Validacin de modelos hidrolgicos Lluvia-escorrenta para su aplicacin a la

cabecera de cuenca del ro Jequetepeque

Validation of Hydrological models Rain- Runoff for their Application to the bedside
of basin of the Jequetepeque River
Alejandro Alcntara1*, Nestor Montalvo2, Abel Meja3, Eusebio Ingol4.
RESUMEN.
La validacin de modelos hidrolgicos, es un proceso complejo de anlisis y toma de
decisiones. Uno de los modelos en anlisis es la aplicacin del modelo GR2M, lluvia
escorrenta a paso mensual. El objetivo principal, es determinar la eficiencia del modelo
bajo la evaluacin de procesos de calibracin, validacin y sensibilidad en la cuenca del ro
Jequetepeque. La finalidad es aplicar a aquellos espacios que no tienen data de caudales,
donde s se cuenta con informacin de precipitacin y temperatura.
Para la aplicacin del modelo, se utiliz el anlisis de estaciones con mayor cantidad de
datos de precipitacin. Dicha estaciones son: Llapa, Porcn, Asuncin y Contumaz. Para
el caso de los caudales, se utiliz la estacin Yonan con una data de 34 aos, previo
anlisis mediante los programas SAMS e HYDRACCESS.
Los resultados de calibracin del modelo, arrojan una alta eficacia con un Nash de 83%,
despus de la optimizacin de los parmetros X1=5.88 y X2=0.72. El coeficiente de
determinacin es altamente confiable con un valor de 0.83. En la validacin del modelo, se
obtuvo tambin una alta eficiencia de 81.3% y un coeficiente R2 de 0.86. En la sensibilidad
del modelo, se determin, que el parmetro ms sensible es X2, por lo tanto, tiene mayor
influencia en los resultados del modelo.
Los caudales simulados para las estaciones de Porcn y Asuncin, determinan que existe
una diferencia de caudales durante el transcurso del ao. En la parte norte de la cabecera de
cuenca los caudales siempre estn presentes; en cambio, en la parte sur de la cabecera de
cuenca, los caudales estn en funcin de la precipitacin, existiendo sequas en ausencia de
lluvias.
PALABRAS CLAVES: Modelo Lluvia-escorrenta, cuenca, calibracin, simulacin.
ABSTRAC
The validation of hydrological models is a complex process of analysis and
decision-making. One of the models in analysis is the application of the model GR2M, rain
runoff to monthly step. The main objective is to determine the efficiency of the model
under the assessment of processes of calibration, validation and sensitivity in the basin of
the Jequetepeque River. The purpose is to apply to those spaces that do not have data
flows, where if we have information on precipitation and temperature. For the
implementation of the model, we used an analysis of stations with greater amount of
precipitation data. Such stations are: Llapa, Porcon, assumption and Contumaza. In the

Universidad Nacional Agraria La Molina. Programa de Doctorado en Ingeniera de Recursos Hdricos.

Universidad Nacional Agraria La Molina. Departamento de Doctorado de Recursos Hdricos.
3
Universidad Nacional Agraria La Molina. Departamento de Doctorado de Recursos Hdricos.
4
Universidad Nacional Agraria La Molina. Departamento de Doctorado de Recursos Hdricos.
*Corresponding author (a_b_alcantara@hotmail.com)
2

