See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/237035647

Análisis de la distribución e interpolación espacial de las lluvias en Bogotá,

Colombia

Article  in  Dyna (Medellin, Colombia) · January 2011

CITATIONS READS

4 190

4 authors, including:

Ana Carolina Santos Andrés Vargas-Luna

Instituto de Investigación de Recursos Biológicos Alexander von Humboldt Pontificia Universidad Javeriana
10 PUBLICATIONS   36 CITATIONS    28 PUBLICATIONS   121 CITATIONS   

SEE PROFILE SEE PROFILE

Nelson Obregón-Neira
Pontificia Universidad Javeriana
59 PUBLICATIONS   206 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

La incertidumbre de la calidad en la planificación de cultivos. View project

R&D Colombian water ecosystem View project

All content following this page was uploaded by Ana Carolina Santos on 20 February 2015.

The user has requested enhancement of the downloaded file.

 ANÁLISIS DE LA DISTRIBUCIÓN E INTERPOLACIÓN ESPACIAL
DE LAS LLUVIAS EN BOGOTÁ, COLOMBIA

ANALYSIS OF DISTRIBUTION AND SPATIAL INTERPOLATION

OF RAINFALL IN BOGOTA, COLOMBIA
ANDRÉS VARGAS
Departamento de Ingeniería Civil, Pontificia Universidad Javeriana. e-mail: avargasl@javeriana.edu.co

ANA SANTOS
Universidad Nacional de Colombia. Pontificia Universidad Javeriana. e-mail: acsantosr@gmail.com

EDER CÁRDENAS
Estudiante Maestría en Hidrosistemas, Pontificia Universidad Javeriana. e-mail: eder.cardenas@javeriana.edu.co

NELSON OBREGÓN
Pontificia Universidad Javeriana. e-mail: nobregon@javeriana.edu.co

Recibido para revisar noviembre 17 de 2010, aceptado abril 29 de 2011, versión final mayo 5 de 2011

RESUMEN: En el diseño y manejo de sistemas de drenaje urbano es necesario conocer distribución espacial de la precipitación. Para obtener
esta información, en la ciudad de Bogotá se emplean con frecuencia métodos de interpolación cuya entrada son los registros puntuales de es-
taciones pluviométricas o pluviográficas. En el presente trabajo se presenta una revisión de los parámetros básicos que los modeladores deben
asumir antes de realizar una interpolación espacial. Se utilizó información diaria y subhoraria, considerando los métodos de la distancia inversa
cuadrática, Kriging y V4 de MATLAB®. Los resultados obtenidos permiten definir algunos criterios sencillos en cuanto a la orientación de la
malla, el tamaño de la celda a emplear, el análisis estructural previo que debe realizársele a la información y el método de interpolación a utilizar.

PALABRAS CLAVE: Campos de precipitación, Geoestadística, patrones espaciales, interpolación espacial, variabilidad espacio-temporal.

ABSTRACT: In the urban drainage systems design and management, the knowledge of the rainfall spatial distribution is required. To obtain this
information, in the city of Bogotá are often used interpolation methods whose inputs are punctual data recorded in rainfall stations. This paper
presents a review of the basic parameters that modelers should take into account before performing a spatial interpolation. Daily and hourly infor-
mation was used, considering the inverse distance squared, Kriging and MATLAB® V4 methods. The obtained results allow us to define some
simple on the orientation of the mesh, the cell size to be used, the previous structural analysis of the information and the interpolation method.

KEYWORDS: Rainfall fields, Geostatistics, spatial patterns, spatial interpolation, space–time variability.

1. INTRODUCCIÓN el control de las descargas de sedimentos y contaminantes

El papel de la precipitación en la hidrología urbana es
fundamental, debido a que la ocurrencia de éste fenómeno
genera la escorrentía y el transporte de sedimentos en las
urbes del planeta. La alta variabilidad espacio-temporal
de la precipitación constituye una fuente importante de
incertidumbre en la modelación hidrológica de estos
hidrosistemas, lo cual implica que las cuencas urbanas
requieran mediciones de precipitación con una alta
resolución espacial y temporal [1-2], insumo que no
siempre está disponible en las ciudades latinoamericanas.
En la operación de sistemas de drenaje pluvial se debe
incluir de manera simultánea la conducción del agua
proveniente de la escorrentía sin generar inundaciones y
en cuerpos de agua receptores; aspectos analizados con
los sistemas de control en tiempo real y los estudios de
eventos pasados con el fin de preparar las estrategias
de control y/o diseño de nuevas redes [3]. De esta
manera, la observación e interpretación de los patrones
espaciales de precipitación (campos de precipitación)
son fundamentales en la planeación y operación de estos
sistemas de drenaje [4-5].
En la ciudad de Bogotá el registro de la precipitación
se realiza en estaciones de medición puntual, mediante
instrumentos de medición discreta o continua. En la
práctica es necesario conocer su variación espacial en un
área de estudio, para lo cual deben construirse campos de
precipitación empleando metodologías de interpolación,

Dyna, año 78, Nro. 167, pp. 150-158. Medellín, Junio, 2011. ISSN 0012-7353
 Dyna 167, 2011
tales como el método de Kriging, el método IDW (Inverse
Distance Weighted) y el método V4 (Desarrollado en
MATLAB® basado en las funciones de Green).
Con el desarrollo de los sistemas de información, el
procedimiento de interpolación resulta relativamente
simple, sin embargo, las consideraciones previas para
llevar a cabo dicho proceso no lo son. Por consiguiente
el objetivo del presente trabajo consiste en brindar a los
modeladores en hidrología, información básica de los
procesos de interpolación y la generación de campos de
precipitación apropiados en centros urbanos. Sin pérdida
de generalidad se analizarán los registros de precipitación
puntual en la ciudad de Bogotá, considerando diferentes
resoluciones espaciales y temporales bajo la perspectiva
de varios métodos de interpolación.
2. ÁREA DE ESTUDIO
La ciudad de Bogotá se encuentra ubicada en la zona
central de Colombia, en el altiplano Cundiboyacense
de la Cordillera Oriental. Su localización está dada por
las coordenadas 4° 35’ 53” N 74° 4’ 33” W y altitud de
2630 msnm. Bogotá tiene un área total de 1776 km2
y su casco urbano se extiende en más de 40 km a lo
largo de la sabana en el sentido norte-sur y en 20 km
en el sentido este-oeste.
La ciudad tiene como límites naturales los llamados
Cerros Orientales en el costado este y el río Bogotá
en el costado occidental (Ver Figura 1). Se caracteriza
por tener un régimen bimodal de precipitaciones
que varían entre 800 y 1200 mm y una temperatura
promedio de 13 °C, con un rango de 7 a 18 °C.
Figura 1. Zona de estudio
Figure 1. Study area
151
3. MATERIALES Y MÉTODOS
Las estaciones seleccionadas para el desarrollo del
presente estudio son de tipo meteorológica especial
(ME), sinóptica principal (SP), pluviométrica (PM),
climatológica principal (CP), pluviográfica (PG)
y climatológica ordinaria (CO). En la Tabla 1 se
presentan las estaciones empleadas en el estudio.
Los registros hacen parte de la base de datos de las
entidades encargadas de recolectar y distribuir la
información en la ciudad de Bogotá: Corporación
Autónoma Regional (CAR), Instituto de Hidrología,
Meteorología y Estudios ambientales (IDEAM)
y la Empresa de Acueducto y Alcantarillado de
Bogotá (EAAB). En resumen se consideraron 77
estaciones con precipitación diaria y 37 estaciones
con precipitación sub-horaria.
El período de simulación fue elegido de acuerdo con
la disponibilidad y calidad de la información ofrecida
por parte de las entidades operadoras de las estaciones,
considerando adicionalmente los siguientes criterios:
1) validación de la información pluviográfica con
la pluviométrica, 2) análisis de consistencia de la
información, y 3) Identificación de los eventos
teniendo en cuenta el tiempo mínimo entre eventos [6].
Dicho período está comprendido entre el 1 de enero
de 1995 y el 31 de diciembre de 1996.
Tabla 1. Estaciones empleadas (Período 1995–1996)
Table 1. Stations used (Period 1995–1996)
Resolución Número de Densidad*
temporal estaciones (km²/estación)
CAR 18
EAAB 28
Diaria 12
IDEAM 31
Total 77
EAAB 27
Subhoraria IDEAM 10 22
Total 37
*
Área del casco urbano = 560,79 km2.
De acuerdo con la World Meteorological Organization
[7], se ha establecido que para la existencia de una
red pluviométrica óptima en zonas urbanas se debe
contar al menos con un pluviómetro cada 10 a 20
km², mientras que algunos autores argumentan que la
densidad de estaciones debe ser de 6 km² por estación.
 152
De acuerdo con la Tabla 1 para el caso de Bogotá se
cumple el requerimiento de densidad de estaciones. No
obstante, debido a la alta variabilidad de la precipitación
en esta ciudad se sugiere considerar la instalación de más
estaciones pluviométricas y pluviográficas además de
la intensificación de la toma de datos con otras técnicas
de medición como los sensores remotos.
Con el fin de encontrar patrones del comportamiento
de los vientos en Bogotá, que contribuyan al
entendimiento de la precipitación (posibles direcciones
predominantes), se estudiaron los registros de 9
estaciones pertenecientes a la Red de monitoreo de
Calidad del Aire (RCA) de Bogotá. El período disponible
de esta información de viento está comprendido desde
el año 1997 a 2002 con valores de dirección y magnitud
de viento cada 10 minutos. A pesar que el periodo de
registro de las estaciones de viento no coincide con el de
precipitación, esta información se utilizó para verifi car
si existía algún comportamiento predominante en los
patrones de viento, aspecto que no pudo establecerse
de manera clara.
Para la generación y comparación de los campos de
precipitación se emplearán los métodos de interpolación
de IDW (distancia inversa ponderada), Kriging y V4.
4. RESULTADOS OBTENIDOS
4.1 Parámetros para interpolaciones
4.1.1 Orientación de la Malla
Partiendo del sistema de coordenadas planas con
orientación Norte-Sur, se exploraron otras alternativas
de orientación de malla que mejorara la representación
de los campos de precipitación, se sugirió establecer
un patrón espacio-temporal de los vientos en el casco
urbano. Se analizaron los registros de dirección y
magnitud del viento en el período comprendido entre
los años 1997 y 2006 mediante la elaboración de
rosas de los vientos para cada uno de los años y otras
agregando la información de las series.
Inicialmente se sugirió que la orografía y la temporada
(mes, trimestre, semestre, día, noche, etc.) jugarían
un papel importante en la definición de un patrón de
la dirección de los vientos en Bogotá. No obstante,
al observar que no había una suficiente correlación,
a la luz de los escasos datos, que permitiera vincular
dichos procesos con el análisis espacio-temporal, se
decidió mantener el sistema de coordenadas planas
Vargas et al
con orientación Norte-Sur como sistema de referencia
para las interpolaciones a realizar.
4.1.2 Tamaño de Celda
Para definir el ancho de celda con el que se visualizan
los campos de precipitación (mapas formato raster)
se analizaron 19 tormentas ocurridas en la ciudad
de Bogotá. Para cada una de las ellas se estimó la
distancia en la que el centro de tormenta se moviliza
en intervalos de tiempo de 10 o 15 minutos. El centro
de tormenta se definió como el primer momento
estadístico bidimensional, descrito por (1).
(1)
RCM 
 p r
i i i

1
 i pi  ri
p i i P
Donde RCM es la coordenada norte o este del centro
de tormenta, pi es la precipitación registrada en la
estación i, P es la precipitación total registrada en
cada intervalo, y r es la coordenada norte o este de la
estación i. En total se analizaron 19 eventos, de los
cuales 17 pertenecen al periodo elegido, los otros dos
eventos se estudiaron por considerarse de magnitud
y duración considerable. En la Figura 2 se presentan
las frecuencias de las distancias mínimas en las que
se movió el centro de tormenta para los 19 eventos
analizados con intervalos de 30 minutos.
Tomando en cuenta que para escalas espaciales mayores
a 1 km2, varios autores han reportado la importante
variabilidad espacial y temporal de la |celda mayores o
iguales a 1000 metros siendo éste el caso más frecuente
(Figura 2). Con base en esta fi gura se incluyeron en el
análisis distancias de 100, 200, 250 y 500 metros.
Figura 2. Frecuencia de la mínima distancia de
desplazamiento del centro de tormenta
Figure 2. Frequency of minimum offset distance from
the storm center
 Dyna 167, 2011 153

Con el análisis de los desplazamientos de los centros
de tormenta sobre la ciudad de Bogotá se observó que
no existe una dirección predominante de los mismos y
que por lo general se concentran en la zona del centro
de la ciudad.
predominante en los semivariogramas direccionales.
Para este caso se recomienda utilizar semivariogramas
isotrópicos para el ajuste a los modelos teóricos.
4.1.4 Cobertura Espacial de la Interpolación

4.1.3 Análisis Estructural de los Datos
A nivel diario se realizó el análisis estructural de una
serie de días en los que se presentaron valores altos de
precipitación, comprendidos en la segunda temporada
de lluvia de Bogotá. El software utilizado para dicho
análisis es el GS+, que se distribuye libremente en
la red en el sitio: http://www.gammadesign.com/. Se
estimaron los semivariogramas experimentales con el
fin de elegir el modelo teórico que mejor representara
el fenómeno. En la Tabla 2 se presentan los parámetros
de los semivariogramas obtenidos a partir de la
precipitación diaria.
Tabla 2. Parámetros del semivariograma para
precipitación diaria
Table 2. Semivariogram parameters for daily
precipitation
Con el fin de disminuir la incertidumbre de los
valores interpolados en las fronteras de un campo
de precipitación calculado (interpolado a partir de
registros en superficie) se recomienda que se disponga
de estaciones localizadas fuera de la zona de interés.
De esta manera se logra que al momento de hacer la
interpolación se cuente con más información, para
luego hacer el “recorte” de la zona de estudio.
Adicionalmente se recomienda que la dirección y
localización de las líneas de coordenadas consideren
las malla de otras fuentes de información tales como
la de la Misión de Medición de Lluvias tropicales
(TRMM - Tropical Rainfall Measuring Mission por
sus siglas en inglés) y de radares meteorológicos
eventualmente instalados en el futuro. Esto facilitaría
labores de asimilación de datos a diferentes escalas
espaciales y temporales.

