidad real es mayor que
2.19+0.50=2.69m. Si la elevacin de la superficie del agua y est distribuida
normalmente, entonces la probabilidad de que se presente un inundacin en las casas
se evala convirtiendo y a la variable normal estandarizada z:
y 2.19 2.69 2.19
P(y>2.69) = P
0.46 0.46

y 2.19
= P 1.087
0.46

= P(z>1.087)
= 1-Fz(1.087)
de la tabla C-1 del apndice C:
Fz(1.087) =0.86
Luego P(y>2.69) =1-0.86=0.14
Existe una probabilidad aproximada de 14% de que las casas se inunden durante el
evento de diseo debido a las incertidumbres en el clculo del nivel del agua para dicho
evento.

Este ejemplo tuvo en cuenta solamente la incertidumbre de parmetro para los

clculos. La posibilidad real de que las casas se inunden es mayor que la calculada aqu
, debido a que la decreciente crtica puede exceder la magnitud del diseo (debido a la
incertidumbre natural).

El uso de la funcin de forma de canal (2/3R) (dR/dy) +(1/A)(dA/dy) en la ecuacin

(2.39) depende del conocimiento de (dR/dy) y dA/dy, que pueden ser difciles de
obtener para canales con formas irregulares. As mismo, la suposicin de que y
solamente depende de Q puede no ser vlida. En tales casos, la ecuacin (2.39h) puede
utilizarse para obtener Sy, tratando a y como una funcin de Q y n, y utilizar un
programa de computador para simular el flujo en el canal para estimar las derivadas
parciales requeridas y / Q, y / n , ejecutando el programa para diferentes valores
de Q y n, graficndolos contra los resultados calculados de profundidad de flujo. Si los
gradientes y / Q, y / n , son aproximadamente lineales; esto valida el usar
nicamente trminos de primer orden para el anlisis de incertidumbre (si las lneas
estuviesen significativamente cerradas, el anlisis habra requerido el haber tenido en
cuenta los trminos de segundo orden en la serie de expansin de Taylor.

2. 9 ANLISIS DE CORRELACIN Y REGRESIN

119
 La correlacin, se define como la asociacin entre dos o ms variables aleatorias, en la
cual, solamente una parte de la variacin total de una variable, denominada dependiente, es
explicada por la variacin de las otras variables, denominadas independientes involucradas
en la estructura de asociacin. La parte no explicada se debe al efecto de los errores y de las
variables que pudiendo tener alguna relacin, no son incluidas en el anlisis.

El grado de asociacin que existe entre las variables incluidas en el anlisis se mide
mediante el coeficiente de correlacin (r). El grado explicativo de la variacin de las
variables independientes (Xi), sobre la variable dependiente (Yi) se mide mediante el
coeficiente de determinacin, B = r2 ; es decir, que r2 representa el porcentaje de la
variacin total de Y que es explicado por la variacin de X.

La regresin determina la naturaleza de la relacin funcional entre las variables y permite

estimar el valor de Y en funcin de X con un determinado margen de error. El modelo que
representa la estructura de la relacin funcional se denomina ecuacin de regresin y es de
naturaleza matemtico - determinista.

Debido a que los parmetros hidrolgicos pueden estar asociados entre s, as como con
ciertas variables geomorfolgicas, tal como rea, longitud, pendiente, etc., o simplemente
con el tiempo, la correlacin y regresin constituyen herramientas muy tiles en la
hidrologa. Se suele usar para el relleno de datos faltantes en una determinada estacin en
funcin de los de otra; para la generacin de nueva informacin; y especialmente en los
pronsticos del caudal o niveles de los ros.

a . Fases en el anlisis de correlacin y regresin.

El anlisis de correlacin se lleva a cabo, siguiendo el procedimiento que se da a
continuacin:
1. Seleccionar el tipo de relacin:
La relacin existente entre las variables puede ser de dos tipos: simple y mltiple. La
relacin simple es aquella en la que se incluyen solamente dos variables, y = f(x). La
relacin mltiple incluye ms de dos variables, una de las cuales, es la variable dependiente,
y las otras son las variables independientes Y = f(X1,2, ... k).

Cada uno de los tipos de regresin sealados puede ser lineal o no lineal, segn que la

120
relacin sea lineal o curvilnea. La regresin lineal es la ms til ya que muchas relaciones
curvilneas pueden ser fcilmente transformadas a una relacin lineal utilizando la
logaritmacin. Luego, los modelos ms comunes de regresin son:
S mb o lo Ti po
RL S Lin e a l si

RLM Li n ea l M

(2.62)
(2.63)
Donde:
y = variable aleatoria dependiente (pronstico).
xi = variables aleatorias independientes.
, a = trminos independientes (parmetros de la regresin)
, bn = coeficientes de regresin
e1 = residuo o error = y1- yi
xo = variable auxiliar = 1.