case of the flow rates, we used the Yonan station with a data of 34 years. Prior to the
model, was analyzed by the SAMS and HYDRACCESS programs.
The results of calibration of the model show a high efficiency with a Nash of 83 %,
after optimization of the parameters X1 =5.88 and X2 =0.72. The coefficient of
determination is highly reliable with a value of 0.83. In the validation of the model, it also
won a high efficiency of 81.3 % and a R2 coefficient of 0.86. In the sensitivity of the
model, it was determined that the most sensitive parameter is X2, therefore, has the
greatest influence on the results of the model.
The simulated flow rates for the stations of Porcon and Asuncin, determine that
there is a difference in flow rates during the course of the year. In the northern part of the
bedside of the basin flows are always present; on the other hand, in the southern part of the
bedside of the basin, the flows are a function of precipitation, droughts exist in the absence
of rain.
KEY WORDS: rainfall-runoff model, basin, calibration, simulation.
I.- INTRODUCCIN
El presente trabajo, est vinculado con la aplicacin del modelo GR2M de lluviaescorrenta en la cuenca del ro Jequetepeque, cuenca perteneciente a la vertiente del
pacfico, ubicado en la costa norte del Per.
Los datos en anlisis, pertenecen a estaciones distribuidas espacialmente con la mayor
cantidad de data (precipitacin y temperatura), y la estacin Yonan, con datos de caudales,
cuyo periodo corresponde a los aos 1965 1998.
Dada la problemtica de la deficiencia de datos de caudales, lo que se espera obtener en el
presente estudio es la aplicacin eficiente del modelo a la cuenca del ro Jequetepeque; el
problema se extiende a la mayor cantidad de cuencas y micro cuencas de la parte alta,
lugares en los cuales se presenta como informacin valiosa los datos de precipitacin y
temperatura.
El programa SAMS, ha permitido el anlisis de los datos y la generacin de caudales
sintticos con proyeccin de fenmenos del nio; as mismo, el programa Hydraccess ha
permitido distribuir la influencia espacial de las estaciones y delimitacin de influencia de
la intensidad de precipitacin espacial a lo largo de la cuenca.
Durante el proceso de utilizacin del modelo GR2M, se ha realizado los procesos de
calibracin para un periodo de 240 meses, y el periodo de validacin de 120 meses, como
parte del planteamiento de los objetivos para el estudio de la cuenca del ro Jequetepeque.
Con la finalidad de determinar el parmetro que tiene mayor influencia en los resultados
del modelo, se plante el proceso de sensibilidad del modelo con variaciones porcentuales
del 5% de incrementos. Base de estos procesos, se discute los resultados que arroja el
modelo mediante cuadros y figuras.
II.-ANTECEDENTES Y MARCO TERICO
2.1 Cuenca del ro Jequetepeque
El rea de estudio se encuentra en la parte norte del Per, ubicada entre las regiones de La
Libertad (provincias: Pacasmayo y Chepn) y Cajamarca hacia el este (Provincias de
Cajamarca, Contumaz, San Pablo y San Miguel). Hidrolgicamente pertenece a la
vertiente del Pacfico, con una superficie aproximada de 4443.63 km2, (INADE, 2002).

El ro Jequetepeque tiene una longitud de 161.50 Km con un recorrido de este a oeste,

cuyas aguas desembocan en el ocano Pacfico; su altitud vara desde los 0 msnm hasta los
4188 msnm; espacialmente est limitando con siete cuencas, como se ilustra en la figura 1.
En la parte media de la cuenca, se ha construido el Embalse Gallito Ciego, con una
capacidad de almacenamiento de agua de 573x106 m3 de agua (FAO, 2003), cuyo uso
principal es la generacin de energa elctrica y el desarrollo de la actividad agrcola.

Figura N 1. Ubicacin espacial de la cuenca del ro Jequetepeque.

Fuente: Mapa digital del Per. Adecuado.

2.2 Datos Hidrolgicos
Los datos hidromtricos en la cuenca, est constituido por el conjunto de data hidrolgica
distribuidos en puntos estratgicos, los cuales van registrando peridicamente datos en
puntos denominados estaciones.
Para Molina, (1975), la hidrometra, es una parte de la hidrologa que mide el volumen de
agua que circula por una seccin de un conducto en un tiempo dado. Las medidas de la
cantidad de agua que circula por la seccin de una quebrada, riachuelo o ro, son datos
registrados con la finalidad de realizar su procesamiento con fines de planificacin,
distribucin o gestin del agua.
El proceso que se utiliza para medir los caudales de una determinada seccin del ro, es
mediante el mtodo de los llamados aforos de corriente de agua, existiendo diversos tipos
de medirlos, siendo el ms empleado el medir la velocidad del agua por una seccin
correspondiente, como se ilustra en la figura 2. (Daz, A. 2010).

Donde
Q = cauda, en m3 /s.
A = rea en m2.
V = velocidad en m/s.
Figura N 2. Medida de la seccin de un ro.

Fuente: Ministerio de Agricultura. 2007.

La aplicacin del estudio de los caudales, son determinantes para el establecimiento de
infraestructuras en la cuenca, a partir de los cuales, mediante la utilizacin de procesos
estadsticos nos van a permitir proyectar estas construcciones frente a posibles eventos
extremos. Por lo tanto, es importante un conocimiento oportuno de caudales futuros, los
cuales se obtienen mediante la simulacin estocstica de series hidrolgicas, este
procedimiento se basa en modelos matemticos paramtricos y no paramtricos (Chow,
Maidment & Mays, 1994), por lo que es importante el uso de un determinado modelo para
la solucin particular de diferentes casos.
Para poder determinar eventos futuros o proyecciones respecto a la data de caudales, varios
son los programas que nos ayudan a determinar eventos futuros, as por ejemplo, el modelo
hidrolgico SAMS, (Sveinsson, O; Lee, T; Salas, J; Lane, W. &Frevert, D. (2009)), que es
un modelo estocstico, incluye un conjunto de procedimientos de anlisis de series futuras,
tal es el caso del seguimiento de diferentes capacidades:
El anlisis estocstico de datos temporales o anuales.
La transformacin de datos originales en series normales.
Incluye series de un solo lugar o varios sitios como modelos de disgregacin
estocstica en modelos paramtricos y no paramtricos, entre otros.
2.3

Descripcin del Programa GR2M.