4.2 Interpolación Espacial y Validación Cruzada

Alcance
Zona Fecha Modelo R2
[m]
En esta sección se hace una breve revisión de los
21/09/1995 Gaussiano 1260 0,04 diferentes métodos de interpolación y se presenta la
Casco
estrategia para la selección de método más apropiado
22/09/1995 Gaussiano 65900 0,59 apoyándose en validación cruzada.
urbano
24/09/1995 Gaussiano 4190 0,70
4.2.1 Métodos de Interpolación
(50 est.) 30/09/1995 Esférico 1680 0,18

21/09/1995 Gaussiano 78900 0,66

La precipitación es un fenómeno que tiene un
fuerte componente geográfi co, el estudio de la
Todas 22/09/1995 Gaussiano 13920 0,97 existencia de patrones espaciales puede contribuir
al asentamiento de bases que contribuyan al estudio
(77 est.) 24/09/1995 Esférico 7800 0,51
de la variabilidad de la lluvia. En localidades como
30/09/1995 Exponencial 7500 0,46 Bogotá, donde la medición de la precipitación se
hace de manera puntual es necesario conocer la
precipitación como si fuera un campo continuo en
el que para cualquier punto se tenga un valor de
En la Tabla 2 se observa la variación del modelo de
precipitación.
ajuste y del orden de magnitud del alcance entre días
consecutivos. Al realizar el análisis estructural para
un mismo día con condiciones diferentes de número La interpolación espacial es un procedimiento
de estaciones, se observa que el mejor desempeño se matemático utilizado para estimar el valor de un
obtuvo para el día 22 de septiembre de 1995. atributo, en este caso, la precipitación, en una
localidad o ‘celda’ a partir de valores obtenidos en
puntos de medición. En el caso de la precipitación la
En la estimación de los semivariogramas del análisis
interpolación espacial transforma un número finito
estructural se encontró que no existe una dirección
 154
de observaciones de las estaciones pluviográficas,
en un espacio continuo de manera que su patrón
espacial sea comparable con aquel presentado por
las observaciones puntuales de origen [8-9-10].
Para la ciudad de Bogotá, Rodríguez et. al [11] han
estudiado los efectos de la utilización de diferentes
técnicas de interpolación espacial. Es importante
aclarar que la calidad de los resultados de la
interpolación espacial del campo de precipitación
depende fundamentalmente de la calidad de los
datos, del número y distribución de los pluviógrafos
utilizados y del método a utilizar.
En esta investigación la evaluación de los métodos de
interpolación se realizará mediante la comparación
de los resultados obtenidos por cada uno de
ellos, siguiendo dos criterios: Estadística global
(verificando el grado de ajuste al modelo real por
medio de validaciones cruzadas) y Evaluación
visual (estableciendo de manera cualitativa los
patrones de comportamiento de sus isolíneas y
superficies).
Dentro de la literatura se encuentran diferentes
métodos de interpolación. Éstos son clasificados en
globales y locales, de acuerdo con la cantidad de
información que utilizan, y en exactos e inexactos,
según el valor de las estimaciones respecto a los
datos de origen. En la presente investigación se
evaluarán: a) Kriging, b) Inverso de la distancia y
c) V4 (Método MATLAB ®).
4.2.2 Validación cruzada
Un aspecto importante en la selección de la
metodología de interpolación más representativa
es la validación de los campos de precipitación
generados. Para realizar esta selección se realizó un
procedimiento de validación cruzada, empleando
los registros de 5 estaciones localizadas dentro
de la zona de estudio. El criterio de selección de
las estaciones se basó en la extracción de por lo
menos una estación de las siete zonas hidrológicas
propuestas en el estudio de IRH (1995) de
zonificación por índices pluviográficos para la
ciudad de Bogotá.
Las estaciones seleccionadas son: El Granizo
(IDEA M ), Sta. M aría de U sme (ID EA M),
Fontibón (EAAB), CASD (IDEAM) y UNAL
(IDEAM). Estos registros no se emplearon en la
Vargas et al
etapa de interpolación, con el fi n de identifi car
el ajuste de las metodologías empleadas. Para
realizar esta validación cruzada se consideraron
dos aspectos importantes: la frecuencia de éxito de
cada metodología y la precisión en las predicciones
realizadas.
El parámetro de comparación empleado en este
análisis fue la sumatoria del valor absoluto del error
entre el valor estimado y el valor registrado, para cada
uno de los 731 días modelados, en las 5 estaciones
consideradas. La selección de la mejor metodología se
realizó de dos formas, la primera de ellas en función de
la frecuencia de éxito (número de días de éxito/número
total de días); y la segunda, seleccionando el menor
error acumulado. Ambos criterios se aplicaron en
todos los días registrados y en las estaciones definidas
anteriormente. Los resultados de esta validación
cruzada se presentan en la Tabla 3 para los diferentes
tamaños de celda (Dx) considerados, estandarizando
los valores acumulados del error dividiéndolos entre
el número de días (mm/día).
Con base en los resultados consignados en la Tabla
3, se observa que con el método IDW se obtiene
la menor diferencia entre los valores estimados
y los registrados. En general puede apreciarse
que con el método V4 se obtienen diferencias
sustanciales, aspecto que se evidencia en las
altas sumatorias del error obtenidas, para los dos
criterios considerados.
Tabla 3. Comparación de metodologías de interpolación
Table 3. Interpolation methodologies comparison
DX Frecuencias Error
(m) Método S Error Método S Error
100 IDW 5.37 IDW 5.37
200 Kriging* 5.63 Kriging* 5.63
250 V4 8.03 IDW 5.46
500 IDW 5.33 IDW 5.33
* Se empleó un semivariograma lineal.
Adicionalmente, se analizaron los diagramas de
dispersión para los casos considerados, los cuales
se presentan en las Figuras 3 y 4.
 Dyna 167, 2011 155

Los coeficientes de correlación de la Tabla 4

permiten evidenciar que el mejor modelo teórico de
semivariograma obtenido para la metodología de
Kriging es el lineal, lo cual indica que el ajuste de los
parámetros de un semivariograma en cada instante
del período considerado no mejora sustancialmente
su desempeño.

Tomando los resultados obtenidos por el método de

Kriging empleando un semivariograma lineal y los
otros métodos considerados en el presente trabajo
se obtuvieron los diagramas de dispersión que se
presentan en la Figura 4.

En la Tabla 5 se presentan los coeficientes de

correlación obtenidos en los diagramas de dispersión
de la Figura 4.

Figura 3. Comparación del ajuste del método de Kriging
variando el tamaño de celda y el semivariograma. a)
lineal, b) gausiano fijo, c) gausiano ajustable, d) esférico
ajustable y ) exponencial ajustable.
Figure 3. Fitness comparison of the Kriging method with
cell size and semivariogram variation. a) linear, b) fixed
gaussian, c) adjustable gaussian, d) adjustable spherical
y e) adjustable exponential.
Con base en los diagramas presentados en la Figura 4
y los coeficientes de correlación de la Tabla 3, puede
observarse que el método IDW obtiene los mejores
resultados para 3 de los tamaños de celda considerados
(100, 250 y 500 m), mientras que para el tamaño de
celda de 200 m, el método de Kriging obtiene el mejor
ajuste. El método V4 exhibe el menor ajuste para todos
los tamaños de celda considerados.

En la Figura 3 se presentan los diagramas de dispersión,

obtenidos a partir del método de Kriging, entre los
valores de precipitación estimados y los valores
registrados (en las 5 estaciones empleadas para la
validación cruzada) para cada uno de los tamaños de celda
considerados, comparando adicionalmente, los diferentes
semivariogramas empleados. La propiedad “ajustable”
y “Fijo” de esta Figura se refi ere a si se realizó el ajuste
de los parámetros de ese modelo teórico para cada día,
o si se consideraron invariantes en el tiempo.
En la Tabla 4 se presentan los coeficientes de correlación
obtenidos en los diagramas de dispersión de la Figura 3.
Tabla 4. Correlación del método de Kriging empleando
diferentes semivariogramas
Table 4. Correlation of the Kriging method considering
different semivariograms
DX (m)
Semivariograma
100 200 250 500
Lineal 0,705 0,703 0,578 0,709
Gausiano fijo 0,702 0,702 0,701 0,701
Figura 4. Variación del ajuste de acuerdo con el método
Gausiano ajustable 0,688 0,688 0,689 0,689
de interpolación espacial utilizado
Figure 4. Fitness variation according to the interpolation
Esférico ajustable 0,696 0,698 0,699 0,699
method
Exponencial ajustable 0,688 0,687 0,688 0,687
 156 Vargas et al

Tabla 5. Correlación obtenida en función del método y el generalizando toda la zona, ello implica en el caso de
tamaño de celda la distribución de las estaciones en la ciudad de Bogotá
Table 5. Correlation obtained considering the method and una sobreestimación de la precipitación.
cell size
DX (m)
En el campo de precipitación generado con el modelo
Método V4 (Véase Figura 5), se observa que las precipitaciones
100 200 250 500
interpoladas superan las de los modelos anteriores en
Kriging* 0,705 0,703 0,578 0,709 casi el doble. De otro lado también se observa una
IDW 0,727 0,633 0,722 0,735 zona de gran extensión con precipitación igual a cero.
V4 0,458 0,485 0,483 0,486
Con base en el análisis anterior a resolución diaria y
* Se empleó un semivariograma lineal.
teniendo en cuenta que el método de interpolación que
De la Figura 4 y la Tabla 5 puede resaltarse también obtuvo el mejor desempeño fue IDW, se procedió a
que las diferencias en los ajustes obtenidos por los emplear este método en la interpolación del campo de
métodos IDW y Kriging para 100 y 500 m no son precipitación para un evento comprendido entre el 12
sustancialmente diferentes, presentando un mejor de abril a las 10:00 horas y el 13 de abril a las 4:40
desempeño para un tamaño de celda de 500 m, aspecto horas del año (véase Figura 6).
que también implica un menor tiempo computacional.
Para el evento considerado, los valores más altos de
precipitación ocurren en la zona oriental de la ciudad,
4.3 Generación de campos de precipitación
siendo un claro indicio de la influencia de la orografía
en el comportamiento de las lluvias para Bogotá.
Mediante la inspección visual de los campos
de precipitación generados, se evidencian las
diferencias en los comportamientos de cada una
de las metodologías empleadas. En la Figura 5 se
comparan los campos obtenidos para cada una de las
tres metodologías para el caso de la precipitación total
presentada el 13 de mayo de 1996. Para este caso la
imagen de la interpolación con IDW representa con
mayor aptitud los lugares con altas precipitaciones o
centros de tormenta, cabe anotar que estos sitios son
aproximados al lugar geográfico de la estación que
registro el valor de precipitación.