2. Estimar los parmetros del Modelo

El mtodo ms utilizado para calcular los parmetros del modelo de regresin lineal
simple, es el de los mnimos cuadrados. Consiste en calcular los parmetros en tal forma que
se minimiza la sumatoria de los cuadrados del error e1 (SCE).
n n n
SCE ei (yi yi ) (yi a bx i ) 2 minimo
2 2

i 1 i 1 i 1

La minimizacin se obtiene derivando la expresin con respecto a a y b, igualando a

cero en cada caso y resolviendo el sistema de ecuaciones para a y b.

(SCE)
0 y i na b x i
a
(SCE) 2
0 x i yi a x i b x i
b

De la derivacin se obtienen las ecuaciones normales, cuya resolucin arroja para a y b

los siguientes valores:
a= y -bx (2.64)

121
 x i yi a x i n x i yi x i yi
b
x i2 n x i2 ( x i ) 2

(x i x)(y i y)
(2.65)
(x i x) 2

Los parmetros a y b del modelo RLS tambin pueden estimarse en forma grfica
como sigue:

El valor de a viene a ser la intercepcin de la recta Y = a + bX con el eje de las

ordenadas (Valor de Y para X = 0) y el valor de b viene a ser la pendiente de la lnea de
regresin.

Para calcular los parmetros de la regresin lineal mltiple de K variables independientes

[Ecuacin (2.51)] tambin se usa el mtodo de los mnimos cuadrados, en la misma forma
que el caso de la regresin lineal simple introduciendo las transformaciones:

x i1 x i1 x; x i2 x i2 x 2 ;......x ik x k ;
Y y1 y

Se obtiene el siguiente sistema de ecuaciones normales, a partir de las cuales se calculan

los coeficientes de regresin:

122
 b1(Dx 12 )+ b2(Dx1Dx2)++bk(Dx1Dxk) = (DyDx1)

b1(Dx1Dx2) + b2(Dx 22 )++bk(Dx2Dxk) = (DyDx2)

.
.
.
b1(Dx1Dxk) + b2(Dx2Dxk)++bm(Dx 2k ) = (DyDxk)
(2.66)
...
El sistema (2.54) se resuelve para b1, b2 ... bm, haciendo bo= media. As por ejemplo, para
el caso de dos variables independientes tenemos:

y b o b1 x i1 b 2 x 12 (2.67)
b o y b1 x 1 b 2 x 2 (2.68)

x i1y i x i22 y i x i2 x i1x i2

b1 (2.69)
x i12 x i22 ( x i1x i2 ) 2

y i1x 2i x i22 x i x i2 x i1x i2

b2 (2. 70)
x i12 x i22 ( x i1x i2 ) 2

S 2y (x i1 , x i2 ) [(y i (x i1 , x i2 ) - y 2 ]/(n - 1)
Br 2
yx1x2 (2.71)
S 2y (y i y) 2 /(n 1)

S 2y (x i1 , x i2 ) [(b1 x i1 b 2 x i2 ) 2 ]/(n 1) (2.72)

S 2y S 2y (1 B) (2.73)

En la hidrologa no se justifica utilizar en el modelo de regresin lineal mltiple ms de

cinco (5) variables independientes; en la prctica slo se suelen tomar una o dos.

3. Prueba de significancia de la correlacin

La prueba de la significancia se refiere a establecer si la correlacin es suficientemente
buena como para usar el modelo obtenido para el propsito propuesto. Si la correlacin es
significativa, es decir, si el coeficiente de correlacin es estadsticamente diferente a cero, la
correlacin puede ser usada. Por lo tanto, las hiptesis son:
Ho: = 0
H1: 0

123
El estadstico de prueba que se usa es el de la distribucin t, calculado como sigue:

r n 2
1/2
t (2.74)
1 r
2 1/2

Con un nivel de significancia preestablecido, digamos = 0,05, se lee en la tabla de la

distribucin de Student (Tabla C4, Apndice C) el valor de t 0,05 con (n-2) grados de libertad,
y se compara este valor con aquel obtenido para t mediante la ecuacin (2.62)

Decisin:
si/t/ t0,05 0 se acepta H1 (2.75)

si /t/ > t0,05 0 se acepta H0 (2.76)

4. Estimacin del Grado de Correlacin

El procedimiento ms sencillo para calcular el coeficiente de correlacin r, en el
modelo de RLS es:
Sx
rb (2.77)
Sy

Donde de Ecuacin (2.20):

1/2
2
n

(xi x)
SX
n 1

1/2
2
n

(yi y)
Sy
n 1

Donde:
b = coeficiente de regresin calculado anteriormente
Sx = desviacin estndar de la variable X

SY = desviacin estndar de la variable Y

124
 Si reemplazamos b por las expresiones matemticas utilizadas para su clculo, se
obtienen para r otra relacin de utilidad (Ver Ecuacin 2.59).
Cov XY xy
(2.78)
VarX VarY x y

En esta ltima expresin los valores de utilizados representan la desviacin

estndar de la poblacin, y por lo tanto, la expresin se utiliza para estimar el coeficiente de
correlacin poblacional .