Es un modelo desarrollado por el CEMAGREF (Centro de Investigacin Agrcola e

Ingeniera Ambiental, Francia), quien propuso un modelo global, lo ms simple posible,
para reconstruir los caudales a partir de la precipitacin y la evapotranspiracin (Mouelhi,
2003), citado por Mena Correa (2010).
El modelo GR2M, funciona a paso de tiempo mensual, el cual est basado en la
transformacin de la lluvia en escorrenta, a travs de la utilizacin de un conjunto de
ecuaciones, segn el modelo, (figura 3):

Figura N 3. Esquema conceptual y ecuaciones del modelo GR2M.

(1)

P
(1)

evaporation

(2)

(3)

Production X1
store

(2)
(3)

S2

(4)

S
(4)

P2
(5)

P1
P3

(5)
(6)

Outside of
the basin

S X 1
S
1
X1
P1 P S S1
S1

X2

(7)
(8)

S1 1

S
1 1 1
X
1

X1

with

tanh

with

tanh

X1

P2 S 2 S

S2
1/ 3

S 3
1 2
X 1

P3 P1 P2
R1 R P3

60 mm

(6)

Routing
store

(7)
(8)

R2 X 5 .R1
R22
Q
R2 60

R R2 Q

Fuente: Mouelli. 2003.

Todas las cantidades (entradas, salidas y variables internas) estn expresadas en mm. En
las ecuaciones presentadas a continuacin P y E representan la precipitacin y la
evaporacin potencial promediadas sobre la cuenca del ro Jequetepeque.
Debido a la precipitacin, el almacenamiento en el tanque de produccin, S, se convierte
en S1, obtenido por medio de la siguiente expresin:
1.0
Donde X1 representa la mxima capacidad del tanque de produccin. El exceso de
precipitacin, P1, se calcula como:
2.0
Debido a la evaporacin (el clculo de la evaporacin real, depende del valor de E), S1 se
convierte en S2:
3.0
Posteriormente, una cantidad de agua P2 es liberada del tanque de produccin como
percolacin. De esta manera S2, toma un nuevo valor S, el cual representa el
almacenamiento inicial en el siguiente mes:

4.0

5.0

La suma de P1 y P2 es la cantidad de agua que entra en el tanque de trnsito:

6.0
El nivel inicial en tanque de trnsito, R, se actualiza como:
7.0
Luego se calcula el trmino de intercambio de agua F:
8.0
Donde X5 es un parmetro adimensional. Si X5 es mayor que 1, F representa una ganancia
de agua para la cuenca, y si es menor que 1 representa una prdida. El nuevo nivel en el
tanque de trnsito es:
9.0
La descarga a la salida de la cuenca de inters se calcula a partir de la siguiente expresin:
10.0
Donde X4 es la mxima capacidad del tanque de trnsito y tiene un valor de 60 mm.
Finalmente, el nivel en el tanque de trnsito al inicio del siguiente mes se calcula como:
11.0
Los parmetros que deben ser calibrados en el modelo GR2M son X1 y X5.
Los procesos fsicos en la cuenca, estn representados por: El almacenamiento de agua en
el suelo (almacenamiento en el tanque de produccin, S), la infiltracin, la evaporacin
real (E), la percolacin (P2), transito de escorrenta (P1 y P2), flujo de agua subterrnea (F).
Para evaluar la calidad del modelo, se puede realizar mediante una evaluacin cuantitativa
o cualitativa, en el caso del segundo se basa en la comparacin grfica entre los valores
calculados y los valores observados. Un factor a considerar en el modelo, es la funcin
objetivo Nash, para cuantificar la eficiencia del modelo simulado respecto al modelo
observado, su valor esta expresado en porcentaje, cuya ecuacin es como sigue:
12.0

En el proceso de la utilizacin del modelo GR2M, se procede a la calibracin, validacin y