Figura 5. Campos de precipitación obtenidos (para el

evento registrado en 13-05-1996)
Figure 5. Rainfall fields obtained (for the event recorded
in 13-05-1996)
En la Figura 5 se observa que la interpolación realizada
con el método de Kriging (Modelo Lineal) suaviza las
regiones donde se observaban los centros de tormenta,
Figura 5. Evolución de tormenta registrada entre el 12
y el 13 de abril de 1996. Δt=2 h. (Los puntos blancos
identifican las estaciones de medición)
Figure 5. Storm evolution for the event recorded between
april 12nd and 13th 1996. Δt=2 h. (White points identify
the rainfall stations)
 Dyna 167, 2011
4.4 Discusión
Debido a la necesidad de realizar estudios del
comportamiento de la precipitación a nivel espacial
y por ende en un campo continuo, se requiere la
implementación de métodos para la construcción de
dichos campos cuando la medición de esta variable se
hace de manera puntal en superficie. La baja densidad
de la red de monitoreo (km2/estación) implica una alta
incertidumbre espacial al tener que generar los campos
de precipitación con técnicas de interpolación.
Con el fin de mejorar los campos de precipitación
estimados por los algoritmos de interpolación, se
proponen en este trabajo algunas consideraciones en
la definición del tamaño de celda, la alineación de la
malla y una metodología de validación cruzada. El
análisis del desplazamiento de los centros de tormenta
permitió evidenciar la complejidad del fenómeno en
estudio y permitió seleccionar el tamaño de celda de
los campos de precipitación por generar. Se sugirió
que el tamaño apropiado del tamaño de las celdas no
excediera la distancia mínima del movimiento del
centro de tormenta. Bajo este supuesto se analizaron
19 tormentas y se estableció que el tamaño de celda
fuera de 500 metros, distancias inferiores implican
mayor tiempo computacional que no mejora de manera
contundente los resultados de la validación cruzada.
La aplicación de los métodos de interpolación
considerados (IDW, V4 y Kriging) con variaciones
en el tamaño de celda ha permitido concluir que para
el periodo de estudio el mejor desempeño lo tiene el
método IDW, corroborando adicionalmente el tamaño
de celda seleccionado. Esta selección se llevó a cabo
mediante un proceso de validación cruzada en la que
se extrajeron del cálculo de la interpolación espacial
cinco estaciones de precipitación diaria localizadas
estratégicamente en 5 zonas de la ciudad de Bogotá
de las 77 empleadas, para luego comparar el valor
estimado con el observado en las posiciones de estas
estaciones.
Para el caso de la interpolación con el método de
kriging y al realizar el análisis estructural a nivel de
precipitación diaria se encontró que en una serie de
registros consecutivos no existe un modelo teórico de
semivariograma que se mantenga en el tiempo como
el de mejor desempeño. De manera sorpresiva se
encontró también que el modelo de semivariograma
lineal es el que genera menores errores entre este tipo
de estimadores kriging.
157
5. CONCLUSIONES
Como primer resultado de la presente investigación
respecto a la estimación de los campos de precipitación
en la ciudad de Bogotá, se obtuvieron los siguientes
parámetros de interpolación: orientación de la malla
norte-sur para una extensión de 70 km por 50 km y
resolución espacial de 500 metros de tamaño de celda.
Se encontró adicionalmente que el método IDW es el
que mejor representa el comportamiento espacial de
la precipitación debido a que se obtienen los menores
errores absolutos en la comparación de los valores
interpolados con los observados.
Cada uno de los métodos empleados para la estimación
de los campos de precipitación tiene una serie de
ventajas y desventajas. En cuanto al número de puntos
de muestreo, el modelo de Kriging requiere un elevado
número de estaciones con registros, mientras que los
modelos IDW y V4 no tienen restricciones en este
aspecto. Este resultado debe hacer reflexionar a los
modeladores que emplean la metodología de Kriging
de manera indiscriminada.
En el caso específico de la presente investigación se observó
que el modelo que genera mayores sobreestimaciones de
precipitación es el V4, seguido por el método de Kriging.
El modelo IDW no genera sobreestimaciones de la
precipitación, sin embargo, produce concentraciones
bastante fuertes en los puntos de medición.
En cuanto a la implementación en aplicativos
computacionales los modelos más sencillos de
programar son el V4 e IDW, los cuales fueron
implementados por los autores en MATLAB ®. El
método de Kriging por la cantidad de parámetros y la
variación bajo las condiciones de número de estaciones
y rangos de precipitación requiere mayor tiempo
computacional y una programación más avanzada,
sin que este esfuerzo produzca mejores resultados.
Con los resultados presentados en este trabajo se evidencia
la responsabilidad con que los modeladores de sistemas de
drenaje urbano deben asumir el proceso de interpolación
en la generación de campos de precipitación.
AGRADECIMIENTOS:
Los autores del presente estudio expresan sus
agradecimientos a los ingenieros Fabio Bernal y
Víctor Peñaranda, quienes aportaron parte de la
 158 Vargas et al
información pluviográfica que fue de gran importancia
para el desarrollo de la investigación. A la Pontificia
Universidad Javeriana que aportó importantes
recursos para la digitalización de la información,
mediante el proyecto de investigación: “Avances
en la caracterización y modelación conceptual de la
meteorología de la ciudad de Bogotá”, identificado
con el código 12010M50401200.
REFERENCIAS
[1] BERNDTSSON, R. AND
NIEMCZYNOWICZ, J. Spatial and temporal
scales in rainfall analysis - Some aspects and future
perspectives, J. Hydrol., 100(1-3), 293-313, 1988.
[2] BERNE, A., DELRIEUB, G., CREUTINB,
J-D. AND OBLEDB, CH. Temporal and spatial
resolution of rainfall measurements required for urban
hydrology, J. Hydrol., 299(3-4), 166-179, 2004.
[3] THIELEN, J. AND CREUTIN, J.-D. An
urban hydrological model with high spatial resolution
rainfall from a meteorological model, J. Hydrol.,
200(1-4), 58-83, 1997.
[4] BACCHI, B. AND KOTTEGODA, N.T.
Identification and calibration of spatial correlation
patterns of rainfall, J. Hydrol., 165(1-4), 311-348,
1995.
[5] VARGAS A. Y GARCÍA O. Análisis espacio-
temporal de la precipitación media mensual. Memorias
XXIII Congreso Latinoamericano de Hidráulica,
Cartagena de indias, Colombia, Octubre de 2008.
[6] BERNAL, F.A. Desarrollo de modelos
conceptuales y computacionales para simular
estocásticamente la dinámica espacio - temporal de
la precipitación en Bogotá. Director: Nelson Obregón
Neira. Tesis de Maestría en Recursos Hidráulicos:
Universidad Nacional de Colombia. 2008.
[7] WORLD METEOROLOGICAL
ORGANIZATION (WMO). Guide to Hydrological
Practices. Volume I. Hydrology - From Measurement to
Hydrological Information, WMO-No. 168, Sixth edition,
2008.
[8] CLARK, I., Practical Geostatistics, Blackwell
Science, 1979.
[9] ISAAKS, E. AND SRIVISTAVA, R., Applied
Geostatistics, Oxford University Press, New York, 1989.
[10] CARR, J., Numerical Analysis for the Geological
sciences, Prentice Hall, New Jersey, 1995.
[11] RODRÍGUEZ, E., CAMACHO, L. Y VILLAREAL,
J. Variabilidad espacio-temporal de la precipitación en una
microcuenca urbana. Memorias XVIII Seminario Nacional
de Hidráulica e Hidrología, Bogotá D.C., 2008.
Análisis de la variabilidad espacio-temporal
de la precipitación en una microcuenca urbana,
Bogotá, Colombia
Análise da variabilidade espaço-temporal da precipitação
em uma microbacia urbana, Bogotá, Colombia
Spatial and Temporal Rainfall Variability in a Small
Urban Watershed, Bogotá, Colombia

Erasmo Alfredo Rodríguez Sandoval*

Universidad Nacional de Colombia, Bogotá
Luis A. Camacho B.
Jacobo Villarreal P., Alejandro Jiménez,
Ana Carolina Santos R. y María del Pilar Duarte B.

Resumen Resumo Abstract

Los diseños de alcantarillados pluviales
y combinados normalmente se realizan
bajo el supuesto de que la precipitación
es constante en tiempo y espacio
para áreas inferiores a 1 km2. Con el
fin de aportar al conocimiento de la
variabilidad espacio-temporal de la
precipitación en cuencas urbanas de este
tipo, y de determinar su impacto en el
diseño de alcantarillados y, más aún, en
los caudales de escorrentía obtenidos
a partir de la aplicación de modelos
matemáticos rigurosamente calibrados
y validados, se ha instrumentado
densamente la microcuenca urbana del
campus de la Universidad Nacional de
Colombia, sede Bogotá. En este artículo
se describen los análisis detallados del
evento más importante en términos de
intensidad y precipitación total.
Palabras clave: hidrología urbana,
variabilidad espacial y temporal de la
precipitación, aplicación de técnicas
geoestadísticas, microcuenca urbana,
microclima.
Os desenhos combinados de redes
de esgoto de águas pluviais são
normalmente realizados sob o
pressuposto de que a precipitação
é constante no tempo e no espaço
para áreas de menos de 1 km2. Para
proporcionar o conhecimento da
variabilidade espaço-temporal das
chuvas nessas bacias, e determinar o seu
impacto sobre a concepção de esgotos,
e ainda mais no fluxo de enxurrada
produzida a partir da aplicação de
modelos matemáticos rigorosamente
calibrados e validados, tem sido
fortemente instrumentada a microbacia
urbana do campus da Universidad
Nacional de Colombia, sede Bogotá. Este
artigo descreve a análise detalhada do
evento mais importante em termos de
intensidade e de precipitação total.
Palavras-chave: hidrologia urbana,
variabilidade espacial e temporal da
precipitação, aplicação de técnicas
geoestatísticas, microbacia urbana,
microclima.
The design of combined and stormwater
sewer systems is usually accomplished
assuming that rainfall is uniform in
time and space for areas smaller than
1 km2. This paper aims to contribute
to the knowledge of the space/time
rainfall variability in urban basins of
this kind. We investigate the impact
of such variability on the design of
sewage systems and, more importantly,
on the runoff flows obtained through
mathematical models rigorously
calibrated and validated. Our case of
study, the campus of the Universidad
Nacional de Colombia, sede Bogotá,
was densely instrumented. Among the
events thus recorded, we have analyzed
one of the most important in terms of
intensity and total rainfall. This paper
describes the detailed results.
Keywords: urban hydrology, spatial and
temporal rainfall variability, geospatial
analysis techniques, urban basins,
microclimate.

Recibido: 5 de mayo del 2008. Aceptado: 28 de mayo del 2008.

Artículo de investigación sobre la variabilidad espacio-temporal de la precipitación, dicha investigación fue llevada a cabo en la
Universidad Nacional de Colombia, sede Bogotá.

* Dirección postal: carrera 30 n.º 45-03, edificio 453.

Correo electrónico: earodriguezs@unal.edu.co

CUADERNOS DE GEOGRAFÍA | REVISTA COLOMBIANA DE GEOGRAFÍA | n.º 17, 2008  |  ISSN: 0121-215X  |  BOGOTÁ, COLOMBIA  |  PP. 139-153
140  Erasmo Alfredo Rodríguez Sandoval

Introducción

El problema de escala en hidrología

N
y meteorología, entendido como
aquel asociado con el cambio de
las propiedades estadísticas espa-
ciales de una variable por efecto
del tamaño del área o del intervalo
de tiempo considerado (Dubayah
et al. 1996), ha recibido importan-
tes consideraciones en la litera-
tura (Bergstrom et al. 1998; Kite y
Haberlandt 1999; Wood 1998). En
estos estudios, conducidos funda-
mentalmente a escala de cuenca y
a escala regional, se ha demostrado
e intentado parametrizar la impor-
tante variabilidad espacial y tem-
poral que existe en la humedad del
suelo, la evaporación, la escorren-
tía y la precipitación, entre otros. Estación Dpto. Física
En la mayoría de las aplicaciones
Estación UN (Ideam)
que utilizan modelos hidrológicos Pluviógrafo dual
0 95 190 380 570 760
metros
para estimar la escorrentía en si- Pozo de alcantarillado
tios no instrumentados, a partir Red principal de alcantarillado combinado
de registros de precipitación, estos
Figura 1. Mapa de la microcuenca del campus de la Universidad Nacional de Colombia que
se constituyen en el factor más im-
incluye red de drenaje y localización de estaciones meteorológicas existentes e instaladas en
portante y con mayor incertidum- este proyecto.
bre en el proceso de modelación
(Beven 2001; Berne et al. 2004). do racional” (Mulvaney 1850) para relativamente corto, en el que se ha
Considerando la baja densidad de estimar los caudales de diseño. Sin mostrado la importante variabili-
las redes de medición de precipita- embargo, el reducido tamaño de las dad de la precipitación en este tipo
ción existentes, es común utilizar microcuencas urbanas y el carácter de microcuencas urbanas. Así, el
una sola estación para determinar de los procesos hidrológicos a nivel presente estudio pretende contri-
la precipitación puntual y, a partir urbano, como la rápida respuesta buir al conocimiento de la variabili-
de ella, utilizando coeficientes em- de la escorrentía en áreas imper- dad espacial y temporal de la preci-
píricos de reducción por duración meables, requiere y amerita un pitación en estas cuencas. Para ello,
de la tormenta y tamaño del área análisis de la precipitación a escalas se ha instrumentado densamente el
(normalmente obtenidos en otras espaciales y temporales detalladas. campus de la Universidad Nacional
latitudes), estimar la precipitación Para escalas espaciales mayores de Colombia, sede Bogotá, utilizan-
areal sobre una cuenca. Para el caso a 1 km2, varios autores han reporta- do 14 pluviógrafos de balancín, con
particular de diseño de alcantari- do la importante variabilidad espa- precisión de 0,2 mm ubicados de
llados combinados y pluviales, co- cial y temporal de la precipitación forma dual en las cubiertas de siete
múnmente se asume que el campo (Butyaert et al. 2006; Segond et al. edificios del campus y distribuidos
de precipitación es uniforme en 2006; Vaes et al. 2005). Sin embar- de forma más o menos uniforme
tiempo y espacio para un evento go, para el caso de pequeñas cuen- sobre un área de 1,2 km2.
de tormenta sobre áreas inferiores cas urbanas, y específicamente en En la estimación del campo de
a 1 km2 y que, por tanto, es válido el caso de la ciudad de Bogotá, solo precipitación sobre un área, existen
aplicar el bastante antiguo “méto- existe un estudio (Uniandes 2001) errores inherentes al proceso de