La medida de la correlacin en el modelo de RLM se determina por cualquiera de los

siguientes cuatro parmetros:

1) Desviacin estndar de los errores o residuos.

2) Coeficiente de correlacin mltiple, el cual mide la asociacin (Y contra Y ). Se

define tambin como la razn de la desviacin estndar de los errores a la

desviacin estndar de la variable observada.

3) Coeficiente de determinacin mltiple que viene a ser el cuadrado del coeficiente de

correlacin mltiple.

4) Los coeficientes de correlacin parcial, los cuales miden la asociacin de la variable

dependiente con cualquiera de las variables independientes, siempre que estos

ltimos no estn relacionados entre si.

El coeficiente de correlacin mltiple se calcula en la forma ms simple mediante la

siguiente expresin:
1/2
2
s
R 1 2
e

sy

Donde:
Sy = Desviacin estndar de la variable Y
Se = Desviacin estndar de los errores, denominado tambin error estndar de

estimacin (Ver Ecuacin (2.61)).

125
 2 (y i y) 2 2
S [1 r ] Sy
2

n k 1
e

Yi = Valores observados
Yi = Valores estimados mediante el modelo.

Mientras ms se acerque el valor absoluto del coeficiente de correlacin a la unidad,

ms precisos sern los resultados que se obtengan con el modelo de regresin. Sin embargo,
el grado de correlacin es sensible al nmero de datos utilizados para el anlisis de
correlacin, por lo que se han establecido criterios prcticos para establecer la bondad de
ajuste de los modelos de regresin sobre la base del coeficiente de correlacin, entre los que
tenemos:

- Valoracin del coeficiente de correlacin r de acuerdo con Chaddock y Appolov, como

sigue:
RANGO GRADO DE RANGO DE BONDAD DEL
DE r CORRELACIN DE r PRONSTICO DE
CHADDOCK APPOLLOV
< 0,3 Muy bajo __
0,3 0,5 Bajo __
0,5 0,7 Medio <0,6 Insuficiente
0,7 0,9 Bueno > 0,6 Baja
0,9 1,0 Muy bueno > 0,8 Suficiente
R = 1,0 Funcional > 0,9 Buena

- Un segundo criterio para juzgar el grado de correlacin es a travs del factor de

seguridad f nB siendo B el coeficiente de determinacin (r2).

RANGO DE GRADO DE
CORRELACIN
f n r2
< 3,0 Insuficiente
3,0 Aceptable
3,0-5,0 Bueno
> 5,0 Muy bueno

- El tercer criterio que vamos a presentar es el propuesto por LANGBEIN, el cual se basa
en el concepto de la denominada Ganancia de Informacin al usar el modelo de

126
 regresin. Para determinar la ganancia de informacin, se calcula primeramente la
longitud efectiva de un registro extendido por regresin, el cual se compara con la
longitud del registro utilizado en el desarrollo del modelo de regresin. Si el registro
efectivo resultara mayor que el registro inicial, se habr ganado informacin y por lo
tanto se puede usar el modelo; en caso contrario, habra que desechar la correlacin.

Siendo N el perodo que se pretende desarrollar, la longitud efectiva N e de un registro

extendido por regresin es:
N
Ne
NK
1
K2

1 r2 (2.79)

Donde:
N e = Longitud efectiva del registro ganado por correlacin.

N = Longitud del registro mayor.

r = Coeficiente de correlacin entre ambos registros.
K = Longitud del registro menor.
La ganancia en informacin (G) es N e K , la cual se pretende que sea mxima.

b. Acepciones para el uso de los modelos de regresin

Los modelos de regresin que hemos descrito slo se deben usar siempre que se den
las siguientes condiciones:
1) El modelo propuesto sea el que mejor exprese la estructura de asociacin
2) Para cada valor de x se genere un conjunto de valores de y que se distribuyan en

2
forma normal con media y x y varianza y
.

3) Los errores se distribuyan en forma normal, e independiente y posean una media igual a

2
cero y una varianza e
.