sensibilidad del modelo; en el primer caso es obtener valores ptimos de los parmetros
incluidos en el modelo, es decir el mejor ajuste entre los datos observados y los datos
simulados por el modelo; en el segundo caso, la validacin, es el proceso de verificacin
de la calidad de los ajustes de la etapa de calibracin y finalmente la etapa de sensibilidad
del modelo, tiende a medir cuanto puede llegar a afectar a los resultados del modelo las
variaciones relativamente pequeas en los valores de los parmetros (Mena Correa, 2010).
2.4 Problemtica.
Las estaciones hidrolgicas, por lo general se ubican en la parte media o baja de la cuenca,
lugares donde se concentra la mayor cantidad de agua con fines de uso poblacional o
agrcola; sin embargo, en la parte alta, no se tiene datos de escorrenta, siendo ellos muy
importantes con diferentes fines, uno de ellos sera conocer la escorrenta en las cabeceras
de cuenca para programar los cultivos y tipos de cultivos mediante regado, debido a que
no se cuenta con agua de precipitacin durante la poca seca, el uso de agua para
actividades industriales, proyectos de produccin, con fines de recarga entre otros
propsitos. Este desconocimiento impide o dificulta realizar un conjunto de planificaciones
y que teniendo datos sobre las cantidades de agua podran mejorar las condiciones de
produccin y calidad de vida de los pobladores o de la cuenca en general.
En tal sentido aplicando este modelo lluvia-escorrenta, sera posible utilizar parmetros
calibrados y de acuerdo a estos ajustes utilizarlos en la generacin de datos de escorrenta
en las partes altas de la cuenca en estudio.
2.5 Objetivos
4.1. Aplicar el modelo GR2M de lluvia-escorrenta en la cuenca del ro Jequetepeque, para
un periodo de 34 aos, determinando su eficiencia.
4.2 Aplicar, Calibrar y validar el modelo GR2M, para la generacin de caudales a partir de
datos de precipitacin en la cuenca del ro Jequetepeque.
4.3 Analizar la sensibilidad de los parmetros evaluados en la cuenca del ro Jequetepeque.
4.4. Aplicar la calibracin del modelo para simulaciones de caudales en la cabecera de
cuenca del ro Jequetepeque.
2.6 Hiptesis.
Los datos de precipitacin y escorrenta en el periodo de prueba, determinan resultados
correlacinales en la generacin de caudales simulados en la cuenca del ro Jequetepeque,
cuya calibracin del modelo puede aplicarse en la cabecera de cuenca para la simulacin
de escorrenta a partir de precipitaciones en estaciones que se encuentran en las partes ms
altas de la cuenca.
III.-METODOLOGA
Con la finalidad de implementar el modelo, se recopila informacin hidrometeorolgica
mensual de las variables de: precipitacin, temperatura promedio y caudales de la cuenca
Jequetepeque. Para la construccin de los mapas mensuales de evaporacin potencial se
usa el mtodo ecuacional de Tornthwaite planteado en una plantilla Excel, el cual depende
para este caso conocer la temperatura, introducir datos de lugar, latitud en grados
decimales y el hemisferio en la cual est ubicada la cuenca.
7

Los datos de caudales, se obtuvo de la estacin hidrolgica Yonan, con datos histricos de
34 aos, desde el ao 1965 al ao 1998. Con la finalidad de estandarizar la data de las
estaciones que no contaban con datos desde el ao 1965, se realiz proyecciones y
simulaciones de precipitaciones sinttica a travs del programa SAMS.
Para el anlisis de lluvia escorrenta, se analiz los datos correspondientes a 4 estaciones
tambin por un periodo de 34 aos (1965-1998). Los datos a lo largo de la cuenca, han
sido trabajados previamente en el programa Hydraccess para determinar aplicar mtodos
de interpolacin y distribucin espacial de las estaciones. As mismo, el modelo GR2M, es
utilizado para la generacin de caudales mensuales a partir de la lluvia y
evapotranspiracin, (Tabla N1).
Tabla N 1. Distribucin de las estaciones en la cuenca Jequetepeque.
Nombre de la
Estacin
Llapa
Porcn
Asuncin
Contumaz
Yonan

Tipo de
estacin
Meteorolgica
Meteorolgica
Meteorolgica
Meteorolgica
Hidrolgica

Provincia
San Miguel
Cajamarca
Cajamarca
Contumaz
Contumaz

Distrito
San Miguel
Cajamarca
Asuncin
Contumaz
Yonan

Longitud
Latitud
-78.83028 -6.999722
-78.62666 -7.033889
-785155
-7.3121
-78.83028 -7.355833
-79.10028 -7.250278

Altitud
msnm
2900
3261
2194
2610
600

Fuente: SENAMHI, 2011.

Despus de calibrado el modelo, se procedi a simular los caudales en el rea que
corresponde a dos estaciones, la estacin Porcn y la estacin Asuncin, con la finalidad
de obtener los caudales simulados con fines de cuantificacin.
IV.-RESULTADOS Y DISCUSIN
Como se observa en las Figuras 4 y 5, los datos no tienen una distribucin normal, por ello
vamos a transformar estos datos a una determinada funcin. Por el mtodo grfico
observamos que las probabilidades Log-normal, va a representar esta distribucin lognormal como una lnea recta, que para este caso en todas los meses acepta este parmetro.
Figura N 4. Anlisis grfico de datos con el programa SAMS
Normal Probability Paper (transformed)

Normal Probability Paper (original)

