(Hidrologia Subterranea y Superficial) Parte 2 Congreso Latinoamericano de Ingenieria Hidraulica 2018 PDF

METODOLOGÍA
Tomando en cuenta lo establecido por (Alcocer Yamanaka, et al., 2016) para la generación de mapas
de riesgo ante inundaciones con base en daños directos tangibles (DAE), se propone la metodología
para la generación de mapas de riesgo ante inundaciones con el índice pérdida – posesión, Figura 1.
Figura 1.- Metodología para generación de mapas de riesgo ante inundaciones con índice pérdida – posesión
(elaboración propia).
 Información inicial:
 Información socioeconómica: Debe estar georreferenciada en formato .shp (shape) para

manejo en un Sistema de Información Geográfica (SIG) y con la mejor resolución espacial
posible, incluso a nivel de vivienda. En México, el Instituto Nacional de Estadística y
Geografía (INEGI) cuenta con información socioeconómica de libre acceso en formato shape,
con resolución espacial a nivel de Área Geoestadística Básica (AGEB) o manzanas.
 Infraestructura pluvial existente: Obtenida en campo, incluye las dimensiones y

características de estructuras existentes de captación, conducción, conexión y mantenimiento;
descarga, cruce, retención y detención; y bombas.
 Orto imagen o imagen satelital: Obtenida con base en un vuelo fotogramétrico o con dron.
En caso de carecer de ésta se puede utilizar una imagen satelital reciente. A mayor resolución
de la imagen se podrá trabajar a mayor detalle.
XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1181

 Planimetría o traza urbana: Archivo shape creado con base en la misma orto imagen o
imagen satelital, o información catastral del gobierno local.
 Modelo digital de elevaciones (MDE): Archivo en formato ráster (.tiff) de la mejor

resolución posible.
 Registros históricos de lluvia: Dependiendo de la manera seleccionada para generar la

tormenta de diseño y la validez de la fuente de obtención será la información a utilizar. En
México se cuenta con registros históricos de precipitación acumulada en 24 horas de
estaciones climatológicas convencionales.
 Pre proceso:
 Obstáculos hidráulicos: Según (Smith, s.f.) la mejor forma de representar los obstáculos
hidráulicos es eliminar los nodos del mallado de resolución en donde estos se encuentren, por
tanto, se requiere un archivo shape que describa la forma y ubicación de aquellas edificaciones
y objetos que influyen en la dirección de flujo de la escorrentía.
 Delimitación de cuencas: Se realiza con apoyo de un SIG clasificándolas en: Microcuencas

dentro del área de modelación 2D (de un área aproximada de 0.01km2), y cuencas de
aportación fuera de ella.
 Uso de suelo: Archivo shape que describe la forma y ubicación de los usos de suelo con
diferentes parámetros físicos que influyen en la infiltración y escurrimiento superficial, Figura
2. Si el escenario a simular es para planear acciones preventivas, se debe considerar el uso de
suelo a futuro descrito en el Plan de Desarrollo Urbano de la ciudad.
Para la aplicación de esta metodología se consideraron usos de suelo compuestos; es decir,
integrados a partir de varios usos de suelo básicos, por ejemplo:
 Parque: [Pavimento 20%+ Vegetación Urbana Media Densa 50% + Terracería 25% +
Techumbre 5%]
 Vivienda residencial: [Vivienda Urbana 75% + Parque 25%]
 Industria PDU: [Techumbre 30% + Pavimento 45% + Parque 10% + Terracería 15%]
Figura 2.- Muestra de delimitación de uso de suelo en un SIG (elaboración propia).
1182 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

 Tormentas de diseño: hietogramas de diseño correspondientes a los periodos de retorno de:
2, 5, 10, 20, 50, 100, 200, 500 y 1 000 años para contar con escenarios suficientes para el
posterior cálculo del DAE, si se carece de información se deben construir los hietogramas por
lo menos hasta 100 años.
 Construcción del modelo digital de simulación hidrológica – hidráulica: Con base en un

programa computacional que permita la simulación de inundaciones en zonas urbanas, como
PCSWMM®, considerando tantas características del área de estudio como sea posibles.
 Calibración: Ajuste de los parámetros de infiltración y escurrimiento superficial con el fin

de poder recrear los resultados de un evento pasado de inundación del que se tenga registro.
 Simulaciones: Se simula un escenario por cada periodo de retorno, obteniendo mapas (shapes)
que muestren las velocidades y tirantes máximos de escorrentía, Figura 3.
Figura 3.- Mapa de tirantes máximos de escorrentía (elaboración propia).
 Post proceso: Generación de los siguientes mapas:
 Peligro ante inundaciones simplificado para viviendas (PAISPV): Teniendo en cuenta

diversas propuestas de criterios de peligro ante inundaciones simplificado, se propone el
criterio de PAISPV, Tabla 1, con 4 niveles de peligro: Nulo, bajo, medio y alto,
Para éste se consideró que un tirante menor a 0.3m no representa peligro, siendo menor a la
altura de las guarniciones, por tanto, el agua no ingresa a las viviendas. Los siguientes valores
de tirante se adecuaron a los propuestos por (Alcocer Yamanaka, et al., 2016). Para
volcamiento (y*v) se usó la propuesta de la OFEE (por sus siglas en francés), Figura 4.
Tabla 1.- Valores de altura y velocidad por nivel de PAISPV.

Peligro hidráulico de las Altura (y ) Volcamiento (y *v)
viviendas (m) (m2/s)
Nulo y < 0.30 -
Bajo 0.30 < y < 0.7 y *v < 0.5
Medio 0.7 < y < 1.5 0.5 < y *v < 2
Alto y > 1.5 y *v > 2

Figura 4.- Mapa de Peligro PAISPV (elaboración propia).
 Vulnerabilidad ante inundaciones simplificada para viviendas (VAISPV): se asignan 5

niveles de vulnerabilidad en función de las características socioeconómicas de los habitantes
y de materiales de construcción de las viviendas (AGEBs INEGI): Muy baja, baja, media, alta
y muy alta, Figura 5.
A cada nivel se le debe asignar un costo de la vivienda similar valor fiscal (valor referencia
para el cobro de impuestos y muchas veces valor de pérdida ante aseguradoras) y un valor de
pérdida por daño estructural.
A su vez, a cada nivel se le asigna un porcentaje de costo del menaje respecto al costo total
de la vivienda (en un rango de 15% a 40%). Considerando que a mayor vulnerabilidad mayor
porcentaje del costo del menaje respecto al costo de la vivienda.
Figura 5.- Mapa de Vulnerabilidad VAISPV (elaboración propia).

 Riesgo ante inundaciones simplificado para viviendas: Utilizando un SIG se cruzan los
valores de PAISPV y VAISPV con base en el criterio adaptado de (Alcocer Yamanaka, et al.,
2016), Tabla 2, para generar 5 niveles de riesgo: Nulo (R0), bajo (R1), medio (R2), alto (R3)
y muy alto (R4), cada uno asociado a un porcentaje de pérdida de menaje:
Tabla 2.- Criterio para generación de mapas de riesgo ante inundaciones, adaptación (IMTA, 2015)
Peligro PAISPV
Vulnerabilidad VASIPV
Nulo Bajo Medio Alto
Muy Baja R0 (0%) R0 (0%) R1 (10%) R3 (65%)
Baja R0 (0%) R1 (10%) R1 (10%) R3 (65%)
Media R0 (0%) R1 (10%) R2 (35%) R4 (100%)
Alta R0 (0%) R2 (35%) R3 (65%) R4 (100%)
Muy Alta R0 (0%) R2 (35%) R4 (100%) R4 (100%)
 Costos de daño a bienes muebles e inmuebles: El costo de daños a bienes muebles se obtiene
utilizando los valores de la Tabla 2. El costo de daños a bienes inmuebles (daño estructural)
se calcula según lo establecido por (IMTA, 2015); donde a partir de una altura de 1.599m, se
presenta un daño a la estructura, cuyo costo será el asignado previamente a cada nivel de
vulnerabilidad. Sumando ambos daños se obtiene el daño total a nivel de manzana o AGEB
para cada periodo de retorno; es decir, los daños tangibles directos.
 Costo total de daños directos tangibles (DAE): Para su cálculo se genera una curva de
pérdidas a la unidad espacial más baja posible, manzana o AGEB, graficando el costo de
pérdida por daños totales contra la frecuencia anual de excedencias del evento que genera
dichas pérdidas (1/Tr). Como se muestra en la Figura 6, El DAE será el área bajo la curva de
pérdidas y es obtenido aplicando la ecuación [5] (Mora Domínguez, et al., 2013):
𝑁𝑁ú𝑚𝑚. 𝑑𝑑𝑑𝑑 𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸

DAE = ∑𝑖𝑖=1 𝐸𝐸(𝑃𝑃 ($)|𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑖𝑖)𝐹𝐹𝐴𝐴 (𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑖𝑖) [5]
Dónde:
 𝐸𝐸(𝑃𝑃|𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑖𝑖): Costo de pérdida ante un evento de inundación asociado a un periodo de
retorno, en este caso el costo de pérdida por daños totales;
 𝐹𝐹𝐴𝐴 (𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑖𝑖): Frecuencia anual de excedencias del evento de inundación; inverso del
periodo de retorno asociado al evento de inundación (1/Tr).
Figura 6.- Curva de pérdida Tuxtla Gutiérrez, elaboración propia con datos de (IMTA, 2015).

 Daño pérdida-posesión: Con algebra de mapas en un SIG se realiza la división del costo total
de pérdida por daños directos tangibles de cada manzana o AGEB entre el costo total de los
bienes muebles e inmuebles, aplicando la ecuación [4].
El resultado será un mapa que muestre la ubicación de los diferentes niveles afectación
porcentual; es decir, la relación entre el costo de los bienes y el costo de pérdida de los mismo,
especialmente permitiendo apreciar su variación e identificar las zonas de mayores
afectaciones.
CONCLUSIONES Y TRABAJOS FUTUROS
 Las inundaciones impactan negativamente en mayor medida a los estratos socioeconómicos

más bajos, esto no se refleja en mapas de riesgo ante inundaciones con base en DAE, ni ha
sido comprobado de manera cuantitativa;
 Los mapas de riesgo ante inundaciones con base en el DAE, son buenos y útiles para la
planeación de acciones de mitigación de afectaciones por inundaciones más no son
suficientes, pues se limitan a los daños directos tangibles propiciando una planeación con base
en una evaluación socioeconómica de egresos-ingresos;
 El índice pérdida - posesión es una unidad de medida de afectaciones por inundaciones en la

población que considera de manera inferida la capacidad de recuperación de la misma ante un
evento perturbador;
 Los mapas de riesgo ante inundaciones con base en el incide pérdida - posesión permiten
visualizar la variación espacial del nivel de afectación por inundación en una zona urbana e
identificar las zonas de mayores afectaciones, permitiendo gestionar y priorizar acciones
preventivas de mitigación de estas afectaciones;
 Al ser adimensional, el índice pérdida – posesión puede ser utilizado como unidad de medida
homogénea de afectaciones por un evento perturbador, pudiendo comparar los niveles de estas
afectación generadas por diferentes eventos presentados en la misma ciudad, independiente
de la variación del dinero a través del tiempo y el cambio en la morfología de la ciudad.
 Asimismo, su estimación es independiente al desarrollo económico desigual dentro del

territorio urbano, lo que permite la comparación de dichas afectaciones entre diversos estratos
sociales o ciudades sin importar si pertenecen a diferente país.
 Actualmente está en proceso un trabajo de investigación a nivel maestría enfocado a la

aplicación y validación del índice pérdida – posesión para la generación de mapas de riesgo
ante inundaciones, del cual se obtendrán más resultados sobre su uso y beneficios.
 Es necesario aumentar el conocimiento y ampliar la visión sobre el agua, las inundaciones y

el ciclo hidrológico en general, a través del desarrollo de herramientas como este índice, para
mejorar y renovar la convivencia de la humanidad con el agua.

AGRADECIMIENTOS
o Al Consejo Nacional de Ciencia y Tecnología de México (CONACYT) por la beca de

manutención #451304 para la realización la tesis de maestría de la que deriva este artículo.
o A Computational Hydraulics International (CHI) por la licencia estudiantil del programa
PCSWMM® utilizado para realización de la tesis de maestría de la que deriva este artículo.
REFERENCIAS
Alcocer-Yamanaka, V. H. y otros, (2016). “Metodología para la generación de mapas de riesgo por
inundación en zonas urbanas”. Tecnología y Ciencia del Agua, VI I(5), pp. 33-55.
Baró-Suarez, J. E., Calderón-Aragón, G., Estekker-Alberich, M. V. & Cadena-Vargas, E., (2011). Costo
más probable de daños por inundaciones en zonas habitacionales de México. Tecnología y Ciencias del Agua
[En línea], 3 07, II(3), pp. 201-2018.
Campos Aranda, D. F., 1998. Procesos del Ciclo Hidrológico. San Luis Potosí (San Luis Potosí): Facultad de
Ingeniería, Universidad Autónoma de San Luis Potosí.
Campos Aranda, D. F., 2010. Introducción a la Hidrología Urbana. 2 ed. San Luis Potosí (San Luis Potosí):
Printego.
CENAPRED, 2004. www.CENAPRED.UNAM.mx. [En línea]
CENAPRED, 2016. CENAPRED. [En línea],
http://www.cenapred.gob.mx/es/documentosWeb/Enaproc/fenomenos_2016.pdf
CEPAL, 2007. Información para la gestión de riesgo de desastres. Estudio de caso de cinco países: México,
México: Comisión Económica para América Latina y el Caribe ONU.
Cervantes Jaimes, C. E., 2012. Tesis: Generación de Mapas de Riesgo de Inundación Mediante Modelación
en 2D. Jiutepec(Morelos): UNAM.
CONAGUA, "2015". Manual de Agua Potable Alcantarillado y Saneamiento. México: -.
CONAGUA, 2015a. Metodologías de Evaluación Socioeconómica y Estructuración de Proyectos de Inversión
(Agua Potable, Alcantarillado, Saneamiento, Mejoramiento de Eficiencia y Protección a Centros de
Población). En: Manual de Agua Potable Alcantarillado y Saneamiento. México: s.n.
CONAGUA, 2015b. Drenaje Pluvial Urbano. En: Manual de Agua Potable Alcantarillado y Saneamiento.
Ciudad de México: s.n.
Escalante Sandoval, C. A. & Reyes Chávez, L., 2002. Técnicas estadísticas en hidrología. Ciudad de México
(Ciudad de México): Facultad de Ingeniería UNSM.
González, M. d. Á. & Domínguez Mora, R., 2013. Ecuaciones universales ajustadas para el cálculo de lluvias
máximas de corta duración. GEOS, 33(2).
IMTA, 2015. ESTUDIO DE RIESGOS DE INUNDACIONES EN ZONAS URBANAS DE LA REPÚBLICA
MEXICANA, Jiutepec Morelos: IMTA.
Llaguno Guilberto, O. d. J., 2014. Tesis: Generación de Mapas de Riesgo Considerando la Topografía
Urbana, Aplicado a la Ciudad de Oaxaca de Juárez, Oaxaca. Jiutepec (Morelos): UNAM.
Mora Domínguez, R., Torres, M. A. & Mora Domínguez, R., 2013. Vulnerabilidad y Riesgo por
Inundaciones. ReaserchGate, 11.
Ribera Masgrau, L., 2004. Los mapas de riesgo de inundaciones: representación de la vulnerabilidad y
aportación de las innovaciones tecnológicas. Doc. Anàl. Geogr., abril, Issue 43, pp. 153-171.
SHCP, 2015. LINEAMIENTOS para la elaboración y presentación de los análisis costo y beneficio de los
programas y proyectos de inversión. 2015 ed. México (Ciudad de México): Secretaría de Hacienda y Crédito
Público.
Smith, G. ,. C. D. W. B. M. M., s.f. MODELLING THE INFLUENCE OF BUILDINGS ON FLOOD FLOW.
Ven Te Chow, V., Maidment, D. R. & Mays, L. W., 1994. Hidrología Aplicada. Bogotá: McGraw Hill
Interamericana S.A..
Vázquez Rodríguez, H. G., 2012. Tesis Inundaciones en Zonas Urbanas. Medidas Preventivas y Correctivas,
Acciones Estructurales y No Estructurales. Jiutepec(Morelos): Universidad Autónoma de México.
Viand, J. M. & Silvia, G. G., s.f. Crear riesgo, ocultar riesgo: gestión de inundaciones y política urbana en
dos ciudades argentinas. [En línea] https://www.ina.gov.ar/pdf/ifrrhh/01_027_Viand.pdf

IAHR AIIH
XXVIII CONGRESO LATINOAMERICANO DE HIDRÁULICA
BUENOS AIRES, ARGENTINA, SEPTIEMBRE DE 2018
HYDRO-BID, UN MODELO PARA ESTIMAR LA DISPONIBILIDAD

DE AGUA Y PRODUCCIÓN DE SEDIMENTOS Y SU VARIABILIDAD
POR CAMBIOS CLIMATICOS
Borsellino, M.J1, Moreda, F.2 , Nalesso, M.3 y Coli, P3

1:COREBE, Argentina mjborsellino@corebe.org.ar; 2 R. T. I; fmoreda@rti.org;3 B.I.D, USA; mauron@iadb.org;
pcoli@iadb.org
RESUMEN:
Los países de América Latina y el Caribe (LAC) han experimentado un incremento en el

número de eventos extremos en los últimos 30 años, provocando precipitaciones récord en algunas
regiones y sequías en otras. Los pronósticos de los próximos 20 años indican que entre 12 y 81
millones de personas experimentarán estrés hídrico, con el número incrementándose hacia la década
del 2050. Los impactos del cambio y/o variabilidad climático serán variados a través de la región tal
como lo resume el Panel Intergubernamental en Cambio Climático (Magrin et al., 2007).
En tal sentido el Banco Interamericano de Desarrollo, ha desarrollado Hydro-Bid, como un
sistema integrado y cuantitativo para simular los procesos hidrológicos y la gestión de recursos
hídricos en la región de America Latina y el Caribe (ALC), bajo escenarios de cambio (p. ej., clima,
uso del suelo, población), que permite evaluar cantidad y calidad del agua, las necesidades de
infraestructura, y el diseño de estrategias y proyectos de adaptación en respuesta a estos cambios.
ABSTRACT:
The countries of Latin America and the Caribbean (LAC) have experienced an increase in
the number of extreme events in the last 30 years, causing record rainfall in some regions and
drought in others. The forecasts for the next 20 years indicate that between 12 and 81 million people
will experience water stress, with the number increasing towards the 2050s. The impacts of climate
change and / or variability will be varied throughout the region as summarized the
Intergovernmental Panel on Climate Change (Magrin et al., 2007).
In this sense, the Inter-American Development Bank has developed Hydro-Bid, as an
integrated and quantitative system to simulate hydrological processes and the management of water
resources in the Latin American and Caribbean (LAC) region, under scenarios of change (p (eg,
climate, land use, population), which allows the evaluation of water quantity and quality,
infrastructure needs, and the design of adaptation strategies and projects in response to these
changes.
PALABRAS CLAVES: Simulación, Hidrología, Clima, Mitigación y Adaptación

INTRODUCCIÓN
En la región de LAC, los cambios en los patrones de precipitación producirán lluvias más
intensas en algunas áreas y sequía en otras. Tormentas más frecuentes y violentas podrían causar
daños a la infraestructura, mientras que la disminución de lluvias causaría estrés hídrico. En las
regiones montañosas, la pérdida de agua almacenada en los glaciares puede causar reducción a
largo plazo en las corrientes de ríos y los procesos de recarga de aguas subterráneas, resultando en
estrés del suministro de agua para las personas, la agricultura y los ecosistemas, así como también
una capacidad de generación hidroeléctrica reducida. La energía hidroeléctrica es la principal fuente
de electricidad en la mayoría de países latinoamericanos y está en gran riesgo por cambios en los
caudales y la disponibilidad de aguas.
En una primera fase Hydro-BID ha desarrollado una versión operacional que incluyo: (1)
una Base de Datos de Hidrología Analítica (AHD) para la región de América Latina y el Caribe
(LAC - AHD), una representación digital de 229,300 cuencas en Centroamérica, América del Sur y
el Caribe, con sus correspondientes topologias y redes de drenaje ; (2) un sistema de información
geográfica ( SIG), como herramienta de navegación para explorar las cuencas y ríos de la AHD, con
la capacidad de navegar aguas arriba y aguas abajo; (3) una interfaz de usuario para determinar
específicamente el área y el período de tiempo a ser simulado y la ubicación del sitio donde la
disponibilidad de agua será simulada; (4) una interfaz de datos climáticos para generar las entradas
de precipitación y temperatura para el área y el período de interés; (5) un modelo de precipitación -
escorrentía basado en el Factor de Carga de Cauces Generalizados (GWLF); y (6) un esquema de
cálculo hidráulico (routing) para cuantificar el tiempo de tránsito y los estimados de flujo
acumulados a través de las cuencas aguas abajo.
En la fase II Hydro-BID, incorpora una versión actualizada que incluye (1) mejoras en la
interfaz de usuario; (2) un módulo para simular el efecto de los reservorios en los caudales aguas
abajo; (3) un módulo de enlace de Hydro-BID y los modelos de aguas subterráneas desarrollados
con MODFLOW e incorporar los intercambios de agua entre las aguas subterráneas y los
compartimientos de aguas superficiales dentro de la simulación de la disponibilidad de agua
superficial; y (4) un modulo para estimación de producción de sedimento en cuencas utilizando las
ecuaciones de MUSLE (Ecuación Universal de Pérdida de Suelo Modificada) y la de Gavrilovic.
Luego de simulado el comportamiento hidrológico de una cuenca, Hydro-BID cuenta con
un modulo para el análisis de cambios climáticos, que permite estimar la temperatura y
precipitación analizando diferentes escenarios posibles. Los modelos climáticos considerados son
los que actualmente utilizan en el Panel Intergubernamental sobre el Cambio Climático 4 (IPCC4).
Particularmente en este caso se incluyo también los servicios del Centro de Investigaciones del Mar
y la Atmósfera (CIMA-UBA) para realizar predicciones climáticas, utilizando la nueva generación
de modelos climáticos, conocida como Proyecto de Intercomparación de Modelos Acoplados Fase 5
(CMIP5).
Obtenidos los nuevos escenarios climáticos, básicamente precipitación y temperatura, para
proyecciones a 20, 30, 40 o 50 años, el modelo es nuevamente operado con estos nuevos datos, a los
efectos de poder establecer el impacto de las posibles modificaciones tanto en la escorrentía, como
en la producción de sedimentos.
OBJETIVOS
Como parte de su compromiso de ayudar a los países miembros, en la adaptación al cambio

climático, el BID ha desarrollado una herramientas de simulación de cuencas conocidas como
Hydro-BID. El Sistema de simulación Hydro-BID incluye módulos de análisis hidrológico y
climático para estimar la disponibilidad (volúmenes y caudales) de agua dulce a escalas regional, de
cuencas y de sub-cuencas. Incluirá también los análisis económicos y las herramientas de soporte de
decisiones para estimar los costos y beneficios de las medidas de adaptación y ayudar a los

responsables de tomar decisiones en la escogencia entre diseños alternativos de proyectos de
infraestructura así como entre políticas de gestión de recursos hídricos.
METODOLOGIA
Base de Datos de Hidrología Analítica (AHD)

Es una base de datos espacialmente explicita (i.e., basada en un sistema de información
geográfica –GIS-) de aguas superficiales. Sirve como una plataforma espacial regional para integrar
datos dispersos necesarios para apoyar los modelos hidrológicos. Permite un marco para la
parametrización de modelos de una manera consistente, que provee la conectividad del flujo aguas
arriba y/o abajo, necesaria para la simulación.
La AHD tiene cuatro características claves que permiten el desarrollo y la implementación
de herramientas de análisis de recursos hídricos, en el contexto de su dinámica en una red
hidrográfica. Ellas son:
 una estructura de cuencas de polígono anidado con un esquema único de identificación .
 una estructura derivada correspondiente para los segmentos fluviales contenidos dentro de las
cuencas.
 atributos descriptivos que crean un sistema interconectado de segmentos fluviales aguas arriba y
aguas abajo y entre cuencas.
 una estructura de base de datos para poblar y adjuntar atributos adicionales específicos al modelo.
La AHD deriva los datos digitales de elevación de la SRTM, modificados por la USGS para
proveer un flujo más preciso entre las celdas de los datos raster. Además contiene segmentos
fluviales vectoriales y cuencas de aporte mediante poligonales y los atributos correspondientes, en
conjunto con Modelos de Elevación Digital (DEM), libre de vacíos de datos rasters de dirección y
acumulación de flujo.
Hydro-BID utiliza la estructura de datos y las topologías de red de drenaje y cuencas de la
AHD. Éste incorpora datos de uso de suelos, tipos de suelos, precipitaciones y temperatura, dentro
del área de estudio, así como los flujos de corrientes observados para usarlos en la calibración.
Incluye también un interfaz de pre-procesador para desagregar datos de clima mensual en una serie
de tiempo diaria de temperatura y precipitación, siendo ésta la forma requerida de entrada de datos.
Figura 1
El Sistema emplea para la simulación hidrológica, el modelo standard Factor de Carga de
Cauces Generalizados - (GWLF) en conjunto con una metodología nueva para el transito (lag-
routing) desarrollada por RTI. La salida se genera como una serie de tiempo de proyecciones de
flujos de agua, en escala diaria o mensual.
Figura 1.- Diagrama de Flujo de Hydro-BID

Los datos de la cobertura de suelos usados para este estudio, se obtuvieron del United States
Geological Survey (USGS) caracterización Global de tierras (para sudamerica), mientras que para
el tipo de suelos emplea La Base de Datos Armonizada Mundial de Suelos (HWSD), para
parametrizar los números de curva para la región de LAC. Sin embargo si se cuenta con mapas de
usos de suelo y tipos de suelo para la zona en estudio los mismos pueden ser incluidos en el AHD.
Las figuras 2 y 3 muestran los mecanismos de indexación pos cuencas de estos parámetros.
Figura 2.- Mapa de Uso de Suelo Figura 3.- Mapa de Tipo de Suelo
Simulación Hidrológica
El modelo calcula la escorrentía y los flujos base por cuenca de aporte, la escorrentía se
genera en forma de exceso de infiltración y el flujo base es una liberación gradual de la capa
saturada. Tras tomar en cuenta la escorrentía proveniente de las precipitaciones, toda agua que
excede un volumen calculado de evaporación se infiltra a la capa no saturada. Con el tiempo, el
agua infiltrada se pasa desde la capa no saturada
hacia abajo para reponer el volumen almacenado
de la capa saturada. El agua de la capa saturada
ingresa en el canal de corriente como flujo de
base donde se combina con la escorrentía de la
cuenca y otros flujos de entrada provenientes de
las cuencas de aguas arriba, para proporcionar el
volumen de flujo de corriente para el día. Cabe
destacar que la capa saturada, o agua disponible
como flujo de base, puede agotarse por medio de
la filtración a un acuífero subterráneo más
profundo.
Figura 5.- Representación del modelo de GWLF
Carga de Sedimentos
En la nueva versión de Hydro-BID, además de las estimaciones hidrológicas, se incorporan
dos metodologías para determinar las cargas de sedimentos desde las cuencas de aporte. El primer
método se basa en la la Ecuación Universal de Pérdidas de Suelo Modificada (MUSLE) y la
segunda se basa en la ecuación de Garrilovic (1959) modificada por Zemlijc (1971). Ambos están
perfectamente vinculados a la simulación del GWLF. Mientras que MUSLE se implementa para
generar cargas de sedimento diarias para cada cuencas, el método Garrilovic se desarrolla sólo para
cargas de sedimentos anuales. Las siguientes secciones describen las dos metodologías y sus
parámetros.
Para la resolución de ambos métodos el AHD incorpora a la Base de Datos, los parámetros
requeridos por las dos modelos para la resolución en cada grilla la producción de sedimentos.

Evaluación de Escenarios Climáticos
La evaluación de escenarios de cambio climático, es una ciencia inexacta y los diversos
métodos están evolucionando continuamente. Por lo tanto, la estimación de la temperatura y la
precipitaciones futuras, generalmente se aborda al considerar una variedad de enfoques, que
incluyen diferentes escenarios de emisión, diferentes Modelos de Circulación Global (GCM), el uso
de modelos globales con resolución de cuadrícula de 100-200 km, y modelos regionales de escala
reducida con una resolución de cuadrícula de 50 km. Además, la mayoría de los modelos climáticos
se realizan actualmente utilizando metodologías del Panel Intergubernamental sobre el Cambio
Climático 4 (IPCC4). El presente modelo también incorporo los servicios del Centro de
Investigaciones del Mar y la Atmósfera (CIMA-UBA) para realizar predicciones climáticas,
utilizando la nueva generación de modelos climáticos, conocida como Proyecto de
Intercomparación de Modelos Acoplados Fase 5 (CMIP5).
CASOS DE ESTUDIO
Hydro-BID I
En esta primera etapa fue seleccionada la cuenca del Rio Grande (figura 6). Esta cuenca
nace en la cordillera oriental sobre el límite con la Puna y la provincia de Salta. Se caracteriza por
estar conformada por un relieve montañoso, con picos de más de 4,200 m de altura, cuyos derrames
escurren con dirección norte - sur, atravesando la capital provincial de San Salvador de Jujuy
(altitud 1,200m), para posteriormente girar hacia el este, hasta confluir con al Río Lavallan y formar
a partir de allí el Río San Francisco, que finalmente drena
sus aguas hacia el Río Bermejo.
El clima se caracteriza por presentar un régimen
hidrológico estrictamente estacional, con estación húmeda
bien marcada (veranos) y prolongados periodos de sequias
en inviernos fríos. El gradiente pluviommetrico presenta un
marcado descenso en la dirección SE-NO, alcanzando los
menores registros en las partes mas altas de la cuenca.
La ciudad capital de la provincia, San Salvador de
Jujuy, cuenta con una población de 265.000 en (año 2010).
La totalidad de sus habitantes se abastecen desde el Rio
Grande
Por su parte el sur de la provincia, cuenta con un
valle de producción agrícola, cuya superficie es de unas
34.000 has, y su sistemas de riego es también abastecido a
partir de derivaciones realizadas desde el Rio Grande.
Todos estos centros de consumos tienen como obra de
Figura 6.- Cuenca Rio Grande cabecera la presa de Los Molinos, desde donde se deriva las
aguas captadas hacia dos embalses laterales denominados
Las Maderas y La Cienaga, que poseen una capacidad total de almacenamiento de unos 300 hm3.
La metodología planteada en el trabajo, fue la de evaluar la disponibilidad de agua
utilizando el modelo Hydro-BID, realizar un análisis climático actual y futuro, calcular la demanda
de agua no satisfecha, utilizando el modelo de Evaluación y Planificación del Agua (WEAP), y
finalmente plantear las opciones de adaptación.
Para la aplicación del modelo Hydro-BID, se dispuso de siete (7) estaciones pluviométricas
y cuatro de aforos cuyos datos fueron procesados y homogenizados para contar con series
adecuadas a los objetivos del trabajo. Dada la compleja geografía de las subcuencas y los diferentes
usos del agua, se considero necesario simular flujos a la salida de tres sub cuencas.

Las sub cuencas seleccionadas fueron de de el Rio Grande, hasta la presa de Los Molino, la
cual fue desagregada en 69 subcuencas; Los Alisos y Rio Perico que fue dividida en seis
subcuencas (Fig. 6).
Los caudales mensuales simulados en las tres cuencas se compararon con los flujos
observados, mostrando tendencias estacionales similares, como se ilustra en las Figura 7 y 8. Es de
destacar que los caudales simulados y observados se corresponden bien en los meses secos de
Figura 7.-Ajuste año hidrológico medio inviernoFigura

y algo 8.-Ajuste
menos riguroso en la tempora
periodo interanual
invierno y menos estricto en la estación húmeda. Sin embargo atendiendo a los objetivos de esta
herramienta, precisamente la temporada seca (invierno) es la de interés para evaluar la escasez, por
lo que el ajuste en este periodo es asumido como adecuado.
Cuando se compara los resultados del modelo de los caudales mensuales observados y
simulados para el período de calibración, se observa también que en general, el modelo simula bien
el balance de agua, con una sobreestimación de los altos caudales de verano. La diferencia en el
flujo general durante la década 2001-2010 fue del 14%. La correlación general entre observado y
simulado fue del 85%.
Si bien estos ajustes podrían ser mejorados en base a información más completa, estos
resultados pueden ayudar en cuestiones inmediatas de gestión, asignación de cupos, etc. También
puede ayudar en otros problemas de recursos hídricos, como la selección de sitios para nuevas
estaciones de medición y monitoreo.
Evaluación de Escenarios Climáticos

A los efectos de la presente aplicación, se consideraron y compararon los resultados del
conjunto de metodologías propuesta por el CIMA y las dos proyecciones de Climate Wizard, para
los factores de escala de temperatura y precipitación durante las décadas desde 2011-2020 hasta
2051-2060. La Figura 9 muestra datos del factor de escala para dos meses: enero (húmedo) y
octubre (estación seca). Se observa una tendencia creciente en la temperatura y no así en la
precipitación. La información del conjunto CIMA es claramente "más suave" y menos extrema,
presumiblemente porque combina muchos modelos climáticos. Sin embargo, es posible que no
refleje la volatilidad interanual que puede esperarse en función de tendencias pasadas. No hay una
razón clara para preferir un enfoque sobre el otro, por lo que para el presente análisis se emplearon
Figura 9.- Comparación de los factores de escala para diferentes proyecciones climáticas

las tres proyecciones climáticas.
El período 2000-2010 fue asumido como década de referencia. Los cálculos para las
décadas futuras se basan en la temperatura y precipitación de las proyecciones climáticas indicadas
precedentemente. Posteriormente todos los resultados del modelo climático se incorporan al modelo
hidrológico, para calcular nuevos valores de caudales para el Río Grande. La figura 10 muestra los
caudales medios anuales para los diferentes escenarios climáticos evaluados.
Figura 10.-Caudal medio anual proyectado según diferentes escenarios climáticos
Evaluación de la demanda y oferta

En base a la información brindada por la provincia de Jujuy, respecto de los consumos
urbanos, para las ciudades de San Salvador, Palpala, Perico y otras poblaciones menores, que se
abastecen del Rio Grande, como así también de las superficies
bajo riego y el tipo de cultivos de la región, se estimaron los
consumos totales para cada uno de los diferentes usos, según el
esquema de aprovechamiento indicado en la figura 11.
Definidos los consumos, se estimaron las demandas
no satisfechas para las condiciones actuales y luego se
evaluaron como se modifican estas, con los diferentes
escenarios climáticos analizados y su impacto en la
disponibilidad de agua.
En tal sentido, se puede observar que si bien no existe
una tendencia definida respecto de los caudales medios anuales,
si lo hay en la temperatura, lo cual incide severamente en la
evapotranspiración y por lo tanto en el consumo con fines
agrícolas. Conocidos las demandas no satisfechas para un
pronóstico al año 2050, se propusieron diferentes medidas de
mitigación para minimizar esta porción no satisfecha.
Figura 11.- Usos del agua en el La figura 12 muestra como crece la demanda no
Rio Grande satisfecha hacia el año 2050, según sea el escenario considerado.
En general se muestra que esta
demanda se incrementa, cualquiera
sea el modelo climático empleado,
para la evaluación de posibles
escenarios.
Para mitigar este déficit, se
propusieron tres medidas de
mitigación, obteniéndose una
sensible disminución de la demanda
no satisfecha, según sea el esquema
adoptado. La figura 13, muestra
como se mitiga parcialmente el Figura 12.- Demanda no satisfecha al año 2050
impacto, si se considera el escenario

estimado en base a los modelos climáticos
del CIMA.
Claramente se advierte como se
podría mitigar el efecto provocado por un
escenario climático adverso, minimizando
la demanda no satisfecha, a partir de una
serie de medidas destinadas a optimizar la
eficiencia de los sistemas de distribución y
Figura 13.- Demanda no satisfecha escenario CIMA aplicación del agua.
Hydro-BID II
En esta nueva versión de Hydro-BID, se implementaron dos metodologías para determinar
la producción de sedimentos desde las cuencas de aporte. Para ello recurre al empleo de modelos de
producción de sedimentos a nivel de cuenca. Un método se basa en la Ecuación Universal de
Pérdidas de Suelo Modificada (MUSLE) y el segunda en la ecuación de Garrilovic (1959)
modificada por Zemlijc (1971). Este último, es un método paramétrico de cuantificación de la
erosión superficial, que ha sido aplicada en cuencas balcánicas y alpinas y que fue diseñada para
estimar la producción de sedimentos en cuencas de pendientes complejas.
Ambos modelos están acopados a la simulación de GWLF. Mientras que MUSLE se
implementa para generar cargas de sedimento diarias, el método Gavrilovic se desarrolla sólo para
cargas de sedimentos anuales.
Modelo de MUSLE
MUSLE es una modificación de la USLE original y calcula las tasas diarias de erosión
como una función de la escorrentía diaria y de los parámetros USLE, mientras que USLE predice la
erosión bruta anual como una función de la energía generada a través de lluvias. Para MUSLE, la
energía de la lluvia está representada por el uso del caudal pico sumada a la escorrentía superficial,
según la siguiente ecuación.
𝑆𝑆𝑆𝑆𝑆𝑆𝑡𝑡 = 11.8 (𝑄𝑄𝑡𝑡 𝑄𝑄𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 )0.56 𝐾𝐾𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈 𝐶𝐶𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈 𝑃𝑃𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈 𝐿𝐿𝐿𝐿𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 [1]
Donde Sedt es la producción de sedimento en el día t,(toneladas); Qt es el volumen de escorrentía

superficial para ese día (m3), esta es un resultado/output diario del modelo hidrológico; Qpeak es
el pico de caudal diario (m3/s); LSUSLE es el factor topográfico; KUSLE es el factor de la
erosionabilidad del suelo: CUSLE , el factor de cobertura; PUSLE es el factor de prácticas de laboreo
de suelos y CFRG es el factor de fragmentos gruesos.
Modelo de GRAVILOVIC
El método permite calcular la producción media anual de sedimentos por erosión
superficial, como el producto de dos relaciones diferentes, es decir el volumen promedio anual
erosionado de sedimento y el coeficiente de retención, según la siguiente expresión:
𝐺𝐺 = 𝑊𝑊𝑊𝑊 [2]
Donde G es el volumen de sedimentos anual (m3/año); W el promedio potencial anual de

producción de sedimentos por la erosión superficial (m3/año) y R el coeficiente de redepositación o
de retención de sedimentos:
𝑊𝑊 = 𝑇𝑇𝑇𝑇𝑇𝑇𝑍𝑍1,5 𝐹𝐹 [3]

(𝑂𝑂𝑂𝑂𝑂𝑂)0.5 (𝐿𝐿+𝐿𝐿𝑖𝑖 )
𝑅𝑅 = (𝐿𝐿+10)𝑥𝑥𝑥𝑥
[4]
𝑇𝑇 = (𝑡𝑡⁄10 + 0.1)0.5 ; 𝑍𝑍 = 𝑋𝑋𝑋𝑋[𝜑𝜑 + 𝐽𝐽0,5 ] [5]
Con t, la temperatura media anual (oC); H precipitación media anual (mm); F el área de la cuenca
(Km2); Z el coeficiente de erosión; X coeficiente de uso de suelo; Y coeficiente de resistencia del
suelo; el coeficiente de erosión observada; S el perímetro de la cuenca (km); D la diferencia de
elevación entre la media y la mínima (km) ; L la longitud del cauce principal, Li, es la longitud de
afluentes secundario (km) y F área de la cuenca.
Aplicación en la Cuenca del Rio Bermejo

Debido a las dimensiones de la cuenca del Rio Bermejo, para la aplicación de ambos
métodos, se selecciono una de las regiones homogéneas definidas por COREBE, en su Plan de
Aprovechamientos Múltiples de la Alta cuenca.
Específicamente se eligio la denominada Región II, que fue
discretizada en 1.709 sub cuencas de aproximadamente 15
km2 cada una. El área total de drenaje es de 25.431 km2. Los
datos climáticos de 21 estaciones de la cuenca, se utilizaron
para crear la base de datos climáticos interpolados que cubren
toda la superficie, durante un período de registro de 30 años.
Se seleccionaron tres estaciones de aforos para calibrar el
modelo y dos para validarlo. Una vez efectuada la modelación
de flujo, se usaron los dos métodos de cálculo de producción
de sedimentos
La figura 14, muestra la localización de la Región II
y las estaciones de medición empleadas. En una primera etapa
se ajusto el modelo hidrológico implementado en Hydro-BID,
calibrándolo y validándolo en base a las estaciones de aforos
disponibles. Considerando la Estación Pozo Sarmiento, que
totaliza los caudales producidos en la Región II, se obtuvieron
Figura 14.- Ubicación Región II resultados adecuados.
El periodo adoptado para la calibración fue desde 1990 a 1998. La figura 15 muestra el
ajuste de la curva de duración de caudales y el hidrograma medio mensual para el periodo de la
estación Pozo Sarmiento
Figura 15.- Ajuste de Caudales en estación Pozo Sarmiento
Ajustado el modelo hidrológico, se procedió de igual manera a calibrar los modelos

sedimentológicos, para lo cual se incluyeron en la AHD las capas correspondientes los parámetros
requeridos por MUSLE y GRAVILOVIC. Los resultados obtenidos se muestran en la tabla 1

Tabla 1. -Valores estimados para el ajuste de los modelos sedimentológicos
Como se observa en la tabla, el ajuste se estimo adecuado para todas las estaciones, a
excepción de Pozo Sarmiento.
Evaluación de los Escenarios Climáticos

En Hydro-BID I se efectuaron las proyecciones mensuales de temperatura y precipitación
para las décadas desde 2001-2010 hasta 2051-2060, en una sub cuenca del Rio Bermejo, como lo es
la cuenca del Río Grande. Los factores originales del estudio anterior son relativos a una línea base
de 2001-2010. En este caso lo valores se ajustaron a una línea base de 1991-2000. La Tabla 2
muestra una comparación de las proyecciones de precipitación del conjunto CIMA y Climate
Wizard para 2021-2030 y 2041-2050. Los conjuntos CIMA muestran una lluvia de verano
significativamente más alta y lluvias de invierno ligeramente más bajas.
Tabla 2.- Comparación de escenarios climáticos para ajustar la precipitación

2021–2030 2041-2050
Temporada Climate Climate
CIMA CIMA
Wizard Wizard
Verano (Dec-February) 1.5 0.99 1.6 0.99
Otoño (Mar-May) 1 0.89 0.88 0.88
Invierno (Jun-August) 1.2 0.9 1.4 1.1
Primavera(Septr - Nov) 1.7 0.93 1.5 0.55
Los cambios en las precipitaciones no muestran variaciones estacionales o interdecada

consistentes. La predicción de lluvias futuras no muestra una tendencia clara, pero la temperatura
muestra un aumento constante, especialmente en los meses secos de invierno
Finalmente, la carga de sedimentos en condiciones de nuevos escenarios climático se
modeló bajo cada conjunto de parámetros de ajuste climático usando MUSLE y el método de
Gavrilovic . Los resultados para cada método y proyección climática se muestran a continuación en
las tablas 3 (MUSLE) 4 (Gavrilovic).
Tabla 3.- Variación del volumen de sedimentos según modelo de MUSLE

DdKKDh^>
Climate Wizard CIMA
Estación
2021-2030 2041-2050 2021-2030 2041-2050
San Jose 30.20% 11.90% 14.30% 15.40%
Pozo Sarmiento 32.80% 6.30% 9.90% 10.70%
Cuatro Cedros 70.70% 35.60% 40.40% 42.00%
Aguas Blancas 41.60% 12.30% 16.20% 16.90%
Balapuca 41.80% 12.30% 16.30% 17.00%

Tabla 4.- Variación del volumen de sedimentos según modelo de GRAVOILOVIC
DdKK'Zs/>Ks/
Climate Wizard CIMA
Estación
2021-2030 2041-2050 2021-2030 2041-2050
San Jose -9.50% -19.50% -7.20% -6.30%
Pozo Sarmiento -9.50% -19.50% -7.20% -6.30%
Cuatro Cedros -9.50% -19.50% -7.20% -6.30%
Aguas Blancas -9.50% -19.50% -7.20% -6.30%
Balapuca -9.50% -19.50% -7.20% -6.30%
CONCLUSIONES
 El modelo hidrológico fue calibrado y validado contra dos estaciones, una del Cuenca del
Rio Grande, y otra del San Francisco con aceptables niveles de error.
 Los modelo de cambio climático empleados indican que la precipitación media anual en la
cuenca no muestra una tendencia definida respeto de su variación. El impacto directo del
cambio climático en los caudales de los ríos parece ser pequeño.
 El modelo confirma la experiencia actual de los usuarios de agua en la cuenca. Se
obtienen resultados que muestran la demanda no satisfecha (escasez de agua) durante los
meses "secos" de agosto a noviembre para tanto para los consumos urbanos como
productivos.
 La demanda de agua en las cuencas aumentará drásticamente en los próximos 50 años
debido a un incremento de los requerimientos urbanos e industrial y fundamentalmente
en del riego, como consecuencia de a un incremento en la temperatura, que aumenta la
evapotranspiración (ETr).
 En virtud de los resultados obtenidos se concluye que es necesario aumentar las
eficiencias de los sistemas de captación y distribución y aplicación de agua ya que ello
proporcionará un gran beneficio para adaptarse a los cambios previstos en el clima.
 El modulo de sedimentos contiene dos métodos de cálculo la ecuación de pérdida de
suelo universal modificada (MUSLE) y Gavrilovic.
 Las cargas de sedimento se calcularon con cada método y se compararon con los valores
observados y calculados por Hydro-BID y por COREBE.
 Se observan algunas diferencias en los resultados de la producción de sedimentos totales,
según sean los modelos empleados, (sedimentos y cambio climático) y ello se puede
atribuir a las variables empleadas en cada modelo de producción de sedimentos.
 En el modelo MUSLE, las cargas de sedimentos aumentan en todos los escenarios,
mientras que las cargas disminuyen para todos los escenarios de Gavrilovic. Las
estimaciones de fundamentalmente el resultado de los cálculos utilizados por cada
método. Los cálculos de MUSLE, ocurren diariamente con consideración del caudal
promedio y pico, estimador por Hydro-BID, y por lo tanto son más sensibles a los
cambios en el régimen de flujo. Cuando se analiza la curva de duración del caudales para
Pozo Sarmiento, la diferencia entre los eventos de caudales bajos y altos (entre 25 % y 75
%) aumentó con el cambio climático. Sin embargo, la magnitud del cambio varía
sustancialmente entre décadas. Usando Climate Wizard, los valores aumentan mucho en
2021-2030 y menos para el 2041-2050. Según la proyección de CIMA, los valores
aumentan durante 2021-2030 y en gran medida no cambian para 2041-2050.
Por su parte el método de Gavrilovic agrega las tendencias anuales de precipitación y
temperatura para estimar una producción anual. Este cálculo más grueso no incluye la
consideración de los picos máximos subanuales, sino cambios con un comportamiento
climático más amplio. Los cambios en la precipitación son directamente proporcionales a

los cambios en el sedimento. Debido a que se emplea un modificador climático único en
cada mes, para todas las cuencas, los rendimientos de sedimentos estimados disminuyeron
en todas ellas en cada escenario, con iguales valores (Tabla 4). Bajo la proyección de
Climate Wizard, las cargas de sedimentos disminuyen en los márgenes más grandes desde
2021 hasta 2030. Por el contrario, los valores disminuyen en aproximadamente la misma
cantidad (~ 7%) bajo la proyección CIMA.
 EL modelo Hydro-Bid, es una herramienta destacada y complementaria, para el desarrollo
de un plan de gestión de recursos hídricos, considerando posibles escenarios cambio o
variabilidad climática. Particularmente, en el caso de la Region II de la alta cuenca del Rio
Bermejo, el Plan de Aporvechamientos Multiples de la Alta Cuenca, ha identificado 47
aprovechamientos multipropósito, y por lo tanto esta metodología permitiría estimar como
impactaría en el Indice de Atarquinamiento de cada uno de ellos en un futuro próximo.
 En este sentido, el modelo Hydro-Bid, es una herramienta destacada y complementaria, para
el desarrollo del Plan de Aprovechamientos Múltiples de la Alta cuenca del Rio Bermejo,
que ayuda a la toma de decisiones en la planificación de las obras de aprovechamiento.
REFERENCIAS BIBLIOGRÁFICAS
Comisión Regional del Rio Bermejo (COREBE). (2013). “Plan de Aprovechamiento Multiple de los
Recursos Hidricos de la Alta Cuenca del Rio Bermejo en la República Argentina.
Gavrilovic, Z. (1959). Method for classification of stream basins and new equations for the calculationof
high water flood and sediment load. Vadoprievreda, Belgrade
Moreda, Fekadu Ph.D (2013). “Technical Note 2 , Hydro-BID: An Integrated System for Modeling
Impacts of Climate Change on Water Resources” RTI International
Miralles-Wilhelm, F; Brantliy, E.; Borselliino, M.; Castellano, E. et al :“ Water resources management
and climate adaptation in the Rio Grande Basin, Argentina”. Water an Cities in latin America. Pp197-218.
ISBN 978-0-415-73097-6
Moreda, Fekadu Ph.D, Benjamin, S; Nalesso, M; Coli Valdes, P.; Corrales, J.” Nota Técnica IDB-TN-
1116, Hydro-BID: Nuevas Funcionalidades (Módulos de Simulación de Embalses, Transporte de Sedimentos
y de Aguas Subterráneas)”. Noviembre 2016
Rinner, J. and Bruhn, M. (2013) “Technical Note 1. An Analytical Hydrology Dataset for Latin American
and eth Caribbean.” RTI International
Williams, J. R. (1975) “Sediment Routing for Agricultural Watersheds.” Journal of the American Water
Resources Association. 11 (5). p. 965-974

IAHR AIIH
USO DE DATOS DE RADAR PARA LA MODELACIÓN HIDRÁULICA DE

LA CUENCA DEL RÍO EL SABINAL, CHIAPAS, MÉXICO
Jomaelah Morales Rayo1, José Manuel Rodríguez Varela2, Oscar Jesús Llaguno Guilberto3,
Olivia Rodríguez López 4
1
Universidad Nacional Autónoma de México, 2-4 Instituto Mexicano de Tecnología del Agua, 1-4México.
1
jomaelahmr@gmail.com, 2manuel_rodriguez@tlaloc.imta.mx, 3oscar_llaguno@tlaloc.imta.mx,
4
olivia_rodriguez@tlaloc.imta.mx
RESUMEN: La precipitación es un proceso complejo, con una alta variabilidad espacial y

temporal. La estimación correcta de esta variable es fundamental para calcular de forma adecuada la
dinámica de los procesos hidrológicos y por ende los hidráulicos. El siguiente trabajo presenta la
metodología empleada para la generación de un modelo hidrológico-hidráulico distribuido
alimentado por información de un radar numérico, con el objetivo de conocer la respuesta del rio
Sabinal (gastos, velocidades y tirantes), perteneciente a la cuenca del río Sabinal en el estado de
Chiapas, México. Con respecto a la hidrología, en específico los datos de lluvia, se generaron a
partir de la relación Reflectividad (dBZ)-Intensidad (mm/hr), siendo la reflectividad calculada por
el modelo Weather Research and Forecasting (WRF-IMTA) y la estimación de la intensidad de
lluvia se obtuvo mediante los registros de datos de las Estaciones Meteorológicas Automáticas
(EMAS) de la zona de estudio. Asimismo, se obtuvieron los factores de corrección sobre las celdas
del modelo WRF-IMTA que permitieron asociarlos con los datos de lluvia registrados. Para la parte
hidrológica-hidráulica se utilizó un modelo de simulación hidráulica unidimensional que considera
infraestructura pluvial existente. Posteriormente se realizó la calibración del modelo hidráulico,
consiguiéndose datos similares a los medidos por la estación hidrométrica Parque Oriente ubicada a
3 km en la salida de la cuenca.
ABSTRACT: Precipitation is a complex process, with high spatial and temporal variability. The
correct estimation of this variable is fundamental to calculate appropriately the dynamics of the
hydrological processes and therefore the hydraulics ones. This work presents the methodology used
for the generation of a distributed hydrological-hydraulic model processed by information from a
numerical radar, with the objective of knowing the response of the Sabinal River (inflows, speeds
and depths), belonging to the basin of the Sabinal River in the state of Chiapas, Mexico. According
to the hydrology, specifically rain data, these were generated from the relationship Reflectivity
(dBZ) -Intensity (mm/hr), being the reflectivity calculated by the model Weather Research and
Forecasting (WRF-IMTA) and the Rainfall intensity estimation was obtained by means of the data
records of the Automatic Meteorological Stations (AMS) of the study area. Likewise, correction
factors were obtained on the cells of the WRF-IMTA model that allowed associating them with the
recorded rainfall data. For the hydrological-hydraulic part, a one-dimensional hydraulic simulation
model was used that considers existing pluvial infrastructure, resulting in the obtaining of depths
and flows along the Sabinal River. Then the calibration of the hydraulic model was carried out,
resulting acceptable values, achieving data similar to those measured by the Parque Oriente
hydrometric station located 3 km away from the basin.
PALABRAS CLAVES: Calibración, lluvia-escurrimiento, modelo 1D

INTRODUCCIÓN
En la actualidad la República Mexicana está sujeta a diversas amenazas naturales que afectan a la
sociedad y por ende tienen un impacto socioeconómico, entre los fenómenos hidrometeorológicos
que más afectan se encuentran: la sequía, temperatura extrema, ciclones y precipitaciones extremas.
Dentro de los principales problemas que generan los fenómenos meteorológicos con intensidad
inusual, están las precipitaciones extremas, producto de huracanes, tormentas y depresiones
tropicales, así como fenómenos convectivos. Dichas precipitaciones generan inundaciones que
suelen producir severos daños a la población, vías de comunicación, a la infraestructura urbana,
hidroagrícola, fauna, así como a diversas actividades económicas e incluso pueden ocasionar
pérdidas de vidas humanas (IMTA, 2015).
Se estima que en el área inundable temporal a nivel nacional es del orden de 161,510 km2, de
1,959,248 km2 que comprende el Territorio nacional (8.24 %), (CONAGUA 2011). Actualmente en
México, ante esta necesidad de poder conocer y entender el comportamiento de la escorrentía
fluvial, se tienen diversos programas que permiten establecer una lluvia distribuida temporalmente,
pero no espacialmente.
En el presente trabajo se desarrolla la aplicación de un modelo distribuido alimentado con

información de radar numérico aplicados a zonas urbanas que reflejen el comportamiento y la
evolución de la lluvia ante un evento hidrometeorológico extremo como son las precipitaciones
generadas por tormentas, ondas tropicales o huracanes. La metodología empleada en la generación
de un modelo distribuido hidrológico e hidráulico alimentado con información de lluvia proveniente
del modelo Weather Research and Forecasting (WRF) del Instituto Mexicano de Tecnología del
Agua (IMTA) y con datos de intensidad recopilados de las Estaciones Meteorológicas Automáticas
(EMAS) de la Comisión Nacional del Agua (CONAGUA) el cual se aplicó a la cuenca del río
Sabinal en el estado de Chiapas. Los objetivos del trabajo fueron:
 Analizar y procesar la información de reflectividad y lluvia proveniente del modelo WRF-

IMTA en un Sistema de Información Geográfica
 Asociar el modelo WRF-IMTA con EMAS disponibles en el sitio
 Asignar los hietogramas provenientes del modelo WRF-IMTA a las subcuencas
pertenecientes a la cuenca del río Sabinal
 Generar el modelo hidráulico unidimensional y calibración del mismo a partir de datos
medidos por la estación hidrométrica Parque Oriente
El Instituto Mexicano de Tecnología del Agua (IMTA) cuenta con un modelo de pronóstico
numérico del tiempo conocido como WRF- IMTA. El modelo está conformado por un conjunto de
celdas de diferente resolución en kilómetros, cada celda contiene información de la variable
analizada como lo puede ser lluvia (mm) o reflectividad (dBZ). El modelo abarca toda la República
Mexicana, donde se pueden establecer regiones definidas con una resolución mínima de 4 km en
cada celda. Esta resolución se utilizó en la zona urbana de Tuxtla Gutiérrez, perteneciente a la
cuenca del río Sabinal.
Para contar con un modelo distribuido a partir del modelo WRF-IMTA es necesario utilizar los
datos de lluvia (mm/hr) medidos desde la superficie por las EMAS en la zona de estudio para la
relación Reflectividad (dBZ)-Intensidad (mm/hr). Para la generación de un modelo hidrológico e
hidráulico con lluvia distribuida es necesario contar con información que refleje las características
de la zona y que permitan ver el comportamiento de la misma ante un evento hidrometeorológico
(Figura 1).

Figura 1. Metodología para la generación del modelo hidrológico e hidráulico distribuido
ANÁLISIS Y PROCESAMIENTO DEL MODELO WRF-IMTA EN UN SIG
El formato en el cual se extraen los datos de reflectividad medidos por el modelo WRF- IMTA es
un archivo de texto ASCII, como lo que se requiere es un ráster de la cobertura del modelo, se
realizaron diversos procesos ASCII-ráster en el SIG para tal fin. Para la obtención de la cuadrícula
del modelo WRF en formato ráster y posteriormente procesarlo a un vector en formato Shapefile se
realizó el siguiente proceso:
1. Obtención de los datos de reflectividad (dBZ) en formato ASCII

2. Depuración de los datos que no se encuentren en la zona de estudio con la finalidad de evitar
archivos innecesarios
3. Procesamiento de datos depurados del formato ASCII en formato ráster mediante un
Sistema de Información Geográfica (SIG)
4. Obtención del ráster de reflectividad representado por medio de una cuadrícula de 4 x 4 km
el cual se encuentra georreferenciado de acuerdo a las coordenadas que contiene el archivo
ASCII para cada celda
5. Conversión de ráster a archivo Shapefile (* .shp) el cual representa las celdas en forma de
polígonos los cuales contiene la información de reflectividad correspondiente a cada celda
Este proceso logra obtener la ubicación geoespacial de cada celda perteneciente a la zona de interés
con los datos de reflectividad para cada intervalo de tiempo considerado para el evento. El modelo
WRF-IMTA permite procesar la información mediante diferentes variables como lo puede ser la
lluvia, si este fuera el caso los datos de lluvia medidos por el modelo requieren un ajuste para ser
considerados en el modelo hidrológico, requiriéndose ajustar esta información con los datos
registrados por las Estaciones Meteorológicas Automáticas (EMAS). Ese ajuste se conoce como
sesgo el cual no es más que dividir la precipitación total medida por las estaciones automáticas entre
la precipitación total medida por el radar (CHI, 2017).
ASOCIACIÓN DEL MODELO WRF-IMTA CON EMAS
Ante un evento de lluvia, el modelo WRF-IMTA muestra datos de reflectividad a partir de un

mallado, el cual es representado por celdas con resolución de 4 x 4 km. Con la ubicación de las
EMAS se generaron polígonos de Thiessen para conocer el área de influencia de cada estación con
respecto al mallado. Esta consideración se hace con la finalidad de tener un ajuste de los datos de

reflectividad medidos por el modelo (Figura 2). La generación del área de influencia de las EMAS
sobre el modelo permite obtener un factor de corrección (FC) sobre cada celda (Ecuación 1).
Figura 2 Polígonos de Thiessen generados sobre la cuenca del río Sabinal
𝑍𝑍
𝐹𝐹𝐶𝐶𝑖𝑖 = 𝑐𝑐 [1]
𝑍𝑍 𝑒𝑒
Siendo 𝐹𝐹𝐶𝐶𝑖𝑖 el factor de corrección de la celda analizada, 𝑍𝑍𝑐𝑐 la reflectividad en la celda analizada y
𝑍𝑍𝑒𝑒 la reflectividad de la celda donde se ubica la EMA de influencia. Esta consideración permite
calcular la forma de la lluvia a partir de la reflectividad medida por el modelo WRF-IMTA y
considerando los datos de lluvia medidos desde la superficie por las EMAS.
El hietograma de lluvia del modelo WRF-IMTA se obtuvo mediante la relación Reflectividad

(dBZ)-Intensidad (mm/hr), siendo la reflectividad estimada mediante factores de corrección (FC)
sobre el mallado (Ecuación 2).
𝐻𝐻𝑝𝑝𝑝𝑝 = ∑𝑛𝑛𝑖𝑖=1 𝐹𝐹𝐶𝐶𝑖𝑖 (𝑅𝑅𝑖𝑖 ) [2]
Siendo 𝐻𝐻𝑝𝑝𝑝𝑝 el hietograma de precipitación de la celda analizada, 𝐹𝐹𝐶𝐶𝑖𝑖 el factor de corrección de la

celda y 𝑅𝑅𝑖𝑖 la precipitación registrada por la EMA de influencia en cada intervalo de tiempo (10
minutos).
Para la asignación de los hietogramas que corresponden a las subcuencas se realizó una ponderación
por área correspondiente para cada subcuenca a partir del modelo WRF-IMTA (Ecuación 3).
̅ 𝑝𝑝𝑝𝑝 = ∑𝑛𝑛𝑖𝑖=1 𝐻𝐻𝑝𝑝𝑛𝑛𝑝𝑝 𝑎𝑎𝑖𝑖

𝐻𝐻 [3]
∑ 𝑎𝑎 𝑖𝑖 𝑖𝑖
Siendo 𝐻𝐻̅ 𝑝𝑝𝑝𝑝 hietograma de precipitación promedio en subcuenca (i), 𝐻𝐻𝑝𝑝𝑝𝑝 hietograma de
precipitación de la celda del modelo WRF-IMTA y 𝑎𝑎𝑖𝑖 área de la subcuenca (i).

CASO DE ESTUDIO, CUENCA DEL RÍO SABINAL
Tuxtla Gutiérrez, capital del estado de Chiapas se encuentra dentro de la cuenca del río el Sabinal,
la zona urbana tiene un área de 122 km2, mientras que la cuenca del Río el Sabinal de 362 km2, y el
cauce principal tiene una longitud total de 19.40 km. Se cuenta con 11 EMAS que son la red de
monitoreo hidrológico ubicadas dentro de la cuenca y 8 estaciones hidrométricas que proporcionan
registros de nivel (msnm) del río Sabinal, ambas redes de monitoreo (EMAS e hidrométricas) las
opera el Organismo de Cuenca Frontera Sur (OCFS), de la CONAGUA ver Figura 3.
Figura 3 Ubicación de la cuenca del río Sabinal y de la zona urbana de Tuxtla Gutiérrez
Para la configuración del terreno se genera un Modelo Digital de Elevaciones (MDE) con
resolución de 3 x 3m, con el cual se delimitaron las subcuencas, resultando 297. Campos, (2015)
menciona que la discretización de las subcuencas es el propósito del estudio hidrológico, lo cual
implica la definición de áreas de interés en la cuenca (Figura 4).
Figura 4 Subcuencas generadas y redes de monitoreo hidrometeorológico de la cuenca del río Sabinal
Delimitadas las subcuencas y microcuencas de aportación, se realizó la generación de los

parámetros geomorfológicos (uso de suelo, el área y la pendiente, etc.), mediante el uso de las
herramientas de geoprocesamiento que cuenta el SIG (Figura 5 ). Estos parámetros permiten

conocer las características de las subcuencas necesarias para el análisis del modelo lluvia-
escurrimiento mediante la modelación numérica
Figura 5. Uso de suelo de la cuenca del río Sabinal
Para la generación del modelo hidrológico-hidráulico se consideraron 2 eventos de lluvia que

provocaron inundaciones en la zona urbana de Tuxtla Gutiérrez, ambos registraron la mayor
intensidad los primeros 60 minutos:
 Evento del 2 de septiembre del 2016 (duración 185 minutos)

 Evento del 23 de junio del 2017 (duración 300 minutos)
Los resultados mostrados en este trabajo representan el evento del 2 de septiembre del 2016, debido
a generar mayor intensidad de lluvia (mm/hr) sobre la zona urbana de Tuxtla Gutiérrez. Se
consideraron en horario UTC. Las siglas UTC significan "Tiempo Universal Coordinado" (en
inglés, "Universal Time Coordinated"), que antiguamente fue llamada "la hora en el meridiano de
Greenwich" ("GMT") o el "tiempo Zulu" ("Z"). Esta es la hora local en el Meridiano Primario (i.e.,
aquel cuya longitud es 0°) dada en horas y minutos en el reloj de 24 horas. Por ejemplo, se
consideró la hora 1350 UTC que significa 13 horas y 50 minutos después de la medianoche, o 1:50
pm en el Meridiano Primario (noaa, 2018). La Figura 6 muestra el área de influencia de las EMAS
sobre las celdas del modelo WRF-IMTA de los eventos seleccionados.
a) b)
Figura 6 Polígonos de Thiessen para los eventos: a) evento del 2 de septiembre del 2016 y b) evento del 23
de junio del 2017

Generados los polígonos de Thiessen, se obtuvo el factor de corrección (FC) de cada celda en
intervalos de 10 minutos (Ecuación 1), esto con la finalidad de asociarlos con los datos registrados
de lluvia por las EMAS, ver Figura 7.
a) b)
Figura 7. F.C. obtenidos en diferentes intervalos de tiempo del evento 2 de septiembre del 2016 (Hora UTC)
Obtenidos los factores de corrección, se generaron los hietogramas del modelo WRF-IMTA a partir
de la ecuación 2, ver Figura 8.
a) b)
Figura 8. Modelo WRF-IMTA a) celdas con identificador ID y b) hietogramas obtenidos
La figura anterior permite observar la variación de los hietogramas de cada celda perteneciente al
modelo WRF-IMTA, esto de acuerdo a la distribución de la lluvia. La asignación de los
hietogramas a las subcuencas se realizó mediante una ponderación por área (Ecuación 3). Este
proceso se realizó mediante diversos procesamientos en el programa PCSWMM®, ver Figura 9.

b) c)
Figura 9 Asignación de hietogramas. a) Subcuenca, b) y c) ponderación de los hietogramas
GENERACIÓN DEL MODELO
La modelación hidrológica es una herramienta que permite conocer las avenidas asociadas a cierto
periodo de retorno o aquellas que se producen ante un evento de lluvia. En la actualidad existen una
gama de programas (SWMM®, HEC-HMS, PCSWMM®, XPSWMM®, etc.) que generan el
proceso de lluvia a escurrimiento sobre una cuenca considerando sus características fisiográficas e
información de precipitación obtenida de las redes de monitoreo hidrometeorológico. Por su parte la
modelación de los escurrimientos a superficie libre, por ejemplo un canal, red de cauces y
colectores pluviales se desarrolla mediante la resolución numérica de las ecuaciones de Saint
Venant, integrada por las ecuaciones de conservación de masa (Ecuación 4) y de conservación de la
cantidad de movimiento (Ecuación 5):
𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
𝜕𝜕𝜕𝜕
+ 𝜕𝜕𝜕𝜕 = 𝑞𝑞 [4]
𝜕𝜕𝜕𝜕 𝜕𝜕 𝑄𝑄 2
𝜕𝜕𝜕𝜕
+ 𝜕𝜕𝜕𝜕 ( 𝐴𝐴 + 𝑔𝑔𝑔𝑔ℎ̅) = 𝑔𝑔𝑔𝑔(𝑆𝑆0 − 𝑆𝑆𝑓𝑓 ) [5]
Siendo Q el gasto (m3/s), q el gasto de entrada o salida por unidad de longitud (m3/s m), So la
pendiente del fondo del canal (m/m), Sf la pendiente de fricción y ℎ , el centro de gravedad de la
sección transversal (m).
Mediante el modelo hidrológico-hidráulico alimentado con información de lluvia distribuida se

conoce la respuesta del río Sabinal (gastos, velocidades y tirantes) que mas se apega a lo registrado
por las estaciones hidrométricas de la zona de estudio.
ANALISIS HIDROLÓGICO
La simulación hidrológica-hidráulica para la generación del modelo lluvia-escurrimiento se realizó

a través del programa PCSWMM®, para la obtención de gastos en las cuencas se realiza mediante
un “modelo no lineal de depósito sencillo”. La escorrentía superficial por unidad de área, Q, se
produce únicamente cuando la profundidad del agua de este “deposito” excede el valor máximo de
almacenamiento en depresión, “dp” en cuyo caso el caudal de salida se obtiene por la aplicación de
la ecuación de Manning (Ecuación 6), (EPA, 2015).
5⁄ √𝐼𝐼𝑂𝑂
𝑄𝑄 = 𝑊𝑊(𝐻𝐻 − ℎ𝑜𝑜 ) 3 [6]
𝑛𝑛

Los hietogramas asignados permiten visualizar la evolución de la lluvia en las subcuencas de
acuerdo a la duración del evento (Figura 10). El rango de precipitación oscila entre 123.33 mm
(color rojo) y 40.05 mm (color azul claro).
1:10 1:40
2:00 2:30
Figura 10 Evolución de la lluvia en las subcuencas del evento del 2 de septiembre del 2016 en hora UTC
Cada subcuenca genera un hidrograma (m3/s) a partir del hietograma asignado proveniente del
modelo WRF-IMTA (ver Figura 11). El análisis de los escurrimientos superficiales se realizó
mediante el modelo unidimensional representando al río Sabinal y a los colectores pluviales como
conductos que transportan el flujo de acuerdo a los hidrogramas obtenidos.
ga
sto
(m
3
/s
)
Fecha/hora
Figura 11 Hidrogramas generados en las 297 subcuencas generadas. Evento del 2 de septiembre del 2016
GENERACIÓN DEL MODELO UNIDIMENSIONAL
El modelo unidimensional consideró los principales colectores pluviales (Figura 12) y además para
el río se generaron secciones transversales a lo largo de 16.9 km

Integrado el sistema de drenaje pluvial al modelo, se realizó la simulación hidráulica
unidimensional obteniéndose gastos, velocidades y tirantes sobre el sistema. Para conocer la
respuesta del río Sabinal se llevó a cabo la comparación de tirantes (m) generados por el modelo de
simulación en el nodo J1 (representando la ubicación de la estación hidrométrica Parque Oriente) y
los registrados por la estación (J1 obs) la cual se encuentra a 3 km en la salida de la cuenca
La Figura 13 presenta el resultado del tirante máximo (m) medido en el nodo (J1), siendo de 4.5 m
y el registrado por la estación hidrométrica (obs) de 4.3 m, teniendo una diferencia de 20 cm. Sin
embargo, la variación entre ellos se observó en el punto de inflexión del limnigrama J1, siendo
necesario realizar la calibración.
Figura 12 Principales colectores pluviales de la ciudad de Tuxtla Gutiérrez, Chiapas
Figura 13 Datos del modelo (J1) vs los datos registrados por la estación hidrométrica (obs)
CALIBRACIÓN DEL MODELO HIDRÁULICO
El escurrimiento superficial será el parámetro para el estudio que nos permitirá calibrar el modelo,
se establecieron los atributos (ancho, % impermeabilidad, n permeable e impermeable, máxima y
mínima infiltración (mm/hr), entre otras) de las subcuencas, que permitieron realizar la calibración
utilizando la herramienta Sensitivity-based Radio Tuning Calibration (SRTC) del programa
PCSWMM®.
Con la herramienta SRTC se calculó el parámetro entre valores extremos (bajo y alto) para una
incertidumbre (%) especificada a partir de las siguientes ecuaciones, (CHI, 2017):

1
𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 = 𝑃𝑃𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 ( 𝑈𝑈 ) [4]
1+
100
𝑈𝑈
𝑃𝑃𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 = 𝑃𝑃𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 (1 + 100) [5]
Siendo 𝑃𝑃𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 el valor del parámetro para el límite inferior del rango de incertidumbre, 𝑃𝑃𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 el valor
del parámetro para el límite superior del rango de incertidumbre, 𝑃𝑃𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 el valor del parámetro
actual y U la Incertidumbre asignada (%).
Calibrado el modelo es necesario realizar la validación del mismo. Magaña et al. (2013) menciona
que un modelo puede ser validado a partir del coeficiente de Eficiencia de Nash-Sutcliffe (1970):
∑𝑛𝑛 (𝑄𝑄 −𝑄𝑄 )2

𝐸𝐸 = 1 − ∑𝑖𝑖=1
𝑛𝑛 (𝑄𝑄
𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜
̅̅̅̅̅)2
[6]
−𝑄𝑄
𝑖𝑖=1 𝑐𝑐𝑐𝑐 𝑜𝑜𝑜𝑜
Siendo E el coeficiente adimensional, el caudal calculado en el día i (m3/s), 𝑄𝑄𝑜𝑜𝑜𝑜 el caudal observado
(m3/s) y ̅𝑄𝑄̅̅̅𝑜𝑜 el promedio de los caudales observados. Este coeficiente establece la relación entre el
comportamiento real y el modelado. El valor del coeficiente E es de -∞ a 1, donde la unidad
representa la simulación perfecta. (Magaña et al 2013). La Tabla 1 presenta el rango de valores para
el criterio establecido por Nash-Sutcliffe, de acuerdo a Molnar, 2011.
Tabla 1 Valores para el Criterio Nash-Sutcliffe. (Molnar, 2011)
Indicador Ajuste de Nash-Sutcliffe

Excelente >0.8
Muy Bueno 0.6-0.8
Bueno 0.4-0.6
Satisfactorio 0.2-0.4
Insuficiente <0.2
La calibración permitió ajustar los parámetros de las subcuencas en donde se consideró la

incertidumbre, obteniéndose un tirante en el nodo (J1) de 4.3 m dando como resultado que los datos
del modelo con los datos registrados por la hidrométrica tuvieran similitudes (Figura 14).
Figura 14. Datos del modelo calibrado SRTC(J1) vs los datos registrado (J1 obs) por la estación
hidrométrica Parque Oriente. Evento del mes de septiembre del 2016
Para la validación de los datos, resultó un valor del coeficiente NSE fue de 0.87 siendo excelente de
acuerdo al rango de indicadores de la Tabla 1. Un modelo puede ser considerado con una
calibración aceptable dependiendo del enfoque y objetivo que el modelador desee obtener, algunos

usuarios recomiendan que con una precisión de 25% es adecuada y otros insisten en un 10 %,
(James, 2005). Con esta recomendación y de acuerdo a los resultados obtenidos se puede considerar
aceptable la calibración del trabajo.
CONCLUSIONES
El modelo WRF-IMTA y las EMAS en la modelación hidrológica- hidráulica permiten obtener una
mejor representación espacial y temporal de la lluvia, dando como resultado una semejanza a los
eventos registrados, obteniéndose como correlación mínima en las estaciones de 0.86.
Los hietogramas de lluvia del modelo WRF-IMTA se obtuvieron mediante la relación Reflectividad
(dBZ) - Intensidad (mm/hr), asociando la reflectividad mediante factores de corrección (FC) a los
datos de lluvia registrados, dando como resultado una variación de la distribución de la lluvia sobre
la cuenca del río Sabinal a partir de los eventos analizados.
Para la calibración se modificaron los parámetros de infiltración, ancho de la cuenca y porcentaje

impermeable hasta en un 20 %, lo cual permitió establecer una similitud de 4.30 m en lo observado
y 4.303 en lo calculado, arrojando un coeficiente de Nash-Sutcliffe de 0.87. Con estos resultados se
puede establecer que con el uso del Modelo WRF-IMTA permite representar las condiciones del
evento.
El proceso de calibración se simplificó considerando la lluvia distribuida espacial y temporalmente.

Esta es la primera etapa del proyecto, permitiendo continuar con la generación de un modelo
bidimensional de escurrimientos para conocer el comportamiento del flujo que transita por la zona
urbana de Tuxtla Gutiérrez y conocer la capacidad del río El Sabinal.
Agradecimientos. Al Consejo Nacional de Ciencia y Tecnología de México (CONACYT) por la

beca de estudio de maestría otorgada, al Organismo de cuenca Frontera Sur de la CONAGUA por
otorgar los registros de las EMAS e Hidrométricas disponibles en la zona de estudio, al Instituto
Mexicano de Tecnología del Agua por proporcionar los datos del modelo WRF-IMTA y a
Computational Hydraulics International (CHI) por la licencia otorgada del programa PCSWMM®
para la simulación hidrológica-hidráulica realizada de este trabajo.
REFERENCIAS
CHI. (2017). Computational Hydraulics International. PCSWMM Support. Obtenido de https://support.chiwater.com

Computational Hydraulics International. (2017). CHI PCSWMM . Obtenido de https://support.chiwater.com
EPA. (2015). Storm Water Management Model. User´s Manual Version 5.1. Cincinnati.OH: United States
Enviromental Protection Agency.
IMTA. (2015). Estudio de riegos de inundaciones en zonas urbanas de la República Mexicana. Jiutepec, Morelos:
IMTA-CONAGUA-CONACYT.
Ivanov, V., Vivoni, E., Brass, R., & Entekhabi, D. (2004). Preserving high-resolution surface and rainfall data in
operational-scale basin hydrology: a fully-distributed physically based approach. Journal of Hydrology, 80-
111.
James, W. (2005). Rules for Responsible Modeling. Guelph, Ontario: Computational Hydraulics International.
Magaña H., F., Khalidou M., B., & Guerra C., V. H. (2013). Estimación del hidrograma de crecientes con modelación
determinística y precipitación derivada de radar. Agrociencia, 739-752.
Molnar, P. (2011). Calibration Watershed Modelling. SS 2011. ETH Zürich. Switzerland: Institute of Environmental
Engineering, Chair of Hydrology and Water Resources Management.
noaa. (Febrero de 2018). National Oceanic & Atmospheric Administration. Obtenido de Hurricane Research Division.
Atantic Oceanographic & Meteorological Laboratory: http://www.aoml.noaa.gov

IAHR AIIH
EFECTOS DE LAS ESCALAS ESPACIO - TEMPORALES SOBRE LOS

FACTORES R Y LS DEL MODELO RUSLE
Juan Daniel Ríos a, Lilian Posada b y Humberto Caballero b

a
Universidad Nacional de Colombia y Politécnico Colombiano Jaime Isaza Cadavid, Colombia,
judriosar@unal.edu.co
b
Universidad Nacional de Colombia, Medellín, Colombia, lposada@unal.edu.co - jhcaball@unal.edu.co
RESUMEN.
Se analizan los efectos de las escalas espacio - temporales de los datos sobre la estimación del
factor R (erosividad de la lluvia) y el factor LS (longitud e inclinación de las laderas) del modelo
RUSLE - Ecuación Universal de Pérdida de Suelo Revisada (Renard et al., 1997). Se encontró una
importante dependencia de la resolución temporal de los datos de precipitación utilizados para el
cálculo de la erosividad de la lluvia, R, dado que a mayor resolución temporal de los datos las
estimación es del factor R están más cercanas a los valores reportados para el continente europeo,
asiático y el promedio mundial. Por otro lado, se encontró una dependencia de la escala espacial (o
tamaño del pixel) del modelo de elevación digital con la estimación del factor LS o factor
topográfico del modelo RUSLE.
Los estimativos de erosión laminar tienen un peso muy importante en el diseño de los proyectos
hidroeléctricos, porque la acumulación de sedimentos en el embalse condicionan la vida útil del
proyecto y los sedimentos finos que llegan al embalse condicionan la vida útil de los equipos
electromecánicos; por tanto, las estimaciones de erosión laminar cobran importancia para la vida
útil de los proyectos hidroeléctricos. Los distritos de riego se ven afectados por la abundancia de
sedimentos finos en las bocatomas, una estimación real de la erosión laminar puede ser fundamental
para la factibilidad de un proyecto de riego.
ABSTRACT.
The effects of the spatio - temporal scales of the data on the estimation of the R factor (rain
erosivity) and the LS factor (slope and length inclination) of the RUSLE model - Universal
Equation of Revised Soil Loss (Renard et al., 1997) are analyzed. An important dependence was
found on the temporal resolution of the precipitation data used for the calculation of rainfall
erosivity, R, given that the higher the temporal resolution of the data, the estimation of the R factor
is closer to the values reported for the European and Asia continents and the world average.
On the other hand, a dependence of the spatial scale (or pixel size) of the digital elevation model
with the estimation of the LS factor (topographical factor of the RUSLE model was found).
The estimates of laminar erosion have a very important weight in the design of hydroelectric
projects, because the accumulation of sediments in the reservoir limit the useful life of the project
and the fine sediments that reach the reservoir control the useful life of the electromechanical
equipment; therefore, laminar erosion estimates become important for the useful life of
hydroelectric projects. Irrigation districts are affected by the abundance of fine sediments in the
intakes, a real estimate of the laminar erosion can be fundamental for the feasibility of an irrigation
project.
PALABRAS CLAVES: RUSLE, space - time scales, erosivity and topographic factor.

INTRODUCCIÓN
Es importante estimar los aportes de sedimentos en cualquier proyecto civil. Este proyecto
está enfocado al análisis de los aportes de sedimento por erosión laminar desde las cuencas de los
ríos San Andrés y Grande con el fin de comparar las tasas de erosión estimadas bajo la metodología
RUSLE (Ecuación Universal de Pérdida de Suelo Revisada, presentada por Renard et al. 1997).
El objeto de esta investigación es evaluar los efectos de las escalas temporales y espaciales
sobre los parámetros R y LS, que inicialmente fueron propuestos en el modelo USLE (Wischmeier
y Smith, 1978)
A pesar de que el modelo RUSLE incorpora nuevas maneras de cálculo de los factores R y
LS, el análisis de las escalas temporales y espaciales de los datos condiciona los resultados por la
variabilidad temporal de los datos topográficos en cuencas grandes y climátológicos (precipitación)
en cuencas pequeñas.
ZONA DE ESTUDIO Y CONJUNTO DE DATOS
Para el desarrollo de esta investigación se seleccionaron las cuencas hidrográficas de los ríos
Grande (área de 1279.86 km2) y San Andrés (área de 498.21 km2), ubicadas al noroccidente de
Colombia (Figura 1) las cuales se encuentran sobre la cordillera central de los Andes que sirve de
divisoria a los ríos Cauca y Magdalena, los dos principales drenajes colombianos en la cuenca
Caribe.
Figura 1.- Localización de las cuencas de los ríos Grande y San Andrés.
Las cuencas presentan marcadas diferencias climáticas, litológicas y geomorfológicas (Tabla

1). La cuenca del río Grande abastece gran parte de la demanda de agua potable para la población
asentada en el Valle de Aburrá (para el año 2015 se estimaba en 3.597.988 habitantes). La cuenca
del río San Andrés aporta sus aguas directamente al embalse del proyecto hidroeléctrico Ituango

(Figura 2 izquierda), sobre el río Cauca, el cual será la central con mayor capacidad instalada en el
país (2400 MW).
Tabla 1.- Parámetros de las cuencas de los ríos Grande y San Andrés
PARÁMETRO/CUENCA RÍO GRANDE RÍO SAN ANDRÉS
Pendiente media [%] 22.99 40.18
Precipitación media [mm/año] 1884.28 2664.79
Rocas dominantes Ígneas Metamórficas
Longitud cauce principal [km] 99.00 43.26
El río Grande también drena sus aguas al río Cauca pero después de pasar por el Proyecto de
Aprovechamiento Múltiple Riogrande II (Figura 2 derecha), para entregar al río Medellín que drena
al río Nechí y este finalmente entrega al río Cauca unos 210 kilómetros aguas abajo de la descarga
del río San Andrés.
Figura 2.- Proyecto hidroeléctrico Ituango y proyecto de aprovechamiento múltiple Riogrande II.
Para evaluar los efectos de las escalas espacio - temporales sobre los factores R y LS del
modelo RUSLE en las cuencas hidrográficas de los ríos Grande y San Andrés (Figura 1) se recopiló
información administrada por Empresas Públicas de Medellín-EPM y la Gobernación de Antioquia,
Información complementaria fue obtenida de bases de datos de uso libre publicadas en

internet por diferentes entidades, tanto nacionales como internacionales. Así, el conjunto de datos
que soporta esta investigación comprende modelos de elevación digital del terreno (DEMs) e
información hidroclimática puntual y distribuida en el espacio:
 Modelos de elevación digital (DEMs)
A continuación se describen las principales características y fuentes de los modelos de

elevación digital de las cuencas de los ríos Grande y San Andrés en diferentes escalas (1:100000,
1:25000 y 1: 10000).
1 DEM con resolución espacial de 30 x 30 m o escala cartográfica 1:100000 producto de

la misión ASTER GDEM V2 (Advanced Spaceborne Thermal Emission and Reflection
Radiometer - Global Digital Elevation Model, Version 2), realizada en conjunto por el
Ministerio de Economía, Comercio e Industria (METI) de Japón y la Administración
Nacional Aeronáutica y Espacial de los Estados Unidos (NASA) y disponible en
http://www.jspacesystems.or.jp/ersdac/GDEM/E/4.html.

2 DEM con resolución espacial de 12.5 x 12.5 m o escala cartográfica 1:25000 producto
de la misión ALOS (Advanced Land Observing Satellite) de la Agencia de Exploración
Aeroespacial de Japón (Rosenqvist et al., 2007), las imágenes con las cuales se generó el
DEM corresponden a las capturadas por el sensor PALSAR (Phased Array type L-band
Synthetic Aperture Radar), las cuales se encuentran disponibles en la base de datos de
Alaska Satellite Facility - https://vertex.daac.asf.alaska.edu/.
3 DEM con resolución espacial de 1 x 1 m o escala cartográfica 1: 10000 producto del

convenio No. 4085 de 2009 - Cartografía Digital del Departamento de Antioquia, el cual
tuvo como objeto, “aunar esfuerzos para generar una base cartográfica digital (a escalas
1:2000, 1:5000 y 1:10000) del Departamento de Antioquia”, el acceso a esta información
fue posible gracias a la licencia otorgada por el Departamento Administrativo de
Planeación de la Gobernación de Antioquia.
 Información hidroclimática puntual y distribuida en el espacio
Luego de analizar y evaluar los diferentes datos y productos de precipitación distribuida en

el espacio que abarcan el territorio colombiano (Tabla 2), desde los enfoques de la resolución
espacial y temporal, además de la información base con la que se generaron y los periodos que
pretendían ser evaluados, se decidió emplear el campo de precipitación media anual para Colombia
(estimado por Álvarez, 2007, mediante el algoritmo geoestadístico del Kriging con deriva externa
(KDE) y presentado por Álvarez et al., 2008), el cual exhibe errores absolutos medios y errores
cuadráticos medios menores en comparación con los otros campos de precipitación disponibles,
además de, preservar diversas características físicas del fenómeno de la precipitación en Colombia y
poseer la mejor resolución espacial (4 km) que se encuentra para este tipo de productos. Se decidió
emplear el campo de Álvarez (2007).
Tabla 2.- Productos de precipitación que abarcan el territorio colombiano

(Modificada de Urrea et al., 2016).
RES. RES. EXTENSIÓN DATOS
REFERENCIA PRODUCTO PERIODO COBERTURA
ESPACIAL TEMPORAL ESPACIAL INTRÍNSECOS
Lat [-50°,50°]
Funk et al., (2015) CHIRPS V2.0 0.050° Diaria 1981 - presente Satélites Estaciones Tierra
Lon [-180°,180°]
Hurtado y Mesa Lat [-5°, 15°]

MHN 0.083° Mensual 1975 - 2006 Satélites Estaciones Océano Tierra
(2009) Lon [-80°,-65°]
Álvarez et al., Lat [-5°,13°]

PMA 0.036° Anual 1958 - 2007 Satélites Estaciones Océano Tierra
(2008) Lon [-80°,-66.5°]
Por otro lado, la información de precipitación puntual utilizada corresponde a una selección
de aguaceros representativos según la metodología de Wischmeier y Smith (1978) para el periodo
2002-2009 en once (11) estaciones hidrométricas con resolución temporal de 15 minutos, diez (10)
de ellas dentro de la cuenca del río Grande. La información fue suministrada por la Unidad de
Hidrometría y Calidad Generación de Energía de Empresas Públicas de Medellín (EPM).
METODOLOGÍA
Se realizó el cálculo del campo del factor lluvia y escorrentía o erosividad de la lluvia (R)
que acopla el efecto del impacto de la lluvia y la tasa de escorrentía asociada con la lluvia,
empleando el modelo potencial propuesto por Pérez y Mesa (2002) en función de la precipitación
media multianual, expresión que fue desarrollada a partir de las estimaciones de erosividad con
datos de precipitación a resolución temporal de 22.5 minutos en seis estaciones.

Con el fin de comparar el campo estimado, se usaron los datos de precipitación a resolución
temporal de 15 minutos del registro de las once estaciones para calcular la erosividad multianual
siguiendo el procedimiento descrito por Wischmeier y Smith (1978) y por Renard et al. (1997):
1 𝑚𝑚𝑚𝑚
𝑅𝑅 = 𝑛𝑛 ∑𝑛𝑛𝑗𝑗=1 ∑𝑘𝑘=1(𝐸𝐸𝐸𝐸30 )𝑘𝑘 [1]
Donde R es el factor de erosividad medio anual de la lluvia (MJ-mm/ha-h-año), n es el

número de años del registro de datos, mj es el número de eventos erosivos de un año dado j y EI30
es el índice de erosión de la lluvia de un solo evento k. La erosividad del evento EI30 (MJ-mm/ha-h)
se define en función de la energía unitaria de la lluvia (MJ/ha-mm), er ; la cantidad de precipitación
(mm) acumulada durante cada intervalo de tiempo r del registro del aguacero representativo, vr y la
intensidad máxima de la precipitación en 30 minutos para cada evento, I30 :
𝐸𝐸𝐸𝐸30 = (∑𝑡𝑡𝑟𝑟=1 𝑒𝑒𝑟𝑟 𝑣𝑣𝑟𝑟 ) 𝐼𝐼30 [2]
La energía unitaria de la lluvia (er ) para cada intervalo de tiempo r del registro del aguacero
representativo se calcula en función de ir que es la intensidad de la lluvia (mm/h):
𝑒𝑒𝑟𝑟 = 0.119 + 0.0873 𝑙𝑙𝑙𝑙𝑙𝑙10 𝑖𝑖𝑟𝑟 [3]
Es necesario indicar que los valores de erosividad media anual calculados para el período
2002-2009 presentan un valor promedio (4176.49 MJ-mm/ha-h-año) que es consistente con el orden
de magnitud de los valores reportados por Hoyos et al. (2005) para la zona cafetera colombiana;
Yin et al. (2015), para el Altiplano de loess en China; Panagos et al. (2015) para el continente
europeo y Panagos et al. (2017) a escala global.
Con los valores de erosividad (R) y precipitación multianual de las once (11) estaciones con
datos a resolución temporal de 15 minutos se generó un nuevo modelo de tipo lineal (Ríos, 2018)
para el cálculo del factor de erosividad (R) en función de la precipitación media multianual (PMA).
Por otro lado, para la evaluación de los factores de longitud (L) e inclinación (S) de las
laderas de las cuencas de los ríos Grande y San Andrés (Figura 4), que en conjunto forman el factor
topográfico (LS) que combina los efectos de la morfología se emplearon los tres diferentes modelos
de elevación digital (DEMs) a escalas de 1:100000; 1:25000 y 1:10000 (tamaños de pixel de 30,
12.5 y 1 m respectivamente).
Figura 4.- Aspecto de las laderas en las cuencas altas de los ríos Grande y San Andrés. Fotografías de Juan
Daniel Ríos.
El cálculo del factor topográfico (LS) para toda el área de estudio en escalas 1:100000 y
1:25000 se realizó mediante el programa en C++ (desarrollado por Van Remortel et al. (2004), el

cual es mucho más eficiente para el procesamiento de datos espaciales que su predecesor, el
programa en AML (Arc Macro Language), desarrollado por Van Remortel et al. (2001) y que
algunos de los algoritmos incluidos en el paquete Whitebox GAT (John Lindsay, del departamento
de Geografía de la universidad de Guelph, Guelph, ON, Canada).
Para la escala 1:10000 (modelo de elevación digital con resolución radiométrica de 32 bits)
se seleccionó una subcuenca correspondiente a la quebrada Bramadora (Figura 1), la cual no
presentaba datos nulos y por su pequeña extensión permitió ser procesada con los recursos
computacionales disponibles.
RESULTADOS
Empleando el modelo de tipo lineal (Figura 5) desarrollado por Ríos (2018) y el campo de
precipitación media anual para Colombia estimado por Álvarez (2007) se obtuvo un valor de
erosividad (R) media anual de 5384.27 MJ-mm/ha-h-año para toda la zona de estudio (Figura 6
izquierda), el cual está dentro del orden de magnitud de los valores reportados por diferentes autores
como Hoyos et al. (2005), Yin et al. (2015), Panagos et al. (2015) y Panagos et al. (2017).
Por otro lado, el factor de erosividad de la lluvia (R) estimado a partir del modelo potencial
propuesto por Pérez y Mesa (2002) para toda la zona de estudio (Figura 6 derecha), tiene un valor
medio anual de 56.33 MJ-mm/ha-h-año, siendo este muy inferior al valor medio calculado con los
datos de precipitación a resolución de 15 minutos en las once estaciones utilizadas en el presente
estudio.
Figura 5.- Modelo lineal para R propuesto por Ríos (2018).
Finalmente, con relación al factor topográfico (LS) se encontró que existe una tendencia
general al aumento en sus valores estimados (Tabla 3) a medida que se mejora la escala topográfica
o la resolución de pixel del modelo de elevación digital, resultado de suma importancia para fines
de modelación del proceso erosivo no solo mediante modelos de concepción empírica como el
RUSLE si no también en modelos conceptuales y físicamente fundamentados dependientes de la
inclinación de las laderas (pendientes) que a mejor resolución cartográfica son mejor representados
y no suavizan o generalizan tanto la topografía real del terreno.
Tabla 3.- Resultados análisis factor topográfico LS.

EXTENSIÓN TODA EL ÁREA QDA. BRAMADORA
Parámetro / Escala LS promedio LS máximo LS promedio LS máximo
1:100000 6.26 125.43 3.21 36.86
1:25000 7.05 194.09 3.95 32.33
1:10000 - - 3.91 58.75

En la Figura 7 se muestran los resultados obtenidos para toda el área de estudio y en la
Figura 8 los correspondientes a la subcuenca Bramadora en las diferentes escalas: a) 1:100000; b)
1:25000; c) 10000.
a) b)
Figura 6.- Mapas del factor R estimados con modelo lineal desarrollado por a) Ríos (2018) y b) Pérez y
Mesa (2002).
Figura 7.- Factor LS para las cuencas de los ríos Grande y San Andrés a escala 1:100,000 (a izquierda) y
1:25,000 (a derecha).

a) b) c)
Figura 8.- Factor LS en las diferentes escalas para la Subcuenca Bramadora.
CONCLUSIONES
La diferencia principal entre el modelo de Pérez y Mesa (2002) y el modelo desarrollado por
Ríos (2018) para el cálculo del factor de erosividad de la lluvia (R) radica en la resolución temporal
de los datos de precipitación utilizados, dado que las intensidades calculadas a partir de datos en un
intervalo de 15 minutos reflejan de mejor manera la variabilidad natural y el hecho de que los
aguaceros más intensos son los responsables o generadores de la mayor erosión de los suelos. Este
resultado bastante importante evidencia un efecto de la escala o resolución temporal de los datos de
precipitación utilizados.
Las estimaciones del factor topográfico (LS) exhiben una tendencia general al aumento a
medida que se mejora la escala topográfica o la resolución de pixel del modelo de elevación digital.
Este resultado es de suma importancia para fines de modelación de procesos erosivos a escala de
cuenca. Sin embargo, a pesar de que el factor topográfico (LS) presenta una fuerte dependencia a la
escala cartográfica utilizada, se recomienda utilizar la escala 1:25000 o DEM con pixel de 12.5 x
12.5 m debido a que este es de acceso libre y no requiere un coste computacional tan alto para su
procesamiento como el DEM con pixel de 1 x 1 m.
AGRADECIMIENTOS
A la Unidad de Hidrometría y Calidad Generación Energía de Empresas Públicas de

Medellín (EPM), en especial a los Ingenieros Mauricio Correa y Paula Lizet Correa por la
información hidrosedimentológica suministrada, su asesoría y retroalimentación.
Al Departamento Administrativo de Planeación de la Gobernación de Antioquia por permitir

el uso de la información del proyecto Cartoantioquia mediante una licencia, especialmente, al
doctor Carlos Mario Montoya y al Ingeniero Néstor Raúl Pizarro.
Al Departamento Administrativo de Ciencia y Tecnología de Colombia– COLCIENCIAS –

por el apoyo financiero otorgado mediante el programa Jóvenes Investigadores e Innovadores 2015.

Finalmente, un agradecimiento especial a mis Maestros Lilian Posada García y Humberto
Caballero Acosta, al igual que a Jaime de Jesús Trujillo Delgado y a Luis Alberto Arias López por
su valiosa revisión y comentarios a mi trabajo investigativo.
REFERENCIAS
Álvarez, O. (2007). Cuantificación de la incertidumbre en la estimación de campos hidrológicos. Aplicación

al balance hídrico de largo plazo.
Álvarez, O. D., Vélez, J. I., & Poveda, G. (2008). Nuevos campos de precipitación promedia anual para
Colombia. In XXIII Congreso Latinoamericado de Hidráulica (p. 15). Cartagena de Indias, Colombia.
Hoyos, N., Waylen, P. R., & Jaramillo, Á. (2005). Seasonal and spatial patterns of erosivity in a tropical
watershed of the Colombian Andes. Journal of Hydrology, 314(1), 177–191.
https://doi.org/https://doi.org/10.1016/j.jhydrol.2005.03.014
Morales, M., Otero, J., Van der Hammen, T., Torres, A., Cadena, C., Pedraza, C., … Cárdenas, L. (2007).
Atlas de páramos de Colombia. Instituto de Investigación de Recursos Biológicos Alexander von
Humboldt. Bogotá, D. C.
Panagos, P., Ballabio, C., Borrelli, P., Meusburger, K., Klik, A., Rousseva, S., … Alewell, C. (2015).
Rainfall erosivity in Europe. Science of The Total Environment, 511, 801–814.
https://doi.org/https://doi.org/10.1016/j.scitotenv.2015.01.008
Panagos, P., Borrelli, P., Meusburger, K., Yu, B., Klik, A., Jae Lim, K., … Ballabio, C. (2017). Global
rainfall erosivity assessment based on high-temporal resolution rainfall records. Scientific Reports, 7(1),
4175. https://doi.org/10.1038/s41598-017-04282-8
Pérez, J. D., & Mesa, O. J. (2002). Estimación del factor de erosividad de la lluvia en Colombia. In XV
Seminario Nacional de Hidráulica e Hidrología (p. 12). Medellín.
Renard, K. G., Foster, G. R., Weesies, G. A., McCool, D. K., & Yoder, D. C. (1997). Predicting Soil Erosion
by Water: A Guide to Conservation Planning With the Revised Universal Soil Loss Equation (RUSLE).
U.S. Department of Agriculture, Agriculture Handbook No. 703.
Ríos, J. D. (2018). Erosión hídrica y evolución del relieve en las cuencas de los ríos Grande y San Andrés,
Antioquia – Colombia. Tesis de maestría. Universidad Nacional de Colombia.
Rosenqvist, A., Shimada, M., Ito, N., & Watanabe, M. (2007). ALOS PALSAR: A Pathfinder Mission for
Global-Scale Monitoring of the Environment. IEEE Transactions on Geoscience and Remote Sensing.
https://doi.org/10.1109/TGRS.2007.901027
Urrea, V., Ochoa, A., & Mesa, O. J. (2016). Validación de la base de datos de precipitación CHIRPS para
Colombia a escala diaria, mensual y anual en el periodo 1981-2014. In XXVII Congreso
Latinoamericano de Hidráulica (p. 12). Lima, Perú.
Van Remortel, R. D., Hamilton, M., & Hickey, R. J. (2011). Estimating the LS factor for RUSLE through
iterative slope length processing of DEM elevation data. Cartography, 30(1), 27–35.
Van Remortel, R. D., Maichle, R. W., & Hickey, R. J. (2004). Computing the LS factor for the Revised
Universal Soil Loss Equation through array-based slope processing of digital elevation data using a
C++ executable. Computers & Geosciences, 30(9–10), 1043–1053.
https://doi.org/http://dx.doi.org/10.1016/j.cageo.2004.08.001
Wischmeier, W. H., & Smith, D. D. (1978). Predicting Soil Erosion Losses: A Guide to Conservation
Planning. USDA Agricultural Handbook No. 537.
Yin, S., Xie, Y., Liu, B., & Nearing, M. A. (2015). Rainfall erosivity estimation based on rainfall data
collected over a range of temporal resolutions. Hydrol. Earth Syst. Sci., 19, 4113–4126.
https://doi.org/https://doi.org/10.5194/hess-19-4113-2015

IAHR AIIH
BUENOS AIRES, ARGENTINA, SEPTIEMBREDE 2018
HERRAMIENTAS HIDROINFORMÁTICAS Y CONSIDERACIONES PARA

MODELAR PROCESOS SUPERFICIALES Y SUBTERRÁNEOS
ACOPLADOS MEDIANTE WEAP-MODFLOW
P. Sanzana1,2,3, J. Gironás1,2,4, I. Braud3, N. Hitschfeld5, X. Vargas6, S. Vicuña1,7, J-F. Muñoz1,

R. Villegas8, E. Rubio8, R. Herrera9
1
DIHA-UC, Chile, psanzana@uc.cl, jgironas@uc.cl, jfmunoz@uc.cl, 2CEDEUS, Chile,3IRSTEA, Francia,
isabelle.braud@irstea.fr, 4CIGIDEN, 5DCC- UCH, Chile, nancy@dcc.uchile.cl, 6DIC-UCH, Chile,
xvargas@ing.uchile.cl, 7Centro Cambio Global-UC svicuna@uc.cl, 8ERIDANUS erubio@eridanus.cl,
rdgo.villegas@gmail.com, 9ARCADIS rodrigo.herrera@arcadis.com
RESUMEN:
El uso de herramientas hidroinformáticas en problemas de ingeniería permite manejar un

volumen mucho mayor de información, ampliar las capacidades de programas actuales y obtener
resultados más realistas en problemas complejos. En el presente trabajo se describen herramientas
integradas de modelación superficial-subterránea y se profundiza en cómo pueden ser mejoradas
mediante el uso de herramientas informáticas. También se presenta una introducción del estado del
arte del uso conjunto de recursos superficiales-subterráneos y actuales enfoques de modelos
acoplados que se han aplicado para la gestión integrada del recurso. Finalmente, se resumen las
ventajas/desventajas de utilizar enfoques de modelación superficial/subterránea integrada y las
principales consideraciones para resolver problemas de ingeniería o gestión del recurso hídrico.
ABSTRACT:
The use of hydroinformatics tools in engineering problems allows to manage a much larger
volume of information, expands the capabilities of current software programs and allows to get
more realistic results in complex problems. This work describes integrated surface-groundwater
models and explores how they can be improved through the use of computer tools. Moreover, it
introduces the state of the art of integrated use of surface and groundwater resources and current
coupled model approaches that have been applied to carry out integrated resource management.
Finally, it summarized advantages/disadvantages of using integrated surface/ground modeling
approaches and the main considerations for solving engineering or water resource management
problems.
PALABRAS CLAVES: modelación integrada, WEAP, MODFLOW, hidroinformatica

INTRODUCCIÓN
En las décadas recientes la automatización de las rutinas y la informatización de las

actividades y los cálculos de laboratorio, cada vez más complejos, han aumentado
considerablemente el poder de los experimentadores, de los observadores y de los teóricos
dedicados a la construcción de modelos (Hobsbawn, 2012). De esta manera, conocimientos de
programación orientados al uso de recursos hídricos permiten potenciar las actuales capacidades en
el área de ciencias de la computación y ciencias de la tierra. En esta línea diversas instituciones y
programas educacionales han optado cada vez más por incluir conocimientos de hidroinformática
como una ciencia interdisciplinaria (Abbott, 1999; Price, 2011). La utilización de este tipo de
herramientas permite facilitar las tareas necesarias para el manejo sustentable del medio ambiente
en todas sus etapas, principalmente en las de pre-procesamiento, modelación, y post-procesamiento.
Estas labores pueden llegar a ser muy complejas dependiendo del problema y la cuenca o acuífero
que se desee modelar. Hoy en día, ambientes físicos altamente intervenidos por elementos
artificiales, como cuencas peri-urbanas (Braud et al., 2013), son cada vez más comunes en los
proyectos de ingeniería. Asimismo, en aquellas zonas en las que la interacción de aguas
superficiales y subterráneas es importante la modelación explicita de la relación rio-acuífero toma
un peso gravitante en los flujos bases (Sahuquillo et al., 2010; Barron et al., 2013; Bhaskar et al.,
2016).
En el presente trabajo se describen herramientas de modelación integrada del recurso
superficial-subterráneo y se profundiza en cómo pueden ser mejoradas mediante el uso de
herramientas informáticas. También se describe una introducción del estado del arte del uso
conjunto de recursos superficiales-subterráneos y actuales enfoques de modelos acoplados que se
han aplicado para llevar a cabo la gestión integrada del recurso. Los acápites descritos en este
trabajo permite entregar un material de gran valor a ingenieros y científicos con el interés de
desarrollar proyectos de ingeniería hidráulica en los que sea necesario acoplar más de un modelo de
flujos, específicamente los modelos WEAP (Yates et al., 2005a; Yates et al., 2005b) y MODFLOW
(Harbaugh, et al., 2000). Finalmente, se resumen las ventajas/desventajas de utilizar enfoques de
modelación superficial/subterránea integrada y las principales consideraciones para resolver
problemas de ingeniería o gestión del recurso hídrico.
PROBLEMÁTICA ACTUAL EN LA INTEGRACIÓN DE MODELOS HIDROLÓGICOS Y

OPORTUNIDAD DEL USO DE HERRAMIENTAS HIDROINFORMATICAS
La elección, desarrollo y aplicación de modelos hidrológicos distribuidos no es una tarea

sencilla. La selección más apropiada de la estrategia de modelación debe considerar un compromiso
entre las simplificaciones de los procesos físicos y la representación espacial de los dominios que se
deseen representar (Branger et al, 2010). Es imposible encontrar el enfoque perfecto y único de
modelación dentro de una amplio rango de posibilidades (Branger et al., 2010), y tal como plantean
Leavesley et al. (2002), existe un cambio actual de paradigma en el que se requiere replantear la
pregunta “¿cuál es el modelo más apropiado para un conjunto de criterios?” por “¿qué
combinación de conceptualización de procesos es la más apropiada?”.
En la Figura 1 se muestra un esquema simplificado de distintos dominios espaciales y la
respectiva topología de los elementos involucrados, (Dj,j). Cada dominio puede ser representado
mediante diferentes enfoques de modelación según sea el esquema más adecuado para el problema
que se desea modelar (e.g. para un dominio se puede aplicar un modelo semi-distribuido y para otro
dominio se puede aplicar un modelo completamente distribuido). Un modelo hidrológico superficial
puede estar compuesto, por ejemplo, de los siguientes elementos: subcuencas, bandas de elevación,
Unidades de Respuesta Hidrológica (URH) (Flügel, 1995) o Elementos Hidrológicos Urbanos
(EHU) (Rodriguez et al., 2008). Estos elementos pueden estar representados por geometría regular
(polígonos simples regulares: grillas, triángulos) o geometrías irregulares (polígonos simples
irregulares). Al interior del domino del modelo superficial, D1, los elementos se encuentran

conectados entre sí y conectados a una red de drenaje con una topología previamente definida, 1.
Por otro lado, el dominio de un modelo hidrogeológico, D2, puede estar dado mediante pequeños
segmentos del acuífero, que puede estar representado por grillas, triangulaciones, diagramas de
Voronoi o grillas anidadas (Quadratree en inglés). Estos elementos se conectan entre sí y además se
conectan con condiciones de borde en las que se puede considerar intercambio flujo nulo (celdas o
bordes inactivos) o condiciones de altura de flujo constante o variable en el tiempo mediante una
topología previamente definida,2,. Al integrar ambos modelos hidrológicos (superficiales y
subterráneos) se deben conectar los diferentes elementos de cada dominio espacial, D1 y D2 (Fig. 2
a). Esta nueva conexión genera la aparición de una nueva topología, 1’2’, que debe conectar los
elementos de los distintos modelos. Esta problemática puede no ser trivial dependiente de la
cantidad de elementos que se deban vincular. Una forma flexible y eficiente para abordar este
problema ha sido el uso de archivos geoespaciales que contienen información georreferenciada de
la ubicación y los límites de cada elemento. Un ejemplo muy utilizado corresponde a los archivos
tipo shapefile. Este tipo de archivos, mediante una adecuada codificación alfanumérica, permiten
identificar cómo se conectan y cómo se realiza el intercambio de flujo de cada elemento para cada
paso de tiempo (Fig.2 b).
Figura 1.- Esquema de marco programable entre modelos acoplados a paso de tiempo ti. Cada
modelo tiene un dominio espacial, una discretización y una topología propia (Dj,j) con su respectivo paso
tiempo tj (j=1,2). En la integración de ambos modelos aparece una nueva topología, 1’2’
Figura 2.- Topología entre modelos WEAP-MOFLOW y flujos de intercambio para cada paso de tiempo
(Sanzana et al., 2018)
Por otro lado, cada vez es más común que los modelos cuenten con una Interfaz de
Programación de Aplicaciones (API) o librerías que permiten su uso independiente de su Interfaz
Gráfica de Usuario (GIU), por lo que existe una gran flexibilidad en el manejo y complementación

de diferentes enfoques. En los casos que el software cuenta con una Interfaz Gráfica de Usuario
(GIU en inglés), no necesariamente esta interfaz considera el manejo de todas las variables para las
que se desea realizar un control y/o un seguimiento (e.g. error en el balance de masa en cada paso
de tiempo y error de intercambio de flujos de entrada y salida entre los distintos modelos). Es por
ello que las herramientas informáticas permiten llevar un control y generar gráficos más allá de los
que vienen programados en forma previa en la plataforma GIU. El uso de lenguajes de
programación presenta una oportunidad que aumenta el manejo de modelos acoplados. En la Figura
3 se muestra un esquema explicativo, donde se ilustra la gran cantidad de científicos que utilizan
herramientas de programación y se mueve en el campo de programación funcional y programación
orientada a objetos, donde hay una gran gama de lenguajes que permite llevar a cabo las labores de
modelación. En el caso de programadores de las ciencias de la computación, es común que utilicen
lenguajes más abstractos pero que tienen la ventaja de comunicarse de manera más eficiente con el
lenguaje máquina de los ordenadores, y por ende optimiza el tiempo de procesamiento, este tipo de
lenguajes generalmente son clasificados como de bajo nivel (debido a que son difícil entendimiento
humano). No existe un lenguaje óptimo para cada labor, y la selección final dependerá del
modelador. Actualmente la popularidad de Python (python.org) y R (R-project.org) es innegable en
el ámbito de las ciencias de la tierra y la ingeniería. Esto se debe mayormente a que son lenguajes
de uso libre, de alto nivel, de una fácil comprensión para científicos o ingenieros no muy
familiarizados con el área de la programación, y con una comunidad virtual muy activa en cuanto a
resolución de problemas e intercambio de nuevos paquetes.
Figura 3.- Esquema uso de lenguajes de programación en ejemplos aplicados a la geociencias

(adaptado a partir de Baart 2013)
PERTINENCIA DE MODELACIÓN SUPERFICIAL-SUBTERRÁNEA INTEGRADA
Orphanópoulos y Dumoulin (2015) desarrollaron una metodología de análisis visual de

resultados que permite tener una mirada sistemática, integradora y global del sistema modelado,
mediante la extracción y organización de la gran cantidad de información de salida, y la reunión de
variables afines en forma gráfica. Esta metodología para exploración y explotación de resultados
facilita la comprensión y el control de los procesos involucrados en modelos integrados.
Orphanópoulos y Dumoulin (2015) llevaron a cabo el control de variables en modelos con enfoques
semi-distribuidos, sin embargo la metodología puede ser extrapolada a modelos completamente
distribuidos, como es el caso de MODFLOW.

En forma previa se debe tener clara la razón de utilizar enfoques acoplados y no enfoques
más simplificados que puedan dar una respuesta satisfactoria. Esta reflexión se debe realizar
cuidadosamente previo a la aplicación de cualquier proyecto. Existen ciertos criterios guías simples
a considerar en lo referido al acople de modelos superficial y subterráneo, dentro de los cuales
destacan los siguientes:
1. Tipo de problemas en que es recomendable un enfoque acoplado superficial-subterráneo:

Ͳ Cuando se requiere de estimaciones precisas de flujo base en cuencas con interacción
rio-acuífero, o entre pozos debido a sobre-extracción.
Ͳ Cuando se requiera buenas estimaciones de flujos subterráneos y niveles piezométricos,
particularmente en acuíferos fuertemente influenciados por recarga laterales (e.g.
acuíferos de cabecera en climas de alta cordillera con acumulación y derretimiento
nival).
2. Tipo de problemas donde no es recomendable un modelo acoplado:
Ͳ Cuando se requiere modelar crecidas o flujos altos a escala mensual
Ͳ Cuando el acuífero no posee un gran desarrollo vertical y puede ser fácilmente
representado por un elemento conceptual como un estanque lineal.
Para acoplar un modelo superficial y subterráneo, se recomienda contar con el modelo

subterráneo previamente calibrado con extracciones y niveles históricos, tanto en régimen
permanente como en régimen transiente. Es posible que en el proceso de integración sea necesario
llevar a cabo una re-calibración de los parámetros del modelo subterráneo, aunque se recomienda
que los cambios sean menores. Sin embargo, estos cambios dependerán de la calidad del modelo
numérico subterráneo inicial. Normalmente aquellas zonas con un alto grado de actividad sobre el
acuífero cuentan con un modelo hidrogeológico numérico previamente desarrollado; en caso
contrario se debe considerar una etapa de desarrollo de este. En el caso de los modelos superficiales
existentes, tienden su mayoría a representar la zona de almacenamiento inferior con un enfoque
conceptual, que es necesario eliminar en el paso de acoplamiento. Por lo tanto, es necesario
recalibrar los parámetros del modelo y volver a ajustar los parámetros para reproducir los caudales
en aquellos puntos de control para la calibración. Finalmente, es importante cualquier información
relacionada con cambios geomorfológicos que pueden existir en la cuenca a nivel superficial y que
puedan afectar el proceso de producción de escorrentía directa y el flujo base.
En el caso de contar con ambos modelos y su correcta integración, una gran ventaja es la
simulación de distintos escenarios. En particular, el modelo acoplado queda alimentado
principalmente por forzantes climáticas en forma directa, lo que permite simular escenarios futuros
en forma más rápida. En el caso de modelos desacoplados para simular distintos escenarios siempre
se debe considerar correr el modelo superficial en forma inicial y posteriormente introducir las
nuevas recargas en el modelo hidrogeológico, llevando a un proceso iterativo que muchas veces
puede consumir gran parte del tiempo de los proyectos de ingeniería de actualización de modelos.
Si bien la falta de monitoreo de variables hidroclimáticas es conocida, en el caso de las
aguas subterráneas este es un problema más frecuente. Por ejemplo, es muy común la falta de un
registro de consumos y extracciones, por lo que se deben hacer supuestos que aumentan el grado de
incertidumbre. Asimismo, los niveles de pozos no se observan en forma continua, sino a nivel
mensual, a diferencia de los niveles en cauces que son monitoreados más continuamente. Por lo
tanto, todo proyecto de ingeniería debería considerar una campaña de medición que ayude a
disminuir las fuentes de incertidumbre en proyectos de modelación integrada. Por ultimo en la
selección del modelo superficial se recomienda el uso de herramientas parsimoniosas, lo que facilita
el proceso de calibración.
MODELO WEAP Y ALTERNATIVAS DE REPRESENTACIÓN RÍO-ACUÍFERO

El modelo hidrológico WEAP (Water Evaluation And Planning system) (weap21.org/),
desarrollado por el SEI (Stockholm Environment Institute) en 1989, ha sido aplicado con bastante
popularidad y buenos resultados, tanto en estudios de disponibilidad como de planificación del
recurso hídrico (CCG-UC, 2016; Sanzana et al., 2018). Este modelo posee una interfaz gráfica
amigable y provee un enfoque integral, que permite su aplicación con diferentes objetivos.
Alternativas de representación río-acuífero
La representación del acuífero en el modelo WEAP puede ser abordada con tres enfoques,
los que implican distintos niveles de complejidad según la información requerida de los niveles
freáticos y del comportamiento del acuífero en general. Estos enfoques son:
 Enfoque de Estanque: este modelo se basa en el supuesto que el acuífero se comporta como un
estanque de volumen prismático, con propiedades de volumen, y flujos de ingresos y egresos.
 Enfoque de Cuña (Río-Acuífero): esta representación permite modelar la interacción río
acuífero mediante una cuña prismática que se conecta con el río, ambos con características
geométricas y propiedades físicas, como volumen, espesor y conductividad.
 Enlace con MODFLOW: esta representación permite integrar directamente los flujos
superficiales con los flujos subterráneos, donde en cada paso de tiempo se ejecutan dos modelos
numéricos, uno distribuido y el otro agregado.
El enfoque de estanque o baldes permite simular recarga y bombeo de agua subterránea,

sólo a nivel agregado espacialmente. No considera en forma directa la interacción río-acuífero, y
solo es capaz de generar un flujo base desde el estanque inferior al río. Finalmente, no se considera
una posible conexión entre los estanques subterráneos, ocurriendo la interacción entre distintos
estanques solo a nivel del río. En la Figura 4 se muestra el esquema de modelación de estanques
donde aparece la zona superficial (no saturada) y la zona profunda (saturada), representada por dos
estanques interconectados.
Figura 4.- Esquema simplificado del modelo WEAP (elaborado a partir de weap21.org/)
El enfoque de cuña Río-Acuífero mantiene en la zona superficial el esquema del enfoque de

embalse, pero considera un almacenamiento subterráneo tipo cuña, tal que sobre cierto nivel el
acuífero puede recibir o entregar aportes a los tramos de río definidos previamente. En la Figura 5

se muestra el esquema de cuña implementado en WEAP, donde se considera recarga, evaporación,
coeficientes de almacenamiento y conductividad.
Figura 5.- Esquema de Modelación de Cuña WEAP (elaborado a partir de weap21.org/)
Finalmente, el enlace con MODFLOW proporciona una representación de la dinámica de

flujos subterráneos que considera la interacción tanto entre río y acuífero como con otros elementos
según se definan. El enfoque requiere la preparación previa de capas con información espacial (e.g.
topografía, conductividad hidráulica, coeficientes de almacenamiento) en plataformas SIG
(Sistemas de Información Geográfica) que permitan identificar y conectar de manera correcta cada
elemento de la modelación superficial, y sirvan entonces como condiciones de borde de la
modelación subterránea. La Figura 6 muestra la interfaz WEAP-MODFLOW que se utiliza para
cada paso de tiempo de modelación.
Figura 6.- Esquema de Modelación de Cuña WEAP (elaborado a partir de weap21.org/)
CONSIDERACIONES GENERALES DE INTEGRACIÓN WEAP & MOFLOW
La mayoría de los modelos de escorrentía superficial realizan simplificaciones en la

modelación de flujos subterráneos y acuíferos, reduciéndolos típicamente a elementos conceptuales

o estanques, los que tienen una cierta capacidad de almacenamiento y contribución al flujo base
diferente a la del escurrimiento superficial y subsuperficial. Ejemplos de estas herramientas son el
modelo VIC (Liang et al., 1994), el modelo HBV (Bergstrom, 1976), modelo MOS (DGA-AC,
2000) o MAGIC (Zambrano et al, 2005). Generalmente la recarga obtenida a través de estos
enfoques desconectado del modelo subterráneo implica una serie de iteraciones entre ambos
modelos (superficial y subterráneo) hasta que convergen o cumplen cierto criterios impuestos por el
modelador. En el caso de acoplar con modelos subterráneos, el estanque inferior asociado al
almacenamiento más profundo es remplazado por el modelo subterráneo. Para esto se debe tener en
cuenta la información que requiere cada modelo:
a) Modelo subterráneo: geometría 3D del área del modelo como una malla apropiada (relieve,
capas, superficies superior e inferior), permeabilidad de las respectivas células y capas
(anisotropía opcional en 3D), altura piezométrica en la salida del acuífero (para fijas
condiciones de borde aguas abajo) o condiciones de borde aguas arriba en caso que no se
modele el acuífero desde su inicio en cabecera, extracciones e inyecciones artificiales
(introducidas en forma de recarga artificial, o como excedentes del riego (agrícola o
urbano), etc.), condiciones límites en los márgenes del modelo, Propiedades y geometría del
acuífero (elevación del fondo, almacenamiento, porosidad, conductividad entre otras),
Propiedades y atributos del río (elevación del fondo, conductividad si se modelará la
interacción entre las aguas subterráneas y el río).
b) Modelo superficial: esquema del funcionamiento de la cuenca (diagrama unifilar para

comprender el funcionamiento de la cuenca), captaciones superficiales y subterráneas,
demandas y caudal en el río, segmentación espacial más apropiado (sub-cuencas, bandas de
elevación, uso de suelo, etc.), forzantes climáticas (precipitación, evaporación, temperatura,
isoterma 0°, entre otros), parámetros de suelo (coeficiente de cultivo y capacidad de
infiltración), esquema de riego y tasas de riego, caudales de retorno, pérdidas de
transmisión, y otros temas relevantes como importación de caudal desde otra cuenca,
canales de desvío, etc.).
Respecto de la segmentación del modelo hidrológico superficial, esta debe ser compatible
con el modelo hidrogeológico. Por lo tanto se recomienda la modificación del modelo superficial de
forma tal que la integración sea más flexible y ajustable a las condiciones de borde del modelo
subterráneo. En el caso de WEAP y MODFLOW es normal que los modelos presenten los
siguientes esquemas de segmentación espacial:
WEAP: Modelo Concentrado o Semi-distirbuido. Segmentación espacial realizada en base

a: subcuencas, bandas de elevación, Unidades de Respuesta Hidrológica (URH) o Elementos
Hidrológicos Urbanos (EHU). Estos elementos pueden estar representados por geometría
regular (polígonos simples regulares: grillas, triángulos) o geometrías irregulares (polígonos
simples irregulares.
MODFLOW: Modelo espacialmente distribuido. Segmentación espacial realizada en

mediante pequeños segmentos del acuífero, que puede estar representado por grillas,
triangulaciones, diagramas de Voronoi o grillas anidadas (Quadratree en inglés).
Por otro lado también se debe tener en cuenta que los tiempos internos de procesamiento de
ambos modelos podrían perfectamente no coincidir, sin embargo el tiempo en el que se comunican
ambos modelos debe coincidir. En el caso del modelo MODFLOW, el stress-period debe coincidir
con el paso de tiempo seleccionado en WEAP (diario, semanal, mensual u otro), pero el time-step

interno de MODFLOW puede aumentar considerablemente para aquellos casos en los que la
solución no converge. Por ello se recomienda que el modelo sea pre-calibrado previo al acople.
RUTINAS DESARROLLADAS COMO SOPORTE A LA VINCULACIÓN WEAP-

MODFLOW
En la Tabla 1 se muestra un ejemplo de rutinas desarrolladas como apoyo para el análisis y

control de salidas que no están programadas en la interfaz actual de WEAP-MODFLOW. En la
Figura 12 se muestra un ejemplo grafico de los resultados obtenidos. En la Tabla 2 se muestra un
resumen con los parámetros sensibles para la estimación de la recarga en el enlace WEAP-
MODFLOW.
Tabla 1.- Rutinas Implementadas
Descripción Lenguaje
1.-Analisis_Sensibilidad_KeyAssumptions.py Python, R
2.-Analisis_Sensibilidad_Propiedades_MODFLOW.py Python, R
Nota: Rutinas disponibles en maipoadaptacion.cl o correo al autor.
Figura 12.- Ejemplo de variación coeficiente de ajuste versus factor de corrección de parámetros óptimos
Tabla 2.- Parámetros Sensibles para estimación de recarga en enlace WEAP-MODFLOW

Parámetro Descripción Sensibilidad para estimar
Recargas Subterraneas
Capacidad de retención de agua de la primera capa de Sensible
Capacidad de almacenamiento del suelo
suelo
Capacidad de retención de agua de la capa de suelo No Corresponde*
Capacidad de Zona Profunda
profunda
Conductividad hidráulica de la capa de suelo profunda No Corresponde*
Conductividad Zona Profunda
Conductividad hidráulica de la primera capa de suelo Sensible
Conductividad en Zona de Raíces
Temperatura umbral para el derretimiento de la nieve Poco Sensible
Temperatura Deshielo
Temperatura umbral para la acumulación de la nieve Poco Sensible
Temperatura de Congelamiento
Factor que multiplica a los gradientes de precipitación Muy Sensible
Factor de corrección de gradientes de observados en la zona del valle, y que permite generar
precipitación las series de precipitación en altura donde no existen
estaciones.
Gradiente de Temperatura invierno-otoño Variación de la temperatura respecto de la altitud Sensible
Gradiente de Temperatura primavera Variación de la temperatura respecto de la altitud Sensible
Gradiente de Temperatura verano Variación de la temperatura respecto de la altitud Sensible

Relacionado con la superficie del suelo, controla la Sensible
Factor de resistencia de escorrentía
magnitud de la escorrentía directa
Factor que divide el flujo que va desde la primera capa Sensible
Dirección preferente de flujo
de suelo hacia la profunda
ESTUDIOS APLICADOS EN ZONAS ARIDAS Y SEMI-ARIDAS
En zonas con escasez hídrica el uso conjunto de aguas superficiales y subterráneas es una
necesidad evidente. Normalmente este uso tiende a darse en forma natural, especialmente en
periodos de sequía, generando alteraciones importantes en zonas con fuerte interconexión
superficie-subsuperficie. En forma racional se tiende a utilizar el recurso subterráneo en caso de
falta del recurso superficial, pero el concepto de gestión integrada (superficial-subterráneo) no se
encuentra plenamente asumido por los planificadores y responsables de las toma de decisiones
(Sahuquillo et al., 2010). En efecto, el uso conjunto de ambas fuentes puede tener consecuencias
funcionales y ambientales importantes. Por ejemplo, un río puede pasar de recibir a perder agua, o
viceversa, o se puede ocasionar o aliviar un problema de drenaje o salinidad del agua (Sahuquillo et
al., 2010). Así entonces, la modelación integrada se presenta como una excelente herramienta para
la gestión y planificación. A continuación se describen algunos trabajos recientes que han utilizado
el acople WEAP-MODFLOW en zonas áridas y semiáridas.
ACUÍFERO DE COPIAPÓ (CHILE) (Hunter et al., 2015)
En esta investigación se propuso una técnica de evaluación de sustentabilidad, multivariada

y robusta, además del indicador de rendimiento denominado Medida de Sustentabilidad (MOS) para
la gestión de recursos frente a escenarios de variabilidad futura. El caso de estudio fue la Cuenca de
Copiapó, 18.538 km2. Se hace énfasis en la actual situación de la cuenca de Copiapó, que cuenta
con un estrés hídrico extremo. Se estima que los derechos de agua otorgados (al 2015) representan
cerca del 500 % de la tasa de recarga de agua subterránea, siendo un 17 % de los derechos del
sector minero y el 56 % del agrícola. En cuencas áridas, el concepto de sustentabilidad no es tan
simple de definir. Dado que los acuíferos tienden a explotarse sin que la recarga superficial supla el
déficit, un escenario sustentable se puede definir como uno donde se mantiene una tasa de descenso
del acuífero “baja”.
Se prefirió utilizar el modelo WEAP debido a su aumento en popularidad en la literatura
técnica, además de su capacidad de acoplarse integradamente con un modelo MODFLOW
existente. El modelo generado se dividió en subcuencas, incorporando demandas de minería y
extracciones de agua potable. Se consideró información hidrometeorológica en un periodo entre
1993-2012, para el cual se calibró el modelo. La demanda agrícola fue calculada directamente con
WEAP, con el método del coeficiente de cultivo y la extensión de los terrenos dedicados al rubro.
Posteriormente se consideró un periodo de 30 años para estimar variaciones climáticas: series de
temperatura con clara tendencia al aumento (aumento del 9 %) y precipitación con tendencia a
disminuir (descenso del 9 %). El modelo WEAP-MODFLOW (Figura 7) resultó exitoso en 9 de 10
sectores del río. La complicación se le atribuye a extracciones indocumentadas (ilegales o no-
controladas). La Figura 7 muestra un esquema del modelo elaborado y una imagen del acuífero
encajonado en el río Copiapó.

Figura 7.- Modelación integrada WEAP-MODFLOW Copiapó, Visualización 3D MODFLOW (elaborado a
partir de Hunter et al., 2015)
El modelo generado en esta publicación (WEAP-MODFLOW) puede ser mejorado en

varios aspectos, en cuanto a la extensión de la modelación y otros parámetros (forma de representar
los pozos, recarga y condiciones de borde). No se debe perder de vista que este modelo fue
construido con fines de investigación más que ingeniería aplicada. Este modelo puede ser
considerado como un producto inicial que permite modernizar las herramientas de gestión
considerando los desafíos actuales de la gestión integrada de recursos hídricos.
ACUÍFERO DE MAPOCHO ALTO, ESTERO LAS HUALTATAS (CHILE) (Sanzana et al.,

2018)
Otro ejemplo de aplicación en una zona semiárida es el trabajo realizado en la cuenca del
Estero Las Hualtatas, subcuenca del Mapocho-Alto, Santiago (Chile) por Sanzana et al (2018)
(Figura 8). La cuenca tiene como punto de desembocadura la junta del Estero las Hualtatas con el
Río Mapocho. Drena un área de 136 km2 con variaciones de alturas que van desde 785 hasta los
2.882 msnm aproximadamente. La zona de crecimiento urbano se puede aproximar a la faja
localizada entre los 785 y los 1.000 msnm (aprox. 3200 ha) excluyéndose zonas de protección
ambiental. En 2017 la zona urbanizada corresponde aproximadamente a 2300 ha (71%) y
actualmente coincide en gran parte con los límites del acuífero (Fig.8, d). En la Figura 9 se presenta
un diagrama unifilar con las subcuencas conectadas a los elementos del acuífero.
En el trabajo de Sanzana et al. (2018) la modificación y alteración del modelo hidrológico

existente fue primordial para lograr un correcto enlace. Dado que el acuífero modelado es un
acuífero de cabecera, una de las condiciones de borde corresponde al ingreso de la recarga
proveniente de las cuencas laterales de la zona cordillerana. El modelo hidrológico, inicialmente
generado en bandas de elevación se modificó a una nueva segmentación de URH que fuera
compatible con el modelo numérico del acuífero. De esta forma 10 sub-cuencas laterales fueron
subdividas en 44 URH que se acoplaron con el ingreso distribuido por todo el contorno del acuífero.

Figura 8.- Ubicación general de cuenca Estero Las Hualtatas (a,b,c). Sector del Acuífero La Dehesa (d)
(elaborado a partir de Sanzana et al., 2018).
Figura 9.- Diagrama Unifilar Estero Las Hualtatas y vínculo con modelo superficial & subterráneo WEAP-
MODFLOW (elaborado a partir de Sanzana et al., 2018).
En la Figura 10 se muestra un ejemplo de cómo se adaptó el modelo superficial para la

construcción de un modelo superficial-subterráneo integrado. Como paso inicial de la preparación

del modelo superficial las cuencas se sub-dividieron en más unidades considerando los siguientes
límites: Límites Administrativos, Geología, Tipo de suelo, Uso de suelo, Tipo de cultivo, Técnica
de riego, Pendiente, y/o Áreas de especial interés. Esta subdivisión permitió un acople mucho más
limpio y rápido. En este paso se debe tener cuidado con el número final de elementos segmentados
ya que podría aumentar el costo computacional en forma importante y generar problemas de
procesamiento interno del modelo. En este paso es recomendable utilizar herramientas SIG.
Figura 10.- Ejemplo de un esquema de preparación de segmentación espacial para el acople superficial y
subterráneo
DESARROLLO DE UN SISTEMAS DE SOPORTE A LA DECISIÓN (SSD) EN LA

CUENCA DE ZABADANI (SYRIA) Y BERRECHID (MARRUECOS) (Droubi et al., 2008)
El SSD consiste en tres componentes principales: una base de datos de proyectos, un modelo
de flujo integrado y un software de evaluación y planificación de agua fácil de usar. Los
componentes de modelización MODFLOW y WEAP se enlazaron en forma dinámica para cada
paso de tiempo. MODFLOW calcula la altura del agua subterránea, el almacenamiento y el flujo,
mientras que WEAP calcula la recarga de agua subterránea, la altura de agua en el río, la demanda
de riego y los componentes restantes del balance hídrico. A través de la interfaz WEAP el usuario
puede manipular las entradas y evaluar y comparar los resultados de varios escenarios actuales y
futuros en el área objetivo, tales como: actividades humanas (crecimiento demográfico,
urbanización, demanda interna), actividades agrícolas (uso de la tierra, tipos de cultivos, prácticas
de riego), impactos climáticos (modelos de cambio climático, ciclos climáticos regionales),
características de la red (pérdidas y límites del enlace de transmisión, características del campo de
pozos y profundidades de los pozos), así como escenarios con recursos adicionales disponibles (i.e.
recarga artificial, reutilización de aguas residuales). Los resultados se visualizan en forma de
gráficos, mapas y tablas con información de carga hidráulica, balance de agua, etc., y apoyan el
proceso de toma de decisiones considerando todas las partes interesadas. Este estudio fue aplicado
para generación de archivos de enlace (linkage shape) y se utilizó el software ModflowToShape y el
software GMS-6 como pre-procesador de MODFLOW 2000. En la Figura 11 se muestra un
esquema del área de estudio y el sistema implementado.

Figura 11.- Esquema del Sistemas de Soporte a la Decisión (SSD) implementado en la cuenca de Zabadani
(Syria) (modificado a partir de Droubi et al., 2008).
CONCLUSIONES
El uso de herramientas hidroinformáticas en problemas complejos de ingeniería permite

manejar un volumen mucho mayor de información, ampliar las capacidades de programas actuales
y obtener resultados más realistas. Sin embargo se debe tener cuidado en los resultados a obtener de
este tipo de modelos, ya que la cantidad de información que es procesada no es menor y se requiere
especial cuidado con el control de las variables, tal como se recomienda en el trabajo presentado por
Orphanópoulos y Dumoulin (2015). Para el desarrollo del presente trabajo se tomó el caso
específico del acople de modelos superficial y subterráneos con los modelos WEAP y MODFLOW.
En el caso de la integración de estos modelos se requiere de modelos previamente pre-calibrados y
se aconseja que al momento de acoplar ambos modelos, la cantidad de modificaciones sea la menor
posible (dependiendo de la calidad de los modelos previamente disponibles). Los intercambios de
flujo en cada paso de tiempo son del siguiente tipo:
 WEAP=>MODFLOW: las recargas del acuífero, tasa de abstracción y alturas del río
 MODFLOW=>WEAP: Altura de nivel acuífero, volumen de almacenamiento,
afloramientos o infiltración en tramos del río.
Normalmente los limites superficiales de cuencas no coinciden con los límites de acuíferos,
por lo que desde el punto de vista de la segmentación espacial se recomienda proceder tal como se
realizó en el caso del Estero Las Hualtatas (Sanzana et al., 2018). En este caso compatibilizaron los
dominios espaciales del modelo superficial y subterráneo para generar un acople flexible. Una vez
que se cuenta con la segmentación apropiada de ambos modelos se debe proceder a generar el
enlace y el archivo georreferenciado (shape). Para llevar a cabo el Enlace SIG entre WEAP y
MODFLOW se encuentra una variada gama de opciones, sin embargo la más recomendable
corresponde la herramienta SIG especialmente desarrollada para esta tarea: LinkKitchen
(bgr.bund.de).
En la actual implementación del modelo WEAP y MODFLOW existen limitaciones propias
de la interfaz que permite vincularlos. Es por ello, que se pueden adoptar enfoques alternativos
mediante el uso de librerías de programación que permitan dar solución a una gama más amplias de

problemas. Como fue el caso del desarrollo de las rutinas de
Analisis_Sensibilidad_KeyAssumptions.py y Analisis_Sensibilidad_Propiedades_MODFLOW.py.
Finalmente, una de las principales limitaciones por mucho tiempo fue la posibilidad de sólo
acoplar modelos subterráneos con la plataforma MODFLOW-2000, sin embargo en la actual
versión de WEAP (disponible recién a partir de mayo 2018) es posible acoplar modelos mediante
las plataformas WEAP-MODFLOW-2005 y WEAP-MODFLOW-NWT (weap21.org), lo que
facilitará más aún el uso de modelos completamente integrados.
AGRADECIMIENTOS
Este trabajo se desarrolló en el marco del Proyecto MAPA (IDRC 107081-001) y del Proyecto
ECOS-CONICYT C14U02. El trabajo presentado formó parte de la Tesis Doctoral financiada por
las becas CONICYT PCHA/2014-21140685 y "Estadías en el Extranjeros para Alumnos de
Doctorado" VRI-UC. También se reconoce el financiamiento de los Proyectos FONDECYT
Nº1131131 y 1181506, FONDAP 15110020, FONDECYT 1181506 e IRSTEA-Lyon. Finalmente,
Jorge Gironás también reconoce a FONDAP 15110017.
REFERENCIAS
Abbott, M. B. (1999). Journal of Hydroinformatics: overview of this first issue. Journal of
Hydroinformatics, 1(1), 1-1.
Barron, O.V., Barr, A.D. and Donn, M.J., (2013). Effect of urbanisation on the water balance of a
catchment with shallow groundwater. Journal of Hydrology, 485(Supplement C): 162-176.
Bergstrom, S. (1976). Development and application of a conceptual runoff model for Scandinavian
catchments. SMHI Reports RHO, No. 7, Norrkoping.
Bhaskar, A.S., L. Beesley, M.J. Burns, T.D. Fletcher, P. Hamel, C.E. Oldham, y A.H. Roy
(2016). Will it rise or will it fall? Managing the diverse effects of urbanization on base flow,
Freshwater Science, 35(1), 293-310.
Branger, F., Braud, I., Debionne, S., Viallet, P., Dehotin, J., Henine, H., Nedelec, Y. and
Anquetin, S., (2010). Towards multi-scale integrated hydrological models using the LIQUID®
framework. Overview of the concepts and first application examples. Environmental Modelling &
Software, 25(12), pp.1672-1681.
Braud, I., Fletcher, T.D., and Andrieu, H., (2013). Hydrology of peri-urban catchments:
Processes and modelling. Journal of Hydrology. 485, 1-4.
CCG-UC, (2016). Maipo Adaptation Plan. Project developed by Pontifical Catholic University of
Chile (PUC) with funding from Canadian's IDRC (N° IDRC 107081-001).
DGA-AC, (2000). Modelo de simulación hidrológico operacional cuencas de los ríos Maipo y
Mapocho. Dirección General de Aguas. División de Estudios y Planificación, Ayala, Cabrera y
Asociados Ingenieros Consultores Ltda.
Droubi, A., Al-Sibai, M., Abdallah, A., Zahra, S., Obeissi, M., Wolfer, J. and Schelkes, K.
(2008). A Decision Support System (DSS) for Water Resources Management,–Design and Results
from a Pilot Study in Syria. In Climatic changes and water resources in the Middle East and North
Africa (pp. 199-225). Springer, Berlin, Heidelberg.
Flügel, W.A., (1995). Delineating hydrological response units by geographical information system
analyses for regional hydrological modelling using PRMS/MMS in the drainage basin of the River
Bröl, Germany. Hydrological Processes. 9(3‐4), 423-436.
Harbaugh, A.W., Banta, E.R., Hill, M.C. and McDonald, M.G., (2000). MODFLOW-2000, The
U. S. Geological Survey Modular Ground-Water Model-User Guide to Modularization Concepts
and the Ground-Water Flow Process. Open-file Report. U. S. Geological Survey, (92), p.134.
Hobsbawn, E. (2012). Historia del Siglo XX. Historia del Mundo Contemporáneo. Editorial
Crítica, Barcelona, pp. 516-550.

Hunter, Ch. , Gironás, J. , Bolster, D. , Karavitis, Ch. (2015). A Dynamic, Multivariate
Sustainability Measure for Robust Analysis of Water Management under Climate and Demand
Uncertainty in an Arid Environment. Water. 7. 5928-5958.
Leavesley, G., Markstrom, S., Restrepo, P., Viger, R., (2002). A modular approach to addressing
model design, scale, and parameter estimation issues in distributed hydrological modelling.
HydrologicalProcesses 16, 173-187.
Liang, X., D. P. Lettenmaier, E. F. Wood, and S. J. Burges, (1994). A Simple hydrologically
Based Model of Land Surface Water and Energy Fluxes for GSMs, Journal of Geophysical
Research: Atmospheres, 99(D7), 14,415-14,428.
Orphanópoulos D. y Dumoulin P., (2015). Metodología para exploración y explotación de
resultados en modelos hidrológicos integrados. XXII Congreso Chileno de Ingeniería Hidráulica,
Santiago, Chile.
Price, R. K. (2011).Urban hydroinformatics: data, models, and decision support for integrated
urban water management. IWA publishing.
Rodriguez, F., Andrieu, H. & Morena, F. (2008). A distributed hydrological model for urbanized
areas – model development and application to case studies, Journal of Hydrology, 351,pp. 268–287.
Sahuquillo A., Cassiraga E., Solera A. y Murillo J.M. (2010). Modelos de uso conjunto de
aguassuperficiales y subterráneas. Instituto Geológico y Minero de España y Universidad
Politécnica deValencia. 328 pp.
Sanzana P., (2018). Caracterización y Modelación de Procesos Hidrológicos en Cuencas
Periurbanas del Piedemonte en la Ciudad de Santiago (Chile). Tesis para optar al grado de Doctor
en Ciencias de la Ingeniería. Universidad Católica de Chile.
Sanzana, P., Gironás, Braud, I., J., Muñoz, J-F., Vicuña, S., Reyes-Paecke, S., De la Barrera,
F., Branger, F., Rodriguez, F., Hitschfeld and N., Hormazabal, S. (2018). Impact of urban
growth and high residential irrigation on streamflow and groundwater levels in a peri-urban semi-
arid catchment. JAWRA (en revisión).
Yates, D., Purkey, D., Sieber, J., Huber-Lee, A., and Galbraith, H., (2005a). “WEAP21-A
Demand-, Priority-, and Preference-Driven Water Planning Model: Part 2: Aiding Freshwater
Ecosystem Service Evaluation.” Water Int. 30(4), 501-512.
Yates, D., J. Sieber, D. Purkey, and A. Huber-Le, (2005b). "WEAP21—A demand-, priority-,
and preference-driven water planning model: part 1: model characteristics." Water International 30,
no. 4: 487-500.
Zambrano, M., Pagliero, L., Rojas, R. and Gangas. A. M. (2005). Modelación analítica, genérica
e integrada de cuencas. Dirección General de Aguas. Reporte Técnico S.I.T. No 107, pp 178,
Santiago, Chile, Agosto 2005.

IAHR AIIH
MODELIZACIÓN DE UN EVENTO DE LLUVIA TORRENCIAL PARA UNA

CIUDAD DE MEDIA MONTAÑA ANDINA CON EL MODELO WRF.
Joan Nathalie Suárez Hincapié*, Sergio Andrés Gutiérrez Zárate** y Jorge Julián Vélez
Upegui***
Grupo de Trabajo Académico en Ingeniería Hidráulica y Ambiental, Universidad Nacional de Colombia Sede
Manizales, Colombia. jnsuarezh@unal.edu.co*, sagutierrezz@unal.edu.co**, jjvelezu@unal.edu.co
RESUMEN:
Este trabajo contiene los resultados de la modelización de un evento de lluvia torrencial

presentado en la ciudad de Manizales en el año 2011 entre los días 17 y 19 de octubre que causo
gran afectación a la población por dañar la estructura de conducción de su principal planta de
potabilización. La herramienta utilizada para la modelización fue el modelo mesoescalar Weather
Research and Forecasting Model WRF. Gracias a su programación, el modelo WRF es ampliamente
configurable, lo que posibilito la búsqueda de una disposición de sus parámetros que se ajustarán a
las condiciones reales y así verificar la capacidad que tiene este de simular eventos como el
descrito. En este aspecto se consiguieron medidas de correlación cercanas al 40% en series de datos
para variables como la lluvia y estadísticos básicos como la desviación y la varianza, con
diferencias entre el 10% y el 20% de los datos simulados con respecto a los obtenidos en superficie
A través del proceso de simulación se ha observado y determinado la estrecha relación de
variables como la presión atmosférica, la humedad relativa, la temperatura, entre otras con la
precipitación. Además, se han obtenido los elementos para realizar un seguimiento espacial y
temporal de dichas variables lo que permite determinar las condiciones previas y posteriores al
evento estudiado, sirviendo esto como insumo de trabajos posteriores encaminados al pronóstico en
el corto tiempo.
ABSTRACT:
This work contains the results of modeling of a torrential rain event presented in the city of
Manizales in the year 201, between the 17th and the 19th of October, which caused great damage to
the population by damaging the conduction structure of main water treatment plant. The tool used
for the modeling was the mesoscale model “Weather Research and Forecasting Model WRF”.
Thanks to its programming, the WRF model is widely configurable, which made it possible
to search for a disposition of its parameters that could adjust to the real conditions and thus verify
the ability of the latter to simulate events such as the one studied in this document. Based on this
aspect, correlation measures close to 40% were obtained in data series for variables such as rainfall
and basic statistics such as deviation and variance, with differences between 10% and 20% of the
simulated data with respect to those obtained on surface.
Through the simulation process, the close relationship of other variables such as atmospheric
pressure, relative humidity, temperature, among others, with precipitation has been observed and
determined. In addition, the elements have been obtained to perform a spatial and temporal
monitoring of these variables, which allows determining the pre and post conditions of the studied
event, thus approaching to have a prognosis in the short time.
PALABRAS CLAVES: Modelización numérica, Eventos de lluvia, Pronóstico.

INTRODUCCIÓN
Los importantes avances en las predicciones meteorológicas durante el último medio siglo
han reportado grandes beneficios para la humanidad. Los pronósticos precisos salvan muchas vidas,
mientras que las alertas tempranas -cuando están disponibles- mitigan las peores consecuencias de
los fenómenos meteorológicos extremos. Las predicciones detalladas y precisas poseen un elevado
valor económico, y existen numerosos estudios que ponen de manifiesto que los beneficios de las
predicciones pesan mucho más que los costos derivados de las mismas (Lynch, 2010).
En el año 2011, la Ciudad de Manizales, Caldas- Colombia experimentó precipitaciones
promedio muy por encima de los records históricos. Esto sobresaturó los terrenos de la escarpada
zona andina donde está localizada la ciudad, provocando un número considerables de
deslizamientos de tierra en la zona.
Estos deslizamientos afectaron las líneas de conducción de la planta de potabilización Luis
Prieto, principal fuente abastecedora de agua potable para la ciudad, lo cual generó
desabastecimiento efectivo del vital líquido a los habitantes de la ciudad por aproximadamente 20
días (Botero, 2012). Fue así, que entre el día 17 y 19 de octubre de 2011 sucedió el evento de
lluvia, detonante definitivo de un movimiento en masa de aproximadamente 190000 m3 de suelo,
que impactó contra uno de los tanques de distribución de la planta de tratamiento haciendo que se
suspendiera el servicio de agua potable, hecho que se conjugó con una avalancha, producida por la
crecida de dos corrientes hídricas de la zona, que arrasó las tuberías de 30” y 28” que conducen el
agua tratada hacia la ciudad de Manizales.
ÁREA DE ESTUDIO
Desde hace muchos años se ha utilizado la expresión “cielo roto”, para referirse al
encapotado y precipitado “cielo” de Manizales, que cambia abruptamente de tonalidades y
densidades y riega con intempestiva fuerza sus laderas (Figura 1). Esta expresión cualitativa tan
común enmarca esta ciudad, como un entorno bastante lluvioso (Pachón, 2011).
Figura 1.- Parque de Bolívar de la ciudad de Manizales en un día lluvioso.

Recuperado de Frontera Informativa, 2013.
La ciudad de Manizales es un municipio que se encuentra ubicado en el departamento de

Caldas que a su vez se localiza en la zona centro occidente de Colombia. Manizales tiene un área
total de 571,84 km2 de los cuales el área urbana es de 13,6 km2.
La ubicación espacial de la ciudad de Manizales coincide con una de las zonas más
amenazadas del país, en donde se tiene en términos generales, un alto nivel de riesgo ocasionado
principalmente por terremotos, erupciones volcánicas, deslizamientos de tierra, avalanchas e
inundaciones (Carreño et al. 2007; Vélez U. et al. 2012).
Como ciudad de media montaña andina y por estar ubicada en la zona de influencia de la
Zona de Confluencia Intertropical -ZCIT, presenta un clima ecuatorial de montaña, con un régimen
de lluvia bimodal característico de la zona central andina, y un promedio anual de precipitación

alrededor de los 2000 mm (Cortés C. 2010), siendo las tasas de precipitación muy significativas, en
promedio, el 70% de los días del año llueve (Pachón G. 2011). Esta situación favorece la formación
de grandes masas de nubes y la presencia de fenómenos macroclimáticos como El Niño Oscilación
del Sur (ENOS), que históricamente ha causado impactos de gran magnitud tanto en su fase cálida
como en la fría (Poveda, 2004).
Figura 2.- Localización de la ciudad de Manizales, Caldas -Colombia.

Fuente: Elaboración propia.
Cabe mencionar que la ciudad está construida en su totalidad sobre terrenos de fuertes
pendientes entre un 25 a un 45% en promedio, que aunado a la dinámica de la precipitación, se
conviertan en los principales factores de riesgo asociados a fenómenos de deslizamientos, flujos de
lodos, inundaciones, entre otros. Debido a esto, se han generado numerosos esfuerzos para
comprender la dinámica de la lluvia, con diversos enfoques como el hidrológico, el climático, el
ambiental, etc.
Figura 3.- Vista panorámica de la ciudad de Manizales.

Fuente: Empresa Metropolitana de Aseo (EMAS)
DESCRIPCIÓN DEL EVENTO DE ESTUDIO
El evento de lluvia en el cual se centra este estudio, se puede describir como un evento que
se compone por 4 períodos con picos de lluvia bien definidos (ver Figura 4).
Figura 4.- Serie temporal del evento de precipitación estudiado.

Fuente: Elaboración propia.

El primer periodo comprende un intervalo de 5 horas entre las 16:00 horas y las 21:00 horas
del 14 de octubre de 2011 con registro permanente de lluvia con un pico máximo horario de 17.53
mm y un total acumulado de 31.50 mm de lluvia. El segundo período, se registró en un intervalo de
9 horas entre las 19:00 horas del 15 de octubre y las 3:00 horas del 16 de octubre con un pico
máximo horario de 10.41 mm y un total acumulado de 29.21 mm de lluvia. El tercer período, abarca
un intervalo de 6 horas entre las 20:00 horas del 16 de octubre a las 1:00 horas de 17 de octubre con
un pico de 16.26 mm y un total acumulado de 29.48 mm de precipitación registrada. A partir de esta
fecha se empiezan a registrar las primeras alertas por movimientos en masa, ya que a las 21:00
horas del 17 de octubre, se desata el deslizamiento que afecta el tanque de almacenamiento y
distribución de la planta de potabilización. El cuarto período de lluvia, comprende 12 horas de
registro de precipitación, entre las 14:00 horas del 17 de octubre y las 1:00 horas del 18 de octubre
con un pico horario de 5.33 mm precisamente a las 21:00, misma hora en que sucedió el primer
deslizamiento importante. Finalmente, el 19 de octubre a las 10:30 horas sucedió el
desprendimiento de suelo de mayor volumen, estimado en 138 mil metros cúbicos, el cuál
determino la completa inutilización de la planta y la perdida de las conducciones con diámetros de
28’’ y 30’’ respectivamente.
El total acumulado de lluvia para un periodo de 6 días aproximadamente, en los que se dio el
estado de emergencia fue de 134 mm aproximadamente que representa un 6.7 % de la lluvia anual
acumulada en promedio, es decir, se registró para este caso la lluvia que debió distribuirse en 25
días aproximadamente.
Este evento suscitó un desabastecimiento que duro más de 10 días, con afectaciones
económicas y sociales que aún se tratan de recuperar.
Figura 5.-Planta de tratamiento afectada Figura 6.- Imagen de la intervención de las

por deslizamiento. conducciones dañadas.
Recuperado de La Patria, 2011. Recuperado de La Patria, 2011
MODELO NUMERICO WRF (WEATHER RESEARCH AND FORECASTING MODEL)
Descripción
El modelo WRF, se le considera un modelo climático para aplicaciones a nivel mesoescalar,

esto quiere decir, que está programado para la simulación de condiciones de entre 1 a 12 horas, con
extensiones horizontales entre 1 km a 100 km y alturas entre 1 km a 10 km.
Para la configuración del WRF, se debe realizar la definición de los dominios espaciales y
temporales en los cuales se va a trabajar, posteriormente se define las condiciones que afectarán el
desarrollo del cálculo numérico, que se hace con una serie de parametrizaciones.
Los resultados que arroja el modelo WRF son de tipo bidimensional (variables con sus
diferentes valores que son distribuidos en un mismo plano horizontal y paralelo a la superficie del
terreno) y tridimensional (variables con sus valores distribuidos a en dos planos uno horizontal y
otro vertical).

Dominios y Resolución
En el aspecto geográfico, se definieron un dominio base y dos anidamientos sucesivos, así:

El dominio base abarca la costa del pacífico colombiano y parte de la región central incluyendo la
cordillera occidental y central, en un área aproximada de 143.775 km2, este dominio cuenta con una
grilla de 71 por 81 celdas de 25 km por 25 km cada una, después le sigue el primer dominio anidado
que abarca parte de los departamentos de Antioquia, Caldas, Risaralda y Choco con un área de
observación de 88.330 km2, con una grilla de 121 por 146 celdas de 5 km por 5 km cada una,
finalmente encontramos un segundo dominio anidado con un área de 11.616 km2 , que abarca los
municipios del sur oriente de caldas, con una grilla de 121 por 96 celdas de 1 km por 1km cada una.
En la figura siguiente se puede observar la ubicación y aspecto de los dominios de simulación.
Figura 7.-Mapa que muestra los dominios de trabajo.

Fuente: elaboración propia.
Esta definición de múltiples dominios anidados permite el desarrollo de la técnica de

downscaling, donde las condiciones y los cálculos de entrada son llevados desde resoluciones bajas
a resoluciones cada vez más altas, con una mejor aproximación local.
Condiciones de iniciales y de frontera
La información topográfica fue obtenida de la base de mapas de la USGS. Los usos de suelo
y condiciones de humedad superficial de las imágenes y datos del proyecto MODIS con resolución
de 30 segundos de arco. La información de la condición inicial de la atmosfera se obtuvo a partir
del modelo de circulación global CFS en su versión de reanálisis (CFRS) con una resolución de 0,5
grados, del cual se obtuvo variables como la SST (temperatura superficial del océano), condiciones
de superficie y condiciones atmosféricas a diferentes alturas, con una entrega de datos cada 6 horas.
Hay que mencionar que la información atmosférica se distribuye en una grilla vertical de 42
niveles con un rango de altura de 16000 m.
Configuración de parámetrizaciones
Las parametrizaciones son esquemas y fórmulas previamente programas dentro del modelo,
que permiten el control sobre las diferentes variables que intervienen en el cálculo numérico y la
obtención de resultados. En la tabla 1 se muestra la configuración utilizada en este estudio:

Tabla 1.- Variables y esquemas de parametrización utilizadas en el modelo.
Estructura de Configuración
Superficie Superficie Capa Radiación de onda Radiación de onda Capa
Cúmulos Microfísica
Urbana de la tierra superficial larga corta Límite
Revised MM5 Kain-Fritsch RRTM Longwave Dudhia Shortwave
UCM LSM WSM6 YSU
Scheme Scheme Scheme Scheme
RED DE MONITOREO Y DATOS OBSERVADOS
La ciudad de Manizales en su perímetro urbano cuenta con una red de monitoreo de

variables hidrometeorológicas compuesta por dieciséis (16) estaciones, de las cuales la Unidad de
Gestión del Riesgo de la Alcaldía Municipal administra 13 estaciones meteorológicas y una (1)
estación hidrometeorológica, ubicada sobre la quebrada San Luis y los cuales conforman la Red
UGR las cuales fueron utilizadas para realizar la calibración del modelo WRF (ver ¡Error! No se
encuentra el origen de la referencia.7). Las dos restantes son estaciones hidrometeorológicas que
pertenecen a la Corporación Autónoma Regional de Caldas – CORPOCALDAS y monitorean la
quebrada Manizales –Tesorito y la quebrada Olivares-Popal
Figura 8.-Mapa que muestra la red de estaciones de monitoreo hidrometeorológico.

ANÁLISIS, RESULTADOS Y CONCLUSIONES
Período de simulación
Para desarrollar el proceso de simulación, se escogió un período de tiempo que cubriera el

evento de lluvia mencionado y que permitiera una estabilización numérica del modelo. En los
modelos numéricos desarrollados para el estudio de la meteorología y el clima, encontramos un
efecto descrito como el “efecto mariposa”, esto significa, que pequeños cambios en las condiciones
iniciales, representan grandes variaciones en la medida en la que la simulación se extiende en el
tiempo, por esto, los errores implícitos en la resolución de las ecuaciones que controlan los
diferentes aspectos, se multiplican de forma exponencial a lo largo de la simulación.
Con lo descrito anteriormente se entiende y es recomendación generalizada que los períodos
de simulación deben ser de corta duración, para este trabajo se optó por una ejecución de 7 días,
entre el 13 de octubre como fecha inicial y el 20 de octubre como fecha de finalización, con entrega
de resultados por parte del modelo cada 6 horas para el dominio 1 el de más baja resolución, de 3
horas para el dominio 2 anidado y de 1 hora para el dominio 3 anidado, de más alta resolución.

Desempeño del modelo
Para evaluar el desempeño del modelo, se realizaron diferentes medidas estadísticas entre las
variables tanto observadas como simuladas. Entre los cálculos, se verificaron las medias,
desviaciones, correlaciones tanto de datos observados como simulados. Se muestra a continuación
los resultados obtenidos, a través de diagramas de Taylor, que permiten observar de una forma clara
cómo se comporta el modelo para cinco estaciones que sirven para caracterizar las condiciones de la
meteorología de la ciudad. Como comentario adicional, hay que decir que estos diagramas son
modificados, ya que usan una desviación estandarizada lo que permitió obtener una gráfica con
múltiples variables sin importar su magnitud o unidades de medida (ver Figura 8).
Los diagramas revelan un buen desempeño del modelo frente a la simulación de la

precipitación, principal variable estudiada en este trabajo, con correlaciones entre el 39% y el 42%
y RMSE entre 1.0 y 2.0. También se puede observar que en variables como la temperatura, el
modelo se acerca a las condiciones reales en rangos entre el 70% y el 80% de correlación y RMSE
por debajo de 1.0 en muchos de los casos. Cabe resaltar también que en las demás variables
observadas (velocidad del viento, presión barométrica y humedad relativa) el comportamiento de
los datos simulados presenta diferencias en las diferentes ubicaciones, esto se debe a que las
condiciones de topografía y los usos de suelo, son características de la zona de estudio, que son
difíciles de replicar en el modelo numérico por el tipo de información de entrada utilizado.
Figura 9.-Diagramas de Taylor para los datos simulados de las estaciones: El Carmen, Enea, Ingeominas,
Posgrados y Yarumos.
Como complemento al análisis estadístico de los datos, se realizó una comparación visual de
las series, tanto observadas como simuladas, para tener más claridad en las deficiencias que pudo

mostrar el modelo a lo largo de la simulación. En las Figuras 10, 11, 12 se muestran las
comparaciones de las series de datos de las diferentes variables observadas para las estaciones
mencionadas con anterioridad:
Figura 10.-Series de precipitación con los datos observados y simulados para las diferentes estaciones.
Las series de precipitación, muestran como el modelo sigue las tendencias de los picos de
lluvias registrados, aunque hay disparidad en la magnitud de algunos de ellos. Se puede concluir,
que el modelo presenta una capacidad significativa para pronosticar la dinámica de este tipo de
eventos.
Figura 11.-Series de temperatura con los datos observados y simulados para las diferentes estaciones.
La Figura 11, muestra como la temperatura es la variable que mejor ajusta en el modelo,
consiguiendo seguir el perfil de los datos registrados por las estaciones. Esto se esperaba, ya que
esta variable en la mayoría de los modelos, presenta las mejores relaciones de ajuste y pronóstico.

Figura 12.-Series de humedad relativa con los datos observados y simulados para las diferentes estaciones.
La Figura 12, muestra las series de humedad relativa, que al igual que la temperatura, se
convierte en una variable con buen ajuste de los resultados del modelo con respecto a los
observados.
Seguimiento espacial del evento de lluvia
Gracias a la posibilidad de generar mapas con la información resultado de la utilización del

modelo, mediante herramientas de visualización y de información geográfica se ha generado un
juego de ellos que permitió visualizar la evolución del evento de lluvia a través del tiempo y del
espacio. En la Figura 12, se puede ver como se comportó la lluvia a lo largo de los días 14 al 19 de
octubre, núcleo de este estudio:

Figura 13.-Evolución temporal de la precipitación para el evento de estudio.
El mosaico de mapas anterior corresponde a intervalos de 4 horas comenzando el 14 de

octubre a la 3:00 horas y finalizando el 18 de octubre a las 15:00 horas, en él se puede observar los
4 picos de lluvia mencionados en la descripción del evento, también se nota que no hay una
dirección predominante de entrada de la tormenta ya que algunas fases llegan desde el sur occidente
y otras desde el nororiente. A través de estos mapas, también se puede estimar que la lluvia no se
distribuye de forma homogénea en la zona de observación y válida observaciones anteriores sobre
la sectorización de la precipitación.
DISCUSIÓN Y TRABAJOS FUTUROS
Este trabajo hace parte de un acercamiento inicial a la modelación numérica de las

condiciones meteorológicas de una ciudad como Manizales, cuya necesidad de entender las
dinámicas propias de los fenómenos asociados a estas condiciones permitirán en el futuro la
mitigación efectiva de los riesgos subyacentes a los eventos de gran magnitud, todo esto referido al
clima, que pueda darse en su territorio.
La tarea que se propone fundamentalmente, es encontrar herramientas efectivas que
permitan la toma de decisiones, esto se logra a través de una correcta comunicación de la
información y una visualización simple de esta. Ya que los parámetros técnicos, deben ser llevados
a terrenos donde todas las personas de la comunidad comprendan las situaciones que los afectan y

puedan elaborar planes de acción, en pos de mejorar y suprimir las condiciones de vulnerabilidad y
riesgo.
En el caso de este estudio, se han encontrado una serie de dificultades por la capacidad
computacional que requiere este tipo de metodologías de investigación, pero que se han podido
suplir gracias a convenios interadministrativos y la colaboración estrecha entre múltiples disciplinas
del conocimiento.
En el futuro se espera tener un modelo mucho más refinado y consistente, que permita dar el
gran salto hacia el campo del pronóstico y generar así alertas tempranas.
REFERENCIAS
Ayoade, J.O. (1973). “Introduction to Climatologic for the Tropics”. John Wiley and Sons,
Chichester. Lancaster United Kingdom.
Botero, J. (2012). Recuperado de http://www.jbbingenieria.com/
Cardoso, R., Soares, P., Miranda, P., & Belo-Pereira, M. (2012). “WRF high resolution
simulation of Iberian mean and extreme precipitation climate”. In: International Journal of
Climatology. Vol. 33/11 (sept. 2013; p. 2591-2608).
Cortés, A.C. (2010). “Análisis de la variabilidad espacial y temporal de la precipitación en una

ciudad de media montaña andina. Caso de estudio: Manizales”. Maestría thesis Universidad
Nacional de Colombia, Manizales, Colombia
Department of Civil and Environmental Engineering, 2016. “The Weather Research and
Forecasting (WRF) Model”. [Online] http://bioearth.wsu.edu/ wrf_model.html / (Accessed: May 21,
2016)
Frontera Informativa (2013). “Reporte de lluvias en Manizales y recomendaciones ante alerta

amarilla de dengue en Caldas”. Retrieved November 21, 2016, recuperado de
https://fronterainformativa.wordpress.com/2013/03/20/reporte-de-lluvias-en-manizales-y-
recomendaciones-ante-alerta-amarilla-de-dengue-en-caldas/
Lynch, P. (2010). “Predicción del tiempo y del clima: crónica de una revolución.”, 59(2), 75-78.
Pachón, J. (2011). “Distribución de la lluvia en Manizales”. Boletín ambiental. Instituto de

Estudios Ambiental IDEA. Universidad Nacional de Colombia, Sede Manizales, 93, 11.
Vélez, J.J., Duque, N., Mejía, F., and Orozco, M. (2012). “Red de monitoreo Climático para dar
apoyo a la prevención y atención de desastres en Manizales, Colombia.” III – Congreso de
Meteorología Tropical, mayo 14-18, La Habana, Cuba.

IAHR AIIH
EVALUACIÓN HIDROLÓGICA DE LA TÉCNICA DE REDUCCIÓN DE

ESCALA CSD (CHAOTIC STATISTICAL DOWNSCALING) EN LA
CUENCA DEL RÍO BOGOTÁ
Freddy Duarte1, Gerald Corzo2, Germán Santos3, Oscar Hernández4

1. Escuela Colombiana de Ingeniería Julio Garavito, Bogotá – Colombia, freddy.duarte@escuelaing.edu.co
2. IHE Delft Institute for Water Education, Delft - The Netherlands, g.corzo@unesco-ihe.org
3. Escuela Colombiana de Ingeniería Julio Garavito, Bogotá - Colombia. german.santos@escuelaing.edu.co
4. The University of Iowa, Iowa City - United States, oscar-hernandezmurcia@uiowa.edu
RESUMEN:
En este documento se presenta la estimación futura del recurso hídrico en la cuenca del rio
Bogotá, mediante la utilización de herramientas que permitan establecer escenarios posibles de
cambio climático, aplicando una nueva técnica de reducción de escala estadística basada en conceptos
de dinámica no lineal como el caos determinístico y la sincronización de sistemas dinámicos, siendo
necesario validar los resultados de esta técnica de reducción de escala, dada la complejidad dinámica
del sistema climático; realizando una evaluación y comparación de los resultados de la técnica de
reducción de escala CSD (Chaotic Statstical Downscaling) mediante su aplicación a la Cuenca del
rio Bogotá utilizando estaciones climatológicas locales en conjunto con los resultados del modelo
MPI-ESM-MR bajo el escenario RCP8.5 con ayuda del modelo hidrológico de tanques de Sugawara,
obteniendo incrementos en la precipitación del 6 al 20% y cambios en los caudales del -10 al 31 % a
finales del siglo respecto al periodo histórico de referencia.
ABSTRACT:
This document show the future estimation of the hydric resource in the Bogotá river basin, by
using tools that allow the establishment of possible scenarios of climate change, applying a new
statistical downscaling method based on concepts of non-linear dynamics as deterministic chaos and
synchronization of dynamical systems, being necessary to validate the results of the downscaling
technique ,given the complexity dynamic of the climatic system; performing an evaluation and
comparison of the results of the CSD method (Chaotic Statstical Downscaling) through its application
to the Bogotá River Basin using local climatological stations in conjunction with the results of the
MPI-ESM-MR model with the RCP8.5 scenario applying the hydrological model of Sugawara,
obtaining increments in the precipitation of 6 to 20% and changes in the river flows from -10 to 31%
at the end of the century compared to the historical period of reference..
PALABRAS CLAVES: Hidrología, Reducción de escala, Caos

INTRODUCCIÓN
Debido a las preocupaciones globales del incremento de eventos extremos se ha visto un

aumento en el desarrollo de modelos climáticos globales. El manejo y planeación de los recursos
hídricos en diferentes partes del mundo ha llegado al nivel de requerir el análisis de posibles cambios
en la climatología de la región. Diferentes organizaciones internacionales están periódicamente
publicando libremente los resultados de información de escenarios posibles de cambio climático. En
este sentido nuevos retos se han presentado para poder usar esta información a nivel de cuenca, no
solo el concepto de información a escala de grillas, sino también como transformar esta información
a escala de cuenca. Diferentes técnicas existen en esta área, desde modelos físicos, hasta modelos
estocásticos, como se observa en Corzo, G. et al (2009), entre las técnicas más utilizadas se resaltan:
ANN (Artificial Neuronal Network), SDSM (Statistical Downscaling Model), ADC (Advanced Delta
Change Method) y WRF (The Weather Research and Forecast model).
La complejidad de la transformación de datos de fenómenos de precipitación entre diferentes

escalas espaciales y temporales ha motivado recientemente el desarrollo de nuevas técnicas avanzadas
de análisis que puede ser exitosas. Sin embargo, considerando que los sistemas climáticos y sus
procesos dinámicos asociados son esencialmente no lineales, y posiblemente caóticos, la efectividad
de estas técnicas puede ser limitada y dificulta la estimación determinística de la precipitación
obtenida desde los GCM para modelaciones hidrológicas Sivakumar, B. (2010). Aunado a esto, es
claro que ninguna de las técnicas actuales realmente logra capturar la transformación de datos de una
manera precisa y acertada.
El análisis de caos en las series de tiempo se ha desarrollado en diferentes áreas de estudio,

siendo utilizado ampliamente en pronósticos de series de tiempo y permitiendo la creación de
modelos caóticos predictivos, como los presentados en Hernández, O. (2009). En este estudio
presentamos una metodología que se basa en la teoría de caos y que propone la determinación de la
transformación de datos desde el punto de vista de la dinámica no linear.
MATERIALES Y METODOS
1. Caso de estudio
La Cuenca del Río Bogotá está localizada en la parte central de Colombia en Suramérica,
específicamente en el departamento de Cundinamarca, siendo una importante sub-cuenca de la cuenca
mayor del rio Magdalena. Tiene una superficie total de 5891.43 𝑘𝑘𝑘𝑘2 que corresponden a cerca del
32% del total de la superficie del municipio. En la Figura 1 se presenta la ubicación general de la
Cuenca del Rio Bogotá. El régimen hidrológico del río en su cauce principal es bimodal, con
temporadas húmedas entre marzo-mayo y septiembre-noviembre, y temporadas secas entre
diciembre-febrero y junio-agosto.

Departamento de
Departamento de
Cundinamarca Boyacá
Departamento
del Tolima
Figura 1.- Localización de la cuenca en el país (izquierda) y localización en el departamento (derecha).
Como datos de caudales observados se seleccionaron 9 estaciones limnimetricas de la CAR

(Corporación Autónoma Regional de Cundinamarca) a nivel diario para el año 2014 en diversos
puntos de la cuenca, como se presenta en la Figura 2, con valores promedios de caudal de 9.626 𝑚𝑚3 /𝑠𝑠
, una desviación estándar promedio de 3.779 𝑚𝑚3 /𝑠𝑠, un valor mínimo promedio de 3.396 𝑚𝑚3 /𝑠𝑠 y un
valor máximo promedio de 32.960 𝑚𝑚3 /𝑠𝑠
Figura 2.- Áreas de drenaje para las 9 estaciones limnimetricas de la CAR seleccionadas
Para la información climática local, 46 estaciones pluviograficas del IDEAM (Instituto de Hidrología,
Meteorología y Estudios Ambientales, Colombia) fueron seleccionadas para su uso en el periodo
comprendido de 1958 a 2016, como es presentado en la Figura 3, observando que existen en promedio
12239 datos de precipitación diaria por estación, para su uso como predictor, con un valor medio
promedio de 2.76 mm, una desviación estándar promedio de 6.69 mm y un valor máximo promedio
de 105.54 mm.

Estación Limnimetrica
2120889
Estación Pluviografica
pr_21185040
Figura 3.- Estaciones pluviograficas y limnimetricas seleccionadas para la técnica de reducción de escala y
la evaluación hidrológica.
Así mismo, fueron seleccionadas 11 estaciones del IDEAM con registros de evaporación para su uso
en el periodo de 1978 a 2016, observando que existen en promedio 14092 datos de evaporación a
nivel diario por estación, para su uso como predictor y como dato de entrada al modelo hidrológico,
con un valor medio promedio de 3.44 mm, una desviación estándar promedio de 1.58 mm y un valor
máximo promedio de 24.69 mm. En la Figura 4 se presenta la ubicación general de las estaciones
climatológicas seleccionadas.
Figura 4.- Localización de las estaciones climatológicas en la cuenca.
Se utilizo como modelo climático global el MPI-ESM-MR del instituto meteorológico Max
Planck Institute bajo la primera realización histórica (1850-2005) y con el escenario RCP8.5 (2006-
2100) en su primera realización a nivel diario para un total de 91676 datos, basado en el informe de
Angarita, (2014), en el que se concluye que este modelo refleja adecuadamente la mayoría de los
patrones de estado del tiempo local para la región de estudio, en total fueron utilizadas dos celdas del
modelo para precipitación con un valor promedio de 5.13 mm, una desviación estándar promedio de
6.12mm y un valor máximo promedio de 45.82mm.

Cell 1:
Lat (°): 3.7305-5.5958
Lon (°): 284.0625-285.9375
Cell 2:
Lat (°): 3.7305-5.5958
Lon (°):285.9375-287.8125
Figura 5. Celdas del modelo climático MPI-ESM-MR en la cuenca del río Bogotá
Sistema Coordenado de Referencia: WGS-84
Debido a que el modelo hidrológico requiere datos diarios de evaporación, se hizo necesario utilizar
la ecuación modificada de Hargreaves presentada en Droogers and Allen, (2002), cuya formula se
presenta en la Ecuación 1, utilizando los valores de temperaturas diarias mínimas y máximas
suministrados por el modelo climático, ya que el modelo seleccionado no presenta como resultado
el valor de la evaporación, siendo esta fórmula utilizada en el estudio climatológico presentado por
Philip, Arthur, & Droogers, (2014), realizado en la cuenca del rio Magdalena en el año 2014. En la
Tabla 1 se presentan las estadísticas principales de los resultados de temperatura mínima diaria y
temperatura máxima diaria para el modelo MPI-ESM-MR.
𝑇𝑇𝑚𝑚𝑚𝑚𝑚𝑚 +𝑇𝑇𝑚𝑚𝑚𝑚𝑚𝑚
𝐸𝐸𝑇𝑇𝑜𝑜 = 0.0025 ∗ 0.408 ∗ 𝑅𝑅𝑅𝑅 ∗ ( + 16.8) ∗ (𝑇𝑇𝑚𝑚𝑚𝑚𝑚𝑚 − 𝑇𝑇𝑚𝑚𝑚𝑚𝑚𝑚 )0.5 [1]
2
Tabla 1. Estadísticas de la temperatura mínima diaria y la temperatura máxima diaria para el modelo MPI-
ESM-MR en el sitio de estudio
Estadistica Temperatura diaria mínima Temperatura diaria máxima
(°C) (°C)
Promedio 19.003 27.192
Mínimo 11.073 16.759
Máximo 28.535 38.599
Desviación Estándar 2.309 3.092
2. Técnica de reducción de escala CSD
La técnica de reducción de escala CSD (Chaotic Statistical Downscaling) es un nuevo método de

reducción de escala estadística el cual reconstruye el espacio de fase del sistema dinámico para ambas
series de tiempo (estaciones climáticas y resultados del modelo climático global ) mediante el método
de los retardos (en inglés Method of Time-Delay), donde se evalúa la presencia de caos determinístico
para diferentes intervalos de acumulación de las variables climatológicas mediante el cálculo del
exponente de Lyapunov para cada sistema dinámico. Posteriormente, se crea un modelo predictivo
basado en la sincronización general entre dos sistemas dinámicos y la función del parámetro μ de los
vecinos falsos mutuos más próximos, un esquema general de este método se presenta en la Figura 6.