4) Exista homogeneidad de varianza, es decir, que los valores generados de Y para cada

valor de X poseen la misma varianza:

2
Var ( y/x1 ) Var (y/^ x 2 ) .... Var (y/x n ) y

5) Las muestras sean aleatorias

6) Los valores de x sean fijos, medidos sin error

127
c. Error de los estimados mediante regresin
Partiendo de la tercera acepcin: Los errores se distribuyen en forma normal con
media cero y desviacin estndar Se, podemos calcular el error del pronstico utilizando la
propiedad de la distribucin normal, mediante la cual, alrededor del 68% de los valores de la
variable estn comprendidos en el intervalo de una desviacin estndar hacia ambos lados
de la tendencia central; el 95% en el intervalo de dos desviaciones estndar y el 99,7% en el
intervalo de tres desviaciones estndar. La tendencia central est dada por el valor de Y de la
ecuacin de regresin y la desviacin estndar es el denominado error estndar de
estimacin. Por lo tanto, tenemos los siguientes rangos entre los que puede variar el pro-
nstico:
Y Se, con el 68% de probabilidades
Y 2Se, con el 95% de probabilidades
Y 3Se, con el 99,7% de probabilidades
Para cualquier otro valor de probabilidad, el factor que debe multiplicar a S e se
obtiene de las tablas de la distribucin normal. As por ejemplo; para un 90% de
probabilidades, se tiene un valor de 1,645, es decir:
Y 1,645 Se, con el 90% de probabilidades.

EJEMPLO 2.12: Se desea pronosticar los niveles mximos de un ro en una estacin

E1 (A = 300 Km2) sobre la base de los niveles en una estacin E2 ubicada aguas arriba de E1
(A = 140 Km2) sobre el mismo cauce, y de los niveles en una estacin E 3 (A = 110 Km2)

128
ubicada en un afluente aguas arriba de E1.

Datos AOS 1 2 3 4 5 6 6 8 9 10 11 12
Fecha (Mes) JUN JUL AG AGO JUL JUL JU AGO SEP MAY JU AG
O N L O
Nivele en cm 172 309 302 283 443 298 319 419 361 267 337 230
s E1 = Y
Estaci
n
Estaci E2 = 93 193 187 174 291 184 205 260 212 169 216 144
n X1
Estaci E3 = 120 258 255 238 317 246 265 304 292 242 272 191
n X2

SOLUCIN:
Regresin lineal simple (Ver Ecuacin (2.50)

HE 1
f H E 2

y
y 37,40 3,117m
n 12

x1
x i 23,28 1,940m
n 12
2
Sx1

x i1 x1 2,857 0,260m2 , de donde S 0,51
x1
n 1 11
(y y) 2 6,118
S2y 0,556m 2 Sy 0,746
n 1 11

[x1 x1 )(y y)] 4,144

Sx 1 y 0,377m2
n 1 11

b1 Sx1 y /S2x 1 0,377/0,260 1,45

b o y b1x1 3,117 (1,450 * 1,490) 0,304
rx 1 y Ss1 y /Sx1 Sy 0,377/(0,51 * 0,746) 0,991

B rx21 y 0,9912 0,982

Se Sy (1 r 2 ) 0,746(1 0,982) 0,013

129
 El modelo ser entonces
y 0,304 1,45x1 e

De acuerdo con los criterios adoptados para juzgar la bondad de r, la correlacin es muy
buena.
Regresin lineal mltiple de 2 variables (Ecuacin (2.55))

H e1 f[H e 2, H e 3 ]

x 1194m. S x1 0,510 Sx1y 0,377m2

x 2250m. S x 2 0,527 Sx 2 y 0,373m2

y 3,117m. S y 0,746 Sx1x 2 0,254m2

b 1 (S 2x 2 S x1y S x1x 2 S x 2 y )/(S 2x1 S 2x 2 S 2x1x 2 ) 1,324

b 2 (S 2x1 S x 2 y S x1x 2 S x1y )/(S 2x1 S 2x 2 S 2x1x 2 ) 0,129

b 0 y b1x1 b 2 x 2 0,226m
r [(b1 Sx 1 y b 2Sx 2 y )/s 2y ]1/2 0,992
.
B r 2 0,984
Se S y (1 b) 0,094

Luego, el modelo de regresin ser:

y 0.226 1.324x 1 0.129x2 e

En este caso, la correlacin es tambin muy buena, ms an con la introduccin de la

variable E3 en el modelo de regresin se obtiene una mejora del pronstico.

EJEMPLO 2.13: Supongamos que la estacin hidromtrica E 2 del ejemplo anterior

poseyera 20 aos de registros de niveles mximos anuales y se desea generar los ocho aos
restantes de la misma variable para la estacin E 1. Determinar si se debe usar el modelo de
regresin, y cul sera la ganancia de informacin.

SOLUCIN

130
 N 20
Ne
Nk 8 =19.7 aos
1 (1 r 2) 1 (1 0,9912)
k2 12 2
N = 20 aos.
K= 12 aos.
R = 0,991

Ganancia = Ne K = 19,7 12 = 7,7 aos.

Luego, siendo la ganancia de informacin de 7,7 aos, se recomienda usar el modelo de

regresin para la extensin.