UNIVERSIDAD NACIONAL DE COLOMBIA  |  FACULTAD DE CIENCIAS HUMANAS  |  DEPARTAMENTO DE GEOGRAFÍA

 Análisis de la variabilidad espacio-temporal de la precipitación en una microcuenca urbana, Bogotá, Colombia
Figura 2. Foto del campus suministrada por la Oficina de Planeación UN, sede Bogotá
(sin escala).
medición (Sevruk y Nespor 1998),
al proceso de interpolación utiliza-
do para espacializar las mediciones
puntuales sobre el área (Butyaert et
al. 2006) y a la naturaleza aleatoria
del campo de precipitación. Con el
fin de reducir la incertidumbre en
los registros puntuales de precipi-
tación, se ha diseñado e implemen-
tado una estación de calibración
de pluviógrafos en laboratorio,
utilizando las recomendaciones de
Vasvári (2005), que permite realizar
rutinariamente la recalibración de
los aparatos. Con este mismo fin,
se han ubicado mecanismos duales
de precipitación en cada sitio que
aseguran la existencia de un plu-
viógrafo testigo contra el cual se
pueden comparar los registros del
pluviógrafo contiguo. Con respecto
a la incertidumbre debida a los mé-
todos de interpolación, el estudio
ha intentado evaluar las bondades
y limitaciones de tres métodos que
por sus características tienen dife-
rentes niveles de complejidad y que
son: el método del inverso de la dis-
tancia, el método de interpolación
polinomial y el método estocásti-
co de interpolación, denominado
kriging. Los tres métodos han sido
utilizados para interpolar valores
totales de precipitación, y el de kri-
ging, para interpolar intensidades
máximas en 15 minutos (tiempo
aproximado de retardo de la cuen-
ca, estimado a partir de hidrógrafas
y eventos de tormenta registrados)
para el evento seleccionado. En re-
CUADERNOS DE GEOGRAFÍA | REVISTA COLOMBIANA DE GEOGRAFÍA | n.º 17, 2008  |  ISSN: 0121-215X  |  BOGOTÁ, COLOMBIA
141 
lación con el carácter aleatorio de
la precipitación, y considerando
que una tormenta está conforma-
da por celdas productoras de pre-
cipitación, que aparecen y decaen a
medida que transcurre el evento, es
imposible intentar reducir los erro-
res asociados.
Área de estudio
Considerando las características del
campus de la Universidad Nacional
de Colombia, sede Bogotá, su loca-
lización central dentro de la ciudad
y la facilidad de instrumentación y
de la realización de las tareas perió-
dicas de recolección de información
y de recalibración de equipos, se
ha seleccionado esta microcuenca
como el área de estudio (figura 1).
La microcuenca tiene un área de 1,2
km2 con un 60% en zonas verdes y
la parte restante en zonas imper-
meables (zonas duras y cubiertas,
figura 2). El sistema de drenaje de
la microcuenca es del tipo combi-
nado (aguas residuales domésticas
y pluviales drenadas por la misma
tubería), con dos entradas exterio-
res importantes, una a la altura de
la calle 26 y otra en cercanías del La-
boratorio de Ensayos Hidráulicos
(LEH), que definen dos diferentes
redes de drenaje con salidas a la red
de alcantarillado de la EAAB, una
sobre la portería de la calle 50 y la
otra en las afueras del estadio res-
pectivamente (figura 1).
Dentro del campus universita-
rio se encuentra ubicada la estación
climatológica principal, Universi-
dad Nacional (2120622), operada
por el IDEAM, a partir de la cual
se ha determinado que la precipi-
tación promedio multianual es de
810 mm, con un régimen de tipo
bimodal y períodos máximos de
precipitación durante los meses
142  Erasmo Alfredo Rodríguez Sandoval

de abril y mayo, y de octubre y no- rrentes a intervalos de tiempo sufi- Con relación a la caracterización
viembre (figura 3). Adicionalmente, cientemente finos para permitir el del patrón general de los vientos en
en los alrededores del campus uni- análisis detallado de eventos de tor- la microcuenca, se cuenta con los
versitario, existen registros de pre- menta. Sin embargo, sí se encuen- datos de la estación meteorológica
cipitación de ocho estaciones me- tran disponibles las ecuaciones de ubicada en el edificio de Física (fi-
teorológicas operadas por la EAAB las curvas i-d-f suministradas por gura 1) y operada por el mismo de-
y el IDEAM. Infortunadamente, en la EAAB, las cuales, para la estación partamento, cuyos datos para los
estas ocho estaciones no se cuenta Universidad Nacional, se presentan años 2006 y hasta agosto del 2007
con registros simultáneos y concu- en la figura 4. han sido gentilmente suministra-
dos para los propósitos de este es-
140 tudio. A partir de estos se han ela-
borado las rosas de los vientos para
120
el año 2006 (figura 5) y para el mes
100
de abril del 2007 (figura 6), mes du-
rante el cual se produjo el evento de
Precipitación (mm)

80 tormenta analizado en detalle en

este artículo. El análisis de las figu-
60 ras 5 y 6 muestran claramente que
los vientos, con velocidades pro-
40
medio de 10 m/s, provienen de las
direcciones SSE, S, SSW, y SW, lo que
20
indica un desplazamiento prefe-
0
rencial de las masas de aire en estas
1 2 3 4 5 6 7 8 9 10 11 12 direcciones, desde el suroccidente
Mes hacia los cerros nororientales que
Figura 3. Histograma de precipitación mensual multianual, estación Universidad Nacional bordean la ciudad.
(2120622).
Fuente: obtenido a partir de registros del IDEAM para los años 1987-2004.
Modelos y métodos
160
Instrumentos
140
Con respecto a la configuración
óptima de pluviógrafos en peque-
120 ñas cuencas (no necesariamente
urbanas), varios investigadores han
Intensidad (mm/hr)

100 realizado diversas propuestas. Mo-

ore et al. (2000) desarrollaron una
80
configuración óptima de ocho plu-
60 viógrafos en una cuenca de 2 km
por 2 km. Krajewski et al. (2001)
40 obtuvieron que, para la climato-
logía de Oklahoma en los Estados
20
Unidos, una red de 17 pluviógrafos
0
permitiría realizar la estimación de
0 20 40 60 80 la variabilidad espacial de la preci-
Tiempo (min)
pitación en una cuenca de 2 km por
2 km, con errores menores del 5%.
Tr= 3 años Tr=5 años Tr=10 años Tr=25 años
Canfield et al. (2003) mostraron que
Figura 4. Curvas intensidad-duración-frecuencia para la estación Universidad Nacional
(2120622). el uso de un pluviógrafo y cuatro
Fuente: EAAB. pluviómetros podría representar

UNIVERSIDAD NACIONAL DE COLOMBIA  |  FACULTAD DE CIENCIAS HUMANAS  |  DEPARTAMENTO DE GEOGRAFÍA

 Análisis de la variabilidad espacio-temporal de la precipitación en una microcuenca urbana, Bogotá, Colombia
143 

con buena aproximación la varia- balancín del tipo Rain Collector II, sido ubicado en la cubierta de los
bilidad espacial de la precipitación fabricados por Davis Instruments, edificios de Hemeroteca (PG1 y 2),
en una cuenca rural de 4,5 ha (0,045 con área de captación de 214 cm2, al- Concha Acústica (PG3 y 4), Posgra-
km2). Paturel et al. (1986), a partir tura de 24 cm, resolución de 0,2 mm dos de Ciencias Humanas (PG5 y 6),
de simulaciones, recomiendan utili- y precisión de ± 4% para intensida- Medicina (PG7 y 8), Capilla (PG9 y
zar entre 4 y 5 pluviógrafos para un des menores de 50 mm/hr y de ± 10), Laboratorio de Hidráulica (PG11
área de 1,2 km2. La recomendación 5% para intensidades entre 50 y 100 y 12) e Instituto de Genética (PG13 y
de Berne et al. (2004) indica que, mm/hr, con data-logger marca Hobo 14) (figura 1), lo que genera inicial-
para el campus, se necesitaría me- con sensor de temperatura. Se han mente una red aproximadamente
dir con una resolución de por lo me- utilizado conjuntos duales de plu- uniforme de medición (que está
nos 3 min (Δt) y con una resolución viógrafos, cada uno de los cuales ha siendo actualmente optimizada),
espacial de 2,6 km (Δr = 1,5√Δt; con
Δt = 0,75A0.3 y A en ha), lo que sugie-
re un pluviógrafo único. Schilling
(1983) recomienda que el número
de pluviógrafos por instalar sea de-
terminado como la raíz cuadrada
del área de la cuenca expresada en
km2, en cuyo caso para el campus
universitario sería suficiente con
un pluviógrafo. El Water Research
Center (WRC) de Inglaterra reco-
mienda la instalación mínima de 3 Velocidad (m/s)
pluviógrafos para áreas de drenaje
menores a 8 km2 y la medición a
intervalos de 2 minutos, con el fin
de obtener errores menores al 10%
en la calibración de modelos lluvia
escorrentía. El estudio de Uniandes
(2001) en la cuenca del Virrey de 0,8 Figura 5. Rosa de los vientos para el año 2006.
ha, en Bogotá, recomendó, a partir
del análisis detallado de la infor-
mación disponible de 47 tormentas
registradas en 14 pluviógrafos de
la ciudad de Bogotá (IRH 1995), la
utilización de 2 pluviógrafos. Así,
no existe consenso en cuanto al nú-
mero de pluviógrafos por instalar
y su distribución, pues claramente
dependerá de las características de
relieve, urbanización, microclima y
vientos dominantes del área inves-
tigada, y ello da origen al análisis Velocidad (m/s)

aquí reportado.
En concordancia con las reco-
mendaciones más conservadoras de
número mínimo de pluviógrafos re-
portadas en la literatura, se han ins-
talado en 7 sitios, 14 pluviógrafos de Figura 6. Rosa de los vientos para abril del 2007.

