Documente Academic
Documente Profesional
Documente Cultură
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:
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.
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.
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%]
Simulaciones: Se simula un escenario por cada periodo de retorno, obteniendo mapas (shapes)
que muestren las velocidades y tirantes máximos de escorrentía, Figura 3.
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):
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).
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.
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;
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.
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
RESUMEN:
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.
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
METODOLOGIA
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.
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.
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.
Figura 9.- Comparación de los factores de escala para diferentes proyecciones climáticas
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]
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]
𝑊𝑊 = 𝑇𝑇𝑇𝑇𝑇𝑇𝑍𝑍1,5 𝐹𝐹 [3]
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.
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
Como se observa en la tabla, el ajuste se estimo adecuado para todas las estaciones, a
excepción de Pozo Sarmiento.
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
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
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
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.
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.
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).
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:
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).
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.
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).
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).
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
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
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.
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).
ANALISIS HIDROLÓGICO
5⁄ √𝐼𝐼𝑂𝑂
𝑄𝑄 = 𝑊𝑊(𝐻𝐻 − ℎ𝑜𝑜 ) 3 [6]
𝑛𝑛
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
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
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 13 Datos del modelo (J1) vs los datos registrados por la estación hidrométrica (obs)
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):
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):
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.
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
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.
REFERENCIAS
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.
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.
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.
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,
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.
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):
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
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.
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.
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).
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
REFERENCIAS
RESUMEN:
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.
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
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.
Figura 4.- Esquema simplificado del modelo WEAP (elaborado a partir de weap21.org/)
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).
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:
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
Figura 12.- Ejemplo de variación coeficiente de ajuste versus factor de corrección de parámetros óptimos
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.
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.
Figura 9.- Diagrama Unifilar Estero Las Hualtatas y vínculo con modelo superficial & subterráneo WEAP-
MODFLOW (elaborado a partir de Sanzana et al., 2018).
Figura 10.- Ejemplo de un esquema de preparación de segmentación espacial para el acople superficial y
subterráneo
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.
CONCLUSIONES
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.
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:
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.
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).
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.
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).
Descripción
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:
Período de simulación
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).
Figura 9.-Diagramas de Taylor para los datos simulados de las estaciones: El Carmen, Enea, Ingeominas,
Posgrados y Yarumos.
Fuente: elaboración propia.
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
Figura 10.-Series de precipitación con los datos observados y simulados para las diferentes estaciones.
Fuente: elaboración propia.
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.
Fuente: elaboración propia.
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.
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.
REFERENCIAS
Ayoade, J.O. (1973). “Introduction to Climatologic for the Tropics”. John Wiley and Sons,
Chichester. Lancaster United Kingdom.
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).
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)
Lynch, P. (2010). “Predicción del tiempo y del clima: crónica de una revolución.”, 59(2), 75-78.
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.
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..
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
del Tolima
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 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.
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 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
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 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:
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
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.
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.
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
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
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:
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.
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.
Figura 1.- División de las cuencas bajo estudio en subcuencas (Yí, Cuareim, Olimar).
METODOLOGÍA
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.
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.
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.
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:
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.
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.
INFORMACIÓN
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.
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.
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.
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.
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.
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 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.
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
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).
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.
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.
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.
METODOLOGIA
P = AET + R + ΔS (2)
𝑃𝑃𝑃𝑃𝑃𝑃
𝐴𝐴𝐴𝐴𝐴𝐴 1 + 𝑤𝑤 ( 𝑃𝑃 )
= (3)
𝑃𝑃 𝑃𝑃𝑃𝑃𝑃𝑃 𝑃𝑃
1 + 𝑤𝑤 ( 𝑃𝑃 ) + 𝑃𝑃𝑃𝑃𝑃𝑃
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
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
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
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
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”).
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
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).
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.
RESUMEN
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.
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
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.
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).
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.
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.
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 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 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).
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.
- 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).
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.
- 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.
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.
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.
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.
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.
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.