REGRESION NO LINEAL
La estructura del modelo de regresin no lineal es desconocida. En algunos casos
especialmente en la regresin simple, dicha estructura se puede deducir graficando las
variables. De lo contrario, el modelo tendra que determinarse por tanteos.
Para determinar los parmetros del modelo, se suele usar la transformacin logartmica
para linearizar dichas funciones no lineales, obteniendo as relaciones ms sencillas y una
distribucin uniforme de los valores en el rango de la curva de regresin. Adems se busca
que las funciones de distribucin de las variables se acerquen a la normal.
La sumatoria de las desviaciones al cuadrado alcanza un mnimo para determinados valo-
res de a0 y a1, independiente de la forma de X; por lo que no pierde validez la funcin
genrica y = a0 + a1 f(x). Tomando la transformada logartmica f(x) = Ln X, log X, se
obtiene:
y = a0 + a1 ln X, es decir, X = exp [(y a0)/a1] (2.80)

Los modelos no lineales ms utilizados en la hidrologa son:

- Parbola de un orden cualquiera:

Y = a0 Xa1 (2.81)
log Y = log a0 + a1 log X
Zy= log a0 + a1Zx

- Algunas veces la grfica de la funcin parablica no se lineariza en el papel doble

logartmico (caso de la curva de gastos). La linearizacin se obtiene restando una constante

131
x0 a X; yo a Y; o a ambas, en cuyo caso el modelo toma la siguiente forma:

Y - y0 = a0 (X - xo)a1 (2.82)

- Otras veces se suele usar la siguiente estructura general:

y a o x1a1x a2 2 x 3a 3 .........x an n
(2.83)

log y = log ao + a1 log x1 + a2 log x2 +...+ an log xn

Zy = log ao + a1Zx1 + a2Zx2+....+ anZxn

En todos los casos, el clculo de los parmetros se efecta en la misma forma que para la
regresin lineal.

EJEMPLO 2.14: Se desea calcular el modelo de regresin no lineal para estimar los
caudales especficos mximos (y) de una regin con 13 estaciones de medicin, en funcin
del rea de la cuenca (x1) y del grado de urbanizacin (x2). Los caudales se dan en l/s-Km2,
el rea en Km2, y el grado de urbanizacin en porcentaje.
Datos:
No. Y Zy X1 Zx1 X2 Zx2
1 41,9 1,62221 4838 3,68467 4,9 0,69020
2 47,2 1,67394 3162 3,49998 5,2 0,71600
3 56,6 1,75282 2841 3,45347 5,0 0,69897
4 53,1 1,72509 2005 3,30212 2,1 0,32222
5 56,2 1,74974 1008 3,00346 2,2 0,34242
6 144,8 2,16084 754 2,88309 50,0 1,69897
7 194,5 2,28892 25 2,39967 41,6 1,61909
8 109,5 2,03941 136 2,13354 10,9 1,03743
9 161,0 2,20683 110 2,04139 36,4 1,56110
10 188,0 2,27416 101 2,00432 49,6 1,69548
11 244,1 2,38757 36 1,55630 33,6 1,52634
12 436,0 2,63949 11 1,04139 41,3 1,61595
13 174,2 2,24105 38 1,57978 3,8 0,57978

Y = caudal especfico en l/s-Km2

Zy = log Y.
X1 = rea de la cuenca en Km2

132
Zx1 = log X1
X2 = grado de urbanizacin.
Zx2 = log X2

- Regresin No Lineal Simple

a
Tomando como ejemplo el modelo y = a0 x1 1

Z y log a 0 a1Z x
1
Aplicando las ecuaciones (2.52), (2.53) y (2.59) se obtiene:
a1 0,3503
log a 0 2,9365

rxy 0,9298

B 0,8645

Zy 2,9365 0,3503 Z x1
Y 863,97 X10,3503

-Regresin No Lineal Mltiple

Tomando como ejemplo el modelo Y a 0 X1 1 X 2 2
a a

Zy log a 0 a1 log X1 a 2 log X 2

Aplicando las ecuaciones (2.57), (258) y (2.59) se obtiene:

a1 0,2657

a 2 0,2309
log a 0 2,4739

r y , x1 , x 2 0,9831
r 2 0,9665

Z y 2,4739 0,2657 Z x 0,2309 Zx

1 2

Y 297,78 X10,2657 X 0,2309

2

La correlacin mltiple mejora sensiblemente el modelo de regresin.

133
REFERENCIAS.
Haan, C.T., Statistical Methods in Hydrology, Iowa State Univ. Press, Ames, Iowa,
1977.
Chow, V.T., Maidment, D.R. and Mays, L.W. Applied Hydrology, Mc Graw-Hill,
US.A., 1988.
Hjelmfelt, A.T. and Cassidy, J.J. Hydrology for Engineers and Planners. Iowa State
Univ. Press, Ames, Iowa, 1975.
Chow, V.T. Statistical and probability analysis of hidrology data, Sec. 8-1 in
Handbook of Applied Hydrology, Ed. by V.T. Chow, Mc Graw-Hill, N.Y., 1964.