En el proceso de validación del método de reducción de escala CSD, se utilizó una amplia variedad
de técnicas de reducción de escala estadística para la variable precipitación en la cuenca del río
Bogotá, para un total de 16 técnicas, en las que se incluyen: CSD, k-NN Bootstrapping, método del
factor de cambio, métodos análogos, métodos generadores de clima, métodos de tipo meteorológico
y métodos lineales generalizados, la mayoría de los métodos están incluidos en Cofiño, A. (2013).
Figura 6.- Comparación del espacio de fase de la serie de tiempo de precipitación de la primera celda GCM
de la cuenca del río Bogotá para acumulaciones de 1 día (izquierda) y 30 días (derecha).
3. Modelo Hidrológico
El modelo hidrológico aplicado en la cuenca del Rio Bogotá corresponde al desarrollado por
Sugawara en 1967, también conocido como modelo de tanques. Para este modelo de 4 tanques, la
precipitación es colocada en el tanque superior y la evaporación es sustraída individualmente de cada
tanque a medida que se acaba el agua del tanque superior. Las salidas laterales de los tanques
corresponden a las diferentes escorrentías (superficial, intermedio, sub-base y base), tal como se
ilustra en la Figura 4.
Figura 7.- Representación esquemática del modelo de tanques. Tomada de Shrimali N. (2015).

Para este modelo, los datos de entrada de precipitación y evaporación correspondieron a los resultados
obtenidos del modelo CSD, y los parámetros de los tanques fueron supuestos y posteriormente
corregidos mediante un proceso de calibración. Para este modelo, la precipitación es colocada en el
tanque superior y la evaporación es sustraída individualmente de cada tanque a medida que se acaba
el agua del tanque superior. Las salidas laterales de los tanques corresponden a las diferentes
escorrentías (superficial, intermedio, sub-base y base).
4. Calibración y validación de los modelos
Para la evaluación de la presencia de caos determinístico en las series de tiempo de la cuenca del rio
Bogotá se utilizaron los siguientes intervalos de acumulación de la precipitación y de la evaporación:
3 días, 5 días, 7 días, 10 días, 15 días y 30 días. Así mismo se utilizaron las siguientes fechas de
calibración, validación y aplicación de la técnica de reducción de escala, en la Figura 8 se presenta la
validación del modelo para precipitación y evaporación:
Precipitación:
 Calibración: 1 de febrero de 1958 al 31 de diciembre de 2005.
 Validación: 1 de enero de 2006 al 31 de agosto de 2016.
 Aplicación: 1 de septiembre de 2016 al 31 de diciembre de 2100.

Evaporación:
 Calibración: 1 de enero de 1978 al 31 de diciembre de 2005.
 Validación: 1 de enero de 2006 al 31 de julio de 2016.
 Aplicación: 1 de agosto de 2016 al 31 de diciembre de 2100.
Figura 8. Validación de los resultados de la técnica de reducción de escala CSD para evaporación
(izquierda) y precipitación (derecha) de las estaciones 21206050 y pr_21185040 respectivamente
Para el proceso de calibración del modelo hidrológico, adicional a las estaciones presentadas de la
Corporación Autónoma Regional de Cundinamarca (CAR) fue utilizada la estación limnimetrica del
IDEAM 21207960, con registros históricos de 1973 a 2015 con la finalidad de mejorar los resultados
obtenidos del proceso de calibración y validación del modelo hidrológico para los siguientes 6
parámetros:
 Coeficientes de descarga del tanque superior (k1 y k2)

 Coeficiente de percolación del tanque inferior (k3)
 Coeficiente de descarga del tanque inferior (k4)
 Mayor posición de descarga en cada tanque (d1 y d2)

El de calibración fue realizado mediante el algoritmo GODLIKE (Global Optimum Determination
by Linking and Interchanging Kindred Evaluators), desarrollado por Vandekerckhove y Oldenhuis,
(2006- 2009), el cual es un intento por generalizar y mejorar la robustez de los 4 algoritmos
metaheurísticos para optimización más utilizados: GA, PSO, DE y ASA, y generalizar el proceso de
optimización, siendo capaces mediante este algoritmo de resolver problemas con uno o múltiples
objetivos. En la Tabla 2 se presentan los parámetros calibrados encontrados para cada subcuenca.
Tabla 2. Parámetros de calibración del modelo hidrológico de la cuenca del rio Bogotá
Cuenca K1 K2 K3 K4 D1 D2
1 7.170 0.199 0.362 0.032 64.549 4.522
2 5.571 0.046 7.686 0.008 88.448 4.878
3 0.711 0.015 9.671 0.006 73.063 42.289
4 0.142 0.013 4.197 0.004 34.734 16.221
5 0.877 9.800 1.574 0.004 50.381 12.603
6 3.062 0.541 9.979 0.002 78.583 48.647
7 3.874 0.188 9.956 0.002 74.085 47.909
8 2.725 0.075 0.347 0.001 68.901 2.305
9 3.366 0.021 0.077 0.001 60.531 0.826
EVALUACIÓN DE RESULTADOS
Finalmente, fue posible comparar la precipitación mensual multianual, la precipitación anual y el

periodo de retorno para una gran cantidad de técnicas de reducción de escala con el periodo de
referencia, y usar estos resultados para estimar los futuros caudales del río utilizando el modelo
hidrológico de tanques. En la Figura 9 y la Figura 10 se presenta la variabilidad espacial del porcentaje
de incremento de la precipitación y la evaporación respectivamente, entre el periodo de referencia y
la proyección realizada, encontrando que se espera un incremento en las precipitaciones a lo largo de
toda la cuenca para finales de siglo del rango de 6 a 20 %, encontrando los mayores incrementos en
la precipitación en la parte media-alta de la cuenca, y las menores precipitaciones en los límites de la
cuenca. Así mismo, se observa un cambio en la evaporación media de la cuenca del orden del -5% al
10% en la cuenca del rio Bogotá a finales de siglo respecto al periodo de referencia acorde con el
modelo climático MPI-ESM-MR y el escenario RCP8.5
Figure 9. - Variabilidad especial del incremento porcentual promedio de precipitación entre los registros
históricos de referencia y la serie proyectada utilizando el modelo MPI-ESM-MR bajo el escenario RCP 8.5
para el periodo equivalente a finales de siglo (2070-2100) utilizando la técnica de reducción de escala CSD.

Figure 10. - Variabilidad especial del incremento porcentual promedio de evaporación entre los registros
históricos de referencia y la serie proyectada utilizando el modelo MPI-ESM-MR bajo el escenario RCP 8.5
para el periodo equivalente a finales de siglo (2070-2100) utilizando la técnica de reducción de escala CSD.
Como parte del proceso de comparación de las técnicas de reducción de escala, se presentan los
periodos de retorno y las precipitaciones anuales esperadas en la Figura 11 para la estación
pr_21185040, observando la gran diferencia en los periodos de retorno entre las técnicas de reducción
de escala.
Figura 11.- Comparación de los periodos de retorno para diferentes técnicas de reducción de escala en la
estación pluviográfica pr_21185040
Al comparar los resultados obtenidos de la calibración entre los caudales observados (medidos) y los
caudales calculados (resultados del modelo hidrológico), se observa que los caudales calculados
representan adecuadamente los valores extremos en diferentes años, tal como se presenta en la Figura
12 para la sub-cuenca de la estación 2120889. Sin embargo, también se observa un desfase
significativo respecto al caudal promedio observado.

Figura 12. - Comparación de los caudales modelados y observados para la sub-cuenca de la estación
2120889 en el año 2014
De esta forma, las estaciones que presentaron valores aceptables en el proceso de validación
del modelo hidrológico por diferentes métricas como Nash-Sutcliffe y RMSE, corresponden a las
estaciones 2120719, 2120816, 2120767 y 2120792, correspondiendo principalmente a sub-cuencas
que no han sido altamente intervenidas por el hombreen la cuenca, obteniendo para estas estaciones
cambios porcentuales en el caudal promedio a final de siglo respecto al año 2014 del orden de -10%
a 31%. Así mismo, se observa un incremento drástico en los caudales promedios en el periodo 2014-
2020, hasta alcanzar un valor máximo en 2030 y un proceso de estabilización del caudal promedio
entre 2060 y 2080 en las diferentes estaciones limnimetricas. En la Figura 13 se presentan los cambios
porcentuales en el caudal promedio de las estaciones seleccionadas del proceso de validación del
modelo hidrológico para el periodo 2015-2100 respecto al año 2014.
Figura 13.- Incremento porcentual en el caudal promedio de las estaciones 2120719, 2120816, 2120767 y
2120792 para el periodo 2015-2100, con respecto al año 2014.
CONCLUSIONES Y RECOMENDACIONES
Se concluye que los resultados obtenidos de la técnica de reducción de escala CSD mediante el
modelo climático MPI-ESM-MR aplicando el modelo hidrológico de Sugawara, representan
correctamente los valores históricos de caudales de la cuenca del rio Bogotá en aquellas sub-cuencas
que no han sido altamente intervenidas por el hombre, y pueden indicar cuál podría ser el
comportamiento futuro del régimen hídrico para un escenario de emisión de gases de efecto

invernadero RCP 8.5, lo cual representa una alternativa viable para determinar caudales de diseño de
estructuras hidráulicas. Sin embargo, es necesario mejorar el modelo propuesto de reducción de escala
CSD para representar adecuadamente los valores extremos de precipitación y evaporación. Así
mismo, es clara una variación de los periodos de retronó futuros en función de las diferentes técnicas
de reducción de escala (ver Figura 11), observando variaciones de -17 a 28% en comparación con el
periodo histórico de referencia. Este es un resultado muy importante ya que es probable que afecte
los posibles riesgos de inundación en la zona de estudio.
Se recomienda la utilización de series (hidrológicas y meteorológicas) con una mayor cantidad de

datos de distintas fuentes (Corporación Autónoma Regional de Cundinamarca (CAR), Empresa de
Acueducto, Alcantarillado y Aseo de Bogotá (EAB) e Instituto Distrital de Gestión del riesgo y
cambio climático (IDIGER)), ya que las estaciones y datos utilizados del IDEAM fueron insuficientes
en varios sectores de la cuenca en la validación del modelo hidrológico. Así mismo, se recomienda
la utilización de un modelo hidrológico que considere implícitamente los embalses y estructuras
hidráulicas existentes y proyectadas en la cuenca del rio Bogotá, debido a la alta intervención humana
en la región.
REFERENCIAS
Angarita, H. (2014) “Metodología para incluir variabilidad climática y escenarios de cambio climático en el
modelo WEAP de la macro Cuenca del Rio Magdalena”.
Cofiño, A. et al (2013) MeteoLab: An open-source Matlab toolbox for Meteorology & Climate. Cantabria
Corzo, G. et al (2009) Downscaling Global Climate Models Using Modular Models and Fuzzy Committees,
Delft, UNESCO-IHE
Droogers, P. and Allen, R. G. (2002) Estimating reference evapotranspiration under inaccurate data
conditions, Irrig. Drain. Syst., 16(1), 33–45
Hernández, O.; (2009) Analysis and Optimization of Chaotic Models for Storm Surge Prediction. Delft.
UNESCO-IHE
Philip, K., Arthur, L., & Droogers, P. (2014). Climate data scaling and analysis for the Magdalena basin.
Shrimali N. (2015) Evaluation of irrigation cum artificial recharge structures in Machhan river basin through
mathematical model
Sivakumar, B.; Berndtsson, R. (2010) Advances in Data-Based Approaches for Hydrologic Modeling and
Forecasting.
Vandekerckhove, J.; Oldenhuis, R. (2006-2009) GODLIKE: Global Optimum Determination by Linking
and Interchanging Kindred Evaluators

IAHR AIIH
SENSIBILIDAD DE UN SISTEMA DE ALERTA TEMPRANA DE

INUNDACIONES A LAS CARACTERÍSTICAS DE LA CUENCA
HIDROGRÁFICA
Luis Silveira, Christian Chreties, Jimena Alonso, Gabriel Cazes, Alejandra De Vera y
Magdalena Crisci
Instituto de Mecánica de los Fluidos e Ingeniería Ambiental, Facultad de Ingeniería, Universidad de la República,
Uruguay
lesy@fing.edu.uy , chreties@fing.edu.uy , jalonso@fing.edu.uy , agcm@fing.edu.uy , adevera@fing.edu.uy ,
mcrisci@fing.edu.uy
RESUMEN:
Las inundaciones ribereñas constituyen la emergencia de origen climático más frecuente y de

mayor impacto en el Uruguay. Consiguientemente, las instituciones nacionales comenzaron a
desarrollar un Sistema de Alerta Temprana de Inundaciones (SATI-UY). Los eventos extremos más
severos, en ciudades ribereñas, están asociadas a cuencas hidrográficas de más de 4.000 km2 de
superficie y ocasionan hasta 5.000 a 6.500 evacuados por ciudad, sobre poblaciones de entre 30.000
a 45.000 habitantes. El objetivo de este trabajo consiste en avanzar en la comprensión de la
sensibilidad del sistema, para su mejora y extensión a otras ciudades del Uruguay. En cuencas con
tiempo de concentración del mismo orden que los pronósticos meteorológicos, la precisión de estos
últimos está asociada a la pre-alerta, en tanto que el pronóstico del nivel máximo puede basarse
enteramente en datos de precipitación medida en tiempo real. En cambio, en cuencas de respuesta
más rápida, la pre-alerta emitida por el SATI-UY depende de la precisión de los pronósticos
meteorológicos, puesto que la alerta con base en solamente datos medidos resulta inefectiva para la
gestión, debido a que su emisión ocurre cuando la ciudad ya está inundada.
ABSTRACT:
Riparian floods are the most frequent and most impacting emergency of climatic origin in
Uruguay. Therefore, the national institutions began to develop an Early Warning System for flood
forecasting (SATI-UY). The most severe extreme events, in riverside cities, are associated with
hydrographic basins of more than 4.000 km2 in area and cause up to 5.000 to 6.500 evacuees per city,
on populations of between 30.000 and 45.000 inhabitants. The objective of this work is to advance in
understanding the sensitivity of the system for its improvement and extension to other cities in
Uruguay. In basins with a concentration time of the same order as the meteorological forecasts, the
precision of the latter is associated with the pre-alert, while the forecast of the maximum level can be
based entirely on precipitation data measured in real time. In contrast, in basins with faster response,
the pre-alert issued by the SATI-UY depends on the accuracy of the meteorological forecasts, since
the alert based on only measured data is ineffective to manage the emergency, because its emission
occurs when the city is already flooded.
PALABRAS CLAVES: tiempo real; pronósticos meteorológicos; tiempo de tránsito.

INTRODUCCIÓN
En Uruguay se registraron más de 67.000 personas evacuadas en la década pasada debido a

inundaciones ribereñas, que son graduales y están asociadas a cuencas hidrográficas de más de 4.000
km2 de superficie. El Sistema Nacional de Emergencias (SINAE) califica este tipo de eventos como
el más frecuente y de mayor impacto en el país.
Desde fines de los años 90 se ha trabajado activamente en la prevención y en la mitigación de
estas emergencias hidrológicas. En particular, como consecuencia de las inundaciones acaecidas en
2007, cuando fueron evacuadas 12.000 personas en los departamentos de Durazno, Treinta y Tres y
Soriano, las instituciones nacionales (SINAE, Dirección Nacional de Aguas - DINAGUA, Instituto
Uruguayo de Meteorología - INUMET e Intendencias Municipales) y la Universidad de la República
- UDELAR, comenzaron a desarrollar un Sistema de Alerta Temprana de Inundaciones (SATI-UY)
para la ciudad de Durazno, en el marco de un acuerdo entre la Organización Meteorológica Mundial
(OMM) y la Fundación Julio Ricaldoni (FJR-FING). En este contexto, conviene recordar que la
Estrategia Internacional para la Reducción de Desastres (EIRD) define a los Sistema de Alerta
Temprana como “el conjunto de capacidades necesarias para generar y difundir información de alerta
que sea oportuna y significativa, con el fin de permitir que las personas, las comunidades y las
organizaciones amenazadas por un evento peligroso, se preparen y actúen de forma apropiada y con
suficiente tiempo de anticipación para reducir la posibilidad de que se produzcan pérdidas o daños”
(EIRD, 2009). Al mismo tiempo, las autoridades nacionales encararon el reasentamiento de
pobladores identificados como “en situación permanente de evacuados potenciales”, por habitar en
zonas inundables con baja recurrencia. Históricamente, la inundación de 1959 es la máxima conocida,
con casi 45.000 personas evacuadas, hasta los eventos ocurridos a partir de 1997. Desde ese entonces
se han registrado eventos en ciudades ribereñas con hasta 5.000 a 6.500 evacuados por ciudad, sobre
poblaciones de entre 30.000 a 45.000 habitantes.
La implementación de mejoras en el sistema de la ciudad de Durazno y la extensión del
sistema a la ciudad de Artigas fueron realizadas en el marco del Programa de Servicios Tecnológicos
de la Agencia Nacional de Investigación e Innovación (ANII).
En base a estos antecedentes, el objetivo de este trabajo consiste en avanzar en la comprensión
de la sensibilidad del SATI-UY dependiendo de las características hidrológicas de las cuencas
hidrográficas de interés, para su implementación en el Uruguay.
CUENCAS SELECCIONADAS PARA EL ESTUDIO
Se seleccionaron las cuencas de los ríos Yí, Cuareim y Olimar, las cuales se presentan en la
Figura 1. La primera corresponde a la ciudad de Durazno, donde se desarrolló el SATI-UY, operativo
desde 2011. En la segunda y tercera se ubican las ciudades de Artigas y Treinta y Tres
respectivamente, siendo de las más afectadas por inundaciones ribereñas, lo que motiva la extensión
del SATI-UY a dichas ciudades.
A diferencia de la cuenca del río Yí, de respuesta lenta, con un tiempo de concentración (Tc)
de 54 hs, las cuencas de los ríos Cuareim y Olimar son de respuesta relativamente rápida, con un Tc
de 33 y 30 hs, respectivamente.
Las características más relevantes de las cuencas seleccionadas, así como de las ciudades
afectadas, se presentan en la Tabla 1. Conviene destacar que la cuenca del río Cuareim es
transfronteriza Uruguay-Brasil, abarcando un 45% de su superficie en territorio brasilero, siendo el
propio río Cuareim el límite fronterizo.

Tabla 1.- Principales características de las ciudades y cuencas bajo estudio.
Población Máximo de evacuados Cuenca Área Tc

Ciudad
[hab] [hab] [fecha] [río] [Km2] [hs]
Durazno 33.576 6.000 5/2007 Yí 8.750 54
Artigas 40.668 7.600 6/2001 Cuareim 4.570 33
Treinta y Tres 25.477 2.800 5/2007 Olimar 4.670 30
Figura 1.- División de las cuencas bajo estudio en subcuencas (Yí, Cuareim, Olimar).
METODOLOGÍA
El SATI-UY se compone de cuatro módulos: 1) adquisición de datos, 2) Sistema de Pronóstico

de Niveles (SPN), 3) Sistema de Información Espacial (SIE) y 4) salida operativa (Chreties et al.,
2011; Silveira et al., 2012; Silveira et al., 2015).
La adquisición de datos consiste en la utilización de diferentes fuentes de información en
tiempo real, básicamente datos de precipitación horaria en todos los puntos de la cuenca donde existen
estaciones telemétricas y pronósticos meteorológicos de hasta 72 horas, que tienen por objetivo
ampliar el tiempo de anticipación para emitir la alerta. Estos pronósticos meteorológicos son
escalados para determinar el dato de pluviometría en los puntos en que se ubican las estaciones
telemétricas y/o a nivel de subcuencas. Además, se adquiere información en tiempo real del nivel de
agua en los cauces principales, para determinar la condición inicial del nivel en el río previo al
desarrollo del evento extremo pronosticado y disponer de información de la evolución del nivel en la
ciudad de interés y en estaciones aguas arriba durante el desarrollo del evento.
El esquema general del SPN se basa en una división de la cuenca de estudio en subcuencas
relativamente homogéneas (Figura 1). En cada una de ellas, se implementa un modelo hidrológico
concentrado que simula los procesos de infiltración y generación de escurrimiento, basado en el
método propuesto por el Natural Resourses Conservation Service de Estados Unidos (Chow et al.,
1994; NRCS, 2010). Para ello se utiliza información sobre la precipitación incidente y las
características físicas de las subcuencas (topografía, uso y tipo de suelos). Como resultado, se
obtienen los hidrogramas (evolución temporal de los caudales) correspondientes a cada subcuenca.
Acoplado a ello, se implementa un modelo hidrodinámico en una dimensión (HEC-RAS, 2010), que
resuelve la dinámica del flujo de agua a lo largo del río y su planicie de inundación, recibiendo como
condición de borde los hidrogramas de las subcuencas que resultan de la modelación hidrológica.
Como resultado, se obtiene la evolución temporal del nivel de agua en el río en cada paso de tiempo
(horario) y en cada sitio de la trama urbana del cauce. Para ello se requiere de información sobre la
topo-batimetría y rugosidad del cauce y sus planicies, así como de las dimensiones de los distintos
puentes existentes sobre el río. El ajuste de los parámetros del modelo acoplado se realiza en base a
las mayores crecidas históricas registradas.

El SIE permite, a partir de la altura del agua pronosticada por el SPN, analizar la exposición
de los componentes urbanos potencialmente afectados, estimando el impacto en las personas,
viviendas y bienes y aportando información para la evaluación de daños y pérdidas del evento.
Una vez disponible la información de entrada, ejecutada la simulación hidrológica e
hidrodinámica para la previsión de niveles (SPN) e integrada dicha información con el sistema
espacial (SIE), se procede a publicar la información más relevante (de entrada y generada) en una
página web, para ser consultada por las instituciones involucradas y en particular por los Centros
Coordinadores de Emergencias Departamentales.
El estudio de sensibilidad, objetivo del presente trabajo, comprende los dos primeros módulos
y la salida operativa descripta precedentemente.
Para evaluar la sensibilidad del SATI-UY se analizaron:
1) El tiempo de tránsito, en caso de existir estaciones hidrométricas aguas arriba de las
ciudades, y/o el tiempo de respuesta de las cuencas, para los eventos considerados en el proceso de
calibración del modelo hidrológico-hidrodinámico, así como los eventos registrados desde la puesta
en operación del SATI-UY.
2) La precisión (margen de errores aleatorios) y exactitud (desvíos sistemáticos) de los
modelos numéricos de pronóstico meteorológico. El SATI-UY utiliza un ensamble de tres modelos
según las recomendaciones de la OMM (WMO, 2011): i) GFS (Global Forecast System) de la NOAA
(Administración Nacional Oceánica y Atmosférica de Estados Unidos) escalado a las cuencas de
estudio; ii) ETA escalado regionalmente por CPTEC (Centro de Previsión del Tiempo y Estudios
Climáticos de Brasil) e iii) modelo europeo COSMO (Consortium for Small-scale Modelling)
escalado regionalmente por INMET (Instituto de Meteorología de Brasil). En todos los casos se
considera el pronóstico emitido el día previo al inicio del evento. Se tiene una descripción del modelo
GFS NOAA en NCEP office Note 442 (Environmetal Modelling Center, 2003). El modelo ETA, y
su implementación y performance operativa en el CPTEC se describen en Gonçalves de Moura et al.
(2010). Las principales características del modelo COSMO y su capacidad de resolución explícita de
nubes convectivas se describen en Baldauf (2014).
3) El pronóstico de niveles máximos del SATI-UY en base a registros observados de
precipitación y modelos numéricos de predicción meteorológica.
RESULTADOS
Tiempos de tránsito
La Figura 2 muestra los tiempos de tránsito en la cuenca del río Yí entre las estaciones
hidrométricas Sarandí-Durazno y Polanco-Durazno. La celeridad de propagación de la onda de
crecida entre las estaciones es similar para todos los eventos analizados, siendo el caso de octubre de
2012 (II) el que más se aparta de la tendencia central para el tramo Sarandí-Durazno. En este evento,
en que se registraron 84 mm de lluvia en 3 días, la condición de humedad antecedente del suelo
influyó en la respuesta del río, debido a que 10 días antes se registró otro evento extremo. A esto se
agrega que la distribución espacial de la precipitación fue creciente desde aguas arriba (Sarandí) hacia
aguas abajo (Durazno), con lo es esperable que la propagación de la crecida fuera más rápida que en
los otros eventos analizados (menor tiempo de tránsito). La Tabla 2 complementa el análisis,
mostrando la media y desviación estándar para ambos tramos del río Yí.

Figura 2.- Tiempos de tránsito en la cuenca del río Yí, entre las estaciones hidrométricas Sarandí-Durazno y
Polanco-Durazno.
Tabla 2.- Tiempo de tránsito entre estaciones

Tramo del río Yi Media Desv. Estándar
[hs] [hs]
Sarandí del Yi – Durazno 81,3 7,8
Polanco del Yí - Durazno 38,4 3,7
La Figura 2 y la Tabla 2 muestran que no existen diferencias significativas en los tiempos de

tránsito, independientemente del nivel de agua, lo que es característico de un curso aluvial de planicie
en el que la crecida desborda ocupando la planicie de inundación, produciendo un efecto de
almacenamiento que afecta la hidrodinámica de la crecida.
Por su parte, la Figura 3 muestra los tiempos de respuesta en la cuenca del río Cuareim. En
esta etapa de extensión del SATI-UY a la ciudad de Artigas, solamente se cuenta con información
pluviométrica de paso diario. Por consiguiente, se consideró como tiempo de respuesta el tiempo
entre el día de mayor lluvia y el día en que ocurre el nivel máximo.
Figura 3.- Tiempos de respuesta en la cuenca del río Cuareim.
Precisión de los pronósticos meteorológicos y pronóstico de niveles máximos

En la cuenca del río Yí, las diferencias entre el pronóstico meteorológico emitido el día previo
al inicio del evento y la lluvia registrada no incidieron en el nivel máximo pronosticado.
En cambio, en la cuenca del río Cuareim, la mayor diferencia se produjo en el evento que tuvo
lugar entre el 8 y 10 de abril de 2017, según se muestra en la Figura 4.

Figura 4.- Precipitación pronosticada por los modelos numéricos de pronóstico meteorológico y
precipitación registrada en la cuenca del río Cuareim, en el evento ocurrido entre el 8 y 10 de abril de 2017.
La lluvia total pronosticada por los modelos numéricos GFS y COSMO fue 87,7 y 94,9 mm,
respectivamente, mientras que las estaciones telemétricas registraron una lluvia total media sobre la
cuenca de 197,5 mm. Es decir, el pronóstico meteorológico fue un -57,6 y -51,9% menor a la lluvia
real registrada. Estas diferencias en el pronóstico meteorológico conducen a que el nivel máximo
pronosticado por el SATI-UY, con base solamente en pronósticos de lluvia, sea -5,4 y -4,6 m menor
que el nivel máximo registrado. No obstante, el nivel máximo pronosticado por el SATI-UY, con
base en registros medidos de lluvia, es aceptable según puede observarse en la Figura 5, en la que se
compara la curva de inundación modelada para la ciudad de Artigas con los puntos relevados en
campo.
Figura 5.- Curvas de inundación emitida por el SATI-UY para la ciudad de Artigas y relevada en
campo, en el evento ocurrido entre el 8 y 10 de abril de 2017.

CONCLUSIONES PRELIMINARES
Del análisis de sensibilidad realizado en función de los datos disponibles actualmente surge
que, en la cuenca del río Yí, el tiempo de tránsito entre Sarandí y Durazno se ubica en el rango 68-88
hs, para los siete mayores eventos registrados entre 2011 y 2015. Por consiguiente, el tiempo de
tránsito es del mismo orden o superior a los pronósticos meteorológicos utilizados. Por lo tanto, en la
cuenca del Yí la precisión de los pronósticos está asociada a la pre-alerta, en tanto que el pronóstico
del nivel máximo puede basarse enteramente en datos de precipitación medida en tiempo real. Esto
último conlleva a que la precisión del nivel máximo pronosticado dependa de los parámetros de
calibración del modelo acoplado hidrológico-hidrodinámico y de la representación de los fenómenos
hidrológicos asociados a la relación precipitación-escorrentía.
En la cuenca del río Cuareim el tiempo medio de respuesta, hasta el momento en base a datos
acumulados diarios de precipitación, es de 24 a 48 hs, inferior a las 72 hs de pronóstico meteorológico
utilizadas. Ello conduce a que la pre-alerta emitida por el SATI-UY dependa de la precisión de los
pronósticos numéricos meteorológicos. El evento que tuvo lugar en abril de 2017 muestra que la
precipitación pronosticada por los modelos GFS y COSMO representó aproximadamente -55% de la
precipitación real medida en la red de estaciones telemétricas, lo que produce un error medio de
-5,0 m en el nivel máximo pronosticado. El error del SATI-UY en desarrollo para la ciudad de Artigas,
con base en registros medidos de precipitación, fue de -1,3 m. Si bien este error es aún superior al
error que puede admitirse cuando el sistema esté completamente desarrollado, una alerta con base en
solamente datos medidos resulta inefectiva, puesto que por los tiempos de respuesta de la cuenca, su
emisión ocurre cuando la ciudad ya está inundada.
Una situación similar ocurre en la cuenca del río Olimar, donde una de las sub-cuencas
afluentes de mayor relevancia (arroyo Yerbal) está caracterizada por importantes pendientes que
influyen en forma significativa en los tiempos de respuesta y en consecuencia en la importancia del
pronóstico meteorológico.
Adicionalmente, conviene señalar que los menores tiempos de respuesta hidrológica de las
cuencas de los ríos Cuareim y Olimar, comparados con los de la cuenca del Yi, implican una mayor
exigencia respecto a la exactitud de los pronósticos numéricos de precipitación para las primeras,
especialmente en lo que refiere a la distribución temporal de la lluvia pronosticada. La mejora de esta
exactitud puede lograrse mediante el uso de composites de predicciones de origen diferente, como las
utilizadas aquí, mediante la elección óptima de parametrizaciones numéricas en las simulaciones en
que esta elección es posible, y especialmente mediante la mejora de la estimación del estado
tridimensional de la atmósfera utilizada en la inicialización de las simulaciones regionales. En este
sentido, nos proponemos que en la continuación del desarrollo del sistema de pronósticos presente se
incluya realizar simulaciones regionales con el modelo WRF que asimilen en sus condiciones
iniciales las observaciones de reflectividad de radares operativos en nuestra región. Se ha encontrado
que la asimilación de este tipo de observaciones permite una estimación del contenido de agua de las
nubes muy precisa, mejorando las predicciones de precipitación tanto en intensidad como en
distribución temporal de manera muy significativa, al menos en las primeras 12 a 24 horas de
predicción efectiva (Tong y Xue 2005 y 2008, Hu et al. 2006, Wang et al. 2013). Para este fin es
posible disponer la información en línea de los radares ubicados en Paraná, Córdoba, Pergamino,
Ezeiza y Santa Rosa (República Argentina), que cubren los sectores Oeste y Suroeste de nuestra
región, sectores desde los cuales provienen las perturbaciones sinópticas. El radar de Santiago, en Río
Grande do Sul, cubre además la propia Cuenca de Artigas-Quarai. Nuestro plan es incluir la
asimilación de datos de reflectividad de los radares mencionados utilizando el sistema de asimilación
WRDF-3Dvar del modelo regional WRF, de la manera descrita por Wang et al. (2013).

Baldauf M. (2104) The COSMO model: towards a cloud resolving NWP. Recent
Developments in Numerical Methods for Atmosphere and Ocean Modelling, pp. 107 {122. ECMWF,
Reading, UK).
Chreties, C., L. Silveira, G. López, y M. Crisci (2011) Sistema de Alerta Temprana para la
ciudad de Durazno (Uruguay). Memorias del Quinto Simposio Regional sobre Hidráulica de Ríos.
Santiago del Estero, Argentina.
Chow, V.T., Maidment, D.R. y Mays, L.W. (1994) Hidrología Aplicada (Capítulos 11 a 14)
- McGraw-Hill -ISBN: 958-600-171-7.
EIRD (2009) Estrategia Internacional para la Reducción de Desastres, Terminología:
Reducción del Riesgo de Desastres. Oficina para la Reducción del Riesgo de Desastres de las
Naciones Unidas.
Environmental Prediction Center (2003) The GFS Atmospheric Model, NCEP Office Note
442, disponible en http://www.emc.ncep.noaa.gov/officenotes/newernotes/on442.pdf
Gonçalves de Moura R., D. L. Herdies, D. Mendes, M. C. Damião Mendes (2010).
Avaliação do modelo regional eta utilizando as análises do CPTEC e NCEP. Revista Brasileria de
Meterologia, No 25, pp 25-43.
HEC-RAS (2010) River Analysis System. Users’manual. U.S. Army Corps of Engineers,
Hydrologic Engineering Center.
Hu, M., M. Xue, and K. Brewster (2006) 3DVAR and cloud analysis with WSR-88D level-
II data for the prediction of the Fort Worth, Texas, tornadic thunderstorms. Part I: Cloud analysis and
its impact. Mon. Wea. Rev., 134, 675–698.
NRCS (2010) Hydrology in National Engineering Handbook. Natural Resources
Conservation Service). United States Department of Agriculture (USDA), Washington, D.C.
Silveira, L., G. López, C. Chreties and M. Crisci (2012). Steps towards an early warning
model for flood forecasting in Durazno city in Uruguay. Journal of Flood Risk Management No. 5
pp. 270-280.
Silveira, L., C. Chreties, M. Crisci, G. Usera y J. Alonso (2015) Sistema de alerta temprana
para previsión de avenidas en la ciudad de Durazno. INNOTEC Revista del Laboratorio Tecnológico
del Uruguay. No. 10 pp. 56-63. ISSN 1688-3691.
Tong, M., and M. Xue (2005) Ensemble Kalman filter assimilation of Doppler radar data
with a compressible nonhydrostatic model: OSS experiments. Mon. Wea. Rev., 133, 1789–1807.
Tong, M., and M. Xue (2008) Simultaneous estimation of microphysical parameters and
atmospheric state with simulated radar data and ensemble square-root Kalman filter. Part II:
Parameter estimation experiments. Mon. Wea. Rev., 136, 1649–1668.
Wang H., J. Sun, S. Fan X. Y. Huang (2013) Indirect Assimilation of Radar Reflectivity
with WRF 3D-Var and Its Impact on Prediction of Four Summertime Convective Events. Journal of
Applied Meteorology and Climatology, 52, 889-902.
WMO (2011). Manual on Flood Forecasting and Warning. WMO-No. 1072. ISBN 978-92-
63-11072-5.

IAHR AIIH
EL PAPEL DE LOS SISTEMAS CONVECTIVOS EN LA PRODUCCIÓN DE

SEDIMENTOS EN UNA CUENCA TROPICAL DE MONTAÑA
1er. S.P. Salamanca, 2do. N. Velásquez, 3er V.A. Lopera, 4to. J.I. Vélez
Universidad Nacional de Colombia, sede Medellín, Colombia
sapsalamancaji@unal.edu.co, nvelasqg@unal.edu.co, valoperam@unal.edu.co, jivelezu@unal.edu.co.
RESUMEN:
La erosión y el transporte de sedimentos son procesos complejos que se relacionan con

características propias del terreno, como su topografía, suelos y coberturas. Además, se relacionan
con las condiciones climáticas de la zona como los son las características de la precipitación y la
tasa de evapotranspiración. Por medio del presente trabajo se buscan evidencias que permitan
conocer la relación que existe entre procesos erosivos y los eventos de precipitación en una cuenca
tropical de montaña, esto a partir del modelo hidrológico distribuido SHIA-SED y el uso de u radar
meteorológico. En cuanto al entendimiento temporal de los procesos, se tuvieron en cuenta dos
escalas, una diaria, la cual permite conocer condiciones iniciales y una horaria usada para entender
los procesos a escala de evento, en ambas se obtuvieron resultados satisfactorios. A partir de los
resultados horarios se evidencian relaciones importantes entre la intensidad, la escorrentía y la
producción de sedimentos. Es importante continuar estudiando en detalle y a mayor escala
temporal, las implicaciones de la estructura de la precipitación en los procesos erosivos y de
transporte a escala de cuenca.
ABSTRACT:
Erosion and sediment transport are complex processes, related to the characteristics of the terrain
such as topography, soil use, and soil texture. They are also related to local weather conditions,
such as precipitation and its characteristics during storm events. In the present work, we want to
explore these relations in a mountainous tropical basin, characterized by the occurrence of high-
intensity convective systems. This using SHIA-SED, a distributed hydrological model with a
satisfactory performance, and meteorological radar data. For this, we made simulations at two-time
scales (daily and hourly). The daily scale set the model initial states for each hourly event. From
hourly results, there is evidence of relevant direct relations between intensity, runoff and sediment
production, this, with an associated uncertainty. Future work must explore this phenomenon at a
finer time-scale.
PALABRAS CLAVES: Producción de sedimentos, precipitación con radar, modelo

hidrosedimentológico, erosividad de la lluvia, sistemas de tormenta.

INTRODUCCIÓN
A escala de cuenca la producción de sedimentos se encuentra estrechamente relacionada con

la estructura de los sistemas de tormenta (Snyder, et al. 2003, Deal, et al. 2017). Esta estructura puede
ser entendida como un conjunto de características temporales y espaciales (Seed & Austin. 1990). En
términos temporales las características propias de la tormenta son: intensidad media (Imed),
intensidad máxima (Imax), duración (D), precipitación total (Ptot), entre otras. Por su parte, los
términos espaciales se encuentran asociados a aspectos como la identificación del tipo de tormenta
(convectivos o estratiformes) (Houze, 2015) y el área que estos cubren sobre la cuenca (Khairolanuar,
et al. 2015). Los eventos con intensidades altas producen mayor escorrentía y por lo tanto tienden a
producir una mayor tasa de sedimentos (Hastings, et al. 2005). Dichos eventos se encuentran
asociados a sistemas convectivos, los cuales presentan características espacio - temporales
específicas, como áreas de cobertura limitadas y una alta variabilidad temporal
(Kampf, et al. 2016). Las características mencionadas de los sistemas convectivos derivan en una
mayor incertidumbre en el momento de cuantificar y predecir la cantidad de material erodado durante
un evento. Sin embargo, en análisis anteriores emplean campos interpolados de lluvia (Caracciolo,
et al 2014, Louvet, S. et al., 2016), con bajas probabilidades de detectar adecuadamente las
características espacio - temporales de la precipitación (Wu, et al 2018). Debido a lo anterior, hay
pocas relaciones claras entre la producción y las características de los sistemas. Hoy en día, mediante
el uso de radares meteorológicos locales es posible explorar de forma más adecuada el rol de la
precipitación en la producción de sedimentos.
La producción de sedimentos puede ser entendida como un sistema complejo (Borrelli, et al.
2014), en el cual se involucran múltiples variables tales como: las características del suelo, la
topografía, el uso del suelo, la variabilidad hidrológica y la precipitación. Debido a lo anterior, es de
esperarse que la relación entre estas variables y la producción no sea lineal, como sí lo han asumido
anteriormente aproximaciones realizadas por modelos del tipo USLE y RUSLE (Merritt, et al. 2003).
El uso del suelo y su textura varían en el orden de meses a años, la topografía lo hace en el orden de
años a miles de años, y las características hidrológicas varían en cuestión de minutos y horas. A lo
anterior cabe sumarle la variabilidad de la lluvia, la cual oscila en cortos periodos de tiempo (Seed &
Austin. 1990). Los radares brindan una ventaja significativa en este aspecto, (Krajewski & Smith,
2002). Ya que permiten observar en detalle la variabilidad espacio - temporal de la precipitación.
Además, posibilitan una mayor comprensión del fenómeno al incluir esta variabilidad en un modelo
hidro-sedimentológico distribuido. De forma específica, es posible plantear un análisis sobre el papel
de la lluvia.
Existen trabajos donde se ha evaluado este papel de la lluvia (Angulo & Beguería 2012., Qin
et al. 2016). Sin embargo, continúa siendo pobre, y se desconoce de forma clara cuáles son las
relaciones entre la estructura de los sistemas y la producción. Acá resaltan las limitaciones para
registrar de forma adecuada la variabilidad espacio - temporal de la precipitación. En múltiples
ejercicios de simulación de sedimentos se emplean campos agregados a escalas temporales del orden
de días (Deal, et al., 2017) y años (Qin, et al., 2016). En otros casos se utilizan datos obtenidos a
escalas espaciales gruesas (Bogena, et al. 2003, Wilkinson et al. 2014). Además, es común encontrar
el uso de campos interpolados (Lu & Yu, 2002., Hoyos et al., 2005., Meusburger et al., 2012). En los
casos mencionados se pierde de una u otra forma el entendimiento de la variabilidad espacio -
temporal de la lluvia. Esta pérdida, limita la compresión de los procesos asociados a la producción de
sedimentos, asociados a eventos convectivos con altas intensidades, bajas duraciones y coberturas
espaciales acotadas.
En el presente trabajo se explora el papel de la precipitación en la producción de sedimentos

en una cuenca tropical mediana ubicada en el interior de Colombia. Para ello se emplea el sub módulo
de sedimentos del modelo hidrológico WMF (Watershed Modelling Framework)

(https://github.com/nicolas998/WMF). Para la simulación se usaron datos de un radar meteorológico
de doble polarización banda C. Tanto la hidrología como los sedimentos son calibrados con datos de
caudal y sedimentos a la salida de la cuenca. Dentro de la simulación se evalúan múltiples eventos en
los cuales se da la producción. Se busca establecer relaciones entre la estructura de la lluvia y la
variabilidad en la producción, ¿cuáles son las condiciones bajo las cuales se incrementa o decrece la
producción? En el análisis se tiene en cuenta también la lluvia precedente y las características
geomorfológicas de las regiones donde ésta ha ocurrido.
El trabajo se encuentra organizado de la siguiente manera: primero se realiza una descripción

de la información utilizada (la cuenca, series, e información de radar), luego se describe en detalle las
metodologías del uso del radar, calibración y validación del modelo. Posteriormente se presentan los
resultados obtenidos en términos de desempeño y se realiza un análisis de los resultados obtenidos en
función de algunas características de la precipitación y de las condiciones de simulación de la cuenca.
Finalmente se presentan las conclusiones obtenidas sobre los análisis realizados.
INFORMACIÓN
El análisis se realiza sobre la cuenca de Jaguas, la cual se encuentra localizada en el departamento

de Antioquia (Colombia) (ver Figura 1). Esta es una cuenca de montaña desarrollada principalmente
sobre una meseta, con una pendiente media del 29% y un área total de 454km2. La cuenca descarga
su caudal sobre el embalse Jaguas, por lo que es de interés conocer la tasa de producción de
sedimentos de la misma. El procesamiento de la cuenca se realizó mediante el MDE (Modelo digital
de elevación) de ALOS-PALSAR (JAXA/METI, 2007), agregado a una escala de 40m. Los usos del
suelo y la textura del mismo se obtuvieron de estudios previos elaborados por entidades estatales.
Figura 1.- Localización de la cuenca de Jaguas.
Para generar campos de precipitación se cuenta con registros horarios de 8 pluviómetros (2009 -
2017), y de forma adicional se tiene información de un radar meteorológico banda C (2014 - 2017),
el cual se encuentra ubicado a 50km de la cuenca. A partir de los 8 pluviómetros se obtienen campos
de precipitación interpolados usando la metodología IDP (Inverso de la distancia ponderado), con un
exponente de ponderación de la distancia igual a 6. Por su parte, con el radar se obtienen campos de
reflectividad cada 5 min, estos son transformados en precipitación mediante una metodología QPE
(Sepúlveda, 2016). La información de radar transformada es agregada a escala horaria, escala de los
registros de caudal.
A la salida de la cuenca se cuenta con información de niveles transformados a caudal mediante

calibración de la sección, los registros se ubican entre los años 2015 y 2016. En el mismo punto se
cuenta con 40 aforos líquidos y sólidos, realizados entre los años 1992 y 1993. A partir de los aforos

se obtienen relaciones estadísticas para los sedimentos en función del caudal líquido, con estas, se ha
estimado la producción de sedimentos observada y su incertidumbre. Esta serie ha sido utilizada en
la validación del modelo de sedimentos.
METODOLOGÍA
Para realizar una adecuada calibración y validación del modelo es necesario contar con
información de sedimentogramas. En la cuenca no se cuenta actualmente con equipos que midan en
tiempo real la cantidad de sedimentos transportados, pero si existe una cantidad significativa de aforos
sólidos, descritos en la sección de información. Para tener una aproximación a los sedimentrogramas,
se ha propuesto estimarlos a partir de relaciones con el caudal observado. Y, debido a la alta
incertidumbre, en las relaciones se han incluido bandas de confianza. En la Figura 2 se presenta la
curva de transformación utilizada (ecuación (1)) y en la Figura 2b un ejemplo de transformación para
un evento seleccionado.
a) Curva de transformación obtenida. b) Ejemplo de transformación para un evento.

Figura 2.- Curva de transformación de sedimentos a partir de caudal, obtenida en la estación El viento.
𝑞𝑞𝑠𝑠 = 𝑒𝑒 −16 𝑞𝑞𝑙𝑙2.78 [1]
En la simulación se han utilizado el modelo hidrológico y el sub-modelo de sedimentos

contenidos en el paquete WMF. El esquema de modelación hidrológica es una modificación del
modelo SHIA (Vélez, 2001). Dentro de las modificaciones cabe resaltar: la variabilidad de la
evaporación en función del tiempo, esquema no lineal para flujos laterales, inclusión de flujo de
retorno, el uso de campos de precipitación obtenidos de forma directa mediante radar y la inclusión
de trazadores virtuales en el modelo. El sub-modelo de sedimentos parte del modelo CASC2D-SED
(Julien, et al., 1995), en este no se han realizado modificaciones.
Para obtener una simulación continua de sedimentos se ha optado por un esquema de simulación
en dos escalas: 1. simulación de largo plazo a escala diaria, y 2. Simulación de eventos a escala
horaria, en cada escala se ha obtenido un conjunto de parámetros escalares calibradores del modelo
(Francés et al., 2007). Entre ambos conjuntos de parámetros se ha buscado que se mantenga el
balance hidrológico, por lo tanto, los parámetros relacionados por el almacenamiento se mantienen
constantes (Tabla 1). La simulación a escala diaria se realizó en el año 2015, obteniendo un índice de
Nash de 0.7 comparado con la estación El Viento. Al final de cada periodo de simulación (diario) se
han guardado los estados del modelo. La simulación horaria se realiza en los días que ocurren eventos
significativos de lluvia, como condiciones iniciales se toman los estados del modelo del modelo
guardados a escala diaria. En este caso con una sola parametrización, se obtienen eficiencias que
varían entre 0.4 y 0.8.

Tabla 1. Parámetros de calibración para el modelo hidrológico en las dos escalas temporales.
Parámetro Calibración diaria Calibración horaria
Evapotranspiración 0.75 0.03
Infiltración 0.35 0.003
Percolación 5.2 0.5
Perdidas 0.0 0.0
Velocidad Superficial 1.0 0.03
Velocidad Sub-Superficial 4.9 1.0
Velocidad Subterránea 9.56 1.45
Velocidad en el cauce 0.99 0.15
Almacenamiento máximo capilar 1.0 1.0
Almacenamiento máximo gravitacional 1.0 1.0
Debido al buen desempeño del modelo en gran parte de los eventos, es posible asumir que este
representa de forma adecuada las condiciones hidrológicas. Y, por lo tanto, en cada evento se
conocen: la producción de sedimentos, el sedimentograma, la distribución espacial del volumen
erosionado, las características de la precipitación, de la hidrógrafa simulada y los componentes de
escorrentía y flujo sub-superficial de la misma. Teniendo en cuenta lo anterior, se realiza un análisis
comparativo entre la producción de sedimentos, la intensidad máxima, intensidad media y el área de
la cuenca cubierta en cada evento. Adicional, se realiza una comparación entre la erosión, la cantidad
de escorrentía simulada, y la variabilidad de los estados del modelo.
ANÁLISIS Y RESULTADOS
En términos de simulación se ha logrado obtener un buen desempeño del modelo a escala diaria
mediante el uso del radar. Para el periodo del año 2015 se obtiene un Nash de 0.7 con el uso de la
calibración presentada en la Tabla 1. En la Figura 3 se presenta la comparación de los caudales
simulados y observados, y en la Figura 4 se presenta la curva de duración de caudales.
Figura 3.- Comparación caudales simulados (gris) versus observados (negro). En el segundo eje Y se
presenta el volumen total para ambos casos.

Figura 4.- Comparación curvas de duración de caudales observada (negro) y simulada (gris).
El modelo presenta un mejor ajuste para condiciones medias y secas, esto se observa tanto en la
Figura 3 como en la 4. Además, logra hacer una buena representación de la variabilidad temporal
hidrológica (ver Figura 3). Es de resaltar que el modelo diario no se ha usado para la simulación de
sedimentos, y su calibración se ha realizado con el fin de obtener condiciones iniciales ajustadas. Por
lo tanto, en la calibración no se buscó obtener la mejor aproximación a los caudales máximos diarios,
si no, a las condiciones medias.
Las condiciones de simulación de eventos han sido tomadas de las condiciones obtenidas para
cada día en el modelo diario. De 72 eventos evaluados, el 72% presentan un Nash superior a 0.4, de
los cuales el 54% es superior a 0.6. De los eventos inferiores a 0.4 sólo el 9% presentan un Nash
inferior a 0.0. Mediante la estrategia de simulación de doble escala, se ha logrado un desempeño
aceptable sin un alto costo computacional asociado. Este desempeño se aprecia también en la
producción de sedimentos, en donde el acumulado total simulado se ubica dentro de rangos
presentados en estudios anteriores realizados sobre el mismo embalse (ver Figura 5).
Figura 5.- Volumen total de sedimentos observados estimados mediante la ecuación (1) y
cantidad total de sedimentos simulados mediante el modelo hidrológico (punteada).
En diferentes casos el modelo logra capturar tanto la variabilidad hídrica como sedimentológica.
En la Figura 6 se presentan los resultados de 3 casos seleccionados, en estos se observa tanto el
comportamiento simulado como observado. Se observa un mayor desempeño en los eventos de
mayor magnitud, este comportamiento aplica tanto para sedimentos como caudal líquido. En la
Figura 7 se presentan los campos de precipitación acumulada para los 3 casos acompañados del
campo de erosión total obtenido por el modelo en cada uno de ellos.

Figura 6.- Resultados para el 23 de enero, 10 de septiembre y 24 de noviembre del 2015. Izquierda:
resultados de simulación hidrológica para el evento. Derecha: resultados de la simulación de sedimentos, las
bandas corresponden a la incertidumbre estadística en los sedimentos observados, las líneas a las porciones de
sedimentos simulados.
De acuerdo con la Figura 7 existe una relación importante entre la precipitación y la producción de
sedimentos. En los tres casos se observa una relación entre las zonas de mayor producción y las de
mayor acumulación de precipitación. La erosión parece estar fuertemente ligada a las regiones de
mayor acumulación de precipitación, a su vez, la alta acumulación durante eventos de tormenta se
encuentra ligada a sistemas convectivos locales limitados a ciertas regiones de la cuenca. El resultado
presentado en la Figura 7 resalta la relevancia de la precipitación en el entendimiento de la producción
de sedimentos, más cuando se trata de una cuenca tropical en donde los eventos de tormenta se
caracterizan por la presencia de sistemas convectivos de alta intensidad.

Figura 7.- Campo de precipitación a la izquierda y campo de lámina erosionada a la derecha para los
eventos del 23 de enero, 10 de septiembre y 24 de noviembre del 2015.
En la Figura 8 se presenta la comparación entre la producción de sedimentos y las características de

intensidad media y máxima en cada evento. Tanto la intensidad máxima como la media parecen tener
una relación con la cantidad de material erosionado y depositado. A mayor intensidad, mayor erosión,
fenómeno probablemente asociado a la producción hortoniana de escorrentía en la cuenca. Sin
embargo, la relación parece variar en ambos casos, con un comportamiento diferenciado entre los
depósitos y lo erosionado. Además, durante eventos extremos con altas tasas de intensidad, la
relación tiende a presentar una mayor dispersión, lo cual da a entender que el fenómeno se encuentra
ligado a otras variables además de la precipitación.
Figura 8.- Comparación de la erosión y la depositación vs la intensidad máxima (eje X) y la intensidad

media (escala de grises de los puntos).
Adicional a la intensidad máxima y media, se evalúa la duración de cada evento y el porcentaje

de área de la cuenca cubierta por el evento. En la figura 9 se observa que a mayor área cubierta por
el evento (eje X) incrementa la erosión total. Si bien, este es un resultado local asociado al tamaño
de la cuenca, los resultados muestran que existe una influencia importante por parte del tamaño de la
tormenta, esta dinámica posiblemente se encuentre relacionada con la cantidad de laderas cubiertas

durante el evento. En cuanto a la duración de las tormentas (tamaño de los círculos), no parece tener
una relación clara con la cantidad de material erodado.
Figura 9.- Variación de la producción de sedimentos en función del área cubierta de la cuenca por cada
evento de precipitación (eje X), de la intensidad máxima (escala de grises) y de la duración del evento
(tamaño del círculo).
De acuerdo a las Figuras 8 y 9, la intensidad y el área cubierta son dos de los factores más
relevantes en la producción de sedimentos. Además, la duración parece tener poca influencia. Estos
resultados indican que la erosión se encuentra ligada a producción hortoniana de escorrentía. La
relación con la escorrentía se presenta en la Figura 10, en donde se aprecia una relación directa. En
este caso los tonos de gris representan la intensidad media del evento. Al parecer, la escorrentía no
varía únicamente de acuerdo a la intensidad, el volumen de escorrentía varía también en función de
las condiciones antecedentes de la cuenca y de los patrones espacio - temporales de la precipitación.
Comparado con los resultados de la Figura 8, la escorrentía presenta una menor dispersión. Además,
parece existir un cambio de comportamiento en eventos en donde se alcanza una escorrentía total
superior a los 120mm.
Figura 10.- Producción de sedimentos comparada con la escorrentía simulada en cada evento.
Complementaria a la Figura 10, en la Figura 11 se evidencia una relación entre la tasa de

infiltración y la producción de sedimentos. Tasas medias y bajas de infiltración se traducen en alta
escorrentía y por ende mayor producción de sedimentos. Estos resultados van de la mano con el
comportamiento de la intensidad máxima en los eventos.

Figura 11.- Volumen erosionado comparado con la tasa media de infiltración de cada evento.
Dentro de los resultados se evidencia una fuerte relación entre las características de intensidad, la
topografía y los suelos. Además, las condiciones antecedentes presentan una influencia que debe ser
explorada de forma más profunda, ya que se encuentran vinculadas con la generación de escorrentía
y por lo tanto con la producción de sedimentos.
CONCLUSIONES
Se implementó un modelo hidrológico y de sedimentos en una cuenca tropical mediana. En donde

debido a condiciones orográficas y climáticas se presentan eventos convectivos de forma continua.
Teniendo en cuenta las condiciones descritas, se exploraron potenciales relaciones entre la producción
de sedimentos, algunas características de la cuenca y la variabilidad de la precipitación.
El modelo hidrológico ha sido utilizado en 2 escalas diferentes de tiempo, la primera con el objeto
de obtener condiciones de inicio, y la segunda para simular la producción de sedimentos de forma
detallada. Mediante la simulación detallada apoyada en información de radar, ha sido posible explorar
potenciales relaciones existentes entre la estructura de la lluvia, las condiciones de la cuenca y la
producción de sedimentos.
El desempeño del modelo empleado es satisfactorio en sus dos componentes, hidrológico y
sedimentológico, almacenar las condiciones iniciales con un modelo de una resolución temporal
mayor representa una mejora en cuanto a esfuerzo computacional. En el análisis por eventos se
observan evidencias de la relación que existe entre las características espaciales y temporales de la
precipitación, como algunas asociadas al suelo o a la cobertura. En el caso de la precipitación mayores
intensidades representan una mayor erosión lo cual se relaciona con el incremento de la escorrentía,
y está a su vez, se relaciona con la tasa de infiltración, mayores tasas de infiltración representan menor
escorrentía y por ello menor producción de sedimentos. vale la pena resaltar la necesidad de continuar
estudiando en detalle las implicaciones de la estructura de la precipitación en los procesos erosivos y
de transporte de sedimentos a escala de cuenca.
Dentro de los resultados se evidenció la necesidad de realizar un futuro análisis a una escala
temporal de mayor detalle. Las relaciones con la intensidad y la escorrentía sugieren que ambas
variables son cruciales en la producción de sedimentos en su entendimiento. Ambas variables pierden
fidelidad al ser agregadas temporalmente. Esto implica el uso de altas resoluciones temporales para
obtener un buen entendimiento de su dinámica y de su vínculo con la producción de sedimentos.
Los resultados de las Figuras 10 y 11 indican una relación entre la producción y la dinámica
hidrológica de la cuenca. Esta dinámica debe ser explorada en mayor detalle en un trabajo futuro.

También es importante resaltar la importancia de contar con registros de sedimentos en tiempo real,
que permitan observar la variabilidad de los mismos durante eventos de tormenta. En el presente
estudio se calibró el modelo con una serie de sedimentos reconstruida, este procedimiento involucra
mayor incertidumbre en los resultados.
Referencias Bibliográficas
Angulo-Martínez, M., & Beguería, S. (2012). “Trends in rainfall erosivity in NE Spain at annual, seasonal
and daily scales, 1955 - 2006.” Hydrology and Earth System Sciences, 16(10), pp. 3551–3559.
Bogena, H., Diekkrüger, B., Klingel, K., Jantos, K., & Thein, J. (2003). Analysing and modelling solute
and sediment transport in the catchment of the Wahnbach River. Physics and Chemistry of the Earth, 28(6–7),
227–237.
Borrelli, P., Märker, M., Panagos, P., & Schütt, B. (2014). “Modeling soil erosion and river sediment yield
for an intermountain drainage basin of the Central Apennines, Italy”. Catena, 114, pp. 45–58.
Caracciolo, D., Arnone, E., Noto, L.V. (2014) Influence of spatial precipitation sampling on hydrological
response at the catchment scale. Journal of Hydrologic Engineering, 19 (3), pp. 544-553.
Deal, E., Favre, A. C., & Braun, J. (2017). “Rainfall variability in the Himalayan orogen and its relevance
to erosion processes”. Water Resources Research, 53(5), pp. 4004 – 4021.
Francés, F., Vélez, J. I., Vélez, J. J. (2007). Split-parameter structure for the automatic calibration of
distributed hydrological models. Journal of Hydrology. 332, (1): 226–240.
Hastings, B. K., Breshears, D. D., & Smith, F. M. (2005). Spatial Variability in Rainfall Erosivity versus
Rainfall Depth. Vadose Zone Journal, 4(3), 500.
Houze, R.A., Rasmussen, K.L., Zuluaga, M.D., & Brodzik, S.R. (2015). The variable nature of convection
in the tropics and subtropics: A legacy of 16 years of the Tropical Rainfall Measuring Mission satellite.
Reviews of geophysics.
Hoyos, N., Waylen, P. R., & Jaramillo, Á. (2005). “Seasonal and spatial patterns of erosivity in a tropical
watershed of the Colombian Andes”. Journal of Hydrology, 314(1–4), pp. 177–191.
JAXA/METI ALOS PALSAR L1.0 (2007). Accessed through ASF DAAC 11 June 2015. doi:
10.5067/Z97HFCNKR6VA.
Julien, P. Y., B. Saghafian, and F. L. Ogden, 1995. Raster-Based Hydrologic Modeling of Spatially-Varied
Surface Runoff. Water Resources Bulletin, 31(3):523-536
Kampf, S. K., Brogan, D. J., Schmeer, S., MacDonald, L. H., & Nelson, P. A. (2016). How do geomorphic
effects of rainfall vary with storm type and spatial scale in a post-fire landscape? Geomorphology, 273, 39–
51.
Khairolanuar, M. H., Ismail, A. F., Jusoh, A. Z., & Mohd Sobli, N. H. (2015). Classification of rain types
for rain attenuation prediction method improvement based on radar information in tropics. ARPN Journal of
Engineering and Applied Sciences, 10(16), 7202–7205.
Krajewski W.F. & Smith J.A. (2002). Radar hydrology: rainfall estimation. Advances in Water Resources
25 (2002) 1387-1394.
Louvet, S., Paturel, J.E., Mahé, G., Rouché, N., Koité, M. (2016). Comparison of the spatiotemporal
variability of rainfall from four different interpolation methods and impact on the result of GR2M hydrological
modeling—case of Bani River in Mali, West Africa. Theoretical and Applied Climatology, 123 (1-2), pp. 303-
319.
Lu, H., & Yu, B. (2002). “Spatial and seasonal distribution of rainfall erosivity in Australia”. Australian
Journal of Soil Research, 40, 887.
Merritt, W. S., Letcher, R. a., & Jakeman, a. J. (2003). A review of erosion and sediment transport models.
Environmental Modelling and Software, 18(8–9), 761–799.
Meusburger, K., Steel, A., Panagos, P., Montanarella, L., & Alewell, C. (2012). “Spatial and temporal
variability of rainfall erosivity factor for Switzerland”. Hydrology and Earth System Sciences, 16(1), pp. 167–
177.
Qin, W., Guo, Q., Zuo, C., Shan, Z., Ma, L., & Sun, G. (2016). “Spatial distribution and temporal trends of
rainfall erosivity in mainland China for 1951–2010”. Catena, 147, pp. 177–186.
Seed, A., & Austin, G. (1990). Variability of summer Florida rainfall and its significance for the estimation
of rainfall by gages, radar, and satellite. Journal of Geophysical Research, 93(d3), 2207–2215.
Snyder, N. P., Whipple, K. X., Tucker, G. E., & Merritts, D. J. (2003). Importance of a stochastic
distribution of floods and erosion thresholds in the bedrock river incision problem. Journal of Geophysical
Research: Solid Earth, 108(B2).

Vélez, J. I. (2001). Desarrollo de un modelo hidrológico conceptual y distribuido orientado a la simulación de
las crecidas. Tesis Doctoral. Universidad Politécnica de Valencia, España.
Wilkinson, S. N., Dougall, C., Kinsey-Henderson, A. E., Searle, R. D., Ellis, R. J., & Bartley, R. (2014).
Development of a time-stepping sediment budget model for assessing land use impacts in large river basins.
Science of the Total Environment, 468–469, 1210–1224.
Wu, Z., Zhang, Y., Sun, Z., Lin, Q., He, H. (2018) Improvement of a combination of TMPA (or IMERG)
and ground-based precipitation and application to a typical region of the East China Plain. Science of the Total
Environment, 640-641, pp. 1165-1175.

IAHR AIIH
EL BALANCE HÍDRICO DE LA VERTIENTE DEL PACÍFICO PERUANO

EN EL CONTEXTO DE CAMBIO HIDROCLIMÁTICO (1970 – 2008)
Pedro Rau1,2*, Luc Bourrel2, David Labat2, Denis Ruelland3, Waldo Lavado4
1
Universidad de ingeniería y Tecnología UTEC. Departamento de Ingeniería Ambiental – CITA, Lima, Perú
2
UMR 5563 GET, Université de Toulouse – CNRS – IRD – OMP – CNES, Toulouse, Francia
3
CNRS, UMR 5569 HydroSciences Montpellier HSM, Montpellier, Francia
4
SENAMHI. Dirección General de Hidrología y Recursos Hídricos, Lima, Perú
*prau@utec.edu.pe
RESUMEN:
La vertiente del Pacífico peruano solo se beneficia del 2% del total del agua superficial disponible a
nivel nacional, mientras concentra casi el 50% de la población del país. Las fluctuaciones de
caudales en las numerosas cuencas de esta región en respuesta a la variabilidad climática y/o las
actividades humanas se pueden reflejar en eventos extremos (inundaciones, erosión y sequías). Para
documentar este tema crucial en Perú, presentamos aquí un análisis cuantitativo de la variabilidad
del balance hídrico de esta región, explorando enlaces entre esta variabilidad y el clima y/o presión
antrópica. Primero presentamos un análisis detallado de la variabilidad hidroclimática a escala de
tiempo anual y a escala de cuenca hidrográfica durante el período 1970-2008. Además de
corroborar la influencia de eventos El Niño extremos sobre la precipitación y los caudales en las
cuencas septentrionales, se obtuvo un calentamiento medio de 0.2 °C por década en todas las
cuencas. Se aplicó la relación de Budyko-Zhang que caracteriza el ciclo del agua como función
única del clima, lo que permite la identificación de cuencas con significativa influencia climática y
antrópica en el balance de agua. Esta metodología reveló que 11 de las 26 cuencas analizadas, se
caracterizan por una baja disparidad en el balance de agua relacionada con una menor influencia
climática y antrópica, lo cual fue verificado con un menor cambio en la cobertura del suelo
mediante el uso de la teledetección.
ABSTRACT:
The Peruvian Pacific drainage only benefits from 2% of the total national available freshwater while
concentrating almost 50% of the country's population. Streamflow fluctuations in the numerous
catchments of this region in response to climate variability and/or human activities can be reflected
in extreme events (floods, erosion and droughts). To document this crucial issue in Peru, we present
here a quantitative analysis of water balance variability of this region, exploring links between this
variability and climate and/or anthropic pressure. First, we present a detailed analysis of the
hydroclimatic variability at annual time step and at catchment scale during the 1970-2008 period. In
addition to corroborating the influence of extreme El Niño events on precipitation and flows in the
northern catchments, an average warming of 0.2 °C per decade was obtained in all catchments. The
Budyko-Zhang relationship that characterizes the water cycle as unique function of the climate was
applied, which allows the identification of catchments with significant climatic and anthropic
influence on the water balance. This methodology revealed that 11 out of 26 catchments analyzed,
are characterized by a low disparity in the water balance related to a less climatic and anthropogenic
influence, which was verified with a lower land cover change through the use of remote sensing.
PALABRAS CLAVES: balance hídrico; Budyko; cambio climático; antropogenización, aridez

INTRODUCCIÓN
En las regiones secas, los efectos de la variabilidad climática y las actividades humanas en la
escorrentía son significativamente más visibles que en otras regiones climáticas (Mortimore, 2009),
lo que resulta en una reducción o aumento del rendimiento hídrico de una cuenca (Brown et al.,
2005; Donohue et al., 2011; Chen et al. 2013). Las cuencas hidrográficas de la vertiente del Pacifico
peruano (en lo sucesivo, Pd) se caracterizan clásicamente por condiciones de tierras secas (e.g.
zonas áridas y semiáridas), lo que implica problemas de escasez de agua para consumo humano y
actividades económicas en las grandes ciudades ubicadas principalmente en las zonas bajas.
Asimismo, se ven afectados por los efectos devastadores de las inundaciones (ANA, 2012).
Estudios previos como Lavado et al. (2012) mostraron la ausencia de una tendencia regional
uniforme y de cambios principalmente en el escurrimiento mínimo y que fueron atribuidos a la
influencia antropogénica en 29 cuencas analizadas. Estudios anteriores (ANA, 2012) analizaron la
oferta y la demanda de agua en las principales cuencas como una aproximación del balance hídrico
con objetivos dentro del marco de la gestión de agua.
La cuantificación y desciframiento de los efectos de la variabilidad climática y las

actividades humanas en el régimen hidrológico representan un desafío, especialmente a escalas
cortas de espacio y tiempo (Wagener et al., 2010). Para descifrar la influencia de la variabilidad
climática y de la antropogenización en el balance hídrico, basamos nuestro estudio en la teoría de
Budyko (Budyko, 1958; 1974). Esta teoría es ampliamente utilizada y es un marco empírico global
bien establecido dentro de la comunidad hidrológica (Donohue et al., 2011; Coron et al., 2015:
Greve et al. 2015). Todas las interacciones a través del ciclo hidrológico entre la vegetación, el
suelo y atmósfera crean un equilibrio empírico representado por la curva de Budyko (van der Velde
et al., 2013). Para enfatizar el impacto de otros factores en el balance hídrico como la vegetación,
una relación general emergente propuesta por Zhang et al. (2001) conocido como la relación de
Budyko-Zhang ha sido usado. Este marco empírico ha sido aplicado a cuencas individuales y en
regiones específicas hasta hoy, considerando diferentes enfoques como la evaluación de su
sensibilidad al cambio climático (Donohue et al., 2011; van der Velde et al. 2013). Para responder
adecuadamente a los problemas planteados por los efectos del cambio climático en los recursos
hídricos (Sivapalan et al., 2011) la curva de Budyko es reconocida como una “herramienta de
mucho valor con un retorno a los conceptos básicos, es decir, hacia la base física del balance hídrico
de una cuenca” (Coron et al. 2015).
El grado de influencia antropogénica puede determinarse usando dos tipos de influencia en

el cambio de la escorrentía: actividades humanas con influencia directa (e.g. conservación del suelo,
obras de control del agua, aumento de la demanda de agua) y las actividades humanas con
influencia indirecta (e.g. uso de la tierra y cambios en la cobertura del suelo) (Wang et al., 2013).
Estos constituyen elementos descriptivos para comprender el comportamiento de las series de datos
hidroclimáticos a escala interanual e identificar las cuencas que presentan un bajo nivel de
antropogenización. Esta selección puede realizarse a través de un análisis de “disparidad en el
balance hídrico” en cada cuenca a través de la relación de Budyko-Zhang, que supone que las
cuencas no presentan cambios en el almacenamiento de agua promedio a largo plazo (≥ 10 años)
(Zhang et al., 2001). Este es un estado estacionario supuesto y se relaciona con un balance hídrico
cerrado del sistema. Estas condiciones se espera que se presenten en cuencas con una baja
disparidad en sus balances hídricos (Rau et al., 2017b). Este estudio tiene como objetivo explicar el
comportamiento hidroclimático de las cuencas de la Pd como un punto de referencia para la
comprensión de la influencia del clima y de la antropogenización en el balance hídrico a lo largo de
una gran extensión latitudinal con una topografía empinada. De esta forma se busca identificar
aquellas cuencas que presentan una mayor y menor disparidad en el balance hídrico desde el punto
de vista del cambio en la cuenca y cambio en el clima.

DATOS
Datos hidroclimáticos in-situ y validación

La base de datos cubre el período 1970-2008 e incluye a la precipitación, temperatura y caudal
mensual. Las series de precipitación se obtuvieron de 139 estaciones pluviométricas, las series de
temperatura desde 59 estaciones meteorológicas, y el caudal de 35 estaciones hidrológicas (ver
Figura 1a) gestionadas por el SENAMHI (Servicio Nacional de Meteorología e Hidrología del
Perú). Se realizó una cuidadosa verificación de la calidad de estos datos de la siguiente forma: la
precipitación fue previamente homogenizada y validada (ver Bourrel et al., 2015 y Rau et al., 2017a
para detalles sobre el procesamiento). La temperatura fue homogenizada y validada según Lavado
et al. (2013), es decir los valores faltantes se completaron con el promedio mensual y con el método
de correlación múltiple basado en estaciones geográficas aledañas. El caudal fue homogenizado y
validado considerando el enfoque de regionalización entre cuencas vecinas (Lavado et al., 2012).
Datos hidroclimáticos grillados y procesamiento

Los datos de precipitación y temperatura se interpolaron a una grilla de 5 × 5 km usando el método
del IDW (Inverso de la Distancia ponderada). Los efectos orográficos sobre la precipitación y la
temperatura fueron representados utilizando el modelo de elevación digital SRTM (90 x 90 m) en
una manera similar como se describe en Ruelland et al. (2014). Los efectos de la altitud sobre la
precipitación se consideraron utilizando el esquema de Valéry et al. (2010) con un factor de
corrección de 4 × 10-4 m-1 (estimado en el área total de la Pd), que corresponde a un 20% de
aumento en la precipitación local para una elevación de 500 m. La temperatura se interpoló
considerando una gradiente constante de - 6.5 °C/km (estimado en el área total de la Pd). La
evapotranspiración potencial (PET) fue estimada con la relación de Oudin (Oudin et al., 2005),
fórmula basada en la temperatura y radiación solar y adaptada a regiones áridas y semiáridas
limitadas por la escasez de datos climáticos in situ (e.g. Hublart et al. ,2015). Efectivamente, Oudin
et al. (2005) mostró que, desde un punto de vista operacional, este modelo es tan eficiente como
modelos más complejos como el modelo Penman y sus variantes.
Re T + K2
𝑃𝑃𝑃𝑃𝑃𝑃 = si T + K 2 > 0
λρ K1 (1)
𝑃𝑃𝑃𝑃𝑃𝑃 = 0, 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
donde PET es la tasa de evapotranspiración potencial (mm/día), Re es la radiación extraterrestre
(MJ/m2/día), λ es la radiación latente flujo de calor (2,45 MJ/kg), ρ es la densidad del agua (kg/m3),
T es la temperatura media diaria del aire (°C), y K1 y K2 son constantes de ajuste. Finalmente,
restringimos el análisis a 26 cuencas (ver Figura 1a) los cuales cumplen los requisitos de validación.
Datos de cobertura de suelo y modelo de elevación digital

Se emplearon 4 mapas de cobertura terrestre basados en imágenes obtenidas por teledetección entre
1984 y 2008. Están basados en imágenes multiespectrales de diferentes sensores con una resolución
que aumenta en el tiempo: las del LBA (Large Scale Biosphere-Atmosphere Experiment in
Amazonia) para 1984 (DeFries et al., 1998; 8 × 8 km cuadrícula) y 1992/1993 (Hansen et al., 2000;
cuadrícula de 1 × 1 km). Las coberturas terrestres de 2001 y 2008 se derivaron del MODIS
(Moderate Resolution Imaging Spectroradiometer). Estos productos se encuentran disponibles
desde: http://glcf.umd.edu/data/lc en grillas de 10 × 10 km. La Figura 1a, muestra que la región Pd
se caracteriza principalmente por cuatro tipos de cobertura de suelo: suelo desnudo (bare ground),
matorral abierto (open schrubland), pastizales (grassland) y tierras de cultivo (cropland). El modelo
de elevación digital que se muestra en la Figura 1b se obtuvo del SRTM de 90 × 90 m (Shuttle
Radar Topography Mission, NASA-NGA, USA disponible desde http://srtm.csi.cgiar.org). Permitió
la delineación de las 26 cuencas hidrográficas estudiadas (ver numeración y parámetros en la Tabla
1), así como la corrección orográfica mencionada en el ítem anterior.

Figura 1.- Ubicación de las 26 cuencas hidrográficas estudiadas en la vertiente del Pacifico peruano. (a)
Estaciones hidroclimatológicas y cobertura de suelo MODIS (2008). (b) Gran infraestructura hidráulica
(nombres en gris itálico) que abastecen de agua a las irrigaciones en las zonas áridas y principales ciudades.
METODOLOGIA
Evaluación de series de tiempo hidroclimáticas

Se realizaron análisis complementarios para detectar tendencias y cambios plausibles usando la
prueba de tendencias Mann-Kendall (Mann, 1945; Kendall, 1975) no paramétrica, el método de la
curva de doble masa (Searcy y Hardison, 1960) y la prueba de Pettitt (Pettitt, 1979).
Disparidad del balance hídrico en cuencas hidrográficas

El balance hídrico para una cuenca hidrográfica puede describirse a escala anual como:
P = AET + R + ΔS (2)

donde P es precipitación (mm/a), AET es la evapotranspiración real (mm/a), R es la escorrentía
(mm/a) y ΔS es el cambio en el almacenamiento de agua de la cuenca (mm/a). A escala anual, ΔS
puede obviarse durante largos períodos (≥10 años) (Zhang et al., 2001). Con base en la teoría de
Budyko (Budyko, 1974) que considera que la energía y el agua disponibles como los factores
principales para determinar la tasa de evapotranspiración real, usamos aquí el enfoque desarrollado
por Zhang et al. (2001). La curva de Budyko-Zhang estima el AET de la siguiente forma:
𝑃𝑃𝑃𝑃𝑃𝑃
𝐴𝐴𝐴𝐴𝐴𝐴 1 + 𝑤𝑤 ( 𝑃𝑃 )
= (3)
𝑃𝑃 𝑃𝑃𝑃𝑃𝑃𝑃 𝑃𝑃
1 + 𝑤𝑤 ( 𝑃𝑃 ) + 𝑃𝑃𝑃𝑃𝑃𝑃
donde PET (mm/a) es la evapotranspiración potencial y w (no dimensional) es el coeficiente de

agua disponible para las plantas (relacionado con el tipo de vegetación). El parámetro muy sensible
"w" se calibra en el AET interanual a largo plazo de la ecuación 3. El uso de la curva Budyko-
Zhang sobre la Pd aparece como un método valioso para la interpretación del balance hídrico
considerando la importancia de la vegetación en regiones áridas y semiáridas (Zhao et al., 2013;
Chen et al., 2013).
La baja disparidad del balance hídrico en una cuenca se evaluó en términos de tres criterios: a) la
forma de la asociación de puntos entre el índice de sequedad (PET/P) y el índice evaporativo
(AET/P), debe seguir una curva de Budyko-Zhang con un valor positivo de "w", b) el coeficiente de
correlación "r" entre el AET estimado utilizando Budyko-Zhang y el estimado utilizando el balance
hídrico (ecuación 2) debe ser mayor que 0,7 y c) el error estándar relativo (% RSE) del ajuste de la
curva debe ser inferior al 15%. Cualquier cuenca fuera de estos tres criterios cae fuera de la curva
de Budyko y se consideraría como una cuenca con una alta disparidad en el balance hídrico. De
acuerdo con Wang et al. (2011), Jones et al. (2012) y Coron et al. (2015), dicha cuenca con alta
disparidad se interpreta como fuertemente influenciada por la antropogenización, o una cuenca
hidrográfica bajo fuertes condiciones de variabilidad climática, especialmente sequías, o una cuenca
con otros componentes faltantes del balance hídrico (como la demanda de agua, alteración de flujos
de agua subterránea) o en el peor caso, una cuenca donde hubo mediciones inadecuadas.
RESULTADOS
Series temporales hidroclimáticas

Se determinó la serie anual de PET, de la escorrentía anual (R) por la relación entre Q y el
área de drenaje (A), y la evapotranspiración real anual (AET) por balance hídrico (P - R) para el año
hidrológico (septiembre - agosto). Los valores medios anuales de las series hidroclimáticas se
muestran en la Tabla 1. Para la precipitación media anual, las cuencas ubicadas en las áreas
septentrionales generalmente presentan valores superiores a las áreas del sur. Esto se debe a la
influencia del fenómeno El Niño sobre las cuencas septentrionales que aparece claramente en los
picos durante los eventos 1982/1983 y 1997/1998 conocidos como años de eventos extremos de El
Niño. Esta influencia también está presente en la variabilidad de la escorrentía. Para la temperatura
media anual, PET y AET, disminuyen en general hacia las latitudes meridionales. La variabilidad
media anual de la PET sigue el mismo comportamiento de la variabilidad media anual de la
temperatura a lo largo de la Pd debido a la naturaleza empírica del método Oudin. Sin embargo, hay
un ligero aumento sobre las cuencas áridas ubicadas en el sur (entre el n°18 al n°24), donde hay un
predominio del suelo desnudo y las áreas de matorral abierto.
Vale la pena mencionar que las regiones secas abarcan zonas hiperáridas, áridas, semiáridas y
subhúmedas secas (Brouwer y Heibloem 1986; Mortimore et al., 2009) y nuestros resultados
corroboran las condiciones de aridez de la Pd, acentuándose en el norte y sur según la Figura 2.
Esto puede explicarse por el rango del índice de aridez (P/PET) propuesto por Hassan y Dregne

(1997) mostrado en la Figura 2 y contrastado con el módulo de precipitación anual, un método
recomendado por el Programa de las Naciones Unidas para el Medio Ambiente (UNEP).
La Tabla 1 proporciona los valores del índice de aridez promedio, siendo en la mayoría de las
cuencas inferior a "1" y la precipitación por debajo de 1000 mm en todas las cuencas. Las cuencas
del sur presentan una precipitación anual de alrededor de 400 mm y se definen íntegramente como
zonas áridas. Las Cuencas ubicadas en las principales zonas lluviosas: Santa up (n°7), Santa (n°8),
Huarmey (n°10), Huaura (n°12), Chancay Huaral (n°13), Chillón (n°14), Rimac (n°15), Cañete
(n°16) y Majes (n°21) se encuentran en los límites entre las áreas semiáridas y subhúmedas secas.
El resto de las cuencas hidrográficas se definirían como áreas semiáridas.
Tabla 1.- Características generales, condiciones hidroclimáticas anuales en el periodo 1970-2008 y tipos de
cobertura de suelo en las 26 cuencas estudiadas. Área (A), Altitud mínima (Alt min o altura de la estación
hidrométrica), Altitud máxima (Alt max) Valores anuales medios de precipitación (P), temperatura (T),
evapotranspiración potencial (PET), evapotranspiración real (AET), escorrentía (R) e índice de aridez
(P/PET). Cobertura de suelo en % (OS-Matorral abierto; GL-pastizales; CL-cultivos; BG-suelo desnudo) de
MODIS para el 2008.
Alt Alt
Estación A P T PET AET R OS GL CL BG
n° Cuenca min max P/PET %
hidrométrica (km²) mm/a °C/a mm/a mm/a mm/a % % %
msnm msnm
1 Piura up Pte. Ñacara 4762 119 3526 613 20 1376 432 181 0.45 27 11 13 0
Pte. Sanchez
2 Piura 7622 23 3547 551 22 1456 355 212 0.38 34 12 20 0
Cerro
3 La Leche Puchaca 771 355 3982 640 10 831 391 249 0.77 0 75 0 0
4 Zaña Batan 664 260 3799 817 12 933 450 367 0.88 0 50 12 0
5 Chicama Salinar 3684 350 4217 643 14 1013 432 211 0.63 23 69 4 2
6 Moche Quirihuac 1883 200 4238 645 8 703 509 136 0.92 26 74 0 0
7 Santa up Condorcerro 1041 450 6567 936 2 400 505 431 2.34 13 86 0 1
8 Santa Pte. Carretera 1166 18 6567 854 3 473 381 541 1.80 17 76 0 7
Sector
9 Casma 2567 71 4769 430 9 769 354 75 0.56 10 63 0 27
Tutuma
Puente
10 Huarmey 1329 555 4742 580 6 576 453 127 1.01 14 86 0 0
Huamba
11 Pativilca Yanapampa 4196 800 5941 700 8 728 387 313 0.96 14 82 0 4
12 Huaura Sayan 2893 650 5348 654 3 444 348 307 1.47 9 91 0 0
Chancay Santo
13 1856 697 5122 579 1 341 286 303 1.70 9 91 0 0
Huaral Domingo
14 Chillon Larancocha 1207 1200 5099 555 2 370 390 165 1.50 23 77 0 0
15 Rimac Chosica 2352 906 5370 646 3 436 224 422 1.48 19 81 0 0
16 Cañete Socsi 5845 330 5632 556 1 339 261 294 1.64 20 74 0 6
17 San Juan Conta 3057 350 5049 393 4 496 274 119 0.79 32 63 0 5
18 Ica La Achirana 2119 500 4591 432 5 554 325 107 0.78 38 58 0 4
19 Acari Bella Union 4242 70 4620 486 8 715 394 92 0.68 23 51 0 26
20 Yauca Puente Jaqui 4140 214 4923 422 11 873 348 74 0.48 50 25 0 25
21 Majes Huatiapa 13414 699 6300 537 3 430 336 201 1.25 35 59 0 6
22 Camana Pte. Camana 16238 122 6300 441 6 593 303 137 0.74 28 47 1 24
23 Chili Pte del diablo 8393 2360 5954 370 5 556 320 50 0.67 73 3 0 22
24 Tambo Chucarapi 13063 281 5554 418 6 566 336 82 0.74 50 12 0 38
Moque-
25 Chivaya 469 2000 5279 369 3 437 305 64 0.84 57 0 0 43
gua
Aguas
26 Caplina 548 130 5522 343 2 416 294 49 0.83 60 0 0 40
Calientes

Figura 2.- Evolución del índice de aridez (P/PET) anual en las 26 cuencas estudiadas. Se aprecia un
incremento de la aridez (P/PET<1) en las cuencas del norte (1 al 6), una tendencia hacia condiciones
húmedas en las cuencas del centro (P/PET>1) (8-7, 12-16) para un retorno a las condiciones áridas en el sur
(17-26). Se presentaron mayores condiciones de aridez antes de 1998.
La disparidad del balance hídrico

Con base en las series de tiempo calculadas sobre las 26 cuencas en estudio, producimos y
analizamos series del índice de sequedad (PET/P) y el índice evaporativo (AET/P). La dispersión de
estos dos índices para las cuencas dentro del espacio Budyko sugieren que cuencas muy
antropogenizadas como la cuenca del río Rímac (n°15) que alimenta a la capital Lima en zonas
bajas, no sigan una curva de Budyko en términos de "w", "% RSE" y el coeficiente de correlación
"r" (ver sección metodología).
La Figura 3 muestra la dispersión de los índices para las 26 cuencas, destacando los dos tipos de
asociación (la disparidad del balance hídrico baja y alta). Los coeficientes "w" teóricamente toman
valores entre 0.1 y 2 (Zhang et al., 2001) que están asociados con el predominio de suelos desnudos
y bosques respectivamente (se muestra en la Figura 3 como restricciones), aunque se sabe de
algunos valores negativos en cuencas áridas obtenido por Chen et al. (2013). Nuestro coeficiente
"w" cae en el rango de -0.58 a 4.30 y los mejores coeficientes de correlación "r" y % RSE aceptable
se encuentran con valores "w" positivos en el rango de 0.02 a 1.78. Eso significa que solo 11
cuencas (sombreadas en gris en la Tabla 2) siguen una forma "semi-natural" de la curva Budyko-
Zhang, presentando una baja disparidad en el balance hídrico que puede relacionarse con una baja
influencia antropogénica y climática. El promedio de los valores "w" es de alrededor de 0.7,
indicando valores medios para el coeficiente de agua disponible para la planta relacionado con el
predominio de pastizales sobre las condiciones semiáridas del Pd.
Las 15 cuencas restantes están representadas por puntos grises en la Figura 3. Sus valores AET/P
están ubicados muy cerca de la línea límite de energía (a veces sobre la línea) y lejos de la línea de
límite de agua, lo que implica una combinación compleja de sistemas de pérdida de agua (por
ejemplo, presencia de superficies de agua abiertas, agua perdida en el sistema de aguas
subterráneas) con un comportamiento no natural de P - R (ver ecuación 2) que afecta el cálculo de
AET. La serie de tiempo de precipitación (P) sigue un comportamiento natural en todas las cuencas

sin fuertes tendencias o puntos de cambio, lo que sugiere que la escorrentía (R) ha sido alterada.
Además, esas cuencas se ubican principalmente en un ambiente de energía limitada (PET/P < 1)
donde los cambios en P y PET son más evidentes en R (van der Velde et al. 2013), destacando la
fuerte influencia climática sobre R en este tipo de ambientes, así como la influencia antropogénica
debido a los puntos fuera de la curva Budyko-Zhang.

Figura 3.- Espacio Budyko en el periodo 1970-2008 en las 26 cuencas estudiadas. Las líneas negras
representan el límite de energía (diagonal) y el límite de agua (horizontal). Los puntos negros (grises)
representan la asociación de los valores anuales de las cuencas mostrando una baja (alta) disparidad en sus
balances hídricos vía la relación Budyko-Zhang. Las curvas en rojo muestran el ajuste teórico del rango para
el parámetro “w” (“wmin = 0.1”; “wmax = 2”).
La influencia del cambio en el clima

Los cambios en las series hidroclimáticas se presentan en la Tabla 2. Un incremento
(disminución), es decir, signo positivo (negativo) indica el comportamiento de la serie a largo plazo
con pendientes significativas al 95% utilizando una prueba t de Student. Se estima el efecto a largo
plazo de estas series sobre las cuencas, mediante las tendencias y su significancia (al 95% de nivel
de confianza) según la prueba de Mann-Kendall (tendencias significativas en negrita en la Tabla 2).
Por un lado, los cambios (Δ) en la escorrentía y la precipitación son mayores en las cuencas
septentrionales (principalmente cambios positivos) y disminuyen hacia las latitudes meridionales.
Por otro lado, los cambios en T y PET son siempre positivos (ver Tabla 2). Esto puede explicarse
por las condiciones anómalas del clima regional a lo largo de la Pd, en particular la conocida
influencia de El Niño sobre la precipitación y la escorrentía en las zonas septentrionales (Lavado et
al., 2012; Bourrel et al., 2015; Rau et al., 2017a). Las pruebas de tendencia indican que el aumento
a largo plazo de las series temporales de temperatura es significativo en todas las cuencas con un
valor medio de +0.02 °C/a2 (~ un calentamiento medio de 0.2°C por década). Esto es consistente
con estudios climatológicos previos para los Andes como el de Vuille et al. (2015). Sugirieron que
en regiones elevadas hay una clara evidencia de calentamiento y en las regiones costeras todavía
hay una influencia climática regional debido a la variabilidad de la Oscilación Decenal del Pacífico
(PDO) y de la intensidad del Anticiclón del Pacífico Sur (SPA). Nuestros resultados respaldan la
interpretación del calentamiento a escala de cuenca (es decir, la influencia del calentamiento global
o la variabilidad climática a escalas de tiempo más largas que la PDO y la SPA), donde se espera
que estos cambios en la temperatura tengan consecuencias importantes para los glaciares de los
Andes occidentales.

No se observó un aumento o disminución significativa de P en el área de estudio (excepto solo para
la cuenca Piura (n°2)). Las series de tiempo de R presentan un aumento significativo sobre Ica
(n°18) que está relacionado con transferencias de agua desde la cuenca del Atlántico (ver Figura 1b)
y sobre Yauca (n°20) relacionado con el aumento no significativo en PET. La escorrentía también
presenta una disminución significativa sobre las cuencas centrales (Santa up n°7, Pativilca n°11 y
Huaura n°12) donde las cuencas superiores se benefician del deshielo de la Cordillera Blanca y
alrededores. A escala de tiempo interanual, estas disminuciones podrían estar relacionadas con la
explotación intensiva de las actividades agrícolas. Las series temporales de AET presentan un
aumento significativo en Zaña (n°4), Chicama (n°5), Santa up (n°7), Cañete (n°16), San Juan (n°17)
y Camana (n°22) y una disminución significativa en la cuenca Rimac (n°15).
Tabla 2.- Cambio promedio anual (Δ) en la precipitación (P), temperatura (T), evapotranspiración
potencial (PET), evapotranspiración real (AET), escorrentía (R). Valores con tendencias significativas al
95% de confianza son mostrados en negrita. Los años de quiebre significativo al 95% de confianza son
indicados entre paréntesis.
ΔP ΔT ΔPET ΔAET ΔR RSE
n° Cuenca w r
mm/a² °C/a² mm/a² mm/a² mm/a² %
1 Piura up 2.84 0.02 (1986) 1.20 (1986) -1.36 4.20 0.25 0.85 4
2 Piura 3.95 (1997) 0.02 (1986) 0.98 (1986) 1.11 3.28 0.03 0.79 2
3 La Leche 0.18 0.02 1.10 1.07 -0.90 0.18 0.88 5
4 Zaña 5.19 (1982) 0.01 0.73 4.00 (1983) 1.19 0.00 0.67 7
5 Chicama 3.31 0.03 (1982) 1.71 (1982) 3.15 (1992) 0.16 0.32 0.83 5
6 Moche 1.46 0.06 3.11 0.61 0.85 2.59 0.85 28
7 Santa up 3.80 (1992) 0.04 (1991) 2.12 (1996) 7.28 (1992) -3.48 3.61 0.84 135
8 Santa 2.43 0.03 1.41 4.15 (1992) -1.97 -0.58 0.56 33
9 Casma 1.31 0.03 (1990) 1.53 (1982) 1.44 (1992) -0.13 1.16 0.95 8
10 Huarmey 4.77 0.03 (1982) 1.75 (1982) 2.76 2.01 3.12 0.85 40
11 Pativilca -2.90 0.02 1.08 0.33 -3.22 (1989) 0.02 0.91 6
12 Huaura -2.70 0.02 1.19 (1996) 0.45 -3.15 (1987) 0.78 0.71 32
13 Ch. Huaral -0.33 0.03 (1996) 1.13 (1996) 2.40 -2.78 0.65 0.64 48
14 Chillon -0.43 0.03 (1996) 1.58 (1991) -1.45 1.02 4.08 0.81 101
15 Rimac -1.08 0.03 (1991) 1.48 (1991) -2.71 1.63 -0.49 0.67 11
16 Cañete 2.80 0.01 0.30 4.24 (1996) -1.44 0.27 0.66 35
17 San Juan 2.38 0.01 0.55 3.77 (1992) -1.39 0.73 0.77 12
18 Ica 2.43 0.02 (1979) 0.84 (1991) 1.17 1.26 (1993) 1.20 0.92 15
19 Acari 2.70 0.01 (1977) 0.75 (1977) 2.43 0.26 1.61 0.93 14
20 Yauca 2.29 0.01 0.69 0.98 1.31 0.78 0.89 9
21 Majes 1.53 0.03 (1986) 1.34 (1986) 2.72 (1995) -1.19 1.16 0.90 39
22 Camana 1.23 0.02 (1986) 1.13 (1986) 2.75 (1995) -1.52 0.47 0.88 9
23 Chili 0.76 0.03 (1986) 1.68 (1986) 0.23 0.53 (1996) 2.79 0.96 29
24 Tambo -0.60 0.03 (1986) 1.57 (1986) 0.25 -0.85 1.78 0.95 14
25 Moquegua -1.02 (1977) 0.03 (1982) 1.47 (1982) -0.90 -0.12 3.55 0.98 46
26 Caplina -0.75 0.02 (1982) 0.85 (1982) -1.12 0.37 (1996) 4.30 0.97 53
La ocurrencia de puntos de quiebre al 95% del nivel de confianza detectado por la prueba de Pettitt
y los métodos de la curva de doble masa es significativa en algunas cuencas y el año en que ocurrió
el cambio se indica entre paréntesis en la Tabla 2. La mayoría de las cuencas no presentaron
quiebres en P (excepto para Piura (n°2), Zaña (n°4), Santa arriba (n°7) y Moquegua (n°25)). Los
puntos de cambio en T se agruparon por proximidad de la cuenca y localización regional a lo largo
de la Pd. Para las cuencas del norte de Piura up (n°1) y Piura (n°2), el año de 1986 significó un
punto de cambio. Las cuencas del sur presentan importantes puntos de cambio en los años 1977,
1982 y 1986. Por el hecho de presentar un calentamiento a escala regional, esos puntos de cambio

podrían estar relacionados principalmente a la influencia climática (cambios en El Niño, saltos
climáticos; ver el trabajo de Bourrel et al. (2015) para la precipitación). Los puntos de quiebre en R
se relacionan principalmente con el desarrollo de nuevas fases en la gran infraestructura hidráulica
como es el caso de Ica (n°18), Chili (n°23) y Caplina (n°26) y también con el cambio en la
cobertura del suelo (que se analiza en la siguiente sección) como el caso de Pativilca (n°11) y
Huaura (n°12).
La influencia del cambio en la cuenca.

La hipótesis sobre el efecto antropogénico como principal fuente de diferenciación entre las
cuencas con una alta y baja disparidad en el balance hídrico podría no ser fácil de validar debido al
difícil acceso y/o la escasez de datos sobre los usos del agua en una cuenca. Para ello, se realizó un
análisis complementario de la evolución de la cobertura del suelo en el área de estudio utilizando
los conjuntos de datos LBA 1984, LBA 1992/1993, MODIS 2001 y MODIS 2008 (ver Figura 4).
Incluso si las mejoras en resolución y calidad de datos pudieran afectar las estimaciones de
tendencias espaciales y temporales (de 10 a 1 km), la evolución temporal de las clases de cobertura
de suelo, sugiere que las cuencas con alta disparidad de balance hídrico presentaron grandes
cambios en las condiciones de cobertura de suelo desde 28% al 1% (de 1984 a 1992/1993) y
pastizales de 39% a 63% (desde 1992/1993 a 2001) como se muestra en la Figura 4a. Estos cambios
no se observaron en las cuencas hidrográficas con una baja disparidad en el balance hídrico
(exceptuando las tierras de cultivo del 39% al 7% de 1984 a 1992/1993). Además, la Figura 4b
muestra la evolución de la cobertura del suelo sobre las cuencas agrupadas por gradiente latitudinal
y reveló que las cuencas centrales tienen un gran cambio principalmente en la cobertura de
pastizales del 40% al 75% (desde 1992/1993 hasta 2001). Aporta más confianza en las cuencas del
norte y del sur, que presentan cierta homogeneidad en las últimas décadas.
Acerca de la influencia de los grandes sistemas hidráulicos (ver Figura 1b), es evidente que algunas
cuencas con alta disparidad fueron influenciadas por los sistemas que transfieren agua del drenaje
Atlántico (es decir, Rimac (n°15) e Ica (n°18)) y por aquellos que presentan grandes captaciones y
regulaciones para el suministro de agua en las tierras bajas (Santa (n°8), Majes (n°21) y Chili
(n°23)). Además, hay algunas cuencas con baja disparidad en el balance hídrico que aún
mantendrían los efectos antropogénicos de acuerdo con la Figura 1b (ver Piura (n°2) y Camana
(n°22)), sin embargo, esos efectos no fueron perceptibles en términos de la disparidad del balance
hídrico a escala anual. Finalmente, la metodología posibilitó la separación de cuencas con baja y
alta disparidad de balance hídrico relacionada con baja y alta influencia climática y antropogénica,
respectivamente. Se necesita más investigación para separar estos dos tipos de influencias en la
región.
Figura 4.- Evolución de la cobertura de suelo (%) con los productos LBA y MODIS en las cuencas
agrupadas de la siguiente forma: a) Baja y alta disparidad del balance hídrico. b) Gradiente latitudinal:
cuencas del norte (n°1 a n°6), cuencas centrales (n°7 a n°18) y cuencas del sur (n°19 a n°26).

CONCLUSIONES
Este estudio analiza la variabilidad hidroclimática a lo largo de 26 cuencas de la vertiente del
Pacifico peruano para el período 1970-2008. Aplicamos la metodología Budyko-Zhang para
analizar las tendencias del balance hídrico y determinar si la variabilidad climática y/o las
actividades humanas pueden tener influencias en estas tendencias. El área de estudio experimentó
un mayor cambio en la precipitación y escorrentía en las latitudes septentrionales en relación con la
influencia de El Niño. La evapotranspiración potencial (PET) ha sido documentada por primera vez
a escala regional en esta región como un enfoque a partir de la temperatura y su relación con el
gradiente altitudinal (utilizando el método de Oudin). Los valores anuales de PET disminuyen hacia
el sur con un ligero aumento sobre las cuencas más áridas situadas al sur debido a un predominio de
áreas de suelo desnudo y matorral abierto.
De acuerdo con las tendencias ascendentes significativas en la temperatura anual encontrado en

todas las cuencas y los puntos de quiebre regionales encontrados en la mayoría de las cuencas,
nuestros resultados reafirman un calentamiento significativo en el área de estudio con una media de
0.2 °C por década, tal como ha sido identificado en estudios anteriores para los Andes de
Sudamérica (Vuille et al., 2015). Siguiendo la descripción hidroclimática de la región, se aplicó la
relación de Budyko-Zhang para identificar la disparidad plausible del balance hídrico anual.
Identificamos 11 de 26 cuencas con baja disparidad según Budyko-Zhang relacionado con una
menor influencia tanto del clima como antropogénico en comparación con las 15 restantes. El
parámetro “w” relacionado con el agua disponible para las plantas en la relación de Budyko-Zhang
alcanza un valor medio de 0.7, indicando el predominio de pastizales corroborando las condiciones
semiáridas. Además de presentar una influencia climática, la gran infraestructura hidráulica y las
irrigaciones son unos de los principales factores de actividad antropogénica que causan cambios en
la escorrentía en la mayoría de cuencas. Las cuencas con alta disparidad de balance hídrico
presentaron un cambio significativo en la cobertura de suelo principalmente con una disminución de
las tierras de cultivo y un aumento en pastizales durante el período estudiado.
Finalmente, dependiendo del período de análisis, ciertas limitaciones están relacionadas con la
disponibilidad de datos hidroclimáticos y con la hipótesis estacionaria de Budyko. Sin embargo, a
pesar de estas limitaciones, nuestros resultados proporcionan una primera evaluación de la
influencia climática y antropogénica en el balance hídrico en la región y su relación con el cambio
en el clima y el cambio en la cuenca con implicaciones en la gestión de los recursos hídricos.
REFERENCIAS
ANA (2012) Recursos Hídricos en el Peru. 2nd edn. Ministerio de Agricultura. Autoridad Nacional del Agua, Lima, pp
45-189.
Bourrel, L., Rau, P., Dewitte, B., Labat, D., Lavado, W., Coutaud, A., Vera, A., Alvarado, A. and Ordoñez, J
(2015) Low-frequency modulation and trend of the relationship between ENSO and precipitation along the northern to
centre Peruvian Pacific coast. Hydrological Processes 29(6): 1252-1266.
Brouwer, C. and Heibloem, M (1986) Irrigation Water Measurement: Irrigation Water Needs, vol. 3. United Nations
Food and Agriculture Organization, Rome, 102 pp.
Brown, A.E., Zhang, L., McMahon, T.A., Western, A.W., Vertessy, R.A (2005) A review of paired catchment
studies for determining changes in water yield resulting from alterations in vegetation. Journal of Hydrology 310: 28–
61.
Budyko, M.I (1958) The Heat Balance of the Earth's Surface. U.S. Department of Commerce, Washington, 259 pp.
Budyko, M.I (1974) Climate and Life. International Geophysics Series, vol. 18. Academic, New York, 508 pp.
Chen, Z., Chen, Y., Li, B (2013) Quantifying the effects of climate variability and human activities on runoff for
Kaidu River basin in arid region of northwest China. Theoretical and Applied Climatology 111: 537-545.
Coron, L., Andréassian, V., Perrin, C., Le Moine, N (2015) Graphical tools based on Turc-Budyko plots to detect
changes in catchment behaviour. Hydrological Sciences Journal 60(7-8): 1394-1407.
DeFries, R., Hansen, M., Townshend, J.R.G., Sohlberg, R (1998) Global land cover classifications at 8 km spatial
resolution: The use of training data derived from Landsat imagery in decision tree classifiers. International Journal of
Remote Sensing 19(16): 3141-3168.

Donohue, R.J, Roderick, M.L., McVicar, T.R (2011) Assessing the differences in sensitivities of runoff to changes in
climatic conditions across a large basin. Journal of Hydrology 406: 234–244.
Greve, P., Gudmundsson, L., Orlowsky, B., Seneviratne, S (2015) Introducing a probabilistic Budyko framework.
Geophysical Research Letters 42(7): 2261-2269.
Hansen, M., DeFries, R., Townshend, J.R.G., Sohlberg, R (2000) Global land cover classification at 1km resolution
using a decision tree classifier. International Journal of Remote Sensing 21: 1331-1365.
Hassan, H., Dregne, H.E (1997) Natural habitats and ecosystems management in drylands: An overview. Environment
Department Paper N51. World Bank, Washington. pp 1-53
Hublart, P., Ruelland, D., Dezetter, A., Jourde, H (2015) Reducing structural uncertainty in conceptual hydrological
modelling in the semi-arid Andes. Hydrology and Earth System Sciences 19: 2295-2314.
Jones, J., Creed, I., Hatcher, K., Warren, R., Adams, M., Benson, M et al (2012) Ecosystem processes and human
influences regulate streamflow response to climate change at long-term ecological research sites. BioScience 62(4):
390-404.
Kendall, M.G (1975) Rank correlation measures. Charles Griffin, London, 202 pp.
Lavado, W.S., Ronchail, J., Labat, D., Espinoza, J.C., Guyot, J.L (2012) Basin-scale analysis of rainfall and runoff
in Peru (1969–2004): Pacific, Titicaca and Amazonas drainages. Hydrological Sciences Journal 57(4): 625–642.
Lavado, W.S., Labat, D., Ronchail, J., Espinoza, J.C., Guyot, J.L (2013) Trends in rainfall and temperature in the
Peruvian Amazon-Andes basin over the last 40 years (1965–2007). Hydrological Processes 27: 2944-2957.
Mann, H.B (1945) Non-parametric tests against trend. Econometrica 13: 245–259.
Mortimore, M (2009) Dryland opportunities. International Union for Conservation of Nature and Natural Resources.
IUCN. IIED. UNDP, Gland-Switzerland, 86 pp.
Oudin, L., Hervieu, F., Michel, C., Perrin, C., Andreassian, V., Anctil, F., Loumagne, C (2005) Which potential
evapotranspiration input for a lumped rainfall-runoff model? Part 2-Towards a simple and efficient potential
evapotranspiration model for rainfall-runoff modeling. Journal of Hydrology 303: 290–306.
Pettitt, A.N (1979) A non-parametric approach to the change-point problem. Applied Statistics 28: 126-135.
Rau, P., Bourrel, L., Labat, D., Melo, P., Dewitte, B., Frappart, F., Lavado, W., Felipe, O (2017a) Regionalization
of rainfall over the Peruvian Pacific slope and coast. International Journal of Climatology 37(1):143-158.
Rau, P., Bourrel, L., Labat, D., Frappart, F., Ruelland, D., Lavado, W., Dewitte, B., Felipe O (2017b).
Hydroclimatic change disparity of Peruvian Pacific drainage catchments. Theoretical and Applied Climatology.
http://dx.doi.org/10.1007/s00704-017-2263-x
Ruelland, D., Dezetter, A., Hublart, P (2014) Sensitivity analysis of hydrological modelling to climate forcing in a
semi-arid mountainous catchment. In: Hydrology in a changing world: environmental and human dimensions. IAHS
Publications 363: 145−150.
Searcy, J.K. and Hardison, C.H (1960) Double-mass curves. US Geol. Survey Water-Supply Paper. 1541-B: 31-66.
Sivapalan, M., Thompson, S.E., Harman, C.J., Basu, N.B., Kumar, P (2011) Water cycle dynamics in a changing
environment: improving predictability through synthesis. Water Resources Research 47(10): W00J01.
Valéry, A., Andréassian, V., Perrin, C (2010) Regionalization of precipitation and air temperature over high-altitude
catchments - learning from outliers. Hydrological Sciences Journal 55(6): 928-940.
van der Velde, Y., Vercauteren, N., Jaramillo, F., Dekker, S., Destouni, G., Lyon, S (2013) Exploring
hydroclimatic change disparity via the Budyko framework. Hydrological Processes 28: 4110-4118.
Vuille, M., Franquist, E., Garreaud, R., Lavado, W., Caceres, B (2015) Impact of the global warming hiatus on
Andean temperature. Journal of Geophysical Research: Atmospheres 120: 3745-3757.
Wagener, T., Sivapalan, M., Troch, P.A., McGlynn, B.L., Harman, C.J., Gupta, H.V., Kumar, P., Rao, P.S.C.,
Basu, N.B., Wilson, J.S (2010) The future of hydrology: An evolving science for a changing world. Water Resources
Research 46(5): W05301.
Wang, D., Hejazi, M (2011) Quantifying the relative contribution of the climate and direct human impacts on mean
annual streamflow in the contiguous United States. Water Resources Research 47(10): W00J12.
Wang, W., Shao, Q., Yang, T., Peng, S., Xing, W., Sun, F., Luo, Y (2013) Quantitive assessment of the impact of
climate variability and human activities on runoff changes: a case study in four catchments of the Haihe river basin,
China. Hydrological Processes 27: 1158-1174.
Zhang, L., Dawes, W.R., Walker, G.R (2001) The response of mean annual evapotranspiration to vegetation changes
at catchment scale. Water Resources Research 37: 701–708.
Zhang, S., Lu, X.X (2009) Hydrological responses to precipitation variation and diverse human activities in a
mountainous tributary of the lower Xijiang, China. Catena 77: 130-142.
Zhao, G., Mu, X., Tian, P., Wang, F., Gao, P (2013) Climate changes and their impacts on water resources in
semiarid regions: a case study of the Wei River basin, China. Hydrological Processes 27: 3852-3863.

IAHR AIIH
INFLUENCIA DE LA CAVA BORGO EN EL FUNCIONAMIENTO DEL

SISTEMA DE DRENAJE URBANO EN EL NORTE DE LA CIUDAD DE
SANTA FE, ARGENTINA.
Ana Laura Fedele, Mónica Patricia D’Elía y Felipe Roberto Franco

Facultad de Ingeniería y Ciencias Hídricas – Universidad Nacional del Litoral, Argentina.
anita.fedele@gmail.com, mdelia@fich.unl.edu.ar, feliperobertofranco@gmail.com.
RESUMEN
En el norte de la ciudad de Santa Fe, Argentina, se localiza una depresión de importantes

dimensiones, generada por la extracción de tierra para la elaboración de ladrillos que a lo largo del
tiempo ha recibido agua de lluvia y excedentes pluviales del área circundante. Esta depresión se
denomina cava Borgo y pertenece a la cuenca urbana denominada Cuenca Roca.
Debido al gran tamaño de esta cuenca y a la baja pendiente que presenta, las secciones de
canal y el sistema de desagüe pluvial actual resultan insuficientes para evacuar los excesos hídricos.
Esto provoca que, aún para lluvias de baja intensidad, se produzcan inundaciones en varios puntos
críticos del sistema, ocasionando anegamiento de viviendas con los consecuentes problemas para los
habitantes e inconvenientes en el tránsito.
El objetivo de este trabajo es analizar la influencia de la cava en el funcionamiento del sistema
de drenaje pluvial de las sub-cuencas que rodean a la misma, identificando su capacidad máxima de
retención de los excesos hídricos provocados por tormentas de intensidades mayores a la de diseño
en la situación actual y en una situación futura con nuevas obras de desagüe funcionando.
De los resultados obtenidos se concluye que la cava contribuye a garantizar la seguridad
hídrica del sector Oeste de la cuenca, ya que la misma recibe los excesos que el sistema no puede
evacuar de forma inmediata, almacenándolos hasta su capacidad máxima, brindando una regulación
de los caudales hacia las conducciones. De esta manera se logra disminuir el volumen y el tiempo de
inundación en los puntos más conflictivos de la cuenca.
ABSTRACT:
A digging of important dimension called “Borgo digging” is located in the north of the Santa
Fe city, Argentina. It belongs to the Roca urban basin. Due to the large size and the low slope of this
basin, the channels and pluvial drainage system sections are insufficient to evacuate excess water. So,
even for low intensity rains, floods occur in several critical points of the system, and consequently
homes are flooded, and problems arise with transit.
The objective of this work is to analyze the influence of the Borgo digging on the surrounding
basins and on the pluvial drainage system.
The maximum retention capacity of the water excesses in the current situation and in a future
situation -in which a new drainage system works- were identified. It is concluded that the Borgo
digging contributes with the water security of the western sector of the basin. It receives and stores
water excesses that cannot be immediately evacuated by system and provides a regulation of the flows
towards the conduits. In this way it is possible to reduce the volume and time of flooding in the most
conflictive points of the basin.
PALABRAS CLAVES: hidrología, Santa Fe, drenaje urbano.

INTRODUCCIÓN
En el norte de la ciudad de Santa Fe, Argentina, se localiza una depresión de importantes

dimensiones, generada por la extracción de tierra para la elaboración de ladrillos que a lo largo del
tiempo ha recibido agua de lluvia y excedentes pluviales del área circundante. Esta depresión
denominada cava Borgo pertenece a la cuenca urbana llamada Cuenca Roca, que tiene un área total
de aporte de 1380 ha. El área de estudio se ubica en un sector de dicha cuenca y tiene un área
aproximada de 378 ha. De esta área, 273 ha escurren por flujo superficial hasta canales a cielo abierto
que descargan en un conducto ubicado en Av. José Gorriti al sur, y el resto hacia el canal del Callejón
El Sable que traslada el flujo hacía el reservorio ubicado a la salida de la Cuenca Roca.
Debido al gran tamaño de la cuenca y a la baja pendiente que presenta, del orden entre 0,1 –
0,5 ‰, las secciones del canal y el sistema de desagüe pluvial actual resultan insuficientes para
evacuar los excesos hídricos. Esto provoca que aún para lluvias de baja intensidad correspondientes
a recurrencias menores a 2 años, se produzcan inundaciones en varios puntos críticos del sistema,
ocasionando anegamiento de viviendas con los consecuentes problemas para los habitantes e
inconvenientes en el tránsito,
Dada esta situación la Municipalidad de la ciudad de Santa Fe, junto con el Gobierno
Provincial han comenzado a realizar obras en el sector norte de la ciudad para descomprimir el flujo
en los puntos conflictivos. Actualmente se está ejecutando el entubamiento del mencionado canal del
Callejón El Sable, con el fin de evitar la acumulación de flujo a la entrada del conducto sobre Av.
Gorriti, y se plantea la posibilidad de utilizar la cava como reservorio en caso de lluvias de
intensidades mayores a las utilizadas para el diseño de las obras.
OBJETIVO
El objetivo de este trabajo es analizar la influencia de la cava en el funcionamiento del sistema

de drenaje pluvial de las sub-cuencas que rodean a la misma, identificando su capacidad máxima de
retención de los excesos hídricos provocados por tormentas de intensidades mayores a la de diseño
(T > 2 años), en la situación actual y en una situación futura con nuevas obras de desagüe funcionando.
El presente trabajo se desarrolla en el marco del proyecto CAI+D Orientado a Problemas

Sociales y Productivos denominado “Diagnostico hidrológico-ambiental del Área Norte, ciudad de
Santa Fe”, subsidiado por la Universidad Nacional del Litoral (UNL), con la participación de la
Secretaría de Recursos Hídricos (SRH) y la Subsecretaría de Ambiente (SA) de la Municipalidad de
la ciudad de Santa Fe. Este proyecto plantea dentro de sus objetivos, analizar el sistema de
funcionamiento hídrico del área y evaluar la capacidad de almacenamiento de la cava Borgo para
garantizar la seguridad hídrica del área.
AREA DE ESTUDIO
El área de estudio se ubica en el norte de la ciudad de Santa Fe. La misma está delimitada por
las calles Facundo Quiroga al norte, Av. José Gorriti al sur, Av. Blas Parera al oeste y calle Dr.
Zavalla. (Figura 1 y 2). Las subcuencas que conforman al área de estudio pertenecen a la cuenca
Roca, la cual presenta un área total de aporte de 1380 ha.

Figura 1.- Ubicación del área de estudio
En esta área se emplazan distintos barrios de la ciudad cuyos habitantes cuentan en su mayoría
con servicios de agua potable por red, pero no poseen servicio de red cloacal. En la misma se
encuentran también ubicados el Jardín Botánico municipal, la Granja La Esmeralda, el viejo relleno
sanitario y la cava Borgo. La misma recibe aportes por escurrimiento superficial y de desagües
pluviales que drenan las áreas circundantes. Posee un espejo de agua de aproximadamente 13
hectáreas y una profundidad máxima de 3.5 m (Fornari et al., 2013)
El sistema hídrico del sector estudiado está compuesto por canales a cielo abierto que reciben
el escurrimiento superficial. Los canales B. de Irigoyen Sur, Canal Aguirre, Canal Peñaloza sobre
vías y Canal Peñaloza, descargan en un conducto ubicado en Av. José Gorriti al sur; y los canales B.
de Irigoyen Norte y Canal El Sable descargan en el canal del Callejón El Sable, que traslada el flujo
hacía el reservorio ubicado a la salida de la Cuenca Roca al este (Figura 2).

Figura 2.- Dinámica hídrica del área de estudio.
El sistema de descarga final de la cuenca Roca está compuesta por reservorios y estaciones de
bombeo destinados a reducir la vulnerabilidad hídrica de los sectores afectados, que luego vuelcan
hacia los Ríos Salado al Oeste y Laguna Setúbal al Este.
MATERIALES Y MÉTODOS
Para la realización de este estudio se dispuso del plano base digitalizado de toda el área,
conteniendo: manzanas, nombre de las calles, áreas verdes, vías férreas, infraestructura vial,
elementos hidrográficos, división en cuencas y subcuencas, curvas de nivel topográfico, puntos
acotados del IGN, trazas de canales y conductos existentes y traza de conductos proyectados
proporcionado por la SRH de la Municipalidad de la ciudad de Santa Fe.
Se contó con los resultados de una batimetría de la cava, realizada en agosto de 2012 por el
Grupo de Investigaciones Geohidrológicas de la Facultad de Ingeniería y Ciencia Hídricas de la UNL
(Fornari et al., 2013) y a partir de dicha fecha se tomaron lecturas de la cota del pelo de agua de una
escala hidrométrica instalada en la cava para tal fin.
Se realizó una modelación matemática del sistema de desagües del área en la situación actual
y considerando la obra de entubamiento del Callejón El Sable funcionado. Para ello se utilizó el
software SWMM 5.1 que realiza una trasformación lluvia-caudal mediante métodos determinísticos.
Para la aplicación del modelo se determinaron los siguientes parámetros:
1- Parámetros geométricos y rugosidad: Considerando la planimetría y las curvas de nivel

topográfico, se subdividió la cuenca en sub-cuencas mediante el método de la bisectriz y se determinó
la pendiente media, longitud y área de estas. Para cada tramo de canal o conducto se determinaron las
pendientes y longitudes correspondientes. Para el ancho de las sub-cuencas se adoptó la siguiente
expresión:

𝑊𝑊 = 𝐴𝐴/𝐿𝐿 [1]
Donde W es el ancho de la sub-cuenca (m), A es el área de la cuenca (m2) y L es la longitud

de la cuenca (m). Este parámetro se determinó sobre la base a la calibración del modelo SWMM con
eventos lluvia-caudal observados en la cuenca Guadalupe Oeste (Santa Fe), para distintas escalas de
sub-cuencas, para rugosidad de la superficie impermeable Nimp=0,1 y rugosidad del área permeable
Nper =0,25 (Macor, 2001).
Teniendo en cuenta fotografías aéreas del área, se estimaron los porcentajes de

impermeabilidad de las sub-cuencas. Se adoptó un 85% de impermeabilidad para las sub-cuencas
mayormente urbanizadas, y un 25% para las menos pobladas. Se utilizaron como coeficientes de
rugosidad en las canalizaciones N=0,035 para canales naturales y N=0,011 para conductos de
hormigón.
2-Determinación de pérdidas de escurrimiento: Dado que los eventos estudiados son eventos
aislados de corta duración, solo fueron consideradas las pérdidas por almacenamiento en depresiones
e infiltración, despreciándose las pérdidas por intercepción y evaporación.
Para la determinación de las perdidas en depresiones de la parte impermeable se utilizó la

fórmula de Kidd (1978), la cual determina dicho valor en función de la pendiente media de la cuenca.
Para la parte permeable se adoptó un valor igual a 5 mm ASCE (1992).
Se utilizó el método de número de curva del U.S. Soil Conservation Service (1966) para
descontar las pérdidas por infiltración en las áreas permeables. En función del tipo de suelo observado
en el área de estudio se adoptó un suelo tipo B (poco profundos); y se consideró una condición de
humedad antecedente tipo III, resultando un CN = 75.
Para la verificación del modelo se dispuso de tormentas producidas en la ciudad de Santa Fe

en febrero de 2015 y febrero de 2016, con intensidades de lluvias de 148 mm/h y 70 mm/h
respectivamente. En estas fechas se produjeron inundaciones en los puntos críticos del sistema de
drenaje urbano, donde se adoptó un tirante sobre la calzada en Av. Gorriti igual a 0,25 m, en función
a observaciones realizadas por la SRH de la Municipalidad de la ciudad de Santa Fe. Dichas tormentas
fueron registradas por la Estación Hidrometeorológica ubicada en el parque “Carlos Zapata” de la
ciudad Universitaria de Santa Fe, con un paso de tiempo de 10 minutos.
Para la simulación del modelo se confeccionó una tormenta de diseño con una recurrencia de
2 años utilizando las curvas Intensidad – Duración – Recurrencia de la estación Paraná (periodo 1965-
2000). Para ello se adoptó un intervalo de tiempo de 5 min y una duración igual al tiempo de
concentración de la cuenca.
RESULTADOS
A través de la modelación realizada para la tormenta producida en febrero de 2015,

considerando una intensidad máxima de 148 mm/h en la situación actual, se evidenció que:
- a las 7:15 hs de iniciada la tormenta, el conducto de salida en Av. Gorriti se inunda, llegando
a su capacidad máxima y que el tirante de agua se incrementa hacia aguas arriba provocando el
anegamiento de la calle Peñaloza. Esto se puede observar en el perfil hidráulico del canal Peñaloza
sobre vías, desde su inicio hasta la salida en Av. Gorriti, con dirección N-S (Figura 3).

N
Figura 3.- Perfil hidráulico canal Peñaloza sobre vías hasta la salida en Av. Gorriti, situación actual,
dirección N-S.
-a la salida del Canal Aguirre, que descarga sobre el canal Peñaloza aguas arriba de Av.
Gorriti, se alcanza un tirante máximo de 1,55m (Figura 4), lo que implicaría un tirante de inundación
sobre la vereda de 0,35 m, ya que se estimó que el canal posee 1 m de profundidad y la calzada más
el cordón, tiene una altura total de 0,20 m
Figura 4.- Curva altura-tiempo salida Canal Aguirre sobre canal Peñaloza sobre vías, situación actual.
- el tirante máximo supuesto de 3,5 m de la cava no es superado durante la tormenta. En las

Figura 5 y 6 se presentan las curvas obtenidas de altura-tiempo y volumen-tiempo de la Cava Borgo,
respectivamente.

Figura 5.- Curva altura-tiempo de la cava Borgo, situación actual.
Figura 6.- Curva volumen-tiempo de la cava Borgo, situación actual.
De la modelación realizada considerando la misma tormenta y la situación futura con el

conducto del Callejón El Sable funcionando, se observa que:
- si bien durante el pico, en la salida del canal Peñaloza sobre vías en Av. Gorriti, se llegaría
a la capacidad máxima, los tirantes en los canales aguas arriba, no superarían sus máximas
capacidades (Figura 7).

N
Figura 7.- Perfil hidráulico canal Peñaloza sobre vías hasta la salida en Av. Gorriti, situación futura,
dirección N-S.
-el tirante a la salida del Canal Aguirre se reduciría a 1,13 m, sin provocar inundación sobre
la vereda (Figura 8).
Figura 8.- Curva altura-tiempo salida Canal Aguirre sobre canal Peñaloza sobre vías, situación futura.
-el tirante máximo en la cava alcanzaría 3,11 m y el volumen total 50910,32 m3,
evidenciándose una diferencia con respecto a la situación actual, debido a que parte del escurrimiento
que actualmente recibe, serían interceptados por el conducto del Callejón El Sable. En las figuras 9 y
10 se presentan las curvas altura-tiempo y volumen tiempo de la Cava en la situación futura.

Figura 9.- Curva altura-tiempo de la cava Borgo, situación futura.
Figura 10.- Curva volumen-tiempo de la cava Borgo, situación futura.
- para una tormenta con intensidades del orden de los 140 mm, la entrada al conducto del
Callejón El Sable desde el Canal aportante, podría llegar a su capacidad máxima, pudiendo provocar
inundaciones en la cabecera de dicho conducto. Esto puede observarse en el perfil O-E de la Figura
11.

O
Figura 11.- Perfil hidráulico del canal-conducto El Sable, situación futura.
Las Tablas 1 y 2 sintetizan los resultados obtenidos para la situación actual y para la situación
que considera el conducto del Callejón El Sable funcionando.
Tabla 1.- Resultados de la corrida situación actual

imáx D Δh Vol Δhinun
ΔT inun
Evento Cava Cava Gorriti
[hs]
[mm/h] [hs] [m] [m3] [m]
T = 2 años 144,08 2,5 0,1 6077 0,28 1,25
25/02/15 148,5 15,17 0,39 26639 0,35 5,25
Tabla 2.- Resultados de la corrida situación futura obra

imáx D Δh Vol Δhinun ΔT
Evento Cava Cava Gorriti inun
[mm/h] [hs]
[m] [m3] [m] [hs]
T = 2 años 144,08 2,5 0,06 3693 - -
25/02/15 148,5 15,17 0,14 8585 - -
imax = intensidad máxima, D=Duración, Vol=Volumen de almacenamiento, ΔhinunGorriti=Tirante de

inundación sobre Av. Gorriti, ΔT=Tiempo que permanece el Δhinun.
Para la situación actual, el tirante sobre la calzada sería de 0,28 m para una tormenta de diseño
con una intensidad máxima de 144,08 mm y una duración de 2,5 horas, y el agua permanecería
durante 1,25 horas sobre la vereda. Para la tormenta de febrero de 2015, el tirante alcanzado sobre la
vereda fue de 0,35 m y el tiempo de permanencia sobre la vereda de 5,25 horas. Esto se justifica ya
que, si bien la intensidad de la lluvia es de la misma magnitud que para una tormenta de T= 2años, la
duración de la tormenta fue de 15,17 horas.
Para la situación con el conducto del Callejón el Sable funcionando, ninguna se las tormentas
estudiadas, produciría un tirante de inundación sobre la vereda y los tirantes y volúmenes aportados
a la cava serían considerablemente menores que en la situación actual.

Además, se observó que, para ambas situaciones modeladas, cuanto mayor es la duración de
la tormenta, mayores serán los volúmenes aportados a la cava y los tirantes finales.
CONCLUSIONES
Los resultados obtenidos evidencian que, para la situación actual, se producen anegamientos
a la salida de la cuenca debido a la falta de sección de los conductos que ingresan al desagüe principal
en Av. Gorriti. El Δh obtenido para la tormenta del 25/02/2015 fue de 0,35 m lo que implicaría un
tirante sobre la calzada de aproximadamente 0,20 m, superando la altura del cordón cuneta. Esta
situación fue observada por la SRH de la Municipalidad de la ciudad de Santa Fe durante las
recorridas realizadas en esa fecha en los lugares afectados que cuentan con alturas de referencia.
De la simulación de la situación con la obra de desagüe se puede ver que en dicha salida ya
no se produciría una inundación debido a los aportes de la cuenca Roca. No se descarta la posibilidad
de que ocurran inundaciones debido a aportes de otras cuencas que no se tuvieron en cuenta en esta
modelación.
De la modelación se puede concluir que, a raíz del incremento de flujo en la entrada al

conducto del Callejón El Sable, este podría presentar problemas de anegamiento en la cabecera para
lluvias de intensidades del orden de los 140 mm/h.
Se comprobó que la cava posee una capacidad de almacenamiento de agua hasta una altura de
16,50 m IGN con un tirante medio máximo de 3,5 m sin que se produzcan desbordes.
Además, se corroboró que las variaciones del tirante de la cava son mayores, cuando mayor
es la duración de la lluvia debido a que la misma es más sensible al volumen precipitado que a la
intensidad de la lluvia.
Finalmente se concluye que la cava contribuye a garantizar la seguridad hídrica del sector
Oeste de la cuenca, ya que la misma recibe los excesos que el sistema no puede evacuar de forma
inmediata, almacenándolos hasta su capacidad máxima, brindando una regulación de los caudales
hacia las conducciones. De esta manera se logra disminuir el volumen y el tiempo de inundación en
los puntos más conflictivos de la cuenca.
REFERENCIAS
ASCE, (1992). “Design & Construction of Urban Stormwater Management Systems”, Manual and
Report on Engineering, New York, NY).
Fornari E. M, D’Elia M. P., Fedele A. L. (2013). “Relaciones hidráulicas entre un acuífero y
cuerpos de agua superficial en áreas urbanas”, XXIV Congreso Nacional del Agua, San Juan, 2013.
Kidd, C. H. R. (1978). “Rainfall-runoff processes over urban surfaces.” Proc., Int. Workshop
Institute of Hydrology, Wallingford, U.K.
Macor J. L. (2002). “Análisis comparativo del parámetro ancho de Cuenca del modelo RUNOFF-
SWMM”, Revista Ingeniería Hidráulica en México, vol. XVII, núm. 2, pp 17-26, abril-junio 2002.
U.S. Soil Conservation Service (1966). “Diseño de presas pequeñas”. Bureau of Reclamation. pp
639.

IAHR AIIH
BALANCE HÍDRICO DE LA CUENCA DEL ARROYO ALBUERA,

PROVINCIA DE BUENOS AIRES
Bran, Tomás1; Palmeyro, Pablo2; Torrero, Mariana3; Viñes, Susana4
Facultad de Ingeniería y Ciencias Agrarias

1,2,3,4
Pontificia Universidad Católica “Sta. María de los Buenos Aires”, Buenos Aires, Argentina
1
tomasbran@hotmail.com; 2pabloepalmeyro@gmail.com; 3mptorrero@gmail.com; 4susanavines@yahoo.com.ar
RESUMEN:
La cuenca del arroyo Albuera, afluente del Río Luján se desarrolla dentro del partido de Malvinas
Argentinas, provincia de Buenos Aires, Argentina. En el presente trabajo, dada la importancia del
curso de agua como recurso hídrico en sí y en razón de las características ambientales de la zona, se
busca a través de los análisis de los diagramas ombrotérmicos, los balances hídricos y su relación
caudal-precipitación, poder determinar la variación a la respuesta hidrológica de la zona. Dado que
se trata de un curso de agua del cual no se disponen aforos, los datos obtenidos de las estaciones
Don Torcuato Aero y San Miguel, permiten que la información brindada por el balance hídrico
sirva para establecer la existencia o no de excesos hídricos y en función de ellos, en el caso que los
hubiera, permitirá cuantificar la relación caudal-precipitación y su posterior análisis de los excesos.
Por lo tanto, la elaboración de los balances hídricos permite evaluar si el sistema hídrico del arroyo
Albuera presenta excesos y su incidencia en la variabilidad del caudal.
ABSTRACT:
The Albuera creek basin, a tributary of the Lujan River, is located in the Malvinas Argentinas
district, in Buenos Aires province. Given the huge importance of the basin, not only as a hidric
resource but as a broader socioenvironmental factor, this paper will focus on analyzing the
ombrothermic diagrams, water balances, and the correlation between precipitation and runoff, in
order to determine variations in the water flow response. Since the creek has no gouging
measurements, the precipitation data obtained from the Don Torcuato Aero and San Miguel stations
are useful to analyze whether there is a hydrologic excess in the basin and its magnitude. Thus, the
elaboration and analysis of the water balances allows us to evaluate if the hydrologic system of the
Albuera basin has excess and what incidence it has in flow variations.
PALABRAS CLAVES: Cuenca hidrográfica; balance hídrico; diagrama ombrotérmico.

INTRODUCCIÓN
El arroyo Albuera, afluente del Río Luján, desarrolla una cuenca hidrográfica que se extiende
dentro de Grand Bourg, partido de Malvinas Argentinas, provincia de Buenos Aires, Argentina
(Fig. 1). La cuenca se presenta urbanizada en su parte alta y media y en la zona baja, en la
confluencia con el arroyo Claro, se localizan un gran número de establecimientos industriales que
conforman el denominado Triángulo Industrial, la calidad del agua de este arroyo se encuentra
afectada por la descarga de efluentes domiciliarios e industriales, incrementando el riesgo de salud
en caso de un desborde del mismo, (Gomez, 2016). Dada la importancia que reviste el curso de
agua como recurso hídrico en sí y en razón de las características ambientales de la zona, se calculan
los balances hídricos para el período 1961-2010 a fin de identificar la existencia de excesos
hídricos, determinar la relación caudal-precipitación y su posterior análisis de los excesos.
El crecimiento poblacional del conurbano bonaerense nos enfrenta a la incesante transformación de

terrenos rurales en zonas urbanas con parques industriales, barrios cerrados, y asentamientos con
viviendas precarias, con la consecuente alteración de la escorrentía en las cuencas por variaciones
en la topografía e impermeabilización de los terrenos. Frente a este proceso de antropización
creciente, surge la necesidad de desarrollo de infraestructura vial y pluvial la cual, a su vez, genera
y sufre las consecuencias de las alteraciones que se imprimen en la topografía. Esta realidad,
sumada a la falta de estudios de cuencas hídricas en toda la República Argentina, motivó el análisis
de la cuenca del arroyo Albuera.
Figura 1. Localización de la cuenca del arroyo Albuera.
IDENTIFICACIÓN DEL PROBLEMA
La cuenca del arroyo Albuera ha sido objeto de un gran crecimiento urbanístico, aumentando la
densidad demográfica y produciendo cambios morfológicos en la zona. La impermeabilización
producida por la urbanización provoca el aumento del escurrimiento superficial (el cual puede
superar el 90% del total de lo llovido), disminuyendo el tiempo en el cual llega el pico de la
creciente. Es de destacar que en Buenos Aires más del 20% de superficie se halla ocupando
planicies aluviales de los diferentes cursos (Pereyra, 2004). Esto implica que no solo aumentó la
población en el área de riesgo de desborde hídrico, sino que el tiempo de concentración bajó, por lo
que la recurrencia de las lluvias aumentó. El conocimiento del balance hídrico de la cuenca
permitirá analizar su dinámica y ayudará a la toma de decisiones.

METODOLOGÍA
Se analizaron los datos climatológicos de las estaciones de San Miguel (Lat. -34°33’0’’, Long.
-58°44’0’’, altura 26 msnm) para el período 1961-2010 y de Don Torcuato Aero (Lat. -34°29’0’’,
Long. -58°37’0’’, altura 4 msnm) para el período 1971-2000, correspondientes a las estadísticas
proporcionadas por el Servicio Meteorológico Nacional (SMN, 2016) para calcular los balances
hídricos. Se realizaron y analizaron los diagramas ombrotérmicos de Gaussen para determinar la
existencia y duración de los períodos secos (Castillo y Castellví Sentis, 2001). Sobre un gráfico
cartesiano se representan: en las abscisas los meses del año y en las ordenadas las precipitaciones y
las temperaturas. La escala de las precipitaciones, en milímetros es el doble que la de la
temperatura, en grados Celsius, según la hipótesis de Gaussen (1954 y 1955) de equivalencia entre
2 mm de precipitación y 1°C de temperatura.
Dado que se trata de un curso de agua del cual no se disponen aforos, la información brindada por el
balance hídrico permitió establecer la existencia o no de excesos hídricos (Torrero, 2009) y en
función de ellos, en el caso que los hubiera, permitirá cuantificar la relación caudal-precipitación y
su posterior análisis de los excesos (Remenieras, 1974). En una cuenca hidrográfica el caudal de un
río, definido como el volumen de escorrentía superficial por unidad de tiempo (Bruniard, 1992;
Monsalve Sáenz, 1999) depende de factores como el clima, la vegetación y el complejo suelo-
sustrato. Es decir, procesos como la precipitación, evaporación, intercepción, transpiración,
infiltración y almacenamiento inciden directamente sobre el caudal. Asimismo, factores de
naturaleza humana como los relacionados con la intervención antropogénica, influyen en la
escorrentía superficial. Por ello, es indispensable valorar la respuesta del río frente a estos factores
(Heras, 1972; Pedraza, 1996; Monsalve Sáenz, 1999). Por lo tanto, la elaboración de los balances
hídricos permitió evaluar si el sistema hídrico del arroyo Albuera presenta excesos y su incidencia
en la variabilidad del caudal. Los balances utilizan principalmente como datos la precipitación y la
evapotranspiración potencial, encontrando el primero disponible en los datos de la estación
meteorológica, no así el de la evapotranspiración que estimó por el método de Thornthwaite y
Mather (1957).
DESARROLLO
A) ANÁLISIS CLIMATOLÓGICO
El área de estudio se caracteriza por un clima del tipo templado, húmedo (B2) para la estación de
San Miguel en los períodos de 1961-1990 y Don Torcuato en los períodos 1971-2000 y a su vez se
caracteriza un clima del tipo templado húmedo pero con un índice hídrico menor (B1), la estación
de San Miguel en los períodos de 1991 a 2010, determinado por el índice hídrico (Tabla 1), según la
clasificación de Thornwaite (1949). La falta de agua se caracteriza como pequeña o nula para ambas
estaciones en todos los períodos estudiados.
Tabla 1.- Índices de aridez, humedad e hídricos para los períodos del 1961 al 2010.
Indice de Aridez Indice de Humedad Indice Hídrico
1961-70 1971-80 1981-90 1991-00 2001-10 1961-70 1971-80 1981-90 1991-00 2001-10 1961-70 1971-80 1981-90 1991-00 2001-10
San Miguel r=0 r=0 r=0 r=0 r=0 w2 = 45,05 w2 = 48,63 w2 = 44,74 w2 = 27,12 w2 = 32,629 B2 = 45,05 B2 = 48,63 B2 = 44,74 B1 = 27,12 B1 = 32,62
Don Torcuato Aero s/d r=0 r=0 r=0 s/d s/d w2 = 29,16 w2 = 31,63 w2 = 23,08 s/d s/d B1 = 29,16 B1 = 31,63 B1 = 23,08 s/d
s/d: sin dato

En el análisis y comparación de los valores obtenidos con los estudios realizados previamente
(Campo de Ferreras et al., 2004) no se registraron variaciones en el índice de aridez tanto en las
estaciones de Don Torcuato Aero como en San Miguel, en ninguno de los períodos analizados.
Figura 2. Diagramas ombrotérmicos para la estación San Miguel: a) período 1961-1970, b) período 1971-1980, c)
período 1981-1990, d) período 1991-2000 y e) período 2000-2010.
Puede observarse en los diagramas ombrotérmicos de San Miguel (Fig. 2) que en las 3 primeras
décadas del análisis (1961-1990) se obtuvo un período lluvioso con marcada presencia en la época
estival, disminuyendo de forma muy leve en los períodos siguientes (1991-2010) pero manteniendo
la época de excesos de agua estival. Esta disminución del índice hídrico que se dio en el período
1981-1990 al 1991-2000, se debe una disminución de los excesos de 149,49 mm y un aumento de la
temperatura de 0,19°C. En este caso siguiendo la clasificación de Bruniard (1992), ante la ausencia
de dos o más períodos secos en período estival se indica un clima templado cálido trópical, por lo
tanto, incoporando la clasificación mencionada anteriormente, se define un clima templado cálido
húmedo tropical.

En el caso de los diagramas ombrotérmicos de Don Torcuato (Fig. 3) puede determinarse que las 2
primeras décadas (1971-1990) de análisis tienen un pequeño incremento de su índice hídrico,
manteniendo un exceso de agua grande en época estival, mientras que en el último decenio
analizado (1991-2000) se puede apreciar una pequeña disminución del índice hídrico, que se explica
por una disminución de los excesos de 79,46 mm y una disminución de la temperatura de 0,52°C,
dada del período del 1981-1990 al del 1991-2000. Sin embargo, sigue manteniéndose un exceso de
agua grande en época estival. La clasificación de Bruniard (1992) y la clasificación de Thornwaite
(1949), ante la ausencia de dos o más períodos secos durante el verano, determinan un clima
templado cálido húmedo tropical.
Figura 3. Diagramas ombrotérmicos para la estación Don Torcuato Aero: a) período 1971-1980, b) período 1981-1990,
c) período 1991-2000.
B) BALANCES HÍDRICOS DE LA CUENCA
Se realizan y analizan los balances hídricos empleando el método de Thornthwaite y Mather (1957)
para las localidades de San Miguel (períodos 1961-2010) y Don Torcuato (períodos 1971-2000).

El análisis del balance hídrico de la estación San Miguel para el primer período analizado 1961-
1970 mostró un período predominantemente húmedo, con una utilización de 34,7 mm y sin
periodos de déficit (Fig. 4.a). El período de exceso (215,7 mm) acontece en los meses de julio a
mediados de diciembre, desde allí y hasta febrero las precipitaciones comienzan a disminuir y la
evapotranspiración potencial incrementa paulatinamente, recurriendo a la utilización del agua
almacenada en el suelo, contrarrestando la necesidad de agua. A partir de febrero, y antes de que se
acaben las reservas, el aumento de precipitaciones repone las mismas, hasta que, a fines de marzo se
entra en un nuevo período de exceso (173,1 mm), que va desde abril a junio. En 1971-1980 (Fig.
4.b), el exceso (201,2 mm) se tiene en los meses de julio a noviembre y en diciembre las
precipitaciones comienzan a descender y se acrecienta gradualmente la evapotranspiración
potencial, recurriendo a la utilización del agua almacenada en el suelo, para compensar la falta de
esta (22,1 mm). Sin llegar a agotarse las reservas, se repone en los meses de enero a febrero (22,1
mm) y se entra en un nuevo período de exceso (204,8 mm), que va desde marzo a junio.
Al analizar el decenio 1981-1990 (Fig. 4.c) podemos observar que el período de exceso (215,7 mm)
ocurre en los meses de julio a noviembre, y en diciembre y enero las precipitaciones comienzan a
descender y se incrementa paulatinamente la evapotranspiración potencial, recurriendo a la
utilización del agua almacenada en el suelo (39,8 mm), para compensar la necesidad del agua. Sin
llegar a agotarse las reservas, se repone en los meses de febrero a marzo (39,8 mm) y se entra en un
nuevo período de exceso (165,2 mm), que va desde abril a junio. Mientras que para la década
comprendida entre 1991-2000 (Fig. 4.d) se distingue un período de exceso (124,7 mm) que tiene
lugar en los meses de julio a diciembre cuando el aumento de las temperaturas y la disminución de
las precipitaciones producen una utilización del agua contenida en el suelo (73,4 mm), para
compensar la necesidad entre diciembre y marzo. Sin llegar a agotarse las reservas, se repone en los
meses de abril hasta principios de mayo (73,4 mm) y se entra en un nuevo período de exceso (106,5
mm), que va desde mayo a junio. El período 2001-2010 (Fig. 4.e) evidenció un período de exceso
(163,7 mm) que abarca de julio a noviembre, y desde noviembre hasta mediados de enero el
aumento de la evapotranspiración potencial junto con el descenso de las precipitaciones genera una
utilización del agua almacenada en el suelo (48,7 mm). Sin que se agoten las reservas, se repone
entre mediados de enero hasta fines de febrero (48,7 mm) y se entra en un nuevo período de exceso
(116,1 mm), que va desde marzo a junio.
El análisis del balance hídrico de la estación Don Torcuato para los períodos 1971-1980, 1981-
1990, y 1991-2000 (Fig. 5) reflejó también decenios mayoritariamente húmedos. El balance hídrico
para este caso nos muestra que la utilización fue de 37,4 mm para el primer período, 81,9 mm para
el segundo, y 64,7 mm para el tercero. Por otro lado, los excesos totalizaron 248,2 mm, 275,0 mm,
y 195.5 mm, para los períodos 1971-1980, 1981-1990, y 1991-2000 respectivamente. Al analizar el
decenio de 1971-1980 (Fig. 5.a) se evidenció un exceso (178,7 mm) que ocurre en los meses de
julio a octubre, desde noviembre hasta mediados de enero las precipitaciones comienzan a
descender y se incrementa la evapotranspiración potencial, recurriendo a la utilización del agua
almacenada en el suelo (37,4 mm), para compensar la necesidad del agua. El período de reposición
le sucede durante mediados de enero y principios de abril (37,4 mm), y luego se entra en un nuevo
período de exceso (69,5 mm) que va desde abril a junio.

Figura 4. Balances Hídricos para la estación San Miguel: a) período 1961-1970, b) período 1971-1980, c) período
1981-1990, d) período 1991-2000 y e) período 2000-2010.
En el período 1981-1990 (Fig. 5.b) se observa que entre los meses de julio a noviembre se produce
un período de exceso (191,2 mm). A partir de diciembre hasta mediados de febrero el descenso de
las precipitaciones y el incremento de la evapotranspiración potencial, llevan a la utilización del
agua almacenada en el suelo (81,9 mm). Le sigue un período de reposición que se extiende entre
mediados de febrero y mediados de abril (81,9 mm), para luego entrar en un nuevo período de
exceso (83,8 mm) que va desde mediados de abril a junio. Por último, el estudio del período 1991-
2000 (Fig. 5.c) manifestó un período de exceso (101,9 mm) en los meses de julio a diciembre, y
desde allí hasta mediados de marzo una utilización del agua almacenada en el suelo (64,7 mm). Le
sigue un período de reposición que se extiende entre mediados de marzo y mediados de mayo (64,7
mm), y luego se entra en un nuevo período de exceso (93,6 mm) que va desde mediados de mayo a
junio.

Figura 5. Balances Hídricos para la estación Don Torcuato Aero: a) período 1971-1980, b) período 1981-1990, c)
período 1991-2000.
C) ANÁLISIS DE LA RELACIÓN CAUDAL-PRECIPITACIÓN
Se realizó el análisis de los escurrimientos mensuales por excesos obtenidos de los balances
hídricos para ver cuánto de estos excesos se transforman en caudal.
El análisis de los valores obtenidos para la estación de Don Torcuato Aero (Tabla 2) para el período
comprendido entre los años 1971-1980 muestra que los mayores valores se dan entre los meses de
junio a octubre, con un pico de 51.59 mm en agosto, mientras que se observan los mínimos en los
meses de enero a abril. Al analizar el siguiente decenio, que abarca de 1981 a 1990, se mueve el
pico de mayor escurrimiento 57,97 mm hacia los meses de octubre y septiembre, teniendo el
mínimo entre los meses de enero y abril nuevamente. En la última década de la serie de datos, 1991-
2000, no se observa un pico de escurrimiento marcado, siendo el máximo de solo 33,20 mm en el
mes de junio, y con los mayores escurrimientos abarcando de mayo a diciembre, siendo nuevamente
los meses de enero a abril, los de los mínimos valores (Fig. 6).

Tabla 2.- Análisis de los excesos de la estación Don Torcuato Aero para los períodos del 1971 al 2000.
D^^ E & DZ Z Dz :hE :h> 'K ^W Kd EKs / dKd>
ǆĐĞƐŽƐ Ϭ͘ϬϬ Ϭ͘ϬϬ ϱ͘ϵϵ Ϭ͘ϭϰ ϭϬ͘ϭϳ ϱϯ͘ϰϮ ϱϵ͘ϭϮ ϱϴ͘ϴϭ ϯϲ͘ϳϯ Ϯϯ͘ϵϮ Ϭ͘ϬϬ Ϭ͘ϬϬ Ϯϰϴ͘ϯϬ
Ϯ͘ϵϵ ϭ͘ϱϬ Ϭ͘ϳϱ Ϭ͘ϯϳ Ϭ͘ϭϵ Ϭ͘Ϭϵ Ϭ͘Ϭϱ Ϭ Ϭ Ϭ
Ϭ͘Ϭϳ Ϭ Ϭ Ϭ Ϭ Ϭ Ϭ Ϭ Ϭ
ϱ͘ϭ Ϯ͘ϱϰ ϭ͘Ϯϳ Ϭ͘ϲϰ Ϭ͘ϯϮ Ϭ͘ϭϲ Ϭ͘Ϭϴ Ϭ͘Ϭϰ
Ϯϲ͘ϳϭ ϭϯ͘ϯϱ ϲ͘ϲϴ ϯ͘ϯϰ ϭ͘ϲϳ Ϭ͘ϴϯ Ϭ͘ϰϮ
Ϭ͘Ϯϭ Ϭ͘ϭϬ Ϭ͘Ϭϱ Ϯϵ͘ϱϲ ϭϰ͘ϳϴ ϳ͘ϯϵ ϯ͘ϲϵ ϭ͘ϴϱ Ϭ͘ϵϮ
Ϭ͘ϰϲ Ϭ͘Ϯϯ Ϭ͘ϭϮ Ϭ͘Ϭϲ Ϯϵ͘ϰϭ ϭϰ͘ϳϬ ϳ͘ϯϱ ϯ͘ϲϴ ϭ͘ϴϰ
Ϭ͘ϵϮ Ϭ͘ϰϲ Ϭ͘Ϯϯ Ϭ͘ϭϭ Ϭ͘Ϭϲ ϭϴ͘ϯϳ ϵ͘ϭϴ ϰ͘ϱϵ Ϯ͘ϯϬ
ϭ͘ϭϱ Ϭ͘ϱϳ Ϭ͘Ϯϵ Ϭ͘ϭϰ Ϭ͘Ϭϳ ϭϭ͘ϵϲ ϱ͘ϵϴ Ϯ͘ϵϵ
ϭ͘ϱϬ Ϭ͘ϳϱ Ϭ͘ϯϳ Ϭ͘ϭϵ Ϭ͘Ϭϵ Ϭ͘Ϭϱ
ƐĐƵƌƌŝŵŝĞŶƚŽ;ϭϵϳϭͲϭϵϴϬͿ ϰ͘Ϯϯ Ϯ͘ϭϮ ϰ͘Ϭϱ Ϯ͘Ϭϳ ϲ͘Ϭϲ Ϯϵ͘ϲϳ ϰϰ͘ϯϳ ϱϭ͘ϱϵ ϰϰ͘ϭϲ ϯϰ͘ϬϮ ϭϳ͘Ϭϭ ϴ͘ϱϬ
ǆĐĞƐŽƐ Ϭ͘ϬϬ Ϭ͘ϬϬ Ϭ͘ϬϬ ϵ͘ϳϰ ϰϮ͘ϭϬ ϯϭ͘ϵϳ Ϯϱ͘ϰϳ ϯϭ͘ϱϭ Ϯϴ͘ϴϳ ϳϮ͘ϳϳ ϯϮ͘ϱϴ Ϭ͘ϬϬ Ϯϳϱ͘ϬϬ
ϰ͘ϴϳ Ϯ͘ϰϰ ϭ͘ϮϮ Ϭ͘ϲϭ Ϭ͘ϯϬ Ϭ͘ϭϱ Ϭ͘Ϭϴ
Ϯϭ͘Ϭ ϭϬ͘ϱϮ ϱ͘Ϯϲ Ϯ͘ϲϯ ϭ͘ϯϮ Ϭ͘ϲϲ Ϭ͘ϯϯ Ϭ͘ϭϲ
ϭϱ͘ϵϵ ϳ͘ϵϵ ϰ͘ϬϬ Ϯ͘ϬϬ ϭ͘ϬϬ Ϭ͘ϱϬ Ϭ͘Ϯϱ
Ϭ͘ϭϮ Ϭ͘Ϭϲ ϭϮ͘ϳϰ ϲ͘ϯϳ ϯ͘ϭϴ ϭ͘ϱϵ Ϭ͘ϴϬ Ϭ͘ϰϬ
Ϭ͘ϮϬ Ϭ͘ϭϬ Ϭ͘Ϭϱ ϭϱ͘ϳϱ ϳ͘ϴϴ ϯ͘ϵϰ ϭ͘ϵϳ Ϭ͘ϵϴ
Ϭ͘ϰϵ Ϭ͘Ϯϱ Ϭ͘ϭϮ Ϭ͘Ϭϲ ϭϰ͘ϰϯ ϳ͘ϮϮ ϯ͘ϲϭ ϭ͘ϴϬ
Ϭ͘ϵϬ Ϭ͘ϰϱ Ϭ͘Ϯϯ Ϭ͘ϭϭ Ϭ͘Ϭϲ ϯϲ͘ϯϴ ϭϴ͘ϭϵ ϵ͘ϭϬ
ϰ͘ϱϱ Ϯ͘Ϯϳ ϭ͘ϭϰ Ϭ͘ϱϳ Ϭ͘Ϯϴ Ϭ͘ϭϰ Ϭ͘Ϭϳ ϯϮ͘ϱϴ ϭϲ͘Ϯϵ
ϴ͘ϭϰ ϰ͘Ϭϳ Ϯ͘Ϭϰ ϭ͘ϬϮ Ϭ͘ϱϭ Ϭ͘Ϯϱ Ϭ͘ϭϯ Ϭ͘Ϭϲ
ƐĐƵƌƌŝŵŝĞŶƚŽ;ϭϵϴϭͲϭϵϵϬͿ ϭϰ͘ϰϭ ϳ͘Ϯϭ ϯ͘ϱϳ ϲ͘ϲϯ Ϯϰ͘ϯϯ Ϯϴ͘ϭϮ Ϯϲ͘ϴϬ Ϯϵ͘ϭϮ Ϯϴ͘ϵϲ ϱϬ͘ϴϲ ϱϳ͘ϵϳ Ϯϴ͘ϵϴ
ǆĐĞƐŽƐ Ϭ͘ϬϬ Ϭ͘ϬϬ Ϭ͘ϬϬ Ϭ͘ϬϬ ϱϰ͘ϳϳ ϯϴ͘ϴϳ Ϯϲ͘ϳϰ ϭϭ͘Ϯϭ ϱ͘ϮϮ ϯϳ͘ϴϬ ϭϱ͘ϵϬ ϱ͘ϬϮ ϭϵϱ͘ϱϰ
Ϯϳ͘ϰ ϭϯ͘ϲϵ ϲ͘ϴϱ ϯ͘ϰϮ ϭ͘ϳϭ Ϭ͘ϴϲ Ϭ͘ϰϯ Ϭ͘Ϯϭ
ϭϵ͘ϰϰ ϵ͘ϳϮ ϰ͘ϴϲ Ϯ͘ϰϯ ϭ͘Ϯϭ Ϭ͘ϲϭ Ϭ͘ϯϬ
Ϭ͘ϭϱ Ϭ͘Ϭϴ ϭϯ͘ϯϳ ϲ͘ϲϴ ϯ͘ϯϰ ϭ͘ϲϳ Ϭ͘ϴϰ Ϭ͘ϰϮ
Ϭ͘Ϯϭ Ϭ͘ϭϬ Ϭ͘Ϭϱ ϱ͘ϲϭ Ϯ͘ϴϬ ϭ͘ϰϬ Ϭ͘ϳϬ Ϭ͘ϯϱ
Ϭ͘ϭϴ Ϭ͘Ϭϵ Ϯ͘ϲϭ ϭ͘ϯϭ Ϭ͘ϲϱ Ϭ͘ϯϯ
Ϭ͘ϭϲ Ϭ͘Ϭϴ ϭϴ͘ϵϬ ϵ͘ϰϱ ϰ͘ϳϯ
Ϯ͘ϯϲ ϭ͘ϭϴ Ϭ͘ϱϵ Ϭ͘ϯϬ Ϭ͘ϭϱ Ϭ͘Ϭϳ ϳ͘ϵϱ ϯ͘ϵϴ
ϭ͘ϵϵ Ϭ͘ϵϵ Ϭ͘ϱϬ Ϭ͘Ϯϱ Ϭ͘ϭϮ Ϭ͘Ϭϲ Ϯ͘ϱϭ
ϭ͘Ϯϱ Ϭ͘ϲϯ Ϭ͘ϯϭ Ϭ͘ϭϲ Ϭ͘Ϭϴ
ƐĐƵƌƌŝŵŝĞŶƚŽ;ϭϵϴϭͲϭϵϵϬͿ ϯ͘Ϭϲ ϭ͘ϱϯ Ϭ͘ϲϰ Ϭ͘ϯϬ Ϯϳ͘ϱϯ ϯϯ͘ϮϬ Ϯϵ͘ϵϯ ϮϬ͘ϱϳ ϭϮ͘ϵϬ Ϯϱ͘ϯϱ ϮϬ͘ϲϯ ϭϬ͘ϯϭ
Figura 6. Escurrimiento para la estación Don Torcuato Aero: a) período 1971-1980, b) período 1981-1990, c) período
1991-2000.

Los escurrimientos calculados para la estación de Don Torcuato Aero (Fig. 6) presentan valores con
una estacionalidad mucho más marcada que los correspondientes a la estación de San Miguel (Fig.
7), con mínimos de enero a abril y máximos entre julio y noviembre.
Figura 7. Escurrimiento para la estación San Miguel: a) período 1961-1970, b) período 1971-1980, c) período 1981-
1990, d) período 1991-2000 y e) período 2000-2010.
En los cinco períodos analizados en la estación de San Miguel (Tabla 3), se advierte una
prolongación de la temporada húmeda sin un pico ya tan marcado. En el primero de ellos, el
escurrimiento medio anual comprendido entre 1961-1970 muestra un pico de 48,66 mm en octubre
y un mínimo de 5.88 mm en febrero. En la siguiente década, 1971-1980, el pico de 53,34 mm se da
en el mes de julio, mientras que el mínimo esta vez se da antes, en enero, con sólo 8,54 mm. Para el
período 1981-1990, se produce un escurrimiento máximo en octubre con 54,93 mm de exceso
hídrico, siendo febrero el mes con menores valores de exceso con apenas 5,97 mm. La década de
1991-2000 presentó bajos valores de escurrimiento, siendo el mayor valor de 38,62 mm en junio,
con mínimos que se extendieron desde enero a abril, donde se observa el valor más bajo de 1,72
mm. Por último, el decenio de 2001-2010 muestra un valor pico similar al período anterior, de
39,22 mm, pero con un período de mínimos escurrimientos más corto, con su valor extremo siendo
de 3,19 mm (Fig. 7).
En la figura 7 se observa el patrón que presenta el escurrimiento por excesos correspondiente a la

estación de San Miguel a lo largo de los 12 meses del año, siendo el segundo semestre el que
concentra los mayores valores, se distingue una tendencia a disminuir desde la década de 1960 hasta
el 2000, cuando se percibe un repunte de los escurrimientos medios mensuales. Si bien se observan
diferencias entre las series de Don Torcuato Aero y las de San Miguel, se destaca que los dos meses
de mayores escurrimientos coinciden entre ambas estaciones para un mismo período, como era de
esperar debido a la cercanía de las mismas. También se observa una disminución de los valores de
escurrimiento en la década de 1991-2000 respecto a los períodos anteriores.