120

120

P(X < 0) = 14.08%

90

Y=X

90

60

60

30

30

0
.1

.5

10

30

50

70

90

Non-Exceedance Probability (%)

98

99.5

99.9

.1

.5

10

30

50

70

90

98

99.5

99.9

Non-Exceedance Probability (%)

Figura N 5. Luego de aplicar el log-normal, se ajustan los datos y se obtiene:

Normal Probability Paper (transformed)

Normal Probability Paper (original)

5

120

P(X < 0) = 0.98%

4.5
4

Y = ln(X + a)

90

60

3.5
3
2.5

30
2
1.5

0
.1

.5

10

30

50

70

90

98

99.5

99.9

.1

.5

10

30

50

70

90

98

99.5

99.9

Non-Exceedance Probability (%)

Non-Exceedance Probability (%)

Las muestras estadsticas que arrojan el programa SAMS de las series originales y series
transformadas de la estacin en anlisis, se presentan la Tabla 2.
Tabla N 2. Resultados estadsticos del anlisis de caudales en la estacin Yonan.
Station Yonan
Parmetros
Mean
Series originales 310.5
Series
5.609
Transformadas

StDev CV
Skewness Min
Max acf(1)
168.1 0.5414 1.6553
79.40 970.3 -0.0166
0.5239 0.0934 -0.2398
4.387 6.879 0.0045

acf(2)
-0.0474
0.0045

Por otro lado, de acuerdo a los anlisis de los modelos Auto regresivos de Media Mvil,
que se presentan en la Tabla 3, cuyo principio es generar el presente o futuro en funcin de
lo que ha ocurrido en el pasado, los valores que nos arroja el programa para la estacin en
estudio, nos muestra el valor referencial de trabajo es el ARMA (1,0), por ser el menor
valor, dado que minimiza el error de pronstico de la matriz de suma de errores.
Tabla N 3. Resultados de los modelos autoregresivos.

Mean:
Variance:
AICC:
SIC:

Estacin 1
ARMA(1,0)
ARMA(2,0)
5.54386
5.54386
0.374783
0.374783
38.361
40.222
37.501
40.474

ARMA(3,0)
5.54386
0.374783
39.337
40.537

Tabla N 4. Resultado del anlisis PARMA.

Season
1
2
3
4
5
6
7
8
9
10
11
12

Mean
3.09629
3.64282
4.0474
3.82215
3.13472
2.28819
1.5303
1.15403
0.830742
2.03154
2.52541
2.45322

Estacin 1 anlisis PARMA

PARMA(1,0)
PARMA(1,0)
AICC
SIC
AICC
SIC
24.519
23.658
26.297
26.550
20.586
19.725
22.945
23.198
16.470
15.609
18.497
18.750
7.436
6.575
9.647
9.900
0.998
0.138
2.665
2.918
-29.737
-30.597
-34.274
-34.021
-32.442
-33.303
-30.103
-29.850
-17.022
-17.883
-14.981
-14.729
-19.731
-20.592
-18.180
-17.928
25.161
24.300
27.092
27.344
17.468
16.608
15.251
15.503
20.725
19.864
18.471
18.724

Variance
0.662601
0.834269
0.838159
0.618956
0.340606
0.250824
0.365754
0.241532
0.517606
0.479121
0.303288
0.764442

PARMA(1,0)
AICC
SIC
27.017
28.217
25.233
26.433
17.224
18.423
7.880
9.080
4.199
5.399
-36.170
-34.970
-27.538
-26.338
-12.454
-11.254
-15.765
-14.566
29.659
30.859
17.792
18.991
20.932
22.132

Usando la base de datos en log-normal y con la ARMA (1,0), para la estacin en estudio,
se determina la generacin de series sintticas, para 100 aos, corriendo el modelo,
obtenemos los siguientes datos del grfico. El color azul, corresponde a la data de series
histricas y el de color rojo, son las series sintticas o series generadas. As mismo se
puede observar 4 grandes fenmenos del nio hasta el ao 2094, siendo el ms intenso en
los prximos 10 aos. Tabla 4 y Figura 6.
Figura N 6. Generacin de series sintticas de la estacin Yonan para 100 aos.
Annual Series
Historical
900

Generated

Flow

700

500

300

100
10

40

70

100

130

Year

As mismo en el proceso de interpolacin, se ha considerado el anlisis de 11 estaciones,

que por los resultados del programa Hydraccess se obtiene, primero por el mtodo de
polgonos de Thiessen, la inversa del cuadrado de la distancia y Kriging, cuyos resultados
grficos, se observa en la Figura 7.

10

Figura N 7. Proceso de interpolacin de las estaciones en la cuenca Jequetepeque.