XII MODELOS HIDROLGICOS

13.1 MODELOS DE EVENTOS

Como se ha mencionado, los modelos de eventos simulan el humedecimiento del suelo por
efecto de la lluvia, pero no simulan el balance en el perfil del suelo ni el proceso de secado
por infiltracin, percolacin y evapotranspiracin, slo simulan el hidrograma de crecientes
(eventos) en perodos discretos de tiempo.

Presumiblemente, la recesin del hidrograma es dominada por la respuesta de flujo

subsuperficial en el punto donde la escorrenta directa proveniente del evento de lluvia
aflora. El problema se presenta frecuentemente en identificar ese punto, aunque en la
modelacin al obtener caudales constantes se tiene una respuesta a este problema.

La separacin de flujo base se hace siguiendo lo visto captulos anteriores y se indica en la

modelacin con HEC-1. Se presentaran ac tres modelos de eventos, de amplio uso y
aceptacin en la tcnica actual del Diseo Hidrolgico. Adems, de estos modelos se
incluyen ejemplos de aplicacin reales y descripcin de los datos de entrada (input) en el
CD.

Modelo HEC-1 (HEC-1,1998)

134
Es un modelo de eventos de crecientes, por tal motivo no simula el balance de agua en el
suelo, es decir, no se puede usar para modelacin continua, donde se debe modelar el
decaimiento de la humedad del perfil del suelo por evapotranspiracin, infiltracin y
percolacin. Este modelo ha sido superado por el modelo HEC-HMS pero su base terica es
semejante. La modelacin se realiza de la siguiente forma:
Mapa base: topogrficos, red de drenaje, delimitacin de cuencas y de drenaje urbano (si
corresponde).
Segmentacin de la cuenca en subcuencas, realizada teniendo en cuenta los puntos con
estaciones de aforo y con obras de regulacin.
Interconexin de subcuencas por tramos de cauces, hecha mediante la identificacin de
confluencias y el reconocimiento de las caractersticas fsicas e hidrulicas de los tramos
del ro.
Identificacin de obras hidrulicas, tales como: obras de toma, diques derivadores, plantas
de bombeo, centrales elctricas, puentes, etc.

El modelo tiene las siguientes herramientas de clculo necesarias en el diseo hidrolgico:

Hidrograma de superficies: hidrograma unitario en base a datos medidos, hidrograma
unitario sinttico (SCS, Clark y Snyder) y onda cinemtica.

Cuando se conocen las ordenadas de HU, se ingresan stas directamente (comando UI). Si
esto se hace, el intervalo de tiempo del HU debe ser el mismo del que se coloca en el
comando IT. No se puede ingresar un hidrograma unitario con IN haciendo diferente
intervalo que el declarado en IT. En este caso el exceso de precipitacin se transforma en
escorrenta basado en la ecuacin de convolucin discretizada en el intervalo de tiempo que
se especifique. De acuerdo con esto el mtodo es lineal, independiente de la tormenta y
dependiente de las caractersticas de la cuenca. Al ser lineal, la escorrenta producto de los
excesos para diferentes perodos se pueden superponer.
Flujo base: mediante la curva exponencial.
Trnsito de ondas de crecientes en ros, con el uso de mtodos hidrolgicos (Muskingum,
Pulso modificado, tirante normal) de la ecuacin de Momento (onda cinemtica).

El mtodo de Muskingum es uno de los mtodos hidrolgicos ms conocidos y usados; para

obtener sus coeficientes se deben tener hidrogramas medidos de entrada y salida en el tramo
donde se hace el traslado. Se basa en el proceso de clculo del efecto de embalse que un
tramo de un ro tiene sobre una creciente.
Trnsito de ondas de crecientes en embalses a partir de la solucin de la ecuacin del
embalse por iteracin mediante el uso del Mtodo Cnico. Este mtodo se usa cuando
no se conoce la relacin cota/volumen.

Los mtodos que suponen que la superficie del embalse sea horizontal trabajan slo con la
ecuacin de continuidad, pues el cambio en almacenaje en un perodo t es slo funcin de la
entrada promedio menos la salida promedio.

Clculo de precipitacin media sobre la cuenca y su distribucin temporal de la siguiente

manera: la precipitacin media y su distribucin se da como dato; precipitacin histrica
por estacin; generacin de tormentas hipotticas en funcin de tablas lmina -duracin;
PMP (segn criterio del Corps of Eng); precipitacin estndar del proyecto (segn
criterio del Corps of Engineers).

135
 Fusin nival a travs del mtodo del Grado/da Balance de Energa. Para simulacin de
la fusin de la nieve cada subcuenca se discretiza en zonas de elevacin hasta un mximo
de diez.

En el planteo de la simulacin, el intervalo de elevacin que se toma para las zonas puede
ser cualquiera, pero en un problema este debe ser el mismo para todas las zonas y debe
coincidir con el intervalo que se tome para temperatura. Por cada rea de elevacin
empezando por la ms baja va un ingreso que lleva el rea incluida. El equivalente de agua
en nieve en mm al inicio de la simulacin y la precipitacin anual normal en esa zona (este
dato puede no ir), pueden especificarse hasta diez zonas.