Tabla 3.- Análisis de los excesos de la estación San Miguel para los períodos del 1961 al 2010.
D^^ E & DZ Z Dz :hE :h> 'K ^W Kd EKs / dKd>
ǆĐĞƐŽƐ Ϭ͘ϬϬ Ϭ͘ϬϬ Ϯϲ͘ϱϵ ϱϳ͘ϵϮ ϰϱ͘ϱϱ ϰϯ͘Ϭϱ ϯϳ͘ϴϱ ϰϰ͘ϭϵ ϭϯ͘ϲϰ ϲϵ͘ϱϬ ϭϲ͘ϲϬ ϭϱ͘Ϭϳ ϯϲϵ͘ϵϱ
ϭϯ͘Ϯϵ ϲ͘ϲϱ ϯ͘ϯϮ ϭ͘ϲϲ Ϭ͘ϴϯ Ϭ͘ϰϮ Ϭ͘Ϯϭ Ϭ͘ϭϬ Ϭ͘Ϭϱ
Ϯϴ͘ϵϲ ϭϰ͘ϰϴ ϳ͘Ϯϰ ϯ͘ϲϮ ϭ͘ϴϭ Ϭ͘ϵϭ Ϭ͘ϰϱ Ϭ͘Ϯϯ Ϭ͘ϭϭ
Ϭ͘Ϭϲ ϮϮ͘ϴ ϭϭ͘ϯϵ ϱ͘ϲϵ Ϯ͘ϴϱ ϭ͘ϰϮ Ϭ͘ϳϭ Ϭ͘ϯϲ Ϭ͘ϭϴ
Ϭ͘Ϭϵ Ϯϭ͘ϱϯ ϭϬ͘ϳϲ ϱ͘ϯϴ Ϯ͘ϲϵ ϭ͘ϯϱ Ϭ͘ϲϳ Ϭ͘ϯϰ
Ϭ͘ϭϳ Ϭ͘Ϭϴ ϭϴ͘ϵϮ ϵ͘ϰϲ ϰ͘ϳϯ Ϯ͘ϯϳ ϭ͘ϭϴ Ϭ͘ϱϵ
Ϭ͘ϯϬ Ϭ͘ϭϱ Ϭ͘Ϭϳ ϮϮ͘Ϭϵ ϭϭ͘Ϭϱ ϱ͘ϱϮ Ϯ͘ϳϲ ϭ͘ϯϴ
Ϭ͘ϲϵ Ϭ͘ϯϱ Ϭ͘ϭϳ Ϭ͘Ϭϵ ϲ͘ϴϮ ϯ͘ϰϭ ϭ͘ϳϭ Ϭ͘ϴϱ
Ϭ͘ϰϯ Ϭ͘Ϯϭ Ϭ͘ϭϭ Ϭ͘Ϭϱ ϯϰ͘ϳϱ ϭϳ͘ϯϳ ϴ͘ϲϵ
ϰ͘ϯϰ Ϯ͘ϭϳ ϭ͘Ϭϵ Ϭ͘ϱϰ Ϭ͘Ϯϳ Ϭ͘ϭϰ Ϭ͘Ϭϳ ϴ͘ϯϬ ϰ͘ϭϱ
Ϯ͘Ϭϳ ϭ͘Ϭϰ Ϭ͘ϱϮ Ϭ͘Ϯϲ Ϭ͘ϭϯ Ϭ͘Ϭϲ ϳ͘ϱϯ
ϯ͘ϳϳ ϭ͘ϴϴ Ϭ͘ϵϰ Ϭ͘ϰϳ Ϭ͘Ϯϰ Ϭ͘ϭϮ Ϭ͘Ϭϲ
ƐĐƵƌƌŝŵŝĞŶƚŽ;ϭϵϲϭͲϭϵϳϬͿ ϭϭ͘ϵϭ ϱ͘ϴϴ ϭϲ͘ϭϵ ϯϳ͘ϬϮ ϰϭ͘ϮϮ ϰϮ͘ϭϯ ϯϵ͘ϵϲ ϰϮ͘Ϭϭ Ϯϳ͘ϴϯ ϰϴ͘ϲϲ ϯϮ͘ϲϯ Ϯϯ͘ϴϮ
ǆĐĞƐŽƐ Ϭ͘ϬϬ ϰϴ͘ϴϴ ϰϬ͘ϱϲ Ϯϵ͘ϵϵ Ϯϱ͘ϭϮ ϲϬ͘ϮϮ ϲϮ͘ϯϲ ϰϵ͘ϲϳ ϯϱ͘ϲϵ ϯϴ͘Ϭϲ ϭϱ͘ϰϰ Ϭ͘ϬϬ ϰϬϱ͘ϵϵ
Ϯϰ͘ϰϰ ϭϮ͘ϮϮ ϲ͘ϭϭ ϯ͘Ϭϲ ϭ͘ϱϯ Ϭ͘ϳϲ Ϭ͘ϯϴ Ϭ͘ϭϵ Ϭ͘ϭϬ Ϭ͘Ϭϱ
ϮϬ͘Ϯϴ ϭϬ͘ϭϰ ϱ͘Ϭϳ Ϯ͘ϱϯ ϭ͘Ϯϳ Ϭ͘ϲϯ Ϭ͘ϯϮ Ϭ͘ϭϲ Ϭ͘Ϭϴ
ϭϰ͘ϵϵ ϳ͘ϱϬ ϯ͘ϳϱ ϭ͘ϴϳ Ϭ͘ϵϰ Ϭ͘ϰϳ Ϭ͘Ϯϯ Ϭ͘ϭϮ Ϭ͘Ϭϲ
ϭϮ͘ϲ ϲ͘Ϯϴ ϯ͘ϭϰ ϭ͘ϱϳ Ϭ͘ϳϴ Ϭ͘ϯϵ Ϭ͘ϮϬ Ϭ͘ϭϬ
Ϭ͘Ϭϱ ϯϬ͘ϭϭ ϭϱ͘Ϭϱ ϳ͘ϱϯ ϯ͘ϳϲ ϭ͘ϴϴ Ϭ͘ϵϰ Ϭ͘ϰϳ
Ϭ͘Ϯϰ Ϭ͘ϭϮ Ϭ͘Ϭϲ ϯϭ͘ϭϴ ϭϱ͘ϱϵ ϳ͘ϴϬ ϯ͘ϵϬ ϭ͘ϵϱ Ϭ͘ϵϳ
Ϭ͘ϰϵ Ϭ͘Ϯϰ Ϭ͘ϭϮ Ϭ͘Ϭϲ Ϯϰ͘ϴϰ ϭϮ͘ϰϮ ϲ͘Ϯϭ ϯ͘ϭϬ ϭ͘ϱϱ
Ϭ͘ϳϴ Ϭ͘ϯϵ Ϭ͘ϭϵ Ϭ͘ϭϬ Ϭ͘Ϭϱ ϭϳ͘ϴϱ ϴ͘ϵϮ ϰ͘ϰϲ Ϯ͘Ϯϯ
ϭ͘ϭϮ Ϭ͘ϱϲ Ϭ͘Ϯϴ Ϭ͘ϭϰ Ϭ͘Ϭϳ ϭϵ͘Ϭϯ ϵ͘ϱϮ ϰ͘ϳϲ
Ϯ͘ϯϴ ϭ͘ϭϵ Ϭ͘ϱϵ Ϭ͘ϯϬ Ϭ͘ϭϱ Ϭ͘Ϭϳ ϭϱ͘ϰϰ ϳ͘ϳϮ
ϯ͘ϴϲ ϭ͘ϵϯ Ϭ͘ϵϳ Ϭ͘ϰϴ Ϭ͘Ϯϰ Ϭ͘ϭϮ Ϭ͘Ϭϲ
ƐĐƵƌƌŝŵŝĞŶƚŽ;ϭϵϳϭͲϭϵϴϬͿ ϴ͘ϵϬ Ϯϴ͘ϴϳ ϯϰ͘ϳϭ ϯϮ͘ϯϮ Ϯϴ͘ϲϵ ϰϰ͘ϯϵ ϱϯ͘ϯϰ ϱϭ͘ϰϴ ϰϯ͘ϱϴ ϰϬ͘ϴϮ ϯϱ͘ϴϱ ϭϳ͘ϴϲ
ǆĐĞƐŽƐ Ϭ͘ϬϬ Ϭ͘ϬϬ ϰϭ͘ϵϰ ϰϮ͘ϰϰ ϱϳ͘ϳϭ Ϯϯ͘ϭϭ ϯϲ͘Ϯϰ ϯϭ͘ϱϰ Ϯϵ͘ϴϲ ϳϴ͘Ϯϴ ϯϵ͘ϳϴ Ϭ͘ϬϬ ϯϴϬ͘ϵϭ
ϮϬ͘ϵϳ ϭϬ͘ϰϵ ϱ͘Ϯϰ Ϯ͘ϲϮ ϭ͘ϯϭ Ϭ͘ϲϲ Ϭ͘ϯϯ Ϭ͘ϭϲ Ϭ͘Ϭϴ
Ϯϭ͘ϮϮ ϭϬ͘ϲϭ ϱ͘ϯϭ Ϯ͘ϲϱ ϭ͘ϯϯ Ϭ͘ϲϲ Ϭ͘ϯϯ Ϭ͘ϭϳ Ϭ͘Ϭϴ
Ϯϴ͘ϵ ϭϰ͘ϰϯ ϳ͘Ϯϭ ϯ͘ϲϭ ϭ͘ϴϬ Ϭ͘ϵϬ Ϭ͘ϰϱ Ϭ͘Ϯϯ
ϭϭ͘ϱϲ ϱ͘ϳϴ Ϯ͘ϴϵ ϭ͘ϰϰ Ϭ͘ϳϮ Ϭ͘ϯϲ Ϭ͘ϭϴ
Ϭ͘Ϭϵ ϭϴ͘ϭϮ ϵ͘Ϭϲ ϰ͘ϱϯ Ϯ͘Ϯϳ ϭ͘ϭϯ Ϭ͘ϱϳ
Ϭ͘Ϯϴ Ϭ͘ϭϰ Ϭ͘Ϭϳ ϭϱ͘ϳϳ ϳ͘ϴϵ ϯ͘ϵϰ ϭ͘ϵϳ Ϭ͘ϵϵ
Ϭ͘ϰϵ Ϭ͘Ϯϱ Ϭ͘ϭϮ Ϭ͘Ϭϲ ϭϰ͘ϵϯ ϳ͘ϰϳ ϯ͘ϳϯ ϭ͘ϴϳ
Ϭ͘ϵϯ Ϭ͘ϰϳ Ϭ͘Ϯϯ Ϭ͘ϭϮ Ϭ͘Ϭϲ ϯϵ͘ϭϰ ϭϵ͘ϱϳ ϵ͘ϳϴ
ϰ͘ϴϵ Ϯ͘ϰϱ ϭ͘ϮϮ Ϭ͘ϲϭ Ϭ͘ϯϭ Ϭ͘ϭϱ Ϭ͘Ϭϴ ϭϵ͘ϴϵ ϵ͘ϵϰ
ϰ͘ϵϳ Ϯ͘ϰϵ ϭ͘Ϯϰ Ϭ͘ϲϮ Ϭ͘ϯϭ Ϭ͘ϭϲ Ϭ͘Ϭϴ
ƐĐƵƌƌŝŵŝĞŶƚŽ;ϭϵϴϭͲϭϵϵϬͿ ϭϭ͘ϲϲ ϱ͘ϳϵ Ϯϯ͘ϴϲ ϯϯ͘ϭϮ ϰϱ͘ϯϴ ϯϰ͘ϮϮ ϯϱ͘Ϯϯ ϯϯ͘ϯϭ ϯϭ͘ϱϵ ϱϰ͘ϵϯ ϰϳ͘ϯϲ Ϯϯ͘ϲϰ
ǆĐĞƐŽƐ Ϭ͘ϬϬ Ϭ͘ϬϬ Ϭ͘ϬϬ ϭ͘ϱϵ ϱϳ͘Ϭϯ ϰϳ͘ϵϮ Ϯϲ͘ϰϱ Ϯϭ͘ϱϯ ϭϮ͘ϬϮ ϰϲ͘ϴϴ ϭϱ͘ϭϱ Ϯ͘ϴϲ Ϯϯϭ͘ϰϮ
Ϭ͘ϳϵ Ϭ͘ϰϬ Ϭ͘ϮϬ Ϭ͘ϭϬ Ϭ͘Ϭϱ
Ϯϴ͘ϱ ϭϰ͘Ϯϲ ϳ͘ϭϯ ϯ͘ϱϲ ϭ͘ϳϴ Ϭ͘ϴϵ Ϭ͘ϰϱ Ϭ͘ϮϮ
Ϯϯ͘ϵϲ ϭϭ͘ϵϴ ϱ͘ϵϵ Ϯ͘ϵϵ ϭ͘ϱϬ Ϭ͘ϳϱ Ϭ͘ϯϳ
Ϭ͘ϭϵ Ϭ͘Ϭϵ ϭϯ͘ϮϮ ϲ͘ϲϭ ϯ͘ϯϭ ϭ͘ϲϱ Ϭ͘ϴϯ Ϭ͘ϰϭ
Ϭ͘Ϯϭ Ϭ͘ϭϬ Ϭ͘Ϭϱ ϭϬ͘ϳϲ ϱ͘ϯϴ Ϯ͘ϲϵ ϭ͘ϯϱ Ϭ͘ϲϳ
Ϭ͘ϯϰ Ϭ͘ϭϳ Ϭ͘Ϭϴ ϲ͘Ϭϭ ϯ͘Ϭϭ ϭ͘ϱϬ Ϭ͘ϳϱ
Ϭ͘ϯϴ Ϭ͘ϭϵ Ϭ͘Ϭϵ Ϯϯ͘ϰϰ ϭϭ͘ϳϮ ϱ͘ϴϲ
Ϯ͘ϵϯ ϭ͘ϰϲ Ϭ͘ϳϯ Ϭ͘ϯϳ Ϭ͘ϭϴ Ϭ͘Ϭϵ ϭϱ͘ϭϱ ϳ͘ϱϳ
ϯ͘ϳϵ ϭ͘ϴϵ Ϭ͘ϵϱ Ϭ͘ϰϳ Ϭ͘Ϯϰ Ϭ͘ϭϮ Ϭ͘Ϭϲ ϭ͘ϰϯ
Ϭ͘ϳϭ Ϭ͘ϯϲ Ϭ͘ϭϴ Ϭ͘Ϭϵ
ƐĐƵƌƌŝŵŝĞŶƚŽ;ϭϵϵϭͲϮϬϬϬͿ ϴ͘ϱϰ ϰ͘Ϯϳ Ϯ͘Ϭϵ ϭ͘ϳϮ Ϯϵ͘ϯϯ ϯϴ͘ϲϮ ϯϮ͘ϰϵ Ϯϲ͘ϵϴ ϭϵ͘ϰϴ ϯϯ͘ϭϴ ϯϭ͘ϳϰ ϭϳ͘ϯϬ
ǆĐĞƐŽƐ Ϭ͘ϬϬ Ϭ͘ϬϬ ϯϱ͘ϱϴ ϯϱ͘ϯϲ ϮϮ͘ϱϰ Ϯϰ͘ϲϮ ϰϯ͘Ϭϲ ϯϳ͘ϴϰ ϭϵ͘ϭϬ ϱϭ͘ϭϬ ϭϮ͘ϱϴ Ϭ͘ϬϬ Ϯϴϭ͘ϳϴ
ϭϳ͘ϳϵ ϴ͘ϴϵ ϰ͘ϰϱ Ϯ͘ϮϮ ϭ͘ϭϭ Ϭ͘ϱϲ Ϭ͘Ϯϴ Ϭ͘ϭϰ Ϭ͘Ϭϳ
ϭϳ͘ϲϴ ϴ͘ϴϰ ϰ͘ϰϮ Ϯ͘Ϯϭ ϭ͘ϭϭ Ϭ͘ϱϱ Ϭ͘Ϯϴ Ϭ͘ϭϰ Ϭ͘Ϭϳ
ϭϭ͘ϯ ϱ͘ϲϰ Ϯ͘ϴϮ ϭ͘ϰϭ Ϭ͘ϳϬ Ϭ͘ϯϱ Ϭ͘ϭϴ Ϭ͘Ϭϵ
ϭϮ͘ϯϭ ϲ͘ϭϲ ϯ͘Ϭϴ ϭ͘ϱϰ Ϭ͘ϳϳ Ϭ͘ϯϴ Ϭ͘ϭϵ
Ϭ͘ϭϬ Ϭ͘Ϭϱ Ϯϭ͘ϱϯ ϭϬ͘ϳϳ ϱ͘ϯϴ Ϯ͘ϲϵ ϭ͘ϯϱ Ϭ͘ϲϳ
Ϭ͘ϯϰ Ϭ͘ϭϳ Ϭ͘Ϭϴ ϭϴ͘ϵϮ ϵ͘ϰϲ ϰ͘ϳϯ Ϯ͘ϯϲ ϭ͘ϭϴ
Ϭ͘ϱϵ Ϭ͘ϯϬ Ϭ͘ϭϱ Ϭ͘Ϭϳ ϵ͘ϱϱ ϰ͘ϳϴ Ϯ͘ϯϵ ϭ͘ϭϵ
Ϭ͘ϲϬ Ϭ͘ϯϬ Ϭ͘ϭϱ Ϭ͘Ϭϳ Ϯϱ͘ϱϱ ϭϮ͘ϳϴ ϲ͘ϯϵ
ϯ͘ϭϵ ϭ͘ϲϬ Ϭ͘ϴϬ Ϭ͘ϰϬ Ϭ͘ϮϬ Ϭ͘ϭϬ Ϭ͘Ϭϱ ϲ͘Ϯϵ ϯ͘ϭϰ
ϭ͘ϱϳ Ϭ͘ϳϵ Ϭ͘ϯϵ Ϭ͘ϮϬ Ϭ͘ϭϬ Ϭ͘Ϭϱ
ƐĐƵƌƌŝŵŝĞŶƚŽ;ϮϬϬϭͲϮϬϭϬͿ ϲ͘ϯϵ ϯ͘ϭϵ ϭϵ͘ϯϲ Ϯϳ͘ϯϮ Ϯϰ͘ϴϲ Ϯϰ͘ϳϰ ϯϯ͘ϴϴ ϯϱ͘ϴϯ Ϯϳ͘ϰϳ ϯϵ͘Ϯϴ Ϯϱ͘ϵϯ ϭϮ͘ϵϯ

CONCLUSIONES
El análisis climatológico determinó que la cuenca del arroyo Albuera se caracteriza por un clima
templado húmedo. El estudio de los balances hídricos elaborados para el período 1961-2010 marcó
el predominio de períodos húmedos que se extienden desde el otoño hasta la primavera inclusive, y
cortos períodos más secos durante el verano. Si bien las precipitaciones bajan durante dicho período
y la evapotranspiración aumenta, no se llega a tener déficit hídrico, por lo que el déficit es nulo en
la cuenca estudiada. El cálculo y análisis del escurrimiento por excesos, obtenidos del balance
hídrico, presentó una disminución en las precipitaciones en la década del 90. En este período se
produce un gran desarrollado urbanístico impulsado por la construcción de la Autopista Pascual
Palazzo. El estudio realizado contribuye al conocimiento del área y al manejo hídrico del recurso en
una zona donde los problemas de urbanización están modificando de manera creciente el espacio.
REFERENCIAS
Bruniard, E., (1992). Hidrografía. Procesos y tipos de escurrimiento superficial. Ceyne, Buenos Aires. 124
pp.
Campo de Ferreras, A.M.; Capelli de Steffens, A.M.; Díez, P.G., (2004). El clima del Suroeste
Bonaerense. Departamento de Geografía y Turismo, Universidad Nacional del Sur. Bahía Blanca, 99 pp.
Castillo, F.E y Castellví Sentis, F., (2001). Agrometeorología. Mundi Prensa. España. 520 pp.
Gaussen, H., (1954). Théories et classifications des climats et microclimats. VIII Congrés Int. Bot. Act. 7 et
3. CNRS. 125-130.
Gaussen, H., (1955). Expresión des milieux par des formules écologiques. Colloque Inter. CNRS. 257-269.
Heras, R., (1972). Manual de hidrología. Principios básicos en hidrología. V. 1. Dirección General de Obras
Hidráulicas. Centro de Estudios Hidrográficos. Madrid, 473 pp.
Monsalve Sáenz, G., (1999). Hidrología en la Ingeniería, Alfaomega, Colombia, 359 pp
Pedraza Gilsanz, J. de, (1996). Geomorfología, principios, métodos y aplicaciones. Ed. Rueda. Madrid, 414
pp
Remenieras, G., (1974).Tratado de Hidrología Aplicada. ETA, Barcelona, 515 pp.
S.M.N. (Servicio Meteorológico Nacional) (1986). Estadísticas Meteorológicas,1981-1990. Nº 36. S.M.N.
Buenos Aires.
Thornthwaite, C.; Mather, J. (1957). Instrucciones y tablas para el cómputo de la evapotranspiración
potencial y el balance hídrico. Publicaciones de Climatología. Vol. X. Nº3. Instituto Tecnológico de Drexel,
New Yersey. 1:67.
Torrero, M. P. (2009). Río Sauce Chico: Estudio hidrográfico para un desarrollo sustentable (tesis doctoral).
Universidad Nacional del Sur. Bahía Blanca. Argentina, 71 pp.
Gómez, L.C. (2016). Riesgo hídrico poblacional en relación a las inundaciones y la calidad del agua
superficial de la cuenca del Arroyo Claro en el Municipio de Malvinas Argentinas, Buenos Aires, 15 pp.
Pereyra, F.X. (2004). Geología urbana del área metropolitana bonaerense y su influencia en la problemática
ambiental. Rev. Asoc. Geol. Argent. v.59 n.3 Buenos Aires jul./sept. 2004

IAHR AIIH
CUANTIFICACIÓN ESTIMATIVA DE IMPACTOS HIDRÁULICOS Y

ECONÓMICOS DEL CAMBIO CLIMÁTICO EN DRENAJE URBANO:
CONCORDIA (E.R.) Y SANTA FE
A. Villanueva(1), E. Garat(2), A. Spais(1) y G. Riccardi(3)

(1) Instituto Nacional del Agua (INA), (2) Universidad Tecnológica Nacional (UTN)
(3) Universidad Nacional de Rosario (UNR), Argentina.
email: aonvilla@gmail.com
RESUMEN:
La Tercera Comunicación para el Cambio Climático de la República Argentina (TCCCAR),

indica que las precipitaciones extremas tienden a aumentar en los escenarios futuros. Ese
incremento de la magnitud y frecuencia de las precipitaciones extremas aumentará las fallas de los
sistemas de drenaje urbano (impactos hidráulicos), lo que implica mayores daños y costos de
adaptación del sistema (impactos económicos). La caracterización de esos impactos es uno de los
elementos básicos para el análisis de estrategias de adaptación.
A partir las estimaciones presentadas en la TCCCAR se definió, de manera simplificada, un
intervalo de variación de las curvas IDF para escenarios futuros. Ese espectro de variación del
impacto del cambio climático fue utilizado para analizar cómo sería afectada la gravedad de las
fallas del sistema de drenaje urbano y estimar el impacto económico de esas fallas en la cuenca del
arroyo Manzores en Concordia y en la cuenca Cruz Roja del centro de Santa Fe.
En este trabajo se presentan valores estimativos de esos impactos, como forma de comenzar
a establecer un marco general de análisis de medidas de adaptación a los impactos del cambio
climático sobre el drenaje urbano.
PALABRAS CLAVES: cambio climático; drenaje urbano; impacto hidráulico; impacto económico
ABSTRACT:
The Third Communication on Climate Change of the Argentine Republic (TCCCAR)
indicates that extreme rainfall tends to increase in future scenarios. This increase in the magnitude
and frequency of extreme rainfall will increase the failures of urban drainage systems (hydraulic
impacts), which implies greater damages and costs of system adaptation (economic impacts). The
characterization of these impacts is one of the basic elements for the analysis of adaptation
strategies.
Based on the estimates presented in the TCCCAR, a variation interval of the IDF curves for
future scenarios was defined in a simplified manner. This spectrum of variation in the impact of
climate change was used to analyze how urban drainage system failures would be affected and
estimate the economic impact of these faults in the Manzores creek basin in Concordia and in the
Santa Fe downtown Cruz Roja basin.
This paper presents an estimation of those impacts, as an attempt to begin to establish a
general framework for analyzing adaptation measures to the impacts of climate change on urban
drainage.
KEYWORDS: climate change; urban drainage; hydraulic impact; economic impact

INTRODUCCIÓN
De acuerdo a lo informado en el AR5-IPCC (IPCC, 2014) y en la Tercera Comunicación

para el Cambio Climático de la República Argentina (TCCCAR; CIMA, 2015), los resultados de los
modelos GCM para diferentes escenarios indican que en casi toda la región húmeda de Argentina,
que incluye las provincias de Misiones, Corrientes, Santa Fe, Entre Ríos y Buenos Aires, las
precipitaciones extremas tienden a aumentar en los escenarios futuros. Ese incremento de la
magnitud y frecuencia de las precipitaciones extremas por causa del cambio climático afectará la
severidad y la cantidad de fallas de los sistemas de drenaje urbano. La caracterización de los
impactos sobre la frecuencia y gravedad de los eventos críticos es uno de los elementos básicos para
el análisis de estrategias de adaptación frente al cambio climático.
El aumento de las precipitaciones según los escenarios de cambio climático aumenta la
severidad y la frecuencia de las fallas del sistema (impactos hidráulicos), que implican mayores
daños y costos de adaptación del sistema (impactos económicos).
Tomando como punto de partida las estimaciones máximas y mínimas presentadas en la
TCCCAR se definió, de manera simplificada, un intervalo de variación de las curvas IDF de la
ciudad de Concordia, E.R. (Garat, 2017) y de la ciudad de Santa Fe, S.F. para escenarios futuros.
Ese espectro de variación del impacto del cambio climático fue utilizado para analizar cómo
sería afectada la gravedad de las fallas del sistema de drenaje urbano y estimar su impacto
económico en la cuenca del arroyo Manzores en Concordia y en la cuenca Cruz Roja del centro de
Santa Fe.
En este trabajo se presentan valores estimativos de esos impactos para las dos cuencas
analizadas, como forma de comenzar a establecer un marco general de análisis de medidas de
adaptación a los impactos del cambio climático sobre el drenaje urbano.
La estimación de los impactos forma parte de un trabajo más amplio, orientado al análisis de
posibles medidas de adaptación ante el impacto climático. Una parte del mismo fue desarrollado
sobre la cuenca del arroyo Manzores (Garat, 2017) y otra parte se encuentra actualmente en
desarrollo en la ciudad de Santa Fe. Ese trabajo sigue los lineamientos presentados en (Hallegate,
2009) y se orienta a comenzar a explorar distintas alternativas de adaptación, incluyendo medidas
estructurales, no-estructurales y combinaciones de ambos tipos de medidas. En relación a las
medidas de adaptación, en este texto solo será brevemente comentado un caso, el
sobredimensionamiento del sistema de drenaje, para establecer un valor económico de referencia,
sin que eso implique una preferencia por esa alternativa.
Cabe mencionar que el efecto del cambio climático enfatiza la necesidad de ejecutar
adecuadamente los trabajos de limpieza y mantenimiento de los sistemas de drenaje. Considerando
que los sistemas muchas veces fallan para lluvias de proyecto o menores por inadecuada limpieza y
mantenimiento, es claro que un incremento en la magnitud de las lluvias aumenta la importancia de
esos trabajos.
CUENCAS ANALIZADAS
Las cuencas presentadas en este trabajo corresponden a dos escalas de trabajo marcadamente
diferentes. Una de ellas, la cuenca del arroyo Manzores, en Concordia, E.R. (Figura 1) tiene un
área del orden de 6 km2 (~600 ha), y fue analizada a escala de macrodrenaje. La otra, la cuenca
Cruz Roja en Santa Fe, Arg. (Figura 2), tiene un área de 0.25 km2 (25 ha) y fue analizada a escala
de microdrenaje.
Las metodologías de análisis del impacto tuvieron también algunas diferencias, por ejemplo
el Manzores fue analizado a valores de 2013 y Cruz Roja fue analizada a valores de 2017. Por este
motivo los indicadores hidráulicos y económicos de las cuencas no pueden compararse
directamente, deben ser analizados para cada cuenca (e.g. daños de una cuenca vs. costos de esa
cuenca) y de manera complementaria entre cuencas.
Según se ve en la Figura 1, el arroyo Manzores escurre en el sector oriental de la ciudad
(Figura 1 a), con dirección de desagüe noroeste-sudeste. La zona de estudio seleccionada para

desarrollar el análisis corresponde al área de aportes del cauce principal del arroyo (Figura 1b). En
términos de urbanización, la cuenca del arroyo Manzores es básicamente residencial, de poder
adquisitivo medio a medio bajo, y la urbanización está todavía en proceso de desarrollo. Una
característica destacable, y que afecta los impactos y particularmente los costos de medidas
estructurales es que el curso principal del arroyo está abierto y en estado cuasi natural.
a) Localización b) Red de drenaje simulada

Figura 1.- Cuenca del arroyo Manzores, Concordia
La otra cuenca analizada es la denominada Cruz Roja, de 25 hectáreas en el centro comercial

de la ciudad de Santa Fe (Figura 2), con una población aproximada de 18.000 habitantes. Limita al
Norte con calle Salta, al Sur con calle Zaspe, al Oeste con calle 1ero de Mayo y al Este con el Dique
1 (puerto de Sta. Fe). Corresponde íntegramente a una zona densamente poblada, donde hay
problemas de anegamiento debido a la baja densidad de desagües y a la casi inexistencia de
pendiente de la superficie del terreno. En términos de urbanización, está completamente saturada,
con una ocupación mixta residencial-comercial, de nivel socioeconómico medio.
Figura 2.- Cuenca Cruz Roja, Santa Fe.
IMPACTOS DE CAMBIO CLIMÁTICO CONSIDERADOS
El AR5-IPCC (IPCC, 2014) y la TCCCAR (CIMA, 2015) proporcionan valores indicativos

de los potenciales impactos del cambio climático sobre las lluvias intensas.
A partir de los mismos se adoptaron incrementos de las precipitaciones extremas de 10%,
20% y 30%, para cubrir todo el rango sugerido por los estudios mencionados. Los escenarios de
cambio climático fueron caracterizados de manera simplificada, afectando a la lámina total

precipitada por coeficientes entre 1,10 y 1,30, asumiendo que esa es la única afectación. La
distribución intensidad-duración-recurrencia (curvas IDF) se mantiene, o sea que el impacto es el
mismo para todas las intensidades y todas las recurrencias. El efecto general es, por ejemplo, que un
sistema de microdrenaje, diseñado para tener una probabilidad de falla (PF) de 20 % (Tr=5) pasaría
a tener una PF entre 29 % y 55 % (para impactos entre 10 % y 30%). En otras palabras, las fallas
de los sistemas pasan a ser más frecuentes y más graves. Manteniendo fija la magnitud de falla, su
frecuencia se incrementa; si se fija la frecuencia, el aumento de las láminas incrementa la gravedad
de las fallas del sistema de drenaje (Villanueva y Garat, 2016).
En términos de las lluvias específicas de cada una de las cuencas analizadas las diferencias
no son importantes, dado que están relativamente cerca (aproximadamente 250 km, en una región
sin orografía relevante). La ciudad de Santa Fe no cuenta con curvas IDF, por lo que la
municipalidad local adopta el uso de la de la ciudad de Paraná para cálculos hidrológicos. Las
relaciones IDF utilizadas para las ciudades de Concordia y Santa Fe se indican en las Ecuaciones
[1] y [2] respectivamente (Zamanillo et al, 2008). Las tormentas de proyecto fueron generadas
mediante la metodología de Bloques Alternos (como ejemplo, la Tabla 1 presenta los hietogramas
de diseño de ambas localidades para un período de retorno Tr=5 años)
𝑖𝑖 = 652,4 𝑇𝑇𝑇𝑇 0,26⁄(𝑑𝑑 + 5)0,71 [1]
𝑖𝑖 = 601 𝑇𝑇𝑇𝑇 0,23⁄(𝑑𝑑 + 6)0,69 [2]
Tabla 1.- Tormenta de Proyecto-Tr: 5 años (láminas precipitadas en mm)

Tiempo IDF Paraná IDF
(min) (Santa Fe) Concordia
0 0.0 0.0
10 2.0 1.9
20 2.3 2.2
30 2.8 2.8
40 3.8 3.7
50 6.1 6.1
60 21.4 24.2
70 9.2 9.5
80 4.6 4.6
90 3.2 3.2
100 2.5 2.5
110 2.1 2.0
120 1.8 1.8
P total 61.9 64.3
METODOLOGÍA
A partir de los impactos sobre las precipitaciones, se cuantificaron los impactos hidráulicos
simulando el escurrimiento en los conductos de la red de drenaje y en las calles del sistema
superficial para las dos cuencas analizadas mediante el modelo hidrológico e hidrodinámico
SWMM (EPA, 2015). Esas simulaciones permitieron estimar la cantidad de agua que inunda las
calles por fallas del sistema de drenaje. En todas las simulaciones la condición inicial de la red de
drenaje fue un caudal mínimo, que es lo habitual en drenaje urbano; como el SWMM permite
colocar Q=0, ese fue el valor utilizado.
Una vez cuantificadas las condiciones de inundación, se estimó el impacto económico en
función de las pérdidas directas por anegamiento. Para ello se utilizó la metodología FLEMOps (+)
(“FloodLossEstimationMOdelfortheprivate sector”), Tieken et al. 2007, Thieken A. H., 2008. Este
modelo estima las pérdidas directas adimensionales como un porcentaje del valor de la edificación
(Figura 3), en función del nivel de agua (cinco categorías), tipo de construcción (tres clases:
unifamiliar, vivienda adosada y multifamiliar) y calidad de la edificación (media/baja y alta). En

cada escenario de cambio climático se cuantificaron los daños por inundación de las redes de micro
y macrodrenaje aplicando el Modelo FLEMOps(+).
Para cada estrategia, se estimó el valor esperado de los daños anuales (VEDA), que
estadísticamente es el valor medio de la variable aleatoria continua x (daño anual por inundación),
cuya función densidad de probabilidad es f(x) corresponde a la esperanza matemática E(x), indicada
en la Ecuación [3].El daño en un año cualquiera del período analizado puede interpretarse como la
integral sobre todo el rango de probabilidades.
Figura 3.- Modelo de microescala FLEMOps
𝐸𝐸(𝑥𝑥) = ∫ 𝑥𝑥 𝑓𝑓(𝑥𝑥) 𝑑𝑑𝑑𝑑 [3]
De las diversas metodologías propuestas para desarrollar la solución de esta integral (Olsen et al.,
2015), se adoptó la integración numérica por el método trapezoidal, Ecuación [4].
𝑁𝑁
1 1 1
𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 = ∑ ( − ) (𝐷𝐷𝑖𝑖 + 𝐷𝐷𝑖𝑖+1 ) [4]
2 𝑇𝑇𝑇𝑇𝑖𝑖 𝑇𝑇𝑇𝑇𝑖𝑖+1
𝑖𝑖=1
Siendo:
VEDA: valor esperado de los daños ($/año)

N: número de eventos
Tri y Tri+1: períodos de retorno analizados (años).
Di y Di+1: daños provocados por la inundación en los eventos analizados ($).
El VEDA fue estimado a partir de tres tiempos de retorno en el caso del arroyo Manzores (5,
25 y 50 años) y a partir de cuatro tiempos de retorno (2, 5, 25 y 50 años) para la cuenca Cruz Roja.
Para actualizar la serie escalonada de daños anuales (VEDA) al año base de la serie se
utilizó la fórmula del valor presente de anualidades diferidas, determinando el Valor Presente de
los daños de la etapa i (VPD en $). La Figura 4 muestra n ejemplo de la serie de VEDA y el VPD
resultante.
Para ello se aplicó el Factor de Actualización de una Serie uniforme (FAS), a una tasa de
descuento r según la Ecuación [5], siendo na=30 años el período de actualización de la serie. Se
adoptó una tasa de descuento r=4%, ubicada en el rango acordado en las reuniones de coordinación
de la CEPAL, validadas por los integrantes de equipos nacionales y paneles de asesores sobre
cambio climático en reuniones celebradas en Santiago de Chile durante 2009 (CEPAL, 2014). Los
daños VPD obtenidos a partir de la Ecuación [5] constituyen pérdidas concentradas en el año base
del flujo de fondos, de magnitud equivalente a la serie distribuida.

Figura 4.- Valor esperado de los daños.
(1 + 𝑟𝑟)𝑛𝑛𝑛𝑛 − 1
𝑉𝑉𝑉𝑉𝑉𝑉 = 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 [ ] [5]
𝑟𝑟(1 + 𝑟𝑟)𝑛𝑛𝑛𝑛
Los costos de posibles medidas para evitar o mitigar los impactos fueron estimados por los
métodos standard de cálculo y costeo. Los daños y costos fueron después combinados en
indicadores como Relación Beneficio-Costo (B/C), Valor Presente Neto (VPN), y Valor Esperado
de Daño Anual (VEDA) (Garat, 2017). Aquí solo son presentados valores de daños y costos, para
un horizonte de 30 años, para simplificar y facilitar el análisis sobre una base común.
RESULTADOS
ARROYO MANZORES, CONCORDIA (E. R., ARGENTINA)
El trabajo desarrollado sobre la cuenca del arroyo Manzores tuvo por objetivo comenzar a
explorar cuantitativamente el impacto del cambio climático sobre el drenaje urbano y analizar
algunas posibles estrategias de adaptación. El arroyo Manzores es afectado por los niveles del río
Uruguay, que puede cambiar significativamente las condiciones de escurrimiento; a los efectos de
simplificar el estudio se adoptó como condición del río Uruguay aguas medias.
Impactos hidráulicos
En la Tabla 2 se presenta el grado de inundación en las calles y el incremento del caudal

pico en el arroyo. En el caso de las calles, para el Tr de proyecto de 5 años no habría agua en las
calles. Los resultados de las simulaciones indican que el impacto del cambio climático generaría
inundaciones, que serían más extensas y con mayor tirante cuanto mayor sea el impacto del cambio
climático.
En el curso de agua principal el aumento del caudal de pico es más evidente, ya que
representa el efecto agregado sobre toda la cuenca. Los incrementos estimados del caudal máximo
en el arroyo Manzores varían entre 18% y 48%.
Tabla 2.- Algunos indicadores de impacto hidráulico (valores medios) - Tr 5 años - Concordia
Inundación Mediana Qmáx
Escenario
calles tirantes Manzores
1,10 PE 2% 7 cm + 18 %
1,20 PE 17 % 15 cm +32%
1,30 PE 35 % 20 cm +48 %

Figura 5.- Tirante de agua en las calles(Tr 5 años), para IDF actual e impacto de cambio climático.
Figura 6.- Tiempo de anegamiento de las calles (Tr 5 años), para IDF actual e impacto de cambio climático.
Figura 7.- Incremento de caudal pico en el arroyo Manzores, para los escenarios de cambio climático.
Impactos económicos
La Tabla 3 indica el valor de las pérdidas directas por inundación estimadas mediante el
modelo FLEMOps(+) para un horizonte de 30 años.
En la primera fila de la tabla se presentan los daños estimados para la línea de base
estacionaria, es decir las pérdidas generadas por tormentas en el escenario climático estacionario,
que aún en las condiciones actuales genera daños directos a las edificaciones para eventos de 25 y
50 años de tiempo de retorno.
Se observa que a medida que se incrementa la magnitud de la precipitación máxima, el daño
anual equivalente (columna 2) y el valor presente de los daños (columna 3) se incrementan. Las
diferencias con respecto a la línea base estacionaria se resumen en las columnas 4 y 5, donde se
puede ver que los daños se incrementan entre 50% y 200% en relación a los correspondientes a la
precipitación estacionaria.
Tabla 3.- Valor Esperado del Daño Anual, acumulado 30 años - Concordia, Entre Ríos.
(1) (2) (3) (4) (5)
VEDA VPD Incremento daños
IDF
($/año) ($) ($) (%)
PE (Línea base) 3.724.118 64.397.568 - -
1,10 PE 5.464.719 94.496.110 30.098.542 47
1,20 PE 8.322.042 143.905.033 79.507.465 123
1,30 PE 11.385.999 196.887.082 132.489.514 206

Una de las posibles estrategias de adaptación al cambio climático (Hallegate, 2009) consiste
en el sobredimensionamiento (Es) de la infraestructura (estrategia del tipo "margen de seguridad"),
proyectada a partir de las precipitaciones máximas previstas para el fin de su vida útil, con una
carga financiera asumida en el presente.
Esa estrategia implica redimensionar la red para los tres escenarios de cambio climático. En
el caso de la cuenca del Arroyo Manzores, el redimensionamiento incluyó los colectores de drenaje,
el cauce principal del macrodrenaje y las obras de descarga de los reservorios.
En la Tabla 4 se indica el costo adicional que tendría dimensionar el sistema para el
incremento esperado de precipitación en cada escenario de cambio climático. Puede observarse que
esta estrategia de adaptación implica un incremento del costo de construcción comprendido entre el
4% y el 14% del costo de la red proyectada según las IDF actuales, estimado en $ $96.771.446. En
este caso sería posible reducir la vulnerabilidad del sistema con costos comparativamente bajos.
Cabe destacar que el curso principal de macrodrenaje (arroyo Manzores) es abierto; esta condición
influye significativamente sobre la ecuación económica, ya que si estuviera entubado los costos
aumentarían considerablemente.
Tabla 4.- Costo de sobredimensionamiento - Concordia
Costo de sobredimensionamiento
IDF
($) (%) costo PE
1,10 PE 4.050.228 +4%
1,20 PE 8.002.426 +8%
1,30 PE 13.430.769 +14%
El sobredimensionamiento de la red de drenaje genera una reducción de las pérdidas directas

por inundación, cuya magnitud se resume en la Tabla 5, donde se puede ver que el Valor Presente
de los Daños se reduce entre un 35% y un 65% de los daños correspondientes al proyecto ejecutado
considerando precipitación estacionaria (proyecto PE).
Un análisis expeditivo de los resultados presentados en las tablas anteriores confirma un
desempeño económico favorable de la estrategia de sobredimensionamiento en este caso. Puede
observarse que la reducción de daños (Tabla 5, columna 4) supera ampliamente el incremento de
costos de construcción en los respectivos escenarios de cambio climático (Tabla 4, columna 3).
Tabla 5.- Reducción del Valor esperado de los daños por implementación de la estrategia de
sobredimensionamiento.
(1) (2) (3) (4) (5)
Valor Presente Daños
Reducción daños
(VPD en $)
IDF proyecto Daño
Daño
proyecto ($) (%)
proyecto PE
CC*PE
1,10 PE 61.052.799 94.496.110 33.443.311 35
1,20 PE 73.708.519 143.905.033 70.196.514 49
1,30 PE 69.063.797 196.887.082 127.823.285 65
Una cuestión que debe ser considerada es que si bien hay un intervalo previsto para el
impacto del cambio, no es posible saber qué valor va a tener ese impacto y como va a ser su
evolución temporal. En términos prácticos, habrá un impacto previsto (IP) al momento de hacer los
estudios y proyectos, y un impacto real (IR), que pueden o no coincidir. De hecho, el impacto real
puede estar fuera del intervalo originalmente previsto, por arriba o por abajo.
En la figura 8 se presenta un ejemplo de las posibles combinaciones a considerar para el
caso de Es. El primer subíndice identifica el impacto previsto, y el segundo el impacto real. Como
ejemplo ES2-1: el primer subíndice (2) significa que la red fue dimensionada para impacto previsto

del 20% (1,20PE) mientras que el segundo subíndice (1) identifica el impacto real del 10%
(1,10PE).
Las celdas ubicadas en la diagonal principal representan los escenarios de cambio climático
para los cuales fueron proyectadas las redes respectivas (impacto previsto = impacto real). En las
celdas sobre la diagonal principal se ubican las redes sobredimensionadas (impacto previsto >
impacto real) y en las celdas bajo la diagonal principal se encuentran las redes subdimensionadas
(impacto previsto < impacto real).
Figura 8.-Combinatoria de impactos de cambio climático, previstos en el proyecto y realmente

acontecidos.
Como se ve, al considerar 3 escenarios posibles de cambio climático "automáticamente" se
generan 9 situaciones alternativas, para cada condición a analizar. O sea, si se desea comparar 3
estrategias diferentes ya se tienen 27 combinaciones. Utilizar varios horizontes de proyectos agrega
otro multiplicador, y así por delante. Por consiguiente, es conveniente analizar cuidadosamente las
alternativas a evaluar, para acotar las dimensiones del problema
CUENCA CRUZ ROJA, SANTA FE (S.F., ARGENTINA)
El trabajo en la cuenca Cruz Roja está en desarrollo, y busca ampliar la gama de situaciones
que comenzaron a ser analizadas en el trabajo de Garat, 2017. En este caso se ha trabajado solo con
el impacto 1.20PE.
Impactos hidráulicos
En la cuenca Cruz Roja el principal impacto hidráulico ocurre por inundación de una de las
esquinas del centro comercial de la ciudad. Como es esperable a medida que el impacto del cambio
climático aumenta el problema se agrava, como se puede ver en la Tabla 7. Un factor adicional que
empeora las cosas es que al ser una zona comercial central hay un tránsito intenso de vehículos,
particulares, comerciales y de transporte urbano. El tránsito genera oleaje, haciendo más críticas las
consecuencias del anegamiento.
Tabla 6.- Algunos indicadores de impacto hidráulico - Santa Fe (impacto localizado en Salta y 9 de Julio)
Área Conductos
Recurrencia Volumen Tirante
afectada bajo carga
[años] [m3] [m]
[m2] [%]
2 --- --- --- ---
2+10% --- --- --- 11.00
2+20% --- --- --- 15.00
2+30% --- --- --- 23.00
5 --- --- --- 15.00

5+10% --- --- --- 15.00
5+20% 299.00 0.18 3800.00 31.00
5+30% 573.00 0.24 6000.00 46.00
25 870.00 0.29 7600.00 54.00
25+10% 1183.00 0.32 8200.00 88.00
25+20% 1526.00 0.36 9200.00 96.00
25+30% 1897.00 0.40 10200.00 96.00
50 1430.00 0.35 9000.00 96.00
50+10% 1858.00 0.40 10200.00 96.00
50+20% 2308.00 0.44 11.000.00 96.00
50+30% 2739.00 0.48 12000.00 96.00
Impactos económicos
Los resultados presentados a continuación corresponden al dimensionamiento de la red

pluvial de la cuenca para dos situaciones: i) Dimensionamiento de la red para recurrencia de dos
años P actual (PE); y ii) Dimensionamiento de la red pluvial para recurrencia de 2 años aumentada
en intensidad en un 20% por efecto del cambio climático (1.20PE).
Para cada caso, se realizó una estimación del valor presente de los daños, considerando las
dos condiciones de proyecto, PE y 1.20PE, sometidas a la lluvia 1.20PE. La reducción de daños es
presentada en la Tabla 8, siendo que la reducción por el sobredimensionamiento es de 5.700.000, y
la de VEDA es de 330.000, lo que significa un 34 % menos que el daño que ocurriría si se
dimensionara considerando la lluvia estacionaria. A los efectos de comparación, el costo de
proyecto para PE sería de $ 9.525.782 y sobredimensionar para un impacto de 20 % costaría unos $
11.000.000 más, $ 20.627.476.
Tabla 8.- VEDA y valor presente de daños en la cuenca Cruz Roja para dos condiciones de proyecto
VEDA Valor Presente Daños
IDF proyecto
($) (VPD en $)
PE 956.564 16.540.936
1,20 PE 627.158 10.844.837
CONCLUSIONES
Los ejes de acción propuestos por la Estrategia Nacional de Cambio Climático (ENCC),
recomiendan la generación y difusión de información necesaria para la planificación y toma de
decisiones, incluyendo el desarrollo de escenarios de los efectos del cambio climático a escala
regional y local, tanto en materia de adaptación como de mitigación. (Ludeña, Wilk & Quiroga
2012, p. 12). Se presentan en este trabajo valores estimativos de los impactos para dos cuencas
urbanas ubicadas en la región húmeda de la República Argentina (cuenca del Arroyo Manzores en
Concordia (E. Ríos) y cuenca Cruz Roja en Santa Fe, (S. Fe).
En el caso de la ciudad de Concordia, los impactos previstos para la recurrencia analizada en
este trabajo (Tr: 5 años) consisten en el anegamiento de calles (entre 2% y 35% de la longitud de la
red) y el incremento del tirante de agua en las calles. Otro impacto asociado es el incremento del
caudal máximo del macrodrenaje en porcentajes variables entre 18% y 48%. Para los incrementos
de precipitación máxima analizados, las pérdidas directas por inundación aumentan entre 50% y
200% en relación a las que ocurrirían si no hubiera impacto del cambio climático.
Para la cuenca del arroyo Manzores, en este trabajo se comenta brevemente el efecto de una
estrategia de adaptación de tipo estructural, denominada estrategia de sobredimensionamiento, cuyo

costo de construcción varía entre 4% y el 14% del costo de la red proyectada según las relaciones
IDF actuales. Considerando el conjunto de combinaciones posibles entre impacto previsto e
impacto real, con esa estrategia la reducción de daños supera ampliamente el incremento de costos
de construcción en los respectivos escenarios de cambio climático.
Para el caso de la cuenca Cruz Roja, los impactos generados recién comienzan a ser
evidentes para recurrencias de 5 años o mayores, con aumentos de tirantes de agua en calle. Para
recurrencias menores el impacto aparece en las condiciones de trabajo del sistema pluvial, con la
entrada en carga de diversos conductos.
La diferencia en valor económico entre la construcción del sobredimensionamiento del
sistema pluvial para la lluvia que prevé la incorporación del cambio climático (Tr:2+20%) y la de la
IDF actual (Tr:2 años) fue de $11.000.000 aproximadamente. Analizando los resultados de daños
para estas dos situaciones, se esperaría una reducción de los mismos de entre un 29% y un 35% si se
sobredimensionara el sistema de drenaje. En este caso la ecuación económica de una estrategia de
sobredimensionamiento no resulta tan claramente favorable como en el caso del arroyo Manzores.
La diferencia entre los impactos en las dos cuencas, para el mismo impacto en la lluvia,
resulta de la diferencia en las características físicas de las cuencas (tamaño y topografía,
principalmente). Esas diferencias también influyen en el resultado de la estrategia de adaptación
comentada.
El impacto de esas diferencias hace evidente la dificultad de extrapolar resultados y la
necesidad de contar con estudios que abarquen un conjunto representativo de las situaciones
posibles, lo que incluye no solo diferencias físicas sino también los diferentes impactos previstos
para diferentes regiones.
REFERENCIAS
CEPAL (2014), “La economía del cambio climático en la Argentina. Primera aproximación”,
Naciones Unidas, Santiago de Chile.
CIMA(2015). "Cambio climático en Argentina; tendencias y proyecciones" TCNCCAR, Centro de
Investigaciones del Mar y la Atmósfera, Secretaría de Ambiente y Desarrollo Sustentable de la Nación,
Buenos Aires, Argentina.
EPA (2015), “Storm Water Management Model User's Manual Version 5.1”United States Environmental
Protection Agency.Office of Research and Development Water Supply and Water Resources
Division.Cincinnati, OH. USA.
Garat, E. (2017). “Incorporación de la incerteza del cambio climático en la gestión del drenaje urbano”.
Tesis de doctorado, FCEIA, UNR, Rosario, Argentina.http://ria.utn.edu.ar/handle/123456789/2154
Hallegatte, S. (2009), “Strategies to adapt to an uncertain climate change”Global Environmental Change 19.
IPCC (2014), "Climate Change 2014: Mitigation of Climate Change. Contribution of Working Group III to
the Fifth Assessment Report of the Intergovernmental Panel on Climate Change".Cambridge University
Press, Cambridge,U.K. New York, USA.
Ludeña, C., Wilk, D. & Quiroga, R. (2012),“ARGENTINA: Mitigación y Adaptación al Cambio
Climático - Marco de la preparación de la Estrategia 2012-2016 del BID en Argentina”.Banco
Interamericano de Desarrollo.División de Cambio Climático y Sostenibilidad. Departamento de Países
del Cono Sur (CSC).Nota TécnicaNo. IDB-TN-621.
Olsen, A.S., Zhou, Q., Linde, J.J. &Arnbjerg-Nielsen, K. (2015), “ComparingMethods of
CalculatingExpectedAnnualDamage in Urban Pluvial Flood Risk Assessments” Water, vol 7, no.1,
pp. 255-270. DOI: 10.3390/w7010255
Thieken, A.H. et al., (2007). "Flood losses in private households: analysis of influencing factors and
implications for flood loss modelling". Bochum, Germany: International Association of Hydrological
Sciences IAHS, Publ. 317
Thieken, A. H.(2008), “Floods, flood losses and flood risk management in Germany”, Ph.D. Thesis,
University of Potsdam, Potsdam, Alemania.

Villanueva, A. & Garat, E.(2016). “Efecto del Cambio Climático sobre la Severidad y Frecuencia de
Lluvias Extremas y el Drenaje Urbano”. V Taller Sobre Diseño Hidrológico, Salta, Argentina, 2016.
Zamanillo, E., Larenze, G., Tito, M.J. &Perez, M. (2008),“Tormentas de diseño para la Provincia de
Entre Ríos”. Universidad Tecnológica Nacional, Concordia, Argentina.
AGRADECIMIENTOS
A la Universidad Tecnológica Nacional y a la Agencia Nacional de Promoción Científica y
Tecnológica, financiadoras del Programa de Becas: “Formación de Doctores en Áreas Tecnológicas
Prioritarias”, en cuyo marco se desarrolló el Doctorado en Ingeniería de la Universidad Nacional de
Rosario de la Ing. M.E. Garat.
A la Agencia Santafesina de Ciencia, Tecnología e Innovación con cuyo financiamiento se está
desarrollando el proyecto " Incorporación del impacto del cambio climático en la gestión del
drenaje urbano", del cual hace parte el estudio de la cuenca Cruz Roja.

IAHR AIIH
EXPLORACIÓN DE MÉTODOS ESTADÍSTICOS EN GOOGLE EARTH

ENGINE PARA DIFERENTES APLICACIONES REGIONALES
Tobón, A., Vergara, S., Cañón, J. E., Álvarez, O. D., Arias, P. A.

Escuela Ambiental, Facultad de Ingeniería, Universidad de Antioquia. Medellín, Colombia.
alejandro.tobon2@udea.edu.co, santiago.vergara@udea.edu.co, julio.canon@udea.edu.co, odavid.alvarez@udea.edu.co,
paola.arias@udea.edu.co
RESUMEN:
En este trabajo se utilizan las capacidades computacionales que ofrece la plataforma Google
Earth Engine (GEE) para acceder y procesar diferentes bases de datos geoespaciales, con el fin de
desarrollar una “caja de herramientas” estadísticas a partir de las cuales es posible caracterizar
diferentes variables de interés y realizar análisis morfológicos, hidrológicos e hidráulicos sobre
territorios regionales a diferentes escalas, tomando como ejemplo algunas ubicaciones sobre el
territorio suramericano. Algunas de estas herramientas permiten analizar variaciones espacio-
temporales a nivel regional, cuyo principal aporte puede ser caracterizar de manera ágil el
comportamiento físico de variables ambientales. En la actualidad, nuestra caja de herramientas, que
adapta códigos disponibles en la plataforma y desarrolla código propio, incorpora componentes del
análisis estadístico univariado (medias, medianas, desviaciones estándar, máximos y mínimos), y
multivariado (análisis de componentes principales (PCA) y análisis de agrupamiento o “clusters”),
mediante los cuales se puede hacer un análisis descriptivo de las diferentes variables de interés. Este
trabajo presenta algunos resultados obtenidos a partir de la implementación de diferentes análisis
estadísticos sobre puntos geográficos de la región sudamericana, abarcando diferentes escalas
espaciales y temporales, poniendo a prueba las capacidades de la plataforma GEE.
ABSTRACT:
We explore the computational capacities offered by the Google Earth Engine (GEE)
platform to access and process different geospatial databases, in order to develop a statistical
"toolbox" to characterize different variables of interest and to perform morphological, hydrological
and hydraulic analyzes on regional territories at different scales, taking as an example different
locations on the South American territory. Some of these tools allow the analysis of spatio-temporal
variations at regional level, useful to characterize the physical behavior of environmental variables.
Currently, our toolbox, which adapts code available on the platform and develops its own code,
incorporates components of univariate statistical analysis (means, medians, standard deviations,
maximum and minimum values), and multivariate (principal component analysis (PCA) and cluster
analysis). This paper presents some results obtained from the implementation of several statistical
analyzes on geographic points of the South American region, covering different spatial and
temporal scales and testing the capabilities of the GEE platform.
PALABRAS CLAVES: Google Earth Engine; análisis estadístico; información remota

INTRODUCCIÓN
Atendiendo a la necesidad de romper las barreras existentes entre la información ambiental

disponible a nivel mundial y los usuarios que la requieren, múltiples entidades globales se han dado
a la tarea de desarrollar herramientas que faciliten el acercamiento a los datos producidos
históricamente. Tal es el caso de Google Earth Engine (GEE), una plataforma científica
desarrollada por Google para facilitar el manejo y procesamiento de enormes volúmenes de
información satelital, tanto para aplicaciones científicas como académicas. Por medio de esta
herramienta se logra el acceso a recursos computacionales de alto desempeño para el procesamiento
de un gran número de bases de datos provenientes de información obtenida con sensores remotos
que están siendo actualizadas constantemente (Gorelick et al., 2017). La herramienta permite a
usuarios (principalmente investigadores en diferentes campos de las geociencias) realizar diferentes
análisis, aún sin poseer grandes habilidades en programación. Una de las bondades de la plataforma
es la considerable reducción de los tiempos de procesamiento de información, por lo que los
estudios desarrollados a partir de ésta apuntan a diferentes aplicaciones a escala global.
Con esta plataforma se facilita además la transmisión de conocimiento entre los diferentes
usuarios, permitiendo compartir fácilmente los códigos desarrollados. La interfaz de la plataforma
permite acceder a diferentes bases de datos que se actualizan regularmente, tales como Landsat,
Sentinel, MODIS (Moderate-Resolution Imaging Spectroradiometer), ASTER (Advanced
Spaceborne Thermal Emission and Reflection Radiometer), bases de datos topográficas como
SRTM (Shuttle Radar Topography Mission) y climatológicas como el reanálisis de NCEP (United
States National Centers for Environmental Prediction), TRMM (Tropical Rainfall Measuring
Mission), CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data), PERSIANN
(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks) e
HydroSHEDS (Hydrological data and maps based on SHuttle Elevation Derivatives at multiple
Scales). Las bases de datos a las que permite acceder la herramienta hacen que las aplicaciones
desarrolladas a partir de esta plataforma sean diversas. La Tabla 1 presenta algunos trabajos
desarrollados en los últimos años, en los cuales se muestran las diferentes disciplinas que se
benefician con el uso de la herramienta.
Tabla 1.- Aplicaciones desarrolladas con la plataforma GEE

Aplicación Descripción Referencias
Utilización de información satelital para identificar el aumento o disminución de Hansen et al.,

cobertura tipo bosque, entre los años 2000 y 2012, a una resolución espacial de 30 2013;
Cambio global de cobertura metros.
tipo bosque
Desarrollo de una plataforma en línea para el acceso a información y herramientas Global Forest
para el monitoreo de bosques. Watch, 2014
Identificación de zonas con Exploración del uso de un modelo bayesiano para reducir la escala de mapas de riesgo Sturrock et al.,
afectaciones por malaria a 1km x 1km, a partir de información recopilada y variables tanto ambientales como 2014
ecológicas.
Método para la estimación de Delimitación de cultivos en función de su productividad, utilizando imágenes Lobell et al., 2015
productividad de los cultivos satelitales y modelos estadísticos.
Marco teórico para caracterizar áreas urbanas globales, a partir de información de Zhang et al., 2015
Landsat, a una escala de 30 metros.
Mapeo de zonas urbanas
Extracción automática de áreas urbanas utilizando imágenes de Landsat Patel et al., 2015
Estimación de cambios en el Cuantificación de cambios en el agua superficial global, para 32 años de análisis, Pekel et al., 2016
área superficial de agua utilizando imágenes de Landsat (tres millones) a una resolución espacial de 30 metros.
Identificación de zonas de Desarrollo de algoritmo para la automatización de la estimación de zonas de Coltin et al., 2016
inundación inundación a partir de información de MODIS.
Herramienta para el análisis e interacción con observaciones climatológicas y Climate Engine,

Aplicación Descripción Referencias
Monitoreo Climático terrestres, con el fin de soportar decisiones relacionadas con sequías, usos del agua, 2016
agricultura, incendios y ecología.
Identificación de cambios en el Herramienta desarrollada para analizar información satelital a una alta resolución, para Collect Earth,
uso del suelo diferentes aplicaciones enfocadas al uso de los suelos. 2016
Delimitación del rango de Herramienta para la estimación del rango de las especies y la lista de especies para Map of Life, 2016
hábitat de especies cualquier área geográfica.
Por lo tanto, se identifica la oportunidad de explorar GEE como una herramienta para
desarrollar estudios rápidos con información actualizada, incorporando el análisis geoestadístico de
las diferentes variables físicas del sistema que se analice y aprovechando todas las bondades
computacionales y de acceso a información remota. En este trabajo, presentamos una “caja de
herramientas” estadísticas a partir de las cuales es posible caracterizar diferentes variables de interés
y realizar análisis morfológicos, hidrológicos e hidráulicos sobre territorios regionales a diferentes
escalas, tomando como ejemplo algunas ubicaciones sobre el territorio suramericano.
DESARROLLO DE HERRAMIENTAS
Desde la implementación de la plataforma, un gran número de usuarios se ha enfocado en el

desarrollo de aplicaciones con fines diversos. De igual forma, los desarrolladores de GEE han
implementado herramientas que facilitan el procesamiento de los datos, cuyos códigos se comparten
abiertamente. Algunas de estas herramientas permiten analizar variaciones espacio-temporales a
nivel regional, cuyo principal aporte puede ser caracterizar de manera ágil el comportamiento físico
de variables ambientales. En la actualidad, nuestra caja de herramientas, que adapta códigos
disponibles en la plataforma y desarrolla código propio, incorpora componentes del análisis
estadístico univariado (medias, medianas, desviaciones estándar, valores máximos y mínimos a
escala de píxel), y multivariado (análisis de componentes principales (PCA) y análisis de
agrupamiento o “clusters”), mediante los cuales se puede hacer un análisis descriptivo de las
diferentes variables de interés. La Figura 1 muestra la interfaz de desarrollo de la plataforma GEE.

Figura 1.- Interfaz de desarrollo GEE. A) Editor de código. B) Consola de visualización de tablas y gráficos.
C) Interfaz de visualización de mapas generados y elementos vectoriales

APLICACIONES Y POTENCIALIDADES PARA ESTUDIOS AMBIENTALES
Una de las posibles aplicaciones de las herramientas geoestadísticas desarrolladas consiste

en la delimitación y detección de cambios particulares sobre la morfología de cauces a partir de
variables obtenidas de análisis de imágenes satelitales.
En la Figura 2 se muestra la clasificación de clusters del Índice de Vegetación de Diferencia
Normalizada (NDVI) sobre una región del río Magdalena, uno de los corredores fluviales más
importantes de Colombia. Este método se aplica al mapa medio multianual, y al mapa medio del
año 2008, con el objetivo de identificar visualmente desviaciones del comportamiento medio del río
bajo el efecto de fenómenos macroclimáticos como el fenómeno El Niño-Oscilación del Sur
(ENSO), muy influyente en el clima colombiano. En esta figura es posible identificar que durante el
año 2008 hubo un aumento en promedio del área pixelada definida como “río” a través del método
de cluster (color negro), resultado que se asocia con una fase La Niña en 2008, que tuvo mucha
influencia sobre el territorio colombiano, con un aumento general en las precipitaciones sobre el
área de estudio. Analizando las diferencias entre la media multianual y lo presentado en el año
2008, se puede observar que, en general, el río Magdalena mantuvo su recorrido respecto a lo
presentado históricamente, ya que el mapa de diferencias no muestra un cambio en el cluster que
abarca lo asociado a la lámina de agua, en este caso, del río Magdalena.
De igual forma, en la Figura 3 se muestra la clasificación de clusters para la precipitación
media multianual para 15 años de registros cada cinco días, obtenidos a partir de la base de datos de
CHIRPS (Funk et al, 2015). De manera rápida, se obtiene una clasificación que da cuenta de las
diferentes regiones hidroclimáticas a nivel suramericano, marcando zonas con condiciones
hidrológicas particulares como la Amazonía (sur), la región Pacífico (occidente), la región de la
Orinoquía (noreste), y la región Andina (oriente y centro del continente, respectivamente). Este
resultado es sobresaliente, si se tiene en cuenta que la definición de los clusters se hace únicamente
a partir del procesamiento estadístico de las imágenes, sin la intervención de expertos temáticos

Figura 2.- Clasificación por clusters del NDVI para un tramo del río Magdalena, Colombia. Media
multianual (izquierda), media para el año 2008 (medio) y diferencia entre la media multianual y la media del
año 2008 (derecha)

Figura 3.- Clasificación por clusters de la Figura 4.- Primer componente principal de
precipitación media sobre Sudamérica para el anomalías de precipitación para Colombia
periodo 2001-2015 (periodo 2001-2002)
La Figura 4 muestra uno de los resultados asociados a la implementación del análisis de

componentes principales. Este desarrollo se implementó para la base de datos de precipitación de
CHIRPS, encontrando que para el periodo 2001–2002, la imagen contiene cerca del 64% de los
modos de varianza de la anomalía de precipitación para la región analizada, comprendida entre el
Pacífico y el centro de Colombia. Los colores más oscuros representan las regiones donde mayor
ocurrencia de precipitación, coincidiendo en este caso con las regiones Pacífico y Andina,
reconocidas por las altas precipitaciones observadas durante todo el año.
A continuación, se presenta la Figura 5, que da cuenta del código implementado para el
análisis cluster. Específicamente, se presenta el código utilizado en la elaboración de dicho análisis
sobre el territorio sudamericano, cuyo resultado se presenta en la Figura 3.
Figura 5.- Código desarrollado para el análisis cluster a nivel sudamericano
De igual forma, la Figura 6 muestra el código implementado para el análisis de componentes

principales de las anomalías de precipitación sobre una porción del territorio colombiano (ver
Figura 4).

Figura 6.- Código desarrollado para el análisis de componentes principales sobre el territorio colombiano
Otra aplicación desarrollada en la plataforma GEE consiste en la generación de análisis

estadísticos univariados enfocados en la descripción de regiones a partir de diferentes variables
climatológicas. La Figura 7 muestra los valores medios de precipitación agregados para el territorio
colombiano, con datos cada cinco días tomados de la base de datos de CHIRPS, para el periodo
comprendido entre los años 2000 y 2015.
Figura 7.- Precipitación cada cinco días agregada para Colombia entre 2000-2015
Al ser una agregación de la precipitación sobre todo el territorio, se pierde parcialmente la

definición bimodal de algunas regiones, pero se conservan los meses de menor y mayor
precipitación. Igualmente, se destaca que no hay evidencia de variaciones significativas ni
tendencias en la precipitación multianual promedio en la región para el periodo considerado.
Finalmente, se presenta un análisis de balances hídricos de largo plazo, utilizando
información de bases de datos cuasi globales sobre cuatro cuencas de interés en Sudamérica: la
cuenca del Amazonas, la cuenca del Río de La Plata, la cuenca del Orinoco y la cuenca del Río
Magdalena. En primer lugar, en la Figura 8 se muestran los mapas medios multianuales de
precipitación según las bases de datos TRMM (Kummerow et al, 1998), CHIRPS (Funk et al.,
2015) y PERSIANN (Ashouri, 2015) y el mapa medio multianual de evapotranspiración de la base
de datos MODIS (Running et al., 2017), todos para el periodo 2001-2014 y recortados para las
cuencas de interés, cuya forma se obtiene de la base de datos de HydroSHEDS. Estos mapas
muestran una alta similitud en la distribución de la precipitación media sobre las cuencas entre las
bases de datos TRMM y CHIRPS, con algunas diferencias respecto a PERSIANN. El resultado está
acorde a lo esperado, al considerar que CHIRPS asimila los datos de TRMM para generar sus
productos, por lo que la tendencia espacial entre ambas bases de datos debe ser similar. A pesar de
las diferencias, se observa que la distribución general de la precipitación en el continente es

representada análogamente por las tres bases de datos, mostrando regiones secas sobre los Andes y
sobre la región noroccidental de la cuenca de La Plata, mientras que se observan mayores
precipitaciones sobre la Amazonía y en la vertiente occidental de la cordillera de los Andes.
Consecuentemente, la evapotranspiración real se ajusta a un patrón espacial similar al mostrado por
los mapas de lluvia, pues en las regiones de mayores precipitaciones y ante la incidencia de
cantidades similares de radiación a lo largo del año, se presentan las condiciones de energía y
humedad necesarias para la ocurrencia de una alta evapotranspiración.
Dadas las condiciones de la plataforma, donde se encuentran disponibles todas las bases de
datos simultáneamente, la generación de estos resultados es posible en pocos minutos. Teniendo en
cuenta que los códigos elaborados permiten su aplicación sobre otras regiones, esta plataforma
surge como una herramienta pertinente para la rápida caracterización de la variabilidad espacial de
diferentes variables ambientales sobre una cuenca hidrológica de estudio.
a) Precipitación de PERSIAN. b) Precipitación de CHIRPS.

Variaciones entre 0 y 5000 mm/año. Variaciones entre 0 y 5000 mm/año.
c) Precipitación de TRMM. d) Evapotranspiración de MODIS.

Variaciones entre 0 y 5000 mm/año. Variaciones entre 0 y 1500 mm/año.
Figura 8.- Mapas de precipitación y evapotranspiración media multianual para algunas cuencas de
Sudamérica extraídas de bases de datos cuasi globales.

Para complementar estos análisis, en la Tabla 2 se muestran los balances hídricos de largo
plazo para las cuencas de interés. Los valores de precipitación y evapotranspiración de las bases de
datos mencionadas se calculan como el promedio espacial integrado dentro de cada cuenca; el área
se extrae de la geometría de las cuencas, mientras que la precipitación y el caudal medio se calculan
como el promedio de las demás precipitaciones y a partir de la ecuación clásica de balance hídrico
de largo plazo, respectivamente. Es de notar que los valores de precipitación y evapotranspiración
media encontrados para las cuencas del Amazonas y La Plata son similares a los reportados por
Guedes et al. (2016), y el valor de descarga media en la cuenca del Amazonas es ligeramente mayor
al reportado por Oki et al. (1995).
El código generado permite guardar los valores medios de las variables que intervienen en el
balance hídrico de largo plazo en una tabla estructurada, y los asocia a cada cuenca prescrita por el
usuario. Estos cálculos rápidos pueden dar un estimado del caudal medio aplicable en múltiples
estudios ambientales, permitiendo generar una idea del comportamiento y de la disponibilidad
hídrica sobre una o varias cuencas de interés para el usuario.
Tabla 2.- Balances hidrológicos de largo plazo agregados en las cuencas seleccionadas
Área TRMM PERSIAN CHIRPS Precipitación ET MODIS Caudal
Cuenca
(Km2) (mm/año) (mm/año) (mm/año) Media (mm/año) (mm/año) Medio (m3/s)
Amazonas 5912482.20 2278.98 2259.73 2227.67 2255.46 1037.90 228271.67
La Plata 2593918.80 1288.71 1305.23 1198.78 1264.24 506.88 62294.69
Orinoco 938369.50 2408.06 2402.59 2372.55 2394.40 1008.18 41247.64
Magdalena 260614.60 2259.59 2675.69 2155.00 2363.43 959.49 11602.14
DISCUSIÓN Y CONCLUSIÓN
La herramienta desarrollada y presentada en este trabajo permite el procesamiento de gran

cantidad de información en cuestión de pocos segundos, para casos en los que se analizan muchos
años de información a resoluciones horarias y diarias. El hecho de no tener que descargar la
información para su procesamiento facilita la implementación de estos análisis, lo que favorece la
manipulación de la información, eliminando la necesidad de tener grandes capacidades
computacionales, lo que repercute en una ganancia en términos aplicabilidad de las bases de datos
satelitales de información ambiental. Entre las limitaciones encontradas se destaca la capacidad de
la plataforma de integrarse con otros paquetes de análisis, pues dentro de lo explorado, no se
encontró una posibilidad de acoplar herramientas externas a la plataforma. No obstante, se
encuentra que los desarrollos realizados dentro de ella son de gran utilidad para los usuarios
técnicos en materia ambiental, y para la aplicación de las geociencias a la toma de decisiones.
En este trabajo se resalta el potencial de uso de la herramienta a escala regional, con
aplicaciones que abordan temáticas diversas apoyándose en un gran número de bases de datos con
información remota abiertas al público, que complementan los trabajos que se desarrollan a escala
local. Los tiempos de procesamiento son muy cortos, lo que permite analizar rápidamente la
variación espacio-temporal de las variables. Sin embargo, al buscar un detalle muy fino, la
plataforma presenta limitaciones. La escritura de códigos con estructura basada en píxeles puede
resultar útil para diferentes aplicaciones que involucren la distribución espacial de las variables,
aunque no necesariamente este tipo de conceptualizaciones sean del interés de todos los desarrollos.
Para el caso concreto de los análisis enteramente distribuidos a nivel espacial, una estructura basada
en píxeles resulta ideal.

Es de resaltar que los productos acá generados consisten en una serie de códigos para la
implementación de métodos estadísticos de caracterización general de variables ambientales, y de
su aplicación particular en diferentes problemas de la hidráulica y la hidrología convencional, por lo
que el usuario final de los mismos estaría habilitado para emplear las aplicaciones para sus propios
intereses académicos, independientemente de la región que desee estudiar, e incluso podría utilizar
partes de los códigos para generar sus propias aplicaciones. A partir de lo expuesto, se concluye
que los productos y las herramientas desarrolladas en GEE dentro del marco de esta investigación
son potencialmente utilizables por usuarios técnicos e investigadores, cuyos trabajos se orienten a la
producción de conocimiento para la gestión integral de los recursos hídricos, especialmente en
América Latina.
REFERENCIAS
Ashouri, H., Hsu, K. L., Sorooshian, S., Braithwaite, D. K., Knapp, K. R., Cecil, L. D., … Prat, O. P.
(2015). PERSIANN-CDR: Daily precipitation climate data record from multisatellite observations for
hydrological and climate studies. Bulletin of the American Meteorological Society, 96(1), 69–83.
https://doi.org/10.1175/BAMS-D-13-00068.1
Climate Engine (2016). Desert Research Institute, University of Idaho. http://climateengine.org
Collect Earth (2016). United Nations Food and Agriculture Organization.
http://www.openforis.org/tools/collect-earth.html
Coltin, B., McMichael, S., Smith, T., Fong, T. (2016). “Automatic boosted flood mapping from satellite
data”. Int. J. Remote Sens. 37 (5), 993 –1015
Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., … Michaelsen, J. (2015).
The climate hazards infrared precipitation with stations—a new environmental record for monitoring
extremes. Scientific Data, 2, 150066. https://doi.org/10.1038/sdata.2015.66
Global Forest Watch, (2014). World Resources Institute, Washington, DC.
http://www.globalforestwatch.org
Gorelick, N., et al., (2017) “Google Earth Engine: Planetary-scale geospatial analysis for everyone”.
Remote Sensing of Environment. http://dx.doi.org/10.1016/j.rse.2017.06.031
Guedes, M. G., Herdies, D. L., & Oliveira De Souza, D. (2016). The south American water balance: The
influence of low-level jets. Journal of Climate, 29(4), 1429–1449. https://doi.org/10.1175/JCLI-D-15-
0065.1
Hansen, M.C., Potapov, P.V., Moore, R., Hancher, M., Turubanova, S.A., Tyukavina, A., et al., (2013).
“High-resolution global maps of 21st-century forest cover change”. Science 342, 850 –853.
Kummerow, C., Barnes, W., Kozu, T., Shiue, J., & Simpson, J. (1998). The Tropical Rainfall Measuring
Mission (TRMM) sensor package. Journal of Atmospheric and Oceanic Technology, 15(3), 809–817.
https://doi.org/10.1016/0273-1177(94)90210-0
Lobell, D., Thau, D., Seifert, C., Engle, E., Little, B., (2015). A scalable satellite-based crop yield mapper.
Remote Sens. Environ. 164, 324 –333.
Map of Life (2016). http://www.mol.org
Oki, T. , Musiake, K. , Matsuyama, H. and Masuda, K. (1995), Global atmospheric water balance and
runoff from large river basins. Hydrol. Process., 9: 655-678. doi:10.1002/hyp.3360090513
Patel, N., Angiuli, E., Gamba, P., Gaughan, A., Lisini, G., Stevens, F., Tatem, A., Trianni, A. (2015).
Multitemporal settlement and population mapping from Landsat using google earth engine. Int. J. Appl.
Earth Obs. Geoinf. 35, 199 –208.
Pekel, J.F., Cottam, A., Gorelick, N., Belward, A.S. (2016). High-resolution mapping of global surface
water and its long-term changes. Nature.
Running, S. W., Mu, Q., Zhao, M., & Alvaro Moreno. (2017). User’s Guide MODIS Global Terrestrial
Evapotranspiration (ET) Product (NASA MOD16A2/A3). NASA Earth Observing System MODIS
Land Algorithm, 35.
Sturrock, H.J., Cohen, J.M., Keil, P., Tatem, A.J., Le Menach, A., Ntshalintshali, N.E., Hsiang, M.S.,
Gosling, R.D. (2014). “Fine-scale malaria risk mapping from routine aggregated case data”. Malar. J.
13 (1), 1
Zhang, Q., Li, B., Thau, D., Moore, R. (2015). “Building a better urban picture: combining day and night
remote sensing imagery”. Remote Sens. 7 (9), 11887 –11913.

IAHR AIIH
APROXIMACIÓN DEL TIEMPO BASE DE AVENIDAS MÁXIMAS

ANUALES DE HIDROMÉTRICAS DE UNA REGIÓN HIDROLÓGICA A
PARTIR DEL TIEMPO DE CONCENTRACIÓN Y DEL ÁREA DE LA
CUENCA
1Rodríguez Hidalgo Brenda, 1,2Arganis Juárez Maritza Liliana, 1 Domínguez Mora Ramón,
1Carrizosa Elizondo Eliseo y 1 Esquivel Garduño Gabriela
1
Instituto de Ingeniería, 2 Facultad de Ingeniería Universidad Nacional Autónoma de México, México, Edificio 17 cub.
317 tel 56 23 36 00.
BRodriguezH@iingen.unam.mx; MArganisJ@iingen.unam.mx; RDominguezM@iingen.unam.mx;
ecae@iingen.unam.mx; GEsquivelG@iingen.unam.mx
RESUMEN:
El tiempo base de un hidrograma es un parámetro importante en la construcción de avenidas

de diseño. La estimación del mismo suele complicarse debido a que no es sencilla la definición del
tiempo en que finaliza la recesión del escurrimiento directo. En este trabajo se obtuvieron modelos
matemáticos para estimar el tiempo base de hidrogramas de avenidas máximas anuales históricas de
estaciones hidrométricas de la región hidrológica 10 Sinaloa, a partir de variables como el tiempo
de concentración obtenido con la fórmula de Kirpich, además de características fisiográficas de la
cuenca que influyen en el escurrimiento, como el área y la pendiente media de la cuenca.
ABSTRACT:
The base time of a hydrograph is an important parameter in the construction of design

floods. Estimating it is difficult because it is not easy to define the time when the recession of direct
runoff ends. In this work mathematical models were obtained to estimate the base time of
hydrographs of historical annual maximum avenues of hydrometric stations of the hydrological
region 10 Sinaloa, from variables such as the concentration time obtained with the Kirpich formula,
as well as physiographic characteristics of the basin that influence runoff, such as the area and the
average slope of the basin.
PALABRAS CLAVES: Hidrograma de diseño, tiempo base, tiempo de concentración, coeficiente

de determinación.

INTRODUCCIÓN
Para el diseño de cualquier obra hidráulica es necesario tener un rango de seguridad para
gastos y volúmenes máximos, los cuales son proporcionados por una avenida de diseño que
considera la ocurrencia de eventos de gran importancia. Considerando la información que se
requiere para definir una avenida de diseño (gasto, volumen, forma del hidrograma, tiempo base,
tiempo de pico), se puede verificar que la obra hidráulica soportará los eventos de importancia
iguales o mayores a los que se tiene en el registro, protegiendo a la población que pueda resultar
afectada.
Contar con los hidrogramas de escurrimiento directo es importante para obtener y actualizar las
avenidas de diseño (tanto en forma como en gasto de pico), ya que con los hidrogramas que se
obtienen se realiza el diseño y la revisión del funcionamiento hidráulico de una obra de
aprovechamiento o de control de avenidas para conocer si operaran de forma adecuada ante la
ocurrencia de un evento hidrológico de gran magnitud (Arganis y Preciado, 2017).
Conocer el tiempo base de una avenida de diseño ayuda a obtener el inicio y término del
escurrimiento directo provocado por una tormenta y con ello realizar la separación del gasto base;
con este resultado se pueden obtener las pérdidas, las cuales resultan de utilidad para estimar el
volumen de escurrimiento directo ante un evento de precipitación. El tiempo base es un parámetro
importante para resolver distintos problemas hidrológicos, por ejemplo, sirve para estimar las
pérdidas por infiltración mediante el criterio de la infiltración media, separando el escurrimiento
directo del escurrimiento base y posteriormente calculando el volumen de escurrimiento directo.
También en un hietograma de precipitación total se podría requerir conocer de todo el volumen
llovido, cuánto es el que escurre y para determinar este volumen es importante hacer la separación
del hidrograma de escurrimiento total en el hidrograma de escurrimiento directo y el escurrimiento
base.
Además, el conocimiento del tiempo base también es auxiliar en métodos para construir o darle
forma al hidrograma de diseño de una obra hidráulica. Sin embargo, es difícil determinar el tiempo
base porque se consideran situaciones subjetivas al momento de definir la curva de recesión del
escurrimiento directo.
METODOLOGÍA
Datos y sitio de estudio
Se recopilaron los datos de gastos medios diarios máximos anuales (DD) de 18 estaciones
hidrométricas de la Región Hidrológica Nº 10 de México (Figura 1) de la base de datos del Banco
Nacional de Datos de Aguas Superficiales (BANDAS) de la Comisión Nacional del Agua
(CONAGUA) para analizar cada estación y separar el gasto base.
Considerando un estudio de regionalización que se realizó en el Instituto de Ingeniería de la

Universidad Nacional Autónoma de México (Domínguez et al., 2017) en el cual la estación 10100
Urique II (con coeficiente de variación CV más bajo de 0.4748), que tiene un comportamiento
uniforme (posible regulación), se optó por eliminarla del análisis, al igual que a la estación 10120
Guasave Puente Carretera que no pasó la prueba de homogeneidad, por estas razones se trabajó con
un total de 16 estaciones hidrométricas.

Figura 1.- Ubicación de las estaciones hidrométricas en la Región Hidrológica 10
Se obtuvo el hidrograma para cada gasto máximo anual reportado en la base de datos del BANDAS,
teniendo la forma del hidrograma se realizó la separación de gastos utilizando dos métodos, el
método de la línea recta horizontal y el método de la constante de recesión. Con la separación de
gastos se obtuvo el tiempo base para cada año de la estación hidrométrica utilizando finalmente el
método de la constante, ya que este método proporciona mejores resultados, y posteriormente, con
todos los datos de tiempo base se obtuvo un promedio para cada estación hidrométrica.
Tabla 1.- Tiempo base promedio de las estaciones hidrométricas
Estación Tb Tc
[d] [h]
BADIRAGUATO 8.2439 13.0887
PIAXTLA 8.7308 26.0511
JAINA 12.5469 59.2536
ACATITAN 10.3400 21.3032
BATOPILAS 11.0345 14.8594
HUITES 13.2549 60.8492
EL BLEDAL 9.8814 12.5135
EL QUELITE 7.6216 18.4606

CHOIX 11.2653 15.4607
GUATENIPA II 9.2381 29.9314
TAMAZULA 8.9231 14.0565
PERICOS 7.1875 8.9108
LA HUERTA 8.3667 17.4178
TOAHAYANA 8.0323 34.0739
ALAMOS 12.8095 36.6288
CHINIPAS 12.0000 27.9486
Como se muestra en la tabla 1, poco más de la mitad de las estaciones hidrométricas utilizadas
presentan tiempos de concentración menores a un día.
Optimización con Solver
La función solver que se encuentra dentro de las funciones de Excel© (Figura 2), se utiliza para
resolver problemas de optimización lineales o no lineales con ayuda de una función objetivo y la
identificación de las restricciones del problema Con esta herramienta se realizaron modelos del
tiempo base en función del tiempo de concentración, del área y de la pendiente media del cauce con
ecuaciones potenciales, lineales y de segundo grado, utilizando las 16 estaciones y separando las
estaciones de acuerdo con su coeficiente de variación.
Figura 2.- Interfaz de solver en Excel©

Coeficiente de determinación R2
Se midió la calidad de los modelos mediante el coeficiente de determinación (R2) (Ecuación 1):
[1]
donde
es el coeficiente de determinación
es el cuadrado de la varianza de los datos medidos
es el cuadrado del error de los datos calculados
APLICACIÓN Y RESULTADOS
La separación de gastos se realizó de la misma forma para las 16 estaciones eliminando años con
datos dudosos; a continuación se presenta la separación del escurrimiento directo y del
escurrimiento base para la estación Chinipas con clave 10064 (Figuras 3).
Tabla 2.- Estación hidrométrica Chinipas. Estimación del escurrimiento directo con el método de la
constante de recesión
Día Qt Qt+1 Qt+1/Qt

[d] [m3/s] [m3/s]
20 8398 6.85 0.0008
21 6.85 5.32 0.7766
22 5.32 141 26.5037
23 141 3.66 0.0259
24 3.66 3.52 0.9617
25 3.52 3.24 0.9204
26 3.24 2.97 0.9167
27 2.97 2.83 0.9528
28 2.83 2.7 0.9541

Figura 3.- Estación hidrométrica Chinipas con el método de la constante
Debido a que el objetivo del estudio fue establecer la correlación entre el tiempo base y algunas
características fisiográficas, se midió la calidad de los modelos mediante el coeficiente de
determinación (R2) (tabla 4). Se propuso dividir las estaciones en dos grupos dependiendo del
coeficiente de variación de los gastos máximos anuales para trabajar los grupos de forma
independiente, en la tabla 4 se muestra las estaciones divididas en grupos de acuerdo con su
coeficiente de variación (Domínguez et al., 2017).
Además, al realizar la comparación de los datos medidos y calculados se busca que los valores estén
cercanos a la recta identidad, es decir, que el dato medido sea igual al dato calculado. Si los datos
caen sobre la línea, el coeficiente de determinación es igual a 1 y por lo tanto el modelo es de buena
calidad, por el contrario si los datos no caen sobre la línea, el coeficiente de determinación tiende a
cero y el modelo no tiene calidad.
Tabla 3.- Estaciones divididas en grupos por coeficiente de variación

CV Clave Estación
Grupo 1 1.582 10079 BADIRAGUATO
1.184 10111 PIAXTLA
1.133 10036 JAINA
1.081 10070 ACATITAN
1.04 10063 BATOPILAS
0.994 10037 HUITES
0.907 10027 EL BLEDAL
0.906 10083 EL QUELITE
0.882 10066 CHOIX
0.811 10112 GUATENIPA II
Grupo 2 0.648 10087 TAMAZULA

0.626 10086 PERICOS
0.623 10113 LA HUERTA
0.622 10110 TOAHAYANA
0.618 10053 ALAMOS
0.613 10064 CHINIPAS
Tabla 4.- Modelos obtenidos en función de las características fisiográficas de la cuenca
Coeficiente De
Modelo Determinación
Tb= 0.0000655tc2 + 0.079285 tc + 7.8568417 0.429
Tb= 5.65574881A 0.06683287 0.1066

Tb= 0.000892286A + 0.00000016749 0.2312
Tb= 7.85679117 + 0.082161813tc 0.4276
El modelo que dio mejores resultados fue el modelo 1 (Ecuación 2), donde el tiempo base se
encuentra en función del tiempo de concentración y el coeficiente de determinación (R2) fue de
0.429 (Figura 4).
[2]
donde:
= tiempo base (días)
tiempo de concentración (horas)
Figura 4.- Modelo 1 tiempo de concentración.

CONCLUSIONES
La estimación del tiempo base a partir del tiempo de concentración y de algunas características
fisiográficas de la región hidrológica 10 de México resultó en modelos polinomiales o potenciales
sencillos aunque con correlaciones no tan altas como se esperaba. Con todos los modelos probados
se obtuvieron coeficientes de determinación cercanos a 0.5, que caen a la mitad de lo que se
esperaría como un valor satisfactorio o no satisfactorio del modelo de ajuste. Probablemente, lo
anterior se atribuye a la existencia de una obra hidráulica que controla o regula el flujo que pasa por
el río naturalmente; por lo que el criterio de selección para la aplicación de los modelos se
recomienda basarlo en el que tenga su forma más sencilla y con menos variables.
Se propone realizar el estudio con el tiempo base mínimo en lugar del tiempo base promedio para
ver si el resultado es mejor. Este procedimiento puede ser útil para aplicarse en otras regiones
hidrométricas del país para tener mayores puntos de comparación de las correlaciones entre el
tiempo base y el tiempo de concentración o en otras características de la cuenca, para determinar
con cuál se obtiene una correlación mayor.
REFERENCIAS
Domínguez, M. R., Arganis, J.M.L., Carrizosa, E. E., et al. (2017). “Estudio para regionalizar los gastos
generados por avenidas máximas, como base para la elaboración de mapas de peligro por inundaciones
fluviales en todas las cuencas de la república mexicana. Regionalización de gastos”. Informe Técnico.
CENAPRED, México.
Arganis, J. M.L. and Preciado, J. M. (2017). “Método Híbrido para construir hidrogramas de diseño con
datos de caudal y pico y volumen”. Memorias de las V Jornadas de Ingeniería del Agua JIA. España.
CONAGUA. Banco Nacional de Datos de Aguas Superficiales (BANDAS).

http://www.conagua.gob.mx/CONAGUA07/Contenido/Documentos/Portada%20BANDAS.htm

IAHR AIIH
PROPUESTA METODOLÓGICA PARA MODELACIÓN DEL IMPACTO DE

LA MINERÍA DE CARBÓN EN LOS RECURSOS HÍDRICOS DE CUENCAS
DE MONTAÑA
Nicolás Fernández1, Luis A. Camacho1, Neil McIntyre2, Carme Huguet3, Jillian Pearse3
1
Universidad de los Andes, Departamento de Ingeniería Civil y Ambiental, Colombia, n.fernandez34@uniandes.edu.co,
la.camacho@uniandes.edu.co
2
The Sustainable Minerals Institute, Universidad de Queensland, Australia, n.mcintyre@uq.edu.au
3
Universidad de los Andes, Departamento de Geociencias, Colombia, j.pearse@uniandes.edu.co,
m.huguet@uniandes.edu.co
RESUMEN:
Con el objetivo de contribuir al desarrollo sostenible de la minería en países

latinoamericanos, este artículo propone una metodología para modelar el impacto de la minería de
carbón sobre el recurso hídrico en cuencas de montaña y la aplica al caso de estudio específico de la
cuenca del río Lenguazaque (Cundinamarca, Colombia). La metodología propuesta integra modelos
hidrológicos con modelos de calidad del agua, para determinantes convencionales y sustancias
tóxicas. Los modelos integrados permiten simular escenarios para: i) comprender el transporte y
destino de los contaminantes, ii) evaluar riesgos de contaminación, iii) definir infraestructura
requerida de saneamiento a nivel de cuenca y iv) apoyar el proceso de toma de decisiones.
ABSTRACT:
With the purpose of contributing to the sustainable development of mining in Latin-

American countries, we propose in this paper a methodology to model the impacts of coal mining
on water resources in mountain catchments. We also apply the methodology to the specific case
study of the Lenguazaque River Catchment (Cundinamarca, Colombia). The proposed methodology
integrates hydrological and water quality models for both conventional and toxic pollutants. The
integrated models allow simulating scenarios for: i) understanding the transport and faith of the
pollutants, ii) evaluating risks associated to pollution, iii) defining the infrastructure required for
sanitation at a catchment scale and iv) support the decision-making process.
PALABRAS CLAVES: minería; carbón; modelación de impactos, recurso hídrico

INTRODUCCIÓN
La minería es una actividad importante del desarrollo económico latinoamericano. En

Colombia, por ejemplo, entre 2012 y 2015 representó más de 2% del PIB y, de este valor, alrededor
del 70% correspondió a minería de carbón (Unidad de Planeación Minero Energética, 2016). De
esta manera, si los recursos son bien explotados, utilizando las mejores prácticas existentes, debería
ser posible hacer minería sostenible con una alta relación beneficio costo para la sociedad. De lo
contrario, se presentan afectaciones inadmisibles sobre el medio ambiente y los recursos hídricos, y
conflictos en los usos del territorio para explotación minera, conservación de la biodiversidad y
actividades agrícolas, entre otros.
El páramo es uno de los ecosistemas en donde se evidencian afectaciones importantes

porque, a pesar de abastecer de agua a alrededor del 70% de la población Colombiana, la minería y
otras actividades lo han deteriorado haciendo que se reduzca su oferta hídrica (IAvH, 2014). Por
esta razón, se ha presentado la resistencia y en algunos casos, incluso, la oposición de varias
comunidades que han logrado, mediante consultas públicas, la prohibición de la extracción de
hidrocarburos y minerales en algunos territorios del país (Publicaciones Semana, 2017). En este
contexto, se hace necesario desarrollar herramientas que fomenten un desarrollo minero sostenible
mediante el soporte a los procesos de toma de decisiones, la promoción de un diálogo informado y
la construcción de consensos. Por sus características, se destacan entonces los modelos predictivos
como herramientas que pueden contribuir a lograr estos objetivos (Thomann, 1998). De ahí la
importancia de dichos modelos en la presente investigación.
Además de lo anterior vale la pena resaltar que, para lograr evaluar el impacto de la minería
sobre el medio ambiente de una manera integral, se requiere la construcción de un marco o
metodología de modelación más que la utilización de un modelo predictivo aislado.
Internacionalmente, la importancia del desarrollo de marcos de referencia que incluyan la
implementación de modelos predictivos, junto con el desarrollo participativo de escenarios, ya ha
sido reconocida con el fin de enfrentar los retos característicos del proceso de planeación en
regiones mineras (Lechner, y otros, 2017). En Colombia, se han propuesto ya metodologías para
implementar, calibrar y validar modelos predictivos de calidad del agua como herramientas de
planeación, como la propuesta por Camacho & Diaz-Granados (2003). Complementariamente,
también se ha propuesto ya un marco de referencia, basado en la experiencia australiana, para
evaluar estratégicamente el impacto regional de la minería sobre el recurso hídrico en el contexto
colombiano (McIntyre, y otros, 2018). En este sentido, la presente investigación propone una
metodología de modelación de los impactos de la minería de carbón sobre el recurso hídrico en
cuencas de montaña, y aplica dicha metodología al caso específico de la cuenca del río
Lenguazaque (Cundinamarca, Colombia).
Es de resaltar que la presente investigación se ha llevado a cabo dentro del marco de un

proyecto, en curso, de análisis de los riesgos relacionados con la minería de carbón para las
personas, el ambiente y la economía en la región minera de Boyacá en Colombia. En este proyecto
colaboran la Universidad de los Andes y The Sustainable Minerals Institute de la Universidad de
Queensland.
METODOLOGÍA PROPUESTA
Algunos de los retos específicos del proceso de planeación en regiones mineras incluyen,
entre otros, la temporalidad de las operaciones, la diversidad en las dimensiones de los proyectos,
los cambios irreversibles sobre el paisaje y el carácter acumulativo del impacto sobre el medio
ambiente (Lechner, y otros, 2017). Teniendo en cuenta esto, junto con las metodologías y marcos de
referencia existentes ya mencionados, se presenta en la Figura 1 el diagrama de flujo de la

metodología propuesta en el presente trabajo. Dicha metodología incluye la recolección de
información primaria y secundaria, la compilación de una base de datos y el desarrollo de modelos
hidrológicos y de calidad del agua integrados. Asimismo, contempla el desarrollo participativo de
escenarios, los cuales pueden ser simulados con los modelos, para así evaluar el impacto de la
minería de carbón sobre el recurso hídrico en diversas situaciones. Así, las simulaciones de
escenarios soportan la propuesta de alternativas y el proceso de toma de decisiones, en la búsqueda
del desarrollo sostenible de esta industria.
Figura 1.- Diagrama de Flujo de la metodología propuesta
LOCALIZACIÓN DEL CASO DE ESTUDIO
Para escoger la cuenca de estudio se consideraron los resultados estadísticos de la industria

carbonífera del boletín estadístico más reciente del sector en Colombia (Unidad de Planeación
Minero Energética, 2016). Allí se establece que después de las regiones carboníferas con mayor
producción, ubicadas en los departamentos de la Guajira y el Cesar, los departamentos con mayor
producción de carbón son Boyacá y Cundinamarca. Asimismo, se recopiló la información
disponible de títulos de minas de carbón (Agencia Nacional de Minería, 2017), junto con la
delimitación de los páramos de Colombia (IAvH, 2012), para identificar zonas específicas en estos
departamentos en donde pudieran existir conflictos entre la minería y el ecosistema de páramo.
Estos factores, junto con observaciones de reconocimiento en campo, permitieron establecer como
zona de principal interés la región carbonífera de los municipios de Samacá (Boyacá), Lenguazaque
y Guachetá (Cundinamarca). La ubicación de estos municipios, la localización de los páramos y
títulos mineros se muestran en la Figura 2.
Aunque existen numerosas cuencas en este territorio, se escogió como primer caso de
estudio la del río Lenguazaque debido a que, además de los posibles conflictos de la superposición
de los títulos mineros y el páramo de Rabanal, ocurren los siguientes fenómenos: i) el río es el
resultado de la confluencia de quebradas originadas en el páramo, ii) subsisten allí la minería de
carbón y la agricultura como actividades económicas principales iii) existen vertimientos de agua
residual doméstica sin tratamiento. Lo anterior permite evaluar el impacto de la industria minera
sobre el recurso hídrico originado en el páramo y, al mismo tiempo, comprender la influencia de los
contaminantes de la actividad agrícola y los vertimientos de agua residual doméstica sin
tratamiento. Así, se considera que la cuenca es de especial interés como punto de partida en la
evaluación de la metodología y que podría ser la base para futuras investigaciones. La Figura 3
muestra la cuenca, sus corrientes y cuerpos de agua principales, los puntos de monitoreo de calidad
del agua utilizados en el estudio y la ubicación de las estaciones meteorológicas e hidrométricas
relevantes.

Figura 2.- Ubicación regional de la zona de estudio
Figura 3.- Mapa específico de la cuenca en estudio
RESULTADOS
Los resultados de la aplicación de la metodología al caso de estudio se sintetizan a

continuación.
Colección de información y construcción de la base de datos:

Para llevar a cabo las primeras dos etapas de la metodología se recolectó, como información
secundaria, información académica, del sector y de entidades públicas relacionadas.
Específicamente, en calidad del agua, se recogieron registros de mediciones realizadas por la
Corporación Autónoma de Cundinamarca (CAR). Sin embargo, para implementar el modelo, fue
necesario realizar mediciones propias mediante trabajo de campo. En cuanto al modelo hidrológico,
se recopiló información de estaciones relevantes del Instituto de Hidrología, Meteorología y
Estudios Ambientales (IDEAM) y de la CAR principalmente. En este caso, no se requirió tomar
datos adicionales, aunque se realizó un análisis de homogeneidad y consistencia de la información
junto con un proceso de completado de datos faltantes.
Modelo de calidad del agua:
Se propone la implementación y calibración de los modelos de calidad de determinantes

convencionales (QUAL2k) y sustancias tóxicas (WASP) bajo condiciones de estado estable, y la
utilización de los parámetros encontrados para el acople con los modelos hidrológicos. Para el caso
de estudio, se recolectaron datos históricos de calidad del agua (Puntos C1 y C4 – Figura 3) y se
realizó una campaña de monitoreo para toma de datos propios de determinantes convencionales y
sustancias tóxicas, principalmente metales (Puntos C1, C2, C3 y C4 – Figura 3).
En cuanto a los determinantes convencionales, se encontró un aumento importante en la

conductividad eléctrica y en las concentraciones de nutrientes (nitrógeno y fósforo), sólidos, materia
orgánica y coliformes totales desde el punto C2. El oxígeno disuelto disminuye al recibir la
descarga de vertimientos domésticos (punto C3) y el pH oscila entre 5 y 7 a lo largo de la corriente
principal. La Figura 4 muestra los resultados de la concentración de oxígeno disuelto, nitrógeno
amoniacal y patógenos.
Figura 4.- Resultados de algunos determinantes convencionales, modelo Qual2k

Como puede observarse, el modelo reproduce bien los datos observados, los cuales se
encuentran en un orden de magnitud similar a la información suministrada por la autoridad
ambiental (banda gris). Asimismo, se observa que la calidad del agua incumple con los estándares
colombianos para usos del recurso con fines recreativos, conservación de ecosistemas y
potabilización mediante métodos convencionales.
En cuanto a sustancias tóxicas, se encontraron concentraciones importantes de hierro,

manganeso, magnesio, cloruros y sulfatos. Otros metales como cadmio y mercurio se encontraron
por debajo del límite de cuantificación del método utilizado por el laboratorio por lo que no se
tuvieron en cuenta en la modelación. Los resultados del modelo WASP para hierro, manganeso y
magnesio se presentan en la Figura 5, en donde se puede observar también las especies que se
forman más probablemente en cada caso. Para determinar la especiación de los metales fue
necesario realizar experimentos con el software de equilibrio químico Visual MINTEQ.
Figura 5.- Resultados de sustancias tóxicas, modelo WASP
Se observa en este caso que el modelo se ajusta bien a los datos observados y, también, que
los datos recolectados en el proyecto se encuentran en un orden de magnitud semejante a los
registros de la autoridad ambiental CAR. Adicionalmente, se nota que el manganeso está muy cerca
de incumplir el estándar de calidad del agua para uso agrícola. Por esta razón, es posible que éste
sea superado en condiciones específicas como alto caudal o re-suspensión de sedimentos.

Vale la pena resaltar que, a partir del punto C2, la pendiente del canal y la velocidad del
agua es muy baja, por lo que puede estarse presentando una gran sedimentación y acumulación de
las especies sólidas y adsorbidas de los metales en el fondo del canal. Esto puede generar
interacciones importantes agua-sedimento a partir de procesos difusivos, lo cual representa otra
manera en la que se pueden transportar estas sustancias tóxicas en la cuenca.
De esta manera, se logró implementar y calibrar los modelos QUAL2K y WASP de

determinantes convencionales y sustancias tóxicas, cuyos resultados permiten el acople con un
modelo hidrológico.
Modelo hidrológico:
Como parte de la metodología, se propone la implementación y calibración de modelos

lluvia escorrentía como HEC-HMS, TOPMODEL y SWAT, que permiten describir la condición
hidrológica actual y prospectiva a nivel de cuenca y estimar los aportes de caudales de escorrentía,
flujos sub-superficiales, flujos de agua subterránea, al igual que los contaminantes agrícolas y de la
actividad minera que alcanzan los cauces. Para el caso de estudio, se recolectaron series de tiempo
diarias entre 1991 y 2014 de estaciones pluviométricas (Estaciones P1, P2 y P3 – Fig. 3),
meteorológicas (Estaciones W1, W2 y W3 – Fig. 3) e hidrométricas (Estaciones H1 y H2 – Fig. 3).
Con esta información se implementó y calibró el modelo lluvia escorrentía SWAT para describir,
inicialmente, la condición hidrológica actual de la cuenca. La figura 6 muestra los datos observados
de caudal entre 1993 y 2003 en la estación el Boquerón (H1 – Fig. 3), junto con los resultados del
modelo calibrado, con el que se obtuvo el mejor ajuste, y los límites de confianza al 95% del
modelo.
Figura 6.- Resultados del modelo SWAT calibrado
Se puede observar allí que el modelo tiene un buen ajuste a los datos observados y, más aún,
que los datos observados se encuentran, casi en su totalidad, dentro de los límites de confianza al
95% del modelo. Esto indica que el modelo SWAT es capaz de representar la condición hidrológica
actual de la cuenca y que es idóneo para la metodología propuesta. Por esta razón, una vez llevado a
cabo este proceso, se espera lograr el acople de los resultados del modelo de calidad del agua y el
modelo hidrológico, mediante los valores de los parámetros ya calibrados.

Construcción participativa y simulación de escenarios alternativos:
Se espera construir participativamente los escenarios hidrológicos y de calidad del agua

alternativos que permitan estimar cómo cambiaría el régimen hidrológico, el transporte y destino de
los contaminantes en la cuenca, ante estas posibles alteraciones. Asimismo, con estos escenarios se
puede lograr estimar la carga contaminante asociada a cada escenario en puntos de control como
pueden ser, por ejemplo, las estaciones hidrométricas ya existentes.
Evaluación de impacto, propuesta de alternativas y toma de decisiones:
A futuro, se prevé continuar con la evaluación del impacto ambiental, mediante los
resultados de la simulación de los escenarios prospectivos, junto con la consolidación y
socialización de resultados con la comunidad y las entidades involucradas. Este proceso permitiría
definir la infraestructura necesaria para realizar el saneamiento de la cuenca, mediante la propuesta
y simulación del impacto de posibles esquemas de saneamiento, y apoyar el proceso de toma de
decisiones.
El seguimiento riguroso de la metodología propuesta en este trabajo permite, bajo escenarios

hidrológicos actuales y prospectivos, identificar los principales contaminantes y comprender su
transporte, destino e impacto en los recursos hídricos en zonas de minería de carbón de montaña. En
el caso de estudio de la cuenca del río Lenguazaque, la metodología fue una efectiva hoja de ruta
para avanzar en la evaluación del impacto en esta región carbonífera y montañosa de Colombia. Se
espera culminar la aplicación de la metodología al presente caso de estudio, y continuar su
aplicación en otras cuencas como la del río Samacá, por ejemplo. Se recomienda dar especial
atención a las etapas que requieren la participación de diversos actores como el sector minero, las
entidades gubernamentales y la comunidad, ya que se cree que las mejoras sobre el recurso hídrico
regional se pueden lograr más efectivamente, si intervienen activamente todos los actores
involucrados.
También, es valioso resaltar que, a pesar de que en países latinoamericanos se encuentran

con frecuencia limitaciones en la información secundaria disponible para implementar los modelos
predictivos, el presente trabajo muestra cómo, a partir de la investigación, se logra superar este
obstáculo y utilizar modelos que representan el estado del arte en simulación hidrológica y de
calidad del agua. Superados los obstáculos, puede afirmarse que la presente metodología permite
también evaluar los riesgos de contaminación, definir la infraestructura requerida de saneamiento en
la cuenca y apoyar el proceso de toma de decisiones.
REFERENCIAS
Agencia Nacional de Minería. (2017). Capa de títulos de minas de carbón en Boyacá y Cundinamarca.
Bogotá, Colombia.
Camacho, L. A., & Diaz-Granados, M. (2003). “Metodología para la obtención de un modelo predictivo de
transporte de solutos y de calidad del agua en ríos - Caso río Bogotá”. Seminario Internacional: La
hidroinformática en la gestión integrada de los recursos hídricos, 73-82.
IAvH. (2012). Actualización de los límites cartográficos de los complejos de páramos de Colombia, escala
1:100.000. Bogotá, Colombia.
IAvH. (2014). Restauración Ecológica de los páramos de Colombia. Transformación y herramientas para
su conservación. (M. Cabrera, & W. Ramirez, Edits.) Bogotá.
Lechner, A. M., McIntyre, N., Witt, K., Raymond, C. M., Arnold, S., Scott, M., & Rifkin, W. (2017).
“Challenges of integrated modelling in mining regions to address social, environmental and economic
impacts”. Environmental Modelling & Software, 93, 268-281.

McIntyre, N., Angarita, M., Fernandez, N., Camacho, L. A., Pearse, J., Huguet, C., Restrepo, O., Ossa-
Moreno, J. (2018). “A Framework for Assessing the Impacts of Mining Development on Regional Water
Resources in Colombia”. Water, 10(3). doi:10.3390/w10030268
Publicaciones Semana. (2017). “Por qué suenan las alarmas”. Carbón, la base de todo, 22-23.
Thomann, R. V. (1998). “The Future "Golden Age" of Predictive Models for Surface Water Quality and
Ecosystem Management”. Journal of Environmental Engineering, 124(2), 94-103.
Unidad de Planeación Minero Energética. (2016). Boletín Estadístico de Minas y Energía 2012 - 2016.
Ministerio de Minas y Energía. Obtenido de
http://www.upme.gov.co/Boletines/Boletin_Estadistico_2012_2016.pdf

IAHR AIIH
CURVA-CHAVE OBTIDA POR SIMULAÇÃO HIDRODINÂMICA
Franciele Maria Vanelli, Leonardo Romero Monteiro e Fernando Mainardi Fan

Universidade Federal do Rio Grande do Sul – UFRGS/IPH, Brasil
franciele.vanelli@ufrgs.br; leonardoromeromonteiro@gmail.com; fernando.fan@ufrgs.br
RESUMO:
As incertezas da estimativa de vazão pelo método da curva-chave são discutidas em muitos

trabalhos, principalmente ao se referir aos valores obtidos pela extrapolação da curva-chave. O
emprego desses dados estimados, cujas incertezas não são fornecidas, em estudos para propagação
das vazões pode incidir em resultados não representativos da realidade. O método tradicional para
obtenção da curva-chave consiste em algumas simplificações, como se limitar aos dados para
obtenção de tendências, sem avaliar condições físicas. Com base nisso, o presente estudo propõe
estabelecer a relação nível de água e vazão pela aplicação de modelagem hidrodinâmica
possibilitando a extrapolação dos limites superiores dessa relação considerando as condições físicas
da seção transversal. Para tal, utiliza como dados de entrada apenas informações de uma estação
fluviométrica (seção transversal, cota e descarga líquida) com os quais realiza a calibração do
modelo hidrodinâmico. Posteriormente, com o modelo calibrado, realiza-se a simulação para a faixa
de valores superior aos dados existentes, a fim de extrapolar a relação nível de água e vazão
estabelecida levando em consideração as características da seção transversal. O uso de simulação
hidrodinâmica não elimina as incertezas referente às maiores vazões, entretanto, por considerar as
condições físicas do trecho do rio, pode contribuir para análise dos dados disponibilizados e auxiliar
na obtenção de uma relação cota-vazão mais confiável.
ABSTRACT:
Several studies have shown the discharge uncertainties obtained using rating curves,
especially when referring to the values obtained by the rating curve extrapolation. The use of these
estimated data, whose uncertainties are not provided, may have results that are not representative of
reality. The traditional rating curve consists in some simplifications, such as using only the data to
obtain line trends, without evaluating physical conditions. This study proposes to establish the
stage-discharge relation through the application of hydrodynamic modeling allowing the
extrapolation of the upper limits of this relation considering the physical conditions of the cross
section. It uses as input data only information from a gauge station (cross section, stage and
discharge) with which it performs the calibration of the hydrodynamic model by changing Manning
number. Then, with the calibrated model, the simulation is performed for the range of values higher
than the existing data, in order to extrapolate the stage-discharge relation established taking into
account the characteristics of the cross section. The use of hydrodynamic simulation does not
eliminate the uncertainties related to the higher flow rates, however, considering the physical
conditions of the river stretch, can contribute to the analysis of the data available and help in
obtaining a more reliable stage-discharge relation.
PALAVRAS-CHAVES: relação nível de água e vazão; incerteza; modelo hidrodinâmico.

INTRODUÇÃO
A medição de vazão é um procedimento de elevado custo e durante eventos de cheia pode

ser difícil e perigosa (Corato et al., 2014). Um método aplicado para estimar a vazão consiste em
estabelecer uma relação denominada curva cota-vazão ou curva-chave, utilizando um determinado
intervalo de dados medidos em campo de nível de água (cota) e de vazão (descarga líquida). Para
contemplar valores inferiores ou superiores aos observados, é realizada a extrapolação dessa
relação, que, em geral, é representada na forma potencial (Mosley e McKerchar, 1992).
A estimativa da vazão pela aplicação da curva-chave consiste na leitura do nível de água na
respectiva seção do rio com o auxílio de réguas linimétricas e na inserção desse dado na equação ou
tabela da curva-chave definida previamente. Apesar de bastante utilizado, muitos estudos apontam a
significativa incerteza na estimativa da vazão por esse método, principalmente na zona de
extrapolação (e.g. Dymond e Christian (1982); Clarke (1999); Clarke et al. (2000);
Westerberg et al. (2011); Di Baldassare e Claps, P. (2011); Domeneghetti et al. (2012); Oliveira et
al., (2016); entre outros).
No Brasil, de acordo com a Agência Nacional de Águas – ANA (2014), a leitura da régua
ocorre no máximo duas vezes ao dia e no mínimo uma vez ao dia, com possibilidade de dias de
falhas. Dependendo do tempo de resposta da área de drenagem, o valor máximo ou mínimo do nível
de água pode ocorrer entre os intervalos de leituras, perdendo-se a possibilidade de registro dessa
informação e incrementando as incertezas na medição. Em alguns casos, outra fonte de incerteza
pode ser a influência do efeito de remanso que pode causar histerese na relação nível de água e
vazão (Pappenberger et al., 2006).
As hipóteses assumidas pelo método tradicional de elaboração da curva-chave, o tornam
bastante simplificado, acarretando no acréscimo de incertezas ao valor de vazão estimado. Uma
dessas simplificações, refere-se a considerar o escoamento em regime permanente, ou seja, uma
relação unívoca entre o nível de água e vazão (ANA, 2014; Domeneghetti et al. 2012; Oliveira et
al., 2016). Por se tratar de uma análise estatística, o método tradicionalmente aplicado para
obtenção da curva-chave se limita aos dados existentes. Entretanto, as relações nível de água e
vazão para valores altos são pouco conhecidas, pois, normalmente, para altos níveis de água não são
realizadas medições de vazão devido à periculosidade da tarefa, levando a escassez de dados nos
valores de máxima. Sem a inclusão de valores amostrais mais altos e sem considerar as condições
físicas do trecho de rio, como por exemplo, a ocorrência de níveis de água altos que acarretam o
extravasamento do leito menor do corpo hídrico, a extrapolação da curva-chave pode não ser mais
representativa, pois a alteração da seção fluvial gera mudança na curva de tendência (Oliveira et al.,
2016).
O uso dos modelos hidrodinâmicos com auxílio dos dados topográficos disponíveis pode
contribuir para efetuar a análise hidráulica de trechos do rio. Com o modelo calibrado, os dados
topobatimétricos da seção podem fornecer uma relação cota-vazão que abrange naturalmente a
extrapolação da relação cota-vazão obtida por dados medidos, podendo reduzir as incertezas
associadas aos valores de vazões elevadas. Di Baldassare e Claps (2011) ressaltam que a incerteza
decorrente da calibração do modelo para baixas vazões e seu uso para simular altas vazões não pode
ser negligenciada. Uma tentativa de reduzir a incerteza da calibração baseada apenas em uma
pequena faixa de valores medidos, consiste em calibrar o coeficiente de Manning para vazões
máximas a partir de eventos de inundação bem documentados. Di Baldassare et al. (2009)
realizaram a calibração do modelo hidrodinâmico para a inundação ocorrida em outubro de 2000 no
Rio Po, Itália, permitindo que em estudos posteriores, Di Baldassare e Claps (2011) e Domeneghetti
et al. (2012) empregassem essa calibração para realizar a extrapolação da relação nível de água e
vazão e para que outras análises fossem realizadas. Além disso, Di Baldassare e Claps (2011),
considerando as incertezas associadas ao uso de simulação numérica, apontam que a quantificação
da incerteza do modelo pode ser realizada pela técnica de estimativa da incerteza de probabilidade
generalizada (GLUE - Generalized Likelihood Uncertainty Estimation) possibilitando que a

extrapolação da relação nível de água e vazão seja apresentada com a respectiva incerteza do
modelo hidrodinâmico.
Com base nas incertezas da curva-chave, principalmente, na zona de extrapolação, e
necessitando representar condições de inundação, denota-se que o uso de modelagem hidrodinâmica
pode contribuir para uma análise da relação nível de água e vazão para valores mais altos. O
presente estudo propõe aplicar simulação numérica com discretização unidimensional e regime
permanente, utilizando como dados de entrada apenas informações de uma estação fluviométrica
(seção transversal, cota e descarga líquida) para estabelecer a relação nível de água e vazão pelo
modelo hidrodinâmico possibilitando a extrapolação dos limites superiores dessa relação
considerando as condições físicas da seção transversal. Posteriormente, é possível comparar os
valores estimados pelo método tradicional de curva-chave com os valores resultantes da simulação
hidrodinâmica possibilitando analisar a coerência dos dados. Este estudo se refere a uma análise
preliminar para a estação fluviométrica selecionada, visto que não foram identificados estudos
semelhantes na respectiva área de estudo.
ÁREA DE ESTUDO
O Rio Tubarão está inserido na Bacia Hidrográfica do Rio Tubarão, no sul do Estado de
Santa Catarina, Brasil (Figura 1). Esse rio, cuja extensão é de 120 km e área de drenagem de
aproximadamente 5.000 km², nasce nas encostas da Serra Geral e deságua na Lagoa Santo Antônio.
Sua proximidade com o Oceano Atlântico, pode resultar na influência dos fenômenos costeiros no
comportamento hidráulico do rio.
Figura 1.- Localização da estação fluviométrica em relação à área de estudo
Localizado na planície costeira, o baixo curso do Rio Tubarão possui leito composto por
depósitos fluvio-lagunares constituídos por areia fina, silte, argila e matéria orgânica. Seu traçado é
predominantemente meandrante, com trechos retificados no município homônimo e ocorrência de

meandros abandonados ou braços mortos próximo à zona costeira. As características do baixo curso
do Rio Tubarão denotam que sua seção transversal é mais instável do que em rios encaixados de
leito rochoso.
O município de Tubarão possui registros de inundações ao longo de sua história, algumas
delas com danos significativos, inclusive perdas de vidas. A proximidade do município com o
Oceano Atlântico resulta em efeito de remanso no rio causando amortecimento no escoamento de
suas águas e quando associado a chuvas de montante intensas, pode contribuir para o incremento no
nível de água no canal, agravando eventos extremos hidrológicos de máxima.
MATERIAIS E MÉTODOS
A metodologia desse estudo consiste nas seguintes etapas: (a) aquisição dos dados da
estação fluviométrica de interesse; (b) análise dos dados da estação fluviométrica: nível de água e
vazão medidos em campo; (c) calibração do modelo hidrodinâmico com os dados observados;
(d) simulação para faixa de valor superior aos dados observados; (e) comparação entre a
extrapolação obtida por simulação hidrodinâmica com os valores estimados pela curva-chave.
Estação fluviométrica
Para o presente estudo, foi realizado o levantamento das estações fluviométricas instaladas
ao longo do Rio Tubarão disponibilizadas no Sistema Nacional de Informações sobre Recursos
Hídricos (SNIRH), portal Hidroweb da ANA. A escolha da estação fluviométrica considerou a
quantidade de dados da série histórica e a possibilidade de menor influência do efeito de remanso
decorrente do sistema lagunar e marés.
A estação fluviométrica, código 84580000, denominada Rio Do Pouso, se localiza no Rio
Tubarão, latitude 28º25'12"S e longitude 49º6'36"W e possui uma área de drenagem de 2.740 km²
(Figura 1). Os dados de nível de água e vazão medidos em campo contemplam o período de 1939 a
2006 e são consistidos pelo SNIRH/ANA. Quanto a seção transversal, apenas o perfil
correspondente aos anos de 2004 e 2006 são consistidos. Além disso, não foi identificado o registro
da estação fluviométrica quanto às possíveis alterações de localização, interrupções, manutenções,
entre outras informações pertinentes, para o período da série histórica.
Recentemente, foram disponibilizados pelo SNIRH/ANA, as tabelas cota х vazão dessa
estação fluviométrica que são equivalentes a curva-chave e correspondem a oito períodos distintos
como apresentado na Tabela 1. Os dados das tabelas identificadas de 1 a 6 apresentam discrepâncias
em seus valores, pois enquanto ocorre apenas incremento nos níveis de água, os valores das vazões,
por vezes, sofrem reduções incoerentes com o respectivo nível de água como ilustrado na Figura 2.
Tabela 1.- Períodos das tabelas cota x vazão da estação fluviométrica 84580000
Identificação Início Fim Identificação Início Fim
1 25/05/1939 23/03/1963 5 23/03/1976 01/02/1977
2 24/03/1963 18/08/1965 6 02/02/1977 31/12/1978
3 19/08/1965 24/03/1974 7 01/01/1979 31/12/1997
4 25/03/1974 22/03/1976 8 01/01/1998 31/12/2004
Modelo Hidrodinâmico
Para desenvolvimento do presente estudo se empregou o modelo hidrodinâmico HEC-RAS
versão 5.0.4 (USACE-HEC, 2016), com discretização unidimensional e em regime permanente, que
utiliza a equação da energia para calcular o nível de água e a vazão, da forma
, [1]
em que Z1, Z2 são os níveis do fundo do canal principal, Y1, Y2, são as profundidades da seção
transversal, V1, V2 são as velocidades médias da seção transversal, a1, a2 são coeficientes que
representam a variação de velocidade no perfil transversal, g é a aceleração da gravidades e he é a
perda de energia.

Figura 2.- Curvas-chave para os anos de 1939 a 1978 fornecida pela ANA.
Adotou-se essa formulação simplificada visto que a análise está sendo realizada com dados
hidrológicos coletados em um único posto de monitoramento. No modelo, foi inserida uma seção
transversal, replicada 1 m a jusante realizando interpolação entre elas de 0,1 m levando em
consideração a declividade de fundo do canal de 0,001 m/m. Como condição de contorno foram
inseridos os dados de vazões medidos em campo e consistidos pela ANA e a declividade de fundo
de 0,001 m/m obtida com base em dados de batimetria.
ANÁLISE DOS DADOS: NÍVEL DE ÁGUA VAZÃO
Foi elaborada a relação entre os dados de nível de água e vazão medidos em campo para
todo o período disponível (1939 a 2006). Com base nos períodos em que o SNIRH/ANA define
nova relação da curva-chave, a série de dados foi classificada em quatro períodos. A Figura 3 ilustra
os comportamentos observados e apresenta a segmentação conforme os períodos: (i) 25/05/1939 a
07/03/1974; (ii) 14/05/1974 a 20/12/1978; (iii) 23/03/1979 a 04/12/1997; e (iv) 27/02/1998 a
26/10/2006. A mudança de tendência que ocorre no ano de 1974 entre os meses de março e maio,
pode ser justificada em ocorrência de um evento extremo de inundação associado a fluxos de
detritos (Bigarella et al., 1975) ocorrido entre 23 a 25 de março que ocasionou danos significativos
à população local. Tal evento, em virtude de suas proporções, pode ter danificado equipamentos de
medição e/ou alterado o leito do rio.
Nota-se que mesmo referindo-se a um mesmo período segundo SNIRH/ANA, os dados
medidos para o período de 1979 a 1997 apresenta dispersão nos dados, sendo que alguns
aproximam-se do comportamento associado ao período seguinte.

Figura 3.- Relação entre dados medidos em campo e consistidos pela ANA: nível de água e vazão para o
período de 1939 a 2006
ANÁLISE 1: PERÍODO 1998 A 2004 E SEÇÃO TRANVERSAL DE 2004
Calibração do modelo hidrodinâmico

A área de estudo não possui um evento de inundação bem documentado que permita realizar
a calibração do modelo hidrodinâmico. Dessa forma, a calibração do modelo hidrodinâmico se
limitará aos dados de nível de água e vazão medidos em campo e consistidos pela ANA.
Considerando que posteriormente a 2004, a ANA não forneceu nova curva-chave, mesmo com
dados disponíveis até 2006, adotou-se o período de 1998 a 2004 para calibração.
A seção transversal inserida no modelo se refere ao ano de 2004 (Figura 4), cujos dados
foram consistidos pela ANA. Pela característica da seção foi indicado que em 408 cm existe cota
limite entre o leito menor e leito maior. A seção transversal foi replicada 1 m a jusante realizando
interpolação entre elas de 0,1 m levando em consideração a declividade de fundo do canal de
0,001 m/m. Como condição de contorno de entrada foram inseridos os dados de vazões observadas
do período de 1998 a 2004 e como condição de contorno de saída utilizou-se a equação de Manning
[2]
-1
onde Q é a vazão (m³s ), n é o coeficiente de Manning, A é a área (m²), Rh é o raio hidráulico (m) e
S é a declividade de fundo (m/m). A declividade de fundo utilizada é de 0,001 m/m obtida com base
em dados de batimetria.
A calibração foi realizada manualmente em um processo iterativo onde o valor do
coeficiente de Manning do canal foi alterado até o nível de água calculado se aproximar do valor
observado. Esse modelo possibilita o uso de valores do coeficiente de Manning diferentes para o
canal e para as margens do rio. Nessa calibração se adotou um valor constante para ambas as
margens de 0,05 e variou-se apenas o coeficiente de Manning referente ao leito menor. O
coeficiente de Manning para as margens foi adotado considerando que se trata de uma superfície de
planície de inundação com árvores pequenas ou cultivos maduros (Dingman, 2009).

Figura 4.- Seção transversal do ano de 2004 com distinção entre o leito menor (em cinza) e maior (em preto)
O processo iterativo para ajuste do modelo hidrodinâmico iniciou com coeficiente de

Manning para o leito menor igual a 0,035 sendo acrescido 0,001 a cada iteração. A iteração foi
realizada até que o erro aumentasse, sendo analisados os ajustes por meio da função objetivo do
erro percentual absoluto médio dado por:
[3]
onde Ho é o nível de água observado, Hc é o nível de água calculado e m é o número de dados. O
coeficiente de Manning (n) 0,042 apresentou o menor erro (Tabela 2) sendo empregado nas demais
etapas do presente estudo.
Tabela 2.- Erro percentual absoluto médio dos coeficientes de Manning calculados em relação aos
observados para o período de 1998 a 2004 e seção transversal de 2004
Erro percentual Erro percentual
Coeficiente de Manning Coeficiente de Manning
absoluto médio absoluto médio
[%] [%]
0,035 11,67 0,040 5,10
0,036 10,13 0,041 4,56
0,037 8,75 0,042 4,47
0,038 7,33 0,043 4,93
0,039 6,12 0,044 5,52
Os resultados obtidos na calibração são apresentados na Figura 5, onde é possível observar

que a faixa de dados observados é inferior a 200 m³s-1. Nota-se que o máximo valor da série de
dados observados para o período de 1998 a 2004 está incoerente em relação ao valor anterior, pois
apresenta uma cota menor e resulta em uma vazão maior, sendo que esses dados distam entre si
apenas por dois anos. Calculando o número de Froude ( , em que u é a velocidade
média e g é a aceleração da gravidade) das duas vazões máximas observadas, obtém-se valor
próximo a 0,1 para ambas, portanto, se trata de um escoamento subcrítico. Tal fato denota as
incertezas associadas aos equipamentos e ao procedimento da medição.
Extrapolação da curva-chave pelo modelo hidrodinâmico calibrado

Para estimar a relação nível de água e vazão para a seção transversal em estudo,
estabelecendo uma curva-chave obtida pela simulação hidrodinâmica, aplicou-se o modelo
calibrado (n= 0,042 no leito menor e n= 0,050 em ambas margens) para o intervalo de vazões entre
190 e 2.000 m³s-1 com variação de 10 m³s-1 e manteve como condição de contorno de saída a
declividade de fundo de 0,001 m/m. O valor de 190 m³s-1 foi adotado considerando que entre os
dados de entrada para calibração, o valor máximo é de aproximadamente 194 m³s-1, portanto, para a
estimativa de vazões superiores a 190 m³s-1 é necessário utilizar a extrapolação da linha tendência
dos dados.

Figura 5.- Valores de nível de água e vazão medidos e consistidos pela ANA com sobreposição do resultado
obtido pela calibração do modelo hidrodinâmico.
Relacionando nível de água e vazão, Figura 6, é possível identificar que as vazões

consistidas pela ANA, provenientes da extrapolação da curva-chave para o período de 1998 a 2004,
apresentam valores subestimados em comparação com as vazões obtidas pelo modelo hidráulico. A
cota máxima de 730 cm corresponde a uma vazão de 1.315 m³s-1 pela curva-chave da ANA,
enquanto o modelo hidráulico estima uma vazão de aproximadamente 1.820 m³s-1. A subestimativa
das vazões pela curva-chave é superior a 5% para cotas acima de 430 cm, enquanto que para cotas
superiores a 550 cm, as vazões são subestimadas em mais de 10%. Portanto, nesse caso, apesar da
faixa de dados observados contemplar vazões até 200 m³s-1, a extrapolação da curva-chave
apresenta resultado coerente para faixa de vazão de até 900 m³s-1, com erro de até 10% em relação
ao modelo hidráulico calibrado.
Figura 6.- Resultado da extrapolação pelo modelo hidrodinâmico com limites de confiança de 95% e 90%
com sobreposição dos dados da curva-chave disponibilizada pela ANA para o período de 1998 a 2004

A influência da mudança de seção transversal para a extrapolação da relação nível de água e

vazão foi avaliada, alterando a seção transversal presente no registro de 2004 pela do registro de
2006 (Figura 7). Com o modelo calibrado (n= 0,042 no leito menor e n= 0,050 em ambas margens)
e aplicando as mesmas condições de contorno, foi inserida no modelo hidrodinâmico a seção
transversal do ano de 2006 e aplicada a mesma metodologia adotada para a seção do ano de 2004. A
cota limite entre o leito menor e maior foi identificada em 4,25 m de profundidade, aumentando o
leito menor em 0,17 m. Ao comparar o resultado da simulação com os dados observados, obtém-se
um acréscimo no erro percentual absoluto médio em virtude da mudança de seção transversal,
correspondendo a 9,28%.
Figura 7.- Seção transversal do ano de 2006 com distinção entre o leito menor (em cinza) e maior (em preto)
O incremento no erro decorrente da alteração da seção transversal em um intervalo de tempo

de dois anos denota a incerteza associada aos dados e a dificuldade de representar os outros
períodos de dados observados a partir de uma única calibração. Ao assumir o papel de parâmetro
calibrável, o coeficiente de Manning pode perder o significado físico de sua representação
(Domeneghetti et al., 2012) que, originalmente, é um fator de resistência a ser considerado no
cálculo de vazão em canais abertos (Dingman, 2009) e passa a incorporar outros aspectos
hidráulicos e representar uma aproximação da perda de energia.
Partindo para uma análise independente dos períodos que a ANA estabeleceu para as
relações nível de água e vazão, foi considerado que os anos de 1996 e 1997 apresentavam
comportamento similar aos dados do período de 1998 a 2006 conforme demonstrado na Figura 2.
Assim, considerando os dados de nível de água e vazão medidos em campo e consistidos pela ANA
para o período de 1996 a 2006, foi empregada a seção transversal do ano de 2006 (Figura 7).
Foi realizada a calibração do modelo hidrodinâmico com esses dados como entrada, aplicada
a mesma metodologia para a seção transversal e analisado o erro percentual absoluto médio
conforme Tabela 3. O coeficiente de Manning de 0,037 para o leito menor do rio apresentou o
menor erro em comparação com os demais valores testados.
Tabela 3.- Erro percentual absoluto médio dos coeficientes de Manning calculados em relação aos
observados para o período de 1996 a 2006 e seção transversal de 2006
Coeficiente de Manning Erro percentual absoluto médio
[%]
0,036 7,13
0,037 7,03
0,038 7,28

A partir dessa calibração do modelo hidrodinâmico, foi realizada a extrapolação de vazões
para o intervalo de 190 a 2.000 m³s-1 com variação de 10 m³s-1. Essa relação foi comparada com os
valores diários máximos dos meses entre os anos de 1996 a 2004 consistidos da ANA e com os
limites inferior e superior associados aos erros de 5% e 10% dos valores calculados. Os dados de
2004 a 2006 não foram utilizados pois não estavam consistidos pela ANA no momento dessa
análise.
A análise preliminar dos dados observados para o 1996 e 1997 indicou uma maior
aproximação ao comportamento do período 1998 a 2004 do que ao período que a ANA considerou
na elaboração de suas curvas-chaves. Ao incluir esses anos na análise se obteve acréscimo no erro
percentual absoluto médio para aproximadamente 7% na calibração. Ao comparar os resultados da
simulação com as vazões estimadas pela curva-chave da ANA, evidencia-se que os anos de 1996 e
1997 são provenientes de uma extrapolação diferente (Figura 8).
Os resultados da Análise 3 apontam que apesar da máxima vazão observada ser
aproximadamente 200m³s-1, pode-se considerar que valores até a faixa de 700 m³s-1 estão
condizentes visto que a diferença entre os valores extrapolados pela curva-chave e obtidos por
simulação se diferem em 10%, valor considerado aceitável ao se tratar de hidrologia.
Figura 8.- Resultado da extrapolação pelo modelo hidrodinâmico com limites de confiança de 95% e 90%
com sobreposição dos dados da curva-chave disponibilizada pela ANA para o período de 1996 a 2006 e
CONCLUSÕES E DISCUSSÕES
A curva-chave é um método simplificado que deve ser empregado com cautela para a
estimativa de vazão a partir do nível de água medido em determinada seção transversal. As
incertezas da estimativa de vazão por esse método não são quantificadas, podendo acarretar em
resultados não representativos, principalmente, na aplicação desses dados para delimitação de áreas
inundáveis que dependem das vazões máximas provenientes da extrapolação da curva-chave.
Com base nesses questionamentos, foi proposta uma análise preliminar desses dados para a
estação fluviométrica código 84580000, Rio do Pouso, no município de Tubarão (Brasil).
Primeiramente, foi analisada a relação entre os dados observados de nível de água e vazão para o
período entre 1939 e 2006 possibilitando a identificação de comportamentos distintos dessa relação
ao longo dos anos. Uma das alterações significativas dessa relação ocorreu em março de 1974
motivado pela ocorrência de um evento hidrológico extremo de máxima, possivelmente por danos

aos equipamentos de medição e/ou alterações do leito do rio. Assim como para essa inundação, o
município possui registros de outras inundações, entretanto, apesar de possíveis alterações
geomorfológicas na seção transversal esses eventos hidrológicos extremos de máxima não são
levados em consideração na elaboração da curva-chave em virtude da periculosidade associada à
medição.
A análise da relação de nível de água e vazão disponibilizada em junho de 2018 no
SNIRH/ANA, permitiu identificar discrepâncias nas tabelas cota х vazão da estação fluviométrica
código 84580000 para o período de 1939 a 1978. A relação proposta para os anos de 1979 a 1997 e
1998 a 2004 apresentam tendência crescente e dados extrapolados até vazão de 1.225 e 1.370 m³s-1,
respectivamente. Entretanto, essa relação emprega métodos estatísticos para a estimativa da vazão,
desvincula a relação nível de água e vazão com os aspectos físicos. As incoerências observadas nos
dados disponibilizados pela ANA, nesta específica estação fluviométrica, contribuem para o
questionamento sobre a confiabilidade dos valores estimados.
Sendo assim, o presente estudo propôs a aplicação da simulação numérica para estabelecer a
relação nível de água e vazão com base em dados hidrológicos disponibilizados pelo SNIRH/ANA,
possibilitando a extrapolação dos limites superiores dessa relação considerando as condições físicas
da seção transversal. Não dispondo de um evento de inundação bem documentado, foi necessário
realizar a calibração do modelo hidrodinâmico somente com os dados de nível de água e vazão
medidos em campo e consistidos pela ANA. Denota-se que a calibração do modelo hidrodinâmico
baseada somente em vazões baixas, pode acarretar em incertezas na extrapolação, entretanto não
haviam outros dados para possibilitar a garantia de representação dos valores máximos.
Nas análises realizadas, obteve-se aumento no erro percentual absoluto médio ao alterar o
perfil transversal do ano de 2004 para 2006, de modo que a calibração do modelo se restringiu a um
determinado ano, mesmo não ocorrendo variações significativas na seção. Ainda, verifica-se a
dificuldade na avaliação dos dados correspondentes aos períodos anteriores, visto que a incoerência
nas relações definidas pela ANA tornaria ampla a incerteza da calibração do modelo hidrodinâmico.
Na modelagem hidrodinâmica foram determinadas três condições de análise. Na primeira, a
calibração foi realizada considerando os dados de nível de água e vazão medidos e consistidos pela
ANA para o período de 1998 a 2004, que corresponde a uma mesma tabela cota x vazão da ANA,
considerando a seção transversal de 2004. Na etapa de calibração, obteve-se erro percentual
absoluto médio inferior a 5%. Para esse período escolhido, os valores inferiores a 900 m³s-1 se
encontram dentro do limite de confiança de 90%, apresentando bom ajuste com os resultados da
simulação numérica. Posteriormente, manteve-se os mesmos valores para os coeficientes de
Manning e as mesmas condições de contorno, alterando apenas a seção transversal para o ano de
2006. Ao alterar a seção transversal, observou-se aumento do erro percentual absoluto médio em
relação aos dados observados, demonstrando a dificuldade em avaliar outros períodos de dados
observados a partir de uma única calibração. A terceira situação simulada considerou o período de
1996 a 2006 como entrada para uma nova calibração do modelo hidrodinâmico e a seção transversal
de 2006. Nessa calibração, o valor atribuído ao coeficiente de Manning foi de 0,037, ou seja, uma
redução de 0,005.
Portanto, em relação a curva-chave obtida por simulação hidrodinâmica, os valores
estimados pela extrapolação do método tradicional de curva-chave apresentam variação aceitável
(erro de 10%) para uma faixa até quatro vezes superior aos valores observados. Entretanto para
maiores valores ocorre subestimativa dos valores provenientes da curva-chave em relação aos
resultados do modelo hidráulico.
Na extrapolação da relação nível de água e vazão por modelagem hidrodinâmica existem
ainda incertezas, pois são arbitrados os valores ao coeficiente de Manning sem restrições ao seu
sentido físico, os limites entre leito menor e maior, a série utilizada para calibração se restringe a
valores baixos que não representam eventos hidrológicos extremos de máxima. Entretanto, seu uso
de modo complementar ao método convencional pode contribuir para a redução das incertezas ou
ao menos possibilitar a quantificação da incerteza.

Sugere-se que, se possível, estudos futuros realizem a calibração do modelo hidrodinâmico
para a área de estudo com dados de uma inundação bem documentada, possibilitando reduzir as
incertezas quanto a extrapolação para os valores de máxima. A compreensão dos eventos
hidrológicos de máxima necessita de maior quantidade e qualidade de dados de inundações. A falta
de registros ou, até mesmo, registros realizados inadequadamente dificultam a estimativa das vazões
máximas e, consequentemente, podem prejudicar estudos de gestão de risco e planejamento das
áreas passíveis à inundação.
AGRADECIMENTOS
Este trabalho recebeu o apoio financeiro parcial da CAPES – Brasil.
REFERÊNCIAS
Agência Nacional de Águas – ANA (Brasil). (2014). Medição de descarga líquida em grandes rios: manual
técnico. 2. ed. Brasília, DF.
Bigarella, J.J.; Bigarrella, I.E.K.; Jost, H. (1975). “Catastrophic events in the Tubarão area". Boletim
Paranaense de Geociências, No. 33, pp. 200-206.
Clarke, R. T.; (1999). “Uncertainty in the estimation of mean annual flood due to rating-curve indefinition”.
Journal of Hydrology, No. 222, pp. 185 – 190.
Clarke, R. T.; Mendiondo, E. M.; Brusa, L.C. (2000). “Uncertainties in mean discharges from two large South
American rivers due to rating curve variability”. Hydrological Sciences Journal, Vol. 45, No. 2, pp. 221 – 236.
Corato, G.; Ammari, A.; Moramarco, T. (2014). “Conventional point-velocity records and surface velocity
observations for estimating high flow discharge”. Entropy. Vol. 16, No. 10, pp. 5546 - 5559.
Di Baldassare, G.; Schumann, G.; Bates, P. (2009). “Near real time satellite imagery to support and verify
timely flood modelling”. Hydrological Processes, Vol. 23, pp. 779 – 803.
Di Baldassare, G.; Claps, P. (2011). “A hydraulic study on the applicability of flood rating curves”. Hydrology
Research, Vol. 42, No. 1, pp. 10 – 19.
Dingman, S. L. (2009). Fluvial hydraulics. New York: Oxford University Press.
Domeneghetti, A.; Castellarin, A.; Brath, A. (2012). “Assessing rating-curve uncertainty and its effects on
hydraulic model calibration”. Hydrology and Earth System Sciences. No. 16, pp. 1191 – 1202.
Dymond, J. R.; Christian, R. (1982). “Accuracy of discharge determined from a rating curve”. Hydrological
Sciences Journal, Vol. 27, No. 4, pp. 493 – 504.
Mosley, M. P.; McKerchar, A. I. (1992). Streamflow: Chap. 8. Handbook of Hydrology. McGraw-Hill Inc: New
York.
Oliveira, F.A.; Pereira, T.S.R.; Soares, A.K.; Formiga, K.T.M. (2016). “Uso de modelo hidrodinâmico para
determinação da vazão a partir de medições de nível”. Revista Brasileira de Recursos Hídricos. Vol. 21, No. 4,
pp. 707 – 718.
Pappenberger, F.; Matgen, P.; Beven, K.; Henry, J-B.; Pfister, L.; Fraipont de, P. (2006). “Influence of
uncertain boundary conditions and model structure on flood inundation predictions”. Water Resources. Vol. 29,
pp. 1430 – 1449.
USACE-HEC. (2016). HEC-RAS River Analysis System Hydraulic Reference Manual, Version 5.0. Brummer, G.
W.: U.S. Army Corps of Engineers, Hydrologic Engineering Center.
Westerberg, I.; Guerrero, J. –L.; Seibert, J.; Beven, K. B.; Halldin, S. (2010). “Stage-discharge uncertainty
derived with a non-stationary rating curve in the Choluteca Rives, Honduras”. Hydrological Processes. No. 25,
pp. 603 – 613.

IAHR AIIH
METODOLOGÍA PARA LA SIMILITUD HIDROLÓGICA EN CUENCAS

HERMANAS, CASO BOSQUE LA PRIMAVERA, MÉXICO
María del Mar Navarro Farfán1, Sonia Tatiana Sánchez Quispe2, Mario Alberto Hernández
Hernández3, Julio Cardiel Díaz 4, Marco Antonio Martínez Cinco5
(1)(2)(3)(4)(5) Universidad Michoacana de San Nicolás de Hidalgo, Av. Francisco J. Mújica S/N, Morelia, México.
(1) mar.farfan@hotmail.com.
RESUMEN:
La falta de información hidrológica en cuencas de interés, condiciona su análisis y estudio.

Por ello, la similitud hidrológica es una alternativa para solucionar dicha problemática; sin
embargo, esto es posible solo en algunos casos. Así, es conveniente realizar pruebas de
independencia y persistencia en las estaciones hidrométricas con el objetivo de determinar si es
adecuado realizar la similitud.
Se analiza la serie de volúmenes de escurrimiento visualmente, determinando la tendencia
de la serie o la existencia de saltos, los cuales representan una modificación en el sistema.
Una vez que se determinan las estaciones a utilizar, se obtienen características físicas y
geomorfológicas que son utilizadas para obtener un factor adimensional que relacione una cuenca
(con serie de gastos) con otra (que no cuente con información), y así, poder generar series de gastos
en zonas sin información.
ABSTRACT:
The absence of hydrological information in basins of interest conditions their analysis and
study. Therefore, hydrological similarity is an alternative to solve this problem; however, this is
only possible in some cases. Thus, it's convenient to do independence and persistence tests in the
hydrometric stations in order to determine if it's appropriate to perform the similarity.
The series of runoff volumes is analyzed visually, determining the trend of the series or the
existence of jumps, which represent a modification in the system.
Once the stations to be used are determined, physical and geomorphological characteristics
are obtained and used to obtain a non-dimensional factor that relates one basin (with a series of
flowage) with another (without information), and thus, be able to generate series of flowage in areas
without information.
PALABRAS CLAVES: similitud hidrológica; escasez de información; transporte de información

INTRODUCCIÓN
Los procesos hidrológicos involucrados en la transformación lluvia-caudal han sido

ampliamente estudiados para desarrollo del conocimiento de los procesos reales que son
ciertamente complejos, los cuales involucran gran cantidad de mecanismos y en general se simulan
mediante modelos que contemplan distintos grados de aproximación a la dinámica física del
mecanismo (Riccardi, 1997); para estos modelos se deben considerar la gestión de datos.
Para poder realizar una modelación matemática, con el fin de obtener el recurso hídrico
superficial disponible en una zona en específico, es necesario tener el periodo de datos con los
cuales vamos a realizar dicha simulación; toda esta información se obtiene de las estaciones
hidrométricas y meteorológicas existentes, por lo que nos encontramos con una limitante
importante, ya que en muchas ocasiones los datos son inexistentes debido a que gran parte de las
series hidrométricas que se tienen en el país, muestran errores en la medición de gasto o bien, años
sin mediciones; aunado a esto, es imperativo recalcar que estas simulaciones matemáticas enfocadas
para la obtención del recurso hídrico superficial, deben realizarse preferentemente en
escurrimientos vírgenes o bien, en escurrimientos restituidos a régimen natural.
En México, se tiene una deficiencia importante en los datos tanto meteorológicos como
hidrométricos; estos últimos no se consideran al momento de realizar pruebas de consistencia y
persistencia para poder utilizarse en modelaciones matemáticas debido a la falta de información,
ya que para la mayoría de las pruebas, se requieren series continuas de gastos.
Ante ello, nos vemos en la necesidad de determinar el estado en el que se encuentran dichas
series, mediante una serie de estudios propuestos, con lo cual puede lograrse un manejo adecuado
de la información; disminuyendo aún más la información con la que se cuenta y complicando el
estudio de las mismas; un proceso complejo y difícil de realizar en México debido a la escasez de
datos es la restitución a régimen natural de las estaciones hidrométricas, por lo cual debemos de
realizar procesos más simples, con lo cual podamos transportar información de una cuenca a otra,
como lo es la similitud hidrológica.
En muchos casos, las cuencas de simulación que se requieren, no cuentan con una estación
hidrométrica con la cual puedan ser comparados los resultados; por ello, si se requiere conocer el
volumen de escurrimiento en un punto en específico, es importante considerar la generación de
series sintéticas, lo cual puede obtenerse por medio de la similitud hidrológica. En este caso en
particular, se consideran las cuencas hermanas que nos ayudan a obtener los volúmenes de
escurrimiento en cuencas donde no se tienen registros, basándonos en las características
geomorfológicas que tenga una cuenca respecto a otra, así como su ubicación espacial.
La estimación de escurrimiento mensual en cuencas sin aforos es en realidad un problema
bastante frecuente, ya que la red hidrométrica además de ser escasa, no ha sido planteada para
cubrir las necesidades inmediatas y mucho menos las de largo plazo que plantea la estimación y el
aprovechamiento de los recursos hidráulicos. Por ello desde hace décadas se han propuesto diversos
métodos empíricos de estimación, los cuales únicamente han probado que no son realmente
aplicables en todos los casos (universales) y que muchas veces han conducido a errores graves de
cuantificación, con las consecuencias negativas que esto origina (Campos Aranda, 2007).
En este caso en particular, la zona de estudio es el bosque La Primavera, con una extensión
de 40 mil hectáreas, de las cuales 30 mil 500 forman parte del Área de Protección de Flora y Fauna
La Primavera (APFFLP), es decir, que esta zona es una zona poco estudiada y así mismo, no cuenta
con estaciones hidrométricas dentro de su periferia, por lo que para poder obtener los registros
hidrométricas de la zona es necesario trasladar la información de cuencas vecinas que si cuenten
con un registro de datos adecuado.

METODOLOGÍA
La metodología de este proyecto se divide en dos partes importantes; la primera es aquella

donde se determina la utilidad de una estación hidrométrica y la segunda, es la obtención de
parámetros de las cuencas a régimen natural para poder considerar cuáles cuencas pueden suponerse
como hermanas, por medio de las cuales podremos realizar la similitud hidrológica.
Como primer punto, se debe considerar que las estaciones con las cuales se va a trabajar deben
generar cuencas de cabecera, es decir que estén al final de un cauce, por lo que es necesario
ubicarlas espacialmente por medio de un sistema de información geográfica; con base a esto, para
determinar si una estación hidrométrica puede ser utilizada, es necesario saber el periodo histórico
que representa, en este caso, la parte más importante es considerar los años consecutivos en estudio
que se tienen, estos datos se descargan de la base de datos del Banco Nacional de Datos de Aguas
Superficiales (BANDAS, 2018), así mismo, se debe considerar que para poder realizar la pruebas
necesarias a las estaciones hidrométricas, las estaciones deben encontrarse a régimen natural (no
alterado).
Una vez que se tiene la serie de datos en estudio, se realizan las pruebas de consistencia en las
estaciones; para homogeneidad: Helmert y Secuencias; además, la persistencia se obtiene por medio
de un correlograma y los límites de Anderson (Campos Aranda, 2007); el proceso de consistencia
en los datos, permite identificar estaciones con información aceptable, y es utilizada con la finalidad
de validar la información hidrométrica o de rechazar la información de la estación analizada (Salas,
Delleur, Yevjevich, & Lane, 1980).
Es relevante realizar un análisis cualitativo de las estaciones hidrométricas, en el cual se
distingan aquellas que son útiles por medio de una revisión visual, con lo cual se pueden distinguir
valores extremos y puntos inusuales en las series de escurrimiento, estos valores pueden ser
comparados con los registros de la estación meteorológica más cercana, para poder determinar su
validez y así mismo conocer la relación que existe entre las series hidrométricas y meteorológicas
(CICESE, 2018), en otro sentido, también es importante considerar que si dentro de las mediciones
se encuentra una anomalía que se sabe cómo inexistente, puede eliminarse para mejorar las series de
datos.
Con esta revisión visual, también se debe tomar en cuenta la tendencia que tiene la serie
histórica (Campos Aranda, 2007), donde podemos determinar características en la serie, como
saltos, periodicidad y/o la supuesta existencia de obras de toma, entre otros, los cuales pueden
determinar desde que punto una estación dejó de encontrarse a régimen natural y paso a encontrarse
en régimen alterado.
Una vez que se tienen las estaciones que se utilizarán en las simulaciones, se deben obtener las
características físicas y geomorfológicas en de cada cuenca generada, tales como:
• Área de la cuenca
• Coeficiente de escurrimiento (CONAGUA, 2015)
• Pendiente media de la cuenca
• Precipitación
• Precipitación que escurre
También se hace la consideración según su ubicación hidrográfica, haciendo énfasis en la
cuenca y subcuenca en donde se encuentra.
En el presente artículo solo se consideran algunos parámetros que pueden ser utilizados, sin
embargo, pueden considerarse los que se crean convenientes (más o menos de los que se presentan)
considerando la información base que se tiene en la zona en estudio.
Con base a de todas estas características, podemos determinar la similitud que presentan entre
ellas, lo cual nos da la pauta para realizar las consideraciones necesarias para compararlas y
nombrarlas como hermanas, este proceso se logra al ponderar cada particularidad considerada.

Coeficiente de escurrimiento
Para obtener el coeficiente de escurrimiento, se debe conocer el valor de K, que se obtiene en

función del tipo y uso del suelo, por lo que, se debe clasificar el área de la cuenca en tres diferentes
tipos de suelo, como son A (permeables), B (medianamente permeables) y C (suelos casi
impermeables), los cuales se especifican en la tabla 1; generalmente se tiene que en una misma
cuenca se encuentran diferentes tipos y usos de suelo, por lo que el valor de K se calcula como la
resultan de de subdividir la cuenca en zonas homogéneas y obtener el promedio ponderado de todas
ellas (CONAGUA, 2015).
Tabla 1.- Valor de K para los diferentes tipos y usos de suelo.

Tipo de Suelo
Uso de Suelo A B C
Barbecho, áreas incultas y desnudas 0 0.28 0.30
.26
Cultivos:
En Hilera 0 0.27 0.30
.24
Legumbres o rotación de pradera 0 0.27 0.30
.24
Granos pequeños 0 0.27 0.30
.24
Pastizal:
% del suelo cubierto o pastoreo
Más del 75% -Poco- 0 0.20 0.28
.14
Del 50 al 75% -Regular- 0 0.24 0.30
.20
Menos del 50% -Excesivo- 0 0.28 0.30
.24
Bosque:
Cubierto más del 75% 0 0.16 0.24
.07
Cubierto del 50 al 75% 0 0.22 0.26
.12
Cubierto del 25 al 50% 0 0.26 0.28
.17
Cubierto menos del 25% 0 0.28 0.30
.22
Zonas Urbanas 0 0.29 0.32
.26
Caminos 0 0.30 0.33
.27
Pradera Permanente 0 0.24 0.30
.18
Una vez que se obtiene el coeficiente K, y, con base al valor del mismo, se obtiene el
coeficiente de escurrimiento anual Ce, el cual se encuentra en función de la precipitación media
anual (P) en la zona, mediante las fórmulas (1 y 2 (CONAGUA, 2015)) siguientes:
Si K ≤ 0.15 [1]

Si K > 0.15 [2]
Considerando que las fórmulas anteriores se consideran válidas para valores de precipitación
media anual entre 350 y 2150 mm (CONAGUA, 2015).
Pendiente media de la cuenca
La pendiente media controla la velocidad con que se dará la escorrentía superficial en dicha
cuenca, en este caso, se obtuvo a través del Sistema de Información Geográfica ArcGis 10.3; el cual
calcula la tasa máxima de cambio del valor de esa celda a sus vecinas. Básicamente, el cambio
máximo en la elevación sobre la distancia entre la celda y sus ocho vecinas (figura 1) identifica el
descenso cuesta abajo más empinado desde la celda, otorgando un valor único para cada celda (0);
por último, se realiza un promedio de todas las celdas de la cuenca, con lo que se obtiene el valor
medio de la pendiente para toda la cuenca.
Figura 1.- Diagrama de distribución de celdas para obtener el valor de la

pendiente en la celda central (0) a partir de las celdas adyacentes (1 -8).
Precipitación que escurre
Para la obtención de la precipitación que escurre (Pe) en la cuenca, se necesita conocer la

precipitación media anual dentro de la misma y el coeficiente de escurrimiento; con estos datos y
aplicando la ecuación 3, se obtiene un valor de Pe único para cada cuenca.
[3]
Transporte de información hidrométrica
Este método se basa en la similitud climática y en las características físicas entre cuencas de una
misma región geográfica o de una gran cuenca hidrográfica. El caso más simple se presenta cuando
el sitio del proyecto está cercano a una estación hidrométrica que se localiza en el mismo cauce, ya
sea agua arriba o aguas abajo; entonces el transporte se realiza por medio de la expresión 4
(Campos Aranda, 2007):
[4]
Donde Vx es el volumen escurrido estimado, Vd es el volumen escurrido conocido de la

estación hidrométrica y Fi es un factor que se genera de la relación entre datos o características de la
cuenca conocidos, como puede ser área, pendiente o coeficiente de escurrimiento.

Es importante recalcar que esta ecuación es recomendable cuando las cuencas no difieren más
de un 30 a un 40%; además puede considerarse cuando la estación de aforos no está en el mismo río
que se aprovecha, pero se encuentra en la misma cuenca hidrográfica (superior) o bien, son
adyacentes, la ecuación anterior aún se considera confiable (Campos Aranda, 2007).
Además, si se requiere obtener un valor de volumen de escurrimiento de alguna cuenca dentro
de la misma región hidrológica, pero no en la misma cuenca, esta puede obtenerse agregando tantos
factores (Fi) como se requieran.
RESULTADOS
Para el presente artículo, se trabajan con 3 estaciones hidrométricas, las cuales consideraremos
como posibles dadoras de información para las cuencas relacionadas con ellas; Como se observa en
la figura 2, las cuencas generadas por las estaciones en estudio 12607, 12764 y 12648 se
encuentran ubicadas dentro de la subcuenca Chapala en la cuenca del Río Santiago Guadalajara.
Figura 2.- Mapa de localización de las cuencas en estudio.
Sin embargo, aunque pertenezcan a la misma región hidrológica, las estaciones no tienen las
mismas características y la cuenca de simulación que pertenece a la estación hidrométrica 12648 no
puede ser utilizada, debido a que el año hidrológico se presenta de forma inversa (figura 3). Así
mismo, en la tabla 2, podemos observar que dicha estación es persistente pero no es homogénea,
por lo que al revisar la figura 3, se observa como en los meses pertenecientes a la época de lluvias
(mayo – noviembre) los volúmenes de escurrimiento en la estación se encuentran por debajo de la
media.

Figura 3.- Volumen medio mensual de la estación hidrométrica 12648.
Tabla 2.- Resultado de las pruebas de consistencia en las estaciones hidrométricas.
Estación Resultado de las pruebas
12607 Homogénea No Persistente

12648 No Homogénea Persistente
12764 Homogénea Persistente
En otro sentido, la cuenca 12764 pasó de ser no persistente a persistente debido a un valor
extremo que fue removido y ahora su volumen medio anual tiene una tendencia adecuada (figura 4)
y la estación 12607 (figura 5), aunque se considera preferible que una estación sea persistente,
puede ser utilizada aunque no lo sea debido a la cantidad de datos con los que cuenta, sin embargo,
debemos de tomar en consideración su estado.

En la tabla 3, se observan las características geomorfológicas de las cuencas generadas por las
estaciones 12607 y 12764, donde podemos determinar que son hermanas, debido a que la
información con la que cuentan es similar y no difieren de más allá del 40%; por otra parte, en la
tabla 4, observamos que las estaciones se encuentran en la misma región hidrológica, sub región
hidrológica, cuenca y subcuenca hidrográfica, con lo cual, de ser necesario, se puede realizar un
traslado de información automático, utilizando únicamente el área de la cuenca, que se presenta en
la tabla 5.
Tabla 3.- Características geomorfológicas de las cuencas 12607 y 12764.
COEFICIENTE
ESTACIÓN PENDIENTE PRECIPITACIÓN PRECIPITACIÓN
K DE
HIDROMÉTRICA (grados) (mm) QUE ESCURRE (mm)
ESCURRIMIENTO
12764 0.298 0.221 2.774 1072.86 237.26
12607 0.284 0.182 4.310 903.25 164.08
Tabla 4.- Ubicación hidrográfica de las cuencas 12607 y 12764.
ESTACIÓN SUBREGIÓN REGIÓN

SUBCUENCA CUENCA
HIDROMÉTRICA HIDROLÓGICA HIDROLÓGICA
12764 BAJO LERMA LERMA SANTIAGO CHAPALA RIO SANTIAGO-GUADALAJARA
12607 BAJO LERMA LERMA SANTIAGO CHAPALA RIO SANTIAGO-GUADALAJARA
Tabla 5.- Áreas y volumen medio anual de las cuencas 12607 y 12764.
VOLUMEN
ESTACIÓN
ÁREA (km2) MEDIO ANUAL
HIDROMÉTRICA
(m3)
12764 126.14 154640
12607 299.21 86881

En este trabajo, se conocen los volúmenes medios de las estaciones 12764 y 12607, por lo que
al determinar que existe similitud entre ambas, se obtiene el valor de escurrimiento medio para la
cuenca 16007 por medio de la ecuación 4, el cual será comparado con el escurrimiento medio
medido en la misma cuenca, para poder determinar que parámetro (Fi) arroja mejores resultados los
cuales se expresan en la tabla 6, con lo que podemos determinar que la ecuación 4 funciona mejor
(en este caso en especial) para el factor Fi obtenido de los datos de pendiente.
Tabla 6.- Comparación entre los resultados de la similitud.
VOLUMEN MEDIO
FACTOR ANUAL OBTENIDO ERROR EN %
(m3)
A 65190 -24.97
Ce 99541 14.57
S 188258 116.68
A * Ce * S 51085 -41.20
BANDAS. (2018). Banco Nacional de Datos de Aguas Superficiales. Obtenido de Conagua:

http://www.conagua.gob.mx/conagua07 /contenido/documentos/portada%20bandas.htm
Campos Aranda, D. F. (2007). Estimación y Aprovechamiento del Escurrimiento. México: UNAM.
CICESE. (2018). CLICOM. Obtenido de Base de Datos Climatológica Nacional: http://clicom-
mex.cicese.mx/mapa.html
CONAGUA. (27 de Marzo de 2015). Norma Oficial Mexicana NOM-011-CONAGUA-2015.
“Conservación del recurso agua, que establece las especificaciones y el método para determinar la
disponibilidad media anual de las aguas nacionales”. D.F., México: Diario Oficial de la Federación.
Riccardi, G. (1997). “La transformación lluvia-caudal en ambientes rurales y urbanos. Los procesos
hidrológicos y el modelado. Rosario, Argentina: Cuadernos de Curiham”.
Salas, J. D., Delleur, J. W., Yevjevich, V., & Lane, W. L. (1980). Applied Modeling of Hydrologic Time
Series. Colorado: Water Resources Publications.

IAHR AIIH
PROPUESTA DE UNA METODOLOGÍA DE ANÁLISIS DISTRIBUIDO DE

LAS NECESIDADES HÍDRICAS PARA EL CULTIVO DE LA CAÑA DE
AZÚCAR EN EL VALLE DEL CAUCA
Arias Arias,Y. *, Zambrano Nájera, J. **

*Estudiante Maestría en Ingeniería – Recursos Hidráulicos Universidad Nacional de Colombia,
yoarias@ingeniomayaguez.com
**Profesora Asociada Universidad Nacional de Colombia, Departamento de Ingeniería Civil,
jdzambranona@unal.edu.co
RESUMEN
En los últimos años debido al aumento de la demanda y las repercusiones del cambio
climático, se ha incrementado la falta de disponibilidad de agua y en periodos secos intensos existen
zonas en las cuales no se alcanzan a cubrir las necesidades hídricas del cultivo de la caña de azúcar
en el Valle del Cauca (Colombia). Dicha disponibilidad depende en gran medida del riego
complementario, ya que las precipitaciones no alcanzan a abastecer las necesidades de agua del
cultivo durante los periodos secos. El objetivo de esta investigación es desarrollar una herramienta
que permita calcular la demanda de agua de forma espacial y semanal, de manera que se pueda
realizar un cálculo de demanda regional más real. La herramienta fue desarrollada en matlab y
permite realizar balances hídricos a nivel predial para el periodo de análisis que se requiera, en este
caso semanal. Se realizó el análisis del impacto en la demanda de la mejora del riego, por medio de
un análisis de sensibilidad de esta, lo que permite concluir que una mejor gestión sobre la eficiencia
del riego puede ser parte de la solución para abastecimiento de la demanda para riego, priorizando
en el análisis los demás usos entre ellos doméstico, ambiental, industrial que se encuentran en la
cuenca y que son de vital importancia social y ambiental.
Palabras clave: Eficiencia de riego, balance hídrico, planificación de recurso hídrico, caña de
azúcar, oferta y demanda hídrica
ABSTRACT
In recent years due to the increase in demand and climate changes, the lack of water
availability has increased and during dry periods there are areas where water needs for sugar cane
irrigation crop were not covered in the Valle del Cauca (Colombia). This water availability depends
to a large extent on the complementary surface irrigation, since precipitations are not enough to
supply crop water needs. The objective of this research is to develop a tool to calculate the water
demand in a spatial and weekly way, thus a more realistic regional demand calculation can be made.
The tool was developed in matlab and allows water balances at the farm level for the period of
analysis required, in this case weekly. The analysis of the impact on the demand for irrigation
improvement was carried out, which allows us to conclude that a better management on irrigation
efficiency can be part of the solution to supply the demand for irrigation, prioritizing in the analysis
the other uses among them domestic, environmental, industrial that are in the basin and that are of
vital social and environmental importance.
Keywords: Irrigation, water balance, water resource planning, sugar cane, water offer and demand.

INTRODUCCIÓN
En el Departamento del Valle del Cauca (Figura 1), Colombia se vienen presentando
conflictos por el uso del agua desde hace algunos años. Estos se atribuyen al incremento de la
demanda, a la disminución de la oferta hídrica superficial y a la falta de gobernabilidad. A su vez
los incrementos en la demanda se presentan porque los cultivos existentes en el Valle tienen
requerimientos de riego suplementarios, y porque otros usos como el doméstico superan las
proyecciones de planificación.
Figura 1.- Cuencas del Valle del Cauca (CVC, 2013)
Con respecto a la demanda el área sembrada en caña de azúcar pasó de 140 mil hectáreas en
1990 a 238 mil hectáreas en 2016 (Asocaña, 2017) y se ha detectado que las precipitaciones no son
suficientes para cubrir las necesidades de agua de la planta, por lo que el riego se ha tomado como
práctica habitual en el 95% del área cultivada en el Valle del Cauca (Torres, 2004).
Adicionalmente a los incrementos de la demanda, la oferta se ha visto reducida
principalmente en los períodos secos del fenómeno del Niño que cada vez han sido más
prolongados y con precipitaciones con tendencia a disminuir. En el Valle del Cauca las fuentes de
abastecimiento están constituidas principalmente por el río Cauca, sus tributarios y por pozos de
aguas subterráneas, sobre las cuales en los últimos años se han producido conflictos por el uso de
agua debido a las grandes presiones hídricas. También se ha constatado que los sistemas de
planificación son muy débiles ya que, aunque se han realizado estudios diagnósticos como el
estudio de balances de agua por cuenca y reglamentaciones de corrientes, por parte de la Autoridad
Ambiental, Corporación Autónoma Regional del Valle del Cauca CVC, no se han planteado
soluciones definitivas con lo que la situación se ha visto agravada.
Por estas razones, este trabajo realiza un análisis espacio-temporal para determinar la
variabilidad de los requerimientos hídricos de la planta, así como de las necesidades de riego, según
la variabilidad climática de la zona.
La situación en que se encuentran las cuencas del Valle del Cauca no es una problemática
nueva, ya que se ha venido presentado en otras cuencas en el mundo, como explican (Falkenmark &
Molden, 2008): “Conforme se desarrollan las sociedades, los recursos hídricos de las cuencas
hidrográficas se usan cada vez más, para fines agrícolas, domésticos e industriales trayendo como
consecuencia, la reducción de la capacidad para cumplir con las crecientes demandas de diversos
sectores e intereses”. Las sociedades pueden adaptarse a esto de diversas maneras: con reasignación
de agua, gestión de la demanda o transferencias entre cuencas como el principal medio de tratar con
el problema. Sin embargo, existen las medidas de "solución rápida", como la explotación de aguas
subterráneas, superficiales mal planificada, o reasignación injusta de agua a los usuarios, trayendo
como consecuencia sobre explotación de las aguas subterráneas, dejando un limitado o nulo caudal
ambiental. Ejemplo de estos casos son los ríos Colorado (U.S.A), Amarillo (China), cuencas del rio
Jordán (Israel), el río Murray-Darling en Australia y el río Indo en la India y Pakistán.
Efectivamente estas soluciones rápidas que también se presentan en la región, son las que se
deben evitar y la propuesta de este trabajo es realizar un análisis de posibles alternativas para una
zona crítica (cuenca del río Bolo), para esto se desarrolló una herramienta que permite realizar un

análisis distribuido de las necesidades hídricas para el cultivo de la caña de azúcar y hacer un
análisis de posibles soluciones para el abastecimiento de agua para esta región.
Área de estudio
El estudio se realiza en las cuencas ubicadas en la margen derecha del río Cauca en el Valle
del Cauca, Colombia. El departamento se encuentra ubicado al Suroccidente del territorio
colombiano, formando así parte de las regiones Andina y Pacífica, contando con una superficie de
22.140 km2, presenta una hidrografía de numerosas corrientes que están conformadas en dos
vertientes que son: la del Pacífico y la del río Cauca. En las partes planas del río Cauca se
encuentran la mayoría de los cultivos de caña de azúcar y otros cultivos como sorgo, soya, café,
plátano, así como ciudades medianas, pueblos y corregimientos, industrias. Por otra parte, en las
partes altas de esta cuenca se encuentra vegetación de páramo.
METODOLOGÍA
Diagnóstico
Inicialmente, se realizó un diagnóstico del balance oferta-demanda de las cuencas de la

margen derecha del río Cauca realizadas de manera agregada, así mismo se evaluaron los planes de
ordenamiento de cuenca y la reglamentación de corriente que es el procedimiento mediante el cual
se distribuye su aprovechamiento de agua, teniendo en cuenta las características biofísicas, sociales
y económicas de su zona de influencia, además de las condiciones actuales y futuras de la oferta y
manejo del agua.
Cálculo de la demanda agrícola
La demanda agrícola se calculó siguiendo la metodología esquematizada en la Figura 2, se

calcula de forma espacial para cada hectárea del cultivo.
Figura 2.- Esquema de metodología planteada para demanda agrícola

La demanda de caña de azúcar se calculó de forma espacial aplicando la ecuación 1
(IDEAM, 2015) en cada hectárea cultivada. Para esto, primero se obtuvo el uso agrícola con la
información de los mapas de Cobertura y uso del suelo, obtenidos de la CVC, en resolución
100x100 m. Adicionalmente, se requieren mapas de Precipitación y Evapotranspiración semanal.
[1]
Donde
Da: requerimiento de agua del cultivo (m3/ha).

10: es el factor que aplica para convertir a m3/ha
lp: duración del periodo de crecimiento
Kc: coeficiente cultivo
ETp: evapotranspiración de referencia potencial
P: precipitación en mm
Ke: coeficiente de escorrentía
Kr: coeficiente de eficiencia de riego
Información inicial y análisis
Para la información de precipitación y evapotranspiración fueron usadas 7 estaciones, las

cuales fueron adquiridas a través de Cenicaña (Centro de investigación de la caña de azúcar) y
CVC. Se realizó un control de la calidad de las series utilizadas y se hizo llenado de datos faltantes
utilizando el software Suemulador (Chica, 2014) basado en las cadenas de Markov.
El coeficiente del cultivo de caña de azúcar (Kc), se obtuvo a partir de reportes de
experimentos realizados por Cenicaña (Cruz Valderrama, 2015), los que indican que, en
condiciones ambientales del Valle del Cauca, la caña de azúcar puede desarrollar valores según la
edad que van desde 0.3 hasta 0.8.
La eficiencia de riego (Kr), en el sector azucarero de Colombia presenta estos rangos: 40-
60% para aplicación de riego por surcos, 60-80% para aspersión con cañones. Adicionalmente, el
volumen de agua para el riego por surcos promedio para el sector es de 1300 m 3/ha (Cruz
Valderrama, 2015). Los métodos de riego por surcos y de riego por aspersión con cañones son los
más usados en el cultivo de la caña de azúcar de la región. El primero se utiliza en el 79% del área y
el segundo en el 21% (Cruz Valderrama, 2015).
El coeficiente para determinar precipitación efectiva en el cultivo de la caña de azúcar (Ke)
es alrededor del 80% en precipitaciones entre el 1-12 mm y del 90% en precipitaciones superiores al
12mm (Cruz Valderrama, 2015). Se asume para el cálculo de la demanda un 85% de precipitación
efectiva.
Preproceso
La información de precipitación y evaporación fue representada espacialmente, en ArcGis
de forma semanal obteniendo 52 mapas de cada variable climática, por el método interpolación
mediante distancia inversa ponderada IDW, que determina los valores de celda a través de una
combinación ponderada linealmente de un conjunto de estaciones.
Para generar los mapas de edad de la caña, que modifica la variable Kc se adjudicó un
atributo por polígono según la distribución teórica de edad de la caña como se puede observar en la
Figura 3.

Figura 3. -Distribución espacial de área por edad
Para espacializar los datos de Kr se adjudicó un atributo según los porcentajes de área de
cada sistema de riego (ver Figura 4).
Figura 4. Distribución espacial simulado sistemas eficiencia de sistemas de riego
Herramienta en Matlab
Finalmente, se diseñó en Matlab (una herramienta de cálculo de la demanda, para las 52
semanas del año con datos medios, utilizando los mapas antes citados (en forma de matrices en
ascci). El programa realiza automáticamente el cálculo indicado en la ecuación 1, celda por celda lo
que corresponde a una hectárea, a partir del cual se obtienen salidas gráficas de demanda en cada
semana y se genera un archivo de la sumatoria de las demandas por tipo de cultivo (en este caso
caña de azúcar) y por periodos.
Análisis de sensibilidad
Se construyeron tres escenarios de eficiencias de riego, para evaluar su impacto sobre los
requerimientos de agua en el cultivo de la siguiente manera:
Tabla 1.- Escenarios simulados para diferentes áreas con eficiencia de riego
Escenarios ESCENARIO 1 ESCENARIO 2 ESCENARIO 3
Área según eficiencia de Área bajo Área bajo Área bajo
Eficiencia Eficiencia Eficiencia
riego riego riego riego
Riego por aspersión 4027 0.70 4027 0.70
Sistemas de riegos
0 0 4821 0.81 19405 0.81
tecnificados
Riego por surcos 15378 0.50 10557 0.50 0 0
Área Total 19405 19405 19405

RESULTADOS
Diagnóstico
Como se puede observar en la Figura 5 y la Figura 6 el uso del suelo del río Bolo indica que
el 46% del área de la cuenca se encuentra en cultivos de caña de azúcar, como el cultivo requiere
riego para su establecimiento representa la demanda de agua predominante en la cuenca, por tanto
el análisis del estudio se enfocó en la demanda de caña de azúcar.
Figura 5.- Plano de uso del suelo cuenca río Bolo
Figura 6. - Porcentaje uso del suelo cuenca río Bolo
Para realizar el cálculo de demanda primero se obtuvo el uso agrícola con la información de
los mapas de cobertura y uso del suelo obtenidos en resolución 100 x 100m. Adicionalmente, se
requieren mapas de precipitación y evapotranspiración semanal obtenidos mediante la red de
estaciones hidrometeorológicas de la CVC y Cenicaña.
Con la información secundaria se estableció que la cuenca del río Bolo, se encuentra entre
las zonas que deben tener prioridades de intervención, debido a la baja disponibilidad de agua en
periodos secos. La cuenca hidrológica del río Bolo tiene 43.736,52 hectáreas tiene periodos no
abastecidos más específicamente los meses de julio y agosto.

La cuenca del río Bolo presenta para el mes de julio el balance negativo más crítico (-69,6
mm) de todas las cuencas analizadas, igual ocurre para el mes de agosto con un balance de -95,9mm
(ver Figura 7). Adicionalmente es una de las cuencas con IAU (índice de agua superficial) críticos
en la zona (ver Tabla 2).
Figura 7.- Balance oferta demanda cuencas analizadas con información secundaria
Tabla 2- Resumen IAU por cuenca

Cuenca IE (anual) % Valoración Cuenca IE (anual) % Valoración
Las Cañas 425.4 Amaime-Nima 78.8
El Cerrito 330 Sonso 73.1
Fraile 165 Desbaratado 69.4 Muy alto
Los Micos 142.5 Guadalajara 56.1
Crítico
Obando 132.1 Guabas 53.1
Sabaletas 131.1 Morales 23.7
Alto
San Pedro 131 La Paila 21.9
Bolo 103.8 Tuluá 11
Moderado
Bugalagrande 10.5
Resultados del modelo en matlab
Se trabajó con registros del año 2013 por ser un año neutro no afectado por fenómeno de La
Niña o El Niño para ver el comportamiento normal, en la cuenca del río Bolo. Los resultados de la
herramienta se encuentran en las salidas gráficas de la figura 8 donde se observa el cambio de
comportamiento de los requerimientos de agua al cabo de 10 semanas, las celdas más rojas
representan las áreas de mayor demanda de agua mientras las celdas azules muestran las áreas que
no tienen requerimiento hídrico o tienen superávit. La variabilidad que se observa en los mapas para
cada celda se debe a la generación de precipitación y evaporación con el método IDW, donde cada
celda (1 ha) tiene la información de varias estaciones, diferente si hubiera usado el método de
polígonos de Thiessen ampliamente utilizado por los agricultores, donde la información espacial
por celda es utilizada de una sola estación.

Figura 8. - Resultados gráficos de la herramienta de modelación, para las demandas de caña de azúcar de la
zona de estudio para diferentes semanas de análisis
La herramienta calcula la demanda según la ecuación 1, en metros cúbicos (m3) y arroja un

archivo plano que puede trabajarse en SIG o en Excel, que permite realizar cálculos y análisis como
la gráfica de la ¡Error! No se encuentra el origen de la referencia. (demanda positiva y superávit
negativa). En dicha figura se observa la variación mensual y semanal, por ejemplo el mes de marzo,
es un mes regularmente lo presentan como mes sin requerimiento de riego, se observa sin embargo
que entre las semanas 10 y parte de la semana 11 se tiene requerimiento de riego, así mismo se
logra observar este mismo caso en las semanas 42, 45, 46, 50, 51.
Mostrando así que el análisis a escala semanal es más preciso al momento de realizar un
análisis de requerimiento de riego, pues la escala mensual puede registrar resultados no apropiados.

E &
ϭ Ϯ ϯ ϰ ϱ ϲ ϳ ϴ ϵ
ϱϮϰϬϳϬϬ ϴϵϱϲϰϬϬ ϱϴϯϭϯϬϬ ϮϭϵϰϴϬϬ ϮϳϱϴϭϬϬ ͲϮϭϱϬϬϬϬ ϵϱϲϰϳϬ ϱϱϴϮϵϬϬ ϰϲϲϮϴϬϬ
DZ Z
ϭϬ ϭϭ ϭϮ ϭϯ ϭϰ ϭϱ ϭϲ ϭϳ ϭϴ
ϯϯϮϴϵϬϬ ͲϱϮϬϵϴϬ ͲϳϱϬϰϴϬϬ ϱϯϱϯϰϬϬ ϭϯϮϴϭϬϬ ϱϴϴϰϭϬϬ ͲϭϲϱϭϬϬϬϬ ͲϰϴϱϵϮϬϬ ͲϭϮϵϲϴϬϬϬ
Dz :hE
ϭϵ ϮϬ Ϯϭ ϮϮ Ϯϯ Ϯϰ Ϯϱ Ϯϲ Ϯϳ
ͲϭϬϭϮϱϬϬ ϭϴϮϴϯϬϬ ͲϭϬϱϴϲϬϬϬ ͲϭϬϳϳϭϬϬϬ ϵϯϲϲϯϬϬ ϯϯϵϱϴϬϬ ϭϬϮϵϬϬϬϬ ϭϬϰϯϱϬϬϬ ϴϮϳϬϰϬϬ
:h> 'K
Ϯϴ Ϯϵ ϯϬ ϯϭ ϯϮ ϯϯ ϯϰ ϯϱ ϯϲ
ϲϴϵϮϵϬϬ ϴϳϴϱϴϬϬ ϴϭϱϯϱϬϬ ϴϴϰϲϯϬϬ ͲϮϴϳϲϭϬϬ ϭϴϳϬϬϬϬ ϵϰϮϮϱϬϬ ϳϭϳϲϱϬϬ ϭϬϭϯϳϬϬϬ
^W Kd
ϯϳ ϯϴ ϯϵ ϰϬ ϰϭ ϰϮ ϰϯ ϰϰ
ͲϭϱϳϭϲϬ ϴϵϰϵϮϬϬ ϲϰϮϭϳϬϬ ϮϱϯϱϵϬϬ ͲϮϱϱϵϭϬϬ ͲϴϳϭϬϮϬϬ ϯϭϲϴϮϬϬ ͲϰϴϴϲϲϬϬ
EKs /
ϰϱ ϰϲ ϰϳ ϰϴ ϰϵ ϱϬ ϱϭ ϱϮ
ϱϵϭϭϬϬϬ ϰϭϮϵϮϬϬ ͲϴϰϴϳϲϬϬ ͲϵϭϵϬϱϬ ͲϳϯϱϰϰϬϬ ϱϯϮϬϭϬϬ ϱϬϱϰϲϬϬ ͲϲϬϲϳϱϬϬ
Figura 9. -Demanda semanal
Análisis de sensibilidad
- Variación de eficiencias de riego
Para poder realizar un análisis del impacto de la variación de la eficiencia de riego observando la
oferta disponible en la cuenca del río Bolo, se utilizaron los cálculos de oferta superficial y
subterránea disponible para agricultura, priorizando primero los usos doméstico, industrial, pecuario
y ambiental, realizados por la autoridad ambiental en el balance hídrico de la cuenca del río Bolo
(CVC) para el 2017, y se realizó un balance oferta demanda para cada escenario.

Escenario1. Actual. Este escenario corresponde a las condiciones actuales en la cuenca, se presenta
el déficit en los meses de enero, febrero junio, julio agosto y septiembre (Ver Tabla 3), solo
abasteciéndose con las aguas superficiales. Al incluir las aguas subterráneas el déficit continúa en
menor proporción para todos los meses mencionados, menos para febrero y diciembre (Tabla 4).
Escenario 2. 50% riego gravedad, 50% aspersión, 50% tecnificado Se observa disminución en
el déficit de los meses enero – febrero y de junio a septiembre hasta de un 30%, considerando oferta
superficial (Tabla 3), y de hasta el 60% considerando aguas subterráneas (Tabla 4). Aún así, no se
alcanza abastecer el requerimiento usando las aguas subterráneas. El mayor impacto se produce
para el mes de diciembre donde se logra una gran reducción del déficit.
Escenario 3. 100% riego tecnificado. Para este escenario se encuentra que se reduce
considerablemente el déficit en el balance con aguas superficiales, logrando una disminución de
hasta el 139% para los mismos meses del escenario 2 y en el balance con aguas subterráneas se
alcanzaría a satisfacer totalmente la demanda.
Tabla 3. -Balance hídrico (mm) considerando solamente oferta hídrica superficial, para los tres escenarios de
eficiencia de riego considerados
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Oferta
26.80 25.10
superficial 27.30 23.20 27.40 30.00 32.60 22.00 18.20 22.10 32.30 37.80
Demanda 110.2 113.5

39.94 8.76 - - 184.23 144.18 78.31 - - 42.25
Escenario 1 2 2
Balance
-82.9 -16.7 18.6 30.0 32.6 -157.4 -119.1 -91.5 -60.1 22.1 32.3 -4.4
Escenario 1
Demanda
91.87 36.97 15.47 - - 147.07 115.86 94.06 68.97 - - 33.63
Escenario 2
Balance
-64.6 -13.8 11.9 30.0 32.6 -120.3 -90.8 -72.1 -50.8 22.1 32.3 4.2
Escenario 2
-
Variación Esc2-
-23% -23% -30% -24% -25% -22% -17% 2691
Esc1 %
Demanda
67.14 25.91 6.30 - - 47.59 39.73 13.35 - - - 24.70
Escenario 3
Balance
-39.8 -2.7 21.1 30.0 32.6 -20.8 -14.6 8.7 18.2 22.1 32.3 13.1
Escenario 3
-
Variación Esc3- - - -
-54% 11% -89% -91% 5481
Esc1 110% 114% 139%
%
Tabla 4.- Balance hídrico (mm) considerando oferta hídrica superficial y subterránea, para los tres escenarios
de eficiencia de riego considerados
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Oferta
27.30 26.80 25.10 22.00 18.20 22.10 32.30 37.80
superficial 23.20 27.40 30.00 32.60
Oferta
42.50 38.40 42.50 41.10 42.50 41.10 42.50 42.50 41.10 42.5 41.10 42.50
subterránea
Total oferta 69.80 67.90 67.60 64.50 59.30 64.60 73.40 80.30
61.60 69.90 71.10 75.10

Demanda
110.22 8.76 - - 184.23 113.52 78.31 - - 42.25
Esc1 39.94 144.18
Balance total
-40.4 21.7 61.1 71.1 75.1 -116.3 -76.6 -49.0 -19.0 64.6 73.4 38.1
Esc1
Demanda
91.87 36.97 15.47 - - 147.07 115.86 94.06 68.97 - - 33.63
Esc.2
Balance total
-22.1 24.6 54.4 71.1 75.1 -79.2 -48.3 -29.6 -9.7 64.6 73.4 46.7
Esc. 2
Variación
-50% 12% -10% -33% -39% -43% -61% 20%
Esc2-Esc1
Demanda
67.14 25.91 6.30 - - 47.59 39.73 13.35 - - - 24.70
Esc.3
Balance total
2.7 35.7 63.6 71.1 75.1 20.3 27.9 51.2 59.3 64.6 73.4 55.6
Esc. 3
Variación
-118% 55% 4% -122% -144% -222% -510% 42%
Esc3-Esc1
CONCLUSIONES
 Esta metodología permite simular la edad de los cultivos de caña y modificar considerando
escenarios más cercanos a la realidad.
 La herramienta permite tener un cálculo de la demanda de agua para la caña de azúcar que
es el cultivo predominante en la cuenca, lo más preciso posible teniendo en cuenta la
variabilidad de la edad y de la eficiencia de riego, lo que permite evaluar la gestión en las
eficiencias de los sistemas de irrigación.
 Es una herramienta de planificación, que en el estudio se está realizando para una cuenca,
pero que puede realizarse a escala predial, para la selección de sistemas de riego según
disponibilidad de las de fuentes de agua, para evaluar cumplimientos ambientales, fuentes
alternas de agua y turnos de riego.
 Esta herramienta permite realizar análisis de las épocas críticas, discriminándolas por cada
semana. Además, permite realizar el análisis de las zonas con dificultades de
abastecimiento por precipitación, es decir de aquellas zonas de cultivos de caña con déficits
o superávits de humedad.
 Si bien es necesario hacer un análisis costo beneficio del incremento de las eficiencias de
riego, y que el escenario planteado sería un ideal ya que no todas las tecnologías de riego
son aplicables a todos los terrenos, tener herramientas de este tipo, representan un apoyo
para analizar y e buscar otras alternativas de abastecimiento de agua u otras acciones.
 Es importante que los agricultores como usuarios principales del recurso hídrico participen
de una forma propositiva en las inquietudes y propuestas de soluciones regionales de la
planificación del agua y se puedan hacer análisis futuros para de inversión a medio y largo
plazo, teniendo en cuenta que la sostenibilidad del recurso hídrico repercute directamente en
la factibilidad técnica, ecológica, y social de la caña de azúcar.

Asocaña. (2017). “Desempeño de la Agroindustria de la caña en Colombia 2016 – 2017”. Cali: Obtenido de
http://www.asocana.org/modules/documentos/9353.aspx.
Chica, H. P. (2014). “SueMulador: Herramienta para la Simulación de Datos Faltantes en Series Climáticas
Diarias de Zonas Ecuatoriales”. Revista Facultad Nacional de Agronomía, 67(2), 7365-7373.
Obtenido de https:/de https://revistas.unal.edu.co/index.php/refame/article/view/44179/45464.
Corporación autónoma reginal del Valle del Cauca (CVC). (2017). Balance oferta – demanda de agua
cuenca del rio bolo. Cali.
Cruz Valderrama, J. R. (2015). Manejo eficiente del riego en el cultivo de la caña de azúcar en el valle
geografico del río cauca. Cali, colombia.
Falkenmark, M., & Molden, D. (2008). “Wake Up to Realities of River Basin Closure. International
Journal of Water Resources Development”, 24(2), 201-215
IDEAM. (Mayo de 2015). Estudio Nacional del Agua 2014. 486 págs. . Bogota: Obtenido de
http://documentacion.ideam.gov.co/openbiblio/bvirtual/023080/ENA_2014.pdf.
Torres, J. C. (2004). Avances técnicos para la programación y el manejo del riego en caña de azúcar. Cali:
Cenicaña.

IAHR AIIH
OBTENCIÓN DEL RECURSO HÍDRICO SUPERFICIAL EN LA ZONA DEL

BOSQUE LA PRIMAVERA, MÉXICO
María del Mar Navarro Farfán1, Sonia Tatiana Sánchez Quispe2, Mario Alberto Hernández
Hernández3, Daniel Rodriguez Licea4, Marco Antonio Martínez Cinco5
(1)(2)(3)(4)(5) Universidad Michoacana de San Nicolás de Hidalgo, Av. Francisco J. Mújica S/N, Morelia, México.
(1) mar.farfan@hotmail.com.
RESUMEN:
Para poder aprovechar al máximo los recursos que la naturaleza nos proporciona, debemos
realizar estudios que indiquen la capacidad que tiene una zona para poder aprovecharla sin
comprometer las propias necesidades del sistema.
La gestión de datos es una de las etapas más importantes en la moderación del recurso hídrico
superficial; sin embargo, resulta interesante que en muchas ocasiones la gestión de datos se destina
únicamente a los valores climatológicos presentes en la zona, y son despreciados en esta etapa las
series de volúmenes de escurrimiento provenientes de las estaciones hidrométricas.
En el caso particular del bosque La Primavera, México, se obtiene la disponibilidad hídrica
superficial de una de sus cuencas por medio del software WEAP, el cual arroja valores similares a
los observados en la estación hidrométrica con la cual se calibra el modelo; cabe destacar que esta
estación fue revisada para demostrar que los volúmenes de escurrimiento fueran correctos.
ABSTRACT:
In order to take full advantage of the resources that nature provides us, we must carry out
studies that indicate the capacity of an area to take advantage of it without compromising the system's
own needs.
Data management is one of the most important stages in the moderation of surface water
resources; however, it's interesting that in many cases data management is only aimed at the
climatological values present in the area, and the series of runoff volumes from hydrometric stations
are neglected at this stage.
In the particular case of the La Primavera forest, Mexico, the surface water availability of one
of its basins is obtained by means of the WEAP software, which gives values similar to those observed
in the hydrometric station with which the model is calibrated; it should be noted that this station was
revised to demonstrate that the runoff volumes are correct.
PALABRAS CLAVES: recurso hídrico; modelación; WEAP; disponibilidad.

INTRODUCCIÓN
Ante la problemática de la sobreexplotación de acuíferos en México, así como en el estado de

Jalisco, la evaluación del recurso hídrico es un aspecto fundamental para la planificación y gestión
del agua a nivel de cuenca y sistemas de captación.
Para poder aprovechar de manera sustentable y responsable los recursos que la naturaleza nos
proporciona, debemos conocer el comportamiento de los mismos para poder tomar decisiones
coherentes, que optimicen dicho aprovechamiento. Ante ello, nace la necesidad de obtener estudios
hídricos que permitan conocer el estado de la disponibilidad superficial; para tener un servicio
sustentable en un área de protección de flora y fauna, debe de considerarse que la sustentabilidad de
los recursos de la zona (CONANP, 2000). El bosque La Primavera se localiza al centro del estado de
Jalisco, al oeste de la zona metropolitana de Guadalajara.
En la figura 1, se localiza la cuenca en estudio generada para la estación hidrométrica 14017,
la cual tiene un área de 3233 km2.
Figura 1.- Mapa de localización geográfica de la cuenca en estudio.
Se puede afirmar que los modelos hidrológicos son representaciones simplificadas, a partir de
los cuales es posible estudiar la relación causa-efecto de la precipitación sobre una cuenca (Navarro,
2017). Lo anterior es útil en la comprensión de procesos físicos, ecológicos e hidrológicos que tienen
lugar dentro de una zona en específico, generalmente representada por una cuenca, en cuyo punto de
salida se encuentre una estación hidrométrica (con registros de caudales aforados para un periodo de
años suficientemente largo). En dichos modelos, se puede simular el proceso precipitación-aportación
para un determinado periodo de tiempo, para lo cual se requiere contar con algunos componentes del
ciclo hidrológico (tales como precipitación, temperatura y evapotranspiración). Estos modelos
hidrológicos arrojan resultados de escorrentía de una cuenca, que pueden representarse tanto
mensuales como anuales que son comparados con los volúmenes circulantes registrados en una
estación hidrométrica, considerando el mismo periodo de tiempo para la comparación.