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.
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.
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
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.
Figura 3. Diagramas ombrotérmicos para la estación Don Torcuato Aero: a) período 1971-1980, b) período 1981-1990,
c) período 1991-2000.
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).
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.
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.
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).
Figura 6. Escurrimiento para la estación Don Torcuato Aero: a) período 1971-1980, b) período 1981-1990, c) período
1991-2000.
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).
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
RESUMEN:
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.
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
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
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:
(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
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
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 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
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
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
Impactos económicos
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
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.
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.
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.
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.
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
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
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 7.- Precipitación cada cinco días agregada para Colombia entre 2000-2015
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)
DISCUSIÓN Y CONCLUSIÓN
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.
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:
ABSTRACT:
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.
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.
Estación Tb Tc
[d] [h]
BADIRAGUATO 8.2439 13.0887
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.
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.
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
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.
Coeficiente De
Modelo Determinación
Tb= 0.0000655tc2 + 0.079285 tc + 7.8568417 0.429
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)
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.
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:
ABSTRACT:
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).
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
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.
RESULTADOS
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.
Modelo hidrológico:
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.
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.
CONCLUSIONES Y RECOMENDACIONES
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.
RESUMO:
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.
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.
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
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.
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.
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 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
Figura 7.- Seção transversal do ano de 2006 com distinção entre o leito menor (em cinza) e maior (em preto)
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
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
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.
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:
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.
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]
Considerando que las fórmulas anteriores se consideran válidas para valores de precipitación
media anual entre 350 y 2150 mm (CONAGUA, 2015).
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.
[3]
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]
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.
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.
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.
COEFICIENTE
ESTACIÓN PENDIENTE PRECIPITACIÓN PRECIPITACIÓN
K DE
HIDROMÉTRICA (grados) (mm) QUE ESCURRE (mm)
ESCURRIMIENTO
Tabla 5.- Áreas y volumen medio anual de las cuencas 12607 y 12764.
VOLUMEN
ESTACIÓN
ÁREA (km2) MEDIO ANUAL
HIDROMÉTRICA
(m3)
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
REFERENCIAS BIBLIOGRÁFICAS
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.
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.
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
MATERIALES Y MÉTODOS
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
[1]
Donde
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.
Para espacializar los datos de Kr se adjudicó un atributo según los porcentajes de área de
cada sistema de riego (ver Figura 4).
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
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.
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.
Figura 7.- Balance oferta demanda cuencas analizadas con información secundaria
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.
: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
Análisis de sensibilidad
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.
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
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
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.
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.
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.
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
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
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.
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.
REFERENCIAS BIBLIOGRÁFICAS
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:
ABSTRACT:
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.
ANGACO
CHIMBAS
CAUCETE
9 DE JULIO
POCITO
RAWSON
25 DE MAYO
SARMIENTO
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
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.
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.
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:
RESULTADOS
Los resultados obtenidos se muestran en la Tabla 4, junto con la clasificación de los mismos
dada por Molden y Gates (1990).
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.
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.
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.
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.
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
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.
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
MODELAGEM HIDROLÓGICA
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
[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]
[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.
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]
[8]
) [9]
[10]
[11]
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
REFERÊNCIAS
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
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.
MATERIAIS E MÉTODOS
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
Figura 1. – Localização da Barragem Oeste, localizada no rio Itajaí do Oeste, em Taió/SC, Brasil.
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.
[1]
Figura 5. – Curva de descarga da tomada d'água do reservatório da Barragem Oeste, Taió - SC.
MÉTODO DE PULS
[2]
[3]
[4]
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
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.
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;
Figura 10. – Resultados das simulações realizadas para o evento 4, Barragem Oeste,
rio Itajai do Oeste (Caso 1 em vermelho, Caso 2 em azul).
CONCLUSÕES E RECOMENDAÇÕES
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.
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
[1]
Donde
ANTECEDENTES
METODOLOGÍA
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
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).
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
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.
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.
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.
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.