CUADERNOS DE GEOGRAFÍA | REVISTA COLOMBIANA DE GEOGRAFÍA | n.º 17, 2008  |  ISSN: 0121-215X  |  BOGOTÁ, COLOMBIA
144  Erasmo Alfredo Rodríguez Sandoval

con distancias entre sitios vecinos

que varían entre 400 m y 750 m (lo
que indica una resolución espacial
de medición promedio de 500 m) y
alturas de instalación de los apara-
tos que varían entre 8 m y 17 m.
La utilización de una instala-
ción de pluviógrafos dual, en lugar
de una instalación sencilla, se jus-
tifica fundamentalmente por el in-
cremento en la confiabilidad de los
registros. Con frecuencia los plu-
viógrafos de balancín fallan porque
el mecanismo de balancín se atasca;
una instrumentación doble ha per-
mitido reducir el riesgo de pérdida
de información por mal funciona-
miento de los equipos. Una instala-
ción dual igualmente brinda mayor FIGURA 7. Instalación de calibración de pluviógrafos con suministro constante de caudal, a
confiabilidad a los datos recopila- través de válvula de mariposa graduada.
dos. Los datos de precipitación y
temperatura, registrados en uno
de los pluviógrafos y en el sensor
de temperatura (PG11) ubicados
en el Laboratorio de Hidráulica, se
encuentran en línea, se actualizan
cada 15 minutos y pueden ser con-
sultados gráficamente en la página
web: http://www.ing.unal.edu.co/
gireh/docs/datos.html. Los datos
de los restantes 13 pluviógrafos
(únicamente registros de precipi-
tación) se recogen semanalmente,
descargando los datos del data-
logger del equipo a un computador
portátil, en actividades rutinarias
en las cuales se realiza adicional-
mente la inspección y el mante-
nimiento de los equipos. Una vez
por mes se realizan actividades de Figura 8. Instalación de calibración de pluviógrafos con suministro constante de caudal, a
calibración y sincronización de los través de equipo de venoclisis.
aparatos, utilizando la instalación y
la metodología que se describe en el a los registros, y siguiendo las su- ba sumergible y una válvula de
siguiente numeral. gerencias de Vasvári (2005), se ha mariposa con apertura graduada,
diseñado e implementado una es- con el fin de suministrar un cau-
Calibración de aparatos tación de calibración de pluviógra- dal constante, aforado gravimétri-
Con el fin de asegurar la correc- fos en el Laboratorio de Hidráulica, camente y, por lo tanto, conocido,
ta calibración de los aparatos, así utilizando un tanque de cabeza que simula la ocurrencia de una llu-
como de dar mayor confiabilidad constante, con una pequeña bom- via artificial de intensidad constan-

UNIVERSIDAD NACIONAL DE COLOMBIA  |  FACULTAD DE CIENCIAS HUMANAS  |  DEPARTAMENTO DE GEOGRAFÍA

 Análisis de la variabilidad espacio-temporal de la precipitación en una microcuenca urbana, Bogotá, Colombia
145 

35
te dada. Por comparación entre los 0,3333 0,3333
datos registrados en el data-logger
30 Media: 2:05:46
y el valor de caudal constante sumi- Varianza: 0.0042
nistrado, se establece el margen del Asimetría: 1.0409
25 Curtosis: 0.2347
error, que debiera ser inferior al 5%

Frecuencia relativa
reportado por los fabricantes para
20
las intensidades utilizadas. Sor-
prendentemente, para los aparatos
15
nuevos, se encontraron errores: 0,1212
primero, de falta de sincronización 10 0,0909 0,0909
entre los tiempos de volcado del
balancín izquierdo y derecho de 5
algunos pluviógrafos, y, segundo, 0,0303

errores en lámina acumulada que 0

alcanzaron hasta el 35%. Para redu- 1 2 3 4 5 6
cir el margen de error a valores cer- Intervalos de clase (horas)
canos al 5%, se utilizaron pipetas de Figura 9. Histograma de frecuencias para duración de aguaceros registrados.
precisión para llevar el volumen de
volcado de cada balancín a valores
40
cercanos a 4,27 cm3, y se ajustaron
simultáneamente los tornillos de 0,3636 Media: 2:05:46
35 Varianza: 0.0042
cada uno de los balancines del plu- Asimetría: 1.0409
viógrafo. La instalación anterior ha 30 Curtosis: 0.2347
sido complementada con equipos
Frecuencia relativa

de venoclisis para intensidades in- 25 0,2424

feriores a 25 mm/hr. Las figuras 7 y

20
8 muestran el detalle de la instala-
ción desarrollada. 15
0,1515

Criterio de selección de 10 0,0909 0,0909

tormentas y aguacero 0,0606

seleccionado
Según las características de los
aparatos de registro (resolución de
0,2 mm y error ± 5%), se han selec-
cionado eventos de tormenta con
profundidades mayores a 4 mm
(para los cuales el error de un vol-
teo del balancín es inferior al 5% de
la profundidad medida). Bajo este
criterio se registraron, en el año
2007, 33 eventos de tormenta, en-
tre los cuales se ha seleccionado el
evento del 5 de abril del 2007, por
ser uno de los de mayor profundi-
dad y con mayores intensidades en
15 minutos. Las características de
todos los eventos registrados, in-
cluyendo los histogramas de dura-
5
0
1 2 3 4 5 6
Intervalos de clase (horas)
Figura 10. Histograma de frecuencias para la hora de inicio del aguacero. La línea negra
indica los valores para el aguacero seleccionado.
ción del evento, hora de inicio y las terpolación del campo de precipita-
curvas de masa adimensionales, se ción. Igualmente, en las figuras 9 y
presentan en las figuras 9, 10, 11 y 10, se indican las características del
12. Los resultados indican que, por aguacero seleccionado, que, aunque
lo general, las tormentas se presen- tiene una duración ligeramente su-
tan hacia el medio día (1:30 p. m.), perior al promedio de las tormentas
con duraciones cortas (entre 1 y 2 registradas en el 2007, produjo la
hr), patrones típicos de tormentas mayor cantidad de precipitación re-
de carácter convectivo y patrones gistrada sobre el campus (21,6 mm
erráticos, que de algún modo su- registrados en uno de los pluviógra-
gieren posibles dificultades en la in- fos de Medicina —PG7—).

CUADERNOS DE GEOGRAFÍA | REVISTA COLOMBIANA DE GEOGRAFÍA | n.º 17, 2008  |  ISSN: 0121-215X  |  BOGOTÁ, COLOMBIA
146  Erasmo Alfredo Rodríguez Sandoval

100

90

80

70
Precipitación (%)

60

50

40

30

20

10

0
10 20 30 40 50 60 70 80 90 100
Tiempo (%)

T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11
T12 T13 T14 T15 T16 T17 T18 T19 T20 T21 T22
T23 T24 T25 T26 T27 T28 T29 T30 T31 T32 T33

Figura 11. Curvas de masa adimensionales para aguaceros registrados.

Adicionalmente, en la figura 12,
se presenta el hietograma del agua-
cero seleccionado, registrado en el
mismo pluviógrafo, a intervalos de
15 minutos, acordes con el tiempo
de retardo de la microcuenca. Debe
mencionarse que para el evento de
tormenta seleccionado la inten-
sidad máxima registrada en este
pluviógrafo, para 15 minutos, es de
aproximadamente 30 mm/hr, valor
que comparado con los datos de la
curva i-d-f, presentada en la figura
4, correspondería a un período de
retorno por debajo de tres años, lo
que indica que durante la prime-
ra temporada lluviosa del 2007, en
la que estuvieron en operación los
equipos, no se presentaron eventos
extremos. Sin embargo, en noviem-
bre del 2007, se presentó una grani-
zada muy importante sobre Bogotá,
registrada en el campus universita-
rio, cuyo análisis detallado es repor-
tado por Rodríguez et al. (2008).
Interpolación
espacial y temporal
de la precipitación
La calidad de los resultados de
la interpolación espacial y temporal
del campo de precipitación depende
fundamentalmente de la calidad de
los datos, del número y distribución
de los pluviógrafos utilizados y de
qué tan bien la función matemáti-
ca seleccionada representa el fenó-
meno. En cuanto a los aspectos de
calidad de los datos y configuración
de la red, estos han sido discutidos
en los dos numerales previos. Por
tanto, el objetivo de este numeral
es presentar los relacionados con
el método de interpolación. Al res-
pecto, diferentes métodos han sido
propuestos en la literatura para
la estimación de la precipitación
areal, desde el método simple y po-
pular del inverso de la distancia, pa-
sando por métodos determinísticos
como interpolaciones polinomia-
les, hasta técnicas más complejas,
basadas en interpolación estadísti-
ca, como el caso de kriging (Meije-
rink et al. 1994). Aunque se tiende
a pensar que el método más com-
plejo brinda los mejores resultados,
esto no es necesariamente cierto,
pues depende, como se mencionó
anteriormente, de factores exter-
nos al método de interpolación. Sin
embargo, según Creutin y Obled
(1982), para el caso de áreas con
eventos de precipitación con fuerte
variación, como el caso del área de
estudio, las técnicas más sofistica-
das, por lo general, brindan mejo-
res resultados que las técnicas más
simples.

UNIVERSIDAD NACIONAL DE COLOMBIA  |  FACULTAD DE CIENCIAS HUMANAS  |  DEPARTAMENTO DE GEOGRAFÍA


30
25
20
Intensidad (mm/h)
15
10
5
0 vel espacial, con los registros entre
16:45 17:15
Figura 12. Hietograma de tormenta para el aguacero seleccionado del 5 de abril del 2007, a
intervalos de 15 minutos en el PG7 de Medicina.
Con el fin de evaluar la variabi-
lidad espacial de las profundidades
totales e intensidades máximas en
15 minutos, registradas en los sie-
te sitios, y analizar la variabilidad
temporal de la tormenta seleccio-
nada sobre el campus, a interva-
los de 15 minutos, para el evento
escogido, se han seleccionado tres
métodos que representan diferen-
tes niveles de complejidad y que
corresponden al método del inver-
so de la distancia, interpolación
polinomial y a la interpolación me-
diante kriging, disponibles todos en
la extensión de análisis geoespacial
de ArcGIS. Los tres métodos se en-
cuentran detalladamente descritos
en Meijerink et al. (1994) y aquí úni-
camente se presenta un breve resu-
men de estos.
El método del inverso de la dis-
tancia es bastante simple, sencillo
Análisis de la variabilidad espacio-temporal de la precipitación en una microcuenca urbana, Bogotá, Colombia
17:45 18:15 18:45 19:15
Tiempo (h)
y de común aplicación en hidrolo-
gía y meteorología. Está basado en
la asignación del valor interpolado
con base en los valores de un nú-
mero fijo de estaciones vecinas y en
un factor de peso calculado como el
inverso de la distancia al cuadrado.
El método de interpolación polino-
mial intenta ajustar un polinomio
bivariado de grado i como superfi-
cie de interpolación. De otra parte,
kriging corresponde a un método de
interpolación de tipo estocástico
que permite realizar la estimación
del error y la validación de los re-
sultados obtenidos, a través de va-
lidación cruzada (removiendo uno
a uno cada uno de los registros y
recalculando el semivariograma).
Requiere, sin embargo, especificar
tendencias y parámetros en el mo-
delo, que pueden ser analizados a
través del semivariograma.
CUADERNOS DE GEOGRAFÍA | REVISTA COLOMBIANA DE GEOGRAFÍA | n.º 17, 2008  |  ISSN: 0121-215X  |  BOGOTÁ, COLOMBIA
147 
La aplicación de kriging requie-
re que el proceso sea de tipo esta-
cionario, y algunos tipos de kriging
requieren que los datos provengan
de una distribución normal, restric-
ciones que no se aplican para el caso
de los otros dos métodos de inter-
polación.
Análisis de resultados
A partir de los datos registrados
para el aguacero seleccionado, los
cuales, según los análisis del histo-
grama y del diagrama q-q, provie-
nen de una distribución normal,
es posible realizar dos tipos de
comparaciones: la primera, a nivel
puntual, entre los dos registros de
un mismo sitio y, la segunda, a ni-
19:45 estaciones. La figura 13 muestra la
comparación de los registros de los
dos pluviógrafos ubicados en el edi-
ficio de Medicina, en la cual es evi-
dente que las dos curvas de masa
son casi idénticas. Considerando
que gráficas similares fueron obte-
nidas en los otros puntos de medi-
ción (nótese que los PG2 y PG6 no
tienen registros para el evento, por
encontrarse en proceso de recali-
bración), es posible afirmar que los
datos del evento de tormenta selec-
cionado son de excelente calidad, lo
que brinda mayor confiabilidad a
los resultados aquí presentados.
La figura 14 muestra las curvas
de masa adimensionales para el
evento de tormenta seleccionado,
correspondientes a los registros de
los pluviógrafos con numeración
impar localizados en cada uno de
los diferentes siete sitios de medi-
ción. La importante variabilidad del
evento analizado, mostrada en la fi-
gura 14 (coeficiente de variación del
11%), indica que la forma general de
las curvas de masa es casi aleatoria,
148  Erasmo Alfredo Rodríguez Sandoval

las intensidades pico (pendientes En la figura 14 es evidente la de la tormenta desde el surocciden-

máximas de las curvas de masa) enorme variabilidad espacial tem- te hacia el nororiente, consecuente
ocurren a diferentes tiempos y, adi- poral del campo de precipitación con el patrón de dirección predo-
cionalmente, en los hietogramas para el evento seleccionado. Los re- minante de los vientos descrito an-
(no presentados aquí) es claro que gistros de la Hemeroteca y la Con- teriormente.
los tiempos de inicio y finalización cha Acústica indican que el evento Las figuras 15 y 16 muestran
del evento son diferentes. Debe produjo más de la mitad de la pre- los mapas de distribución espacial
anotarse adicionalmente que todos cipitación en la parte inicial de la del aguacero, para valores totales
los aparatos están sincronizados tormenta, mientras que los datos de precipitación caída, obtenidos
con la hora estándar de Colombia, de la Capilla sugieren que el agua- mediante los métodos de kriging e
que pueden tener errores de hasta 1 cero fue mucho más intenso hacia inverso de la distancia, y la tabla 1
minuto en dos meses y que son re- la mitad de esta. Lo anterior es in- muestra los valores de profundidad
sincronizados cada mes. dicación de un posible movimiento total e intensidad máxima en 15 mi-
nutos para el evento seleccionado.
12 Es evidente en los mapas de la
figura 8 la importante variabilidad
10
espacial del campo de precipitación
Precipitación acumulada (mm)

para la tormenta analizada. Para la

8
resolución promedio de la red ins-
6
talada (aproximadamente 500 m),
la precipitación total puede variar
4 en más del 15% y las intensidades
máximas en 15 minutos hasta en
2 un 75% (figura 17), lo que indica la
magnitud de esta variabilidad, aún
0 para un aguacero no tan intenso.
05/04/2007 05/04/2007 05/04/2007 05/04/2007 05/04/2007 05/04/2007 05/04/2007 05/04/2007
16:12 16:19 16:26 16:33 16:40 16:48 16:55 17:02 Los resultados mostrados en las
Tiempo figuras 15 y 16 y en la tabla 2 sugieren
PG7 PG8 que, mediante la aplicación de los
Figura 13. Curvas de masa para los dos pluviógrafos ubicados en Medicina (PG7 y PG8) para el tres métodos de interpolación ana-
evento de tormenta seleccionado.
lizados, se obtienen resultados bas-
tante semejantes (errores promedio
100
y desviaciones estándar similares)
y que la complejidad del método de
80
kriging no necesariamente reduce las
desviaciones del error. Sin embargo,
60
y teniendo en cuenta que entre más
% Precipitación

cerca se encuentre el R2 estandari-

40 zado a 1,0, mejor es la interpolación
realizada, podría concluirse que el
20 método de kriging, para el caso es-
tudiado, es ligeramente superior a
0 los otros dos métodos analizados.
0 10 20 30 40 50 60 70 80 90 100
Por eso, es utilizado en los análisis
-20 subsiguientes. Adicionalmente, los
% Tiempo métodos del inverso de la distancia e
Hemeroteca Concha Ciencias Humanas Medicina interpolación polinomial presentan
Capilla Hidráulica Genética
problemas de creación de “ojos” de
Figura 14. Curvas de masa adimensionales para el evento de tormenta seleccionado. tormenta (figura 16).