METODOLOGÍA
La gestión de datos es una parte importante en el trabajo, ya que si no se cuenta con series de
datos adecuadas tanto meteorológicos como hidrométricos, se estará introduciendo un error debido
a los datos usados. Para evitar este tipo de error, se requiere realizar pruebas de homogeneidad (como
son Secuencias y Helmert), así como comprobar su independencia (mediante un correlograma y
límites de Anderson) (Merlos, 2014). La primera prueba se cumple si todos los valores que conforman
la muestra provienen estadísticamente de una misma población; de la misma forma; la segunda prueba
implica que la probabilidad de ocurrencia de cualquier dato no depende de la ocurrencia de algún otro
valor procedente (Salas, 1980).
Así mismo, deben realizarse pruebas de independencia y persistencia para las estaciones
hidrométricas, además de buscar inconsistencias en la relación lluvia – escurrimiento del periodo del
que se tiene datos (aquellos con los que se calibrará el modelo de WEAP), de tal forma que podamos
determinar si dicha estación hidrométrica es apta o no para su utilización.
Por otro lado, para la selección de estaciones meteorológicas con que se trabajará, se deben
conocer las características espaciales propias de la cuenca (como son longitud y latitud), así como las
características de los datos de la estación (con lo cual se pueden obtener los años, tanto en servicio
como efectivos), así como el porcentaje de datos vacíos que se presentan en las series de cada estación
seleccionada.
Para las características geomorfológicas de la zona de estudio se utilizan datos vectoriales y
cartas geológicas realizados por la CONABIO (2017) y el Servicio Geológico Mexicano, las cuales
fueron tratadas en el sistema de información geográfica ArcGis.
La modelación superficial de la zona de estudio se realiza por medio del software WEAP; el
cual, es una herramienta de modelación para la planificación y distribución de agua que puede ser
aplicada a diferentes escalas, desde pequeñas zonas de captación hasta extensas cuencas.
En general, este modelo hidrológico es espacialmente continuo con un área de estudio
configurado como un set de subcuencas contiguas que cubren toda la extensión de la cuenca de
análisis; además de un set homogéneo de datos climáticos (precipitación, temperatura, humedad
relativa y velocidad del viento) es utilizado en cada una de estas subcuencas, que se encuentran
divididas en diferentes tipos de cobertura o uso de suelo (Stockholm Environment Institute, 2009).
Este software emplea el método de Soil Moistured Method; el cual es un modelo físico
unidimensional , que funciona por medio de dos “tanques” los cuales distribuyen el agua que ingresa
al sistema para cada tipo de cobertura o uso de suelo en 6 fases, escurrimiento superficial,
escurrimiento subsuperficial, infiltración, evaporación, percolación y flujo base.
El método es aplicable a la zona discretizada; cada parte de esto representa la j-ésima parte
del todo y, se calcula para cada parte en particular como se muestra en la ecuación 1:
2
𝑑𝑑𝑑𝑑1,𝑗𝑗 5𝑧𝑧1,𝑗𝑗 − 2𝑧𝑧1,𝑗𝑗 𝑅𝑅𝑅𝑅𝑅𝑅
𝑅𝑅𝑅𝑅𝑗𝑗 = 𝑃𝑃𝑒𝑒 (𝑡𝑡) − 𝑃𝑃𝑃𝑃𝑃𝑃(𝑡𝑡)𝑘𝑘𝑐𝑐,𝑗𝑗 cual (𝑡𝑡) ( ) − 𝑃𝑃𝑒𝑒 (𝑡𝑡)𝑧𝑧1,𝑗𝑗 𝑗𝑗 [1]
𝑑𝑑𝑡𝑡 3
2 2
− 𝑓𝑓𝑗𝑗 𝑘𝑘𝑠𝑠,𝑗𝑗 𝑧𝑧1,𝑗𝑗 − (1 − 𝑓𝑓𝑗𝑗 )𝑘𝑘𝑠𝑠,𝑗𝑗 𝑧𝑧1,𝑗𝑗
Donde: Rd es el almacenamiento efectivo, la Pe representa la precipitación que escurre, PET

es la evapotranspiración potencial y Kc es el coeficiente de desarrollo; z1 se considera como el
almacenamiento relativo en el tanque 1, RRF es el factor de resistencia al escurrimiento, f es el
coeficiente de partición y Ks es la conductividad saturada.

RESULTADOS
Como primer punto, resulta interesante mencionar que para poder realizar la modelación
superficial, se revisa la estación hidrométrica 14017, la cual presenta un problema en los meses julio
y agosto, ya que tiene volúmenes de escurrimiento altos, los cuales no son coherentes con respecto a
las precipitaciones de los mismos meses en la estación meteorológica más cercana.
Como se observa en la tabla 1 y 2 y las figuras 2 y 3, los valores que fueron eliminados bajan
las medias mensuales en esos meses y entonces, se considera que la estación ya tiene valores
adecuados para poder ser utilizada como la comparación de la similitud hidrológica por medio del
método WEAP.
Figura 2.- Volumen medio anual de la estación hidromérica 14017, tomando en cuenta los valores
anormales que se presentan.
Tabla 1.- Valores de los volúmenes medios (hm3), considerando las anomalías en los meses
julio y agosto.
VOLUMEN
MES
(HM3)
ENERO 1.83
FEBRERO 1.76
MARZO 1.62
ABRIL 0.71
MAYO 1.06
JUNIO 12.44
JULIO 285.90
AGOSTO 126.70
SEPTIEMBRE 40.83
OCTUBRE 16.07
NOVIEMBRE 2.16
DICIEMBRE 2.14

Figura 3.- Volumen medio anual de la estación hidromérica 14017, después de la eliminación de
valores anormales.
Tabla 2.- Valores de los volúmenes medios (hm3), eliminando las anomalías en los meses
julio y agosto.
VOLUMEN
MES
(HM3)
ENERO 1.83
FEBRERO 1.76
MARZO 1.62
ABRIL 0.71
MAYO 1.06
JUNIO 12.44
JULIO 43.56
AGOSTO 41.09
SEPTIEMBRE 40.83
OCTUBRE 16.07
NOVIEMBRE 2.16
DICIEMBRE 2.14
Cabe destacar que los valores eliminados en los meses de julio y agosto eran volúmenes de
aproximadamente 6000 hm3 por mes, valores atípicos no periódicos.
El modelo, utilizando la base de datos que tiene integrada el software, obtiene la relación
existente entre los diferentes usos de suelo que se presentan en la cuenca, ya que, recordando el Soil
Moisture Method, se debe discretizar la zona en estudio con base a los usos del suelo, con lo que se
obtienen los valores presentados en la tabla 3 y graficados en la figura 4.

Tabla 3.- Tipos de uso de suelo presentes en el área de estudio, en porcentaje.
USO DE
ÁREA (%)
SUELO
Agrícola 41.75
Desnudo 2.70
Urbano 0.99
Bosque 17.57
Agua 1.65
Matorral 26.00
Pastizal 1.53
Selva 4.04
Otros 3.78
Figura 4.- Área de los diferentes usos de suela en la cuenca perteneciente a la estación 14017.
De acuerdo con la simulación realizada se tienen varias observaciones.

Al tomar en cuenta la figura 5, donde se muestra la serie mensual a lo largo de todo el periodo
histórico (1994 – 2013) se distingue que la tendencia es adecuada y que se representan los valores
extremos (tanto escurrimientos máximos como mínimos).
Figura 5.- Serie mensual de la simulación.

Se observa en la figura 6 que el comportamiento que muestran los volúmenes medios
mensuales coinciden con los observados; sin embargo, es importante considerar que los datos
simulados se encuentran por debajo de los valores observados en la estación hidrométrica en los
meses de julio a septiembre.
Figura 6.- Volumen medio mensual.
En la figura 7, existe un cambio considerable entre los volúmenes observados y simulados,

donde el comportamiento no logra seguir la tendencia que debería, sin embargo, la media obtenida
por la simulación con el software WEAP se encuentra 2.01 hm3 por encima de los observados.
Figura 7.- Volúmenes anuales

Con base a los resultados obtenidos de la simulación, se puede considerar el método de Soil
Mosture Method como adecuado al momento de obtener el recurso hídrico superficial en la zona de
estudio.
Cabe destacar que el uso del Soil Moisture Method para una zona en especial no compromete
al modelo para que este pueda ser utilizado en zonas adyacentes; también es necesario comentar que
una buena gestión de datos tanto hidrométricos como meteorológicos son la base para el
funcionamiento adecuado de cualquier modelo de simulación superficial, ya que si los datos de
entrada o los datos de comparación no son correctos, tendremos errores, que pueden ser mitigados al
inicio de la simulación, al estudiar las estaciones con cuidado y revisando que los mismos datos sean
coherentes.
Por otra parte, es importante considerar que esta estación hidrométrica simulada se encuentra
a régimen natural o no alterado, por lo que si dicha estación se encontrara alterada, deberían
considerarse todos los parámetros que alteran el flujo aguas arriba de dicha estación.
CONABIO, (2017), Comisión Nacional para el Conocimiento y el Uso de la Biodiversidad, Available:

http://www. conabio.gob.mx/informacion/gis/.
CONANP, (2000), Comisión Nacional de Áreas Naturales y Protegidas, “Programa De Manejo Area De
Proteccion De Flora Y Fauna La Primavera”, vol. 1, p. 132.
Merlos, F., Sánchez, S. T. y Almanza, J. A. (2014). “Creación de un Sistema de Información Hidrológico
para el Cálculo de Intensidades Máximas y Gestión de Datos Meteorológicos”. XXIII Congreso Nacional de
Hidráulica. México.
Navarro, A., (2017). Conceptos Básicos de Hidrogeología. Instituto Geominero de España.
Salas, J. D., Delleur, J. W., Yevjevich, V., y Lane, W. L. (1980). Applied Modeling of Hydrologic Time
Series. Colorado, USA.WaterResourcesPublications.
Stockholm Environment Institute, (2009), Modelación hidrológica y de recursos hídricos con el modelo
WEAP. Boston.

IAHR AIIH
INDICADORES DE DESEMPEÑO EN LA DISTRIBUCIÓN DE AGUAS

PARA RIEGO EN EL DEPARTAMENTO 25 DE MAYO, PROVINCIA DE
SAN JUAN
Silvia Mérida
Instituto Nacional del Agua, Centro Regional de Aguas Subterráneas; Avda. J.I.de la Roza 125 Este, Piso 3; CP 5400;
San Juan; Argentina Tel. (54 264) 4214826 / Fax (54 264) 4212415
Universidad Nacional de San Juan. Facultad de Ingeniería. Av. Libertador Genera. San Martin 1109 (Oeste), Capital,
San Juan. Argentina
meridasilvia@yahoo.com.ar
RESUMEN:
La medición del desempeño en los sistemas de riego es un instrumento indispensable para el

uso eficiente del agua en la agricultura, cuando se considera que el desempeño no es satisfactorio,
se puede definir las razones y tomar medidas correctivas. Además, son útiles en los procesos de
planificación y constituyen las herramientas adecuadas para medir la diferencia entre el desempeño
real y potencial.
El objetivo del presente trabajo es la aplicación de indicadores técnicos en la distribución,
con el fin de valorar las desviaciones que se cometen en la entrega de aguas atribuidas tanto a
procedimientos de asignación como a las condiciones operativas del sistema administrativo.
La zona de estudio se ubica dentro del Valle del Tulum, correspondiendo a las tierras
servidas por el canal Segunda Sección del departamento 25 de Mayo, cuya elección fue motivada
por ser el área que se encuentra a la cola del sistema de riego de uno de los canales principales de la
provincia, el Canal Ing. Manuel Quiroga.
ABSTRACT:
The measurement of the performance in the irrigation systems is an indispensable

instrument for the efficient use of water in agriculture, when it is considered that the performance is
not satisfactory, the reasons can be defined and corrective measures taken. Also, they are useful in
planning processes and are the right tools to measure the difference between actual and potential
performance.
The objective of this paper is the application of technical indicators in the distribution, in
order to assess the deviations that are committed in the delivery of water attributed both to water
allocation procedures and to the operating conditions of the administrative system.
The study area is located within the Tulum Valley, corresponding to the lands served by the
Second Section channel of the district 25 de Mayo, whose election was motivated by being the area
that is at the tail of the irrigation system of one of the main channels of the province, the Channel
Engineer Manuel Quiroga.
PALABRAS CLAVES: suficiencia; eficiencia; confiabilidad

INTRODUCCIÓN
Las desviaciones que se cometen en la entrega de agua deben atribuirse tanto a

procedimientos de asignación de agua, programa de distribución, como a las condiciones operativas
del sistema administrativo. La evaluación de ambos objetivos debe ser una actividad continuada;
desafortunadamente en la provincia de San Juan los datos necesarios para tales evaluaciones no son
normalmente colectados como actividades de rutina en el funcionamiento del esquema de riego.
Para reflejar la eficiencia relativa de estas cuestiones se definen una serie de estadísticos
denominados indicadores de desempeño, asociados a la razón de flujo entre el agua asignada, la
requerida y la cantidad a distribuir según el plan de entregas establecido por la administración.
Estos indicadores de desempeño podrían definirse como parámetros que permiten la
comparación entre dos o más zonas de riego, estructuras de manejo, trazado físico, etc. y el
diagnostico de cada una, con el objeto de informarnos sobre su estado, para conocer que tan cerca o
lejos se encuentra del desempeño ideal.
Además, se sostiene que los indicadores de desempeño son muy útiles para los procesos de
planificación y constituyen las herramientas adecuadas para medir la diferencia entre desempeño
real y potencial. Permitiendo así instrumentar los programas necesarios para hacer que esa brecha
tienda a anularse.
Los indicadores no deben omitirse en ningún caso ya sea que la administración sea
centralizada o descentralizada mediante organizaciones de usuarios, puesto que estos permiten
conocer y presentar en forma objetiva y sintética los objetivos, resultados y rendimientos prefijados
y/o alcanzados por ellos. Del mismo modo resultan de gran utilidad para la planificación racional y
eficiente de los recursos disponibles, pues permiten el seguimiento en el tiempo y el análisis de las
distintas variables que lo afectan y de los parámetros que las expresan.
Un pequeño número de variables como se dijo: coherentes, consistentes, sistematizables y
comprobables en el tiempo; expresadas como relaciones permiten caracterizar la zona en estudio,
ubicándola en un marco conceptual y comparándola para saber que tan cerca o lejos se encuentra
del desempeño ideal para sus características y condiciones.
Desde la perspectiva de un productor, Molden y Gates (1990) establecen que los mejores
indicadores a aplicar son los siguientes:
 Suficiencia: El agricultor deberá tener la cantidad de agua adecuada para las actividades
agrícolas que tenga programadas para todo un ciclo de cultivo. Esto incluye el agua para
preparación del terreno, la que requiere la planta, hasta para el control de plagas y malezas.
 Eficiencia en la entrega: La conservación del agua como recurso juega un papel importante en
la política de distribución, porque se puede ahorrar agua que podría utilizarse para regar más
superficie. La eficiencia de conducción, la cual indica la cantidad relativa de agua perdida en
los canales, es usada comúnmente para orientar los objetivos de la eficiencia en general. Sin
embargo, otro tipo de pérdida de agua, no relacionada directamente con el concepto de
eficiencia de conducción, es la entrega de agua en cantidades mayores a las requeridas en los
puntos de toma. Un sistema que entrega agua en exceso no conserva el recurso, esta agua
inunda las tierras y causa problemas de salinidad.
 Confiabilidad: La confiabilidad se define como la variación en el tiempo del cociente de la
cantidad entregada, entre la cantidad requerida o programada. Un sistema que entrega agua en
cantidades constantes es un sistema confiable. La confiabilidad es un factor muy importante
para los agricultores porque les permite planear sus actividades. La confiabilidad aquí definida
no toma en cuenta el hecho de que la cantidad entregada sea mayor o menor a la requerida, sino
en la variación de la relación entre ambas. Es decir, un sistema que entrega consistentemente
una cantidad de agua menor que la requerida, sin variación en el tiempo, es preferible a otro
que entrega el agua con variaciones temporales impredecibles. Un agricultor puede planear sus
actividades sobre una cantidad de agua inadecuada pero constante, por ejemplo sembrando
menos o cambiando sus cultivos.

 Equidad en la distribución: Significa que todo productor reciba la misma proporción de agua,
es decir, el mismo porcentaje de déficit o exceso. Si desde el inicio hasta la cola de un canal se
dispone de una proporción igual de agua, se tendría un espíritu de unidad que reduciría
conflictos entre usuarios.
El objetivo del presente trabajo es la aplicación de estos indicadores técnicos en la distribución,
en el Canal Segunda Sección del departamento 25 de Mayo en la provincia de San Juan, con el fin
de valorar las desviaciones que se cometen en la entrega de aguas atribuidas tanto a procedimientos
de asignación como a las condiciones operativas del sistema administrativo y clasificarlos de
manera de definir las características del sistema físico y de su operación.
INFRAESTRUCTURA HIDRÁULICA DEL SISTEMA DE RIEGO
En una zona árida, como San Juan en la Argentina, con menos de 100 mm anuales de
precipitación, el riego es un componente esencial del desarrollo agrario sustentado. La escasez de
agua constituye una importante limitación para el desarrollo agrícola por lo que se hace necesaria la
incorporación y el aprovechamiento de los avances científicos en el diseño y manejo de los sistemas
de riego.
En la provincia, sobre un total de 320.000 hectáreas aptas para la agricultura, solo se
cultivan 90.000 hectáreas, límite impuesto por la disponibilidad del recurso hídrico en el marco del
esquema técnico legal del aprovechamiento actual.
Los caudales del río San Juan son almacenados en embalses y posteriormente derivados
mediante una importante red de canales impermeabilizados, como puede observarse en la figura 1.
Figura 1.- Esquema de Aprovechamiento del Río San Juan.

Los caudales del río San Juan son derivados desde el Dique José Ignacio de la Rosa al Canal
Matriz y luego al partidor San Emiliano donde tienen su origen los canales principales de la red de
riego, Canal Ing. Manuel Gregorio Quiroga (o Norte), Canal Ing. Nazario Benavídez (o Playas) y
Canal Ing. Guillermo Céspedes, hasta un máximo compatible con la capacidad de los canales
principales de la red, descargándose el excedente al río. En la Figura 2 se presenta el esquema
general de distribución del riego.
En cada departamento (conforme a la organización política provincial), la red de riego se
compone generalmente de un canal primario, con toma sobre el canal principal y una red de canales
secundarios y terciarios. Existen departamentos donde no se presenta este esquema, pues la entrada
del agua se realiza por medio de canales secundarios y terciarios, con tomas directas sobre los
canales principales.
La gestión de los sistemas de riego está a cargo del Departamento de Hidráulica de la
provincia creado por ley Provincial N°886, siendo el organismo encargado de aplicar la legislación
del agua y responsable de todos los aspectos administrativos, organizativos, de mantenimiento y
operación del sistema.
La distribución de los caudales en cada departamento es autónoma, diferenciándose dos
tipos de distribución:
 Distribución tendida: es aquella en la que el caudal que ingresa en el departamento se
distribuye, entre todos los canales del mismo.
 Distribución por turnos: el caudal se deriva a grupos de canales dentro del departamento.
Se adopta en general uno u otro según el valor del caudal y de acuerdo a las características
de cada departamento. Pero en líneas generales para caudales bajos, es decir, entre 40 y 50 m3/seg a
distribuir en toda el área bajo riego, se adopta la distribución a turno y para valores superiores,
tendido.
Cada acequia o ramo riega una o más propiedades, y la distribución es realizada por los
usuarios, se turna todo el caudal en un tiempo expresado en horas, función de la superficie de cada
uno. Dentro de las acequias no se realizan aforos. En acequias importantes, de acuerdo a la
magnitud de los derechos, se efectúan, en la cabecera, reparticiones con partidores libres.
El departamento 25 de Mayo, como se observa en la figura 2, consta de tres secciones de
riego:
Primera Sección de riego entre Calle Divisoria y Calle 3: consta de un canal secundario que
va por calle Divisoria, desde la calle 16 a la 26, con un sentido de circulación del agua de oeste a
este y tiene una longitud de 8.750 m llevando un caudal que alimenta a 4.333 has. Este canal
secundario alimenta a los terciarios que van de calle 17 a la 25, los que corren de norte a sur desde
calle Divisoria a calle 3, con longitudes de 3.750m. Todo el recorrido tiene un total de 67
compuertas.
Segunda Sección de riego entre Calle 4 y Calle 7: consta de un canal secundario que va por
calle 4, desde la calle 16 a la 25, con un sentido de circulación del agua de oeste a este y tiene una
longitud de 8.750 m llevando un caudal que alimenta a 4.464 has. Este canal secundario alimenta a
los terciarios que van de calle 17 a la 25, los que corren de norte a sur desde calle 4 a calle 7, con
longitudes de 3.710m. Todo el recorrido tiene un total de 57 compuertas.
Tercera Sección de riego entre Calle 8 y Calle 12: consta de un canal secundario que va por
calle 8, desde la calle 16 a la 23, con un sentido de circulación del agua de oeste a este y tiene una
longitud de 12.500 m llevando un caudal que alimenta a 4226 has. Este canal secundario alimenta a
los terciarios que van de calle 17 a la 23, los que corren de norte a sur desde calle 8 a calle 12, con
longitudes de 3.750m. Todo el recorrido tiene un total de 54 compuertas.

ALBARDON
ANGACO
CHIMBAS
RIVADAVIA SANTA LUCIA

CAPITAL SAN MARTIN
CAUCETE
9 DE JULIO
POCITO
RAWSON
25 DE MAYO
SARMIENTO
Figura 2.- Red de riego del Valle del Tulum.
La distribución del agua es por el método de turnado, en el cual la entrega al usuario tiene
una frecuencia de riego de 4 días en un total de 96 horas.
La distribución se hace dividiendo la red de riego en dos sistemas:
 NORTE: formado por la Primera y Tercera Sección y el Canal General 25 de Mayo entre calle
Divisoria y Calle 4
 SUR: formado por la Segunda Sección.
Si hacemos un análisis descriptivo diremos que la distribución dada por turnado, es decir por
un tiempo fijo y repetido a intervalo regulares de tiempo es para la zona un método satisfactorio por
que garantiza la equidad en la distribución pero solo permite cubrir los requerimientos mínimos de
los cultivos. Al ser un sistema rígido de distribución no se pude adaptar a las necesidades de todos

los cultivos y terrenos de la zona donde se aplica, limitando la evapotranspiración real del cultivo y
por lo tanto la producción máxima de los mismos.
El Canal Secundario Segunda Sección va desde el comparto calle 4(que deriva del canal
General 25 de Mayo) a calle 25 tiene una longitud de 11398,00mts de los cuales 8929,00 mts se
desarrollan en sección de hormigón, (desde calle 16 a calle 23) y 2473.00 mts con una sección de
tierra (desde calle 23 a calle 25).
La toma del Canal Segunda Sección sobre el principal, es a través de dos compuertas que se
mantienen en buen estado. Todo lo que es el canal secundario se encuentra revestido y en general
sus tramos se mantienen en buen estado a lo largo del recorrido del canal.
Todas las derivaciones que se encuentran sobre el canal secundario, son a 90° a través de
compuertas que se encuentran en buen estado de mantenimiento en general.
MATERIALES Y METODOS
En este informe, los correspondientes indicadores han podido ser calculados para el tramo
del canal Segunda Sección.
Sobre ese canal se han efectuado para cada una de las compuertas que sirve en el tramo, un
registro sistemático de caudales, en adelante llamados caudales distribuidos, para el periodo
comprendido entre enero y diciembre de 1999, los que figuran en la Tabla 1.
Tabla 1.- Caudales Distribuidos en el Canal Segunda Sección, en litros/seg

Fecha
Compuerta Ramo
8-ene-99 19-ene-99 28-ene-99 12-feb-99 24-feb-99 9-mar-99 17-mar-99 27-mar-99 27-oct-99 30-dic-99
1 Olivares y Otros 114 121 121 121 55 50 80 80 117 258
2 Vizcaino 21 22 22 22 20 14 14 14 32 0
3 Rubio y Otros 21 21 22 22 20 18 0 18 21 0
4 Ramo Sec. Calle 17 425 449 449 456 331 234 275 287 390 350
5 Echeverria y Otros 82 82 82 83 60 52 55 47 61 65
6 Ramo Sec. Calle 18 348 343 322 332 237 191 213 219 300 337
7 Icasa y Cavic 109 107 110 118 102 78 80 85 141 111
8 Planta de Agua Potable 18 20 10 11 0 20 7 22 15 0
9 Ramo Sec. Calle 19 352 352 497 485 306 227 235 255 431 458
10 Peres Mestres 56 61 60 62 48 42 43 42 50 54
11 Ramo Calle 20 416 539 524 525 390 242 261 325 493 580
Como el sistema de distribución de los Departamentos es autónomo, se calcularon los

coeficientes de riego para este canal secundario, mediante la relación caudal entregado al canal y
dotación de riego total del mismo. Con estos valores y la dotación que posee cada compuerta se
estimó el caudal programado para cada una de ellas, que figuran en la Tabla 2.
Tabla 2.- Caudales Programados en el Canal Segunda Sección, en litros/seg

Dotacion de Fecha
Compuerta Ramo
riego ha 8-ene-99 19-ene-99 28-ene-99 12-feb-99 24-feb-99 9-mar-99 17-mar-99 27-mar-99 27-oct-99 30-dic-99
1 Olivares y Otros 117,4575 91,62 96,32 91,62 92,79 68,13 46,98 50,51 46,98 88,09 84,57
2 Vizcaino 31,4651 24,54 25,80 24,54 24,86 18,25 12,59 13,53 12,59 23,60 22,65
3 Rubio y Otros 9,0893 7,09 7,45 7,09 7,18 5,27 3,64 3,91 3,64 6,82 6,54
4 Ramo Sec. Calle 17 487,6046 380,33 399,84 380,33 385,21 282,81 195,04 209,67 195,04 365,70 351,08
5 Echeverria y Otros 138,7151 108,20 113,75 108,20 109,58 80,45 55,49 59,65 55,49 104,04 99,87
6 Ramo Sec. Calle 18 311,9317 243,31 255,78 243,31 246,43 180,92 124,77 134,13 124,77 233,95 224,59
7 Icasa y Cavic 155,9669 121,65 127,89 121,65 123,21 90,46 62,39 67,07 62,39 116,98 112,30
8 Planta de Agua Potable 20,0000 15,60 16,40 15,60 15,80 11,60 8,00 8,60 8,00 15,00 14,40
9 Ramo Sec. Calle 19 544,5924 424,78 446,57 424,78 430,23 315,86 217,84 234,17 217,84 408,44 392,11
10 Peres Mestres 68,1431 53,15 55,88 53,15 53,83 39,52 27,26 29,30 27,26 51,11 49,06
11 Ramo Calle 20 577,1573 450,18 473,27 450,18 455,95 334,75 230,86 248,18 230,86 432,87 415,55
Superficie total de la seccion 2462,1230
Los caudales requeridos, definidos como aquellos caudales mínimos que necesita el
productor para asegurar con una eficiencia dada su producción, y que muestra la Table 3, se
obtuvieron utilizando un programa de planificación y manejo de riego, considerando una eficiencia
de aplicación del 60%, tomando a la zona con monocultivo (vid) y sin considerar agua de lavado de
suelos.

Tabla 3.- Caudales Requeridos en el Canal Segunda Sección, en litros/seg
Fecha
Superficie 8-ene-99 19-ene-99 28-ene-99 12-feb-99 24-feb-99 9-mar-99 17-mar-99 27-mar-99 27-oct-99 30-dic-99
Compuerta Ramo
Cultivada Coeficiente de riego (eficiencia 60%)
0,93 0,93 0,93 0,75 0,75 0,57 0,57 0,57 0,61 0,93
1 Olivares y Otros 49,9400 46,44 46,44 46,44 37,46 37,46 28,47 28,47 28,47 30,46 46,44
2 Vizcaino 14,0000 13,02 13,02 13,02 10,50 10,50 7,98 7,98 7,98 8,54 13,02
3 Rubio y Otros 9,0000 8,37 8,37 8,37 6,75 6,75 5,13 5,13 5,13 5,49 8,37
4 Ramo Sec. Calle 17 325,3500 302,58 302,58 302,58 244,01 244,01 185,45 185,45 185,45 198,46 302,58
5 Echeverria y Otros 26,5000 24,65 24,65 24,65 19,88 19,88 15,11 15,11 15,11 16,17 24,65
6 Ramo Sec. Calle 18 219,7500 204,37 204,37 204,37 164,81 164,81 125,26 125,26 125,26 134,05 204,37
7 Icasa y Cavic 75,0000 69,75 69,75 69,75 56,25 56,25 42,75 42,75 42,75 45,75 69,75
8 Planta de Agua Potable 20,0000 18,60 18,60 18,60 15,00 15,00 11,40 11,40 11,40 12,20 18,60
9 Ramo Sec. Calle 19 172,0700 160,03 160,03 160,03 129,05 129,05 98,08 98,08 98,08 104,96 160,03
10 Peres Mestres 14,0000 13,02 13,02 13,02 10,50 10,50 7,98 7,98 7,98 8,54 13,02
11 Ramo Calle 20 270,4800 251,55 251,55 251,55 202,86 202,86 154,17 154,17 154,17 164,99 251,55
Superficie total de la seccion 1196,0900
Estos caudales se relacionaron determinando el desempeño en la operación del sistema de

distribución mediante la relación caudal distribuido y programado y la eficacia de programación de
la entrega mediante la relación caudal programado y requerido.
El estudio se centró en el cálculo de los índices de Molden y Gates (1990) : Suficiencia, que
da una idea del déficit en la entrega, ecuación [1]; Eficiencia en la entrega, que indica una medida
del exceso en la entrega, ecuación [2]; Confiabilidad, que es una medida de la variación temporal
del error en la entrega, respecto al espacio, ecuación [3] y Equidad, que es la variación espacial del
error en la entrega, en el periodo considerado, ecuación [4].
[1]
[2]
[3]
[4]
siendo:
Cd: cociente entre caudal distribuido y programado o programado y requerido

Cp: cociente entre caudal programado y distribuido o requerido y programado
N: número total de desviaciones en las que el caudal distribuido es menor que el programado.
M: número total de desviaciones en las que el caudal programado es menor que el distribuido
P: número total de puntos de entrega
T: periodo total de tiempo considerado
Cdm: valor promedio de los cocientes Cd
RESULTADOS
Los resultados obtenidos se muestran en la Tabla 4, junto con la clasificación de los mismos
dada por Molden y Gates (1990).

Tabla 4.- Valores obtenidos de los índices de distribución
Desempeño en la operación Eficiencia en la Programación
Indice Valor Clasificación Valor Clasificación
Suficiencia 0,86 Regular 0,81 Regular
Eficiencia 0,74 Regular 0,65 Pobre
Confiabilidad 0,28 Pobre 0,19 Regular
Equidad 0,57 Pobre 0,56 Pobre
Para entender mejor el índice de confiabilidad se analizaron los coeficientes de variación

temporal para cada compuerta, resultando que dos de ellas, la 3 y 8, dieron valores muy elevado
(0,56 y 0,81), atribuyendo estos a que: en una de ella la entrega se regula con su compuerta y los
caudales son difíciles de definir correctamente y en la otra a que sus requerimientos son muy
variables en el tiempo. Recalculando el indicador sin estas compuertas, dio un valor de 0,19,
mejorando a Regular el desempeño en la operación.
En la entrada las compuertas 1 y 2 cuentan con un coeficiente de variación que las coloca
con una confiabilidad Pobre, el resto de las compuertas en estudio se ubican con una confiabilidad
entre Regular y Buena, lo que tranquiliza el panorama a la hora de evaluar el desempeño en la
operación del sistemas en todas estas áreas consideradas como de mayor incidencia productiva por
sus superficies cultivadas. Seguidamente, este indicador se calculo pero teniendo en cuenta la
relación caudal programado y requerido cuyos valores se muestran en la Tabla 4, en este caso en
todas las compuertas los valores del coeficiente de variación es el mismo. Esto se debe a que los
caudales utilizados se calcularon multiplicando los respectivos coeficientes por las superficies.
Como este indicador estipula la variación en la relación entre caudales en el tiempo, para cada
compuerta la relación de superficies permanece constante, lo que varía es la relación entre
coeficientes de riego, entonces el coeficiente de variación estará midiendo simplemente la
variabilidad en el tiempo del cociente entre ambos coeficientes. Como la razón entre coeficientes es
la misma en el espacio se justifica así el hecho de que todas las compuertas posean el mismo
coeficiente de variación, representativo del conjunto.
Resumiendo decimos que la eficacia de programación en la entrega que se representa como
la relación entre los caudales programados y requeridos, tiene una confiabilidad de 0,19, siendo
clasificada como Regular, según el criterio de Molden y Gates (1990).
La equidad sin tener en cuenta las compuertas 3 y 8 por su baja dotación de riego, dio un
valor de 0,21 para la relación caudal distribuido sobre el programado y 0,43 para la relación caudal
programado sobre el requerido, lo que sigue clasificándola como Pobre y Regular respectivamente.
En un análisis más profundo de este indicador que descartó las mediciones del mes de diciembre, y
la equidad alcanzó la clasificación de Regular, definiendo este mes como un momento de altas
exigencias de agua por parte de la vid y donde se toman decisiones al margen de la correcta
operación.
CONCLUSIONES
Los indicadores calculados permitieron evaluar el desempeño de la zona con una Suficiencia
regular, lo que en otras palabras se entendería como que la humedad del terreno es moderada
cubriendo la necesidad del cultivo y asegurando su buena producción.
Una Eficiencia en la entrega generalizada como Pobre da pautas claras del grado con que el
exceso de agua afecta a las tierras servidas. En la programación se está entregando agua en exceso
en niveles muy altos.
La Confiablidad para las compuertas que riegan los sistemas productivos (parcelas
cultivadas con vid) dio entre Regular y Pobre; lo que se traduce diciendo que es significativa la
variación de la relación entre caudales distribuidos y programados en el tiempo, dando al productor
un panorama poco tranquilizador.

En la confiabilidad como era de esperarse tuvo gran influencia las condiciones físicas
(infraestructura) del sistema, el nivel de conocimiento del personal administrativo, el grado o nivel
de coordinación organizativa, tanto en la operación como en el mantenimiento.
La Equidad que tanto para la operación como para la programación se clasificó como Pobre,
demuestra que la entrega en cantidades de agua no es justa para todas las compuertas, siendo más
generosa para aquellas con menor dotación. La equidad como medida de uniformidad espacial en el
proceso de distribución o reparto, como se esperaba se presentó con un fuerte impacto por la
variabilidad del caudal (permanencia en el tiempo) y también por la diferencia entre las compuertas
entre cabecera y cola.
En general se entiende que los resultados obtenidos se deben en gran parte a deficiencias
físicas del sistema, como por ejemplo el servicio a compuertas con dotaciones dispares o a la
dificultad de regulación de compuertas que riegan superficies reducidas.
REFERENCIAS
Molden, D.J. y Gates T.K. (1990). Performance Measures for Evaluation of Irrigation-Water-Delivery
Systems. ASCE, Journal of Irrigation and Drainage Engineering, vol. 116, N° 6, Novenver/ December, 1990.

IAHR AIIH
INCERTEZAS E IMPACTOS DE MUDANÇAS CLIMÁTICAS NOS

RECURSOS HÍDRICOS
Carolina Natel de Moura, Miriam Rita Moro Mine e Eloy Kaviski

Departamento de Hidráulica e Saneamento, Universidade Federal do Paraná, Brasil
carolina.natel@gmail.com
mrmine.dhs@ufpr.br
eloy.dhs@ufpr.br
RESUMO: As mudanças climáticas poderão ter graves consequências nos recursos hídricos, como
variações na disponibilidade hídrica, redução e/ou aumento de vazões e aumento na ocorrência de
eventos extremos. Neste contexto, a adaptação da sociedade às mudanças climáticas é
indispensável, o que exige a compreensão de seus impactos e o planejamento por parte dos
tomadores de decisão. Atualmente, uma das abordagens existentes para avaliar os impactos das
mudanças climáticas nos recursos hídricos consiste em realizar projeções hidrológicas com base em
cenários de modelagem climática futura. Contudo, existem diversas fontes de incertezas que podem
ser consideradas nesse método, provenientes dos cenários de emissões de gases do efeito estufa, dos
modelos climáticos, da técnica de remoção de viés e da modelagem hidrológica, que podem
impactar nos resultados obtidos, e consequentemente, interferir na qualidade das ações e planos de
adaptação. O objetivo deste trabalho é apresentar o estado da arte quanto às incertezas inerentes aos
estudos de mudanças climáticas e principais métodos que têm sido utilizados na sua quantificação.
Esse conhecimento pode levar a uma nova visão do processo de modelagem hidrológica em estudos
de mudança climática, promovendo uma compreensão de meios que aumentem a robustez dos
estudos futuros e a confiabilidade das projeções.
ABSTRACT: Climate change may have serious consequences on water resources, such as
variations in water availability, reduction and/or increase in flows and increase in the occurrence of
extreme events. In this context, the adaptation of society to climate change is indispensable, which
requires the understanding of its impacts and the planning by the decision makers. One of the
current approaches to assessing the impacts of climate change on water resources is to carry out
hydrological projections based on future climate modeling scenarios. However, there are several
sources of uncertainties that can be considered in this method, from the scenarios of greenhouse gas
emissions, climate models, bias removal techniques and hydrological modeling, which may have an
impact on the results obtained, and consequently, to prejudice the quality of actions and adaptation
plans. The aim of this work is to present the state of the art regarding the uncertainties inherent in
the studies of climate change and main methods that have been used in its quantification. This
knowledge can lead to a new view of the hydrological modeling process in climate change studies,
promoting an understanding of ways that increase the robustness of future studies and the reliability
of projections.
PALAVRAS-CHAVE: confiabilidade; métodos estatísticos; projeção hidrológica

INTRODUÇÃO
Diversos estudos têm mostrado que as mudanças climáticas poderão ter graves impactos nos
recursos hídricos disponíveis em todo o mundo, como variações na disponibilidade hídrica,
aumento e/ou redução de vazão, e aumento na ocorrência de eventos extremos, que variam
dependendo da localização geográfica (Milly; Dunne; Vecchia, 2005). Por isso, a adaptação da
sociedade às mudanças climáticas é indispensável, o que exige a compreensão de seus impactos e o
planejamento por parte dos tomadores de decisão.
Modelos chuva-vazão combinados com cenários de mudanças climáticas são amplamente
utilizados para avaliar o impacto das mudanças do clima na escala de bacias hidrográficas, o que
requer projeções climáticas realistas e modelos hidrológicos robustos, que produzam informações
confiáveis em condições climáticas variáveis. Contudo, existem diversas fontes de incertezas que
podem ser consideradas nessa abordagem, provenientes dos cenários de emissões de gases do efeito
estufa, dos modelos climáticos globais e regionais, da técnica de downscaling usada para trazer a
informação à escala da bacia hidrográfica e do modelo hidrológico utilizado (Wilby, 2005).
O conhecimento sobre as incertezas inerentes aos estudos de impacto das mudanças
climáticas, permite obter uma visão consistente de como os resultados devem ser interpretados e
possibilita a obtenção de informações mais confiáveis sobre a resposta hidrológica, como média,
desvio padrão, níveis e intervalos de confiança e a probabilidade de exceder certo valor crítico,
como vazões máximas ou mínimas (Webster; Sokolov, 2000).
No Brasil, sua quantificação em estudos de impactos das mudanças climáticas não é prática
frequente, e quando é abordada, geralmente considera somente àquelas relativas aos modelos
climáticos e cenários e negligencia outras fontes (Adam, 2016). Uma forma de abordá-la na
previsão e tomada de decisão na área de hidrologia é a partir da utilização de previsões
probabilísticas, obtidas na forma de previsões por conjunto (ou por ensemble). Nesta modalidade de
previsões, geralmente são gerados diversos cenários futuros possíveis, com o objetivo de reduzir o
erro de previsão, oriundo de apenas um resultado determinístico (Fan, Ramos, Collischonn, 2015).
A média ou a mediana do conjunto das projeções do modelo é muitas vezes defendida como
uma representação útil do futuro. No entanto, uma questão importante que deveria ser levantada é, e
se a maioria (ou todos) os modelos se revelarem errados na projeção de uma mudança na variável
de interesse? Como apontaram Fan e Collishonn (2015), não se tem uma compreensão completa do
benefício e necessidade da consideração de todas as fontes de incertezas existentes no processo de
previsão nos sistemas hidrológicos de previsão por conjunto, no entanto é consensual que ao menos,
deveriam ser encorajadas pesquisas que avaliem os benefícios econômicos em setores dependentes
de condições climáticas futuras (hidroeletricidade, irrigação, navegação, etc).
Os estudos conduzidos em bacias brasileiras que abordaram algumas dessas fontes
concluíram que as alterações nas vazões e disponibilidade hídrica podem variar de acordo com o
modelo climático utilizado, método de downscaling e/ou cenários de emissão, obtendo-se resultados
divergentes entre aumento e redução das variáveis sob o efeito de mudanças climáticas em um
mesmo local estudado (Adam; Collischonn, 2013, Bravo et al., 2013, Paiva; Collischonn, 2010,
Nóbrega et al., 2010). Dessa forma, salienta-se a importância da análise e quantificação nesses
estudos, auxiliando na projeção de impactos confiáveis que subsidiem a gestão de recursos hídricos,
planejamento energético e de outros setores ligados à disponibilidade de água.
MODELOS E CENÁRIOS DE PROJEÇÃO CLIMÁTICA
Nos últimos anos, séries históricas de variáveis climáticas, tais como temperatura do ar e
precipitação, são estudadas em diversas regiões do mundo, para testar hipóteses de que existem
alterações no comportamento do clima. Previsões do Painel Intergovernamental sobre Mudanças
Climáticas (IPCC) sugerem que pode haver um aumento acima de 2°C na temperatura média global

e uma alteração na distribuição da precipitação no mundo, decorrente das concentrações elevadas
dos Gases de Efeito Estufa (GEE), caso estes continuem a ser produzidos a taxas crescentes (IPCC,
2007).
Projeções de cenários de mudanças climáticas a longo prazo, com alta resolução, são
realizadas em Modelos Climáticos Regionais (RCM) a partir de downscaling de Modelos
Climáticos Globais (GCM) (Chou et al., 2014). Para a realização de projeções do clima, os modelos
do sistema terrestre são forçados por um conjunto de condições de contorno determinadas por
cenários de emissões antropogênicas de dióxido de carbono e outros gases radiativamente ativos
(Sampaio; Dias, 2014). As emissões antropogênicas de gases do efeito estufa são principalmente
motivadas pelo tamanho da população, atividade econômica, estilo de vida, uso de energia, padrões
de uso da terra, tecnologias e políticas climáticas.
As alterações climáticas projetadas pelos modelos climáticos, caracterizadas em função da
emissão de gases e o aumento do efeito estufa, se refletem na modificação de variáveis
representativas do clima, tais como precipitação, temperatura do ar, umidade do ar, vento, radiação
solar, entre outras. Essas projeções servem como base para a aplicação em modelos hidrológicos
que estimam as possíveis mudanças nas variáveis de interesse em recursos hídricos.
Os cenários utilizados para projeções climáticas, até o 4º Relatório de Avaliação (AR4) das
Mudanças Climáticas, são nomeados pelas famílias A1, A2, B1 e B2, provenientes do Relatório
Especial sobre Cenários de Emissão (SRES), divulgado nos anos 2000 pelo IPCC (Quadro 1).
Quadro 1. – Descrição dos cenários provenientes do Relatório Especial sobre Cenários de Emissão (SRES,
2000), famílias A1, A2, B1 e B2.
Cenário Descrição
Mundo futuro de crescimento econômico muito rápido, população global atinge um pico
em meados do século e declina em seguida, rápida introdução de tecnologias novas e
mais eficientes. A família de cenários A1 se desdobra em três grupos que descrevem
direções alternativas da mudança tecnológica no sistema energético. Os três grupos A1
A1
distinguem-se por sua ênfase tecnológica:
A1FI: intensivo uso de combustíveis fósseis;
A1T: fontes energéticas não-fósseis;
A1B: equilíbrio entre todas as fontes.
Mundo muito heterogêneo. Caracterizado pela autossuficiência e a preservação das
identidades locais. Os padrões de fertilidade entre as regiões convergem muito
lentamente, o que acarreta um aumento crescente da população. O desenvolvimento
A2
econômico é orientado primeiramente para a região, sendo que o crescimento econômico
per capita e a mudança tecnológica são mais fragmentados e mais lentos do que nos
outros contextos.
Mundo convergente com a mesma população global, que atinge o pico em meados do
século e declina em seguida, como no contexto A1, mas com uma mudança rápida nas
estruturas econômicas em direção a uma economia de serviços e informações, com
B1 reduções da intensidade material e a introdução de tecnologias limpas e eficientes em
relação ao uso dos recursos. A ênfase está nas soluções globais para a sustentabilidade
econômica, social e ambiental, inclusive a melhoria da equidade, mas sem iniciativas
adicionais relacionadas com o clima.
Mundo em que a ênfase está nas soluções locais para a sustentabilidade econômica, social
e ambiental. É um mundo em que a população global aumenta continuamente, a uma taxa
inferior à do A2, com níveis intermediários de desenvolvimento econômico e mudança
B2
tecnológica menos rápida e mais diversa do que nos contextos B1 e A1. O cenário
também está orientado para a proteção ambiental e a equidade social, mas seu foco são os
níveis local e regional.
Fonte: IPCC, 2000.

A partir do 5º Relatório de Mudanças Climáticas (IPCC, 2013) foram criados quatro
diferentes cenários de projeções para representar as consequências climáticas até o final do século
XXI, denominados de Caminhos Representativos de Concentração (RCP), relacionados às
concentrações equivalentes de CO2 na atmosfera. O termo "caminho" enfatiza que não só os níveis
de concentração de CO2 a longo prazo são de interesse, mas também a trajetória tomada ao longo do
tempo para alcançar esse resultado, e a palavra "representativo" significa que cada RCP fornece
apenas um dos muitos cenários possíveis que levariam às características de forçamento radiativo
específico (Moss et al., 2010). A descrição dos cenários RCPs é apresentada no Quadro 2.
Quadro 2. - Descrição dos cenários RCPs.

Cenário Forçante radiativa Concentração (ppm) Caminho Modelo
RCP 8.5 > 8.5 Wm-2 em 2100 > 1,370 CO2 equiv. em 2100 Aumento MESSAGE
~ 6 Wm-2 com Estabilização
~ 850 CO2 equiv. (com
RCP 6.0 estabilização após sem AIM
estabilização após 2100)
2100 superação
~ 4.5 Wm-2 Estabilização
~ 650 CO2 equiv. (com
RCP 4.5 com estabilização após sem GCAM
estabilização após 2100)
2100 superação
Pico de ~3Wm-2
Pico de ~ 490 CO2-equiv.
RCP 2.6 antes de 2100 e depois Pico e declínio IMAGE
antes de 2100 e depois declínio
declínio
Fonte: MOSS et al., 2010.
Os RCPs incluem um cenário de mitigação rigoroso (RCP 2.6), dois cenários intermediários
(RCP 4.5 e RCP 6.0) e um cenário com emissões de GEE muito altas (RCP 8.5). Comparando as
concentrações de dióxido de carbono e a variação da temperatura global entre os cenários SRES e
RCP, SRES A1FI é semelhante ao RCP 8.5, SRES A1B ao RCP 6.0 e SRES B1 ao RCP 4.5. O
cenário do RCP 2.6 é representativo de um cenário que visa manter o aquecimento global abaixo de
2°C acima das temperaturas pré-industriais (IPCC, 2014) porque inclui a opção de usar políticas
para alcançar emissões líquidas negativas de dióxido de carbono antes do final do século, o que não
acontece nos cenários SRES.
Apesar do grande avanço científico e computacional que proporcionou maior entendimento
do sistema climático e permite a projeção de cenários de mudanças climáticas, ainda há grande
incerteza inerente a esses dados (IPCC, 2000), principalmente na escala regional, sendo algumas
variáveis mais confiáveis (temperatura) que outras (precipitação, por exemplo) (Santos et al., 2015).
Os modelos climáticos podem não representar perfeitamente o clima atual devido
principalmente à influência da discretização espacial dos modelos e erros sistemáticos causados
pela conceituação imperfeita dos fenômenos e processos que governam o clima (Oliveira; Pedrollo;
Castro, 2015, Teutschbein; Seibert, 2012). Além de erros sistemáticos na modelagem de clima,
existem outras fontes de incertezas como àquelas provenientes das emissões futuras de gases de
efeito estufa, aerossóis e atividades vulcânicas e solares, inclusão de efeitos diretos do aumento na
concentração de CO2 atmosférico nas plantas e do efeito do comportamento das plantas no clima
futuro e sensibilidade do clima global e padrões regionais das projeções do clima futuro simulado
pelos modelos, devido às diferentes formas em que cada modelo de circulação geral da atmosfera
representa os processos físicos e os mecanismos do sistema climático (Marengo, 2006).
Diante disso, alguns estudos buscam quantificá-las a partir da utilização de simulações por
conjunto (emsemble) de diversos GCMs e/ou RCMs e cenários de emissão, nas quais os resultados
das previsões são sintetizados em uma média simples, onde para cada membro é atribuído igual
probabilidade de ocorrência ou a partir da utilização de aproximações probabilísticas. Na
aproximação probabilística, os resultados de diferentes modelos ou integrações de um mesmo
modelo são utilizados para a produção de uma Função Densidade de Probabilidade (FDP) ou uma
Função Distribuição Acumulada (FDA), no qual a amplitude das curvas representa uma medida da

incerteza na projeção, e a integral entre dois limiares estabelecidos indicam a probabilidade de sua
ocorrência (Santos et al., 2015).
MODELAGEM HIDROLÓGICA
A modelagem hidrológica apresenta-se como uma ferramenta essencial de análise para

representar um sistema (bacia hidrográfica) no todo ou em partes, o comportamento de um processo
hidrológico ou conjunto de processos, em um dado instante ou intervalo de tempo (Moreira, 2005).
Atualmente, modelos hidrológicos têm sido utilizados para realizar projeções dos impactos das
mudanças climáticas nos recursos hídricos em nível de bacias hidrográficas a partir de cenários
climáticos fornecidos por GCMs e/ou RCMs (Amin et al., 2017, Chilkoti; Bolisetti; Balachandar,
2017, Zhang et al., 2014). A transferência dos dados de projeção climática para um modelo
hidrológico tem a função de projetar o estado dos componentes da fase atmosférica para a fase
terrestre do ciclo hidrológico da bacia.
Um dos produtos da modelagem hidrológica com base em cenários de mudanças climáticas
é a estimativa da frequência no futuro de eventos importantes para a gestão de recursos hídricos,
como por exemplo, vazões baixas que podem prejudicar a produção de energia ou sistemas de
irrigação, assim como enchentes que podem danificar infraestruturas e impactar a sociedade.
Uma vez apresentadas as incertezas inerentes às projeções climáticas, é necessário destacar
que estas se propagam para a modelagem hidrológica. Por exemplo, se os cenários utilizados
tendem a superestimar as temperaturas no futuro, um impacto hidrológico poderia ser um aumento
na evapotranspiração da bacia hidrográfica, indicando um cenário mais drástico que a realidade.
Ainda, existem as fontes próprias da modelagem hidrológica em condições estacionárias
(condições climáticas e/ou características físicas), que incluem erros na estrutura do modelo,
problemas no processo de calibração, e erros nos dados utilizados para a calibração (Brigode;
Oudin; Perrin, 2013). Em condições não estacionárias, como em estudos de mudanças climáticas,
adicionam-se ainda a instabilidade de parâmetros, que podem ocorrer devido às possíveis alterações
nas características físicas e de captação nos processos dominantes. Os erros de estrutura do modelo
e a estabilidade de seus parâmetros são consideradas como as duas principais fontes na etapa de
modelagem hidrológica (Adam, 2016). Para a quantificação dos erros inerentes à modelagem
hidrológica (estrutura), o método geral consiste em avaliar a resposta hidrológica de diferentes
modelos chuva-vazão, numa abordagem de simulação por conjunto (Wilby; Harris, 2006).
INCERTEZAS DAS MUDANÇAS CLIMÁTICAS NO RECURSOS HÍDRICOS
Muitos estudos conduzidos ao redor do mundo investigaram o efeito das mudanças

climáticas na resposta hidrológica de bacias hidrográficas. As análises de vazões de rios na América
do Sul e no Brasil apontam para aumentos entre 2% e 30% na bacia do Rio Paraná e nas regiões
vizinhas no Sudeste da América do Sul (Milly; Dunne; Vecchia, 2005), consistente com as análises
de tendência de chuva observada na região (Marengo, 2008). No entanto, a maioria desses estudos
não abordam a quantificação das incertezas associadas aos resultados apresentados, ainda que seja
fundamental para o desenvolvimento de planos e estratégias de adaptação robustos, reduzindo os
riscos associados às decisões em recursos hídricos.
Existe um consenso na literatura sobre a importância relativa das diferentes fontes de
incerteza. Os resultados indicam que o GCM domina outras fontes em estudos de impacto
hidrológico (Wilby; Harris, 2006, Prudhomme; Davies, 2009, Kay et al., 2009, Arnell, 2011). No
entanto, alguns estudos afirmam que a previsão dos modelos hidrológicos pode estar na mesma
faixa de importância ou até maior que a climática (Goderniaux et al., 2015, Dams et al., 2015,
Zhang; Xu; Fu, 2014, Bastola et al., 2011). Ainda, a importância dessas fontes pode variar
temporalmente e sob a escala de análise escolhida (Shrestha et al., 2016) e variável em análise
(vazões baixas ou vazões altas) (Meresa; Romanowicz, 2016).

Atualmente, as abordagens adotadas para o estudo de impacto das mudanças climáticas
incluem a avaliação sem qualquer quantificação desse parâmetro (Gosain; Rao; Basuray, 2006;
Thodsen, 2007), focam apenas na climática e negligenciam a hidrológica (Woldemeskel; Sharma;
Mehrotra, 2014) ou mesmo tomam uma única projeção climática e avaliam apenas a hidrológica
(Steele-Dunne et al., 2008).
A análise multi-propagação é utilizada para detectar a incerteza total do conjunto, em vez da
análise de propagação única, na qual os elementos de uma única fonte são variados enquanto os de
outras são estáticos. Esta análise considera todas as combinações possíveis de elementos entre as
fontes e as contribuições de cada uma para a estimativa total e os efeitos das interações entre as
fontes podem ser decompostos, por exemplo, por análise de variância (Meresa; Romanowicz, 2016,
Addor et al., 2014). Exemplos de estudos que contemplaram a análise de diversas fontes de
incerteza como modelos climáticos, cenários de emissão e modelagem hidrológica foram os
trabalhos conduzidos por Meresa e Romanowicz, 2017, Addor et al, 2014 e Minville et al., 2008.
Estudos em bacias hidrográficas brasileiras têm utilizado diferentes modelos climáticos
globais para estimar os impactos de mudanças climáticas, no entanto poucos têm avaliado a
influência das demais fontes de incertezas. Uma síntese de trabalhos publicados no Brasil que
avaliaram os impactos de mudanças climáticas contemplando essa análise é apresentada no trabalho
de Adam (2016), o qual aponta as divergências nos resultados. Adam et al. (2015) concluíram que
os impactos do cenário A1B sobre as vazões da bacia do Paraná são altamente dependentes do
membro de perturbação do modelo utilizado para obter as projeções climáticas e na maioria dos
casos as vazões máximas projetadas estão dentro dos limites de incerteza em relação às series
atuais. Os resultados apontaram que a variabilidade natural do clima pode ser tão importante quanto
a influência de mudanças climáticas e a incerteza aumenta com a ampliação do horizonte de tempo
analisado.
ANÁLISE E QUANTIFICAÇÃO DAS INCERTEZAS
Processos que não são totalmente compreendidos, e cujos resultados não podem ser
previstos com precisão, frequentemente são denominados incertos. A incerteza é atribuída à falta de
informações perfeitas sobre os fenômenos, processos e dados envolvidos na definição e resolução
de um problema, condição gerada pela falta de controle sobre a ocorrência de determinados eventos
(Mays; Tung, 1992).
É importante enfatizar a diferença entre o termo erro e incerteza, o primeiro expressa a
diferença entre um valor simulado ou medido e o valor verdadeiro, enquanto o outro está associado
ao sentido probabilístico, uma vez que trata da variação nos resultados de um evento aleatório, dos
distúrbios derivados de considerações errôneas ou da distribuição de erros associados com as
quantidades observadas ou estimadas. A maioria das entradas e saídas de processos na área de
recursos hídricos não são conhecidas com certeza. Por isso, ignorar esse fator em estudos
hidrológicos pode levar a conclusões incorretas sobre os fenômenos que se buscam representar
(Loucks; Van Beek, 2005).
Os fenômenos naturais, incluindo os hidrológicos, contêm incertezas que lhes são inerentes
sendo que existem duas fontes: (i) a aleatoriedade natural associada às possíveis ocorrências (ou
realizações) de um certo fenômeno; e (ii) as imperfeições e/ou insuficiências do conhecimento
humano sobre os processos que determinam tais ocorrências. As aleatórias, podem ser expressas em
termos da maior ou menor variabilidade de uma ou mais das variáveis (ou grandezas mensuráveis)
associadas ao fenômeno em estudo. Já as do segundo tipo resultam da interpretação imperfeita ou
imprecisa da realidade subjacente ao referido fenômeno, por parte dos modelos teóricos e/ou físicos
utilizados para o caracterizar (Naghettini; Portela, 2011).
Em resumo, em todas as situações reais, não se conhece o valor verdadeiro da grandeza que
se pretende conhecer, e por isso é então necessário obter a melhor representação desse valor
verdadeiro e a incerteza associada a este erro. Uma boa estimativa do valor verdadeiro da grandeza
pode ser obtida a partir da repetição dos experimentos, sendo a melhor estimativa obtida da média

dos resultados dos experimentos. Contudo, a repetição dos experimentos auxilia no controle de
erros aleatórios, mas não dos erros sistemáticos. Estes dois erros devem ser combinados para a
estimativa do erro final.
A análise da incerteza em hidrosistemas ou seus componentes requer o uso de probabilidade
e estatística. Uma forma de análise é baseada no conceito de intervalo de confiança, sendo que este
é um intervalo estimado de um parâmetro de interesse de uma população. Em vez de estimar o
parâmetro por um único valor, é dado um intervalo de estimativas prováveis. O quanto estas
estimativas são prováveis será determinado pelo coeficiente de confiança , para α ϵ (0,1).
Intervalos de confiança (IC) são usados para indicar a confiabilidade de uma estimativa. Por
exemplo, sendo todas as estimativas iguais, uma pesquisa que resulte num IC pequeno é mais
confiável do que uma que resulte num IC maior. O IC depende do desvio padrão e da distribuição
estatística do fenômeno, sendo que o Teorema do Limite Central afirma que a soma de muitas
variáveis independentes aleatórias e com mesma distribuição de probabilidade sempre tende a uma
distribuição normal.
De acordo com Vuolo (2008), as principais formas para indicar a incerteza são: incerteza
padrão (ϭ), incerteza expandida com confiança P (kϭ), limite de erro (L) e erro provável (Δ). O
parâmetro ϭ pode ser definido como o desvio padrão da distribuição dos erros, já kϭ é um múltiplo
da incerteza padrão. O parâmetro L é o valor máximo admissível para o erro e erro provável é o
valor Δ que tem 50% de probabilidade de ser excedido pelo erro η, em módulo, porém este
indicador não é muito usado atualmente.
Além das incertezas individuais, é conveniente estimar a propagação destas em uma
grandeza ( ,...), a partir das ϭx, ϭy, ϭz,... e das covariâncias associadas às grandezas ,...
A análise multi-propagação pode ser utilizada para detectar a estimativa total do conjunto
(isto é, incerteza geral nas avaliações de mudanças climáticas), em vez da análise de propagação
única, na qual os elementos de uma única fonte são variados enquanto os de outras são estáticos.
Esta análise considera todas as combinações possíveis de elementos entre as fontes e suas
contribuições para a estimativa geral e os efeitos das interações entre elas (Meresa; Romanowicz,
2016, Addor et al., 2014).
Segundo Vuolo (2008), se os erros nas variáveis ,... são completamente independentes
entre si, ϭ em w (Equação 1) é, em primeira aproximação, dada por:
[1]
Uma expressão mais completa quando os erros não são completamente independentes é dada
pela Equação 2.
+
[2]
A equação geral para propagação de incerteza fornece uma informação importante acerca do
quanto uma determinada variável influi na precisão final da quantidade chave. A sensibilidade é
dada pelo termo da Equação 3, sendo que quanto maior o valor de , maior será o peso daquela
variável no resultado final.
[3]

ANÁLISE DE VARIÂNCIA
A utilização da Análise de Variância (ANOVA) tem sido uma técnica frequentemente

utilizada (Meresa; Romanowics, 2017, Vetter et al., 2017, Addor et al., 2014, Bosshard et al., 2013).
Na abordagem ANOVA, escolhe-se a variância da projeção como uma estimativa de sua incerteza e
quantifica-se a contribuição das diferentes fontes para a incerteza total (Addor et al., 2014).
Meresa e Romanowicks utilizaram ANOVA para identificar a contribuição relativa de cada
fonte, correspondente aos conjuntos de parâmetros (P), modelos climáticos (C) e conjuntos de
distribuição de parâmetros (D), a partir do espalhamento da mudança do quantil de vazão no futuro
próximo e distante, segundo o modelo ANOVA descrito na Equação 4.
[4]
Em que é o erro total da soma quadrada para o indicador hidrológico extremo específico
(por exemplo, mudança relativa no quantil de vazões máximas no período de retorno de 30 anos),
para o i-ésimo conjunto de parâmetros, j-ésimo modelo climático e k-ésimo intervalo de
distribuição de parâmetros, µ é a média geral, e denota o erro branco de Gauss.
MODELO DA MÉDIA BAYESIANA
Outro modelo que pode ser empregado é o Modelo de Média Bayesiana (BMA), que
combina distribuições preditivas de diferentes fontes de incerteza. A aplicação deste modelo está
crescendo em projeções emsemble para produzir projeções médias e probabilísticas de impactos de
mudanças climáticas.
Neste método, a Função Densidade de Probabilidade (FDP) de qualquer variável de
interesse é uma média ponderada de FDPs centradas nas previsões individuais, onde os pesos são
iguais às probabilidades posteriores dos modelos que geram as previsões, e reflete em contribuições
relativas dos modelos para a habilidade preditiva no período de treinamento. Os pesos do BMA
podem ser usados para avaliar a utilidade dos membros do grupo, e isso pode ser usado como base
para selecionar os membros do conjunto para previsão (Bastola; Murphy; Sweeney, 2011).
A descrição que segue refere-se a metodologia empregada por Bastola et al. (2011), para
aplicação do BMA.
Na situação em que vários modelos { , . ., } são teoricamente possíveis, é arriscado
basear a inferência nas estimativas pontuais de um único modelo . BMA permite contabilizar este
tipo de incerteza a partir da distribuição preditiva da quantidade de interesse (Equação 5), o cálculo
é feito a partir da média da distribuição preditiva posterior da quantidade derivada de cada modelo
individual ponderada pelas correspondentes probabilidades posteriores do modelo.
[5]
A probabilidade posterior do modelo do modelo de acordo com os dados é pela

Equação 6.
[6]
Em que a constante de proporcionalidade é escolhida de modo que o modelo de

probabilidade posterior some um. A probabilidade anterior, p( ), na Equação 6 apresenta a
preferência do modelo antes da reavaliação. Portanto, um modelo com histórico de melhor
desempenho terá um maior peso na aplicação futura. Note-se que sem qualquer conhecimento
prévio da preferência do modelo, a probabilidade anterior é assumida como tendo uma distribuição
uniforme entre os modelos N. A quantidade p (D| ) é a probabilidade integrada do modelo .
A média e a variância posterior de Δ são apresentadas nas Equações 7 e 8, respectivamente.

, D)] = [7]
[8]
Em que = . Note-se que peso tem um valor apenas entre 0 e 1. Um valor

maior indica maior preferência na predição. Nesta aplicação, a FDP de cada modelo no momento
é modelado por uma distribuição gama (Equação 9) com variância heteroscedástica (Equação 10).
) [9]
[10]
[11]
Onde e na Equação 10 são os coeficientes que relacionam a saída do modelo com as

variações do modelo. Como a vazão é diferente de zero e a distribuição da vazão diária é altamente
distorcida, a FDP de cada modelo é modelada usando distribuição gama. Em cada passo do tempo,
a FDP escolhida é centrada nas previsões individuais com uma variância associada que é
heterocedástica e depende diretamente na previsão da vazão real. Os parâmetros do BMA, ou seja,
pesos e variâncias, podem ser obtidas a partir da vazão observada histórica usando amostragem de
Markov Chain Monte Carlo (MCMC).
As previsões probabilísticas da vazão diária são derivadas com base em previsões
individuais determinísticas obtidas a partir de cada modelo hidrológico e seu peso e variância. O
procedimento utilizado por Bastola (2011) para gerar previsões probabilísticas para cada etapa de
tempo t é descrito abaixo:
Etapa 1: Selecionar os modelos que podem ser estrutural ou parametricamente diferentes.
Etapa 2: Gerar conjuntos de previsão de modelo
Etapa 3: Calcular pesos e variância para cada um dos modelos selecionados.
Etapa 4: Gerar uma nova previsão baseada em modelo usando a Equação 7.
Etapa 5: As previsões probabilísticas são feitas usando o peso médio ( ) e parâmetros de
variância ( ) da seguinte forma:
- Selecionar um modelo concorrente individual ( ) com probabilidade proporcional ao seu
peso.
- Obter amostra da distribuição de probabilidade associada com a saída de cada modelo
individual.
- Repetir os dois passos acima para obter uma amostra de vários valores que representam a
distribuição da vazão no tempo e, subsequentemente, derivar o intervalo de incerteza.
CONCLUSÃO
Apesar da análise das incertezas não ser um tema recente na área de mudanças climáticas e
hidrologia, muitos estudos não incluem essa análise em seus resultados. No entanto, sem a inclusão
desse fator, os estudos podem indicar variações que não representem as condições futuras, e acabar
por prejudicar a gestão dos recursos hídricos. A propagação desse parâmetro durante as etapas de
aquisição de dados, tratamento dos dados, modelagem e análise dos resultados faz com que as
mudanças climáticas ainda sejam foco de especulação e até mesmo, contradição.
Os métodos anteriormente empregados em trabalhos, que avaliavam a incerteza unitária de
fontes diversas devem ser substituídos por análises conjuntas, através de métodos como o BMA ou
ANOVA. Essa abordagem deveria ser considerada padrão para os estudos de impactos de mudanças

climáticas nos recursos hídricos a fim de melhorar a qualidade e confiabilidade dos resultados
obtidos, e consequentemente, os planos e ações desenvolvidos pelos tomadores de decisão.
REFERÊNCIAS
Adam, K. N. (2016). “Incertezas e impactos de mudanças climáticas sobre o regime de

vazões na bacia hidrográfica do rio Uruguai”. 2016. Tese (Doutorado em Recursos Hídricos e
Saneamento Ambiental). Universidade Federal do Rio Grande do Sul. Porto Alegre.
Adam, K. N. et al. (2015). “Mudanças climáticas e vazões extremas na bacia do Rio
Paraná”. Revista Brasileira de Recursos Hídricos, Vol. 20, No. 4, pp. 999-1007.
Adam, K. N.; Collischonn, W. (2013) “Análise dos impactos de mudanças climáticas nos
regimes de precipitação e vazão na bacia hidrográfica do rio Ibicuí”. Revista Brasileira de Recursos
Hídricos, Vol. 18, No. 3, pp. 69-79.
Addor, N. et al. (2014). “Robust changes and sources of uncertainty in the projected
hydrological regimes of Swiss catchments”. Water Resources Research, Vol. 50, pp. 7541–7562.
Amin et al. (2017). “Future climate change impact assessment of watershed scale
hydrologic processes in Peninsular Malaysia by a regional climate model coupled with a physically-
based hydrology model”. Science of the Total Environment, v. 575, p. 12-22.
Arnell, N. W. (2011). “Uncertainty in the relationship between climate forcing and
hydrological response in UK catchments”. Hydrology and Earth System Science, Vol. 15, pp. 897–
912.
Bastola, S., Murphy, C., Sweeney, J. (2011). “The role of hydrological modelling
uncertainties in climate change impact assessments of Irish river catchments”. Advances in Water
Resources, Vol. 34, pp. 562–576.
Bravo, J. M. et al. (2013). “Impact of projected climate change on hydrologic regime of the
Upper Paraguay River basin”. Climatic Change.
Brigode, P., Oudin, L., Perrin, C. (2013). “Hydrological model parameter instability: A
source of additional uncertainty in estimating the hydrological impacts of climate change?”. Journal
of Hydrology, 476, 410-425.
Bosshard, T. et al. (2013). “Quantifying uncertainty sources in an ensemble of hydrological
climate‐impact projections”. Water Resources Research, 49(3), 1523-1536.
Chilkoti, V.; Bolisetti, T.; Balachandar, R. (2017). “Climate change impact assessment on
hydropower generation using multi-model climate ensemble”. Renewable Energy, v. 109, p. 510-
517.
Chou, S. C. et al. (2014). “Evaluation of the Eta simulations nested in three global climate
models”. American Journal of Climate Change, v. 03, n. 05, p. 438–454.
Dams, J. et al. (2015). “Multi-model approach to assess the impact of climate change on
runoff”. Journal of Hydrology, Vol.529, pp. 1601-1616.
Fan, F. M., Ramos, M. H.; Collischonn, W. (2015). “Sobre o uso de previsões
hidrológicas probabilísticas para tomada de decisão”. Revista Brasileira de Recursos
Hídricos, 20(4), 914-926.
Goderniaux, P. et al. (2015). “Uncertainty of climate change impact on groundwater
reserves – Application to a chalk aquifer”. Journal of Hydrology, Vol. 528, pp. 108-121.
Gosain; A. K.; Rao, S.; Basuray, D. (2006). “Climate change impact assessment on
hydrology of Indian river basins”. Current Science, Vol. 90, No. 3, pp. 346-353.
IPCC (2014). “Synthesis Report”. In: Climate Change 2014: Contribution of Working
Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate
Change [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland,
151 pp.

IPCC (2013). “The physical science basis”. In: Climate change 2013: Working group I
contribution to the fifth assessment report of the intergovernmental panel on climate change,
Intergovernmental Panel on Climate Change, Geneva.
IPCC (2007). “Summary for policymakers”. In: PARRY, M. L. et al. (Ed.). Climate change
2007: impacts, adaptation and vulnerability; contribution of the Working Group II to the Fourth
Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge (UK):
Cambridge University Press, p. 7-22. Disponível em: <https://www.ipcc.ch/pdf/assessment-
report/ar4/wg2/ar4_wg2_full_report.pdf>. Acesso em: 04 de jul. 2017.
IPCC (2000). “Summary for Policymakers: Emissions Scenarios. A special report of
working group III of the Intergovernmental Panel on Climate Change”. Group, p. 20.
Kay, A. L. et al. (2009). “Comparison of uncertainty sources for climate change impacts:
flood frequency in England”. Climatic Change, Vol. 92, pp. 41-63.
Loucks, D. P.; Van Beek, E. (2005). “Water resources systems planning and management”.
United Nations Educational, Scientific and Cultural Organization.
Marengo, J. A. (2008). “Água e mudanças climáticas”. Estudos Avançados, v. 22, n. 63, p.
83-96.
Marengo, J. A. (2006). “Mudanças climáticas globais e seus efeitos sobre a biodiversidade:
caracterização do clima atual e definição das alterações climáticas para o território brasileiro ao
longo do século XXI”. Brasília: MMA.
Mays, L. W.; Tung, Y. K. (1992). “Hydrosystems Engineering & Management” McGraw
Hill. United States of America.
Meresa, H. K.; Romanowicz, R. J. (2017). “The critical role of uncertainty in projections
of hydrological Extremes”. Hydrology and Earth System Sciences: Discussions, Vol. 21, pp. 4245–
4258.
Milly, P. C. D.; Dunne, K.A.; Vecchia, A.V. (2005). “Global pattern of trends in
streamflow and water availability in a changing climate”. Nature, Vol. 438, pp. 347-50.
Minville M.; Brissette F., Leconte R. (2008). “Uncertainty of the impact of climate change
on the hydrology of a nordic watershed”. Journal of Hydrology, Vol. 358, pp. 70– 83.
Moreira, I. A. (2005). “Modelagem hidrológica chuva-vazão com dados de radar e
pluviômetros”. 2005. Dissertação (Mestrado em Engenharia Hidrológica) – Universidade Federal
do Paraná. UFPR: Curitiba.
Moss, R. H. et al. (2010). “The next generation of scenarios for climate change research and
assessment”. Nature, v. 463, n. 7282, p. 747–756.
Naghettini, M., & Portela, M. M. (2011). “Probabilidade e estatística aplicadas à
hidrologia”. Texto de apoio à unidade curricular Hidrologia e Recursos Hídricos do 3º ano do
Mestrado Integrado em Engenharia Civil.
Nóbrega, M. T. et al. (2011). “Uncertainty in climate change impacts on water resources in
the Rio Grande Basin, Brazil”. Hydrology and Earth System Sciences, Vol. 15, pp. 585-595.
Oliveira, G. G.; Pedrollo, O. C.; Castro, N. M. R. (2015). “Stochastic approach to
analyzing the uncertainties and possible changes in the availability of water in the future based on
scenarios of climate change”. Hydrology and Earth System Sciences, v. 19, n. 8, p. 3585–3604.
Paiva, R. C. D.; Collischonn, W. (2010). Climate change impacts on Quarai river flow.
Climate and Water Resources Modelling, edited by: Fung, CF, Lopez, A., and New, M., John
Willey & Sons.
Prudhomme, C.; Davies, H. (2009). “Assessing uncertainties in climate change impact
analyses on the river flow regimes in the UK. Part 1: baseline climate”. Climatic Change, Vol. 93,
pp. 177-195.
Sampaio, G.; Dias, P. L. D. S. (2014). “Evolução dos modelos climáticos e de previsão de
tempo e clima”. Revista USP, n. 103, p. 41.
Santos, T. S. et al. (2015). “Incertezas das projeções de mudanças climáticas: análise
preliminar”. Ciência e Natura, Santa Maria, v. 37, Ed. Especial SIC, p. 63 – 68l.

Shrestha et al. (2016). “Uncertainty in flow and sediment projections due to future climate
scenarios for the 3S rivers in the Mekong Basin”. Journal of Hydrology, Vol. 540, pp. 1088–1104.
Steele-Dunne, S. et al. (2008). “The impacts of climate change on hydrology in Ireland”.
Journal of Hydrology, Vol. 356, pp. 28– 4.
Teutschbein C.; Seibert J. (2012). “Bias correction of regional climate model simulations
for hydrological climate-change impact studies: Review and evaluation of different methods”.
Journal of Hydrology, v. 456–457, p. 12–29.
Thodsen, H. (2007). “The influence of climate change on stream flow in Danish rivers”.
Journal of Hydrology, Vol. 333, pp. 226– 238.
Vetter, T. et al. (2017). “Evaluation of sources of uncertainty in projected hydrological
changes under climate change in 12 large-scale river basins”. Climatic Change, 141(3), 419-433.
Vuolo, J. H. (1996). “Fundamentos da teoria de erros”. São Paulo: Edgard Blücher.
Webster, M. D.; Sokolov, A. P. (2000). “A methodology for quantifying uncertainty in
climate projections”. Climatic Change, Vol. 46, pp. 417–446.
Wilby, R. L.; Harris, Y. (2006). “A framework for assessing uncertainties in climate
change impacts: Low-flow scenarios for the River Thames, UK”. Water Resources Research, Vol.
42, W02419.
Wilby, R. L. (2005). “Uncertainty in water resource model parameters used for climate
change impact assessment”. Hydrological Processes, v. 19, p. 3201-3219.
Woldemeskel, F. M.; Sharma, A.; Sivakumar, B.; Mehrotra, R. (2014). “A framework to
quantify GCM uncertainties for use in impact assessment studies”. Journal of Hydrology, Vol. 519,
pp. 1453-1465.
Zhang, X.; Xu, Y-P.; Fu, G. (2014). “Uncertainties in SWAT extreme flow simulation
under climate change”. Journal of Hydrology, No. 515, pp. 205-222.

IAHR AIIH
IMPACTO HIDROLÓGICO DA BARRAGEM OESTE EM TAIÓ, BRASIL,

NO AMORTECIMENTO DE CHEIAS DO RIO ITAJAÍ DO OESTE
Carolina Natel de Moura, Laís Gonçalves Fernandes, Júlio Gomes, Guilherme Xavier de
Miranda Jr, Everton Vieira
Departamento de Hidráulica e Saneamento, Universidade Federal do Paraná, Brasil
carolina.natel@gmail.com, laisgfernades@gmail.com, jgomes.dhs@ufpr.br
Empresa de Pesquisa Agropecuária e Extensão Rural – EPAGRI, Brasil
gmiranda@epagri.sc.gov.br, evertonvieira@epagri.sc.gov.br
RESUMO: O aumento na ocorrência de eventos extremos de cheias torna necessário o estudo

aprofundado de suas causas, impactos e medidas de mitigação. Uma das principais medidas
estruturais utilizadas para minimizar as consequências destes eventos é a barragem de contenção de
cheias. O objetivo deste trabalho foi estudar o impacto hidrológico da barragem Oeste no
amortecimento de cheias do Rio Itajaí do Oeste, considerando dois diferentes cenários de operação
do reservatório: com todas as comportas de fundo abertas (Caso 1) e com apenas uma comporta de
fundo aberta (Caso 2). A operação da barragem com todas as comportas abertas (Caso 1) reduziu a
vazão de pico em até 79,5% e com apenas uma comporta aberta (Caso 2) em até 65,1%, assim
como retardou a ocorrência das vazões de pico nos dois casos. As vazões à jusante permaneceram
elevadas por um maior tempo no Caso 1. Por outro lado, o Caso 2 resultou em operação do
vertedouro de soleira livre em todos os eventos analisados. O conhecimento do funcionamento da
barragem durante eventos hidrológicos extremos aumenta o potencial de controle sobre o
escoamento dessas estruturas de contenção, sendo que o Método de Puls, apesar de simples, pode
ser considerado uma ferramenta auxiliar para a equipe de profissionais que atua na minimização das
enchentes do Rio Itajaí do Oeste.
ABSTRACT: The increase in the frequency of extreme flood events makes necessary to study in
depth their causes, impacts and mitigation measures. One of the main structural measures used to
minimize the consequences of such events is flood control dam. The aim of this work was to study
the hydrological impact of the Oeste dam on flood abatement in Itajaí do Oeste River, considering
two different reservoir operation scenarios: all bottom outlet gates opened (Case 1) and only one
bottom outlet gate opened (Case 2). The dam operation with all outlet gates opened (Case 1)
reduced the peak flow in up to 79.5% and with only one bottom outlet gate opened (Case 2) in up to
65.1%, as well as delayed the peak time in both cases. Downstream flows remained high for a
longer time in Case 1. On the other hand, Case 2 produced uncontrolled spillway operation in all the
analyzed events and, once the reservoir reaches its maximum capacity, it is no longer possible to
control downstream flows. Knowledge of dam operation during extreme hydrological events
increases the control capacity of these detention structures. Furthermore, Puls Method, even being a
simple method, can be considered as an auxiliary tool to the professional team who works towards
the minimization of the floods in Itajaí do Oeste River.
PALAVRAS-CHAVE: método de Puls; controle de cheias; contenção de cheias.

INTRODUÇÃO
Eventos hidrológicos extremos, como enchentes e inundações, estão relacionados

principalmente às características climáticas, fisiográficas e de uso e ocupação do solo das bacias
hidrográficas. A frequência destes eventos tem aumentado nos últimos anos, contudo suas causas
não podem ser determinadas com exatidão, abrangendo desde mudanças climáticas globais e
variabilidade natural do clima até alterações no uso e ocupação do solo das bacias hidrográficas.
Para a minimização dos impactos relacionados aos eventos hidrológicos extremos, podem
ser adotadas medidas estruturais e/ou não-estruturais. As medidas estruturais referem-se àquelas que
visam controlar as inundações por meio de obras hidráulicas como barragens, diques, canalização,
entre outras. Já as medidas não estruturais englobam métodos preventivos, tais como zoneamento
de áreas de inundação e sistemas de alerta ligados à Defesa Civil.
Basicamente, as medidas estruturais consistem em técnicas que modificam o rio e as
medidas não estruturais envolvem a convivência do homem com o rio. Segundo Barbosa (2006),
não se pode achar que as tais medidas poderão controlar totalmente as inundações, estas apenas
minimizam suas consequências e, para o controle eficiente das cheias, torna-se necessária a
associação de medidas estruturais e não estruturais.
No Brasil, não existe um programa sistemático de controle de enchentes em nível nacional
que envolva seus diferentes aspectos. O que se observa são ações isoladas por parte de alguns
estados e municípios. Por exemplo, no vale do rio Itajaí no estado de Santa Catarina, por ser uma
região com recorrência de desastres naturais, medidas estruturais e não estruturais foram
implantadas, a fim de evitar os danos à população. Uma das principais medidas aplicadas é do tipo
estrutural, composta pela existência de três barragens de contenção de cheias, sendo elas: a
Barragem Oeste, em Taió; a Barragem Sul, em Ituporanga; e a Barragem Norte, em José Boiteux,
localizadas em rios afluentes ao rio Itajaí-Açu.
A barragem Oeste, objeto de estudo deste trabalho, é a principal medida estrutural de
proteção contra enchentes usada na bacia do Rio Itajaí do Oeste. De acordo com Cordero et al.
(2003), um reservatório de controle de enchentes retém parte do volume da água que constitui a
onda de cheia por um certo tempo, reduzindo as vazões em comparação ao que ocorreria
naturalmente naquela bacia hidrográfica. Como consequência disso, prolonga-se a duração da cheia
neste rio, mas alcançam-se valores toleráveis de vazão e nível de água no rio à jusante.
De acordo com o Ministério de Integração Nacional (MIN, 2002), a operação de barragens
em condição de cheia é normalmente baseada na cota do reservatório, taxa de elevação desta cota,
precipitação pluviométrica, estação do ano e previsão do tempo. Por isso, o conhecimento da
resposta hidrológica do reservatório é fundamental para complementar essas informações, durante a
ocorrência dos eventos de cheia.
Atualmente, o maior desafio dos tomadores de decisão na operação da barragem Oeste é
definir as manobras de abertura e fechamento de comportas de forma a maximizar a proteção das
áreas localizadas a jusante da barragem. Neste contexto, o presente trabalho teve como objetivo
comparar os hidrogramas efluentes e os níveis de água na Barragem Oeste, localizada no rio Itajaí
do Oeste, no município de Taió/SC, nos eventos de cheia observados entre 26/02/2013 e
10/11/2017. Foram analisados dois cenários hipotéticos de operação da barragem: comportas de
fundo totalmente abertas (Caso 1 - sem controle) e apenas uma comporta de fundo aberta (Caso 2).
Estas duas situações representariam situações diametralmente opostas para a definição de regras de
operação da barragem Oeste.
A bacia hidrográfica do Rio Itajaí está localizada na vertente do litoral, cujo principal rio é o
Itajaí-Açu, formado pelos rios Itajaí do Oeste, Itajaí do Sul e Itajaí do Norte, também chamado de
Hercílio. Esta bacia hidrográfica é a maior da Vertente do Atlântico, com uma área total de 15.000
km², correspondendo a 16,5% do território catarinense e cujos cursos de água totalizam 24.171 km

de extensão (Grando, 2011). O rio Itajaí do Oeste, na barragem Oeste (Figura 1), possui área de
drenagem de 649 km² com uso e ocupação do solo composto principalmente por áreas agrícolas e
florestais e com comprimento total dos cursos de água igual a 95,2 km.
O clima da região, segundo a classificação climática de Köeppen, é Cfa (clima temperado,
úmido em todas as estações e verão quente). A precipitação média anual é igual a 1.544 mm, sendo
janeiro o mês com a maior média (181 mm), abril o mês com a menor média (86 mm) (Figura 2). A
máxima precipitação diária observada na estação pluviométrica de Taió (02749003), durante o
período de 1930 a 2017, foi de 170,7 mm em 28/02/1996.
Figura 1. – Localização da Barragem Oeste, localizada no rio Itajaí do Oeste, em Taió/SC, Brasil.
Figura 2. – Precipitação média mensal observada na estação pluviométrica Taió (02749003).
A Barragem Oeste tem a finalidade de atenuar os efeitos das cheias no rio Itajaí do Oeste,
afluente do Rio Itajaí. A Tabela 1 apresenta as principais características da Barragem Oeste de
interesse para o desenvolvimento do estudo. Do ponto de vista hidráulico, a barragem Oeste possui
sete comportas localizadas no corpo da barragem e que, em épocas de cheia, com níveis altos no
reservatório, operam hidraulicamente como orifícios. Uma das comportas da barragem é mantida
sempre aberta, a fim de garantir vazão à jusante na condição de baixas e médias vazões.

A barragem Oeste também possui em seu corpo um vertedor de soleira livre, portanto sem
controle, e cuja cota da crista é superior à cota das comportas. O vertedor começa a operar quando o
nível de água no reservatório atinge a sua cota da crista. Nesta condição, diz-se que houve
vertimento da barragem e representa a possibilidade de uma situação crítica para as regiões à
jusante da barragem. No presente estudo, foram analisadas duas situações de operação da barragem:
- Caso 1: Operação da barragem com todas as comportas abertas durante a ocorrência do

evento de cheia;
- Caso 2: Operação da barragem com apenas uma comporta aberta durante a ocorrência do
evento de cheia.
Tabela 1. – Características da Barragem Oeste.

Item Discriminação
Localização Taió, Santa Catarina, Brasil
Bacia Rio Itajaí
Rio Itajaí do Oeste
Finalidade Controle de Cheias
Início da operação 1973
Altura do barramento 23 m
Cota da crista da barragem 364,9 m
Cota da crista do vertedor 362,3 m
Nível mínimo da água 337,6 m
Capacidade do reservatório 100 hm³
Área do reservatório 9,105 km²
Descarregadores de fundo 7
(controlados por comportas) (seção circular, diâmetro 1,5 m)
DADOS UTILIZADOS NO ESTUDO
Os dados de vazão utilizados no estudo foram obtidos a partir da estação fluviométrica

Barragem Taió Montante (83029900), estação telemétrica da Agência Nacional de Águas (ANA),
operada pela Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina (EPAGRI),
situada à montante da Barragem Oeste. Os dados de precipitação foram obtidos das estações
pluviométricas Barragem Oeste (02750014), localizada junto à barragem, e Barragem Taió
Montante (02750034), localizada à montante da barragem. Os eventos extremos analisados são
apresentados na Tabela 2.
Tabela 2. – Descrição dos eventos extremos utilizados no estudo.

Precipitação total Precipitação máxima diária
(mm) (mm) Vazão
Evento Período (d/m/a) Barragem Barragem Barragem Barragem máxima
Oeste Taió Montante Oeste Taió Montante (m³/s)
(02750014) (02750034) (02750014) (02750034)
1 10/09 a 03/10/2013 270,7 306,6 54,0 79,4 1.187
2 01/01 a 24/01/2014 134,0 361,8 68,2 132 1.017
3 03/06 a 09/07/2014 332,1 510,8 74,4 111,2 1.549
4 20/09 a 01/11/2015 489,9 527,8 71,3 96,2 1.211
O hidrograma afluente ao reservatório da Barragem Oeste em cada evento de cheia foi

selecionado a partir da análise visual dos dados de vazão observados na estação fluviométrica
Barragem Taió Montante (83029900). Na definição do referido hidrograma, foram adotados um

período inicial, anterior ao início do trecho de ascensão, e um instante final no trecho de recessão
que caracterizassem um regime de vazões próximo ao escoamento permanente.
Como se verifica na Tabela 2, foram selecionados 4 eventos extremos com vazão igual ou
superior a 1.000 m³/s. Os eventos selecionados pertencem ao período compreendido entre
26/02/2013 e 10/11/2017, representado na Figura 3, escolhido em razão da disponibilidade de dados
de vazão com discretização temporal de 15 minutos, fornecidos pela ANA. Destaca-se, na Figura 3,
que as descontinuidades representam períodos de falha de dados e que as vazões de pico dos 4
eventos selecionados são destacadas com um X em vermelho.
Figura 3. – Vazões observadas na estação fluviométrica Barragem Taió Montante (830299000)

(Período: 26/02/2013 e 10/11/2017).
Para caracterizar os sistemas climáticos relacionados com os eventos de cheia, foram

utilizadas imagens de satélite, cartas e análises sinóticas disponíveis na página eletrônica do Centro
de Previsão do Tempo e Estudos Climáticos/Instituto Nacional de Pesquisas Espaciais
(CPTEC/INPE).
Para o desenvolvimento do estudo, foram necessárias as informações da curva cota-volume
do reservatório e das curvas-chave das estruturas de descarga da Barragem Oeste. A curva cota-
volume e a equação que relaciona o volume com a cota do reservatório foram obtidas de Moecke
(2014), sendo representadas pela Figura 4 e pela Equação 1, respectivamente:
[1]
onde V é o volume de água armazenado no reservatório em hm3 e H é a cota do reservatório em m.

As curvas-chave das estruturas de descarga da Barragem Oeste foram utilizadas para definir
a vazão efluente da barragem. A passagem da água para jusante da barragem se faz através de duas
estruturas hidráulicas: um vertedor de soleira livre e uma tomada de água, que opera
hidraulicamente como um descarregador de fundo em situações de altas vazões. A referida tomada
da água é composta de 7 aberturas na mesma cota no corpo da barragem e de seção circular com
diâmetro de 1,5 m, controladas individualmente por comportas. As curvas de descarga da tomada de
água e do vertedor de soleira livre são representadas respectivamente pelas Figuras 5 e 6 e também
foram obtidas de Moecke (2014).

Figura 4. – Curva Cota versus Volume do reservatório da Barragem Oeste, Taió – SC.
Figura 5. – Curva de descarga da tomada d'água do reservatório da Barragem Oeste, Taió - SC.
Figura 6. – Curva de descarga do vertedor do reservatório da Barragem Oeste, Taió - SC.
Destaca-se que a curva de descarga da tomada da água, apresentada na Figura 5, refere-se à

condição de descarga por todas as 7 aberturas e com as comportas totalmente abertas (Caso 1). Para
a determinação da curva de descarga para a condição de apenas uma comporta totalmente aberta e
as demais fechadas (Caso 2), simplesmente dividiu-se os valores de vazão apresentados na Figura 5
pelo número de comportas existentes. É possível observar na Figura 5, a transição do escoamento
livre para escoamento em orifício, quando as aberturas no corpo da barragem são afogadas pelo
aumento do nível de água no reservatório, próximo à cota 357,0 m. Em relação à Figura 6, destaca-

se que o vertedor somente começa a operar para cota do reservatório superior a 362,3 m, cota
referente à crista do vertedor.
Cabe ressaltar que o estudo considerou um cenário otimista de operação da Barragem Oeste
para os eventos analisados e que ocorreram entre 2013 e 2015. Somente no final de 2015, foi
concluída uma obra de alteamento da barragem que teve por objetivo aumentar a capacidade do
reservatório de 83 hm³ para 100 hm³ e que conferiu à barragem as características físicas e
hidráulicas utilizadas no desenvolvimento do trabalho. Este alteamento da barragem foi uma das
medidas propostas pelo Governo Federal como forma de amenizar as cheias na região em estudo.
MÉTODO DE PULS
O Método de Puls é um dos métodos mais conhecidos para simulação da propagação da

onda de cheia em reservatórios. A metodologia consiste em uma discretização da equação da
continuidade concentrada e na relação entre armazenamento (S) e vazão efluente (Q) do
reservatório. A descrição do método, apresentada a seguir, pode ser encontrada em Tucci (2012).
A equação da continuidade concentrada é representada de modo discreto pela Equação 2:
[2]
onde , e são, respectivamente, a vazão afluente ao reservatório, a vazão efluente do

reservatório e o volume armazenado no reservatório relativos ao tempo ; , e
representam as mesmas variáveis relativamente ao tempo +1; e é o intervalo de tempo. Na
Equação 2, os valores de , e devem ser representados nas mesmas unidades.
Supondo-se conhecidos, os valores de para qualquer tempo e os valores de e no
instante a Equação 2 apresenta duas incógnitas e . Isolando-se as incógnitas da Equação
2, tem-se:
[3]
Para a solução da Equação 3, necessita-se de uma segunda equação, resultante da relação

entre a vazão efluente do reservatório ( ) e o armazenamento ( ) e que pode ser obtida a partir da
curva cota-volume do reservatório e das curvas de descarga das estruturas hidráulicas da barragem.
O procedimento para a solução da Equação 3 envolve a determinação de uma função do tipo
, geralmente expressa na forma tabular. Conhecidas então as condições no instante
, pode-se determinar o valor da soma no instante +1 e, a partir deste valor, calcular por
interpolação numérica e finalmente calcular , todos relativamente ao instante +1. O processo de
cálculo é descrito a seguir:
a) Inicialmente é necessário estabelecer o volume inicial . Este volume pode ser

observado ou estimado com base em alguma hipótese adotada. Neste trabalho, adotou-se
uma condição inicial de escoamento permanente, ou seja, ( ). Portanto, definido
, determina-se a partir da curva cota-volume do reservatório e, por consequência,
;
b) Para cada intervalo de tempo , determina-se a soma no tempo +1, a partir da
Equação 3, uma vez que são conhecidos todos os termos à direita da igualdade,
condições no instante ;

c) Conhecida a soma no tempo +1, é possível determinar , a partir da função
. No caso da referida relação ser representada de forma tabular, a
determinação de , é feita por interpolação numérica;
d) A partir do valor de , pode-se determinar a partir da Equação 4:
[4]
e) Os passos de b a d se repetem sucessivamente para cada intervalo de tempo .
RESULTADOS E DISCUSSÃO
Na bacia do rio Itajaí do Oeste, os maiores eventos de cheia estão associados à passagem de
sistemas frontais sobre o sul do Brasil na forma de frentes frias ou frentes estacionárias. Estes
sistemas se formam entre o estado do Rio Grande do Sul no Brasil e o Paraguai e a Argentina,
associados a um ciclone extratropical no oceano Atlântico e/ou ainda à presença de um Vórtice
Ciclônico nos altos níveis da atmosfera (VCAN), favorecendo forte instabilidade, acompanhada de
precipitação intensa (CPTEC, 2018).
Esta foi a configuração atmosférica nos eventos 1, 3 e 4, durante o inverno e a primavera,
segundo as informações obtidas a partir das imagens de satélite, cartas e análises sinóticas. Pode-se
inclusive afirmar que a chance de ocorrência de um evento extremo de cheia é elevada quando duas
frentes frias se deslocam sobre a bacia em um intervalo de tempo inferior a 7 dias.
Em relação ao evento 2, como a cheia aconteceu no verão, época em que os sistemas
frontais são mais fracos na região sul do Brasil, a precipitação oriunda de nuvens convectivas
típicas da estação quente foi a responsável pela ocorrência do referido evento. Durante o verão, as
frentes se movem sobre o oceano, no entanto, organizam uma linha de instabilidade sobre o
continente, que acompanha o seu deslocamento. Neste evento em específico, uma frente
permaneceu estacionária sobre o oceano, próxima ao litoral de Santa Catarina, favorecendo a
formação e a intensificação de nuvens convectivas que originaram a precipitação.
A comparação entre o hidrograma afluente e os hidrogramas efluentes, obtidos para as
situações de operação da barragem analisadas, Caso 1 e Caso 2, mostraram amortecimento da onda
de cheia e atraso na vazão de pico. Os efeitos de amortecimento do hidrograma afluente e de atraso
no pico foram mais significativos no Caso 1. Em relação às cotas no interior do reservatório, os
resultados mostraram que o nível de água esteve sempre acima da cota da geratriz inferior das
aberturas no corpo da barragem, de tal modo que a operação das comportas sempre interfere no
hidrograma efluente.
Observou-se que os níveis de água no reservatório obtidos no Caso 1 (todas as comportas
abertas) resultaram sempre inferiores aos obtidos no Caso 2 (apenas uma comporta aberta). No
Caso 1, após se atingir o nível de água máximo, há uma redução rápida dos níveis do reservatório,
enquanto que, para o Caso 2, a redução dos níveis ocorre de forma gradual, mais lenta. Este
comportamento observado para o Caso 2 pode ser um problema na hipótese da ocorrência de um
segundo evento imediatamente após o primeiro, pois encontrará o reservatório ainda relativamente
cheio e com menor capacidade de amortecimento da onda de cheia.
Os resultados obtidos nas simulações efetuadas para os eventos 1 a 4 são apresentados,
respectivamente nas Figuras 7 a 10. Destaca-se que, nas referidas figuras, utilizou-se como notação
representar o hidrograma efluente no Caso 1 sempre em vermelho e no Caso 2 sempre em azul.
Além disso, para reforçar a diferenciação entre os resultados nos dois casos, as variáveis
representadas com um asterisco (*) referem-se sempre ao Caso 1, enquanto que aquelas definidas
com dois asteriscos (**) referem-se sempre ao Caso 2. Ainda, representou-se a vazão afluente, a
vazão efluente e a cota no reservatório por Qa, Qe e Z, respectivamente. Finalmente, as variáveis
Zcpt e Zvtd representam respectivamente as cotas de início do escoamento pelas aberturas no corpo

da barragem, influenciado pela operação das comportas, e do escoamento pelo vertedor,
respectivamente.
Figura 7. – Resultados das simulações realizadas para o evento 1, Barragem Oeste,

rio Itajaí do Oeste (Caso 1 em vermelho, Caso 2 em azul).
Para o evento 1, cujos resultados são apresentados na Figura 7, houve uma redução de
51,5% na vazão de pico e um atraso no pico de 12,7 horas para o Caso 1. Por outro lado, as vazões à
jusante permaneceram elevadas por um maior período em comparação à operação da barragem com
apenas uma comporta aberta (Caso 2). No Caso 2, a redução da vazão de pico foi de 15,6% e o
atraso na vazão de pico foi de 7,7 h.
O evento 2, cujos resultados são apresentados na Figura 8, caracterizou-se por ser originado
por uma chuva convectiva, concentrada no dia 14 de janeiro, que totalizou mais de 100 mm em
apenas 6 horas. Para este evento, foram observadas as menores diferenças entre os resultados
obtidos para os Casos 1 e 2. Verificou-se uma redução de 78,1% e 65,2% na vazão de pico e um
atraso no pico de 27,5 h e 18,5 h para os Casos 1 e 2, respectivamente.
Ainda em relação ao evento 2, destaca-se que, no Caso 1, há uma liberação constante das
vazões durante o evento, o que leva a um aumento nas cotas à jusante do reservatório por um maior
tempo, mas não resulta em vertimento da barragem, uma vez que o nível de água do reservatório
não atinge a cota da crista do vertedor. Já no Caso 2, que apresentou uma vazão de pico maior em
relação ao Caso 1, há vertimento da barragem, pois o nível de água no reservatório atingiu a cota da
crista do vertedor.
A Figura 9 apresenta os resultados obtidos para o evento 3. Verifica-se uma situação
peculiar no evento 3 com a ocorrência de dois picos de vazão, sendo um primeiro pico, com vazão
mais alta, e um segundo pico, com uma vazão mais baixa, em um intervalo de tempo de
aproximadamente 20 dias, o que é explicado pelas chuvas observadas no período.
No evento 3, no primeiro pico do hidrograma, houve uma redução na vazão de pico de
70,9% e um atraso no pico de 11,25 h no Caso 1. Já para o Caso 2, observou-se uma redução de
42,5% na vazão de pico e um atraso no pico de 6 h. No segundo pico do hidrograma, observou-se
uma redução na vazão de pico de 50,5% e atraso de 29,25 h no Caso 1, e redução de 25,9% e atraso
no pico de 16,2 h no Caso 2. No segundo pico do hidrograma, a influência da operação foi maior no
tempo de atraso do pico do que no primeiro pico da cheia.
Ainda, para o evento 3, a operação da barragem com apenas uma comporta aberta (Caso 2)
resultou em dois vertimentos da barragem com diferença de poucos dias, pois o reservatório não
teve tempo suficiente para produzir um volume de espera para armazenar o volume associado ao
segundo pico do hidrograma.

rio Itajai do Oeste (Caso 1 em vermelho, Caso 2 em azul).

Para o evento 4, verifica-se, a partir dos resultados apresentados na Figura 10, o efeito da
entrada de vazões médias no reservatório que proporcionam uma elevação gradual e contínua do
volume armazenado e do nível de água. O impacto é mais significativo para o Caso 2, justamente
pela questão já levantada de um esvaziamento mais lento na situação de apenas uma comporta
aberta. Como consequência, observam-se três episódios de vertimento da barragem para o Caso 2 e
nenhum vertimento da barragem para o Caso 1. Neste evento, houve redução da vazão de pico em
79,5% e atraso no pico em 20,7 h para o Caso 1 e redução da vazão de pico em 26,7% e atraso no
pico em 4,7 h para o Caso 2.
O evento 4 ocorreu sob a influência do episódio El Niño 2015/16, sendo que o número de
dias seguidos com precipitação significativa é maior (9 dias) que nos demais eventos e a
precipitação acumulada na barragem também é mais expressiva, chegando a 350 mm. Sabe-se que a
precipitação em Santa Catarina é fortemente influenciada por este fenômeno (Grimm; Ferraz;

Gomes, 1998). Os demais eventos de cheia aconteceram em períodos sem El Niño e ainda assim
acarretaram em picos de vazão tão expressivos quanto o evento 4.
CONCLUSÕES E RECOMENDAÇÕES
O Método de Puls permitiu a simulação do amortecimento das ondas de cheia pela

Barragem Oeste, localizada no rio Itajaí do Oeste, no município de Taió, estado de Santa Catarina,
Brasil, sendo possível estimar as vazões à jusante com base na vazão afluente ao reservatório da
barragem. Por constituir um método simples, necessitando de poucas informações, conclui-se que o
mesmo, associado a previsões meteorológicas, pode constituir ferramenta auxiliar na prevenção e
minimização dos danos causados pelas cheias na região em estudo.
O conhecimento das relações entre abertura/fechamento das comportas e o amortecimento
da onda de cheia é fundamental para a operação da barragem Oeste no controle das cheias no vale
do rio Itajaí. A operação meramente empírica é passível de erros e subjetividade. Neste sentido, a
pesquisa aplicada à operação de barragens é muito importante.
Foram simulados dois cenários de operação da Barragem Oeste. O primeiro deles com todas
as comportas que controlam o fluxo nas aberturas no corpo da barragem abertas (Caso 1) e o
segundo com apenas uma comporta aberta e as demais totalmente fechadas (Caso 2).
O cenário com todas as comportas abertas (Caso 1), comparativamente ao cenário com
apenas uma comporta aberta (Caso 2), resultou em maiores reduções nas vazões de pico, maiores
atrasos nos picos dos hidrogramas e um esvaziamento mais rápido do reservatório da barragem.
Importante destacar que a capacidade de rápido esvaziamento do reservatório é fundamental na
ocorrência de ondas de cheias próximas entre si. Por outro lado, o Caso 1 resultou em vazões a
jusante altas por um período de tempo maior. Apesar de uma maior redução na vazão de pico, uma
desvantagem do cenário do Caso 1 é produzir um aumento nas vazões a jusante mais rapidamente
do que no Caso 2 e, com isso, eventualmente ultrapassar cotas limites de inundação mais cedo,
embora produza menores áreas de inundação a jusante, justamente por resultar em menores vazões
de pico no hidrograma efluente.
Algumas considerações podem ser feitas sobre a operação da barragem a partir da análise
dos resultados das simulações para a barragem Oeste. No caso da existência de uma cota limite de
inundação à jusante, a barragem deve operar com as comportas totalmente abertas até que o nível de
água a jusante atinja a referida cota limite, o que representaria a operação no Caso 1, o que
proporcionaria um maior volume disponível no reservatório para armazenar o restante volume da
onda de cheia em comparação a qualquer outro cenário. Atingida a cota limite, deve-se utilizar o

armazenamento proporcionado pelo reservatório para a manutenção das cotas à jusante, no máximo,
igual à cota limite de inundação. Para isso, seria necessário analisar as operações de fechamento das
comportas necessárias para a manutenção da vazão à jusante da barragem.
Além disso, deve-se evitar, ao máximo, operar no cenário do Caso 2 por resultar em rápida
elevação dos níveis do reservatório e possível superação da cota da crista do vertedor de soleira
livre. Uma vez que o vertedor começa a operar, a capacidade de controlar as vazões à jusante é
diminuída significativamente pelo fato do vertedor possuir uma capacidade de descarga muito
superior à capacidade das aberturas no corpo da barragem que funcionam como orifícios em
condições de altas vazões.
Finalmente, passado o pico de cheia deve-se voltar o mais rapidamente possível à condição
representada pelo Caso 1 para permitir o esvaziamento mais rápido do reservatório, respeitando-se,
no entanto, a cota limite de inundação à jusante. Essa regra teria por objetivo proporcionar um
maior volume de espera no reservatório na hipótese da ocorrência de uma segunda onda de cheia.
Para isso, seria necessário analisar as operações de abertura das comportas necessárias para a
manutenção da vazão à jusante da barragem.
No presente estudo, não se considerou a possibilidade de operações de abertura ou
fechamento das comportas ao longo do evento de cheia, sendo etapa a ser considerada em estudos
futuros. Portanto, sugere-se para trabalhos futuros, a simulação dos eventos considerando operações
de abertura e fechamento das comportas ao longo do evento de cheia, assim como, a utilização de
técnicas de otimização para a definição das regras de operação dado um hidrograma afluente e
considerando ainda a existência de restrições à jusante sobre as vazões efluentes e os níveis de água.
REFERÊNCIAS
Barbosa, F.A.R. (2006). “Medidas de proteção e controle de inundações urbanas na bacia do rio
Mamanguape/PB”. 115 f. Dissertação (Mestrado em Engenharia Urbana) – Centro de Tecnologia,
Universidade Federal da Paraíba, João Pessoa.
Cordero, A.; Silva, H.S.; Severo, D.L. (2000). “Análise da capacidade de armazenamento das
ondas de cheia pela barragem norte e suas implicações nas comunidades do Vale do Itajaí (SC)”. In: XI
Congresso Brasileiro de Meteorologia, Rio de Janeiro, 2000. Anais 1980 – 2006. Disponível em:
http://www.cbmet.com/index.php. Acesso em: 16 dez. 2017.
CPTEC – Centro de Previsão de Tempo e Estudos Climáticos. (2018). Boletim Técnico.
Disponível em: < http://tempo.cptec.inpe.br/boletimtecnico/pt>. Acesso em: 12 de junho de 2018.
Grando, T. V. (2011). “Os recursos hídricos e os planos diretores municipais na bacia do rio Itajaí-
Açu”. Dissertação (Mestrado em Geografia) - Universidade Federal de Florianópolis – UFPR, Florianópolis -
SC, 2011. 205 p.
Grimm, A.M.; Ferraz S. E. T.; Gomes, J. (1998). “Precipitation anomalies in Southern Brazil
associated with El Niño and La Niña events”. Journal of Climate, v.11, p. 2863-2880, 1998.
Ministério da Integração Nacional – MIN (2002). Manual de segurança e inspeção de barragens.
Brasília - DF: Ministério da Integração Nacional, 148 p.
Moecke, G. C. (2014). “Análise do rompimento hipotético da Barragem Oeste do Vale do rio Itajaí”.
Trabalho de Conclusão de Curso (Graduação em Engenharia Civil) -Universidade Federal de Santa Catarina,
Florianópolis – SC, 81 p.
Tucci, C. E. M. (2012). Hidrologia: Ciência e aplicação. Porto Alegre: UFRGS. 4ª ed. Pp. 943.

IAHR AIIH
FACTOR DE REDUCCIÓN POR ÁREA PARA EL ESTADO DE TABASCO,

MÉXICO
Sánchez S., González F.J., Domínguez R., Hernández A.

Coordinación de Hidráulica, Instituto de Ingeniería, UNAM, Circuito escolar s/n, Ciudad Universitaria, Coyoacán,
Ciudad de México, México
ssanchezm@iingen.unam.mx; fgonzalezv@iingen.unam.mx; rdominguezm@iingen.unam.mx;
ahernandezhe@iingen.unam.mx
RESUMEN:
En este trabajo se realiza el cálculo del Factor de Reducción por Área para el estado de
Tabasco en la república mexicana. Esta región de México se caracteriza por recibir precipitaciones
originadas por tormentas tropicales entre los meses de mayo y octubre, además de eventos extremos
de invierno entre los meses de diciembre y febrero.
El método utilizado para el cálculo del FRA es un método empírico que relaciona las
precipitaciones máximas diarias anuales con las precipitaciones con las precipitaciones máximas
diarias anuales simultáneas ocurridas en estaciones que cuenten con, por lo menos, 15 años de
registro en común. También, se realiza un ajuste de probabilidad para calcular los factores
asociados a distintos periodos de retorno.
Finalmente, se determinan ecuaciones que correlacionan los FRA con el área de influencia
de las estaciones climatológicas. Con estas ecuaciones, es posible calcular el FRA para cualquier
punto y para cualquier área deseada dentro del estado de Tabasco.
ABSTRACT:
In this paper the calculation of the Aereal Reduction Factors for the state of Tabasco,
Mexico is made. This region of Mexico is characterized for receiving precipitations originated by
tropical storms between the months of May and October, in addition to extreme winter events
between the months of December and February
This The method used for the calculation of the ARF’s is an empirical method that relates
the annual maximum daily precipitations with the precipitations with the simultaneous annual
maximum daily precipitations happened in stations that count on, at least, 15 years of common
registration. Also, a probability adjustment is made to calculate the factors associated with different
return periods.
Finally, equations are determined that correlate the ARF’s with the area of influence of the
climatological stations. With these equations, it is possible to calculate the FRA for any point and
for any desired area within the state of Tabasco
PALABRAS CLAVES: precipitaciones simultáneas; precipitaciones no simultaneas; periodo de

retorno.

INTRODUCCIÓN
En una región específica no se presentan, generalmente, las lluvias máximas en diferentes

puntos al mismo tiempo. La simultaneidad se define como la correcta medición de un evento
hidrológicos máximo en un mismo tiempo y en diferentes lugares (Torres, 2013)
La tormenta de diseño puede obtenerse con cierta facilidad a través del análisis regional de
precipitaciones. Sin embargo, al promediar espacialmente las lluvias puntuales asociadas a un
determinado periodo de retorno se tiende a sobre estimar la lluvia real al no considerar las lluvias
máximas ocurridas en forma simultánea en distintas estaciones de registro. Si se toma la lluvia
puntual como lluvia aereal en un área de estudio, esta estimación será mayor a la que se presenta en
la realidad.
Por esta razón, para convertir precipitaciones puntuales en precipitaciones aereales, conviene
afectar la lluvia puntual por el FRA (Factor por Reducción por Área) para tener una precipitación de
diseño mucho más cercana a la precipitación real que pueda ocurrir en una zona dada.
Este factor define la magnitud de la altura de lluvia como una función del área donde ocurre
y se utiliza cuando se desea conocer la precipitación media del área de estudio (Mena, 2004). Esta
precipitación se obtiene al aplicar el FRA de la siguiente manera:
[1]
Donde
es la precipitación aereal en mm en una zona dada para la duración y el periodo de retorno en

estudio.
es el Factor de Reducción por Área en función de la lluvia, área de interés y periodo de

retorno en estudio.
es la precipitación media en mm de los valores puntuales para el área, el periodo de retorno y la

duración de interés.
ANTECEDENTES
El concepto de FRA tiene su origen en los Estados Unidos, específicamente en el US

Weather Bureau en 1962 a través de David M. Hershfield, quien determinó dos métodos empíricos
de Factor de Reducción por Área: centro de tormenta y área geográfica fija.
Asimismo, en loa estudios posteriores a los de David M. Hershfield (Guichard, 2002), se
han propuesto diversos métodos para obtener el FRA, que de acuerdo con sus bases, se podrían
dividir en tres grupos:
Empíricos: relacionan las precipitaciones aereales con precipitaciones puntuales, carecen de
fundamentos teóricos.
Teóricos: tienen fundamentos teóricos, generalmente siguen una ley de probabilidad.
Teórico-práctico: son una combinación de los métodos empíricos y teóricos
METODOLOGÍA
Se utiliza un método empírico de análisis de frecuencias, el cual consiste en relacionar las

lluvias máximas diarias anuales en cada estación, sin tomar en cuenta el día en que se presenta cada
máximo, con las lluvias simultáneas ocurridas el día en que el promedio de las estaciones es
máximo, asociado al área de influencia de las estaciones de medición. Estas áreas están
determinadas por círculos que encierran al menos tres estaciones con 15 años de registro en común
(Sánchez, 2017).

Para obtener las lluvias simultáneas se promedian las precipitaciones de cada día del año de
las estaciones que se ubican dentro del círculo en estudio como se muestra en la tabla 1, enseguida,
se obtiene el valor máximo de estos promedios. Este procedimiento se repite para cada año de
registro en común con el que cuenten las estaciones. El valor obtenido, será el registro de
precipitaciones simultáneas para cada año.
Tabla 1.- Cálculo de lluvias simultáneas
Estación Día 1 Día 2 … Día 365

1 …
2 …
3 …
En cuanto a las lluvias no simultáneas, se obtiene al promediar el máximo diario anual de

precipitación de cada estación.
Tabla 2.- Cálculo de lluvias no simultáneas
Estación Día 1 Día 2 … Día Máximo

365
1 …
2 …
3 …
Una vez obtenidos los promedios simultáneos y no simultáneos, se obtiene un FRA’ para
cada año de registro en común con el siguiente cociente
[2]
Donde
Es el Factor de Reducción por Área para cada año de registro en común.

es el promedio máximo de lluvias simultáneas de cada año de registro en común.
es el promedio de lluvias máximas diarias anuales no simultáneas de cada año de
registro en común.
El proceso desarrollado es el siguiente
1.-Se trazan círculos que encierren mínimo tres estaciones climatológicas que cuenten, por
lo menos, con 15 años de registros simultáneos en distintas regiones del estado de Tabasco, México
(figura1).

Figura 1.- Estaciones climatológicas y sus áreas de influencia
2.-Se obtienen los promedios de las lluvias máximas diarias anuales y los promedios
máximos de las lluvias simultáneas anuales.
3.- Para cada años de registro simultáneo se obtiene un FRA’ dividiendo el promedio de
lluvias máximas diarias de las tres estaciones entre el promedio de las lluvias máximas diarias
simultáneas. En ocasiones estos tres valores coinciden, lo cual indica que la lluvia máxima de cada
estación ocurrió el mismo día.
4.-Se obtiene el FRA para área del círculo en estudio como el promedio de los FRA’.
[3]
Donde
Factor de Reducción por Área medio para el círculo en estudio

es el Factor de Reducción por Área para cada años de registro en común
es el número de de años de registros en común (quince años como mínimo)
5.-Se aplica una distribución de probabilidad a los valores máximos simultáneos y los
máximos no simultáneos, con esto se obtiene el FRA asociados a diferentes periodos de retorno
para el área del círculo en estudio.
6.-Se trazan más círculos para hacer más combinaciones de estaciones y áreas.
7.-A cada círculo del punto anterior se aplican los puntos 2, 3, 4 y 5.
8.-Una vez obtenidos los FRA medios para diferentes zonas, diferentes áreas y periodos de
retorno, se realiza una correlación lineal para obtener ecuaciones con las cuales será posible calcular
el FRA para un área deseada asociada a diferentes periodos de retorno.
RESULTADOS
La siguiente tabla muestra los FRA medios y extrapolados para los 12 círculos dibujados en el
estado de Tabasco y para periodos de retorno de 2, 10, 50 y 100 años. Asimismo, se presentan las
gráficas Área-FRA.

Tabla 3.-FRA medios y extrapolados
Círculo Área FRA medios Tr=2 Tr=10 Tr=50 Tr=100

km² años años años años
1 1095.5387 0.6992 0.6912 0.8280 0.8318 0.8328
2 1264.7793 0.8333 0.7894 0.9027 0.9191 0.9237
3 1386.2431 0.7048 0.6933 0.8459 0.8028 0.7634
4 457.4062 0.7733 0.7843 0.9025 1.0323 1.0583
5 1611.3197 0.6801 0.6432 0.8142 0.9551 0.9484
6 1689.6674 0.7140 0.7021 0.8481 0.8610 0.7986
7 1043.4618 0.6100 0.5831 0.7985 0.7700 0.7162
8 1095.5387 0.7385 0.7101 0.8054 0.9509 0.9521
9 402.8299 0.7779 0.7669 0.7824 0.7771 0.7738
10 1112.8234 0.7874 0.7477 0.8839 0.9375 0.9565
11 2490.8552 0.6562 0.6319 0.7233 0.8305 0.8497
12 1755.7631 0.5967 0.5452 0.7155 0.8034 0.8246
Figura 2.- Gráfica Área-FRA medios

Figura 3.- Gráfica Área-FRA Tr=2 años

Las ecuaciones que correlacionan el área con el FRA son:
FRA medios
[4]
FRA Tr=2años
[5]
FRA Tr=10años
[6]
FRA Tr=50 años
[7]
FRA Tr=100 años
Con las ecuaciones 4, 5, 6 y 7 es posble calcular el FRA para distintas áreas deseadas dentro del
estado de Tabasco, México. En la siguiente tabla se muestra el FRA para distintas áreas asociados a
distintos periodos de retorno.
Tabla 4-FRA medios y extrapolados para áreas deseadas
Área Medios Tr=2 Tr=10 Tr=50 Tr=100

km² años años años años años
10 0.9145 0.9000 0.9896 1.0273 1.0221

50 0.8453 0.8292 0.9317 0.9758 0.9690
100 0.8155 0.7987 0.9067 0.9536 0.9461
500 0.7463 0.7279 0.8488 0.9021 0.8930
1000 0.7165 0.6974 0.8238 0.8800 0.8701
5000 0.6473 0.6265 0.7659 0.8284 0.8170
10000 0.6175 0.5960 0.7409 0.8063 0.7942
100000 0.5184 0.4947 0.6580 0.7326 0.7182

El FRA se va alejando de la unidad de forma muy gradual cuando el área aumenta, esto indica
que las lluvias en el estado de Tabasco son en áreas muy extensas. Esto se verifica debido a que en
este sitio de México se presentan precipitaciones con origen en ciclones tropicales y huracanes que
son, efectivamente, lluvias en áreas muy grandes.
Asimismo,Tabasco cuenta con una Red de Estaciones Automáticas (EMAS) de recién
instalación (4 años de antigüedad), la cual registra precipitaciones cada 10 minutos. Se recomienda
utilizar los datos de esta red para calcular el FRA para duraciones menores a 24 h.
REFERENCIAS
Guichard, D. (2002). “Factores de reducción areal: recopilación de métodos y obtención de
factores empíricos para episodios convectivos en la comunidad de Valencia”. España.
Mena, S. (2004). “Factores de Reducción por Área para el cálculo de lluvias de diseño. Aplicación
al estado de Sinaloa”, Tesis de maestría, Posgrado de Ingeniería, UNAM, México.
Sánchez S. (2017). “Factor de Reducción por Área para el estado de Sonora”. Congreso Nacional
De Hidráulica, Acapulco, Guerrero, México.
Sánchez S. (2017). “Actualización de los Factores de Reducción por Área para distintas regiones de
la república mexicana”. Tesis de Maestría, Posgrado de Ingeniería, UNAM, México.
Torres N. (2013). “Obtención de Factores de Reducción por área usando el método de
regionalización. Aplicación a la cuenca del río Sonora”. Tesis de Maestría, Posgrado de Ingeniería,
UNAM, México.

IAHR AIIH
EVALUACIÓN DE LA APLICABILIDAD DE TÉCNICAS DE DISEÑO DE

REDES DE MONITOREO HIDROCLIMATOLÓGICO EN CUENCAS
URBANAS DE COLOMBIA. CASO DE ESTUDIO MUNICIPIO DE IBAGUÉ
Pedro Antonio Chacón Moreno a, Jeannette del Carmen Zambrano Nájera b, Nelson Obregón
Neira, c,
a
Maestría en Ingeniería – Recursos Hidráulicos, Universidad Nacional de Colombia - Sede Manizales – pchaconm@unal.edu.co
b
Universidad Nacional de Colombia -Sede Manizales. jdzambranona@unal.edu.co
c
Pontificia Universidad Javeriana – Sede Bogotá. nobregon@javeriana.edu.co
RESUMEN
La falta de sistemas de medición hidrometeorológicas en algunas ciudades de la región
andina de Colombia, en donde su sistema montañoso se caracteriza por una topografía cambiante y
una amplia biodiversidad de ecosistemas, ha generado que se presente un desconocimiento total del
potencial hídrico y la carencia de políticas de prevención a los posibles desastres naturales
relacionados con los eventos extremos que se generan en épocas de alta pluviosidad. La necesidad
de conocer el comportamiento del clima en una región, especialmente en las zonas urbanas tiene
gran significancia cuando se relaciona con la planificación del territorio y por ende el desarrollo
humano; la ciudad de Ibagué en el departamento del Tolima, no es la excepción, en la actualidad la
zona urbana cuenta con tan solo tres estaciones de medición de lluvia, de las cuales dos se
encuentran al interior de la ciudad y una fuera de ella, la baja cantidad de equipos al interior de la
misma ha ayudado a que las autoridades locales y ambientales no cuenten con información precisa
de la gestión de los recursos hídricos. Con el presente trabajo, se busca evaluar la aplicabilidad de
técnicas de diseño de redes de monitoreo tendientes a aportar información esencial en lo que
corresponde al conocimiento del clima en la ciudad.
ABSTRACT
The lack of hydrometeorological measurement systems in some cities of the region and of
Colombia, where its mountainous system is characterized by a changing topography and a great
biodiversity of ecosystems, has generated a total lack of knowledge of the water potential and the
lack of policies of prevention to the possible natural disasters related to the extreme events that are
generated in times of high rainfall. The need to know the behavior of the climate in a region,
especially in urban areas, has a great significance when it is related to the planning of the territory
and human development; the city of Ibague in the department of Tolima, is not the exception, at
present this city has only three rain measurement stations, of which are inside the city and outside it,
the low amount of teams within the city have helped local and environmental authorities do not
have accurate information on the management of water resources. With the present work, we seek
to evaluate the application of monitoring network design techniques tending to provide essential
information in what corresponds to the knowledge of the climate in the city.
PALABRAS CLAVES: Medición de variables hidrometeorológicas, diseño redes

hidrometeorológicas, planificación de recursos hídricos

INTRODUCCIÓN
La adecuada gestión de los recursos hídricos depende sustancialmente del conocimiento

sobre el comportamiento hidrológico y climatológico de las cuencas hidrográficas. La calidad, la
oferta y la demanda del agua hace que el desarrollo de una región en términos de planificación
urbana, agrícola y social se vea comprometida en cuanto a su desarrollo y calidad de vida de los que
habitan en ella. Para adelantar una adecuada gestión de los recursos hídricos, se requiere de
información continua y de calidad, para lo cual se utilizan redes de monitoreo hidrometeorológico
existentes. Una red hidrometeorológica es un sistema organizado para la recolección de información
específica de datos atmosféricos o climatológicos, tal como la precipitación, la escorrentía
superficial, la temperatura, la calidad del agua, la sedimentación y otros parámetros que aportan al
conocimiento climático y meteorológico de una región.
Las redes hidrometeorológicas se constituyen por tanto en un instrumento de monitoreo y
seguimiento para la planificación urbana en términos de ocupación del territorio y del uso de los
recursos hídricos, como también aportan al conocimiento de los fenómenos atmosféricos extremos
(lluvia y calor). La falta de monitoreo de las variables hidroclimáticas como es el caso Ibagué, ha
generado que las autoridades municipales, así como las ambientales, no posean datos suficientes
que permitan cuantificar los eventos que se presentan en la ciudad, al igual de no tener claridad de
la disponibilidad de agua en las cuencas que circundan la ciudad.
Este artículo hace parte de un estudio de investigación cuyo objetivo principal es el diseño
de una red hidrometeorológica para las cuencas urbanas del municipio de Ibagué para la
planificación y gestión del riesgo en el mismo, a partir de la evaluación de técnicas de diseño de
redes de monitoreo hidrometeorológico a nivel urbano. En este estudio se presentan los primeros
avances sobre el análisis de la situación actual en términos de monitoreo en la zona, y técnicas
disponibles para el diseño de redes:
DESCRIPCIÓN DE LA ZONA DE ESTUDIO
El diseño de la red se realizará en el municipio de Ibagué, ubicado en el Departamento del

Tolima, Colombia (Figura 1); localizado en el flanco oriental de la cordillera Central de Colombia,
con un gradiente altitudinal entre los 940 y los 1537 m.s.n.m, mostrándose una diferencia altitudinal
de 597 metros en tan solo 16.30 kilómetros de longitud. La superficie total del municipio es de 1492
km2, desde la zona montañosa ubicada en la parte alta del nevado del Tolima hasta el relieve más
plano, conocido como la meseta o abanico de Ibagué. Con una población cercana a los 650.000
habitantes, esta ciudad es conocida actualmente como una de las tres ciudades con mayor
crecimiento poblacional del país, debido al desarrollo urbanístico que viene teniendo y la
conectividad que tiene especialmente con el centro del país, lo que la hace estratégica para el
desarrollo económico y turístico. (Alcaldía de Ibagué, 2014).
Actualmente, el municipio no cuenta con información hidrometeorológica suficiente que
permita atender las necesidades de la ciudad, al igual que cuantificar los eventos extremos que se
puedan presentar, generando con ello déficit de información para la planificación ambiental de la
ciudad.

Figura 1. Localización geográfica de Ibagué. (Alcaldía de Ibagué, 2014)
Ubicación y estado de las estaciones existentes

El municipio cuenta con tres estaciones, dos de tipo pluviométricas y una sinóptica
secundaria, referenciadas y codificadas según el Instituto de Hidrología, Meteorología y Estudios
Ambientales de Colombia IDEAM como:
Tabla 1.- Estaciones ubicadas en el municipio de Ibagué. (IDEAM)
Nombre estación Código Registro de datos Tipo
Interlaken 21210240 (1994 – 2015) Pluviómetro
Cruz Roja 21210230 (1997 - 2017) Pluviómetro
Aeropuerto Perales 21245040 (1971 - 2015) Sinóptica secundaria
La ubicación de estos equipos está hecha de la siguiente manera: dos estaciones

pluviométricas al interior del área urbana en el barrio Interlaken y las instalaciones del IDEAM
sede Tolima y una por fuera del perímetro urbano en las instalaciones del Aeropuerto Perales de
la ciudad de Ibagué (Figura 2).
Figura 2. Ubicación espacial de las estaciones IDEAM, Municipio de Ibagué

Fuente: Elaboración propia con información de Google Map y POT 2014

DATOS Y MÉTODOS
Procesamiento y análisis de la información existente
Se realizó el análisis de las series de las estaciones descritas en la tabla 1, según los métodos
estadísticos de refinamiento establecidos en la Guía de Instrumentos y métodos de observación
meteorológicos (OMM, 2010), y el Manual del sistema mundial de observación (OMM, 2015).
Estos métodos de refinamiento de información consisten en realizar un análisis exploratorio de
series temporales, con el propósito de determinar la calidad de la información hidrológica que se
está utilizando actualmente.
Uno de los principales factores al momento de realizar el análisis de datos climatológicos es
verificar que las estaciones sean inspeccionadas periódicamente para asegurar el funcionamiento
correcto de los instrumentos de medición y la calidad de las observaciones. Cuando los datos han
sido obtenidos manualmente, la comprobación de esta información deberá tener en cuenta las etapas
siguientes:
a) Revisión preliminar de los datos faltantes.

b) Selección de la serie de datos a tratar teniendo en cuenta el menor número de datos faltantes.
c) Verificación de la completitud y corrección de la información correspondiente, es decir, fechas
de inicio de recesión de datos, nombre e identificador de la estación y ubicación geográfica.
d) Consistencia y homogenización de datos, utilizando para ello técnicas estadísticas en donde se
pueda reflejar la calidad de los datos captados por los sistemas de medición.
Metodologías de diseño de redes hidrometeorológicas
A partir del conocimiento del estado del arte en relación a las técnicas de diseño utilizadas
en la construcción de redes de monitoreo hidrometeorológico, como lo son el análisis estadístico,
interpolación espacial, la aplicación de las teorías de la información, técnicas de optimización,
análisis fisiográfico, encuesta a los usuarios o recomendaciones de los expertos y las combinaciones
de múltiples métodos, etc., (Keum, Kornelsen, Leach, & Coulibaly, 2017), se evaluará y
recomendará la mejor técnica para el diseño a realizar en el municipio de Ibagué.
En Colombia, el diseño de las redes de monitoreo climatológico e hidrometeorológico se ha
realizado tradicionalmente siguiendo las normas y parámetros técnicos establecidos por la
Organización Mundial de Meteorología (OMM, 1994), como principal órgano a nivel mundial en
dictar recomendaciones técnicas tendientes a diseñar una red estable.
A nivel nacional y local, en Colombia, el IDEAM, en el año 2004, generó un documento
técnico de recomendaciones básicas para diseño de redes en Colombia (IDEAM 2004), partiendo
del hecho de que la característica principal a tener en cuenta para iniciar la actividad de diseño es el
trabajo de campo, el cual debe estar enfocado en conocer las áreas de interés a observar y a partir de
allí las variables a medir, esto con el propósito de asegurar que los sitios escogidos para ubicar los
equipos de medición cumplan con las condiciones mínimas de instalación y operación.
En el diseño de redes hidrometeorológicas, además de tener en cuenta el tipo de red y su
ubicación geográfica, se requiere definir su metodología de diseño; este punto marca dentro del
diseño de las redes de monitoreo de agua y variables atmosféricas, un rol muy importante, ya que
con ello se busca determinar la distribución espacial de los equipos a instalar, como también la
frecuencia en el recibo de los datos y las variables a medir (Monitoring, 2001). En la actualidad,
existen diferentes metodologías de diseño disponibles, como el análisis estadístico, interpolación
espacial, la aplicación de la teoría de la información, técnicas de optimización, análisis fisiográfico,
encuesta a los usuarios o recomendaciones de los expertos y las combinaciones de múltiples
métodos, etc…, (Keum, Kornelsen, Leach, & Coulibaly, 2017), analizando brevemente cada una de
las metodologías antes mencionadas y otras que no fueron referenciadas antes, se podría decir que

existe una buena gama de metodologías que permiten al diseñador de una red tener herramientas de
diseño capaces de atender las necesidades de una zona (José F. B, Gloria E. León A., 2011).
Métodos de diseño, como el conocimiento de expertos o generado por los usuarios de la red,
podría ser de alguna manera un concepto de diseño subjetivo, teniendo en cuenta que gran parte del
trabajo se vería reflejado en el conocimiento de las necesidades de observación propia y de la zona
de interés a monitorear por parte del usuario (Keum et al., 2017). Otros métodos de diseño que
pueden ser asociados entre sí por su similitud en cuanto al método de trabajo pueden ser los basados
en el cruce de mapas temáticos y los métodos geo estadísticos, aunque estas dos metodologías
pueden tener parentesco no son iguales., La estimación más precisa de los valores climatológicos en
un área determinada puede basarse de la interpretación de mapas de diferentes temáticas, los cuales
aportan información base para la toma de decisiones en cuento a la ubicación de los equipos y
cobertura de señal que permita enviar los datos en tiempo real y una mejor espacialidad de la
variables a medir (Putthividhya & Tanaka, 2012).
RESULTADOS Y DISCUSIÓN
Las tres estaciones pluviométricas cuyos registros oscilan entre los años 1971 al 2017,
contienen información mensual de precipitación. Inicialmente, con base en la información existente
se determinaron los estadísticos básicos de las series de datos.
Tabla 2.- Análisis estadístico de precipitación (mm) de las estaciones tabla 1.

Perales Aeropuerto Interlaken Cruz Roja
Estadístico
21245040 21210240 21210230
Año de inicio 1971 1994 1997
Año fin 2017 2015 2017
Máximo (mm) 419,00 584,50 494,00
Mínimo (mm) 0,10 0,00 0,00
Media 139,01 188,77 177,21
Mediana 122,90 182,25 166,65
Varianza 7797,79 12511,3 12016,55
Desviación estándar 88,38 112,08 109,84
Curtosis 0,22 0,54 -0,10
Asimetría 0,79 0,73 0,57
% de datos faltantes 1.07 5,00 11,00
A partir de cada una de las series de datos existentes para cada estación, se obtuvieron los
estadísticos básicos, de los cuales se puede concluir lo siguiente:
 La estación Perales Aeropuerto, posee una serie de datos más extensa, entre el año 1971 y el año
2017, para un total de 47 años de registro de lluvia, mientras para las otras dos estaciones
(Interlaken y Cruz Roja) las series de datos son de 20 años, ósea un 42.55% de los datos
capturados por la estación Perales. Además de lo anterior, las estaciones Interlaken y Cruz Roja,
fueron instaladas a mediados de los años 90, lo cual indica que la ciudad posee un déficit de
información climática de 25 a 27 años, con respecto a la fecha de instalación y puesta en marcha
de la estación referente para el común de la gente en la ciudad de Ibagué, Aeropuerto Perales. Es
importante resaltar que la estación Aeropuerto Perales, se ubica por fuera del casco urbano del
municipio, lo que indica que los fenómenos de lluvia caídos sobre la ciudad de Ibagué sobre los
años 70 y 80, no fueron monitoreados, ello genera que al momento de querer relacionar eventos
actuales al interior de la ciudad con los posibles eventos ocasionados en los años no
monitoreados con propósitos de diseñar obras civiles, no se cuente con una buena información
que permita establecer el comportamiento de la lluvia a lo largo de un periodo más extenso.

 Las series de datos analizadas no presentan gran dispersión con respecto a la media para cada
serie de datos (σ = 88,38 mm, estación Apt Perales), (σ = 112,08 mm, estación Interlaken) y (σ =
109,84 mm, estación Cruz Roja).
Con el propósito de conocer la consistencia de los datos de lluvia registrada por los sistemas
de medición, Arp. Perales, Cruz Roja e Interlaken, se realizaron los gráficos de doble masa, esto
con el fin de comparar el comportamiento de cada estación con ella misma; de este ejercicio se
pudo obtener que los datos analizados para la estación Apt. Perales, presenta un buen ajuste
mostrando una línea bien definida y su coeficiente de determinación R2 muy próximo a 1, 0.9998;
en cuanto a las estaciones Cruz Roja e Interlaken, las gráficas muestran en algunos tramos un
cambio muy leve en con respecto a su comportamiento sin que ello haga que el coeficiente de
determinación R2 se aleje considerablemente de 1; dando un valor de 0.9968 y 0.9972,
respectivamente, lo cual indica que la información capturada hasta el momento por las estaciones
existentes es aceptable.
Figura 3. Doble masa estación Perales
Figura 4. Histograma de frecuencia estación Interlaken
Figura 5. Doble masa Cruz Roja

En las figuras 6,7 y 8, se muestran los histogramas de frecuencia para cada serie de datos de
lluvia mensual, de los cuales se concluye que la distribución de datos no es normal, presentando un
sesgo hacia la izquierda, en donde los valores máximos de lluvia se ubican por debajo de la media.
Figura 6. Histograma de frecuencia estación Cruz Roja
Figura 7. Histograma de frecuencia estación Interlaken
Figura 8. Histograma de frecuencia estación Perales
En la Figura 9, se muestra la variabilidad anual de la precipitación registrada por las

estaciones con influencia en el área urbana de la ciudad de Ibagué y el sector del aeropuerto perales,
para diferentes periodos de registro; Se distingue, un comportamiento bimodal de la precipitación a
lo largo del año, en las tres estaciones analizadas, en donde se muestra la ocurrencia de dos periodos
de bajas precipitaciones (Periodo seco) y dos periodos húmedos (de altas precipitaciones). Los
periodos de bajas precipitaciones, ocurren entre los meses de diciembre - febrero y junio - agosto;

los periodos lluviosos, ocurren entre los meses de marzo y mayo, con un pico en el mes de abril, y
entre septiembre y noviembre, con un pico máximo en el mes de octubre.
Las estaciones Interlaken y Cruz Roja, no muestran una similitud en cuanto a la

representación de los periodos húmedos (lluvia máxima) especialmente, ya que para la estación
Cruz Roja, los meses de febrero, marzo, abril, mayo y junio, las lluvias máximas estuvieron entre
los 300 a 400 mm, mientras que la estación Interlaken, muestra que los meses con mayor cantidad
de lluvia caída estuvo en los mes de Abril y mayo, superando los 500 mm superando los mismos
meses de la estación antes mencionada.
Figura 9. Variabilidad interanual de la precipitación media (mm), estaciones Apt. Perales, Cruz Roja e Interlaken.
De la misma Figura 6, se percibe que las estaciones Cruz Roja e Interlaken, presentan un
comportamiento espacial y temporal muy similar (periodos secos y húmedos), mientras que la
estación Arp. Perales registra valores medios mensuales por debajo de las dos estaciones antes
mencionadas y con una espacialidad en cuanto a los periodo secos y húmedos, muy diferentes, ya
que para esta estación los meses de mayo y octubre son los meses en los cuales se presentan los
picos medios de lluvia, mientras que para las estaciones Cruz Roja e Interlaken, los picos de lluvia
media se presentan en los meses de abril y octubre, lo que indica que en el centro de la ciudad las
lluvias medias mensuales son mayor en cuanto a su magnitud y no presentan el mismo
comportamiento espacial que las lluvias que caen en la parte baja del municipio.
Con el propósito de conocer e identificar preliminarmente si alguna de las series de datos

analizadas, es o no estacionaria, se realizó el análisis de autocorrelación cruzada entre ella misma,
esta función ayuda a conocer los patrones de comportamiento de las series de datos capturados por
los sistemas de medición existentes.
Figura 10. Autocorrelograma estación Cruz Roja

Figura 11. Autocorrelograma estación Interlaken
Figura 12. Autocorrelograma estación Perales aeropuerto
En las Figuras 10 y 11, que corresponden a los autocorrelogramas cruzados para las
estaciones Cruz Roja e Interlaken, se observa inicialmente una gran similitud entre los
autocorrelogramas generados para las estaciones Cruz Roja e Interlaken, lo que permite decir que
los fenómenos que registran estas dos estaciones pueden ser muy similares por su cercanía;
diferente a lo mostrado por el autocorrelograma generado para la estación Apt. Perales figura 12, en
dónde existe una gran diferencia. Por otro lado, y analizando los gráficos generados, se visualiza
una estacionalidad o prioridad en los fenómenos climáticos.
El diseño actual de las estaciones de medición climatológica (Pluviómetros) ubicadas la
interior del área urbana del municipio de Ibagué, correspondió a métodos de diseño básico donde en
su momento tenía como único objetivo conocer la cantidad de lluvia caída al interior de la ciudad,
siendo así que para el año en el cual las estaciones Cruz Roja (1997) e Interlaken (1994), fueron
instaladas, el área de influencia era muy pequeña; caso contrario a lo ocurrido en la estación
aeropuerto perales, la cual fue instalada atendiendo los requerimientos y necesidades de la
aeronáutica civil de Colombia.
Teniendo en cuenta que la ciudad de Ibagué, ha venido creciendo considerablemente y los
requerimientos de información hidrometeorológica se hacen cada vez más necesarios, se deben
explorar nuevos métodos de diseño hidrometeorológico, los cuales permitan no solo conocer una
sola variable climatológica “Precipitación”, sino que también sirvan para medir otros parámetros
que puedan ser utilizados en usos tales como la gestión del riesgo, los recursos hídricos y la
climatología.
A partir de las técnicas de diseño hidrometeorológicas que existen actualmente, donde su
aplicabilidad debe tener un adecuado conocimiento del clima existente en la zona de estudio, así
como también de la topografía y la formación de los eventos climáticos; la ciudad de Ibagué
permite explorar técnicas como la interpolación espacial donde a partir de puntos con valores
conocidos de una variable climática se pueden estimar valores desconocidos en otros puntos. Esto
permite inicialmente hacer mapas de lluvia en donde se carece de estaciones meteorológicas
distribuidas uniformemente para cubrir toda la ciudad de Ibagué. El uso de esta técnica permite
preliminarmente evaluar la ubicación de nuevos puntos de medición meteorológica.

Otra metodología a utilizar inicialmente en el diseño de la red hidrometeorológica para la
ciudad de Ibagué es el análisis fisiográfico, este método consiste en conocer la variación de la lluvia
y las variables climáticas en función de la elevación y la orientación a sotavento y a barlovento. Los
sistemas montañosos como los que se ubican alrededor de la ciudad de Ibagué, en los costados norte
y sur de la misma, influyen significativamente en la generación de las tormentas, debido a la
existencia de microclimas que se acentúan en estas zonas altas.
Por último y como un primer acercamiento a la evaluación de técnicas de diseño de redes
hidrometeorológicas para la ciudad de Ibagué, se tiene el uso de encuestas a los usuarios de la red o
recomendaciones de expertos y el cruce de mapas temáticos, estas dos técnicas deben ir de la mano;
lo anterior, con el propósito de obtener una adecuada lectura e interpretación de mapas temáticos de
suelos, coberturas vegetales y áreas urbanas, puntos con mayores afectaciones relacionadas a
eventos de lluvia, como también de cuencas urbanas, que permitan dar una primera aproximación a
los necesidades de implementación de sistemas de monitoreo, con el fin de lograr un amplio
conocimiento del territorio, permitiendo evaluar de primera mano los resultados de este análisis
zonificación.
REFERENCIAS
Alcaldía de Ibagué. (2014). Documento Tecnico De Soporte De La Revision Ordinaria Del Plan De
Ordenamiento Territorial. Ibagué.
Domínguez-calle, E., & Lozano-báez, S. (2014). Estado del arte de los sistemas de alerta temprana en
Colombia. 38(148), 321–332.
IDEAM. (2014). Características climatológicas de ciudades principales y municipios turísticos., 48. h
IDEAM. (2004). GUIA PARA EL MONITOREO Y SEGUIMIENTO DEL AGUA.
José Francisco Boshell, Gloria E. León A., A. J. P. Q. (2011). Metodologías para generar y uitilizar
información meteorológica
Keum, J., Kornelsen, K. C., Leach, J. M., & Coulibaly, P. (2017). Entropy Applications to Water
Monitoring Network Design : A Review, 1–21.
Mesa, O., & Peñaranda, V. M. . (2015). Complejidad de la estructura espacio-temporal de la precipitación.
Revista Academia Colombiana de Ciencias Exactas, Fisicas Y Naturales,, 39(152), 304–320.
MinAmbiente-IDEAM. (2015). Estudio Nacional del Agua, MinAmbiente-IDEAM. Bogotá, D.C.,
Colombia.
Monitoring, R. Q. (2001). HYDRO-METEOROLOGY - DESIGN MANUAL. Governmennt of
India & Government of the Netherlands, 3.
OMM. (1994). Design of Hydrometeorological Data Networks.
OMM. (2010). Guía de instrumentos y métodos de observación metereológicos .
OMM. (2015). Manual del sistema mundial de observación. Documento N° 544.
Putthividhya, A., & Tanaka, K. (2012). Optimal Rain Gauge Network Design and Spatial Precipitation
Mapping Based on Geostatistical Analysis from Colocated Elevation and Humidity Data, 3(2).

IAHR AIIH
ASPECTOS HIDROGEOLÓGICOS EN LA FORMACIÓN ABRUPTA DE

CURSOS FLUVIALES EN CUENCAS SEMIÁRIDAS SEDIMENTARIAS
Buono Nicolás (1), Jobbágy Esteban (2), Nosetto Marcelo (2), Menéndez Ángel (3), Cáceres Raúl (1)
(1) Facultad de Ingeniería, Universidad Nacional de La Plata
(2) Grupo de Estudios Ambientales - IMASL, Universidad Nacional de San Luis
(3) Instituto Nacional del Agua
Calle 1 y 47, ciudad de La Plata, nicolasbuono8@hotmail.com
RESUMEN:
Se presenta un estudio basado en modelación hidrológica extendida con el objeto de evaluar

el impacto del cambio de uso del suelo y el aumento de las precipitaciones sobre las recargas
freáticas en una cuenca semiárida sedimentaria de la Pampa Occidental (cuenca del Morro,
provincia de San Luis), la cual ha sufrido graves procesos erosivos en las últimas tres décadas a
causa de fenómenos abruptos de auto-colapso espontáneo de depósitos loéssicos en estado suelto,
vinculados a sectores que manifiestan anegamientos locales asociados a niveles freáticos cercanos a
la superficie. Asimismo, se propone evaluar el impacto del aumento de las áreas anegadas y la
conectividad de la red hídrica sobre la magnitud de los eventos de crecida, con el objeto de vincular
el rápido crecimiento de los cauces con la evolución del medio físico desde un régimen
semipermanente-endorreico hacia permanente-exorreico donde prevalecen procesos de erosión,
transporte y sedimentación. El estudio muestra un incremento de las recargas a partir del reemplazo
de las coberturas nativas (bosque y pasturas/pastizales) por cultivos anuales de secano (soja y maíz),
dada la mayor capacidad de las coberturas nativas para captar y evapotranspirar el agua de lluvia
gracias a una mayor profundidad de raíces. Asimismo, el aumento de la precipitación en el último
siglo ha mostrado un impacto del mismo orden de magnitud. Por su parte, se señala que la
expansión de la red hidrográfica y el incremento de áreas anegadas presentan una incidencia
importante sobre los caudales de crecida, potenciando la profundización y consolidación de los
nuevos cauces.
ABSTRACT:
A study based on hydrological modeling was carried out in order to evaluate the impact of
land use change and rainfall increase on groundwater recharge in a semi-arid sedimentary
catchment of the Western Pampas (El Morro basin, San Luis), which has suffered severe erosive
processes in the past three decades due to abrupt self-collapse of loessic sedimentary deposits in
areas that show local flooding associated with high water table levels. Also, we analyze the impact
of river network connectivity and the increase of flooded areas on peak flow rate, in order to link
the rapid growth of the new rivers with the evolution of the physical environment where processes
of erosion, transport and sedimentation prevail. Increased precipitation and changes in land cover as
a replacement of forest/pastures for annual crops are identified as the potential causes of high water
table levels in the region, given the greater capacity of native coverings to capture and
evapotranspire rainwater thanks to greater root depth. Moreover, it is showed that the expansion of
the hydrographic network and the increase of flooded areas have had an important impact on flood
events, causing the rapid growth of the new water courses.
PALABRAS CLAVES: erosión hídrica; depósitos loéssicos; ascensos freáticos

INTRODUCCIÓN
La cuenca hidrográfica del Morro ha sufrido un importante proceso de erosión hídrica en las
últimas décadas, manifestando un crecimiento exponencial de su red de drenaje superficial a partir
de la generación abrupta de nuevos cauces sobre el territorio y su posterior desarrollo (Contreras et
al. 2012). El origen de los nuevos cursos se encontraría dado a partir de remociones en masa del
terreno, motivadas por procesos de auto-colapso espontáneo de depósitos sedimentarios loéssicos en
estado suelto, desencadenándose en sectores que manifiestan anegamientos locales asociados a
niveles freáticos cercanos a la superficie (Jobbágy et al. 2015).
Este fenómeno es seguido por eventos de erosión retrógrada causada a partir de mecanismos
de sapping, los cuales son catalizados por el aporte de flujos subsuperficiales y las fuertes
pendientes del terreno. A su vez, el proceso continúa avanzando hacia aguas abajo del sector inicial
de colapso y sobrepasando el explayamiento aluvional inicial, seguido por el desarrollo de
fenómenos de erosión fluvial que provocan la rápida profundización y crecimiento de los valles
(Degiovanni et al. 2008).
Estos episodios de expansión horizontal y vertical suelen ser abruptos y coinciden con
eventos de lluvias intensas, sin que sean necesariamente excepcionales en el registro histórico
(Jobbágy et al. 2015). De esta manera, la formación de nuevos ríos trae consigo la remoción y
transporte de grandes masas de sedimento que luego se depositan aguas abajo en forma de aluvión,
cubriendo grandes extensiones de terreno y causando la obstrucción de vías de comunicación,
fragmentación y pérdida de áreas productivas y diversos daños sobre infraestructura existente.
Figura 1.- Daños sobre puente y explayamiento aluvional en la Ruta Nacional Nº 8.
Desde un punto de vista hidrológico se observa un ascenso sostenido de los niveles freáticos
generalizado en la región, el cual avanzó progresivamente en las últimas décadas (Contreras et al.
2012, Sánchez et al. 2013). La causante principal de este proceso se encontraría dada a partir del
cambio en el balance hidrológico que sufre el territorio, motivado fundamentalmente por el cambio
en el uso del suelo y la dinámica subsuperficial resultante entre los excesos hídricos y el basamento
hidrogeológico de la cuenca.
Por otra parte, vale señalar que la configuración hidrogeológica de las áreas afectadas se
caracteriza por la presencia de un basamento rocoso cercano a la superficie, conformando un
acuífero libre de baja potencia y en general variable tanto en sentido norte-sur como en dirección
este-oeste. Dicha variabilidad condicionaría de manera significativa la respuesta de los niveles
freáticos frente a la dinámica hídrica existente (Sánchez et al. 2013).
Se destaca como ejemplo el caso del denominado Río Nuevo en la cuenca del Morro, el cual
inició su formación alrededor de la década de 1980 y en la actualidad presenta valles de hasta 25
metros de profundidad y 50 metros de ancho. Otro ejemplo reciente corresponde al caso del río La
Paraguaya en la provincia de Córdoba, el cual se desarrolló en forma abrupta a finales del año 2015
generando obstrucción y daños sobre la Ruta Nacional N°8.

CARACTERIZACIÓN GEOMORFOLÓFICA Y GEOTÉCNICA
La región en estudio se encuentra situada en la Provincia Geológica Sierras Pampeanas

Occidentales de San Luis y Córdoba. En este contexto, las zonas afectadas se encuentran cubiertas
por sedimentos de edad cuaternaria (fluviales, aluviales y eólicos) que se sobreponen a rocas de
edad terciaria y del Basamento Cristalino (rocas metamórficas, ígneas efusivas y sedimentarias)
asignado al periodo Paleozoico (Degiovanni et al. 2008). Los suelos se identifican como Molisoles
y Entisoles con textura franco arenosa, compuestos por arcilla (7%), limo (23%) y arenas finas a
muy finas (70%). Tal medio físico, entendido como la presencia de unidades rocosas aflorantes,
relleno sedimentario y estructuras geológicas, condiciona y controla tanto la dinámica del agua
superficial como la del agua subterránea.
Con el objeto de profundizar el conocimiento de los suelos dominantes en la región desde un
enfoque geotécnico, se realizó una caracterización en detalle de los depósitos cuaternarios
superficiales a partir de ensayos de laboratorio sobre muestras alteradas de suelo extraídas en uno
de los valles que conforman la cabecera del Río Nuevo. A su vez, se efectuó una recopilación y
análisis de estudios antecedentes disponibles en la región, los cuales incluyen diversos sondeos en
las localidades de Villa Mercedes, Juan Jorba, Fraga y las represas El Chañar y Zelegua (Córdoba).
Los estudios de campo indican la presencia de un manto sedimentario superficial conformado por
depósitos cuaternarios de origen eólico (loessoides), compuestos por arenas muy finas con un alto
contenido de limo no plástico y algunas concreciones calcáreas de fuerte cementación con nódulos
compactos. El análisis de densidades relativas sobre la estratigrafía de estos depósitos cuaternarios
superficiales a partir de ensayos SPT (Standard Penetration Test) indica la presencia de un manto
normalmente consolidado con capas en estado suelto hasta los 5 metros de profundidad y
medianamente densas hasta los 10 metros, en términos generales. A su vez, las propiedades
mecánicas de estos mantos se presentan análogas a los suelos de textura predominantemente
arenosa.
Vale resaltar que las características físicas del material revelan la presencia de suelos
potencialmente colapsables y dispersivos. El análisis efectuado se realizó en base a ensayos Pin
Hole sobre muestras alteradas de suelo compactadas al 95% del Proctor y estudios antecedentes de
doble edometría sobre muestras inalteradas de suelo. La colapsibilidad de estos mantos se explica a
partir de la sensibilidad de su comportamiento mecánico frente a los cambios de humedad, en los
cuales se genera una variación volumétrica brusca de su matriz a partir de la saturación, sin
necesidad de un aumento en las presiones efectivas sino debido a una atenuación de los esfuerzos
capilares intergranulares. En general, este tipo de materiales pertenecen a fracciones loessiales con
estructuras macroporosas, granulometrías predominantemente finas de pobre distribución y fuertes
contenidos de limo. Si bien la fracción de arcilla es relativamente escasa, vale destacar que la
misma presenta una influencia significativa sobre el comportamiento mecánico y la estructura
intergranular de estos suelos.
Desde un enfoque geomecánico, investigaciones antecedentes (Wan-Li Xie et al. 2017)
definen al loess como el suelo colapsable de mayor importancia, dado que su comportamiento ante
el humedecimiento está totalmente influenciado por el ordenamiento estructural de sus partículas, el
cual a su vez se encuentra relacionado en forma directa con su proceso de formación y deposición.
El colapso de estos mantos sedimentarios implica una disminución en su volumen debido a una
alteración súbita de su estructura, donde el colapso depende de la naturaleza del material, la forma
de las partículas y su ordenamiento micro-estructural. Se entiende a este último proceso como una
transición abrupta entre una estructura metaestable hacia una más compacta debido a una
disminución del esfuerzo efectivo entre partículas producto de los cambios del contenido de agua en
un medio de doble porosidad.
Estudios geofísicos antecedentes a partir de sondeos eléctricos verticales en la cuenca del
Morro indican la presencia de un basamento rocoso cercano a la superficie, conformado por rocas
sedimentarias, metamórficas e ígneas efusivas, atribuidas al periodo Paleozoico y Terciario. La
estructura de este basamento configura un manto sedimentario de espesor variable tanto en sentido

norte-sur como en dirección este-oeste. Esta variabilidad condicionaría de manera significativa la
respuesta de los niveles freáticos frente a la dinámica hídrica existente en la región (Sánchez et al.
2013). Desde un punto de vista estructural, se identifica un acuífero libre conformado por
sedimentos sueltos (no consolidados) atribuidos al Cuaternario con un marcado predominio de
materiales finos (arenas, limos y arcillas), los cuales conservan su porosidad primaria. El acuífero
suprayace a rocas sedimentarias terciarias, las cuales han perdido parte de su porosidad primaria por
compactación y/o cementación y cuyo límite conforma el basamento hidrogeológico de la cuenca.
Figura 2.- Profundidad del basamento hidrogeológico, cuenca del Morro.
RECOPILACIÓN Y ANÁLISIS DE INFORMACIÓN DE BASE
Se efectuó una recopilación y análisis estadístico detallado de todas las fuentes de datos
meteorológicos y pluviométricos disponibles del Servicio Meteorológico Nacional (SMN), Instituto
Nacional de Tecnología Agropecuaria (INTA) y la Red de Estaciones Meteorológicas de San Luis
(REM). En forma complementaria, se procesaron bases de datos satelitales a partir de los modelos
globales GPM (Global Precipitation Measurement) y TRMM (Tropical Rainfall Measurement
Mission). De esta manera se confeccionó una serie histórica de 50 años (1968-2018) de datos
diarios de precipitación, temperatura máxima, temperatura mínima, humedad relativa, velocidad del
viento y radiación solar, a partir de los registros de la estación INTA Villa Mercedes (1968-2018).
Respecto a las forzantes pluviométricas, vale señalar que la precipitación media anual en las
inmediaciones de la localidad de Villa Mercedes, correspondiente a mediciones efectuadas en un
período de 109 años es de 603 mm. Dicho promedio se reduce a 552,5 mm evaluando el periodo
1903-1957 y se incrementa a 654,8 mm entre los años 1957-2011, dando como resultado un
aumento promedio anual del orden de 1,00 mm/año para el ciclo analizado.
La información pluviométrica fue sistematizada a los fines de proceder al tratamiento
estadístico de valores extremos mediante las fórmulas de distribución de probabilidad de Gumbel,
Pearson III y el Método Lognormal, con el objeto de determinar las precipitaciones máximas
probables correspondientes a distintos períodos de retorno. Los resultados fueron evaluados a partir
del test de bondad gráfico (límites de confianza) y el test analítico por el método de χ2 (chi –
cuadrado). Asimismo, se formularon curvas intensidad-duración-recurrencia para la cuenca del
Morro a partir de la media aritmética entre los resultados obtenidos a partir de cinco metodologías
semiempíricas de referencia implementadas en nuestro país. Por otra parte, se propone implementar
una expresión analítica de decaimiento-área-duración obtenida a partir del modelo CoDA (Caamaño

Nelli y García, 1999), cuyos parámetros corresponden a la recalibración efectuada con una batería
de 10 pluviómetros de la Red Telemétrica del Centro de la Región Semiárida del Instituto Nacional
del Agua (INA-CIRSA).
Figura 3.- Valores de PMD y curvas IDR (d>180 min) propuestas para la cuenca del Morro.
El modelo digital de elevaciones (MDE) fue construido a partir de topografía radar obtenida
del SRTM (Shuttle Radar Topographic Mission) en su resolución de 30 m. A su vez, se recopilaron
cartas topográficas con curvas de nivel, complementadas con una serie de puntos trigonométricos
(Red de Alta Precisión, Precisión y Topográfica) pertenecientes a la base de datos del Instituto
Geográfico Nacional (I.G.N), con el objeto de validar la información topográfica implementada.
Finalmente se realizó una calibración de ambas fuentes de datos, obteniendo valores satisfactorios
en las correlaciones resultantes y definiendo así el modelo digital de elevaciones (MDE) a
implementar en los cálculos.
Por otra parte, se elaboraron detallados mapas de cobertura vegetal discretizados por
periodos (1975, 1985, 1995, 2015) en base al procesamiento de imágenes satelitales, análisis del
Índice de Vegetación de Diferencia Normalizada (NDVI) y verificación de campo. Las clases
fueron agrupadas bajo tres coberturas principales: cultivos anuales (maíz y soja), bosque nativo y
pasturas/pastizales. La distribución espacial por subcuenca fue procesada con ayuda de
herramientas S.I.G, obteniendo así una evolución espacio-temporal discreta de la cobertura vegetal
en la zona de estudio.
Figura 4.- Modelo Digital de Elevaciones (MDE) y mapa de cobertura vegetal para el año 1975.
En forma complementaria, se efectuó un relevamiento detallado de las superficies anegadas

a partir de mapas provenientes de la base del Joint Research Centre (European Commission) en el
marco del programa Copernicus. Este producto fue desarrollado para evaluar la distribución

espacio-temporal y la dinámica de los cuerpos de agua a escala global durante un periodo de 32
años (1984-2015), a partir del procesamiento de imágenes satelitales Landsat provistas por el
Servicio Geológico de los Estados Unidos (U.S.G.S) y la Administración Nacional de la
Aeronáutica y del Espacio (NASA). Por su parte, dicho producto se completó con un análisis
detallado de los cuerpos de agua a partir del geoprocesamiento de imágenes Landsat descargadas en
forma gratuita del banco de datos del U.S.G.S. para distintos periodos.
ESTUDIOS HIDRÁULICOS E HIDROLÓGICOS HISTÓRICOS
En base a cartografía, análisis de imágenes satelitales y estudios antecedentes, se realizaron

evaluaciones hidrológicas e hidráulicas históricas del área involucrada a partir del seguimiento
espacio-temporal de la red hidrográfica. Por otro lado, a partir de la fotointerpretación de imágenes
satelitales se han logrado identificar distintos procesos de incisiones abruptas del terreno,
remociones en masa y sus consecuentes explayamientos aluvionales. En este sentido, es posible
elaborar un modelo conceptual respecto al inicio de los fenómenos de generación de cauces según
se describe a continuación:
- Afloramiento de agua en superficie asociado a la dinámica existente entre las recargas del
acuífero y su interacción con el basamento hidrogeológico.
- Expansión, crecimiento y elongación de los vasos de agua.
- Remociones en masa abruptas asociadas a eventos extremos de escorrentía y sus
consecuentes explayamientos aluvionales.
- Interconexión de los cuerpos de agua y explayamientos a partir de la consolidación de las
incisiones del terreno por profundización, encajonamiento y expansión lateral de los cauces
formados.
Figura 5.- Esquema conceptual del desarrollo evolutivo de los nuevos cauces.
A partir del análisis histórico de imágenes satelitales se puede concluir que en un escenario
nativo la red hidrográfica se encontraba débilmente desarrollada, conformando un sistema de micro-
cuencas aisladas con redes de drenaje endorreicas, las cuales finalizaban en sectores
bajos/depresiones naturales capaces de captar las escorrentías con la posterior infiltración y
evaporación de dichos excedentes. Diversos autores (Becker 2006, Degiovanni et al. 2008) señalan
este mismo proceso en otras cuencas semiáridas de la región Pampeana Occidental, donde se
identifica la evolución de un régimen semipermanente-endorreico con predominio de inundación y
sedimentación, a permanente-exorreico donde prevalece la erosión y el transporte. Dichas
investigaciones vinculan la integración de las microcuencas al retroceso y coalescencia de cabeceras
de canales efímeros y discontinuos, asociado a ciclos húmedos (1953-1968, 1972-actualidad) y
acciones antrópicas.
Resulta enfático destacar que el proceso descripto es de carácter reciente en la región y no
muestra señales de estabilización, observándose que la densidad de drenaje ha mantenido un

crecimiento exponencial en las últimas tres décadas, y que hasta el presente no ha cambiado su
tendencia (Santoni, 2004, Contreras et al., 2012, Jobbágy et al., 2015).
Figura 6.- Evolución de la red hidrográfica en cuencas El Quebrachal y Río Nuevo.
Teniendo en consideración los severos daños registrados en la región a lo largo de las

últimas dos décadas producto de la apertura de cauces y explayamientos aluvionales, se efectuó un
análisis histórico de eventos con el objeto de caracterizar las condiciones climáticas asociadas al
desarrollo de estos fenómenos. La metodología implementada incluye la elaboración de un banco de
datos a partir de imágenes LANDSAT, teledetección de explayamientos aluvionales a partir de
técnicas de geoprocesamiento con apoyo de software S.I.G y procesamiento de datos pluviográficos
obtenidos a partir de las misiones TRMM y GPM.
Figura 7.- Teledetección de explayamientos aluvionales y evaluación espacio-temporal de la precipitación a

través del GPM, cuenca del Morro.
En función del presente análisis se identifica una concordancia entre la apertura de
cauces/explayamientos aluvionales y la manifestación de eventos extremos de escorrentía. Vale
señalar que dichos procesos no solo corresponden a lluvias máximas históricas, sino que cubren un

amplio espectro definido por la condición de humedad antecedente, el estado de
conectividad/consolidación de la red hidrográfica y las características del evento de precipitación.
MODELACIÓN HIDROLÓGICA CONTINUA CON S.W.A.T.
Se desarrolló un estudio basado en modelación hidrológica continua con el objeto de valorar

la incidencia del cambio de uso del suelo y el aumento de las precipitaciones sobre las recargas del
acuífero freático en la cuenca del Morro. La herramienta implementada corresponde al SWAT (Soil
and Water Assessment Tool). La misma, de dominio público, es un modelo hidrológico de base
física, continuo y semi-distribuido, desarrollado por el Servicio de Investigación en Agricultura
(Agricultural Reaserch Service) del USDA (United States Department of Agriculture, EE.UU.).
Con el objeto de mejorar la discretización del modelo a nivel de subcuenca, SWAT permite
distribuir espacialmente el dominio de cálculo en Unidades de Respuesta Hidrológica (HRU´s), las
cuales comparten propiedades derivadas del mismo tipo de suelo, cobertura vegetal y pendiente
topográfica. Los volúmenes de escorrentía son simulados a escala diaria y a nivel de HRU, a partir
de una modificación sobre el método del número de curva propuesto por el S.C.S. La
evapotranspiración potencial de referencia es calculada con la fórmula de Penman-Monteith y la
transpiración potencial para cada cobertura es estimada directamente como una función lineal entre
la evapotranspiración potencial y el Índice de Área Foliar, mientras que su valor real es aproximado
a través de funciones que tienen en cuenta el contenido de agua en la zona de raíces. SWAT utiliza
un único modelo de crecimiento basado en Heat Units (HU) para todos los tipos de cobertura,
diferenciando los cultivos anuales y perennes. El crecimiento de las raíces y la evolución del Índice
de Área Foliar son descriptos en forma explícita a partir de funciones adaptadas para cada uso del
suelo. La aptitud de cada cobertura para captar agua de zonas más profundas es resuelta en forma
indirecta a partir de distintos factores de compensación (EPCO, ESCO, REVAP), los cuales afectan
las funciones previamente mencionadas y se materializan como una forma simplificada de simular
la interacción de las raíces con la zona vadosa/zona saturada. La profundidad máxima de raíces fue
estimada en 6 metros para el bosque, 3 metros para pasturas/pastizales y 2 metros para cultivos de
soja/maíz.
Para la definición de las variables climáticas se implementó una serie histórica continua de
50 años (1968-2017) de datos diarios, los cuales incluyen: precipitación, temperatura máxima,
temperatura mínima, humedad relativa, velocidad del viento y radiación solar. Para resolver las
discontinuidades en las series registradas (periodos sin datos medidos), se implementó un algoritmo
de generación climática incluido en el modelo SWAT. De esta manera se definieron 13 parámetros
para cada mes del año, a partir del análisis estadístico de la serie histórica.
Figura 8.- Evolución promedio mensual de las principales componentes del ciclo hidrológico.
Se observa que la evapotranspiración potencial media anual alcanza valores cercanos a los 1300
mm para el periodo analizado, los cuales se acentúan en la época estival en concordancia con las
mayores temperaturas, mientras que la evapotranspiración real media anual promedio alcanza

valores cercanos a los 600 mm. Por otro lado, los volúmenes de recarga que abandonan la zona
radicular para infiltrarse dentro la zona vadosa y luego percolar hacia el acuífero subterráneo
presentan un promedio anual de 40 mm, con valores máximos que alcanzan los 200 mm anuales.
Con el objeto de valorar la incidencia del cambio de uso de suelo y el aumento de la
precipitación sobre el balance hidrológico de la cuenca, se compararon los resultados obtenidos con
otros dos escenarios de simulación. El primero de ellos se define a partir de una cobertura nativa
sobre la cuenca del Morro, compuesta por 50% de bosque y 50% de pasturas/pastizales (Santoni,
2004). Por otra parte, manteniendo el escenario de cobertura actual (59% de cultivos anuales, 38%
de pastura/pastizales y un remanente del 3% de bosque) se redujo la forzante pluviométrica en un
15%, compatible con el escenario del periodo 1903-1957.
Figura 9.- Evolución comparativa de la evapotranspiración para los escenarios simulados.
Figura 10.- Evolución comparativa de las recargas para los escenarios simulados.
Figura 11.- Evolución comparativa de la escorrentía para los escenarios simulados.

MODELACIÓN DE EVENTOS CON HEC-HMS
Dadas las escalas espaciales y temporales involucradas en ciertos procesos, la evaluación de

los sistemas hídricos únicamente mediante el análisis de periodos extendidos resulta insuficiente
para comprender todos los fenómenos involucrados en la alteración del medio físico. Los eventos
de crecida son un ejemplo claro de esto último, requiriendo el estudio de variables y condicionantes
a corto plazo para evaluar la relación lluvia-escorrentía con la dinámica hidráulica resultante. De
esta manera, el objetivo de este análisis consiste en evaluar el impacto del cambio de uso de suelo,
el aumento de áreas anegadas y la evolución de la red hídrica sobre la magnitud de los eventos de
crecida que afectan a la sub-cuenca del Río Nuevo (área: 400 km², pendiente media cauce: 0.85%,
desnivel: 500 m), perteneciente al sistema del Morro.
El modelo aplicado corresponde al HEC-HMS, de dominio público y desarrollado por el
Centro de Ingeniería Hidrológica (Hydrologic Engineering Center) del cuerpo de ingenieros de la
armada de los EE.UU. (US Army Corps of Engineers). La estimación de la escorrentía efectiva fue
realizada a partir del modelo de pérdidas por infiltración del SCS (método CN), con una pérdida
inicial del 20% de la abstracción potencial máxima (S). El hidrograma de escorrentía directa es
estimado por convolución y propagación mediante el concepto de cascada de embalses lineales
(Analogía de Nash), con Tlag=0.6Tc. Las pérdidas/almacenamiento por transmisión en cauces y la
retención/laminación de excedentes en sectores deprimidos y cuerpos de agua es evaluada
globalmente y en forma indirecta a partir del Peak Rate Factor (PRF) según investigaciones
realizadas por Wanielista et al. (1997), adoptando un valor conservador igual a 300 compatible con
cuencas rurales onduladas de pendientes moderadas. Por otra parte, la distribución espacial de la
precipitación es contemplada a partir del factor de decaimiento areal propuesto por Caamaño Nelli y
García (1999), mientras que la distribución temporal se evalúa a partir del método de los bloques
alternos para la elaboración del hietograma de diseño.
Figura 12.- Caudales máximos probables por periodo en función del cambio de uso del suelo. Potencial
normal de escorrentía (R=25 años y condición II de humedad antecedente según S.C.S).
Se muestra a continuación la evolución del nivel freático registrado en parcelas de pastura y

humedales con distintas profundidades del nivel estático. Como puede observarse, se identifica una
respuesta más sensible en relación a la lluvia antecedente en sectores con la napa cercana a la
superficie. Este fenómeno favorecería la transformación lluvia-escorrentía, disminuyendo la
capacidad de abstracción del medio e incrementando así los excedentes potenciales a ser captados
por la red hidrográfica.

Figura 13.- Dinámica del nivel freático registrada bajo parcelas de pastura y humedales.
Teniendo en cuenta la evidencia experimental registrada en parcelas de humedales en

relación a su comportamiento respecto a la lluvia antecedente, se especula que las áreas con napa
cercana a la superficie presentan una capacidad de abstracción significativamente menor que otros
sectores con niveles estáticos más profundos. En este sentido, si bien gran parte de la superficie de
aporte puede presentar una condición de humedad seca/normal, pequeñas zonas de bañados pueden
incrementar en forma considerable los volúmenes potenciales de escorrentía, dada su sensibilidad
frente a la lluvia antecedente. Con el objeto de valorar la incidencia de este fenómeno sobre los
caudales pico de diseño, se propone considerar a estos sectores como áreas impermeables o con
capacidad despreciable de infiltración.
Por otra parte, en base a los estudios hidráulicos históricos realizados, se estima que la
consolidación de la red hidrográfica ha tenido un impacto importante sobre el transporte de los
volúmenes de escorrentía, permitiendo conformar subcuencas con áreas de mayor aporte y
otorgando conectividad entre sistemas originalmente aislados. Con el objeto de evaluar la
incidencia de este fenómeno sobre los caudales pico de crecida, se propone interpretar la respuesta
hidrológica de la cuenca a partir del tiempo de concentración (Tc). Para valorar el Tc se implementó
una expresión propuesta por el S.C.S, la cual surge como una suma individual de tiempos de viaje y
cuyos valores fueron calculados a partir de velocidades medias de escurrimiento. De esta manera, es
posible definir el tiempo de concentración para distintos estados de desarrollo de la red
hidrográfica, expresando el grado de evolución como la relación entre la longitud de flujo en
secciones encauzadas respecto a la longitud del recorrido hidrológicamente más distante.
Figura 14.- Comparación de hidrogramas de crecida para distintos porcentajes de área impermeable y
estados de desarrollo de la red hidrográfica (R=25 años y condición II de humedad antecedente).

CONCLUSIONES
En función de los severos daños registrados en la región a lo largo de las últimas tres
décadas, se efectuó un análisis histórico de eventos con el objeto de caracterizar las condiciones
climáticas asociadas a las remociones en masa y colapsos del terreno. A partir del presente análisis
se logró identificar una concordancia entre la apertura de cauces/explayamientos aluvionales y la
manifestación de eventos extremos de escorrentía.
En relación al balance hídrico, se observa que el reemplazo de las coberturas nativas (bosque
y pasturas/pastizales) por cultivos anuales de secano (soja y maíz) ha provocado un incremento de
las recargas freáticas. Asimismo, se han acentuado los valores picos históricos en aquellos años
donde la precipitación superó substancialmente los módulos pluviométricos característicos. Esto se
explica dada la mayor capacidad de las coberturas nativas para captar y evapotranspirar el agua de
lluvia gracias a una mayor profundidad de raíces. En este sentido, vale señalar que el aumento del
módulo pluviométrico en el último siglo también ha desarrollado un papel importante sobre los
volúmenes anuales de recarga y escorrentía.
Por su parte, se evaluó el impacto del cambio de uso del suelo, el aumento de áreas anegadas
y la evolución de la red hidrográfica sobre los eventos de crecida a partir de modelación de eventos.
En este sentido, se señala que la consolidación de la red de cauces ha tenido un impacto importante
sobre el transporte de los volúmenes de escorrentía, permitiendo conformar subcuencas con áreas de
mayor aporte y acelerando los tiempos de respuesta hidrológica de las mismas frente a los eventos
de precipitación. Asimismo, se estima que las áreas con napa cercana a la superficie presentan una
influencia significativa sobre los caudales pico de crecida, aún para pequeñas extensiones dentro de
la cuenca. Sin embargo, la influencia del aumento en los niveles freáticos sobre la capacidad de
abstracción inicial del sistema y su incidencia sobre la condición de humedad antecedente es aún
materia de estudio, requiriendo el desarrollo de modelos hidrológicos distribuidos más avanzados.
En términos del cambio de cobertura vegetal, se ha identificado un impacto relativo sobre los
caudales pico de crecida, en función de la distribución de cobertura vegetal de cada subcuenca.
BIBLIOGRAFÍA
Becker, A., 2006. Evaluación del proceso de degradación de suelos por erosión hídrica en una subcuenca
representativa de la región pedemontana del suroeste de la provincia de Córdoba, Argentina. Tesis Doctoral
Facultad de Ciencias Exactas Físico-Químicas y Naturales. Universidad Nacional de Río Cuarto.
Caamaño Nelli, G. y C. M. García, 1999. Relación Intensidad-Duración-Recurrencia de Lluvias Máximas:
Enfoque a través del Factor de Frecuencia, Caso Lognormal. Ingeniería Hidráulica en México. Vol. XIV, N°
3, septiembre-diciembre, pp. 37-44. D.F., México.
Contreras S., Santoni C.S., Jobbágy E.G., 2012. Abrupt watercourse formation in a semiarid sedimentary
landscape of central Argentina: the roles of forest clearing, rainfall variability and seismic activity.
Ecohydrology, Volume 6, Issue 5, Pág. 794–805.
Degiovanni, S., N. Doffo y M. Villegas, 2008. Rejuvenecimiento de la red de drenaje del Sur de Córdoba
como consecuencia del cambio climático durante la última centuria. Ed. Especial sobre Geomorfología y
Cambio Climático. Sayago y Collantes (Eds), INGEMA.
Jobbágy E.G., Nosseto M.D., Bernasconi H.O., Colazo J.C., Galván M.J., et al. 2015. Los Nuevos
Cursos de Agua en la Cuenca El Morro: Descripción del Proceso y Pautas para su Gestión. Consejo
Provincial de Ciencia, Técnica, Desarrollo e Innovación. Comisión de Trabajo sobre la Cuenca El Morro,
provincia de San Luis.
Sánchez V. H., Salvioli G., Guimaraes R., Di Chiacchio J. C., 2013. Investigación hidrogeológica en el
área de Colonia Los Manantiales. Convenio Fundación Argentina. Ministerio del Campo: San Juan.
Santoni C.S., 2004. Circulación vertical del agua y su relación con la vegetación en zonas áridas y
semiáridas. Tesis doctoral. Grupo de Estudios Ambientales, Instituto de Matemática Aplicada San Luis.
Wanielista, Kersten, Eaglin, 1997. Hydrology: Water Quantity and Quality Control. 2nd Edition, Wiley and
Sons, Inc., New York.
Xie W.-L, Li P., Vanapalli S.K., Wang J.-D, 2017. Prediction of the wetting-induced collapse behavior
using the soil-water characteristic curve. Journal of Asian Earth Sciences.