El segundo caso (mtodo de inversa de cuadrados), consiste en predecirnos que en

cualquier punto en la cuenca, su valor depender del conjunto de valores de las estaciones
observadas, donde cada una de ellas tiene una influencia dependiente de la inversa de su
distancia a ese punto. Grficamente se observa que la mayor cantidad de precipitacin, se
encuentra al este de la cuenca, especficamente en el parte norte, la que corresponde a la
estacin P10, ubicada en la provincia de Cajamarca, (estacin Granja Porcn). Finalmente
por el mtodo de Kriging, se observa que cada punto en evolucin del espacio dentro de la
cuenca, est influenciada por las estaciones prximas en funcin a su distancia y su rumbo,
de este modo se puede observar la influencia del color generando isolineas de incremento
conforme va incrementndose la altitud, esta tendencia, se encuentra hacia el noreste.
4.1 Proceso de calibracin del Modelo.
En el modelo GR2M, a paso mensual, se generan tres procesos fundamentales, los cuales
se ha seguido en el anlisis de aplicacin a la cuenca Jequetepeque que son: la calibracin,
validacin del modelo y la sensibilidad de los parmetros. Para el primer caso, en la parte
de la calibracin del modelo, se us el programa Solver, incorporado dentro del programa
Excel.
Los datos esenciales para nuestra cuenca, abarca 3642 km2, con un periodo de llenado de
tanque de 12 meses y un periodo de calibracin de 240 meses, que corresponde del ao
1966 al ao 1986, (Figura 8).
En una primera instancias, con los valores sugeridos para los parmetros X1 y X2, (6 y 1,
respectivamente) el Nash toma un valor muy bajo.

11

Figura N 8. Valor de los parmetros sin calibrar el modelo

Cuenca Jequetepeque
Stationname
3642
Catchmentarea (km)
Transformed
Modelparameters
Real
x1: Capacity of the production store (mm)
6.00
403.43
x2: Waterexchangecoefficient (mm)
1.00
1.00
Period
Length of the warm-up period (months)
12
Length of the test period (months)
240
Start date
01/1966
End date
01/1986
Efficiencycriteria (%)
Nash(Q)
Nash(VQ)
Nash(ln(Q))
Bias

29.7
44.9
41.9
174.8

Los resultados que nos arroja el modelo, en el proceso de calibracin con la optimizacin
del programa Solver, son ms aceptables, dado que el valor del Nash obtenido en este
proceso, tiene una eficiencia del 83% aplicado a un periodo de 240 meses, como se
observa en la Figura 9; al mismo tiempo que el valor de los parmetros se modifican
(parmetros ptimos): cuyos valores son:
X1 = 5.88
X2 = 0.72
Nash = 83
Figura N 9. Valor de los parmetros, calibrando el modelo.
Stationname
Catchmentarea (km)
Modelparameters
x1: Capacity of the production store (mm)
x2: Waterexchangecoefficient (mm)
Period
Length of the warm-up period (months)
Length of the test period (months)
Start date
End date
Efficiencycriteria (%)
Nash(Q)
Nash(VQ)
Nash(ln(Q))
Bias

Cuenca Jequtepeque
3642
Transformed
Real
5.88
357.81
0.72
0.72
12
240
01/1966
01/1986

83.0
83.8
83.0
95.6

As mismo, en forma grfica (Figura 10), se observa que los flujos simulados, respecto a
los observados, guarda una buena correlacin, sin embargo se observa algunos resultados
no muy satisfactorios en seis periodos, siendo tres de ellos muy pronunciados: mar-78
12

(Qsim = 34.62 y Qobs = 7.402), abr-78 (Qsim = 39.07 y Qobs = 14.44) y ene-83 (Qsim =
92.25 y Qobs = 60.78). En el resto de los periodos, explica su proceso de generacin de
lluvia en caudales, como se observa en la Figura 10.
Figura N 10. Hidrograma de lluvia, caudales observados y simulados.

En la Figura 11, se considera la distribucin a partir de 1965, donde observa los cambios
en la velocidad de llenado de la produccin de tanques, por lo que se observa poca
estabilidad en el modelo, donde las variaciones S, al principio del periodo en evaluacin,
estn influenciadas generalmente por las Precipitaciones (ejemplo enero del 67, 68, 69 y
70), presentando dos periodos de tendencia marcados de los aos 68 72 y de los aos 80
al 83.
Figura N 11. Evolucin del nivel S del reservorio de produccin.