Clculo de la fusin nival (snow melt) se explica en el modelo HEC-1 en el CD.

Intercepcin e infiltracin mediante el clculo de la prdida inicial y tasa constante; tasa
de prdida exponencial; el mtodo del SCS - CN (Curve Number); ecuacin de Holtan;
funcin de infiltracin de Green y Ampt.
Optimizacin de parmetros usando el hidrograma unitario y prdidas totales, trnsito de
crecientes o definiendo el tamao ptimo de componentes de un sistema de control de
crecientes.
Anlisis de seguridad de embalses a travs del anlisis del derrame de la presa (con cresta
a nivel o con desnivel) o de la rotura de presa.
Estudios Regionales tales como la obtencin simultnea de hidrogramas de crecientes en
varios puntos de la cuenca y el anlisis simultneo de diferentes crecientes y diferentes
planes de control.
Estudios econmicos de daos por inundaciones, de beneficios de obras y medidas de
control de las inundaciones; curva de descarga/dao, curva de dao y tiempo de retorno
de la creciente; optimizacin del sistema de control.
Operaciones adicionales como la derivacin o ingreso de caudales en un ro y operacin
de plantas de bombeo en embalses o canales aductores.

Dentro de los alcances y limitaciones del modelo estn:

Es un modelo de evento. No hace simulacin continua. No simula el flujo base en
perodos de sequa.
No tiene limitaciones en el nmero de cuencas subcuencas o tramos del ro.
No tiene limitaciones en el tamao de cuencas y subcuencas. No obstante por ser un
modelo de parmetros concentrados se deben elegir las unidades hidrolgicas
(subcuencas) en funcin de la distribucin de parmetros fsicos y meteorolgicos.
No tiene limitaciones en relacin al intervalo de tiempo (DT ) a elegir, pero el intervalo
debe ser el mismo para toda la cuenca. Se debe respetar una limitacin en relacin al
tiempo al pico.
En el trnsito de ondas, simula las ondas naturales suaves no las de fuerte componente
inercial (porque no trabaja con las ecuaciones de Saint Venant).

13.2 MODELOS DE SIMULACIN CONTNUA

Los modelos de simulacin continua, desarrollados en la dcada del 60 y 70 del siglo pasado
fueron: Standford Watershed Model (Crawford et al, 1966), HSP-Hydrologic Simulation
program y el Modelo de Sacramento-(Burnash.et al 1973), SSARR Streamflow Sntesis
and Reservoir Regulation (U.S.Army, 1975). Muchos de estos modelos y otros sucesivos
como IHMS Integrated Hydrological Model System, SMHI, 1994, basado en el HBV
( Bergtrm, 1976) y el WADIM-RT Watershed Integrated Model in Real Time (Fernndez

136
et al., 1994), y el Danish han sido integrado a sistemas de monitoreo en tiempo real (capitulo
14).

Modelo Standford IV
La estructura de este modelo (Figura 7.23) es antecedente de los modelos continuos que le
sucedieron.
National Weather Service Soil Moisture Accounting Model (Modelo de Sacramento)
Este modelo estableci la estructura bsica de la simulacin continua y del balance del agua
en el perfil del suelo. Su estructura operativa es igual a la de los modelos de eventos con
unidades de respuesta hidrolgica o subcuencas. Considera reas permeables e
impermeables y el perfil del suelo dividido en dos horizontes superior e inferior. Los dos
elementos bsicos de prdidas son evapotranspiracin e infiltracin, arrojando como
resultado el escurrimiento superficial, el almacenamiento subterrneo y el escurrimiento
subterrneo.
En su versin original, funciona con un intervalo de tiempo de 15 minutos. Como todos los
modelos continuos, tiene muchos parmetros difciles de estimar. Su uso estuvo ligado,
generalmente, a la modelacin en tiempo real de cuencas provistas de buenos datos.

Fig. 13.1 Representacin esquemtica del modelo de Stanford IV. (Crawford y Linsley,

137
 1966)

National Weather Service Soil Moisture Accounting Model ( Modelo de

Sacramento)

Se puede decir que luego de su aparicin, para operacin en tiempo real, en el National
Weather Service-River Forecast Center de California y Nevada en 1973 (Burnash et al.,
1973) fue el paradigma de los futuros modelos continuos.
El Modelo de Sacramento considera tambin dos horizontes, pero en cada zona (superior e
inferior) divide el agua en agua de tensin (zona no saturada) y agua libre (zona saturada).
En la zona inferior considera a su vez dos zonas, aquella que genera rpidamente flujo base
(flujo suplementario) y aquella de drenaje lento (flujo primario).