IAHR AIIH
MODELACIÓN HIDRÁULICA DE LA LOCALIDAD DE HERNANDO,

PROVINCIA DE CÓRDOBA
María Florencia Terré, Facundo J. Alonso, Juan Carlos Bertoni y Ricardo Ingaramo
Universidad Nacional de Córdoba, Argentina, florenciaterre@hotmail.com
RESUMEN:
La localidad de Hernando representa un caso emblemático en materia de inundaciones de la

Provincia de Córdoba, cuyos efectos causaron en repetidas oportunidades la evacuación de un alto
porcentaje de la población y la pérdida de cuantiosos bienes materiales. La ubicación geográfica de
este núcleo urbano la constituye en el punto de concentración de una importante cuenca de aporte
hídrico que comprende un área del orden de los 850 km2. Por este motivo, alrededor de la zona
urbanizada se ha construido un importante número de canales que objetivan conducir los excedentes
hídricos hacia la salida de la misma, y permitir la continuación de este flujo aguas abajo de la ruta
provincial número 10 (RP10). La experiencia ha demostrado la incapacidad del sistema de drenaje
existente para soportar este estímulo hídrico cuando ocurre para eventos lluviosos con tiempos de
retorno del orden de los veinte años. En este trabajo se presenta un análisis del comportamiento
hidráulico del entramado urbano, y se vincula con la red de canales que lo enmarcan.
Adicionalmente, se evaluó la posibilidad de realizar determinadas afectaciones al sistema actual,
como por ejemplo rectificación de cauces, o modificación de las secciones de los canales existentes.
A los fines de cuantificar la problemática, se realizó una modelación hidráulica que permitió
simular un conjunto de escenarios propuestos. Los resultados indicaron que dichas modificaciones
generan sensibles mejoras en determinados tramos de la red de drenaje de la localidad,
principalmente en las proximidades de la RP10.
ABSTRACT:
The town of Hernando represents an emblematic case in floods of the Province of Córdoba,
whose effects caused the evacuation of a high percentage of the population and the loss of
substantial material goods. The geographical location of this urban nucleus is in the point of
concentration of a basin of water knowledge that includes an area of around 850 km2. For this
reason, a number of channels have been built around the urban area that aim to drive the surplus
water to the exit of the same, and allow the continuation of this flow downstream of the provincial
route number 10 (PR10). Experience has shown that the inability of the adaptation system to
diagnose this water stimulus occurs when it occurs for rainy events with return times of the order of
twenty years. This paper presents an analysis of the hydraulic behavior of the urban fabric, and is
linked to the network of channels that frame it. Additionally, the possibility of making certain
modifications to the current system was evaluated, such as rectification of precautions, or
modification of existing sections of the channels. In order to quantify the problem, a hydraulic
modeling was carried out that allowed to simulate a set of proposed scenarios. The results indicated
that the improvements in the sections of the location of the locality are accepted, mainly in the
vicinity of the PR10.
PALABRAS CLAVES: Hernando; inundaciones; modelación;

INTRODUCCIÓN
El manejo de los recursos hídricos en las ciudades constituye un desafío de altísima

complejidad. El déficit de agua impacta seriamente sobre la calidad de vida de las personas y sobre
los niveles de sanidad poblacional. Mientras que su exceso se traduce usualmente en inundaciones
que producen cuantiosas pérdidas humanas y elevados costos económicos para la sociedad en su
conjunto. Según la Agencia Europea del Ambiente (Berthet, 2010), entre 1998 y 2007, las
inundaciones sobrevenidas en Europa han causado alrededor de 700 muertes, medio millón de
personas evacuadas y al menos 25.000 millones de euros de pérdidas económicas cubiertas por las
aseguradoras de riesgo. Con respecto a nuestro país, Bertoni (2004) indica que, de acuerdo al Banco
Mundial, Argentina se encuentra entre los 14 países más afectados por catástrofes de inundaciones
alcanzando pérdidas superiores al 1,1 % del PBI nacional.
El proceso de avance de las urbanizaciones, y su desarrollo interno a través de edificios de
mayor envergadura, profundiza estos escenarios. En efecto, el crecimiento y densificación de las
poblaciones incrementa la demanda, y el cambio del uso del suelo, aumenta las superficies
impermeables, generando mayores escorrentías. Pengue (2012) señala que actualmente más del 50
% de la población mundial vive en ciudades, y que en las próximas cuatro décadas el total del
crecimiento de la población mundial será absorbido por áreas urbanas.
En este proceso natural que se desarrolla en un medio físico con afectaciones
antropogénicas, juegan un rol fundamental los sistemas de drenaje pluvial urbano. La localidad de
Hernando representa un caso emblemático en materia de inundaciones de la Provincia de Córdoba.
Se destacan los eventos de 1978, 1993 y 2013, cuyos efectos causaron la evacuación de un alto
porcentaje de la población y la pérdida de cuantiosos bienes materiales.
A raíz de esta problemática, de severas consecuencias sociales y económicas para la región,
la localidad ha sido objeto de numerosos trabajos y obras que procuran mitigar parcialmente los
efectos que las crecidas ejercen en la localidad y campos aledaños. Entre los antecedentes de mayor
resonancia se destaca el proyecto de los “Mil Lagos” (Crusta, 2006) desarrollado hace alrededor de
20 años, el cual propone formar consorcios de conservación y realizar microembalses distribuidos
en la cuenca de aporte a los fines de regular las crecidas, pero hasta la actualidad sólo se sistematizó
un bajo porcentaje de la cuenca de aporte.
La ubicación geográfica de este núcleo urbano la constituye en el punto de concentración de
una importante cuenca de aporte hídrico que comprende un área cercana a los 850 km2.
Alrededor de la zona urbanizada de la localidad existen actualmente un gran número de
canales como puede observarse en la Figura 1, que objetivan conducir los excedentes hídricos hacia
la salida de la misma, y permitir la continuación de este flujo hacia aguas abajo de la ruta provincial
número 10 (RP10).
Figura 1.- Distribución de canales en la ciudad de Hernando.
A pesar de ello, la experiencia ha demostrado la incapacidad del sistema de drenaje existente

para soportar este estímulo hídrico cuando ocurre para eventos lluviosos con tiempos de retorno del
orden de los veinte años. En este trabajo se presenta un análisis del comportamiento hidráulico del
entramado urbano, y se vincula con la red de canales que lo enmarcan. Adicionalmente se ha
realizado una modelación hidráulica a los fines de cuantificar la problemática y se exponen los
resultados numéricos de dicha modelación. Finalmente se presentan algunas conclusiones y
recomendaciones conducentes a disminuir los impactos del evento en la ciudad.
ESTUDIO DE CUENCA DE APORTE
La delimitación de la cuenca de aporte hídrico fue llevada a cabo mediante el empleo de las
herramientas informáticas de manejo de datos ráster y vectoriales de las imágenes satelitales. En
este sentido, se elaboró el modelo digital de elevaciones (MDE) a partir de la información
proporcionada por el Instituto Geográfico Nacional (IGN) sobre la base de imágenes SRTM, en
conjunto con los datos de la misión ALOS PALSAR. Dentro de la cuenca estudiada se pudieron
diferenciar siete subcuencas, las cuales aportan sus aguas a la red de canales de la ciudad de
Hernando, como se muestra en la
Figura 2. En la Figura 1 se da detalle de la red de canales que protegen a la ciudad, la cual consta
del canal “Derivador”, que recolecta el agua de las subcuencas C-02, C-03, C-04, C-05 y C-06,
mientras que por el canal Venezuela recoge el agua que escurre del excedente pluvial de la ciudad
junto con el aporte que realiza la cuenca C-01. Por su parte, el canal Norte transporta la escorrentía
aportada por la subcuenca C-07. Finalmente, el canal Venezuela junto con el canal Norte confluyen
en un conjunto de siete alcantarillas ubicadas en la Ruta Provincial N°10.
Figura 2.- Subcuencas que conforman la red de drenaje.
DETERMINACIÓN DE HIETOGRAMAS
La información extraída de la cuenca, permitió estimar el tiempo de concentración promedio

para la misma, que se asume de 12 horas. Con el propósito de determinar la tormenta de diseño, se
emplearon las curvas IDT (Figura 3) tomadas de Alberti (2014) correspondientes a la ciudad de Río
Cuarto, que está situada a 90 km de la localidad de Hernando. Esto permitió la determinación de la
lámina de lluvia local.

Figura 3.- Curvas IDT para la ciudad de Río Cuarto (situada a 90 km de Hernando).
A pesar del tiempo de concentración estimado, se adoptó un valor de 6 horas para la

duración de la tormenta de diseño en base a la experiencia local y a los antecedentes bibliográficos
referidos de la zona. Con relación a los antecedentes pluviométricos, cabe destacar los eventos que
sirvieron de referencia para estudiar la respuesta de la cuenca de aporte hídrico. Según registros del
cuerpo de bomberos de la ciudad de Hernando respecto de la lluvia ocurrida el 28 de diciembre de
2013, las precipitaciones caídas en otras localidades y poblaciones pertenecientes a la cuenca
hidrológica, fueron las mostradas en la Tabla 1.
Dado que la totalidad de los registros se produjeron en un rango de tiempo menor que una
hora, se asumió que la intensidad del evento superó los 100mm/h.
Tabla 1.- Precipitaciones en localidades próximas a Hernando.

Estación P (mm)
Las Peñas 70
Las Petacas 130
La Primavera 110
Tancacha 90
Los Tres Pozos 70
Campo el Chilo 110
Estancia las 2 Marías 105
Hernando 47
Para la determinación del período de retorno (Tr) se empleó como criterio adoptar aquel
correspondiente a los eventos extremos producidos en Hernando, que desencadenaron las
inundaciones más severas de las cuales se tenga registro. Estos son los correspondientes a los años
1978, 1993 y 2013. De esta forma se define un Tr de 25 años para eventos extremos, y un Tr de 10
años para lluvias recurrentes. Del análisis anterior Alberti (2014) se estimaron los hietogramas
presentados en la Tabla 2, de donde se grafican en la Figura 4 para los dos escenarios analizados,
que corresponden a los Tr de 10 y 25 años.

Tabla 2.-Hietogramas de Precipitación.
Figura 4.- Hietogramas para tiempo de recurrencia de 10 años y 25 años.
TRANSFORMACIÓN LLUVIA-CAUDAL
A partir de la construcción del modelo conceptual del sistema en estudio (Figura 5), fue
posible modelar la transformación lluvia-caudal empleando el modelo hidrológico HEC-HMS
(USACE-HEC, 2000), para los escenarios de Tr de 10 y 25 años.
Figura 5.- Modelo conceptual del sistema.

A los fines de llevar adelante la modelación hidrológica se adoptó como Modelo de Pérdidas
el método número de curva CN de SCS. Para el mismo, se adoptó un valor de CN de 60, basado en
la experiencia histórica de la cuenca por estudios previos (Alberti, 2014). El Modelo de
Transformación Lluvia-Caudal adoptado fue el hidrograma Unitario SCS, y el tránsito de la crecida
por tramo se abordó mediante el modelo de Muskingum para tránsito en cauces lineales. La Figura
6 muestra la representación del sistema en la plataforma de HEC-HMS.
Figura 6.- Representación en HEC-HMS.
En la Figura 7 se observa el hidrograma correspondientes a un tiempo de recurrencia de 10

años para el canal derivador, que alcanza valores de 100 m3/s. En el eje de las abscisas se presentan
los valores en horas, con intervalos de 12 hs. En la Tabla 3, se muestra la síntesis de los caudales
picos simulados.
Figura 7.- Caudales para TR10 en Canal Derivador.
Tabla 3.- Caudales Pico para una recurrencia de 10 años

TR 10 Caudal Pico m3/seg
Canal Derivador 100.6
Canal Norte 2.2
Canal Venezuela 7.9
Alcantarillas 10.8
En la Figura 8 se observa el hidrograma de salida correspondiente a un tiempo de

recurrencia de 25 años para el canal derivador, que tiene el orden de los 180 m3/s. En la Tabla 4, se
muestra la síntesis de los caudales picos simulados.

Figura 8.- Caudales para TR25 en Canal Derivador.
Tabla 4.- Caudales Pico para una recurrencia de 25 años.
TR 25 Caudal Pico m3/seg

Canal Derivador 176.50
Canal Norte 3.9
Canal Venezuela 13.8
Alcantarillas 17.7
MODELACIÓN HIDRÁULICA
Para llevar adelante la modelación hidráulica se empleó el conocido modelo SWMM (EPA,
2005). El entramado urbano, materializado por las calles que delimitan el amanzanamiento fue
modelado como una gran red de canales, donde cada calle representa un canal vinculado con el
sistema completo. Es decir, la red de canales que representa las calles se vinculan a los canales
principales. Los hidrogramas de aporte de las cuencas hidrográficas se consideran como ingreso del
sistema hidráulico. Ahora bien, no todo el hidrograma es considerado en un sólo punto de ingreso,
sino que se estima qué parte del límite del entramado urbano es abordado por cada subcuenca, y se
distribuye entonces el hidrograma de modo proporcional.
En efecto, para incorporar los hidrogramas obtenidos en la simulación hidrológica se
seleccionaron puntos estratégicos en el entramado de la ciudad (
Figura 9) para representar la realidad con la mayor semejanza posible. A los fines de especificar qué
porcentaje del hidrograma que aporta una determinada cuenca, se considera de modo puntualmente
localizado en la red hidráulica de canales, se adoptó un criterio de proporcionalidad (Tabla 5).
Se utilizaron dos escenarios de modelación. El primero de ellos, con recurrencia de 10 años,
en el cuál se considera el correcto funcionamiento de los tres canales. En el segundo escenario se
asumió un desborde del canal Derivador.
Como parámetro de ajuste se empleó el coeficiente de rugosidad "n de Manning". A los
fines de llevar adelante la calibración de los parámetros del modelo hidrológico y del modelo
hidráulico, se identificaron puntos concretos con valores conocidos de inundación, vinculados a
eventos específicos.
Una vez calibrado el modelo, se verificó la fiabilidad de sus parámetros empleando los datos
pluviométricos y de nivel del último evento extremo, ocurrido en diciembre de 2017.

Figura 9.- Distribución de los puntos de control (sobre los cuales ingresan los diversos caudales).
A partir de los registros de niveles señalados por testimonios puntuales de los habitantes de
la ciudad, se pudo estimar los tirantes del curso de agua en distintos tramos de canales (calles) de la
ciudad. La simulación a través del modelo SWMM (Figura 10) permitió apreciar el recorrido del
agua, el proceso de avance y ocupación gradual del agua en la zona urbana, los sectores de mayor
vulnerabilidad, y las posibles vías de escape del excedente hídrico. Esto condujo a un conjunto de
hipótesis respecto de las alternativas de mitigación en los puntos más conflictivos.
Tabla 5.- Áreas proporcionales para la distribución de caudales.
Cuenca Área Puntos
48.58 3
C-1 7.18 3
4.24 10
10.7 2
C-07 5.42 2
0.67 1
Aporte Derivador 1
Figura 10.- Representación de Hernando mediante SWMM.
Los resultados preliminares de esta modelación evidenciaron puntos críticos del entramado
urbano, lo cual permite enfocar las principales causas de inundación en forma localizada.

El canal Venezuela, por su parte, en su último tramo presenta un quiebre con un de giro del
flujo que fuerza las líneas de corriente a tomar un ángulo menor a 90°, obligando al caudal a vencer
esta resistencia para poder dirigirse hacia el punto de descarga. Las imágenes satelitales reflejan
claramente que el curso natural del agua debería recorrer desde el canal Venezuela siguiendo una
diagonal hasta las alcantarillas, es decir, en dirección a la depresión natural del terreno.
Además, es posible observar que si el Canal Norte en lugar de unirse con el Canal
Venezuela al Oeste de la Ruta Provincial N°10, lo hiciera al Este (atravesando la ruta con una
alcantarilla) el caudal de ingreso del sistema de alcantarillas centrales se reduciría en gran número
ya que el Canal Norte transporta mayor caudal que el Canal Venezuela. Se presenta un esquema de
la variante (Figura 11) y su posterior verificación con SWMM.
Figura 11.- Sistema propuesto para mejorar el escurrimiento.
ANÁLISIS DE RESULTADOS
Con la herramienta de presentación en escala cromática que dispone el modelo SWMM, fue
posible observar aquellos puntos en los cuales el nivel del agua superará el cordón cuneta (color
rosa en el gráfico) para el escenario planteado. Cabe destacar que la calle Venezuela tiene previsto
una altura de cordón cuneta de 30 cm.
Para el escenario correspondiente a un evento con Tr de 10 años, los resultados para la
ciudad de Hernando en el tiempo más desfavorable están presentados en la Figura 12.
Analizada la propuesta expuesta anteriormente el resultado está dado por la imagen
presentada en la Figura 14 junto con el perfil del canal Venezuela en la Figura 15.
Figura 12.- Resultados de la simulación para situación actual de Hernando-TR 10.

Figura 13.- Perfil Canal Venezuela para situación actual en TR 10.
Figura 14.- Resultados de la simulación para situación hipotética de Hernando-TR 10.
Figura 15.- Perfil Canal Venezuela para situación hipotética en TR 10.
Mientras que para una recurrencia de 25 años en la condición actual el sistema funciona
según se muestra en la Figura 16 y el canal Venezuela presenta un perfil longitudinal como el
representado en la Figura 17.
Analizando la propuesta para mejor el sistema de drenaje los resultados se presentan en la
Figura 18 y Figura 19.
Figura 16.- Resultados de la simulación para situación actual de Hernando-TR 25.

Figura 18.- Resultados de la simulación para situación hipotética de Hernando-TR 25.
Los resultados pusieron en evidencia que el principal problema del sistema se encuentra en las
alcantarillas de salida del mismo, ya que no permiten el escurrimiento natural del agua en la
desembocadura de la red vial.
La situación mejora significativamente para eventos de recurrencia de 10 años,
disminuyendo el tiempo de permanencia del agua en la ciudad. En el caso de los eventos extremos,
además de la reducción del tiempo en la evacuación del agua se logra una disminución de los
tirantes, pero no consigue evitar que en los puntos más comprometidos el nivel del agua supere el
cordón de vereda.
CONCLUSIONES
Este trabajo ha permitido, a partir de la modelación hidrológica de la cuenca de aporte

hídrico y de la modelación hidráulica de la localidad de Hernando, identificar los puntos críticos del
proceso de inundación. Los resultados permitieron extraer una conclusión de elevado valor práctico
en dirección al desarrollo de un plan director de ordenamiento urbano para la localidad de
Hernando, poniendo en evidencia que uno de los principales problemas que enfrenta el sistema de

drenaje de la localidad está dado por el condicionante hidráulico materializado por las alcantarillas
de salida del mismo. También pudo concluirse que la propuesta de solución planteada, relacionada
con la rectificación del cauce en el tramo final de canal, previo a la desembocadura en la RP Nº10,
mitiga parcialmente los impactos de la misma, al menos para eventos con tiempos de retorno del
orden de los 10 años. En efecto, se demostró que esta variante permite reducir los valores de los
tirantes, al menos en las inmediaciones de la ruta 10, y constituye de este modo una intervención
recomendada con el propósito de reducir los impactos de las inundaciones en esta localidad.
REFERENCIAS
Alberti (2014) “Determinación de caudales de cuenca de aporte a alcantarillas de Ruta Provincial

N°10 a la altura de la localidad de Hernando”. Estudio hidráulico, Córdoba.
Crusta L. (2006). “Estudios técnicos y memoria descriptiva del proyecto 54/2006 plan integral de
conservación de suelos y agua en la cuenca alta del consorcio Los Mil Lagos”. Consorcio “Los Mil
Lagos”.
USACE-HEC. (2000). “Hydrologic modeling system HEC-HMS technical reference manual”,
Davis, Calif.
EPA SWMM (2005). “Modelo de gestión de aguas pluviales 5.0 VE. Manual de usuario”.
traducción al Español por GMMF.
AGRADECIMIENTOS
Se agradece especialmente la colaboración de la Municipalidad de Hernando y su equipo de

trabajo, así como del desinteresado apoyo y suministro de información por parte del Ing. Luis
Alberti.

IAHR AIIH
IMPLEMENTACIÓN Y EVALUACIÓN DE PRONÓSTICOS

HIDROLÓGICOS PROBABILÍSTICOS PARA SALTO GRANDE
Rodolfo Alvarado Montero(1), Nicolás Failache Gallo(2), Jan Talsma(1), Eduardo Zamanillo(2),
Juan Badagian(2)
(1) Deltares, Delft, Países Bajos
(2) Comisión Técnica Mixta de Salto Grande, Uruguay-Argentina
Rodolfo.AlvaradoMontero@deltares.nl, failachen@saltogrande.org, jan.talsma@deltares.nl,
zamanilloe@saltogrande.org, Badagianj@saltogrande.org
RESUMEN:
Este estudio evalúa la extensión del sistema de pronóstico del embalse de Salto Grande para
incorporar el uso de pronósticos probabilísticos basados en los sistemas de ensambles GEFS y
ECMWF. La extensión de los pronósticos probabilísticos está basada en el uso de flujos de
información que permiten repetición de procesos, simplificando la estructura del sistema. El sistema
de pronóstico está basado en la plataforma Delft-FEWS, especialmente diseñado para utilizar la
información como centro del sistema, en contraposición con sistemas desarrollados alrededor de
modelos específicos.
Los pronósticos probabilísticos fueron analizados utilizando métricas de desempeño para un
período de evaluación de 3 meses. Estas métricas muestran propiedades de resolución, precisión, e
incertidumbre asociadas a los pronósticos. Del análisis de las métricas se desprenden potenciales
mejoras relevantes para el sistema.
ABSTRACT:
This study assesses the extension of the current forecasting system of Salto Grande reservoir
to make use of the probabilistic forecasts based on the ensemble systems GEFS and ECMWF. The
extension to probabilistic forecasts is based on the use of information fluxes which allow repetition
of processes, hence simplifying the structure of the system. The forecasting system is based on the
platform Delft-FEWS, which is specially designed to use the information as a core of the system, in
contrast to systems developed having the models as the center of information.
The probabilistic forecasts were analyzed using performance metrics for an assessment
period of 3 months. These metrics show properties of resolution, accuracy and uncertainty
associated to the forecasts. From this analysis, relevant potential improvements are derived.
PALABRAS CLAVES: pronósticos ensambles, Delft-FEWS, métricas de desempeño

INTRODUCCIÓN
Los sistemas de pronósticos hidrológicos operacionales son una valiosa herramienta que
permite a los operadores anticipar eventos y tomar decisiones oportunas que conlleva la mejora en
la eficiencia del sistema. Su implementación implica no sólo la integración de redes de monitoreo y
de pronósticos meteorológicos, así como el correspondiente procesamiento y validación de datos,
sino además la configuración de modelos hidrológicos e hidráulicos. Dichos modelos permiten
estimar variables esenciales como los caudales resultantes del proceso lluvia-escorrentía, así como
la propagación de dicho caudal hacia aguas abajo. Si bien los modelos son un componente esencial
de un sistema operacional, la clave en el desarrollo de estos sistemas está en el flujo de información
y en generar procesos robustos que permitan asegurar la operatividad del sistema (Gijsbers, 2010).
El sistema de pronóstico hidrológico para el sistema hidroeléctrico Salto Grande, está siendo
modificado para incluir el uso de pronósticos tipo ensambles con lo cual se habilita la estimación de
la incertidumbre del pronóstico y se amplía así la información disponible para el operador del
sistema. En este artículo presentamos los flujos de información que fueron utilizados para llevar a
cabo el desarrollo de dicho sistema, así como el tipo de modelos implementados. Una de las
ventajas del análisis de estos flujos de información es la identificación de la repetición de procesos,
con lo cual se simplifica la estructura del sistema de pronóstico y consecuentemente se reducen las
fallas en la configuración y actualización del sistema.
METODOLOGÍA
El embalse de Salto Grande está ubicado sobre la frontera norte entre Uruguay y Argentina,
a unos 15 km al norte de las ciudades de Salto y Concordia. Tiene un volumen de aproximadamente
5.000 hm3 con un área de embalse de 783 km2. La represa tiene una capacidad instalada de 1,890
MW distribuida en 14 turbinas tipo Kaplan. La cuenca total que drena agua hacia el embalse está
distribuida entre Argentina, Uruguay y Brasil. Tiene un área aproximada de 242.850 km2. La figura
1 muestra la ubicación de la cuenca, así como las subcuencas hidrológicas utilizadas en el sistema
de pronóstico de Salto Grande.
Modelos
El sistema de pronóstico utiliza una combinación de modelos hidrológicos semi-distribuidos

basados el modelo Sacramento de humedad del suelo (SAC-SMA, por sus siglas en inglés) y
modelos de lluvia-escorrentía basados en el modelo de hidrograma unitario. Ambos desarrollados
por la Administración Nacional Oceanográfica y Atmosférica de Estados Unidos (NOAA, por sus
siglas en inglés). Asimismo, se utilizan modelos de tránsito hidrológico de tipo Muskingum para el
tránsito de onda entre dos puntos de afluencia. También se incorporan modelos de balance hídrico
de embalses utilizando reglas de operación basados en el modelo RTC-Tools v.1 de Deltares, así
como modelos de corrección auto regresivos de media móvil (ARMA, por sus siglas en inglés)
basados en transformaciones propias del sistema de pronóstico. Estos modelos están integrados en
la plataforma Delft-FEWS (Werner et al., 2013) que permite la automatización y comunicación de
procesos.
La cuenca total está compuesta por una cuenca alta, una cuenca media y una cuenca
intermedia, con un total de 13, 11, y 15 subcuencas respectivamente. Esta discretización espacial
está parcialmente motivada por la presencia de estaciones fluviográficas que permiten validar la
estimación de caudales en puntos intermedios a lo largo de la cuenca. La discretización temporal
está dada por pasos de tiempo de 3 horas. El sistema está diseñado para generar pronósticos con este
mismo intervalo de tiempo.

Figura 1.- Mapa de la cuenca afluente al embalse Salto Grande así como las subcuencas utilizadas en el
sistema de pronóstico FEWS-SG
Datos
El sistema de pronósticos de Salto Grande importa, entre otros, observaciones de

precipitación y temperatura de varias redes telemétricas, así como información de niveles de
embalse y observaciones de caudal en las estaciones fluviográficas disponibles en la cuenca. Esta
información es utilizada por el sistema de pronóstico para generar una simulación histórica y
derivar las condiciones iniciales necesarias para el tiempo T0 (momento en el que se genera el
pronóstico).
El sistema de Salto Grande también importa datos de diversos modelos numéricos de
pronóstico meteorológico. Entre ellos, se incorporan datos del sistema de pronóstico global GFS
(por sus siglas en inglés) del Centro Nacional de Predicción Ambiental de los Estados Unidos
(NCEP por sus siglas en inglés) con una resolución espacial de 0.25º. Asimismo, se utilizan datos
de pronóstico probabilístico tipo ensambles basados en el sistema de GEFS (también del NCEP)
con una resolución espacial de 1.0º, así como del sistema de pronóstico europeo del Centro Europeo
de Previsiones Meteorológicas a Plazo Medio (ECMWF, por sus siglas en inglés). El sistema GFS
tiene un único miembro de pronóstico y por ende se denomina determinístico. Por el contrario, los
sistemas GEFS y ECMWF utilizados en este estudio cuentan con un total de 20 y 50 miembros de
pronósticos respectivamente.
Las comparaciones de los pronósticos en este estudio, así como las métricas de desempeño
derivadas de éstos, están basadas en un período de evaluación entre el 1 de enero y el 30 de abril del
2018. Para esta evaluación se utilizaron los pronósticos de la base de datos TIGGE (Bougeault,
2010).
Procesos
Cada una de las 39 subcuencas cuenta con un modelo hidrológico SAC-SMA y un modelo
de hidrograma unitario UH. Posteriormente, se utiliza el modelo de tránsito hidrológico Muskingum
para obtener la simulación de caudal en distintos puntos de confluencia, agregar los caudales y

continuar el tránsito hacia aguas abajo. Adicionalmente se incluyen rutinas de corrección con los
modelos de autoregresión ARMA que permiten readecuar la estimación de caudales con base a las
observaciones más recientes. La integración de estos procesos se basa en diagramas de flujo de
información como el mostrado en la figura 2. Asimismo, se muestra el resultado de la corrección
luego de la implementación de un modelo ARMA.
Figura 2.- Izquierda: ejemplo de diagrama de flujo hasta Soberbio: procesos de la transformación lluvia-
escorrentía, tránsitos de onda y modelos de corrección auto regresivos. Derecha: resultado del proceso a la
estimación de caudales para el 29 junio 2018 09:00 hasta el punto de confluencia Paso de los Libres.
Sistema Delft-FEWS
El sistema operacional de pronósticos hidrológicos de Salto Grande está basado en la

plataforma Delft-FEWS (Werner et al., 2013). Delft-FEWS ha sido ampliamente utilizado alrededor
del mundo para configurar sistemas de pronósticos y atender la necesidad de automatización de
procesos en agencias de meteorología e hidrología (p. ej. Leedal et al., 2013, Hatmoko, 2015). El
concepto de estos sistemas está basado en procesos aplicados a la información, en contraposición a
sistemas tradicionales desarrollados alrededor de un modelo en específico. Esta diferencia permite
no sólo la integración de múltiples modelos a un mismo sistema, sino también evolucionar
conforme a los modelos utilizados por las organizaciones encargadas del pronóstico.
Figura 3.- Ejemplo de visualización en Delft-FEWS del primer miembro del pronóstico probabilístico
ECMWF del 31 de enero 2018, así como la serie acumulada de un pixel sobre la subcuenca Canoas

Este sistema se utiliza de forma operativa por la Comisión Técnica Mixta de Salto Grande
como base para generar pronósticos determinísticos de afluencias. El presente estudio está basado
en pruebas sobre la extensión del sistema para incluir pronósticos probabilísticos. La figura 3
muestra un ejemplo de la visualización espacial del primer miembro del pronóstico probabilístico
ECMWF en el sistema implementado en Salto Grande.
Métricas de desempeño
La capacidad del sistema utilizando pronósticos determinísticos del GFS se analiza en

comparación con sus homólogos probabilísticos del sistema de pronóstico GEFS y ECMWF. La
evaluación se lleva a cabo utilizando los pronósticos de 3 meses del sistema de pronóstico,
utilizando métricas de desempeño como el CRPSS (Continuous Ranked Probability Skill Score, en
inglés) y el BSS (Brier Skill Score, en inglés) (Bradley and Schwartz, 2013). Dichos indicadores se
calculan a partir de las siguientes ecuaciones (Alvarado-Montero et al, 2017):
1 n  
inf

  Ft  yk ,L     yk ,L  yˆ k  dy  
2
CPRS L 
n k 1   inf
[1]

CRPSmain
CRPSS  1  [2]
CRPSref
1 n

 Ft  yk ,L     t  yˆ k  
2
BSL [3]
n k 1
BS
BSS  1  main [4]
BS ref
Dónde: yk,L representa el valor del pronóstico con un tiempo de anticipación L para el
pronóstico del momento k-L, k es el indicador del pronóstico, n es el número de pronósticos, F es la
función de distribución acumulada de la variable pronosticada, Г es una función que asume
probabilidad 1 para valores mayores o iguales a la observación y 0 en caso contrario.
La métrica CRPS equivale a la media del error absoluto cuando se utilizan pronósticos
determinísticos. Al comparar con un valor de referencia, en este caso la climatología, se obtiene la
métrica CRPSS. La métrica BS equivale a la media del error al cuadrado cuando se utilizan
pronósticos determinísticos. Mientras que la métrica CRPS provee información de la precisión del
pronóstico, la métrica BS refleja propiedad de resolución, confiabilidad e incertidumbre. Un
pronóstico perfecto genera métricas CRPSS y BSS de 1. Ambas métricas se obtienen mediante el
uso del sistema de verificación de ensambles (EVS, por sus siglas en inglés) desarrollado por
NOAA (Brown et al., 2010).
RESULTADOS
El sistema se ha utilizado para generar una comparación de resultados entre los pronósticos
determinísticos utilizando los pronósticos del GFS y los pronósticos probabilísticos tipo ensamble
GEFS y ECMWF. La figura 4 muestra un ejemplo de pronósticos probabilístico GEFS para los
caudales afluente al embalse así como la respuesta de algunas de las subcuencas del sistema. Para
este estudio se generaron los pronósticos diarios durante los primeros tres meses del 2018. Los
mismos se utilizan, junto con las observaciones del período, para la derivación de las métricas de
desempeño CRPSS y BSS mostradas en las figuras 5 y 6.
Curiosamente la métrica CRPSS utilizando todos los datos disponibles muestra un mejor
desempeño para el pronóstico determinístico que para sus homólogos probabilísticos. Sin embargo,
al analizar los datos por encima del percentil 75 se observa una mayor precisión de los pronósticos

probabilísticos, tanto GEFS como ECMWF. Ambos pronósticos probabilísticos mantienen el
mismo desempeño hasta un tiempo de anticipación de 5 días. A partir de ahí, el pronóstico
probabilístico GEFS muestra un mejor desempeño con valores de CRPSS por encima de 0.50. El
pronóstico GFS mantiene la misma precisión tanto para eventos extremos como para el conjunto de
eventos analizados.
Figura 4.- Ejemplo de resumen del pronósticos hidrológico probabilístico de afluencia al embalse Salto
Grande utilizando los modelos de pronóstico numérico GEFS para el 11 de marzo del 2018 18:00 GMT
Figura 5.- Resultados de la métrica de desempeño CRPSS para todos los datos y para el percentil 75,
equivalente a caudales por encima de 2946.7 m3/s.
Figura 6.- Resultados de la métrica de desempeño Brier Skill Score (BSS) para percentil 25 y percentil 75,
en comparación con climatología, equivalentes a caudales por encima de 1563.7 y 2946.7 m3/s.

Por otra parte, los resultados de las métricas BSS muestran bajo desempeño para los tres
pronósticos tipos de pronósticos al considerar el total de datos analizados. Los resultados para
valores por encima de 3.000 m3/s (percentil 75) muestran que el pronóstico probabilístico con base
a ECMWF es levemente superior para tiempos de anticipación superiores a los 10 días. Es decir, los
resultados de este pronóstico cuentan con una menor incertidumbre en comparación con la
climatología.
Para valorar el significado de estas métricas hace falta analizar casos específicos del
pronóstico. Las figuras 7 y 8 muestran resultados del pronóstico GFS y GEFS. El pronóstico del 21
de enero muestra una mejora mediante el uso de los datos probabilísticos GEFS en comparación
con el pronóstico determinístico GFS. Los valores de caudal afluente estimado utilizando GEFS
logran capturar parcialmente la dinámica del evento, mientras que el valor determinístico muestra
una severa subestimación de los caudales. Este evento forma parte del percentil 75 en el conjunto de
datos analizados.
Por otra parte, la figura 8 muestra una sobre estimación significativa en el pronóstico GEFS
en comparación con el pronóstico determinístico. Esto sucede particularmente en la curva de
recesión del hidrograma. Dicha sobre estimación puede ser el resultado de alguna de las siguientes
razones: una sobre estimación del pronóstico meteorológico, un alto valor de las variables de
almacenamiento como condiciones iniciales del pronóstico, o bien un error estructural o
paramétrico de los modelos implementados. Par identificar las razones se llevó a cabo una
inspección visual de los pronósticos diarios durante el período del estudio. De este análisis se
desprende que el pronóstico meteorológico pareciera no ser una de las razones principales de la
sobre estimación.
Figura 7.- Pronóstico determinístico GFS (izquierda) y probabilístico GEFS (derecha) para el 21 de enero
Figura 8.- Pronóstico determinístico GFS (izquierda) y probabilístico GEFS (derecha) para el 12 de febrero

CONCLUSIONES
En este estudio se lleva a cabo una evaluación de la extensión del sistema de pronóstico de
Salto Grande para incluir pronósticos probabilísticos que permitan estimar la incertidumbre
hidrológica asociada a los caudales afluentes al embalse. Dicha extensión se basa en la plataforma
Delft-FEWS, diseñada alrededor de la información del sistema, en contraposición a técnicas
tradicionales diseñadas alrededor de un modelo en específico. La funcionalidad y flexibilidad del
sistema demuestran que los flujos de información son la base de un sistema operacional. Dichos
flujos de información facilitan la integración de diversos modelos al sistema y aseguran la mejora
del sistema al permitir cambiar y actualizar los modelos disponibles.
Los pronósticos probabilísticos implementados en el sistema utilizan los pronósticos
probabilísticos de GEFS y ECMWF como variables de entrada en un proceso que incluye modelos
hidrológicos, tránsitos de onda, y modelos de corrección. Los pronósticos probabilísticos
proporcionan una valiosa herramienta para cuantificar la incertidumbre en el sistema y mejoran las
métricas de desempeño para el percentil 75 de los datos analizados. El total de los datos muestran
una disminución del desempeño asociada a una sobre estimación durante la curva de recesión y
particularmente para valores bajos de caudal.
Es difícil discernir si la sobre estimación de caudales se debe a una mala estimación de las
condiciones iniciales o al desempeño de los modelos implementados en el sistema. Por ahora, los
pronósticos meteorólogicos probabilísticos no parecieran ser la principal razón de la sobre
estimación de caudales afluentes al embalse.
El pronóstico con base a GEFS muestra un mejor desempeño en cuanto a precisión a partir
del 5to día de tiempo de anticipación. Sin embargo, el pronóstico ECMWF resulta levemente
superior a partir del día 10 de anticipación.
REFERENCIAS
Alvarado-Montero, R., Schwanenberg, D., Krahe, D., Helmke, P., Klein, B. (2017). “Multi-parametric
variational data assimilation for hydrological forecasting”. Advances in Water Resources, Vol. 110, pp. 182-
192. https://doi.org/10.1016/j.advwatres.2017.09.026
Bradley, A., Schwartz, S. (2011). “Summary Verification Measures and Their Interpretation for Ensemble
Forecasts”. American Meteorological Society.
Brown, J.D., Demarge, J., Seo, D.J., Liu, Y. (2010). “The Ensemble Verification System (EVS): A
software tool for verifying ensemble forecasts of hydrometeorological and hydrologic variables at discrete
locations”. Environmental Modelling & Software, Vol. 25, Issue 7, pp. 854-872.
https://doi.org/10.1016/j.envsoft.2010.01.009
Bougeault P, Toth Z, Bishop C, Brown B, Burridge D, Chen DH, Ebert B, FuentesM,Hamill TM,
MylneK,Nicolau J, Paccagnella T, Park Y, Parsons D, Raoult B, Schuster D, Dias PS, Swinbank R,
Takeuchi Y, Tennant W (2010). “The THORPEX interactive grand global ensemble”. Bull Am Meteorol
Soc 91(8):1059–1072. https://doi.org/10.1175/2010BAMS2853.1
Gijsbers, P. (2010). Opportunities and limitations of DelftFEWS as a scientific workflow tool for
environmental modelling. Int Env Modelling and Software Society (iEMSs) 2010, Modelling for
Environment’s Sake, Fifth Biennial Meeting, Ottawa, Canada. David A. Swayne, Wanhong Yang, A. A.
Voinov, A. Rizzoli, T. Filatova (Eds.)
Leedal, D., Weerts, A.H., Smith, P.J., Beven, K.J. (2013). “Application of data-based mechanistic
modelling for flood forecasting at multiple locations in the Eden catchment in the National Flood Forecasting
System (England and Wales)”. Hydrology and Earth System Sciences HESS, Vol. 17, pp. 177-185.
https://doi.org/10.5194/hess-17-177-2013
Hatmoko, W., Radhika, Raharjab, B., Tollenaarb, D., Vernimmenb, R. (2015). “Monitoring and
prediction of hydrological drought using a drought early warning system in Pemali-Comal river basin,
Indonesia”. Proc. Environmental Sciences, Vol.24, pp. 56-64. https://doi.org/10.1016/j.proenv.2015.03.009
Werner, M., Schellekens, J., Gijsbers, P., van Dijk, M., van den Akker, O., & Heynert, K. (2013). “The
Delft-FEWS flow forecasting system”. Environmental Modelling and Software, Vol 40, pp. 65-77.
https://doi.org/10.1016/j.envsoft.2012.07.010

IAHR AIIH
BUENOS AIRES, ARGENTINA, SETEMBRO DE 2018
MODELAGEM E SIMULAÇÃO HIDROLÓGICA NUMA PEQUENA

BACIA DO SEMIÁRIDO PARAIBANO, BRASIL
Eduardo E. de Figueiredo1, José Junji Ota2

1
Universidade Federal de Campina Grande-PB, Brasil, eduardo.e.figueiredo@ufcg.edu.br
2
Universidade Federal do Paraná-PR, Brasil, ota.dhs.ufpr.br
RESUMO:
A região semiárida do estado da Paraíba, Nordeste do Brasil, apresenta precipitação muito

variável, elevada evaporação potencial, escoamentos (intermitentes e/ou efêmeros) escassos e
acelerados pelo uso do solo (desmatamento). Dados hidrológicos são em geral observados em
pequenas escalas experimentais, os quais têm sido utilizados com modelos matemáticos na geração
e simulação hidrológica do escoamento. O escoamento em região semiárida é de difícil modelagem
haja vista a variabilidade e complexidade da interação entre os processos de precipitação,
evapotranspiração, infiltração, e fluxo de água no solo representado pelo potencial matricial (tensão
e condutividade hidráulica) dependente da umidade (θ) e variável no tempo e perfil do solo. Neste
trabalho, dados de uma pequena bacia vegetada no semiárido paraibano, Brasil, foram utilizados na
modelagem e simulação do escoamento com uma abordagem combinada (Mualem/Van Genuchten
- MVG e Burdine/Brooks e Corey - BBC) no cálculo da condutividade hidráulica não saturada K(θ)
incorporada ao modelo MOSEE (Modelo de Simulação do Escoamento e Erosão do solo). Uma
metodologia de cálculo da condutividade hidráulica saturada Ks em termos das características
médias das classes de solo e proporções de textura no perfil foi também incorporada. Apresenta-se
aqui a descrição da componente hidrológica do modelo, a modelagem e simulações, as quais se
mostraram razoáveis, discussão dos resultados, e as conclusões.
ABSTRACT:
The semiarid region of the state of Paraíba, Northeast Brazil, shows that precipitation is very
much variable, significant potential evaporation, and scarce runoff (intermittent or ephemeral)
accelerated by the land use (deforestation). Hydrologic data are generally observed at small
experimental scales, which are used with hydrologic mathematical simulation models to understand
the runoff generation in the region. Runoff in semiarid region is difficult to model owing to the
complex interaction between rainfall, evapotranspiration, infiltration, and the water flux through the
soil layers represented by the matric potential (soil tension and hydraulic conductivity) that varies
with the soil moisture (θ) and is space-time dependent. In this research, data of a small vegetated
basin, in the Paraiba semiarid region, Brazil, were utilized in the modelling and simulation of runoff
with a combined approach (Mualem/Van Genuchten - MVG e Burdine/Brooks e Corey - BBC) to
determine the non-saturated hydraulic conductivity K(θ) incorporated into the model MOSEE
(Model for Soil Erosion Estimation). A methodology to calculate the saturated hydraulic
conductivity Ks in terms of averaged characteristics of the soil classes and proportion of texture in
the soil profile was also incorporated. The hydrologic component of the model, modelling and
simulations, which showed to be reasonable, discussion of results, and conclusions, are as follows.
PALAVRAS CHAVES: Semiárido, Escoamento, Modelagem.

INTRODUÇÃO
A modelagem do escoamento em bacias hidrográficas, mesmo em pequenas bacias, requer

um modelo de simulação que considere as características locais e suas variabilidades nas entradas,
saídas e armazenamentos. Em regiões semiáridas destacam-se a variabilidade espaço-temporal da
precipitação e as altas taxas de evaporação potencial. A evapotranspiração real é baixa haja vista os
baixos teores de umidade no perfil do solo (geralmente rasos). Além disso, os escoamentos nos rios
ou são efêmeros ou intermitentes de difícil modelagem. Neste trabalho, o escoamento foi modelado
com o modelo MOSEE (Figueiredo & Parsons, 2010; Figueiredo et al., 2014). O modelo
computacional emprega nos cálculos o método de Feddes et al (1976) na evapotranspiração, Horton
(1933), modificado, na capacidade de infiltração, Saxton et al (1986) na tensão do solo, e uma
abordagem combinada dos métodos Mualem/van Genuchten (Van Genuchten, 1980) – MVG e
Burdine/Brooks e Corey (Burdini, 1953) – BBC, proposta por Valiantzas (2011), no cálculo da
condutividade hidráulica não saturada do solo K(θ), e Richards (1931) na variação espaço-temporal
da umidade θ(t,z) do solo. Uma metodologia de cálculo da condutividade hidráulica saturada Ks, em
termos das características médias das classes de solo e proporções de textura no perfil, foi também
incorporada ao modelo hidrológico. Dados observados (físicos e climáticos) na bacia experimental
de Sumé (Figura 1), Nordeste do Brasil, foram utilizados nesta pesquisa. Pretende-se verificar a
natureza da geração do escoamento, a influência do potencial matricial na modelagem e simulação
hidrológica e qualidade dos resultados. Descreve-se a seguir o modelo, a modelagem e simulação
com seus resultados, e uma discussão conclusiva.
Figura 1.- Bacia Experimental de Sumé (BES) no Semiárido Paraibano.

(adaptado de Figueiredo e Ota, 2017; Lopes, 2003)
O MODELO MOSEE
O modelo MOSEE é contínuo no tempo e distribuído no espaço, sendo a bacia discretizada

em 20 sub-bacias com perfil do solo dividido em três camadas de espessuras hA, hB e hC e
modelação dos processos a seguir apresentados.
Precipitação e Intercepção: A intensidade da precipitação (i) que atinge o solo varia com
sua altura (P), duração (∆t), intercepção (hit) e proporções de cobertura vegetal (Cv) e de rocha (Cr).

P(1-Cv -Cr )+hit �Cg +Cr �
i= (mm/h) [1]
∆t
Evapotranspiração: A evapotranspiração real (Er) varia com a potencial (Ep) e com a
tensão do solo ψ(θ), tendo-se adaptada a equação linear seguinte a partir da relação proposta por
Feddes et al (1976) entre Er/Ep e ψ(θ).
𝑘𝑘𝑒𝑒 [ψ𝑝𝑝𝑝𝑝 - ψ(θ)]

𝐸𝐸𝑟𝑟 /𝐸𝐸𝑝𝑝 = (−) [2]
(ψ𝑝𝑝𝑝𝑝 - ψ𝑐𝑐𝑐𝑐 )
onde ke é um fator que leva em conta a água encapsulada não sujeita ao processo, ψpm = 1500 kPa e
ψcc = 33,3 kPa são as tensões do ponto de murcha e capacidade de campo e ψ(θ) a tensão do solo.
Potencial Matricial: O potencial matricial é essencialmente a tensão do solo ψ(θ) e a
condutividade hidráulica não saturada K(θ), ambas dependente da umidade volumétrica do solo θ.
A equação de Saxton et al (1986) para cálculo da tensão do solo é dada a seguir.
𝐵𝐵
ψ(θ) = A θ (𝑘𝑘𝑘𝑘𝑘𝑘) [3]
A =exp [a + b.(%C ) + c.(% S )² + d .(% S )².(%C )] (𝑘𝑘𝑘𝑘𝑘𝑘) [4]
B = e + f .(%C )² + g .(% S )².(%C ) (𝑘𝑘𝑘𝑘𝑘𝑘) [5]
onde a = -4.396; b = -0.0715; c = -4.880 x 10-4; d = -4.285 x 10-5; e = -3.140; f = -2.22 x 10-3; e g =
-3.484 x 10-5; %C e %S são percentuais de argila e areia na camada de solo.
A umidade do solo varia no tempo e no perfil do solo (z), sendo regida pela continuidade
(conservação da massa) e momento. Sendo o fluxo (q) unidimensional no perfil vertical (z) do solo,
aplica-se a equação de Darcy q=-K(θ)∂H/∂z com carga total H = ψ(θ) + z para se estabelecer a
variação temporal da umidade ∂(θ)/∂(t). Assim:
∂(θ) ∂(q)
+ =0 (m3 /m3 /h) Continuidade [6]
∂(t) ∂(z)
∂
𝑞𝑞 = −𝐾𝐾(θ) [ψ(θ) + h)] (m3 /h/m2 ) Momento [7]
∂(z)
Combinando-se as equações (1) em (2) chega-se a equação de Richards (1931).
∂(θ) ∂(ψ) ∂(θ) ∂

= -K(θ)[ + 1] - [𝐸𝐸 ψ(θ)] (m3 /m3 /h) [8]
∂(t) ∂(θ) ∂(z) ∂(z) 𝑟𝑟
O último termo da equação é a perda real de água através das camadas do solo para a
atmosfera por evapotranspiração. Exprimindo-se a equação em termos de diferenças finitas e
admitindo-se um valor inicial de umidade no tempo t, θt, pode-se calcular a condutividade
hidráulica K(θ) e a tensão do solo ψ(θ) e, por conseguinte, a umidade no tempo t+∆t, (θt+∆t).
Devido a falta de dados observados e complexidade na representação matemática da
condutividade hidráulica não saturada, K(θ), adotou-se na presente pesquisa a equação proposta por
Valiantzas (2011) que contempla as abordagens de Van Genuchten/Mualem (Van Genuchten, 1980)
– VGM e Burdini/Brooks e Corey (Burdini, 1953) – BBC.
1 2
�3+ �
K(θ) = w𝐾𝐾𝑠𝑠 𝑆𝑆𝑒𝑒0.5 {[1 − [1 − 𝑆𝑆𝑒𝑒 ]𝑚𝑚 ] 𝑚𝑚 }2 + (1 − w)K s Se mn (mm/h) [9]

onde w é um fator de distribuição entre os métodos MVG e BBC (w = 1 só o método MVG é
considerado; w = 0 só o método BBC é considerado), Se = (θ - θr)/(θs - θr) é a saturação relativa, θs
e θr são as umidades de saturação e residual, m e n são parâmetros da equação de Van Genuchten
(1980), n = 1/(1-m) e Ks (mm/h) a condutividade hidráulica saturada.
A condutividade hidráulica saturada, Ks, é geralmente expressa por funções que utilizam
predominantemente os teores de areia (%S) e argila (%C) no solo (e.g., Saxton et al., 1986). O
diâmetro do sedimento, a porosidade do solo e umidade residual são também fatores determinantes,
porém, não explícitos na maioria das funções. Note-se que quanto maior o diâmetro do sedimento
maior a porosidade, maior a condutividade e menor a umidade residual, sendo isto evidente nos
solos arenosos por exemplo. Considerando-se os dados característicos das classes de solo
(composição, diâmetros, condutividades saturadas) na literatura (USDA, 1987; Campbell, 1985;
Green e Ampt, 1911), foram testadas diversas funções de regressão (potencial, exponencial, linear,
etc) entre Ks (cm/h) e diâmetro médio, dm, porosidade média, φm, e umidade residual média, θrm,
ponderados pelos teores de areia (%S), silte (%Si) e argila (%C), individualmente ou em conjunto,
tendo-se chegado a melhor equação de regressão abaixo com coeficiente de determinação 0,992.
𝑑𝑑𝑚𝑚 φ𝑚𝑚 2
𝐾𝐾𝑠𝑠 = 0,548 + 0,1412 (cm/h) [10]
θ𝑟𝑟𝑟𝑟
𝑑𝑑𝑚𝑚 = [(ds . %S + dsi . %Si + dc . %C)/100] (mm) [11]
φ𝑚𝑚 2 = [(φs %S + φsi %Si + φc %C)/100]2 (m6 /m6 ) [12]
θ𝑟𝑟𝑟𝑟 = [(θrs %S + θrsi %Si + θrc %C)/100] (m3 /m3 ) [13]
onde ds, dsi, dc, φs, φsi, φc, θrs, θrsi e θrc são as características (diâmetros, porosidades e umidades
residuais) médias dos valores máximos e mínimos (Tabelas 2 e 3) de cada classe de solo (areia:
subscrito s; silte: subscrito si; argila: subscrito c).
As Tabelas 1 a 3 mostram os dados básicos das classes de solo. A Tabela 4 mostra os dados
de condutividade saturada das classes de solo com aplicação da equação [10] considerando os
percentuais do solo da camada A da área de estudo (%S = 50,2; %Si = 21,9 e %C = 15.77).
Tabela 1.- Percentual de Areia, Silte e Argila nas Classes de Solo.

Limites  Superior Inferior
Classes de Solo Areia Silte Argila Areia Silte Argila
1-Sand 90 5* 5* 85 5* 10*
2-Loamy Sand 85 5* 10* 70 5* 25*
3-Sandy Loam 52 28 20 43 50 7
4-Loam 23 50 27 65 28 7
5-Silt 2* 88 10* 2* 88 10*
6-Silty Loam 2* 50 25* 2* 50 10
7-Sandy Clay Loam 45 28 27 45 35 20
8-Clay Loam 40 15* 45 20 53* 27
9-Silty Clay Loam 20 40* 40 20 53* 27
10-Sandy Clay 45 20* 35 45 20* 35
11-Silty Clay 2 49 49 2 45 45
12-Clay 2 49 49 0* 50 50
(*) Valores atribuídos respeitando nomes das classes e limites possíveis descritos na fonte (USDA, 1987)

Tabela 2.- Valores Médios de Diâmetros, Porosidades e Umidades Residuais das Classes de Solo.
Diâmetro ds (mm) Porosidade φs (m3/m3) Umidade Residual θr (m3/m3)
Classe de
Solo Max Med* Min Max Med* Min Max Med* Min
1 2 1,025 0,05 0,5 0,437 0,374 0,02 0,02 0,02
2 0,6 0,475 0,35 0,506 0,437 0,363 0,03325 0,033325 0,0334
3 0,35 0,225 0,1 0,555 0,453 0,351 0,03236 0,03182 0,03128
4 0,14 0,0825 0,025 0,551 0,463 0,375 0,02948 0,02576 0,02204
5 0,05 0,026 0,002 0,5115 0,456 0,4005 0,05772 0,05772 0,05772
6 0,1 0,055 0,01 0,582 0,501 0,42 0,01408 0,01213 0,01018
7 0,25 0,15 0,05 0,464 0,398 0,332 0,06278 0,061765 0,06075
8 0,06 0,0375 0,015 0,519 0,464 0,409 0,08895 0,1049 0,12085
9 0,02 0,0135 0,007 0,524 0,471 0,418 0,0454 0,04332 0,04124
10 0,08 0,05 0,02 0,49 0,43 0,37 0,1036 0,1036 0,1036
11 0,012 0,0095 0,007 0,533 0,479 0,425 0,07245 0,06951 0,06657
12 0,002 0,001005 0,00001 0,523 0,475 0,427 0,12196 0,12298 0,124
Fontes: Campbell (1985); Green & Ampt (1911); (*) Med = (Max + Min)/2
Tabela 3.- Diâmetros, Porosidades e Umidades Residuais Ponderados pelos Percentuais na Tabela 1.
Diâmetro (mm) Porosidade (m3/m3) Umidade Residual (m3/m3)
Classe
de Solo Max Med* Min Max Med* Min Max Med* Min
(1) (2) (3) (4) (5)
1 1,8538 1,805 1,7563 0,4906 0,4874 0,4843 0,02 0,02 0,02(6)
2 0,569 0,55 0,5313 0,4883 0,4775 0,4668 0,0333 0,033325 0,0334
3 0,265 0,268 0,27 0,4856 0,4877 0,4897 0,0324 0,0318 0,0313
4 0,08 0,098 0,1159 0,4595 0,4868 0,514 0,0295 0,0258 0,022
5 0,024 0,024 0,0241 0,4516 0,4516 0,4516 0,0577 0,0577 0,0577
6 0,032 0,031 0,031 0,3671 0,3356 0,3041 0,0141 0,0121 0,0102
7 0,168 0,172 0,175 0,4099 0,4122 0,4145 0,0628 0,0618 0,0608
8 0,036 0,036 0,0359 0,4613 0,4607 0,4602 0,0889 0,1049 0,1209
9 0,012 0,013 0,013 0,4604 0,4638 0,4673 0,0454 0,0433 0,0412
10 0,053 0,053 0,053 0,436 0,436 0,436 0,1036 0,1036 0,1036
11 0,0083 0,008 0,0077 0,4536 0,4355 0,4175 0,0725 0,0695 0,0666
12 0,00054 0,00052 0,0005 0,4524 0,4517 0,451 0,1219 0,1223 0,124
(1) ds=(90x2+5x1,025+5x0,05)/100=1,8538; (2) ds=(85x2+5x1,025+10x0,05)/100=1,7563;
(3) φs=(90x0,5+5x0,437+5x0,374)/100=0,4906; (4) φs=(85x0,5+5x0,437+10x0,374)/100=0,4843;
(5) θr=(90x0,02+5x0,02+5x0,02)/100=0,02; (6) θr=(85x0,02+5x0,02+10x0,02)/100=0,02;
(*) Med = (Max + Min)/2.
Tabela 4.- Relação entre Condutividade Saturada e Parâmetros Médios.

Classe  1 2 3 4 5 6 7 8 9 10 11 12
Ks 11,78 2,99 1,09 0,34 0,36 0,65 0,15 0,1 0,1 0,06 0,05 0,03
dm 1,805 0,55 0,268 0,098 0,024 0,031 0,172 0,036 0,013 0,053 0,008 0,001
φµ 0,487 0,478 0,488 0,487 0,452 0,336 0,412 0,461 0,464 0,436 0,436 0,452
θρµ 0,02 0,033 0,032 0,026 0,058 0,012 0,062 0,105 0,043 0,104 0,07 0,122
2
dmfm /qrm 21,44 3,763 2,005 0,9 0,085 0,289 0,473 0,073 0,065 0,097 0,022 0,001
dm=(1,805x50,2+0,02408x21,9+0,000537x15,77)/100 = 0,91147 mm (equação [11])
φm2=[(0,4874x50,2+0,45156x21,9+0,45172x15,77)/100]2 = 0,17125 m6/m6 (equação [12])
θrm=(0,02x50,2+0,05772x21,9+0,12298x15,77)/100 = 0,042 m3/m3 (equação [13])
dmφm2/θrm = 0,91147x0,17125/0,042 = 3,716
Ks=0,548 x 3,716 + 0,1412 = 2,18 cm/h (equação [10])

Escoamentos: O escoamento direto (Qd) é por excesso de chuva sobre a capacidade de
infiltração (i > f) e/ou excesso de umidade sobre a saturação da camada superficial (θ > θs),
enquanto que os escoamentos subsuperficial (Qss) e subterrâneo (Qsb) ocorrem somente se as
camadas do solo saturarem, sendo governados pela equação de Darcy para fluxo não confinado. O
escoamento subterrâneo interage com o rio, podendo o rio receber contribuição do lençol ou
alimentá-lo dependendo da posição do lençol em relação ao nível d’água do rio. O escoamento total
(Q=Qd+Qss+Qsb) descarrega no trecho de rio da sub-bacia sendo propagado para jusante pelo
método do SCS (McCuen, 1982). As equações do escoamento total e o propagado estão a seguir.
103 107
𝑄𝑄 = 𝐴𝐴𝑏𝑏 {( 3,6 )(i − f[θ(t)] + (60∆𝑡𝑡)(θ - θ𝑠𝑠 )ℎ𝐴𝐴 } (l/s) Escoamento direto
10−7 L2
+( )Ki[ℎ𝑖𝑖 [θ𝑠𝑠 ] 2 �2A � (l/s) Escoamento subsuper�icial
3,6 b
10−7 L2
+ Qls ± ( )Ks[zls – (zc + zr )] 2 �2A � (l/s) Escoamento subterrâneo [14]
3,6 b
𝑄𝑄𝑡𝑡+∆𝑡𝑡 = Cp QI (t) + �1 − Cp �Q(t) (l/s) Escoamento propagado [15]
𝑓𝑓[θ(𝑡𝑡)] = fc + (fo − fc )e−k[θ(t)] (mm/h) Capac. de in�iltração [16]
onde i e f são a intensidade da chuva e capacidade de infiltração (mm/h), fo e fc (mm/h) e k (h-1) são
parâmetros de infiltração do solo, Ab é a área da bacia (km2), hi a espessura da camada saturada (hA,
hA+hB ou hA+hB+hC se todas saturarem) do solo (cm), Qls é a vazão do lençol caso exista lençol
acima do leito do rio, QI(t) e Q(t) são respectivamente as vazões de entrada e saída do trecho de rio
no tempo t, Q(t+∆t) a vazão na saída do trecho no tempo t+∆t, Ki a condutividade hidráulica da
camada saturada de solo, L a extensão do trecho (km), zl e zc (cm) são os níveis do lençol e do
fundo do rio e zr (cm) o nível d’água do rio (positivos para baixo a partir da superfície do solo), Cp
= tt/tc < 1 é o coeficiente de propagação, tt o tempo de translação do escoamento no trecho (o tempo
de translação tt pode ser ajustado comparando-se os escoamentos simulados e observados de modo
a atender a condição Cp < 1), tc o tempo de concentração do trecho calculado segundo Kirpich
(1940). O sinal positivo na equação do escoamento subterrâneo implica que o lençol está acima do
nível d’água do rio e contribui para sua vazão. Caso contrário o rio contribui para o lençol. A
profundidade do escoamento no rio é y = [nM.Qt+∆t/(Cw.S1/2)]3/5 onde nM (s.m-1/3) é o coeficiente de
rugosidade de Manning, Cw (m) a largura do rio (seção retangular) e S (-) sua declividade.
MODELAGEM DA BACIA E PARAMETRIZAÇÃO
Bacia hidrográfica: A microbacia vegetada M1 escolhida para esta pesquisa (Figura 1), de
6200 m2, foi dividida em 20 sub-bacias com áreas de 310 m2, extensões dos trechos de 7,5 m,
variação de cotas de 0,55 m (S = 0,07) e camadas de solo hA = 10 cm e hB = hC 20 cm, com teores
de areia, silte e argila de 50,2%, 21,9% e 15.77 (camada A) e 50.2%, 17,3% 32.5% (camadas B e
C), conforme dados em Cadier e Freitas (1982).
Precipitação e intercepção: Considerou-se no cálculo da intensidade de precipitação que
atinge o solo (equação [1]) as alturas de chuva observadas em 1986 e suas durações, intercepção
vegetal hit = 0,5 mm (Jetten, 1996; Medeiros et al., 2009), e proporções de cobertura vegetal Cv =
0,8 e de rochas Cr = 0,0 (o efeito de rochas torna-se desprezível quando a cobertura vegetal é
significativa).
Evapotranspiração real: Para o cálculo da relação Er/Ep com a equação [2], adaptada de
Feddes et al (1976), fez-se ke = 1 (não há dados práticos que evidenciam água encapsulada não
sujeita ao processo), ψpm = -1500 kPa e ψcc = -33,3 kPa. Importante notar-se que se ψ(θ) = ψpm
(ponto de murcha) então Ea = 0 porque nesta condição as vegetação não é capaz de extrair água do

solo, e se ψ(θ) = ψcc (capacidade de campo) então Ea = Ep (considera-se que o solo está saturado
nesta condição de umidade), com Ep medido em tanque classe A.
Infiltração: Os parâmetros da função de infiltração foram determinados com base em dados
de campo obtidos com anéis concêntricos (Cadier e Freitas, 1982; Cadier et al., 1983). A Figura 2
mostra que os valores fo = 120 mm/h (obtido por extrapolação), fc = 30 mm/h e k = 2h-1 ajustaram-
se bem as capacidades de infiltração medidas.
Figura 2.- Curva de capacidade de infiltração ajustada.
Potencial matricial: O potencial matricial resume-se no cálculo de ψ(θ) com a equação [3],
e K(θ) com a equação [9] e Ks com a equação [10]. Os parâmetros A e B da equação [3] foram
obtidos com base nos percentuais de areia e argila das camadas de solo, 50,2 e 15.77% (camada A)
e 50.2 e 32.5% (camadas B e C), tendo-se obtido os valores 0,02126 e 0,0006738 kPa (coeficiente
A) e -5,077 e -8,338 (expoente B). Os parâmetros m e n da equação [9] calculados por m = (B+1)/B
= 0,8 e 0,88 e n = 1/(1-m) = 5,0 e 8,33. O fator de distribuição w na equação [9] foi variado na faixa
de 0,0 (só Burdini/Brooks e Corey) a 1,0 (só Mualem/van Genuchten), com valor calibrado de w =
0,7 a partir do ajuste da vazão máxima. Fez-se ψ(θ) = 33,3 e 1500 kPa na equação [3] para cálculo
das umidades saturadas, θs (0,4081 e 0,3908 m3/m3, valores obtidos com fator de aprisionamento de
ar 0,91 e 0,8) e iniciais, θi (0,1109 e 0,1829 m3/m3). As umidades residuais θr (0,042 e 0,059 m3/m3)
foram calculadas com a equação [13] e Ks = 21,8 e 17,7 mm/h com a equação [10]. Vê-se K(θ),
ψ(θ), θ(z,t) e θ(t,z) nas Figuras 3 e 4 e Figuras 5 e 6, com as umidades obtidas do MOSEE.
Figura 3.- Condutividade hidráulica não saturada K(θ) (evento 126).

Figura 4.- Tensão do solo ψ (θ) (evento 126).
Figura 5.- Variação espaço-temporal da umidade no perfil do solo θ(z,t) (evento 126).
Figura 6.- Variação temporal e espacial da umidade do solo θ(t,z) (evento 126).

Escoamento: Para a modelagem do escoamento (equação [14]) desconsiderou-se Qb por não
haver lençol na área de estudo, tt = 0,19 min, tc = 0,0078L0,77/S0.385 = 0,2512 min (Kirpich, 1940),
Cp = 0,7563, canal retangular Cw=0,5 m e coeficiente de rugosidade de Manning nM=0,028 s.m-1/3.
A Figura 7 mostra a simulação hidrológica do evento 126 (maior evento observado em 1986 com
dados da distribuição temporal do escoamento). A Figura 8 mostra os hidrogramas do evento 126 da
sub-bacia 1 (nascente) até a sub-bacia 20 (exutório).
Figura 7.- Chuvas e Escoamentos Simulado e Observado (evento 126).
Figura 8.- Hidrogramas das sub-bacias 1 (nascente) a 20 (exutório) - evento 126.
DISCUSSÃO CONCLUSIVA
Os resultados do ajustamento do escoamento com os dados da modelagem mostraram,

conforme pode ser visto na Figura 7, uma boa representação da vazão máxima observada (modelo:
44,90 l/s; observado: 45,97 l/s) que foi o critério utilizado para avaliar a qualidade do resultado da
modelagem empregada. A variação do parâmetro de distribuição (w) na metodologia sugerida por
Valiantzas (2011) na faixa de valores testados (de 0,0 a 1,0) não alterou a vazão máxima simulada,
mas resultou em ligeira sensibilidade nas lâminas dos escoamentos (obtidas da integração dos
hidrogramas), variando de 28,95 mm a 32,52 mm, todas superestimando o medido (observado:
28,41 mm; modelo: 29,36 mm). Nota-se que a o escoamento é por excesso de intensidade de chuva
sobre a capacidade de infiltração (i>f) e/ou excesso de umidade sobre a saturação (θ>θs), com
pequena contribuição da camada B e nenhuma da camada C (Figuras 5 e 6). Os hidrogramas do
trecho 1 ao trecho 20 (Figura 8) mostram que embora a área da bacia seja pequena ocorre variação
de armazenamento uma vez que a vazão no trecho 20 não é a soma das vazões a montante.

Desta pesquisa pode-se concluir que: os escoamentos simulados são Hortonianos, com
armazenamento ao longo do deslocamento, pequenas contribuições subsuperficiais, comparam bem
com os observados, os picos não foram sensíveis às metodologias do potencial matricial, embora
tenham afetado ligeiramente as lâminas integradas dos escoamentos.
REFERÊNCIAS
Brooks, R. H. and Corey, A. T. (1964). “Hydraulic properties of porous media.” Hydrology Paper No. 3,
Colorado State Univ., Fort Collins, CO.
Burdine, N. T. (1953). “Relative permeability calculation from pore-size distribution data.” Trans. of Am.
Inst. Min., Metall. Pet. Eng., 198, 71–77.
Cadier, E. e Freitas, B. J. (1982). Bacia Experimental de Sumé: Primeira Estimativa dos Recursos de
Água. SUDENE. 195p, Recife-PE, Brasil.
Cadier, E., Freitas, B. J., e Leprun, J. C. (1983). Bacia Experimental de Sumé - Instalação e Primeiros
Resultados. Série Hidrologia No. 16, SUDENE, Recife, Pe, Brazil.
Campbell, G. S. (1985). “Physical Properties of Soil”. In Campbell, G. S. Soils Physics with Basic.
Transport Models for Soil-Plant Systems. Elsevier, New York.
Feddes, R. A., Kowalik, P., Neuman, S. P. & Bresler, E. (1976). “Finite difference and finite element
simulation of field water uptake by plants”. Hydrol. Sci. Bull. 21, 81–98.
Figueiredo, E. F & Parsons, A. J. (2010). “Incorporating pedotransfer functions into the MOSEE model to
simulate runoff and soil erosion”. IAHS Publ. 337, 2010. pp 353-360.
Figueiredo, E. F., Souto, C. C. R. A. & Vieira, Z. C. (2014). “Investigating transport capacity equations in
sediment yield modelling for the cariri semiarid region of Paraiba-PB/Brazil”. IAHS Publ., 367. pp 374-381.
Figueiredo, E. F. & Ota, J. J. (2017). “Modelagem hidrossedimentológica de uma microbacia vegetada no
cariri paraibano”. II Congresso Internacional de Hidrossedimentologia. Foz do Iguaçu.
Green, W. H., and G. A. Ampt. (1911). “Studies on soil physics, part I, the flow of air and water through
soils”, J. Agric. Sci., vol. 4, no. 1, pp. 1-24, 1911.
Horton, R. E. (1933). “The Role of Infiltration in the Hydrologic Cycle”. Trans. of Am. Geophys. Union 14:
446–460.
Jetten, V. G. (1996). “Interception of Tropical Rain Forest: Performance of a Canopy Water Balance Model.
Hydrological Processes, Vol. 10, 671-685.
Kirpich, Z. P. (1940). “Time of concentration of small agricultural watershed”. ASCE, 10(6).
Lopes, W. T. A. (2003). “Efeitos de Escala na modelagem hidrossedimentológica na região semi-árida da
Paraíba”. Dissertação de Mestrado, Dept.Eng.Civil/UFCG, Grande, PB, Brazil.
McCuen, R. H. (1982). A Guide to Hydrologic Analysis Using SCS Methods. Prentice-Hall, Inc., Englewood
Cliffs, New Jersey, USA.
Medeiros, P. H. A., Araújo, J. C. e Bronstert, A. (2009). “Interception Measurements and Assessment of
Gash Model Performance for a Tropical Semi-arid Region”. Rev. Ciên. Agr. 40(2).
Mualem, Y. (1976). “A new model for predicting the hydraulic conductivity of unsaturated porous media”.
Water Res. Res., 12, 513-522.
Richards, L. A. (1931). “Capillary conduction of liquids through porous médiums”. Physics 1, 318–333.
Saxton, K. E., Rawls, W. J., Rosemberger, J. S. & Papendick, R. I. (1986). “Estimating generalized soil-
water characteristics from texture”. Soil Sci. Soc. Am. J. 50, 1031–1036.
USDA (1987). USDA Textural Classification. Study Guide. Soil Cons. Service, USDA 1987.
Valiantzas, J. D. (2011). “Combined Brooks-Corey/Burdine and van Genuchten/Mualem Closed-Form
Model for Improving Prediction of Unsaturated Conductivity”. J. Irrig. Drain Eng., 2011, 137(4): 223-233.
Van Genuchten, M. Th. (1980). “A closed-form equation for predicting the hydraulic conductivity of
unsaturated soils”. Reprinted from the Soil Science Society of America, Vol. 44 No. 5, pp 892-898.

IAHR AIIH
HIDROGRAMA DE DESCARGA DE UNA PRESA CALCULADO CON UNA

DISTRIBUCIÓN DE PROBABILIDAD CONJUNTA DE GASTO MÁXIMO Y
VOLUMEN
Fuentes Mariles Óscar Arturo1, Arganis Juárez Maritza Liliana2, Copca Maya Eduardo Omar3,
Hernández Arumir Raúl Daniel4
Instituto de Ingeniería, Universidad Nacional Autónoma de México, Tel, 55-56233600, México,
1
OFuentesM@iingen.unam.mx, 2 MArganisJ@iingen.unam.mx, 3ECopcaM@iingen.unam.mx,
4
RHernandezA@iingen.unam.mx
RESUMEN:
Para revisar la elevación del Nivel de Aguas Máximas extraordinarias y la descarga máxima por
elvertedor de excedencias de lapresa Angostura, Sonora, México, se obtuvo una nueva version del
hidrograma de diseño para la presa. Se utilizaron datos recientes de caudales de ingreso para
disponer de una muestra más amplia y confiable. Además, se toma en cuenta en el cálculo a cuatro
métodos donde se manejan como variables independientes tanto al gasto máximo y al volumen de la
avenida.
Uno de los métodos, es el del Instituto de Ingeniería que define la forma al hidrograma de diseño y
los valores de gasto de pico y volumen calculados con un método probabilístico de una variable,
dos se basan en una distribución de probabilidad con dos variables independientes. En el cuarto se
realiza una tranformación a una distribución de probabilidad normal bidimesional, dado que para
esta distribución existe una ecuación explícita para su empleo.
ABSTRACT:
A new version of the design hydrograph was obtained for the Angostura dam, Sonora, Mexico . It
was revised the elevation of the level of extraordinary maximum waters and the maximum
discharge by the discharge of exceedances. We used recent data of income flows to have a larger
and more confinable sample. In addition, four methods are taken into account in the calculation
where the maximum expenditure and the volume of the avenue flow as independent variables.
One of the methods is that of the Institute of Engineering that defines the shape of the design
hydrograph and the peak and volume were calculated using the probabilistic method of one
variable, two are based on a probability distribution with two independent variables. In the fourth,
there is a transformation to a bidimensional normal probability distribution, since for this
distribution there is an explicit equation for its use.
PALABRAS CLAVE:
Hidrogramas de diseño, Método de cálculo de avenidas del Instituto de Ingeniería, Distribuciones

de probabilidad bivariadas.

INTRODUCCIÓN
Las avenidas se caracterizan principalmente por el gasto de pico volumen y duración (tiempo base).
El análisis de frecuencia de las avenidas es necesario para el diseño de puentes, alcantarillas,
canales; diques, vertedores y otras estructuras de control, así como para la planificación, operación
o gestión de los recursos (ASCE 1996).
En los estudios de gestión de riesgo por inundaciones pluviales, es fundamental contar con
hidrogramas asociados a diferentes periodos de retorno para revisar la capacidad de conducción de
los ríos y obtener los posibles gastos de desbordamiento que provoquen el anegamiento de zonas
con viviendas, campos agrícolas, interrupción del paso por carreteras, entre otros.
La avenida de un periodo de retorno específico tiene asociados varios valores de gasto de pico,
volumen y duración.Para revisar o determinar la capacidad del vertedor de excedencias de una presa
grande, es fundamental contar con las avenidas de ingreso a su embalse para un periodo de retorno
del orden de 10,000 años. Por esta razón para revisar la capacidad de descarga del vertedor de
excedencias o para obtener la elevación más alta en el vaso de una presa grande se requiere llevar a
cabo varios cálculos de tránsito de avenidas por el vaso para cada uno de los hidrogramas del
periodo de retorno requerido. Por lo que, para cada pareja gasto pico y volumen, habrá un gasto
máximo en el hidrograma de descarga.
Con los valores de la pareja gasto máximo y volumen del hidrograma de entrada y el gasto máximo
de descarga es posible obtener gráficas como al mostrada en la figura 1 (Jiménez, 2000).
En la figura 1 se muestran líneas con igual valor del gasto máximo del hidrograma de descarga en
función del gasto de máximo y volumen de hidrograma de entrada.
Figura 1.- Curvas de igual gasto de descarga en un sistema de referencia de volumen y gasto de pico.
Finalmente, como resultado de los tránsitos de avenida se tendrá hidrogramas de egreso del vaso
que tiene el gasto máximo de descarga y que originó la máxima elevación del agua en la presa.
En lo anterior, se ha supuesto que la duración es constante y, suficientemente grande, lo que se

justificara más adelante. Por lo tanto, solo se analizará al gasto de pico y al volumen.
La revisión periódica de las avenidas que sirvieron para el diseño de obras es fundamental para
contar con probabilidad de riesgos para evitar daños ante la posibilidad de que sean mayores a las
previstas.La mayor longitud de los registros de caudales permite rehacer los análisis hidrológicos de

una manera más confiable. Además de los cambios de distinta naturaleza en la cuenca donde se
encuentran las obras, que generalmente inducen cambios en los caudales que no se había previsto.
Así como, las modificaciones en las avenidas también requieren de cambios en las políticas de
operación.
OBJETIVO
En este trabajo se encuentra el hidrograma de diseño asociado a un periodo de retorno de 10000

años a partir de un conjunto de hidrogramas, donde cada uno de ellos tiene un gasto máximo ligado
a un volumen por medio de tres procedimientos de cálculo; dos basados en una distribución de
probabilidad bivariada y el otro, en el método del Instituto de Ingeniería de la Universidad Nacional
Autónoma de México (IIUNAM).
MÉTODOS BIVARIADOS
En los estudios de ingeniería de diseño, revisión, operación de los mencionados en el apartado

“Introducción” se requiere de procedimientos específicos que consideren a más de una variable
aleatoria; tal es el caso de los análisis de la descarga de las obras de excedencia y de la capacidad
del embalse de la presas, ya que necesita tomar en cuenta por lo menos, tanto al gasto de pico como
el volumen de las avenidas de ingreso en el mismo. Se plantean a continuación dos técnicas
distintas para realizar dichos análisis.
FUNCIONES DISTRIBUCIÓN DE PROBABILIDAD MULTIVARIADAS
En el pasado, los análisis de frecuencias de las avenidas contenían una sola variable (gasto de pico o
volumen). Sin embargo, eran insuficientes y limitados.Los estudios hidrológicos recientes
consideran distribuciones de probabilidad de las avenidas con más de dos o más variables aleatorias
(gasto de pico, volumen y duración) con cierta correlación entre ellas. Para saber que tanto tienden a
estar asociados valores grandes de una de las variables aleatorias con los valores grandes de la otra,
y que tanto también lo hacen los valores pequeños de una con valores pequeños de la otra se utilizan
las medidas de correlación y concordancia.
Una herramienta sencilla y útil para la construcción de distribuciones multivariadas dependientes a

partir de funciones de probabilidad de una variable (marginales) son las cópulas (Sklar, 1959) . Con
las cópulas se obtienen distribuciones de probabilidad multivariadas a partir de sus funciones
univariadas (Nelsen, 2005) con cierta medida de la relación entre ellas. Por ejemplo, a cada par de
variables aleatorias reales se asocia a cada una ellas una función de probabilidad de una variable y a
partir de estas funciones, se obtiene la función bivariada.
Una familia de cópulas que permite este modelado a través de una sola función univariada es la
Arquimediana (Genest y Rivest 1993).
A partir de una medida de la dependencia entre dos variables es posible se estimar el parámetro de
algunas clases de cópulas. La medida de dependencia más utilizada es el coeficiente de correlación
de Pearson que considera la dependencia lineal y no se modifica para transformaciones crecientes
de las variables. Otras medidas de esta clase son los coeficientes de correlación conocidos, como el
tau de Kendall y la rho de Spearman, que se basan en los conceptos de concordancia y discordancia.
En la tabla 1 se incluyen varias familias de cópulas y ecuaciones de dependencia para su parámetro.

Tabla 1. -Expresiones Matemáticas de Cópulas Arquimedianas y ecuaciones de dependencia para su
parámetro
Para análisis hidrológicos se recomienda la familia de cópula Gumbel-Hougaard.
La cópula bidimensional de Gumbel-Hougaard puede ser expresada como:

1
𝜃𝜃 𝜃𝜃
𝐶𝐶 = 𝑒𝑒𝑒𝑒𝑒𝑒[−{(−𝑙𝑙𝑙𝑙𝑙𝑙) + (−𝑙𝑙𝑙𝑙𝑙𝑙) }] 𝜃𝜃
[1]
La función de densidad de la cópula está dada como:
𝜕𝜕 2 𝐶𝐶
𝑐𝑐 = [2]
𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕
De modo que si
1
𝐶𝐶 = exp (−𝑤𝑤 𝜃𝜃 ) [3]
La función de densidad es:
1 2 1
(𝑙𝑙𝑙𝑙 𝑢𝑢 𝑙𝑙𝑙𝑙 𝑣𝑣)𝜃𝜃−1
𝑐𝑐 = exp (−𝑤𝑤 𝜃𝜃 ) [𝑤𝑤 𝜃𝜃−2 + (𝜃𝜃 − 1)𝑤𝑤 𝜃𝜃−2 ] [4]
𝑢𝑢 𝑣𝑣
Con
𝑤𝑤 = (−𝑙𝑙𝑙𝑙 𝑢𝑢)𝜃𝜃 + (−𝑙𝑙𝑙𝑙 𝑣𝑣)𝜃𝜃 [5]
Genest el al. (1995) proponen estimar el parámetro 𝜃𝜃 con un método semiparamétrico que consiste
en estos pasos:
a) Sea la muestra aleatoria 𝑢𝑢, 𝑣𝑣 que tiene la distribución multivariada
𝐹𝐹(𝑢𝑢, 𝑣𝑣) = 𝐶𝐶(𝐹𝐹𝑢𝑢 (𝑢𝑢), 𝐹𝐹𝑣𝑣 (𝑣𝑣)) [6]
donde 𝐹𝐹𝑢𝑢 (𝑢𝑢) y 𝐹𝐹𝑢𝑢 (𝑣𝑣)son las distribuciones de probabilidad marginales de las variables aleatorias
𝑢𝑢, 𝑣𝑣 respectivamente.
b) La función de verosimilitud 𝑉𝑉(𝜃𝜃)de la función cópula C se expresa como
𝑉𝑉 (𝜃𝜃) = ∏𝑘𝑘=𝑛𝑛
𝑘𝑘=1 𝑐𝑐(𝐹𝐹𝑢𝑢 (𝑢𝑢𝑘𝑘 ), 𝐹𝐹𝑣𝑣 (𝑣𝑣𝑘𝑘 )) [7]
Siendo 𝑐𝑐 la función de densidad de la cópula 𝐶𝐶; 𝑢𝑢𝑘𝑘 . 𝑣𝑣𝑘𝑘 son las k-ésimas variables aleatorias 𝑢𝑢, 𝑣𝑣.
Las funciones marginales suelen multiplicarse por 𝑛𝑛/(𝑛𝑛 + 1) para evitarquede tiendan cero
(Genest et al. 1995).

c) Se obtiene el parámetro 𝜃𝜃 de la cópula que hace máxima a la función de verosimilitud 𝑉𝑉(𝜃𝜃).
Cabe señalar que para cópula no importa que las distribuciones marginales tengan el mismo número
de parámetros.
MÉTODO QUE RELACIONA EL GASTO Y VOLUMEN DE HIDROGRAMAS DEL

INSTITUTO DE INGENIERÍA, UNAM
El método del Instituto de Ingeniería, UNAM (Vázquez, 1995, Domínguez y Arganis, 2012)
permite obtener avenidas de distinto periodo de retorno con base en un registro histórico de gastos
medios diarios de varios años. Los pasos de este método son los siguientes:
a) Se elige la duración máxima que tendrán los hidrogramas; corresponde a n días consecutivos
b) A partir de ese registro se determinan los gastos promedio más grandes de cada año para 2,
3,…, n días consecutivos.
c) Se forman n conjuntos de gastos promedio máximos anuales. El conjunto i se forma con los
gastos promedio de i días de duración consecutivos más grande de cada año de registro.
d) Se ajustan los parámetros de n distribuciones de probabilidad con los valores contenidos en
cada conjunto i.
e) Se obtienen los gastos promedio máximos para cada conjunto i para el periodo de retorno k.
f) Se calculan n gastos máximos diarios para el periodo de retorno k al restar al gasto promedio
máximo de j días el gasto promedio máximo de j-1 días. Este proceso empieza con en n
conjunto y termina con el conjunto de 2 días.
g) Los gastos máximos diarios se acomodan colocando en el centro al gasto máximo diario de
un día poniendo el gasto máximo diario encontrado con el promedio de dos días a su
derecha y a su izquierda el gasto máximo diario estimado con el promedio de tres días; el
procedimiento se sigue aplicando hasta concluir con el gasto máximo diario determinado
con el promedio de n días.
El método del Instituto de Ingeniería logra preservar la forma de las avenidas históricas.
APLICACIÓN DE LOS MÉTODOS DE CÁLCULO A UN CASO REAL
Para mostrar la aplicación de los métodos y el tipo de resultados obtenidos se presenta su empleo al
caso de la Presa La Angostura que es de gran capacidad de almacenamiento en México.
Se presenta la determinación de la avenida de 10,000 años que sirvió para revisar el diseño del
vertedor de excedencias la presa Lázaro Cárdenas (Angostura), localizada en el estado de Sonora,
México (Figura 2).
El registro histórico fue revisado y extendido con información sobre mediciones de caudales que
lleva a cabo la Comisión Nacional del Agua. Por lo que se cuenta con un periodo con datos de
caudales medios diarios de 60 años.
Por las características de las avenidas en la cuenca donde se encuentra la presa en estudio, se
encontró que el tiempo base de los hidrogramas es de 40 días.

Figura 2.- Ubicación de la presa Angostura en el río Yaqui, Sonora, México.
En la tabla 2 se consignan en m3/s/día y en hm3 los volúmenes y los gastos en m3/s que se
obtuvieron a partir del registro histórico de gastos medios diario en el sitio de la presa Angostura.
APLICACIÓN DEL MÉTODO BASADO EN FUNCIONES DISTRIBUCIÓN DE

PROBABILIDAD BIVARIADAS
Con los datos de volumen (m3/s/día) y de gasto de la tabla 2 se ajustaron varias distribuciones de
probabilidad con el programa AX (Jiménez, 1996) para obtener las funciones de distribución
marginales. Para ambos conjuntos resultó que la función lognormal de dos parámetros era la que
tenía el menor error de ajuste.
La función de densidad de probabilidad lognormal está dada como

1 2
𝑓𝑓(𝑥𝑥) = 𝑥𝑥𝜎𝜎 𝑒𝑒 −(ln(𝑥𝑥−𝛿𝛿)−𝜇𝜇𝐿𝐿)/2𝜎𝜎𝐿𝐿 [8]
𝐿𝐿 √2𝜋𝜋
Para 𝑥𝑥 − 𝛿𝛿 > 0 donde 𝜇𝜇𝐿𝐿 ,𝜎𝜎𝐿𝐿 , 𝛿𝛿 son parámetros.
Los parámetros encontrados con el ajuste se incluyen en la tabla 3
Tabla 3.-Parámetros de las distribuciones lognormal de los volúmenes y de los gastos
En la tabla 5 se consignan los valores de la función de densidad de la cópula Gumbel-Hougaard

bidimensional obtenida con la ecuación 4 para el valor de 𝜃𝜃 igual a 1.868 con el que se obtuvo el
máximo valor de la función de verosimilitud (343436358.290).
Con los datos de la tabla 2 se formó la tabla 6 para calcular lo correlación de Kendall con la
ecuación 9.
2 𝑆𝑆
𝜏𝜏 = [9]
√𝑛𝑛(𝑛𝑛 − 1) − 𝐸𝐸𝑉𝑉 √𝑛𝑛(𝑛𝑛 − 1) − 𝐸𝐸𝑄𝑄
Encontrando que 𝜏𝜏 es igual a -0.5045 por lo que 𝜃𝜃 es igual a 2.0182

Por otra parte, como se encontró que los gastos y volúmenes tienen distribución lognormal, estas
dos variables se transformaron a variables normales para utilizar la distribución de probabilidad
Normal bidimensional y tener otra opción de cálculo del gasto y volumen para el periodo de retronó
de 10,000 años. En la tabla 7 aparecen los valores de estas variables normalizados estándar y en la
figura 3 se muestra la recta de ajuste a estos valores.
Tabla 2.-Volúmenes y los Tabla 4.- Volúmenes y los Tabla 5.- Valor máximo de la función de
gastos de pico para la gastos de pico para la verosimulitud de la cópula Gumbel-
duración de 40 días. duraciónn de 40 días Hougaard
Ordenados según el gasto.

Tabla 6.-Cálculo de la correlación de Kendall Tabla 7.-Gastos de pico y volúmnes normalizados
La ecuación de recta que ajusta a los valores de gasto normales estándar y volúmenes normales
estándar se muestra en la figura 3. De ella se encontró el coeficiente de correlación de Pearson igual
a 0.6830.

Figura 3.- Ajuste de los gastos de pico y volúmnes normalizados
En la tabla 10 se incluyen las estimaciones de la probabilidad de no excedencia para las

distribuciones de bivariadas normal, lognormal obtenida por máximo verosimilitud y lognormal
calculada con la Tau de Kendall.
El calculó la frecuencia acumulada observada se hizo con la fórmula de Gringorten (1963)

𝑘𝑘−0.44
𝑃𝑃𝑘𝑘 = 𝑛𝑛+0.12 [10]
Donde 𝑃𝑃𝑘𝑘 es la frecuencia acumulada, la probabilidad de que un valor dado sea menor que el k
ésimo menor valor observado en el conjunto de n datos.
Para analizar la conveniencia de usar cualquiera de estas tres distribuciones de probabilidad se

aplicó la prueba de Kolmogorov-Smirnof y se calculó la raiz de los errores cuadráticos de la
frecuencia acumulada observada y las probabiliades obtenidas, en la tabla 10 se anotaron los valores
obtenidos.
No se encontró una diferencia importante en los resultados por lo que se optó por escoger la
lognormal bidimensional estimada con el método de máximo verosimilitud.Se hizo la comparación
de la frecuencia acumulada observada con la probabilidad calculada con la función lognormal
bivariada,sus resultados se presentan en la Figura 4.
Figura 4.- Comparación de las frecuencias observada y las probabilidades obtenidas con la función
lognormal bivariada obtenida con máxima verosimilitud.
Por otra parte, con la función lognormal bivariada obtenida con maxima verosimilitud, se
determinaron 6 parejas valores del gasto de pico y del volumen asociados al periodo de retorno de
10,000 años, ellas están anotadas en la tabla 11.Cada una de las parejas de gasto de pico y volumen
que tienen un periodo de retorno se muestran en la figura 5.

Tabla 9.-Frecuencia observada y probabilidades de Tabla 10.-Bondad de ajuste de las funciones
no excedencia de los gastos de pico y volúmenes normal, lognormal con máximo verosimilitud y
lognormal obtenida con la tau de Kendall

Tabla 11.-Gastos de pico y volúmunes con
periodo de retorno de 10,000 años
Figura 5.-Parejas de gastos de pico y volúmenes

para el periodo de retorno de 10,000 años
Se escogió la pareja de gasto de pico 5857.9 m3/s y volumen. de 2,553.9 hm3 para formar el
hidrograma que tuviese a estos valores, por ser la de mayor volumen. Se tomó como base el
hidrograma de 1949 ya que se contenían a los gastos medios diarios que dieron lugar al segundo
valor más grande de volumen en 40 días del registro histórico.
En las dos primeras columnas de la tabla 12 aparece el hidrograma del año 1949 que tiene un gasto
de pico de 1312.088. Para que su gasto de pico sea igual a 5857.9 m3/s se multiplicaron los gastos
de la columna 2 por el factor 5857.9/1312.088 =4.4645 y se anotaron en la columna 3. Luego se
obtuvo el volumen de 40 días, resultando ser de 41,738.926 m3/s/día, paraque sea de 29,558.5
m3/s/día a los tiempos se les multiplicó por el factor 29,558.5/41,738.926=0.70817. El hidrograma
de interés aparece en las columnas 4 y 5. Tal hidrograma se muestra en la figura 6.
Tabla 12.- Hidrograma calculado con la

distribución lognormal bivariada (máxima
verosimilitud) para10,000 años de period de
retorno
Figura 6.-Hidrograma obtenido con la lognormal

bivariadapara el periodo de retorno de 10,000 años

APLICACIÓN DEL MÉTODO HIDROLÓGICO DEL INSTITUTO DE
INGENIERÍA,UNAM
Con los 40 gastos medios diarios que correspondían al volumen máximo anual se obtuvieron los
gastos promedios de 1,2,…,40 días consecutivos.Con el conjunto formado con gastos acumulados
en k días consecutivos máximos anuales (para k=1,2,..,40), se obtuvo la distribucón de
probabilidad de mejor ajuste.Se encontró que en los 40 conjuntos de gastos acumulados la
distribución lognormal de una variable aleatoria de dos parámetros fue la que mejor se ajustaba.En
la tabla 13 aparecen en la columna 1 el número de días y en la columna 2 el gasto acumulados en
ese número de días. En la columna 3 aparece gasto diario del día k resultado de la diferencia entre el
gasto acumulado en k días menos el acumulado en k+1 días, a partir del k=2.
Como también se tomó como base el hidrograma histórico de 1949, en la columna 4 aparecen los
gastos medio diarios de este hidrograma y en la columna 5 el orden correspondiente a cada unode
sus gastos. Se asignó el orden 1 al gasto más grande, al segundo más grande se le asignó en 2, al
tercer más grande el orden 3, y así sucesivamente.En la columna 6 se anotan los gastos de la
columna 3 con el orden de los gastos en el hidrograma de 1949. En la figura 7 se observa el
hidrograma para el period de retrono de 10,000 años obtenido con el método hidrológico del
Instituto de Ingeniería, UNAM
Tabla 13.- Hidrograma obtenido con el

método del Instituto de Ingeniería, UNAM
para10,000 años de period de retorno
Figura 7.- Hidrograma calculado con el Método

hidrológico del IIUNAM para el periodo de retorno
de 10,000 años

La actualización periodica de las avenidas de diseño de grandes embalses es muy importante para
mantener su n seguridad de manara adecuada. En las avenidas el gasto de pico, el volumen y la
duración son variables aleatorias con determinada correlación por ellas, por lo que es fundamental
considerar funciones de distribución de probabilidades multivariadas, aunque su planteamiento no
general.
Los métodos aplicados a los datos hidrológicos de la presa Angostura, Sonora, México preservaron
tanto el gasto de pico como volumen. Aunque se han hecho propuestas para definer la duración y
forma de avenidas deben seguirse estudiando para abarcar más casos de eventos de hidrología.
En las estimaciones el gasto de pico tuvo valores más bajos de los esperados y el volumen fueron
similares en los métodos aplicados.
Las distribuciones de frecuencia de avenidas pueden derivarse usando la cópula sin limitar el tipo
de distribuciones marginales. La Cópula arquimediana de Gumbel-Hougaard proporcionó
representación apropiada de la distribución bivariada de gasto de pico y volumen.
REFERENCIAS
Domínguez-Mora, R., Arganis-Juárez, M.L.(2012). “Validation of methods to estimate design discharge

flow rates for dam spillways with large regulating capacity”. Hydrological Sciences Journal 57 (3), 1–19
Fuentes-Mariles, O.A, Domínguez-Mora, R., Arganis-Juárez, M.L., Herrera-Alanís, J.L., Carrizosa-
Elizondo, E., Sánchez-Cruz, J.A.(2015). “Estimate of design hydrographs for the Angostura dam, Sonora,
using statistical and spectral methods”. Water Resources Management 29, 4021–4043
Jiménez E.M. (1996). Programa AX. Área de riesgos hidrometeorológicos. Centro Nacional de Prevención
de Desastres. México.
Jiménez E. M.(2000). Diseño Integral de Vertedores. Tesis de Maestría, División de Estudios de Posgrado,
Facultad de Ingeniería, UNAM., México.
Ramírez, A.I., Aldama, A.A.(2000). “Análisis de frecuencias conjunto para la estimación de avenidas de
diseño”. AMH, IMTA, Morelos, México
Vázquez, C.M.T.(1995) Procedimiento sistemático para el cálculo de la avenida de diseño en presas con
gran capacidad de regulación. Tesis de Maestría, DEPFI,UNAM.
ASCE. (1996). Hydrology hand-book, 2nd Ed.
Genest, C. & MacKay, R. J. (1986a), “Copules Archimédiennes et Familles de Lois Bidimensionnelles
dont les Marges sont Donnés”, The Canadian Journal of Statistics 14, 145–159.
Genest, C. & Rivest, L. (1993), “Statistical Inference Procedures for Bivariate Archimedian Copulas”,
Journal of the American Statistical Association 88, 1034–1043.
Klugman, S. & Parsa, R. (1999), “Fitting Bivariate loss Distributions with Copulas”, Insurance:
Mathematics and Economics 24, 139–148.
Revista Colombiana de Estadística 32 (2009) 33–58
Nelsen, R. (1991), Advances in Probability Distributions with Given Marginals: Beyond the Copulas,
Kluwer, Dordrecht, Netherlands, chapter Copulas and Association, pp. 51–74.
Nelsen, R. B. (1999), An Introduction to Copulas, Springer, New York, United States.
Schweizer, B. & Wolff, E. F. (1981), “On Nonparametric Measures of Dependence for Random Variables”,
The Annals of Statistics 9, 879–885.
Leite R. F.(2011), Portugal: convencional and bivariate analysesInstituto superior tecnico,Universidade
Técnica de LisboaOctober 2011

IAHR AIIH
ESTUDIO DE LA DINÁMICA LAGUNAR EN EL DISTRITO DE VENADO

TUERTO MEDIANTE HERRAMIENTAS GEOMÁTICAS
Magalí Valeria Soria(1), Vanina Alejandra Piñero(1), Nicolás Ledesma(1), Pedro Abel Basile(2)
(1) GabiSat UTN-Facultad Regional Venado Tuerto, (2) Departamento de Hidráulica. FCEIA-UNR
Laprida 651, 2600, Venado Tuerto, Argentina
magali.soria.988@gmail.com
RESUMEN:
El presente trabajo consiste en la obtención de un mapa que represente la dinámica

superficial de las lagunas del distrito de Venado Tuerto, conforme a diferentes valores de
precipitaciones acumuladas a treinta días, para las estaciones de primavera - verano.
Dicho mapa fue determinado mediante el análisis multitemporal de imágenes de los satélites
Landsat 5–TM, Landsat 7–ETM y Landsat 8–OLI, en las cuales previamente se realizaron
tratamientos diversos hasta obtener las superficies de los cuerpos de agua. Luego, mediante
Sistemas de Información Geográfica, las superficies fueron vectorizadas, y a través de diferentes
procesos, vinculadas a las precipitaciones acumuladas correspondientes a las fechas de las mismas.
Finalmente, mediante la estandarización de las precipitaciones – superficies, se obtuvo el
mapa de la dinámica lagunar para el distrito de Venado Tuerto.
ABSTRACT:
The present work consists of obtaining a map that represents the surface dynamics of the
lagoons of the Venado Tuerto district, according to different values of rainfall accumulated to thirty
days, for the spring - summer seasons.
This map was determined through the multitemporal analysis of images of the Landsat 5-
TM, Landsat 7-ETM and Landsat 8-OLI satellites, in which diverse treatments were previously
carried out until the surfaces of the bodies of water were obtained. Then, through Geographic
Information Systems, the surfaces were vectorized, and through different processes, linked to the
cumulative rainfall corresponding to the dates of the same.
Finally, by means of the standardization of rainfall - surfaces, the lagoon dynamics map was
obtained for the district of Venado Tuerto.
PALABRAS CLAVES: Dinámica Lagunar; Teledetección; Sistemas de Información Geográfica.

INTRODUCCIÓN
La Ciudad de Venado Tuerto, pertenece a la llanura Chaco-Pampeana. La misma posee un

relieve plano en el cual se desarrolla un paisaje suavemente ondulado con lomas aplanadas y
extendidas que se alternan con zonas bajas ocupadas por cañadas, bajos temporarios y lagunas. Las
pendientes del terreno son del orden de 1%. Los suelos se hallan desarrollados sobre materiales
loéssicos de textura franca a limosa, en general profundos y bien drenados.
El clima en el sur de la Provincia de Santa Fe es húmedo con estación seca: Clima C a w, C
por templado, a por húmedo y w por invierno seco. Las lluvias que se producen en dicha zona
pertenecen al régimen atlántico, dependiendo su magnitud en forma directa del transporte de
humedad proveniente de dicho océano (Martín, 2014).
Debido a las anteriores características climáticas, edáficas y morfológicas, no se ha formado
una red de drenaje natural jerarquizada.
La naturaleza de las divisorias es probablemente el problema más complicado vinculado con
los cuerpos de agua en llanuras. La escasa pendiente del terreno resulta a veces menor a la
pendiente hidráulica, y el agua fluye en una u otra dirección de acuerdo a terraplenes mínimos u
obstáculos similares. En algunos casos no es posible definir las divisorias hidrográficas de acuerdo
con los métodos clásicos de la topografía y la geomorfología, puesto que no se trata de líneas sino
de superficies horizontales a veces de extensión considerable. Allí el agua fluye en una u otra
dirección de acuerdo al gradiente hidráulico producido por las diferencias en precipitación (Iriondo,
2012).
Durante lluvias de baja a mediana magnitud los cuerpos de agua reciben excesos pluviales
provenientes de las áreas próximas, con una dinámica hídrica local de tipo endorreica. Estos
excesos luego se evaporan y/o infiltran desde las zonas deprimidas. Para estas condiciones, el
balance hídrico en el sistema se resuelve por medio de términos verticales de transferencia.
En períodos húmedos prolongados, con lluvias de gran magnitud, los bajos y lagunas
colman su capacidad de almacenamiento, los niveles de agua superan los umbrales condicionantes
del flujo y se originan desbordes. Las cañadas, en estas condiciones, actúan como elementos de
conducción concatenándose en sentido Norte-Sur (Evarsa, 1995).
Puesto que en la actualidad no se conoce adecuadamente la dinámica de las lagunas
pertenecientes al distrito de Venado Tuerto, mediante el presente trabajo se pretende analizar el
comportamiento de las mismas frente a diferentes valores de precipitaciones acumuladas.
DESARROLLO METODOLÓGICO
Recopilación de información
En una primera instancia fue recopilada información de diversas fuentes. En lo que respecta
a morfología se recabó información de: a) Imágenes satelitales de la serie Landsat 5 TM, Landsat 7
ETM+ y Landsat 8 OLI, de 30 m de resolución de píxel, la cual es una escala aceptable para este
tipo de estudios, b) Modelo de elevación SRTM (Shuttle Radar Topography Mission) de 30 m, c)
Cartas topográficas del IGN (Instituto Geográfico Nacional), d) Puntos altimétricos brindados por el
Municipio.
Con relación a las precipitaciones, se utilizó el historial de precipitaciones diarias de la
Estación Meteorológica ubicada en el aeródromo municipal Tomás B. Kenny, estación
perteneciente a la red de estaciones del SMN. Además, se utilizaron estudios e información
suministrada principalmente por la Municipalidad de Venado Tuerto.
El período de estudio de las imágenes satelitales analizado fue desde enero de 2003 hasta
febrero de 2017, puesto que anteriormente se realizaron obras de desagüe lo cual modificó el
comportamiento de las superficies de las lagunas.

Para una mejor identificación visual al momento de elegir las fechas de las imágenes
satelitales con la mayor distribución posible, La información pluviométrica fue transformada a
precipitación acumulada a 30 días, para cada día del rango de estudio. Se clasificó la misma en tres
clases: Pacum < 100 mm; 100 mm ≤ Pacum ≤ 200 mm y Pacum > 200 mm.
Estudio multitemporal de imágenes
Con la finalidad de realizar el estudio multitemporal de imágenes satelitales se descargaron

las imágenes seleccionadas para el periodo de estudio, las cuales pertenecen a Path 227 - Row 083,
que son las correspondientes a la zona de estudio.
Se realizó el agrupamiento de bandas de interés y calibración de las mismas con motivo de
llevar los valores absolutos a valores de radiancia y poder realizar comparaciones entre imágenes de
diferentes sensores.
La fórmula de calibración para las imágenes de los distintos sensores fue la siguiente:
L  Grescale Qcal  Brescale [1]
dónde L es la banda transformada a niveles de radiancia, Grescale es el factor de ganancia de

reajuste específico de la banda [(W/(m2 sr pm))/ DN] (Ganancia), Qcal es el valor de píxel calibrado
cuantificado [DN] y Brescale es el factor de sesgo de reescalamiento específico de banda [W / (m2 sr
pm)] (Bias).
Luego se realizaron las siguientes correcciones: i) Corrección atmosférica de las imágenes
de los satélites Landsat 5-TM y Landsat 7- ETM+. ii) Corrección geométrica de imágenes por
posicionamiento, mediante imagen de referencia (de coordenadas precisas) brindada por CONAE
(Comisión Nacional de Actividades Espaciales).
Con el objetivo de destacar las coberturas de Suelos, Vegetación y Agua en las imágenes, se
realizó la generación de los siguientes índices espectrales normalizados:
Índice normalizado de la diferencia de humedad:
NIR  SWIR
NDMI  [2]
NIR  SWIR
Dónde: NIR: Banda situada en la longitud de onda del infrarrojo cercano, SWIR: Banda situada en
la longitud de onda del infrarrojo de onda corta.
Índice de vegetación diferencial normalizado:
NIR  R
NDVI  [3]
NIR  R
Dónde R: Banda situada en la longitud de rojo visible.
Índice de la diferencia de agua normalizado, modificado.
G  SWIR
MNDWI  [4]
G  SWIR
Dónde G: Banda situada en la longitud de onda verde visible.

A continuación se procedió a efectuar una Clasificación espectral “No Supervisada” para
cada imagen, con un rango mínimo de 30 y un máximo de 50 clases, un máximo de 6 iteraciones y
con la condición de que para que sea "clase" deba tener un mínimo de 10 píxeles representando a la
misma. Luego, se realizó la intervención de cada clasificación, diferenciando las clases en "Agua" y
"No Agua”. En la Figura 1 se observa una de las imágenes clasificadas con intervención.
Figura 1.- Comparación de imagen clasificada en “agua” – “no agua” con respecto a imagen satelital en
combinación color verdadero.
A los efectos de lograr una mejor caracterización, se realizó la transformación de las

imágenes clasificadas (formato ráster) a máscaras de agua de tipo polígono (formato vectorial).
Identificación de Lagunas
A fines de poder identificar cada laguna perteneciente al distrito y reconocer su área de

aporte, a través del modelo digital de elevación SRTM de 30 m, se realizaron las siguientes
acciones:
- Relleno de vacíos y depresiones, para solventar la falta de datos que pudiese existir en el modelo.
- Filtrado de paso bajo: Puesto que el modelo SRTM es un modelo de superficie, es decir, que
representa la altura del terreno incluyendo todos los elementos enlazados en el mismo, fue aplicado
un filtro de ventana móvil de promedio de píxeles vecinos, con un rango de 9 píxeles vecinos, con
la finalidad de obtener un modelo digital de terreno.
- Parámetros geomorfológicos e hidrológicos, los cuales sirvieron para delimitar el área de aporte de
cada uno de los cuerpos de agua. En la Figura 2 se presenta el área de aporte para una de las lagunas
pertenecientes al distrito (laguna La Victoria).

Figura 2.- Delimitación área de aporte de la laguna La Victoria.
Los productos resultantes del modelo SRTM fueron cotejados con información altimétrica
brindada por el IGN y el Municipio de Venado Tuerto, a fin de verificar la veracidad de los mismos.
Mapa de dinámica hídrica
Conforme fueron obtenidas las máscaras de agua y las áreas de aporte, mediante software de
Sistemas de Información Geográfica QGIS, se ejecutaron secuencialmente diversas herramientas de
geoproceso, entrecruzando información de las diversas capas generadas, con motivo de lograr
identificar, caracterizar y cuantificar los cuerpos de agua.
Obtenido esto, se concibió una correlación simple mediante una gráfica, del área que arrojó
cada una de las imágenes, con la precipitación acumulada de los 30 días anteriores a la fecha de la
imagen.
La parametrización obtenida solamente resultó aplicable en las estaciones primavera –
verano, puesto que el análisis de cuerpos de agua en las estaciones de otoño-invierno no presentaba
una clara tendencia.
Cabe destacar que las correlaciones obtenidas entre las lagunas y las precipitaciones
acumuladas a 30 días para las estaciones de primavera-verano presentan valores muy altos,
R²>0.70.
En la Figura 3 se observa el comportamiento de una de las lagunas pertenecientes al distrito
acorde a las precipitaciones acumuladas a 30 días.

Figura 3.- Correlación de superficie de agua frente a precipitaciones acumuladas en las estaciones de
primavera-verano para la laguna “La Victoria”, Venado Tuerto.
Una vez verificada la correlación para las distintas lagunas, se realizaron interpolaciones de
las áreas de lagunas obtenidas, con la finalidad de estandarizar los rangos de valores de
precipitaciones acumuladas.
Posteriormente, fue generado el mapa de dinámica lagunar para el distrito de Venado
Tuerto, conforme a precipitaciones acumuladas a 30 días, tal como se presenta en la Figura 4.

Figura 4.- Mapa de la dinámica hídrica del distrito de Venado Tuerto para las estaciones
primavera-verano.
Todos los productos obtenidos del análisis de las imágenes satelitales se ingresaron
metodológicamente a una base de datos libre, con el fin de preservar la información, poner
conectarla con otros datos de interés (en los cuales se generarán vínculos mediante consultas a la
base), y que resulte aplicable a estudios posteriores.
CONCLUSIONES
Se ha desarrollado una metodología que permite predecir la superficie y distribución de las

lagunas en el distrito de Venado Tuerto conforme a la precipitación acumulada a treinta días para
las estaciones de primavera-verano.

Por lo tanto, el presente trabajo constituye una herramienta de gran utilidad para diversos
usuarios finales, tales como, Municipio, Entidades Educativas, Universidades y Productores
Rurales, entre otros. Ofreciendo herramientas de fácil interpretación para ser utilizables en las
siguientes áreas de aplicación según cada usuario: i) Gestión y Planificación del distrito, ii)
Investigaciones de Entidades Educativas y Universidades, y iii) como sistema de consulta simple
para los Productores Rurales, con una variable básica como la precipitación lo cual permitirá
estimar porcentaje de hectáreas afectadas por anegamiento temporario o no, debido a periodos
estivales futuros o sucedidos.
Además, para el desarrollo de la misma se crearon procedimientos ad-hoc, lo cual será de
mucha utilidad para posteriores trabajos y a su vez, al realizar todos los procedimientos con
software libres, las metodologías podrán ser reproducibles en otras zonas con características
semejantes, por usuarios con ciertos conocimientos del tema.
Por último, se generó una base de datos con el material procesado, lo cual servirá como
información de base para la realización de otros estudios.
Bea, M., Montesinos S. Aplicaciones operativas de Teledetección en la Planificación y Gestión del medio
Hídrico (2008). Revista de Teledetección. 29; 91-100
Benito, G., & Hudson, P. F. (2010). 10 Flood hazards: the context of fluvial geomorphology. Ediciones
Irasema Alcántara-Ayala and Andrew S. Goudie. Cambridge University Press 2010.
Bohn V., Piccolo M., Perillo G. Aplicación del índice estandarizado de precipitación a la Laguna
Unamuno. Asociación Argentina de Geofísicos y geodesias. Geoacta 32; 75-81.
Chuvieco, E. (1995). Fundamentos de la Teledetección Espacial- Ediciones Rialp S.A. Madrid, España.
Chuvieco, E. (2002). Teledetección Ambiental- Ariel S.A. Barcelona, España.
Ferrero, V. O. (2004). Hidrología computacional y Modelos digitales en Terrenos. Madrid España: Creative
Commons.
Ferrero, V. O.(2009). Sistemas de información geográfica. Cuadernos Internacionales de Tecnología para el
Desarrollo Humano, 2009, núm. 8.
Huggett, R. (2016). Fundamentals of geomorphology. Routledge.
Iriondo,M. (2012). Aguas subterráneas y superficiales de la provincia de Santa Fe. Moglia S.R.L. Santa Fe,
Argentina.
Martín, R. (2014). Meteorología Regional: El Clima en la Pampa Húmeda. Iracema ediciones. Rosario,
Argentina.
Nichols, G. (2009). Sedimentology and stratigraphy. John Wiley & Sons.
Pasotti, P., (1973). Nuevo aporte al conocimiento de la morfología de la Llanura Santafesina. Sociedad
Argentina de Estudios Geográficos GÆA, Serie Especial 1, Rosario.
San José, J.D.R (2010). Introducción al tratamiento de datos espaciales en hidrología. Bubok.

IAHR AIIH
TIEMPO DE ENTRADA DE AVENIDAS MÁXIMAS

EN UN VASO DE ALMACENAMIENTO
Ana María Solís Encarnación y Claudia Rojas Serna

Universidad Autónoma Metropolitana-Iztapalapa, Departamento de Ingeniería de Procesos e Hidráulica
Av. San Rafael Atlixco No. 186, Col. Vicentina, C.P. 09340
Ciudad de México, México.
anam.solis@yahoo.com.mx; crojas@xanum.uam.mx
RESUMEN:
En este trabajo se desarrolla una metodología para estimar los tiempos de entrada de las
avenidas máximas a un vaso de almacenamiento. Entre los criterios que se utilizaron y se
compararon para el desarrollo de la metodología se mencionan los siguientes:
I. Tránsitos hidrológicos que consideraron las características físicas de la cuenca y
principalmente del cauce. Esto permitió identificar y relacionar patrones entre el tiempo de
concentración y el tiempo de duración de las avenidas máximas.
II. Desarrollo de modelos que consideraron las avenidas máximas registradas en las
subcuencas de aportación a la presa.
Los mejores resultados se obtienen con los modelos desarrollados de tipo polinómico; que
relacionan la duración de las avenidas en la parte alta de la cuenca, con respecto a los registros de
entrada al vaso de almacenamiento.
RESUME:
Dans ce travail, une méthodologie est développée pour estimer les temps d'entrée des
avenues maximales dans un barrage. Parmi les critères qui ont été utilisés et comparés pour le
développement de la méthodologie, les suivants sont mentionnés:
I. Les transits hydrologiques qui ont pris en compte les caractéristiques physiques du bassin
et principalement de la rivière. Cela a permis d'identifier et de relier les tendances entre le temps de
concentration et le temps de la durée des volume d'eau maximales pendant quelque temps.
II. Développement de modèles qui ont considéré les avenues maximales enregistrées dans
les sous-bassins de contribution au barrage.
Les meilleurs résultats sont obtenus avec les modèles développés de type polynomial; qui
concernent la durée des crues dans la partie supérieure du bassin, en ce qui concerne les registres
d'entrée dans le barrage.
PALABRAS CLAVES: avenidas máximas; vaso de almacenamiento; tránsito de avenidas

INTRODUCCIÓN
En este trabajo se desarrolla una metodología para estimar los tiempos de entrada de las
avenidas máximas a un vaso de almacenamiento. Entre los criterios que se utilizaron y se
compararon para el desarrollo de la metodología se mencionan los siguientes:
I. Tránsitos hidrológicos que consideraron las características físicas de la cuenca y
principalmente del cauce. Esto permitió identificar y relacionar patrones entre el tiempo de
concentración y el tiempo de duración de las avenidas máximas.
II. Desarrollo de modelos que consideraron las avenidas máximas registradas en las
subcuencas de aportación a la presa.
Los mejores resultados se obtienen con los modelos desarrollados de tipo polinómico; que
relacionan la duración de las avenidas en la parte alta de la cuenca, con respecto a los registros de
entrada al vaso de almacenamiento.
OBJETIVO
El objetivo del trabajo desarrollado es introducir el conocimiento de dicho tiempo de

entrada, como fundamento técnico sobre el tiempo en el que se esperaría que entraría a la presa una
avenida máxima para poder anticiparse al nivel que se puede presentar en el vaso de
almacenamiento y decidir con antelación su operación en estas circunstancias.
METODOLOGÍA
La metodología se ha desarrollado aplicando los criterios mencionados precedentemente y

analizando los resultados que se obtenían en la presa de estudio. A continuación se menciona la
metodología en tres etapas. En la primera etapa se presenta la presa que se analizó y las estaciones
hidrométricas de las cuales se utilizaron sus registros. En la segunda etapa se describen los tránsitos
hidrológicos que se realizaron en la cuenca de aportación al vaso de almacenamiento. La tercera
etapa se refiere a los modelos que se desarrollaron para relacionar la duración de las avenidas de las
subcuencas de aportación con las avenidas que entran a la presa estudiada.
Presa de estudio
La presa que se estudió para el desarrollo de la metodología es la presa “Ing. Carlos Ramírez
Ulloa”, la cual es conocida como la presa “El Caracol”. Esta presa se ubica en el río Balsas, en la IV
Región Hidrológica-Administrativa “Balsas”, su uso es para generación de energía eléctrica y forma
parte del sistema “El Caracol”-“Infiernillo”-“La Villita”. En la Figura 1 se presenta la ubicación de
la presa el Caracol y su cuenca de aportación dentro de la IV Región Hidrológica-Administrativa
“Balsas”.
Se utilizó la información de las estaciones hidrométricas ubicadas en el río Balsas, mismas que son
gestionadas por la Comisión Federal de Electricidad. En la Figura 2 se muestra la ubicación de las
cinco estaciones hidrométricas que se utilizaron para este trabajo: “San Juan Tetelzingo”,
“Atenango del Río”, “Papalutla”, “Ixcamilpa” y “Frayle”.

Figura 1.- Ubicación de la presa El Caracol dentro de la región Hidrológico Administrativa IV Balsas.
Figura 2.- Estaciones hidrométricas ubicadas en el río Balsas y delimitación de sus cuencas de aportación.
Tránsitos hidrológicos
En este estudio se utiliza un método hidrológico para realizar los tránsitos de las avenidas máximas.
Esto ya que la aplicación de un método hidráulico requiere de un conocimiento más extenso de las
características físicas del tramo del cauce en análisis. Se aplica el Método de Muskingum, el cual se
fundamenta en la ecuación de continuidad y su ecuación es la siguiente.
𝑂𝑂2 = 𝐶𝐶0 𝐼𝐼2 + 𝐶𝐶1 𝐼𝐼1 + 𝐶𝐶2 𝑂𝑂1 [1]
donde:

−𝐾𝐾𝐾𝐾+0.5Δ𝑡𝑡
𝐶𝐶0 = [2]
𝐾𝐾−𝐾𝐾𝐾𝐾+0.5Δ𝑡𝑡
𝐾𝐾𝐾𝐾+0.5Δ𝑡𝑡
𝐶𝐶1 = 𝐾𝐾−𝐾𝐾𝐾𝐾+0.5Δ𝑡𝑡 [3]
𝐾𝐾−𝐾𝐾𝐾𝐾−0.5Δ𝑡𝑡
𝐶𝐶2 = 𝐾𝐾−𝐾𝐾𝐾𝐾+0.5Δ𝑡𝑡 [4]
Es recomendable que ∆𝑡𝑡 sea menor o igual a una décima parte del tiempo pico del hidrograma en
análisis. Los valores de 𝐾𝐾 y 𝑋𝑋 tienen las mismas unidades de tiempo y los tres coeficientes 𝐶𝐶0 , 𝐶𝐶2 y
𝐶𝐶3 suman la unidad.
Tiempo de entrada de las avenidas máximas
Se analizaron para cada una de las cinco estaciones hidrométricas, todas las avenidas diarias
de los cinco años en los cuales se registraron las máximas avenidas. Las características que se
consideraron de los hidrogramas correspondientes a cada una de las avenidas identificadas por
presentar un gasto pico durante el año (ver ejemplo de la Figura 4) son las siguientes: gasto pico Qi,
tiempo pico dQi y duración de la avenida dTi, donde el subíndice i corresponde al número de la
avenida analizada. En la Figura 4 se ilustran estas tres características, mismas que se consideraron
como variables para el desarrollo del modelo polinómico.
Figura 3.- Avenida máxima registrada de influencia en la presa El Caracol durante el periodo 1979-2006.
Los modelos polinómicos desarrollados tienen la siguiente forma:

𝑦𝑦 = 𝛼𝛼𝑥𝑥 𝛽𝛽 [5]
La selección de los modelos se realizó de acuerdo a los valores del coeficiente de
correlación y regresión R (Aparicio, 1997), mismo que debe ser lo más posible cercano a la unidad.
Este coeficiente se calcula con la siguiente fórmula:

𝜎𝜎𝑥𝑥
𝑅𝑅 = 𝛽𝛽 [6]
𝜎𝜎𝑦𝑦
donde 𝜎𝜎𝑥𝑥 y 𝜎𝜎𝑦𝑦 son la desviación estándar de x y y.

En las ecuaciones [5] y [6], las variables x y y corresponden a las variables Qi, dQi y dTi que
fueron definidas precedentemente.
CONCLUSIONES Y DISCUSIÓN
El tiempo que tardan en entrar las avenidas máximas a un vaso de almacenamiento se puede
determinar conociendo las características de las avenidas registradas en la parte alta de todas las
cuencas de aportación a la presa. Para esto es necesario disponer de estaciones de aforo en la parte
alta de la presa y principalmente en el cauce principal de la cuenca donde se ubica la presa. En
nuestro caso de estudio, los modelos polinómicos desarrollados aportan mejores herramientas
prácticas para determinar el tiempo en que entrarían las avenidas máximas al vaso. Esto en
comparación con los tránsitos hidrológicos realizados, ya que se tienen que hacer varias iteraciones
para determinar las constantes K y X (ver ecuaciones [1] a [4]) para determinar las avenidas hasta el
vaso de la presa. Además, es muy importante considerar que el Método de tránsito utilizado se
fundamenta en la ecuación de continuidad y por los análisis realizados, esta hipótesis no es válida
para los tramos analizados entre estaciones hidrométricas. Esto principalmente ya que los tramos
son muy largos lo que origina en gran medida grandes aportaciones por cuenca propia entre cada
una de estas estaciones.
Figura 4.- Esquema de las variables consideradas en el desarrollo de los modelos polinómicos.
La continuación de este trabajo es aplicar modelos lluvia-escurrimiento con el interés de

desarrollar modelos que además utilicen los datos de lluvia para determinar con mayor exactitud el
tiempo de entrada de las avenidas máximas a una presa. Esto con el interés de conocer con
antelación las características de los hidrogramas que se presentarían antes de que éstos se registren
en tiempo real en las estaciones hidrométricas.
En el caso de estudio, la cuenca está suficientemente instrumentada con pluviómetros
instalados, sin embargo, aunque la captura de los datos es en tiempo real en el sitio de cada
pluviómetro, aún falta invertir para que el envío de la información también sea en tiempo real. Ya
que es necesario que el operador de la presa conozca las precipitaciones en tiempo real y las

avenidas que se están presentando en la parte alta de la cuenca. Con esto se tendrá el conocimiento
de las avenidas que se esperan en la presa. Actualmente sólo un pluviómetro envía información en
tiempo real cada 15 minutos, pero es insuficiente para tener una eficiencia alta en la determinación
de las avenidas que llegarán a la presa. La sala de operaciones de esta información también necesita
inversión, principalmente para realizar simulaciones computacionales que agilicen los cálculos y se
puedan usar los resultados en la toma de decisiones de operación de la presa. Actualmente, sólo se
está en condiciones de realizar cálculos para comparar las avenidas que han entrado a la presa, con
las avenidas que se pueden calcular con la información diferida de incluso hasta por una semana.
AGRADECIMIENTOS
En el desarrollo de este trabajo ha sido fundamental la disponibilidad de los datos.

Agradecemos a la Comisión Federal de Electricidad (México) por los datos que nos proporcionaron,
entre los que se destacan los registros de las estaciones hidrométricas que dicha Comisión gestiona.
Agradecemos especialmente al Ing. Iván Rodríguez Rodríguez de la Gerencia de Ingeniería Civil de
la Comisión Federal de Electricidad por su valioso e incondicional apoyo y por la información que
nos proporcionaron.
REFERENCIAS
Aparicio, M.F.J. (1997). Fundamentos de Hidrología Superficial. Quinta reimpresión, México, Noriega
Editores.
Breña, P.A. y Jacobo, V.M. (1996). Principios y Fundamentos de Hidrología Superficial. Primera edición.,
México, Universidad Autónoma Metropolitana, 303pp.
Pizarro, R., Hormazábal, M., León, L., Morales, C. (2014). “Determinación empírica de los parámetros
que modelan el tránsito de avenidas, por el método de Muskingum, en zonas de clima mediterráneo de Chile
central”. Textinfo ed. 5.1, Chile, Universidad de Talca Chile. http://eias.utalca.cl/Docs/pdf/Publicaciones
Viessman, W., Lewis, G.L. and Knapp, J.W. (1989). Introduction to hidrology. Third edition, Harper &
Row.

IAHR AIIH
ANÁLISIS MULTICRITERIO DE ALTERNATIVAS TÉCNICAS DE

GESTIÓN DE SEDIMENTOS EN EMBALSES MEDIANTE MODELACIÓN
HIDROLÓGICA DISTRIBUIDA
Manuela Otálvaro, Sergio Posada, Juan Camilo Rojas, y Blanca A. Botero

Universidad de Medellín, Colombia, manuotalvarobarco@gmail.com, slpm28@gmail.com, juan-krojas@hotmail.com,
babotero@udem.edu.co
RESUMEN:
La pérdida de volumen útil en embalses para generación hidroeléctrica, debido al aporte de

sedimentos de la cuenca aguas arriba, es un problema común que se debe intervenir oportunamente.
En este artículo se presenta la implementación de un modelo hidrológico en una cuenca aportante a
un embalse de generación hidroeléctrica, con el objetivo de cuantificar el aporte de sedimentos y
evaluar diferentes alternativas de gestión de sedimentos a nivel de cuenca.
Se plantearon tres escenarios de gestión de sedimentos en la cuenca, con el fin de cuantificar
la cantidad de sedimentos que ayuda a reducir cada uno de ellos con base a la condición actual.
Estos escenarios constan de cambios en la cobertura y buenas prácticas de cultivos en la cuenca
para reducir la erosión generada, así como la construcción de una presa de retención de sedimentos.
El porcentaje de reducción de sedimentos junto con el costo de inversión, el impacto social e
impacto ambiental, se utilizan como criterios para un modelo de decisión multicriterio en donde se
contó con el aporte de expertos en áreas de hidrología, administración y economía para establecer la
alternativa más viable, la cual fue la reforestación de las coberturas de pastos y arbustos.
PALABRAS CLAVES: Modelo hidrológico; Gestión de Sedimentos, Análisis

Multicriterio;Proceso de Jerarquía Analítica
ABSTRACT:
The storage loss in reservoirs for hydroelectric generation, due to the contribution of
sediments from the basin upstream, is a common problem that must be intervened in a timely
manner. This paper presents the implementation of a hydrological model in a basin that contributes
to a hydroelectric generation reservoir, with the objective of quantifying the contribution of
sediments and evaluating different sediment management alternatives at the basin level.
Three sediment management scenarios were proposed in the basin, in order to quantify the
amount of sediment that each of them help to reduce based on the current condition.These scenarios
consist on coverage changes and good practices of crops in the basin, as well as the construction of
a sediment retention dam.The percentage of sediment reduction along with the cost of investment,
social impact and environmental impact are used as criteria for a multicriteria decision model where
experts from the hydrology, administration and economy areas contribute to establish the most
feasible alternative, which was the reforestation of the coverings of pastures and shrubs.
KEYWORDS:Hydrological Model; Sediment Management, Multicriteria Analysis; Analytic

HierarchyProcess

INTRODUCCIÓN
La pérdida de volumen útil de los embalses para generación de energía se ha convertido en

un problema actual y urgente a resolver. En la última década, se han multiplicado las publicaciones
en este tema, como lo evidencian los trabajos de Kondolf, et al. (2014), Haregeweyn et al. (2012) y
Wang &Kondolf, (2014). La pérdida de volumen útil ha dejado a algunos embalses fuera de
operación, tal es el caso de los embalses españoles Doña Aldonza con una pérdida de capacidad del
97,6% en 22 años de operación y Pedro Marín con una pérdida de capacidad del 94,2% en 23 años
de operación (Cobo, 2008). Dados estos antecedentes internacionales, para las empresas
generadoras de energía hidroeléctrica, ha comenzado a ser parte importante de su inversión en
investigación, el desarrollo de estudios sobre el aporte y el transporte de sedimentos a sus embalses.
La central hidroeléctrica de San Carlos, es la central de mayor capacidad instalada de
Colombia con 1.240 MW (ISAGEN, s.f.). Está localizada en el departamento de Antioquia, en
jurisdicción del municipio de San Carlos. Esta central, es alimentada por las aguas captadas desde el
embalse de Punchiná, el cual, desde el inicio de su operaciónha perdido aproximadamente el 22%
de su capacidad inicial, debido al proceso de sedimentación en el embalse (León Oliveros, 2016).
Como una alternativa para abordar el problema, se decide incorporar técnicas de análisis
multicriterio y modelación hidrológica para la evaluación de las alternativas técnicas de gestión de
sedimentos para este caso de estudio.
Los enfoques económicos convencionales, como la técnica del análisis costo beneficio, son
limitados para la implementación de sistemas de mitigación con el fin de reducir al mínimo los
impactos de la sedimentación (Prato, 1999). Es por eso que la incorporación de técnicas de análisis
multicriterio en la gestión de sedimentos para empresas de generación de energía, se ha convertido
en una herramienta útil que permite la orientación de la gestión del sedimento hacia la
sostenibilidad empresarial (Haregeweyn et. al, 2012). Las técnicas de análisis multicriterio más
utilizadas han sido PROMETHEE (Preference Ranking
OrganizationMethodsforEnrichmentEvaluations), ELECTRE (Elimination and
ChoiceTranslatingalgorithm) y AHP (AnalyticHierarchyProcces), entre otras (Yatsalo, et al. 2007;
Kiker et al. 2005).
En el presente trabajo, con el fin de priorizar las alternativas de manejo de sedimentos para
la prolongación del volumen útil del embalse en estudio, se empleó la técnica de análisis
multicriterio AHP (Saaty, 1980), la cual, asume que el tomador de la decisión realiza juicios tanto
objetivos como subjetivos, proporcionando un mecanismo útil para verificar la consistencia de los
criterios de evaluación y alternativas, reduciendo así el sesgo en la toma de decisiones (Jaiswal, et
al., 2014). Dicha técnica ha sido empleada en numerosos estudios sobre la gestión de recursos
naturales y evaluación de impactos ambientales (Kiker, et al, 2005).
Así mismo, se plantea el uso de la modelación hidrológica distribuida, que incorpore el
análisis del aporte de sedimentos, como una herramienta para la evaluación cuantitativa de las
alternativas a nivel de cuenca, incorporadas dentro del análisis multicriterio. La modelación
hidrológica de este tipo se ha utilizado para el análisis de aporte de sedimentos en los trabajos de
Herrero et al, (2017) y Buendia et al, (2015). La implementación del modelo respecto a otras
técnicas no distribuidas, permite generar series de caudales sólidos allí donde se desee, para poder
evaluar posteriormente los cambios que introducen las alternativas a evaluar, sobre el volumen y
caudal de sólidos en diferentes puntos de la cuenca.
A continuación se describe en un primer apartado la técnica multicriterio utilizada y en el

segundo apartado la implementación del modelo hidrológico para la cuenca en estudio.

Técnica de análisis multicriterio AHP (AnalyticHierarchyProcess):
El método AHPanaliza los factores que intervienen en el proceso de decision sin requerir
que estos se encuentren en una escala común, convirtiéndola en una de las técnicas de decisión más
empleada para resolver problemas socioeconómicos ya que incorpora factores sociales, ambientales
y otras consideraciones no económicas en el proceso de toma de decisiones (García et al, 2006).
Los datos con los que AHP trabaja son un conjunto de criterios y un conjunto de alternativas
entre las que se debe elegir la más adecuada. El método AHP genera un peso para cada criterio
acorde con las comparaciones por pares realizadas por el tomador de decisión. A mayor peso de un
criterio, mayor importancia se le otorga a éste. A continuación, para un criterio fijo, el método
asigna una puntuación a cada alternativa basándose en las comparaciones por pares de las
alternativas para el criterio considerado. Por último combina los pesos de los criterios y las
puntuaciones de las alternativas para obtener una puntuación global para cada alternativa,
estableciendo así un ranking de preferencia entre estas. Esta puntuación global es una suma
ponderada de las puntuaciones con respecto a todos los criterios Fontana (2015).
Las primeras fases del método de toma de decisiones son: definición del problema,
definición de las alternativas, y definición y ponderación de los criterios. En el último paso
comienza la implicación del método AHP, cuyas etapas son descritas con detalle a continuación:
Paso 1.Cálculo del vector de pesos de criterios:

En el caso de mcriteriosde evaluación, la comparación apareada del elemento icon el
elementojes colocado en la posición aijde la matriz A de comparaciones apareadas, tal como se
ilustra en[1]. Los valores recíprocos de estas comparaciones son colocados en la posición ajide A,
con la finalidad de preservar la consistencia del juicio. El decisor participante debe comparar la
importancia relativa de un elemento con respecto a un segundo, usando la escala presentada en la
Tabla 1. Por ejemplo, si el criterio 1 fue calificado como fuertemente más importante que el
criterio2, entonces en la posición a12se coloca un 5 y recíprocamente en la posición de a21se coloca
1/5(García et al, 2006).
𝑎𝑎11 𝑎𝑎12 𝑎𝑎1𝑚𝑚
𝑎𝑎
𝐴𝐴 = [ 21. 𝑎𝑎22
.
𝑎𝑎2𝑚𝑚
. ] [1]
.. .. ..
𝑎𝑎𝑚𝑚1 𝑎𝑎𝑚𝑚2 𝑎𝑎𝑚𝑚𝑚𝑚
Tabla 1. Escala para comparación apareada según Saaty (1980)

Escala Escala verbal
1 Igual importancia
3 Moderadamente más importante un elemento que el otro
5 Fuertemente más importante un elemento que otro
7 Mucho más fuerte la importancia de un elemento que la del otro
9 Importancia extrema de un elemento frente al otro.
2,4,6,8 Valores intermedios de decisión
Una vez construida la matriz A, el paso siguiente para la sintetización de los datos es obtener
a partir de ella la matriz normalizada Anorm, igualando a la unidad la suma de los valores de cada
columna. Cada valor de esta matriz se calcula como:
𝑎𝑎𝑖𝑖𝑖𝑖
𝑎𝑎̂𝑖𝑖𝑖𝑖 = 𝑚𝑚 [2]
∑1 𝑎𝑎𝑖𝑖𝑖𝑖
𝑎𝑎̂11 𝑎𝑎̂12 𝑎𝑎̂1𝑚𝑚

𝐴𝐴𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 = [ ̂21.
𝑎𝑎
..
𝑎𝑎̂22.
..
𝑎𝑎̂2𝑚𝑚
. ]
.. [3]
𝑎𝑎̂𝑚𝑚1 𝑎𝑎̂𝑚𝑚2 𝑎𝑎̂𝑚𝑚𝑚𝑚

Una vez calculada esta matriz, el vector de pesos de criteriow se obtiene calculando el valor medio
de cada columna de Anorm:
∑𝑚𝑚
1 𝑎𝑎
̂𝑖𝑖𝑖𝑖
𝑤𝑤𝑖𝑖 = [4]
𝑚𝑚
Paso 2.Cálculo de la matriz de puntuación de las alternativas:

El primer paso para obtener la matriz de puntuación de alternativas es construir tantas
matrices Bcomo criterios de evaluaciónm se tengan. Estas matrices son cuadradas de dimensión n,
siendo n el número de alternativas en consideración. Estas matrices se conocen con el nombre de
matrices de comparación por pares, y cada término bkl(m), de una matriz B(m) está conformado por
la evaluación de la alternativa kcon respecto a la l para el criterio m. el modo de llenar la matriz B(m)
sigue los mismos criterios y reglas que la matriz A en [1].
Una vez obtenidas todas las matrices B(m), presentarán una estructura similar a la matriz A, y
el siguiente paso será aplicar la misma normalización que se aplicó anteriormente a dicha matriz
con el fin de obtener las matrices normalizadasBnorm(m)del modo:
(𝑚𝑚) 𝑏𝑏𝑘𝑘𝑘𝑘 (𝑚𝑚)
𝑏𝑏̂𝑘𝑘𝑘𝑘 = [5]
∑𝑛𝑛1 𝑏𝑏𝑘𝑘𝑘𝑘 (𝑚𝑚)
Una vez normalizadas las matrices, se aplica la misma ecuación [4], dando lugar a n
vectores s(m) (vector columna de dimensión n), que tendrán las evaluaciones de las n alternativas
para cada criterio m.
(𝑚𝑚)
(𝑚𝑚)
∑𝑛𝑛1 𝑏𝑏̂𝑘𝑘𝑘𝑘
𝑠𝑠𝑘𝑘 = [6]
𝑛𝑛
Finalmente, la matriz de puntuación de alternativas S se construye adicionando los vectores
s(m)
𝑆𝑆 = [𝑠𝑠 (1) , 𝑠𝑠 (𝑘𝑘) , … . . 𝑠𝑠 (𝑛𝑛) ] [7]
Paso 3. Clasificación de las alternativas:

Una vez se obtiene tanto el vector w como la matriz S, el último paso del método es obtener
un vector v de puntuaciones globales mediante la simple operación:
𝑣𝑣 = 𝑆𝑆 ∙ 𝑤𝑤 [8]
Por último, el ranking de alternativas se obtiene ordenando los valores obtenidos en orden
decreciente.
Modelo hidrológico distribuido TETIS Sedimentos:
En la cuenca se implementó el modelo hidrológico distribuido TETIS, el cual es un modelo

conceptual distribuido para la simulación hidrológica que cuenta con un sub modelo que permite la
simulación del caudal sólido. Fue desarrollado por el Grupo de Investigación en Hidráulica e
Hidrología del Departamento de Ingeniería Hidráulica de la Universidad Politécnica de Valencia,
España. El modelo ha sido probado con resultados satisfactorios en diferentes escenarios climáticos
en cuencas con un amplio rango de áreas y para objetivos diversos (Francés, et al, 2007; Guichard,
et al, 2009; Bussi, et al, 2016). La calibración del submodelo de sedimentos se realizó utilizando los
aportes de sedimentos al embalse de Punchiná calculados en diferentes estudios, a partir de las
batimetrías realizadas en los últimos diez años.
El modelo requiere para su implementación la construcción de mapas tipo raster, que se derivan
del DEM de la cuenca, como pendientes, velocidades de flujo que se relacionan con la pendiente,
direcciones de flujo y celdas acumuladas. Adicionalmente, requiere de las características del suelo y
de la cobertura, como la conductividad hidráulica en la capa superior del suelo (en condiciones de
saturación) Ks, conductividad hidráulica en la capa inferior del suelo(subsuelo) en condiciones de
saturación que se conoce como capacidad de percolación Kp y el contenido de agua útil del suelo
(Hu), obtenido mediante:

𝜌𝜌𝑏𝑏 𝑃𝑃(𝐻𝐻𝑐𝑐𝑐𝑐 − 𝐻𝐻𝑝𝑝𝑝𝑝𝑝𝑝 )
𝐻𝐻𝐻𝐻 = [9]
𝜌𝜌𝑤𝑤 100
Donde 𝐻𝐻𝐻𝐻: es el contenido de agua útil para el horizonte (mm), 𝜌𝜌𝑏𝑏: la densidad aparente del
suelo seco (gr/cm3), P:espesor del horizonte (m) o la profundidad de raíces en el horizonte,
𝐻𝐻𝑐𝑐𝑐𝑐 :capacidad de campo en porcentaje,𝐻𝐻𝑝𝑝𝑝𝑝𝑝𝑝 : es el punto de marchitez en porcenaje y 𝜌𝜌𝑤𝑤 densidad
del agua.
Estos parámetros son derivados del mapa de suelos de la cuenca, del mapa de unidades
geológicas proporcionados por la empresa, y del mapa de coberturas de la cuenca, obtenido del
Instituto de hidrología, meteorología y estudios ambientales (IDEAM). A partir de los perfiles
modales del suelo, utilizando el software SPAW (Saxton, E, 2006), se obtienen los valores de Ks,
Hcc, Hpmp, 𝜌𝜌𝑏𝑏 . Combinando la capacidad de campo con la profundidad de raíces de cada cobertura
sobre la cuenca se obtienen el mapa de Hu. El Kp se deriva del mapa de geología. En Francés et al,
(2012) se puede encontrar mayor detalle de estos parámetros y del funcionamiento del modelo. El
modelo cuenta con ocho factores correctores que permiten modificar los mapas de parámetros
iniciales, con el fin de calibrar el modelo de una manera más eficiente, mediante el uso del índice de
Nash, y el error en volumen.
El submodelo de sedimentos permite estimar el caudal solido a partir de la ecuación
modificada por Julien (1995) para considerar los efectos de los usos del suelo, las prácticas de
cultivo y las características de los suelos, llegando a la siguiente relación a partir de los parámetros
de la Usle y del caudal liquido según la ecuación:
𝑄𝑄 2.035 𝐾𝐾
𝑞𝑞𝑡𝑡 = 23210𝑆𝑆01.66 ( ) 𝐶𝐶 𝑃𝑃 [10]
𝑊𝑊 0.15
Donde 𝑞𝑞𝑡𝑡 : Caudal unitario de sedimentos, 𝑆𝑆0 : Pendiente, Q: Caudal por unidad de ando W,
K: Factor de erosionabilidad, C: Factor de cultivo y P: Factor de prácticas de conservación.
En el modelo, la capacidad de transporte calculada se utiliza en primer lugarpara la
propagación los sedimentos aguas abajo, por fracción de tamaño de acuerdo con el porcentaje
presente en suspensión y como material del lecho. Luego, si aún queda capacidad de transporte, el
suelo es erosionado proporcionalmente al porcentaje de la fracción de tamaño correspondiente de
material parental(Francés et al, 2012). Este material se tiene en cuenta en el modelo TETIS
mediante los mapas de porcentaje de arena, porcentajede limo y porcentaje de arcilla, obtenidos del
mapa de suelos de la cuenca.
La simulación realizada es continua a escala diaria, por lo tanto se requieren datos de
evapotranspiración potencial. Esta última se obtiene a partir de datos de temperatura de una estación
ubicada sobre la cuenca, utilizando la ecuación de Thornthwaite. El modelo utiliza un factor de
cultivo para estimar la evapotranspiración real a partir de la potencial y del tipo de cobertura.
CASO DE ESTUDIO
La cuenca aportante al embalse Punchiná, tiene un área de 284.32 km2 (ver Figura 1). El
embalse se forma principalmente por la confluencia del río San Carlos y el río Guatapé. Las
estaciones de precipitación y caudal con las que se cuenta en la cuenca se muestran en la Figura 1.
Para la cuenca, el estudio realizado por SHI S.A.S (2018) estima el aporte de sedimentos que
llegan al embalse Punchiná utilizando el caudal pico y empleando la Ecuación Universal
Modificada de Pérdida de Suelo (MUSLE). En dicho estudio se determinó que la tasa de erosión
anual que llega al embalse es de 0.812 Mm3/año y que las cuencas que más aportan son la cuenca
del río San Carlos con 0.68 Mm3/año, seguida de la cuenca del río Guatapé con 0.12 Mm3/año.
Así mismo, se tienen otros estudios en donde se ha estimado la tasa de sedimentos anual que
llega al embalse Punchiná, como la estimada por Hermelin(2005) con un valor de 0.88 Mm3/año y
la estimada por Morris (2014) con un valor de 0,72 Mm3/año.

Figura 1.- Cuenca aportante al embalse Punchiná.
Elementos del Análisis Multicriterio para el caso de estudio
A continuación se realiza una breve descripción de las alternativas de gestión de sedimentos

y los criterios de evaluación utilizados en el caso de estudio, necesarios para realizar el AHP, con el
fin de generar un ranking de preferencias para las alternativas de manejo de sedimentos en la cuenca
aportante al embalse Punchiná.
Alternativas para la gestión de sedimentos
Alternativa 1: reforestación o revegetalizacion:

Una fuente importante de producción de sedimentos en la cuenca aportante al embalse
Punchiná, corresponde a los procesos de erosión laminar acelerados por los cambios del uso y de la
cobertura del suelo en la cuenca (SHI S.A.S., 2018).
Actividades encaminadas a la reforestación o revegetalización de áreas contribuyen a la
disminución de la producción de sedimentos. Este tipo de medidas, las cuales, tienen una
implementación a largo plazo, involucran actores como la empresa duela de la central (ISAGEN), la
corporación ambiental con jurisdicción en la cuenca (CORNARE), la comunidad y entes
territoriales del municipio de San Carlos y se pueden articular con el esquema de protección
BanCO2, el cual trabaja por la protección del medio ambiente, a través de la compensación
económica a familias vinculadas, por medio del pago por servicios ambientales para contribuir a la
conservación de la cuenca y disminuir la degradación actual de los suelos (SHI S.A.S., 2018).
La alternativa 1 consiste en reforestar 62 km2de las áreas cubiertas de pastos y arbustos de la
cuenca San Carlos, lo cual, equivale a 22% del área total de la cuenca tributaria del embalse
Punchiná.Esta alternativa se plantea ya que la cuenca del río San Carlos contribuye con el 74% del

volumen total de sedimentos que llegan al embalse Punchiná, según se mostrará posteriormente.
Dentro de las áreas reforestadas, se encuentran las cuencas La Arenosa y La Chorrera, ya que
mediante la simulación hidrológica realizada en el presente trabajo, se identificó que éstas aportan
aproximadamente el 34% de los sedimentos que produce la cuenca del río San Carlos.
A continuación se presenta un esquema de las actividades y estudios requeridos para
desarrollar esta alternativa (SHI S.A.S., 2018)
Tabla 2.-Esquema de actividades para el desarrollo de la alternativa 1

Prediseño Construcción Operación
- Identificación de predios con usos del -Adquisición y/o negociación - Seguimiento al plan de
suelos Arbustos y matorrales y pastos para el plan de reforestación reforestación
- Verificación en campo de las coberturas -Siembra de especies
vegetales
- Evaluación predial y valorización de los
mismos
- Estudio y diseño del plan de reforestación
Alternativa 2: mejoramiento de prácticas agrícolas

Según el estudio del perfil productivo urbano y rural para el municipio de San Carlos,
desarrollado por el Programa de las Naciones Unidad para el Desarrollo (PNUD, 2015), las áreas
agrícolas del municipio de San Carlos, Antioquia, están conformadas por cultivos de café, caña y
plátano principalmente, y por cacao, maíz, yuca, frijol y frutales administrados en huertas caseras
(PNUD, 2015). Gracias al desarrollo agrícola el suelo sufre un desgaste de nutrientes que generan
erosión (PNUD, 2015).
En dicho informe se sostiene que se requiere de un acompañamiento técnico en el manejo
agrónomo de los cultivos para obtener una mejor producción y calidad, adoptando un Manejo
Integrado del Cultivo (MIC), que consiste en llevar a cabo buenas prácticas agrícolas; dichas
prácticas, consisten en tener una programación y preparación del cultivo; producir semilleros;
adelantar procesos de siembra, riego, fertilización, control de plagas y enfermedades; eliminar
cultivos anteriores y, si se hace rotación de cultivos, llevar registros detallados (PNUD, 201).
La alternativa 2 consiste en mejorar las prácticas agrícolas en 20.67 km 2 de la cuenca
tributaria del embalse Punchiná, en donde se incluyen actividades de capacitación y
acompañamiento para los dueños de cultivos. Este tipo de medidas, las cuales, su implementación
es a largo plazo, involucran también a los actores en la cuenca como ISAGEN, CORNARE, la
comunidad y entes territoriales del municipio de San Carlos y se pueden articular con el esquema de
protección BanCO2, para contribuir a la conservación de cuenca y disminuir la degradación actual
de los suelos (SHI S.A.S., 2018).

- Identificación de zonas de cultivo. - Puesta en marcha del plan de - Seguimiento al plan
- Identificación de prácticas agrícolas. capacitación y acompañamiento. diseñado
- Definición y diseño del plan de
capacitación y acompañamiento.
Alternativa 3: construcción de presa de retención de sedimentos

Consiste en la construcción de una presa en concreto ciclópeo revestido de concreto
hidráulico de 20 metros de altura y 35 m de longitud, sobre la cual, se incorporará un vertedero para
el paso de crecientes máximas y se alojarán orificios libres que permitirán el paso de caudal durante
las condiciones bajas y medias del río. Las dimensiones de la presa permiten la formación de un
embalse temporal aguas arriba del sitio de presa, con el fin de retener el 75% de los sedimentos

durante eventos de creciente (SHI S.A.S., 2018). Posterior a la temporada de invierno se deberá
extraer el material que queda retenido, al menos dos veces al año, y luego depositarlo en botaderos
(públicos o privados) y/o vender a terceros cierta cantidad de material para fines productivos (ej.
construcción), que puedan suplir las necesidades de los municipios cercanos (SHI S.A.S., 2018).La
presa de retención de sedimentos estará localizada aguas arriba de la confluencia del río San Carlos
y la quebrada San Blas (SHI S.A.S., 2018), su ubicación se presenta en la Figura 1 como PC 11.
Esta alternativa es una solución temporal de corto plazo y su eficiencia depende del volumen
de retención y del mantenimiento riguroso que se le haga a esta obra durante toda su vida útil. En su
implantación se encuentran actores involucrados como la comunidad y entes territoriales del
municipio de San Carlos, ISAGEN, CORNARE, Agencia Nacional Minera, Mineros artesanales de
la zona, y minas y canteras actuales de extracción de material (SHI S.A.S., 2018).

- Análisis hidrológico de caudales máximos - Análisis predial - Extracción del material
- Levantamiento topobatimétrico del tramo - Estudio para permisos depositado
del cauce a ser intervenido ambientales - Transporte del material al
- Caracterización geomorfológica fluvial del - Tramite de permisos sitio de disposición
tramo ambientales requeridos - Disposición del material
- Modelamiento hidráulico en condiciones - Estudio geotécnico y/o aprovechamiento del
actuales del tramo - Diseño a detalle de mismo
- Pre dimensionamiento de obras construcción
- Modelamiento hidráulico del tramo en
condiciones proyectadas con la obra
- Ajuste del diseño hidráulico de las obras
- Pre diseño estructural
-Análisis financiero del proyecto
Los criterios de evaluación utilizados en el AHP, fueron:
1. Costo de inversión:En este criterio de evaluación se estiman los costos de inversión que
requieren la implementación de las alternativas a evaluar. Bajo este criterio se considerará mejor la
alternativa que tenga un costo de inversión y mantenimiento más bajo.
2. Reducción de tasa de sedimentos: Se cuantifica mediante la modelación hidrológica, el
porcentaje de reducción en los sedimentos que entran al embalse Punchiná. La alternativa que se
considera mejor es la que tenga el porcentaje más alto de reducción de sedimentos.
3. Impacto social:Se identifican los impactos sociales provenientes de la construcción o
implementación de las alternativas evaluadas. Se considera como mejor la alternativa que genere
menos impactos sociales negativos.
4. Impacto ambiental:Se identifican los impactos ambientales asociados a los componentes
bióticos y abióticos como resultado de la construcción e implementación de las alternativas
evaluadas. Se priorizará la alternativa que genere bajos impactos ambientales negativos.
RESULTADOS
La calibración de caudal líquido se realiza para el año 2015, utilizando la serie de caudales
en la estación Puente Arkansas (ver Figura 2) obteniendo un índice de Nash de 0.521 y un error en
volumen de 0.212 %. La validación se realiza para el año 2014, para el cual el índice de Nash es de
0.42y el error en volumen de -21.937%. El período de simulación abarca el periodo de calibración
y validación y se extiende hasta diciembre de 2017, con el fin de obtener resultados más robustos
frente a la tasa de sedimentación suministrada.

Figura 2.- Series de caudal líquido estandarizado observado y simulado con el Modelo TETIS, para el
período de calibración.
En la Figura 3, se presenta para la cuenca los mapas de los factores P y C para la condición
actual, así mismo se obtuvieron los mapas del parámetro K, y los porcentajes de arena, arcilla y
limo. Los caudales sólidos fueron calibrados de acuerdo con la tasa anual de aporte de sedimentos,
reportada en estudios propios de la empresa, a partir de la comparación de diferentes batimetrías
entre el año 2008 y 2015 con un valor de 0.42 Mm3/año y el porcentaje de atrapamiento de
0.58%reportado también por la empresa enLeón Oliveros (2016)
Figura 3.-Factor C (izquierda) y Factor P (derecha) para la condición actual de la cuenca tributaria del
embalse Punchiná
Las alternativas de control de sedimentos no estructurales a nivel de cuenca como

reforestación y prácticas de conservación del suelo se evaluaron mediante la modelación con el
modelo TETIS a través de la creación de dos escenarios. El primero consistió enreforestar con
bosques 62 km2 cubiertos por pastos y arbustos, lo cual, produjo cambios en el mapa de coberturas
de la cuenca, el mapa de Hu, y los mapas del factor C y el factor P.El segundo escenarioconsistió

enmejorar las prácticas agrícolas en 20.67 km2 de la cuenca tributaria del embalse
Punchiná,afectando el factor P el cual cambió de 0.5 a 0.1 en las zonas agrícolas, reduciendo así el
aporte de sedimentos. Por último, en el tercer escenario, el cual es una medida estructural de gestión
de sedimentos, no se produce ningún cambio en los mapas empleados para la modelación
hidrológica en TETIS.
Para evaluar la reducción de los sedimentos se establecieron sobre la cuenca once puntos de
control (PC) que se pueden ver en la Figura 1 y corresponden con los cierres de las cuencas La
Arenosa, La Chorrera, San Carlos, Guatapé, La Negra, La Lloré y La Villa (PC1 a PC7
respectivamente). Los puntos PC 8 y PC9 corresponden a las estaciones de aforo Puente Arkansas y
Puente Charcón. El punto PC 10 es el punto de cierre de la cuenca tributaria del embalse Punchiná.
El punto de control PC 11, como se mencionó anteriormente, es donde se ubica la alternativa 3. En
la Figura 4 se puede apreciar la disminución de la tasa de aporte de sedimentos para cada uno de los
puntos de control mencionados, con cada una de los escenarios.
Figura 4.- Comparación de tasas de producción de sedimentos para los diferentes escenarios.
Mediante la modelación hidrológica en TETIS, se determinó que la tasa de sedimentos que

llega al embalse Punchiná es de 0.71 Mm3/año (Ver Tabla 5), así mismo, se determinó que las
cuencas del rio San Carlos y Guatapé aportan el 74% y 10% de los sedimentos que llegan al
embalse respectivamente. De acuerdo a la modelación del escenario 1, se estableció que la cuenca
del río San Carlos produce una tasa de sedimentos de 0.19 Mm3/año, por lo tanto se puede concluir
que este escenario contribuye con la reducción del 62% de los sedimentos y la cuenca tributaria del
embalse Punchiná produce 0.38 Mm3/año con una reducción de sedimentos del 46%.
Con la modelación del escenario 2 se tiene un aporte de sedimentos de las cuencas del río
San Carlos y Guatapé de 0.35 Mm3/año y 0.054 Mm3/año respectivamente, logrando reducir la
producción de sedimentos en 33% para la cuenca del río San Carlos y un 21% en la cuenca del río
Guatapé. En cuanto a la cuenca tributaria del embalse Punchiná se tiene una producción de 0.52
Mm3/año, logrando una reducción de 28%. Por último, mediante la modelación del escenario 3 se
estimó que la cuenca tributaria del embalse Punchiná aporta una tasa de sedimentos de 0.40
Mm3/año, logrando una reducción del 43%.
Tabla 5. -Resultados de la modelación hidrológica de las cuencas tributarias al embalse Punchiná

Cuenca Tasa de Sedimentos [Mm³/año]
PC 3 San Carlos 0.525
PC 4 Río Guatapé 0.069
PC 6 Qda La Lloré 0.052
PC 5 Qda La Negra 0.029
PC 7 Qda La Villa 0.002
PC10 Salida cuenca Punchiná 0.711

En la Tabla 6 se presenta el resumen de las alternativas de gestión de sedimentos y los
criterios de evaluación para cada una de ellas. Los costos de inversión, los impactos sociales y los
impactos ambientales asociados a la implementación de cada alternativa, fueron tomados del
estudio realizado por SHI S.A.S (2018). En cuanto al porcentaje de reducción de sedimentos por
año, se estimó mediante la modelación hidrológica en el software TETIS, presentado anteriormente
Tabla 1.- Resumen de información de alternativas de gestión de sedimentos y criterios de evaluación

Alternativa
Alternativa 1 Alternativa 2 Alternativa 3
Criterio
Criterio 1 (USD) $ 34,664,698 $7,403,305 $32,731,000
Criterio 2 46% 28% 43%
1) Mejoramiento de 1) Generación de empleo
1) Modificación de la la calidad de vida. 2) Oposición al proyecto
Criterio 3
actividad económica 2) Mejoramiento de 3) Contaminación visual
la actividad agrícola 4) Cambios en las actividades tradicionales
1) Alteración de la calidad físico química del río
1) Cambio de la
2) Aumento de la erosión
cobertura vegetal
3) Disminución de la abundancia de la flora
2) Disminución en la 1) Cambio de la
4) Alteración de los ciclos y rutas migratorias de la fauna
tasa de deforestación cobertura vegetal
Criterio4 terrestre y acuática
3) Cambio en el 2) Disminución de la
5) Disminución de la abundancia de fauna terrestre y acuática
paisaje tasa de deforestación
6) Reducción del caudal base de las fuentes hídricas
4) Cambio del uso
7) Contaminación del aire y del suelo
del suelo
8) Regulación de caudales en las crecientes
Para el desarrollo del método AHP, el cual, se llevó a cabo tal como se explicó en el
apartado de materiales y métodos, se contó con la experiencia de un conjunto de expertos en
diferentes áreas del conocimiento como hidrología (participantes 1, 2 y 3), economía (participantes
4 y 5) y administración (participante 6). En la Figura 5 se presenta el esquema de evaluación
multicriterio aplicado al caso de estudio.
Figura 5.- Esquema de evaluación multicriterio
En la Tabla 7 se presenta el resumen de los resultados del nivel de importancia según la

calificación de los expertos tanto de los criterios de evaluación como de las alternativas evaluadas,
según el método AHP. Para los criterios de evaluación se obtuvo que el criterio con mayor
importancia para los expertos es el de reducción de tasa de sedimentos con un 36.4% de
importancia. En cuanto a los impacto sociales y ambientales,estos obtuvieron el segundo y tercer
lugar respectivamente, con niveles de importancia de 31.2% y 24.3%. Por último, el criterio que
obtuvo la menor puntuación según los expertos consultados es el de costo de inversión con un 8.1%
de importancia.Con referencia a las alternativas de gestión de sedimentos evaluadas, la que obtuvo
el primer lugar con un 46.8% de importancia fue la alternativa 1. En segundo lugar está la
alternativa 2 con un 35.2% y en tercer lugar está la alternativa 3 con 18%.

Tabla 2.- Nivel de importancia de los criterios de evaluación y de las alternativas de gestión de sedimentos
según expertos
Participante #1 #2 #3 #4 #5 #6 Total
C1: Costo de inversión 21.7% 4.1% 11.6% 4.0% 3.6% 3.7% 8.1%
Criterios de C2: Reducción de sedimentos por año 52.7% 54.5% 26.8% 9.3% 62.5% 12.8% 36.4%
evaluación C3: Impacto social 16.3% 9.4% 22.2% 62.6% 17.0% 59.7% 31.2%
C4: Impacto ambiental 9.3% 32.1% 39.3% 24.1% 17.0% 23.7% 24.3%
2
Alternativas A1: Reforestación 62 Km de la cuenca San Carlos 36.2% 50.0% 29.4% 55.5% 66.1% 43.5% 46.8%
de gestión de A2:Mejorar las prácticas agrícolas 29.0% 17.5% 59.9% 32.6% 27.0% 45.4% 35.2%
sedimentos A3: Construcción presa de retención de sedimentos 34.8% 32.5% 10.7% 11.9% 7.0% 11.2% 18.0%
La alternativa 1 a pesar de tener el costo más alto de inversión, para la mayoría de los
expertos consultados tiene el nivel de importancia más alto, puesto que bajo el criterio de reducción
de sedimentos (el más importante según los resultados del método AHP) sepuede observar en la
Tabla 6 que es la medida más eficiente, ya que contribuye con la reducción del 46% de los
sedimentos que llegan al embalse Punchiná según el modelo hidrológico empleado en este trabajo.
Así mismo, es una alternativa que genera bajos impactos sociales y ambientales negativos, criterios
que obtuvieron segundo y tercer nivel de importancia, características que ayudaron a posicionarla
en el primer lugar del ranking.
CONCLUSIONES
El resultado de la tasa de sedimentos del modelo TETIS, empleado como criterio de
evaluación de las alternativas para la gestión de sedimentos en embalses, facilita la toma de
decisiones, puesto que, al proporcionar valores cuantitativos, facilita a los expertos la puntuación de
cada alternativa evaluada.Emplear un modelo hidrológico y de sedimentos distribuido
espacialmente, permitió estimar el aporte de sedimentos en lugares diversos de la cuenca,
facilitando el establecimiento de puntos de control como las salidas de las cuencas tributarias al
embalse, y la evaluación de medidas estructurales y no estructurales.
La alternativa de gestión de sedimentos mediante la reforestación de pastos y arbustos tiene
el costo de inversión más alto, puesto que requiere de negociación y adquisición de predios para su
ejecución. Sin embargo, obtuvo la puntuación más alta según el modelo de análisis multicriterio
multiexperto aplicado, puesto que es una medida de gestión no estructural que contribuye con la
disminución del estado de degradación de la cuenca por cuenta de los cambios en el uso del suelo.
La implementación de dicha alternativa no genera grandes impactos ambientales y sociales y se
considera positiva en cuanto a que es una medida preventiva que gestiona directamente las fuentes
que producen los sedimentos a largo plazo.
Según el método de análisis multicriterio empleado, construir una presa de retención de
sedimentos en el rio San Carlos es la alternativa menos factible para todos los expertos consultados,
puesto que, a pesar de ser una medida eficiente de gestión de sedimento contribuyendo con una
reducción del 43%, es una solución temporal de corto plazo y su eficiencia depende del
mantenimiento riguroso que se le haga a esta obra durante toda su vida útil. Esta alternativa requiere
de la gestión de licencias ambientales y genera altos impactos sociales y ambientales, que pueden
generar resistencia a la construcción del proyectopor parte de los grupos de interés.
La incorporación de la opinión de expertos en diferentes áreas del conocimiento y de
diferentes criterios de evaluación a la toma de decisiones es oportuna, ya que contribuye con la
orientación de la gestión del sedimento hacia la sostenibilidad empresarial.
REFERENCIAS
Buendia, C., Bussi, G., Tuset, J., Vericat, D., Sabater, S., Palau, A., & Batalla, R. J. (2015). “Effectsof
afforestation on runoff and sediment load in an upland Mediterranean catchment”. Science of the Total
Environment, 144-157.
Bussi, G., Whitehead, P.G., Bowes, M.J., Read, D.S., Prudhomme, C., Dadson, S.J. (2016). “Impacts of
climate change, land-use change and phosphorus reduction on phytoplankton in the River Thames (UK)”.
Sci. Total Environ, 1507-1519.

Cobo, R. (2008). “Los sedimentos de los embalses españoles”. Ingeniería del agua, 231-241.
Fontana Viñuales, M. (2015). Métodos de decisión multicriterio AHP y PROMETHEE aplicados a la
elección de un dispositivo móvil. Sevilla: Universidad de Sevilla.
Francés, F., Vélez, J. I., Vélez, J. J.(2007). “Split-parameter structure for the automatic calibration of
distributed hydrological models”. Journal of Hydrology. 332, (1): 226–240
Francés, F., Vélez, U., Múnera, J. C., Medici, C., Bussi, G. (2012). Descripción del modelo conceptual
distribuido de simulación hidrológica TETIS V.8. Universidad Pontificia de Valencia,1-86.
García, J. L., Noriega, S. A., Díaz, J. J., & De la Riva, J. (2006). Aplicación del proceso de Jerarquía
Analítica en la selección de tecnología agrícola. San José: Agronomía Costarricense.
Guichard, D., García, R., Francés, F. y Domínguez R. (2009). “Análisis de la densidad de estaciones en
zonas de lluvias convectivas. Caso del Mediterráneo español”. Ingeniería Hidráulica de México, 24 (3),
2009. pp 35-49.
Haregeweyn, N., Melesse, B., Tsunekawa, A., Tsubo, M., Meshesha, D., & Balana, B. B. (2012).
“Reservoir sedimentation and its mitigating strategies: a case study of Angereb reservoir (NW Ethiopia)”.
Journal of Soils and Sediments, 291-305.
Hermelin, M. (2005). Desastres de origen natural en Colombia 1979-2004. Medellín: EAFIT.
Herrero, A., Buendía, C., Bussi, G., Sabater, S., Vericat, D., Palau, A., & Batalla, R. J. (2017).
“Modeling the sedimentary response of a large Pyrenean basin to global change”. Journal of Soils and
Sediments, 2677-2690.
ISAGEN. Web page: https://www.isagen.com.co/SitioWeb/es/nuestro-negocio/generamos-energia/central-
hidroelectrica-san-carlos. Consultado 15-06-2018
Jaiswal, R. K., Thomas, T., Galkate, R. V., Ghosh, N. C., & Singh, S. (2014). “Watershed Prioritization Using
Saaty’s AHP Based Decision Support for Soil Conservation Measures”. Water Resour Manage, 475–494.
Julien, P. Y.(1995). Erosion and sedimentation. CU Press.
Kiker, G. A., Bridges, T. S., Varghese, A., Seager, T. P., & Linkov, I. (2005). “Application of
multicriteria decision analysis in environmental decision making”. Integrated Environmental Assessment and
Management, 95–108.
Kondolf, G., Gao, Y., Annandale, G., Morris, G., Jiang, E., Zhang, J., . . . Yang, C. (2014). “Sustainable
sediment management in reservoirs and regulated rivers: Experiences from five continents”. Earth’sFuture,
256–280.
León Oliveros, I. A. (2016). Análisis del estado de sedimentación del embalse Punchiná. Medellín:
ISAGEN.
Morris, G. (2014). Dentificación de estudios para el manejo sostenible de sedimentos embalse Punchiná.
Medellín: ISAGEN S.A.
PNUD. (2015). Perfil productivo urbano y rural para el municipio de San Carlos.Bogotá: MinTrabajo.
Prato, T. (1999). “Multiple attribute decision analysis for ecosystem management”. Ecological Economics,
207-222.
Saaty, T. L. (1980). The analytic hierarchy process (AHP). New YorkMcGraw-Hill.
SHI S.A.S. (2016). Prestación de los servicios para ejecutar campañas de aforo y caracterización de
sedimentos en los ríos afluentes a los embalses y sitios de captación de las centrales hidroeléctricas de
ISAGEN - Contrato 41/559. Medellín.
SHI S.A.S. (2018). Estudio de factibilidad técnica, económica y ambiental para el manejo de sedimentos de
los embalses Punchiná y Calderas, asociados a las centrales hidroeléctricas San Carlos y Calderas -
Contrato 41/1040.Medellín.
Wang, H. W., & Kondolf, G. M. (2014). “Upstream sediment-control dams: Five decades of experience in the
rapidly eroding dahan river basin, Taiwan”. Journal of the American Water Resources Association, 735–747.
Yatsalo, B., Kiker, G., Kim, S., Bridges, T., Seager, T., Gardner, K., . . . Linkov, I. (2007). “Application
of multicriteria decision analysis tools to two contaminated sediment case studies”. Integrated environmental
assessment and management, 223–233.

IAHR AIIH
ANÁLISIS DE PRECIPITACIONES EXTREMAS EN EL CENTRO DE

MÉXICO MEDIANTE INDICADORES DE CAMBIO CLIMÁTICO
1Ruperto Ortiz Gómez, 1Luis Javier Muro Hernández y 2Jesús Enrique León Jiménez
1
Universidad Autónoma de Zacatecas, Unidad Académica de Ingeniería. Zacatecas, México. ortizgr@uaz.edu.mx,
javier.muro.hdz@gmail.com
2
Universidad Juárez Autónoma de Tabasco,季División Académica de Ingeniería y Arquitectura. Tabasco, México.
napaleon1@hotmail.com
RESUMEN:
El cambio climático influye en el aumento en la frecuencia e intensidad de los eventos
climáticos extremos tales como inundaciones, tormentas, sequías, entre otros. En este estudio se
calcularon las tendencias de 10 índices de precipitación extrema del Grupo de Expertos en
Detección e Índices de Cambio Climático (ETCCDI) para 10 series de precipitación que cubren el
periodo de 1961-2012 en el estado de Zacatecas, México. Previo al cálculo de tendencias, se revisó
la calidad y homogeneidad de las series. Las tendencias se calcularon a escala anual con la técnica
no paramétrica Mann-Kendall y Theil-Sen´s. Los resultados para los promedios regionales
muestran que sólo la tendencia del índice días secos consecutivos (CDD) es estadísticamente
significativa (p = 0.0255) con una tasa de -0.0282 días/año, mientras que el resto de las tendencias
no son estadísticamente significativas. El análisis espacial indica que: el 10% de las estaciones
mostraron un incremento significativo en su tendencia para el índice días muy húmedos (R95p); el
índice número de días con precipitación intensa (R10) muestra que el 30% de las series tiene una
tendencia negativa; el índice número de días con precipitación muy intensa (R20) mostró que 10%
de las series tiene una tendencia negativa y otro 10% positiva.
ABSTRACT:
Climate change influences the increase in the frequency and intensity of extreme weather
events such as floods, storms, droughts, among others. In this study, the trends of 10 extreme
rainfall indices of the Expert Team on Climate Change Detection and Indices (ETCCDI) were
calculated for 10 rainfall series over the period 1961-2012 in the state of Zacatecas, Mexico. Prior
to the calculation of trends, the quality and homogeneity of the series was reviewed. The trends
were calculated on an annual scale with the non-parametric Mann-Kendall and Theil-Sen's tests.
The results for the regional averages show that the trend of the index number of consecutive dry
days(CDD) is statistically significant (p = 0.0255) with a rate of -0.0282 days/year, while the rest of
the trends are not statistically significant. The spatial analysis indicates that: 10% of the stations
showed a significant increase in their trend for the very wet day index (R95p); the index number of
heavy rainfall days (R10) shows that 30% of the series has a negative trend; the index number of
very heavy rainfall days (R20) showed that 10% of the series has a negative trend and another 10%
positive.
PALABRAS CLAVES: Cambio Climático, índices de precipitaciones extremas, ETCCDI, Mann-

Kendall, Zacatecas

INTRODUCCIÓN
La temperatura promedio de la superficie del planeta se ha incrementado alrededor de 0.6 °C
en el siglo XXI y muchas áreas en todo el mundo han experimentado calentamientos significativos
durante los últimos 50 años (Vincent et al., 2005). Como consecuencia de estas variaciones en el
sistema climático, los impactos negativos se están intensificando y los desarrollos económicos están
incrementando su vulnerabilidad (Zhang et al., 2012).
Existen cambios en el sistema climático que no son provocados por la dinámica interna de
éste, es decir, existe un forzamiento externo que provoca el cambio a lo largo del tiempo (Vázquez,
2010). Este forzamiento puede ser natural o antropogénico (Conde, 2007).El cambio se presenta en
forma de calentamiento y es inequívoco, ya que no tiene precedentes según las observaciones en
décadas o milenios (IPCC, 2014). Según el Panel Intergubernamental sobre el Cambio Climático
(IPCC), el cambio climático es un cambio identificable en el estado del clima que es persistente
durante un periodo de tiempo prolongado, por ejemplo, decenios o más (IPCC, 2007). La principal
sospecha sobre qué provoca el cambio, es la influencia antropogénica, específicamente el aumento
de los gases efecto invernadero emitidos por la actividad humana, entre otros.
El cambio climático aparte de incrementar las temperaturas extremas, también influye en el
aumento en la frecuencia e intensidad de los eventos climáticos extremos tales como inundaciones,
tormentas, sequías, entre otros (Jiang et al., 2016), y estos cambios pueden tener serios impactos en
la agricultura, economía, ecosistemas, población, salud, entre otros sectores (Guan et al., 2015).
Los cambios y/o tendencias en los eventos extremos son un fuerte indicador del cambio
climático (Subash et al., 2011; Jiang et al., 2016). Las tendencias en los cambios de las
precipitaciones y temperaturas extremas han sido objeto de investigaciones en décadas
recientes(Villafuerte II et al., 2014), mediante herramientas para el monitoreo de cambios en los
extremos que han sido desarrollados principalmente a través del uso de índices. Estos indicadores
son útiles para llevar a cabo una evaluación comprensible de los cambios en los extremos en puntos
o regiones específicas (Gallant y Karoly, 2010).
El Grupo de Expertos en Detección e Índices de Cambio Climático (ETCCDI, por sus siglas
en inglés) coordinado por la Comisión de Climatología de la Organización Meteorológica Mundial
(CCI/OMM), el proyecto sobre Predictibilidad y Variabilidad Climática (CLIVAR), y la Comisión
Técnica de Oceanografía y Meteorología Marítima (JCOMM), estandarizó un conjunto de 27
índices, 16 de temperatura y 11 de precipitación, para datos diarios de estas variables
climatológicas, lo que permite la comparación de estudios realizados en cualquier parte del mundo,
además de fomentar los estudios de este tipo, sobre todo en países menos desarrollados (Vázquez,
2010 y Zhang et al., 2011). El uso conjunto de índices del ETCCDI permite describir características
particulares tales como la intensidad, frecuencia y duración de los eventos extremos (Alexander et
al., 2006; Sun et al., 2015).
Este estudio tiene como objetivo analizar posibles cambios en la intensidad, frecuencia y
duración de los eventos extremos de precipitación en el centro de México, mediante el uso de los
índices de extremos de precipitación del ETCCDI.
Zona de estudio
El estado de Zacatecas, uno de los 32 estados de México, está localizado entre las
coordenadas 25° 07’ 31’’ y 21° 02’ 31’’ de latitud norte y 100° 44’ 32’’y 104° 21’13’’ de longitud
oeste (INEGI, 2015); colinda al norte con los estados de Durango y Coahuila de Zaragoza; al este
con Coahuila de Zaragoza, Nuevo León y San Luis Potosí; al sur con Guanajuato, Jalisco y
Aguascalientes; al oeste con Jalisco, Nayarit y Durango (Figura 2.1). El estado de Zacatecas cuenta
con cuatro climas (INEGI, 2016), particularmente secos, que están distribuidos de la siguiente
manera: seco y semiseco (73%), templado subhúmedo (17%), muy seco (6%) y cálido subhúmedo
(4%).