UNIVERSIDAD NACIONAL DE COLOMBIA  |  FACULTAD DE CIENCIAS HUMANAS  |  DEPARTAMENTO DE GEOGRAFÍA

 Análisis de la variabilidad espacio-temporal de la precipitación en una microcuenca urbana, Bogotá, Colombia
149 

N
N

Leyenda
Leyenda Inverso
Kriging de la distancia

P. total (mm) Filled contours

19,6 - 20 19,6 - 20
20,0 - 20,4 20,0 - 20,4
20,4 - 20,8 20,4 - 20,8
20,8 - 21,2 20,8 - 21,2
21,2 - 21,7 21,2 - 21,7
21,7 - 22,2 21,7 - 22,2
22,2 - 22,8 22,2 - 22,8
22,8 - 23,3 22,8 - 23,3
23,3 - 23,8 23,3 - 23,8
0 95 190 380 570 760 0 95 190 380 570 760
23,8 - 24,2 metros 23,8 - 24,2 metros
Pluviógrafo dual Pluviógrafo dual

Figura 15. Precipitación total espacializada utilizando kriging. Figura 16. Precipitación total espacializada utilizando inverso de
la distancia.

TABLA 1. Valores totales de precipitación e intensidad máxima en 15 minutos

del aguacero seleccionado en los diferentes pluviógrafos.

Prof. Factor Factor

Int. máx. 15 N.º de Prof. Total Int. máx. 15
N.° Pluviógrafo Total importancia importancia
mín. (mm/hr) pluviógrafo (mm) mín. (mm/hr)
(mm) Thiessen % Thiessen %
1 (Hemeroteca) 22,8 26,1 8 22,2 30,1
7,3
2 - - 9 (Capilla) 22,4 24,0
10,9
3 (Concha ) 22,6 26,1 10 22,2 22,8
18,1
4 21,8 27,0 11 (Hidráulica) 20,4 25,1
5 (Ciencias 21,9
19,6 17,2 12 20,2 26,9
Humanas) 11,5
6 - - 13 (Genética) 21,8 25,4
16,2
7 (Medicina) 21,6 29,9 14,1 14 21,0 23,5

TABLA 2. Resultados de la validación para la interpolación por diferentes métodos

de los valores de precipitación total para el aguacero seleccionado.

Método Error promedio (mm) Desviación estándar (mm) R 2 estandarizado

Inverso de la distancia 0,132 1,57 1,511
Interpolación global polinomial -0,180 1,48 1,422
Kriging ordinario con tendencia 0,166 1,55 1,199

En la figura 17 se presentan los
resultados de la espacialización,
mediante kriging de intensidades
máximas registradas en 15 minutos.
Esta muestra claramente la tenden-
cia en dirección NW ocasionada por
el movimiento preferencial de las
masas de aire sobre el campus en
esta dirección.
La figura 18 (a y b) muestra la
variabilidad temporal del evento,
resultado de la interpolación, me-
diante kriging, de las intensidades
a intervalos de 15 minutos para las
primeras tres horas del aguacero.
Para los intervalos analizados, el co-
eficiente de variación está en el ran-
go entre 12% (intervalo 11) y 187%

CUADERNOS DE GEOGRAFÍA | REVISTA COLOMBIANA DE GEOGRAFÍA | n.º 17, 2008  |  ISSN: 0121-215X  |  BOGOTÁ, COLOMBIA
150  Erasmo Alfredo Rodríguez Sandoval

(intervalo 4). Claramente los resul-

tados muestran una importante
tuto de Genética
variabilidad temporal, típica de tor-
mentas de tipo convectivo, y mues-
tra un movimiento de la celda de
precipitación aproximadamente en

N
el sentido de las manecillas del reloj.

Conclusiones e Hidraúlica

Leyenda
Int. 15 min,
Se ha mostrado que el evento de tendencias NW-SE
tormenta, ocurrido sobre el cam-
pus el 5 de abril del 2007, es diná-
mico a medida que pasa sobre el Int. máx (mm/h)
área de estudio, presenta intensi- 17,2 - 19,8
19,8 - 21,7
dades que varían significativamen- 21,7 - 23,0
23,0 - 24,0 lla
te en tiempo y espacio con coefi- 24,0 - 24,7
cientes de variación del 11% para la 24,7 - 25,2
25,2 - 25,9
precipitación total y de hasta 187% 25,9- 26,9
para las intensidades máximas en 26,9 - 28,2
0 95 190 380 570 760
28,2 - 30,1 metros
15 minutos. Por ende, cualquier Pluviógrafo dual

modelo hidrológico que descarte
este comportamiento introduce un
error importante en la simulación.
Adicionalmente, la variabilidad es-
pacio-temporal de la precipitación
mostrada hace complicada la ca-
libración de este tipo de modelos,
aspecto que ha sido reportado por
Rodríguez et al. (2008).
La aplicación de tres diferentes
métodos de interpolación con va-
riados niveles de complejidad (in-
verso de la distancia, interpolación
polinomial y kriging) ha permitido
concluir que, para el evento anali-
zado, las mejoras en la interpola-
ción por efecto de incrementos en
la complejidad del método utili-
zado no son significativas para el
caso estudiado, y que un método
como el inverso de la distancia pro-
porciona resultados que, haciendo
aparte los problemas de ojos de
tormenta, se comparan razonable-
mente bien con un método mucho
más complejo como el de kriging.
Debe resaltarse que los resul-
tados obtenidos y aquí reportados
Figura 17. Interpolación mediante kriging de las intensidades máximas en 15 minutos regis-
tradas para el aguacero seleccionado.
se consideran iniciales, pues están
limitados al análisis de un solo
evento de precipitación y a una sola
cuenca con un área de 1,2 km2.
Los resultados iniciales incluidos
en este artículo muestran que las
aplicaciones de hidrología urbana
en pequeñas microcuencas requie-
ren resoluciones espaciales y tem-
porales para la precipitación que las
redes de medición del IDEAM y de la
EAAB, para el caso de Bogotá, no tie-
nen. En este sentido, es evidente la
necesidad de densificar este tipo de
redes a nivel urbano, para propósi-
tos no solo de mejoramiento de los
diseños, sino para la planificación y
manejo en tiempo casi-real del sis-
tema de drenaje. Sin embargo, este
tipo de redes son costosas de man-
tener y, en este sentido, se resalta la
importancia de complementar las
redes existentes en la ciudad con un
sistema de radar para la medición
de la precipitación.
Agradecimientos
El autor agradece a la Vicerrectoría
de Investigación de la Universidad
Nacional de Colombia, por la finan-
ciación otorgada para la ejecución
de este proyecto. Igualmente, agra-
dece al Grupo de Materiales Semi-
conductores y Energía Solar del De-
partamento de Física de la misma
universidad, por suministrar los
datos de temperatura y velocidad
del viento de la estación ubicada en
el edificio de Física, y al IDEAM, por
suministrar los datos mensuales de
precipitación de la estación Univer-
sidad Nacional. Finalmente, pero no
menos importante, está el reconoci-
miento al apoyo de varios estudian-
tes del pregrado en Ingeniería Civil,
quienes de forma desinteresada han
contribuido generosamente al desa-
rrollo del proyecto.

UNIVERSIDAD NACIONAL DE COLOMBIA  |  FACULTAD DE CIENCIAS HUMANAS  |  DEPARTAMENTO DE GEOGRAFÍA

 Análisis de la variabilidad espacio-temporal de la precipitación en una microcuenca urbana, Bogotá, Colombia
151 

N
Leyenda
Leyenda
Intervalo 2 kriging Intervalo 3 kriging
Intensidad mm/h Intensidad mm/h

Filled contours Filled contours

0,8 - 1,4 7,1 - 8,1
1,4 - 2,3 8,1 - 10,1
2,3 - 3,4 10,1 - 14,1
3,4 - 4,8 14,1 - 22,1
4,8 - 6,7 22,1 - 26,1
6,7 - 9,1 26,1 - 28,2
9,1 - 12,3 28,2 - 29,2
12,3 - 16,5 29,2 - 29,7
16,5 - 22,0 29,7 - 30,0
0 95 190 380 570 760 0 95 190 380 570 760
22,0 - 26,2 30,0 - 30,1 metros
metros
Pluviógrafo dual Pluviógrafo dual

N
N

Leyenda Leyenda
Intervalo 4 kriging Intervalo 7 kriging
Intensidad mm/h Intensidad mm/h

Filled contours Filled contours

0,7 - 0,9 0,34 - 0,45
0,9 - 1,0 0,45 - 0,51
1,0 - 1,0 0,51 - 0,54
1,0 - 1,0 0,54 - 0,60
1,0 - 1,2 0,60 - 0,71
1,2 - 1,6 0,71 - 0,92
1,6 - 2,5 0,92 - 1,32
2,5 - 4,7 1,32 - 2,10
4,7 - 10,2 2,10 - 3,60
0 95 190 380 570 760 0 95 190 380 570 760
10,2 - 23,4 metros 3,60 - 6,48 metros
Pluviógrafo dual Pluviógrafo dual
N

Leyenda
Leyenda
Intervalo 9 kriging
Intervalo 8 kriging
Intensidad mm/h
Intensidad mm/h

Filled contours Filled contours

0,34 - 1,29 3,97 - 5,08
1,29 - 2,21 5,08 - 6,32
2,21 - 3,10 6,32 - 7,73
3,10 - 3,97 7,73 - 9,31
3,97 - 4,81 9,31 - 11,1
4,81 - 5,63 1,11 - 13,1
5,63 - 6,47 13,1 - 15,4
6,47 - 7,34 15,4 - 17,9
7,34 - 8,23 17,9 - 20,8
0 95 190 380 570 760 0 95 190 380 570 760
8,23 - 9,15 metros 20,8 - 24 metros
Pluviógrafo dual Pluviógrafo dual

Figura 18a. Secuencia de interpolación con kriging de intensidades a intervalos de 15 minutos para los intervalos 2, 3, 4, 7,
8, 9, 10, 11 y 12 del aguacero seleccionado.

CUADERNOS DE GEOGRAFÍA | REVISTA COLOMBIANA DE GEOGRAFÍA | n.º 17, 2008  |  ISSN: 0121-215X  |  BOGOTÁ, COLOMBIA
152  Erasmo Alfredo Rodríguez Sandoval

N
Leyenda Leyenda
Intervalo 10 kriging Intervalo 11 kriging
Intensidad mm/h Intensidad mm/h

Filled contours Filled contours

8,11 - 8,90 7,00 - 7,73
8,90 - 9,54 7,73 - 8,04
9,54 - 10,06 8,04 - 8,17
10,06- 10,48 8,17 - 8,23
10,48 - 10,83 8,23 - 8,25
10,83 - 11,25 8,25 - 8,31
11,25 - 11,77 8,31 - 8,44
11,77 - 12,41 8,44 - 8,75
12,41 - 13,20 8,75 - 9,48
0 95 190 380 570 760 0 95 190 380 570 760
13,20 - 14,17 metros 9,48 - 11,22 metros
Pluviógrafo dual Pluviógrafo dual
N

Leyenda
Intervalo 12 kriging
Intensidad mm/h

Filled contours
1,38 - 1,47
1,47 - 1,61
1,61 - 1,83
1,83 - 2,19
2,19 - 2,77
2,77 - 3,69
3,69 - 5,18
5,18 - 6,11
6,11 - 6,69
0 95 190 380 570 760
6,69 - 7,05 metros
Pluviógrafo dual

Figura 18b. Secuencia de interpolación con kriging de intensidades a intervalos de 15 minutos para los intervalos 2, 3, 4, 7,
8, 9, 10, 11 y 12 del aguacero seleccionado.