13

En la Figura 12, se observa el comportamiento del reservorio de transferencia, donde el

nivel R, presenta una alta dispersin de datos, los cuales varan entre 3 a 47 mm,
registrndose el mayor valor en marzo del ao 98 y el menor valor corresponde a
septiembre del 80; al igual que S, tambin presenta los mismos periodos de tendencia,
donde los mayores valores corresponde a las pocas de diciembre a abril, es decir pocas
de mayor precipitacin.
Figura N 12. Evolucin del nivel R del reservorio de transferencia

Para el periodo de calibracin, segn la Figura 13, el coeficiente de determinacin R2, el

cual toma un valor aceptable de 0.83, lo que explica que se cumple la relacin ecuacional
de Qsim = a+b*Qobs, como lnea de tendencia.
Figura N 13. Lnea de tendencia y coeficiente R2

14

4.2 Validacin del Sistema

Para la validacin del modelo, usamos los parmetros determinados en la calibracin, con
1/3 de la data posterior al periodo de calibracin, como se muestra en el Tabla 5; esto nos
va a permitir validar la utilizacin del modelo GR2M en la cuenca del ro Jequetepeque.
Tabla N 5. Periodos de calibracin y validacin

Feb-95
Feb-96

Feb-94

Feb-93

Feb-92

Feb-91

Feb-90

Feb-89

Feb-88

Feb-87

Feb-86

Ene-85
Ene-86

Ene-84

Ene-83

Ene-82

Ene-81

Ene-80

Ene-79

Ene-78

1/3
Ene-77

Ene-76

Ene-75

Ene-74

Ene-73

Ene-72

Ene-71

Ene-70

Ene-69

Ene-68

Ene-66
Ene-67

2/3

Para este proceso, el periodo de validacin, corresponde a 120 meses, es decir 1/3 de la
data en estudio, y como se observa en la figura 14, el resultado del Nash, en este proceso,
result con una eficiencia alta del 81.3%, mantenindose los parmetros X1 =5.88 y el
X2=0.72.
Figura N 14. Periodo de validacin.
Cuenca Jequtepeque
Stationname
3642
Catchmentarea (km)
Modelparameters
Transformed
Real
x1: Capacity of the production store (mm)
5.88
359.26
x2: Waterexchangecoefficient (mm)
0.72
0.72
Period
Length of the warm-up period (months)
12
Length of the test period (months)
120
Start date
02/1986
End date
02/1996
Efficiencycriteria (%)
Nash(Q)
Nash(VQ)
Nash(ln(Q))
Bias

81.3
80.5
78.4
98.6

As mismo, como se puede observar en la Figura 15, los resultados son bastante aceptables,
dado que los caudales simulados, se ajustan a los caudales observados en todo este periodo,
esto es un reflejo de los periodos de la generacin de lluvias, por lo cual el modelo es
vlido y aplicable para esta cuenca.

15

Figura N 15. Histograma correspondiente al periodo de validacin.

Los resultados estadsticos de la lnea de tendencia, con la ecuacin lineal de los caudales
simulados, en funcin de los valores observados, mantienen una alta correlacin de 0.86,
por lo que nos indica que si existe validez del modelo, como se observa en la Figura 16.
Figura N 16. Lnea de tendencia y coeficiente R2, periodo de validacin.

Tanto los periodos de calibracin y los periodos de validacin, corresponden o agrupan a la

mayor cantidad de data posible de las estaciones en estudio, con la cual se est
completando una mayor informacin de referencia de aceptacin del modelo aplicativo a
esta cuenca.
4.3 Sensibilidad del modelo GR2M
Con las variaciones porcentuales pequeas en cada uno de los valores de los parametros,
los resultados que se obtienen en este proceso, nos demuestran que el parametro X2 el mas
16

sensible (Tabla 6), por lo que es el parametro que tiene mayor influencia en los resultados
del modelo para nuestra cuenca; para ello variamos cada uno de los parametros
manteniendo el otro fijo.
Este proceso ha sido trabajado con los caudales generados durante todo el periodo de
calibracion del modelo. En forma grfica, se observa en las Figuras 17, donde se grafica la
sensibilidad para cada uno de los parametros en estudio; la tendencia de uno de ellos
aumenta con mayor rapidez a medida que se incrementan los porcentajes.
Tabla N 6. Datos del proceso de sensibilidad de parametros
%
0.75
0.50
0.25
0.20
0.15
0.10
0.05
0.00
-0.05
-0.10
-0.15
-0.20
-0.25
-0.50
-0.75

Qsim1
35.5
22.6
17.9
17.3
17.0
16.8
16.8
17.0
17.4
18.0
18.8
19.9
21.4
35.6
43.8

Qsim2
47.3
35.9
25.7
23.6
22.1
20.2
18.8
17.0
15.3
14.1
12.5
11.4
10.0
4.7
1.3

Qsim1%
108.54
33.04
5.06
2.01
-0.16
-1.21
-1.18
0.00
2.35
5.91
10.66
17.34
26.15
109.54
157.67

Qsim2%
178.07
110.91
51.04
38.88
30.05
18.69
10.47
0.00
-10.13
-17.36
-26.55
-33.13
-41.45
-72.56
-92.65

Figura N 17. Analisis de sensibilidad del modelo

4.4 Aplicacin del modelo calibrado a las estaciones Porcn y Asuncin.

La Figura 18, muestra los resultados de escorrenta para la estacin Porcn, segn el
modelamiento del GR2M, en donde observan caudales continuos durante todas las
estaciones del ao, esta caracterizacin es un dato importante, razn de anlisis, pues no
17

existen glaciares en esta parte de la cuenca, sin embargo existe escorrenta aun en pocas
de estiaje. El rea de influencia de estos caudales son los distritos de Llapa, Cochn y
Cajamarca.
Figura N 18. Simulacin de caudales a partir de la precipitacin. Est. Porcn.