Datos diarios
En este trabajo se seleccionaron las series de datos diarios de precipitación de 10 estaciones
climatológicas (figura 1) provenientes de la base de datos CLICOM de la Comisión Nacional del
Agua, las cuales tienen una longitud de registro de 52 años (1961-2012).
Ánalisis previos de la información

Una vez seleccionados los datos, se sometieron a un control de calidad y homogeneidad
previo al análisis de los índices del ETCCDI. El control de calidad para las series de precipitación
consistió en localizar errores en los datos (valores menores que cero) y detectar valores extremosa
partir de un umbral fijo establecido según la zona de estudio, como lo proponen Zhang y Yang
(2004). Ninguna de las series de datos presentó errores en sus valores, es decir, no se detectó ningún
valor de precipitación menor a cero. Respecto a los valores extremos, se detectaron valores altos en
la mayoría de las estaciones, sin embargo, ninguno de ellos se fue extremadamente alto para
considerarlo como un error, por lo cual,se conservaron todos los valores originales de las series. La
homogeneidad de las series fue revisada mediante cincopruebas estadísticas: Standard Normal
Homogeneity Test (SNHT; Alexandersson, 1986), Buishand Range Test (Buishand, 1982), Pettitt
Test (Pettitt, 1979), Von Neumann Ratio Test (Von Neumann, 1941) y Penalized Maximal t Test
(PMT; Wang et al., 2007). En la mayoría de las series de precipitación, todos sus meses y sus
valores anuales son homogéneos, a excepción de las estaciones 32052 y 32054, que mostraron falta
de homogeneidad en tres meses, sin embargo, sus valores anuales pasaron las pruebas de
homogeneidad, por lo que se consideró que la información de estas estaciones es homogénea.
Índices del ETCCDI

En esta investigación se calcularon 10 índices de precipitaciones extremas del ETCCDI
(tabla1), adoptando la división de los índices que considera Alexander et al. (2006): 1) índices
basados en percentiles (R95p y R99p), 2) índices absolutos (RX1day y RX5day), 3) índices con
umbrales fijos (R10 y R20), 4) índices de duración (CDD, CWD) y 5) otros índices (PRCPTOT y
SDII).
Cálculo de tendencias
Para el cálculo de la tendencia se utilizó la técnica no paramétrica de Mann-Kendall (Mann,
1945; Kendall, 1975), la cual ha sido ampliamente usada para detectar tendencias monótonas en
series de tiempo hidrológicas y meteorológicas (Villafuerte II et al., 2014; Guan et al., 2015). La
prueba de Mann-Kendall se aplicó de manera conjunta con la prueba de Theil-Sen´s (Theil, 1950;
Sen, 1968) tal como se utilizó para detectar tendencias en los índices del ETCCDI por Alexander et
al. (2006), Santos y Fragoso (2013), Villafuerte II et al. (2014), entre otros. Para tomar en cuenta los
efectos de la auto-correlación en el cálculo de la tendencia, se utilizó la metodología de pre-
blanqueo libre de tendencia (trend-free pre-whitening, TFPW) propuesta por Yue et al. (2002).

Figura 1.- Distribución espacial de las estaciones meteorológicas.
Tabla 1.- Definición de los índices de precipitaciones extremas del ETCCDI.

Clave Nombre Definición Unidad
R10 Número de días con precipitación intensa Número de días en un año en que PRCP>=10mm días
R20 Número de días con precipitación muy intensa Número de días en un año en que PRCP>=20mm días
CDD Días secos consecutivos Número máximo de días consecutivos con RR<1mm días
CWD Días húmedos consecutivos Número máximo de días consecutivos con RR>=1mm días
R95p Días muy húmedos Precipitación anual total en que RR>95 percentil mm
R99p Días extremadamente húmedos Precipitación anual total en que RR>99 percentil mm
PRCPTOT Precipitación total anual en los días húmedos Precipitación anual total en los días húmedos (RR>=1mm) mm
Índice simple de intensidad diaria Precipitación anual total dividida para el número de días
SDII mm/día
húmedos (definidos por PRCP>=1.0mm) en un año
RX1day Cantidad Máxima de precipitación en un día Máximo mensual de precipitación en 1 día mm
RX5day Cantidad Máxima de precipitación en 5 días Máximo mensual de precipitación en 5 días consecutivos mm
Fuente: Zhang y Yang, 2004.
RESULTADOS
Los resultados de las tendencias se presentan de acuerdo a la división de índices del
ETCCDI que propone Alexander et al. (2006). Para cada índice, se muestra la tendencia del
promedio regional de todas las estaciones, el porcentaje de estaciones que presentan tendencia,
según su tipo, positiva o negativa, así como su distribución espacial.
Tendencias de índices basados en percentiles

Los resultados del análisis de tendencia del promedio regional del índice días muy húmedos
(R95p) para el periodo 1961-2012 a escala anual se muestran en la figura 2a. El índice R95p,
muestra una tendencia a disminuir con una tasa de -0.1002 mm/año, sin embargo, la tendencia no es
estadísticamente significativa (p-valor < 0.05) en los 52 años de registros de precipitación en el
estado de Zacatecas. En la tabla 2 se muestra el porcentaje de estaciones con tendencia positiva,
negativa o sin tendencia, de las 10 estaciones climatológicas analizadas en este estudio. 20% de las
series de precipitación muestran una tendencia positiva, de las cuales, sólo el 10% es
estadísticamente significativa con una magnitud de 0.9512 mm/año y para el 10% restante (no
significativo), una magnitud de 0.3098 mm/año. Por otra parte, 50% de las estaciones tuvieron una
tendencia negativa, pero estadísticamente no significativa, y cuya magnitud oscila entre -0.1904 y -
1.0310 mm/año; por último, el 30% de las series restantes no mostraron tendencia. Referente a la
distribución espacial, el índice R95p muestra consistencia en zonas bien definidas a lo largo del
estado de Zacatecas. En la zona centro y sur existe una tendencia negativa del índice, mientras que
la zona norte, existe un aumento en la tendencia. Los únicos cambios estadísticamente significativos
se encuentran en la estación más al norte del estado (figura 3a), en la estación 32052.

En la figura 2b se muestra la tendencia promedio regional del índice días extremadamente
húmedos (R99p) para el periodo analizado de 52 años. El valor promedio regional del índice R99p
muestra una tendencia positiva en una tasa de 0.1456 mm/año, no obstante, no es estadísticamente
significativa. Con respecto al porcentaje de estaciones con tendencia positiva, negativa o sin
tendencia, y a su distribución espacial, el índice en cuestión no mostró tendencia alguna en ninguna
de las 10 estaciones climatológicas analizadas en el estado de Zacatecas (tabla 2 y figura 3b).
Figura 2.- Tendencias promedio regional de los índices R95p y R99p para el periodo 1961-2012 a escala
anual.
Figura 3.- Distribución espacial de las tendencias de los índices R95p y R99p.

Tabla 2.- Resultado de las tendencias en escala anual en los índices de precipitación (%).
Índice No de Estaciones Tendencia Positiva Tendencia Negativa Sin Tendencia
Total Significativa No-significativa Total Significativa No-significativa
Índices con umbrales de percentiles
R95p 10 20 10 10 50 0 50 30
R99p 10 0 0 0 0 0 0 100
Índices absolutos
RX1day 10 50 0 50 50 0 50 0
RX5day 10 50 0 50 50 0 50 0
Índices con umbrales fijos
R10 10 10 0 10 60 30 30 30
R20 10 10 10 0 40 10 30 50
Índices de duración
CDD 10 80 10 70 20 0 20 0
CWD 10 0 0 0 40 10 30 60
Otros índices
PRCPTOT 10 30 10 20 70 20 50 0
SDII 10 20 0 0 70 10 60 10
Tendencias de índices absolutos

La tendencia promedio regional del índice cantidad máxima de precipitación en 1 día
(RX1day) para el periodo 1961-2012 se muestra en la figura 4a. El índice muestra una magnitud
negativa de -0.0333 mm/año, sin embargo, la tendencia no es estadísticamente significativa. Para el
índice RX1day, el porcentaje de series con tendencia positiva es del 50% (tabla 2), con tasas que
varían entre 0.0244 y 0.2540 mm/ año; por otra parte, el 50% restante de las estaciones presenta
tendencia negativa, con magnitudes que oscilan entre -0.0099 y -0.2420 mm/año, no obstante,
ninguna de las tendencias es estadísticamente significativas. La figura 5a muestra la distribución
espacial de las tendencias del índice RX1day. Se aprecia que en la zona sur la tendencia del índice
es negativa, mientras que en el centro del estado se presenta una mezcla de tendencias positivas y
negativas, y finalmente en la zona norte existe un aumento del índice RX1day.
Para el caso del índice días extremadamente húmedos (RX5day), la tendencia promedio
regional para las 10 estaciones seleccionadas se muestra en la figura 4b, con una magnitud negativa
de -0.0964 mm/año, y al igual que el índice RX1day, su tendencia no es estadísticamente
significativa para el periodo de análisis. En la tabla 2se muestra el comportamiento de las
tendencias del índice RX5day. El 50% de las estaciones muestran una tendencia positiva no
significativa con tasas que varían en el rango de 0.0282 - 0.2313 mm/año. El otro 50% de las
estaciones presenta una tendencia negativa no significativa con magnitudes que oscilan entre -
0.0218 y -0.6835 mm/año. Por otro lado, en la figura 5b se muestra la distribución espacial del
índice. En este caso, los resultados son semejantes al índice RX1day; al norte del estado se
muestran tendencias positivas, al sur, tendencias negativas, y en el centro existe una mezcla de
tendencias positivas y negativas.

Figura 4.- Tendencias promedio regional de los índices RX1day y RX5day para el periodo 1961-2012 a
escala anual.
Figura 5.- Distribución espacial de las tendencias de los índices RX1day y RX5day.
Tendencias de índices con umbrales fijos

La figura 6a muestra la tendencia promedio regional del índice número de días con
precipitación intensa (R10) para el periodo 1961-2012 en una escala anual. El índice tiene una
tendencia negativa con una magnitud de -0.0732 días/año, y a pesar de que se encuentra en el límite
a ser significativa, no lo es. El 10% de las series tienen una tendencia positiva (tabla 2), con una
tasa de 0.0417 días/año, pero no es estadísticamente significativa. Por otra parte, en el 60% de las
series, el índice R10 presenta una tendencia negativa, donde el 30% es estadísticamente
significativo, con magnitudes que varían de -0.0833 a -0.2727 días/año, el otro 30% que no es
estadísticamente significativo presenta magnitudes que oscilan entre -0.05 y -0.1034 días/año. El
30% restante no presentó tendencia. En el centro, sur y noroeste de Zacatecas, las tendencias son
negativas, y la mayoría de las tendencias del centro son estadísticamente significativas; por otro
lado, en el noroeste del estado se presentan tendencias positivas (figura 7a).
La tendencia promedio regional del índice número de días con precipitación muy intensa
(R20) no mostró tendencia al promediar las 10 series seleccionadas (figura 6b). En la tabla 2se
observa que el 10% de las series tiene una tendencia positiva, estadísticamente significativa y con
una magnitud de 0.0098 días/año. Contrariamente, el 40% de las series presenta una tendencia
negativa, donde el 10% es estadísticamente significativo con una magnitud de -0.0896 días/año; el
30% restante tienen una tendencia con magnitudes entre -0.0318 y -0.0520, y no son
estadísticamente significativas. El 50% de las estaciones restantes no presentaron ninguna
tendencia. La distribución espacial de los resultados de tendencias para R20 se muestran en la

figura 7b, donde resaltan las tendencias negativas en el norte, centro y sur del estado,
posicionándose las estadísticamente significativas en el norte y sur de Zacatecas.
Figura 6.- Tendencias promedio regional de los índices R10 y R20 para el periodo 1961-2012 a escala
anual.
Figura 7.- Distribución espacial de las tendencias de los índices R10 y R20.
Índices de duración
La tendencia promedio regional del índice días secos consecutivos (CDD) para el estado de
Zacatecas a escala anual se presenta en la figura 8a, donde se observa una tendencia positiva con
una tasa de 0.1830 días/año, pero no es estadísticamente significativa. En la tabla 2se muestra el
porcentaje de estaciones según el tipo de tendencia (positivo o negativo). Se observa que el 80% de
sus series temporales presentaron una tendencia positiva, donde el 10% es estadísticamente
significativo con una tasa de 0.9199 días/año; y el 70% con una magnitud de entre 0.0871 y 0.5931
días/año, no es estadísticamente significativo. El 20% restante presentó una tendencia negativa no
significativa con una tasa que varía de -0.4409 a -0.8748 días/año. Respecto a la distribución
espacial del CDD, sólo una estación (32028) en el noroeste del estado muestra tendencia negativa,
el resto de las series temporales muestran una tendencia positiva distribuidas a lo largo de todo el
estado, de las cuales, sólo la de la estación 32054 en el noroeste de Zacatecas,es estadísticamente
significativa(figura9a).
Con respecto al índice días húmedos consecutivos (CWD), la tendencia promedio regional
de este índice mostró una tendencia negativa con una magnitud de -0.0282 días/año, misma que es
estadísticamente significativa (figura 8b). Para el caso del índice CWD, el 40% de las estaciones
presentaron una tendencia negativa, de los cuales 10% es estadísticamente significativa con una tasa
de -0.1485 días/año, y el 30% restante no es estadísticamente significativo con una tasa de entre -

0.0211 y -0.0260 días/año; el 60% de las estaciones restantes no presentaron tendencia (tabla 2).
Desde el punto de vista espacial, el centro y oeste del estado muestran una tendencia negativa del
índice CWD, mientras que el resto del territorio estatal nomuestra tendencia (figura 9b).
Figura 8.- Tendencias promedio regional de los índices CDD y CWD para el periodo 1961-2012 a escala
anual.
Figura 9.- Distribución espacial de las tendencias de los índices CDD y CWD.
Tendencias de otros índices

Para el periodo de análisis, el índice precipitación total anual en los días húmedos
(PRCPTOT) tiene una tendencia negativa con una magnitud de -1.1540 mm/año (figura 10a), sin
embargo, ésta no es estadísticamente significativa. El 30% de las series del índice PRCPTOT
presentan una tendencia positiva (tabla 2), 10% estadísticamente significativas con una tasa de 2.6
mm/año y 20% con magnitudes de entre 0.1977 y 0.2925 mm/año que no son estadísticamente
significativas. El otro 70% del total de las series presentaron tendencias negativas, 20% son
significativas con magnitudes de entre -3.4625 y -5.4039 mm/año y 50% no son significativas y sus
magnitudes oscilan entre -0.3069 y -1.8910 mm/año. Se puede observar que la mayoría de las series
del índice PRCPTOTpresenta una tendencia negativa, y éstas están distribuidas a lo largo de todo el
estado (figura 11a), y las series que son estadísticamente significativas se localizan en el norte, sur y
oeste de Zacatecas. Por otra parte, las estaciones que presentaron una tendencia
positiva,estadísticamente no significativa,se localizan en el noreste y noroeste del estado.
La tendencia anual delpromedio regional de las 10series analizadas para el índice simple de
intensidad diaria(SDII) se muestra en la figura 10b, el cual presenta una tendencia negativa de -
0.0183 mm/día/año, y no es estadísticamente significativa. El 20% de las series muestran tendencia
positiva con magnitudes de entre 0.0065 y 0.0284 mm/día/año (tabla 2), sin embargo, no son

estadísticamente significativas. Por otro lado, 70% de las series muestran una tendencia negativa,
donde 10% son estadísticamente significativas con una tasa de -0.0442 mm/día/año, y 60% no son
estadísticamente significativas y sus magnitudes oscilan entre -0.0048 y -0.0845 mm/día/año. El
10% restante de las series no presentó tendencia. Como se observa, la mayoría de las tendencias son
negativas, y están distribuidas a lo largo de toda la zona de estudio (figura 11b), sólo dos estaciones
presentan tendencia positiva y una más no presenta tendencia alguna, las cuales se localizan en la
zona centro de Zacatecas, estaciones 32001,32006 y 32054, respectivamente.
Figura 10.- Tendencias promedio regional de los índices PRCPTOT y SDII para el periodo 1961-2012 a
escala anual.
Figura 11.- Distribución espacial de las tendencias de los índices PRCPTOT y SDII.
CONCLUSIONES
Los resultados no muestran una consistencia total a lo largo de todo el estado de Zacatecas
respecto a cada uno de los índices analizados, sin embargo, se observan zonas bien definidas de
acuerdo al signo de la tendencia de dichos índices. En algunas zonas los eventos extremos de
precipitación están aumentando ligeramente su duración, no obstante, la precipitación total presenta
una disminución en todo el estado. En el norte del estado, los periodos de lluvia están aumentando,
sin embargo, las precipitaciones son más pequeñas,dando como resultado que la precipitación anual
está disminuyendo.

REFERENCIAS
Alexandersson, H.(1986). “A homogeneity test applied to precipitation data”. Journal of Climatology 6:
661–675.
Alexander, L. V., Zhang, X. Peterson, T. C., Caesar, J., Gleason, B., Klein Tank, A. M. G., Haylock,
M., Collins, D., Trewin, B., Rahimzadeh, F., Tagipour, A., Kumar, K. R., Revadekar, J.,
Griffiths, G., Vincent, L., Stephenson, D. B., Burn, J., Aguilar, E., Brunet, M., Taylor, M.,
New, M., Zhai, P., Rusticucci, M., and Vazquez-Aguirre, J. L.(2006). “Global observed changes
in daily climate extremes of temperature and precipitation”. Journal of Geophysical Research 111: 1-
22. D05109, doi:10.1029/2005JD006290.
Buishand, T. A.(1982). “Some methods for testing the homogeneity of rainfall records”. Journal of
Hydrology 58: 11–27.
Conde, C.(2007). México y el cambio climático global. Dirección General de Divulgación de la Ciencia,
UNAM. México D. F.
Gallant, A. J. E., and Karoly, J.(2010). “A combined climate extremes index for Australian Region”.
American Meteorological Society 23: 6153-6165. DOI: 10.1175/2010JCLI3791.1
Guan, Y., Zhang, X., Zheng, F., and Wang, B.(2015). “Trends and variability daily temperatura extremes
during 1960-2012 in the Yangtze River Basin, China”. Global and Planetary Change 124: 79-94.
http://dx.doi.org/10.1016/j.gloplacha.2014.11.008
INEGI (Instituto Nacional de Estadística y Geografía). (2015). Anuario estadístico y geográfico de
Zacatecas 2015. Instituto Nacional de Estadística y Geografía (México).
INEGI (Instituto Nacional de Estadística y Geografía). (2016). http://www.cuentame.inegi.org.mx.
Página consultada el 20 de noviembre del 2016.
IPCC (Intergovernmental Panel on Climate Change).(2007).Cambio climático 2007: Informe de síntesis.
Contribución de los Grupos de trabajo I, II y III al Cuarto Informe de evaluación del Grupo
Intergubernamental de Expertos sobre el Cambio Climático [Equipo de redacción principal:
Pachauri, R.K. y Reisinger, A. (directores de la publicación)]. IPCC, Ginebra, Suiza. pp. 104.
IPCC (Intergovernmental Panel on Climate Change). 2014.Climate Change 2014: Synthesis Report.
Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental
Panel on Climate Change [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC,
Geneva, Switzerland. pp. 151.
Jiang, C., Mu, X., Wang, F., and Zhao, G.(2016). “Analysis of extreme temperatura events in the Qinling
Mountains and surrouding area during 1960-2012”. Quaternary International 392: 155-167.
Kendall, M. G.(1975). Rank Correlation Methods. Griffin: London.
Mann, H. B.(1945). “Nonparametric tests against trend”. Econometrica 13: 245–259.
Pettitt, A. N.(1979). “A non-parametric approach to the change-point detection”. Applied Statistics 28: 126–
135.
Santos, M., and Fragoso, M.(2013). “Precipitation variability in Northern Portugal: Data homogeneity
assessment and trend in extreme precipitation indices”. Atmospheric Reseach 131: 34-45.
http://dx.doi.org/10.1016/j.atmosres.2013.04.008
Sen, P. K.(1968). “Estimates of the regression coefficients based on Kendall’s tau”. J. Am. Stat. Assoc 63:
1379–1389.
Sun, W., Mu, X., Song, X., Wu, D., Cheng, A., and Qiu, B.(2015). “Changes in extreme temperature and
precipitation events in the Loess Plateau (China) during 1960-2013 under global warming”.
Atmospheric Research 168: 33-48. http://dx.doi.org/10.1016/j.atmosres.2015.09.001
Theil, H.(1950). “A rank invariant method of linear and polynomial regression analysis, Part 3”.
Netherlands Akademie van Wettenschappen, Proceedings 53: 1397–1412.
Vázquez, A. J. L.(2010). Guía para el cálculo y uso de índices de cambio climático en México. México D.
F. Instituto Nacional de Ecología y Secretaria de Medio Ambiente y Recursos Naturales.
Vincent, L. A., Peterson, T. C., Barros, V. R., Marino, M. B., Rusticucci, M., Carrasco, G., Ramirez,
E., Alves, L. M., Ambrizzi, T., Berlato, M. A., Grimm, A. M., Marengo, J. A., Molion, L.,
Moncunill, D. F., Rebello, E., Anunciação, Y. M. T., Quintana, J., Santos, J. L., Baez, J.,
Coronel, G., Garcia, J., Trebejo, I., Bidegain, M., Haylock, M. R., Karoly, D. (2005). “Observed
trends in indices of daily temperature extremes in South America 1960-2000”. Journal of Climate
18: 5011-5023.
Villafuerte II, M. Q., Matsumoto, J., Alasaka, I., Takahashi, H. G., Kubota, H., and Cinco, T.
A.(2014). “Long-term trends and variability of rainfall extremes in the Philippines”. Atmospheric
Research 137: 1-13. http://dx.doi.org/10.1016/j.atmosres.2013.09.021.

Von Neumann, J. (1941). “Distribution of the ratio of the mean square successive difference to the
variance”. Annals of Mathematical Statistics 13: 367–395.
Wang, X. L., Wen, Q. H., and Wu, Y.(2007). “Penalized Maximal t test for Detecting Undocumented
Mean Change in Climate Data Series”. Journal of Applied Meteorology and Climatology, 46 (No. 6),
916-931. DOI:10.1175/JAM2504.1
Yue, S., Pilon, P., Phinney, B., and Cavadias, G.(2002). “The influence of autocorrelation on the ability to
detect trend in hydrological series”. Hydrol. Process 16: 1807–1829.
Zhang, Q., Singh V., and Li J.(2012). “Spatio-temporal variations of precipitation extremes in Xinjiang,
China”. Journal of Hidrology 434-435: 7-19.
Zhang, X, Alexander, L., Hegerl, G. C., Jones, P., Tank, A. K., Peterson, T. C., Trewin, B., and Zwiers,
F. W. (2011). “Indices for monitoring changes in extremes base on daily temperatura and
precipitation data”. Advanced Review. doi: 10.1002/wcc.147
Zhang, X., and Yang, F.(2004). RClimDex (1.0) user manual. Climate Research Branch Environment
Canada Downsview, Ontario Canada.

IAHR AIIH

IMPLEMENTACIÓN EFICIENTE DE UN CÓDIGO EN PARALELO PARA

RESOLVER LA ECUACIÓN DE FLUJO SUBTERRÁNEO EN MEDIOS
HETEROGÉNEOS Y ANISÓTROPOS
Oscar D. Álvarez-Villa[1] Santiago Ospina[1,2] Kevin Alberto Pérez[3], Gaspar Monsalve[2], Daniela
Blessent[4], Jaime Ignacio Vélez[2]
[1]
Emergente Energía Sostenible S.A.S., Colombia, Medellín, oscar.alvarez@emergente.com.co,
[2]
Universidad Nacional de Colombia, [3] Universidad de Antioquia, [4] Universidad de Medellín
RESUMEN:
Se presenta una implementación altamente eficiente que resuelve en paralelo la Ecuación en

Derivadas Parciales de Flujo Subterráneo (EDPFS) en régimen transitorio y en 3D, linealizada
aplicando las diferencias finitas. El código desarrollado los siguientes aspectos: (i) medios
heterogéneos, (ii) medios anisótropos, (iii) geometrías irregulares del acuifero, (iv) la variabilidad
espacio-temporal de las acciones exteriores. Se han adoptado las herramientas ofrecidas por la
interfaz de altas prestaciones PETSc, la cual permite la ejecución en paralelo del planteamiento de
los sistemas de ecuaciones del modelo y la resolución en paralelo de dichos sistemas. Para probar la
pertinencia y eficiencia de la implementación creada se realizaron dos experimentos
computacionales. Primero, la solución de la EDPFS para medio fracturado, considerando
propiedades hidráulicas generadas a partir de un modelo estocástico equivalente de medio poroso.
En este experimento se realizó la comparación de las soluciones obtenidas con otras de referencia
simuladas en MODFLOW, con lo cual se comprobó la pertinencia y precisión de la
implementación. Segundo, un acuífero sintético en forma de cubo, heterogéneo y anisótropo con
diferentes niveles de discretización espacial. El desempeño de la solución numérica de la EDPFS se
evalúa utilizando varios precondicionamientos para diferentes escenarios de discretización.
ABSTRACT:
An efficient parallel implementation for solving the transient 3D Groundwater Flow

Equation (GFE) via finite differences is presented. The code considers the following aspects: (i)
heterogeneous porous media, (ii) anisotropic media, (iii) irregular geometry of the aquifer, (iv) time
and space varying external excitations. To enhance the computational execution of the models, the
tools offered by PETSc have been used. It allows the parallel building of the model’s systems of
equations and the parallel resolution of such equations. To test the accuracy and efficiency of the
implementation, two computational experiments were carried through. First, the modelling of the
groundwater flow on fractured rocks was evaluated considering hydraulic properties derived from a
stochastic model of equivalent porous media. This experiment was made to test the equivalency of
the produced simulations regarding other simulations obtained via MODFLOW. Second, a cubical
synthetic, heterogeneous and anisotropic aquifer was considered to test the efficiency of the finite
differences resolution of the GFE using different spatial discretizations. The performances of these
solutions were evaluated incorporating different kinds of preconditionings.
PALABRAS CLAVES:
Flujo subterráneo, anisotropía, heterogeneidad, implementación en paralelo, PETSc

INTRODUCCIÓN
Las aguas subterráneas se consideran como una excelente opción para mitigar los
desabastecimientos de recurso hídrico ya que, primero, la lenta respuesta de los acuíferos regula
naturalmente su disponibilidad y, segundo, presentan una mejor calidad que las aguas superficiales.
En consecuencia, se hace necesario desarrollar herramientas potentes para gestionar adecuadamente
el recurso hídrico subterráneo. Una de las formas más aceptada para evaluar la disponibilidad y el
estado de las aguas subterráneas es a través de modelos computacionales de flujo y transporte. El
éxito en la aplicación de estos modelos se fundamenta, entre otras cosas, en lograr la mejor
representación posible de la variabilidad espacio-temporal de los parámetros en juego, puesto que el
comportamiento de un soluto está fuertemente influenciado por la heterogeneidad y la anisotropía
del medio geológico, lo cual se podría ver reflejado en la propagación anómala de la pluma y en
cambios de su velocidad de dilución (Salamon, 2006). No sólo la heterogeneidad de los parámetros
hidráulicos del acuífero afecta la dinámica de los procesos relacionados con el transporte, sino que
la anisotropía de la conductividad hidráulica puede modificar el patrón espacio-temporal de las
líneas de corriente, con lo cual se alterarían las direcciones preferenciales de avance de una pluma
de soluto por efecto de la advección. De ello sigue que es crucial lograr una representación
detallada de la dinámica de flujo subterráneo al momento de modelar el transporte. Sin embargo,
tradicionalmente se ha utilizado el tensor diagonal de conductividades como una manera
simplificada para considerar la anisotropía del medio (Harbaugh, 2005). Diferentes autores han
desarrollado trabajos donde plantean una representación parcial o total de la anisotropía de la
conductividad hidráulica. Anderman et al. (2002) desarrollan el paquete MODFLOW Layer
Variable Direction Anisotropy (LDVA); esquema de modelación que considera la anisotropía por
capas del modelo, pero sin incluir las componentes cruzadas del tensor de conductividades
hidráulicas. Li et al. (2010) proponen la modelación del flujo subterráneo tridimensional para
régimen permanente usando el tensor anisótropo de conductividades hidráulicas.
La solución de un modelo hidrogeológico detallado utilizando técnicas numéricas
tradicionales puede ser costosa computacionalmente. Por un lado, la memoria virtual del ordenador
puede ser insuficiente para almacenar las matrices que surgen al resolver las ecuaciones dinámicas
durante la modelación. Por otro lado, si la discretización espacio-temporal es muy fina, su ejecución
computacional puede ser muy lenta, imposibilitando su uso en la práctica. Considerando lo anterior,
el presente trabajo introduce una implementación en paralelo de un código eficiente que resuelve
tridimensionalmente la ecuación de flujo subterráneo para medios heterogéneos y anisótropos
mediante las diferencias finitas. La solución de los sistemas de ecuaciones lineales resultantes se
realizó mediante métodos iterativos para matrices dispersas (Saad, 2003), para los cuales se analizó
la influencia de diferentes precondicionamientos en la aceleración de la ejecución de los modelos y
en la optimización del recurso computacional disponible.
MARCO CONCEPTUAL
La ecuación en derivadas parciales de flujo subterráneo
La Ecuación en Derivadas Parciales de Flujo Subterráneo (EDPFS) en régimen transitorio

de un medio heterogéneo saturado, considerando un sistema de coordenadas cartesianas no alineado
con los ejes de anisotropía del medio, puede ser expresada como:
𝜕𝜕ℎ
∇ ∙ (𝐊𝐊 ∇ℎ) + 𝑞𝑞 = 𝑆𝑆 [1]
𝜕𝜕𝜕𝜕
donde ℎ = ℎ(𝑥𝑥, 𝑦𝑦, 𝑧𝑧, 𝑡𝑡) [L] es la altura piezométrica; 𝑞𝑞 = 𝑞𝑞(𝑥𝑥, 𝑦𝑦, 𝑧𝑧, 𝑡𝑡) [L3/T] es el término fuente-
sumidero de flujos, 𝑆𝑆 = 𝑆𝑆(𝑥𝑥, 𝑦𝑦, 𝑧𝑧) [L2] es el coeficiente de almacenamiento específico y, en la
formulación más general, el tensor de conductividades hidráulicas es 𝐊𝐊͕ el cual tiene la forma:

𝐾𝐾𝑥𝑥𝑥𝑥 𝐾𝐾𝑥𝑥𝑥𝑥 𝐾𝐾𝑥𝑥𝑥𝑥
𝐊𝐊 = [𝐾𝐾𝑦𝑦𝑦𝑦 𝐾𝐾𝑦𝑦𝑦𝑦 𝐾𝐾𝑦𝑦𝑦𝑦 ] [2]
𝐾𝐾𝑧𝑧𝑧𝑧 𝐾𝐾𝑧𝑧𝑧𝑧 𝐾𝐾𝑧𝑧𝑧𝑧
y representa una entidad matricial que contiene información sobre tres vectores de flujo
mutuamente perpendiculares en el espacio. Si dichos vectores son paralelos a los ejes de un sistema
de referencia dado, se dice que éstos definen las direcciones principales y el tensor es una matriz
diagonal. Por el contrario, si el sistema de referencia se encuentra rotado, los vectores asociados a
las direcciones principales del tensor se deben descomponer en cada eje del nuevo sistema,
obteniendo proyecciones paralelas y perpendiculares que se manifiestan en la matriz tensorial con
nueve componentes presentada en la ecuación [2.
Figura 1. Esquema de los bloques del grafo de DF para la resolución de la EDPFS propuesta por
Harbaugh (2005).
Figura 2. Organización de los diecinueve bloques del grafo de DF para el esquema de resolución de
la EDPFS propuesto por Li et al. (2010).
Esquemas de resolución por diferencias finitas
Se han tenido en cuenta dos esquemas de resolución de la EDPFS mediante las Diferencias
Finitas (DF). La primera de ellas, propuesta por Harbaugh (2005); considera un esquema de siete
bloques, de manera que se capturen las componentes ortogonales de la conductividad hidráulica del
tensor de la ecuación [2. Este esquema de solución por DF tiene intrínseco el planteamiento del
grafo que se muestra en la Figura 1 y matemáticamente se expresa como:

2𝐾𝐾𝑥𝑥𝑥𝑥 |𝑖𝑖−1/2,𝑗𝑗,𝑘𝑘 2𝐾𝐾𝑥𝑥𝑥𝑥 |𝑖𝑖+1/2,𝑗𝑗,𝑘𝑘
∆𝑦𝑦|𝑗𝑗 ∆𝑧𝑧|𝑘𝑘 (ℎ𝑡𝑡𝑖𝑖−1,𝑗𝑗,𝑘𝑘 − ℎ𝑡𝑡𝑖𝑖,𝑗𝑗,𝑘𝑘 ) + ∆𝑦𝑦|𝑗𝑗 ∆𝑧𝑧|𝑘𝑘 (ℎ𝑡𝑡𝑖𝑖+1,𝑗𝑗,𝑘𝑘 − ℎ𝑡𝑡𝑖𝑖,𝑗𝑗,𝑘𝑘 ) + ⋯
∆𝑥𝑥|𝑖𝑖−1 + ∆𝑥𝑥|𝑖𝑖 ∆𝑥𝑥|𝑖𝑖+1 + ∆𝑥𝑥|𝑖𝑖
2𝐾𝐾𝑦𝑦𝑦𝑦 |𝑖𝑖,𝑗𝑗−1/2,𝑘𝑘 2𝐾𝐾𝑦𝑦𝑦𝑦 |𝑖𝑖,𝑗𝑗+1/2,𝑘𝑘
𝑡𝑡 𝑡𝑡
+∆𝑥𝑥|𝑖𝑖 ∆𝑧𝑧|𝑘𝑘 (ℎ𝑖𝑖,𝑗𝑗−1,𝑘𝑘 − ℎ𝑖𝑖,𝑗𝑗,𝑘𝑘 ) + ∆𝑥𝑥|𝑖𝑖 ∆𝑧𝑧|𝑘𝑘 (ℎ𝑡𝑡 𝑡𝑡
− ℎ𝑖𝑖,𝑗𝑗,𝑘𝑘 )+⋯
∆𝑦𝑦|𝑗𝑗−1 + ∆𝑦𝑦|𝑗𝑗 ∆𝑦𝑦|𝑗𝑗+1 + ∆𝑦𝑦|𝑗𝑗 𝑖𝑖,𝑗𝑗+1,𝑘𝑘 [3]
2𝐾𝐾𝑧𝑧𝑧𝑧 |𝑖𝑖,𝑗𝑗,𝑘𝑘−1/2 𝑡𝑡 𝑡𝑡
2𝐾𝐾𝑧𝑧𝑧𝑧 |𝑖𝑖,𝑗𝑗,𝑘𝑘+1/2
+∆𝑥𝑥|𝑖𝑖 ∆𝑦𝑦|𝑗𝑗 (ℎ𝑖𝑖,𝑗𝑗,𝑘𝑘−1 − ℎ𝑖𝑖,𝑗𝑗,𝑘𝑘 ) + ∆𝑥𝑥|𝑖𝑖 ∆𝑦𝑦|𝑗𝑗 (ℎ𝑡𝑡 𝑡𝑡
− ℎ𝑖𝑖,𝑗𝑗,𝑘𝑘 )+⋯
∆𝑧𝑧|𝑘𝑘−1 + ∆𝑧𝑧|𝑘𝑘 ∆𝑧𝑧|𝑘𝑘+1 + ∆𝑧𝑧|𝑘𝑘 𝑖𝑖,𝑗𝑗,𝑘𝑘+1
ℎ𝑡𝑡𝑖𝑖,𝑗𝑗,𝑘𝑘−1 − ℎ𝑡𝑡−1
𝑖𝑖,𝑗𝑗,𝑘𝑘
| |
+𝑞𝑞𝑖𝑖,𝑗𝑗,𝑘𝑘 = ∆𝑥𝑥| ∆𝑦𝑦 𝑗𝑗 ∆𝑧𝑧 𝑘𝑘 𝑆𝑆𝑖𝑖,𝑗𝑗,𝑘𝑘
𝑖𝑖 ∆𝑡𝑡
donde ∆𝑦𝑦|𝑗𝑗 , ∆𝑥𝑥|𝑖𝑖 y ∆𝑧𝑧|𝑘𝑘 son los tamaños del bloque localizado en las coordenadas (𝑖𝑖, 𝑗𝑗, 𝑘𝑘) en las
direcciones de los ejes cartesiano 𝑦𝑦, 𝑥𝑥 y 𝑧𝑧, respectivamente; 𝐾𝐾𝑦𝑦𝑦𝑦 , 𝐾𝐾𝑥𝑥𝑥𝑥 y 𝐾𝐾𝑧𝑧𝑧𝑧 son las conductividades
𝑡𝑡
interbloque aparentes en las direcciones de los ejes cartesianos 𝑦𝑦, 𝑥𝑥 y 𝑧𝑧, respectivamente; ℎ𝑖𝑖,𝑗𝑗,𝑘𝑘 es la
altura piezométrica del bloque con coordenadas (𝑖𝑖, 𝑗𝑗, 𝑘𝑘) en el tiempo 𝑡𝑡 y 𝑆𝑆𝑖𝑖,𝑗𝑗,𝑘𝑘 es el coeficiente de
almacenamiento del bloque con coordenadas (𝑖𝑖, 𝑗𝑗, 𝑘𝑘). El contexto espacial de estas variables se
presenta en la Figura 1. Por su parte, Li et al. (2010) proponen resolver la ecuación [1] por medio de
un esquema de DF que considera diecinueve bloques, como se muestra en la Figura 2, de forma que
se capturen las componentes no diagonales del tensor de conductividades hidráulicas.
Matemáticamente, considerando un esquema implícito hacia adelante para las derivadas parciales
temporales, el esquema de DF de Li et al. (2010) se expresa como:
𝑡𝑡+1 𝑡𝑡+1 𝑡𝑡+1 𝑡𝑡+1 𝑡𝑡+1 𝑡𝑡 𝑡𝑡 𝑡𝑡 𝑡𝑡
𝐴𝐴ℎ𝑖𝑖,𝑗𝑗+1𝑘𝑘 + 𝐵𝐵ℎ𝑖𝑖,𝑗𝑗𝑗𝑗 + 𝐶𝐶ℎ𝑖𝑖+1,𝑗𝑗+1𝑘𝑘 + 𝐷𝐷ℎ𝑖𝑖−1,𝑗𝑗,𝑘𝑘 + 𝐸𝐸ℎ𝑖𝑖+1,𝑗𝑗,𝑘𝑘 + 𝐹𝐹ℎ𝑖𝑖−1,𝑗𝑗,𝑘𝑘 + 𝐺𝐺ℎ𝑖𝑖,𝑗𝑗+1𝑘𝑘 + 𝐻𝐻ℎ𝑖𝑖,𝑗𝑗𝑗𝑗 + 𝐼𝐼ℎ𝑖𝑖+1,𝑗𝑗+1𝑘𝑘 +⋯
𝑡𝑡 𝑡𝑡 𝑡𝑡 𝑡𝑡 𝑡𝑡 𝑡𝑡 𝑡𝑡 𝑡𝑡
+𝐽𝐽ℎ𝑖𝑖−1,𝑗𝑗,𝑘𝑘 + 𝐾𝐾ℎ𝑖𝑖+1,𝑗𝑗,𝑘𝑘 + 𝐿𝐿ℎ𝑖𝑖−1,𝑗𝑗,𝑘𝑘 + 𝑀𝑀ℎ𝑖𝑖,𝑗𝑗+1𝑘𝑘 + 𝑁𝑁ℎ𝑖𝑖,𝑗𝑗𝑗𝑗 + 𝑂𝑂ℎ𝑖𝑖+1,𝑗𝑗+1𝑘𝑘 + 𝑃𝑃ℎ𝑖𝑖−1,𝑗𝑗,𝑘𝑘 + 𝑄𝑄ℎ𝑖𝑖+1,𝑗𝑗,𝑘𝑘 + 𝑅𝑅ℎ𝑖𝑖−1,𝑗𝑗,𝑘𝑘 𝑡𝑡
+⋯ [4]
𝑡𝑡 𝑡𝑡 𝑡𝑡−1
+𝑆𝑆ℎ𝑖𝑖,𝑗𝑗+1𝑘𝑘 + 𝑞𝑞𝑖𝑖,𝑗𝑗,𝑘𝑘 ∆𝑥𝑥|𝑖𝑖,𝑗𝑗,𝑘𝑘 ∆𝑦𝑦|𝑖𝑖,𝑗𝑗,𝑘𝑘 ∆𝑧𝑧|𝑖𝑖,𝑗𝑗,𝑘𝑘 = 𝑆𝑆𝑖𝑖,𝑗𝑗,𝑘𝑘 (ℎ𝑖𝑖,𝑗𝑗𝑗𝑗 − ℎ𝑖𝑖,𝑗𝑗𝑗𝑗 )
donde los coeficientes (𝐴𝐴∼ 𝑆𝑆) [L2/T] pueden ser consultados en el trabajo de Li et al. (2010) y su
evaluación depende de las conductividades hidráulicas de bloque, las características geométricas de
la malla usada para la discretización espacial del área de interés y del tamaño de paso de las DF
temporales. Los sub-índices 𝑖𝑖, 𝑗𝑗季 y 𝑘𝑘季 representan la discretización espacial en las direcciones de los
ejes cartesianos 𝑥𝑥, 𝑦𝑦 y 𝑧𝑧,季 respectivamente. En un dominio espacial discretizado por DF
tridimensionales mediante 𝑛𝑛 prismas rectangulares e incluyendo diferentes tipos de condiciones de
contorno, se podrá usar [3] o [4] para obtener un Sistema de Ecuaciones Lineales Disperso (SELD)
en cada paso temporal, el cual se plantea de la siguiente manera:
𝐃𝐃 𝑡𝑡 𝐃𝐃
(𝐀𝐀 − ) 𝐡𝐡 + 𝐪𝐪 = − 𝐡𝐡𝑡𝑡−1 [5]
∆𝑡𝑡 ∆𝑡𝑡
donde 𝐀𝐀 ∈ 𝑅𝑅 𝒏𝒏𝐱𝐱𝒏𝒏 es una matriz de conductividades equivalentes [L2/T], 𝐡𝐡𝑡𝑡 ∈ 𝑅𝑅 𝒏𝒏 es un vector con las
alturas piezométricas al final del 𝑡𝑡-ésimo intervalo [L], 𝐡𝐡𝑡𝑡−1 ∈ 𝑅𝑅 𝒏𝒏 es un vector con las alturas
piezométricas al inicio de dicho intervalo, 𝐃𝐃 ∈ 𝑅𝑅 𝒏𝒏𝐱𝐱𝒏𝒏 , es una matriz de almacenamientos específicos
[L2] y 𝐪𝐪 ∈ 𝑅𝑅 𝒏𝒏 es el vector de flujos [L3/T]. La ecuación [5] puede escribirse como 𝐂𝐂𝐡𝐡𝑡𝑡 = 𝐝𝐝, SELD
que se resuelve sucesivamente durante cada intervalo de simulación para obtener el vector de
alturas piezométricas 𝐡𝐡𝑡𝑡 , 𝐂𝐂 es la matriz de coeficientes que depende de los parámetros hidráulicos
del acuífero y de las condiciones de contorno y 𝐝𝐝 es un vector de términos independientes de flujos
internos y externos del acuífero.
Resolución de los modelos de flujo
Una característica importante de la resolución de la EDPFS por DF considerados en este

trabajo, es que 𝐂𝐂 siempre es una matriz simétrica definida positiva y dispersa con estructura
invariante. Ello permite adoptar esquemas de resolución muy eficientes basados en la construcción
de un sub-espacio de Krylov construido como 𝐾𝐾𝑛𝑛 = 〈𝐛𝐛, 𝐂𝐂𝐂𝐂, 𝐂𝐂 2 𝐛𝐛, … , 𝐂𝐂 𝑛𝑛−1 𝐛𝐛〉, particularmente el
método del Gradiente Conjugado (GC, ver Saad, 2003). El GC es un método iterativo para resolver

SELD ampliamente utilizado por su simpleza y por qué, teóricamente, se alcanza la solución en, a
lo sumo, 𝑛𝑛 iteraciones. Su uso es interesante porque, primero las operaciones involucradas son
pocas y pueden implementarse paralelamente para lograr la aceleración computacional. La
eficiencia en la ejecución del GC depende de la distribución de los autovalores de 𝐂𝐂 y del número
de condición espectral, es decir, la razón entre sus autovalores mínimo y máximo. Para acelerar la
ejecución del GC se somete a la matriz 𝐂𝐂 a un precondicionamiento; técnica que mejora el número
de condición 𝜅𝜅季 de dicha matriz. Así, sea 𝐌𝐌 ∈ 𝑅𝑅 𝒏𝒏𝐱𝐱𝒏𝒏 otra matriz que aproxima a 𝐂𝐂, fácilmente
invertible, entonces se resuelve 𝐂𝐂𝐡𝐡𝑡𝑡 = 𝐝𝐝 solucionando indirectamente el sistema (Saad, 2003):
𝐌𝐌−𝟏𝟏 𝐂𝐂𝐡𝐡𝑡𝑡+1 = 𝐌𝐌−𝟏𝟏 𝐝𝐝 [6]
donde 𝐌𝐌 es la matriz de precondicionamiento. Si 𝜅𝜅 (𝐌𝐌−𝟏𝟏 𝐂𝐂) ≪ 𝜅𝜅 (𝐂𝐂) entonces [6] tendrá una
convergencia rápida. El algoritmo del GC Precondicionado (GCP) se plantea para un vector inicial
de solución 𝐯𝐯𝟎𝟎 y una tolerancia en el residuo 𝜀𝜀, mediante el siguiente esquema (Saad, 2003):
𝐫𝐫0 = 𝐛𝐛 − 𝐂𝐂𝐯𝐯0
𝐩𝐩0 = 𝐳𝐳0 = 𝐌𝐌−1 𝐫𝐫0
Para 𝑘𝑘 = 0,1,2, … hacer
𝐫𝐫𝑘𝑘 𝐌𝐌−1 𝐫𝐫𝑘𝑘
𝛼𝛼𝑘𝑘 = −
𝐩𝐩𝑘𝑘 𝐂𝐂𝐩𝐩𝑘𝑘
𝐡𝐡𝑘𝑘+1 = 𝐡𝐡𝑘𝑘 − 𝛼𝛼𝑘𝑘 𝐩𝐩𝑘𝑘 [7]
𝐫𝐫𝑘𝑘+1 = 𝐫𝐫𝑘𝑘 − 𝛼𝛼𝑘𝑘 𝐂𝐂𝐩𝐩𝑘𝑘
𝐫𝐫𝑘𝑘+1 𝐌𝐌−1 𝐫𝐫𝑘𝑘+1
𝛽𝛽𝑘𝑘 = −
𝐫𝐫𝑘𝑘 𝐌𝐌−1 𝐫𝐫𝑘𝑘
−1
𝐩𝐩𝑘𝑘+1 = 𝐌𝐌 𝐫𝐫𝑘𝑘 + 𝛽𝛽𝑘𝑘 𝐩𝐩𝑘𝑘
Hasta que 𝐫𝐫𝑘𝑘 < 𝜺𝜺
Técnicas de pre-condicionamiento
En este trabajo se realiza un estudio de la eficacia computacional de diferentes esquemas de

precondicionamiento del GCP, por lo cual los métodos tenidos en cuenta se explican brevemente.
Métodos clásicos iterativos de resolución
Los métodos iterativos clásicos pueden ser vistos como precondicionamiento de los métodos
iterativos. Así, sea 𝐂𝐂𝐂𝐂 = 𝐝𝐝el problema que se quiere resolver. Para una matriz 𝐐𝐐 ∈ 𝑅𝑅 𝒏𝒏𝐱𝐱𝒏𝒏 季invertible,
sí 𝐡𝐡es un punto fijo de la aplicación 𝐹𝐹(𝐡𝐡) = 𝐡𝐡 + 𝐐𝐐−𝟏𝟏 (𝐝𝐝 − 𝐂𝐂𝐂𝐂), pueden platearse que:
𝐡𝐡𝒊𝒊+𝟏𝟏 = 𝐡𝐡𝒊𝒊 + 𝐐𝐐−𝟏𝟏 (𝐝𝐝 − 𝐂𝐂𝐡𝐡𝒊𝒊 ) = 𝐡𝐡𝒊𝒊 + ∆𝐡𝐡𝒊𝒊 [8]
De acuerdo con la escogencia de la matriz de iteración 𝐐𝐐, la matriz 𝐂𝐂 se descompone en

(Benzi, 2002; Saad, 2003):
𝐂𝐂 = 𝐃𝐃 + 𝐔𝐔 + 𝐋𝐋 [9]
donde 𝐃𝐃 ∈ 𝑅𝑅 𝒏𝒏𝐱𝐱𝒏𝒏 denota la matriz diagonal cuyas entradas son las de la diagonal de 𝐂𝐂, 𝐋𝐋 ∈ 𝑅𝑅 𝒏𝒏𝐱𝐱𝒏𝒏
denota la parte estrictamente inferior de 𝐂𝐂Ǉ 𝐔𝐔 ∈ 𝑅𝑅 𝒏𝒏𝐱𝐱𝒏𝒏 su parte estrictamente superior. En el caso del
método de Jacobi, se considera tomar 𝐐𝐐 como la matriz 𝐃𝐃 . En el caso del método de Gauss-Seidel,
se adopta a 𝐐𝐐 como la matriz triangular inferior de 𝐂𝐂, es decir 𝐐𝐐 = 𝐃𝐃 + 𝐋𝐋. En el caso del método
SOR (Successive Overrelaxation) 𝐐𝐐 es una variación paramétrica de Gauss-Seidel dada por 𝐐𝐐 =
𝐃𝐃 + 𝜔𝜔𝐋𝐋, donde 𝜔𝜔 es el parámetro de relajación.

Factorización LU incompleta
Una factorización incompleta es deseable porque las matrices resultantes respetan el patrón
de dispersión de la matriz original. El objetivo es controlar que la cantidad de procesamiento del
precondicionamiento no se incremente excesivamente. La factorización LU Incompleta (ILU)
consiste en realizar una descomposición LU descartando algunos de sus elementos. Este
procedimiento, en el ámbito del precondicionamiento del GCP, tiene dos importantes ventajas.
Primero, la factorización ILU aplicada sobre 𝐂𝐂 arroja matrices con menores radios espectrales que
el asociado a la matriz 𝐂𝐂 original; segundo, los requerimientos de almacenamiento son más bajos
que los requeridos por la factorización LU de 𝐂𝐂. Sea 𝑃𝑃 el patrón de dispersión impuesto a la
factorización, así:
𝑃𝑃 C {(𝑖𝑖, 𝑗𝑗) ∶ 𝑖𝑖 ≠ 𝑗𝑗; 1 < 𝑖𝑖, 𝑗𝑗 < 𝑛𝑛 } [10]
el cual representa un conjunto de componentes (𝑖𝑖, 𝑗𝑗) de la matriz 𝐂𝐂 que no serán descartados en el
procedimiento de factorización. La primera elección de 𝑃𝑃 para imponer un patrón de factorización
ILU fue realizada con una matriz 𝐂𝐂 bandeada, escogiendo una matriz de precondicionamiento que
también bandeada. Si 𝑃𝑃 coincide con las posiciones no nulas de 𝐂𝐂, la factorización ILU se
denomina sin relleno, ILU(0). Esta aproximación es efectiva para solucionar los SELD que surgen
en discretizaciones de bajo orden en EDP elípticas escalares (Benzi, 2002), como en el caso de la
EDPFS resuelta por DF. A medida que la discretización espacial de las DF usadas para resolver el
flujo subterráneo se hace más fina, las aproximaciones sin relleno resultan ser burdas y debe
adoptarse algún esquema de llenado (Naff y Banta, 2008). Watts III (1981) propusieron esquemas
ILU(𝑝𝑝) de llenado basados en el cálculo de un índice por elemento a medida que avanza la
descomposición. Así, el nivel inicial de llenado de un elemento de una matriz dispersa es:
0 si 𝑐𝑐𝑖𝑖,𝑗𝑗 ≠ 0
𝑙𝑙𝑙𝑙𝑙𝑙𝑖𝑖𝑖𝑖 = { [11]
∞ en otro caso
el cual se renueva a medida que el elemento es modificado por una eliminación gaussiana. Durante
la factorización ILU(𝑝𝑝), el nivel de llenado se evalúa como 𝑙𝑙𝑙𝑙𝑙𝑙𝑖𝑖𝑖𝑖 = min{𝑙𝑙𝑙𝑙𝑙𝑙𝑖𝑖𝑖𝑖 , 𝑙𝑙𝑙𝑙𝑙𝑙𝑖𝑖𝑖𝑖 + 𝑙𝑙𝑙𝑙𝑙𝑙𝑘𝑘𝑘𝑘 + 1}
en cada iteración sobre la 𝑘𝑘-ésima fila; luego el patrón de dispersión 𝑃𝑃 para un nivel de llenado 𝑝𝑝 se
define como el conjunto:
𝑃𝑃 = {(𝑖𝑖, 𝑗𝑗) ∶ 𝑙𝑙𝑙𝑙𝑙𝑙𝑖𝑖𝑖𝑖 > 𝑝𝑝} [12]
Para matrices diagonalmente dominantes, mientras mayor sea el nivel de llenado de un

elemento, menor es su valor absoluto, con lo cual la matriz de errores entre ambas matrices exhibe
elementos muy cercanos a cero y la factorización es más precisa. A pesar de que, en la mayoría de
las ocasiones, aplicar el nivel de relleno mejora el precondicionamiento con respecto a las versiones
sin llenado, la desventaja principal es que requiere almacenar elementos de llenado pequeños en
valor absoluto que contribuyen muy poco en la disminución del número de condición de 𝐂𝐂.
Un precondicionamiento más eficiente se obtiene ejecutando una factorización por descarte
ILU(𝜏𝜏) donde los elementos de llenado se aceptan con base en su magnitud. Así pues, se define a la
tolerancia de descarte como el número entero positivo 𝜏𝜏 que actúa como límite inferior admisible
para los valores absolutos de los elementos de llenado; es decir, se permite llenar los elementos de
las matrices 𝐋𝐋y 𝐔𝐔si y sólo si 𝑐𝑐𝑖𝑖𝑖𝑖 > 𝜏𝜏. La principal desventaja de ello es que resulta difícil escoger
una tolerancia de descarte, por lo cual se hace necesario recurrir a un proceso de ensayo y error
hasta encontrar un valor satisfactorio. Saad (1994) propone una estrategia de precondicionamiento
dual por umbral ILU(𝑝𝑝, 𝜏𝜏) que opera fijando una tolerancia de descarte y un número de elementos
de relleno en cada fila de las matrices factores 𝐋𝐋 y 𝐔𝐔. A diferencia de las factorizaciones
incompletas, este método dual decide el relleno de los elementos de 𝐋𝐋 y 𝐔𝐔 de forma dinámica
aplicando una regla de eliminación sobre el elemento si su magnitud es menor que cierto umbral 𝜏𝜏y
luego manteniendo los 𝑝𝑝 elementos de relleno de mayor magnitud por fila. Así, 𝜏𝜏 y 𝑝𝑝 pueden
modificarse hasta alcanzar un precondicionamiento apropiado.

Métodos algebraicos de múltiples mallas
Los Métodos Algebraicos de Múltiples Mallas (MAMM) son una técnica para resolver
SELD. Al mismo tiempo, se usan como técnicas de precondicionamiento para la ejecución del
GCP. La idea de los MAMM es eliminar los residuales que se obtienen mediante técnicas basadas
en la relajación usando un conjunto de matrices más gruesas que se superponen sobre la matriz
original, para las cuales se usa un método directo de solución de los problemas resultantes. Un
precondicionador MAMM construye una jerarquía para dichas mallas de matrices y el conjunto de
operaciones de transferencia entre ellas usando únicamente la información contenida en la matriz de
coeficientes. Con ello se pueden tratar fácilmente casos en los cuales la modelación envuelve
geometrías irregulares o mallas no estructuradas (Pereira et al., 2006). Los pasos usados por los
MAMM para el precondicionamiento en un esquema iterativo de solución de SELD, definiéndose
una malla como un conjunto de nodos 𝑤𝑤 extraídos de la matriz original, son como sigue.
Primero, se establecen los nodos 𝑤𝑤𝑘𝑘 de la matriz original, a partir de los cuales se extraen
subconjuntos de nodos para diferentes tamaños de malla, ya sea gruesa 𝑤𝑤𝑐𝑐𝑘𝑘 o fina 𝑤𝑤𝑐𝑐𝑘𝑘 .Lo anterior
equivale a extraer un conjunto de múltiples mallas sobre las cuales operará el precondicionamiento
MAMM. Segundo, se establecen las operaciones de transferencia entre las múltiples mallas, así:
Prolongación 𝑃𝑃𝑘𝑘 : 𝑉𝑉𝑘𝑘+1 → 𝑉𝑉𝑘𝑘 :

[13]
Restricción 𝑅𝑅𝑘𝑘 = 𝑃𝑃𝑘𝑘𝑇𝑇
donde 𝑉𝑉𝑘𝑘 son matrices aproximación de las soluciones en los diferentes niveles de las mallas, 𝑅𝑅𝑘𝑘
son las matrices de restricción sobre cada malla y 𝑃𝑃𝑘𝑘 es la matriz de interpolación para cada nivel de
malla. Tercero, se define la jerarquía matricial de las múltiples mallas, así:
𝐴𝐴𝑘𝑘+1 = 𝑅𝑅𝑘𝑘 𝐴𝐴𝑘𝑘 𝑃𝑃𝑘𝑘 [14]
Para terminar, se define la correspondiente técnica de suavizado, es decir, el método directo de

solución de la malla gruesa que sea más conveniente a las características del problema. Más detalles
acerca de detalles matemáticos de los MAMM pueden encontrarse en Briggs et al. (2000).
SOTWARE E IMPLEMENTACIÓN
PETSc (Balay et al., 2012)., desarrollado por el Agronne National Laboratory de los
Estados Unidos, es un software pensado como una herramienta para la computación científica
portable y extensible compuesta por una colección de rutinas y estructuras de datos que proveen
bloques de construcción para la implementación de códigos de gran escala en computadoras en
paralelo. PETSc puede ser usado en sistemas de procesadores que trabajen en paralelo (clusters,
supercomputadoras o computadoras personales). Ello se logra a través de librerías especializadas de
programación paralela como MPICH u OpenMPI que transmiten información entre procesadores de
forma ordenada y eficiente, a través de los lenguajes de programación tradicionales como
FORTRAN, C, C++ y Python. Las librerías del PETSc permiten la creación de familias de objetos
de matrices, vectores e índices de conjuntos, en las que el mismo PETSc se encarga de realizar
operaciones, incluso si se trabaja en paralelo, lo que permite crear códigos más limpios y eficientes.
En el marco de este documento se han desarrollado dos implementaciones del PETSc a la
solución de la EDP de flujo subterráneo. La primera implementación se trata de la adecuación un
código de flujo subterráneo llamado FDPACK (Álvarez-Villa, 2014) a las librerías del PETSC.
FDPACK simula numéricamente el comportamiento del flujo en dos dimensiones en un medio
poroso heterogéneo. La implementación del FDPACK bajo las librerías de PETSc puede ser
consultada en la página web http://soilros.github.io/FDPACK/. Por otro lado, la implementación
llamada ANISOFLOW es un programa implementado en lenguaje FORTRAN 90, que utiliza las
herramientas computacionales de paralelismo proporcionadas por PETSc, enfocado a usar y evaluar
los elementos teóricos mostrados a lo largo de este documento y que, además, sirva como

alternativa al MODFLOW cuando las soluciones secuenciales de éste no sean lo suficientemente
eficientes para la modelación del flujo subterráneo. El código fuente del programa puede ser
encontrado en el repositorio online del programa http://github.com/SoilRos/ANISOFLOWPACK.
EXPERIMENTOS NUMÉRICOS
Medio heterogéneo por facies geológicas de roca fracturada
La información considerada en el presente trabajo para medio fracturado corresponde a la

utilizada por Blessent et al. (2011), la cual se ha levantado en la isla de Olkiluoto, Finlandia, sitio
potencial para disponer residuos nucleares de alta actividad. Los datos de campo hacen alusión a
roca fracturada, donde las propiedades físicas del material parental, la geometría, la extensión y la
conectividad de las fracturas fueron caracterizadas a partir de núcleos de perforación, pruebas
hidráulicas, estudios geofísicos y datos de pozos. Las principales zonas de fractura identificadas
tienen una transmisividad mayor de 1x10-8 m2/s y una extensión de varios cientos de metros. Con
base a esta información se plantearon modelos igualmente probables de facies para un Medio
Poroso Equivalente (MPE); planteamiento que ha requerido la definición de categorías de rocas, las
cuales se obtuvieron analizando las conductividades hidráulicas obtenidas en los ensayos de
interferencia y registros de densidad de fracturamiento. Con base en ello, los MPE generados por
simulación secuencial basada en la probabilidad de transición (Carle y Fogg, 1996) se componen de
las siguientes categorías: (i) roca madre poco fracturada (SFB), (ii) lecho de roca escasamente a
moderadamente fracturado (SMFB), (iii) lecho de roca de moderado a altamente fracturado
(MHFB) y (iv) lecho de roca altamente fracturado (HFB).
Conductividad hidráulica
Facies
Kx Ky Kz
Facie 1 – SFB 6.34x10-8 3.17x10-9 3.17x10-9
Facie 2 – SMFB 5.77x10-7 5.77x10-7 5.77x10-7
Facie 3 – MHFB 1.37x10-6 1.37x10-6 1.37x10-6
Facie 4 – HFB 8.00x10-6 8.00x10-6 8.00x10-6
Figura 3. Esquema de la zonificación de propiedades hidráulicas del medio (Azul: SFB, Verde:
SMFB, Amarillo: MHFB y Rojo: HFB).
El resultado del análisis geoestadístico planea cuatro zonas de conductividades hidráulicas
sobre un dominio espacial que tiene una longitud de 400 m en dirección Norte y Este, y 200 m en
dirección vertical, con discretización regular de 5 m en cada dirección (ver la Figura 3). Las
condiciones de contorno consisten en niveles piezométricos impuestas en los bordes laterales. La
EDPFS se solucionó en régimen permanente mediante el código ANISOFLOW para el medio
heterogéneo por facies de roca fracturada acá considerado mediante el GC con precondicionamiento
ILU y esquema dual por descarte (𝜏𝜏=0.0005) y nivel de llenado (𝑝𝑝=2); solución que se comparó con
la obtenida aplicando el código MODFLOW (Harbaugh, 2005). Los resultados obtenidos se
presentan la Figura 4, donde se muestran los niveles piezométricos y los contornos de estos. Un
análisis cuantitativo mostró que existe únicamente un error relativo máximo del 0.105 % entre
ambas soluciones, el cual corresponde a una diferencia absoluta cercana a 0.016 m en los bloques
donde se tienen las mayores alturas piezométricas. Este resultado permite validar indirectamente la
aplicación del código ANISOFLOW en medios heterogéneos y anisótropos.

Figura 4. Alturas piezométricas simuladas por ANISOFLOW para el modelo tridimensional de
facies planteado por Blessent et al. (2011) y contornos de dicha solución.
Medio altamente heterogéneo y anisótropo
Se considera un acuífero cúbico de 400 m de lado, formado por un medio heterogéneo con
zonas isótropas y anisótropas no paralelas a los ejes cartesianos, el cual fue generado seudo-
aleatoriamente con una discretización regular, cuyo tamaño de bloque depende del caso de análisis.
Para realizar los experimentos de escalabilidad computacional se generaron discretización de 25,
50, 100 y 200 bloques de lado que, respectivamente, son equivalentes a sistemas matriciales
compuestos por 15625 (16K), 125000 (125K), 1000000 (1M) y 8000000 (8M) de ecuaciones. Las
configuraciones espaciales de cada modelo se muestran en la Figura 5. Las condiciones de contorno
para resolver los modelos en régimen permanente consisten en una función sinusoidal que varía
entre 5 y 10 m entre cada par de paredes opuestas del dominio sobre la primera capa de bloques de
DF. Estas soluciones se utilizan como condiciones iniciales de los modelos resueltos en régimen
transitorio. Para las simulaciones en régimen transitorio, a lo largo del horizonte temporal también
se modifican las condiciones de contorno en los bordes del dominio espacial de manera sinusoidal,
modificándose entre los niveles impuestos para las condiciones iniciales y 0 m cada 365 días. En el
centro del dominio, bloque con coordenada (200 m; 200 m) en direcciones Este y Norte, y a
profundidades de 0, 200 y 400 m se imponen niveles piezométricos nulos durante un período de seis
meses, seguido por un intervalo de la misma longitud en los que no se imponen niveles en dichos
bloques. Pasado un año de simulación, en los mismos lugares se repite la secuencia de descensos y
recuperación de niveles, pero imponiendo 20 m en las celdas centrales.
Se desea evaluar la influencia de los esquemas de precondicionamiento en el aumento o
disminución de la eficiencia de resolución por el GCP de los SELD planteados por las diferentes
soluciones de la EDPFS mediante las DF implementados en ANISOFLOW. Dado lo anterior, los
modelos de flujo subterráneo construidos para las diferentes discretizaciones espaciales del acuífero
sintético planteado se han resuelto utilizando los siguientes precondicionadores en paralelo: Jacobi,
Jacobi Bloque y Algebraico de Múltiple malla (Multi-malla). También se considera la resolución
mediante el GC sin precondicionamiento. Debido a que los precondicionadores del tipo ILU no son
eficientes cuando se paralelizan, los desarrolladores de PETSc idearon otras formas para que sus
beneficios computacionales se puedan usar en códigos en paralelo. Esto consiste en resolver la
factorización ILU empleando las matrices que se encuentran guardadas localmente en cada
procesador y usar el conjunto de las sub-matrices resultantes como precondicionador del sistema a
resolver. Con ello se minimizan los mensajes enviados y recibidos entre procesadores. Aunque es
usual llamar a este precondicionador simplemente como Jacobi Bloque, en realidad se trata de
Jacobi Bloque que usa factorización ILU en los hilos de resolución enviados a cada procesador. Por
otro lado, si bien las técnicas de Múltiple Malla son precondicionadores normalmente usados para
resolver EDP mucho más complejas que la tratada aquí sobre dominios irregulares, se incluyó
dentro de las pruebas para resaltar la flexibilidad que presenta haber escrito el código en PETSc.

16 K 125 K
1M 8M
Figura 5. Configuración de los medios heterogéneos usados para los experimentos de escalabilidad
computacional de la solución por DF planteada para ANISOFLOW.
Los experimentos computacionales fueron realizados en un sistema con las siguientes

características: Intel® Xeon® CPU E5-2698 v3 @ 2.30GHz de 32 procesadores. Este ordenador no
está diseñado para llevar a cabo matemática computacional en paralelo, pues sus conexiones entre
procesadores no son óptimas y se limita la velocidad de transferencia de información de procesador
a procesador. Los modelos descritos al largo de este apartado se resolvieron usando diferentes
cantidades de procesadores y diferentes tipos de precondicionamientos. A cada uno de los
experimentos se le midió su tiempo de ejecución y su aceleración al considerar un aumento de la
cantidad de procesadores usados para la ejecución. Los resultados (ver la Figura 6) se graficaron
relacionando la cantidad de procesadores con el tiempo de ejecución requerido y la aceleración
alcanzada con respecto al uso de un sólo procesador, de la siguiente manera: (i) sin
precondicionamiento, líneas azules, (ii) Jacobi clásico, línea verde, (iii) Jacobi Bloque y
factorización ILU, línea roja, y (iv) Múltiple malla, línea naranja. Los gráficos obtenidos permiten
plantear las siguientes observaciones.
Primero, en general, el precondicionamiento que disminuye en menor medida el tiempo de
ejecución de los modelos de flujo subterráneo es Jacobi clásico, seguido de Jacobi Bloque con
factorización ILU. Las mayores aceleraciones de los modelos acá planteados se lograron usando
entre dos y doce procesadores; límite que indica el progreso insignificante o disminución de dicha
aceleración. Aun así, se observa que, en casi todos los casos el tiempo de ejecución necesario para
resolver los modelos usando diez procesadores se disminuye hasta cerca de una quinta parte del
requerido al emplear únicamente un solo procesador. Ello sucede para todas las discretizaciones
espaciales consideradas y es la primera muestra de la escalabilidad de ejecución computacional que
proporciona la incorporación de las herramientas de alto rendimiento en ANISOFLOW.
Segundo, los gráficos de velocidad y aceleración muestran que el recurso computacional
disponible influye en la optimización de las simulaciones puesto que, a pesar de que en cada
modelo hay diferente cantidad de ecuaciones asociadas, el número de procesadores para solucionar
los modelos de flujo con rendimiento computacional óptimo aparece invariante alrededor de 12.

Usar más de dicha cantidad de recurso computacional aumenta ligeramente la duración de las
ejecuciones de los modelos, al mismo tiempo que reduce su aceleración. Esto se atribuye a las
características del hardware usado durante los experimentos computacionales; máquina que, como
se dijo antes, no optimiza la comunicación entre procesadores durante las ejecuciones en paralelo,
lo cual interfiere en el óptimo desarrollo de las simulaciones ejecutadas mediante el ANISOFLOW.
Figura 6. Tiempos de solución (izquierda) y aceleración (derecha) por paralelismos de los

diferentes modelos季con diferentes precondicionamientos por el método de GCP.
Tercero, los resultados muestran que los precondicionadores más complejos como Jacobi
Bloque con factorización ILU o Múltiple Malla toman más tiempo en construir las matrices
asociadas a su operación computacional, que el tiempo que podría requerirse para ejecutar el

número de iteraciones que se ahorran. Esto sucede porque el radio espectral de las matrices que
forman los SELD asociados a la solución por DF de los modelos de flujo planteados en este trabajo
no se mejora considerablemente como efecto de ejecutar los precondicionamientos sobre el GC. Es
más, para la geometría del acuífero analizado, las condiciones de contorno impuestas sobre éste y el
esquema de DF empleado para la linealización de la EDPFS, el precondicionador más simple
(Jacobi) de todos los acá utilizados es el más efectivo y es suficiente.
CONCLUSIONES
ANISOFLOW es un software flexible porque permite considerar explícitamente las

diferentes características hidráulicas del medio hidrogeológico, la heterogeneidad y la anisotropía
de la conductividad hidráulica y otros parámetros del acuífero. También permite representar la
variabilidad espacio-temporal de las condiciones de contorno del acuífero y las acciones exteriores
actuando sobre éste; al tiempo que abre la posibilidad de seleccionar diferentes esquemas de
modelación eficiente, de acuerdo con la configuración que se haga sobre las librerías del PETSc.
Anderman, E.R., K.L. Kipp, M.C Hill, J. Valstar, R.M. Neupauer (2002) Documentation of the
Model-Layer Variable-Direction Horizontal Anisotropy (LVDA) Capability of the Hydrogeologic-
Unit Flow (HUF) Package. MODFLOW-2000, the U.S. Geological Survey Modular Groundwater
Model. U.S. Geological Survey Open-File Report 02-409. Denver, Colorado.
Balay S., S. Abhyankar, M. Adams, J. Brown, P. Brune, K. Buschelman, L. Dalcin, V.
Eijkhout, W. Gropp, D. Karpeyev, D. Kaushik, M. Knepley, L. Curfman McInnes, K. Rupp,
B. Smith, S. Zampini, H. Zhang, and H. Zhang Mathematics and Computer Science Division,
Argonne National Laboratory (2012) PETSc User’s Manual. Revision 3.3. Argonne, Illinois.
Benzi M. (2002) Preconditioning techniques for large linear systems: a survey. Journal of
Computational Physics, 182(2), 418–477.
Blessent D., R. Therrien, C.W. Gable (2011). Large-scale numerical simulation of groundwater
flow and solute transport in discretely-fractured crystalline bedrock. Advances in Water Resources,
34(12), 1539–1552.
Carle S.F., G.E. Fogg (1996) Transition probability-based indicator geostatistics. Mathematical
geology, 28(4), 453–476.
Harbaugh A.W. (2005) MODFLOW-2005, the US Geological Survey Modular Ground-water
Model: The Ground-Water Flow Process. U.S. Department of the Interior, U.S. Geological Survey
Techniques and Methods 6–A16. Reston, Virgina.
Li L., H. Zhou, J.J. Gómez-Hernández (2010) Steady-state saturated groundwater flow modeling
with full tensor conductivities using finite differences. Computers and Geosciences, 36(10), 1211–
1223.
Naff R.L., E.R. Banta (2008) The US Geological Survey Modular Ground-water Model - PCGN: a
Preconditioned Conjugate Gradient Solver with Improved Nonlinear Control. U.S. Geological
Survey Open-File Report 2008-1331.
Pereira F.H., S.L. Lopes, S. Ikuyo (2006) A fast algebraic multigrid preconditioned conjugate
gradient solver. Applied Mathematics and Computation 179, 344–351.
Saad, Y. (2003). Iterative Methods for Sparse Linear Systems. SIAM. Philadelphia, Pennsylvania.
Salamon P. (2006). On Modeling Contaminant Transport in Complex Porous Media Using
Random Walk Particle Tracking. Tesis Doctoral. Universitat Politècnica de València.
Tatebe, O. (1993) The Multigrid Preconditioned Conjugate Gradient Method, vol. 3224, NASA
Conference Publication, pp. 621–634.
Watts III J.W. (1981). A conjugate gradient-truncated direct method for the iterative solution of
the reservoir simulation pressure equation. Society of Petroleum Engineers Journal, 21(3), 345–
353.

IAHR AIIH
ANÁLISE COMPARATIVA DE METODOLOGIAS DE CÁLCULO DE

BORDA LIVRE RESULTANTE DA AÇÃO DOS VENTOS EM BARRAGENS
DE MINERAÇÃO
Mariana Sampaio Barrozo1, Nathália Couto Machado 2, Gladstone Rodrigues Alexandre3 & André
Wilhiam Lauriano4
1
Engenheira da Pimenta de Ávila Consultoria, Brasil. mariana.barrozo@pimentadeavila.com.br
2
Engenheira da Pimenta de Ávila Consultoria, Mestre em Saneamento, Meio Ambiente e Recursos Hídricos da
Universidade Federal de Minas Gerais, Brasil. nathalia.couto@pimentadeavila.com.br
3
Engenheiro da Pimenta de Ávila Consultoria, Mestre em Saneamento, Meio Ambiente e Recursos Hídricos da
Universidade Federal de Minas Gerais, Brasil. gladstone.alexandre@pimentadeavila.com.br
4
Engenheiro Civil da Pimenta de Ávila Consultoria, Mestre em Saneamento, Meio Ambiente e Recursos Hídricos da
Universidade Federal de Minas Gerais, Brasil. andre.lauriano@pimentadeavila.com.br
RESUMO:
Para os cálculos de borda livre de reservatórios utilizam-se metodologias consagradas em

projetos dessa natureza. Para este tipo de dimensionamento, existem normas nacionais e
internacionais que indicam diferentes critérios no quesito de segurança hidrológica dessas
estruturas. Contudo, frente a todas as incertezas associadas à definição dos cálculos hidrológicos
aplicados em reservatórios e a importância em garantir a segurança dessas obras hidráulicas, é de
suma importância a definição adequada da borda livre em reservatórios, visando tanto absorver
essas incertezas quanto garantir que ondas associadas ao efeito de ventos sobre a superfície líquida
não causem erosões e galgamentos. Nesse sentido, em virtude das diferentes metodologias para o
cálculo da borda livre, conforme apresentado no presente estudo, é evidente a importância de um
apurado julgamento de engenharia na definição dos critérios que melhor se enquadrem no problema
em questão, sendo apresentados os critérios mais usualmente utilizados nessa temática que podem
subsidiar a decisão dos especialistas.
ABSTRACT
For the reservoirs freeboard calculations, established methodologies is used in dam projects.
For this type of design, there are national and international standards that indicate different criteria
in terms of hydrological safety of these structures. However, in view of all the uncertainties
associated with the definition of hydrological calculations applied to reservoirs and the importance
of ensuring the safety of these hydraulic works, it is of utmost importance to define the freeboard in
reservoirs, in order to both absorb these uncertainties and ensure that waves associated with the
effect of winds on the surface do not cause erosions and overtopping. In this purpose, due to the
different methodologies for the freeboard calculation, as introduced in the present study, it is
evident the importance of an engineering judgment in the definition of the criteria that best fits the
problem in question, being presented the most commonly used criteria in this subject that could
support the decisions of specialists.
PALAVRAS CHAVES: Borda-livre, reservatórios, segurança hidrológica

INTRODUÇÃO
Assim como toda obra de engenharia, as barragens também possuem normas e boas práticas
que norteiam o seu dimensionamento. Neste sentido, existem normas nacionais e internacionais que
indicam diferentes critérios no quesito de segurança hidrológica e hidráulica dessas estruturas. No
que tange os critérios de segurança hidrológica, incluem-se a cheia de projeto, o tempo de retorno, a
borda livre mínima, entre outros aspectos.
No âmbito nacional, a Associação Brasileira de Normas Técnicas especifica, por meio da
NBR 13.028 (ABNT, 2017), os requisitos mínimos para elaboração e apresentação de projeto de
barragens para disposição de rejeitos de beneficiamento, contenção de sedimentos e reservação de
água, em mineração, visando atender às condições de segurança, operacionalidade, economicidade
e desativação, minimizando os impactos ao meio ambiente.
De acordo com as diretrizes indicadas pela NBR 13.028 (ABNT, 2017), as dimensões dos
sistemas extravasores devem ser definidas a partir do estudo das vazões máximas, que consiste em
calcular a vazão de cheia para determinado período de retorno (TR), a ser utilizada no
dimensionamento destes, garantindo a segurança das estruturas decorrente de eventos extremos de
cheia. O período de retorno deve ser definido a partir das consequências de falha estrutural e
obedecendo à fase da barragem (fase operacional ou de fechamento). Ressalta-se que no que tange
ao cálculo para borda livre do reservatório, a norma NBR 13.028 não especifica a metodologia a ser
adotada, ficando a critério da empresa projetista.
Existem além das normas, referências nacionais como PINHEIRO (2011), que recomenda
mesmo para etapas operacionais, a adoção de uma cheia com tempo de retorno de 10.000 anos, com
borda livre remanescente de 1,0 m durante a passagem da cheia. Esse critério para a cheia de
projeto é fixado em função das dimensões da barragem e do nível de risco a jusante, em caso de
acidente com ruptura do maciço, conforme critérios definidos pelo USBR (1977) e recomendados
para a aplicação no caso de barragens de mineração.
Outra referência quanto aos parâmetros de borda livre é manual de Eletrobrás; CBDB
(2003), que traz os critérios de projeto civil de usinas hidrelétricas. Nesta referência são elencados
os parâmetros mínimos para cada tipo de barragem, conforme Tabela 1.
Tabela 1. – Borda livre indicada para cada tipo de barragem (Eletrobrás, 2003)
Tipo de Barragem Borda Livre – NA Normal (m) Borda Livre mínima (m)
Terra e enrocamento Mínima de 3,0 m 1,0 m acima do NA Máx. Maximorum
Concreto Mínima de 1,5 m 0,5 m acima do NA Máx. Maximorum
No âmbito internacional, o Comitê Australiano ANCOLD (2012), preconiza que a cheia de

projeto assim como do cálculo da borda livre necessária deve ser determinada em relação a
categoria de consequência de falha da barragem. O dimensionamento do extravasor deve ser
baseado nos volumes necessários para laminar a cheia extrema, assim como conter a onda eólica
acima do Nível Máximo Maximorum, de modo a evitar o galgamento da estrutura, conforme
especificado na Tabela 2.
A Borda Livre Operacional é a distância vertical entre o nível máximo operacional do
reservatório (soleira do extravasor) e a crista da barragem. Este valor representa a capacidade da
barragem para laminar um evento de cheia extremo considerando a combinação da capacidade de
armazenamento, a capacidade de descarga do extravasor e a altura para conter ondas provenientes
do vento (Borda Livre Remanescente), com o intuito de evitar o galgamento da barragem, conforme
ilustrado na Figura 1. O ANCOLD (2012) descreve a Borda Livre eólica, nomeada no presente
estudo como Borda Livre Remanescente, como a altura disponível para absorver as ondas
provocadas pelos ventos a partir do Nível de Água Máximo Maximorum, proveniente da cheia de
projeto.

Tabela 2. – Critérios para dimensionamento considerando a consequência de falha (ANCOLD,
2012)
Categoria de Critério para
Consequência de dimensionamento do Borda livre necessária para onda eólica
Falha extravasor
Onda eólica para Probabilidade Anual de
Baixa 1:100
Excedência (AEP) do vento de 1:10
Significante 1:1.000
1:100.000
Alta
PMP (Precipitação Máxima
N/A
Provável)
PMP (Precipitação Máxima
Extrema Determinado a partir do risco
Provável)
Figura 1.- Croqui esquemático da borda livre
Neste contexto das diversas abordagens acerca dos critérios para dimensionamento de borda
livre de barragens, o objetivo deste trabalho é apresentar as diferentes metodologias de cálculo de
borda livre resultante da ação dos ventos e comparar os resultados obtidos na aplicação de uma
barragem hipotética. Entende-se que o critério de borda livre é um importante fator na segurança do
reservatório, uma vez que garante uma altura mínima para absorver as possíveis ondas eólicas,
evitando possíveis erosões que poderiam evoluir para um processo de ruptura, além de absorver
possíveis imprecisões da modelagem da vazão de projeto. Por outro lado, é importante também a
atenção ao superdimensionamento das estruturas, quando não necessário, ocasionando um
dispêndio alto de investimento na construção e/ou adequação da barragem. Frente a esta questão, é
justificável que as metodologias sejam estudadas e aplicadas adequadamente para cada projeto
específico.
ARCABOUÇO METODOLÓGICO
De acordo com o USBR (2012), os reservatórios com significativa extensão de superfície

líquida estão sujeitos ao acúmulo de ondas eólicas que são passíveis de danificar a crista dos
barramentos, facilitando a ocorrência de falha, mesmo antes de estar sujeito ao galgamento
proveniente de eventos extremos de cheia. No intuito de absorver o efeito nocivo das ondas
provocadas pelo vento, são adotados critérios de borda livre mínimos.
Conforme Pereira (2015), o dimensionamento racional da borda livre requer a consideração
da altura e da ação das ondas. A altura das ondas no reservatório depende de diversos fatores, como:
a velocidade e da duração do vento, do fetch, da profundidade da água e da largura do reservatório.

Dessa forma, no cálculo da borda livre tem sido aplicada a verificação da amplitude da onda
passível de ser formada na superfície da água no reservatório associada a ação dos ventos. A
metodologia para cálculo é proposta por diversos autores, tais como: Saville et. al (1962), Pinheiro
(2011) e USBR (2012), conforme é apresentado a seguir.
i. Cálculo da Borda Livre Eólica – Referência Pinheiro (2011)
Na metodologia proposta por Pinheiro (2011), a determinação da borda livre eólica é

calculada a partir do fetch e da amplitude da onda eólica, conforme descrito a seguir. O fetch é
calculado a partir da ponderação da Equação 1:
∑ d.cos θ
F= ∑ cos θ
[1]
Sendo: “F” o fetch ou extensão da superfície líquida sobre a qual atua o vento (km); “d” as
distâncias medidas das margens do lago em relação ao maciço (km); “θ” o ângulo das projeções das
distâncias em relação a perpendicular do maciço.
Nessa metodologia o diagrama típico para o cálculo do fetch adota como referência 5 linhas
radiais para cada lado do eixo central, com intervalo angular entre as projeções das distâncias de
10°, sendo o último de 5°, limitado em 45° (SENTÜRK, 1994). Ressalta-se que o diagrama de
cálculo do fetch, apresentado por Senturk (1994) e referenciado por Pinheiro (2011), seguem o
método desenvolvido por Saville (1962), na definição da amplitude angular em relação ao eixo
central em até 45°, apenas as distâncias angulares entre as projeções das distâncias diferem, sendo
apresentado por Saville (1962) ângulos intermediários de 3°.
O cálculo da amplitude da onda eólica decorre de uma adaptação da metodologia
desenvolvida por Saville et. al. (1962), proposta por Naghettini (1999), conforme Equação 2.
ℎ0 = 0,005 ∗ 𝑉𝑉𝑣𝑣1,06 ∗ 𝐹𝐹 0,47 [2]
Sendo: “ho” é a amplitude da onda eólica em metros; “Vv” é a velocidade do vento 7,60 m acima do
N.A. do reservatório em km/h; e “F” é o fetch ou extensão da superfície líquida sobre a qual atua o
vento (km).
É recomendado que os valores de velocidade sejam corrigidos conforme Tabela 3, em
função do fetch calculado para o reservatório.
Tabela 3. – Fatores de correção da velocidade na superfície do reservatório

Fetch (km/h) 0,805 1,609 3,219 6,437 9,656 12,874
Vv / Vs 1,08 1,13 1,21 1,28 1,31 1,31
Sendo: Vs – Velocidade do vento ao nível do solo (dados normalmente disponíveis) em

km/h; e Vv – Velocidade do vento 7,60 m acima do N.A. do reservatório em km/h.
Segundo Pinheiro (2011), na ausência de estudos estatísticos para a determinação da
frequência e velocidade dos ventos, recomenda-se a adoção de valores no intervalo entre 50 km/h e
100 km/h, tendo sido prática a adoção da velocidade de 80 km/h.
Ainda de acordo com Pinheiro (2011), para as barragens de terra ou enrocamento, o valor da
borda livre (B.L.) a ser adotado deve seguir a Equação 3.
𝐵𝐵. 𝐿𝐿 = 1,4 ∗ ℎ0 [3]
Por razões de segurança, Pinheiro (2011) recomenda que a borda livre mínima a ser adotada nas
barragens de mineração é de 1,00 m, conforme recomendado também pelo USBR (1977)

ii. Cálculo da Borda Livre Eólica – Referência USBR (2012)
A sequência metodológica para a determinação da borda livre eólica necessária para

barragens, proposta no USBR (2012), é descrita a seguir.
Cálculo do Fetch:
O fetch é calculado a partir da soma dos comprimentos das linhas radiais dividido pelo
número de linhas (9 linhas), sendo recomendado ângulo máximo de 3° entre as linhas radiais,
conforme demonstrado na Equação 4.
∑9n=1 Comprimento das linhas radiais

F= [4]
9
A metodologia recomenda que diferentes direções do raio central no sentido do barramento

sejam testadas, incluindo a direção em que o raio central é normal ao eixo do barramento e também
o direcionamento que resulte no maior comprimento das linhas radias.
Velocidade dos Ventos:
É recomendado, estudos específicos de probabilidade da ocorrência de ventos extremos que

são passíveis de ocorrer no mesmo instante da ocorrência de precipitações máximas, que resultem
na máxima sobrelevação do reservatório na passagem da cheia de projeto.
As probabilidades de excedência de uma determinada velocidade do vento deve ser
transportado para o reservatório, desde que a base de dados seja obtida por meio de estações de
monitoramento localizadas em regiões próximas. Para corrigir os valores do vento aplica-se a razão
ilustrada na Figura 2, de acordo com USBR (2012).
Entretanto, na indisponibilidade de dados de monitoramento de ventos na região de
interesse, o USBR (1987), recomenda a aplicação das velocidades de 100 mi/h (160 km/h), para a
avaliação do borda livre normal, que seria aquela calculada a partir do Nível de Água Máximo
Normal do reservatório, e 50 mi/h (80 km/h) no cálculo da borda livre a ser mantida acima do Nível
de Água Máximo Maximorum associado a eventos de cheia extrema.
Figura 2. – Razão entre a velocidade medida e a velocidade sobre o reservatório
Sendo, UL a velocidade do vento sobre o solo, UW a velocidade do vento sobre o reservatório e RL

a razão entre as velocidades.

Altura da Onda Eólica:
A formação de ondas provenientes da ação dos ventos não ocorre de forma uniforme,
consistindo em distribuições de ondas com várias alturas. A altura da onda eólica (Hs) é definida
como a média de um terço (33,3%) das maiores ondas obtidas a partir de estudo específico
realizado nos reservatórios dos Lagos Texoma e Fort Peck, (Saville, 1962), sendo função do fetch
calculado e da velocidade média do vento sobre a água, conforme a Equação 5.
1 1
𝐻𝐻𝑆𝑆 = 0,0245 ∗ 𝐹𝐹 2 ∗ 𝑉𝑉 (1,1 + 0,0156 ∗ 𝑉𝑉)2 [5]
Sendo, “Hs” é a amplitude da onda eólica em metros; “V” a velocidade do vento sobre o
reservatório.
Comprimento e período da Onda:
As Equações 6 e 7 representam o cálculo do período da onda (T) e o comprimento da onda

(L), respectivamente.
1 1 1
𝑇𝑇 = 0,464 ∗ 𝐹𝐹 3 ∗ 𝑉𝑉 3 ∗ (1,1 + 0,0156 ∗ 𝑉𝑉)6 [6]
𝐿𝐿 = 5,12 𝑇𝑇 2 [7]
Wave Runup:
A partir cálculo do período da onda, da altura da onda eólica e da determinação da

inclinação do talude de montante, o coeficiente Wave Runup (R) pode ser determinado, a partir das
Equações 8 e 9.
(tan 𝛼𝛼)
𝜀𝜀𝑝𝑝 = 2,26 ∗ 𝑇𝑇 [8]
𝐻𝐻𝑠𝑠 1/2
𝑅𝑅 = 𝐻𝐻𝑆𝑆 (𝐴𝐴 𝜀𝜀𝑝𝑝 + 𝐶𝐶)𝛾𝛾𝑟𝑟 𝛾𝛾𝑏𝑏 𝛾𝛾ℎ 𝛾𝛾𝛽𝛽 [9]
Sendo, “𝜀𝜀𝑝𝑝 ” é o fator de similaridade da superfície; “α” é a inclinação do talude de montante; “A,
C” são os coeficientes em função de ξp (Tabela 4); “ϒr ϒb ϒh ϒβ” são os fatores de redução
descritos a seguir.
Os fatores de redução estão relacionados as características do talude de montante do maciço
em análise, sendo o ϒr função da rugosidade, indicado valores de referência de 0,55 para taludes
revestidos com riprap e 1,00 para taludes lisos/uniformes. ϒb é um fator de redução relacionado a
influência de berma, ϒh está relacionado a influência de condições de águas rasas e ϒβ está
relacionado a direção do fetch em relação ao eixo do maciço, sendo recomendado na maioria dos
casos de análise de borda livre a adoção de valor igual a 1 para ambos os fatores, USBR (2012).
Tabela 4. – Parâmetros “A” e “C” no cálculo do Wave Runup – Referência USBR (2012)
Limite ξp A C
ξp ≤ 2,5 1,6 0
2,5 < ξp < 9 -0,2 4,5
Wind Setup:
O parâmetro de Wind Setup (S) é calculado a partir da Equação 10.

𝑉𝑉∗𝐹𝐹
𝑆𝑆 = [10]
1400∗𝑑𝑑
Sendo “d” a profundidade média do reservatório.
Nesse sentido, a borda livre eólica é dada pela Equação 11.
B.L. : Wave Runup + Wind Setup = R + S
Por fim, a altura necessária para garantir a borda livre eólica corresponde a maior das duas
alturas: (i) altura de 3 pés (~0,91 m) e (ii) a soma da parcela do Wave Runup e do Wind Setup.
DESCRIÇÃO DO ESTUDO DE CASO
Este artigo visa trabalhar de maneira paramétrica cada uma das variáveis abordadas nas
distintas metodologias ora mencionadas, com o intuito de ilustrar a variação das bordas livres
calculadas e, consequentemente, a implicação na determinação da elevação de projeto da crista das
barragens. Sendo assim, para a aplicação das diferentes metodologias supracitadas foram propostas
duas configurações de reservatório:
(a) reservatório irregular, formados por vários afluentes do tipo barragem de fechamento de
vale convencional;
(b) reservatório com formato alongado e retangular do tipo “pond”, com barramento
formado por 4 paredes.
Ambas as configurações adotadas no presente trabalho representam geometrias hipotéticas
de reservatório, representadas esquematicamente na Figura 3.
a)
b)
Figura 3.- Croqui esquemático dos tipos de reservatórios analisados: a) reservatórios

irregulares/convencionais; b) reservatórios retangulares
Como forma de parametrização para a análise comparativa, foi considerado que ambos os
reservatórios possuem características semelhantes, como: área de espelho de água, inclinação do
talude de montante, altura da superfície líquida do reservatório em contato com o maciço,
revestimento do talude de montante e comprimento do eixo central perpendicular ao maciço,
alternando apenas a geometria do reservatório.
Foi adotada a velocidade do vento recomendada por Pinheiro (2011), correspondente a 80
km/h, valor este similar ao recomendado pelo USBR (1987) na análise de borda livre acima do
Nível de Água Máximo Maximorum (50 mi/h). Adicionalmente, foi aplicada a velocidade de 160

km/h (100 mi/h) recomendada no cálculo da borda livre mínima acima do Nível de Água Máximo
Normal, conforme USBR (1987).
RESULTADOS
A seguir são apresentados os resultados obtidos na análise da borda livre eólica para os
diferentes tipos de reservatório e aplicando as diferentes metodologias descritas anteriormente.
i. Cálculo da Borda Livre Eólica – Referência Pinheiro (2011)
A Figura 4 representa o diagrama do cálculo do fetch, que adota como referência 5 linhas
radiais para cada lado do eixo central, com intervalo angular entre as projeções das distâncias de
10°, sendo o último de 5°, limitado em 45°. Na sequência, a Tabela 5 apresenta a aplicação das
Equações 3, 4 e 5 para determinação da borda livre mínima remanescente para os reservatórios com
geometria hipotética e formatos retangular e irregular.
Figura 4.- Diagrama do cálculo de fetch para reservatórios regulares e irregulares.

Tabela 5. – Cálculo da borda livre mínima remanescente requerida para reservatórios com geometria
hipotética retangular e irregular – aplicação da metodologia de Pinheiro (2011)
Reservatório Regular Reservatório Irregular
Ângulo θ cos θ Comprimento Ângulo θ cos θ Comprimento
di x cos θ di x cos θ
(graus) (rad) - di (km) (graus) (rad) - di (km)
45 0,707 0,458 0,324 45 0,707 0,375 0,265
40 0,766 0,504 0,386 40 0,766 0,370 0,284
30 0,866 0,648 0,561 30 0,866 0,562 0,487
20 0,940 0,947 0,890 20 0,940 0,501 0,471
10 0,985 1,452 1,430 10 0,985 0,859 0,846
0 1,000 1,426 1,426 0 1,000 1,280 1,280
10 0,985 1,452 1,430 10 0,985 0,957 0,943
20 0,940 0,947 0,890 20 0,940 0,941 0,884
30 0,866 0,648 0,561 30 0,866 1,060 0,918
40 0,766 0,504 0,386 40 0,766 0,702 0,538
45 0,707 0,458 0,324 45 0,707 0,716 0,507
∑= 9,527 ∑= 8,606 ∑= 9,527 ∑= 7,422
Fetch Efetivo (km) 0,903 Fetch Efetivo (km) 0,779
Velocidade do vento de 80 km/h
Amplitude da Onda Amplitude da Onda
0,50 0,46
Eólica – h0 (m) Eólica – h0 (m)
Borda Livre Borda Livre
0,69 0,65
Remanescente (m) Remanescente (m)
Amplitude da Onda Amplitude da Onda
1,03 0,96
Eólica – h0 (m) Eólica – h0 (m)
Borda Livre Borda Livre
1,45 1,35
Remanescente (m) Remanescente (m)

ii. Cálculo da Borda Livre Eólica – Referência USBR (2012)
A Figura 5 apresenta o diagrama do cálculo do fetch obtido por meio da aplicação de 9

linhas radiais e intervalo angular entre as projeções das distâncias de 3°, sendo limitado em 12° em
relação ao eixo central.
Figura 5.- Diagrama do cálculo de fetch para reservatórios regulares/alongados e irregulares.
Para a aplicação da metodologia proposta pelo USBR (2012) adotou-se como dados de
entrada a profundidade média dos reservatórios (d) igual a 2,00 m, inclinação do talude de montante
(α) igual a 1,5 e os fatores de redução “ϒr ϒb ϒh ϒβ” iguais a 1, ou seja, sem revestimento no
talude de montante e inexistência de berma. Os resultados obtidos são sintetizados na Tabela 6.
Destaca-se que na aplicação da metodologia proposta pelo USBR (2012) ao longo do
desenvolvimento dos estudos de dimensionamento do reservatório, existem alternativas que
auxiliam na redução da borda livre mínima remanescente, entre elas a implementação de
revestimentos no talude de montante, como por exemplo, riprap e enrocamento e até na inclinação
do talude, condições que alteram os fatores de redução aplicados, conforme descrito no item
referente ao arcabouço metodológico.
Para os reservatórios hipotéticos descritos na Tabela 6, com a adoção de revestimento de
riprap, que possui fator de redução ϒr=0,55, observa-se uma redução de aproximadamente 40%,
nos valores de borda livre remanescentes obtidas para taludes lisos/uniformes. Já a alteração apenas
da inclinação do talude (α) igual a 2,0, resulta na redução de aproximadamente 25% da borda livre,
conforme apresentado na Tabela 7.

Tabela 6. – Cálculo da borda livre mínima remanescente requerida para reservatório com geometria
hipotética retangular e irregular – aplicação da metodologia do USBR (2012)
Reservatório Regular Reservatório Irregular
N de raios N de raios Ângulo θ Comprimento
Ângulo θ (graus) Comprimento (m)
(graus) (graus) (graus) (m)
1 12 1.459 1 12 884
2 9 1.445 2 9 1.262
3 6 1.435 3 6 1.251
4 3 1.429 4 3 1.271
5 0 1.426 5 0 1.379
6 3 1.427 6 3 1.435
7 6 1.434 7 6 979
8 9 1.444 8 9 910
9 12 1.458 9 12 907
∑= 12.956 ∑= 10.280
Fetch Efetivo (km) 1,44 Fetch Efetivo (km) 1,14
Altura da Onda – Hs (m) 0,48 Altura da Onda – Hs (m) 0,43
Período da Onda – T (s) 1,83 Período da Onda – T (s) 1,69
ξp 2,19 ξp 2,15
Coeficiente A 1,6 Coeficiente A 1,6
Coeficiente C 0 Coeficiente C 0
Wave Run Up – R (m) 1,68 Wave Run Up – R (m) 1,47
Wind Setup – S (m) 0,07 Wind Setup – S (m) 0,06
Borda Livre Remanescente Borda Livre Remanescente
1,76 1,53
(m) (m)
Altura da Onda – Hs (m) 1,14 Altura da Onda – Hs (m) 1,02
Período da Onda – T (s) 2,44 Período da Onda – T (s) 2,26
ξp 1,90 ξp 1,86
Coeficiente A 1,6 Coeficiente A 1,6
Coeficiente C 0 Coeficiente C 0
Wave Run Up – R (m) 3,47 Wave Run Up – R (m) 3,03
Wind Setup – S (m) 0,29 Wind Setup – S (m) 0,23
Borda Livre Remanescente Borda Livre Remanescente
3,76 3,26
(m) (m)

Tabela 7. – Comparativo entre os valores de borda livre obtidos segundo a metodologia do USBR (2012)
para diferentes características de maciço.
Borda Livre Remanescente (m)
Velocidade do Vento (km/h) Parâmetros
Regular Irregular
ϒr = 1,00 e α = 1,5 1,76 1,53
80 ϒr = 0,55 1,00 0,91
α = 2,00 1,34 1,16
ϒr = 1,00 e α = 1,5 3,76 3,26
160 ϒr = 0,55 2,20 1,90
α = 2,00 2,89 2,50
DISCUSSÃO DOS RESULTADOS
Considerando um caso hipotético dos reservatórios possuírem soleira do extravasor na El. 100,00 m
e sobrelevação máxima do nível de água de 1,0 m em relação à soleira na passagem da cheia de
projeto, apresenta-se na Tabela 8 a cota mínima requerida para a crista do maciço para as diferentes
condições estudadas.
Tabela 8. – Avaliação hipotética da cota mínima requerida do maciço hipotético para as diferentes
metodologias abordadas
Pinheiro (2011) USBR (2012)
N.A. Vel. Borda Livre Cota Mínima Borda Livre Cota Mínima
Reservatório
(m) (km/h) Remanescente Requerida do Remanescente Requerida do
Requerida (m) Maciço (m) Requerida (m) Maciço (m)
Regular 101,00 0,69 101,69 1,76 102,76
(Max. 80,00
Irregular Mxm) 0,65 101,65 1,53 102,53
Regular 100,00 1,45 101,45 3,76 103,76
(Max. 160,00
Irregular Nrm) 1,35 101,35 3,26 103,26
As metodologias de cálculo possuem diferenças quanto aos níveis de detalhamento nos

dados de entrada, principalmente quanto aos ângulos das projeções para cálculo do fetch e a
amplitude máxima dos mesmos no reservatório. Adicionalmente, a metodologia do USBR (2012)
acrescenta em sua metodologia o impacto do revestimento e inclinação do talude de montante e
profundidade do reservatório na determinação da borda livre. Observa-se que estas variáveis
impactam diretamente nos valores de amplitude eólica calculados.
Para as duas metodologias explicitadas, observa-se uma discrepância quanto aos valores
finais de borda livre. As bordas livres dos reservatórios calculadas pela metodologia do USBR
(2012), atingem valores superiores ao dobro dos valores propostos pela metodologia de Pinheiro
(2011). Este fato é consequência de uma série de premissas diferenciadas entre estes dois métodos
de cálculo. Uma das diferentes variáveis é quanto ao ângulo entre as linhas do diagrama típico do
fetch. Na metodologia apresentada por Pinheiro (2011), para o cálculo do diagrama típico
considera-se o intervalo angular máximo 45° para cada lado do eixo central. Já na metodologia do
USBR (2012), considera-se o intervalo angular máximo de 12°. Conforme é ilustrado nas Figuras 4
e 5, respectivamente, os comprimentos da Figura 4 tendem a serem menores, uma vez que os
ângulos são mais abertos. Esta premissa, por si só, condiciona a valores menores de fecth, conforme
explicitado nas Tabelas 5 e 6.
Destaca-se que no desenvolvimento dos estudos de dimensionamento de reservatórios
existem alternativas que auxiliam na redução da borda livre mínima remanescente, entre elas a
consideração de revestimentos nos taludes de montante, como por exemplo, riprap e/ou

enrocamento e até na inclinação do talude de montante. Adicionalmente especificamente para
barragens de rejeito o cálculo do fetch deve ser aplicado apenas sobre a superfície liquida formada
no interior do reservatório, desconsiderando a região ocupada por rejeito.
Vale destacar também a importância do parâmetro de velocidade do vento nos cálculos, que
pode ser tratado a partir de uma análise probabilística dos dados monitorados na região do estudo.
Contudo, em muitos casos, esses dados não são monitorados e/ou disponibilizados para consulta
pública, sendo recomendado pelos autores a adoção de valores de referência. Observa-se,
entretanto, que este é um parâmetro extremamente sensível para a determinação da amplitude eólica
e, consequente, da borda livre em reservatórios.
CONCLUSÃO
De acordo com as metodologias explicitadas neste trabalho, ressalta-se a importância do

monitoramento in loco da variável "vento" evitando o uso de valores genéricos estipulados pelos
manuais e/ou referências, uma vez que este é um fator que impacta diretamente nos resultados,
podendo resultar em bordas livres, como o exemplo hipotético calculado, de até 3,76 metros.
Contudo, frente as incertezas associadas à definição das cheias de projeto, seja por questões
relacionadas ao uso e ocupação do solo ou pelo aumento, cada dia mais evidente, das intensidades
de chuva, é de suma importância a definição adequada da borda livre em reservatórios, visando
absorver essas incertezas.
Conforme apresentado, as normas nacionais e internacionais, entre elas, a NBR 13.028 e
ANCOLD, indicam diferentes critérios no quesito de segurança hidrológica, entre eles a adoção de
Borda Livre. Entretanto, essas referências não especificam qual metodologia deve ser aplicada.
Dessa forma, em virtude das discrepâncias entre as metodologias para o cálculo da borda livre,
conforme demostrado no presente estudo é evidente a importância de um apurado julgamento de
engenharia do especialista na definição dos critérios que melhor se enquadrem no problema em
questão.
Destaca-se que tem sido prática de muitas empresas de consultoria e projetos no Brasil a
utilização da metodologia apresentada por Pinheiro (2011) por se tratar de uma referência
desenvolvida especificamente para elaboração de estudos hidrológicos e dimensionamentos
hidráulicos em obras de mineração, foco do presente artigo.
REFERENCIAS
ABNT – Associação Brasileira de Normas Técnicas. (2017) Requisitos Mínimos para Elaboração e
Apresentação de Projeto de Barragens para Disposição de Rejeitos, Contenção de Sedimentos e Reservação
de Água, em Mineração, Visando Atender às Condições de Segurança, Operacionalidade, Economicidade e
Desativação, Minimizando os Impactos ao Meio Ambiente. ABNT NBR 13028, 3a edição.
ANCOLD – Australian National Commitee on Large Dams Incorporated. (2012) Guidelines on Tailings
Dams. Planning, Construction, Operation and Closure.
ELETROBRÁS - Centrais Elétricas Brasileiras S.A.; CBDB – Comitê Brasileiro de Barragens (2003).
Critérios de Projeto Civil de Usinas Hidrelétricas.
PEREIRA, G. M. (2015). Projeto de Usinas Hidrelétricas Passo a Passo. São Paulo: Oficina de Textos.
PINHEIRO, M.C. (2011) Diretrizes para Elaboração de Estudos Hidrológicos e Dimensionamentos
Hidráulicos em Obras de Mineração. 1ª Edição, 171p.
SAVILLE, T.; McCLENDON, E. W.; COCHRAN, A. L. (1962) Freeboard Allowancess for Waters in
Inland Reservoirs, ASCE Journal of Waterways and Harbours Division.
SENTÜRK, F. (1994) Hydraulics of Dams and Reservoir. Water Resources Publications. Colorado, USA
Highlands Ranch, 788 pp.
USBR – U.S. Bureau of Reclamation. (1977) Design of Small Dams, A Water Resources Technical
Publication.
USBR – United States Department of the Interior. (2012) Bureau of Reclamation. Design Standards Nº.
13 – Embankment Dams. Chapter 6: Freeboard. Phase 4 (Final).

IAHR AIIH
UTILIZACIÓN DE ALGUNOS AFOROS DE GASTO

EN CUENCAS NO AFORADAS
Claudia Rojas Serna1, Claude Michel2, Charles Perrin2, y Vazken Andréassian2

1
Universidad Autónoma Metropolitana-Iztapalapa, Departamento de Ingeniería de Procesos e Hidráulica
Av. San Rafael Atlixco No. 186, Col. Vicentina, C.P. 09340
Ciudad de México, México.
2
Irstea, Hydrosystems and Bioprocesses Research Unit (HBAN)
Antony, France.
crojas@xanum.uam.mx; charles.perrin@irstea.fr; vazken.andreassian@irstea.fr
RESUMEN:
En este trabajo desarrollamos y utilizamos sobre más de 1100 cuencas distribuidas en cuatro
continentes, un método en donde el juego de parámetros de un modelo conceptual diario lluvia-
gasto se encuentra en un conjunto discreto de juegos de parámetros obtenidos previamente sobre
cuencas aforadas. El método propuesto utiliza un conjunto de “cuencas-tipo” basado en las
distribuciones “a priori” de los valores de los parámetros del modelo. Es importante resaltar que el
método denominado “cuencas-tipo” utiliza sólo algunas medidas puntuales de gasto para obtener
los parámetros del modelo lluvia-gasto utilizado. El método desarrollado se aplica variando las
medidas puntuales de gasto, utilizando 5, 10, 20 y 50 medidas hidrométricas para obtener los
parámetros del modelo que simula los gastos diarios en cada una de las cuencas que son tratadas
como no aforadas. Los resultados son alentadores ya que en promedio, con sólo 10 aforos
disponibles se obtienen simulaciones que están dentro de un rango de aceptabilidad definido
utilizando un típico criterio de validación.
RESUME:
Dans ce travail nous avons développé et utilisé sur plus de 1100 bassin versants distribués
sur quatre continents, une méthode où le jeu de paramètres d’un modèle conceptuel journalier pluie-
débit est à trouver dans un ensemble discret des jeux de paramètres obtenus préalablement sur des
bassins jaugés. La méthode proposée utilise un ensemble de « bassins-type » basé dans les
distributions « a priori » des valeurs des paramètres du modèle. La méthode développé s’applique
en faisant varier les mesures ponctuelles de débit, en utilisant 5, 10 20 et 50 mesures
hydrométriques pour obtenir les paramètres du modèle qui simule les débits journalier sur chaque
un des bassins versants qui ont été traités comme des bassins no jaugés. Les résultats sont
encourageants car en moyenne, avec seulement 10 mesures de débit disponibles, on obtient des
simulations qui sont dans une fourchette d’acceptabilité définie un utilisant un critère traditionnelle
de validation.
PALABRAS CLAVES: modelo lluvia-gasto; parámetros; cuencas no aforadas

INTRODUCCIÓN
En la aplicación de un modelo lluvia-escurrimiento en una cuenca no aforada es necesario

relacionar los parámetros de dicho modelo a los descriptores de la cuenca. Existen en general dos
estrategias para relacionar éstos descriptores o características de la cuenca a los parámetros del
modelo: a) la utilización de regresiones simples o múltiples entre los valores de los parámetros y los
descriptores de la cuenca y b) la utilización de similitud entre cuencas para identificar un grupo de
cuencas de las que se pueden explotar los parámetros calibrados. Dichas estrategias pueden ser
utilizadas de manera complementaria, o bien separadamente. La primera estrategia se ha aplicado
en otros trabajos por los autores del presente documento, así como otros autores interesados en el
tema. Aquí nos interesamos en la segunda estrategia citada, la utilización de la similitud.
El objetivo de este trabajo es aplicar un modelo lluvia-gasto en cuencas no aforadas,
utilizando la similitud entre cuencas y medidas puntuales de gasto.
El artículo está organizado en cuatro secciones: a) se mencionan las cuencas utilizadas en
este trabajo; b) se presenta el modelo utilizado GR4J; c) se describe el método desarrollado para
obtener los parámetros del modelo y aplicarlo a cuencas no aforadas; d) se analizan y se discuten
los resultados obtenidos en términos de la eficiencia del modelo y de los valores de sus parámetros,
finalmente se mencionan las conclusiones y perspectivas de este trabajo.
OBJETIVO
El objetivo principal es identificar los parámetros de un modelo diario lluvia-escurrimiento

global, GR4J, en una cuenca no aforada, y buscar una estrategia para calibrar sus parámetros usando
algunas mediciones de gasto.
METODOLOGÍA
CUENCAS DE ESTUDIO
La metodología propuesta en este trabajo para aplicar un modelo lluvia-gasto en cuencas no

aforadas se aplicó y analizó sobre una gran muestra de cuencas que está formada por datos de 1111
cuencas que son consideradas como no aforadas y que presentan características físicas y climáticas
muy diversas. Estas cuencas están situadas en los seis países siguientes y están repartidas como
sigue: 10 cuencas en Costa de Marfil, 4 cuencas en Brasil, 500 cuencas en Estados Unidos de
América, 260 cuencas en México, 305 cuencas en Francia y 32 cuencas en Australia.
Para cada una de las cuencas, cuatro tipos de datos tradicionales utilizados en modelización
lluvia-escurrimiento fueron recabados. En lo que concierne a los datos físicos, solamente
disponemos del área de aportación de la cuenca; en lo relativo a las características físicas, se
dispone de las series diarias de lluvia y de la evapotranspiración potencial y en lo concerniente a la
hidrometría, disponemos para cada cuenca, las series de datos diarios de gasto.
A continuación presentamos las cuencas por orden decreciente del número de cuencas por
país.
Cuencas situadas en Estados Unidos de América
Los datos de las 500 cuencas situadas en Estados Unidos de América tienen como origen
dos fuentes diferentes: 36 cuencas provienen de la base de datos de la Agricultural Research Service
(ARS) (Thurman and Roberts, 1995) y los datos de 464 cuencas fueron proporcionados por el
Model Parameter Estimation Experiment (MOPEX) (Cong et al., 2004).
Las cuencas son variadas gracias a la diversidad de climas del territorio estadounidense. El
clima es tropical en Florida y en Hawai, mediterráneo al sur de California, continental húmedo en

los Estados del Noreste. Las grandes planicies en el oeste del río Mississipi presentan un clima
semiárido, mientras que la Gran Cuenca del Suroeste es árida. En el Noroeste las bajas temperaturas
invernales son a veces atenuadas, en enero y febrero, por los vientos calientes que soplan desde las
pendientes orientales de las Montañas Rocallosas.
Las lluvias son intensas en la región noroeste, próxima al Océano Pacífico y son pequeñas
en las zonas del sudeste.
Cuencas situadas en Francia
Disponemos de 305 cuencas francesas que han sido utilizadas por Perrin (2000) en un
estudio de comparación de modelos lluvia-gasto. Las cuencas están repartidas en las seis Agencias
de Agua francesas: 3 cuencas en Artois-Picardie, 56 en Seine-Normandie, 65 en Loire-Bretagne, 31
cuencas situadas en Rhin-Meuse, 61 cuencas en Adour-Garone y 91 cuencas en Rhône-
Méditerranée-Corse.
Los datos de gasto provienen del banco de datos HYDRO del Ministerio del Medio
Ambiente francés, los datos de lluvia y evapotranspiración potencial fueron proporcionados por
Météo-France.
Francia es un país con clima temperado a dominante oceánico. Se pueden distinguir cuatro
tipos de clima: oceánico típico, oceánico de transición, de montaña y mediterráneo. Las
temperaturas y las precipitaciones son moderadas, se pueden presentar fenómenos climáticos
extremos pero son demasiado raros. Los regímenes son muy variados, en montaña los cursos de
agua son alimentados de las aguas primaverales y algunos tienen una alimentación glaciar. Los
cursos de agua mediterráneos son más irregulares, con sequías muy pronunciadas y crecidas
violentas generalmente en otoño. Los niveles altos de agua se presentan en invierno.
Cuencas situadas en México
Los datos de las 260 cuencas mexicanas fueron proporcionados por la Comisión Nacional
del Agua (Conagua) mexicana. Los datos de hidrometría fueron obtenidos del Banco Nacional de
Datos de Aguas Superficiales (BANDAS), creado por el Instituto Mexicano de Tecnología del
Agua (IMTA) para la Conagua. De las 2014 estaciones hidrométricas disponibles, extrajimos 260
estaciones, teniendo cuidado de no utilizar estaciones con presas o almacenamientos de agua aguas
arriba o que no contaran con el mínimo necesario de pluviómetros. (Schaake et al., 2000).
Los datos pluviométricos provienen del banco de datos climatológicos ERIC de la Conagua
que reagrupa los datos de los pluviómetros y las estaciones climatológicas repartidas en el territorio
mexicano.
La evapotranspiración potencial fue calculada con la fórmula propuesta por Oudin (2004),
que presenta un progreso en relación a la fórmula de Penman para la modelización hidrológica.
Cuencas situadas en Australia
Las 32 cuencas situadas en Australia provienen de la Australian Bureau of Meteorology. Los

datos de precipitación son los promedios de la cuenca y la evapotranspiración potencial fue
estimada con la fórmula de Morton (1983).
Australia tiene un clima caliente y seco, las temperaturas son elevadas y las precipitaciones
son pequenãs. Una gran parte del territorio de Australia es árido, la zona tropical presenta una
sequía durante la estación más caliente. El territorio australiano cuenta también con un parte donde
el clima es temperado y otra parte es de tipo mediterráneo.

Cuencas situadas en Costa de Marfil
Las 10 cuencas situadas e Costa de Marfil también han sido utilizadas por Perrin (2000) y
son el producto de un estudio llevado por el Institut de Recherche pour le Développement (IRD) en
Abidjan.
La evapotranspiración potencial fue calculada con la fórmula de Penman (1948).
El clima en Costa de Marfil varía en función del Frente Intertropical, el sur es muy húmedo
y el norte es más seco con estaciones menos marcadas.
Cuencas situadas en Brasil
Las 4 cuencas de Brasil provienen de la Universidad de Minas Gerais, Belo Horizonte. Estas
cuencas fueron utilizadas en un estudio realizado por Melo y Nascimento (1999) y fueron utilizadas
también por Perrin (2000).
Las precipitaciones anuales en la zona en estudio exceden 1300 mm, la evapotranspiración
potencial media varía entre 60 mm en julio y agosto y 110 mm en diciembre y enero, la temperatura
media varía entre 17 grados en período seco a 24 grados en estación húmeda.
MODELO CONCEPTUAL GR4J
El modelo diario de lluvia-gasto GR4J (Génie Rural à 4 paramètres Journalier) fue

desarrollado en el Cemagref-Antony, Francia (Edijatno et al., 1999; Perrin, 2002), y es un modelo
de cuatro parámetros para simular los gastos diarios en una cuenca. En sus dominios de aplicación
se encuentra la modelización lluvia-gasto con pocos parámetros con vistas a su utilización en
cuencas no aforadas.
El modelo GR4J es un modelo empírico ya que descompone la transformación de la lluvia
en gasto en subprocesos que son tratados de manera global. Estos subprocesos toman la forma de
reservas o captaciones que se llenan y se vacían en el curso del tiempo, permitiendo al sistema tener
una memoria de las condiciones anteriores. El modelo es esquemáticamente constituido por
captaciones interconectadas que aseguran la transformación de la lluvia en gasto, siguiendo la
representación del sistema hidrológico modelado.
En la Figura 1 se muestra la estructura del modelo GR4J donde la representación del ciclo
hidrológico parte de la precipitación; a partir de la cual se crea una precipitación neta al perder parte
de la precipitación bruta por evapotranspiración. Una parte de la precipitación neta alimenta la
reserva del suelo (captación del suelo) y el resto transita hacia el punto de salida de la cuenca.
Cuando la precipitación bruta es interceptada en su totalidad por el medio ambiente, el agua
contenida en el suelo empieza a evaporarse. La cantidad de agua que escurre hacia la salida de la
cuenca es retardada en función de la respuesta de la cuenca a la lluvia (tiempo de base del
hidrograma unitario) y es separada en dos componentes de escurrimiento : el escurrimiento semi-
directo y el escurrimiento directo. El tiempo de base del hidrograma unitario permite simular el
tiempo que transcurre entre el inicio de la lluvia y el establecimiento del escurrimiento directo. El
escurrimiento directo representa el 90% de la lluvia eficaz y es retardado por el hidrograma unitario
que simula el tiempo de pico (tiempo en que se produce el gasto máximo de la tormenta),
circulando así por la captación del cauce del río hasta llegar a la salida de la cuenca. El 10% restante
de la lluvia eficaz corresponde al escurrimiento semi-directo y el tiempo de base del hidrograma
unitario es dos veces el tiempo de pico del escurrimiento directo, llegando directamente a la salida
de la cuenca. El gasto en el punto de salida de la cuenca está alimentado por la infiltración. La
infiltración superficial o profunda está definida por los intercambios de agua superficiales o
subterráneos (coeficiente de intercambio).
En la estructura del modelo existen dos componentes fundamentales:

 La primera es el módulo de producción; responsable de la determinación del equilibrio del
agua, es decir, la repartición de la lluvia bruta en lluvia neta que alimenta el gasto,
considerando la cantidad evaporada y la cantidad almacenada de agua, así como una función
de intercambio de agua que permite simular las pérdidas hacia el exterior y/o las
aportaciones del exterior.
 La segunda, es el módulo de transferencia que permite asegurar la repartición temporal de la
cantidad de agua que transita en el río.
En la Figura 1 se presentan los cuatro parámetros (X1, X2, X3 y X4) que utiliza el modelo GR4J
modelar la transformación de la lluvia en gasto.
Figura 1.- Estructura del modelo diario de lluvia-gasto GR4J, (Perrin, 2000).
El modelo GR4J tiene cuatro parámetros para ser calibrados. Está compuesto por: un
proceso de capacidad de retención del suelo (parámetro X1 en mm), una función de transferencia
que combina el almacenamiento del cauce (parámetro X2 en mm) y un hidrograma unitario
(parámetro X3 en días), y una función de ganancia-pérdida (parámetro X4 en mm). Para que la
calibración sea más eficiente, ésta se lleva a cabo con valores transformados de estos parámetros, de
modo que los parámetros transformados, denotados xi, pertenecen al intervalo [-10,10]. En la Tabla
1 se muestran la media y la desviación estándar de los parámetros transformados para una muestra
de 1111 cuencas.
Como primera aproximación al uso del modelo GR4J en cuencas no aforadas, tratamos de
explicar los parámetros transformados utilizando tres características de la cuenca: el área de
captación (A, km2), la evapotranspiración potencial diaria promedia (E, mm) y la probabilidad de
precipitación diaria más grande que 0.1 mm (P). Las relaciones explicativas encontradas son:
𝑥𝑥1 = 6.3 + 0.001 log(A) + 0.05 log(E) + 0.11log⁡(P) [1]

𝑥𝑥2 = 5.3 − 0.1 log(A) − 0.07 log(E) + 0.5log⁡(P) [2]
𝑥𝑥1 = −8.7 + 0.4 log(A) + 0.4 log(E) + 0.5log⁡(P) [3]
𝑥𝑥1 = 1.2 − 0.07 log(A) + 0.03 log(E) + 1.3g⁡(P) [4]

MEDIDAS PUNTUALES DE GASTO
La idea del método propuesto en este trabajo, para obtener los parámetros de un modelo, es
utilizar la información correspondiente a las medidas puntuales de gasto disponibles. Si denotamos
como N al número de medidas puntuales de gasto, entonces se puede denotar con la letra i al día en
el cual se dispone de una medida puntual de gasto, de esta manera, se puede escribir:
𝑖𝑖 = 1,2,3, … , 𝑁𝑁 [5]
Entonces la calibración del modelo para cada una de las cuencas de la muestra -que han sido
consideradas como no aforadas y para las cuales se dispone sólo de un cierto número N de medidas
de gasto diario-; se realiza considerando y variando N.
MÉTODO DE “CUENCAS-TIPO”
Las distribuciones de las frecuencias acumuladas correspondientes a los juegos de

parámetros obtenidos en la etapa de calibración del modelo GR4J sobre la muestra de 1111 cuencas,
se utilizan para definir valores “bajos”, “medios” y “altos”. Esta definición de tamaños asignada a
los valores de los parámetros calibrados se realiza con la ayuda de los quantiles 0.333 y 0.667. La
Figura 2 muestra la distribución considerada para el parámetros X4 del modelo GR4J.
Figura 2: Identificación de valores de los parámetros en función de los quantiles.
De acuerdo a estos quantiles 0.333 y 0.667 y al número de parámetros del modelo se puede
definir 34 clases de cuencas. La cuenca-tipo de una clase está definida por el juego de parámetros
que está situado al centro de los tres intervalos definidos en la Figura 2. Es decir, los quatiles 0.167,
0.5 y 0.833 definen la cuenca-tipo de una clase.
Los parámetros del modelo retenidos para una cuenca no aforada son aquellos que
reproducen lo mejor posible las N medidas de gasto. Esto se valida con el criterio CRIT mostrado
en la ecuación 6; en esta ecuación N corresponde al número de medidas puntuales disponibles de
gasto; Q es la medida puntual de gasto del día i (i=1,…N) y Q ̂ corresponde al gasto calculado el día
i con el juego de parámetros de la cuenca-tipo seleccionada. Además se utilizan cada uno de los 34
juegos de parámetros correspondientes a las cuencas-tipo definidas precedentemente.

1 2
𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 = 𝑁𝑁 ∑𝑁𝑁 ̂
𝑖𝑖=1 (√𝑄𝑄 − √𝑄𝑄 ) [6]
CRITERO DE VALIDACIÓN
La validación de las series de gasto calculadas por el modelo lluvia-escurrimiento respecto a

las series de gasto observadas o aforadas, se realiza adoptando el procedimiento de optimización
que consiste en minimizar las variaciones entre los gastos medidos y los gastos calculados. En este
procedimiento se adaptan los valores de los parámetros del modelo de manera iterativa.
Para medir el grado de adecuación medio entre los valores simulados y aforados, se adopta
el procedimiento "split-sample test" (Klemeš, 1986): para cada cuenca se separan las series de datos
disponibles en dos subperiodos independientes, se evalúan los parámetros con los datos del primer
subperiodo y después se validan con la simulación en el segundo subperiodo. El procedimiento
descrito anteriormente es repetido intercambiando los roles de los subperiodos (evaluación de los
parámetros con el segundo subperiodo y validación con el primero).
La optimización de los parámetros en cada subperiodo se realiza con el criterio clásico
descrito de “cuencas tipo” CRIT (ecuación 6). Los resultados de toda la muestra se obtienen con la
media evaluada usando las validaciones de las simulaciones hechas en ambos subperiodos.
Las simulaciones se validan con el criterio clásico de Nash (Nash and Sutcliffe, 1970)
(ecuación 7):
∑𝑁𝑁 ̂ 2
𝑖𝑖=1(𝑄𝑄𝑖𝑖 −𝑄𝑄𝑖𝑖 )
𝑁𝑁𝑁𝑁𝑁𝑁ℎ = 1 − ∑𝑁𝑁 (𝑄𝑄𝑖𝑖 −𝑄𝑄̅ )2
[7]
𝑖𝑖=1
Cuando el criterio de Nash es igual a 1, no existe error en la simulación del modelo.

Recordemos que en las ecuaciones 6 y 7, Q indica el gasto observado y Q ̂ el gasto calculado.
Perrin (2000) concluyó que para valores de Nash iguales o superiores a 0.5 las simulaciones
de gasto son "aceptables" (pruebas realizadas para 38 modelos lluvia-escurrimiento en una muestra
de 429 cuencas). Este valor de Nash igual a 50% es considerado como el umbral de aceptabilidad
para evaluar la capacidad de la estructura del modelo para simular la transformación lluvia-gasto en
una cuenca en condiciones reales.
En nuestro trabajo utilizamos un criterio de validación de Nash transformado que permite
limitar el intervalo de variación de las simulaciones entre -1 y 1, que llamamos aquí el criterio C2M
(Mathevet, T., 2005):
𝑁𝑁𝑁𝑁𝑁𝑁ℎ
𝐶𝐶2𝑀𝑀 = 2−𝑁𝑁𝑁𝑁𝑁𝑁ℎ [8]
EVALUACIÓN DE RESULTADOS
La Figura 3 muestra los resultados promedios del método propuesto de calibración de las
mejores “cuencas-tipo” aplicada a las 1111 cuencas de nuestra muestra, cada una siendo
considerada a su turno como no aforada. Si se hace variar el número m de mejores “cuencas-tipo”
utilizadas para obtener el juego de parámetros de cada una de las cuencas se obtienen las curvas
resultantes para 5, 10, 20 y 50 medidas puntuales de gasto sobre cada cuenca. Los resultados
muestran que con 10 medidas de gasto realizadas en una cuenca no aforada, es posible calibrar un
modelo lluvia-gasto con el criterio propuesto de “cuencas-tipo”.

Figura 3.- Resultados promedio del método “cuencas-tipo”. Cada línea corresponde a un valor de N
(número de medidas puntuales de gasto utilizadas para la calibración del modelo).
CONCLUSIONES
Es interesante recordar que en los trabajos existentes en la literatura -a escala internacional-,

que se han apoyado en ésta estrategia –de similitud entre cuencas-; se han utilizado cuencas situadas
en regiones relativamente homogéneas y los resultados han sido variados. Sin embargo, cabe
mencionar que el nivel de resultados obtenidos por dichos estudios es demasiado limitado en
cuencas no aforadas, en general, porque la calibración del modelo utilizado es efectuada con series
de gasto disponibles. La ventaja del método propuesto en este trabajo es la utilización de medidas
puntuales de gasto disponibles -incluso si sólo se disponen de diez medidas de gasto- para aplicar
un modelo lluvia-gasto en una cuenca no aforada.
REFERENCIAS
Nash, J.E. and Sutcliffe, J.V. (1970). “River flow forecasting through conceptual models. Part I -
A discussion of principles”. Journal of Hydrology, 27(3): 282-290.
Perrin, C. (2000). Vers une amélioration d'un modèle global pluie-débit au travers d'une approche
comparative. Thèse de Doctorat Thesis, INPG (Grenoble) / Cemagref (Antony), 530 pp.
Rojas Serna C., Michel, C., Perrin, C. & Andréassian, V. (2006). Ungauged catchments: how to make the
most of a few streamflow measurements? Large Sample Basin Experiments for Hydrological Model
Parameterization: Results of the Model Parameter Experiment–MOPEX. IAHS Publ. 307.

IAHR AIIH
PROCEDIMIENTO PARA LA CALIBRACIÓN HIDROLÓGICA DEL

RADAR METEOROLÓGICO ARGENTINO RMA1
Furbatto Celina Grisel(1), Ingaramo Ricardo(1), Comes Raúl(2), Petroli Gastón(1),

Rodríguez Andrés 1,3 y Villa Uría Alberto(1)
(1)
Laboratorio de Hidráulica – Universidad Nacional de Córdoba, Argentina,
(2)
Facultad de Matemática, Astronomía , Física y Computación - Universidad Nacional de Córdoba, Argentina
3)IDIT-CONICET
ringaramo@unc.edu.ar
RESUMEN:
Se propone un método orientado a la calibración hidrológica del primer radar meteorológico
disponible en Córdoba, RMA1, equipado con tecnología Doppler y doble polarización simultánea
para corregir los registros de lluvias obtenidos mediante pluviógrafos y pluviómetros que
generalmente no reflejan adecuadamente la variabilidad espacial de la lluvia. Las mediciones se
registraron el 8 de marzo de 2016 entre la 1:30 UTC y las 4:20 UTC, durante una tormenta que se
desarrolló en el centro de la Provincia de Córdoba. La metodología propuesta define nueve celdas
alrededor de una estación, a la altura del haz de radar, en cada una de las cuales el RMA1 registró
mediciones del factor de reflectividad a lo largo de toda la tormenta. Se determinó la mejor
correlación entre el factor de reflectividad medido en cada celda y la precipitación observada en
superficie como la que corresponde a la posición que descargó la precipitación que luego registró el
pluviógrafo. La diferencia del tiempo registrado de estos dos eventos da como resultado el retraso
relacionado con el viento y el movimiento de la tormenta. Finalmente se determinaron los
parámetros de la función que relaciona la intensidad de precipitación con el factor de reflectividad.
ABSTRACT:
A method is proposed oriented to the hydrological calibration for the first weather radar
available in Córdoba, RMA1, equiped with Doppler and simultaneous double polarization
technologies to correct for rain gauge measurements as they do not fit adequately the rain space
variability. The measurements were registered on March 8th, 2016 between 01:30 UTC and 04:20
UTC, during a storm developed at the central area of Córdoba Province. The proposed methodology
defines nine bins around each weather station at the radar beam altitude, on which RMA1 took
measurements of the reflectivity factor during the whole storm. The highest correlation between the
reflectivity factor sequence from each bin and the rainfall registered at the rain gauge on ground
was determined corresponding to the bin discharging the precipitation later arriving to the rain
gauge. The registered time difference between these two events provides the precipitation delay
related to the horizontal wind field and the general storm motion. Finally, the parameters of the
reflectivity factor - rainfall intensity were determined.
PALABRAS CLAVE: Radar meteorológico, factor de reflectividad, hidrometeoros, estación

meteorológica.

INTRODUCCIÓN
La determinación de la distribución espacial y temporal de la precipitación con un elevado

nivel de precisión es un requerimiento clave para numerosas aplicaciones, en particular la
modelación hidrológica para el análisis y prevención de eventos extremos en cuencas urbanas y
rurales, que generalmente tienen un fuerte impacto social.
Los registros puntuales de lluvias obtenidos mediante pluviómetros y pluviógrafos, en redes
de escasa densidad e irregular distribución, no reflejan adecuadamente la variabilidad espacial de la
lluvia. Este tipo de sensores miden la precipitación a nivel de superficie con bastante precisión
(Calheiros y Zawadski, 1986) pues el dato es tomado en forma directa, pero en forma puntual lo que
no permite obtener un campo continuo de medidas que cubran todo un territorio (Germann et al.,
2006). Los radares meteorológicos en cambio tienen la capacidad de generar información espacial
muy detallada, con la posibilidad adicional de integrarla temporalmente. Permiten además cubrir
grandes áreas y sus datos son de rápido acceso para aplicaciones hidrológicas a tiempo real. Las
ventajas de obtener datos de precipitación mediante radar son múltiples (Collier, 1986), como está
ampliamente documentado en la literatura sobre el tema.
Córdoba dispone del primer radar meteorológico de serie de origen nacional, denominado
Radar Meteorológico Argentino (RMA1), que está integrado a la red del Sistema Nacional de
Radares Meteorológicos (SiNaRaMe) y está ubicado en un predio de la Universidad Nacional de
Córdoba (UNC) desde el año 2015.
En la Figura 1 se muestran imágenes de un evento medido por el radar RMA1 ubicado en
Córdoba y el de Oro Verde (Entre Ríos) operado por el INTA, ambos pertenecientes a la red del
SiNaRaMe, representadas a través de un producto desarrollado por el Grupo Radar Córdoba (GRC).
Figura 1.- Imágenes correspondientes a los radares meteorológicos de Córdoba y Oro Verde.
En la actualidad se está trabajando en la calibración hidrológica del RMA1, mediante la

integración de los datos que mide este sensor (factor de reflectividad Z) con los valores de
precipitación registrados en superficie a través de una red de Estaciones Meteorológicas
Automáticas (EMAs) (Figura 2), operadas por distintos organismos provinciales y nacionales,
públicos y privados (Ingaramo et al., 2017).

Figura 2.- Radio de alcance del RMA1 y red pluviométrica dentro de la cobertura del RMA1.
OBJETIVOS
- Describir la metodología empleada para la integración de datos de lluvia medidos en superficie

con datos de reflectividad medidos por el radar, en el marco de la calibración hidrológica del radar
meteorológico RMA1, perteneciente a la red del SiNaRaMe e instalado en la ciudad de Córdoba.
- Presentar algunos resultados preliminares de la metodología, aplicada al análisis de eventos
registrados simultáneamente por el RMA1 y las EMAs.
Para este trabajo se utilizaron valores de factor de reflectividad medidos por el radar
meteorológico RMA1 y datos de lluvia medidos en pluviógrafos pertenecientes a la red
pluviométrica que opera dentro del área de cobertura del radar.
El RMA1 es un radar de doble polarización equipado con tecnología Doppler, en Banda C
de doble polarización simultánea, con un alcance de 480 km en modo vigilancia, 240 Km en modo
intensidad y 120 Km en modo Doppler.
Se utilizaron datos de precipitación acumulada en milímetros, correspondiente a la integral
de los volúmenes generados automáticamente (1 cada 10/11 minutos) para un ángulo de elevación
de 0.55°.
El período de evaluación contempla el evento registrado el 8 de marzo de 2016 entre la 1:30
UTC y las 4:20 UTC.
Se utilizaron un total de 64 pluviómetros distribuidos dentro del área de cobertura del radar a
diferentes distancias y ángulos de ubicación. Mediante la incorporación de las coordenadas

geográficas de los pluviómetros al sistema, se obtuvieron los datos correspondientes al radar
centrados en la misma ubicación de las estaciones de superficie.
Se contó con pares de datos (Precipitación radar-Precipitación pluviómetro) en el período
mencionado. Para comparar datos de diferentes distancias al centro del radar se generaron 2 grupos
de datos, correspondientes a pluviógrafos ubicados hasta 120 km y hasta 240 km.
Se compararon los datos estimados (radar) con los observados (pluviómetros) a través de
regresiones lineales simples, considerando los valores de los pluviógrafos como variable regresora y
los correspondientes al radar como variable dependiente.
Para estimar la precipitación en base al factor de reflectividad medido por el radar, se usa la
clásica relación de Marshall y Palmer (Marshall et al, 1947 y 1948):
Z=a.Rb [1]
donde Z representa el factor de reflectividad en mm6/m³ y R representa la intensidad de

precipitación en mm/h, mientras que a y b son coeficientes a ajustar.
La metodología de trabajo propuesta contempla la definición de nueve celdas alrededor de
cada estación, a la altura del haz de radar considerado, siguiendo el esquema que se muestra en la
Figura 3.
Figura 3.- Esquema del emplazamiento relativo de los instrumentos

de observación de la precipitación y de las celdas de medición.
Para establecer la relación entre las variables Factor de Reflectividad (Z) e Intensidad de
Precipitación (R), contemplando un retraso de las series de sus datos registrados, se considera que
entre estas variables existe una correlación ρ[Z(t), R(t+τ)]. De esta manera se busca el retardo τ que
produce la mejor correlación, hecho que está relacionado con la física del fenómeno, en particular el
tiempo que demora el volumen de agua detectado en la nube por el radar en llegar a la superficie,
donde es registrado por el pluviógrafo.
La mejor correlación entre el factor de reflectividad medido en las nueve celdas y la
precipitación observada en superficie, determina la posición de la celda que descargó la
precipitación que luego registró el pluviógrafo, de donde se puede conocer el retraso temporal, que
está relacionado entre otros factores con el viento y el movimiento de la tormenta.
De esta manera se establece la mejor relación posible Z-R de Marshall y Palmer, donde los
coeficientes a y b son estimados a partir de regresión lineal entre el factor de reflectividad del radar
y las mediciones de intensidad de precipitación.
La metodología descripta permite el análisis de todas las estaciones automáticas emplazadas
en el área de cobertura del RMA1, para eventos de cualquier duración.

RESULTADOS Y DISCUSIÓN
Se presenta como ejemplo el análisis del evento ocurrido el 8 de marzo de 2016 en el

período comprendido entre la 1:30 UTC y las 4:20 UTC. Se utilizaron las estimaciones de
precipitación diaria acumulada en milímetros, correspondientes a la integral de varias imágenes
generadas automáticamente (1 cada 12 minutos) de la ventana de estudio de la tormenta, con una
resolución de 0,25 km2. Se busca el mejor ajuste de la función que vincula el factor de reflectividad
(Z) con la intensidad de precipitación (R) durante el período considerado en este análisis.
Se identificaron las estaciones distribuidas bajo el área de cobertura del radar, incorporando
sus coordenadas geográficas al sistema.
En la Figura 4 se muestran los datos del factor de reflectividad medidos en las nueve celdas
consideradas alrededor de la Estación ubicada en la localidad de Ascochinga (30°57´35.3´´S,
64°16´59.2´´O) durante el desarrollo de la tormenta bajo estudio.

Figura 4.- Valores del factor de reflectividad de RMA1 en función del tiempo de las 9 celdas
asociadas a la estación meteorológica Ascochinga, para una duración de 160 minutos.
Los coeficientes de determinación obtenidos al analizar distintos retardos y celdas resultaron

muy diferentes para cada situación, consiguiendo el mejor ajuste para la celda número 6 con un
retraso de 10 minutos, en coincidencia con el desplazamiento de la tormenta constatado en
superficie, tal como se muestra en la Tabla 1.
Tabla 1.- Ajustes obtenidos (R2) con retardo de tiempo y las nueve celdas.
De esta manera se llega a la siguiente relación Z-R, donde los coeficientes a y b fueron
estimados a partir de regresión lineal entre factor de reflectividad de radar en mm6/m³ y mediciones
de intensidad de precipitación en mm/h:
Z = 1284,8 . R 1.0115 [2]

Este mismo procedimiento se utiliza para analizar el desarrollo del evento en todas las
estaciones que están en la ventana del RMA1 que registraron lluvias significativas.

CONCLUSIONES
A partir de los resultados obtenidos, se concluye que los primeros análisis sobre estimación
de lluvia acumulada a través de este radar muestran concordancia con las mediciones relevadas
mediante pluviógrafos en superficie.
Pese a la gran variabilidad de la intensidad de tormentas existentes, se pudo caracterizar la
relación entre factor de reflectividad e intensidad de precipitación (Z=1284,8*R **1.0115), en este
caso para una lluvia relativamente débil.
El objetivo del grupo de trabajo es continuar este análisis considerando todas las estaciones
que están dentro del área de cobertura del radar, en períodos de mayor longitud y considerando
diferentes tipos de eventos, con el fin de obtener relaciones Z-R adecuadas a las condiciones
meteorológicas donde está instalado el radar RMA1.
La calibración hidrológica permitirá disponer de una valiosa herramienta para generar datos
más precisos de precipitación (tanto espacial como temporalmente) obtenidos a partir del radar y
posibilitar la elaboración de alertas más confiables.
La experiencia internacional indica que la calibración hidrológica de un radar meteorológico
es un proceso prolongado, de varios años de duración, a lo largo de los cuales se debe hacer el
seguimiento de diferentes tipos de eventos hidro-meteorológicos, variables en cuanto a duración,
intensidad y características físicas de los fenómenos, además de probar con diferentes algoritmos de
transformación de factor de reflectividad en precipitación, hasta lograr una herramienta que
proporcione resultados confiables para las aplicaciones previstas para el radar meteorológico.
Lo presentado en este artículo corresponde a la etapa inicial de este proceso, que se
desarrolla de manera ininterrumpida en el LH-CETA de la Universidad Nacional de Córdoba, en el
marco del Observatorio de Monitoreo Hidro-Meteorológico de Córdoba (OMHM-CBA).
Calheiros, R.V., Zawadzki, I. (1986) “Reflectivity-Rain Rate Relationships for Radar Hydrology
in Brazil”. Journal of Climate and Applied Meteorology, 26. pp. 118-132.
Collier, C. (1986) “Accuracy of rainfall estimates by radar, Part I: Calibration by telemetering
raingauges”. Journal of Hydrology. 83. pp 207-223.
Germann, U., Galli, G., Boscacci, M., Bollinger, M. (2006) “Radar precipitation measurement in a
mountainous region”. Q J R Meteorology Soc. 132. pp. 1669-1692.
Ingaramo, R., Petroli, G., Rodriguez, A., Montamat, I., Martina, A., Díaz, E., Menajovsky, S.,
Montamat, I., Lighezzolo, A., Pagot, M. (2017) “Integración de redes de monitoreo
hidrometeorológico en la Provincia de Córdoba”. XXVI Congreso Nacional del Agua (CONAGUA
2017), Córdoba, Argentina.
Marshall, J.S., Langille, R.C., Palmer, W.M. (1947) “Measurement of Rainfall by Radar”.
Journal of Meteorology. 4. pp. 186-192.
Marshall, J.S., Palmer, W.M. (1948) “Shorter Contributions”. Journal of Meteorology, 5, pg. 165-166.

IAHR AIIH
REGIONALIZAÇÃO DE PARÂMETROS DE UM MODELO CHUVA-

VAZÃO ENTRE ESCALAS PROGRESSIVAS DE SUB-BACIAS
Thaís Gularte Marques ¹, Tiago Francisco Celaro ², Lucas Verino Zanella Giacomelli 3, Álvaro
Prestes Ribeiro4, Vitor Souza Viana Silva5.
Faculdade Dom Bosco de Porto Alegre, Brasil, e-mail:thaisg.marques@hotmail.com
RESUMO:
A regionalização de parâmetros de modelos chuva-vazão pode ser umas das alternativas para
se obter séries de vazões em bacias hidrográficas sem dados fluviométricos. Esta técnica consiste na
calibração dos parâmetros do modelo, e na fixação dos seus valores para uso nas demais sub-bacias
sem dados de vazões, na premissa da existência de homogeneidade espacial das características
físicas entre as bacias. Neste estudo, a regionalização de parâmetros foi realizada com uso do
modelo de base conceitual IPH II, versão WIN_IPH2 nas sub-bacias do rio Ijuí. O conjunto de
valores dos parâmetros deste modelo foram obtidos no processo de calibração na sub-bacia do Rio
Ijuí, em Ponte Nova do Potiribu, com área de drenagem de 629 km², no período de 1989-1992, e os
parâmetros resultantes deste processo foram fixados e utilizados como parâmetros globais de toda
bacia, com a finalidade de obter séries temporais de vazões de 6 sub-bacias, com áreas de drenagem
de 804km2 a 9426 km2, posteriormente, verificou-se a eficiência do modelo IPH II em termos de
vazões para este conjunto de parâmetros regionalizados. Avaliou-se o desempenho do modelo com
o coeficiente de Nash-Sutcliffe ( NS ) e o Erro em Volume ( V ), em porcentagem e os valores
destas estatísticas mostraram que houve bom desempenho do modelo mediante a técnica da
regionalização de parâmetros, de uma escala menor transferida para as maiores, para obter vazões
em sub-bacias sem dados fluviômetricos.
ABSTRACT:
The regionalization of parameters of runoff-rainfall models can be one of the alternatives to

obtain series of flows in watersheds without fluviometric data. This technique consists in calibrating
the parameters of the model, and in setting its values for use in the other sub-basins without flow
data, on the premise of the existence of spatial homogeneity of the physical characteristics between
the basins. In this study, the regionalization of parameters was performed using the IPH II
conceptual model, version WIN_IPH2 in the sub-basins of the Ijuí river. The set of values of the
parameters of this model were obtained in the calibration process in the sub-basin of the Ijuí River,
in Ponte Nova do Potiribu, with drainage area of 629 km², in the period 1989-1992, and the
parameters resulting from this process were fixed and used as global parameters of each basin, with
the purpose of obtaining time series of flows of 6 sub-basins, with drainage areas from 804km2 to
9426 km2, later, the efficiency of the IPH II model was verified in terms of flows for this set of
regionalized parameters. The performance of the model with the Nash-Sutcliffe coefficient ( NS )
and Volume Error ( V ) was evaluated in percentage and the values of these statistics showed that
there was good performance of the model through the technique of regionalization of parameters, of
a smaller scale transferred to larger ones, to obtain flows in sub-basins without fluviometric data.
PALAVRAS-CHAVE: Regionalização, escalas de bacias, modelo chuva-vazão.

INTRODUÇÃO
Os dados de séries temporais de vazões em uma bacia hidrográfica são inexistentes ou

insuficientes, em termos de qualidade e quantidade. Uma alternativa para os casos em que não se
dispõe de medidas fluviométricas, pode-se recorrer a técnica da regionalização, a qual equivale a
extrapolação de parâmetros, ou de variáveis hidrológicas, de uma bacia hidrográfica para outra
(Masih et al., 2010, Silva et al., 2014). Na técnica de regionalização da estimativa e da transferência
dos parâmetros do modelo chuva-vazão equivale ao fornecimento de valores dos parâmetros obtidos
do processo de calibração do modelo hidrológico na sub-bacia com dados, e os fornecimento destes
para as demais sub-bacias sem dados de vazões, na hipótese da existência de uma uniformidade
espacial do comportamento das variáveis hidrológicas (Kokkonen et al. 2003, Masih et al. 2010,
Silva et al. 2014).
No presente estudo, o modelo chuva-vazão IPH II, na versão WIN_IPH 2 foi calibrado na
menor sub-bacia, e os seus parâmetros resultantes do processo de calibração do modelo hidrológico
foram cedidos para simulação das vazões das demais sub-bacias com áreas de drenagem superiores,
com a finalidade de se obter séries de dados fluviométricas para locais sem medições. Os
parâmetros do modelo foram obtidos no processo de calibração na sub-bacia do rio Ijuí,
denominada de Ponte Nova do Potiribu, com área de drenagem 629 km², e os parâmetros resultantes
do processo de calibração, no período de 1989-1992 foram aplicados em 6 sub-bacias hidrográficas
com áreas de drenagem entre 805 a 9426 Km2. As séries temporais de vazões destas foram
posteriormente utilizadas para avaliar a eficiência da técnica de regionalização de parâmetros
mediante o desempenho do modelo com o uso do coeficiente de Nash-Sutcliffe ( NS ) e do erro em
volume ( V ).
Descrição da bacia e dos dados
A bacia do rio Ijuí situa-se na região noroeste do Estado do Rio Grande do Sul (Brasil), entre
as coordenadas 28º00' e 29º00' de latitude Sul e 53º00' e 56º00' de longitude Oeste, possui área de
drenagem de 10.703 km2, enquanto que as suas sub-bacias apresentam uma faixa de área de
drenagem entre 629 a 9426 km2 (Figura1).
Figura 1. - Localização das sub-bacias do rio Ijuí, dos postos pluviométricos, fluviométricos e da estação
climatológica.

A série de vazões utilizada foi no período entre 1989 a 1992 para calibração do modelo IPH
II, na sub-bacia Ponte Nova do Potiribu. E as demais séries dos 5 postos fluviométricos com áreas
de drenagem superiores, no mesmo período, foram utilizadas para verificar o desempenho do
modelo hidrológico na técnica de regionalização de parâmetros. Os 6 postos fluviométricos são
monitorados pelo sistema de informações hidrológicas da Agência Nacional de Águas (ANA). Estes
estão representados de forma pontual na mesma Figura 1, e as informações referentes a localização
e área de drenagem estão disponíveis na tabela 1.
Tabela 1.- Dados dos postos fluviométricos do rio Ijuí.

Sub-Bacia Área (Km2) Lat. (sul) Long. (Oeste)
Conceição 805 28º27’18’’ 53º58’15’’
Ponte Nova do Potiribu 629 28º22’15’’ 53º52’45’’
Conceição 805 28º27’18’’ 53º58’15’’
Ponte Nova Conceição 966 28º23’05’’ 54º01’53’’
Passo Faxinal 2.003 28º17’13’’ 53º45’51’’
Colônia Mousquer 2.131 28º23’23’’ 54º19’51’’
Santo Ângelo 5.414 28º21’19’’ 54º16’06’’
Ponte Mística 9.426 28º10’53’’ 54º44’18’’
Utilizou-se a série de chuva diária de 22 postos pluviômetros localizados no interior e nas

adjacências da área de drenagem da bacia do rio Ijui disponíveis no banco de dados da ANA, no
período entre 1989 a 1992, para o cálculo da chuva média (Ver a Figura 1). Construiu-se grades
regulares para 6 sub-bacias, e a chuva média considerada foi a média dos valores nodais no interior
dos limites de cada bacia. Estes valores nodais foram obtidos por interpolação espacial das chuvas
nos postos até o nós da grade regular com o método do Vizinho Natural utilizando o algoritmo
disponível no SURFER 8.0 (Silva 2014).
Os dados diários de evapotranspiração foram estimados pela relação de proporcionalidade
entre os valores calculados pela equação de Penman-Montheith, com a série de registros diários de
um evaporímetro de Piché, obtidos da estação climatológica da INMET, localizada em Cruz Alta
(longitude 53°36’00’’ e latitude 28°38’00’’).
Descrição do modelo hidrológico chuva-vazão
O WIN_IPH 2 é uma versão que possui o modelo IPH II implementado. O IPH II é um

modelo que simula o processo de transformação de chuva-vazão com os seguintes algoritmos
(Bravo et. al., 2007, Silva 2014 et. al):
 Perdas por interceptação e por evapotranspiração que possui o parâmetro Rmax, o
qual representa a capacidade de armazenamento máximo em um reservatório
hipotético de interceptação pela vegetação;
 Separação de escoamento representados pelos parâmetros Io, Ib e h, que são,
respectivamente, as capacidades inicial e mínima de infiltração e o parâmetro de
decaimento de infiltração de água no solo, são característicos da equação de
infiltração de Horton;
 Propagação dos escoamentos superficiais e subterrâneos é feito mediante o método
de Clark, o qual é uma combinação do histograma tempo-área (HTA) com um
modelo de reservatório linear simples, os quais representam a translação da chuva
pelo deslocamento sobre a superfície da bacia, e os efeitos de armazenamento das
partículas de água no percurso até o ponto da saída da bacia. Os parâmetros de
propagação do escoamento superficial é o ksup e o parâmetro de propagação do
escoamento subterrâneo é o ksub;
No modelo, deve-se fornecer os parâmetros referentes as características físicas da bacia
como a área de drenagem (A), a porcentagem de área impermeável (AIMP), o coeficiente de forma

da bacia (n), e o tempo de concentração (tc), juntamente com as condições iniciais estimadas, que
são a vazão de percolação (Qp), a vazão subterrânea (Qsub) e a vazão superficial (Qsup). Estes
valores são variáveis e estão em função das características da bacia em estudo.
A calibração de parâmetros do modelo com a otimização é feito utilizando o algoritmos
evolutivos com a função monobjetivo (algoritmo SCE-UA, Duan et al., 1992). No processo de
calibração dos parâmetros, outros dados necessários são as séries de chuvas médias na bacia, as
estimativas de evapotranspiração e as vazões observadas.
O processo de regionalização de parâmetros do modelo
A aplicação do método de regionalização de parâmetros consistiu, primeiramente, na

estimativa dos valores dos parâmetros (Rmax, Io, Ib, h, Alfa, Ksup, Ksub) na menor sub-bacia do
rio Ijuí, em Ponte Nova do Potiribu, através do processo de calibração, utilizando o algoritmo SCE-
UA proposto por Duan et al (2002), com uso da função objetivo de Nash-Sutcliffe (NS).
Posteriormente, com o conjunto de parâmetros definidos na calibração, estes foram
fornecidos para as demais sub-bacias maiores como parâmetros (Rmax, Io, Ib, h, Alfa, Ksup, Ksub).
Tendo-se em conta as características particulares de cada sub-bacia, representadas pelos parâmetros
específicos destas, as quais são a área (A), a porcentagem de área impermeável (AIMP), o
coeficiente de forma igual a 1,5, que corresponde a uma elipse, e o tempo de concentração (tc) de
24 horas para bacias com área superior a 2.500 km2 e um valor de 12 horas para bacias com áreas
entre 250 e 2.500 km2 (Silva, 2014). Estes valores de parâmetros específicos com A, AIMP, n, tc, e
as condições iniciais da Qp (vazão de percolação), Qsub (vazão subterrânea) e da Qsup (vazão
superficial), foram modificados em função da escala da bacia, a qual se quis obter séries
fluviométricas, na regionalização.
Na proposta de avaliar a eficiência desta técnica de regionalização de parâmetros, buscou-se
o uso dos índices estatísticos de Nash-Sutcliffe (NS) e do Erro em Volume ( V ), mediante a
verificação da resposta da série de vazões na saída do modelo com as vazões observadas, como as
Equações 1 e 2.
∑(𝑄𝑄 −𝑄𝑄 )2
𝑁𝑁S = 1 − ∑(𝑄𝑄 𝑂𝑂−𝑄𝑄̅̅̅̅𝐶𝐶 )2 [1]
𝑂𝑂 𝑂𝑂
n n

i 1
Qo  Q
i 1
c
∆𝑉𝑉(%) = 100 n
[2]
Q o
( i 1 )
Onde, Qo é a vazão observada, Q o é a vazão média observada, Qc é a Vazão calculada, Qc é a
vazão média calculada, NS é o coeficiente de Nash-Sutcliffe e V é o erro em volume (%).
O coeficiente de NS possui a tendência de valorizar as maiores vazões (os picos), por ser
baseado no desvio quadrático. O coeficiente de eficiência de Nash-sutclife é uma medida de
associação entre as vazões previstas e observadas, e o seu valor varia no intervalo de -  a 1. Se o
valor do coeficiente for igual a 1, evidencia que existiu uma boa correlação entre a série de vazões
observadas e calculadas nos processos de calibração de parâmetros e na aplicação da técnica de
regionalização de parâmetros.
A complementação da análise estatística da série de vazões na saída do modelo no processo
de regionalização de parâmetros, tendo em conta as limitações do índice anterior, o erro em volume
( V ), expresso em porcentage permiti avaliar a tendência geral que os dados simulados apresentam
de subestimar (valores de V positivos) ou superestimar (valores de V negativos) os dados
medidos. Com base nos estudos adotados por Moriasi et al. (2007) são consideradas aceitáveis,

tendo em conta o objetivo deste estudo, as simulações NS > 0,5 e V no intervalo entre -25% e +
25%.
RESULTADOS
Obtenção de parâmetros do modelo no processo de calibração
A calibração automática foi realizada em 10 aplicações sucessivas do algoritmo SCE-UA

com a função objetivo de NS , na sub-bacia do Ijuí, em Ponte Nova do Potiribu (629 km²), no
período de 02/01/1989 a 31/01/1992. Aplicou-se 10 execuções do algoritmo SCE-UA, para evitar o
estacionamento dos parâmetros que levassem a função objetivo a um ótimo local, e sim buscando-
se parâmetros que levassem a função objetivo a um ótimo global, seguindo recomendações de
(Bravo et. al., 2007, Silva et al. 2014). Na tabela 2, mostra os resultando do parâmetros, Io (mm h-
1); Ib (mm h-1); h (adimensional); Ksup (h); Ksub (h); Rmax (h) e Alfa (%), dos índices
estatísticos NS e V (%). A representação dos resultados da calibração com a execução 8, em Ponte
Nova do Potiribu (629 km²), no período de 02/01/1989 a 31/01/1992 pode ser vista na figura 2.
Execuções Io ( mm h-1) Ib (mm h-1) H (adim.) Ksup (h) Ksub (h) Rmax (h) Alfa (%) NS ∆V (%)
1 71,42820 4,34520 0,51738 2,69010 35,3407 8,99980 0,37140 0,81 1,11
2 71,54200 4,34170 0,51713 2,69040 35,3427 8,99980 0,37210 0,81 1,13
3 71,48620 4,34370 0,51727 2,68980 35,3311 8,99980 0,37200 0,81 1,12
4 71,52650 4,34220 0,51718 2,69040 35,3102 8,99980 0,37210 0,81 1,13
5 75,93440 3,43800 0,58116 2,93950 31,8050 8,87080 0,67450 0,81 1,12
6 71,41120 4,34710 0,51752 2,68970 35,3674 8,99990 0,37270 0,82 1,89
7 71,37730 4,34740 0,51751 2,69010 33,2750 8,99990 0,37150 0,81 1,23
8 71,35240 4,34760 0,51754 2,69070 35,3062 8,99980 0,37100 0,82 1,86
9 71,38640 4,34720 0,51754 2,69130 35,3133 8,99980 0,37200 0,82 1,88
10 71,68570 4,33580 0,51671 2,69030 35,3264 8,99990 0,37150 0,81 1,12
Tabela 2.- Dados dos postos fluviométricos do rio Ijuí.
Figura 2. – Série de vazões calculadas e observadas proveniente da calibração com a execução 8, em Ponte
Nova do Potiribu (629 km²), no período de 02/01/1989 a 31/01/1992.
Na tabela 2, observou-se pouca variação no valor dos parâmetros calibrados, devido ao

baixo desvio, o critério ideal para a escolha dos parâmetros foi com base nos índices estatísticos. A
simulação proveniente da execução 8 resultou nos seguintes parâmetros ótimos de Io = 75,35240

mm h-1, Ib = 4.34720 mm h-1, h = 0.51754 (adimensional), Ksup = 2,69070 h, Ksub = 35,3062 h,
Rmax = 8,99980 h e Alfa = 0,37100 %, com valores de NS = 0.82 e o erro em volume V = 1.86.
Processo de regionalização de parâmetros de uma sub-bacia para as demais

Nesta etapa de estudo avaliou-se o processo de regionalização de parâmetros do modelo
chuva-vazão, com o intuito de obter séries temporais de vazões nas demais sub-bacias admitindo a
inexistência de dados fluviométricos. No processo, os valores dos parâmetros calibrados na sub-
bacia do Rio Ijuí, em Ponte Nova do Potiribu (629 km2) foram fixados e considerados globais para
obter as séries temporais de vazões de 6 sub-bacias, Conceição (A), Ponte Nova Conceição (B),
Passo Faxinal (C), Colônia Mousquer (D), Santo Ângelo (E) e Ponte Mística (F), com áreas de
drenagem de 804km2 a 9426 km2, no mesmo no período de 1989-1992 (Figura 3).
Figura 3. – Série de vazões calculadas e observadas proveniente da regionalização de parâmetros, nas sub-
bacias com áreas de drenagem de 804km2 a 9426 km2, no período de 1989-1992.

Os resultados dos índices estatísticos, proveniente da regionalização podem ser vistos com
base na tabela 3, a qual mostra o desempenho do modelo utilizando o coeficiente de Nash-Sutcliffe
( NS ) e o Erro em Volume ( ΔV ).
Tabela 3.- Desempenho do modelo na regionalização de parâmetros para as áreas de drenagem entre
804km2 a 9426 km2.
Sub-Bacia Área (Km2) NS ∆V (%)
Conceição 805 0,83 -8,25
Ponte Nova Conceição 966 0,81 -0,64
Passo Faxinal 2.003 0,79 -1,59
Colônia Mousquer 2.131 0,77 -0,64
Santo Ângelo 5.414 0,69 6,71
Ponte Mística 9.426 0,65 9,64
No estudo de Silva et. al (2013), aplicou-se o método de média global de parâmetros, nesta
bacia, e resultou numa perda de eficiência do modelo com a aplicação da técnica em função da
redução da escala das sub-bacias analisadas. A mesma perda de eficiência em função da redução da
escala da bacia foi também notado posterior nos estudos de Silva et. al (2014). No presente
trabalho, Ao testar a técnica de regionalização, mediante a substituição do conjunto de parâmetros,
numa sub-sub-bacia menor para as demais sub-bacias maiores, os índices estatísticos de
desempenho resultaram em valores que evidenciaram a redução de desempenho do modelo escala
menor transferida para as maiores (Tabela 3). Notou-se, que apesar desta perda de eficiência, os
valores dos índices estatísticos ficaram nos critérios propostos por Moriasi et al. (2007), para
validação de modelos chuva-vazão.
CONCLUSÕES
Os resultados da técnica de regionalização de parâmetros foram satisfatórios, pois os valores
apresentaram intervalos 0,65 ≤ NS ≤ 0,83 e -8,25 % ≤ ΔV ≤ 9,64 %. Notou-se uma perda de
eficiência do modelo com a aplicação da técnica em função do aumento da escala das sub-bacias
analisadas. Isso se deve ao fato da região ser relativamente pequena, geograficamente bastante
homogênea, a qual mostrou a possibilidade de regionalização de parâmetros de modelos chuva-
vazão de bacias menores para maiores nesta bacia.
REFERÊNCIAS
Bravo, J. M.., Allasia, D., Collischonn, W. , Tassi, R., Meller, A., Tucci, C., (2007) . “Avaliação visual e
numérica da calibração do modelo hidrológico IPH II com fins educacionais”. In: XVII Simpósio Brasileiro
de Recursos Hídricos, São Paulo. V. 1.
Duan, Q., Sorooshian, S., Gupta, V. (1992). Effective and efficient global optimization for conceptual
rainfall-runoff models. Water Resources Research 28(4), pp. 1015-1031.
Kokkonen, T.S., Jakeman, A.J., Young, P.C., Koivusalo, H. J., (2003), “Predicting daily flows in ungauged
catchments: model regionalization from catchment descriptors at the Coweeta”. Hydrologic Magette.
Masih, I., Uhlenbrook, S., Maskey, S., Ahmad, M.D., (2010) “Regionalization of a conceptual rainfall-
runoff model based on similarity of the flow duration curve: A case study from the semi-arid Karkheh
basin,Iran”, Journal of Hydrology.
Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel. R. D., Veith, T. L., (2007).
“Model evaluation guidelines for systematic quantification of accuracy in watershed simulations”. American
Society of Agricultural and Biological Engineer.
Silva, V. S. V., Pedrollo, O. C., Castro, N. M. R., (2013), “Estudo de regionlização por media global de parâmetros
de um modelo conceitual hidrológico”. XX simpósio brasileiro de recursos hídricos - ISSN 2318-0358.
Silva, V. S. V., Pedrollo, O. C., Castro, N. M. R., (2014), “Estudo de regionalização por transferência de
parâmetros do modelo IPH II na bacia do rio Ijuí/RS”. Revista de Gestão de Águas da América Latina,
REGA, Vol. 10, no. 2, pp. 65-75.

IAHR AIIH
CARACTERIZACIÓN DE LLUVIAS DE CORTA DURACIÓN EN

LOCALIDADES DE LA PROVINCIA DE SANTIAGO DEL ESTERO
Olmos L., Prieto Villarroya J., González G., Guzmán J., Pilan M., Van Meer H.
Instituto de Recursos Hídricos, Facultad de Ciencias Exactas y Tecnologías
Universidad Nacional de Santiago del Estero, Argentina.
E-mail: lolmos@unse.edu.ar,jorgeprietovillarroya@yahoo.com.ar, geraldinenoelgonzalez@gmail.com
RESUMEN:
Los estudios de diseño, tanto de obras hidráulicas de control como de medidas no estructurales,
requieren el conocimiento de la distribución temporal de tormentas extremas caracterizadas por
altas precipitaciones y escasa duración. Disponer de información de la estructura temporal de las
lluvias de gran intensidad, constituye además uno de los principales insumos necesarios para la
aplicación de modelos hidrológicos del tipo lluvia-escorrentía.
Para la caracterización (forma y pico del hidrograma) de las tormentas extremas de la provincia de
Santiago del Estero se ha realizado el análisis de 4 estaciones pluviográficas (Árraga, La Banda,
Santiago capital y Frías). Para ello, se han aplicado los métodos de Distribución Acumulada, DA,
(Huff, 1967) y el de Ordenamiento de Intervalos, OI, (Pilgrim et al. 1969). Las tormentas analizadas
son aquellas con duraciones inferiores a 3 horas y valores de precipitación acumulada superiores a
20 mm.
Los resultados obtenidos en el procesamiento de los registros históricos pluviográficos muestran un
comportamiento casi homogéneo en las estaciones analizadas en cuanto a las intensidades pico,
produciéndose estas en el segundo cuartil. Los resultados serán de utilidad para el avance en la
definición de un criterio de aplicación en la zona de estudio.
ABSTRACT:
Design studies, both hydraulic control and non-structural measures, require knowledge of the
temporal distribution of extreme storms characterized by high rainfall and short duration. Having
information on the temporal structure of heavy rains is also one of the main inputs needed for the
application of hydrological models of the rain-runoff type.
For the characterization (shape and peak of the hydrograph) of the extreme storms of the Santiago
del Estero province, an analysis was made of 4 pluviographic stations (Arraga, La Banda, Santiago
capital and Frías). For this, the methods of Accumulated Distribution, DA, (Huff, 1967) and the
Order of Intervals, OI, have been applied (Pilgrim et al., 1969). The storms analyzed are those with
durations less than 3 hours and values of accumulated precipitation greater than 20 mm.
The results obtained in the processing of historical pluviographic records show an almost
homogeneous behavior in the stations analyzed in terms of peak intensities, occurring in the second
quartile. The results are useful for the advance in the definition of an application criterion in the
study area.
PALABRAS CLAVES: distribución, temporal,lluvias, máximas.

INTRODUCCIÓN Y OBJETIVO
Las obras hidráulicas emplazadas en cauces fluviales o en la ribera de los mismos, como así
también aquellas obras dentro de ambientes urbanos se diseñan de manera que resistan el paso del
caudal probable asociado a un determinado periodo de retorno en función de la naturaleza de la
obra.
Dicho caudal se debe obtener de una valoración estadística en base a una serie de registros
históricos extensa o representativa, lo cual en la realidad es muy difícil de disponer.
En consecuencia el caudal de diseño se obtiene indirectamente de la lluvia más probable
mediante un proceso de transformación lluvia-caudal mediante técnicas de modelación.
Precisamente el advenimiento de los modelos de escorrentía urbana a fines de la década de
1960 y principios de la década de 1970 trajo nuevas demandas a los hidrológos Estos modelos
requieren la definición de las características de la distribución temporal de la lluvia durante
tormentas fuertes. Hoy en día esta demanda ha aumentado sensiblemente y esta información no esta
disponible.
El proceso de definición de la lluvia de diseño es sensiblemente más complejo que el
proceso de tratamiento estadístico de una serie de caudales, ya que dicha lluvia debe reflejar la
estructura temporal y espacial de dicho evento.
La manera clásica en la práctica es estimar la relación I-D-Ty desde allí en base al tiempo de
concentración de la cuenca obtener la lluvia sintética precipitada. Posteriormente, resulta necesario
distribuir espacial y temporalmente la lluvia obtenida. Según la literatura las diferencias en la
escorrentía resultante entre esta metodología y las propuestas en este trabajo pueden ser mayores al
10%.
Como no se trabaja sobre el diseño hidrológico de una obra en particular que necesita su
cuenca de aporte, vamos a centrarnos en el comportamiento temporal de la precipitación.
En efecto en este trabajo lo que se persigue es analizar datos históricos de tormentas con
duraciones hasta 3 horas de manera de caracterizar las mismas en varias localidades de la provincia
de Santiago del Estero a los fines de su aplicación en procesos de transformación de lluvia en
caudal fundamentalmente aplicables a cuencas urbanas y a pequeñas cuencas rurales aunque su
existencia en la provincia de Santiago del Estero es muy reducida.
METODOLOGÍA APLICADA
El análisis de esta metodología se basa en el hecho de que las variaciones de la distribución

temporal en los modelos lluvia si afectan de una manera considerable los cálculos de la escorrentía
en modelos de diseño para cuencas urbanas o pequeñas cuencas rurales.
La evidencia en la literatura indica que las diferencias pueden ser significativas (Huff,
1990). Por ejemplo, Ward et al. (1980) compararon los resultados de varios modelos de
distribución temporal para una pequeña Cuenca de Kentucky bajo varias condiciones hidrológicas.
Entre las cinco distribuciones probadas, incluyendo el SCS Tipo-II (supuestamente aplicable al
Centro y Este de los Estados Unidos) y dos de los modelos de Illinois, se obtuvo una variación
máxima en la escorrentía máxima de casi 30%.
En un estudio de Illinois sobre inundaciones de diseño de yacimientos en 20 cuencas
pequeñas, Knapp y Terstriep (1981) compararon la familia de distribuciones de Illinois, la
distribución SCS Tipo II y la distribución de tormentas del proyecto estándar del Cuerpo de
Ingenieros. Ellos encontraron diferencias sustanciales entre los tres tipos de distribuciones en el
cálculo de la escorrentía máxima a partir de las precipitaciones máximas probables para eventos de
tormentas de 100 años. Por ejemplo, sobre la mayoría de las descargas máximas de los embalses del
estado promedió un 20% a 25% mayor para eventos de tormenta de 100 años de retorno cuando se
utilizaron las distribuciones de Huff (1967).

En la realidad la lámina de agua precipitada total y la distribución temporal son fenómenos
aleatorios e interdependientes. Por lo tanto su inferencia estadística es complicada por lo que
siempre se simplifica trabajando con funciones univariadas. Como consecuencia de la escasa
disponibilidad de datos, en términos generales, se predice la intensidad media de una lluvia para
intervalos de duración a través de las curvas IDF. Esta metodología tiene en su contra que la lluvia
de diseño derivada de relaciones duración-frecuencia no suele representar una tormenta entera, sino
extractos de tormentas (Pilgrim y Cordery, 1975) los que, al tomar promedios de las intensidades
sobre una duración dada, no imitan las series históricas de las tormentas. Por ende, dicha lluvia no
encarnaría la naturaleza del fenómeno. La respuesta a este planteo radica, en parte, en que los
sucesos tipificados en la i-d-T, y por extensión en el hietograma que de ella proviene, no son
tormentas severas, sino intervalos de máxima intensidad anual de lluvia, cuya distribución es muy
diferente
Por otro lado, Vašková y Francés García (2004) apuntan que la forma clásica de obtención
de las curvas IDF no tiene en cuenta la dependencia temporal, al asumir que las intensidades
máximas anuales para los distintos intervalos de tiempo son independientes. Por lo tanto, el
hietograma derivado de una curva IDF clásica quedará siempre del lado de la seguridad. Esta última
afirmación no sería del todo válida ya que está condicionada por el método de extracción y del paso
de cálculo elegido que incide sustancialmente en la intensidad pico que se transformara en caudal
pico.
Por ello, la distribución de las mismas es importante llevarla a cabo en base a la
caracterización de las mediciones históricas lo que influirá en la forma del hidrograma y su pico.
Para llevar a cabo la caracterización de las lluvias se aplican los métodos de Distribución
Acumulada, DA, (Huff, 1967) y el de Ordenamiento de Intervalos, OI, (Pilgrim et al. 1969).
La precipitación durante una tormenta es un proceso continuo, pero su tratamiento se lleva a
cabo de manera discreta. Como se trabaja en la caracterización de tormentas y no de los intervalos
de precipitación máxima anual (IMA) como en el proceso de obtención de las IDT, la partición se
hace en fracciones de la duración, para poder comparar la forma en eventos de distinta duración
total. Es decir, cada tormenta se debe dividir en una cantidad fija de lapsos iguales, entre
4(cuartiles) y 10 (deciles), con lo que varíala duración de éstos bloques o intervalos de lluvia de una
tormenta a otra al analizar todas las tormentas con duraciones menores a 3 horas. Conmenos de
cuatro intervalos no es posible reflejar adecuadamente la distribución y conmás de diez se pierde la
visión de conjunto. La desagregación se completadeterminando láminas parciales -absoluta y
porcentual- precipitadas. (CaamañoNelli y Dasso, 2003)
El método DA, cuyo uso es generalizado en Estados Unidos, consiste en aplicar a cada
percentil por separado, para delinear distribuciones empíricas de frecuencia de porcentaje de lámina
(porción de los sucesos que no supera determinado límite de clase). Requiere instaurar un valor de
no excedencia, para elaborar la curva de porcentajes acumulados hasta cada bloque, que se
desagrega para obtener el hietograma de diseño con esa probabilidad de ocurrir. Este valor se
establece normalmente en 0,5 (mediana de la muestra), que es el que menos altera la probabilidad
instituida por la relación i-d-T para la lámina total.
El método OI es el estándar para diseño hidrológico en Australia y consiste en categorizar en
cada intervalo de máxima anual (IMA), las proporciones de lluvia por bloque y promediarlas según
su jerarquía. Sus ubicaciones promedio en los gráficos permiten adjudicar el orden cronológico de
los percentiles en el hietograma tipo.(Caamaño Nelli et al., 2013)
Las mediciones disponibles corresponden a las estaciones de las localidades de Árraga
(INTA), Frías (INTA), La Banda (ITA- El Liberal) y Santiago del Estero(IRHi). Los datos
disponibles son cada 15 minutos, salvo en la estación de Santiago del Estero que soncada 10
minutos. En la figura anexa se presentan la ubicación geográfica de las mismas.