Fig. 13.3 Estructura conceptual del modelo Sacramento

Modelo IHMS Integrated Hydrological Model System

Es el modelo continuo desarrollado por el SMHI Swedish Meteorological and Hydrological

Institute (IHMS, 1994). Es un modelo basado en el HBV (Bergstrm, S., 1976) que incluye
la versin Pulse de ese modelo. El HVB es un modelo conceptual semidistribuido.
Cuando el modelo es calibrado se puede usar en dos tipos de pronsticos hidrolgicos:
Pronstico a corto plazo. En este caso el modelo corre usando datos medidos de
precipitacin y temperatura por un perodo que termina el da antes del primer da de

138
 pronstico. Desde esa fecha se deben ingresar datos pronosticados de temperatura y
precipitacin para que el modelo genere el hidrograma correspondiente.
Pronstico a largo plazo. En este caso no se ingresan datos de pronsticos, el modelo usa
datos observados para igual perodo en el ao previo y los anteriores. El modelo genera
tantos hidrogramas como aos hayan disponibles o menos, si se desea. Todas las
secuencias se iniciarn en las condiciones de estado del modelo con los datos corrientes,
es decir, para una condicin antecedente de suelo que es la de la fecha en el ao actual. Si
eso es razonable, los correspondientes hidrogramas mostrarn una distribucin confiable
con la realidad.
Al igual que en lo mencionado en modelos ya citados, el IHMS cuenta con los siguientes
mdulos :
Acumulacin y fusin nival.
Balance de agua en el perfil del suelo.
Generacin de hidrogramas de escorrenta directa y de flujo base.
Rutinas de trnsito.
Suma de hidrogramas de subcuencas.
Subdivisin en cuencas de montaa por franjas altitudinales para el mdulo de nieve y
para balance de agua en el perfil del suelo. Estas franjas de elevacin a su vez se pueden
dividir en zonas de diferente vegetacin.

139
Fig. 13.3 Estructura conceptual simplificada del modelo de HBV (Bergstrm, 1976)

El modelo funciona con un intervalo de tiempo de 1 da, pero se pueden usar intervalos
menores.

140
13.3 MODELACIN DE CUENCAS CON DATOS INSUFICIENTES

En los captulos anteriores se han tratado fundamentalmente mtodos de diseo hidrolgico

en cuencas con datos de precipitacin y caudales, o, ambos. Un tema de gran importancia
para la ingeniera prctica es el relacionado con las estimaciones de caudales de diseo en
cuencas con escasa informacin.

Desafortunadamente, cuando el ingeniero trabaja en el mundo real del diseo hidrolgico es

ms frecuente tener que tratar con cuencas o reas con escasas o ninguna informacin,
donde la matemtica y sobre todo la estadstica desarrollada basado en el anlisis de buenas
series histricas de lluvias y/o caudales, se deben sustituir por mtodos eficaces, pero
simples que usan pocos datos ( ninguno) y el sentido comn del hidrlogo experimentado.
Estos mtodos tienen mucho de ciencia y tcnica, pero para obtener resultados razonables
se requiere de mucho de arte (Loague et al, 1985).

En la estimacin de caudales de diseo en cuencas sin aforos el analista, usar ecuaciones y

modelos que slo incluyen parmetros que puedan obtenerse de datos fsicos de la cuenca o
de extrapolacin de cuencas vecinas con datos. Frecuentemente, la solucin es el resultado
de una combinacin de ambos factores.

Los modelos cuyos parmetros se definen basados en las condiciones fsicas de la cuenca
(como lo es el HEC-1, HEC-HMS, ARHYMO), deben preferirse de aquellos que los
parmetros se obtienen por calibracin, es decir, modelos continuos.

La extrapolacin de datos de cuencas con mediciones a otras que carecen de ellas, siempre
que exista homogeneidad meteorolgica e hidrolgica, es un buen recaudo a tener en cuenta
haciendo uso de metodologas de correlacin mltiple entre precipitacin, caudal y
parmetros geomorfolgicos. En este sentido, algunos parmetros fsicos a tomar en cuenta
en los modelos de regresin son: rea de la cuenca, longitud cauce principal, pendiente de la
cuenca, pendiente del cauce principal, diferencia de nivel entre los extremos del cauce
principal, cota del centro de la cuenca, permeabilidad o infiltracin, uso del suelo, densidad
de drenaje, CN del SCS.

Los parmetros de los modelos sintticos de lluvia - caudal estn basados en datos fsicos de
las cuencas. En el caso de trnsito de crecientes se deben usar mtodos como Puls
Modificado, basado en la estimacin del coeficiente de Manning y la relacin de
almacenamiento en canal versus descarga, determinada con secciones transversales y perfil
del cauce.

El tipo de informacin que se solicita en estos estudios est compuesto de: caudales
mximos (en todos los estudios) y su frecuencia; volumen de la creciente (para estudios de
embalses embalses); hidrograma completo (base del hidrograma, tiempo al pico, duracin de
la recesin).

141
142