Erasmo Rodríguez Sandoval

Es Ingeniero Civil de la Universidad de los Andes, hizo estudios de Especialización y Maestría
en Recursos Hidráulicos en el ITC, Holanda (1992-1994), de Especialización en Manejo Inte-
grado del Medio Ambiente, Universidad de los Andes (1996). Es Ph.D. en Ingeniería Civil de la
University of Waterloo, Canadá (2005). Profesor Asistente. Departamento de Ingeniería Civil
y Agrícola, Universidad Nacional de Colombia, Bogotá. Integrante del Grupo de Investigación
en Ingeniería de los Recursos Hídricos (GIREH).

Luis A. Camacho B.
Profesor Asociado. Departamento de Ingeniería Civil y Agrícola, Universidad Nacional de Co-
lombia, Bogotá. Integrante del Grupo de Investigación en Ingeniería de los Recursos Hídricos
(GIREH). Contacto: lacamachob@unal.edu.co

Jacobo Villarreal P., Alejandro Jiménez,

Ana Carolina Santos R. y María del Pilar Duarte B.
Ingenieros civiles. Estudiantes del programa de Maestría en Recursos Hidráulicos de la Uni-
versidad Nacional de Colombia, sede Bogotá. Integrantes del Grupo de Investigación en Inge-
niería de los Recursos Hídricos (GIREH).

UNIVERSIDAD NACIONAL DE COLOMBIA  |  FACULTAD DE CIENCIAS HUMANAS  |  DEPARTAMENTO DE GEOGRAFÍA

 Análisis de la variabilidad espacio-temporal de la precipitación en una microcuenca urbana, Bogotá, Colombia
Referencias
Bergstrom, S. y L. P. Graham. 1998. On the Scale Problem in
Hydrological Modeling. Journal of Hydrology 211: 253-265.
Berne, A., G. Delrieu, J. Creutin y C. Obled. 2004. Temporal
and Spatial Resolution of Rainfall Measurements Requi-
red for Urban Hydrology. Journal of Hydrology 299: 166-179.
Beven, K. 2001. Rainfall and Runoff Modeling: the Primer.
Chinchester: Wiley.
Butyaert, W., R. Celleri, P. Willems,  B. De Bievre  y G Wy-
seure. 2006. Spatial and Temporal Rainfall Variability in
Mountainous Areas: a Case Study from the South Ecua-
dorian Andes. Journal of Hydrology 329: 413-421.
Canfield H. y D. Goodrich. 2003. Studies of Scale and Processes
in Hydrologic Modeling on the Lucky Hills Watershed. Pre-
sentado en Proc. 1st Interagency Conf. on Research in the
Watersheds. 27-30 de octubre, Benson, Arizona.
Creutin, J. D. y C. Obled. 1982. Objective Analysis and Map-
ping Techniques for Rainfall Fields; an Objective Com-
parison. Water Resources Research 18 (2): 413-431.
Dubayah, R., E. F. Wood y D. Lavallé. 1996. Multiscaling
Analysis in Distributed Modeling and Remote Sensing:
an Application Using Soil Moisture. En Scale, Multiscal-
ing, Remote Sensing, and GIS. Ed. Michael Goodchild y D.
Quattrochi, 93-111. Boca Ratón: CRC Lewis.
Ingeniería de Recursos Hídricos Ltda. (IRH). 1995. Análisis
y caracterización de tormentas en la Sabana de Bogotá:
informe final. Bogotá D. C.
Kite, G. W. y U. Haberlandt. 1999. Atmospheric Model Data for
Macroscale Hydrology. Journal of Hydrology 217: 303-313.
KrajewskI, W. F., A. Kruger y V Nespor. 2001. Experimental
and Numerical Studies of Small-Scale Rainfall Measure-
ments and Variability. Water Science and Technology 37
(11): 131-138.
Meijerink, A., H. de Brouwer, C. Mannaerts y C. Valenzuela.
1994. Introduction to the Use of Geographic Information Sys-
tems for Practical Hydrology. Publicación n.º 23. Enschede:
Unesco-ITC.
Moore, R. J., D. A. Jones, D. R. Cox y V. S. Isham. 2000. De-
sign of the Hyrex Raingauge Network. Hydrology and
Earth System Sciences 4: 523-530.
Mulvaney, T. J. 1850. On the Use of Self-Registering Rain
and Flood Gauges in Making Observations on the Rela-
CUADERNOS DE GEOGRAFÍA | REVISTA COLOMBIANA DE GEOGRAFÍA | n.º 17, 2008  |  ISSN: 0121-215X  |  BOGOTÁ, COLOMBIA
153 
tions of Rainfall and Flood Discharges in a Given Catch-
ment. Transactions of Institution of Civil Engineers Ireland
4: 18-31.
Paturel, E., M. Desbodes y J. M. Masson. 1986. Evaluation
de l`influence de la densité des réseaux pluviométriques
sur la determination des lames précipitées. Informe LHM
14-86. París.
Rodríguez, E., L. Camacho, W. Jiménez, M. Duarte y J. Vi-
llareal. 2008. Análisis hidrometeorológico de granizada
sobre el campus de la Universidad Nacional, sede Bogo-
tá. Presentado en el Seminario Nacional de Hidráulica e
Hidrología. Memorias de XVIII Seminario Nacional de
Hidráulica e Hidrología. Bogotá: Sociedad Colombiana
de Ingenieros.
Rodríguez, E., L. Camacho, W. Jiménez, M. Duarte y J. Vi-
llareal. 2008. Instrumentación y modelación hidrome-
teorológica y ambiental de una cuenca urbana: caso de
estudio campus universidad nacional. Congreso Latino-
americano de Hidráulica. Memorias del XXIII Congreso
Latinoamericano de Hidráulica, Cartagena.
Segond, M. L., C. Onof y H. S. Wheater. 2006. Spatial-Tempo-
ral Disaggregation of Daily Rainfall from a Generalized
Linear Model. Journal of Hydrology 331: 674-689.
Sevruk, B. y V. Nespor. 1998. Empirical and Theoretical As-
sessment of the Wind Induced Error of Rain Measure-
ment. Wat. Sci. Tech 37 (11): 171-178.
Shilling, W. 1996. On the Relation between Urban Wastewater
Management Needs and Receiving Water Objectives. Trond-
heim: European Project Cost 682 (“Integrated Was-
tewater Management”).
Uniandes - EAAB. 2001. Informe final del proyecto “Instru-
mentación y análisis ambiental de una subcuenca del sistema
de alcantarillado de Bogotá”. Bogotá: Uniandes.
Vaes, G., P. Willems y J. Berlamont, 2005. Areal Rainfall Co-
rrection Coefficients for Small Urban Catchments. At-
mospheric Research 77: 48-59.
VasvárI, V. 2005. Calibration of Tipping Bucket Rain Gauges
in the Graz Urban Research Area. Atmospheric Research
77: 18-28.
Wood, E. F. 1998. Scale Analysis for Land Surface Hydrology.
En Scale Dependence and Scale Invariance in Hydrology. Ed.
G. Sposito, 1-29. Cambridge: University Cambridge Press.
 XVIII International Conference on Water Resources
CMWR 2010
J. Carrera (Ed)
© CIMNE, Barcelona, 2010

REGIONAL PARAMETERIZATIONS OF STOCHASTIC

MODEL SIMULATION ON HIGH RESOLUTION
TEMPORAL RAINFALL: CASE STUDY BOGOTÁ
(COLOMBIA)

Hugo Rico T. *, Ana Santos R. †, Eddy Herrera D. ††, Nelson Obregón N. †††

* Pontificia Universidad Javeriana, Bogotá, Colombia

E-mail: hrico@javeriana.edu.co
†Universidad Nacional de Colombia, Bogotá D.C. Colombia.
E-mail: acsantosr@unal.edu.co
††Pontificia Universidad Javeriana, Bogotá D.C. Colombia,
E-mail: eherrera@javeriana.edu.co
††† Javeriana University Geophysical Institute. Pontificia Universidad Javeriana
E-mail: nobregon@javeriana.edu.co

Key words: Rainfall, Neyman-Scott model, Parameter estimation, Regionalization of parameters

1 INTRODUCTION
It happens frequently that in a region one cannot count on rainfall records in a continuous way,
neither spatially nor timely. Different time scale resolutions are of great need in studies of floods,
reservoir design, rainfall sewage systems and rainfall runoff modeling. Especially institutions in charge
of precipitation measurement are not distributed in a uniform way, which suggests that to obtain
precipitation values or parameters associated to this phenomenon, it is necessary to turn to a spatial
interpolation model to regionalize the above mentioned parameters and this way esteem a value in a
place for which no records exist.
In order to approximate the precipitation values for scales larger than on a daily basis, it is common
to use stochastic models. In literature, two punctual models of temporal disaggregation of rainfall data
are acknowledged: the model of Barlett-Lewis and the one of Neyman-Scott. The model of Neyman
Scott is not a physical model; it is a statistical model that is also known as the composed model of
Neyman Scott, in which each process in the generation of synthetic rainfall is generated with a different
probabilistic structure.

1
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

In the present investigation, the second one was used. This model is composed of a series of
parameters that allow generating synthetic series of precipitation at different timely resolutions.
The model of Neyman-Scott is conceived for punctual analysis, so it is proposed to study the
parameters’ spatial variation from the precipitation records of 20 rain gauges located in the city of
Bogotá, Colombia. First, an optimization process for estimating the parameters in each station was
carried out, using the Levenberg-Marquardt method as a search algorithm. Afterwards, the parameter
regionalization was conducted, with the purpose of finding evidence of spatial variation and to verify if
a relation with factors like orography or timely resolution exists.

2 CASE STUDY
The city of Bogotá is located in South America, in the center of Colombia, in the oriental chain of the
Andes Mountains. Its location is given by the coordinates of 4° 35' 53" North and 74° 4' 33" West, at an
altitude of 2630 meters above sea level. Bogotá has a total area of 1,776 square kilometers (see Figure
1). The rainfall season is characterized by two periods, being the rainy seasons, the periods between
April and May, and from September to November. The average temperature is about 13°C, ranging from
7 to 18°C.

Sources of information

This project used the data of 20 rain gauges operated by the Institute of Hydrology, Meteorology and
Environmental Studies (Instituto de Hidrología, Meteorología y Estudios Ambientales, IDEAM) and the
city’s Institution in charge of the Aqueduct and Sewage System (Empresa de Acueducto y
Alcantarillado de Bogotá, EAAB). The available gauges are located concentrated within the urban area
of the city of Bogotá, although coverage on a rural level also exists. The time period of the project is the
first rainy season of May, 1995. Due to the fact that there are no precipitation records for some years,
only a scale of aggregation of an hour could be used to show the benefits of this methodology. In this
case, only an hourly scale was used, but still work was continued with different levels of aggregation (3
hours, 6 hours, 12 hours, 1 day) to try to find the best results. This is interesting, since in the city of
Bogotá the spatial variability of rainfall is high.

2
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

Figure 1: Localization of the project area

3 RAINFALL MODEL

Definition of the Neyman-Scott model

The stochastic simulation is a pulse model [1] and [2]. The Neyman-Scott model is described by three
stochastic processes, which are all independent:

1. A process that defines the origin of the storms.

2. A process that determines the number of rain cells generated in each storm.
3. A process that defines the origin of the cells.

The model considers that the beginning of each pulse does not coincide with the origin of the rainfall,
apart from the origin of each pulse being independent from the existence of another pulse within the

3
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

same event, because of which a superposition of pulses can exist. Since it is a stochastic model, it is
important to have in consideration that various “realizations” with different seeds have to be carried out.