Figura 1 –Ubicación geográfica de estaciones pluviográficas
APLICACIÓN A LAS ESTACIONES DISPONIBLES
Como se dijo anteriormente la mayoría de las estaciones tienen datos cada 15 minutos por lo
que el criterio adoptado para particionar las tormentas fue dividir en 4 (cuartiles). Entonces la
duración mínima con que se trabaja es de 1 hora y la máxima como se dijo de 3 horas. En el caso de
que la duración de las tormentas al dividirse entre 4 no da intervalos enteros medidos se distribuye
proporcionalmente hacia el bloque anterior y posterior.
En la Tabla 1 se muestran los resultados de la aplicación del Método de Pillgrim para la
estación de IRHi (Santiago del Estero).
Se puede observar que los porcentajes de precipitación acumulada son del orden del 25%
para el 1º cuartil y del 66 % para el 2º Cuartil y que las intensidades picos se dan en el 2º cuartil.
En la Tabla 2 se dan los resultados correspondientes a Huff para dicha estación. Se puede
deducir que para el 50% de probabilidad de ocurrencias de las tormentas el comportamiento es
semejante al de Pillgrim, con valores acumulados cercanos al 60% para el 2º cuartil y con un pico
menos marcado en el dicho cuartil.

Tabla 1 – Aplicación de Método de Pillgrim para la estación del IRHi (SDE)
Tormenta Porcentaje por cuartil
1º 2º 3º 4º
1 49,03% 35,60% 6,13% 9,24%
2 36,76% 23,06% 12,10% 28,08%
3 17,09% 62,39% 6,41% 14,10%
4 32,18% 27,20% 24,14% 16,48%
5 40,70% 20,93% 20,64% 17,73%
6 20,29% 39,71% 20,00% 20,00%
7 19,74% 38,16% 22,37% 19,74%
8 18,89% 40,00% 21,11% 20,00%
9 22,02% 55,05% 11,47% 11,47%
10 21,25% 28,75% 30,42% 19,58%
11 11,89% 23,78% 30,77% 33,57%
12 2,18% 19,65% 37,55% 40,61%
13 40,91% 28,41% 15,34% 15,34%
14 16,52% 26,34% 28,57% 28,57%
TIPO 26,32% 40,58% 19,22% 13,89%
Tabla 2 – Aplicación de Método de Huff para la estación del IRHi (SDE)

% de tormentas
Intervalo Marca de Clase 1º Cuartil 2º Cuartil 3º Cuartil 4º Cuartil
0% - 10% 5% 7% 0% 14% 7%
10% - 20% 15% 43% 7% 43% 71%
% de lámina acumulada
20% - 30% 25% 64% 57% 79% 86%

30% - 40% 35% 79% 86% 100% 93%
40% - 50% 45% 100% 86% 100% 100%
50% - 60% 55% 100% 93% 100% 100%
60% - 70% 65% 100% 100% 100% 100%
70% - 80% 75% 100% 100% 100% 100%
80% - 90% 85% 100% 100% 100% 100%
90% - 100% 95% 100% 100% 100% 100%
% de lámina acumulada para 50 % de tormentas 25,76% 31,55% 24,29% 18,40%
Además el método de OI da por encima en un 15 y 4% que el método de DA en el 2º y 3º

cuartil respectivamente y un 3% menor en el 1ºcuartil para la estación del IRHi, lo que puede
visualizarse en la Figura 2.
Aplicando el método de OI para las demás estaciones los resultados son los siguientes:
estación de INTA (Frías). Se puede observar que los porcentajes de precipitación acumulada son
del orden del 17% para el 1º cuartil y del 63 % para el 2º Cuartil y que las intensidades picos se dan
en el 2º cuartil.
En la Tabla 4 se dan los resultados correspondientes a Huff en donde se puede observar que
para el 50% de probabilidad de ocurrencias de las tormentas el comportamiento no es el mismo en
cuanto al ordenamiento de los cuantiles, ya que en este caso el 2º orden lo tiene el 3º cuartil. En
cuanto a los valores acumulados son mayores hasta el 2º cuartil, lo que se observa en la Figura 3 y
coinciden con el método anterior en que los valores picos se dan en 2º cuartil, aunque este método
da un valor menor al de Pillgrim.

,ŝĞƚŽŐƌĂŵĂĐƵŵƵůĂĚŽͲ dŽƌŵĞŶƚĂƐфϯŚƐͲ /Z,ŝ;^Ϳ
ϭϬϬй
ϵϬй
ϴϬй K/;WŝůůŐƌŝŵͿ
;,ƵĨĨͿ
ϳϬй
йĚĞ>ĄŵŝŶĂĐƵŵƵůĂĚĂ
ϲϬй
ϱϬй
ϰϬй
ϯϬй
ϮϬй
ϭϬй
Ϭй
ϭǑ ϮǑ ϯǑ ϰǑ
ƵĂƌƚŝů
Figura 2 – Comparación de hietogramas acumulados en estación IRHi (SDE)
Tabla 3 – Aplicación de Método de Pillgrim para la estación del INTA (Frías)

Porcentaje de lámina por cuartil
Tormenta
1° 2° 3° 4°
1 41,24% 37,85% 14,69% 6,21%
2 77,10% 16,79% 3,82% 2,29%
3 2,50% 85,00% 10,00% 2,50%
4 33,33% 19,26% 28,89% 18,52%
5 3,09% 13,58% 62,96% 20,37%
6 19,34% 15,57% 43,87% 21,23%
7 29,49% 58,71% 8,43% 3,37%
8 28,45% 43,29% 17,31% 10,95%
9 5,62% 37,45% 37,83% 19,10%
10 21,67% 25,00% 12,08% 41,25%
11 17,69% 29,23% 27,31% 25,77%
12 10,27% 34,93% 44,86% 9,93%
13 30,06% 37,20% 28,87% 3,87%
14 38,46% 38,46% 17,52% 5,56%
15 20,17% 61,60% 11,33% 6,91%
16 7,05% 42,95% 26,92% 23,08%
17 35,00% 20,00% 38,33% 6,67%
18 38,55% 41,27% 17,17% 3,01%
19 22,84% 33,95% 37,65% 5,56%
20 47,11% 5,79% 26,45% 20,66%
21 15,04% 41,35% 32,33% 11,28%
22 32,91% 38,44% 20,85% 7,79%

Tormenta
1° 2° 3° 4°
23 46,93% 31,91% 13,48% 1,88%
24 16,30% 41,48% 18,52% 23,70%
Tipo 16,72% 46,31% 28,67% 8,05%
Tabla 4– Aplicación de Método de Huff para la estación INTA (Frías)

йĚĞƚŽƌŵĞŶƚĂƐ

/ŶƚĞƌǀĂůŽ DĂƌĐĂĚĞůĂƐĞ ϭǑƵĂƌƚŝů ϮǑƵĂƌƚŝů ϯǑƵĂƌƚŝů ϰǑƵĂƌƚŝů
ϬйͲϭϬй ϱй ϭϳй ϰй ϭϯй ϱϰй
ϭϬйͲϮϬй ϭϱй ϯϴй Ϯϱй ϰϲй ϳϭй
йĚĞůĄŵŝŶĂĂĐƵŵƵůĂĚĂ
ϮϬйͲϯϬй Ϯϱй ϱϴй ϯϯй ϳϭй ϵϲй

ϯϬйͲϰϬй ϯϱй ϴϯй ϲϳй ϴϴй ϵϲй
ϰϬйͲϱϬй ϰϱй ϵϲй ϴϴй ϵϲй ϭϬϬй
ϱϬйͲϲϬй ϱϱй ϵϲй ϵϮй ϵϲй ϭϬϬй
ϲϬйͲϳϬй ϲϱй ϵϲй ϵϲй ϭϬϬй ϭϬϬй
ϳϬйͲϴϬй ϳϱй ϭϬϬй ϵϲй ϭϬϬй ϭϬϬй
ϴϬйͲϵϬй ϴϱй ϭϬϬй ϭϬϬй ϭϬϬй ϭϬϬй
ϵϬйͲϭϬϬй ϵϱй ϭϬϬй ϭϬϬй ϭϬϬй ϭϬϬй
% de lámina acumulada para 50 % de tormentas Ϯϴ͕ϴϰй ϯϴ͕ϴϮй Ϯϰ͕Ϭϯй ϴ͕ϯϮй
,ŝĞƚŽŐƌĂŵĂĐƵŵƵůĂĚŽͲ dŽƌŵĞŶƚĂƐфϯŚƐͲ /Ed;&ƌşĂƐͿ

ϭϬϬй
ϵϬй
;,ƵĨĨͿ
ϳϬй
ϲϬй
ϱϬй
ϰϬй
ϯϬй
ϮϬй
ϭϬй
Ϭй
ϭǑ ϮǑ ϯǑ ϰǑ
ƵĂƌƚŝů
Figura 3 – Comparación de hietogramas acumulados en estación INTA (Frías)

estación de INTA (Árraga). Se puede observar que los porcentajes de precipitación acumulada son

del orden del 15% para el 1º cuartil y del 63 % para el 2º Cuartil y que las intensidades picos se dan
en el 2º cuartil.
En la Tabla 6 se dan los resultados correspondientes a Huff en donde se puede observar que
para el 50% de probabilidad de ocurrencias de las tormentas el comportamiento no es el mismo en
cuanto al ordenamiento de los cuantiles, es fluctuante siendo mayor para el 1º, similar para el 2º y
menor para el 3º lo que se observa en la Figura 4. En cuanto a los valores picos se dan en 2º cuartil,
aunque este método da un valor menor al de Pillgrim con una diferencia mayor al 10%.
Tabla 5 – Aplicación de Método de Pillgrim para la estación del INTA (Árraga)

Tormenta
1° 2° 3° 4°
1 76,39% 15,28% 2,78% 5,56%
2 28,93% 61,16% 9,92% 0,00%
3 11,64% 39,04% 39,73% 9,59%
4 38,89% 7,14% 34,92% 19,05%
5 4,63% 49,07% 36,11% 10,19%
6 5,98% 50,43% 23,93% 19,66%
7 38,85% 53,96% 7,19% 0,00%
8 5,22% 45,22% 49,57% 0,00%
9 0,00% 32,14% 63,39% 4,46%
10 5,61% 34,49% 45,45% 14,44%
11 14,22% 48,71% 26,29% 10,78%
12 14,48% 24,14% 53,79% 7,59%
13 9,58% 17,08% 55,83% 17,50%
14 30,34% 38,76% 23,03% 7,87%
15 20,21% 39,36% 28,72% 11,70%
16 30,00% 47,14% 16,43% 6,43%
17 31,75% 12,70% 34,66% 20,90%
18 50,31% 27,61% 12,27% 9,82%
19 47,83% 29,57% 10,43% 12,17%
20 23,29% 59,84% 9,24% 7,63%
21 40,66% 48,13% 7,88% 3,32%
22 49,12% 17,70% 18,58% 14,60%
23 5,13% 20,51% 55,56% 18,80%
24 40,00% 35,94% 18,55% 5,51%
25 21,56% 51,66% 19,77% 7,02%
26 50,78% 25,00% 10,94% 13,28%
27 21,84% 42,23% 14,56% 21,36%
28 28,91% 36,39% 22,79% 11,90%
29 61,39% 13,92% 14,87% 9,81%
30 18,02% 61,63% 12,79% 7,56%
31 15,13% 10,92% 46,22% 27,73%
32 12,86% 43,33% 30,00% 13,81%
33 30,72% 33,11% 23,21% 12,97%
34 24,68% 10,39% 40,91% 24,03%
35 39,13% 19,88% 31,06% 9,94%
Tipo 15,15% 48,68% 28,23% 7,93%

Tabla 6– Aplicación de Método de Huff para la estación INTA (Árraga)
йĚĞƚŽƌŵĞŶƚĂƐ
/ŶƚĞƌǀĂůŽ DĂƌĐĂĚĞůĂƐĞ ϭǑƵĂƌƚŝů ϮǑƵĂƌƚŝů ϯǑƵĂƌƚŝů ϰǑƵĂƌƚŝů
ϬйͲϭϬй ϱй ϮϬй ϯй ϭϰй ϰϵй
ϭϬйͲϮϬй ϭϱй ϯϳй Ϯϲй ϰϯй ϴϵй
ϮϬйͲϯϬй Ϯϱй ϲϬй ϰϬй ϲϯй ϭϬϬй

ϯϬйͲϰϬй ϯϱй ϴϬй ϲϯй ϳϳй ϭϬϬй
ϰϬйͲϱϬй ϰϱй ϴϵй ϴϯй ϴϵй ϭϬϬй
ϱϬйͲϲϬй ϱϱй ϴϵй ϴϯй ϴϵй ϭϬϬй
ϲϬйͲϳϬй ϲϱй ϵϳй ϭϬϬй ϭϬϬй ϭϬϬй
ϳϬйͲϴϬй ϳϱй ϭϬϬй ϭϬϬй ϭϬϬй ϭϬϬй
ϴϬйͲϵϬй ϴϱй ϭϬϬй ϭϬϬй ϭϬϬй ϭϬϬй
ϵϬйͲϭϬϬй ϵϱй ϭϬϬй ϭϬϬй ϭϬϬй ϭϬϬй
% de lámina acumulada para 50 % de tormentas Ϯϳ͕Ϯϴй ϯϲ͕ϲϬй Ϯϱ͕ϭϬй ϭϭ͕Ϭϯй
,ŝĞƚŽŐƌĂŵĂĐƵŵƵůĂĚŽͲ dŽƌŵĞŶƚĂƐфϯŚƐͲ /Ed;ƌƌĂŐĂͿ

ϭϬϬй
ϵϬй
;,ƵĨĨͿ
ϳϬй
ϲϬй
ϱϬй
ϰϬй
ϯϬй
ϮϬй
ϭϬй
Ϭй
ϭǑ ϮǑ ϯǑ ϰǑ
ƵĂƌƚŝů
Figura 4 – Comparación de hietogramas acumulados en estación INTA (Árraga)

estación de ITA-El Liberal (La Banda). Se puede observar que los porcentajes de precipitación
acumulada son del orden del 13% para el 1º cuartil y del 48 % para el 2º Cuartil en el método de
Pillgrim y que las intensidades picos se dan en el 3º cuartil.
En la Tabla 8 se dan los resultados correspondientes a Huff en donde se observa que para el
50% de probabilidad de ocurrencias de las tormentas el comportamiento no es el mismo en cuanto
al ordenamiento de los cuantiles, dando el pico en el 2º a diferencia del anterior que daba en el 3º.
La forma de la acumulación es semejante al caso del INTA (Frías) según se aprecia en la Figura 5.

En cuanto a los valores picos este método da un valor menor al de Pillgrim con una diferencia
mayor al 15%.
Tabla 7 – Aplicación de Método de Pillgrim para la estación del ITA-El Liberal (Banda)
Tormenta Porcentaje de lámina por cuartil
1° 2° 3° 4°
1 47,03% 51,70% 0,90% 0,37%
2 3,50% 87,30% 8,55% 0,65%
3 31,57% 63,62% 2,63% 2,18%
4 13,58% 78,20% 5,22% 3,00%
5 2,80% 16,97% 76,50% 3,73%
6 15,38% 26,07% 48,72% 9,83%
7 5,40% 49,80% 40,10% 4,70%
8 5,40% 83,60% 10,20% 0,80%
9 23,55% 34,81% 33,11% 8,53%
10 32,15% 10,73% 44,11% 13,02%
11 45,71% 18,49% 19,16% 16,64%
12 14,91% 11,81% 52,12% 21,16%
13 19,91% 14,51% 50,65% 14,93%
14 4,59% 15,12% 43,00% 37,29%
15 57,84% 17,35% 9,83% 14,97%
16 56,65% 35,68% 4,32% 3,35%
17 20,72% 25,39% 26,17% 27,73%
18 18,28% 16,98% 39,93% 24,81%
19 59,26% 27,01% 6,99% 6,74%
20 16,03% 27,85% 31,22% 24,89%
21 27,68% 31,25% 31,70% 9,38%
22 41,61% 47,65% 6,71% 2,01%
23 26,53% 27,55% 26,53% 19,39%
24 6,80% 31,07% 47,57% 14,56%
25 2,32% 58,33% 35,66% 6,69%
26 34,33% 30,00% 21,67% 14,00%
27 35,42% 22,08% 20,00% 22,50%
28 4,50% 37,80% 55,60% 2,10%
29 50,58% 37,88% 6,73% 4,81%
Tipo 12,90% 27,93% 50,73% 8,44%
Tabla 8– Aplicación de Método de Huff para la estación del ITA-El Liberal (Banda)
% de tormentas
Intervalo Marca de Clase 1º Cuartil 2º Cuartil 3º Cuartil 4º Cuartil
0% - 10% 5% 28% 0% 31% 55%
10% - 20% 15% 48% 28% 41% 79%

20% - 30% 25% 62% 52% 52% 97%
30% - 40% 35% 76% 72% 69% 100%
40% - 50% 45% 86% 79% 86% 100%
50% - 60% 55% 86% 79% 86% 100%
60% - 70% 65% 100% 90% 97% 100%
70% - 80% 75% 100% 93% 100% 100%

80% - 90% 85% 100% 100% 100% 100%
90% - 100% 95% 100% 100% 100% 100%
% de lámina acumulada para 50 % de tormentas 24,50% 33,77% 32,67% 9,06%
,ŝĞƚŽŐƌĂŵĂĐƵŵƵůĂĚŽͲ dŽƌŵĞŶƚĂƐфϯŚƐͲ /dͲ ;>ĂĂŶĚĂͿ

ϭϬϬй
ϵϬй
;,ƵĨĨͿ
ϳϬй
ϲϬй
ϱϬй
ϰϬй
ϯϬй
ϮϬй
ϭϬй
Ϭй
ϭǑ ϮǑ ϯǑ ϰǑ
ƵĂƌƚŝů
Figura 5 – Comparación de hietogramas acumulados en estación ITA – El Liberal (La Banda)
CONCLUSIONES
La aplicación de las dos metodologías a los datos históricos, sobre las cuatros localidades de
la provincia de Santiago del Estero permiten hacer las siguientes conclusiones generales y
particulares:
El comportamiento de las tormentas en las localidades analizadas es prácticamente
homogéneo con las intensidades picos que se producen en el 2º cuartil, a excepción de La Banda en
donde en las tormentas entre 2 a 3 hs. se da en el 3º Cuartil para el método de Pillgrim.
Que el método de OI da valores mayores a DA con valores que no superan el 15% para el
caso de la Estación IRHi, lo que su adopción estaría del lado de la seguridad en el diseño con un
error aceptable desde el punto de vista hidrológico.
Que el método de OI da valores menores que el DA con valores que no superan el 20% para
el resto de las estaciones, por lo que se recomienda tener una mayor longitud de registros que sean
más representativos y ver si dichas diferencias se reducen.
Los porcentajes acumulados hasta el 2º cuartil, en el orden del 65%, permiten inferir una
situación favorable para el proceso lluvia-escorrentía, ya que para eventos aislados generaría que el
proceso de infiltración atenúe el pico del Hietograma y por ende el pico del Hidrograma sea menor.

El método de Pillgrim da un porcentaje de precipitación pico del orden del 46,5% para el 2º
cuartil y el de Huff de 35,2%.
Estos avances en el procesamiento de los registros históricos pluviográficos serán
contrastados con otros procedimientos como el IMA, que se usan para la obtención de las IDF se
obtiene de las IMA, de manera de comparar con el método de bloque alterno o de Intensidad
Instantánea a los fines de definir un criterio de aplicación en la zona de estudio.
Caamaño Nelli G y Dasso C. (2003) “Lluvias de diseño: conceptos, técnicas y experiencias.

Editorial: Universitas. ISBN: 9879406435, 222 paginas. Córdoba, Argentina.
Caamaño Nelli G, Dasso C., García Calos M. y Mascuka E. (2013) “Validez de la Técnica
e Intensidad Instantánea para la Extracción de Hietogramas de Diseño Típicos”. Cuadernos del
CURIHAM, Vol. 19, Año 2013.
Chow, V.T., D.R. Maidment D.R. y Mays L.W. (1994).”Tormentas de Diseño. Cap. 14. pp.
455-505. Hidrologia Aplicada”. ISBN:958-600-171-7. Mc Graw-Hill Interamericana S.A. Santa Fe
de Bogotá, Colombia.
Huff, F. A. (1967). “Time Distribution of Rainfall en Heavy Storms”. Water Res. Research,
Vol. 3, Nº 4, 1007-1019. USA.
Huff, F. A. (1990). “Time Distributions of Heavy Rainstorms in Illinois”. ISWS/CIR-173/90
Circular 173. State of Illinois. Departament of Energy and Natural Resources
Pilgrim, D.; Cordery, I. y French, R. (1969). “Temporal Patterns of Design Rainfall for
Sydney”. Civil Engineering Transactions, Vol. CE 11, Nº 1. The Institution of Engineers. Sydney,
Australia.
Ponce, V.M. (1994). "Engineering Hydrology – Principles and practices". Prentice Hall,
EnglewoodCliffs, N. Jersey 07632; 637 p.
Vasková, I. y Francés García, F. (2004). “Cálculo de hietogramas de diseño con
incorporación de las propiedades de escala y dependencia temporales de la precipitación”. XXI
Cong. Latinoamericano de Hidráulica. IAHR Res. p.74. São Pedro, Brasil

IAHR AIIH
UTILIZAÇÃO DO MODELO CAESAR-LISFLOOD NO MAPEAMENTO DE

PERIGO POR INUNDAÇÃO BRUSCA. ÁREA URBANA DO MUNICÍPIO DE
SÃO VENDELINO/RS, BRASIL
Fernando Campo Zambrano; Masato Kobiyama

Universidade Federal do Rio Grande do Sul (UFRGS), Instituto de Pesquisas Hidráulicas (IPH), Programa de Pós-
Graduação em Recursos Hídricos e Saneamento Ambiental (PPGRHSA), Av. Bento Gonçalves, 9500, Porto Alegre/RS
– Brasil, e-mail: fernando.zambrano@ufrgs.br, masato.kobiyama@ufrgs.br
RESUMO: O aumento da ocorrência de desastres hidrológicos relacionados a inundações bruscas

tem recebido maior atenção dos diversos órgãos em suas diferentes escalas, com o objetivo de reduzir
ao máximo suas causas. Justamente por isso, as medidas não estruturais são medidas de extrema
importância na prevenção de tais desastres. Portanto, o objetivo do trabalho foi elaborar o mapa de
perigo de inundações bruscas por meio do modelo CAESAR-Lisflood na bacia do arroio Forromeco-
RS. Em escala de bacia foram gerados hidrogramas a partir da criação de chuvas de projeto para
diferentes tempos de retorno (TR), considerando como base o maior evento registrado nessa bacia
associado a um TR de 22 anos. Esses hidrogramas foram utilizados nas simulações em escala de canal
para gerar os diferentes mapas de inundação em termos de profundidade e velocidade do fluxo da
água. Para analisar as áreas de perigo de inundação, foram determinados os índices de perigo (IP)
associados aos diferentes TR, a partir da profundidade e a velocidade d’água. Através das análises do
resultado de IP foi criado o mapeamento final de perigo associado a três tempos de retorno (5, 22, e
100 anos). Além disso, estabeleceu-se três zonas para identificar os níveis de perigo, considerando o
cenário mais crítico dos três mapas. Os resultados mostraram que a maior área inundada se encontra
em alto perigo, ocupando 77% da área total. Isso, mostra que as pessoas que moram nessa região
estão em perigo tanto em casa, como fora delas. Ao mesmo tempo as construções estão em alta
possiblidade de serem danificadas.
ABSTRACT: The increase in the occurrence of hydrological disasters related to flash flood has
begun to more important for several organs at different in order to reduce their magnitude and
frequency as much possible. Precisely because of it, non-structural measures are extremely important
measures for preventing such disasters. Therefore, the objective of the work was to elaborate the flash
flood hazard mapping, using the CAESAR-Lisflood model in the Forromeco river basin. At basin
scale hydrographs were generated from the creation of project rains for different return times (TR),
considering as the basis the largest event recorded in this basin associated to a TR of 22 years. These
hydrographs were used in channel scale simulations to generate the different flood maps in terms of
depth and velocity of water flow. In order to analyse the flood hazard areas, the hazard indexes (IP)
associated with the different TR were determined from the depth and water velocity. Through the IP
result analysis, the final hazard mapping associated with three return times (5, 22, and 100 years) was
created. In addition, three zones were established to identify the hazard levels, considering the most
critical scenario of the three maps. The results showed that the largest flood area is in high degree
hazard, occupying 77% of the total area. It indicates that people are in danger both inside and outside
houses. At the same time buildings are in high possibility of being damaged.
PALAVRAS-CHAVES: Desastres Hidrológicos, Inundação Brusca, Mapeamento de Perigo.

INTRODUÇÃO
Os desastres naturais são definidos como um sério distúrbio no funcionamento de uma

comunidade, ocasionado impactos econômicos, ambientais e perdas humanas. O banco de dados do
Emergency Events Database (EM-DAT) demostra que os desastres naturais vêm aumentando
consideravelmente, sendo os desastres hidrológicos caracterizados principalmente por inundações os
mais representativos em termos de ocorrências, como em impactos humanos em escala global.
Segundo CEPED-UFSC (2013), os tipos de desastres que mais afetam a população no Brasil
é a estiagem, com 51,31%, seguido de inundações com 32,07%. No entanto, o desastre que causa o
maior número de mortes, são as inundações bruscas.
Embora existam diversas causas no aumento da ocorrência de desastres hidrológicos, como é
o caso de alterações climáticas que podem gerar significativos impactos sobre o regime hidrológico,
a ocupação de áreas susceptíveis à ocorrência de fenômenos hidrológicos extremos é uma das
principais. Tal ocupação muitas vezes ocorre pela falta de conhecimento e conscientização do perigo
e risco por parte da população, como de um mal planejamento não adequado no ordenamento de
ocupação territorial por parte das instituições encarregadas.
Assim, o aumento de ferramentas voltadas à redução de desastres hidrológicos, como é o
mapeamento, leva a um adequado ordenamento territorial que, por conseguinte levará a uma
apropriada gestão de desastres. Neste contexto, o objetivo do presente trabalho foi elaborar um mapa
de perigo de inundações bruscas por meio do uso do modelo CAESAR-Lisflood desenvolvido por
Coulthard et al. (2013).
METODOLOGIA
Área de estudo
A área de estudo, a bacia do arroio Forromeco, situa-se no estado do Rio Grande do Sul –
Brasil, entre os municípios de Farroupilha, Barão, Carlos Barbosa, São Vendelino, Alto Feliz e Bom
Princípio. Possui uma área de 288 km2, perímetro de 85 km e sua altimetria varia entre 85 e 790 m
(Figura 1).
Para gerar o mapeamento de perigo de inundações a partir da propagação do escoamento, foi
selecionado um trecho do arroio Forromeco que atravessa a cidade de São Vendelino, devido à
existência de um histórico de inundações bruscas que este município tem sofrido. Por exemplo, o
evento ocorrido em 28/07/1982, que ocasionou grandes prejuízos na cidade (Zambrano, 2017). Este
trecho é caracterizado por apresentar uma planície de inundação, relativamente estreita, com também
um canal sinuoso (Figura 1). O comprimento desse trecho é de 3,76 km, largura média de 33 m, e
profundidade média de 6 m.
Dados hidrológicos utilizados
Para a determinação dos hietogramas de entrada para as simulações hidrológicas no modelo

CAESAR-Lisfood, foi utilizado o maior evento registrado que ocorreu o 28/07/1982. Além disso,
levou-se em consideração a teoria apresentada por Monteiro e Kobiyama (2014), na qual afirmaram
que, quanto mais tardar o pico do hietograma em ocorrer, maior será a vazão de pico. Isso fornecerá,
consequentemente, maior abrangência na inundação. Assim, o presente trabalho adotou o pico do
hietograma a 75% da duração total da precipitação.

Figura 1 – Localização da área de estudo e sua altimetria.
Dados topográficos utilizados
Os dados topográficos utilizados na simulação computacional foram um Modelo Digital do

Terreno (MDT) criado a partir de dados disponíveis para o estado de Rio Grande do Sul e dados
topográficos levantados em campo (pontos cotados e seções transversais). Isto, permitiu representar
um MDT com as condições mais precisas, tanto no canal como na planície.
Desta forma, considerando a largura estreita do trecho de rio selecionado, a resolução final do
MDT foi de 5 m.
Aplicação do CAESAR-Lisflood
Para simulação dos processos hidrológicos na bacia de estudo, foi aplicado o modelo chuva-
vazão TOPMODEL acoplado ao modelo CAESAR-Lisflood. Para isto, inicialmente realizou-se a
calibração do modelo através da analises estatísticas da comparação de dados observados de vazões,
a fim de avaliar os resultados com o TOPMODEL obtidos por Zambrano et al. (2015). Aqui, nota-se
que o TOPMODEL no CAESAR-Lisflood é uma versão bastante simplificada do seu modelo original
proposto por Beven e Kirkby (1979).
O escoamento gerado com o TOPMODEL serviu como dados de entrada ou condição de
contorno para as simulações hidrodinâmicas. Para propagação do escoamento, CAESAR- Lisflood
utiliza o modelo inercial bidimensional LISFLOOD-FP. Assim, a fim de calcular o fluxo 𝑄𝑄 em todas
as direções entre as células, o modelo utiliza uma formulação derivada a partir da equação de
momento, na forma unidimensional, das equações de Saint Vennant.
∆(ℎ+𝑧𝑧)
𝑞𝑞−𝑔𝑔∙ℎ𝑡𝑡 ∙∆𝑡𝑡∙
𝑄𝑄 = ∆𝑥𝑥
10/3 ∆𝑥𝑥 [1]
(1+𝑔𝑔∙ℎ𝑡𝑡 ∙∆𝑡𝑡∙𝑛𝑛2 ∙|𝑞𝑞|/ ℎ𝑡𝑡 )

onde 𝑞𝑞 é o fluxo entre as células na iteração anterior; 𝑔𝑔 é a aceleração gravitacional; n é o coeficiente
de rugosidade de Manning; ℎ é a profundidade da água; 𝑧𝑧 é a elevação; ℎ𝑡𝑡 é a profundidade máxima
de fluxo entre as células; ∆𝑥𝑥 é a largura da célula; e ∆𝑡𝑡 é o tempo. Esta formulação é aplicada nas
duas direções horizontais a fim de simular o escoamento em duas dimensões sobre o raster.
Uma vez calculados os fluxos nas quatro direções da célula, estima-se a profundidade da água,
a partir da discretização da equação de conservação de massa.
𝑖𝑖−1,𝑗𝑗 𝑖𝑖,𝑗𝑗 𝑖𝑖,𝑗𝑗−1 𝑖𝑖,𝑗𝑗

∆ℎ𝑖𝑖,𝑗𝑗 𝑄𝑄𝑥𝑥 −𝑄𝑄𝑥𝑥 +𝑄𝑄𝑦𝑦 −𝑄𝑄𝑦𝑦
= [2]
∆𝑡𝑡 ∆𝑥𝑥 2
onde 𝑖𝑖 e 𝑗𝑗 são as coordenadas da célula; e ∆𝑡𝑡 é o intervalo de tempo adequado para o modelo, que é
controlado pela condição de Courant Freidrichs Lewy, para garantir uma simulação estável para a
maioria das situações de fluxo, assegurando assim maior estabilidade numérica do modelo.
A partir dos resultados que o modelo hidrodinâmico fornece, é criado o mapa de inundação
que está relacionado a um tempo de retorno (TR), para assim, posteriormente elaborar o mapa de
perigo de inundação.
Mapeamento de perigo de inundação
Para a criação do mapeamento de perigo de inundação foi necessário quantificar ou definir o

nível de perigo. PREVENE (2001) propôs uma caraterização a partir de diferentes níveis de perigo
que variam em função da probabilidade, em termos do tempo de retorno e em função da intensidade
através do índice de perigo (Figura 2).
Figura 2.- Níveis de perigo associados ao período de retorno e a intensidade
Para a definição do índice de perigo, Stephenson (2002) desenvolveu diferentes tipos de

perigo ligado diretamente ao seu potencial destrutivo. Este índice permite calcular o tipo de perigo
em função da profundidade e a velocidade da água.
𝐼𝐼𝐼𝐼 = ℎ ∙ 𝑣𝑣 [3]
onde h é a profundidade da água (m); e v é a velocidade do escoamento em (m.s-1).

No entanto, as inundações têm respostas hidrologicamente diferentes dependendo das suas
características geomorfológicas, o que leva a que o tipo de perigo de inundação esteja sujeito a sua
resposta. Por exemplo, baixas profundidades e velocidades do escoamento, determinarão um tipo de
perigo menor, visto que, os prejuízos em sua maioria serão econômicos. No entanto, para altas
profundidades e velocidades do escoamento, geralmente conhecidas como inundações bruscas, o tipo

de perigo será maior, ao envolver tanto danos materiais como perdas humanas (Figura 3).
Figura 3.- índices de perigo associados à profundidade e velocidade do escoamento
RESULTADOS E DISCUSSÕES
Mapeamento de áreas de inundação
Para propagação do escoamento gerado a partir dos processos hidrológicos, realizou-se a

calibração do modelo hidrodinâmico em termos da extensão da área inundada através dos resultados
simulados e observados do evento extremo ocorrido em junho de 1982. Embora as comparações das
simulações com os dados observados tenham apresentado um bom ajuste, houve algumas diferenças
em termos de níveis máximos atingidos. Esta diferença pode ser explicada devido às alterações do
terreno ao longo do tempo, conforme o relatado por moradores e o observado em campo. Além disso,
a não consideração de estruturas, como pontes, poderia também ter influenciado no ajuste.
Posteriormente, os resultados das simulações hidrodinâmicas foram comparados em termos
de área inundada, profundidade e velocidade do escoamento (Figura 4). As áreas inundadas
aumentam com o aumento do TR apresentando uma boa correlação de R2 = 0,958 (Figura 5a). Este
resultado já era esperado considerando as diferenças entre as vazões de pico.
Observa-se que a distribuição de profundidade para os diferentes valores de TR é similar. A
medida que a profundidade aumenta a sua frequência diminui. No entanto, a distribuição de
frequências de velocidades teve o mesmo comportamento para os TR de 5, 22, e 50 anos. Quanto
maior a velocidade, menor é sua frequência. Nos TRs de 100 e 200 anos, o comportamento de
distribuição de frequências teve uma variação em relação aos outros apresentando as maiores
frequências para as velocidades de 1 e 2 m/s (Figura 5b).

Figura 4.- Mapas de inundação em termos de profundidade e velocidade da água. a) e c) Tr=5 anos, b) e d)
Tr=200 anos
Figura 5.- Resultados das simulações: a) Área inundável para diferentes TR e b) Distribuição de frequências
em função da profundidade e velocidade da água para TR=5 e TR=200 anos.

Determinação do índice de perigo de inundação
Na determinação do índice de perigo foram utilizados os mapas de inundação associados a

diferentes TR em função da profundidade e velocidade da água. O cálculo foi realizado para a maior
área inundada e definidos como IP1 para perigo baixo, IP2 para perigo médio e IP3 para perigo alto.
Os resultados mostram que a maior área dentro da inundação apresentou um alto perigo. Isto
aconteceu para os diferentes TR, com um aumento potencial (Figura 6). Por exemplo, para TR = 5 e
TR = 200 anos a área de alto perigo representou 71 e 81% da área total inundada. Além disso, a
segunda maior área apresentou um perigo baixo, seguido de um perigo médio. Em termos de
porcentagem, tomando os TR de 5 e 200 anos, a área de baixo perigo representou 25% e 14%, e para
a área de perigo médio 4% e 5% da área total inundada.
Ϭ͘ϲ
ƌĞĂĚĞƉĞƌŝŐŽĚĞŝŶƵŶĚĂĕĆŽ;ŬŵϮͿ
Ϭ͘ϱ
Ϭ͘ϰ
/Wͺϭ
Ϭ͘ϯ
/WͺϮ
Ϭ͘Ϯ /Wͺϯ
dŽƚĂů
Ϭ͘ϭ
Ϭ͘Ϭ
Ϭ ϱϬ ϭϬϬ ϭϱϬ ϮϬϬ ϮϱϬ
dĞŵƉŽĚĞƌĞƚŽƌŶŽ;ĂŶŽƐͿ
Figura 6.- Tipos de perigo de inundação associados a diferentes tempos de retorno.
Contudo, pode-se dizer que estes resultados coincidem com a região de estudo, ao considerar
que a criação do índice de perigo é tanto função da profundidade como velocidade, sendo que o tipo
de inundação que esta região apresenta está caracterizada pelas elevações repentinas das vazões com
altas velocidades.
Mapa final de áreas de perigo de inundações
A elaboração de um único mapa de áreas de perigo de inundações foi realizada através da

quantificação dos níveis de perigo proposto por PREVENE (2001). Estes níveis estão relacionados
em função da frequência em termos de TR e da intensidade em termos do índice de perigo.
Contudo, foram considerados três TR de 5, 22 e 100 anos, sendo que após de 100 anos a área
inundável é quase constante. Desta forma, estimou-se o mapa final dando preferência ao nível de
perigo mais alto (Figura 7).
Estes resultados demostram que a área atingida pela inundação, associada a diferentes TRs no
município de São Vendelino, encontra-se em um alto perigo, ocupando 77% da área total inundada.
Isto significa que a população está em perigo, tanto dentro quanto fora de suas casas, e que as
construções podem sofrer danos consideráveis, com alta possibilidade de serem destruídas.

Figura 7.- Mapa de áreas de perigo de inundação para o município de São Vendelino/RS
CONSIDERAÇÕES FINAIS
O mapeamento de perigo de inundação contribui no entendimento, descrição e avaliação dos
processos que ocasionam inundações, além de ser uma ferramenta importante no gerenciamento de
desastres naturais. Por tanto recomenda-se para o município de São Vendelino, que sejam aplicadas
medidas de baixo custo e de fácil implementação (medidas não estruturais), considerando o alto perigo a
inundações bruscas, ao qual este município está exposto.
REFERÊNCIAS
Beven, K; Kirkby, M. (1979). Physically Based Variable Contributing Area Model of Basin Hydrology.
Hydrological Science Bulletin. v. 24, pp. 43 – 69.
CEPED–UFSC (2013). Atlas Brasileiro de Desastres Naturais 1991 a 2012. 2 ed rev. ampl. Florianópolis: UFSC.
Coulthard, T. J.; Neal, J. C.; Bates, P. D.; Ramirez, J.; Almeida, G. A. M.; Hancock, G. R. (2013).
Integrating the LISFLOOD-FP 2D hydrodynamic model with the CAESAR model: implications for modelling
landscape evolution. Earth Surface Processes and Landforms. v. 38, pp. 1897-1906
Monteiro, R. L.; Kobiyama, M. (2014). Proposta de metodologia de mapeamento de perigo de inundação.
REGA. v. 10, n. 2, p. 13-25.
PREVENE. (2001). “Contribution to Natural Disaster Prevention in Venezuela”. Cooperation: Venezuela –
Switzerland. PNUD.
Stephenson, D. (2002). Integrated flood plain management strategy for the Vaal. Urban Water, v. 4, p. 425-430.
Zambrano, C.F (2017). “Avaliação do perigo de inundações bruscas por meio de modelagem
hidrogeomorfológica: Estudo de caso, bacia do arroio Forromeco-RS” Dissertação de Mestrado
IPH/UFRGS. Porto Alegre.
Zambrano, C. F.; Kobiyama, M.; Michel, G. P.; Pereira, M.A.; Barragan, M. L. (2015). Estudo preliminar
do balanço hidrico da bacia do arroio Forromeco-RS com o modelo CAESAR-Lisflood. XXI Simpósio Brasileiro
de Recursos Hídricos. Brasília.

IAHR AIIH
MODELACIÓN HIDROLÓGICA DISTRIBUIDA DEL ARROYO

TORTUGAS (SISTEMA CARCARAÑÁ – CÓRDOBA, ARGENTINA)
Eliana Jorquera1, Javier Alvarez1,2, C. Marcelo García Rodríguez1,2,

Paolo Gyssels1 y Micaela Pacher 1
1
Facultad de Ciencias Exactas, Físicas y Naturales (FCEFyN), Universidad Nacional de Córdoba (UNC). Av Filloy s/n, Ciudad Universitaria,
CP 5000, Córdoba, Argentina
2
Instituto de Estudios Avanzados en Ingeniería y Tecnología (IDIT CONICET/UNC). FCEFyN, Av. Vélez Sarsfield 1611, Ciudad Universitaria,
Córdoba, Argentina.
elianajor@gmail.com, javieralvarez.ic@gmail.com, cgarcia2mjc@gmail.com, pgyssels@gmail.com
RESUMEN:
El objetivo de este trabajo, es calibrar y validar un modelo hidrológico distribuido y por
eventos en la cuenca del Arroyo Tortugas, también conocido como Canal San Antonio, uno de los
principales tributarios al río Carcarañá. Para esto se busca representar con las simulaciones, las
inundaciones estimadas con el procesamiento de imágenes satelitales y los caudales aforados, a partir
de precipitaciones observadas en toda la extensión de la cuenca de estudio.
Entre los principales resultados, se han obtenido las inundaciones que genera el pico de un
hidrograma de simulación que se compararon con las inundaciones observadas con el procesamiento
de imágenes satelitales. Sin embargo, se han observado diferencias en magnitud, que pueden deberse
en primer lugar a que la imagen satelital fue reconstruida con información de entre 5 y 13 días después
del evento simulado. Además, se supone que esto puede deberse también a la baja cobertura espacial
de Landsat para las dimensiones del área de estudio, y a que en el día del evento las imágenes
disponibles cubren del orden del 50% de la cuenca con nubosidad, dificultando realizar el análisis de
imágenes satelitales. En segundo lugar, la simulación es realizada para el evento del 17 de Enero,
esperándose que en el transcurrir de los días la cuenca logre drenar gran parte de este caudal,
reteniendo en depresiones y canales los remanentes del evento y los aportes de las napas subterráneas.
ABSTRACT:
The objective of this work is to calibrate and validate an event-based and distributed
hydrological model in the Arroyo Tortugas basin, also known as Canal San Antonio, one of the main
tributaries to the Carcarañá River. For this, with the simulations it is sought to estimate floods
observed in the satellite image processing and the measured flows, from rainfall observations in the
whole extension of the study basin.
Among the main results, the floods generated by the hydrograph-peak of the simulation agree
with the floods observed of the satellite images processed. However, the differences between them,
mainly in magnitude, may be due firstly because the satellite image was reconstructed with
information between 5 and 13 days after the simulated event. It is assumed that this may be due to
the low spatial imagery coverage for the dimensions of the study area, since on the day of the event
the available images cover the order of 50% of the basin with cloudiness, making it difficult to
perform satellite image analysis. Secondly, the simulation is carried out for the event of January 17,
and, in the course of the days, the basin should manage to drain a large part of this flow, retaining in
depressions and channels the remnants of the event and the contributions of the underground flows.
PALABRAS CLAVES: Simulación Hidrológica; Arroyo Tortugas.

INTRODUCCIÓN Y OBJETIVOS
Un modelo hidrológico busca representar los diferentes procesos involucrados en la

transformación lluvia-caudal en una determinada cuenca. De acuerdo a la discretización espacial de
la cuenca, se tienen modelos agregados, que consideran la cuenca como una superficie homogénea y
modelos distribuidos que permiten considerar la heterogeneidad de parámetros y variables de estado.
En este trabajo se implementa el modelo distribuido TREX (England et al., 2007, Velleux et al., 2008,
Velleux et al., 2017) debido a la fuerte base física en la conceptualización de los procesos.
En este trabajo se busca calibrar el modelo hidrológico a partir de la comparación con aforos
puntuales y lo observable mediante imágenes satelitales Landsat 8.
ÁREA DE ESTUDIO
El sistema de estudio seleccionado fue la cuenca del canal San Antonio - arroyo Tortugas
(Figura 1, de 12.315 km2) es una importante cuenca de aporte a la cuenca baja del Río Carcarañá. Se
ubica al centro-este de la Provincia de Córdoba y del oeste de la Provincia de Santa Fe. Al norte, esta
cuenca se extiende hasta la ciudad de San Francisco y al sur hasta proximidades de la localidad Cruz
Alta. Este arroyo fue canalizado para transportar el agua proveniente de desagües pluviales urbanos
y del escurrimiento superficial en campos de la región. La cuenca es principalmente de llanura, con
pendiente media de 0.02%.
Figura 1.- Cuenca del canal San Antonio - arroyo Tortugas.
En este trabajo, se ha utilizado el modelo TREX, “Two-dimensional Runoff, Erosion, and

Export model”. Es un modelo bidimensional de escurrimiento, erosión y transporte de sedimentos y
contaminantes. Los procesos hidrológicos simulados son: precipitación e intercepción, infiltración y
pérdidas por transmisión en el cauce, almacenamiento, flujo superficial y en canales y derretimiento
de nieve.
En este modelo se utiliza la relación de Green y Ampt (1911) para definir la infiltración en la
superficie del terreno y en los cauces. Si la tasa de precipitación supera a la de infiltración, el agua se
almacena en las depresiones del terreno hasta un determinado umbral que da comienzo al flujo
superficial. Este flujo está gobernado por las leyes de conservación de la masa y de la cantidad de

movimiento, TREX utiliza la aproximación de la onda difusiva unidimensional en cauces y
bidimensional en la superficie de la cuenca, suponiendo que el flujo es turbulento y que la resistencia
al flujo se puede describir utilizando la formulación de Manning.
Este modelo es de código libre, está escrito en el lenguaje de programación C y está disponible
en la página web de la Universidad Estatal de Colorado. El modelo requiere como datos de entrada
mapas de modelo digital de elevación, tipos de suelos, cobertura vegetal, máscara de la cuenca y red
de canales. Además, requiere datos de la geometría y rugosidad de los canales, datos de lluvia y
condiciones iniciales tanto en las celdas que corresponden a los cauces como a las laderas.
Los parámetros del modelo de Green y Ampt son la conductividad hidráulica y la altura de
succión. Estos son función del tipo de suelo en la cuenca (Figura 2). En la cuenca se identificaron 39
tipos de suelos, de acuerdo al Libro de los Suelos de la provincia de Córdoba (INTA, 2006). El
parámetro de intercepción vegetal es un valor máximo de almacenamiento en función de la cobertura
vegetal, en la cuenca se distinguen 11 tipos de cobertura vegetal (Figura 3).
Figura 2.- Mapa de tipos de suelo
Figura 3.- Mapa de cobertura vegetal.

Los parámetros de escurrimiento superficial tanto en ladera como en canales son la geometría
y el parámetro de resistencia al flujo (n de Manning) para cada uno de ellos. Para laderas, la geometría
se obtiene a través del modelo digital de elevación y el “n” de Manning se indica para cada cobertura
vegetal (Figura 3). En cauces la topología de la red de drenaje se obtiene del mapa de links y nodos,
del modelo digital de elevación y se indica la geometría y rugosidad de cada uno de los canales.
Además, cada uno de los procesos descriptos necesita una serie de condiciones iniciales; éstas
son para el modelo de Green y Ampt, el déficit de humedad y la altura inicial de infiltración. Se
indican en forma distribuida en toda la cuenca a través de un mapa ráster.
En el caso del escurrimiento superficial en cauces: se debe indicar la altura inicial de agua en
cada cauce y en ladera. En cauces se indica en un archivo de texto y en laderas a través de un mapa
raster. En este caso se supuso que la cuenca no tenía acumulación de agua en cada celda al momento
de comenzar la lluvia. El modelo resultante fue elaborado con 4096960 celdas de 100m de resolución
por píxel. Por otro lado, se simuló con un paso de cálculo variable entre 1 y 0,1 segundos y se
registraron los valores simulados cada media hora.
Índice Diferencial de Agua Normalizado “NDWI”:
Este índice es comúnmente llamado por sus siglas en inglés “NDWI”. A través del cálculo de
este índice podemos identificar masas de agua y zonas de elevada saturación de humedad por medio
del análisis de imágenes satélite. Éste se puede determinar mediante la siguiente ecuación de bandas
de imágenes satelitales:
NDWI = (NIR-SWIR)/(NIR+SWIR) [1]
Donde se relacionan la banda NIR- Near InfraRed (o infrarrojo cercano) y la banda SWIR-
Short Wavelength InfraRed (infrarrojo corto).
RESULTADOS
El modelo fue parametrizado en primera instancia a partir de conceptos teóricos y rangos de

valores recomendados en simulaciones similares. Es así que, se realizó una simulación del evento de
precipitación registrado el día 17 de enero de 2017 con los parámetros considerados adecuados para
una condición de humedad normal. Teniendo en cuenta que TREX es un modelo distribuido por
eventos, con estos parámetros se obtuvo un hidrograma efectivo en una celda ubicada próxima a la
localidad Cruz Alta (32°44′00″S - 61°49′00″O).
El modelo fue calibrado comparando los resultados del hidrograma modelado y el caudal
medido en el punto indicado. Se han representado las condiciones de gran humedad antecedente y
flujo base en la cuenca, en la fecha de calibración. Para representar las condiciones de humedad
antecedentes, se estableció que la infiltración inicial fuera de 10cm, que el déficit de humedad fuera
del 20% y la cabeza de succión del orden de 10cm. Por otro lado, para representar el caudal base, se
partió de los aforos de caudal efectuados por el LH-CETA de la UNC en diferentes campañas de
aforo durante el año 2016. A partir de éstos se estimó la siguiente curva de recesión:
𝑄𝑄 = 224.940𝑒𝑒 −0.256𝑡𝑡 [2]
A su vez, el LH-CETA de la UNC realizó aforos de caudal con ADCP previo y a posteriori
del evento de validación seleccionado 29/12/2016: 117 m3/s y 20/01/2017: 105 m3/s. Aplicando la
curva de recesión antes estimada, se puede estimar que el caudal base el 17 de enero (previo a la
precipitación) resultaba del orden de 90 m3/s.

Además, las batimetrías de los principales cauces fueron estimadas a partir de las mediciones
en campo con ADCP y topografía in-situ.
A continuación, la Figura 4 muestra el hidrograma resultante de la simulación hidrológica en
el punto de cierre de la cuenca, teniendo en cuenta como caudal base, aquel estimado en 90 m3/s.
Figura 4.- Hidrograma simulado en canales, laderas y total. (La figura muestra que la capacidad de los
canales es de 150 m3/s).
En la figura anterior se observa que, la capacidad máxima de transporte del canal San Antonio
ronda los 150 m3/s, y el caudal excedente inunda las planicies de inundación y campos aledaños. Es
así, en la Figura 5, se presenta la mancha de inundación para el momento pico del hidrograma en el
cierre de la cuenca.
Figura 5.- Presencia de agua en la simulación en el instante pico del hidrograma (8 horas) y parámetros de
validación.

Por último, en la siguiente figura se muestra el resultado de la determinación por medio de
NDWI de la humedad de suelo a partir de la construcción de un mosaico con imágenes satelitales
Landsat 8, para las fechas 21, 23 y 30 de Enero del 2017.
Figura 6.- NDWI de mosaico de imágenes satelitales Landsat 8 entre las fechas 21, 23 y 30-Ene-2017.
Es de notarse, que tanto en la imagen NDWI anterior como en el resultado del pico del
hidrograma 8 horas después de iniciada la simulación, se presenta zonas húmedas en toda la extensión
de la cuenca. Las diferencias en magnitud de las inundaciones pueden deberse en primer lugar a que
la imagen satelital fue reconstruida con información satelital de entre 5 y 13 días después del evento
simulado, debido a la baja cobertura espacial de Landsat para las dimensiones del área de estudio, y
a que en el día del evento las imágenes disponibles cubren del orden del 50% de la cuenca con
nubosidad, dificultando realizar el análisis de NDWI. En segundo lugar, la simulación es realizada
para el evento del 17 de Enero y se presenta la figura para el pico del hidrograma (donde se muestran
los mayores flujo en ladera), se espera que en el transcurrir de los días la cuenca logre drenar gran
parte de este caudal, reteniendo en depresiones y canales los remanentes del evento y los aportes de
las napas subterráneas. Esta última situación resulta difícil de simular con un modelo por eventos
debido a la presencia de procesos continuos que no serían debidamente representados por las
ecuaciones de infiltración y tránsito de este modelo.
CONCLUSIONES
A pesar de los escasos registros continuos en la cuenca de estudio y de la baja frecuencia de

las imágenes Landsat 8, la comparación entre las simulaciones y la presencia de cuerpos de agua
permite afirmar que las simulaciones han sido adecuadas.

Además, el aforo más cercano a la fecha de simulación fue realizado el 20 de enero de 2017.
El resultado de este aforo resulta en valores similares a la tendencia de los simulados, pudiendo
afirmarse que el modelo se encuentra calibrado para estos datos.
Por último, se recomienda evaluar el desempeño del modelo hidrológico ante otros escenarios
pluviométricos. A los fines de generar una herramienta útil para la planificación del recurso hídrico.
REFERENCIAS
England, J. F., Velleux, M. L, Julien, P. Y. (2007) “Two-dimensional simulations of extreme floods

on a large watershed”. Journal of Hydrology, Vol 347, pp. 229– 241.
Instituto Nacional de Tecnología Agropecuaria y Agencia Córdoba Ambiente S.E. (2006) “Los
Suelos”.
Velleux, M. L, England, J. F., Julien, P. Y. (2008) “TREX: Spatially distributed model to assess
watershed contaminant transport and fate”. Science of the Total Environment, Vol. 404, pp. 113–128.
Velleux, M. L, England, J. F., Julien, P. Y. (2017) “TREX Watershed Modeling Framework User’s
Manual: Model Theory and Description”.

IAHR AIIH
AVANCES EN EL ESTUDIO
DE
TORMENTAS CONVECTIVAS
Jorge Fabián Bonilla

Instituto Nacional del Agua, Centro Regional Andino, Belgrano Oeste 210, Capital (M5500FIF)
Mendoza, Argentina. +54 261 4288005 – jbonilla@ina.gob.ar
RESUMEN
Las tormentas convectivas son un fenómeno meteorológico que es local, de alta intensidad,
corta duración y núcleos pequeños. Para poder caracterizarlas es necesario conocer la precipitación
total en el núcleo, además de la distribución espacial y temporal.
El trabajo tiene como objetivo arribar a un método que permita determinar en forma
sistematizada un modelo de isoyetas elípticas apto para incorporar a un sistema de alerta temprana y
que además sirva de herramienta para el estudio y análisis de los cambios en la distribución espacial
de tormentas a lo largo del tiempo.
Entre el año 2015 a 2017 se desarrolló un método matemático y gráfico para el trazado de
isoyetas elípticas con pocas observaciones, que se aplicó con éxito a la determinación del
decaimiento espacial en el sur Mendoza. El tiempo de aplicación no permite lograr los objetivos
planteados.
Partiendo de algunas hipótesis básicas, se arriba a un método iterativo de resolución, apto
para ser implementado mediante técnicas de programación. El desarrollo del software
correspondiente y las pruebas realizadas con mediciones del piedemonte de la Ciudad de Mendoza
son lo suficientemente buenas y alentadoras para seguir la investigación iniciada.
ABSTRACT
The convective precipitations are a meteorological phenomenon that it’s local, of high
intensity, short duration and small nucleus. To characterize them is necessary to know total rain on
the nucleus, in addition to temporal and spatial distribution.
The work is aimed to arrive to a method that allows to determinate a model of elliptical
isohyets apt to incorporate to an early alert system. Also, it serves as tool to study and analysis of
changes in spatial distribution of storms along time.
From 2015 to 2017 it developed a graphics and mathematical method to draw elliptic
isohyets with few observations, that was successfully applied to determinate the spatial decay in the
south of Mendoza.
Starting from some basic hypothesis, it’s arrived at an iterative method of resolution, apt to
be implemented through programming techniques. The corresponding software was developed and
tested over Mendoza City’s piedmont are good enough to follow the research started.
PALABRAS CLAVES: TORMENTAS, ISOYETAS, MODELO

INTRODUCCIÓN
Las tormentas convectivas son un fenómeno meteorológico que se caracteriza por ser local,
de alta intensidad, corta duración y núcleos pequeños. Para poder caracterizarlos es necesario
conocer la precipitación total en el núcleo, además de la distribución espacial y temporal.
En la zona del piedemonte de Mendoza este tipo de tormentas se producen

fundamentalmente en la época de verano, aunque se considera que el período de lluvias intensas es
entre el 1 de octubre de un año, hasta el 31 de marzo del año próximo.
Este tipo de fenómenos es importante estudiarlos bajo tres escenarios bien diferenciados: el
primero referido al proyecto de obras hidráulicas, donde se debe disponer de una Tormenta de
Proyecto relacionada con un Tiempo de Recurrencia. El segundo es para los sistemas de alerta
temprana, en caso de disponer datos de precipitación en tiempo real y el tercero para evaluar el
cambio en los regímenes de precipitación producto de alteraciones climáticas.
El primero de los casos, al menos en el piedemonte de Mendoza está resuelto a través de la

publicación de las curvas I-D-F (Intensidad – Duración – Frecuencia) (INA-CRA, 2008) que se
muestran en la Figura 1. En las mismas, además, se presenta un modelo de hietograma patrón y una
curva de decaimiento espacial obtenidos mediante técnicas estadísticas.
Figura 1.- Curvas IDF del INA-CRA
El segundo caso, si se dispone de datos en tiempo real, la intensidad de precipitación

instantánea y el hietograma de la tormenta en curso son fácilmente determinables. Sin embargo, la
obtención de la distribución espacial no es directa.

Dentro de los métodos existentes, el promedio no da buenos resultados al no tener en cuenta
la distribución espacial de los pluviómetros, los polígonos de Thiessen no son adecuados para zonas
de montaña, siendo las isoyetas el procedimiento más adecuado.
Las isoyetas representan líneas de igual precipitación, que pueden ser trazadas mediante
técnicas de interpolación de datos o mediante modelos matemáticos como las isoyetas elípticas.
El último escenario, respecto al cambio del régimen de precipitación por alteraciones

climáticas (o cambio climático) hay que analizar los patrones de intensidad, distribución espacial y
temporal a lo largo del tiempo y determinar si los mismos han sufrido cambios estadísticamente
significativos.
OBJETIVO
El trabajo tiene como objetivo arribar a un método que permita determinar en forma
sistematizada un modelo de isoyetas elípticas apto para incorporar a un sistema de alerta temprana y
que además sirva de herramienta para el estudio y análisis de los cambios en la distribución espacial
de tormentas a lo largo del tiempo.
ANTECEDENTES
Entre el año 2015 a 2017 se desarrolló un método para el trazado de isoyetas elípticas en
base a pocas observaciones, que se aplicó con éxito a la determinación del decaimiento espacial en
la zona de San Rafael, Mendoza (Bonilla, 2017).
Este método consiste en un laborioso análisis matemático y gráfico, para arribar a

coeficientes de decaimiento regional, que conlleva un tiempo de proceso lo suficientemente largo
como para impedir aplicarlo a sistemas de alerta temprana y poco práctico para el estudio de
numerosas tormentas.
Sintéticamente consiste en suponer inicialmente las isoyetas circulares. Esta simplificación

permite encontrar un coeficiente de decaimiento mediante métodos gráficos.
Luego a partir de una transformación matemática se logra encontrar el coeficiente de

decaimiento regional, lo que permite estimar el decaimiento espacial de una tormenta en función del
área considerada.
El presente trabajo encuentra un método más eficiente para encontrar el decaimiento

espacial con pocas observaciones y generar prácticamente en tiempo real isoyetas elípticas en base a
pocas observaciones.
Hipótesis
Se tienen en cuenta una serie de hipótesis de partida:
a. Las tormentas son del tipo convectivas de núcleo único.

El modelo matemático elegido, es decir las elipses, permiten modelar solamente
tormentas de un solo núcleo, no dando buenos resultados con tormentas de dos núcleos.
En la zona del Piedemonte de Mendoza se han dado ocasionalmente algunas tormentas de
dos núcleos, las cuales aún no son posibles de modelar mediante los procedimientos aquí

descriptos, aunque se está investigando la hipótesis de tratarlas como tormentas separadas
y sumar los efectos de cada una.
b. El núcleo de la precipitación es cercano a los pluviómetros.

Al considerar que son pocas observaciones es importante estar registrando valores
cercanos al núcleo para disminuir la incertidumbre propia del método, que supone iterar
entre otros parámetros, la posición del núcleo. Para acotar el problema se van probando
posiciones del núcleo que se encuentran en el área de influencia de los pluviómetros, la
cual se encuentra limitada. Para considerar válida esta hipótesis, se deben utilizar en una
zona que no esté aislada de mediciones, de manera que, si el núcleo esté lejos de los
pluviómetros con mediciones, el mismo sea detectado por otras estaciones del área
cercana.
c. La tormenta registrada corresponde a un evento intenso.

Esta condición tiene que ver con el modelo en sí, donde se sabe que las tormentas
convectivas intensas tienden a tener un desarrollo similar a elipses concéntricas.
d. Se disponen de al menos tres observaciones simultáneas.

Es la cantidad mínima de observaciones que son necesarias para disponer de una
tendencia de la ubicación del núcleo. Se puede apreciar en la Figura 2 que, con dos datos
de precipitación, puede haber múltiples geometrías de soluciones. Como criterio general
se puede decir que mientras más datos de precipitación simultánea se dispongan, mejor
va a ser la aproximación encontrada.
Figura 2.- Incertidumbre en la posición de la tormenta con dos observaciones
Modelo de decaimiento lineal
El decaimiento sobre el eje menor de las elipses se puede expresar mediante la Ecuación 1:
2
P𝑏𝑏 = 𝑃𝑃𝑜𝑜 ∙ 𝑒𝑒 −𝑘𝑘∙𝑏𝑏 [1]
Donde:
P𝑏𝑏 : Precipitación en un punto del eje menor
𝑃𝑃𝑜𝑜 : Precipitación en el núcleo de la tormenta
𝑘𝑘: Coeficiente de decaimiento lineal
𝑏𝑏: Distancia al centro de las elipses

Modelo de decaimiento espacial
La relación entre ejes de la elipse se expresa en la Ecuación 2:
𝑐𝑐 = a⁄𝑏𝑏 [2]
Siendo ‘𝑎𝑎’ el eje mayor de la elipse y ‘𝑏𝑏’ el eje menor.
A partir del análisis diferencial (Figura 3), se puede determinar la expresión del decaimiento
espacial.
Figura 3.- Análisis diferencial del decaimiento espacial
La precipitación media se puede obtener con la Ecuación 3:
∫𝐴𝐴 𝑝𝑝𝑟𝑟 ∙𝑑𝑑𝑑𝑑𝑟𝑟

𝑝𝑝𝑚𝑚 [%] = [3]
∫𝐴𝐴 𝑑𝑑𝑑𝑑𝑟𝑟
Llamando coeficiente ‘𝑤𝑤’ a la relación de la Ecuación 4:
𝑤𝑤 = 𝑘𝑘⁄𝑐𝑐 [4]
Operando como se indica a continuación, se llega a la Ecuación 5:

2
𝑃𝑃𝑟𝑟 = 𝑃𝑃𝑜𝑜 ∙ 𝑒𝑒 −𝑘𝑘∙𝑟𝑟
𝑃𝑃𝑟𝑟 2
𝑝𝑝𝑟𝑟 [%] = = 𝑒𝑒 −𝑘𝑘∙𝑟𝑟
𝑃𝑃𝑜𝑜
𝑎𝑎 𝑟𝑟′
𝑐𝑐 = =
𝑏𝑏 𝑟𝑟
𝐴𝐴𝑟𝑟 = 𝜋𝜋 ∙ 𝑟𝑟 ∙ 𝑟𝑟 ′ = 𝜋𝜋 ∙ 𝑐𝑐 ∙ 𝑟𝑟 2
𝑑𝑑𝑑𝑑𝑟𝑟 = 𝜋𝜋 ∙ 𝑐𝑐 ∙ 2 ∙ 𝑟𝑟 ∙ 𝑑𝑑𝑑𝑑 = 2 ∙ 𝜋𝜋 ∙ 𝑐𝑐 ∙ 𝑟𝑟 ∙ 𝑑𝑑𝑑𝑑
𝑏𝑏 𝑏𝑏
2 2
∫ 𝑝𝑝𝑟𝑟 ∙ 𝑑𝑑𝑑𝑑𝑟𝑟 = ∫ 𝑒𝑒 −𝑘𝑘∙𝑟𝑟 ∙ 2 ∙ 𝜋𝜋 ∙ 𝑐𝑐 ∙ 𝑟𝑟 ∙ 𝑑𝑑𝑑𝑑 = 2 ∙ 𝜋𝜋 ∙ 𝑐𝑐 ∙ ∫ 𝑒𝑒 −𝑘𝑘∙𝑟𝑟 ∙ 𝑟𝑟 ∙ 𝑑𝑑𝑑𝑑
𝐴𝐴 0 0

1 2 𝜋𝜋 ∙ 𝑐𝑐 2
∫ 𝑝𝑝𝑟𝑟 ∙ 𝑑𝑑𝑑𝑑𝑟𝑟 = 2 ∙ 𝜋𝜋 ∙ 𝑐𝑐 ∙ [− ∙ (𝑒𝑒 −𝑘𝑘∙𝑏𝑏 − 1)] = ∙ (1 − 𝑒𝑒 −𝑘𝑘∙𝑏𝑏 )
𝐴𝐴 2 ∙ 𝑘𝑘 𝑘𝑘
∫ 𝑑𝑑𝑑𝑑𝑟𝑟 = 𝜋𝜋 ∙ 𝑐𝑐 ∙ 𝑏𝑏 2 = 𝐴𝐴
𝐴𝐴
𝜋𝜋 ∙ 𝑐𝑐 2
∙ (1 − 𝑒𝑒 −𝑘𝑘∙𝑏𝑏 )
𝑝𝑝𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 [%] = 𝑘𝑘
𝐴𝐴
𝑎𝑎 𝜋𝜋 𝑘𝑘 ∙ 𝐴𝐴
−𝑘𝑘𝑏𝑏 2 = −𝑘𝑘 ∙ 𝑏𝑏 ∙ ∙ =−
𝑐𝑐 𝜋𝜋 𝜋𝜋 ∙ 𝑐𝑐
Se llega a:
𝑤𝑤∙𝐴𝐴
𝜋𝜋
𝑝𝑝𝑚𝑚 [%] =
𝑤𝑤∙𝐴𝐴
∙ (1 − 𝑒𝑒 − 𝜋𝜋 ) [5]
Donde:
𝑝𝑝𝑚𝑚 : Porcentaje de precipitación en el núcleo

𝐴𝐴: Área considerada
𝑤𝑤: Coeficiente de decaimiento regional
Al analizar la Ecuación 5, se aprecia que la ecuación de decaimiento espacial para este

modelo queda en función del área de la cuenca ‘A’ y el coeficiente ‘w’, por lo que definido este
último, queda definido el decaimiento, lo que justifica la denominación de ‘regional’.
El problema se reduce a obtener el valor adecuado de ‘𝑤𝑤’
Ajuste mediante datos de precipitación puntual
Dados tres registros de precipitación al menos, se puede definir las isoyetas correspondientes
obteniendo los siguientes parámetros:
𝑋𝑋𝑜𝑜 , 𝑌𝑌𝑜𝑜 Posición del centro de las isoyetas

𝛼𝛼, 𝑐𝑐 Ángulo y forma de las elipses
𝑃𝑃𝑜𝑜 , 𝑘𝑘 Valor en el centro y decaimiento lineal
Para encontrar el mejor conjunto de isoyetas, se puede condicionar que las mismas
produzcan el menor error cuadrático medio, expresado como indica la Ecuación 6:
1
𝑒𝑒𝑒𝑒𝑒𝑒 = 𝑛𝑛 ∑𝑛𝑛𝑖𝑖=1(𝑃𝑃𝑖𝑖 − 𝑃𝑃)2 [6]
Siendo:
𝑃𝑃𝑖𝑖 : Dato de precipitación medido

𝑃𝑃: Isoyeta que pasa por el pluviómetro
𝑛𝑛: Número de registro disponibles
La determinación de una ecuación analítica que brinde todos los parámetros de las elipses
óptimas es una tarea compleja y de difícil resolución.

Se opta por una solución de tipo iterativa mediante un software informático diseñado
específicamente para tal fin. El método consiste en probar con distintos juegos de los 6 parámetros,
delimitados entre parámetros definidos, calculando el error cuadrático medio en cada caso y
eligiendo el menor de ellos.
Software desarrollado
Se desarrolló un software en Microsoft Visual C# Express, software de licencia libre, cuya

pantalla principal se muestra en la Figura 4.
Figura 4.- Software desarrollado “Análisis de Tormentas Convectivas”
Este programa permite iterar los distintos parámetros y obtener de manera automática la que
presenta el menor error cuadrático medio respecto a las observaciones realizadas. Sus
funcionalidades permiten colocar una imagen de fondo, referenciarla a un sistema plano y cargar los
datos de precipitación disponibles. Devuelve como resultado los parámetros óptimos y el gráfico de
decaimiento espacial (en rojo) que se puede comparar con otro disponible (en azul). En la Figura 5
se puede apreciar el resultado obtenido, comparado con el decaimiento publicado por el INA-CRA
para el piedemonte de Mendoza.
Figura 5.- Ejemplo de uso del software para una tormenta histórica

Los parámetros de iteración los puede seleccionar el usuario mediante un cuadro de diálogo
(Figura 6):
Figura 6.- Selección de los parámetros de iteración
RESULTADOS
Se presentan dos resultados de la aplicación del método a dos tormentas convectivas

históricas de Mendoza La primera del 02/03/1984, donde resultó w=0.030 (Figura 7).
Figura 7.- Tormenta del 2 de marzo de 1984 modelada mediante isoyetas elípticas

El segundo ejemplo es la tormenta del 13/03/1991, donde resultó w=0.035 (Figura 8).
Figura 8.- Tormenta del 13 de marzo de 1991 modelada mediante isoyetas elípticas
La comparación de la curva de decaimiento espacial lograda en ambos casos (Figura 7 y

Figura 8), respecto a la disponible muestra una marcada coincidencia. El error cuadrático medio en
ambos casos fue menor a 0.1 mm.
El software desarrollado por ejemplo para el caso de la Figura 7, donde fueron necesarias
700.000 iteraciones, logró completar las mismas en aproximadamente 4 s, lo que lo hace apto para
ejecuciones en tiempo real. El equipo de prueba fue una Notebook con procesador Intel T4300, 2
Gb de RAM, de 8 años de antigüedad.
CONCLUSIONES
Las pruebas realizadas con datos medidos y estudios estadísticos previos muestran que el
modelo calcula adecuadamente los parámetros y éstos se ajustan a la información disponible.
El poder de procesamiento en un equipo de prestaciones medias indica que es apto para

usarlo en una modelación en tiempo real.

El cálculo sistematizado de ‘𝒄𝒄’ y ‘𝒌𝒌’, permiten obtener ‘𝒘𝒘’, de modo de poder aplicarlo a
cada una de las tormentas intensas disponibles y analizar el cambio a lo largo del tiempo. Esto
convierte a este desarrollo en una herramienta apta para estudiar los efectos de cambio climático.
Apreciaciones Finales
Este trabajo representa únicamente un avance en las técnicas de análisis de tormentas

convectivas. El uso sistemático del mismo permitirá ajustar detalles y obtener conclusiones a partir
de los resultados obtenidos, ese trabajo se desarrolla en la actualidad.
Se considera un paso adelante en el ansiado modelo hidrológico en tiempo real, necesario

para predecir caudales y utilizarlo como alerta temprana en el piedemonte de Mendoza.
REFERENCIAS
INA Centro Regional Andino (2008). “Relaciones Intensidad Duración Frecuencia (IDF) para el
pedemonte del Gran Mendoza”. INA Centro Regional Andino. Mendoza, Argentina.
Bonilla, J. (2017). “Estimación de la distribución espacial de tormentas intensas, mediante isoyetas elípticas
en zonas de limitada disp. de datos”. Conagua 2017, Córdoba, Argentina, pp 120-133.

IAHR AIIH
VARIACIÓN DEL NÚMERO DE CURVA EN FUNCIÓN DEL PERIODO DE

RETORNO PARA LA CUENCA DEL RÍO MAYO
Juan Fco. Gómez Martínez, Juan Antonio López Orozco y José Alfredo González Verdugo
Instituto Mexicano de Tecnología del Agua, México
juanfco@tlaloc.imta.mx, juan_lopez@tlaloc.imta.mx, jagonzal@tlaloc.imta.mx
RESUMEN:
En este artículo se calcularon las avenidas de diseño para periodos de retorno de 2 a 10,000
años para la cuenca del río Mayo hasta el punto donde se localiza la Estación Hidrométrica (EH)
San Bernardo. La cuenca se ubica en el estado de Sonora, México.
El cálculo de las avenidas de diseño se realizó mediante dos enfoques, el primero que
consistió en un análisis de frecuencias de los gastos máximos anuales registrados en la EH. El gasto
para el periodo de retorno de 10,000 años resultó de 7,501.536 m3/s. El segundo enfoque consistió
en calcular las avenidas de diseño de la cuenca correspondiente a la EH mediante la modelación del
proceso lluvia-escurrimiento. Se calibró el modelo lluvia-escurrimiento usando la avenida obtenida
con el análisis de frecuencias de gastos máximos en la EH para el periodo de retorno de 50 años. El
gasto correspondiente al periodo de retorno de 10,000 años resultó por este enfoque de 9,511.216
m3/s, es decir un 26.8% mayor al calculado con el análisis de frecuencias.
También se calculó la variación del número de curva, respecto al periodo de retorno de tal
manera que los resultados obtenidos por los dos enfoques sean iguales. Concluyendo que los
valores de los números de curva para los periodos de retorno de 2 a 10 años crecen, y a partir de
allí, disminuyen conforme aumenta el periodo de retorno.
ABSTRACT:
In this article we calculated the design venues for periods of return of 2 to 10,000 years from
the basin of the Mayo river to the location of the San Bernando Hydrometric Station (EH, Acronym
in Spanish). The basin mentioned above is located in the state of Sonora in Mexico.
There were two approaches to calculate the venues of design, the first consisted of the yearly
maximum flow rate analysis of frequency registered in EH. The volumetric flow for the return of
10,000 year period resulted in 7,501.536 m3/s. The second approach consisted of calculating the
design venues of basin corresponding to the EH using the modeling of rain-draining process. The
calibration of the rain-draining was made using the venue obtained with the analysis of maximum
flow rates frequencies from EH using period of return for 50 years. The volumetric flow
correspondent to 10,000 year return for this approach was to be of the order of 9,511.216 m3/s, that
is to say a 26.8% on top of the calculated frequency analysis.
Also, we calculated the variation of the inflexion point correspondent to the period of return
such that both approaches are standardized. In conclusion, the value of the numbers correspondent
to the periods of return of 2 to 10 years grow and from them diminish according to the increases of
the period of returns.
PALABRAS CLAVES: Lluvia-escurrimiento, análisis de frecuencias, Presa Pilares

INTRODUCCIÓN
El diseño hidrológico de las diferentes obras hidráulicas consiste en la determinación de las

avenidas de diseño, la cuales, dependiendo de la información disponible, generalmente siguen dos
criterios. En el caso de que se cuente con registros de los escurrimientos lo más conveniente es
mediante un análisis estadístico-probabilístico mejor conocido como análisis de frecuencias de
gastos máximos ya sea univariado o bivariado. Cuando en la cuenca no se dispone de información
de escurrimientos, el camino a seguir es mediante la modelación del proceso lluvia-escurrimiento.
En el primero de los casos las ávidas obtenidas se refiere a periodos de retorno asignados a gastos,
mientras que en el segundo caso las avenidas de diseño obtenidas corresponden a periodos de
retorno, pero de precipitación.
En este artículo se realizó una comparación de la magnitud de las avenidas obtenidas con
ambos criterios en la cuenca del Río Mayo hasta la Estación hidrométrica (EH) San Bernardo,
además, se determinó la variación del número de curva para que las magnitudes de las avenidas
sean iguales por ambos criterios.
METODOLOGÍA
La cuenca analizada en el presente estudio se ubica al Sur de estado de Sonora, México,

específicamente en el municipio de Pilares. A 1.4 kilómetros aguas arriba de la EH se ubica La
presa Bicentenario (o Pilares), la cual aún continua en construcción.
Figura 1. Ubicación de la presa Bicentenario
Cálculo de las avenidas de diseño mediante análisis de escurrimientos (enfoque 1)
Se realizó un análisis estadístico y probabilístico (análisis de frecuencias) de los

escurrimientos registrados en la EH San Bernardo, para lo cual se recopiló la información de los
gastos máximos anuales del periodo de 1960 a 2014 (57 años). De acuerdo con los registros en la
EH, en el mes de diciembre de 1990 se registró un gasto máximo instantáneo de 4,429 m3/s,
además del evento mencionado, se han presentado 5 eventos más con gastos máximos mayores a los
3,000 m3/s.
Se realizó el análisis univariado de frecuencias de los gastos máximos anuales para los
registros en la EH, para lo cual se utilizó un software desarrollado por el Instituto Mexicano de
Tecnología del Agua (IMTA) llamado “AFA Ver 1.1 (IMTA, 2011). Este software contempla el

análisis de 12 funciones de distribución de probabilidad (fdp), entre las cuales destacan las
siguientes fdp: Gumbel, Gumbel Doble, General de Valores Extremos, Log-Normal y Gamma 3
parámetros.
Figura 2. Pantalla principal del software AFA Ver. 1.1.
Cálculo de las avenidas mediante la modelación del proceso lluvia-escurrimiento (enfoque 2).
Se realizó la modelación del proceso lluvia-escurrimiento de la cuenca correspondiente a la

EH. El área de la cuenca es 7,591.912 km2, la cual es muy grande, por lo que se dividió en 21
subcuencas obteniendo para cada una las siguientes características: Área, cauce principal (longitud
y pendiente), tiempo de concentración y número de escurrimiento.
Figura 3.- Cuenca de análisis y subcuencas

El cálculo de la precipitación media en cada subcuenca se realizó a través del método de los
polígonos de Thiessen, previamente calculando, mediante un análisis de frecuencias en 11
estaciones climatológicas convencionales (registros solamente a cada 24 horas), la precipitación
máxima en 24 horas para los periodos de retorno analizados de 2 a 10,000 años.
Figura 4. Polígonos de Thiessen para las estaciones climatológicas.
La distribución temporal de la precipitación es un factor importante en la magnitud del gasto

máximo de la avenida, por lo que se realizó un análisis de la distribución temporal de la
precipitación en 4 Estaciones Meteorológicas Automáticas (EMA): Chinipas, Basaseachi,
Maguarichi y Yecora. Las EMAS cuentan con registros a cada 10 minutos y están localizadas cerca
de la cuenca, obteniendo así un patrón medio de la distribución de las tormentas en cada EMA. Para
la asignación de la distribución temporal de la lluvia en cada una de las subcuencas se aplicó el
método de los polígonos de Thiessen considerando las e EMAS.
Figura 5. Ubicación de las Estaciones Meteorológicas Automáticas en la cuenca

Figura 6. Curva masa unitaria para precipitaciones máximas para diferentes duraciones en las cuatro EMAS
Una vez determinadas las características de las subcuencas y las tormentas para los periodos
de retorno, se procedió a simular el proceso lluvia-escurrimiento, para lo cual se utilizó el software
Hydrologic Engineering Center's Hydrologic Modeling System (HEC-HMS), desarrollado por el
Centro de Ingeniería Hidrológica del Cuerpo de Ingenieros de la Armada de los Estados Unidos de
América. Los métodos hidrológicos utilizados corresponden a cuencas no aforadas y son:
 Para el cálculo de la precipitación efectiva (o en exceso) el método de los números

de curva o de escurrimiento
 Para la transformación de la precipitación efectiva en hidrograma se utilizó el
hidrograma unitario del Soil Conservation Service (SCS)
 El tránsito de las avenidas por los cauces se realizó con el método de Muskingum
En la modelación del proceso lluvia-escurrimiento se analizaron dos escenarios:
a) Escenario 1. Se realizó una calibración, la cual consistió en calcular los valores de los
números de curva de tal forma que el gasto máximo calculado para el periodo de retorno de
50 años sea el mismo que el obtenido en el criterio 1. Calculado los números de curva se
determinaron los gastos máximos para el resto de los periodos de retorno.
b) Escenario 2. Se calcularon los números de curva de tal manera que los gastos máximos para
los periodos de retorno calculados con el proceso lluvia- escurrimiento sean similares a los
obtenidos con el criterio 1.
RESULTADOS
Resultados del análisis de gastos máximos anuales registrados en la EH San Bernardo

(Criterio 1)
Al realizar el análisis de frecuencias de gastos máximos de los registros de la EH, se
calcularon los gastos máximos anuales para los periodos de retorno de 2 a 10,000 años. La fdp que
mejor se ajustó a los registros de los gastos máximos fue la Gumbel Doble, siendo el gasto máximo
para el periodo de retorno de 10,000 años de 7,501.536 m3/s, en la tabla 1 se presentan los
resultados para el resto de los periodos de retorno.

Figura 7. Pantalla del software AFA Ver. 1.1. que muestra los resultados del análisis de frecuencias de los
gastos máximos
Resultados de la modelación del proceso lluvia-escurrimiento (criterio 2)
Escenario 1.
Se construyó un modelo lluvia-escurrimiento en el software HEC-HMS (figura 3) y se
calibró la avenida para el periodo de retorno de 50 años, con lo cual se obtuvieron los valores del
número de curva necesarios para que el gasto calculado con el modelo lluvia-escurrimiento sea
similar al calculado con el criterio 1 (4,115.005 m3/s) los cuales resultaron mayores en un 21.9%
que los calculados antes de la calibración.
Con los valores de los números de escurrimiento (N) obtenidos en la calibración se
calcularon los gastos (con el modelo lluvia-escurrimiento) para el resto de los periodos de retorno,
en general los resultados obtenidos arrojan valores mayores a gastos máximos obtenidos mediante
el análisis de frecuencias de gastos máximos anuales registrados (criterio 1). En la tabla 1 se
presentan los resultados.
Figura 8.- Modelo lluvia-escurrimiento en HEC-HMS

Para el caso de periodo de retorno de 10,000 años, que es para el cual se debe diseñar las
obras de excedencias de las presas en México, el gasto calculado con el modelo lluvia-
escurrimiento es mayor en un 26.8% al calculado con el criterio 1 (figura 4).
Para los periodos de retorno de 10 a 200 años los resultados del modelo lluvia-escurrimiento
se ajustan relativamente bien a los obtenidos con el análisis de frecuencias de gastos máximos, ya
que la diferencia de gastos es menor al 10% (figura 9).
Tabla 1.- Resultados de los gastos (m3/s) para ambos criterios

Periodo de Criterio 2
Criterio 1
retorno (años) (Escenario 1)
2 905.119 1,440.768
5 1,851.922 2,151.867
10 2,905.085 2,683.022
20 3,474.473 3,289.069
50 4,115.005 4,115.689
100 4,571.747 4,774.142
200 5,018.978 5,449.183
500 5,603.735 6,355.294
1,000 6,043.819 7,080.586
2,000 6,483.043 7,802.513
5,000 7,063.170 8,771.983
10,000 7,501.536 9,511.216
Figura 9.- Variación del gasto calculado con el criterio 2 respecto a los obtenidos con el criterio 1
Segundo escenario
Con el modelo lluvia-escurrimiento construido en HEC-HMS para el escenario 1, se realizó
nuevamente la modelación, pero para el segundo escenario, el cual consistió en calcular los
números de curva para todos los periodos de retorno de tal forma que los gastos obtenidos sean
similares a los calculados con el criterio 1. En otras palabras, se realizó una calibración para cada
periodo de retorno.
En la figura 5 se presenta el valor del porcentaje que se deben incrementar o disminuir los
números de curva respecto a los valores calculados a partir de la cobertura vegetal y tipo de suelo y
de los valores de los números de curva acuerdo con las referencias bibliográficas, los cuales
corresponden a valores con contenido medio de humedad en la cuenca.

Figura 10.- Porcentaje de incremento de los números de curva respecto a los valores calculados inicialmente
De figura anterior se concluye que los valores de los números de curva resultantes son
mayores a los calculados para condiciones medias de humedad de acuerdo con las referencias
bibliográficas. Además, se concluye que para los periodos de retorno hasta 10 años el número de
curva crece, mientras que para periodos de retorno mayores a 10 años el número de curva va
disminuyendo conforme aumenta el periodo de retorno.
CONCLUSIONES
Para la cuenca de estudio en el presente trabajo, se concluye que los gastos máximos para
los diferentes periodos de retorno obtenidos con la modelación del proceso lluvia-escurrimiento son
mayores que los obtenidos mediante el análisis de frecuencias de gastos máximos anuales de los
registros en la EH San Bernardo. Las diferencias oscilan entre un 10% y un 26.8%, lo cual impacta
de manera directa en el dimensionamiento de las obras hidráulicas.
Al realizar la calibración del modelo lluvia-escurrimiento para todos los periodos de retorno
se concluye que el número de curva para los periodos de retorno de 2 a10 años crece respecto a los
valores iniciales (concisiones medias de humedad), y a partir del periodo de retorno de 10 años los
números de curva empiezan a descender conforme aumenta el periodo de retorno.
REFERENCIAS
Aparicio, M. F. J. (1997). Fundamentos de hidrología de superficie, Editorial Limusa, México. ISBN: 968-
18-3014-8
Instituto Mexicano de Tecnología del Agua. IMTA (2011). Manual de Análisis de Frecuencias en
Hidrología”. Primera edición. ISBN: 978-607-7563-30-3

IAHR AIIH
ESCOAMENTO PLUVIAL EM TELHADOS VERDES EXTENSIVOS DE

DIFERENTES ESCALAS
1er. Cristiano Gabriel Persch, 2do. Rutinéia Tassi, 3er. Bruna Minetto y 4to. Daniel Gustavo Allasia
Piccilli
1, 2, 3 y 4
Universidade Federal de Santa Maria, Brasil
1
cristianopersch@gmail.com
2
rutineia@gmail.com
3
bruna_minetto@hotmail.com
4
dga@ufsm.br
RESUMO:
Os telhados verdes comportam-se como uma alternativa eficiente na minimização dos

alagamentos e inundações urbanas, causadas principalmente pelo processo de impermeabilização das
superfícies urbanas das cidades. Entre um conjunto interativo de outros fatores que conduzem a
eficiência e o comportamento hidrológico de telhados verdes no controle de escoamento, investiga-
se a influência do tamanho da área de drenagem (efeito de escala). Para validar as investigações
referentes ao comportamento em sistemas de diferentes escalas em relação a capacidade de retenção
de escoamento, monitorou-se dois telhados verdes extensivos com áreas de 6 m² (TV6) e 12 m²
(TV12) localizados na região Sul do Brasil. Pela análise dos eventos monitorados, pode-se concluir
que o telhado verde com maior escala apresentou melhor desempenho, retendo em média 15,9 mm,
e o telhado TV6 teve uma retenção menor, com aproximadamente 10,7 mm. Os coeficientes de
escoamento encontrados durante o período monitorado, em média, foram de 0.63 e 0.44 para o TV6
e TV12, respectivamente.
ABSTRACT:
Green roofs work as an efficient alternative in the minimization of floodings and urban
inundations, caused mainly by the imperviousness of city’s urban surfaces. The influence of the
drainage area size (scale effect) is investigated among an interactive set factors that lead to the
efficiency and hydrological behavior of green roofs in runoff control. To validate the investigations
concerning the behavior of different scales in relation to the retention capacity of the flow, two
extensive green roofs with 6 m² (TV6) and 12 m² (TV12) located in the southern region of Brazil
were monitored. By the analysis of monitored events, it can be concluded that the green roof with
larger scale presented better performance, retaining on average 15.9 mm when the roof TV6 had a
smaller retention, with approximately 10.7 mm. The coefficients of flow found during the monitored
period, on average, were 0.63 and 0.44 for TV6 and TV12, respectively.
PALAVRAS CHAVES: efeito de escala; monitoramento hidrológico; mitigação de inundações.

INTRODUÇÃO
A alta taxa de impermeabilização, característica dos centros urbanos, é o principal fator

responsável pela elevada incidência de inundações (O’Driscoll et al., 2010). Uma das formas de
minimizar esses impactos encontram espaço na perspectiva de Desenvolvimento de Baixo Impacto
(DBI), que engloba alternativas autônomas e distintas das utilizadas pela engenharia convencional, e
que tem por foco o controle do escoamento superficial na fonte, por meio de técnicas de retenção,
privilegiando a infiltração e evapotranspiração, e pela detenção, possibilitando o reuso da água ou
gradativo descarte após as precipitações.
Várias são as técnicas que englobam o contexto de DBI. Porém, as estruturas de telhados
verdes (TV’s) aplicados sobre as edificações merecem especial destaque pelos diversos benefícios
que agrega e inserem-se como excelentes alternativas para o controle de escoamento superficial (Hill
et al., 2017; Tassi et al., 2014).
Os TV’s atuam na retenção e detenção do escoamento pelo processo de armazenamento de
água nas camadas constituintes, e na liberação lenta e gradual do excesso do volume precipitado
(Stovin; Vesuviano; De-Ville, 2017). Diversos estudos investigam a influência de diferentes fatores
nesse comportamento, como a profundidade, tipo e características do substrato (Graceson et al., 2013;
Liberalesso, 2018), características da cobertura vegetal (Stovin et al., 2015; Whittinghill et al., 2015),
tipo e volume precipitado, sazonalidade (Nawaz; McDonald; Postoyko, 2015), entre outros.
Além destes aspectos, em termos hidrológicos, a maioria das pesquisas que avalia o
comportamento de TV’s está restrita a experimentos conduzidos com unidades individuais e de
pequeno tamanho, sem que seja estabelecida uma relação entre a área de drenagem dos TV’s e o
efeito resultante no controle do escoamento. Em termos avaliativos e, em função de uma série de
limitações, tais como viabilidade, procedimento, custos e espaço, a maioria das pesquisas que
decorrem à aplicação num âmbito regional, utilizam dados a partir de um monitoramento de uma
estrutura individual e de escala qualquer, sem atentar-se especificamente à influência do tamanho e o
papel da área de drenagem. Os resultados desses estudos são utilizados em cenários com aplicação
em escala regional, sem qualquer relação entre escalas (Hakimdavar et al., 2014), produzindo, por
vezes, resultados questionáveis.
Assim, destaca-se a explícita e emergente necessidade de se desenvolver investigações que
escalonem os efeitos das práticas das medições em escalas locais para um âmbito de múltiplas escalas
espaciais. Existe uma clara indispensabilidade de se compreender como ocorre a agregação de
processos complexos e espacialmente heterogêneos e quantificar seus efeitos em pequenas escalas
espaciais às mais amplas, como ecossistemas e bacias hidrográficas. O bom entendimento do
funcionamento e eficiência de TV’s abrangendo distintos tamanhos de áreas de drenagem permitem
sua aplicação mais fiel como um elemento subsidiário à gestão das águas pluviais em escala global
(Eckart; Mcphee; Bolisetti, 2017), bem como a incorporação em um plano de gerenciamento em uma
bacia hidrográfica (Carter & Jackson, 2007). Neste sentido, o presente artigo apresenta conclusões a
respeito do efeito da escala no comportamento hidrológico relacionado a retenção de dois TV’s
extensivos instalados na Região Sul do Brasil.
A avaliação do efeito de escala foi realizada a partir do monitoramento de dois telhados verdes
extensivos, com metragens de 6m² (TV6) e 12m² (TV12), localizados na cidade de Santa Maria,
Estado do Rio Grande do Sul, Brasil. A região é caracterizada por um clima mesotérmico brando Cfa
(temperado quente), com temperaturas médias do mês mais frio entre 13°C e 15°C e médias dos
meses mais quentes superior a 24°C, com máximas absolutas oscilando entorno dos 39°C. A
precipitação é regular durante todo o ano, com índices pluviométricos anuais entre 1.500 mm e 1.600
mm (Löbler; Sccoti; Werlang, 2015).

Os TV’s monitorados têm a mesma composição entre si, variando apenas o tamanho da área
de drenagem. As camadas constituintes foram compostas por vegetação (Sedum rupestre), substrato
de 80mm (solo da região in natura), membrana geotêxtil, camada de drenagem (MacDrain®2L) e
impermeabilização. As estruturas estão dispostas verticalmente a aproximadamente 2,0m do solo. A
ilustração esquemática do experimento e a composição física dos telhados, podem ser observados na
Figura 1.
Figura 1 - Planta Baixa e Corte Transversal do Telhado. Sem Escala
Para o monitoramento temporal da chuva foi instalado um pluviógrafo sobre os telhados com
precisão de 0,2mm. Em cada uma das estruturas foi aprovisionado um reservatório de 200L na região
inferior. Os reservatórios contém um sensor de nível de baixo custo do tipo ultrassom desenvolvido
na plataforma de prototipagem Arduino, com armazenamento externo para monitorar temporalmente
a variação do nível de água gerado a partir do escoamento de ambas as estruturas. O intervalo
temporal de medição da precipitação e de nível foi de 5s. A partir das leituras dos sensores e a prévia
cubagem dos reservatórios, foi determinado o fluxo de escoamento superficial, em função da área de
cada TV.
O período de monitoramento se estendeu de novembro de 2017 a março de 2018. Os eventos
monitorados foram separados em três diferentes classes, conforme recomendados pelo SCS (1971):
condição de umidade antecedente do solo (UAS I, II e III) considerando o volume de chuva ocorrido
nos cinco dias que antecedem o evento monitorado. Assim: UAS I, para precipitação menor que 13
mm; UAS II quando a precipitação está entre 13 e 28 mm; e UAS III nos casos de precipitação maior
que 28 mm nos cinco dias antecedentes ao evento. O número de dias antecedentes sem chuva também
foi exposto.
RESULTADOS E DISCUSSÕES
Durante o período de monitoramento, foram registrados 18 eventos, dos quais 10 geraram

escoamento (Tabela 1). A precipitação acumulada no período foi de 420mm, aproximadamente.

Entre os 10 eventos que produziram escoamento, oito eventos (80%) registraram escoamento
(L/m²) menor para o TV12, quando comparado ao TV6. A melhor eficiência no controle do
escoamento também pode ser observada considerando os valores médios do coeficiente de
escoamento superficial, que foram de 0,44 (TV12) e 0,63 (TV6).
Tabela 1 - Resultados do Monitoramento

Precipitação C VR (mm) UAS
Evento ADWP
(mm) TV6 TV12 TV6 TV12 I, II, III
1 3.90 0.00 0.00 3.90 3.90 3 I
2 18.10 0.00 0.00 18.10 18.10 6 I
3 11.10 0.00 0.00 11.10 11.10 6 I
4 21.60 0.00 0.00 21.60 21.60 7 I
5 8.60 0.00 0.00 8.60 8.60 11 I
6 20.20 0.00 0.00 20.20 20.20 6 I
7 12.00 0.00 0.00 12.00 12.00 3 III
8 5.30 0.00 0.00 5.30 5.30 2 I
9 12.40 0.52 0.73 5.96 3.40 1 III
10 4.00 0.53 0.24 1.89 3.05 1 III
11 42.00 0.66 0.30 14.08 29.53 4 II
12 48.60 0.74 0.25 12.80 36.38 11 I
13 34.00 0.56 0.36 14.82 21.69 10 II
14 42.00 0.70 0.33 12.79 27.98 0 I
15 62.00 0.88 0.51 7.14 30.37 3 I
16 11.00 0.29 0.29 7.83 7.79 4 III
17 10.00 0.64 0.82 3.56 1.81 1 III
18 54.00 0.80 0.56 10.65 23.55 4 II
Total 420.80 192.32 286.35
Média 0.63 0.44 10.68 L/m² 15.91 L/m²
C - Coeficiente de Escoamento
VR - Volume Retido
ADWP - Dias Antecedentes sem Chuvas
UAS - Umidade Antecendente do Solo
Ainda, do total precipitado no período, cerca de 45% e 68% do volume de chuva ficaram
retidos nas camadas dos telhados TV6 e TV12, respectivamente. O TV6 armazenou, em média, 10,68
L/m², enquanto no TV12 o armazenamento médio foi de 15,91 L/m², o que permite concluir que o
TV de maior área de drenagem (12m²) foi mais eficiente no controle do escoamento.
Para os eventos de chuva de maior magnitude, considerados nesse estudo aqueles com volume
acima de 30mm, o TV12 se comportou de forma a reduzir o coeficiente de escoamento para 0,40,
enquanto que o TV6 aumentou a proporção escoada, com um coeficiente de 0,72. Ainda, de acordo
com os dados monitorados da Tabela 1, quando os volumes de chuva foram inferiores a 30mm, o
coeficiente de escoamento se manteve similar para ambas as estruturas (C = 0,55), comportamento
análogo ao encontrado por Hakimdavar et al (2014).
Considerando a UAS, 56% dos eventos monitorados estiveram na condição UAS I, 17% em
UAS II e 28% em UAS III. Verificou-se que para o TV12 o coeficiente de escoamento médio variou
entre 0,18 (UAS I) e 0,41 (UAS II e UAS III). Para o TV6 o resultado encontrado foi 0,31 (UAS I),
0,68 (UAS II) e 0,40 (UAS III).
Portanto, períodos antecedentes secos promoveram um melhor desempenho no controle do
escoamento em ambos TVS. Alguns estudos (Nawaz; McDonald; Postoyko, 2015; Stovin;
Vesuviano; De-Ville, 2017), já sugerem esse efeito. Também, com base nos resultados obtidos até o
momento, há indicativos de que à medida em que o substrato do TV se encontra próximo à saturação,

ambas estruturas passam a apresentar comportamento hidrológico semelhante, com coeficientes de
escoamento praticamente idênticos.
Por último, a Figura 2 demonstra o comportamento monitorado dos TV’s pelos sensores
durante o evento chuvoso 15, caracterizado por uma precipitação de 62 mm.
60 Ϭ
50 ϱ
Escoamento (mm)
40
Chuva (mm)
ϭϬ
30
ϭϱ
20
ϮϬ
10
0 Ϯϱ
0 200 400 600 800
Tempo (min)
TV 6 TV 12 Chuva
Figura 2 - Comportamento dos telhados verdes no evento 15

Pela análise da Figura 2, para uma chuva acumulada de 42mm, percebe-se a diferença de
desempenho entre os dois TV’s. O início do escoamento no TV6 ocorre significativamente anterior
ao TV12, separados por um ‘delay’ de 1h, aproximadamente. Em termos de volume, da mesma forma,
observa-se claramente um maior escoamento no TV6.
CONCLUSÃO
As investigações sobre o comportamento hidrológico de telhados verdes vêm crescendo

rapidamente nas últimas décadas, uma vez que detém elevado potencial de se tornarem um
componente importante na infraestrutura de gestão das águas urbanas. Estudos recentes relatam a
eficácia dos sistemas em reduzir e retardar a geração de escoamento no contexto de diferentes
configurações e condições climáticas.
Analisando os dados obtidos neste estudo, pode-se concluir que os telhados verdes se
constituem em uma alternativa eficiente para mitigar problemas de alagamentos no meio urbano, visto
que os sistemas analisados têm capacidade média de retenção de volume de chuva de 10 e 15 mm.
Ainda mais, observou-se que a escala do telhado verde é um importante determinante do desempenho
hidrológico e deve ser considerado durante os esforços futuros de planejamento e projeto.
REFERÊNCIAS
Carter, T., & Jackson, C. R. (2007). Vegetated roofs for stormwater management at multiple spatial scales.
Landscape and Urban Planning, 80(1–2), 84–94. https://doi.org/10.1016/j.landurbplan.2006.06.005
Eckart, K., McPhee, Z., & Bolisetti, T. (2017). Performance and implementation of low impact development
– A review. Science of the Total Environment, 607–608, 413–432.
https://doi.org/10.1016/j.scitotenv.2017.06.254
Graceson, A., Hare, M., Monaghan, J., & Hall, N. (2013). The water retention capabilities of growing media
for green roofs. Ecological Engineering, 61(PA), 328–334. https://doi.org/10.1016/j.ecoleng.2013.09.030

Hakimdavar, R., Culligan, P. J., Finazzi, M., Barontini, S., & Ranzi, R. (2014). Scale dynamics of
extensive green roofs: Quantifying the effect of drainage area and rainfall characteristics on observed and
modeled green roof hydrologic performance. Ecological Engineering, 73, 494–508.
https://doi.org/10.1016/j.ecoleng.2014.09.080
Hill, J., Drake, J., Sleep, B., & Margolis, L. (2017). Influences of Four Extensive Green Roof Design
Variables on Stormwater Hydrology. Journal of Hydrologic Engineering, 22(8), 4017019.
https://doi.org/10.1061/(ASCE)HE.1943-5584.0001534
Liberalesso, T. (2018). Telhados Verdes Extensivos: Influência da composição do substrato na retenção
hídrica e no desenvolvimento da vegetação. Universidade Federal de Santa Maria.
Löbler, C. A., Sccoti, A. A. V., & Werlang, M. K. (2015). Contribution to the delineation of Pampa and
Atlantic Forest biomes in Santa Maria, RS. Revista Eletrônica Em Gestão, Educação E Tecnologia Ambiental,
19(2), 1250–1257. https://doi.org/105902/2236117016038 Contribuição
Nawaz, R., McDonald, A., & Postoyko, S. (2015). Hydrological performance of a full-scale extensive green
roof located in a temperate climate. Ecological Engineering, 82, 66–80.
O’Driscoll, M., Clinton, S., Jefferson, A., Manda, A., & McMillan, S. (2010). Urbanization Effects on
Watershed Hydrology and In-Stream Processes in the Southern United States. Water, 2(3), 605–648.
https://doi.org/10.3390/w2030605
Stovin, V., Poë, S., De-Ville, S., & Berretta, C. (2015). The influence of substrate and vegetation
configuration on green roof hydrological performance. Ecological Engineering, 85, 159–172.
Stovin, V., Vesuviano, G., & De-Ville, S. (2017). Defining green roof detention performance. Urban Water
Journal, 14(6), 574–588. https://doi.org/10.1080/1573062X.2015.1049279
Tassi, R., Tassinari, L. C. da S., Piccilli, D. G. A., & Persch, C. G. (2014). Telhado verde: uma alternativa
sustentável para a gestão das águas pluviais. Ambiente Construído, 14(3), 139–164.
https://doi.org/10.1590/S1678-86212014000100012
Whittinghill, L. J., Rowe, D. B., Andresen, J. A., & Cregg, B. M. (2015). Comparison of stormwater runoff
from sedum, native prairie, and vegetable producing green roofs. Urban Ecosystems, 18(1), 13–29.
https://doi.org/10.1007/s11252-014-0386-8

IAHR AIIH
PREDICCIÓN DE CAUDALES MEDIOS MENSUALES USANDO ÁRBOLES

DE REGRESIÓN
Julián David Rojo Hernández, Luis F. Carvajal-Serna y Oscar José Mesa S.

Departamento de Geociencias y Medio Ambiente, Facultad de Minas, Universidad Nacional de Colombia, Medellín -
Colombia
jdrojoh@unal.edu.co, lfcarvaj@unal.edu.co, ojmesa@unal.edu.co
RESUMEN:
Se introduce el concepto de árboles de decisión y el esquema general del algoritmo M5 para la

construcción de esquemas de regresión por inducción. La metodología planteada tiene por objetivo
realizar pronósticos informados de caudales medios mensuales mediante la incorporación de
variables explicativas como el ENSO y la predicción de las temperaturas superficiales del Océano
Pacífico usando las reglas de juicio derivadas del algoritmo M5. Dicha metodología es aplicada a
los caudales del río Guadalupe en Colombia en diferentes horizontes de predicción y se comparan
con un modelo no lineal ampliamente utilizado conocido como Redes Neuronales Artificiales. Los
resultados indican que la predicción usando información macro-climática de diferentes fuentes
dentro del esquema de árboles de regresión-decisión permite mejorar los indicadores de error de
forma significativa para diferentes horizontes en comparación con las Redes Neuronales
Artificiales.
ABSTRACT:
The concept of decision trees and the general scheme of the M5 algorithm for the construction of
decision trees based on induction regression schemes are introduced. The objective of the proposed
methodology is to make informed prediction of monthly mean streamflows by incorporating
explanatory variables such as the ENSO and predictions of the surface temperatures of the Pacific
Ocean using M5 judgment rules. This methodology is applied to the streamflows of the Guadalupe
River in Colombia in different prediction lead time and is compared with a widely used non-linear
model such as the Artificial Neural Networks. The results indicate that the prediction using the
decision trees and the macro-climatic information have better performance than Artificial Neural
Networks.
PALABRAS CLAVES: variabilidad climática, predicción de caudales, árboles de regresión-

decisión, reglas de juicio, redes neuronales artificiales, río Guadalupe.

INTRODUCCIÓN
De todas las variables del ciclo hidrológico los caudales de los ríos juegan un papel directo e
importante en el desarrollo de la sociedad. En países Andinos como Colombia, el agua superficial
que transportan los ríos es usada para el consumo humano y doméstico, la agricultura y la seguridad
alimentaria, la producción de energía, el uso por parte de diferentes industrias, el transporte de
pasajeros y mercancías y además juega un rol fundamental en la gestión del riesgo, motivos
suficientes para convertir los pronósticos de caudales en el objetivo principal de muchos tipos de
estudios relacionados con el planeamiento y manejo de los recursos hídricos.
En el caso de Colombia los grandes cambios en la hidrología suelen estar relacionadas con la alta
variabilidad espacio-temporal de eventos macroclimáticos a gran escala (Poveda, 2004) y por ello la
capacidad de predicción para los caudales de los ríos de Colombia cambia según las condiciones en
las que se encuentre el año analizado. De manera análoga también debe tenerse en cuenta la
dinámica no lineal de las relaciones entre el clima y la hidrología para modelar el comportamiento
de las series caudales. Las relaciones existentes entre la hidrología del país y la climatología global
no son del todo claras en términos de su intensidad espacio-temporal, por cuanto no existen formas
de cuantificar el efecto no lineal con el que actúa el macro-clima sobre la hidrología.
Desde finales de los años 80 los ingenieros en Colombia han hecho un enorme esfuerzo por predecir
los caudales medios mensuales con fines de planificación, en particular para el sector eléctrico. La
no linealidad de los procesos hidrológicos ha vuelto necesario el estudio de nuevos modelos de
predicción asociados a novedosas técnicas de tratamiento matemático y estadístico de los datos; la
primera apuesta en dicho sentido fue aplicada a la hidrología colombiana por Carvajal (1994)
presentando el Análisis Espectral Singular y las Redes Neuronales. Desde el trabajo Carvajal, las
redes neuronales han sido uno de los métodos más aplicados para la predicción de caudales en
Colombia y con mejores resultados a nivel local.
Problemas complejos de predicción podrían resolverse si se descompone el conjunto de variables

explicativas en un número finito de procesos de menor complejidad; y bajo este esquema el espacio
formado por las variables involucradas puede ser divido en un número finito de subespacios para
los cuales se construye un modelo especializado que podría ser considerado como un modelo
experto.
Las combinaciones de expertos (o máquinas comité (Haykin, 1999) suelen ser una de las
aproximaciones más utilizadas en ejercicios de predicción y suelen clasificarse en dos categorías:
(1) combinación estadística: donde la respuesta de los expertos se combina mediante algún
mecanismo que no dependa de las variables de entrada, por ejemplo utilizando un promedio simple
de los resultados, y (2) combinación dinámica: donde los expertos son combinados utilizando
esquemas ponderados que depende de las variables de entrada. Las máquinas comité dinámicas
pueden dividirse nuevamente en dos grupos: (2a) un enfoque estadístico con divisiones flexibles
del espacio conformado por las variables de entrada (Jacobs et al, 1991, Jordan & Jcobs, 1994) y
(2b) métodos que no combinan las salidas de los diferentes expertos y en cambio usa el más
adecuado de ellos (un caso particular donde los pesos de los demás expertos son cero).
El tipo de modelos (2b) se caracterizan por utilizar variables binarias para dividir el espacio de
entrada en regiones que cada vez se hacen más estrechas; cada experto es entrenado con los datos
de su propia región y finalmente la salida de un solo experto especializado es tenida en
consideración, el resultado de dicho procedimiento es una jerarquía, o si se quiere un árbol binario
con las normas de división de los subespacios tal como lo muestra la Figura 2. Dichas técnicas son

conocidas en el medio como modelos modulares y su optimización fue introducida por Friedman
(1991) en su trabajo sobre el MARS.
Figura 1.- Modelo de árbol binario
Normalmente los nodos del árbol (ramas) están etiquetadas con un Test de clasificación (cuando el
valor del atributo es menor, mayor o igual a cierto valor) y las hojas están etiquetadas con una
clasificación que corresponde al pronóstico del árbol. Los árboles de regresión son muy eficientes
dada su alta capacidad de aprendizaje y su habilidad para hacer frente a problemas de alta
dimensionalidad mediante la partición dado por las variables explicativas como se muestra en la
Figura 2.
Figura 2.- División del espacio asociado a las variables explicativas
En cada subconjunto se puede ajustar un modelo de regresión a fin de resolver el problema de

pronóstico o interpolación en cada subregión de datos. Así fue como Quinlan (1992) y Wang &
Witten (1997) presentaron el algoritmo M5, generando una alternativa a los métodos clásicos de
regresión mediante un conjunto de árboles que se representan gráficamente a partir de eglas if-then.
Este algoritmo implica dividir el espacio de entrada en muchos subespacios y ajustar un modelo de
regresión lineal en cada uno de los espacios secundarios.

Dentro de las ventajas del algoritmo M5 se encuentra la posibilidad de incorporar en los procesos de
pronóstico tanto variables cuantitativas como cualitativas mediante reglas del tipo if – then, lo que
representa una enorme ventaja en comparación con otros esquemas de predicción.
El presente trabajo tiene por objeto elaborar un modelo de pronósticos de caudales medios
mensuales mediante la incorporación de variables explicativas como el ENSO y la predicción de las
temperaturas superficiales del Océano Pacífico usando reglas de juicio derivadas del algoritmo de
decisión- regresión M5. Dicha metodología será aplicada a un caso particular en Colombia (los
caudales del río Guadalupe) y se comparan sus resultados con el modelo no lineal ampliamente
utilizado y conocido como Redes Neuronales Artificiales.
ALGORITMO DE CLASIFICACIÓN M5
Suponga que se tiene una colección de T datos para calibrar un modelo de la forma:
[1]
Los modelos basados en árboles de decisión son construidos bajo el concepto de “divide y
vencerás” mediante un criterio heurístico de agrupamiento (clúster) que busca minimizar la
variación interna de los valores de la clase dentro de cada subregión o subconjunto Quinlan (1992),
eligiendo aquel atributo que maximice la reducción de la variancia de cada subconjunto de acuerdo
a la siguiente expresión:
[2]
Donde corresponde a la colección de datos en el nodo a dividir. El conjunto o colección de datos

correspondiente al atributo considerado en la división de , y el operador () estima la
desviación típica de los datos. Finalmente la aplicación de mínimos cuadrados sobre cada una de las
subregiones obtenidas permite hallar las relaciones existentes entre las diferentes variables
involucradas en el problema.
REDES NEURONALES ARTIFICIALES
El esquema propuesto es una RN tipo perceptrón multicapa de retropropagación con una capa
oculta. Esta configuración de RN ha sido ampliamente usada en los sistemas de recursos hídricos y
generalmente exhiben buenas habilidades para modelar series de tiempo hidrológicas (Gupta et al,
2000). En la Figura 3 se presenta la topología usada para la predicción de series de caudales.
Figura 3.- Topología de la red Neuronal

Las redes neuronales clásicas permiten la conexión de los nodos entre capas consecutivas. Cada
conexión tiene asociado en peso wijl n  el cual denota el peso de la conexión entre el nodo i de la
capa l  1 y el nodo j de la capa l . Para una RN con una sola capa oculta l  1,2 . El valor de
entrada de cada nodo se conoce como Potencial Post Sináptico (PSP por sus siglas en inglés) y es
calculado como:
ml 1
v jl    w x 
i 0
l l 1
ij i ; l  1,2 [3]
Donde yil 1 es la salida del nodo i en la capa l  1 y ml 1 es el número de nodos en la capa l  1. La
función de trasferencia o de activación de cada nodo es una función no lineal que trasforma la PSP
en una salida o valor de activación.
 
y jl   f v jl  [4]
Donde y jl  es la salida del nodo j ( j  1,2,..., ml ) y f () es una operación no lineal usada como
función de activación; en este trabajo se usó la logsigmoidea y la tansigmoidea definidas
respectivamente como:
1
f v   [5]
1  e v
2
f v   1 [6]
1  e 2v
Mediante el proceso de entrenamiento se ajustan los pesos wijl n  de cada capa de tal forma que se
logre el mejor ajuste de la serie de tiempo.
DATOS Y METODOLOGÍA
Los datos utilizados para el desarrollo del presente trabajo corresponden a las serie de caudales
medios mensuales del río Guadalupe, cuya estación de aforo se encuentra ubicada en inmediaciones
de la población de Carolina del Príncipe al nor-occidente de Colombia. El río Guadalupe constituye
el eje central de la cadena de generación eléctrica conocida como GUATRON que actualmente
genera el 7% de la hidroelectricidad del país y que pertenece a las Empresas Públicas de Medellín.
El registro de la serie de caudales inicia en enero de 1938 y finaliza en diciembre de 2017. La serie
de caudales del río Guadalupe y su ubicación se presentan en la Figura 4.
El ciclo anual del río Guadalupe es bimodal, típico de la región Andina Colombiana caracterizado
por la existencia de dos temporadas secas (DEF, JJA) y dos temporadas húmedas (MAM, SON)
evidenciando una fuerte dependencia estacional en los valores de los caudales. En la Figura 5 se
presenta el análisis de correlación entre las anomalías de caudales estandarizadas del río Guadalupe
y las anomalías de temperatura en la superficie del mar. Los resultados indican que el río Guadalupe
es altamente dependiente del sistema ENSO por la magnitud y localización de las mayores
correlaciones, en particular sobre la región Niño 3-4 y la Piscina Caliente del Pacífico Este.
El ciclo anual del río Guadalupe y el análisis de correlación anterior permite definir como variables
explicativas del comportamiento del río Guadalupe valores cualitativos y cuantitativos asociados al
ENSO. Las variables cuantitativas, son aquellas cuyos valores representan un conjunto de
cualidades no numéricas dadas por categorías o modalidades, entre ellas variables cualitativas
ordinales, las cuales permiten establecer relaciones de orden entre las categorías. (Ejemplo: Niño,
Normal, Niña) o variables cualitativas por intervalos que permiten conocer la distancia numéricas
entre dos niveles. (Como por ejemplo: Enero, Febrero, Marzo… para incluir el ciclo anual) que
además puede ser agrupada por intervalos, trimestres (DEF, MAM, JJA, SON). También podrían

utilizarse dentro de este modelo variables binarias que solo adoptan valores de 0, 1 (si, no; existe,
no existe, verdadero, falso) y se usan para resolver problemas del tipo inclusión-exclusión, por
ejemplo: llueve-no llueve; verano-invierno.
Figura 4.- Serie de Caudales medios mensuales del río Guadalupe
Figura 5.- Análisis de la correlación entre los caudales estandarizados del río Guadalupe y las anomalías de
temperatura en la superficie del mar.
Finalmente, el algoritmo M5 también permite utilizar variables cuantitativas sean discretas o

continuas. El procedimiento para la predicción es el siguiente:

 Identificar fuentes de información: La NOAA posee un centro de predicciones climáticas
conocido como NCEP/NWS donde se resumen las predicciones de las temperaturas
superficiales del océano para los diferentes modelos propuestos por varios autores desde
1980 para horizontes de pronóstico de 1,3,6,9 y 12 meses como se muestra en la Figura 6.
Igualmente el Instituto de Clima y Sociedad de la Universidad de Columbia (IRI por sus
siglas en inglés) ha desarrollado un modelo probabilístico estacional que estima la
probabilidad de ocurrencia de los estados Niño, Normal, y Niña; la base de datos tiene un
periodo de registro que comprende reportes desde el año 2003 a la fecha y los pronósticos
están dados para una longitud de ventana de 10 meses como se muestra en la Figura 7.
Figura 6.- Pronostico de las SST en la región Niño 3.4 usando un modelo marcoviano
(http://www.cpc.ncep.noaa.gov/products/people/yxue/SL_forecast_clim71-00_godas.html)

Figura 7.- Pronóstico probabilístico del ENSO elaborado por el IRI
 Construcción de las variables del árbol de decisión: los pronósticos de la NOAA pueden
servir para definir las variables cualitativas y cuantitativas a considerar dentro del algoritmo
M5. Para el presente trabajo se define como variable cualitativa los pronósticos del ENSO
cuyos atributos son construidos en función de los valores de probabilidad asociados al
pronóstico de cada una de sus fases según el IRI (EL Niño=0; Neutral=1; La Niña=2). Los
pronósticos de las SST serán incluidos como variable continua y los meses del año serán
involucrados como variables cualitativas por intervalos como se muestra en la Figura 8.

Figura 8.- Variables utilizadas en la construcción del árbol de decisión para el río Guadalupe
 Estrategia de calibración y validación: para aplicar el algoritmo M5 a la modelación de los

caudales del río Guadalupe se han definido como periodo de calibración la información
entre el año 2002 y 2011 (10 años) y la validación entre 2012 y 2017 ( 5 años).
El esquema anterior también permite definir los parámetros de entrada de la red neuronal, los cuales
corresponderán a los pronósticos del ENSO, así como valores retardados (rezagados) de las
temperaturas en la superficie del mar y la misma serie de caudales.
Los resultados obtenidos por el algoritmo M5 se comparan con aquellos generados por la Red
Neuronal, entre los criterios para evaluar los pronósticos se generará una dispersión entre el valor
predicho y el valor histórico, su cercanía a la recta de 45° permitirá analizar la existencia de errores
sistemáticos en el pronóstico, además se incluye el coeficiente de correlación entre ambos valores a
fin de analizar cuanto se acercan los valores predichos a los valores históricos, además se estimará
el valor medio porcentual de los errores (MAPE) y la raíz del error cuadrático medio (RMSE).
RESULTADOS
Se aplica el Algoritmo M5 incorporando las predicciones del ENSO dadas por la NOAA y el IRI
categorizadas, además se involucran variables categóricas asociadas a la estacionalidad y el ciclo
anual. Internamente el algoritmo M5 divide el espacio de fases dado por las variables explicativas y
desarrolla para cada conjunto de datos una regresión lineal múltiple. En el caso de la red neuronal la
no linealidad se simula a partir de los pesos entre las conexiones de la red. Los resultados del

proceso de predicción para el horizonte de un mes se presentan en la Figura 9. Por ejemplo el
indicador de error MAPE, con las RNA sería de 9.6% mientras que con el algoritmo M5 sería del
5.3% para el río Guadalupe. El algoritmo M5 disminuye la dispersión en los datos pero a cambio,
genera una clasificación que podría arrojar múltiples valores predichos para una misma
observación, por ejemplo, cuando los caudales del río Guadalupe son del orden de 17 m3/s el
modelo puede arrojar valores entre 15 y 20 m3/s. lo que realmente podría ser una buena
aproximación.
Figura 9 .- Validación de los pronósticos usando Redes Neuronales Artificiales (RNA) y árboles de
Decisión M5 para horizonte de un mes.
Los errores asociados a otros horizontes son analizados en la Tabla 1. Para todos los casos la red
neuronal posee una capacidad de pronóstico inferior a la del algoritmo M5.
Tabla 1.- Comparación de los errores de pronóstico entre árboles de regresión (M5) y Redes Neuronales
artificiales (RNA).
Modelo RNA M5
Horizonte RMSE(%) MAPE(%) RMSE(%) MAPE(%)
1 11.45 9.68 7.21 5.32
3 13.73 11.73 9.11 7.96
6 15.27 14.72 11.31 11.32
Si bien los resultados son para un río en particular con unas características climáticas bastante
relacionadas con el sistema ENSO, el presente trabajo demuestra que los algoritmos de partición
pueden ser equipárales e incluso superar la capacidad de pronóstico de las redes neuronales.
CONCLUSIONES
Los resultados obtenidos luego de la aplicación del algoritmo M5 para el pronóstico de caudales
medios mensuales a diferentes horizontes, muestran que el uso de árboles de decisión incorporando
al pronósticos variables explicativas, permite disminuir significativamente el error de los
pronósticos al incorporar de forma indirecta la información macro climática en comparación con
otro modelo no lineal como las Redes Neuronales Artificiales.
Los resultados anteriores demuestran que el algoritmo M5 representa adecuadamente los caudales
del río Guadalupe gracias a su capacidad para generar regresiones locales mediante la partición del
espacio formado por las variables explicativas. Dicho enfoque presenta ventajas significativas

cuando se compara con otros métodos no lineales como las Redes Neuronales Artificiales, siendo
en este caso, lo errores derivados de los árboles de regresión menores y bastante adecuados para la
predicción de caudales del río Guadalupe.
REFERENCIAS
Carvajal, L.F., (1994). “Acerca de la predicción no lineal en hidrología”. Tesis de Maestría, Universidad
Nacional de Colombia, Facultad de Minas, Medellín, Colombia. 136 pp.
J.H. Friedman, Multivariate adaptive regression splines, Ann. Statist. 19 (1991) 1–141.
Poveda, G. (2004). “La hidroclimatología de Colombia: una síntesis desde la escala inter-decadal hasta la
escala diurna”. Revista de la Academia Colombiana de Ciencias exactas, físicas y naturales, 28(107), 201-
222.
Quinlan J R (1992). “Learning with continuous classes”. In: Adams, Sterling (Eds.), Proceedings of AI'92,
World Scientific, pp 343–348 45.
R.A. Jacobs, M.I. Jordan, S.J. Nowlan, G.E. Hinton. (1991). “Adaptive mixtures of local experts”,
Neural Comput. 3 79–87.
S. Haykin, (1999). “Neural Networks. A Comprehensive Foundation”, Prentice-Hall, Engelwoods Cliffs,
NJ.
Wang Y, Witten I H (1997) “Induction of model trees for predicting continuous classes”. In: Proceedings
of the Poster Papers of the European Conference on Machine Learning, University of Economics, Faculty of
Informatics and Statistics, Prague.

IAHR AIIH
ANÁLISIS DE LA DISPONIBILIDAD DE AGUA ANTE DISTINTOS

ESCENARIOS DE OFERTA Y DEMANDA EN LA CUENCA DEL RIO SAN
ANTONIO, PROVINCIA DE CÓRDOBA
Javier Alvarez1, César Luis García2, C. Marcelo García Rodríguez1

1
Instituto de Estudios Avanzados en Ingeniería y Tecnología (IDIT CONICET/UNC). FCEFyN, Av. Vélez Sarsfield
1611, Ciudad Universitaria, Córdoba, Argentina.
2
Centro de Investigación y desarrollo en Inmunología y Enfermedades Infecciosas (CIDIE CONICET / UCC), Av.
Armada Argentina 3555, Córdoba, Argentina ũĂǀŝĞƌĂůǀĂƌĞǌ͘ŝĐΛŐŵĂŝů͘ĐŽŵ͕ĐĞƐĂƌŶŽŶΛŐŵĂŝů͘ĐŽŵ͕
ĐŐĂƌĐŝĂϮŵũĐΛŐŵĂŝů͘ĐŽŵ
RESUMEN:
El objetivo de este trabajo, es evaluar el impacto de las variaciones del caudal del río San
Antonio sobre la disponibilidad de agua para las localidades que toman agua de sus márgenes, a
partir de distintas proyecciones de precipitación y temperatura para distintas concentraciones de
Gases de Efecto Invernadero. Para cumplir este objetivo, se simuló el comportamiento hidrológico
de la cuenca utilizando un modelo hidrológico continuo y distribuido, modelando escenarios
hipotéticos de precipitación y escenarios de precipitación y temperaturas obtenidos de modelos de
cambio climático global, luego de ser escalados espacialmente mediante técnicas estadísticas y de
haberles corregido el sesgo de magnitud. Es así que los resultados apuntan a que, aunque llueva
hasta un 30% más de lo normal, el riego de escases de agua es crítico entre Julio y Septiembre.
Además, precipitaciones del orden de 30% menores a las observaciones generan grandes problemas
al suministro de agua potable, con numerosos días sin poder suplir de agua potable a las
comunidades vecinas al río San Antonio. Por último, se espera que el Riesgo de Escasez del Agua
aumente con el tiempo, aunque no directamente proporcional al crecimiento poblacional y no se
aprecian tendencias claras de crecimiento del REA en las proyecciones futuras de los GCMs.
ABSTRACT:
The paper objective is to analyze the impact of the San Antonio runoff variations on the
water availability, based on different rainfall and temperature projections for different Greenhouse
Emissions projection pathways. To achieve this objective, the basin hydrological behavior was
simulated using a continuous and distributed hydrological model, modelling hypothetical
precipitation scenarios and Global Climate Models scenarios of precipitation and temperature, after
being bias-corrected and spatially downscaled using statistical techniques.
The results suggest that, even if it rains up to 30% more than normal, the risk of water
scarcity is critical between July and September. In addition, precipitations of the order of 30%
lower than the observations, generate big problems to the supply of drinking water, with several
days without being able to supply drinking water to the riverside cities the San Antonio. Finally, the
Water Scarcity Risk is expected to increase over time, although not directly proportional to the
population growth, and there are no clear growth trends of the WSR in the future projections of the
GCMs.
PALABRAS CLAVES: Simulación Hidrológica; Escasez de Agua; GCM; Río San Antonio.

INTRODUCCIÓN
Bajo el contexto actual de cambio climático, un reporte de la Organización de las Naciones

Unidas (UNDP, 2006) señala que, en el 2030 casi la mitad de la población mundial vivirá en áreas
de estrés hídrico. Además, la Organización Mundial de la Salud estima que, en 2025, cerca de 2000
millones de personas vivirán en países o en regiones donde la escasez de agua será absoluta y los
recursos hídricos por persona estarán por debajo de los 500 metros cúbicos anuales recomendados,
cantidad de agua que necesita una persona para llevar una vida sana e higiénica.
En cuanto a la gestión estratégica en Argentina, las sequías han causado en el año 2012
pérdidas del orden de U$D 2.2 mil millones (Banco Mundial, 2016). Dentro de las pérdidas
generadas por las sequías se pueden incluir las pérdidas de producción agrícola-ganadera, costos por
suministros de agua potable de carácter suplementarios, entre otros.
Por otro lado, un estudio de todas las ciudades de más de 750.000 habitantes ubica a la
ciudad de Córdoba (Argentina) como la 8° ciudad del mundo más sensible a sufrir restricciones
hídricas debido a la combinación de cambios climáticos, demográficos y ecológicos (Jenerette y
Larsen 2006).
Muy próxima a la ciudad de Córdoba, se ubica la cuenca que abastece al lago San Roque,
principal fuente de agua potable para dicha ciudad y todas aquellas rivereñas a los principales
tributarios del dique. Uno de los principales tributarios, es el río San Antonio, considerado como la
principal fuente de abastecimiento de agua potable para los habitantes e industrias de las localidades
del Sur de Punilla, sin embargo en la actualidad y en el período de estiaje, se ha llegado a extraer la
totalidad del caudal del río en las semanas previas al inicio de la época de lluvias.
OBJETIVOS
El objetivo del trabajo es analizar el impacto de las variaciones del caudal del río San
Antonio sobre la disponibilidad de agua (Oferta) para las localidades que toman agua del río San
Antonio (Demanda), a partir de distintas proyecciones de precipitación y temperatura para distintas
concentraciones de Gases de Efecto Invernadero (GEI).
ÁREA DE ESTUDIO
La cuenca del río San Antonio (Figura 1) forma un área aproximada de 500 km2,
caracterizada por un relieve montañoso. Además de su comportamiento torrencial, su caudal fluctúa
ampliamente entre épocas estivales y de estiaje, debido a ubicarse en una región de clima semiárido.
En el caso del caudal de estiaje, éste históricamente ha oscilado entre 0.8 y 0.4 m3/s. El módulo del
río es de 4.5 m3/s (datos del Centro de la Región Semi-Árida del Instituto Nacional del Agua “INA-
CIRSA” entre 1992 y 2013).

Figura 1.- Ubicación de la cuenca del río San Antonio.
Actualmente, de acuerdo con información suministrada por la COOPI, 22 mil cuentas se
encuentran conectadas al servicio de agua potable, de los cuales, las estimaciones aseguran que 50
mil habitantes estables gozan de este servicio, precisando así un módulo de extracción de 0.3m3/s,
aun teniendo la capacidad de tratamiento de 0.5m3/s.
Para simular el comportamiento hidrológico de la cuenca del rio San Antonio se utilizó el
modelo hidrológico JAMS, calibrado y parametrizado para la cuenca de este río con observaciones
de precipitaciones, temperaturas y caudales registrados por el INA-CIRSA entre 1992 y 2013.
El modelo hidrológico JAMS (Jena Adaptable Modelling System) fue desarrollado por el
“Department of Geoinformatics, Hydrology and Modelling”, de la Friedrich-Schiller-University,
Jena, Alemania (http://jams.uni-jena.de). Este modelo se basa en la ecuación de balance hídrico y es
del tipo continuo y distribuido en HRU (hydrologycal Responce Units). La cuenca se representa
como una serie de reservorios y HRU interconectados y los cálculos se realizan en un paso de
tiempo fijo. La simulación de los procesos se lleva a cabo en distintos módulos: intercepción y
evapotranspiración, infiltración, flujo subterráneo y tránsito en laderas y en cauce.
Para analizar su impacto en los caudales escurridos en la cuenca, se simularon con JAMS
escenarios hipotéticos de precipitación y temperatura, sintetizados a partir de los valores
observados, y escenarios climáticos obtenidos de modelos de cambio climático global (GCM, por
sus siglas en inglés).
Los GCM utilizados corresponden al CMIP5 y sólo se trabajó con la lámina de lluvia diaria,
obtenida de la base de datos provista por la 3er Comunicación Nacional de Cambio Climático en
formato netCDF (http://3cn.cima.fcen.uba.ar/), cuya resolución espacial de 0.5° por píxel. En
particular, entre los modelos climáticos disponibles en esta base de datos, se trabajó con los tres que
mejores desempeños presentan para la Provincia de Córdoba. Estos son MPI, CNRM y NorESM ya
que presentan menor error medio de las observaciones y mayor número de veces presentan menor
error (Alvarez, 2016).
Cabe señalar que, antes de asimilar los datos de GCMs a JAMS, se corrigieron la
distribución espacial y los sesgos de la precipitación y temperatura con observaciones terrenas
mediante la técnica de escalamiento estadístico Quantile Mapping que corrige los valores Quantil a
Quantil. Al incluir estos datos en el modelo hidrológico se simularon caudales para escenarios
climáticos futuros con base física y de acuerdo con las proyecciones de gases de efecto invernadero.

RESULTADOS
Se determinó que, en los 20 años de registros, las precipitaciones totales anuales han
oscilado en torno al 22% del valor medio. Estas amplias fluctuaciones son propias del clima en que
se encuentra la cuenca. Además, de la comparación con escenarios climáticos corregidos, se
observó que las PTA tienden a crecer en el tiempo en 10% con fluctuaciones del orden del 25%,
intensificando los picos y valles.
La condición de Riesgo de Escasez de Agua (REA) se presenta cuando el flujo superficial es
menor al necesario para abastecer a la totalidad de población, mientras se procura mantener un
caudal ecológico de al menos 0.2 m3/s. Para entender qué sucede en ciclos climáticos con años
secos o húmedos se realizaron escenarios de variación de montos de precipitación. Se adopta un
valor de variaciones de 30% para sintetizar las series de precipitaciones a partir de las variaciones
inter-anuales observadas. Es así, que la figura 2 muestra en 3 colores diferentes los días que habría
REA ante distintas demandas (0.3m3/s, 0.6m3/s y 0.9m3/s, en azul, verde y rojo respectivamente)
para las variaciones de lluvia en el 2013 en +/-30% y sin variación alguna.
Figura 2.- Número de días con REA al mes, según la demanda de agua de 0.3m3/s (azul), 0.6m3/s
(verde) y 0.9m3/s (rojo). Variaciones mensuales de lluvia en sentido de izquierda a derecha (con colores más
oscuros a más claros): +30%, 0%, -30%.
Al observar la figura 2 cabe notar el aumento de los días con REA al disminuir en 30% la
tasa de lluvia en el año 2013, ya que los días en que peligra el abastecimiento de agua potable y el
caudal ecológico ascienden notoriamente. En este caso además, aumenta la cantidad de días con
REA para las demandas proyectadas de 0.6m3/s y 0.9m3/s, incluso en los meses del período estival.
Por otro lado, entre Junio y Agosto la satisfacción de la demanda de 0.3m3/s y el caudal ecológico,
con 30% menos de precipitación corre grave peligro y merece especial atención para los tomadores
de decisiones.
Mediante la aplicación de las técnicas de escalamiento estadístico sobre los GCMs, los
resultados vistos en general fueron muy buenos, corrigiendo la distribución espacial a las
precipitaciones y temperaturas y corrigiendo los sesgos de los valores medios con respecto a las
observaciones históricas. A su vez, las correcciones garantizaron mantener la variabilidad intrínseca
de los modelos y las tendencias futuras.
Por otro lado, la tabla 1 compara los días con Riesgo de Escasez de Agua (REA) para
escenarios simulados con los GCMs en el período histórico (1961-2010), Futuro Cercano “FC”
(2016-2040) y Futuro Lejano “FL” (2076-2100) y para los forzamientos radiativos (RCP) de 4.5 y
8.5:

Tabla 1.-Cantidad de días REA, caudales menores a 0.3, 0.6 y 0.9m3/s, para diferentes RCP y períodos de
tiempo. Entre observaciones y GCM.
Escenario Escenario Escenario Escenario
días REA por Escenario Escenario Futuro Futuro Futuro Futuro
GCM
demanda Observado Histórico Cercano Cercano Lejano Lejano
RCP4.5 RCP8.5 RCP4.5 RCP8.5
0.3m3/s 78 110 95 95 97 106
NorESM 0.6m3/s 126 158 146 145 146 152
3
0.9m /s 158 185 175 172 173 180
0.3m3/s 78 70 103 75 103 97
3
MPI 0.6m /s 126 134 153 134 173 153
0.9m3/s 158 173 182 169 213 190
0.3m3/s 78 96 89 101 103 97
3
CNRM 0.6m /s 126 147 140 151 151 148
0.9m3/s 158 178 170 185 178 180
A partir de la tabla 1, los caudales simulados en JAMS con datos de GCM en los períodos
históricos se encuentran sesgados positivamente, con respecto a los caudales simulados con datos
observados. Sin embargo, no se observan cambios significativos respecto al período histórico en los
períodos futuros cercanos y lejanos, y para los diferentes RCP.
Por último, siguiendo el análisis de la tabla 1, se puede ver que los días con caudales
simulados a partir de datos observados inferiores a 0.3m3/s equivalen a una cuarta parte de los días
del año. Además, se espera que la población a abastecer de agua se duplique en 22 años y triplique
en 58 años (en función de registros históricos del INDEC), observándose que los días con REA
aumentarían, aunque no de una manera directamente proporcional.
CONCLUSIONES
Se determinó que, aunque llueva hasta un 30% más de lo normal, el riego de escases de agua
es crítico entre Julio y Septiembre. Además, precipitaciones del orden de 30% menores a las
observaciones generan grandes problemas al suministro de agua potable, con numerosos días sin
poder suplir de agua potable a las comunidades vecinas al río San Antonio.
Se espera que el Riesgo de Escasez del Agua aumente con el tiempo, aunque no
directamente proporcional al crecimiento poblacional. Además, no se aprecian tendencias claras de
crecimiento del REA en las proyecciones futuras de los GCMs, por lo que resultaría de mayor
efectividad enfocar las medidas de control sobre la demanda de agua potable.
Por último, se sugiere continuar estudiando el sesgo y las técnicas de escalamiento
estadístico para ganar mejor precisión en las simulaciones, para así minimizar las incertidumbres en
las variables corregidas y ampliar el campo de aplicación de los Modelos Climáticos en la
hidrología.
REFERENCIAS
Alvarez J., García C.L., García C.M. (2016). “Desempeño de Modelos Climáticos Globales representando
información pluviométrica en áreas seleccionadas en la provincia de córdoba”. V Taller sobre Diseño
Hidrológico. Salta (Argentina).
Banco Mundial (2016). “Análisis Ambiental del País: Argentina”. Informe Nº11996. Banco Mundial,
Oficina Regional de América latina y el Caribe, Washington. EEUU.
Jenerette, D.G y Larsen L. (2006). “A global perspective on changing sustainable urban water supplies”.
Global and Planetary Change 50:202-211.
United Nations Development Programme (2006). “Beyond scarcity: Power, poverty and the global water
crisis”. ISBN 0-230-50058-7. Human Development Report, United Nations, New York, USA.

IAHR AIIH
PROYECCIONES ESTACIONALES DE CAUDALES EN LA CUENCA

DEL LAGO SAN ROQUE
Javier Alvarez1,2, Nicolás F. Guillén1,2, C. Marcelo García Rodríguez1,2,

Teresa M. Reyna2, Rodrigo Valdés-Pineda3 y Juan Valdés3
1
Instituto de Estudios Avanzados en Ingeniería y Tecnología (IDIT CONICET/UNC). FCEFyN, Av. Vélez Sarsfield
1611, Ciudad Universitaria, Córdoba, Argentina.
2
Universidad Nacional de Córdoba (UNC), Facultad de Ciencias Exactas, Físicas y Naturales (FCEFyN). Av Filloy s/n,
Ciudad Universitaria, CP 5000, Córdoba, Argentina
3
University of Arizona, Harshbarger Bldg. Room 318E, Tucson AZ 85721, Arizona, Estados Unidos de América
javieralvarez.ic@gmail.com, nfguillen@hotmail.com, cgarcia2mjc@gmail.com, teresamaria.reyna@gmail.com,

jvaldes@u.arizona.edu
RESUMEN:
En este trabajo, se realizaron pronósticos de caudales medios mensuales usando la

herramienta NMME (North American Multi - Model Ensemble). NMME es un sistema de
pronóstico estacional multi-modelo experimental que consiste en modelos acoplados de centros de
modelado de EE. UU. Tales como NOAA/NCEP, NOAA/GFDL, IRI, NCAR, NASA y CMC de
Canadá. Este trabajo se viene realizando y actualizando mensualmente.
A partir de la aplicación de dicha herramienta se estiman las precipitaciones mensuales que
se esperan en los próximos 6 meses en la cuenca del dique San Roque aplicando 8 modelos
climáticos globales diferentes. Además, se calibró y validó un modelo hidrológico para aplicarlo en
transformar estos valores de precipitación pronosticados en caudales medios mensuales en la
cuenca. Por último, con las estimaciones de caudales realizadas, se pronosticaron los niveles en el
Dique San Roque esperados en el caso que la erogación, en el periodo analizado, sea 6 m3/s.
ABSTRACT:
In this work, forecasts of monthly mean flows were made using the NMME tool (North
American Multi - Model Ensemble). NMME is a seasonal multi-model experimental forecasting
system that consists of coupled models of different modeling centers (such as NOAA / NCEP,
NOAA / GFDL, IRI, NCAR, NASA and CMC of Canada). This work is being done and updated
monthly.
By application this tool, the monthly rainfall expected in the next 6 months in the San Roque
dam basin is estimated by applying 8 different global climate models. In addition, a hydrological
model was calibrated and validated in order to simulate monthly mean flows in the basin. Finally,
with these flow simulations, the water levels in the San Roque Dam were estimated taking into
account an outflow of 6m3/s.
PALABRAS CLAVES: Dique San Roque, Proyección Semestral, Manejo Embalse

INTRODUCCIÓN
La disponibilidad de herramientas para la gestión de reservorios de agua es de suma

importancia para los decisores, ya que contribuye a la implementación de acciones estratégicas.
Estas acciones respecto a los recursos hídricos, deberían buscar satisfacer las principales
necesidades de la población sin afectar el ambiente que lo circunda, es decir protegiendo al medio
ambiente, el cual es uno de los ocho Objetivos de Desarrollo del Milenio (Naciones Unidas, 2000).
En este contexto es importante conocer cuáles son las posibles dinámicas climáticas en el futuro
cercano y su impacto en la región de interés.
El dique San Roque, es uno de los reservorios artificiales de mayor relevancia económica en
la Provincia de Córdoba (Argentina), con un espejo de agua que, a lo largo de sus costas, ha
presenciado el repentino desarrollo de centros urbanos.
Este dique fue concebido, para proteger a la Ciudad de Córdoba ante extremos hídricos. Es
decir, es útil tanto para el almacenamiento de agua de lluvias en épocas estivas (proveyendo de agua
potable a la ciudad de Córdoba todo el año), como atenuador de crecientes de la cuenca alta del río
Suquía. A su vez, con el tiempo se han ido estableciendo otros usos como Generación de Energía
Hidroeléctrica, Pesca, Vertidos de Efluentes Sanitarios, Recreación y Turismo, Urbanización en las
márgenes, entre otros. Debido a los múltiples usos es fundamental optimizar la gestión y
administrar el recurso hídrico, evitando así costos y pérdidas innecesarias.
OBJETIVOS
El objetivo del presente trabajo consiste en estudiar la aplicabilidad de pronósticos

climáticos estacionales realizados por diferentes Modelos Climáticos en el contexto del North
American Multi - Model Ensemble (NMME, por sus siglas en inglés), con fines hidrológicos en la
cuenca alta del río Suquía.
ÁREA DE ESTUDIO
La cuenca alta del río Suquía (Figura 1) se ubica en el departamento de Punilla al Oeste de la
Provincia de Córdoba. Esta cuenca posee un área de 1590 km2 y caracterizada por un relieve
montañoso, concentra en el Dique San Roque 4 ríos: Los Chorrillos, Las Mojarras, San Antonio y
Cosquín. Este dique se encuentra en las coordenadas 31º 22' 23” Sur y 64º 25' 66” Oeste, y permite
almacenar 190,52 Hm3.
Figura 1.- Ubicación de la cuenca del río San Antonio.

La cuenca de estudio de hidrología típica torrencial de montaña posee un caudal medio anual
del río es de 10,90 m3/s, habiéndose observado crecidas de hasta 6423,00 m3/s, debido al
pronunciado gradiente topográfico de 2300 a 650 msnm en sentido Oeste-Este y a las lluvias
intensas de la región. Por otro lado, las isohietas de precipitación rondan de 800mm a 700mm.
Un Modelo Climático es una herramienta numérica utilizada para simular el pasado,

presente y futuro del clima de la Tierra. En general los GCMs son convenientes para dar
predicciones climáticas de gran escala, pero en la actualidad sin relevancia directa a evaluaciones
hidrológicas al nivel de cuencas de ríos (Deidda et al. 2013).
El NMME (Kirtman et al. 2014) es un sistema de pronósticos estacionales experimental de
modelos climáticos acoplados que proceden de diferentes instituciones, entre estas NOAA/NCEP,
NOAA/GFDL, IRI, NCAR, NASA, y CMC de Canada. Por otro lado, los datos pluviométricos de
los pronósticos climáticos son comparados con observaciones de estaciones meteorológicas de la
red INA-CIRSA en la cuenca (Figura 1).
La base de datos de pronósticos históricos fue obtenida del International Research Institute
for Climate and Society (https://iri.columbia.edu/). La resolución espacial disponible en el servidor
es de 0.5 grid por píxel (aproximadamente 50km) y, en el período de validación, la ventana
temporal resulta del Ene/1980 a la fecha. Del mismo modo, los pronósticos utilizados son de
resolución temporal mensual y con horizonte temporal de 6 (seis) meses, para cada uno de los 8
(ocho) modelos climáticos.
Por último, antes de asimilar los datos pronosticados del NMME al modelo hidrológico es
conveniente realizar una corrección de sesgo. Para esto, se utiliza la técnica estadística de relación
entre medias:
[1]
Siendo:
PHISTO’i : La precipitación de cada pronóstico i en el período histórico con sesgo corregido.
PHISTOi : La precipitación de cada pronóstico i en el período histórico sin corregir el sesgo.
: La precipitación media observada en la cuenca en el período histórico.
: La precipitación media de cada pronóstico i en el período histórico sin
corregir el sesgo.
La técnica anterior, se considera adecuada para la resolución temporal de los modelos del
NMME y, junto con la corrección de los sesgos, esto permite tener pronósticos climáticos con base
física, respondiendo a los patrones observados in-situ.
Para simular el comportamiento hidrológico de la cuenca alta de la cuenca alta del rio
Suquía se utilizó el modelo hidrológico SMAP (Soil Moisture Acounting Procedure, Lopes et al.,
1982). El modelo SMAP es un modelo hidrológico determinístico del tipo agregado y a escala
mensual, que considera las diferentes partes del ciclo hidrológico a través de reservorios por medio
de ecuaciones características.
SMAP fue calibrado y parametrizado para la cuenca de este río con observaciones de
precipitaciones del INA-CIRSA y caudales medios diarios estimados mediante los niveles del
Dique San Roque, desde enero del 1945 a la fecha.
Para evaluar la calidad de la calibración se utilizó el coeficiente de eficiencia Nash-Sutcliffe,
ampliamente utilizado para evaluar el poder predictivo de los modelos hidrológicos. La eficiencia
propuesta por N-S es definido como la diferencia entre la unidad y la suma de las diferencias
cuadradas absolutas entre los valores pronosticados y observados normalizados por la varianza de
los valores observados durante el período bajo investigación. Se calcula como muestra la siguiente
ecuación:

[2]
Siendo:
Oi : el valor observado
: la media de los caudales observados
Pi : el caudal modelado.
El rango de NS se encuentra entre 1.0 (ajuste perfecto) y -∞. Una eficiencia inferior a cero
indica que el valor medio de las series temporales observadas habría sido un reductor mejor que el
modelo.
RESULTADOS
La figura 2, a continuación, muestra los medios mensuales de los pronósticos históricos de

cada modelo del NMME con respecto a su promedio y a la media de las observaciones en la misma
ventana de análisis (Ene-1982 a Oct-2017):
Figura 2.- Media Mensual de los modelos NMME en la cuenca del Dique San Roque con respecto a
las observaciones [mm/mes].
En la figura 2 puede observarse que, en algunos meses de alta precipitación, los errores
observados se aproximan al 50%, este nivel de error en modelos de previsión es inaceptable y no
pueden ser usados para planificación a escala mensual. Para lidiar con esta limitación, la figura 3
muestra la corrección de sesgo realizada con la técnica estadística de relación de medias, sobre los
pronósticos históricos del NMME.

Figura 3.- Media Mensual de los modelos NMME con corrección de sesgo en la cuenca del Dique
San Roque [mm/mes].
Como se observa en la figura 3, el sesgo entre la media de los modelos de NMME y las
observaciones se redujo levemente. Sin embargo la media corregida de NMME se ajusta
perfectamente a la observada. Adicionalmente, para observar el impacto en la serie completa, la
figura 4 muestra las medias históricas sin corrección y corregidas de NMME con respecto a las
observaciones.
Figura 4.- Serie mensual media de NMME con y sin sesgo (verde y azul, respectivamente), respecto
a las observaciones mensuales en la cuenca del Dique San Roque (en negro punteado) [mm/mes].
Aquí, se observa que, a pesar de la corrección efectuada, continúan manteniéndose algunas

diferencias en los valores de exceso de precipitación entre los NMME corregidos y las
observaciones, valores que alcanzan hasta el 50%.
Por otra parte, a partir de los registros de precipitación y caudal observados, la figura 5
muestra los caudales simulados con SMAP en la cuenca:
Figura 5.- Caudal observado y simulado en la cuenca [mm/mes].

Para la parametrización adoptada en esta simulación, los índices de Nash-Sutcliffe resultaron
de 0.80 y 0.58 para la calibración y validación, respectivamente. Estos valores se encuentran en el
rango de aceptables. Por último, los caudales simulados con SMAP a partir del pronóstico de
Noviembre del NMME, fueron ingresados al Dique San Roque para comparar el nivel con el
observado (figura 6).
Figura 6.- Niveles observados y pronosticados en el Dique San Roque.
Como se observa en la figura anterior, el nivel medio pronosticado se ubica dentro del
intervalo de confianza de los modelos y en algunos meses, próximo a la media de los modelos.
CONCLUSIONES
La metodología de corrección de sesgo utilizada, muestra un buen desempeño en los valores

medios, aunque presentaría gran incertidumbre para los extremos hídricos.
Poder aplicar los pronósticos a la gestión de los recursos hídricos resulta de especial interés
permitiendo a los decisores generar políticas de previsión sobre el manejo del dique para prever los
potenciales riesgos hídricos en el Dique San Roque y ampliar su aplicación a los restantes
reservorios de la región.
REFERENCIAS
Deidda R. et al. (2013). “Regional climate models’ performance in representing precipitation and
temperature over selected Mediterranean areas”. Hydrology and Earth System Sciences, No. 17, 2013, pp.
5041-5059. DOI:10.5194/hess-17-5041-2013.
Kirtman Ben P. et al. (2014). “The North American Multimodel Ensemble”. American Meteorological
Society, Apr. 2014, pp. 585-601.
Organización de las Naciones Unidas (2000). “DECLARACIÓN DEL MILENIO”. Octava sesión plenaria
de Asamblea General.

IAHR AIIH
APLICACIÓN CON FINES HIDROLÓGICOS DE MODELOS CLIMÁTICOS

DE CIRCULACIÓN GLOBAL EN LA CUENCA ALTA DEL RÍO TERCERO
Josefina Carranza1,2, Javier Alvarez1,2, C. Marcelo García Rodríguez1,2, Teresa M. Reyna2,

Rodrigo Valdés-Pineda3 y Juan Valdés3
1
Instituto de Estudios Avanzados en Ingeniería y Tecnología (IDIT CONICET/UNC). FCEFyN,
Av. Vélez Sarsfield 1611, Córdoba, Argentina.
2
Universidad Nacional de Córdoba (UNC), Facultad de Ciencias Exactas, Físicas y Naturales (FCEFyN).
Av Filloy s/n, Córdoba, Argentina
3
University of Arizona, Harshbarger Bldg. Room 318E, Tucson AZ 85721, Arizona, Estados Unidos de América
josecarranza2005@hotmail.com, javieralvarez.ic@gmail.com, cgarcia2mjc@gmail.com,
teresamaria.reyna@gmail.com, jvaldes@u.arizona.edu
RESUMEN:
El objetivo del presente trabajo consiste en estudiar la aplicabilidad con fines hidrológicos
de proyecciones climáticas realizadas por diferentes Modelos Climáticos Globales (GCM por sus
siglas en inglés), ante diferentes escenarios de emisiones de Gases de Efecto Invernadero en la
cuenca alta del río Calamuchita. En este trabajo se muestra la calibración del modelo hidrológico a
partir de los niveles medios diarios del Embalse Fitz Simon al cierre de la cuenca. A su vez, antes
de asimilar los datos de precipitaciones de los GCMs al modelo hidrológico se realiza una
corrección de sesgo y de escala espacial por medio de la técnica de escalamiento estadística
Quantil-Mapping, corrigiendo Quantil a Quantil (QQ-QM).
Entre los principales resultados obtenidos se destaca que la calibración del modelo SWAT
fue exitosa (Nash-Sutcliffe=0.88). Además, debido a que la cuenca se encuentra en una zona de
montaña, los sesgos en las precipitaciones de los GCMs alcanzaban hasta el 100% en algunos
meses, es así que mediante la técnica QQ-QM se obtuvo una gran mejora en la adecuación de estas
precipitaciones a los patrones locales. Por último, estas fueron aplicadas como variables de entrada
en el modelo SWAT, observándose que los caudales simulados son similares a aquellos observados.
Es así que, estos datos y esta metodología, permiten simular escenarios sintéticos con base física,
que podrían ser utilizados para la planificación y la toma de decisiones.
ABSTRACT:
The objective of this work is to study the applicability for hydrological purposes of climate
projections made by different Global Climate Models “GCM”, according to different scenarios of
emissions of greenhouse gases in the upper basin of the Calamuchita River. This paper shows the
calibration of the SWAT hydrological model from the daily average levels of the Fitz Simon Dam
(basin oultet). At the same time, before assimilating the GCMs precipitation data into the
hydrological model, a bias and spatial-scale corrections were made using the statistical downscaling
technique Quantil-Mapping, correcting Quantil-Quantil (QQ-QM).
Among the main results obtained, it is highlighted that the calibration of the SWAT model
was successful (Nash-Sutcliffe = 0.88). In addition, as the basin is in a mountain area, the biases in
the precipitation of the GCMs reached up to 100% in some months, so the QQ-QM technique made
a big improvement in the adequacy of these precipitations to the local patterns. Finally, these were
applied as input variables in the SWAT model, showing that the simulated flows are like those
observed. Thus, these data and this methodology allow to simulate synthetic scenarios with physical
basis, which could be useful for planning and decision making.
PALABRAS CLAVES: Modelo Climático; Modelación Hidrológica; Río Ctalamochita.

INTRODUCCIÓN
De acuerdo con los Objetivos de Desarrollo del Milenio (Naciones Unidas, 2000), uno de
los ocho es “La protección del medio ambiente”, lo cual implica la gestión estratégica de los
recursos hídricos para satisfacer las principales necesidades de la población sin afectar el ambiente
que lo circunda, es decir de manera sustentable. En este contexto es importante conocer cuáles son
las posibles dinámicas climáticas futuras y la variabilidad que es esperable en la región de interés.
Evaluar la precisión de los Modelos Climáticos (CMs, por sus siglas en inglés) en la cuenca alta de
río tercero es un objetivo científico y de aplicación crucial, no sólo por sus capacidades de
reconstruir el pasado y proyectar el futuro estado del planeta, sino también por su creciente
relevancia en los procesos de generación de políticas públicas (Deidda et al. 2013).
En el presente, existe gran cantidad de CMs, explotados a distintas escalas
espaciotemporales, que estiman valores de numerosas variables meteorológicas ante diversas
Trayectorias de Concentración Representativas (RCP, por sus siglas en inglés) de Gases de Efecto
Invernadero (GEI). Sin embargo, los estudios de inter-comparación han mostrado que no existen
modelos particulares que sean mejores para todas las variables y/o regiones del planeta (ej. Gleckler
et al. 2008).
OBJETIVOS
El objetivo del presente trabajo consiste en estudiar la aplicabilidad de proyecciones

climáticas realizadas por diferentes Modelos Climáticos Globales (GCM por sus siglas en inglés),
ante diferentes escenarios futuros de emisiones de Gases de Efecto Invernadero, con fines
hidrológicos en la cuenca alta del río Ctalamochita (Tercero). El objetivo particular consiste en
cuantificar el sesgo en los períodos históricos de los GCMs con las observaciones in-situ y aplicar
las correcciones a las proyecciones futuras, con fines de aplicaciones hidrológicas.
ÁREA DE ESTUDIO
La cuenca alta del río Calamuchita (Figura 1) se ubica en el departamento de Calamuchita al

Oeste de la Provincia de Córdoba, Argentina. Esta cuenca posee un área de 3180 km2 y
caracterizada por un relieve montañoso, concentra en el Embalse Fitz Simon 4 grandes ríos: La
Cruz, Quillinzo, Santa Rosa y Río Grande.
Figura 1.- Ubicación de la cuenca alta del río Ctalamochita (Tercero).

El sistema de embalses de río Tercero cumple numerosas funciones como abastecimiento de
agua potable, saneamiento, recreación y turismo. Sin embargo, a nivel nacional se destaca la
generación de energía hidroeléctrica y su suministro a la red interconectada nacional.
La cuenca de estudio de hidrología típica torrencial de montaña posee un gradiente
topográfico de 2200 a 500 msnm en sentido Oeste-Este. Por otro lado, de manera proporcional, las
isohietas de precipitación rondan de 900mm a 750mm (INTA, 2010).
Un Modelo Climático es una herramienta numérica utilizada para simular el pasado,

presente y futuro del clima de la Tierra. En general los GCMs son convenientes para dar
predicciones climáticas de gran escala, pero en la actualidad sin relevancia directa a evaluaciones
hidrológicas al nivel de cuencas de ríos (Deidda et al. 2013).
La base de datos fue obtenida en formato netCDF de la 3er Comunicación Nacional de
Cambio Climático (http://3cn.cima.fcen.uba.ar/). La resolución espacial disponible en el servidor es
de 0.5 grados por píxel (aproximadamente 50km por píxel) y, en el período histórico la ventana
temporal resulta del 01/Ene/1961 al 31/Dic/2010. Del mismo modo, las proyecciones son de
resolución temporal diaria pero con dos horizontes de tiempo diferentes (2016-2040 y 2076-2100),
para dos escenarios de emisión de Gases de Efecto Invernadero “GEI”, uno levemente severo (RCP
4.5) y uno muy severo (RCP 8.5), basados en la 5to Proyecto de Inter-comparación de Modelos
Climáticos (CMIP5, por sus siglas en inglés) propuestos por el Panel Intergubernamental de
expertos en el Cambio Climático (IPCC, por sus siglas en inglés).
Tabla 1.- Nombre, País e Instituciones de GCMs utilizados.

Acrónimo País Institución
1 NCAR-CCSM4 EEUU NASA - Community Climate System Model.
2 CMCC-CM ITALIA Euro-Mediterranean Center on Climate Change.
3 CNRM-CM5 FRANCIA National Centre for Meteorological Research.
4 CSIRO-Mk3-6-0 AUSTRALIA Commonwealth Scientific and Industrial Research Org.
5 GFDL-ESM2G EEUU NOAA - Geophysical Fluid Dynamics Laboratory.
6 IPSL-CM5A-MR FRANCIA Institut Pierre Simon Laplace.
7 MPI-ESM-LR ALEMANIA Max Planck Institut.
8 MRI-CGCM3 JAPÓN Meteorological Research Institute.
9 NorESM1-M NORUEGA Norwegian Climate Center's Earth System Model.
Dentro de estos modelos climáticos globales, los utilizados en este trabajo han sido:
National Centre for Meteorological Research (CNRM), Max Planck Institut (MPI) y Norwegian
Climate Center´s Earth System Model (NorESM). Estos modelos fueron seleccionados al presentar
menor sesgo y menor error medio de las observaciones en la Provincia de Córdoba (Alvarez, 2016).
Posteriormente, antes de asimilar los datos de precipitaciones simuladas por los GCMs al
modelo hidrológico es conveniente realizar una corrección de escala espacial por medio de técnicas
estadísticas de Downscaling. Para esto, se utiliza la técnica Quantil-Mapping, corrigiendo Quantil a
Quantil (QQ-QM):
[1]
La técnica QQ-QM, mejora la distribución espacial de la precipitación de cada GCM, junto

con la corrección de los sesgos. Esto permite tener escenarios futuros de precipitación con base
física y de acuerdo con las proyecciones de gases de efecto invernadero, respondiendo a los
patrones observados in-situ.

Para simular el comportamiento hidrológico de la cuenca alta de la cuenca alta del rio
Ctalamochita se utilizó el modelo hidrológico SWAT (Soil & Water Assessment Tool,
https://swat.tamu.edu/), del tipo continuo y distribuido en Unidades de Respuesta Hidrológica
(HRU, por sus siglas en inglés). En el caso del modelo de la cuenca del río Tercero, los HRU
quedaron definidos por aquellas zonas que presentan similares características determinadas por el
uso y tipo de suelo, y las pendientes de la cuenca. Este tipo de modelación brinda una buena
representación del proceso hidrológico y simplifica el esfuerzo computacional con respecto a la
modelación distribuida celda por celda, ya que en el agrupamiento de HRU disminuye el número de
unidades de cálculo.
Los HRU son construidos, por una parte, a partir de la topografía del modelo digital de
terreno (DEM por sus siglas en inglés) del Instituto Geográfico Nacional “IGN”, construido a partir
de complementar la información de la Shuttle Radar Topography Mission “SRTM” con mediciones
in-situ de topografía. Este DEM posee resolución espacial de 30 metros por pixel y precisión
vertical de 1 metro. Por otra parte, los diferentes usos de suelos y tipos de suelos presentes en la
cuenca fueron extraídos de información que proporciona el INTA (Instituto Nacional de Tecnología
Agropecuaria).
Por último, para la simulación se obtuvieron los datos de precipitación de las estaciones
meteorológicas de Cerro Blanco, Pampichuela, Yacanto, La Florida, Lutti, La Puente y El
Manzano, proporcionada por la Base de Datos Hidrológica Integrada “BDHI” (Figura 1), para un
período de tiempo que inicia en junio del 1993 y finaliza en octubre de 2017. Para la determinación
de los otros factores se utilizó la base de datos mundial del Climate Forecast System Reanalysis
“CFSR”, con 36 años de registros (del año 1979 al 2017). Finalmente, el modelo hidrológico fue
calibrado y parametrizado en función de los caudales medios diarios estimados mediante los niveles
del Embalse Fitz Simon.
Para realizar la calibración se empleó la herramienta computacional SWAT-CUP
(Calibration and Uncertainty Procedures- Procedimientos de calibración e incertidumbre). Cada
proyecto SWAT-CUP contiene varios módulos de calibración diferentes y permite al usuario
ejecutar el mismo módulo muchas veces hasta que se alcanza la convergencia de la función
objetivo. Es así que, se optó por el módulo de calibración SUFI-2 (ajuste de incertidumbre
secuencial), el cual busca optimizar una función objetivo, seleccionada por el usuario entre 11
disponibles, a la vez que calcula las restantes para brindar los estadísticos de calibración.
Entre las funciones objetivo disponible se encuentran el coeficiente de determinación (R2),
Nash-Sutcliffe (NS), Error Cuadrático Medio “MSE”, CHI2, bR2, PBIAS, SSQR, eficiencia de
Kling-Gupta (KGE), RSR, modificación de NS (MNS), suma del error medio cuadrático (sum),
multiplicación del error medio cuadrático (mult); donde, según el caso, la función busca la
maximización o minimización del estadístico. En el caso de la calibración de la cuenca del río
Tercero se utilizó como función objetivo el coeficiente de determinación (R2). Además, resulta
importante que el estadístico NS de la simulación resulte próximo a la unidad.
Coeficiente de determinación (R2): Está relacionado con la regresión lineal y se determina
como el cuadrado del coeficiente de correlación de Pearson:
[2]
Donde:
= Caudal observado [m3/s].
= Media de caudales observados [m3/s].
= Caudal simulado [m3/s].
= Media de caudales simulados [m3/s].
Este coeficiente varía entre 0 y 1, siendo su mejor valor 1. Este estadístico puede entenderse
como el porcentaje de variación de la variable de respuesta que explica su relación con una o más

variables predictoras. En el caso de la regresión lineal también puede entenderse como la dispersión
de los valores respecto a la recta de ajuste de los resultados. Mientras R2 se acerca a 1, más cercanos
son los valores a la de recta y la diferencia entre ellos es mínima por el cual mejor será el ajuste del
modelo a sus datos.
Coeficiente de eficiencia Nash-Sutcliffe: el coeficiente de eficiencia Nash-Sutcliffe se utiliza
para evaluar el poder predictivo de los modelos hidrológicos. La eficiencia propuesta por N-S es
definido como uno menos la suma de las diferencias cuadradas absolutas entre los valores
pronosticados y observados normalizados por la varianza de los valores observados durante el
período bajo investigación. Se calcula como muestra la siguiente ecuación:
[3]
Donde:
- Caudal observado [m3/s].
- Media de caudales observados [m3/s].
- Caudal simulado [m3/s].
El rango de NS se encuentra entre 1 (ajuste perfecto) y -∞. Una eficiencia inferior a cero
indica que el valor medio de las series temporales observadas habría sido un reductor mejor que el
modelo.
RESULTADOS
Al momento de realizar la calibración, se dividió el período de análisis en tres partes

aproximadamente iguales:
1. Período warm-up o calentamiento;
2. Período de calibración;
3. Período de validación.
Es así que la calibración con SWAT-CUP se realizó en el período de tiempo del año 2000 al
2010, quedando como calentamiento del año 1993 al 1999 y como período de validación del 2011
al 2017. Es así que los caudales observados y los simulados resultantes de la calibración se
muestran en la Figura 2.
Figura 2.- Comparación de caudales observados (color azul), simulados (color rojo) y el rango de variación
entre las sucesivas iteraciones (color verde) en el período de calibración.
Como se observa en la figura anterior, los caudales simulados con la parametrización

resultante de la calibración reproducen adecuadamente los picos y valles medios mensuales
observados, así como los ciclos en los que se desarrollan. Al observar que los estadísticos de las
parametrizaciones obtenidas en 20 iteraciones, se determina que la iteración converge en la solución
óptima en NS=0.88 y R2=0.88.
Del mismo modo que en la calibración, la Figura 3 muestra los caudales observados y los
simulados para el período de validación.

Figura 3.- Comparación de caudales observados (color azul) y simulados (color rojo) en el período de
validación.
Para la validación, el valor de R2 o del coeficiente de determinación obtenido es 0,98 por lo

cual es próximo a la unidad. Por otra parte, en cuanto al estadístico Nash-Sutcliffe (NS) resultó
igual a 0,95. Es así al aproximarse a la unidad, los caudales medios mensuales simulados son
similares a los observados, es decir, que la variación entre ellos es pequeña. Por lo tanto, se puede
afirmar que los parámetros determinados, permiten hacer una buena representación de la realidad,
tanto en el período de calibración como de validación.
A partir de los 25 años de registros, la siguiente tabla muestra media y C.V. de las
precipitaciones totales anuales:
Tabla 2.- Media y C.V. de Lluvia Total Anual de estaciones in-situ.

ID Estación Media (mm) CV Altura (m)
1 La Puente 1149 22 1270
2 Cerro Blanco 1266 167 2127
3 Yacanto 1107 18 1135
4 Pampichuela 1187 16 1185
5 La Florida 1096 17 1090
6 Lutti 1036 18 1055
7 El Manzano 1181 16 1800
La tabla anterior muestra que las precipitaciones totales anuales han oscilado en el orden del
20% respecto al valor medio, fluctuaciones propias del clima en que se encuentra la cuenca. Por
otro lado, la Figura 4 muestra la comparación mensual entre la media areal de las observaciones y
las medias de los GCMs.
Figura 4.- Media Mensual en la cuenca alta de Río Tercero [mm/mes].
En la figura 4 puede observarse que, en algunos meses de alta precipitación, los errores
observados se aproximan al 100%, este nivel de error en modelos de previsión es inaceptable y no

pueden ser usados para planificación a escala mensual. Tal es así que, en este estado, estos modelos
aquí presentados no sirven para regionalizar tormentas de diseño de infraestructura a esta escala
mensual. La figura 5, a continuación, muestra el resultado en las precipitaciones medias mensuales
al haber aplicado la corrección de sesgo con la técnica QQ-QM.
Figura 5.- Media Mensual en la cuenca alta de Río Tercero con corrección de sesgo mediante QQ-QM
[mm/mes].
En la figura 5, se puede apreciar que el sesgo entre la media de los GCMs y de las
observaciones se redujo a valores próximos al 30% en los períodos de mayores precipitaciones. Sin
embargo, se observa que algunos modelos sobreestiman considerablemente las precipitaciones en
estos períodos, como el CMCC alcanzando un orden del 100% en diciembre. Por otro lado, a partir
de la corrección en el período histórico, se aplicó la misma a los períodos futuros (Figura 6).
Figura 6.- Precipitación acumulada anual en la cuenca alta de Río Tercero ante diferentes escenarios
climáticos [mm/año].
A partir de las proyecciones climáticas, se observa que las precipitaciones no variarían en el

futuro lejano con respecto al futuro cercano y las condiciones de mayor emisión de GEI (RCP 8.5)

oscilan en torno a valores similares con respecto al escenario de emisiones de severidad moderada.
Sin embargo, cabe resaltar el salto en las precipitaciones que se observa entre el período histórico y
los futuros, que se piensa sea debido al proceso de escalamiento aplicado.
Si bien la corrección se realizó sobre los 9 modelos climáticos de la base de datos del 3er
Comunicado de Cambio Climático Nacional, teniendo en cuenta que estos modelos buscan
representar la climatología global, se procede a trabajar con aquellos que presentan menor sesgo y
menor error medio de las observaciones en la Provincia de Córdoba (Alvarez, 2016). Es así que los
modelos seleccionados son: National Centre for Meteorological Research (CNRM), Max Planck
Institut (MPI) y Norwegian Climate Center´s Earth System Model (NorESM).
Como primera medida, se realiza la modelación hidrológica de la cuenca mediante el
modelo SWAT con las precipitaciones de GCMs corregidas en el período de tiempo considerado,
en este caso, en el período histórico. Esto nos da como resultado los caudales mensuales simulados
los cuales se comparan con los caudales observados en el período de tiempo que coinciden (1993-
2010). Dicha comparación se realiza con el objetivo de poder determinar el grado de ajuste de los
caudales y si los mismos son sobre-estimados o sub-estimados. A continuación, se muestra un
gráfico en donde se puede observar los valores de los caudales mensuales obtenidos, tanto
simulados como observados.
Figura 7.- Caudales observados vs caudales simmulados.
Como análisis de los resultados en función del gráfico, los caudales simulados a partir de los
GCMs presentan un buen grado de ajuste, representando adecuadamente los ciclos estivos y de
estiaje. Además, cabe mencionar que el modelo climático global MPI se corresponde muy bien con
las observaciones. Por otra parte, en algunos años es posible observarse que los caudales simulados
por el modelo NorESM poseen un sesgo elevado respecto a las observaciones. Por último, el
modelo CNRM algunos meses se desfaza respecto a los períodos observados, aunque sin cambios
considerables de magnitud.
Posteriormente se analizan dos escenarios futuros distintos según los modelos climáticos
globales seleccionados. Estos períodos son:
- Futuro cercano (2016-2040).
- Futuro lejano (2076-2100).
A su vez, para cada uno de estos escenarios climáticos se simularon con SWAT los forzanes
radiativos RCP4.5 y RCP8.5. Las siguientes figuras muestran estos resultados.

Figura 8. Caudales simulados en el futuro cercano (2016-2040) y RCP4.5, para los GCMs NorESM (azul),
CNRM (verde) y MPI (rojo).
Figura 9. Caudales simulados en el futuro cercano (2016-2040) y RCP8.5, para los GCMs NorESM (azul),
En segundo lugar, se analiza el escenario de un futuro lejano considerado entre los años 2076
y 2100.
Figura 10. Caudales simulados en el futuro lejano (2076-2100) y RCP4.5, para los GCMs NorESM (azul),
Figura 11. Caudales simulados en el futuro lejano (2076-2100) y RCP8.5, para los GCMs NorESM (azul),
Se puede observar que existe un amplio rango de valores de caudales entre los diferentes
modelos climáticos en respuesta a los escenarios de precipitación. Además, se observa que los
valores de caudal no cambian significativamente ante los cambios de forzamiento radiativo en los
dos períodos futuros. Por otro lado, no se aprecia una tendencia de crecimiento de los caudales en
los escenarios futuros.

Por último, del mismo modo que lo observado en el período histórico, las diferencias entre
los modelos climáticos ponen en manifiesto la dificultad de aceptar un único modelo como idóneo,
planteándose escenarios de posibilidades para cada escenario de estudio.
CONCLUSIONES
En primer lugar, a partir de que los estadísticos de correlación y Nash-Sutcliffe mostraron

valores próximos a la unidad en la calibración y validación, se puede afirmar que los caudales
medios mensuales simulados son similares a los observados. Por lo tanto, los parámetros
determinados en el proceso de calibración permiten hacer una buena representación de la realidad.
Por otro lado, se corrigieron los modelos climáticos globales que mejor se ajustan a la
provincia de Córdoba aplicándoles técnicas de corrección de sesgo y escalamiento espacial. Con
estas precipitaciones se modelaron diferentes escenarios para diferentes períodos de tiempo,
viéndose que las precipitaciones impactarían de manera proporcional en los procesos hidrológicos
de la cuenca.
En este trabajo se presentó cómo los GCMs podrían ser utilizados como herramienta de
planificación de mediano o largo plazo. Sin embargo, las diferencias entre los resultados de las
simulaciones con modelos climáticos, habla de la dificultad de aceptar un único modelo como
idóneo, haciendo que las incertidumbres nos planteen un escenario de posibilidades en lugar de un
único resultado.
REFERENCIAS
3CN (2015). 3ra. Comunicación Nacional sobre Cambio Climático. Bases de datos del CIMA/CONICET-
UBA. http://ambiente.gob.ar/tercera-comunicacion-nacional/.
Alvarez J., García C.L., García C.M. (2016). “Desempeño de modelos climáticos globales representando
información pluviométrica en áreas seleccionadas en la provincia de córdoba”. 5° TALLER SOBRE
DISEÑO HIDROLÓGICO. Salta, Argentina.
Deidda R. et al. (2013). “Regional climate models’ performance in representing precipitation and
temperature over selected Mediterranean areas”. Hydrology and Earth System Sciences, No. 17, 2013, pp.
5041-5059. DOI:10.5194/hess-17-5041-2013.
Gleckler P.J., Taylor K.E., Doutriaux C. (2008). “Performance metrics for climate models”. Journal of
Geophysics Research, No. 113, 2008, D06104, doi:10.1029/2007JD008972.
Instituto Nacional de Tecnología Agropecuaria (INTA). Alberto Rubí Bianchi y Silvia Ana Carla
Cravero. (2010). “Atlas Climático Digital de la República Argentina”.
Organización de las Naciones Unidas (2000). “DECLARACIÓN DEL MILENIO”. Octava sesión plenaria
de Asamblea General.