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 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
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.
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.
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 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.
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.
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).
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:
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.
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.
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.
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
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.
- 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
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
Figura 10.- Evolución comparativa de las recargas para los escenarios simulados.
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).
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).
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.
María Florencia Terré, Facundo J. Alonso, Juan Carlos Bertoni y Ricardo Ingaramo
Universidad Nacional de Córdoba, Argentina, florenciaterre@hotmail.com
RESUMEN:
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.
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.
DETERMINACIÓN DE HIETOGRAMAS
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.
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.
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.
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
Los resultados preliminares de esta modelación evidenciaron puntos críticos del entramado
urbano, lo cual permite enfocar las principales causas de inundación en forma localizada.
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.
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.
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
REFERENCIAS
AGRADECIMIENTOS
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.
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
Datos
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
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
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
Métricas de desempeño
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
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.
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
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
RESUMO:
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.
O MODELO MOSEE
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]
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)
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 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).
3-Sandy Loam 52 28 20 43 50 7
4-Loam 23 50 27 65 28 7
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 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.
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])
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
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.
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
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 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).
DISCUSSÃO CONCLUSIVA
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.
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:
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.
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
OBJETIVO
MÉTODOS BIVARIADOS
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 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.
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).
Cabe señalar que para cópula no importa que las distribuciones marginales tengan el mismo número
de parámetros.
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.
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.
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.
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.
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
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.
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.
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.
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.
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.
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
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
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:
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.
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.
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.
NIR R
NDVI [3]
NIR R
G SWIR
MNDWI [4]
G SWIR
Figura 1.- Comparación de imagen clasificada en “agua” – “no agua” con respecto a imagen satelital en
combinación color verdadero.
Identificación de Lagunas
- 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).
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.
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.
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.
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
REFERENCIAS BIBLIOGRÁFICAS
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.
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.
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
METODOLOGÍA
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 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.
donde:
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.
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.
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.
AGRADECIMIENTOS
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.
RESUMEN:
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.
MATERIALES Y MÉTODOS
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:
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
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.
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.
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
Figura 4.- Comparación de tasas de producción de sedimentos para los diferentes escenarios.
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.
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.
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.
MATERIALES Y MÉTODOS
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%).
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).
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.
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.
Figura 5.- Distribución espacial de las tendencias de los índices RX1day y RX5day.
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 -
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.
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.
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:
ABSTRACT:
PALABRAS CLAVES:
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
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).
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:
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.
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
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:
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.
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]
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:
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:
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
EXPERIMENTOS NUMÉRICOS
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.
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.
1M 8M
Figura 5. Configuración de los medios heterogéneos usados para los experimentos de escalabilidad
computacional de la solución por DF planteada para ANISOFLOW.
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
CONCLUSIONES
REFERENCIAS BIBLIOGRÁFICAS
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.
RESUMO:
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.
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
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
∑ 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.
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.
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)
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.
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.
Wave Runup:
(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:
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.
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)
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
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.
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.
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.
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
CONCLUSÃO
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).
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.
OBJETIVO
METODOLOGÍA
CUENCAS DE ESTUDIO
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
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.
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.
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.
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.
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:
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”
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.
CRITERO DE VALIDACIÓN
∑𝑁𝑁 ̂ 2
𝑖𝑖=1(𝑄𝑄𝑖𝑖 −𝑄𝑄𝑖𝑖 )
𝑁𝑁𝑁𝑁𝑁𝑁ℎ = 1 − ∑𝑁𝑁 (𝑄𝑄𝑖𝑖 −𝑄𝑄̅ )2
[7]
𝑖𝑖=1
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”.
CONCLUSIONES
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.
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.
Figura 1.- Imágenes correspondientes a los radares meteorológicos de Córdoba y Oro Verde.
OBJETIVOS
MATERIALES Y MÉTODOS
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
Z=a.Rb [1]
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.
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.
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:
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).
REFERENCIAS BIBLIOGRÁFICAS
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.