En la Figura 19, observamos que los caudales simulados en las pocas secas, no presentan
corrientes de agua, esto estara relacionado con las caractersticas del suelo y los procesos
de intemperismo, dado que las precipitaciones tambin son menores respecto a la estacin
anterior.
Figura N 19. Simulacin de caudales a partir de la precipitacin. Est. Asuncin.

La simulacin de caudales de la estacin Asuncin, corresponden para los ros San Juan,
Paigal y Quinuas, cuya rea de influencia es el distrito de San Juan, Jess, Asuncin, y
parte de Contumaz.
18

V.-CONCLUSIONES
1. La aplicacin del modelo GR2M, en la cuenca del rio Jequetepeque, presenta una alta
eficiencia, tanto en el periodo de calibracin (83%), como en el periodo de validacin del
modelo (81.3%), por lo que se ajusta a la aplicacin de este modelo satisfactoriamente a
nuestra cuenca en estudio.
2. Los parmetros de calibracin, adquieren valores de X1= 5.88 y X2=0,72. As mismo, el
anlisis de sensibilidad, nos muestra que el parmetro que tiene mayor influencia en los
resultados del modelo es el X2 (coeficiente de intercambio de aguas subterrneas), pues es
el ms sensible, frente a la variacin de pequeos cambios en los parmetros del modelo.
3. La aplicacin del modelo, dado su alta eficiencia para la cuenca del rio Jequetepeque, se
adecua a la generacin de caudales a partir de la informacin de precipitacin bsicamente
en la parte de las micro cuencas (parte alta), donde se adolece de informacin de caudales.
4. A nivel de cabecera de cuenca, se observa que existe una variacin de los caudales en la
parte norte de la cabecera de cuenca, respecto a una disminucin en los caudales para la
parte sur de la cabecera de cuenca del ro Jequetepeque, simulado en dos estaciones
ubicados en las partes ms altas de la cuenca en estudio.
VI.-AGRADECIMIENTOS
El agradecimiento muy cordial a mis docentes, quienes me orientaron en este maravilloso
mundo de la investigacin. As mismo el agradecimiento al CONCYTEC, por su apoyo en
mis estudios y las investigaciones sobre uno de los recursos base como son los recursos
hdricos.
VII.-REFERENCIAS BIBLIOGRFICAS.
1.

2.
3.
4.

5.

6.
7.
8.

Carbajal, L.F. y Roldan, E. 2007. Calibracin del modelo Lluvia-Escorrenta

agregado GR4J. Aplicacin: cuenca del rio Aburr. Artculo. Universidad Nacional
de Colombia.
Chow, V.T., Maidment, D.R. y Mays, L.W. 1994. Hidrologa Aplicada. Editorial
Nomos. Santa Fe de Bogot. Colombia.
Daz Salas, A.M. 2010. Estadstica y probabilidades en la hidrologa. Asamblea
Nacional de Rectores. Lima. Per.
INADE. Instituto Nacional de Desarrollo. 2002. Plan de gestin de la oferta de agua
en la cuenca del ro Jequetepeque. Ministerio de vivienda, construccin y
saneamiento. Lima. Per.
Mena Correa, S.P. 2010. Evolucin de la dinmica de los escurrimientos en zonas de
alta montaa: caso del Volcn Antisana. Tesis. Lic en Ing. Ambiental. Escuela
Politcnica Nacional. Ecuador.
Ministerio de Agricultura. 2007. Evaluacin de los recursos hdricos de la cuenca del
rio Ocaa, estudio hidrolgico. Intendencia de recursos hdricos. Per.
Molina, G. 1975. Hidrologa. Universidad Nacional Agraria La Molina. Lima. Per.
Roldan Taborda, E. 2009. Reconstruccin histrica de los caudales mensuales a lo
largo de la red de drenaje de Colombia. Tesis Maestra. Universidad Nacional de
Colombia.
19

9.

Sveinsson, O., Lee, T., Salas, J., Lane, W. y Frevert, D. (2009). Stochastic Analysis
Modeling and Simulation. Colorado State University. USA.

20