IAHR AIIH
AQUA-ZERO: SOFTWARE GRATUITO PARA ANÁLISIS HIDROLÓGICOS

PRIMERA ETAPA, ANÁLISIS DE FRECUENCIAS
Cervantes Rico Victor Gustavo, Murillo Jiménez Javier

Grupo ICARTO S.A. de C.V., Grupo ICARTO S.A. de C.V.
Serafín Olarte 199 Int. C302, Col. Independencia, Benito Juárez Ciudad de México, México
vcervantesr@yahoo.com, javier_murillo_29@hotmail.com
RESUMEN:
Uno de los softwares más utilizados en México para realizar el análisis de frecuencias en
hidrología es el AX, desarrollado en 1992, año en que las computadoras personales presentaban
como arquitectura más común la de 16 bits. El desarrollo actual de los equipos de cómputo ha
generado el problema de la incompatibilidad entre el AX y los equipos de 64 bits.
Se presenta el software AQUA-ZERO, compatible con sistemas operativos de 32 y 64 bits,
el cual realiza el análisis y selección de datos, pruebas de homogeneidad e independencia para
verificar la confiabilidad de los datos, ajuste de diferentes distribuciones de probabilidad utilizadas
en hidrología a las series de datos y extrapola los datos a diferentes periodos de retorno. Presenta las
ventajas de ingresar los datos como archivo nativo del ERIC-III y la generación automática de
reportes en Excel configurados para imprimirse de manera directa con los resultados de todas las
etapas del cálculo.
ABSTRACT:
One of the most used softwares in Mexico to carry out the analysis of frequencies in
hydrology is the AX, developed in 1992 when personal computers presented the most common 16-
bit architecture. The current development of computer equipment has generated the problem of
incompatibility between the AX and 64-bit computers.
The AQUA-ZERO software is presented, compatible with 32 and 64-bit operating systems,
which perform the analysis and selection of data, homogeneity and independence tests to verify the
reliability of the data, adjustment of different probability distributions used in hydrology to the data
series and extrapolate the data to different return periods. It presents the advantages of entering the
data as a native ERIC-III file and the automatic generation of reports in Excel format configured to
print directly with the results of all the calculation stages.
PALABRAS CLAVES: Análisis de frecuencias, pruebas de consistencia, distribuciones de

probabilidad.

INTRODUCCIÓN
Para realizar un adecuado diseño y dimensionamiento de cualquier estructura hidráulica, la

principal variable a conocer es el gasto con el cuál operará dicha estructura. Cuando se trata de
estructuras cuyo funcionamiento depende principalmente de las precipitaciones, los caudales
históricos en el punto de interés pueden obtenerse a partir de los registros de estaciones
hidrométricas. Sin embargo, en la mayoría de las ocasiones no se dispone de dichos registros de
caudales o estos registros no tienen la duración necesaria para realizar el análisis de frecuencias
requerido, por lo que debe utilizarse la información de estaciones meteorológicas ya sea
pluviográfica o pluviométrica para estimar las crecidas asociadas a diferentes periodos de retorno.
Es necesario conocer, entonces, las intensidades de precipitación asociadas a diferentes
periodos de retorno. Así, el periodo de retorno con el cual se diseñará la estructura dependerá de la
importancia de la misma, con lo cual el riesgo que se puede asumir ante la falla operativa o
estructural de una obra hidráulica dependerá del periodo de retorno seleccionado y de la vida útil de
la estructura y se determina mediante la probabilidad que se tiene de ocurrir y de excederse cierto
evento.
Para determinar estas intensidades de precipitación se debe realizar un análisis de
frecuencias partiendo de los registros históricos de lluvia, los cuales se pueden obtener de
pluviómetros o pluviógrafos en donde el parámetro a medir es la cantidad de lluvia por unidad de
tiempo. Debido a que en México la cantidad de pluviógrafos es muy pequeña en comparación de los
pluviómetros, normalmente se utiliza como dato de partida la lámina de precipitación en 24 horas.
Los datos de los registros históricos deben ser extrapolados a diferentes periodos de retorno,
ya sea mediante el cálculo de las curvas intensidad-duración-periodo de retorno o mediante el ajuste
de las diferentes distribuciones de probabilidad utilizadas en hidrología a las series de datos
existentes.
Para realizar el análisis mediante el ajuste de distribuciones de probabilidad, el ingeniero
puede desarrollar sus propias tablas de cálculo o hacer uso de alguno de los diferentes paquetes de
cómputo existentes, ya sea de uso gratuito o comercial.
ANTECEDENTES
Uno de los paquetes de cómputo más utilizados en México para realizar el análisis de
frecuencias es el software AX que sirve para hacer el ajuste de las principales distribuciones de
probabilidad utilizadas en hidrología a la serie de datos hidrometeorológicos a estudiar. Este
software fue desarrollado por Martín Jiménez Espinosa, investigador del Centro Nacional de
Prevención de Desastres en el año de 1992 y cuya última versión es la 1.05 del año 1997.
En el año de 1992, las computadoras personales tenían una capacidad de cómputo y memoria
muy limitada, siendo la arquitectura más común la de 16 bits. Debido a esto, para el cálculo de los
parámetros de algunas funciones de probabilidad era necesario hacer suposiciones que simplificaran
el cálculo y condujeran a resultados bastante aceptables. Además, la experiencia en el uso del
software AX muestra que el programa de cómputo sólo admite series de datos con 50 registros.
Series de datos con un número mayor de registros conducen al cierre automático del programa.
En la actualidad, el desarrollo de los equipos de cómputo ha permitido el uso de arquitecturas
más robustas, siendo la más común en el año de 2018 la de 64 bits, lo cual ha generado el muy
conocido problema de la incompatibilidad para el uso de softwares compilados para otras
arquitecturas.
Este caso de incompatibilidad se presenta entre el software AX y los equipos de cómputo de 64
bits.
Actualmente, para el análisis de frecuencias de series temporales también existe el software
AX+B, desarrollado por la empresa Hydrobits, pero es un paquete de paga.

OBJETIVOS
El objetivo del trabajo aquí descrito es la creación de un paquete de cálculo para el análisis
de frecuencias de eventos máximos gratuito compatible con las nuevas tecnologías de cómputo en
un ambiente amigable con el usuario y que apoye al ingeniero especialista en hidrología durante las
siguientes etapas del análisis hidrológico:
 Análisis y selección de los datos.
 Ajuste de diferentes funciones de distribución de probabilidad a la serie de datos
existentes.
 Obtención de datos asociados a diferentes periodos de retorno.
MARCO TEÓRICO
Para una estación climatológica se realiza el análisis del número de datos que deben estar
registrados en cada uno de los años del periodo de registro, comparándolos con el número de datos
que realmente existen para determinar los porcentajes de datos faltantes. Como consideración por
defecto, el software AQUA-ZERO rechaza la información del año en análisis si el porcentaje de
datos diarios registrados es menor al 85%. Sin embargo, el software permite la modificación de este
parámetro a un porcentaje distinto definido por el usuario en base a su experiencia.
Para verificar la confiabilidad de los datos, es necesario realizar pruebas de consistencia. El
software AQUA-ZERO aplica las pruebas de homogeneidad e independencia mencionadas en la
Tabla 1.
Tabla 1. Pruebas de consistencia realizadas por

el software AQUA-ZERO
Tipo de prueba Prueba
Homogeneidad Prueba de Helmert
Homogeneidad Prueba t de Student
Homogeneidad Prueba de Cramer
Independencia Prueba de Anderson
Las pruebas de homogeneidad sirven para determinar si las características estadísticas de las
series hidrológicas como la media o desviación estándar han sufrido cambios abruptos en sus
valores como consecuencia de actividades humanas y/o eventos de la naturaleza. Desde el punto de
vista estadístico, se dice que una serie de datos es homogénea si es una muestra de una única
población y, por lo tanto, será posible obtener resultados representativos de ella. En caso de no ser
homogénea, puede ser que los datos analizados correspondan a dos poblaciones diferentes.
Para verificar la homogeneidad de la muestra analizada se incluyen las pruebas estadísticas
de Helmert, t de Student y Cramer.
La prueba de Helmert consiste en analizar el signo de las desviaciones de cada dato respecto
a la media de la serie de valores.
La prueba t de Student es muy útil cuando la pérdida de homogeneidad de la serie de valores
se debe a una variación abrupta en la media y consiste en dividir la muestra en dos conjuntos de
tamaño similar, con lo cual se define un parámetro estadístico el cual depende de la media, varianza
y número de elementos de las dos muestras de datos El valor absoluto de este parámetro estadístico
se compara con el valor de la distribución t de Student de dos colas con grados de libertad y para
un nivel de significancia de 0.05.
La prueba de Cramer se utiliza para verificar si el valor medio no varía significativamente de
un tiempo a otro y consiste en considerar tres bloques, el primero correspondiente al tamaño total de
la muestra, el segundo al 60% de los últimos valores de la muestra y el tercero al 30% de los
últimos valores de la muestra. La prueba consiste en comparar la media de la muestra completa

(bloque 1), con la media de los bloques 2 y 3, para que la muestra se considere homogénea no debe
existir una diferencia significativa entre las medias de los bloques. Se obtiene un parámetro
estadístico para los bloques 2 y 3, se compara con el valor de la distribución t de Student de dos
colas con grados de libertad y para un nivel de significancia de 0.05.
Las pruebas de independencia se realizan para verificar que la serie de datos hidrológicos
esté compuesta por variables aleatorias, es decir, que la ocurrencia de un cierto valor no dependa de
la ocurrencia uno a varios valores antecedentes.
Para verificar la independencia de la serie de datos se incluye la prueba de independencia de
Anderson, la cual hace uso de un coeficiente de autocorrelación serial para diferentes periodos de
retraso, utilizando los límites de confianza al 95%. Graficando los coeficientes de autocorrelación
serial contra los diferentes periodos de retraso, junto con los correspondientes límites de confianza,
se obtiene el llamado correlograma de la muestra.
En la tabla 2 se muestran las diferentes funciones de distribución de probabilidad que se
utilizan en el software AQUA-ZERO.
Para realizar el ajuste de dichas funciones se utilizan dos métodos: momentos y máxima
verosimilitud.
El método de los momentos consiste en plantear un sistema de ecuaciones cuyo tamaño
depende del número de parámetros a estimar, igualando los momentos poblacionales con los
momentos muestrales y despejando los parámetros a estimar.
El método de máxima verosimilitud consiste en maximizar la función de verosimilitud para
encontrar el mejor ajuste de cada función.
Se elige la función de distribución de probabilidad que representa de mejor manera el
comportamiento de los datos, utilizando para ello la prueba de bondad de ajuste de error estándar.
En el software se incluye la función Doble Gumbel, la cual es útil cuando la muestra está
compuesta por dos poblaciones diferentes. El procedimiento para realizar el ajuste de una función
de dos poblaciones consiste en definir un parámetro, definido como el porcentaje de la muestra total
que corresponde a la submuestra de datos pequeños. A continuación, se le asigna un valor entre 0 y
1 y se realiza el ajuste de la función de dos poblaciones a la muestra de datos, considerando que la
submuestra de datos pequeños será del % de la muestra total, mientras que la submuestra de datos
grandes será del (1- ) % de la muestra total.
Las ecuaciones, tanto de las pruebas de homogeneidad e independencia, como de las
funciones de distribución de probabilidad y los parámetros de ajuste son descritas a detalle en el
manual de referencia del software AQUA-ZERO.
Tabla 2. Funciones de distribución de probabilidad

utilizadas en el software AQUA-ZERO
Función Momentos Máxima verosimilitud
Parámetros 2p 3p 2p 3p
Normal ✓
Lognormal ✓ ✓ ✓ ✓
Exponencial ✓ ✓
Gamma ✓ ✓ ✓ ✓
Gumbel ✓ ✓
Doble Gumbel ✓
FUNCIONAMIENTO DEL SOFTWARE
Los datos pueden ingresarse de dos maneras distintas al software AQUA-ZERO:

 Como un vector de valores en archivo de bloc de notas de Windows, los cuales
pueden ser datos de precipitación, gasto, temperatura, evaporación, etc.
 Archivo nativo del ERIC III (Extractor Rápido de Información Climatológica).

Estas formas de ingresar los datos es una de las tantas ventajas del software AQUA-ZERO
ya que, por un lado, se puede trabajar con series de valores distintos a precipitación y, por otra
parte, si se desea trabajar con datos de precipitación, se ofrece la opción de procesar y analizar
automáticamente la información extraída del ERIC.
En la Figura 1 se muestra la interfaz del software AQUA-ZERO en la etapa de análisis y
selección de datos de precipitación.
Aquí se muestra la información detallada del porcentaje de datos registrados anualmente. El
software, por defecto, rechaza los años que contienen menos del 85% de los datos registrados. En la
opción “configurar parámetros” se puede modificar este porcentaje. Como se observa en la figura 1,
los años que se encuentra en color rojo son rechazados y no serán utilizados en cálculos posteriores
por el software. En la tabla “Periodo de registro aceptado” se muestran los datos generales del
periodo de datos aceptado para cálculos posteriores: año inicial, año final y número de años que
comprenden el registro.
En esta ventana se muestra también un resumen de las pruebas de homogeneidad e
independencia aplicadas a la serie de datos donde, si la prueba concluye que la serie de datos no es
homogénea o independiente, colocará el renglón correspondiente a la prueba rechazada en color
rojo.
Figura 1. Funcionamiento del software AQUA-ZERO: Análisis y selección de los datos de precipitación
Se puede acceder a los cálculos realizados en cada una de las pruebas de consistencia de la
muestra dando directamente un click sobre el nombre de la prueba en la tabla “Pruebas de
consistencia” o en el menú principal de la ventana “Reporte>>Pruebas de consistencia”.
En la figura 2 se observa la interfaz de la prueba de independencia de Anderson donde se
observan los valores de los coeficientes de autocorrelación serial para los diferentes tiempos de
retraso y se muestra gráficamente el correlograma con sus límites de confianza. Este mismo
procedimiento puede realizarse con las demás pruebas de consistencia.
El software realiza las pruebas de consistencia tanto para los datos extraídos directamente
del ERIC como para los datos ingresados en forma de vector de valores en formato de bloc de
notas.

Figura 2. Funcionamiento del software AQUA-ZERO: Prueba de independencia de Anderson
Figura 3. Funcionamiento del software AQUA-ZERO: Análisis global y ajuste

de funciones de distribución de probabilidad a la serie de datos.
Una vez concluida la etapa de análisis y selección de datos a utilizar, se procede a realizar
automáticamente un análisis global de la serie de datos, ordenando en la tabla “análisis global”
(figura 3) las funciones según su error estándar, desde el menor hasta el mayor y mostrando
automáticamente los resultados del ajuste de la función de mínimo error estándar (figura 3). Esta
forma de ordenar automáticamente los resultados es otra de las ventajas que ofrece el software
AQUA-ZERO. En este punto se recomienda al usuario utilizar la función con menor error estándar
para realizar el ajuste de los datos a diferentes periodos de retorno (figura 4).
En esta ventana se muestran, también, los valores estadísticos de la muestra, los parámetros
de ajuste de la función y el ajuste gráfico de la función de distribución de probabilidad (figura 3).

Si se desea realizar el ajuste de una función de distribución de probabilidad diferente a la de
mínimo error estándar, basta con hacer clic sobre el nombre de la función en la tabla resumen para
que el software automáticamente muestre los resultados de ajuste de la función deseada.
Figura 4. Funcionamiento del software AQUA-ZERO:

Ajuste de la función de distribución de probabilidad
de menor error estándar
Como se explicó anteriormente, se da al usuario la opción de realizar ajustes de funciones de

distribución de probabilidad con funciones diferentes a la de menor error estándar, lo que podría
llevar a la obtención de resultados no representativos de la serie de datos.
Para explicar de mejor manera lo anterior, se presentan las figuras 4 y 5: en la figura 4 se
muestra la gráfica de ajuste de la función Gamma 3 parámetros por el método de máxima
verosimilitud, que para este caso en particular representa el mínimo error estándar; en la figura 5 se
muestra el ajuste de la función exponencial por el método de momentos, que en este caso es la de
mayor error estándar. Al realizar una comparación visual entre las figuras 4 y 5 se observa la
significativa diferencia de ajuste entre las dos funciones, ajustándose de mejor manera a los datos la
función con menor error estándar.

Ajuste de la función de distribución de probabilidad
de mayor error estándar

El software incluye la función Doble Gumbel, la cual permite analizar muestras de datos
formadas por dos poblaciones y que es particularmente útil cuando se tienen, por ejemplo, valores
de precipitaciones correspondientes a eventos naturales extremos como huracanes, ciclones o
sequías, los cuales sobresalen de los demás ya que pertenecen a una población distinta.
Para el ajuste de la función Doble Gumbel, el software define un rango por defecto para el
porcentaje que formará la muestra de datos pequeños entre 0.65 y 0.95. Estos valores pueden ser
modificados por el usuario para obtener un mejor ajuste en la opción “Ajustes >> Probabilidad
Funciones 2 Poblaciones”. Se recomienda modificar el rango por defecto si la función Doble
Gumbel es la función de mínimo error estándar o su error estándar se encuentra relativamente
cercano al mínimo error estándar de ajuste.
En la opción “Extrapolación >> Extrapolar” se obtienen los valores asociados a diferentes
periodos de retorno (figura 6). El software realiza los cálculos con la función que se encuentra
seleccionada al momento de realizar la extrapolación, por lo tanto, se deberá tener especial cuidado
en la función que se tenga seleccionada.

Extrapolación a diferentes periodos de retorno.
El software tiene por defecto los periodos de retorno de 2, 5, 10, 20, 100, 200, 1000, 2000,
5000 y 1000 años. Sin embargo, a menudo se requiere obtener los datos asociados a otros periodos
de retorno, por lo cual se incluye la opción para que el usuario pueda agregar o eliminar periodos de
retorno tanto como sea necesario en la opción “Extrapolación >> Editar Periodos de Retorno”
donde, una vez concluida la edición de los periodos de retorno, se deberán guardar cambios o, de lo
contrario, el software continuará realizando el ajuste de datos a los periodos de retorno cargados con
anterioridad.
En la figura 7 se muestra la obtención de valores asociados a periodos de retorno definidos
por el usuario.
El Software AQUA-ZERO contiene también la opción de generación automática de reportes
en formato de libro de Excel. Esta opción permite al usuario exportar todos los resultados, tanto de
la etapa de análisis y selección de datos como de la etapa de ajuste de distribuciones de probabilidad
a la serie de datos y la obtención de valores asociados a diferentes periodos de retorno.
El formato exportado a Excel está configurado para imprimirse de manera directa, contando
desde ya con el tamaño de hoja, orientación, áreas de impresión, tamaño y tipo de letra, bordes, etc.,
definidos de tal manera que el usuario no tenga que preocuparse por darle un formato adecuado al
reporte.
En la Figura 8 se muestra la hoja resumen en formato de Excel del reporte generado por el
Software AQUA-ZERO.

Extrapolación a periodos de retorno
definidos por el usuario
Figura 8. Reporte de resultados: Análisis y selección

de los datos de precipitación
En la figura 9 se observa el reporte en formato de Excel generado por el software AQUA-

ZERO correspondiente al análisis anual del porcentaje de datos registrado en la estación empleada.

Figura 9. Reporte de resultados: Análisis y selección
de los datos de precipitación
En la figura 10 se observan los resultados del análisis global y el ajuste de la función de

mínimo error estándar exportados por el software AQUA-ZERO a Excel.
Figura 10. Reporte de resultados: Análisis global

y ajuste de funciones de distribución de
probabilidad a la serie de datos

En este reporte se incluye también los valores asociados a los periodos de retorno
seleccionados, mostrado en la Figura 11.
Figura 11. Reporte de resultados: Extrapolación a

diferentes periodos de retorno
Además de la generación de reportes, los datos pueden copiarse y pegarse directamente

desde la interfaz del programa para su manipulación en el software o editor de texto elegido por el
usuario, sin embargo se recomienda utilizar la opción de generación automática de resúmenes, ya
que esta opción evita posibles errores asociados a la manipulación de los datos y de los resultados.
 El Software AQUA-ZERO es de uso totalmente gratuito, y para solicitar una copia del
software se deberá realizar mediante correo electrónico a los correos de los autores
indicados en el presente artículo.
 El software está escrito en lenguaje Visual Basic.
 Los métodos utilizados para la programación del software AQUA-ZERO se mejoran
sustancialmente, sobre todo en el ajuste con la función Gamma y Doble Gumbel,
comparados con el software AX, para más detalles ver el manual de referencia.
 El uso del software AQUA-ZERO es útil para cualquier serie de datos, no únicamente para
datos de precipitación.
 Se deberá tener especial atención en los resultados de las pruebas de consistencia de las
series de datos, ya que de esto dependerá en gran medida la calidad de los resultados que se
obtendrán posteriormente.
 Es recomendable utilizar la función de distribución de probabilidad que mejor se ajuste a la
serie de datos, con la finalidad de que los valores obtenidos asociados a diferentes periodos
de retorno sean representativos de la serie de datos original.
 El software AQUA-ZERO es compatible con sistemas operativos de 32 y 64 bits.
 Para la obtención de resultados representativos se recomienda que el periodo de registro de
datos sea mayor a 10 años.
 Se incluye en el software un manual de usuario, detallando cada una de las tareas que puede
realizar el software con la finalidad de facilitar su uso.
 La descripción a detalle de los métodos y ecuaciones empleadas son incluidas en el manual
de referencia del software.
 Actualmente, se encuentra en desarrollo la segunda etapa del software AQUA-ZERO, que
incluirá una interfaz SIG, las metodologías necesarias para realizar los análisis a nivel de

cuenca (área definida por el usuario) y la generación de mapas de resultados en formato
raster.
Abramowitz, M. y Stegun, I. (1972). Handbook of mathematical functions. Dover Publications, N.Y.
Aparicio, F. J. (2007). Fundamentos de hidrología de superficie. Ed. Limusa, México.
Campos, D. F. (2003). Introducción a los Métodos Numéricos: Software en Basic y aplicaciones en

Hidrología Superficial. Facultad de Ingeniería, Universidad Autónoma de San Luis Potosí, México.
Escalante, C. A. y Reyes, L. (2008). Técnicas estadísticas en hidrología. 2a. ed. Facultad de Ingeniería,
Universidad Nacional Autónoma de México, México.
Jiménez, M. (1992). Manual de operación del programa AX.exe (Ajuste de funciones de distribución de
probabilidad). Coordinación de Investigación, Área de Riesgos Hidrometeorológicos, Centro Nacional de
Prevención de Desastres, México.

IAHR AIIH
OBTENCIÓN DE VALORES IDF EMPLEANDO SERIES DE

PRECIPITACIÓN DESAGREGADAS A PARTIR DE UN MODELO DE
CASCADA ALEATORIA
Andrés Burboa1 y Claudio Meier2

1
Estudiante de Magíster, Departamento de Ingeniería Civil, Universidad de Concepción, Chile, andresburboa@udec.cl
2
Profesor Asociado, Department of Civil Engineering, University of Memphis, EE.UU, cimeier@memphis.edu
RESUMEN:
Se presenta un método de estimación de valores de intensidad-duración-frecuencia (IDF)

que utiliza series de precipitación desagregadas a partir de un modelo de cascada aleatoria. El
método requiere dos series de precipitación: un registro limitado, de unos pocos años y alta
resolución temporal, con el cual se calibra el modelo de cascada aleatoria; y un registro extenso, de
varias décadas y baja resolución temporal, que se desagrega a partir del modelo calibrado. El
método permite calcular valores IDF para duraciones menores a la resolución del registro extenso,
que no podrían obtenerse con el registro de alta resolución debido a su reducido tamaño. Con este
método se estimaron valores IDF en la ciudad de Concepción (Chile), utilizando una serie
(limitada) de datos cada 1 min y otra (extensa) de resolución cercana a 1 hora (64 min). Los valores
IDF generados, con duraciones entre los 5 y 60 min, presentan una diferencia promedio de 6.3%
respecto a los valores IDF reales del lugar. Los resultados indican que el método es una buena
alternativa para el análisis de precipitaciones extremas.
ABSTRACT:
An estimation method for intensity-duration-frequency (IDF) values that uses disaggregated

rainfall series from a random cascade model is presented. The method needs two rainfall series: a
limited record, of a few years and high temporal resolution, with which the random cascade model
is calibrated; and an extensive record, of several decades and low temporal resolution, which is
disaggregated with the calibrated model. The method allows calculating IDF values for durations
less than the extensive record resolution, which could not be obtained with the high-resolution
record due to its small size. With this method, IDF values were estimated for Concepción (Chile),
using a 1-min series (limited) and a close to 1-hour (64 min) series (extensive). The generated IDF
values, with durations between 5 and 60 min, shows a 6.3% average difference in comparison to the
real IDF values on the place. The results indicate that the method is a good alternative for extreme
rainfall analysis.
PALABRAS CLAVES: valores IDF; desagregación de precipitación; modelo de cascada aleatoria;

serie de duración parcial; distribución generalizada de Pareto; estadístico de Kolmogorov-Smirnov

INTRODUCCIÓN
La caracterización estadística de precipitaciones extremas plantea un gran problema para la

hidrología y el diseño ingenieril, presentándose comúnmente en la forma de valores de intensidad-
duración-frecuencia o IDF. Algunas aplicaciones, como el diseño de drenaje urbano o el estudio de
cuencas pequeñas, necesitan de valores IDF con duraciones bastante bajas (de 10 a 60 min, e
incluso menos). En estos casos, la duración requerida por los valores IDF puede ser menor a la
resolución de los registros de precipitación disponibles, lo que impide su cálculo. Este problema se
ha reducido con la aparición de los pluviógrafos digitales modernos, que entregan series de
precipitación con una alta resolución temporal (1 min). Sin embargo, el cambio de tecnología no
significa una solución inmediata: aún deben registrarse, al menos, un par de décadas de datos
digitales para poder realizar un buen análisis estadístico.
Para resolver este problema (sin tener que esperar tantos años) se ha planteado el uso
combinado de una serie digital de pocos años y el registro extenso que existe normalmente. Una
forma de hacer esto es extraer las características de la precipitación desde el registro de alta
resolución y utilizarlas para desagregar la serie extensa. Para ello existen modelos estocásticos de
precipitación, como los de pulsos rectangulares (Koutsoyiannis y Onof, 2001; Cowpertwait et al.,
2007) o los de cascada aleatoria (Molnar y Burlando, 2005; Gaume et al., 2007; Licznar et al.,
2011). En este caso se ha optado por un modelo de cascada aleatoria, aplicándolo en la obtención de
valores IDF para la ciudad de Concepción (Chile).
DATOS
Se utilizaron dos series de precipitación de Concepción: una de casi 7 meses, registrada por
un pluviógrafo digital OTT Pluvio2; y otra de 39 años, proveniente de un pluviógrafo analógico de
flotador y sifón. En la Tabla 1 se resumen las características de los dos registros.
Tabla 1.- Características generales de las series de precipitación utilizadas.

Precip. máx. 24
Serie Extensión Fecha Inicio Fecha Fin
horas (mm)
Digital 6.7 meses 26-Sep-2014 20-Abr-2015 30.2
Analógica 39.4 años 13-May-1974 22-Oct-2013 150.8
El registro digital presenta eventos de precipitación menos extremos que el registro

analógico. En la Figura 1 se presenta una semana de precipitación de la serie digital.
Figura 1.- Precipitación del registro digital entre el 29 de diciembre del 2014 y el 5 de enero del 2015.
En cambio, el registro analógico se encuentra en la forma de pluviogramas semanales. Los

pluviogramas se digitalizaron con el programa PluvioReader (Burboa y Meier, 2016), consiguiendo

una serie de resolución 5 min. En la Figura 2 se presenta uno de los pluviogramas digitalizados y la
precipitación acumulada que entregó el programa.
Figura 2.- Pluviograma semanal entre el 27 de junio y el 4 de julio del 2005 (arriba) y su precipitación
digitalizada por el programa PluvioReader (abajo).
Como la resolución de ambas series es similar, la serie analógica se agrega hasta una
resolución de 64 min, poniendo a prueba las capacidades del modelo de cascada aleatoria. En
definitiva, las series de precipitación son tres: una digital con resolución de 1 min (D1), una
analógica con resolución 5 min (A5) y otra analógica con resolución 64 min (A64).
MÉTODO
Cascada Aleatoria
Los modelos de cascada aleatoria distribuyen la precipitación a partir de divisiones sucesivas

entre diferentes niveles de desagregación (Figura 3). En términos generales, la precipitación ,
en el nivel y la división , se define según (Molnar y Burlando, 2005; Gaume et al., 2007):
[1]
donde es la precipitación total, , es el número de ramificaciones, se

conoce como el generador de la cascada aleatoria, y es un índice igual al redondeo hacia
arriba de .
Esta vez se utiliza un modelo de cascada microcanónica, que se caracteriza por conservar
exactamente la precipitación; y se ha optado por número de ramificaciones. Así, la suma de
los dos generadores de una ramificación debe ser igual a 1:
[2]
Un caso particular ocurre cuando uno de los generadores es cero y el otro uno, lo que se
conoce como intermitencia. La probabilidad de intermitencia se define como:
[3]

Figura 3.- Representación gráfica de un modelo de cascada aleatoria con ramificaciones y

niveles de desagregación
Y el otro caso es que ambos generadores no sean cero ni uno, donde su probabilidad se
ajusta a una distribución Beta con forma simétrica (de dos parámetros iguales). La distribución Beta
simétrica se define según:
[4]
donde representa los generadores de cascada, es la función de densidad de probabilidad de la

distribución Beta, es su parámetro, y es la función Beta.
Figura 4.- Generadores de cascada aleatoria en su forma simétrica (izquierda) y según la modificación que
utiliza solo la mitad superior (derecha). Datos de la serie digital (D1); nivel de desagregación .
Se plantea una modificación a la definición tradicional: como la distribución de los

generadores es simétrica, se trabaja solo con la mitad superior de ellos (Figura 4), ajustándolos una
distribución Beta sin simetría, que puede adaptarse mejor a los cambios de forma de la distribución
entre diferentes niveles de desagregación . La modificación mencionada es:
[5]

[6]
donde es el cambio de variable que considera solo a la mitad superior de , y es el otro

parámetro de la distribución Beta. Al trabajar solo con la mitad de los generadores se produce otro
caso particular: que ambos sean iguales ( , equivalente a ). La probabilidad de que
ambos generadores sean iguales es:
[7]
Durante un análisis preliminar se observó que las precipitaciones altas no se desagregan de

la misma forma que las bajas. Por ello se propone una segunda modificación: dividir los
generadores de cascada en grupos según la magnitud de la precipitación que desagregan. En este
caso se dividen los generadores en tres grupos iguales: un tercio asociado a la precipitación más
baja, otro a la más alta y otro intermedio. La probabilidad de intermitencia, de generadores iguales,
y la distribución Beta es distinta en cada grupo, tal como se muestra en la Figura 5.
Figura 5.- Generadores de cascada aleatoria, probabilidad de intermitencia y probabilidad de generadores

iguales para precipitaciones de magnitud intermedia (izquierda) y de magnitud alta (derecha). Datos de la
serie digital (D1); nivel de desagregación .
En la Figura 5 no se incluyen los generadores para precipitaciones bajas porque casi todos
producen intermitencia ( ). Por último, los parámetros de la distribución Beta se estiman
según el método de máxima verosimilitud.
Análisis de Frecuencia
En el análisis de precipitaciones extremas se plantea el uso de un enfoque de duración

parcial (o de peaks sobre umbral, POT según sus siglas en inglés). Una distribución de probabilidad
que se ajusta bien al enfoque de duración parcial es la distribución generalizada de Pareto
(Stedinger et al., 1993; Koutsoyiannis, 2004), cuya función de probabilidad acumulada es:
[8]
donde , y son sus parámetros de umbral, escala y forma. Además, la relación entre la
probabilidad y el periodo de retorno en este enfoque se define como:
[9]

donde corresponde a una media de la cantidad de máximos por año (el número de peaks sobre
umbral dividido por la cantidad de años analizados). Nótese la relación inversa entre y (a mayor
umbral es menor la cantidad de máximos por año).
Figura 6.- Estadístico de Kolmogorov-Smirnov (KS) vs umbral de la distribución ( ). Se alcanza el valor

mínimo de KS en mm (flecha). Datos de la serie analógica (A5); duración 30 min.
Para estimar los parámetros de la distribución primero se calcula una serie de máximos por
evento de precipitación. En ella se prueban diferentes valores de umbral , definiendo una serie de
duración parcial por cada uno. Para cada serie (y umbral ) se estiman los parámetros y según
el método de máxima verosimilitud, y se evalúa su estadístico de Kolmogorov-Smirnov (KS). Por
último, se selecciona el ajuste que entrega el menor valor del estadístico KS (mejor bondad de
ajuste). La Figura 6 presenta una relación entre el estadístico KS y el umbral .
Procedimiento
(1) Se agrega la serie digital (D1) desde 1 min a 64 min, pasando del nivel de desagregación
a . Se calcula la probabilidad de intermitencia y de generadores iguales , se
realiza el cambio de variable de a , y se calculan los parámetros y de la distribución Beta
(todo esto para cada uno de los niveles ).
(2) Se desagrega la serie analógica (A64) desde 64 min a 1 min (yendo de a )
con los parámetros del paso (1). Se generan valores aleatorios para establecer primero si hay
intermitencia o no (o si los generadores son iguales o no). Si no hay intermitencia (ni generadores
iguales), se genera un valor aleatorio de distribuido según la distribución Beta, se vuelve a la
variable y se desagrega la precipitación con los generadores y .
(3) Se realiza el análisis de precipitaciones extremas a partir de la distribución generalizada
de Pareto. Primero se calculan las series de precipitación máxima por evento para duraciones entre
5 y 60 min. En cada una se prueban distintos umbrales , calculando sus parámetros y , y su
estadístico KS. Se selecciona el ajuste con el menor estadístico KS y con él se calculan los valores
IDF de la serie.
(4) Se repite 100 veces los pasos (2) y (3), generando 100 series desagregadas a 1 min con
sus respectivos valores IDF para duración entre 5 y 60 min.
(5) Se realiza el paso (3) con la serie analógica original (A5), obteniendo los valores IDF
reales del lugar. Se comparan los valores IDF reales con la mediana de los 100 valores IDF
generados a partir del modelo de cascada aleatoria.

RESULTADOS
Se calcularon los valores IDF reales y los valores IDF de las 100 series generadas mediante
el modelo de cascada aleatoria. Los resultados se obtuvieron para periodos de retorno entre 5 y 100
años, y duraciones de 5 a 60 min. En las Figuras 7 y 8 se comparan los resultados forma visual,
graficando las curvas IDF reales y generadas.
Figura 7- Curvas IDF en Concepción. Los círculos con línea segmentada corresponden los valores IDF
reales; los diagramas de caja con línea continua representan a los valores IDF de las 100 series generadas con
la cascada aleatoria. Periodos de retorno de 5 a 50 años
Las curvas IDF generadas presentan una forma similar a las curvas IDF reales. Solo en la
duración de 5 min se observa una separación notoria, encontrándose el valor real por sobre el valor
generado (para todos los periodos de retorno). Por otra parte, se aprecia que la dispersión de los
valores generados es mayor para periodos de retorno más altos (los cuartiles de los diagramas de
caja se encuentran más separados). La Tabla 2 presentan los valores IDF para los mismos periodos
de retorno, pero con duraciones entre 5 y 45 min, incluyendo la diferencia porcentual entre valores
reales y generados.

Figura 8.- Curvas IDF en Concepción. Los círculos con línea segmentada corresponden los valores IDF
reales; los diagramas de caja con línea continua representan a los valores IDF de las 100 series generadas con
la cascada aleatoria. Periodos de retorno de 75 y 100 años
Tabla 2.- Valores IDF en Concepción (mm/hora), con su magnitud real (R) y la mediana de los valores
generados por la cascada aleatoria (C). Incluye la diferencia porcentual entre los dos resultados (D). Periodos
de retorno entre 5 y 100 años; duraciones de 5 a 45 min.
Duración (minutos)
5 10 15 20 25 30 35 40 45
R 112.2 62.5 49.3 41.0 35.3 31.6 29.9 27.6 25.7
5 C 85.3 57.7 46.4 38.8 34.3 31.2 28.1 25.8 24.1
D -24.0% -7.8% -5.7% -5.2% -2.8% -1.2% -5.9% -6.3% -6.3%
R 127.6 69.0 54.9 45.4 39.0 34.8 33.3 30.7 28.5
10 C 98.4 66.1 53.1 44.3 39.2 35.3 32.0 29.3 27.4
D -22.9% -4.1% -3.4% -2.4% 0.5% 1.4% -3.9% -4.5% -4.1%
Periodo de retorno (años)
R 148.0 76.7 62.0 50.8 43.6 38.7 37.6 34.7 32.0

25 C 115.7 77.3 62.2 51.7 45.7 41.1 37.2 34.1 32.0
D -21.8% 0.8% 0.2% 1.6% 4.9% 6.2% -1.1% -1.8% 0.0%
R 163.4 82.2 67.2 54.7 46.8 41.4 40.7 37.6 34.5
50 C 129.9 86.8 69.1 57.6 50.7 45.4 41.3 37.8 35.6
D -20.5% 5.6% 2.8% 5.3% 8.3% 9.6% 1.6% 0.5% 3.1%
R 172.3 85.2 70.1 56.8 48.6 42.9 42.4 39.2 36.0
75 C 138.3 92.5 73.3 60.9 53.6 47.9 43.9 40.1 37.8
D -19.8% 8.7% 4.5% 7.1% 10.3% 11.6% 3.3% 2.2% 5.1%
R 178.7 87.2 72.1 58.3 49.8 43.9 43.7 40.4 37.0
100 C 144.4 96.7 76.4 63.3 55.8 49.7 45.6 41.7 39.4
D -19.2% 10.9% 5.9% 8.5% 12.0% 13.0% 4.4% 3.3% 6.7%
En general, se observa una baja diferencia porcentual entre los valores IDF reales y la
mediana de los valores IDF generados. La mayor diferencia es de un 21.3% para la duración de 5
min (en promedio), sin embargo, disminuye notablemente a partir de los 10 min, alcanzando un

5.4% para 10 min, o un 3.3% para 15 min. Si se excluye la duración de 5 min, las diferencias
individuales varían entre el 0.0% (75 años, 45 min) y el 13.0% (100 años, 30 min). Por último, se
distingue que los valores generados son menores a los reales para periodos de retorno bajos,
mientras que para periodos de retorno altos ocurre lo contrario.
CONCLUSIONES
Se desarrolló un método de estimación de valores IDF que utiliza series de precipitación

desagregadas mediante un modelo de cascada aleatoria. Su principal característica es que emplea
dos fuentes de información: un registro extenso, pero de baja resolución temporal; y otro de alta
resolución, pero limitado. El método aprovecha lo mejor de cada serie: permite un análisis
estadístico que solo se podría realizar con el registro extenso, pero entrega valores IDF con
duraciones cercanas a la resolución del registro limitado.
Se utilizó el método para estimar valores IDF en Concepción (Chile), comparando sus
resultados con los valores IDF reales. Se destaca la baja diferencia entre los valores IDF reales y los
generados con el método (6.0% en promedio), aunque la duración de 5 min obtuvo una discrepancia
mayor (21.3%). Con una baja diferencia para duraciones mayores a 10 min, el método ofrece una
buena alternativa para el estudio de drenaje urbano o cuencas pequeñas en situaciones donde los
datos de precipitación no poseen la resolución necesaria. Además, el método permitiría calcular
valores IDF en lugares donde se han instalado recientemente instrumentos de medición modernos,
sin la necesidad de esperar dos o más décadas recolectando datos.
A futuro debe estudiarse el desempeño del método con una serie digital de mayor tamaño (al
menos 1 año), y el uso de otros métodos de estimación de parámetros para la distribución
generalizada de Pareto (como el de los L-momentos). Además, se necesita profundizar en la
agrupación de generadores según la magnitud de la precipitación, estudiando la influencia de la
cantidad de grupos e implementando métodos de agrupación más elaborados (basados en análisis de
grupos o clustering en inglés).
REFERENCIAS
Burboa, A., y C. Meier (2016). “PluvioReader: Un programa automático para la digitalización de

pluviogramas”. XXVII Congreso Latinoamericano de Hidráulica, Lima, Perú.
Cowpertwait, P., V. Isham y C. Onof (2007). “Point process models of rainfall: developments for fine-
scale structure”. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 463,
2569-2587.
Gaume, E., N. Mouhous y H. Andrieu (2007). “Rainfall stochastic disaggregation models: Calibration and
validation of a multiplicative cascade model”. Advances in Water Resources, 30, 1301–1319.
Koutsoyiannis, D. y C. Onof (2001). “Rainfall disaggregation using adjusting procedures on a Poisson
cluster model”. Journal of Hydrology, 246, 109–122.
Koutsoyiannis, D. (2004). “Statistics of extremes and estimation of extreme rainfall. I: Theoretical
investigation”. Hydrological Sciences Journal, 49(4), 575–590.
Licznar, P., J. Łomotowski y D. Rupp (2011). “Random cascade driven rainfall disaggregation for urban
hydrology: An evaluation of six models and a new generator”. Atmospheric Research, 99(3–4), 563–578.
Molnar, P., y P. Burlando (2005). “Preservation of rainfall properties in stochastic disaggregation by a
simple random cascade model”. Atmospheric Research, 77, 137–151.
Stedinger, J. R., R. M. Vogel y E. Foufoula-Georgiou (1993). “Frequency analysis of extreme events”. In:
Handbook of Hydrology, Cap. 18 (ed. by D. R. Maidment). McGraw-Hill, New York, USA.

IAHR AIIH
MONTAJE EXPERIMENTAL PARA LA EVALUACIÓN DE LA

ESCORRENTÍA Y LA EVAPOTRANSPIRACIÓN EN TECHOS VERDES
Nicolás Cortes Torres, Andrés F. Duque Montenegro, Angie K. Guasca Gallardo, Roger S. Guio
González, Edgar L. Villarreal González y Andrés E. Torres Abello.
Universidad Nacional de Colombia - Sede Bogotá, Pontificia Universidad Javeriana, Colombia.
ncortest@unal.edu.co,afduquem@unal.edu.co, akguascag@unal.edu.co, rsguiog@unal.edu.co,
elvillarealg@unal.edu.co y andres.torres@javeriana.edu.co
RESUMEN:
Los techos verdes como sistema de drenaje sostenible son una alternativa con alto potencial
por su posible adecuación a zonas urbanas, esto debido a la cantidad de cubiertas impermeables
utilizables. A pesar de su aplicabilidad, en Colombia no se cuenta con información suficiente que
defina el comportamiento hidrológico de los mismos, y que permita dilucidar los beneficios de
adoptar estas prácticas. Por esta razón se plantea un sistema de adquisición de datos junto con un
simulador de lluvia que permita el estudio del funcionamiento de los techos verdes en la ciudad de
Bogotá, en este documento se presenta la descripción del montaje para analizar el volumen de
retención del techo verde y posteriormente se muestran los resultados generados en la calibración
del montaje.
ABSTRACT:
Green roofs as a sustainable drainage system are an alternative with high potential for its
possible adaptation to urban areas, this due to the number of usable waterproof covers. Despite its
applicability, in Colombia there is not enough information to define its hydrological behavior, and
to elucidate the benefits of adopting these practices. Consequently, a data acquisition system is
proposed along with a rain simulator that allows to do a study of the operation of green roofs in the
city of Bogotá, this document presents the description of the assembly to analyze the volume of roof
retention green and subsequently the results generated in the calibration of the assembly are shown.
PALABRAS CLAVES: Techos verdes; Sistemas de adquisición de datos; Sistemas urbanos de

drenaje sostenible; Arduino.

INTRODUCCIÓN
El desarrollo urbano y el cambio en el uso del suelo generado a partir de la construcción de

grandes zonas impermeables, conlleva graves impactos sobre el ciclo hidrológico. Las superficies
artificiales disminuyen la permeabilidad del suelo, lo cual produce una mayor escorrentía
superficial y una menor infiltración; así mismo, la eliminación de la cobertura vegetal se ve
reflejada en la disminución de la evapotranspiración. Desde hace unas décadas han ganado mucha
aceptación a nivel internacional las alternativas no convencionales para el manejo sostenible del
agua lluvia en los centros urbanos, alternativas conocidas como Sistemas Urbanos de Drenaje
Sostenible (SUDS) (Butler & Davies, 2004; Rodríguez Díaz, 2013). Si bien en la actualidad existen
varios tipos de SUDS que contribuyen al manejo del agua lluvia, los techos verdes en particular
poseen una mayor proporción de aplicabilidad debido a que en los centros urbanos, las cubiertas
impermeables representan un importante porcentaje de la zona urbana (Gorani, 2017).
Los techos verdes están constituidos por un sistema sustrato-vegetación multicapa, el cual
aporta en los procesos de retención y detención de agua lluvia en ambientes urbanos, almacenando
considerables volúmenes de agua que podrían colmatar el sistema de alcantarillado tradicional
(Butler & Davies, 2004, p. 462), situación que se presenta con frecuencia en distintas ciudades de
Colombia. Estos techos ofrecen una alternativa que trae consigo beneficios tales como aumentar los
tiempos de concentración y disminuir el caudal pico; sin embargo, dentro de las condiciones
climatológicas del territorio colombiano, es muy poco lo que se conoce con respecto al
funcionamiento hidrológico de estos techos, en particular para el régimen hidroclimatológico de la
ciudad de Bogotá.
Por lo anterior, se hace necesaria la investigación en este campo del conocimiento y por
ende, se hace indispensable pensar en un diseño experimental que permita evaluar las diferentes
variables que se interrelacionan hidrológicamente en una alternativa de solución como los techos
verdes. Lo cual, nos lleva a un sistema de adquisición de datos compuesto por diferentes tipos de
sensores que interconectados sean capaces de registrar de la mejor forma los comportamientos que
se perciben en la realidad.
MARCO TEORICO
Conceptos teóricos para el diseño del montaje
Con el fin de entender el comportamiento hidrológico de los techos verdes en la ciudad de

Bogotá, se implementó un modelo agregado de lluvia-escorrentía, denominado TR-20, desarrollado
por el Soil Conservation Service (SCS) en 1972, el cual para un solo evento de tormenta (P)
describe el agua retenida en la cuenca como la suma de una abstracción inicial (Ia) y una
profundidad adicional de agua (Fa), que siempre es menor o igual a un valor definido como
retención potencial máxima (S). Por conservación de masa (Ecuación [1]), la precipitación efectiva
(Pe), es la lluvia que finalmente genera escorrentía superficial. (Mockus, Hjelmfelt, & Service
Natural Resources Conservation, 2004)
Pe=P-Ia-Fa [1]
A partir de la concepción teórica de este modelo, se planteó un montaje experimental en el

cual se pudiese medir de forma directa variables clave como, el evento de precipitación (P), el
caudal de escorrentía superficial-subsuperficial (Pe) y el cambio de almacenamiento de agua en la
capa sustrato-vegetación del techo verde (Ia, Fa). Este último, relacionado con la producción de
evapotranspiración, puesto que ésta varía en función de la disponibilidad hídrica del sustrato
(Calabuig Belda, 2016) y la temperatura ambiente; por ende y para completar un cierre total del

balance hídrico en un techo verde como volumen de control es importante cuantificar una variable
de control tal como la temperatura.
Sistemas de adquisición de datos
Un sistema de adquisición de datos es un proceso de medición de fenómenos físicos

mediante sensores que funcionan como transductores de dicho fenómeno a una señal eléctrica.
Dicha señal es tomada mediante una tarjeta de desarrollo para ser posteriormente enviada al
computador e interpretada a través de programación. (National Instruments, 2018)
Para el desarrollo de este sistema de adquisición de datos se usó Arduino, la cual, es una
plataforma de programación de uso libre para sistemas electrónicos, esta maneja un lenguaje de
programación basado en C++ con una adaptación de una librería avr-libc que genera un entorno
intuitivo para facilidad del usuario, además de contar con una comunidad de usuarios que promueve
el trabajo colaborativo (Duque, A. Ochoa, A. Buitrago, D. & Galindo, C., 2018). A partir de las
tarjetas de desarrollo compatibles con esta plataforma se pueden implementar diferentes sistemas de
adquisición de datos de bajo costo para el usuario, es por esto que para el montaje experimental se
utilizan dos tarjetas Arduino UNO para implementar el sistema de medición a partir de las variables
definidas.
DESCRIPCIÓN Y CONSTRUCCIÓN DEL MONTAJE
A partir de la definición de las variables claves para la adquisición de los datos

(Precipitación [P], el caudal de escorrentía superficial-subsuperficial [Pe] y el cambio de
almacenamiento de agua en la capa sustrato-vegetación [ ]), se plantea un montaje experimental
compuesto por tres estructuras, un simulador de lluvia, 4 marcos de carga, 4 tanques receptores, el
primero para la adquisición de los datos de precipitación, el segundo para la obtención del cambio
de almacenamiento de agua y el tercero, el caudal de escorrentía; en la Figura 1 se muestra la
interrelación de las estructuras del montaje; adicionalmente el montaje cuenta con dos sensores de
temperatura [T] como variable de control.

Figura 1.- Interrelación de las Estructuras del Montaje Experimental.
En este montaje se evaluarán 8 parcelas de 1m2 de techos verdes; con una combinatoria de
dos tipos de sustratos con espesores de 5 y 10cm y dos especies vegetales (Ver Tabla 1).
Tabla 1.- Parcelas Experimentales.

Parcela Espesor del Sustrato (cm) Composición del Sustrato Especie Vegetal
1 5 Típico* Sedum
2 10 Típico Sedum
3 5 Optimizado** Sedum
4 10 Optimizado Sedum
5 5 Típico Echeveria Ballsii
6 10 Típico Echeveria Ballsii
7 5 Optimizado Echeveria Ballsii
8 10 Optimizado Echeveria Ballsii
*Sustrato típico se compone por tierra negra y cascarilla de arroz en proporción 5 a 1. **Sustrato
optimizado se compone de tierra negra (20%), piedra pómez (40%), arcilla (10%), arena (10%),
zeolita (10%) y perlita (10%).
Simulador de lluvia
El simulador de lluvia opera captando el agua de un tanque de recolección de agua lluvia a

través de una bomba sumergible, para luego ser conducida por tubería hasta un par de válvulas que
permitirán calibrar posteriormente el caudal de entrada que se transformará en la precipitación del
sistema, posterior a las válvulas se encuentra un filtro que evitará el taponamiento de las boquillas

de aspersión y daños en los sensores, una vez filtrada el agua se pasa por el sensor de caudal y la
estructura termina con las boquillas de aspersión (Figura 2).
La información de los eventos de precipitación es medida a partir del sensor de caudal YF-
S201; y su funcionamiento parte del efecto hall, el cual mediante un sistema de molinete envía
pulsos eléctricos cada vez que se genera una revolución de sus aspas, la tarjeta electrónica Arduino
UNO toma la lectura de los pulsos y a partir del reloj interno encuentra la velocidad con la cual gira
el molinete facilitando su conversión a caudal o volumen, esto permite determinar de una forma
controlada la cantidad de agua que ingresa a los techos verdes.
Figura 2.- Configuración Estructura 1: Simulador de Lluvia.
Marcos de Carga
La precipitación dada por las boquillas de aspersión es recibida por la estructura número 2,
los marcos de carga, cada marco está compuesto por una mesa de soporte, una parcela de techo
verde, un variador de inclinación y dos láminas de carga, al interior de este par de láminas se alojan
las celdas de carga (Figura 3).
El cambio de almacenamiento de agua en la capa sustrato-vegetación del techo verde es

medido a partir de un conjunto de celdas de carga de tres hilos las cuales trabajan en pares para
formar una configuración de puente de Wheatstone completa. Las celdas de carga están
conformadas por galgas extensiométricas que mediante una deformación mecánica modifican el
valor de las resistencias en el puente de Wheatstone provocando de esta forma la variación de
tensión eléctrica, la cual es leída por el conversor análogo digital (ADC) HX711 encargado de
realizar la transformación de una señal analógica a una digital para su posterior procesamiento en la
tarjeta de adquisición de datos. Un conjunto de estos sensores está compuesto por 4 medios puentes
de Wheatstone con una capacidad individual de 50 kg; estos se encuentran ubicados entre dos
láminas de carga emulando el funcionamiento de una balanza; la lámina superior protege los
sensores y posee el variador de inclinación, el cual permite evaluar el comportamiento del techo
verde con diferentes ángulos de inclinación (Figura 4).

Figura 3.- Marco de carga (1. Mesa de Soporte, 2. Parcela de techo verde, 3. Variador de
inclinación, 4. Láminas de carga) Tanque Receptor (5. Canal de drenaje, 6.Tanque de acumulación,
7, Sensor de ultrasonido, 8. Tubería de salida).
Figura 4.- Detalle Lámina de Carga, Celda de Carga y Variador de Inclinación.
Tanques Receptores
La tercera estructura está compuesta por un canal de drenaje, un tanque de acumulación de
20 litros de capacidad, un sensor de ultrasonido y una tubería de salida (Figura 3). El caudal de
escorrentía es medido en función del volumen de agua ocupado en el tanque de acumulación y
asociado a una altura de medida por el sensor de ultrasonido HC-SR04. Este sensor posee un emisor
y receptor de onda sonora, el emisor genera una onda ultrasónica inaudible la cual choca contra una
superficie con el fin de que el receptor determine el tiempo de recorrido de la señal a partir de la
velocidad con que regresa la onda sonora, posteriormente la tarjeta electrónica calcula la distancia
por lo cual se encuentra el nivel del agua, permitiendo conocer el volumen de agua que es drenado
por el techo verde.
Finalmente, se instalaron dos sensores de temperatura al interior de la habitación en la cual

se llevaron a cabo las pruebas esto con el fin de tener esos datos como variable de control y
posteriormente lograr un análisis de la evapotranspiración además de poder ajustar la lectura de las
celdas de carga por la variación de temperatura. Para dicho propósito se usó el sensor DS18B20. En
la Tabla 2 se muestran las características de cada una de las variables involucradas en el sistema de
adquisición de datos.

Tabla 2.- Características de las variables a medir
Variable Unidades de medición Rango Precisión
Precipitación (Caudal) l/min 1-30 0.06
Cambio de almacenamiento (Peso) kg 0.5 - 120 0.5
Caudal Escorrentía (Ultrasonido) cm 2-45 0.3
Temperatura °C 14 – 25 0.1
Funcionamiento del Sistema de Adquisición de datos

El sistema de adquisición de datos está compuesto de 16 celdas de carga de tres hilos (4 por
cada mesa), 4 módulos ADC HX711 (1 por cada mesa), 4 sensores de ultrasonido HC-SR04 (1 por
cada tanque de almacenamiento), 2 sensores de temperatura DS18B20, 1 sensor de caudal y 2
tarjetas Arduino UNO las cuales se comunican al computador por medio del software Arduino IDE.
Figura 5.- Diagrama de bloques del sistema
En el diagrama de bloques del sistema como se observa en la figura 5 la primera tarjeta de

Arduino UNO se encarga de medir el peso de dos mesas de carga, el volumen de dos tanques de
almacenamiento y la temperatura ambiente. La segunda tarjeta mide el peso de dos mesas de carga,
el volumen de dos tanques de almacenamiento, la temperatura ambiente y el caudal del simulador
de lluvia, de esta forma los datos del sistema son sincronizados y analizados en computador.
CALIBRACIÓN Y RESULTADOS
Cada uno de los sensores instalados dentro de las estructuras del montaje fue calibrado de la
siguiente forma:
Simulador de lluvia
Para el sensor de caudal se realizó una comparación entre número de pulsos y volumen, con
la pendiente encontrada tras la linealización se encontró el factor de conversión para hallar el caudal
a partir de los pulsos obtenidos. La curva de calibración se encuentra en la Figura 6 y tiene un rango
de volúmenes entre 1L y 20L.

Figura 6.- Curva de calibración sensor de flujo
Marcos de Carga
La calibración de las celdas de carga se realizó mediante las lecturas que entrega el
conversor análogo digital a la tarjeta, para esto se realizó una comparación con los volúmenes
conocidos en un rango de 0 a 80 litros, con la linealización de esta curva se obtuvo una ecuación
para aplicar dentro del programa. (Figura 7).
Figura 7.- Curva de calibración Celdas de carga
Una vez obtenida la curva de calibración de las celdas de carga, se realizó una prueba de
estabilidad temporal en la cual se encontraron variaciones en la lectura de la celda de carga a
volumen cero. En las Figuras 8 y 9 se puede observar la variación temporal de las Lecturas ADC de
las Celdas de carga con respecto a la variación temporal de la temperatura.

Figura 8.- Relación entre la Lectura ADC y la Temperatura
Figura 9.- Correlación la Lectura ADC y la Temperatura
Tanques Receptores
El sensor de Ultrasonido se calibró, a partir de volúmenes conocidos correlacionados con
las alturas proporcionales de los tanques de retención, de este modo a mayor volumen en el tanque
de retención disminuye la lectura de altura generada por el sensor de ultrasonido como se muestra
en la figura 10.
Por último, para la calibración del sensor de temperatura se tomaron valores de temperatura
patrón mediante un multímetro con termocupla y los datos que arrojaba la lectura del sensor, la
curva de calibración se muestra en la Figura 11.

Figura 10.- Curva de calibración sensor de ultrasonido
Figura 11.- Curva de calibración sensor de temperatura
CONCLUSIONES
Con el diseño y la descripción que se realizó de este montaje experimental es posible evaluar
la capacidad de retención-detención de lluvia de un techo verde, así como su producción de
evapotranspiración posterior a un evento de precipitación.
La versatilidad de este montaje permite realizar ensayos aplicando diferentes
configuraciones de sustrato (espesor y composición), vegetación, inclinación e intensidad de
precipitación. En cuanto a los sensores utilizados en el montaje, los sensores de temperatura, caudal
y ultrasonido al entregar señales digitales, los datos que entregan son menos dispersos y su
calibración resulta más sencilla; lo contrario sucede con el sensor de carga que entrega una señal
analógica y su procesamiento resulta más complejo; sin embargo, el sistema Arduino UNO cumple
con las características para la adquisición de este tipo de datos a un bajo costo.
Del mismo modo, debido a la naturaleza del sensor de carga, es importante tener en cuenta
la susceptibilidad que este posee a las variaciones de temperatura durante el día, por ello es
prioritario caracterizar este comportamiento in situ, con el fin de estabilizar las lecturas que arroja la
celda de carga. Otro aspecto relevante en cuanto a calibraciones y obtención de datos, se presenta en
el sensor de ultrasonido, puesto que el llenado del tanque de acumulación debe hacerse lentamente
de manera progresiva, puesto que corrientes de aire fuertes al interior del tanque altera la medida

del sensor, esto debido a que el funcionamiento de este se realiza a través de la velocidad del sonido
por medio del aire.
Butler, D., & Davies, J. W. (2004). Urban Drainage. (Spon Press, Ed.), Climate Change 2013 -
The Physical Science Basis (Second Edi).
Gorani, G. (2017). Assessing the impact of urbanisation on surface runoff peak flows in Bogota.
Division of Water Resources Engineering Department of Building & Environmental Technology
Lund University.
Mockus, V., Hjelmfelt, A. T., & Service Natural Resources Conservation. (2004). Chapter 10
Estimation of Direct Runoff from Storm Rainfall. In National Engineering Handbook Hydrology (p.
79).
Calabuig Belda, A. (2016). Desarrollo de un modelo matemático de cubierta vegetada en la
universidad de Bolonia y aplicación a un caso real con tecnologías de drenaje sostenible.
Universidad Politecnica de Valencia.
National Instruments. (2018). What is a Data Adquisition. Lugar de publicación: National
Instruments.
Duque, A. Ochoa, A. Buitrago, D. y Galindo, C. (2018) Hadware Libre: una tecnología
democrática. Procedings of ARNA 2017 congress, Cartagena, Colombia.
Rodríguez Díaz, H. A. (2013). Drenaje Urbano Elementos de Diseño. Drenaje urbano no
convencional. (Escuela Colombiana de Ingeniería Julio Garavito, Ed.). Bogotá.
Bandara, A. Balasooriya, H. Smart Irrigation Controlling System for Green Roofs Based on
Predicted Evapotranspiration. Robotics and Control Laboratory Deparment of Electrical
Engineering University of Moratuwa.

IAHR AIIH
ANÁLISIS DE SEQUÍAS METEOROLÓGICAS E HIDROLÓGICAS EN LA

CUENCA DEL RÍO TEPALCATEPEC
Iván González Arreguín1, Luis Daniel Oseguera Toledo2, Omar Lucas Urbina3,
Sonia Tatiana Sánchez Quispe4 y Julio C. Orantes A.5
Universidad Michoacana de San Nicolás de Hidalgo 1,2,3,4,5, México1,2,3,4,5, ivan.g.92.a@hotmail.com1,
luidan27@gmail.com2, orlucas53@gmail.com3, soniatsq@hotmail.com4, julio.orantes@gmail.com5
RESUMEN:
Las sequías son una gran amenaza para el manejo de los sistemas de recursos hídricos en
zonas donde existe alta vulnerabilidad debido a que pueden ser áridas, semiáridas, subhúmedas
secas, o en lugares donde se concentran la población y las actividades económicas. La cuenca
hidrológica del Río Tepalcatepec, México (RH18J) se encuentra en la Región Hidrológica
Administrativa del Balsas, cuenta con un área de 11668 km2 , cuenta con cuatro presas de
almacenamiento (Vicente Villa Señor, San Juanico, Los Olivos y Apatzingán de la Constitución de
1814), alberga una población de 500 000 habitantes requiriendo una demanda de 28 hm3, cuenta
con una superficie de riego de 120 ‘000 hectáreas, con un requerimiento anual de 530 hm3. La
precipitación media anual de la cuenca es de 864 mm, considerándose un clima semiárido. En el
presente trabajo se muestra un análisis de las sequías meteorológicas e hidrológicas las cuales se
basan en datos climáticos. Las sequías se estiman a través de la desviación de la precipitación
respecto a la media, durante un periodo de tiempo determinado. Para la sequía hidrológica se
empleó el Índice de Precipitación Estandarizado (SPI, por sus siglas en inglés Standarized
Precipitation Index) y para la sequía meteorológica el Índice de Sequías en Escurrimiento
Superficial (SDI por sus siglas en inglés Standarized Drought Index). Los resultados muestran que,
aunque su tendencia sea similar, no existe una estrecha relación entre las sequías meteorológicas e
hidrológicas. Estos índices serán de gran ayuda para actuar de manera anticipada ante la presencia
de cualquier tipo de sequía.
ABSTRACT:
Droughts are a significant threat to water resources system management in zones where
exists a high vulnerability due it founds in arid, semiarid, dry subhumid, zones, or they can be in
places where there are population concentration and economic activities. Tepalcatepec River Basin
in México (RH18J) is 11668 km2 surface, it has four storage dams (Vicente Villa Señor, San
Juanico, Los Olivos y Apatzingán de la Constitución de 1814), and is 500 000 people, with 28 Hm3
urban water claim, it has an irrigation surface of 120 000 hectares, and 530 Hm3 water claim. The
annual average precipitation is 864 mm, which corresponds to a semiarid climate. This paper show
an analysis of meteorological and hydrological droughts based on climatic data. Droughts were
estimated through the deviation from the average precipitation for a specified period. For
hydrological drought, we use the Standardized Precipitation Index (SPI), and for meteorological
drought, we used the Standardized Drought Index (SDI). Results show that although trends of two
index are similar, doesn’t exist a significant correlation between them. These indexes will help to
act in advance when drought can occur.
PALABRAS CLAVES: sequías, SPI, SDI, sistema de recursos hídricos.

INTRODUCCIÓN
Las sequías representan una gran amenaza para el manejo de los recursos hídricos. Las áreas
que presentarían alta vulnerabilidad ante las sequías tienen correspondencia con las zonas áridas,
semiáridas y subhúmedas secas, así como los lugares donde se concentra la población y las
actividades económicas. En México, se presentan en el centro y norte del país. Los estados de Baja
California, Coahuila, Jalisco, Colima, Nayarit, Querétaro, Guanajuato, Zacatecas, Michoacán,
Sonora e Hidalgo tienen más del 68% de su superficie con un alto grado de vulnerabilidad a la
desertificación (Pérez 2016).
La cuenca del Río Tepalcatepec (RH18J) se encuentra ubicada en la zona Pacífico Centro de
México entre los estados de Jalisco y Michoacán (Figura 1), tiene una superficie de 11,668 km2,
pertenece a la Región Hidrológica RH18 del Balsas, tiene como corriente principal el Río
Tepalcatepec, con una longitud de 241 kilómetros y cuenta con 4 presas de almacenamiento
(Vicente Villa Señor, San Juanico, Los Olivos y Apatzingán de la Constitución de 1814, siendo esta
última la de mayor importancia con un volumen útil de 320 hm3).

Figura 1.- Localización de la cuenca de estudio
La población que alberga esta cuenca es de 500 000 habitantes concentrándose la mayor
parte en la cuenca media y baja, con una demanda urbana aproximada de 28 hm 3, cuenta también
con una superficie de riego de 120 000 ha, con una demanda agrícola anual de 530 hm3. La
precipitación media anual de la cuenca es de 864 mm, por lo que se considera que tiene un clima
semiárido.
Es importante tener una correcta gestión de recursos hídricos, que entre otros aspectos
requiere que se estimen las sequías. Existen diversas variantes de la sequía, en estas se incluyen, la
sequía meteorológica, sequía hidrológica, sequía agrícola, sequía socioeconómica (Mishra y Singh,
2010). Palmer y Wayne (1965) define a la sequía meteorológica como el intervalo de tiempo,
generalmente con una duración del orden de meses o años, durante el cual el aporte de humedad en
un determinado lugar cae consistentemente por debajo de lo climatológicamente esperado o del
aporte de humedad climatológicamente apropiado, y Valiente (2001) expresa que se basa en datos
climáticos y es una expresión de la desviación respecto a la precipitación media durante un periodo
determinado. Ante la dificultad de establecer una duración y magnitud del déficit pluviométrico
válidas para áreas geográficas, algunas definiciones de sequía meteorológica optan por no
especificar umbrales fijos. La sequía hidrológica involucra el periodo durante el cual los caudales
son inadecuados para satisfacer los usos establecidos bajo un determinado sistema de gestión del
agua.

Mckee et al., (1993) propuso el índice de Precipitación Estandarizado (SPI por sus siglas en
inglés: Standarized Precipitacion Index) para definir y dar seguimiento a la sequía como un
indicador basado en la probabilidad de lluvia, en cualquier periodo de tiempo. El cálculo del SPI
para cualquier lugar se basa en los registros de precipitaciones a largo plazo durante el periodo
deseado. Este registro de datos a largo plazo se ajusta a una distribución normal, de manera que el
SPI medio para el lugar y periodo sea cero. Linsley (1958) define a la sequía hidrológica como el
periodo durante el cual los caudales son inadecuados para satisfacer los usos establecidos bajo un
determinado sistema de gestión de aguas, la PMPMS (2014)menciona la sequía hidrológica como la
disminución en la disponibilidad de aguas superficiales y subterráneas en un sistema hidráulico o
hidrológico durante un plazo. Nalbantis (2008) desarrolló el Índice Hidrológico de Sequía con el
propósito de determinar, a través del tiempo, el déficit de caudales para una corriente y en un
periodo de tiempo dado. De acuerdo con su metodología, la relación de la sequía en cuatro aspectos,
severidad-duración-frecuencia- área, se reduce a solo dos, severidad contra frecuencia.
En el presente trabajo se desarrolla la aplicación del SPI y SDI para la cuenca del Río
Tepalcatepec para el cálculo de las sequías meteorológicas e hidrológicas en la zona y realizar una
espacialización de los resultados para representarlos tanto de manera temporal como espacial, con
esto se busca dar una interpretación general del estado de sequía en la cuenca, ya que según
Dagbegnon (2017) el significado físico de la sequía varía dependiendo de cada región.
METODOLOGÍA
Para el cálculo del SPI se utilizó un periodo continuo mayor de 30 años. Para su cálculo se
selecciona un periodo promedio para determinar una escala de tiempo que generalmente es mensual
de 3, 6, 12, 24 o 48 meses. De acuerdo con Zargar et al., (2014), los períodos de agregación
específicos para el SPI podrían usarse para caracterizar diferentes fenómenos. Se podrían utilizar
períodos de agregación de SPI más cortos (3-6 meses) para obtener estimaciones estacionales de
precipitación, ya que representan condiciones de humedad a corto y mediano plazo y tendencias de
precipitación a mediano plazo, respectivamente. Sin embargo, el SPI de 12 meses puede reflejar los
patrones de precipitación a largo plazo. En este trabajo se usará el SPI de 12 meses ya que se buscan
tendencias de sequías a largo plazo, que nos ayudarán a generar programas de prevención en caso
de la existencia de estas. Para la aplicación del SPI se revisaron un total de 63 estaciones
climatológicas en la cuenca de estudio, de las cuales se usaron un total de 29 estaciones
climatológicas principales y 34 estaciones climatológicas secundarias (Figura 2) que funcionaron
como auxiliares para el llenado de datos faltantes en las principales, para cada una de las estaciones
climatológicas, a partir de la serie histórica de precipitaciones mensuales en el periodo comprendido
entre 1980 y 2017.

Figura 2.- Localización de la cuenca de estudio y estaciones climatológicas presentes.
La serie se ajustó a la distribución de probabilidad Gamma y posteriormente se normalizó.

Una vez que el SPI estuvo normalizado, tanto los períodos húmedos como los secos se
representaron de la misma manera y aplicando este índice se hizo un seguimiento del sitio en el
periodo de estudio (Mckee et al., 1993). La intensidad de sequía es arbitrariamente definida para
valores de SPI con las siguientes categorías (Tabla 1):
Tabla 1.- Categorías de intensidad de sequía meteorológica

Categoría de Categoría en
Valores SPI
sequía tiempo
0 a -0.99 Sequías medias -0.24
-1.00 a -1.49 Sequía moderada 0.092
-11.50 a -1.99 Sequía severa 0.044
≤-2.00 Sequía extrema 0.023
-0.4
Posteriormente, se espacializaron los resultados, asignando a cada estación climatológica

un área de influencia, por medio del método de polígonos de Thiessen.
La sequía hidrológica para este trabajo fue calculada con el Índice de Sequías en
Escurrimiento Superficial (SDI por sus siglas en Inglés: Standarized Drought Index), asumiendo
que las series de volúmenes de escurrimiento mensuales Qi,j están disponibles, i denota el año
hidrológico y j el mes dentro del año hidrológico (j=1 para octubre). Basado en las series obtenidas
se tiene:
Donde Vi,k es el volumen de escurrimiento superficial acumulado para el iésimo año

hidrológico y el k-ésimo periodo de referencia, k=1 para octubre-diciembre, k=2 para octubre-
marzo, k=3 para octubre-junio, y k=4 para octubre septiembre.

Basado en el volumen de escurrimiento superficial acumulado Vik. el SDI fue definido por
cada periodo de referencia del iésimo año hidrológico como sigue:
i=1,2…, k=1,2,3,4
Donde Ṽk y sk son respectivamente la media y la desviación estándar del escurrimiento

superficial acumulado de referencia en el periodo k (Nalbantis, 2008).
La metodología del SDI, se aplicó a cada una de las estaciones hidrológicas presentes en la
cuenca, contando con 9 estaciones hidrométricas (18129, 18280, Presa San Juanico, 18181, Presa
los Olivos, 18201, 18202, 18452 y 18494)(Figura 3).
Figura 3.- Localización de la cuenca de estudio y estaciones hidrométricas.
Dado que en México existe carencia de información, los datos históricos fueron restituidos a
régimen natural, para posteriormente ser extendidos por medio de EVALHID herramienta que se
encuentra dentro del Sistema de Soporte a la Decisión AQUATOOL (Andreu et al., 1996), que es
un modelo precipitación escorrentía, al cual se introducen datos de precipitación, temperatura y
evapotranspiración, y se obtienen gastos en un punto de salida, calibrándose con series observadas
en la estación hidrométrica y con parámetros de suelo (Hmáx Imáx, c y α). Obteniendo resultados
que se pueden extender en función de los datos climatológicos disponibles. Para este proyecto se
obtuvieron las series de gastos desde octubre de 1980 a septiembre de 2017 para hacerlos coincidir
con los del SPI. Finalmente, los resultados del SDI se comparan con la tabla 2, estableciendo
diferentes niveles de sequía para cada valor.
Tabla 2.- Categorías de intensidad de sequía hidrológica

Estado Descripción Criterio Probabilidad (%)
0 No sequía SDI ≥ 0.0 50
1 Sequía media -1 ≤ SDI < 0.0 34.1
2 Sequía moderada -1.5 ≤ SDI < -1.0 9.2
3 Sequía severa -2.0 ≤ SDI < -1.5 4.4
4 Sequía extrema SDI < -2.0 2.3
Con los resultados obtenidos se realizó una espacialización, asignando a cada estación
hidrométrica el área de influencia correspondiente a su subcuenca de aportación al punto de salida.

RESULTADOS
Se muestran los resultados para el SPI de la estación climatológica 16007 de Apatzingán,

Michoacán, muy cercano a la ubicación del centroide de la cuenca, además de ser la zona donde se
encuentra la mayor concentración de la población y donde se encuentra la mayor cantidad de
terrenos de cultivo, se muestra que hubo un episodio de sequía extrema a principios de la década de
1980. De ahí en adelante se estimaron sequías moderadas en la década de 1990 y de 2010 a la fecha,
se observa otro periodo de sequías medias recurrentes año a año. (Figura 4).
Figura 4.- SPI-12 de la Cuenca del Río Tepalcatepec.
Por otro lado, para el SDI se muestran los resultados de la estación hidrométrica 18494 Los
Panches que se encuentra en el punto de salida de la cuenca afectando la mayor concentración de la
población y de los terrenos de cultivo, los resultados representan el cálculo para el periodo entre
octubre de 1980 y septiembre de 2017 donde se puede observar que de 1980 a 1992 prácticamente
no existieron sequías meteorológicas, no así, en el periodo de 1992 a 1996 se observa un periodo de
sequías meteorológicas moderadas, en el 2006 y 2010 un episodio de sequía media y de 2015 a
2017 sequía moderada consecutivo sin recuperación (Figura 5).
Figura 5.- SDI-12 de la Cuenca del Río Tepalcatepec.
En el cálculo del SPI se alcanza a observar la recuperación existente a finales del año 2017
debido a un incremento en la precipitación, en el SDI ya no se alcanza a notar dicha recuperación,
con esto y con la observación de distintos periodos se resalta que no existe firme relación temporal
entre la ocurrencia de sequías meteorológicas e hidrológicas porque como lo explica Huang et al.,
(2017) son independientes ya que existe una gran cantidad de factores que influyen en ellos,
además del efecto antropogénico.
Finalmente, se muestran los resultados de la espacialización de datos logrando representar el
estado de la cuenca tanto temporalmente como espacialmente. En la figura 6 tenemos los resultados
del porcentaje de área afectada por cada rango con respecto al tiempo. Para el caso de la sequía

meteorológica, se puede observar que la sequía media se repite periódicamente, que para otros
autores se refiera a sequía normal, en donde los efectos se pueden considerar prácticamente nulos,
la sequia severa y extrema se puede observar que se manifiesta en algunos periodos, principalmente
en los años 1994 y 1995 con hasta un 35% del área total de la cuenca afectada, los años 2005 y
2006 llegando hasta a un 40% de la cuenca y los años 2012 y 2013, donde se tiene un 40% de la
cuenca afectado, el haber adoptado el SPI-12 nos ayuda a no tener periodos pequeños con sequía, si
no periodos más largos hacia tendencias anuales.
Figura 5.- Porcentaje de área afectada con diferente intensidad de sequía meteorológica.
Para la sequía hidrológica se puede observar que periódicamente abarca casi un 100% de la
cuenca y encontramos que la sequía severa y extrema principalmente se ubican en los años 1982-
1983 (Figura 6) que coincide con el periodo en la gráfica del SPI observando que con un 30% de
afectación en sequía meteorológica, se puede llegar a afectar hasta un 70% de la cuenca, en los años
posteriores, se tienen otros efectos que aunque pueden llegar a afectar un área considerable en
meteorológicas, apenas llegan a ser moderadas o severas en hidrológicas (1989-1990, 1997-1998,
2001-2002) y en los últimos 5 años 2012-2017, se observa una afectación en sequías hidrológicas
de severa a extrema en gran parte de la cuenca, ya no observada así en sequías meteorológicas, esto
puede ser debido principalmente al creciente auge de la agricultura en la zona de los últimos años,
extrayendo grandes cantidades de agua superficiales generando estos efectos (figura 7).
Figura 6.- Porcentaje de área afectada con diferente intensidad de sequía hidrológica.
Nuestros resultados pueden ser comparados con el Monitor de Sequía en México (MSM,
2002) que muestra unas tendencias similares a nuestros resultados, teniendo el periodo del 2005-
2006 y el 2012-2013, representado con valores altos en hasta un 50% del país, lo cual demuestra
que cuando el MSM detectó sequías en gran parte del país, estas también se vieron representadas en
la cuenca del Río Tepalcatepec.

Figura 7.- Porcentajes de área afectada por sequía según la estimación del SDI y del SPI.
CONCLUSIONES
Los índices estandarizados se han utilizado para la evaluación de las sequías en México de
manera general. En este trabajo se estiman sequías hidrológicas y meteorológicas de intensidades
variadas en distintas espacialidades y temporalidades en la cuenca del Río Tepalcatepec. Esto ha
permitido conocer con mayor precisión lo que está ocurriendo en la cuenca, los efectos de las
sequías meteorológicas e hidrológicas y además permite comparalo con la información del Servicio
Meteorológico Nacional que proporciona la información a nivel de porcentajes del país afectados o
por municipio. De esta manera se concluye que los índices SPI y SDI, permiten hacer un cálculo
práctico del estado de sequías en la cuenca, lo cual a su vez permite actuar de manera anticipada
ante la ocurrencia de éstas, para poder adoptar medidas que amortigüen efectos relacionados tanto
con existencia de sequías operativas, como del cambio climático.
Andreu, J., Capilla, J. y Sanchís, E. (1996) ‘AQUATOOL, a generalized decision-support system

for water-resources planning and operational management’, Journal of Hydrology, 177(3–4), pp.
269–291. doi: 10.1016/0022-1694(95)02963-X.
Balsas, C. de C. del (2014) Programa de medidas preventivas y de mitigación de la sequía.
Available at: http://igh.com.mx/programa_hidrico_guerrero/documentos/Informacion/PMPMS_Río
Balsas.pdf (Accessed: 27 June 2018).
Dagbegnon, S. (2017) ‘Bridging drought and climate aridity’, Journal of Arid Environments.
Academic Press, 144, pp. 170–180. doi: 10.1016/J.JARIDENV.2017.05.002.
Huang, Shengzhi et al. (2017). “The Propagation from Meteorological to Hydrological Drought
and Its Potential Influence Factors.” Journal of Hydrology 547: 184–95.
https://www.sciencedirect.com/science/article/pii/S0022169417300501 (June 27, 2018).
Linsley, R. K. (1958) Hydrology for engineers.
Mckee, T. B., Doesken, N. J. y Kleist, J. (1993) ‘The relationship of drought frequency and
duration to time scales’, AMS 8th Conference on Applied Climatology, (January), pp. 179–184.
doi: citeulike-article-id:10490403.
Mishra, A. K. y Singh, V. P. (2010) ‘A review of drought concepts’, Journal of Hydrology.
Elsevier, pp. 202–216. doi: 10.1016/j.jhydrol.2010.07.012.
Monitor de Sequía en México (2002). Available at:
https://smn.cna.gob.mx/es/climatologia/monitor-de-sequia/monitor-de-sequia-en-mexico (Accessed:
14 June 2018).
Nalbantis, I. (2008) ‘Evaluation of a Hydrological Drought Index’, European Water, 2324, pp. 67–
77. Available at: http://www.ewra.net/ew/pdf/EW_2008_23-24_06.pdf (Accessed: 5 March 2018).
Palmer y Wayne, C. (1965) ‘Meteorological Drought. Research Paper’, Weather Boreau, 45, p.
158. Available at: https://www.ncdc.noaa.gov/temp-and-precip/drought/docs/palmer.pdf (Accessed:
14 June 2018).

Pérez, J. (2016) Evaluación del riesgo de sequía en la cuenca del Río Tepalcatepec RH18J. Tesis
de la Maestría en Ciencias en Ingeniería Ambiental, Universidad Michoacana de San Nicolás de
Hidalgo.
Valiente, Ó. M. (2001) ‘Sequía, Definiciones, Tipologías Y Métodos De Cuantificación’,
Investigaciones Geográficas, 26, pp. 59–80. doi: 10.14198/INGEO2001.26.06.
Zargar, A., Sadiq, R. y Khan, F. I. (2014) ‘Uncertainty-Driven Characterization of Climate
Change Effects on Drought Frequency Using Enhanced SPI’, Water Resources Management.
Springer Netherlands, 28(1), pp. 15–40. doi: 10.1007/s11269-013-0467-0

IAHR AIIH
ESTIMACIÓN DE LA ASOCIACIÓN ENTRE INDICADORES DE

VARIABILIDAD CLIMÁTICA NATURAL Y CAUDALES DEL RÍO
PARAGUAY A TRAVÉS DE WAVELET
Suriano, Micaela1,2
1
Instituto Nacional del Agua (INA), Facultad de Ingeniería - Universidad de Buenos Aires (FIUBA)
2
suriano.micaela@gmail.com
RESUMEN: El presente trabajo tiene como objetivo analizar la asociación entre los caudales del
río Paraguay y dos índices de variabilidad climática natural, en el espacio tiempo-frecuencia. En
particular, se estudiaran los caudales mensuales en la estación Puerto Pilcomayo y su relación con
El Niño–Oscilación del Sur (ENOS) y la Oscilación Decadal del Pacífico (PDO por sus siglas en
inglés). Se aplica la técnica de la transformada Wavelet que permite identificar diferentes
frecuencias características de variabilidad temporal y su ubicación, en particular en series no
estacionarias. Además, se aplica Coherencia Wavelet para analizar las frecuencias conjuntas entre
los caudales y los indicadores climáticos. Los resultados muestran que no hay una clara
identificación con el fenómeno del Niño en el periodo completo ya que aparecen correlaciones
significativas de forma intermitente. Sin embargo para ambos indicadores de variabilidad climática
natural se encuentran correlaciones significativas en períodos decadales y multidecadales, poniendo
en evidencia la influencia de fenómenos de largo plazo en los caudales del río Paraguay. Esto
permite aumentar el conocimiento de la influencia de la variabilidad climática natural sobre los
caudales, lo cual podría resultar útil para lograr una mejor planificación del recurso hídrico,
pudiendo incorporar esta información tanto para el diseño de obras civiles como para fines de
pronóstico.
ABSTRACT: The aim of this paper is to analyze the association between the flows of the Paraguay
River and the natural variability of climate, in the time-frequency space. In particular, this study
will focus on the monthly flows at Puerto Pilcomayo station and their relationship with the El Niño-
Southern Oscillation (ENSO) and the Pacific Decadal Oscillation (PDO). In order to carry out this
analysis, different methods are used, such as, the Wavelet Transform technique and the Wavelet
Coherence. The Wavelet Technique is used to identify different frequencies of temporal variability
and their location, particularly in non-stationary time series, while, the Wavelet Coherence, is
applied to analyze the joint frequencies between climate indicators and flows. The results show that
there is no clear identification with the ENSO phenomenon in the entire period as significant
correlations appear intermittently. However, for both indicators of natural climate variability,
significant correlations are found during decadal and multi-decadal periods. This demonstrates the
influence of long-term phenomena on the behavior of the Paraguay River and helps us to get a
better understanding of the influence of natural climate variability on the flows. Not only, can the
results obtained be useful in order to develop an efficient water resource planning but also, of great
help in the design of civil works and for forecast purposes.
PALABRAS CLAVES: Variabilidad climática natural, río Paraguay; Wavelet.

INTRODUCCIÓN
Existen estudios que muestran la influencia del fenómeno de El Niño–Oscilación del Sur
(ENOS) para Sudamérica y la Argentina. Sin embargo, resulta importante mejorar el conocimiento
de su relación con la Oscilación Decadal del Pacífico (PDO por sus siglas en inglés) ya que esta
responde definiendo propiedades estadísticas de largo plazo, que podrían influir en la planificación
del recurso hídrico.
Este trabajo tiene como objetivo analizar la asociación en el espacio tiempo-frecuencia de
los dos indicadores de la variabilidad climática natural mencionados sobre la serie de caudales
mensuales en el río Paraguay, en la estación Puerto Pilcomayo.
La técnica de la transformada Wavelet permite identificar diferentes frecuencias
características de variabilidad temporal y su ubicación en el tiempo, en particular en series no
estacionarias. Además, aplicando Coherencia Wavelet se pueden analizar las frecuencias conjuntas
entre dos series, resultando una herramienta apropiada para analizar la relación entre el clima y los
caudales.
Estos resultados permiten aumentar el conocimiento de la influencia de la variabilidad
climática natural sobre los caudales, lo cual podría resultar útil para lograr una mejor planificación
del recurso hídrico, pudiendo incorporar esta información tanto para el diseño de obras civiles como
para fines de pronóstico.
MARCO TEÓRICO
Los procesos hidrológicos no son independientes de los procesos climáticos. Desde los años
80 se ha avanzado significativamente en la comprensión de la relación entre los indicadores de la
variabilidad climática natural y distintas variables, como por ejemplo las hidrológicas.
Las variaciones climáticas de corto plazo, con un período en el orden de 4 a 7 años, están
asociadas con la actividad de El Niño –Oscilación del Sur (ENOS) en sus fases: El Niño y La Niña,
en cambio la variación del clima multidecadal sigue un patrón mejor expresado por la Oscilación
Decadal del Pacífico (PDO), un fenómeno del Norte del Océano Pacífico que oscila en una escala
de décadas, entre 30 y 50 años, para el total del ciclo. (Mantua y Hare, 2002; Mantua et al. 1997).
Estos indicadores climáticos impactan en los caudales de los ríos de distintas regiones. Hay
trabajos que muestran que se observa un comportamiento diferente en los caudales según la
combinación ENOS y PDO, para la cual los efectos se potencian cuando ambos indicadores están
en fase y se disipan cuando no.
Neal et al. (2002) con la información de seis cuencas en el Sureste de Alaska analizan las
diferencias en los caudales mensuales y estacionales y consideran las dos fases PDO: período frío
(1947-1976) y período cálido (1977-1998). A escala mensual como estacional han encontrado una
diferencia significativa entre los distintos períodos.
Andreoli y Kayano (2005) investigaron las anomalías relacionadas con ENSO en las
precipitaciones medias mensuales en América del Sur, durante las distintas dos fases del indicador
PDO. Los resultados muestran fuertes indicios que la respuesta de los fenómenos ENSO depende de
las fases del PDO.
Kayano y Andreoli (2007) concluyen que las diferencias en la magnitud del ENSO están
relacionadas con el PDO, el cual actúa potenciando los efectos cuando están en fase.
Silva et al. (2011) estudiaron los efectos de El Niño en América del Sur (a través de la
precipitación, SST (Sea Surface Temperature), 200hPa, entre otros índices) durante las distintas
fases del PDO, en particular para el verano austral entre 1955-1999. Los resultados muestran
anomalías positivas de precipitación para la zona Norte del centro de Argentina con períodos de
PDO positivos.
Ouyang et al. (2014) analizaron el impacto simple y combinado del ENSO y del PDO sobre
las precipitaciones y los caudales en cuatro ríos de China (Songhua,Yellow,Yangtze y Pear). Los

resultados muestran que las precipitaciones y caudales decrecen cuando la fase El Niño coincide
con un PDO cálido, y crecen cuando la fase La Niña coincide con un PDO frío.
Siguiendo la metodología propuesta por Ouyang (2014), Suriano y Seoane (2016)
encontraron que en el río Paraguay, en la estación Puerto Pilcomayo (Argentina) los caudales
promedio trimestrales aumentan en la mayoría de los casos cuando coincide con PDO en fase
Positiva con El Niño, y tienden a disminuir en PDO en fase Negativa y La Niña.
En este trabajo se propone continuar esa línea de investigación a través de técnicas
avanzadas en el análisis de series temporales que permita identificar mejor en el tiempo está
relación entre variables climáticas y caudales en el río Paraguay.
El análisis de Wavelet se transformó en una herramienta muy utilizada para analizar
variaciones locales de potencia en series de tiempo. Al descomponer la serie de tiempo en espacio
tiempo-frecuencia es posible determinar a la vez los modos dominantes de la variabilidad y cómo
esos modos varían en el tiempo (Torrence y Compo 1997).
La transformada de Wavelet cruzada y la coherencia pueden aplicarse para examinar las
relaciones en el espacio de tiempo-frecuencia entre dos series, siendo muy útil para analizar en
series geofísicas. Este análisis muestra las regiones con alta potencia en común y además revela
información sobre la relación de fase (Grinsted et al. 2004, Labat et al. 2005).
METODOLOGÍA
La transformada Wavelet puede ser usada para analizar series de tiempo no estacionarias en
distintas frecuencias. Para una serie de tiempo , con igual separación en el tiempo y =0…N-
1. Además se asume una función Wavelet que depende de un parámetro “tiempo”
adimensional . Esta función debe cumplir tener media cero y poder ser localizada tanto en tiempo
como en frecuencia. En general, y en este caso, se utiliza la función Wavelet llamada Morlet que
consiste en una onda plana modulada por una función Gaussiana:
[1]
donde es la frecuencia adimensional y el tiempo adimensional.
Figura 1.- Gráfico de la función Morlet con . En línea sólida la parte real
y en línea punteada la parte imaginaria.
La transformada de Wavelet continua de una serie discreta se define como la convolución

de con una versión de escalada y trasladada:

, [2]
donde (*) indica el conjugado complejo. Al variar la escala de s y trasladarla a través del
índice temporal n, se puede construir una imagen que muestre la amplitud versus a escala y cómo
esa amplitud varía en el tiempo.
Como la función Wavelet es en general compleja, la transformada también lo
es. Esta transformada puede dividirse entre: parte real y parte imaginaria o en amplitud y fase.
Siendo la fase , se define el espectro de potencia Wavelet como .
Debido a que en realidad uno trabaja con series de tiempo que tienen una longitud finita, los
errores aparecen al principio y al final del espectro de potencia Wavelet. Se define el cono de
influencia (COI por sus siglas en inglés) la región en el espectro de potencia en la cual los efectos
de borde comienzan a hacer importantes.
Dadas dos series de tiempo X e Y, y sus respectivas transformadas Wavelet y
se define el espectro Wavelet cruzado como , donde
es el conjugado complejo de . Se define la potencia cruzada Wavelet como . Este
valor depende de la unidad de medida de cada serie, por ende es difícil de interpretar, resultando
más útil la Coherencia Wavelet.
La Coherencia Wavelet se define como el cuadrado del espectro cruzado normalizado por
los espectros individuales. Este mide la correlación cruzada como función de la frecuencia,
variando entre 0 y 1. Debido a que esta Coherencia es idénticamente uno en todos los tiempos y
escalas (Liu, 1994) es necesario hacer un suavizado, aunque no está claro de que tipo para que sea
significativo en los resultados. Por lo tanto, se sugiere además graficar la parte real y
la parte imaginaria separadamente y graficar la fase de la Coherencia, definida como:
. [3]
Para los cálculos se utiliza el paquete “WaveletComp” del software estadístico R (Roesch y
Schmidbauer, 2018; R Development Core Team, 2008), que se basa en el trabajo de Torrence y
Compo (1998).
DATOS
Se analiza la serie temporal de los caudales mensuales del río Paraguay en la estación Puerto
Pilcomayo, para el período 1910-2017. La serie está constituida con datos obtenidos de la Red
Hidrológica Nacional y caudales entrantes al embalse de Yacyretá aportados por la Entidad
Binacional Yacyretá al Sistema de Información y Alerta Hidrológico del Instituto Nacional del
Agua (SIYAH-INA).
Antes de aplicar la metodología a los caudales mensuales se realizó una desestacionalización
para evitar la presencia del ciclo anual esperado por su comportamiento estacional. Se define como
caudal desestacionalizado Qd(i,j) del mes i, y del año j:
, [4]
siendo Q(i,j) el caudal observado el mes i del año j, la media de todos los caudales
mensuales del mes i, y es desvío estándar de todos los caudales mensuales del mes i, para el
período observado.

Se utilizan los datos mensuales de ENOS en la región Niño 3.4, obtenidos de la NOAA:
National Oceanic and Atmospheric Administration (U.S. Deparment of Commerce) y los datos
mensuales del índice PDO son obtenidos del JISAO (Joint Institute for the Study of the Atmosphere
and Ocean), Washington.
RESULTADOS
A continuación se muestran los resultados obtenidos a partir de aplicar la Metodología a los

datos. En primer lugar, como se muestra en la Figura 2, se aplicó Wavelet a la serie de caudales
mensuales desestacionalizados en la estación Puerto Pilcomayo, del río Paraguay. El espectro global
de potencias Wavelet y su promedio temporal, permiten identificar las principales fluctuaciones de
la serie y definir escalas de variabilidad.
Se puede observar que para los períodos que van entre 2 años y 16 años aparecen altas
potencias significativas, pero de forma intermitente en casi todo el período analizado. En particular,
se evidencia una región continua significativa entre 1920 y 1940 aproximadamente para un período
entre 8 y 16 años mostrando la posible existencia de un comportamiento cíclico de largo plazo, y
otra región con algunas discontinuidades entre 1980 y 2000, con períodos entre 2 y 8 años, que
podría vincularse con el fenómeno del Niño.
Figura 2.- Espectro de potencia Wavelet en el río Paraguay, Pto.Pilcomayo. La línea

blanca indica las regiones significativas para un nivel de significación de 0.10.
La Figura 3 permite analizar las mayores potencias significativas en promedio en el tiempo.

Coincidiendo con lo que se describió anteriormente, en promedio en todo el período las mayores
potencias significativas para un nivel de significación de 0.05, se encuentran en el orden de 3, 8 y
30 años.
Para analizar mejor la relación existente entre los caudales y los índices climáticos, se aplicó
Coherencia Wavelet. En las Figuras 4 y 5 se muestran los resultados obtenidos entre los caudales
mensuales desestacionalizados y el Niño 3.4 y PDO, respectivamente.

Figura 3.- Potencia Wavelet promedio en el tiempo, río Paraguay, estación Pto. Pilcomayo. Los
puntos negros indican un nivel de significación de 0.05.
Se puede observar en la Figura 4 que aparecen regiones significativas

aproximadamente entre 1 y 8 años, pero de forma intermitente. En algunos casos se pueden
identificar con años Niño Fuerte según el índice ONI (Oceanic Niño Index), por ejemplo el del año
1982/1983 y 1997/1998.
Se identifican regiones continuas significativas del orden de 15 años en el período que va de
1920 a 1940 que puede deberse algún fenómeno de menor frecuencia que esté modulando los
procesos. Además, se observa una zona continua de período del orden de 30 años entre el año 1940
y 1980, coincidiendo aproximadamente con el período frío del índice PDO de 1947 y 1977 (Mantua
et al. 1997).
Figura 4.- Coherencia Wavelet entre el río Paraguay y el Niño 3.4. La línea blanca indica las
regiones significativas para un nivel de significación de 0.10 y las fechas blancas la fase.
Estos resultados coinciden con Labat et al. 2005, que aplicó Wavelet a cuatro ríos de
grandes cuencas (Amazonas, Paraná, Orinoco y Congo). En este análisis concluye que la mayoría
de las actividades dominantes en tiempo y escala, en todos los ríos estudiados ocurren alrededor de
1940 y 1970, cuando ocurren cambios interdecadales tanto en el Pacífico como en el Atlántico.

Además, observa que el hecho de trabajar con grandes, cuencas permite identificar las
variaciones de largo plazo, como es el caso de la cuenca del río Paraguay.
Figura 5.- Coherencia Wavelet entre el río Paraguay y PDO. La línea blanca indica las regiones
significativas para un nivel de significación de 0.10 y las fechas blancas la fase.
En la Figura 5, al igual que en el análisis con el Niño 3.4, aparecen regiones significativas
aproximadamente entre 1 y 8 años, pero de forma intermitente. Además, se identifican regiones
significativas para períodos entre 15 y 40 años aproximadamente, en particular de forma continua
una zona comienza en el año 1970 y continúa hasta los años 1990 coincidiendo aproximadamente
con el período cálido del índice PDO de 1977 y 1990 (Mantua y Hare, 2002).
En las siguientes figuras se analizan las mayores potencias significativas en promedio en el
tiempo. La Figura 6 muestra que para el promedio de la Coherencia Wavelet en el período
completo, entre los caudales en el río Paraguay y el índice Niño 3.4, hay dos puntos con un nivel de
significación de 0.05. Uno en el orden de 2 años, y otro del orden de 30 años.
Figura 6. Coherencia Wavelet promedio en el tiempo, río Paraguay, Pto. Pilcomayo con el índice
Niño 3.4. Los puntos negros indican un nivel de significación de 0.05.

La Figura 7 muestra que para el promedio de la Coherencia Wavelet en el período completo,
entre los caudales en el río Paraguay y el índice PDO, hay dos puntos con un nivel de significación
de 0.05. Uno en el orden de 7 años, y otro del orden de 30 años.
Figura 7. Coherencia Wavelet promedio en el tiempo, río Paraguay, Pto. Pilcomayo con el índice
PDO. Los puntos negros indican un nivel de significación de 0.05.
Estos resultados muestran que no hay una clara identificación con el fenómeno del Niño, ya
que se observan valores de Coherencia Wavelet en el orden de 1 a 8 años, pero son intermitentes en
el tiempo. Sin embargo para los dos índices se encuentran períodos continuos significativos del
orden de 30 años, poniendo en evidencia una posible relación entre la influencia conjunta de estos
indicadores, y la existencia de un fenómeno de largo plazo modulando el comportamiento de los
caudales.
CONCLUSIONES
Los resultados obtenidos muestran que no hay una clara identificación entre los caudales
mensuales del río Paraguay en la estación Puerto Pilcomayo y el fenómeno del Niño, para el
periodo estudiado (1910-2017). En el análisis de Coherencia de los caudales con ambos índices, se
observan valores significativos entre 1 y 8 años, pero son intermitentes en el tiempo.
Sin embargo, cuando se aplica Coherencia a los caudales tanto con el índice Niño 3.4 como
PDO, se encontraron intervalos de tiempo donde son significativas regiones de períodos del orden
de 30 años, que coinciden con los ciclos cálidos y fríos de la PDO. En ambos casos se encuentran
correlaciones en períodos decadales y multidecadales, poniendo en evidencia la influencia de
fenómenos de largo plazo en los caudales del río Paraguay.
Estos resultados permiten mejorar el conocimiento acerca de la vinculación de la
variabilidad climática natural con los caudales, incorporando información que resulta útil para
adecuar la planificación del recurso hídrico, el diseño de obras y la implementación de pronósticos
en un contexto de cambios en el clima.
REFERENCIAS
Andreoli R.V. and Kayano M.T. (2005) “ENSO-related rainfall anomalies in South America and
associated circulation features during Warm and Cold Pacific Decadal Oscillation regimes”.
International Journal of Climatology, 25: 2017–2030.

Grinsted, A., Moore, J. C., & Jevrejeva, S. (2004). “Application of the cross wavelet transform
and wavelet coherence to geophysical time series.” Nonlinear processes in geophysics, 11(5/6),
561-566.
Kayano M.T. and Andreoli R.V. (2007). “Relations of South American summer rainfall
interannual variations with the Pacific Decadal Oscillation”. International Journal of Climatology,
27: 531–540.
Labat, D., Ronchail, J. & Guyot, J. L., (2005). “Recent advances in wavelet analyses: Part 2—
Amazon, Parana, Orinoco and Congo discharges time scale variability.” Journal of Hydrology,
314(1), pp. 289-311
Liu, P. C., (1994). “Wavelet spectrum analysis and ocean wind waves.” Wavelets in Geophysics,
Academic Press, 151–166.
Mantua N. J., Hare S.R., Zhang, Y., Wallace J.M and Francis R. C. (1997) “A Pacific
Interdecadal Climate Oscillation with Impacts on Salmon Production”. Bulletin of the American
Meteorological Society, 78:1069-1079.
Mantua N. J. and Hare S.R. (2002) “The Pacific Decadal Oscillation” Journal of Oceanography,
Vol. 58, 35-44.
Neal E. G., Todd Walter M. and Coffeen C. (2002) “Linking the pacific decadal oscillation to
seasonal stream discharge patterns in Southeast Alaska” Journal of Hydrology, Vol. 263, 188 - 197.
Ouyang R., Liu W., Fu G., Liu C., Hu L., and Wang H. (2014) “Linkages between ENSO/PDO
signals and precipitation, streamflow in China during the last 100 years”. Hydrology and Earth
System Science, 18, 3651–3661.
R Development Core Team, (2008). “R: A language and environment for statistical computing.”
R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL
http://www.R-project.org.
Roesch A. and Schmidbauer H. (2018). “WaveletComp: Computational Wavelet Analysis.” R
package version 1.1. https://CRAN.R-project.org/package=WaveletComp
Silva G. A. M., Drumond A. and Ambrizzi T. (2011) “The impact of El Niño on South American
summer climate during different phases of the Pacific Decadal Oscillation”. Theoretical and
Applied Climatology
06:307–319.
Suriano, M. y Seoane R. (2016) - “Evaluación del impacto del ENSO y del PDO en ríos de
Argentina”- XXVII Congreso Latinoamericano De Hidráulica. Lima, Perú.
Torrence C., and Compo G.P., (1998). “A practical guide to wavelet analysis.” Bulletin of the
American Meteorological Society 79 (1), 61–78.

IAHR AIIH
DETERMINACIÓN DEL ESTADO DE LA NAPA FREÁTICA

EN EL BARRIO MANUEL DORREGO DE LA CABA MEDIANTE EL USO
DE TECNOLOGÍA GIS
Sandra Liliana Flores

Instituto Nacional del Agua / Dirección de Servicios Hidrológicos, AU Ezeiza –Cañuelas km 1.620, Ezeiza Argentina,
sflores@ina.gob.ar /s.sambarino@gmail.com
RESUMEN:
Amplios sectores de la Ciudad Autónoma de Buenos Aires como así también varias localidades del
conurbano bonaerense están sufriendo el ascenso de las aguas subterráneas. Este problema se debe a
la oscilación de los niveles de la napa freática en el transcurso del tiempo sumado a una
multiplicidad de factores naturales y antrópicos. Es el caso del barrio Manuel Dorrego, localizado
en el sector Sur Oeste de la Ciudad Autónoma de Buenos Aires, construido por el gobierno de Juan
Domingo Perón en 1949, en inmediaciones de los mataderos y originariamente llamado "Los
Perales". El objetivo fundamental del presente trabajo es caracterizar hidrogeológica y
ambientalmente las aguas sub-superficiales (superficie freática) del barrio Los Perales. Se plantea
el empleo del Sistema de Información Geográfica (SIG) para el diseño y ejecución de una red de
monitoreo que permita conocer el comportamiento hidrológico del subsuelo, recopilando datos
sobre niveles hidráulicos, para determinar filetes de flujo del escurrimiento subterráneo, forma de la
capa freática y la velocidad de escurrimiento.
ABSTRACT:
Many areas in Buenos Aires Autonomous City, as well as several places of Buenos Aires
“conurbano”, are suffering the ascent of groundwater. This problem is due to the oscillation of the
water table levels over time, combined with a multiplicity of natural and anthropic factors. This is
the case of the Manuel Dorrego neighborhood, located in the South West of Buenos Aires
Autonomous City. Built by the government of Juan Domingo Perón in 1949, in the vicinity of the
slaughterhouses and originally called "Los Perales". The main objective of this paper is to
characterize hydrogeologically and environmentally the sub-surface waters (water table) of the Los
Perales neighborhood. The use of the Geographic Information System (GIS) is proposed for the
design and execution of a monitoring network that allows to know the hydrological behavior of the
subsoil, collecting data on hydraulic levels, to determine fillets of flow of the underground runoff,
form of the water table and the speed of runoff.
PALABRAS CLAVES: napa freática; inundaciones; sistemas de información geográfica;

hidrogeología.

INTRODUCCIÓN
Amplios sectores de la Ciudad Autónoma de Buenos Aires como así también varias localidades del
conurbano bonaerense están sufriendo el ascenso de las aguas subterráneas. Este problema se debe a
la oscilación de los niveles de la napa freática en el transcurso del tiempo sumado a una
multiplicidad de factores naturales y antrópicos.
Esta situación trae aparejada una serie de consecuencias, siendo las de mayor importancia:
• la inundación recurrente de sótanos, aún en zonas altas, con problemas en fundaciones de
diverso tipo de estructuras y el consecuente potencial peligro de derrumbes,
• el afloramiento de agua subterránea en zonas bajas, con terrenos anegados y aguas afectadas
en contacto con la población, convirtiéndose en focos de propagación de enfermedades,
• la destrucción de pavimentos, entre otros, todo lo cual contribuye al deterioro de la calidad
de vida.
Es el caso del barrio Manuel Dorrego, localizado en el sector Sur Oeste de la Ciudad Autónoma
de Buenos Aires, construido por el gobierno de Juan Domingo Perón en 1949, en inmediaciones de
los mataderos y originariamente llamado "Los Perales".
Figura 1.- Ubicación del área de estudio.
Este complejo habitacional está conformado por más de mil departamentos distribuidos en cuarenta
y seis monobloques, de tres pisos cada uno y estilo racionalista. Entre un edificio y otro hay un
espacio verde que ocupa más del doble que la planta edificada. (Fig.2)
Figura 2.- Fisonomía barrial histórica. Fuente:

https://lateja2.wordpress.com/2009/05/01/1949-barrio-los-perales-manuel-dorrego/

El problema es que, a 60 años de su creación, este barrio lindero al estadio de Nueva Chicago se
encontraba en emergencia habitacional por el estado de abandono del parque edilicio y por la
acumulación de agua en los sótanos, que además de deteriorar los cimientos, se convertían en focos
de propagación del dengue. A principios de 2010, quince de los cuarenta y seis sótanos de los
edificios se encontraban inundados y los vecinos promovían un amparo ante la justicia en lo
contencioso administrativo, para reclamar al gobierno porteño que cumpliera con la ley 2750 de
2008, que lo obligaba a la recuperación y puesta en valor de las viviendas del barrio,"…
arbitra[ndo] los medios para resolver las causas que llevan a la recurrente inundación de los sótanos
de los edificios y al deterioro de los cimientos de los mismos…" (BOCBA N° 2977,2008) (E.
Mazzei, 2018; S. Kiernan, 2010; AM690 K24 En Radio- Comunas, Un Desafío ,2010).
OBJETIVO
El objetivo fundamental del presente trabajo es caracterizar hidrogeológica y ambientalmente las

aguas sub-superficiales (superficie freática) del barrio Los Perales. Se plantea el empleo del
Sistema de Información Geográfica (SIG) para el diseño y ejecución de una red de monitoreo que
permita conocer el comportamiento hidrológico del subsuelo, recopilando datos sobre niveles
hidráulicos, para determinar filetes de flujo del escurrimiento subterráneo, forma de la capa freática
y la velocidad de escurrimiento.
La adquisición de datos para la caracterización de la napa freática de este sector de la Ciudad

Autónoma de Buenos Aires (CABA) se dividió en varias etapas combinando tareas de gabinete y de
campo alternativamente. La primera fase consistió en la recopilación de perforaciones antecedentes
tomando como base tanto material propio (generado por el Instituto Nacional del Agua) como el
recibido de distintas fuentes. La información obtenida fue volcada al SIG. Para ello se normalizaron
manualmente todas las direcciones correspondientes a perforaciones ejecutadas en el área de la
ciudad, clasificadas según acuífero de pertenencia, para proceder luego a la geocodificación
automática de todas esas localizaciones. Como resultado se produjeron las capas temáticas de
puntos (pozos).
En una segunda etapa, se diseño una red freatimétrica tentativa, suficientemente densa como para
obtener un detalle fino del estado de la napa en la región estudiada y ubicada teniendo en cuenta la
presencia de espacios verdes públicos y/o terrenos baldíos, con la doble finalidad de facilitar la
obra, por un lado, y producir la menor perturbación posible a los vecinos, por el otro. Su planteo se
apoyó, asimismo, en lo observado en el estudio de antecedentes. Dicha red quedaría sujeta a la
verificación de interferencias (tendido de gas, agua /cloacas, cámaras de electricidad, etc.) tanto
como al posible aprovechamiento de perforaciones existentes.
Por medio del SIG, se dibujó una grilla de 0.4 Km de lado y se ubicó 1 freatímetro en cada celda en
un total de 14 con el propósito de lograr una cobertura total de la superficie del barrio.
La etapa siguiente consistió en la reevaluación de la red freatimétrica propuesta a la luz de la
existencia de perforaciones cercanas que en un principio se suponían aprovechables. Para constatar
el estado de los posibles reemplazos, se proyectó un censo hidrogeológico. Al cabo del mismo, se
volcó la información al SIG confeccionando el mapa definitivo con la obra a ejecutar por el
Instituto Nacional del Agua (Fig. 3)

Figura 3.- Red Freatimétrica ejecutada en el barrio Los Perales
La cuarta fase, corresponde a la ejecución de la red freatimétrica, durante la cual se relevaron

parámetros físicos de las perforaciones propuestas, para la caracterización morfológica y dinámica
de la capa freática en dicha zona de la ciudad. En cada una de ellas se tomaron muestras del terreno
atravesado para su posterior clasificación sedimentológica y se obtuvieron las coordenadas
geográficas de cada pozo por medio de un GPS barométrico.
Por último se efectuaron ensayos de permeabilidad cuya característica principal es que permiten
conocer valores de conductividad hidráulica, en órdenes de magnitud, en sedimentos finos y/o con
escasa columna de agua (zona saturada). El método utilizado es el Bouwer & Rice para acuíferos
libres.
En quinto lugar, se modeló la superficie freática en base a los valores de profundidad obtenidos en
las etapas anteriores y se generó la memoria técnica de la obra, consistente en fichas individuales
por cada una de las perforaciones.
CARACTERIZACIÓN FÍSICA
La Ciudad Autónoma de Buenos Aires se desarrolla sobre la unidad geomorfológica denominada

Pampa Ondulada que se caracteriza por ser una zona de escasa pendiente regional (4 m/Km, en
promedio), donde las máximas alturas se encuentran en su sector oeste (algo mayores a los 100
msnm) y disminuyen hacia el este hasta alcanzar el nivel del mar. Su drenaje superficial tiene
rumbo predominante hacia el Este y es atravesada por ríos y arroyos que desembocan en el curso
inferior del río Paraná y del Río de La Plata. La surcan las cuencas inferiores de los ríos, Luján,
Matanza-Riachuelo, Reconquista y pequeñas subcuencas que desaguan también en los ríos Paraná y
de la Plata.
El barrio Los Perales se encuentra dentro de la cuenca del arroyo Cildáñez, cuyo curso entubado
bordea, en parte, el complejo habitacional con dirección SW – NE. (Fig.3 )
En cuanto al clima, se registra en la “ventana” de 50 años previos al relevamiento, un aumento en
los totales de precipitación anual, respecto a las décadas anteriores con tendencia al incremento de
alrededor de 50mm cada 10 años.

Los datos obtenidos en campo fueron volcados en la tabla 1
Nombre Latitud Longitud H N E NE acotado

[dd] [dd] [m/snm] [m] [m/snm]
1 -34,6685000000 -58,4971666700 16,70 3,85 12,85
2 -34,6687777800 -58,4989166700 16,00 3,55 12,45
3 -34,6673888900 -58,4980555600 15,10 2,45 12,65
4 -34,6663888900 -58,4968611100 15,00 4,00 11,00
5 -34,6652500000 -58,4976111100 13,50 2,30 11,20
6 -34,6660555600 -58,4984722200 13,00 2,00 11,00
7 -34,6668055600 -58,4994722200 13,60 2,00 11,60
8 -34,6670000000 -58,4954722200 17,50 4,55 12,95
9 -34,6687777800 -58,4956111100 18,40 4,50 13,90
10 -34,6696388900 -58,4964166700 18,50 4,60 13,90
11 -34,6679444400 -58,4945833300 19,20 4,50 14,70
12 -34,6677222200 -58,4961666700 16,90 4,20 12,70
13 -34,6706944400 -58,4970833300 18,90 4,60 14,30
14 -34,6697777800 -58,4981666700 16,90 4,30 12,60
Tabla 1.- Nivel estático medido y acotado
El modelo digital de elevaciones, fue elaborado en base a las alturas estimadas en cada una de las
perforaciones. Dichas estimaciones se obtuvieron por interpolación de valores a partir de las curvas
de nivel equidistancia 1 mt sobre los que se aplico el algoritmo matemático krigging que crea la
superficie de tendencia que se muestra a continuación Fig 4.a)
a b
Figura 4.- a) Modelo Digital del Terreno. b) Mapa Equipotencial

Con el mismo procedimiento se confecciono el mapa Equipotencial que representa la morfología de
la superficie del agua subterránea sobre el plano de referencia cero del Instituto Geográfico
Nacional (IGN). (Fig. 4.b) Sobre este mapa se trazan los filetes de flujo cuya suma da como
resultado la red integrada de flujo que nos permite conocer el movimiento y dirección del agua el
modelo morfológico de la capa freática a partir de los valores de nivel estático acotado medidos en
campo (Fig. 5.)
Figura 5.- Dirección y sentido de flujo del agua subterránea
La topografía del área presenta sus alturas máximas, del orden de los 19 mts en los sectores W-NW
y E-SE, y las mínimas de alrededor de los 13 mts en coincidencia, como es de esperar, con el cauce
del Arroyo Cildáñez, hacia donde se dirige mayormente el flujo de la napa freática como se aprecia
en el mapa equipotencial. Este ultimo muestra cómo el acuífero superficial mantiene una relación
de concordancia con la morfología del terreno en el área analizada.
El mapa de Isoprofundidades sirve para ver a qué profundidad se encuentra el agua y para tener en
cuenta las zonas de riesgo de inundaciones (construcciones y urbanizaciones), (Fig. 6).
Figura 6.- Mapa de Isoprofundidades
Para las perforaciones que presentaron valores de isoprofundidades más bajos, esto es entre 2 y 2.50
mts, lo cual se verifica en las perforaciones más próximas al arroyo entubado, se efectuaron ensayos
de permeabilidad, de acuerdo con la metodología detallada más arriba.

Los valores de los ensayos son los siguientes (Anexo 1):
Pozo 3 9,11x10-2 m/d
Pozo 5 5,87x10-2 m/d
Pozo 6 7,43x10-3 m/d
Pozo 7 2,69x10-3 m/d
Estos resultados se encuentran dentro del orden de magnitud esperable para la secuencia
sedimentológica encontrada, principalmente limos arenoso-arcillosos.
CONCLUSIONES
Desde el punto de vista morfológico, la superficie freática se encuentra mayormente en

concordancia con la topografía local, por lo que, en principio no presupone existencia de
sobrebombeo. La napa esta a una profundidad que oscila entre los 2 y 5.50 mts, registrándose las
menores alturas lindantes con el Arroyo Cildáñez, que es el área natural de descarga a nivel local.
Los ensayos de permeabilidad, por otro lado, presentan valores normales para el tipo de sedimento
encontrado.
Todo esto lleva a investigar las otras posibles causas del anegamiento de sótanos denunciados por
los vecinos, como por ejemplo la infiltración de los terrenos por rotura y/o avería del sistema
cloacal o pluvial del edificio, sumado a la pérdida, a través del tiempo, de la capacidad impermeable
de los muros en construcciones de larga data.
Se descarta que el agua provenga de un aporte desde el entubamiento del Arroyo Cildáñez hacia los
terrenos lindantes y por ende hacia los sótanos debido a que se ha constatado, mediante una
inspección llevada a cabo por el GCBA en el año 2010, que el techo del mencionado arroyo se
encuentra por debajo del nivel de los sótanos.
Por otro lado, se conoce la intención de poner en marcha de un relevamiento del GCBA para
estudiar la naturaleza química del agua presente en los sótanos, y establecer fehacientemente su
procedencia. No existen publicaciones de libre acceso sobre los resultados de esa encuesta, ni sobre
el monitoreo sistemático de la red freatimétrica barrial que data de 2011, todo lo cual redunda en la
falta de elementos de diagnostico a la hora de encarar las obras de remediación necesarias.

ANEXO 1
ENSAYO PUNTUAL DE PERMEABILIDAD

Diámetro caño ciego (mm) 63
Nombre Pozo
Nº3 Diámetro caño filtro (mm) 63
Long. Tramo ciego (m)
Nivel Inicial (mbbp)
2.09 Long. Tramo filtro (m) 3,00 m
Hora comienzo ensayo 12:10 Hora finalizado ensayo
Tiempo Nivel (mbbp) Tiempo Nivel (mbbp)
0 1.00 10m 1.80
10s 1.01 10m 30s 1.815
20s 1.05 11m 1.83
30s 1.06 11m 30s 1.85
40s 1.10 12m 1.86
50s 1.11 12m 30s 1.88
1m 1.12 13m 1.89
1m 10s 1.16 13m 30s 1.90
1m 20s 1.18 14m 1.91
1m 30s 1.20 14m 30s 1.92
1m 40s 1.225 15m 1.94
1m 50s 1.24 16m 1.945
2m 1.26 17m 1.96
2m 10s 1.28 18m 1.98
2m 20s 1.30 19m 1.99
2m 30s 1.32 20m 2.00
2m 40s 1.34 22m 2.015
2m 50s 1.35 24m 2.03
3m 1.37 26m 2.04
3m 10s 1.39 28m 2.05
3m 20s 1.40 30m 2.06
3m 30s 1.42 35m 2.08
3m 40s 1.43 40m 2.085
3m 50s 1.445 45m 2.09
4m 1.465 50m 2.09
4m 20s 1.48 55m
4m 40s 1.50 1h
5m 1.52 1h 10m
5m 20s 1.56 1h 20m
5m 40s 1.58 1h 30m
6m 1.61 1h 40m
6m 20s 1.63 1h 50m
6m 40s 1.65 2h
7m 1.67 2h 20m
7m 20s 1.685 2h 40m
7m 40s 1.70 3h
8m 1.72 3h 30m
8m 20s 1.735 4h
8m 40s 1.75 5h
9m 1.765 OBSERVACIONES:
9m 20s 1.775
9m 40s 1.79
Tabla 2.- Ensayo puntual de permeabilidad. Pozo N*3

Nombre Pozo
Nº 5 Diámetro caño filtro (mm) 63
2,30 m Long. Tramo filtro (m) 3,00 m
0 1.70 10m 2.075
10s 1.76 10m 30s 2.08
20s 1.74 11m 2.085
30s 1.72 11m 30s 2.10
40s 1.73 12m 2.105
50s 1.74 12m 30s 2.11
1m 1.76 13m 2.12

Nombre Pozo
Nº 5 Diámetro caño filtro (mm) 63
1m 10s 1.78 13m 30s 2.125
1m 20s 1.79 14m 2.13
1m 30s 1.80 14m 30s 2.14
1m 40s 1.82 15m 2.145
1m 50s 1.825 16m 2.16
2m 1.83 17m 2.17
2m 10s 1.85 18m 2.18
2m 20s 1.855 19m 2.19
2m 30s 1.865 20m 2.20
2m 40s 1.88 22m 2.22
2m 50s 1.89 24m 2.235
3m 1.89 26m 2.25
3m 10s 1.90 28m 2.25
3m 20s 1.91 30m 2.255
3m 30s 1.92 35m 2.265
3m 40s 1.925 40m 2.27
3m 50s 1.93 45m 2.28
4m 1.94 50m 2.28
4m 20s 1.95 55m 2.28
4m 40s 1.955 1h 2.285
5m 1.96 1h 10m 2.285
5m 20s 1.965 1h 20m
5m 40s 1.975 1h 30m
6m 1.98 1h 40m
6m 20s 1.99 1h 50m
6m 40s 1.995 2h
7m 2.01 2h 20m
7m 20s 2.02 2h 40m
7m 40s 2.025 3h
8m 2.03 3h 30m
8m 20s 2.04 4h
8m 40s 2.05 5h
9m 20s 2.06
9m 40s 2.07

Nombre Pozo Nº 6
Diámetro caño filtro (mm) 63
Nivel Inicial (mbbp) 1.23
Long. Tramo filtro (m) 3,0 m
0 0.25 10m 0.97
10s 0.25 10m 30s 0.97
20s 0.25 11m 0.975
30s 0.25 11m 30s 0.98
40s 0.25 12m 0.98
50s 0.26 12m 30s 0.98
1m 0.26 13m 0.98
1m 10s 0.26 13m 30s 0.98
1m 20s 0.326 14m 0.983
1m 30s 0.27 14m 30s 0.985
1m 40s 0.30 15m 0.985
1m 50s 0.315 16m 0.985
2m 0.33 17m 0.99
2m 10s 0.45 18m 0.995
2m 20s 0.70 19m 0.995
2m 30s 0.88 20m 0.995
2m 40s 0.92 22m 1.002
2m 50s 0.94 24m 1.01
3m 0.94 26m 1.01
3m 10s 0.94 28m 1.015

3m 20s 0.94 30m 1.02
3m 30s 0.945 35m 1.035
3m 40s 0.945 40m 1.04
3m 50s 0.945 45m 1.05
4m 0.94 50m 1.06
4m 20s 0.95 55m 1.07
4m 40s 0.95 1h 1.075
5m 0.95 1h 10m 1.085
5m 20s 0.952 1h 20m 1.095
5m 40s 0.953 1h 30m 1.10
6m 0.955 1h 40m 1.11
6m 20s 0.955 1h 50m 1.12
6m 40s 0.955 2h 1.12
7m 0.955 2h 20m 1.12
7m 20s 0.96 2h 40m 1.125
7m 40s 0.96 3h 1.13
8m 0.963 3h 30m
8m 20s 0.965 4h
8m 40s 0.965 5h
9m 0.965
9m 20s 0.965 OBSERVACIONES:
9m 40s 0.97

Nombre Pozo
1.8 Long. Tramo filtro (m) 3m
Hora comienzo ensayo 10:50 Hora finalizado ensayo 12:06
0 0.80 10m 1.40
10s 0.82 10m 30s 1.42
20s 0.84 11m 1.435
30s 0.87 11m 30s 1.45
40s 0.89 12m 1.465
50s 0.90 12m 30s 1.475
1m 0.92 13m 1.49
1m 10s 0.935 13m 30s 1.50
1m 20s 0.95 14m 1.515
1m 30s 0.965 14m 30s 1.53
1m 40s 0.98 15m 1.54
1m 50s 0.99 16m 1.56
2m 1.05 17m 1.575
2m 10s 1.02 18m 1.595
2m 20s 1.035 19m 1.615
2m 30s 1.05 20m 1.625
2m 40s 1.06 22m 1.65
2m 50s 1.07 24m 1.665
3m 1.08 26m 1.68
3m 10s 1.09 28m 1.695
3m 20s 1.10 30m 1.705
3m 30s 1.11 35m 1.73
3m 40s 1.125 40m 1.745
3m 50s 1.135 45m 1.755
4m 1.15 50m 1.765
4m 20s 1.165 55m 1.775
4m 40s 1.18 1h 1.78
5m 1.20 1h 10m 1.79
5m 20s 1.22 1h 20m
5m 40s 1.23 1h 30m
6m 1.245 1h 40m
6m 20s 1.26 1h 50m
6m 40s 1.275 2h
7m 1.29 2h 20m
7m 20s 1.305 2h 40m
7m 40s 1.32 3h

Nombre Pozo
8m 1.33 3h 30m
8m 20s 1.34 4h
8m 40s 1.355 5h
9m 20s 1.38
9m 40s 1.39
M. Auge (2004) Hidrogeología de la Ciudad de Buenos Aires, CABA: FCEN- UBA,

http://tierra.rediris.es/hidrored/ebooks/ ndexm.htm
Instituto Nacional del Agua- Dirección de Servicios Hidrológicos, (2008) “Base de datos
Hidrogeológica”, Ezeiza.
E. Custodio y M.R Llamas (1976) Hidrología Subterránea, Barcelona Omega.
C. R. Vilela (1970) Hidrogeología, Tucumán.
Gobierno de la Ciudad Autónoma de Buenos Aires (CABA)-Dirección de Medio Ambiente y
Desarrollo (2008) "Base de datos Georreferenciada",CD ROM, CABA.
O. Coriale, J. Masú, S. Flores, E. Carlotto, C. Rey et .al. (2010) Caracterización Hidrogeológica y
Ambiental de La Napa Freática en la Ciudad de Buenos Aires, INA-DSH, Ezeiza, Argentina.
O. Coriale, E. Carlotto, S. Flores (2011) Red Freatimétrica Barrio Los Perales, INA-DSH, Ezeiza,
Argentina.
AM690 K24 En Radio- Comunas, Un Desafío (2010) “Se presentó un informe sobre las obras realizadas
en el barrio Los Perales”, En http://comunasweb.com.ar, publicado el 12 Noviembre de 2014.
F. J. Sanchez Roman, (2011) “Medidas puntuales de permeabilidad (“Slug Tests”)”, Departamento de
Geología- Univ. De Salamanca, España. En http://hidrologia.usal.es
S. Kiernan (2010) “El Dorrego espera”, En https://www.pagina12.com.ar
BOCBA N° 2977 (2008),” Ley 2750, Plan de Recuperación y puesta en valor del Barrio Manuel Dorrego,
sito en el perímetro comprendido por las Av. Eva Perón, Lisandro de la Torre, y las calles Carhué y Justo
Suárez”, En http://www2.cedom.gob.ar
E. Mazzei, (2018), “Ascenso general de los niveles freáticos”, En Blog Cota Cero,
https://www.cotacero.com.ar/ascenso-general-de-los-niveles-freaticos/ . Consultado el 22 de Mayo de 2018.

IAHR AIIH
VALIDACIÓN DEL SATÉLITE METEOROLÓGICO CHIRPS EN LA

CUENCA RURRENABAQUE-BOLIVIA
Collarani Anagua Freddy y Villazon Gomez Mauricio F.

Universidad Nacional Agraria La Molina (UNALM); Laboratorio de Hidráulica Universidad Mayor de San Simón (LHUMSS)
fca_civ@yahoo.es; mauricio_villazon@yahoo.es
RESUMEN:
El presente trabajo, se basa en la validación de los datos de precipitación obtenidos con el satélite
CHIRPS v2.0 para la cuenca del río Rurrenabaque hasta la estación hidrométrica del mismo
nombre. Para tal fin se realizó un análisis de la precipitación a nivel diario y mensual usando 75
estaciones meteorológicas con información desde enero 2005 hasta septiembre 2016.
La metodología empleada consta de tres análisis: i) análisis exploratorio ii) análisis descriptivo con
gráficas series de tiempo, boxplot iii) análisis estadísticos y modelación lluvia-escurrimiento.
A nivel diario se observó que CHIRPS no presenta buena semejanza frente a los datos históricos. A
nivel mensual presenta coeficientes de determinación que varían entre 0.42 a 0.91 y coeficientes de
predicción alcanzan de 0.24 a 0.9, se observó también un error medio absoluto de 22.15 mm, error
absoluto medio relativo de 25.3mm, una eficiencia de predicción de 0.81 y un error de bias de
15.5mm.
Se calibro un modelo de transformación lluvia-caudal con los datos observados, posteriormente se
evaluó el comportamiento de la información proporcionada por CHIRPS corregido y CHIRPS sin
correcciones, los modelos muestran coeficientes de determinación de 0.84, 0.81 y 0.83, eficiencias
de predicción de 0.84, 0.81 y 0.83. De los resultados se concluye que la información proporcionada
por CHIRPS es aceptable para diferentes estudios hídricos a nivel mensual en región alto amazónica
de Bolivia
ABSTRACT:
This present work is based on the validation of the precipitation data obtained from the satellite
CHIRPS for the river Rurrenabaque basin up to the hydrometric station of the same name. For this
purpose a daily and monthly level precipitation analysis was performed using 75 meteorological
stations from January 2005 to September 2016.
At daily level the similarity with historical data is not observed. At monthly level it was observed
coefficients of determination varied between 0.42 to 0.91 and prediction coefficients varied 0.24 to
0.9, it was also observed on absolute average error of 22.15 mm, a relative mean absolute error of
25.3mm, a prediction efficiency of 0.81 and bias error of 15.5mm.
A rainfall-runoff transformation model was calibrated with observed data, then the behavior of the
information provided by corrected CHIRPS and CHIRPS without corrections was evaluated, the
models showed coefficient of determination of 0.84, 0.81 and 0.83, prediction efficiency of 0.84,
0.81 and 0.83. From these results is was that the information provided by CHIRPS is acceptable for
different studies of water resources at a monthly level in the high Amazon region of Bolivia.
PALABRAS CLAVES: Precipitación Satelital, Modelamiento hidrológico

INTRODUCCIÓN
En Bolivia no se cuenta con información necesaria, disponible y confiable, de las estaciones de
registro hidroclimáticas, en muchas regiones no son representativas por su escasa densidad, longitud
de información y confiabilidad, muchos proyectos realizan sus diseños con poca información
meteorológica pudiendo llevar al colapso los proyecto. La información proporcionada de las
estaciones meteorológicas en los últimos años ha disminuido a la falta implementación y
mantenimiento. (Según la administración de SENAMHI).
El sensor CHIRPS es un algoritmo que estima la distribución de la lluvia en tres dimensiones a
partir de la radiación en el espectro visible, CHIRPS en sus siglas en inglés (Climate Hazards Group
InfraRed Precipitation with Station) es una base de datos con 37 años, empezando reportar
información desde 1981 hasta el presente, disponible como una nueva base de datos climáticos de
precipitación desde principios de 2014; Abarca tres tipos de información: climatologías globales,
estimaciones por satélite y observaciones in situ, del mismo que se obtiene un mejor producto al
alcance del publico de forma gratuita.
El rango de operación en tierra es de 50°S-50°N tomando en cuenta todas las longitudes. CHIRPS
presenta la resolución espacial más alta (0.05° aproximadamente 5.6 km), la confiabilidad de este
producto se basa en las correcciones y mejoras que realiza en base a estaciones climatológicas de su
alcance. (Funk Chris, Pete Peterson, Martin Landsfeld, 2015)
ÁREA DE ESTUDIO
La cuenca de Rurrenabaque afluente de la cuenca amazónica, el segundo río más importante en
Bolivia. Nace en los Andes de la confluencia de los ríos Alto Beni y Kaka en las proximidades de
Puerto Pando. El ancho máximo es de 1069 metros en las proximidades de Rurrenabaque, siendo su
ancho promedio de 400 metros.
Políticamente la cuenca de Rurrenabaque limita al sur - oeste con las cuencas del Titicaca y
Desaguadero que pertenecen a la cuenca del Altiplano, al este con las cuencas del Caire, Chapare e
Isiboro Secure que pertenecen a la cuenca del amazonas, al norte con las cuencas de los ríos
Madidi, Colorado y Negro-Beni, de la cuenca del río Madre de Dios, dentro de los departamentos
de La Paz, Cochabamba y Beni - Bolivia
DATOS METEOROLÓGICOS
a) Información histórica
De la información recopilada por SENAMHI se observó la disponibilidad 75 estaciones
meteorológicas con datos a nivel diario, registrados con pluviómetros.
El periodo de registro de las estaciones meteorológicas son de distinta magnitud, a fin de contar con
un periodo común, con la mayor cantidad de estaciones, se decidió trabajar con un registro a partir
de enero de 2005 hasta septiembre de 2016, aceptado hasta un 20 por ciento de vacíos en sus
registros, llegando a tener 45 estaciones que cumplen con este requisito.
En la Figura 1. se muestran las estaciones pluviométricas e hidrométricas empleadas para el
presente estudio, su ubicación y algunos datos adicionales de interés.

Figura 1.- Ubicaciones del área de estudio, estaciones pluviométricas e hidrométricas
a) Precipitación de Satélites Meteorológicos

La teledetección permite adquirir imágenes de la superficie terrestre desde sensores instalados en
diferentes plataformas por intermedio de la interacción energética de la tierra, gracias a la energía
solar o de un haz energético artificial o por emisión propia. La teledetección engloba solo los
procesos que permiten obtener una imagen desde el aire o el espacio, (Chuvieco, 1995)
Los sensores geoestacionarios que operan en longitudes de onda del infrarrojo (IR), proporcionan
información útil sobre tormentas identificándolas por su baja temperatura en el tope de la nube. En
cambio, sensores de microondas (MW), comúnmente instalados en satélites de baja órbita, reflejan
la distribución vertical de procesos hidrometeoros en la nube con baja frecuencia espacio temporal.
En la actualidad se usan técnicas mixtas que combinan la mejor lluvia identificada por MW con la
mayor frecuencia espacio temporal de las imágenes infrarrojas (S. Sorooshian, Kidd Hsu, X. Gao,
HV Gupta, B.lmam, D. Braithwaite, 2010)
ANÁLISIS DE LA PRECIPITACIÓN DIARIA
Se realizó un análisis categórico o comparativo de los datos de la precipitación diaria, que consiste
en afirmar la severidad o falsedad de los datos proporcionados por el satélite CHIRPS. El
pronóstico categórico no contiene expresión para la incertidumbre. Este análisis se evalúa mediante
tablas de contingencia (WGNE, WWRP, 2012)
La tabla de contingencia evalúa la lluvia histórica y la lluvia estimada del satélite y permite apreciar
cuatro combinaciones: acierto (número de sucesos con ocurrencia de la lluvia y que están
correctamente detectadas por el producto de satélite), pérdida (número de sucesos en que no hay
ocurrencia de la lluvia pero el producto de satélite detecta ocurrencia), falsa alarma (número de
sucesos en que hay ocurrencia de la lluvia pero el producto de satélite no detecta la lluvia) y sin
evento (número de sucesos en que no hay lluvia y el producto de satélite tampoco detecta lluvia).
Estos estadísticos son representativos del conjunto de datos y permiten evaluar la ocurrencia de la
lluvia estimada de satélite por encima de un umbral.
En la Tabla 1 se aprecia la tabla de contingencia, la misma que evalúa la veracidad de la
información presentada por el satélite CHIRPS.

Tabla 1.-Tabla de contingencia
Eventos Observados
OSI ONO Total
a b (Falsa
SSI a+b
Eventos (Acierto) Alarma)
Satélite c d (No
SNO c+d
(Perdida) Evento)
Total a+b d+b Total
Donde:
a = Número de veces que el satélite registra lluvias y éste ocurrió. “Aciertos”
b = Número de veces que el satélite registra lluvias y éste no ocurrió. “Falsa Alarma”
c = Número de veces que el satélite no registra lluvias y éste sí ocurrió. “Perdidas”
d = Número de veces que el satélite no registra lluvias y éste tampoco ocurrió. “No Eventos”
Tabla 2.- Estadísticos de detección

Valor
Estadísticos Ecuación Rango Óptimo
estimado
Probabilidad de
[1] 0-1 1 0.47
detección
Ratio de falsas
[2] 0-1 0 0.49
alarmas
Índice de éxito
[3] 0-1 1 0.32
crítico
Porcentaje de
estimaciones [4] 0-1 1 0.73
correctas
Índice de
frecuencia del [5] 0-∞ 1 0.94
sesgo
Figura 2.- Diagrama de cajas de los índices de detección

Del análisis de comparación o categórico entre los datos CHIRPS – SENAMHI, reportado en la
tabla 2 y Figura 2, muestran que no presentan buena semejanza entre ambas fuentes de información
debido a diversos factores tales como:
 La precipitación diaria registrada por SENAMHI tiene un desface en el tiempo en
comparación a la información presentada por CHIRPS.
 Los reportes diarios por SENAMHI son realizados a horas 8 AM y reportados como lluvia
del día anterior.
 No se cuenta con mediciones horarias para determinar la precipitación diaria y comparar con
información de los datos de CHIRPS.

ANÁLISIS DE LA PRECIPITACIÓN MENSUAL
Se estimó la precipitación representativa para la cuenca de Rurrenabaque con los datos históricos
observados y la información del satélite CHIRPS, comparando los resultados se puede apreciar una
sobreestimación de la precipitación de CHIRPS, la comparación nuestra un coeficiente de
determinación r² de 0.86, cuenta con una eficiencia de predicción de 0.84, un error medio absoluto
de 18.75 mm, error absoluto medio relativo de 25.14 mm y un error de bias de -12.82 mm.
En la Figura 3 se muestra las precipitaciones representativas o areales para la cuenca de
Rurrenabaque generado a partir de los datos observados y la información del satélite CHIRPS.
Figura 3.- Precipitaciones históricas - CHIRPS
De la figura anterior se puede establecer una relación entre los datos observados y de la información
del satélite CHIRPS el cual está dato por Pmm= 0.8592xCHIRPS con esta relación se podría
disminuir la precipitación de CHIRPS en un 7.8% como promedio.
CORRECCIÓN DE LA PRECIPITACIÓN SATELITAL
Fusionado la información del satélite y los datos observados se realizó correcciones a los datos del
satélite CHIRPS, las cuales se realizaron por intermedio de mapas de errores (bias), estos mapas
fueron generados para cada mes utilizando herramientas geoestadísticas buscando el mejor ajuste
entre las metodologías de interpolación tales como Kriging Ordinary e Inverse Distance Weighted
(IDW), Para este fin se programó en base a plataforma R y python.
Para la interpolación por método de Kriging Ordinary la programación permitió ajustar y optimizar
los parámetros del semivariograma y para el método de IDW ajustar el peso asignado para la
interpolación. La mejor interpolación fue escogida comparando estadísticamente punto a punto
entre los datos y mapa interpolado, finalmente el mapa es almacenado en una base de datos para su
posterior uso.
En la Figura 4 a) se presentan las precipitaciones acumuladas de CHIRPS, CHIRPS corregido y
SENAMHI b) Diagrama de Taylor

a) Precipitaciones acumuladas b) Diagrama de Taylor
Figura 4.- a) Precipitaciones acumuladas de CHIRPS, CHIRPS corregido y SENAMHI b) Diagrama de
Taylor
SIMULACIÓN DE CAUDALES
Se utilizó el modelo Témez que simula procesos hidrológicos tal es la transformación lluvia caudal,
que intervienen en el desarrollo de la escorrentía superficial de los cursos de agua. El proceso está
precedido por el principio de continuidad o conservación de la masa y regulado por leyes
específicas de reparto y transferencia entre los distintos términos de balance en el sistema.
En modelo necesita como insumos precipitación, evapotranspiración potencial, y parámetros físicos
de la cuenca. Para su calibración, se cuenta con caudales a nivel diario desde enero de 2005 hasta
septiembre 2016.
Mediante el modelo de transformación lluvia - caudal a nivel mensual se simularon caudales para 3
escenarios, el periodo de simulación fue de enero 2005 a septiembre 2016.
Escenario N°1
Para el primer escenario se calibro el modelo con los datos de lluvia registrados por SENAMHI, En
la Figura 5 se presenta los resultados del modelamiento calibrado para el primer escenario,
conjuntamente los caudales observados, donde se puede apreciar que el modelo subestima los
caudales en temporada húmeda en varios periodos de lluvia, por ejemplo para los años hidrológicos
entre 2005-2006, 2013-2014, 2014-2015, en época seca presenta un mejor comportamiento salvo
las temporadas secas del 2006 y 2014.
Figura 5.- Calibración del modelo Témez

Escenario N°2
En la Figura 6 se presenta los resultados del modelamiento para el segundo escenario
conjuntamente los caudales observados, donde se puede apreciar que el modelo subestima los
caudales en temporada húmeda y en época de estiaje, en varios periodos de lluvia entre los más
notorios los periodos 2005-2006, 2013-2014, 2014-2015, en época seca presenta un mejor
comportamiento salvo las temporadas secas del 2006, 2011, 2013 y 2014.
Escenario N°3
En la Figura 6 se presenta los resultados del modelamiento para él se escenario 3 conjuntamente los
caudales observados, con relación a los anteriores escenarios se ve una mejora tanto para temporada
húmeda y temporada de estiaje, no obstante, no alcanza los caudales máximos en temporada
húmeda.
Figura 6.- Comparación de caudales simulados vs caudales observados - Escenario 1, 2 y 3
DISCUSIÓN
Analizando visualmente los caudales simulados tras la respuesta de los diferentes escenarios
contemplados en el presente estudio, en promedio los tres modelos tienen un caudal medio que
alcanza 1569, 1641 y 1900m³/s para los escenarios 1, 2 y 3 respectivamente, el error medio absoluto
316, 362, 388m³/s para los escenarios 1, 2 y 3, coeficiente de determinación de 0.84, 0.81 y .83 para
los escenarios 1, 2 y 3 respectivamente, para el escenario 1 se tiene una eficiencia de predicción de
0.82 para el escenario 2 se tiene una eficiencia de predicción de 0.81y para el tercer escenario se
tiene una eficiencia de predicción de 0.83.
Se puede concluir que realizando correcciones a los datos del satélite CHIRPS se puede obtener
lluvias próximas a las observadas, si bien es cierto que utilizando la información del satélite
CHIRPS sin realizar correcciones de ninguna naturaleza ayudan a predecir caudales mensuales, es
conveniente que la información del satélite sea validada y corregida debido a la incertidumbre que
pueda presentar.
En la Tabla 3 se presenta los resultados de las pruebas estadisticas realizadas al modelo para los tres
escenarios.
Tabla 3.-Análisis comparativo de los escenarios 1, 2 y 3
Escenario Escenario Escenario
Error contemplado
1 2 3
Medio Pronosticado Mf = 1569.30 1641.12 1900.97
Medio Observado Mo = 1744.18 1744.18 1744.18
Desviación Media
RB= -10.03 -5.91 8.99
Relativa
Error Absoluto Medio MAE= 316.48 362.07 388.36
Error Absoluto Medio
RMAE= 18.15 20.76 22.27
Relativo
Coeficiente de R² = -10.38 -3.11 -7.44

Escenario Escenario Escenario
Error contemplado
1 2 3
Determinación
Eficiencia de la
EF2= 0.84 0.81 0.83
Predicción
Error de Bias BIAS= 174.8 103.06 -156.7
Realizando comparaciones entre los tres escenarios, se puede notar que la mayor eficiencia de predicción es
0.83 que corresponde al escenario 3, una causa puede ser el hecho que sobreestima las precipitaciones
observadas, por ende representando mejor los caudales en temporada húmeda, ayudando a mejorar la
calibración.
CONCLUSIONES
Según el análisis estadístico realizado para niveles diarios los datos de SENAMHI y la información
del satélite CHIRPS no guardan relación en magnitudes, presentan coeficientes de determinación
muy bajos que varían entre 0.08 a 0.17. Para niveles mensuales son aceptables los coeficientes de
determinación varían entre 0.42 a 0.91, para los acumulados en todo el periodo analizado alcanza un
coeficiente de determinación de 0.86.
De los análisis estadísticos realizados se puede concluir que la información del satélite CHIRPS a
niveles mensuales sobreestima a los datos observados y registrados por SENAMHI, cuenta con un
error absoluto medio MAE que varía de 10.5 a 64.83 con una media de 24.8, un error absoluto
medio relativo RMAE que varía de 23 a 64.1 con una media de 40.3, un coeficiente de
determinación de que varía de 0.42 a 0.91 con una media de 0.72, raíz referencial del error medio
cuadrático RRMSE que varía de 0.32 a 1.05 con una media de 0.6, la eficiencia de predicción varia
de 0.24 a 0.9 con una media de 0.65, un error de BIAS que varía de -31.7 a 48.15 con una media de
-0.83.
Fusionado la información del satélite y los datos observados se realizó correcciones a los datos del
satélite CHIRPS, los cuales se realizó por intermedio de mapas de errores, estos mapas fueron
generados para cada mes, interpolando el error de bias de cada estación, en sitios donde no se
cuente con datos meteorológicos no se podrá contar con correcciones de ninguna índole.
Como respuesta del modelo calibrado, se tiene caudales medio simulado que alcanzan a 1569, 1641
y 1900m³/s para los escenarios 1, 2 y 3 respectivamente, el error medio absoluto 316, 362 y
388m³/s, coeficiente de determinación de 0.84, 0.81 y .83, para el escenario 1 se tiene una
eficiencia de predicción de 0.82 para el escenario 2 se tiene una eficiencia de predicción de 0.81 y
para el tercer escenario se tiene una eficiencia de predicción de 0.80.
Para los años hidrológicos entre el 2005-2006 y 2013-2014, los caudales diarios son atípicos,
muestran caudales muy por encima de la media, donde el modelo de transformación lluvia –
escorrentía, no podría ajustar dichos caudales con los datos de precipitación de SENAMHI. En
controversia, con la información proporcionada por CHIRPS para estos mismos periodos se tiene un
mejor ajuste para el modelo.
Se pudo constatar que la información proporcionada por el Satélite CHIRPS es confiable a partir de
escalas mensuales, realizando correcciones a los datos del satélite CHIRPS con datos observados se
puede obtener una mejor distribución de la precipitación y mejores resultados en un modelo de
transformación lluvia caudal.
Utilizando la información del satélite CHIRPS, sin realizar correcciones de ninguna naturaleza, se
puede obtener buenos resultados en un modelo de transformación lluvia escorrentía.
Burrough, P.A. y McDonnell R.A. (1998). Principles of Geographical Information Systems.

Oxford University Press. New York: Spatal Information and Geostatistics Series.

Castiblanco, C. y. (2002). Manejo y Análisis de Imágenes de Satélite Aplicadas en Estudios
Hidrológicos de Cuencas Mediante el SIG-GRASS. . Bogota, Colombia: Universidad Nacional de
Colombia.
Ceccato Pietro , Connor S., Dinku T., Kruczkiewicz A., Lessel J., Sweeney A., Thomson, M.C.
(2017). Integrating remotely-sensed climate and environmental information .
Dimitrios Katsanos, A. R. (Mayo 2015). comparison of CHIRPS, TRMM, and E-OBS data is
performed over the Mediterranean. Atenas, Greece: National Observatory of Athens.
Easterling, T. K. (2009). Las condiciones dimáticas extremas: revisión seleccionada y futuras
lineas de investigación de Cambio Climatico. Mexico, Mexico: pp. 309-325. Obtenido de
http:l/ezproxy.concytec.gob.pe:2067/1 0.1 023fa: 1 005436904097
Ebert EE, Janowiak JE, Kidd C. (2007). Comparison of near-real-time precipitation estimates
from satellite observations and numerical models. Estados Unidos: Bulletin of the American
Meteorological Society.
Ernesto Bastidas-Obando, Rutger Kassies, Steven Wonink y Maurits Voogt. (Agosto 2015).
Sensores remotos y bases de datos meteorológicas para seguros climáticos paramétricos.
Funk Chris, Pete Peterson, Martin Landsfeld. (2015). The climate hazards infrared precipitation
with stations - a new environmental record for monitoring Extremes. EEUU, EEUU: Scientific data.
Lavado, C. W. (2016). Comparación de productos satelitales de lluvia en Perú, (SENAMHI-Peru
ed.). Lima, Peru: Revista científica SENAMHI.
María, J. G. (1998). Manual del Observador de Meteorología, Publicación del Instituto Nacional
de Meteorología INM. 22 (SMN. Serie B ed.).
S. Sorooshian, Kidd Hsu, X. Gao, HV Gupta, B.lmam, D. Braithwaite. (2010). Evaluación de la
atenuación de satélites del sistema PERSIAN de lluvia tropical, Bull Am Meteorogy.
U.S. Geological Survey. (Marzo 2015). A Quasi-Global Precipitation Time Series for Drought
Monitoring (U.S. Geological Survey ed.). EEUU: U.S. Department of the Interior.
Wackernagel, H. (1994). Cokriging versus kriging in regionalized multivariate data analysis.
Geoderma.
Waldo Lavado, Fiorela Vega, Carlos Fernandez, Adrian Huerta. (Setiembre 2016). Generando
datos grillados de precipitación en el Perú, Peruvian Interpolated data of the SENAMHI’s
Climatological and hydrological Observations. (S. N. PERU, Ed.) Lima, Perú: XXVII Congreso
Latino Americano de Hidráulica 2016.
WGNE, WWRP. (2012). Recommendations on the verification of local weather forecasts (Vol.
Rev. 2). (J. W. Verification, Ed.) Reino Unido: WORLD METEOROLOGICAL
ORGANIZATION, WORLD WEATHER RESEARCH PROGRAMME, Joint Working Group on
Verification.

IAHR AIIH
ADECUACIÓN HIDRÁULICA DE UN TERRAPLÉN FERROVIARIO PARA

UN EVENTO DE ALTA RECURRENCIA
Alejandro R. RUBERTO, Jorge V. PILAR y Marcelo J. M. GÓMEZ
Grupo de investigación del Departamento de Hidráulica, Facultad de Ingeniería, Universidad Nacional del Nordeste
(UNNE). Av. Las Heras 727. (H3500COI) Resistencia, Chaco, Argentina
Correo-e: aleruberto44@yahoo.com.ar; jvpilar@gmail.com y mgichaco@yahoo.com.ar.
RESUMEN:
Se presenta un trabajo que aporta al entendimiento del comportamiento hidráulico del río Tapenagá en una
sección del terraplén ferroviario ubicado entre las localidades de Charadai y Cote Lai en la provincia del
Chaco, Argentina, de la cual fue posible reconstituir la máxima creciente conocida.
Para ello se realizó una modelación hidrológica – hidráulica del sistema hídrico en esa sección y se simuló su
comportamiento durante la creciente extraordinaria de 1986 de 254m3/s de caudal máximo, con buena
precisión, siendo que en esa oportunidad el agua superó el coronamiento del terraplén ferroviario.
Se verificó, también, el efecto hidráulico de la construcción, posterior a 1986, de un canal que desagua aguas
arriba del mencionado terraplén, con caudal de diseño de 28m3/s.
El modelo calibrado permitió realizar propuestas de adecuación hidráulica del terraplén ferroviario, para
evitar su anegamiento y disminuir las velocidades de escurrimiento, potencialmente erosivas.
Concretamente, se sugirió la ampliación de la luz del puente sobre el río Tapenagá pasando de una luz inicial
de 20m a otra de 40m en el cauce principal y su zona de desborde.
ABSTRACT:
This paper contributes to understanding of the hydraulic behaviour of Tapenagá River in a railroad
embankment, located between Charadai and Cot Lai localities, at Tapenagá Department, in Chaco province,
Argentina, is presented, from which it was possible to reconstruct the known flood maximum.
An hydrologic-hydraulic modelling was done at that section and its behaviour was simulted during the
extraordinary flood of 1986 of 8,969.93cfs with a very good precision. In that oportunity the water exceeded
the railroad embankment.
Was also verified the hydraulic effect of the construction, after 1986, of a canal that feeds upstream of said
embankment, with design flow 988.8cfs.
According to this study our proposal is to enlarge the light of the railroad bridge, to avoid the flood and
minimize erosion velocities at the embankment going of 65.62 foot to 131.23 in the principal channel and it´s
overflow zone.
PALABRAS CLAVES: adecuación hidráulica, río Tapenagá, Sistema Hidrológico No Típico,

modelación.
KEYWORDS: hydraulic adequacy, Tapenagá River, Non Hydrologycal Typical System,

modeling.

INTRODUCCIÓN
El Tapenagá es un río que escurre por una llanura con baja energía de relieve, lo que
configura un clásico “Sistema Hidrológico No Típico” (SHNT) (Fertonani et al., 1983) y su cuenca
baja se desarrolla al sur de la provincia del Chaco con una pequeña parte de ella ingresando en la
provincia de Santa Fe.
Su cuenca no cuenta con una red de estaciones de aforo por lo que no hay registros
históricos suficientemente extensos, ni confiables (Ruberto et al., 2013).
Para el presente trabajo se estudió un tramo de terraplén ferroviario del ex FFCC Belgrano,
ubicado entre las estaciones de Charadai y Cote Lai, en las localidades homónimas, todas dentro del
Departamento Tapenagá, Chaco.
El área de aporte de este SHNT hasta el terraplén ferroviario, es del orden de 3.930km2,
provenientes de las subcuencas media y alta, siendo el uso del suelo predominantemente pecuario
(figura 1).
Faja 4 Faja 5
Gauss - Krügger Gauss - Krügger
SALTA
Faja 6
Gauss - Krügger
FORMOSA
CHACO
CUENCA
TAPENAGA
SANTIAGO
DEL ESTERO
CORRIENTES
SANTA FE
Figura 1.- Ubicación de la zona de estudio (fuente: Valiente, 2004).
En la figura 2 se presenta un esquema de la hidrodinámica superficial en la zona del cruce del

terraplén ferroviario sobre el cauce del río Tapenagá y obras complementarias. En ese esquema se
indican curvas de nivel, en cotas IGN.
El terraplén del ferrocarril atraviesa el valle de la cuenca del río en un ancho de poco más de
8.000m. Sobre dicho terraplén se ubica un puente principal de 20m de luz, más un aliviadero de
5,7m de extensión. Además, existen otras cuatro obras de arte sobre margen izquierda, en una zona
de bañados.
Las características geométricas de las obras de arte mencionadas se presentan en la tabla 1:
Tabla 1.- Características geométricas de las obras de arte.

Progresiva Luz H Cota dintel Cota riel Cota terreno
Observaciones
(km) (m) (m) (IGN) (IGN) natural (IGN)
476,945 5,70 2,40 62,47 63,32 61,50 Aliviador
477,018 19,40 3,50 62,34 63,30 59,75 río Tapenagá
480,636 9,80 2,20 61,16 62,25 60,25 Bañado
482,521 3,80 1,20 61,68 62,25 60,85 Bañado
483,120 3,60 1,20 61,78 62,37 61,13 Bañado
483,622 3,90 1,00 61,71 62,30 61,17 Bañado
Aguas arriba del terraplén ferroviario, a una distancia de 10km, actualmente descarga el canal
principal del “Tramo I” del proyecto Línea Tapenagá de los Bajos Submeridionales, cuyo caudal de
diseño es 28m3/s (figura 2).

Cote Lai
RP 49
63
61
65
64
62
66
Obras de
Arte
Ex Estación
Tapenagá
67
Río
61
Ta
pen Puente ferroviario
agá y aliviador
62
gá
63
ena
p
FFCC
Ta
ea
RP 13
ín
n al l
Ca 64
65
66
0 10 km
Charadai
67
RP 13
Figura 2.- Cruce del terraplén ferroviario y el río Tapenagá (fuente: elaboración propia).
En 1986, previo a la construcción del canal antes mencionado, ocurrió una creciente
extraordinaria (máxima observada hasta el presente), durante la cual el nivel del agua superó el del
riel ferroviario en aproximadamente 20cm a la altura de la ex estación Tapenagá, según datos
recabados en el ex FFCC General Belgrano (Alegre et al., 2001).
Por tal motivo, se hizo necesario conocer el comportamiento hidrológico - hidráulico del
sistema, para el nuevo escenario, que incluye la descarga del canal antes mencionado.
OBJETIVOS
La construcción de los canales de la Línea Tapenagá, especialmente su canal principal,

potenciaría situaciones críticas como la observada en el río Tapenagá en 1986, que según los
estudios estadísticos realizados para este trabajo presenta una recurrencia del orden de 30 años,
según caudal (Alegre, et al., 2001).
Por tal motivo se realizó la adecuación hidráulica, incluyendo la descarga del canal principal del
proyecto canalización de la Línea Tapenagá, para el entendimiento del comportamiento
hidrológico-hidráulico del escenario con las obras de arte en el terraplén ferroviario.

METODOLOGÍA
Modelación del sistema
Primeramente, se analizaron estadísticamente los registros hidrométricos existentes, para
asignar recurrencias a distintos eventos. Se adoptó la distribución Pearson III que presentó el menor
error cuadrático medio de frecuencia y de la variable (Alegre et al., 2001).
Según esos estudios estadísticos, la recurrencia de la inundación de 1986 fue de 30 años, según
caudal, además se determinó el caudal de 50 años de tiempo de recurrencia, compatible con los
requerimientos de adecuación hidráulica de la infraestructura afectada (Alegre, et al., 2001).
Para la modelación y simulaciones hidrológicas e hidráulicas se utilizó el programa HEC-RAS
(River Analysis System), desarrollado por el U.S. Army Corp of Engineers.
El HEC-RAS es de uso libre y gratuito y permite realizar cálculos hidráulicos unidimensionales
en redes de canales, tanto en régimen permanente como impermanente. En este trabajo las
simulaciones se realizaron en régimen permanente y subcrítico.
Ese programa necesita como datos de entrada información topográfica y geométrica de la red de
canales, las características hidráulicas de los mismos, además del caudal que escurre en régimen
permanente. Admite la posibilidad de interponer puentes, alcantarillas, vertederos y otras obras de
arte, aisladas o agrupadas.
Se utilizaron datos provenientes de relevamientos topobatimétricos, mediciones in situ de las
obras de arte y altimetrías del terraplén.
Se simularon por separado el puente principal con su aliviador y las cuatro obras de arte
localizadas en margen izquierdo como otro subsistema (figura 2). La igualdad del nivel del pelo de
agua en ambos subsistemas fue la condición de borde utilizada en las simulaciones.
Contexto de calibración
Para calibrar la modelación se utilizó la crecida del 15 de abril de 1986, máxima registrada en
esa sección. En dicha crecida se registró un nivel, aguas abajo del terraplén, de 61,75m IGN y se
aforó un caudal de 83,8m3/s (APA), luego de producido el caudal pico.
La cota de máxima creciente del mismo evento sobrepasó el nivel del riel 20cm en promedio, en
el sector de la ex Estación Tapenagá, siendo la cota alcanzada de 62,30m IGN.
En ese evento, aguas abajo del terraplén ferroviario, se formó un espejo de agua que funcionó
como un embalse, pero manteniendo el escurrimiento, estimándose su nivel en cota 61,90m IGN,
que se adoptó como condición de contorno.
Conocidas las cotas aguas arriba y aguas abajo del terraplén del ferrocarril para el evento en
cuestión y con los perfiles correspondientes al puente ferroviario y su alcantarilla aliviadora de
5,7m de luz, se estimó el caudal que podría haber escurrido por esa sección y que compatibilizara
las condiciones de borde mencionadas. El caudal obtenido fue 240m3/s, repartidos de la siguiente
manera: 225,7m3/s para el puente principal y 14,3m3/s para la alcantarilla aliviadora.
Según la simulación realizada, la cota del pelo de agua no llegó a tocar el fondo de las vigas del
puente (a cota 62,34m IGN), lo que coincide con lo ocurrido en esa oportunidad.
Simultáneamente, para la misma condición de borde de aguas arriba y tomando como condición
de borde de aguas abajo una cota de 61,75m IGN, se simuló el comportamiento de las cuatro obras
de arte ubicadas hacia la margen izquierda del valle (en una zona de bañados), obteniéndose como
caudal escurrido 73m3/s, repartidos de la siguiente manera: 53,2m3/s en la obra de arte de
progresiva kilométrica 480,636, con velocidad media a la salida de 1,37m/s; 6,4m3/s en la siguiente;
6,5m3/s la otra y 6,9m3/s la restante; en las tres últimas las velocidades calculadas fueron inferiores
a 1m/s.
Como la velocidad máxima estimada por la simulación para la sección del puente principal fue
de 2,78m/s, y dado que debería considerarse como una situación real la descarga del canal de la
Línea Tapenagá de Bajos Submeridionales, de 28m3/s (caudal de proyecto), la situación crítica
observada en 1986 empeoraría. Por tal motivo, se verificó el efecto que tendría la ampliación del
puente principal, duplicando su luz de 20m a dos luces de 20m cada una, separadas por una pila
central.

RESULTADOS
- En relación al evento de 1986
Para tener una idea de los beneficios que se obtendrían con la ampliación de la luz del puente a
40m de longitud, se simuló el escurrimiento de la crecida de 1986 para la misma. Se determinó que,
en caso de repetirse dicho evento el nuevo caudal sería de 254,5m3/s y el escurrimiento se daría de
la siguiente forma: 244m3/s por el puente principal y 10,5m3/s por su aliviador. Las velocidades
medias en ambas secciones serían 1,49 y 0,76m/s, respectivamente.
Por la batería de las cuatro obras de arte ubicadas en margen izquierda escurrirían 58,5m3/s,
según la siguiente distribución: 43,5; 4,8; 4,9 y 5,3m3/s. La velocidad máxima para la obra de arte
de 9,8m de luz se reduciría de 1,37m/s a 1,19m/s y las que se tendrían en las otras tres, superarían
levemente los 0,80m/s.
Con respecto al nivel del agua, disminuiría aguas arriba del terraplén, de 62,3 a 62,1m IGN, con
lo cual no ocurriría anegamiento del riel, considerando la ampliación del puente principal a 40m de
luz.
Finalmente, se simuló y verificó el comportamiento del puente con luz ampliada teniendo en
cuenta la crecida de 1986, incrementada con la descarga del canal de Línea Tapenagá (28m3/s),
totalizando un caudal de 279m3/s escurriendo por el puente principal y su aliviador.
Para esta situación se obtuvo que por el puente principal escurrirían 268,5m3/s y por el aliviador
10,5m3/s, con velocidades medias de 1,63m/s y 0,74m/s, respectivamente. La cota que alcanzaría el
agua en el borde de aguas arriba del terraplén ferroviario sería 62,16m IGN, que produciría un leve
anegamiento del mismo (solo 3cm).
En esa misma situación, el sistema de obras de arte de margen izquierda erogaría 58,5m3/s
según el siguiente detalle: 43,53; 4,76; 4,95 y 5,26m3/s, todas (salvo la alcantarilla 1) con
velocidades no superiores a 0,83m/s.
Es de destacar el efecto “llamador” de la ampliación de la luz del puente principal, aliviando las
obras de arte de margen izquierda, concentrando el flujo hacia el cauce principal del río y
disminuyendo las velocidades en todas las obras de arte, inclusive en el propio puente.
- En relación a un evento de 50 años de tiempo de recurrencia

Se simuló el efecto que tendría una crecida con un caudal de 293,7m3/s, correspondiente a una
recurrencia de 50 años, teniendo en cuenta la luz ampliada del puente principal.
Ese efecto es la elevación del pelo de agua en el borde de aguas arriba del terraplén ferroviario a
62,3m IGN, inferior a la cota del fondo de viga del puente principal, que es 62,34m IGN. La
velocidad de escurrimiento en el puente principal sería 1,65m/s.
Por su parte, el caudal que escurriría por las obras de arte de margen izquierda, compatible con
la cota de aguas arriba 62,30m IGN, sería 69m3/s. La velocidad en la obra de arte de 9,80m de luz
sería 1,27m/s, mientras que en las otras tres no se superaría 1m/s.
Se simuló, además, el efecto que produciría la ocurrencia simultánea de ese mismo evento de 50
años de recurrencia, más la descarga del caudal de diseño del canal de la Línea Paraná del Proyecto
de Bajos Submeridionales.
Para esta última situación, la cota que alcanzaría el agua en el borde de aguas arriba del
terraplén ferroviario sería 62,33m IGN, inferior a los 62,34m IGN del fondo de viga del puente
principal. El caudal que escurriría por el río sería 285m3/s (274,4m3/s por el puente principal y
10,6m3/s por el aliviadero lateral), mientras que por las obras de arte de margen izquierda
escurrirían, en total, 71,50m3/s.
Las máximas velocidades se darían en el puente principal (2,05m/s) y en la obra de arte de
9,80m de luz (1,31m/s); las velocidades en las otras alcantarillas serían inferiores a 1m/s.
- Resumen de resultados
En las siguientes tablas se presentan los resultados de las simulaciones realizadas, según el
siguiente detalle:

En tabla 2 la situación original de las obras de arte, para el evento de 1986; en tabla 3 a todas las
obras de arte más el puente principal con luz ampliada para el evento de 1986 y para ese evento,
más la descarga del canal de la Línea Tapenagá y en tabla 4 todas las obras de arte, más el puente
con luz ampliada para un caudal de 50 años de tiempo de recurrencia y para dicho caudal, más la
descarga del canal de la Línea Tapenagá.
Tabla 2.- Situación original.

Aliviador Puente Alcant. 1 Alcant. 2 Alcant. 3 Alcant. 4
Progresivas del FFCC (km) 476,945 477,018 480,636 482,521 483,120 483,622
Cota aguas arriba (m, IGN) 62,30
Evento del Cota aguas abajo (m, IGN) 61,90 61,75

15 de abril
Caudal parcial (m /s)
3
14,26 225,74 53,19 6,39 6,53 6,90
de 1986
Caudal total (m3/s) 313,01
Velocidad media (m/s) 0,96 2,78 1,37 0,75 0,80 0,93
Tabla 3.- Situación con puente sobre río Tapenagá con luz ampliada.
Cota aguas arriba (m IGN) 62,11
Evento de abril de Cota aguas abajo (m IGN) 61,90 61,75

1986
Caudal (m /s)
3
10,48 244,02 43,53 4,76 4,95 5,26

Cota aguas arriba (m, IGN) 62,16
Evento de abril de Cota aguas abajo (m, IGN) 61,90 61,75
1986, más la
descarga del canal Caudal (m /s)
3
10,48 268,52 45,99 5,10 5,29 5,62
Tabla 4.- Situación con puente con luz ampliada, caudal de 50 años de tiempo de recurrencia y para dicho
caudal más la descarga del canal de la Línea Tapenagá.
Cota aguas arriba (m IGN) 62,30

Cota aguas abajo (m IGN) 62,05 61,90
Q50= 293,70 (m3/s)
Caudal (m3/s) 11,05 282,65 49,44 6,28 6,43 6,85
Cota aguas arriba (m IGN) IGM) 62,33
Q50 más la Cota aguas abajo (m IGN) 62,05 61,90
descarga de canal Caudal (m3/s) 10,63 274,38 51,17 6,53 6,68 7,11
Otras intervenciones evaluadas

Para reducir la cota que alcanzaría el agua en el borde aguas arriba del terraplén ferroviario,
para un evento similar al de 1986, se evaluaron, además de la ampliación de la luz del puente de 20
a 40m, ya descripta, el efecto que tendría ampliar esta luz a 60 y 80m. Los resultados de estos
aumentos de luz se muestran en la tabla 5.

Tabla 5.- Diferentes luces evaluadas.
Sección Caudal en el
Velocidad media en
mojada del puente
Cota aguas arriba el puente principal
Caudal puente principal
Luz principal
(m IGN) (m/s)
(m3/s) (*) (m2) (m3/s)
Actual: 20m 62,30 240,0 3,16 71,5 225,7
40m 62,11 254,5 1,83 133,6 244,0
60m 62,06 258,5 1,41 177,6 249,8
80m 62,04 260,5 1,22 207,7 252,8
(*)
El caudal corresponde a lo erogado por el puente principal y su aliviadero de 5,7m.
Se puede observar que desde el punto de vista hidráulico cualquier incremento de la luz del
puente principal por sobre los 40m tendrá un efecto prácticamente inocuo pues dicho incremento de
luz se comportará hidráulicamente como aliviador por estar saliéndose del cauce principal del río.
En relación al evento de 1986
Se consiguió simular el funcionamiento del sistema para la creciente extraordinaria y de alta
recurrencia de 1986, con el pico máximo registrado de 61,75m IGN, con buena precisión.
Se comprobó y verificó, para ese evento, que ampliando la luz del puente de 20m a 40m
(quedarían dos luces de 20m), el efecto sería la disminución de la cota aguas arriba del terraplén
ferroviario, con lo cual se evitaría que el nivel de agua supere al de los rieles.
Se verificó, también, que con el puente con 40m de luz, más el aporte de los 28m3/s del canal
del proyecto Línea Tapenagá de los Bajos Submeridionales, la cota del agua en el borde de aguas
arriba del terraplén ferroviario aumentaría 5cm, alcanzando cota 62,16m IGN, con lo cual se estaría
3cm por arriba de la cota mínima del riel.
Tomando como referencia el evento de 1986, el aumento de la luz del puente principal traería
como consecuencia la disminución de las velocidades de 2,78 a 1,49m/s. Para las cuatro obras de
arte de margen izquierdo no se observarían velocidades superiores a 1,19m/s.
En relación al evento con caudal de 50 años de tiempo de recurrencia

La cota que alcanzaría el agua en el borde de aguas arriba del terraplén ferroviario, para el caso
que la luz del puente principal sea ampliada a 40m, sería 62,30m IGN, inferior en 4cm a la cota del
fondo de viga del puente actual (62,34m IGN).
El efecto que provocaría el agregado de la descarga del canal de la Línea Tapenagá sería la
elevación de esa cota a 62,33m, todavía por debajo de la cota del fondo de viga del puente principal.
Se propone el levantamiento de la rasante del riel a cota 62,63m IGN, valor que surge de sumar
0,30m a los 62,33m de la crecida con caudal de 50 años de tiempo de recurrencia incrementada con
la descarga del canal de la Línea Tapenagá.
No se recomienda una ampliación de la luz del puente principal a más de 40m, pues se verificó
que mayores ampliaciones no introducirían mejoras en el nivel del pelo de agua ni en las
velocidades de escurrimiento.
Agradecimientos
A la memoria del Ingeniero Mario A. Alegre que nos encomendó y alentó en la realización de
este trabajo.
REFERENCIAS
Alegre, Mario; Ruberto, A.; Pilar, J. (2001). “Adecuación hidráulica del cruce ferroviario sobre
el río Tapenagá – Chaco”. Trabajo de consultoría para la Administración Provincial del Agua
del Chaco, Resistencia, Argentina.
APA - Administración Provincial del Agua, provincia del Chaco. Anales varios. Datos de aforos de

la cuenca del río Tapenagá de diversos años. Resistencia, Chaco, Argentina.
Fertonani, Miguel y Prendes, H. (1983). “Hidrología en áreas de llanura. Aspectos conceptuales
teóricos y metodológicos”. Olavarría, Argentina. p.120 a 156. Actas del Coloquio de Hidrología
de Grandes Llanuras. Olavarría. ISBN: 950-9416-00-2.
Ruberto, Alejandro; Depettris, C., Pilar, J.; Ramos, R.; Mentasti, C. (2013). “Coeficientes de
ajuste de hidrogramas sintéticos en ríos de llanura – método de Snyder – río Tapenagá – Chaco”.
XXIV Congreso Nacional del Agua 2013. San Juan, Argentina. ISSN: 1853-7685.
Valiente, Miguel (2004). “Evaluación de áreas de riesgo – Chaco”. Trabajo de consultoría para el
Proyecto de saneamiento hídrico y desarrollo productivo de la línea Tapenagá. Ministerio de la
Producción, provincia del Chaco.

(Hidrologia Subterranea y Superficial) Parte 2 Congreso Latinoamericano de Ingenieria Hidraulica 2018 PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

(Hidrologia Subterranea y Superficial) Parte 2 Congreso Latinoamericano de Ingenieria Hidraulica 2018 PDF

Încărcat de

Drepturi de autor:

Formate disponibile

METODOLOGÍA

 Información socioeconómica: Debe estar georreferenciada en formato .shp (shape) para

 Infraestructura pluvial existente: Obtenida en campo, incluye las dimensiones y

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1181

 Modelo digital de elevaciones (MDE): Archivo en formato ráster (.tiff) de la mejor

 Registros históricos de lluvia: Dependiendo de la manera seleccionada para generar la

 Delimitación de cuencas: Se realiza con apoyo de un SIG clasificándolas en: Microcuencas

Figura 2.- Muestra de delimitación de uso de suelo en un SIG (elaboración propia).

1182 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

 Construcción del modelo digital de simulación hidrológica – hidráulica: Con base en un

 Calibración: Ajuste de los parámetros de infiltración y escurrimiento superficial con el fin

Figura 3.- Mapa de tirantes máximos de escorrentía (elaboración propia).

 Post proceso: Generación de los siguientes mapas:

 Peligro ante inundaciones simplificado para viviendas (PAISPV): Teniendo en cuenta

Tabla 1.- Valores de altura y velocidad por nivel de PAISPV.

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1183

 Vulnerabilidad ante inundaciones simplificada para viviendas (VAISPV): se asignan 5

Figura 5.- Mapa de Vulnerabilidad VAISPV (elaboración propia).

1184 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

𝑁𝑁ú𝑚𝑚. 𝑑𝑑𝑑𝑑 𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1185

CONCLUSIONES Y TRABAJOS FUTUROS

 Las inundaciones impactan negativamente en mayor medida a los estratos socioeconómicos

 El índice pérdida - posesión es una unidad de medida de afectaciones por inundaciones en la

 Asimismo, su estimación es independiente al desarrollo económico desigual dentro del

 Actualmente está en proceso un trabajo de investigación a nivel maestría enfocado a la

 Es necesario aumentar el conocimiento y ampliar la visión sobre el agua, las inundaciones y

1186 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

o Al Consejo Nacional de Ciencia y Tecnología de México (CONACYT) por la beca de

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1187

HYDRO-BID, UN MODELO PARA ESTIMAR LA DISPONIBILIDAD

Borsellino, M.J1, Moreda, F.2 , Nalesso, M.3 y Coli, P3

Los países de América Latina y el Caribe (LAC) han experimentado un incremento en el

PALABRAS CLAVES: Simulación, Hidrología, Clima, Mitigación y Adaptación

1188 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

Como parte de su compromiso de ayudar a los países miembros, en la adaptación al cambio

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1189

Base de Datos de Hidrología Analítica (AHD)

Figura 1.- Diagrama de Flujo de Hydro-BID

1190 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1191

1192 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

Figura 7.-Ajuste año hidrológico medio inviernoFigura

Evaluación de Escenarios Climáticos

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1193

Figura 10.-Caudal medio anual proyectado según diferentes escenarios climáticos

Evaluación de la demanda y oferta

1194 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

Donde Sedt es la producción de sedimento en el día t,(toneladas); Qt es el volumen de escorrentía

Donde G es el volumen de sedimentos anual (m3/año); W el promedio potencial anual de

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1195

𝑇𝑇 = (𝑡𝑡⁄10 + 0.1)0.5 ; 𝑍𝑍 = 𝑋𝑋𝑋𝑋[𝜑𝜑 + 𝐽𝐽0,5 ] [5]

Aplicación en la Cuenca del Rio Bermejo

Figura 15.- Ajuste de Caudales en estación Pozo Sarmiento

Ajustado el modelo hidrológico, se procedió de igual manera a calibrar los modelos

1196 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

Evaluación de los Escenarios Climáticos

Tabla 2.- Comparación de escenarios climáticos para ajustar la precipitación

Los cambios en las precipitaciones no muestran variaciones estacionales o interdecada

Tabla 3.- Variación del volumen de sedimentos según modelo de MUSLE

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1197

1198 | XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina

XXVIII Congreso Latinoamericano de Hidráulica 2018 - Argentina | 1199