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:
MATERIAIS E MÉTODOS
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.
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,
RESULTADOS
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.
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.
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.
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.
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
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.
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)
ϵϬй
ϴϬй K/;WŝůůŐƌŝŵͿ
;,ƵĨĨͿ
ϳϬй
йĚĞ>ĄŵŝŶĂĐƵŵƵůĂĚĂ
ϲϬй
ϱϬй
ϰϬй
ϯϬй
ϮϬй
ϭϬй
Ϭй
ϭǑ ϮǑ ϯǑ ϰǑ
ƵĂƌƚŝů
Figura 3 – Comparación de hietogramas acumulados en estación INTA (Frías)
ϵϬй
ϴϬй K/;WŝůůŐƌŝŵͿ
;,ƵĨĨͿ
ϳϬй
йĚĞ>ĄŵŝŶĂĐƵŵƵůĂĚĂ
ϲϬй
ϱϬй
ϰϬй
ϯϬй
ϮϬй
ϭϬй
Ϭй
ϭǑ ϮǑ ϯǑ ϰǑ
ƵĂƌƚŝů
Figura 4 – Comparación de hietogramas acumulados en estación INTA (Árraga)
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%
йĚĞůĄŵŝŶĂĂĐƵŵƵůĂĚĂ
ϵϬй
ϴϬй K/;WŝůůŐƌŝŵͿ
;,ƵĨĨͿ
ϳϬй
йĚĞ>ĄŵŝŶĂĐƵŵƵůĂĚĂ
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.
REFERENCIAS BIBLIOGRÁFICAS
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.
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.
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 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.
𝐼𝐼𝐼𝐼 = ℎ ∙ 𝑣𝑣 [3]
RESULTADOS E DISCUSSÕES
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.
Ϭ͘ϲ
ƌĞĂĚĞƉĞƌŝŐŽĚĞŝŶƵŶĚĂĕĆŽ;ŬŵϮͿ
Ϭ͘ϱ
Ϭ͘ϰ
/Wͺϭ
Ϭ͘ϯ
/WͺϮ
Ϭ͘Ϯ /Wͺϯ
dŽƚĂů
Ϭ͘ϭ
Ϭ͘Ϭ
Ϭ ϱϬ ϭϬϬ ϭϱϬ ϮϬϬ ϮϱϬ
dĞŵƉŽĚĞƌĞƚŽƌŶŽ;ĂŶŽƐͿ
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.
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.
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.
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%.
MATERIALES Y MÉTODOS
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:
Donde se relacionan la banda NIR- Near InfraRed (o infrarrojo cercano) y la banda SWIR-
Short Wavelength InfraRed (infrarrojo corto).
RESULTADOS
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.
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.
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
REFERENCIAS
AVANCES EN EL ESTUDIO
DE
TORMENTAS CONVECTIVAS
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.
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.
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.
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.
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).
MATERIALES Y MÉTODOS
Hipótesis
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
𝑐𝑐 = a⁄𝑏𝑏 [2]
A partir del análisis diferencial (Figura 3), se puede determinar la expresión del decaimiento
espacial.
𝑤𝑤 = 𝑘𝑘⁄𝑐𝑐 [4]
𝑃𝑃𝑟𝑟 2
𝑝𝑝𝑟𝑟 [%] = = 𝑒𝑒 −𝑘𝑘∙𝑟𝑟
𝑃𝑃𝑜𝑜
𝑎𝑎 𝑟𝑟′
𝑐𝑐 = =
𝑏𝑏 𝑟𝑟
𝐴𝐴𝑟𝑟 = 𝜋𝜋 ∙ 𝑟𝑟 ∙ 𝑟𝑟 ′ = 𝜋𝜋 ∙ 𝑐𝑐 ∙ 𝑟𝑟 2
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
∫ 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:
Dados tres registros de precipitación al menos, se puede definir las isoyetas correspondientes
obteniendo los siguientes parámetros:
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:
La determinación de una ecuación analítica que brinde todos los parámetros de las elipses
óptimas es una tarea compleja y de difícil resolución.