The Neyman-Scott model is composed of five density function f, each one being associated to a
parameter (Table 1):

Process Parameter Distribution

Rate of storm origin arrival  Poisson
Mean number of cells in each storm c Geometric
Mean intensity of the pulse x Exponential
Mean waiting time for the rain cells after the storm origin  Exponential
Mean cell duration  Exponential
Table 1: Parameters of the Neyman-Scott model

Since the precipitation data are normally measured in discrete time intervals, it was considered the
total accumulated precipitation in disjoint time intervals in fixed time scales h. That means

Y  d
ih
Yi ( h )   (1)
( i 1) h

The expressions that describe the model are expressed through the theatrical second-order properties
[3]:


 
E Yi ( h ) 

c  x h (2)

 2  x2  c  c  1 
 
Var Yi ( h ) 
2
3
h  1  e   2 
h
c
2
x 
 2  2

  (3)
 x2  c  c  1

 2 h  1  e  h
  2  2  2 

2   2  x2 c c  1 
 
Cov Yi ( h ) , Yi( hk) 
3
1  e  e
h 2   k 1h
  c  x2 

2  2   2 


 (4)
 2    1

 2 1  e h 
2    k 1h
e  x2 c 2c 2
2     

4
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

Obtaining and optimizing the parameters

The method of moments [1], [4], [5] and [6] is one of the most frequently used one in solving this
kind of problem, the search and estimation process of the five parameters of the model for different
temporal resolutions h is supported by the conservation of statistical properties.
In this case, the five first moments of the timely series of observations were determined and
associated with the theoretical moments of the Neyman-Scott model, which is shown in equation (2,3
and 4), for each station.
The objective of the estimation of the parameters is to determine a set of parameters that meets the
conditions (2), (3) and (4) and minimize the error function given in (5).

2
p  M 
 ,  c ,  x ,  ,    1  i 
 p5 (5)
i 1  Mˆ i 

To find the parameters, Levenberg- Marquardt’s algorithm to resolve linear systems was used, a
method based on Newton’s method [7], which optimizes an object function being subject to constraints.
This method has been used in different investigations and good results have been obtained [8], which is
characterized by the method’s rapidity, which show convergence at 1000 iterations in a couple of
seconds (6 seconds on average).
While a different objective function could have been used, literature refers to this objective function,
which gives good results and quick convergence for the parameters that are to be calibrated [8].
This objective function is sensible respecting the seed value, because of which the inadequate
selection of input variables can produce better results. This is why this work seeks to find the initial seed
based on different works previously conducted in this topic [3] and [4]. The variation of simulated
parameters in this investigation coincides with the results in other investigations, as is shown in Table 2.

x
 [hˉ¹]  [hˉ¹]  [hˉ¹] c [mm·hˉ¹]
Maximum 0,13172 1,93119 1,76218 163,13353 1,24822
Mean 0,05527526 1,8235495 1,598633 39,911237 0,2857265
Minimal 0,01723 1,71236 1,27779 1,84417 0,01456
Table 2: Range with which the parameters differ in the simulation

5
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

Table 4 shows parameters variation in each of 20 stations of the area of interest

x
Rain gauge  [hˉ¹]  [hˉ¹]  [hˉ¹] c
[mm·hˉ¹]
PLANTA WIESNER 0,03789 1,81357 1,68820 30,94994 0,15665
SOCHA 0,07701 1,72569 1,60217 28,77420 0,11425
ARRAYAN SAN FRANCISCO 0,13172 1,89434 1,76218 1,84417 1,24822
EL DELIRIO 0,10996 1,71236 1,43654 92,42760 0,02296
EL HATO 0,07740 1,92780 1,63650 61,94869 0,06301
LA REGADERA 0,06033 1,93119 1,60858 10,36994 0,47698
TAQUES LOS 0,12774 1,78379 1,43933 141,56981 0,01846
LA CONEJERA 0,02899 1,83763 1,71935 11,95864 0,37064
USAQUEN SANTA ANA 0,02437 1,80754 1,63480 10,06140 0,32064
SERREZUELA 0,03394 1,83348 1,59924 10,96835 0,26980
VENADO ORO VIVERO 0,03200 1,82466 1,61305 10,44186 0,30010
EL GRANIZO 0,01723 1,78281 1,68012 10,02581 0,35151
LA CARO 0,03105 1,84073 1,60714 11,06652 0,28364
ESC COL INGENIERIA 0,02968 1,87353 1,65463 10,01687 0,42053
UNIV NACIONAL 0,04509 1,84129 1,63587 12,08802 0,30903
CAMAVIEJA 0,03775 1,90089 1,69827 13,98053 0,37705
BOSA BARRENO No 2 0,03548 1,80562 1,56070 145,73562 0,01621
SANTA LUCIA 0,04127 1,80111 1,59355 11,50410 0,20443
QUIBA 0,08191 1,76494 1,52465 163,13353 0,01456
LAS HUERTAS 0,02731 1,76802 1,27779 9,35914 0,37586
Table 3: Variation of the statistical parameters of the probability function used in the experiment. Aggregation scale 1 hour.
Month May 1995

Simulations and synthetic series

With the results about parameters synthetic series were generated for each station. Figure 3 shows
comparison between observed series and simulated series for the Venado de Oro station. Figure 4
shows comparisons between moments in observed series and synthetic series.
In a time scale of 1 hour, which was the one that was analyzed, it was found that the parameters
found by the inverse model, adjust to the moments of the time series, except in the forth moment
(second coefficient of the autocorrelation function), where the moments were overestimated, as can be
observed in Figure 2.

6
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

The error variation is compared using three performance criteria for the simulations. RMSE, which
represents the mean squared error, is a simple summing measurement of the residuary, which results in a
good performance approximation for the model. In this case, an approximation close to zero indicates a
good performance, which is the case in the mean, the second and third coefficient of the autocorrelation
function. In the mean and the first moment of the autocorrelation function, the model does not yield
good results. The MSRE is a method that is very sensitive to big errors, which indicated the relative
error, and like in the previous case the variance and the first coefficient of the autocorrelation function
are not similar to the observed data. Finally, the Pearson product moment correlation coefficient is used,
in which, like the previous cases, the values close to zero indicate a good performance and those close to
one a bad estimation, and describe the proportion of the statistical variance of the set of observed data.

Figure 2: Dispersion diagram for the observed and simulated moments with the Neyman-Scott model for the 20 rain gauges
used in the experiment at a temporal resolution of an hour.

With the results about parameters synthetic series were generated for each station. Figure 3 shows
comparison between observed series and simulated series for the Venado de Oro station. This figure
presents one of the many simulation types that were carried out, which because of spatial limitations
cannot be included in the report. For this example it can be noted that the model can simulate the texture
of the observed series.

Figure 3: Comparison of stochastic simulation of synthetic series of precipitation from the model of Neyman-Scott and
observed seires for the raingauge “VENADO ORO VIV

7
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

Autocorrelation Autocorrelation Autocorrelation

Variance
Rain Mean [mm] values for time values for time values for time
[mm²]
gauge lag-1 [-] lag-2 [-] lag-3 [-]
Obs. Sim. Obs. Sim. Obs. Sim. Obs. Sim. Obs. Sim.
1 0,1209 0,1013 1,0371 1,2755 0,5473 0,6351 0,1145 0,1320 0,0223 0,0307
2 0,1530 0,1467 1,1546 1,2026 0,6277 0,6972 0,1784 0,1712 0,0472 0,0513
3 0,1360 0,1601 0,6115 0,5360 0,5298 0,5607 0,1205 0,1596 0,1023 0,0870
4 0,1448 0,1363 0,3887 0,3282 0,6746 0,8515 0,3770 0,3168 0,1892 0,1728
5 0,1840 0,1567 0,6660 0,8403 0,5005 0,5631 0,1094 0,1334 0,0380 0,0457
6 0,1950 0,1545 0,7302 1,0036 0,3667 0,4875 0,0901 0,1136 0,0233 0,0353
7 0,2132 0,1871 0,4498 0,5250 0,5757 0,7019 0,2430 0,2394 0,1274 0,1195
8 0,0825 0,0699 0,6051 0,8149 0,4559 0,6257 0,0500 0,1271 0,0017 0,0308
9 0,0574 0,0435 0,1406 0,2605 0,3947 0,6332 0,0726 0,1554 0,0433 0,0541
10 0,0708 0,0548 0,1599 0,2361 0,4057 0,6273 0,0985 0,1695 0,0755 0,0699
11 0,0723 0,0550 0,1754 0,2739 0,3825 0,6203 0,1124 0,1601 0,0450 0,0611
12 0,0436 0,0341 0,2084 0,3401 0,3859 0,6676 0,0629 0,1468 0,0171 0,0399
13 0,0702 0,0529 0,1299 0,2468 0,3216 0,6109 0,0659 0,1599 0,0602 0,0628
14 0,0856 0,0667 0,2752 0,4622 0,1807 0,5569 0,0291 0,1264 0,0182 0,0388
15 0,1153 0,0915 0,3766 0,5796 0,4879 0,5918 0,1153 0,1405 0,0282 0,0460
16 0,1342 0,1047 0,5933 0,9950 0,3741 0,5507 0,0622 0,1134 0,0069 0,0288
17 0,0605 0,0464 0,0894 0,1453 0,4799 0,7574 0,2088 0,2319 0,0808 0,1119
18 0,0638 0,0539 0,1449 0,1857 0,6581 0,7287 0,2561 0,2159 0,0742 0,1024
19 0,1239 0,1103 0,3117 0,3546 0,5867 0,7624 0,2711 0,2407 0,1015 0,1152
20 0,0653 0,0543 0,1657 0,1861 0,1582 0,5028 0,1588 0,1848 0,1117 0,0875
Table 4: Variation of the synthetic series’ precipitation statistics in different time scales for the city of Bogotá during a period
between 01-05-1995 and 31-05-1995

4 Regionalization of the parameters

Applying Inverse distance weighting method (IDW), parameters regionalization was done. (See
Figure 4). In this case the parameters were interpolated in places where there was no information. The
advantages of this methodology lie in the regionalization of the statistical parameters, in which seems to
exist information where there are no stations that measure the rainfall intensity, and the results are
similar to those of other methodologies that have been performed in the city of Bogotá, where
thunderstorms were regionalized [9]. Although the parametrical sensibility analysis was not executed,
the experiment was continued with different time scales, exploring other optimization alternatives.

8
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

Figure 4: Regionalization of the parameters of the Neyman-Scott model for the month of May, 1995.

5 CONCLUSIONS
It was found that the parameters are very sensible at different time scales, which means that the
regionalization varies depending on the scale. The seed’s sensibility is great, so it is recommended that a
previous analysis be executed to establish more detailed ranges of variation for the parameters.
The estimation of the parameters for the Neyman-Scott model requires that the process be examined
carefully. In the optimizing process, different solutions for each set of initial points can be found.
The contribution of this investigation is based on the functionality of having the parameters of a
disaggregation model in a space, which was the product of a modeling experiment, so some
considerations can be inferred in the moment of realizing the structural designs or the planning of water
resources in cities.
An approach of the disaggregation of precipitation is based on the existence of historical records on
an hourly time scale with similar characteristics as the place that is being considered. The stochastic
models for the disaggregation, based on punctual processes are used and recognized within the

9
 Hugo Rico T., Ana Santos R., Eddy Herrera D. and Nelson Obregón N.

hydrological community. It is proposed to investigate the capacity of the Neyman-Scott model as a tool
to disaggregate temporally the precipitation, while calibrating the parameters of the model within a two-
dimensional space, and afterwards regionalize those parameters and verify their values in certain points.

6 REFERENCES

[1] Rodríguez-Iturbe, Cox, D. R., Isham, V. Some modelsfor rainfall based on stochastic point
processes. Proc. R. Soc. London A 410, p. 269 – 288. 1987a.

[2] Rodriguez-Iturbe, I., Cox, D.R., Isham, V. A point process model for rainfall: further
developments. Proceedings of the Royal Society of London Series A 417 (1853), 283– 98. 1988.

[3] Rodríguez-Iturbe I., Gupta V. and Waymire K. Scale considerations in the modeling of temporal
rainfall. Water Resources Research. Volumen 20. N° 11. pp 1611-1619. 1984.

[4] Rodriguez-Iturbe, I., Febres De Power, B., Valdes, J. Rectangular pulses point process models for
rainfall: analysis of empirical data. Journal Geophysical Research 92 (D8), 9645–9656. 1987b.

[5] Entekhabi, D., Rodriguez-Iturbe, I., Eagleson, P.S. Probabilistic representation of the temporal
rainfall process y a modified Neyman–Scott rectangular pulses model: parameter estimation and
validation. Water Resources Research 25, 295–302. 1989.

[6] Cowpertwait, P.S.P. Further developments of the Neyman– Scott clustered point process for
modeling rainfall. Water Resources Research 27, 1431–1438.Corr: Vol. 28, p. 1497. 1991.

[7] Lourakis, Manolis I.A. A brief description of the Levenberg-Marquardt Algorithm implemented.
Institute of Computer Science, Foundation for Research and Technology - Hellas (Forth), Heraklion,
Crete, Greece. Frebruary 2005.

[8] Favrea, Anne-Catherine, Musyb Andre´, Morgenthalerc Stephan. Unbiased parameter estimation
of the Neyman–Scott model for rainfall simulation with related confidence interval. Journal of
Hydrology 286 (2004) 168–178

[9] IRH, Ingeniería y Recursos Hídricos Ltda. Ingenieros Consultores. Estudio para el análisis de
tormentas en la sabana de Bogotá. Santafé de Bogotá, Noviembre de 1995

10

View publication stats