Software desarrollado
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
RESULTADOS
Figura 7.- Tormenta del 2 de marzo de 1984 modelada mediante isoyetas elípticas
Figura 8.- Tormenta del 13 de marzo de 1991 modelada mediante isoyetas elípticas
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.
Apreciaciones Finales
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.
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.
METODOLOGÍA
Cálculo de las avenidas mediante la modelación del proceso lluvia-escurrimiento (enfoque 2).
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:
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
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 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.
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
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:
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.
MATERIAIS E MÉTODOS
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).
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
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,
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
CONCLUSÃO
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
RESUMEN:
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.
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.
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
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.
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]
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.
Donde yil 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
Figura 5.- Análisis de la correlación entre los caudales estandarizados del río Guadalupe y las anomalías de
temperatura en la superficie del mar.
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)
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.
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
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
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.
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.
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).
MATERIALES Y MÉTODOS
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.
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:
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.
RESUMEN:
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.
OBJETIVOS
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.
MATERIALES Y MÉTODOS
[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:
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
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.
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].
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
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.
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.
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
ÁREA DE ESTUDIO
MATERIALES Y MÉTODOS
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]
[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
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
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.
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.
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
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].
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 9. Caudales simulados en el futuro cercano (2016-2040) y RCP8.5, para los GCMs NorESM (azul),
CNRM (verde) y MPI (rojo).
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),
CNRM (verde) y MPI (rojo).
Figura 11. Caudales simulados en el futuro lejano (2076-2100) y RCP8.5, para los GCMs NorESM (azul),
CNRM (verde) y MPI (rojo).
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.
CONCLUSIONES
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.
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.
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.
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.
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
Parámetros 2p 3p 2p 3p
Normal ✓
Lognormal ✓ ✓ ✓ ✓
Exponencial ✓ ✓
Gamma ✓ ✓ ✓ ✓
Gumbel ✓ ✓
Doble Gumbel ✓
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.
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).
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.
CONCLUSIONES Y RECOMENDACIONES
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
REFERENCIAS BIBLIOGRÁFICAS
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.
RESUMEN:
ABSTRACT:
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.
Figura 1.- Precipitación del registro digital entre el 29 de diciembre del 2014 y el 5 de enero del 2015.
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
[1]
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]
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]
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 .
[5]
[7]
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
[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]
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.
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.
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)
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
CONCLUSIONES
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
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.
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
Pe=P-Ia-Fa [1]
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.
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).
Simulador de lluvia
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.
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).
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.
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.
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).
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.
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.
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
REFERENCIAS BIBLIOGRÁFICAS
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.
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.
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.
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.
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:
i=1,2…, k=1,2,3,4
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).
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.
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.
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).
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
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.
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.
REFERENCIAS BIBLIOGRÁFICAS
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.
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
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]
Figura 1.- Gráfico de la función Morlet con . En línea sólida la parte real
y en línea punteada la parte imaginaria.
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.
RESULTADOS
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.
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.
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.
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.
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".
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)
OBJETIVO
MATERIALES Y MÉTODOS
CARACTERIZACIÓN FÍSICA
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
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).
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.
Estos resultados se encuentran dentro del orden de magnitud esperable para la secuencia
sedimentológica encontrada, principalmente limos arenoso-arcillosos.
CONCLUSIONES
REFERENCIAS BIBLIOGRÁFICAS
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.
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.
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.
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
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.
ANÁLISIS DE RESULTADOS
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.
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
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.
REFERENCIAS BIBLIOGRÁFICAS
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.
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
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).
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
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.
- Resumen de resultados
En las siguientes tablas se presentan los resultados de las simulaciones realizadas, según el
siguiente detalle:
Tabla 3.- Situación con puente sobre río Tapenagá con luz ampliada.
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
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.
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
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.
CONCLUSIONES Y RECOMENDACIONES
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.
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